基于机器学习的光伏功率预测模拟方法研究

为了丰富贵州西部光伏电站的功率预测思路与方法,利用2019—2021年贵州西部5个光伏电站发电功率、气象要素、卫星反演辐照度、地面观测辐照度数据,分析光伏功率的时间演变和与卫星反演辐照度、地面观测辐照度的相关性。利用前80%样本数据为测试集,剩余数据为预测模拟模型的检验集,利用机器学习中的BP、GRNN神经网络算法和测试集分别对5个电站建立光伏功率预测模拟模型。利用检验集和光伏电站的检验方法对各个模型进行效果验证,并对比不同算法不同站点间的预测模拟效果。结果表明,BP、GRNN算法在5个光伏电站的功率预测模拟中平均日准确率在90%左右,标准化均方误差在0.07~0.12,且FY-4A反演辐照度参与建立的光伏功率预测模拟模型较地面观测辐照度参与建立的模型效果更佳,能够为光伏功率预测提供一种参考方案和思路。     

太阳能光伏发电预报方法的应用效果检验与评价

基于湖北省气象新能源研究中心光伏电站一年完整的发电数据与同期气象资料,对辐射和发电功率短期预报方法进行检验分析,结果表明:(1)太阳辐射度预报与实况有很好的对应关系,相关系数在0.77以上,均通过a=0.001的显著性水平检验。(2)光伏发电功率预报的短期方法中,以模式辐照度订正值代入光电转换模型的方法最优,预报第一天的相对均方根误差为0.16。(3)太阳辐射预报及光伏发电功率预报随太阳高度角变化而呈一定的规律性,冬季中午误差最大,夏季晚上误差最小;阴雨天气误差明显高于晴天。如何降低阴雨天气预报时的误差将是下一步工作中需要研究的重点。     

太阳辐射对大型渔光互补光伏电站发电效益影响分析

以江苏宝应生态渔业光伏发电"领跑者"示范基地为研究对象，定量分析了不同辐射指标对渔光互补光伏发电效益的影响机制.结果表明：太阳辐射对渔光互补光伏电站发电效益有着显著影响，且存在季节性波动，在夏秋季日并网峰值及发电量较大，稳定性较高，而冬春季发电效益和稳定性较差；太阳辐射指标与日并网功率最大值相关性较高，且呈明显对数关系，而日发电量与太阳辐射指标呈明显线性关系；不同月份并网功率最大值和发电量与平均辐照度、最大辐照度和累计辐照量均呈正相关关系，影响月并网功率峰值最为明显的是最大辐照度，而影响月发电量最为明显的指标是有效利用小时数.通过研究发现，在该地区开展光伏发电功率预测和前期太阳能资源开发利用评估时，可采用平均辐照度、最大辐照度、日累计辐照量3个指标作为参考指标.     

降尺度方法在中国不同区域夏季降水预测中的应用

在中国降水气候分区的基础上,利用降尺度方法进行区域夏季降水预测(RSPP),预测模型建立的基础是寻找影响区域气候的关键因子。降尺度预测模型中使用的资料有国家气候中心海-气耦合模式(CGCM/NCC)回报资料、NCEP/NCAR再分析资料和台站观测资料。为了避免年代际变化特征对季节尺度降水预测的影响,首先对CGCM/NCC模式输出资料、NCEP/NCAR再分析资料、区域平均降水资料去除年代际线性变化趋势,即去除所有预报因子场和预报对象场的长期变化趋势。然后分别计算预报对象和模式资料的预报因子场以及再分析资料的预报因子场的相关系数,把相关系数值同时达到0.05显著性检验水平的区域平均环流特征作为预测因子,保证挑选出的预测因子既能反映实际大气中预测因子与预报对象的关系,同时又是海-气耦合模式预测的高技巧信息。利用最优子集回归作为转换函数的降尺度方法建立区域夏季降水预测模型。交叉检验和独立样本检验结果表明,文中设计的区域夏季降水预测模型对中国大部分地区的夏季降水趋势预测的准确率较高且比较稳定,其预测效果远高于CGCM/NCC直接输出降水结果。进一步对具有较高预测技巧的代表性区域的可预报性来源分析发现,物理意义明确且独立性强的预测因子有助于提高预测准确率。     

区域水资源优化配置多目标模型求解的Matlab与Excel集成实现

以商丘市19952005年的小麦白粉病发病面积、地面气象资料和大气环流特征量为依据,利用相关系数法进行因子普查,筛选出了影响商丘市小麦白粉病发生和流行的主要地面气象因子和大气环流特征因子及其关键时段,并利用多元线性回归方法建立了数学预测模型,模型历史拟合准确率为95.2%.利用该预测模式在2006年和2007年对商丘市白粉病发病面积进行预测,预报精度分别为93.1%和90.2%.     

