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。     

复杂地形风场的精细数值模拟

风能是一种重要气候资源,随着我国风电规模的迅速增大,发展风能资源评估系统和风功率预测系统已成为一项重要的研究内容。国内外对复杂地形风场结构的数值模拟有大量研究,随着计算机能力增强,以往用于空气动力学精细流场计算的计算流体力学(Computational Fluid Dynamics,CFD)模式越来越多地在气象领域得到应用,人们开始研究用中尺度预报模式和CFD模式结合进行复杂地形风场的数值模拟。本文的耦合模式系统采用中尺度气象模式(WRF),通过嵌套网格到内层尺度(一般是几公里),然后通过耦合CFD模式Fluent软件获得高分辨率(水平30~100 m,垂直150 m高度以下10 m)的风速分布资料,得到精细化的风场信息。通过对鄱阳湖北部区域和云南杨梅山复杂地形的风场模拟,提供了风能评估和预报的一种可行的方法。     

《低纬度高海拔复杂地形风电功率预测预报技术》

正高志伟王永平杨根铨编该书以云南大理山区风电场为研究对象,对低纬度高海拔复杂地形风电功率预测预报技术进行了深入研究。作者根据研究区域风电场风机观测数据和局地天气背景对历史数据进行时空分布类型分析,掌握复杂地形下风能发电时空分布特征及其与气象要素的关系;根据计算能力、观测数据条件、风电场位置、风电功率预报对风场的要求等进行综合     

基于中尺度和微尺度的复杂地形大风预报方法研究

复杂地形气象预报误差主要与模型对地形特征的准确描述、对物理动力过程的假设有关。采用融合中尺度数值天气预报系统(WRF)和微尺度风速模拟模型(CalMet)的方案,既能考虑大尺度、中尺度和微尺度上的动力学过程,又能最大程度上体现局部地形影响。融合预报结果与中尺度预报结果的对比分析表明,融合预报方法能更好地模拟复杂地形的大风过程,对于复杂地形地区大风风灾预测、预警和分析有重要的参考价值和指导意义。     

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。     

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.     

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。     

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。     

基于WRF-CALMET的精细化方法在大风预报上的应用研究

针对当前风场预报普遍精细程度偏低,动力降尺度改善风场预报应用偏少的问题,利用CALMET模式的动力诊断模块,结合高分辨率的地形资料对WRF模式输出的风场预报数据进行了动力降尺度处理,进而提高风场的精细化预报。其方法充分借助地形动力学效应,使大尺度的近地层风场经过坡度流与阻碍效应等修正后得到更精细的风场且体现出与局地地形相符的特征。试验部分以广东省为研究区域,并选取个例用观测资料与陆地同化系统资料对模拟结果进行对比检验,结果表明动力降尺度之后的风场较之前更为精细且含有更多与地形相关的信息;与观测资料对比的总体相关性较好,误差也更小,与陆地同化系统资料对比变化趋势基本一致,且误差不大,这表明WRF-CALMET方法不仅能有效地提高风场预报数据的时空分辨率而且其结果更趋近于真实,对风场的精确预报具有重要的参考价值。     

风电场风速降尺度预报方法对比分析

使用中尺度数值天气预报业务模式9 km和3 km分辨率的模式输出产品,分别应用小尺度模式CALMET模式和双线性插值(BLI)方法将预报风速进行降尺度处理,并对比预报风速和风塔观测资料。结果表明：WRF模式9 km分辨率的模式输出经过CALMET模式降尺度以后得到的风速预报效果比3 km分辨率的模式输出略好。同时,由于中尺度数值预报模式分辨率本身较高,使用BLI也可以得到较好的风速预报。将风速分为0 m·s^-1≤风速<5 m·s^-1,5 m·s^-1≤风速<10 m·s^-1和风速≥10 m·s^-1共3个等级,检验3个风速等级的预报偏差百分比得出,CALMET模式和BLI方法对10 m·s^-1以上的大风的预报效果相对较差;如何对大风预报进行订正对风速预报准确率的提高具有重要的意义。     

