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。      

集成CFD与Kalman滤波的微尺度风电场风功率预报方法

基于Kalman滤波的风功率预测方法难以捕获风电场的风力空间分布特征,集成计算流体力学CFD模型和Kalman滤波能将风资源分布纳入风力发电预报框架,对提高微尺度风能利用率有重要意义。以黄土高原沟壑区的中国华电集团公司甘肃省环县南湫风电场为研究区,首先利用CFD模拟风电场风速分布特征和划分风区,再利用Kalman滤波订正BJ-RUC模式预报的各风区长时间序列风速变化,并对比不同风区的订正效果,最终基于发电能力评估风电场的风功率预报效果与效益。结果表明:(1)风电场内部的风机均不同程度地受到复杂地形的影响,围绕"马蹄形"山梁和山谷形成明显的"阶梯式"风区,风速差最高达2.78 m·s~(-1);(2)CFD与Kalman滤波的集成订正方法使风速预报准确率由BJ-RUC的20%~30%提高到90%以上,并使风功率预报准确率达到80%以上,显著提高了微尺度沟壑区风速-风功率预报精度;(3)风电场容量因子C_P平均在12.4%~16.8%之间,弃风率η为5.5%~17.5%,表明该电场的风功率预报精度明显受其发电效益制约;(4)还讨论了风电机组监控数据采集控制系统SCADA的数据质量、CFD计算效率和能源部门决策等不确定性因素对风速分区及风功率预报的影响。     

风电场风速数值预报的动态修订方法的探讨

针对风电场风功率预测所需的定点、逐时风速预报,对利用中央气象台发布的MM5格点输出的数值预报风速插值到福建沿海某个风电场测风塔高度的预报结果进行误差分析,发现由于海陆交界的特殊下垫面等原因,存在一定的系统误差;根据误差的后延相关性和测风塔实时发回的气象资料,探讨了利用前期误差观测值和测风塔湍流指标对MM5数值预报风速进行动态修订的方法,建立了订正值方程,结果表明,订正后的预报风速平均绝对误差降低31%~54%,有效提高了预报精度。     

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。      

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。     

线性滚动极值处理方法对数值模拟风速的订正研究

为了进一步提高WRF模式对风速预报的准确性,以我国某风电场01#测风塔2007年5月和11月的数据为例,通过线性回归方法并结合滚动和极值处理技术,对WRF模式模拟风速进行了订正。结果表明,直接使用线性回归方法对于模拟风速的订正无明显效果;采用滚动技术的线性回归订正效果与步长有关,与线性回归订正相比总体上有较大改进,其中3 h步长改进更明显;相同步长,线性滚动极值处理订正较线性滚动订正相比有进一步改进,其中1 h步长线性滚动极值处理效果最优,如5月和11月订正前模拟风速的相对均方根误差(rRMSE)分别为29.274%、33.583%,订正后下降为14.714%、14.493%。订正后精度明显提高,更接近实况风速,线性滚动极值处理订正方法能够较好订正模式模拟风速,有效提高风速预报准确率。      

基于ELM的风电场短期风速订正技术研究

风速预测是风电场风功率预测的基础,其准确度严重影响着风电场的运行效率。为了提高短期风速预测的准确性,本研究采用了WRF中尺度数值模式,对我国东部沿海某风电场的风速进行预报。在此基础上,利用极限学习机算法(ELM)对WRF模式预报的风速进一步订正。实验结果表明,WRF模式对风速、风向等气象要素有着较好的回报效果,利用ELM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,相对均方根误差和相对平均绝对误差降低了20%～30%。与其他的智能算法(BP神经网络、SVM算法)对比分析后得出,ELM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。     

我国近海洋面10 m风速集合预报客观订正方

利用2013—2015年ECMWF集合预报10 m风场及我国沿岸和近海88个代表站点风速实况观测,建立基于ECMWF集合预报众数的我国近海洋面10 m风速客观订正方法。集合预报众数正确率及稳定性高于中值及平均值,因此基于集合预报众数,综合考虑历史数据的预报概率及集合预报各个成员的分布情况进行客观订正,可以提高订正效果。订正后的6~7级、8~9级风速偏小的误差及TS评分有明显改进,其中72~120 h预报时效的8~9级风速预报的TS评分由0.04增加到0.44,能够有效提高中长期时效大量级风速的预报能力。订正的风速产品对于我国近海冷空气及台风大风天气过程有较好的预报效果。     