基于EC细网格数值预报产品的太阳辐照度订正技术

太阳辐照度与光伏电站发电功率密切相关,其预报的准确性直接影响发电功率预报的准确性。根据光伏电站太阳辐照度实况、气象站实况、WRF(Weather Research and Forecast Model)模式辐照度预报、EC细网格数值预报以及太阳理论辐照度,利用逐步回归法开展太阳辐照度预报订正研究,得到以下结论:①太阳辐照度实况与太阳理论辐照度的比值与EC细网格数值预报中气象要素的相关性优于太阳辐照度实况与气象要素的相关性;②不同时刻影响太阳辐照度的气象因子存在差异,通过逐步回归法建立不同时刻太阳辐照度预报模型;③在非晴天情况下,回归预报辐照度相对均方根误差比WRF模式预报辐照度降低10%左右,减小了辐照度预报误差。该研究成果在光伏电站的新能源数值预报服务中有一定的应用价值。     

天津市供水量与气象因子相关分析及预测模型

利用天津市某区2017年逐日、2017年7月逐时供水资料和气象资料,分析日、时供水量的变化特征及其与气象因子的关系,建立基于气象因子的日供水量预测模型。结果表明:夏季供水量最多,秋季、春季的次之,冬季的最少;日供水量存在明显的节假日效应,特别是在春节长假期间供水量下降明显。分析日供水量与气象因子的相关系数发现,除冬季外,日供水量与气温相关性较高,与其他气象因子相关系数季节差异明显。7月供水时变化特征主要受居民工作生活习惯影响,同一时次的供水量与蒸发量、相对湿度和整点气温相关性较高,但有明显的滞后性,13时的气象条件对全天总供水量影响较大。综合以上分析结论,建立多元回归日供水量预测模型。模型预测结果平均误差为1.48%,可作为日供水量预测参考依据。     

商丘市小麦白粉病预测模式研究

以商丘市1995-2005年的小麦白粉病发病面积、地面气象资料和大气环流特征量为依据,利用相关系数法进行因子普查,筛选出了影响商丘市小麦白粉病发生和流行的主要地面气象因子和大气环流特征因子及其关键时段,并利用多元线性回归方法建立了数学预测模型,模型历史拟合准确率为95．2％。利用该预测模式在2006年和2007年对商丘市白粉病发病面积进行预测,预报精度分别为93．1％和90．2％。     

基于BP神经网络的北京夏季日最大电力负荷预测方法

利用2006~2017年北京夏季（6~8月）逐日最大电力负荷和同期气象资料,分析最大电力负荷与各种气象因子的相关性,基于BP（Back Propagation）神经网络算法,建立了两种夏季日最大电力负荷预测模型并对比。结果表明:北京夏季周末基础负荷远小于工作日,剔除时应加以区分;气象因子对气象负荷的影响具有累积效应,累积2 d时两者的相关性最强;结合实际,根据自变量的不同分别建立了两种日最大电力负荷预测模型;经实际预测检验,两种预测模型均取得了较好的预测效果,能够满足电力部门的实际需求,其中自变量中加入前一日气象负荷的模型效果更优。     

基于月动力延伸预报最优信息的中国降水降尺度预测模型

利用国家气候中心月动力延伸预报结果、NCEP/NCAR再分析资料和中国160个站观测资料,通过计算两次相关的方法,获取最优预报信息作为建立降尺度预测模型的预测因子,提取的最优预测因子同时满足既是观测环流要素场影响降水的关键区域,又是模式要素场预报的高技巧区域两个条件.结合挑选出的最优预测因子,利用最优子集回归建立月平均降水的降尺度预测模型.文中设计了消除预测因子和预测量的线性趋势值后建立预测模型(方案1)和直接利用原始资料建立预测模型(方案2)两种方案.经过独立样本检验,发现这两种方案建立的预测模型都能够提高月尺度降水预测,方案1对月尺度降水预测的距平相关系数平均可达0.35.利用该方案对超前时间分别为0、5、10 d的月动力延伸预报产品进行月降水的降尺度预测表明,模式初值信息不仅影响月动力延伸预报结果,也影响降尺度应用效果,利用超前时间为0和5 d的月动力延伸预报结果进行降水降尺度预测可在业务中参考.此外,降尺度预测模型中选取的预测因子不仪在统计上是显著的,同时也具有清楚的物理意义.     

