基于风速数值预报的两种风电功率预测方法

针对风电场风功率预测,根据2011年11-12月的北方某大型风电场132台风机的实测风速资料与输出功率资料,以及BJ-RUC数值预报模式在该风电场风机高度(50 m)的预报风速资料,探讨了2种利用神经网络将风速数值预报转化为风功率预测值的途径:1)利用神经网络对风速数值预报进行预测后延误差动态订正,以订正后的风速预测风功率;2)用风速的数值预报值直接与风功率输出建立神经网络模型的释用方法。根据该风电场的实测资料和BJ-RUC模式输出资料,对0-4 h的风功率预报进行了试验,结果表明2种方法相较直接使用BJ-RUC模式风速得到的风功率预报效果有明显改进,第1种方法,风速的绝对误差下降了48.7%,风功率的平均绝对误差下降了58.2%,第2种方法,风功率的平均绝对误差下降了60.4%。     

基于滚动极值处理的BP神经网络方法的WRF模式预报风速订正

为解决风速预报准确性问题,提高风能利用率,应用滚动的BP神经网络方法结合对极值的处理,对我国某风电场2007年4—11月的WRF模式预报风速结果进行了滚动订正研究。结果表明,经过1 h、12 h、24 h时间步长的滚动极值BP神经网络方法订正后,风电机组轮毂高度70 m处订正风速的相对均方根误差平均值分别减少16.59%、12.11%和11.61%,相对平均绝对误差平均值分别减少13.81%、11.09%和10.37%;且以时间步长为1h的滚动极值处理的BP神经网络订正效果最好,预报风速更趋近于实测风速,预报精度明显提高。     

风电场风速和风电功率预报准确率评判方法

 对风电场风速和风电功率预报进行客观准确的评判,可以有效促进风电场风速和风电功率预报水平的提升,为减缓风电并网对电网的影响服务.本文在对风电场风速和风电功率预报准确率评判方法进行全面回顾的基础上,分析了常用数学预报准确率评判法、相对于风电场额定值的预报准确率评判法、等级预报准确率评判法和与风力发电特征紧密结合的风电场风速预报准确率评判法.同时还分析了这4类风电场风速和风电功率预报准确率评判方法的特质,及其与风力发电特征的结合程度和适用范围.     

基于Sentinel-1合成孔径雷达卫星影像的福建沿海区域风能资源分析

海面风场风能资源分析对海上风电场的建设开发具有重要意义.近年来随着遥感技术的发展,星载合成孔径雷达(SAR)为海面风能的分析与评估提供了新手段.基于2015—2019年福建沿海区域的122景Sentinel-1 SAR影像,采用快速傅里叶变换风向反演方法及地球物理模式函数CMOD5.N风速反演方法对福建沿海区域进行SAR风场反演,并从风能有效性、稳定性及时空分布特征方面分析福建近海风能资源.主要结果显示:风速数值范围较大的秋、冬季有效风能占比较高,可达70%以上;福建沿海区域多年平均风能稳定性较好,春、秋、冬季风能稳定性较好,而夏季风能稳定性较差;福建沿海风能的空间分布主要为东北—西南走向逐渐递减类型,在台湾海峡中部区域出现风能最大值.     

3种机器学习方法预报风电功率的对比

根据甘肃省华家岭风力发电场的风场变化特征,利用风电场2017年8月-2018年7月的风电功率监测数据及同期欧洲中期天气预报中心的数值模式预报资料,用随机森林(RF)算法分析和筛选出主要的预报因子,分别选择RF、极限学习机和支持向量机3种机器学习方法建立预报模型,通过对比预报效果,得出适合的预报方法和模型.结果表明, RF算法的平均预报均方根误差为15.6%,预报效果优于极限学习机和支持向量机(预报均方根误差分别为16.8%和17.2%). RF算法在风电功率的短期预报方面取得了更好的效果,预报值与实际监测值更加接近;基于3种机器学习算法建立的风电功率预报模型的预报结果误差值都会随着风速的增大而增大,随着风速的减小而减小.     