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。     

基于短期历史资料的风能预报中风速误差循环订正新方法

风电场风能预报的准确性对于风力发电在并网过程中的稳定性有很大影响,提升风能预报水平能够有效减轻电网并网压力、降低经济运行成本。基于历史资料提出一种可快速更新的风速预报误差订正方法,该方法利用甘肃省风电功率预报系统的风速预报结果并结合实况资料对模拟风速的趋势、均值、方差进行订正,并应用于甘肃省内3个风电场(黑崖子、马昌山、南湫)的风速预报误差订正。结果表明:订正前风速的平均误差为2~3 m·s~(-1)、订正后为1~2 m·s~(-1),误差率改善17%~23%,本研究为风速误差订正提供了一个新思路和新方法。     

大规模风电场建成后对风能资源影响的研究

考虑了千万千瓦级风电基地建成后风电机群对近地面层风速的影响,采用Frandsen研究了大规模风电场内部风速损失时所使用的方法,在内边界层已经充分发展成新边界层的区域内,对轮毂高度65m处风速Uh进行了计算。结果表明,风电场建成后研究区内,风速Uh与未建场时的65m风速U0相比变小,存在风速损失,该风速损失随着U0的增大而减小,与风电机的推力系数CT性质有关;大规模风电场建成后,Uh在3～20m.s-1范围内的平均风功率密度与未建场时U0在此范围内的平均风功率密度相比损失约为58.45%,这与建场地区建场前65m处风速值大小以及各风速值出现的概率有关。     

新疆气象站年均风速均一化订正与基本风压估算初探

为了较好地开展风能资源的详查与综合评价工作,根据新疆各风区挑选的参照站历史风况资料序列特点,在参考测站历史"元数据"直接进行非均一性检验与一致性订正基础上,对其中4个长期无自记风记录参照站采用标准正态均一性检验、Potter检验、平行累计和等客观方法对1970～2009年的年平均风速序列进行了非均一性检验与均一化订正,同时对测站无自记风时期年最大风速序列的时距换算进行了初步探索。结果表明:1)布尔津、淖毛湖、红柳河站的年平均风速存在因测站环境改变或其它不明原因而使序列间断的现象。从年平均风速序列SNHT非均一性订正结果以及测站四周建筑群体的发展规模看,布尔津测站受测站环境变化等不明原因的影响程度最大,三度间断,累积订正量平均达0.9m.s-1左右。淖毛湖站两度间断,其中1次与近距迁站而又未进行迁站订正有关,订正量约为0.1～0.2m.s-1。红柳河站的1次间断,也与未进行迁站订正有关,订正量约为0.1～0.2m.s-1。2)在构建测站无自记风时期历年最大风速序列的时距时次经验公式中,十三间房站适于西北统一经验公式,其余3站适于在一定阈值风速条件下,根据有自记风时期2min时距平均风速与10min时距最大风速的相关比值系数进行订正。     

卓资县财神梁风能资源分析与评估

利用卓资县气象站1959—2006年常规气象观测资料和卓资县境内财神梁测风塔2006年实测数据,采用统计分析方法,计算分析了财神梁风场平均风速、风功率密度等风能参数,得出:财神梁风场10m高度年平均风速和年平均风功率密度分别为6.8m·s-1和273.6W·m-2;65m高度年平均风速为7.7m·s-1,年平均风功率密度为373.1W·m-2。65m高度年主导风向为W风,出现频率为18.0%,风能密度方向也以W为主,占总风能频率的23.9%,有61.6%的风能集中在WSW-NW范围内。65m高度风能有效小时数为8284h,风能的众值分布在8～14m·s-1风速区间内,占全年风能分布的69.1%。财神梁地区风能资源储量较为丰富,且风质优良,适合开发建设风电场。     

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。     

基于均生函数的风电场风速短临预报模型

风电场风速短临预报是风电预报业务的重要环节之一.选取2011年1、4、7和10月河北及内蒙古两地的两座测风塔观测资料,综合采用均生函数、灰色关联度和多元回归等多种统计预报方法,建立了一套分站点的、15 min动态滚动的未来0～4 h风速短临预报模型.实际对比分析表明,所建模型比传统ARMA模型的月平均预报误差减少了2.2％～10.8％,在实际中具有重要的应用价值.     

