利用中尺度模式与诊断风场模型进行风电功率预报

风电往往与常规电源不同,具有很大的间歇性、随机性和不可控性,大容量的风电接入电网将会对电力系统安全、稳定运行带来严峻挑战。对风电场的风力进行短期预报,是解决这一问题的有效途径。本文利用中尺度模式与诊断风场模型进行风电场输出功率预报。通过模拟发现,逐时风速预报效果较好,可以反应出风速的变化、大小及趋势。模拟与实况一致性和...     

基于CFD动力降尺度的复杂地形风电场风电功率短期预测方法研究

复杂地形导致近地层风场时空变化大,是影响风电场短期风电功率预测准确率的重要因素。为此,基于中尺度数值预报模式和微尺度计算流体力学模式,建立了风电场短期风电功率动力降尺度预测系统。该系统由中尺度数值预报模式、微尺度风场基础数据库、风电功率预测集成系统组成,能够预测复杂地形风电场中每台风电机组未来72 h逐15 min的发电量。提高了复杂地形风场发电功率预测准确率,同时还可以在上报电网的风电功率预测结果中考虑运行维护计划和限电等因素对实际并网功率的影响。2014年7月-2015年1月的业务预测试验表明,风电场短期风电功率动力降尺度预测系统的月预测相对误差均小于0.2,满足中国国家电网对风电功率预测误差和时效性的业务要求。动力降尺度技术不受具体项目地形复杂程度和历史观测数据样本量的限制,可以在新建风电场中推广应用,具备实际的可操作性。      

贵州年最大小时雨强时空分布变化特征

应用贵州现有自记降水、自动降水观测资料,统计分析了贵州1954—2017年国家气象站累年最大小时雨强、年最大小时雨强的时空分布特征,1968—2017年50年年最大小时雨强变化。结果表明,贵州年最大小时雨强分布于13.6～117.4mm·h~(-1)之间,累年最大小时雨强在53.0～117.4mm·h~(-1)之间。贵州西南部、中西部、东北部,东南部都出现了小时最大雨强100mm·h~(-1)以上的区域,西南部为小时雨强最强区域。贵州强降雨3—11月均有发生,集中出现在5—8月,6月强降雨最多,贵州强降雨具有明显的夜发性特征,出现时间集中于午夜前后2h左右,前半夜多于后半夜,午间时间是出现最少时段。贵州小时雨强增大与减小趋势都不明显,在东南面、南部、西部有弱增大趋势,东北和西北面呈弱减小趋势。     

中国小时风速数据集研制及在青藏高原地区的应用

基于记录2400余个国家站建站至今的地面风自记观测数据文件,与2001以来自动站小时风速数据进行拼接整合,形成中国2400个站点从建站以来的逐小时风速序列;同时结合历史风速资料信息化特点,参考我国小时风速数据特性研制质量控制方案,完成中国逐小时台站观测风速数据集的研制。20世纪50年代,只有少部分地面观测站采用风自记观测,主要分布在我国东北、华北、江南等地区。风自记站数在70年代以后增加较快,逐渐接近地面观测站数。2004年以后,所有地面观测站均实现了风的逐小时观测。经分析,全国76.3%台站平均缺测率小于7%。2005年自动站开始自动观测后,正确率高于95%;可疑率在1969年和1970年最高,分别为0.21%和0.18%;错误率在1991年、1998年、1997年和2004年相对偏高,分别为0.013%、0.005%、0.001%、0.001%。利用研制的逐小时风速数据集,对青藏高原地区各季节风速日变化进行分析应用,结果表明:春季风速较大,各小时平均风速均高于其他三个季节。青藏高原东部(西部)地区在16:00(14:00)(如无特别说明,均指北京时)风速较大,06:00(06:00)风速较小。东部地区16:00风速明显大于西部地区14:00风速,分别为3.75 m·s~(-1)和2.90 m·s~(-1)。1995-2015年春季,东部峰时风速序列与平均风速都显示为减小趋势(通过0.01的显著性检验);青藏高原西部峰时风速与平均风速序列无显著的变化趋势。     