福建沿海多模式风速预报的检验

选取2019年福建沿海5个浮标站的实测风速,对FJ-WRF、EC-thin、华东区域模式三种模式的风速预报结果进行检验,通过平均绝对误差、均方根误差等检验指标对比,得到三种模式对沿海风的预报性能.结果表明,风速的模拟效果显示预报效果最好的是EC模式,平均绝对误差为2～2.5m/s,其次是上海区域模式,WRF模式的平均绝...     

基于多模式预报优选融合技术的短时定量降水预报

为提升短时定量降水预报准确率,使其更好地支撑城市暴雨洪涝及中小河流洪水预报,基于多源数值天气模式预报值,构建了基于预报成员优选融合的短时(0~12h)逐小时定量降水预报模型,模型由单模式百分位映射订正技术模块、模式订正预报成员实时优选技术模块、预报成员实时融合技术模块和融合预报的百分位映射订正技术模块4个技术模块组成。以河南省为例对模型进行检验,结果表明:模型预报降水分布和强度随着预报时效临近更接近实况降水;模型提前6h预报出郑州“7·20”暴雨最强时段降水的落区和强度;在2021年1—9月降水预报对比检验中,模型预报准确率高于任意单模式订正预报和原始模式预报,且准确率随着预报时效的临近逐步提高。     

卡尔曼滤波修正的风电场短期功率预测模型

针对数值天气预报模型输出的气象参数存在系统误差而导致风电场功率预测精度受到制约的问题,提出了一种基于卡尔曼滤波修正的风电场短期功率预测模型.使用卡尔曼滤波算法对数值天气预报输出的风速数据进行动态修正,并结合其他气象数据形成新的用于风电功率预测的修正气象数据集合;根据原始气象数据和修正气象数据这2个训练集分别建立了风电场功率输出的原始神经网络、修正神经网络的预测模型.经同一时间区间内的实测数据与模型分析数据的对比分析表明:通过卡尔曼滤波修正的风速数据能够很好地跟踪实际风速数据的变化趋势,平均误差与绝对平均误差比较小;所提模型能够显著降低预测结果的均方根误差,使其从未修正前的17.73%降低至11.32%,证明预测精度得到了明显提高.     

风电场超短期风速预测方法对比

以沿海及山地复杂地形条件下的风电场为例,采用为期10 d的风电场测风塔实测风速资料,对比了两种预测方法在时效为4 h的超短期风速预测中的性能。其一为采用WRF数值模式预报的物理方法,其二为BP神经网络的统计方法;并探讨了两种风速预测方法的实用价值及意义。结果表明,与物理模拟方法相比,统计方法在4 h的超短期风速预测中,无论是预测准确性及计算效率都有一定的优势。     

基于神经网络的风电场超短期风速数值预报的动态修订

 针对风电场风功率预测所需的离地70m、0~4h的超短期风速预报,本文利用中央气象台发布的MM5格点输出的数值预报风速及测风塔实时发回的气象资料,探讨了利用神经网络将前期误差观测值和测风塔湍流指标等因子对MM5数值预报风速进行动态修订的方法,建立动态修订超短期预报模型,为满足风电场超短期风功率预报的工程应用提供一定的参考。结果表明,修订后的预报风速平均绝对误差等指标大幅降低,有效地提高了预报精度。     

基于快速滚动更新的无缝隙定量降水预报模型

针对中小尺度天气系统极易导致突发性短时强降水而难以定量化预报的问题,提出了一种基于快速滚动更新的无缝隙定量降水预报模型。模型基于改进光流法技术实现临近（0～2h）定量降水预报,基于GRAPES 3km实时频率匹配订正技术构建短时（2～12h）定量降水预报,基于最优背景场生成技术形成短中期（12～240h）定量降水预报;依据3种预报时效定量降水预报技术的技巧差异,结合实时预报检验评估,提出了基于经验权重函数的不同预报时效之间的预报融合技术,并根据最新降水实况逐1h调整预报,构建了0～240h快速滚动更新的无缝隙定量降水预报模型。选取2018年5—10月24h定量降水预报进行检验,并与传统定时预报对比,结果表明该模型24h降水预报准确率高于传统定时预报,特别是对中小尺度天气系统突发性短时强降水预报时空精度明显提高,有利于中小河流洪水预报与灾害防控。     

