太原雾天能见度预报

利用中尺度数值预报模式MM5对山西省2009年发生的几场典型雾个例进行数值模拟。结果表明：模拟2 m温度比观测值偏低约2 ℃,相对湿度模拟结果比观测值偏大约15 %,10 m的模拟风速比观测的偏大0-2 m·s^-1。山西省雾的预报指标为20 m液态水含量大于等于0.13 g·kg^-1而小于0.60g·kg^-1、20-1500 m高度大气层存在逆温层、地面风速小于4 m·s^-1。利用太原测站日平均能见度、日平均相对湿度以及空气污染指数进行拟合建立太原能见度预报模型,并利用实测资料订正MM5、CAPPS模式预报误差,给出订正后的能见度预报方程并以两次实例对区域及太原雾天能见度预报表明该能见度预报模型有一定的适用性。     

基于人工神经网络算法的渤海海风预报方法研究

基于2015—2017年常规海洋气象观测资料、天津中尺度天气预报模式(TJ-WRF)预报产品、EC数值预报及其集合预报产品,建立了渤海BP神经网络两级海风预报模型,该模型在大量历史样本的拟合训练基础上分别实现小风和大风与相关因子间的非线性映射,其结果有较高的预报准确率。一年的业务试用期间,该模型对各风级、各预报时效的预报能力基本稳定,预报误差较使用该释用技术前数值模式误差有所减小,72 h内风速平均绝对误差为1. 72 m·s^-1;对灾害大风的预报准确率仍能保持较高水平,8级风风速平均绝对误差仅为1. 77 m·s^-1。     

江西山地风电场风速数值模拟方法研究

利用中尺度气象数值模式WRF和动力降尺度模式CALMET,对江西山地风电场不同高度层风速进行4个月逐时数值模拟,结合测风塔实测资料,对两种模式的模拟结果进行准确性、误差特征等方面研究,结果表明:1) WRF模式和CALMET模式均能较好地模拟出风速的日变化特征,在大风速时间段两个模式模拟误差变大,可能是由于出现台风、降雨伴随大风等天气时,WRF模式边界层方案对大风速时拖曳作用不充分造成,今后可考虑通过天气过程模拟的敏感性研究及历史数据对模拟结果进行订正。2)从各月模拟结果来看,WRF模式与CALMET模式各月模拟值与实测值间相关系数均大于0. 65,两个模式对70 m高度层模拟结果均优于对10 m高度层的模拟结果,并且CALMET模式均方根误差低于WRF模式的。3) CALMET模式在各风速段模拟效果均优于WRF模式的。两个模式在0~3 m·s-1低风速的模拟效果最优,在大风速段( 8 m·s~(-1))模拟结果平均绝对误差最大,今后应对大风模拟结果的订正开展进一步研究。     

WRF/CALMET/BP预报系统对内陆山区风电场的一次滚动预报检验北大核心

利用以中尺度数值模式WRF/CALMET作为风电场预报系统的动力模块,及BP神经网络法(BP-ANN)作为风电场预报系统的统计订正方法,对重庆市齐跃山风电场进行了一次时间分辨率为5 min的24 h风速、风功率的滚动预报试验,探讨了适用于中国典型内陆山区的风电场预报系统。结果显示:以WRF/CALMET/BP组成的动力—统计预报系统能够较好地模拟出内陆山区的风场特征,系统对正午至傍晚时段的风速预报准确率较高。WRF/CALMET动力模式对于风速中心振幅的模拟能力较好,经过BP神经网络订正后,模拟结果会趋于均值。不同风速段中,模式对低风速段(3~8 m·s^(-1))的预报效果较好,BP神经网络对中风速段(8~14 m·s^(-1))预报结果的订正效果最明显。     

大小兴安岭林区风场动力降尺度对比研究

对2017年春季黑龙江省大、小兴安岭林区的6个代表站点10 m风场进行降尺度分析,并结合观测数据对比分析了WRF模式和CALMET降尺度模式的10 m风速、风向预报结果。结果表明：两模式逐小时风速预报与观测的相关系数为0.5-0.7,且随着风速的增加,模式的预报准确率逐渐提高,夜间的风速预报偏差较大,进入白天后,偏差明显减小。WRF模式对风速变化趋势的预报效果优于CALMET模式,与观测的风速相关性更高,而CALMET模式对较大风速的预报效果优于WRF模式。在风向预报方面,WRF和CALMET的风向模拟与观测风向均有较好的一致性,模式预报准确率较高的两个风向也刚好对应各站的盛行风向。同时,本文用回归方法对日平均风速进行订正发现,订正后各站的日平均风速预报准确率平均提高了50%,具有较好的业务应用价值。     