Bias Correction in Wind Direction Forecasting Using the Circular-Circular Regression Method

Wind direction forecasting plays an important role in wind power prediction and air pollution management. Weather quantities such as temperature, precipitation, and wind speed are linear variables in which traditional model output statistics and bias correction methods are applied. However, wind direction is an angular variable; therefore, such traditional methods are ineffective for its evaluation. This paper proposes an effective bias correction technique for wind direction forecasting of turbine height from numerical weather prediction models, which is based on a circular-circular regression approach. The technique is applied to a 24-h forecast of 65-m wind directions observed at Yangmeishan wind farm, Yunnan Province, China, which consistently yields improvements in forecast performance parameters such as smaller absolute mean error and stronger similarity in wind rose diagram pattern.     

中尺度模式风电场风速短期预报能力研究

本文利用内蒙古乌兰察布风电场2009 年观测记录和WRF 数值模式预报,研究了中尺度数值天气模式对风电场风速的短期预报能力。研究表明:不同数值模式参数化方案的预报能力没有实质性的区别,对于不同时效的风场预报各种方案的预报能力不尽相同。在天气演变较为剧烈时,模式预报技巧相对较差。风电场周边主要天气系统对预报准确度有很大影响。就乌兰察布风电场而言,WRF 模式2009 年日平均预报相对误差仅为11.78%,且误差大于20%的日数占研究总天数不超过15%,具有较高的预报技巧。当蒙古气旋、东北气旋剧烈发展或风速迅速减小时风速的预报误差较大。     

Analysis of Wind Power Assessment Based on the WRF Model

Assessing wind energy is a key step in selecting a site for a wind farm. The accuracy of the assessment is essential for the future operation of the wind farm. There are two main methods for assessing wind power： one is based on observational data and the other relies on mesoscale numerical weather prediction（NWP）. In this study, the wind power of the Liaoning coastal wind farm was evaluated using observations from an anemometer tower and simulations by the Weather Research and Forecasting（WRF） model, to see whether the WRF model can produce a valid assessment of the wind power and whether the downscaling process can provide a better evaluation. The paper presents long-term wind data analysis in terms of annual, seasonal, and diurnal variations at the wind farm, which is located on the east coast of Liaoning Province. The results showed that, in spring and summer, the wind speed, wind direction, wind power density, and other main indicators were consistent between the two methods. However, the values of these parameters from the WRF model were significantly higher than the observations from the anemometer tower. Therefore, the causes of the differences between the two methods were further analyzed. There was much more deviation in the original material, National Centers for Environmental Prediction（NCEP） final（FNL） Operational Global Analysis data, in autumn and winter than in spring and summer. As the region is vulnerable to cold-air outbreaks and windy weather in autumn and winter, and the model usually forecasted stronger high or low systems with a longer duration, the predicted wind speed from the WRF model was too large.     

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。      

冬奥延庆赛区风的预报技巧比较分析

为了提高2 min平均的10 m风预报精度,开展了多种建模和检验方法比较.根据欧洲数值中心集合预报系统产品及北京海陀山的5个测站资料,使用一元回归、岭回归、神经网络、粒子群-神经网络等方法建模,进行2021年2月逐日的未来3天6 h间隔预报误差订正,并从多个角度分析预报精度差异.结果为:(1)系统误差、预报准确率检验表...     

天津市中尺度数值预报业务系统的设计与实现

为适应省级中尺度数值预报业务的需要,设计实现了天津市中尺度数值预报业务系统。该系统由高性能计算机系统、中尺度数值预报模式以及业务运行流程组成的,其设计与实现涉及到高性能计算机系统的建设、中尺度数值预报模式的业务数据流转以及系统运行监控流程的设计等多个方面。高性能计算机系统的建设包括系统选型、功能设计和安装调试等部分,中尺度数值预报模式的业务数据流转以及系统运行监控流程的设计是整个系统业务化的关键。天津市中尺度数值预报业务系统通过工程建设和技术开发完成了奥运期间的气象预报服务任务,已投入业务化运行。