ECMWF细网格10m风场产品在南海海域的预报检验

对2012年1月至2013年12月ECMWF(简称EC)细网格10m风场产品在南海海域的预报进行检验,结果表明:1EC对原油码头、七洲列岛、永兴岛、永暑礁4个海岛站的风速预报总体上比实况略偏大,其中对七洲列岛和永暑礁的风速预报不仅系统性偏差最小,接近0m/s,且预报与实况的相关性最好;在不同风速下EC预报的风向偏差多数集中分布在±45°之间,风速越小,风向预报偏差样本的离散度越大;EC对东南风向、偏东风向和西南风向预报的均方根误差和平均偏差均较小,而对偏北风向和西北风向的预报效果较差.2对比EC 10m风速预报场和分析场在不同季节的偏差发现:春、秋、冬季风速预报平均偏差大值中心分布有一定相似性,均位于南海北部靠近华南沿海一带和南海东南部靠近菲律宾群岛以西海面,但均方根误差和方差的分布有所差异;EC对夏季南海海域的风速预报除了24h预报较稳定外,预报时效越长,均方根误差和方差迅速增大,模式预报不稳定.     

QuikSCAT风矢量资料在黄海洋面的真实性检验及应用

为弥补黄海海域缺乏洋面风实测资料,提高该海域海洋大风预报能力,本文对NASA QuickSCAT极轨卫星的10m散射风原始轨道资料和江苏近海黄海区域海洋站风资料进行了对比,并对QuickSCAT风应用于沿海大风预报的能力做了研究。结果表明,QuickSCAT散射风原始轨道资料在江苏近海区域具有可信性：江苏近海海洋站与QuikSCAT风速误差为-0.01m/s,散射计风速略低于海洋站的风速;两者风向偏差为2.31?。利用QuickSCAT矢量风和海洋站实况的订正关系对热带气旋大风圈范围和强度预测做了尝试性工作,表明QuickSCAT散射计矢量风资料对江苏近海区域强风有很好的预报能力。     

渤海西部海面风速预报方法的探讨

用秦皇岛、塘沽、海上平台等5个自动站3年的逐小时风速历史资料对渤海和秦皇岛地区的风速的相互关系和自身变化进行研究和探讨。通过使用气象统计方法,总结出大风的年变化和日变化,对以前已经研究过的结论进行论证,同时通过对比研究塘沽和海上平台站的资料,提出本地大风的年变化趋势预报和近海地区风速短时预报方法,在原有基础上进一步设想,总结出近海海区风速预报方法的理想数学假设方程。     

基于短时临近降水集合预报的中小河流洪水预报研究

为了延长中小河流洪水预报预见期,建立了基于短时临近精细化网格降水集合预报的中小河流洪水预报模型.模型采用百分位映射订正技术,发展数值模式降水预报场与实况场映射关系,结合Bayesian模型,构建基于GRAPES-3KM模式和Time-Lag-Ensemble融合技术的短时临近降水集合预报(最优集成、最大(95％分位数)...     