中国黑戈壁地区气候变化特征

利用1959-2011年黑戈壁地区12个气象站的年平均气温、年降水量、年平均地面风速、年大风日数和年沙尘暴日数,采用气候趋势法分析了黑戈壁地区气候变化基本特征,并与荒漠化地区气候变化数据相比较。结果表明：黑戈壁地区年平均气温增温速率为0.34 ℃/10 a,高于0.25 ℃/10 a的荒漠化地区;年降水量增长率为1.33 mm/10 a,略小于荒漠化地区1.66 mm/10 a的年降水量增长率;年地面风速减小率为-0.10 m·s^-1/10 a,不如荒漠化地区-0.14 m·s^-1/10 a的值;年大风日数减少率为-1.83d/10a,远不如荒漠化地区-3.44 d/10 a的值;年沙尘暴日数减少率为-1.83 d/10 a,比荒漠化地区-1.77 d/10 a的减少率略明显。Mann-Kendall方法检验表明,除年降水量外,其他气候因子只有一个突变点。不同气候因子的空间分布是不同的。     

桂林一次强下击暴流成因分析

2019年3月21日广西桂林市临桂区发生一次极端大风天气过程(以下简称"3·21"临桂大风),当日21:13临桂观测站记录最大阵风风速为60.3 m·s^-1(17级)。通过风灾现场调查判断这是强度为EF2级的微下击暴流过程。应用常规观测资料以及加密自动气象站、探空、多普勒雷达等资料,分析了"3·21"临桂大风的环流背景与影响系统及其形成原因。结果表明:低层暖湿气流活跃,中层显著干层,强的低层垂直风切变是大风发生的有利条件,地面中尺度辐合线、冷锋南压为其提供了触发机制。"3·21"临桂大风由2个超级单体风暴合并加强造成,在下击暴流发生前,风暴单体最强反射率因子核心高度(HGT)超过6 km,有中等强度中气旋伴随,中层径向辐合明显,辐合值达36 m·s^-1;当反射率因子减弱、风暴顶高下降、HGT下降时,下击暴流发生;当HGT剧降,一个体扫间隔下降3.5 km,17级极端大风发生,低层0.5°仰角在强中气旋的出流区观测到强的径向辐散,其值达27 m·s^-1;中气旋表现出最强切变加强,底高迅速下降到1 km以下等特征。本次下击暴流发生与极端强降水和冰雹的拖曳作用有密切关系,冰雹与雨水粒子的拖曳和融化蒸发作用使下击暴流加强。当分钟降水量大于3 mm时,风速超过12级;当分钟降水量大于6 mm时,则出现17级极大风速。     

北京地区3000 m以下低空颠簸的统计特征及其气象条件分析

低空颠簸（3000 m以下）由于可供飞行员判断和处置的时间短,一旦发生容易造成重大安全事故。气象条件是引发低空颠簸最直接、最重要的因素。本文采用北京地区8部风廓线雷达测得的高时空分辨率资料,结合华北空管局气象中心记录的2016年北京地区20个低空颠簸个例,分析了低空颠簸的统计特征和影响低空颠簸的气象条件。结果表明：北京地区低空颠簸在冬季发生频次高,其中2月颠簸发生频次最高,在夏季发生频次低。影响低空颠簸的气象指标包括水平风速、水平风的垂直切变,水平风的水平切变、水平风的时间切变和垂直风速。通过计算各气象指标的数值,尝试给出了造成低空颠簸的气象指标阈值,即水平风速大于18 m·s^-1,水平风的垂直切变大于10 m·s^-1·km^-1,水平风的水平切变大于0.1 m·s^-1·km^-1,水平风的时间切变大于10 m·s^-1·h^-1以及垂直风速大于2 m·s^-1,以上气象指标任意一个达到阈值,即满足造成低空颠簸的气象条件。此项工作对低空颠簸的预报具有一定参考意义。     

西安市霾天气与清洁天气变化特征及影响因素分析

利用2006-2012年西安市污染物质量浓度、气象站逐时地面风场、相对湿度和能见度等资料,依据霾天气的定义统计理论霾日数,对比人工观测霾日与判据统计理论霾日的合理性,通过对霾天气与清洁天气过程的气象条件分析,分析西安市霾天气与清洁天气过程的变化特征及影响因素。结果表明：2006-2012年西安市霾天气过程在干季发生频率较高,湿季发生较少。地面风场对霾天气过程影响较大,绝大部分霾天气过程的日平均风速＜1.5 m·s^-1;干季大部分霾天气过程日平均风速≤1.0 m·s^-1,极端个例甚至在0.5 m·s^-1以下。清洁天气过程在干季发生次数多于湿季,主要与干季风速较大和湿度较小相关。     

