风电场风速数值预报的误差分析及订正

使用WRF模式对内蒙古某风电场区域内的2011年1-6月,50m高度的风速进行了模拟,并结合实测风速对模拟结果进行了评估。在此基础上再利用自回归模型(AR模型)和持续法对WRF模式模拟结果进行了订正预报,订正结果表明:AR模型和持续法都能有效地减小WRF模式风速的模拟误差,AR模型订正效果优于持续法。为能对订正预报时效进行延长,提出了"假设观测值"概念。在AR模型的基础上建立一种新的订正模型称之为New AR模型。其订正预报结果表明:新模型能在12h时效内,改善WRF模式风速模拟精度,其中6h的改进效果较好。     

基于概率密度匹配方法的WRF模式阵风风速误差订正

为提高数值模式对阵风风速预报能力,采用概率密度匹配方法 (Probability Density Function Matching Method,简称PDF方法)对WRF模式地面极大风速预报数据开展误差订正。结果表明:①基于PDF方法订正后的阵风预报效果明显优于WRF预报结果,当实况极大风力≤5级时,两种预报结果均与实况较为一致;当实况极大风力≥6级时,WRF预报相比实况明显偏小,而PDF方法订正结果则与实况较为接近;②对比不同地形条件下两种预报结果发现,在实况风力整体偏弱的平原地区,WRF预报和PDF订正结果对极大风的预报效果均较好;在风力偏强的山区和沿江河谷地区,PDF订正结果的预报效果相比WRF预报则有明显提升;③对2017年安徽省81个国家站逐日极大风速的预报效果检验发现:预报误差和过去五年整体拟合误差基本相当,说明基于2012—2016年历史数据建立的概率密度分布函数可以代表安徽各站多年的实况和WRF预报极大风速的联合分布特征,利用PDF方法进行逐日极大风速预报具有一定的可靠性。     

基于测风塔观测资料的近地层风速平面订正

利用辽宁和吉林省24座测风塔风速观测资料,应用线性回归方法对高分辨率中尺度模式近地层风速预报产品进行订正。首先通过4组不同的订正实验分析训练样本长度、样本滚动方式等对订正效果的影响,确定单点订正最佳方案,并综合线性方法在东北地区不同下垫面条件下的适用性;然后应用24座测风塔已确定的单点订正关系,尝试区域风速的平面订正,并基于剩余23座测风塔资料对全场订正效果进行评估。结果表明：训练样本的长度对订正效果影响较明显,在东北地区训练样本长度取20 d效果最佳;当训练样本长度取最优天数时,滚动系数的订正效果与固定系数的订正效果基本一致;各种下垫面通过线性订正均能取得较明显提高,其中丘陵地区效果最明显,通过订正均方根误差整体降低1.61 m·s^-1,平原地区为0.95 m·s^-1,沿海地区为0.91 m·s^-1;平面风速订正实验显示,订正关系平面外推可取得明显的订正效果,全场平均绝对误差降低0.20 m·s^-1,该方法可为订正资料匮乏区域的预报提供参考。     

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。     

基于PCA RBF的风电场短期风速订正方法研究

风电功率预测中最重要的因子是风速,准确的风速预测是风电功率预测的前提和基础。为了提高短期风速预测的准确性,本研究采用WRF模式,对我国上海崇明吕四风电场的风速进行预报。在此基础上,利用PCA-RBF算法结合WRF模式预报风向、气温、气压等气象要素对预报风速进一步订正。实验结果表明,利用PCA-RBF算法对WRF模式预报风速进行订正后,预报风速的误差进一步减小,相对均方根误差降低20%~30%,相对平均绝对误差降低15%~20%。与其他智能算法(BP算法、LSSVM算法)对比分析后得出,PCA-RBF算法对WRF模式预报风速具有较好的订正效果,能够有效提高风速预报准确率。     

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。     

概率密度匹配方法在我国近海海面10 m风速预报中的应用

海面风速对航运及海上生产作业影响重大,但数值模式对于海面的风速预报仍存在较大误差。为降低数值模式海面10 m风速预报的系统性误差,提高海上大风预报准确率,基于2017—2019年中国气象局地面气象观测资料对ECMWF确定性模式的10 m风场预报结果进行检验评估,并采用概率密度匹配方法对模式误差进行订正。分析结果表明,概率密度匹配方法可有效地改善数值模式10 m风速预报的系统性误差,订正后风速在各个预报时效和风速量级的平均误差均较订正前有所降低。对于大量级风速的预报,经概率密度匹配方法订正后的风速预报的漏报率可减少10%以上。订正后12 h预报时效的8、9级风速预报的平均绝对误差分别由4.15 m/s、5.61 m/s降低至3.12 m/s、4.08 m/s,120 h预报时效的8、9级风速预报的平均绝对误差由7.38 m/s、9.35 m/s减小至6.46 m/s、8.07 m/s。在冷空气、台风大风天气过程中,基于概率密度匹配方法订正后的风速与实况观测更接近,能够为我国近海洋面10 m风速的预报提供更准确的参考。      