长江下游百年一遇的极值风速分布

利用2000-2006年长江下游沿江8个风速、风向观测点与邻近气象站同步对比观测资料和1971—2006年长江下游40个气象站风资料, 依据具99%置信水平的数理重构方案和极值Ⅰ型计算方法, 详细给出长江下游百年一遇风速分布状况。结果表明:长江下游沿江地区百年一遇极值风速为25~38 m/s, 较一般方法上限高3 m/s, 下限低2 m/s; 长江南京—镇江段和南通—崇明段, 是长江下游沿江地区的两个大风区, 百年一遇极值风速不低于29 m/s, 其在入海口附近可达34 m/s以上; 在长江常州—江阴段, 江南、江北对称分布两个风速相对低值区, 百年一遇极值风速为23~24 m/s。该结果充分考虑气象站风速资料和局地风速状况, 是沿江相关工程气象应用的重要补充。     

江西省山地风场风速订正方法研究

利用气象站、探空及NASA再分析资料,对江西省4县山地风场的12座测风塔风速进行订正研究。研究结果表明:测风塔与气象站风速数据相关性较低,相关系数一般远小于0.45;测风塔与探空资料的风速相关系数可达到0.6以上,最高可达到0.8;NASA再分析资料可以作为江西山地风场风速订正参证数据,其与测风塔风速数据相关性较高,相关系数可达到0.54～0.77,大多数测风塔相关系数可达0.7左右。海拔高度小于1000 m的测风塔与NASA 50 m风速的相关系数明显高于其与NASA 850 hPa风速的相关系数,高度为1000—1200 m的测风塔与NASA 50 m风速和与NASA 850 hPa风速的相关系数相差不明显,高度大于1200 m的测风塔与NASA 850 hPa风速的相关系数明显大于其与NASA 50 m风速的相关系数。比值法订正效果略好于线性回归法的,订正后的风功率密度总体偏大。     

北京325 m气象塔塔体对测风影响的数值模拟

安装在气象观测塔上的仪器进行风速测量时,气象塔塔体本身会对流场有一定的影响,使其附近局部流场发生变化,产生绕流和尾流,导致所测风场数据相对于真实风场值失真,利用计算流体力学软件Fluent对北京325m框架式气象塔周围的风场进行了模拟,给出流向风速在该塔伸臂上测风位置的失真情况,及风速失真大小随风向风速的变化规律,计算表明若伸臂处于迎风面,在测风点上的风速误差均小于5%,与实际观测一致,验证了北京325m气象塔风速伸臂设计的合理性。     

华东沿海ASCAT反演风速的检验和订正

基于2010—2014年ASCAT反演风速、华东沿海14个浮标站和浙江沿海249个自动气象站资料,对华东沿海ASCAT反演风速进行检验和订正。研究表明:站点ASCAT风速误差不仅与离岸距离相关,而且与站点周围地形有关,误差较大的5个浮标站均位于舟山群岛附近海区,平均偏大4.79 m·s-1,其他海区浮标站的ASCAT反演风速平均偏差仅为0.46 m·s-1。ASCAT反演风速与浮标站风速的线性回归可有效减小反演风速误差,订正后误差大幅减小,误差越大的站点订正效果越好。相距160 km内的浮标站点间风速误差呈正相关,且站点间距越小,误差正相关越明显。考虑带影响半径的反距离权重,采用邻站方程订正法和邻站误差订正法分别对华东沿海ASCAT反演风速进行订正,均能明显减小平均偏差和均方根误差,两种方法订正效果接近,即两种方法均有较好的订正效果,可用于实际业务。