武川县某风电场雷暴潜势预报方法分析

文章以武川县某风电场为分析区,选取对流有效位能、K指数、抬升指数、700h Pa假相当位温、垂直速度等5个对雷暴具有较好指示意义的预报因子,利用2010—2011年5—9月武川站雷暴日资料和NCEP/NCAR逐6h的1o×1o再分析资料建立雷暴潜势预报方程,为风电场安全运行提供依据。对2012年雷暴预报效果检验表明,该方程对雷暴天气具有一定的预警能力,预报方程的命中率为80.6%,虚假报警率为67%,能够成功预报出该风电场两次较为严重的雷击事故,可用于支撑该风电场的雷暴预警服务。     

基于GRAPES-MESO模式的极端短时强降水预报

利用2017—2018年5—9月四川盆地109个自动站逐小时降水资料,以及GRAPES-MESO模式0.1°×0.1°的逐3 h预报场资料,从热力不稳定、水汽、动力条件等方面分析极端短时强降水(1 h降水量大于等于50 mm)发生发展所需的关键物理量指标,结合随机事件概率思想和主成分分析方法构建预报模型,研发极端短时强降水概率预报产品。经预报效果评估,当概率值达0.7以上时,TS评分为24.0%,可将其作为极端短时强降水预报的参考阈值。2019年7月22日四川盆地暴雨过程应用表明,该产品对极端短时强降水落区有较好的参考意义。     

1951—2020年贵州均一化气温序列构建及变化分析

基于质控的小时气温资料，据不同时期气象观测规范、气象站历史沿革、资料完整性、均一化影响和空间分布代表性，在贵州区域内选取44站构建1951—2020年均一化气温序列。应用趋势系数法分析贵州区域气温倾向率，逐累年平均值分析气温的升降时段，T检验检测气温变化稳定性，Yamamoto、Mann-kendall法检测气温突变年份，结果表明：70年和60年间贵州区域气温分别以0.13 ℃/（10a）、0.17 ℃/（10a）速率升温。1951—1986年处于降温时期，1987年开始升温，2012年后升温发生突变，1984年、2015年、2016年气温与其他年份气温存在显著差异。贵州各区域气温倾向率差异较大，近70年、60年变化区间分别介于0.06～0.19 ℃/（10a）、0.09～0.26 ℃/（10a）。城市自身及其周边地区气温存在增温效应，县级观测站到省行政中心所在地，气温升温速率差异在0.3～0.8 ℃/（100a）。升温速率总体上呈现出南低北高，自东向西逐渐增大的分布。升温主要是最低气温升温导致，各区域升温速率差异原因与地理区位、城市热岛效应、生态环境、水汽差异有关。     

基于中尺度模式与神经网络的风电功率预测

将中尺度数值天气预报模式与BP神经网络模型相结合用于风电功率预测,以WRF模式回算了2008年6月至2009年6月试验风电场的气象要素,精度检验结果显示风速预报值与对应实测值之间的相关系数达到0.72,风向、气温、湿度、气压的预报也比较准确,满足建立BP神经网络预报模型的需要.逐一建立试验风电场40台风电机组输出功率的BP神经网络预报模型,分析了数据标准化方法、隐含层神经元数对预报精度的影响.进行了26天实效为24 h的逐10 min预报试验,并以独立样本进行预报精度检验,结果显示单台风电机组输出功率相对均方根误差在24.8％～32.6％之间,预报值与实测值之间的相关系数现在0.45～0.68之间;风电场整体相对均方根误差为19.5％,预报值与实测值之间的相关系数为0.74.研究结果表明该方法可以用于实际的风电功率预测.     

贵州山区短时强降雨对能见度的影响

利用贵州地区84站近5 a逐小时降水资料和安装在贵州山区高速公路沿线9个自动气象观测站2013年4—10月监测的1 min雨强与1 min能见度资料,分析贵州山区短时强降雨的时空分布特征、统计分析不同类型降雨与能见度的关系及雨强与能见度的阀值。结果表明:贵州山区由于复杂的地形及独特气候背景短时强降雨与能见度的关系与平原地区有很大差异,降雨对能见度的影响,最关键是1 min雨强,同时雨雾、低云等因子也有明显影响;贵州山区降雨与能见度存在雨雾型、对流性降水型及对流性降水转雨雾型3种典型的关系。     