湖陆山地复杂地形下近地层风速预报研究

以鄱阳湖区典型湖陆山地复杂地形为试验区域,采用WRF模式MRF和MYJ两种边界层参数化方案,对2010年该区域近地层风速进行高时空分辨率预报,并结合3个测风塔观测资料对预报结果进行检验。结果表明:WRF模式对鄱阳湖区70 m高度风速预报效果较好,预报值能够较好地反映近地层风速变化,且边界层MRF方案预报效果略好于MYJ方案。地形对近地层风速预报影响明显,地形相对平坦的吉山预报效果最好,而地形最为复杂的狮子山预报效果相对较差。不同强度的近地层风速预报效果差异较大,5~25 m·s^-1风速段预报效果明显优于0~5 m·s^-1风速段。位相偏差是造成鄱阳湖区近地层风速预报误差的主要来源,其贡献率在60%以上,而系统偏差和振幅偏差的误差贡献率相对较小,通过线性订正方法可在一定程度上提高该区域风速预报效果。     

基于CMA-BJ数值预报模式产品的复杂地形下冬奥站点地面气温和风速预报方法研究

北京冬奥服务对站点气象要素预报提出了明确需求,2 m气温预报偏差在±2℃以内,10 m风速预报平均偏差小于观测的30%,文中提出一种基于相似集合嵌套一元线性回归的预报方法—嵌套相似集合（AnEn-Ne）,该方法基于相似集合思路,在满足一定条件时,启动其嵌套一元线性回归提供订正预报。冬奥赛期（2021年11月1日—2022年3月15日）实时业务预报表明,嵌套相似集合具有较好的预报效果,相对业务数值模式（CMA-BJ）预报,预报精度显著提高,相对相似集合预报和一元线性回归预报精度明显提高,其预报结果满足冬奥服务需求。复杂地形下的要素预报检验表明,CMA-BJ模式预报2 m气温虽然存在较明显的系统偏差,但与观测相关较强,对观测的表征意义明显,订正后能有效消除复杂地形影响,10 m风速模式预报偏差振荡明显,模式预报与观测相关较弱,表征意义差,订正后站间差异明显;改进CMA-BJ模式复杂地形区近地面风速预报对观测的表征意义,可进一步提高该预报方法对10 m风速订正预报的精度。     

基于WRF模式的太阳辐射预报初步试验研究

采用中尺度气象模式WRF(Weather Research Forecast)对北京地区的太阳辐射进行了4个典型月的逐时预报试验,用南郊观象台的辐射观测数据对预报结果进行了对比分析和初步订正试验。结果表明:在现有模式条件下,5 km分辨率的短波辐射预报结果和1 km分辨率预报结果无明显差别;WRF模式对太阳辐射的预报性能在晴天较好,多云天次之,在满云或阴雨天最差;通过误差分解发现,位相偏差、系统偏差及振幅偏差在各月对均方根误差的贡献有明显差异;针对模式预报结果的系统偏差和振幅偏差。经过简单的线性订正可以较明显地改进模式预报结果;双偏订正(DBC)法比线性回归(LR)法对预报误差的改进效果略明显;仅通过简单的线性订正,位相差很难消除,需要针对位相差研究新的订正方法。     

相似误差订正方法在风电短期风速预报中的应用研究

为降低风电场短期预报风速误差,减少风电场短期风功率偏差积分电量,提高风电场发电功率预测准确率,分季节研究了相似误差订正方法对ECMWF单台风机预报风速的订正效果。结果表明:相似误差订正后不同风机预报风速的误差差距减小;预报风速的平均绝对偏差和均方根误差明显降低,其中夏季和秋季华能义岗风电场两个指标降低幅度均超过0.1 m/s、会宁丁家沟风电场均超过0.2 m/s;订正风速削减了原始预报的极值,可反映大部分时段实况风速3 h内的趋势变化,个别时段订正风速与实况趋势相反;订正后预报风速在风功率敏感区的平均绝对偏差明显降低,华能义岗风电场四季降低幅度在0.112~0.242 m/s之间、会宁丁家沟风电场四季降低幅度在0.131~0.430 m/s之间,有效降低了原始预报误差带来的短期风功率偏差积分电量扣分值;订正风速较原始预报更多分布在风功率敏感区。该方法实际应用灵活,对提高风电场短期预报风速准确率有可观的效果,并可有效减少短期风功率偏差积分电量考核。      

一种台风海面非对称风场的构造方法

针对台风数值预报中由于采用对称模型而导致预报误差的现实，通过引入非对称分布的台风最大风速、最大风速半径等因子，在得到台风报告中7级风和10级风的半径的基础上，利用最佳权系数方案来得到非对称的台风外围风速分布因子，从而对Chan and Williams 1987年提出的切向风廓线方案进行改造，进而得到了台风海面非对称风场的计算式。检验表明，该方法能够描述台风海面风场的非对称分布，具有较好的应用前景。     