模式水平分辨率提高对一段大暴雨预报结果的影响

使用中尺度暴雨模式MRM1—不等距21层细致边界层η坐标模式,分别采用36 km和18 km的水平分辨率对1998年6月12日~7月31日造成长江流域特大洪水的暴雨进行数值模拟,结果表明:当把模式水平分辨率提高到18 km后,暴雨及其以下降水量等级的预报TS评分与36 km的相当,但大暴雨预报效果明显提高,降水分布具有明显集中的趋势,暴雨、大暴雨中心也明显向实况降雨中心靠拢。对1998年6月12~21日10个个例的数值模拟表明,水平分辨率由36 km提高到18 km后,网格尺度降水量占总降水量的比例由平均14.1%提高到27.5%,而次网格尺度降水量的比例由85.9%下降到72.5%;对1998年6月19日造成闽浙大暴雨的天气系统模拟对比分析表明,模式提高分辨率后,能够较好地模拟出造成大暴雨的中-β尺度低涡及其中尺度特征,预报暴雨及大暴雨的雨区有了明显的局地性,更接近实况暴雨及大暴雨的雨区。     

数值模拟技术在风电场宏观选址上的应用

现有气象站分布稀疏,难以全面反映潜在大风区域。数值模拟技术通过提高分析区域的空间分辨率,弥补气象站点分布稀疏的缺陷。利用中尺度天气预报模式WRF对吉林省西部地区风能资源进行了数值模拟。结果表明：数值模拟结果反映了实际风速日变化和年变化规律,10 m、50 m、70 m高度模拟值与实际观测值相关系数分别达到0.889、0.862和0.865,均达0.001 的显著水平;模拟结果揭示了地面观测资料未反映出来的潜在大风区。经实际立测风塔观测证实,数值模拟技术可以用于风电场宏观选址。同时揭示了模拟的风速较实际风速大,且模拟风速空间分布差异小于观测的风速,说明现有数值模式模拟的精确度还存在着局限性,风电场微观选址仍依赖于立测风塔进行实地观测。     

两种模式在风电场风速预测应用中的对比

利用2011年12月至2012年11月贺兰山风电场测风塔实测资料和同期WRF、BJ-RUC模式预测结果,对2种模式在风速预测中的应用进行对比分析。结果发现,月尺度上,2种模式预测的风速月均值普遍较实测值高,且WRF较BJ-RUC更接近实测值;WRF预测的月平均风速标准差普遍较实测低,而BJ-RUC普遍比实测大;春季WRF预测效果整体上较BJ-RUC好,其它季节WRF预测的月平均风速均方根误差较BJ-RUC的小,但与实测风速的相关性较BJ-RUC与实测风速相关性差。日尺度上,凌晨至中午前后和傍晚至前半夜2个时段,2种模式预测风速普遍比实测值大,而中午至傍晚时分正相反,预测值普遍较实测小。2种模式对〉12 m·s^-1风速预测的均方根误差最小,其次是3~12 m·s^-1,〈3 m·s^-1风速预测的均方根误差最大,但BJ-RUC对3~12 m·s^-1范围风速的变化趋势把握能力较好。WRF和BJ-RUC都普遍低估了1~4 m·s^-1风速段的频次,对5~10 m·s^-1范围频次普遍明显高估,对10 m·s^-1以上风速,WRF预测频次较实测低,而BJ-RUC预测频次则较实测高。BJ-RUC对该区风向的预测能力较WRF好。     

冬奥会复杂山地百米尺度10m风速预报的机器学习订正对比试验

本文以传统机器学习算法XGBoost和深度学习算法CU-Net为基础,针对北京快速更新无缝隙融合与集成预报系统（RISE系统）预报的北京冬奥会延庆及张家口赛区100米分辨率的冬季近地面10 m风速数据,进行每日逐小时起报的未来逐6小时间隔的冬奥高山站点及其周边地区风速预报偏差订正方法研究和对比分析。对于站点订正,首先将RISE系统预测的10 m风速插值到对应的自动气象站站点,然后根据风速等级表归类,针对每个分类单独构建XGBoost模型,每个区间模型合并后形成L-XGBoost,使用均方根误差和预报准确率作为评分标准,结果表明风速归类的L-XGBoost算法订正效果比不归类的原始XGBoost模型有一定提升,说明在传统机器学习中加入归类方法有助于改善复杂山地站点风速预报技巧。对于站点及其周边地区风速订正,本文在CUNet模型基础上,通过引入不同深度的CU-Net子网络,构建了新的算法模型CU-Net++,并考虑了预报日变化误差和复杂地形对10 m风速的影响,以自动气象站为中心构建空间小区域样本数据,对RISE系统风速预报偏差进行订正。试验结果表明,CU-Net和CU-Net++均可以充...     