宜昌市电力负荷对气象因子的响应及气象预报模型的建立

利用2015-2017年宜昌市逐小时电力负荷资料及对应时段地面气象观测站数据,分析宜昌电力负荷的变化特征,研究气象敏感负荷与气象因子的关系,基于主要气象敏感因子通过逐步回归法建立宜昌电力负荷预报方法。结果表明:宜昌电力负荷呈逐年增长的趋势,夏季和冬季是一年中电力负荷高峰期,年最大电力负荷出现在夏季,年均增幅达11.8%,年最小电力负荷出现在春节期间;气温对气象敏感负荷影响最大,随着日平均气温T升高逐日气象负荷率先减小后增加,当T为17℃时,气象负荷率最小,从而划分了4个变化阶段:17℃≤T<26℃、T≥26℃、7℃≤T<17℃、T<7℃,基于各阶级主要气象敏感因子分别建立电力负荷回归预报方程,经检验,在实际应用中预报相对误差绝对值为3.8%,基本能够满足电力部门负荷预测的精度要求。后期可结合人工智能算法,进一步提高宜昌电力气象负荷预测的稳定性和准确性。     

基于全连接神经网络方法的日最高气温预报

为了考察辅助变量、时间滞后变量设置的重要性和神经网络中嵌入层对分类变量处理的有效性,利用2015年1月15日—2020年12月31日欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts,ECMWF）高分辨率模式（high resolution,HRES）输出产品及中国2238个国家级地面气象站基本气象要素数据集,在全连接神经网络基础上设计4个试验,构建24 h最高气温预报神经网络模型。结果表明:加入辅助变量、时间滞后变量的特征和带有嵌入层的全连接神经网络结构的深度学习神经网络模型对HRES日最高气温预报误差均有订正效果,均方根误差降低29.72%~47.82%,温度预报准确率提高16.67%~38.89%。加入经过嵌入层处理的辅助变量后,可显著提高青藏高原中南部和西南地区东部的平均绝对偏差不超过2℃的正技巧站点比例（比仅用HRES预报因子建模分别提高21.74%和14.17%）,在此基础上加入时间滞后变量显著提高上述两个地区的平均绝对偏差不超过2℃的正技巧站点比例（比仅用HRES预报因子建模分别提高40.98%和20.33%）,且预报性能更加稳定。     

大气污染物非线性回归模型构建

本文基于重庆主城区（沙坪坝站）2014—2018年逐日同期同步观测的气象要素和环境空气质量监测数据进行分析。首先通过对不同大气污染物与各种气象要素进行相关性分析，剔除影响预报模型共性的气象因子，明确显著影响空气质量的气象要素；然后结合污染物排放、大气扩散过程和湿沉降作用机理；最后构建乘幂与线性叠加的混合模式的空气质量预报方程。结果表明：构建的非线性回归方程能较为真实地反映主要大气污染物与气象要素的相互影响关系，回归模型预报检验准确率高（预报评分达87.6）。     

合肥市大雾预报方法建立与应用

利用主成分分析方法对2012～2014年合肥市高速公路沿线交通气象站日最低能见度资料统计出的大雾观测样本进行研究，应用因子荷载点聚图将合肥市县大雾划分为2个区：中南区、北区。基于PP法统计ECMWF模式输出产品与大雾之间的相关性，全市和分片分别确定与大雾密切相关的高影响因子，利用等级分类和逐步回归建立大雾预报模型。在回归结果的判定阈值和消空指标选定的情况下，通过研发的大雾天气精细化预报系统每日定时输出合肥市大雾预报格点产品。经过前期业务化运行和预报效果检验表明：数值模式产品释用方法在有无大雾预报技巧方面较WRF模式明显占优，技巧评分大幅提升，而两类典型大雾天气过程预报效果检验则可以更直观地看出数值模式产品释用的预报方法效果要更好。     