50年一遇最大风速估算

根据榆林气象站1961—2016年逐年及该地区某一风电观测场2007年逐时最大风速资料,在探讨最大风速突变点的基础上,利用极值Ⅰ型分析法及1d、5d设计风速取样法对风电观测场50a一遇最大风速进行估算,同时参考《建筑结构荷载规范》,最终确定风电观测场最大风速的取值。结果表明:榆林气象站历年最大风速有下降趋势,并在1980年发生突变;利用突变点前风电观测场最大风速序列计算的50a一遇风速修正后,得到的结果与建筑结构荷载规范的值相近,可以互相验证,最终确定50a一遇最大风速为25.3m/s,相应风压为0.4kN/m^2。     

50年一遇最大风速估算

根据榆林气象站1961—2016年逐年及该地区某一风电观测场2007年逐时最大风速资料,在探讨最大风速突变点的基础上,利用极值Ⅰ型分析法及1 d、5 d设计风速取样法对风电观测场50 a一遇最大风速进行估算,同时参考《建筑结构荷载规范》,最终确定风电观测场最大风速的取值。结果表明：榆林气象站历年最大风速有下降趋势,并在1980年发生突变;利用突变点前风电观测场最大风速序列计算的50 a一遇风速修正后,得到的结果与建筑结构荷载规范的值相近,可以互相验证,最终确定50 a一遇最大风速为253 m/s,相应风压为04 kN/m2。     

西藏拉萨汛期降水日变化特征

利用拉萨2005—2017年逐小时降水观测资料和1969—2017年逐3 h降水观测资料,在分析该站汛期(5—9月)降水日变化特征的基础上,揭示该站昼夜降水的长期演变特征。结果表明:(1)拉萨小时降水量和降水频次日变化呈单峰型分布,两者峰值均出现在05:00(北京时,下同),谷值出现在15:00—17:00;小时降水强度日变化呈双峰型分布,峰值出现在17:00和00:00,谷值出现在13:00—15:00。(2)拉萨汛期不同等级降水的小时降水量和降水频次日变化位相不同,其中微雨和小雨的小时降水量和降水频次日变化为单峰型,且峰值均出现在05:00,而中雨及以上小时降水量和降水频次日变化峰值出现时间较微雨和小雨略有提前。(3)近49 a拉萨汛期昼夜降水量显著增多,降水强度显著增强,而降水日数无明显趋势,降水强度增强是拉萨汛期降水量增多的主要原因。     

SWCWARMS模式小时降水量时间滞后集合预报研究

基于SWCWARMS模式9km×9km分辨率逐小时降水预报,通过时间滞后集合预报方法构建多个集合成员,使用SAL评分值计算相应集合成员的权重系数,进行不等权集合平均,从而得到新的逐小时降水预报。利用SAL、TS和BIAS检验方法对四川省2019年8月的逐小时降水量时间滞后集合预报及相应的SWCWARMS模式最新时次预报进行对比分析,结果表明:(1)时间滞后集合预报SAL检验的L值和A值都较模式预报更接近于0,较好地改善了降水位置和强度的整体预报水平;(2)时间滞后集合预报对逐小时降水晴雨TS评分提升明显,评分提高百分率在10%左右,有效地减小了模式在晴雨方面的空报;(3)临近预报时效,时间滞后集合预报方法对于大量级降水预报也有较好的订正效果。     

锦州两处风电场风能资源对比分析

使用锦州北山和储灰场两处风电场 2000年 7月～ 2001年 6月逐时平均风向、风速资料 ,对两处风电场的风能资源各参数进行了计算和对比分析 ,得出北山风电场适宜建设大型风电场的结论     

区域自动气象站蓄电池异常状态判别方法

针对天津市一种常见的CAWS600型区域自动气象站对其供电及功耗进行了详细分析,利用对电池放电特性曲线的归一化处理,得到了针对12V38AH铅酸蓄电池的剩余容量估算方法,同时利用该站蓄电池工作电压的统计规律,提出了针对蓄电池工作电压的极值判定、时间/空间一致性质量控制方法,并对2017年逐10min观测数据进行检验。检验结果显示,文章提出的质量控制方法可以有效识别出蓄电池异常站点,针对2017年个站蓄电池持续放电情况可提前10d定位。     