MM5模式及CALMET模型对甘肃酒泉地区风能资源的数值模拟

利用NCEP 1°×1°再分析资料,采用中尺度模式MM5及诊断风场模型CALMET,对2009年6月—2010年5月甘肃省酒泉地区风能资源进行了数值模拟研究。结果表明,远离山体且地势平坦的地区,模拟的风速与实测风速的误差较小,地形复杂的地区误差偏大。用于对比的10座风塔中有7座在70m高度处的相对误差基本在10%以内,3座相对误差稍大但都在20%以内。风速和风功率密度的季节变化在春季最大,冬、秋季次之,夏季最小。这种季节变化与地形地势及所受的天气系统有密切联系。在酒泉地区随着高度的增加,风速逐渐加大;在河西走廊西端和酒泉北部等海拔较低的地区风速随高度增加的趋势尤为明显。通过对模拟年度风速误差的分析,得到模拟年度在酒泉地区属于大风年,若分析酒泉地区多年平均风况,还需要对模拟结果进行订正。     

鄱阳湖区风电场风电功率预报研究

风力发电作为一种无污染可再生的能源,已逐渐成为许多国家能源战略可持续发展的重要组成部分。风电场风能预报是风力发电开发中的关键技术问题。为研究鄱阳湖区风力发电预报技术,采用中尺度模式WRF和微尺度模块CALMET对鄱阳湖区长岭风电场进行了200 m水平分辨率风能预报,并根据长岭机组理论功率曲线表和实测数据拟合出理论和实际发电机组功率曲线模型及平均有功功率与发电量模型。根据WRF+CALMET模式预报风速及建立的发电机组功率曲线模型和平均有功功率与发电量模型,预报了长岭风电场发电量。结果表明:长岭风电场23座风机逐小时风速预报值与观测值相关系数为0.42~0.61,均方根误差为2.59~3.68,相对误差为-13.7%~17.4%;对整个风场,预报风速与观测风速的相关系数为0.55,均方根误差为2.8,相对误差为-4.79%。实测发电量值高于预报值,平均偏大39.7 kW,相对误差为-12.6%,预报值与实测值相关性较好,相关系数达到0.52。总体来说,根据中尺度数值模式预报的风速结合风功率、发电量模型预测出的发电量与实测值较为接近,但各月差异性较大。     

风电场风电功率短期预报方法比较

通过开展湖北省九宫山风电场短期风电功率预报方法的研究,以不断提高预报准确率,为风电场提供更有价值的预报服务,该文利用MM5耦合CALMET模式模拟风电场风速资料,采用物理法和动力统计法探讨风电场各种情况下预报应用效果。结果表明:模拟风速释用订正能有效降低风速预报误差,但难以修正预报趋势;动力统计法更适用于九宫山风电场的复杂山区地形,可能由于该方法能自发适应风电场地理位置;采用实测数据建立的风电功率预报模型优于理论风电功率模型,这也与风机实际运行环境会影响风机输出功率有关。     

一种偏差订正方法在平昌冬奥会气象预报的应用

为了提高GRAPES_3 km（Global/Regional Assimilation and Prediction System）模式在2018年平昌冬奥会气象服务中的预报能力,采用一阶自适应的卡尔曼滤波方法对GRAPES_3 km模式的2 m气温、2 m相对湿度和10 m风开展偏差订正。结果表明:偏差订正方法明显提高了地面要素的预报效果,其中2 m气温的均方根误差整体减小到2℃左右,站点订正改善率为10%~60%;10 m风速的均方根误差减小到2 m·s-1左右,站点订正改善率为10%~45%;2 m相对湿度减小到20%以下,站点订正改善率为0~20%。与韩国气象厅LDAPS（Local Data Assimilation and Prediction System）及美国宇航局NU-WRF（NASA-Unified WRF）模式相比,GRAPES_3 km模式的风速预报表现更为优异,各站点整体预报效果明显优于LDAPS和NU-WRF模式。偏差订正方法可有效改善模式在复杂地形条件下的预报能力,是提高精细化预报准确率的重要手段。     

基于风速高相关分区的风电场风速预报订正

为了提高风电场风速预报和功率预测的精度和准确率,并考虑风机测风数据的不稳定因素,以多年服务的内蒙古中部某风力发电场A为研究区,在勘察风电场地形及风机布局后,按照季节、风向进行风机间风速时空相关性分析,划分出风机轮毂高度风速高相关为典型特征的风机网格分类片区,采用卡尔曼滤波方法,通过直接和间接两种订正方案,分别进行风机片区风速订正。结果表明:风速高相关风机片区的划分,对于提高风电场风速预报及功率预测精度和准确率具有一定作用,利用风电场区测风塔梯度观测风速,对风机片区进行间接订正,可有效改善数值模式预报风速,15个片区类型下相关系数由0.18~0.72提高至0.67~0.91,误差绝对值由1.6~2.9 m·s-1降低至1.0~1.5 m·s-1。