西安市日最大电力负荷率与气象因子相关关系分析预报模型的建立

基于西安市2010—2013年逐日最大电力负荷和同期的气象资料,分析了日最大电力负荷的变化规律,利用最小二乘法,除去日最大负荷的节假日效应和周末效应后,将气象负荷从日最大电力负荷中分离出来,建立西安气象负荷率与气温、相对湿度、总云量、降水量、风速的相关关系,并基于2010—2012年的11月—次年2月和6—8月的资料,分别采用逐步回归、多元线性回归和BP神经网络方法建立最大气象负荷和主要气象影响因子之间的预报模型,将2013年对应时间的日最大气象负荷率作为预报效果的独立样本检验。结果显示:2010—2013年西安的日最大电荷存在明显的增长趋势,且存在明显的周末效应和节假日效应;气温是影响气象负荷率的最显著因子,引入温湿指数(THI)的BP神经网络算法对气象负荷率的拟合和预测效果最优。     

春玉米产量动态预报技术的改进方法探索

为及时、准确地进行玉米产量预报,为吉林省玉米产量预报业务提供参考依据,为政府调控提供科技支撑,利用吉林省19802016年春玉米产量和50个气象站逐日气温、降水量、日照时数等资料,基于相似距离和相关系数构建综合诊断指标筛选气温、降水量、日照时数等各类气象要素历史相似年,根据各类气象要素历史相似年与预报年的玉米产量丰歉气象影响指数之间的关系,建立吉林省春玉米产量动态预报模型。同时,对历史相似年的筛选方法进行改进,利用欧氏距离直接筛选综合气候历史相似年,根据气候历史相似年与预报年的玉米产量丰歉气象影响指数之间的关系,构建春玉米产量预报模型。对比改进前、后的产量预报模型的预报,结果表明:两种方法在吉林省玉米单产预报中,预报准确率均较高,普遍在85%以上。产量预报模型对20022013年的预报检验结果表明,改进方法后20022013年单产预报平均准确率提高了3.9个百分点,均方根误差降低了4个百分点,标准差降低了2。对20142016年的预报检验结果表明,改进方法的玉米产量预报结果优于传统方法的预报结果。改进方法比传统方法准确率更高,稳定性更强,应用价值更高。     

MDERF产品在贵州月气候预测中的释用

基于MDERF(Monthly Dynamic Extension Range Forecast)模式输出500hPa位势高度场资料和贵州各月干旱综合指数、降水和气温等历史样本,利用秩序回归降尺度法,研究该方法对贵州月干旱综合指数、降水和气温的预报技巧和预测效果.结果表明:该方法从穷尽所有因子组合中选出彼此独立的3个最佳组合因子共同作为预报因子,从而增强可预报性;模型5 a回报试验和2007年8月试报结果表明该方法在实际预测业务中的应用潜力;各气候要素多年的距平相关系数评分比较稳定,其中月干旱综合指数、降水距平百分率、气温距平全年平均距平相关系数评分分别为0.14、0.15和0.14;各气候要素中月气温预报的Pc最高,平均为73%.综合分析表明,该方法在月动力延伸预报产品对贵州月气候要素预测释用中具有较好的应用前景.     

降雪含水比研究进展

降雪深度预报与定量降水预报(QPF)一样是冬季天气预报最重要的业务之一,而降雪含水比是降雪深度预报中所必须的重要参数,国外一般多将其称为snow-to-liquid ratio(SLR)。本文回顾了过去几十年来国内外在SLR的变化特征、影响因素等方面的主要研究进展,并对其预报技术和方法进行了总结和比较。研究表明:SLR具有明显的时间变化,并且存在季节和空间分布差异;大气温度和相对湿度是影响SLR的两个最重要气象因子,气压、垂直运动等气象因素,以及地表风、积雪自重、太阳辐射和积雪融化也会不同程度地影响SLR;随着预报技术的发展,SLR的预报方法可概括为气候学的、统计学的和基于物理基础的三类预报方法,气候学方法过于简单化,统计学方法的应用提高了SLR的预报能力,但仍无法摆脱统计方法自身的缺陷,比较而言,基于数值模式的瞬时预报更符合未来雪深预报业务的精细化发展趋势;目前,国内降雪深度观测资料较少、观测频率较低,有效开展地面降雪和探空加密观测,解决观测资料不足是今后SLR研究中亟待解决的问题;基于数值天气预报业务模式,探索气象因子对SLR的影响机理,建立适合我国冬季天气预报业务需求的降雪预报系统是未来的发展方向。