基于相似天气现象的重庆市逐时气温预报技术研究

利用重庆市2003—2017年34个国家级气象观测站的逐时降水和逐时温度资料，建立了一种基于未来24 h日最高、最低气温和天气现象预报值的逐时气温预报模型。该模型通过搜寻与未来24 h预报值相似的历史天气现象下的气温时间序列，预报给定站点未来1 d的逐时气温。然后运用结合了高程的反距离加权插值法，得到重庆市0.125°×0.125°分辨率逐时气温网格预报产品。2018年逐时气温预报产品的检验结果表明，整体上国家级站点绝对误差≤2℃的逐时气温预报准确率为79.73%～91.40%，均值为87.12%;10月—次年2月的准确率好于3—9月，8月较差。该模型的预报性能在无雨时稳定，有雨时在地形复杂且易出现强降水的重庆东北部地区略差。重庆西部、中部的大部以及东北部偏西地区的网格产品预报准确率较高，而偏南局地山区和偏东部分山区的准确率较低。总体上该方法预报效果较好，预报性能稳定。     

基于CMA-BJ的北京地区短时强降水预报试验

基于2019—2021年4—9月北京快速更新数值预报系统(CMA-BJ)产品以及北京地区地面气象站逐时降水实况,从表征水汽条件、热力和能量条件以及动力条件的多个物理量中筛选出在有无降水、是否强降水情形中有显著差异的物理量作为因子,采用配料法和模糊逻辑算法构建北京地区0～12 h时效逐小时短时强降水概率预报模型。以2019—2021年4—9月最优TS评分和偏差评分的概率值和组合反射率因子为确定性预报的概率阈值和消空处理阈值,运用该预报模型对2022年4—9月每日4次0～12 h预报时效北京地区短时强降水产品进行预报和检验。结果表明:北京地区短时强降水TS评分和偏差评分分别为0.104和1.341,预报效果明显优于CMA-BJ预报产品。概率预报模型能够有效提升强降水高发地区,即山前及平原地区的短时强降水预报技巧,获得较为平衡的命中率和空报率,但对山区预报技巧的提升有限。     

锦州两处风电场风能资源对比分析

使用锦州北山和储灰场两处风电场2000年7月～2001年6月逐时平均风向、风速资料，对两处风电场的风能资源各参数进行了计算和对比分析，得出北山风电场适宜建设大型风电场的结论。     

中国国家级气象台站小时降水数据集研制

通过收集、整理中国历史上各类逐小时降水数据源,建立了中国国家级地面气象台站逐小时降水数据集。质量评估结果显示,绝大部分台站实有率在90%以上,中国东部沿海和贵州、湖南等省份数据实有率偏低。各台站数据正确率普遍较高,正确率低于98%的台站数占总站数的0.7%,正确率在98%~99%区间的台站占总站数的1.8%,其余97.5%的站数据正确率都高于99%。逐小时降水量的日合计量和人工观测日降水量差值在1 mm以内的占92.1%,在0.5~5 mm间的占16.37%,超过5 mm的不到9‰。     

TRMM测雨产品3B42与台站资料在中国区域的对比分析

本文利用2004—2008年6—8月中国673个气象站逐6小时降水资料检验同期TRMM测雨产品3B42的精度。经检验得出：卫星资料日平均降水和降水频率空间分布与台站资料非常类似,相关系数分别能达到0.79和0.84,降水频率与台站资料相比偏大;从日降水相关空间分布看,卫星资料在东部地区相关性较高,日降水相关系数都在0.6～0.9之间;从日降水和逐6小时降水平均绝对误差空间分布看,卫星资料在华南地区误差最大,长江流域次之;从中国8个区域逐6小时降水总量日变化看,卫星资料与台站资料有很好的一致性,但在华南地区20时降水量偏小;按不同雨量等级对比,发现卫星资料绝对误差相对百分率空间分布有如下特点：小雨全国普遍数值偏高,中雨东部部分地区偏大,大雨和暴雨整体上数值小于1;全国平均漏演率和空演率分别为10%和14%。