ECMWF细网格2 m温度在抚州市预报能力检验

基于2015-2017年3 a的ECMWF细网格模式2 m温度预报产品,采用格点映射站点法、天气学检验方法和逐步回归拟合订正方法,对该模式在不同季节、不同天气时的抚州市温度预报能力进行检验。结果表明:ECMWF细网格模式2 m温度预报的02:00和14:00可代表日最低、最高温度。冬半年的逐季最高气温预报准确率高出夏半年9.7%～27.4%。夏半年的逐季最低气温预报准确率高出冬半年7.0%～24.7%。A、B、C格点02:00预报的气温很好地代表临川区、资溪县、广昌县全年的日最低气温预报。拟合的ECMWF模式2 m最高温度预报订正方程适用于日最高温度预报,对24 h内的最高温度和最低温度预报提供参考依据。     

基于SMOTE算法和逻辑回归模型算法的江苏短时强降水潜势预报

短时强降水是导致城市内涝和山洪、滑坡等灾害的重要原因,其突发性强,局地性明显,预报难度大,是强对流天气业务预报的重点和难点之一。本研究利用2011-2018年的江苏省国家气象观测的逐小时降水资料对江苏省短时强降水时空分布特征进行分析,江苏短时强降水频次分布为典型的南多北少,主要降水出现在早晨04-10时和午后15-19时,前半夜出现降水的概率则较低。基于ERA5再分析资料,选取了对于短时强降水有较强判断能力的气象要素,合成少数类过取样算法（SMOTE）和逻辑回归（LR）方法,构建短时强降水的预报模型,利用2019年的,欧洲中期天气预报中心（ECMWF）预报产品基于该模型进行短时强降水的确定性预报和概率预报,并使用同期实况数据进行系统性检验和天气过程检验。结果表明该模型总体性能较好,对短时强降水出现与否有较好的判别能力和预报指示意义。未来24h以内的6h时效预报,TS评分在0.23以上,未来60h以内的6h时效预报TS评分均在0.2以上,但也存在着一定程度的空报和漏报。基于SMOTE+LR短时强降水预报模型对短时强降水的潜势预报具有较好的指示作用,对气象防灾减灾具有重要意义。     

联合条件下风力发电风速预测

风速性质直接影响风力发电的功率,确定性预测在很多方面无法满足当前需要,而概率性预测比较符合实际,具有更强的实用性.采用以当前时段实测风速和下一时段预报风速为联合条件的离散预报误差概率统计模型(forecast error probability distribution,FEPD),从而预测短时(功率预测前几小时)风速,通过得到风速数据,在短时时段覆盖内,就能够预测风力发电的功率.实例证明,以风速为基础从而预测风力发电功率是一种有效的方法.     

1617超强台风“鲇鱼”大风成因和预报分析

2016年第17号台风"鲇鱼"正面袭击福建省,并于9月26~29日期间给福建带来了严重的风雨灾害,尤其是大风带来的破坏影响非常严重。该文对1617"鲇鱼"台风大风的成因进行分析,得出结论:(1)"鲇鱼"外围螺旋雨带较台风本体先行逼近以及台湾海峡的狭管效应导致台风大风提早出现,且强风多集中在福建中北部沿海。(2)"鲇鱼"影响福建前期,地面冷空气自中偏东路向南补充,使得福建中北部沿海气压梯度明显增大,这是造成该地区起风时间提早、大风强度强、大风维持时间长的原因之一。(3)对流能量释放造成的大风与台风环流带来的大风叠加产生的增幅效应,也可能是"鲇鱼"在福建造成大范围、长时间强风的一个原因。(4)预报员根据积累的台风大风预报经验并结合丰富的观测资料,对数值模式输出的产品进行订正,将有利于做出准确率更高的大风预报。     

风廓线雷达资料在重污染天气中的应用

基于天津市宝坻区2016—2018年的气象观测资料,分析能见度与各项气象要素间的关系,结果表明,风速和能见度呈现正相关关系,当地面风速持续较小时,易导致能见度降低。结合风廓线雷达和大气成分资料,对一次重污染天气过程进行分析,发现风廓线雷达能实时反映高空风场的变化情况,进而判断污染物的扩散方向和传送途径,为短时环境监测预报提供依据;根据高空垂直速度的变化情况,判断本地是否存在上升气流,进而形成局地弱辐合区,使周边污染物聚集,出现污染天气。