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。     

呼和浩特市不同观测频次风资料对比及对应污染风频分析

文章对呼和浩特市每日24观测频次和每日4观测频次的平均风速、最大风速、风向频率及对应污染风频进行了对比分析,结果表明:两者在平均风速、风向频率及主导风向污染风频方面具有比较一致的变化特征;而在最大风速、最大污染风频、静风污染风频上相差较大,差值分别达2.1 m﹒s-1、1.4%、3.0%。说明两者在定性判断上具有较好的一致性,而在专项研究和定量分析上,每日24观测频次较每日4观测频次风资料更具客观性。     

恶劣探测环境对风速传感器启动风速的影响

讨论长期处于海风、酸雨、沙尘等恶劣探测环境下,风速传感器启动风速的变化。采用试验分析的方法,利用M3DS型风速传感器自动化检定系统和EL15-1C型风速传感器,分别测量取自不同恶劣探测环境的风速传感器和全新风速传感器的启动风速数据。得到的数据显示:取自海风、酸雨、沙尘等恶劣探测环境的风速传感器启动风速远大于全新风速传感器启动风速。长期海风、酸雨、沙尘天气改变了风速传感器的机械结构,同时降低了风速传感器启动风速的鉴别阀。     

红雁池二电厂配套输出工程区设计风速推算

分析了乌鲁木齐、达坂城、红雁池气象哨三站的大风资料知:红雁池与乌鲁木齐风速之间的线性关系较好,因此用乌鲁木齐气象站大风资料,订正红雁池气象哨大风序列。又根据风随高度变化的规律及极值I型分布函数,计算出红雁池气象哨10m、15m高度处不同重现期10min平均最大风速和瞬间极大风速,从而进一步推出工程区构筑物所能承受的设计风速。     

河北地区边界层内不同高度风速变化特征

为了研究城市化进程对风速变化的影响,利用1971-2006年河北省境内邢台、张家口和乐亭3个探空站高空风观测资料和对应地面站风观测资料,统计分析了边界层内距地面10m、300m、600m、900m 4个高度的长期风速变化特征,比较了不同高度风速变化趋势的异同.分析结果表明:3站年和季节平均风速随着距地面高度的增加而变大,但最大的风速垂直递增率出现在从10m到300m之间;各站各高度层月平均风速具有明显的季节变化特征,春季风速最大,夏季较小;在近36年里,3站平均的地面(10m高)年和季节平均风速变化存在显著的减少趋势,300m以上各高度层平均风速一般也降低,但远没有地面明显;不同高度平均风速变化趋势的差异可能主要是由城市化以及台站附近观测环境的改变引起的,这使得地面风速明显减弱;但地面以上各层平均风速同样存在一定减弱现象,说明背景大气环流的变化也是地面风速下降的原因之一.     

不同地貌上风速风向逐秒变化的观测

风力在速度与方向上的不稳定性可引发结构的振动并可导致结构损坏。由于气象资料取值周期较长而结构自振周期一般在钞的数量级，因此现有描述风不稳定性的数据常不符合结构动力分析的需要。对滨海、高山及城郊等不同地貌测点其风速、风向同时逐秒的变化进行了观测和记录。数据分析显示，滨海测点风不稳定性较小，高山测点在不同风向下所测风皆有一定程度的不稳定性，而城郊测点风不稳定性较大，表明自然风在风速、风向方面的不稳定主要与地貌及地形条件有关。认为在不利地形条件下工作的结构应进行必要的风动力分析。     

包头地区风和风能资源

风能是地球表面空气流动所产生的动能,也是提供给人类的一种可利用的重要能源.文在第三次气候区划的基础上,对包头地区近40a(1971-2010)风及风能资源做了统计分析.结果表明,包头地区风能资源丰富,开发利用风能资源有着巨大的发展潜力.     

ASCAT近岸风在山东沿海的适用性分析

利用2013年1月—2014年12月山东近海的8个浮标站、海岛站和自动站资料与ASCAT近岸风速和风向进行对比,以分析ASCAT反演风场在山东沿海的适用性。研究发现：总体上看,ASCAT近岸风速与代表站实况风速正相关,ASCAT近岸风速在山东沿海误差较小,风向有明显的偏离。ASCAT近岸风在渤海、渤海海峡和黄海北部的适用性优于黄海中部。风力不同时,ASCAT近岸风速与实况偏差有明显差别,表现为当实况出现6级及以上的大风,ASCAT近岸风速小于实况;当实况出现6级以下的风,ASCAT近岸风速大于实况。就ASCAT风速偏差而言,6级以下的风速偏差小于6级及以上风。ASCAT近岸风向与实况偏差也有明显差别,当实况出现6级及以上的大风,ASCAT近岸风向与实况的偏离变小;当实况出现6级以下的风,ASCAT近岸风向与实况的偏离变大。因此,ASCAT近岸风速在山东沿海有较好的适用性,6级以下风更优;ASCAT近岸风向也有一定的适用性,6级及以上风向可用性比6级以下强。