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。     

复杂地形条件下风电场预报风速的卡尔曼滤波订正

通过分析位于复杂地形的南湫、黑崖子和干河口风电场测风塔70 m高度的风速、风向分布特征及风速预报的误差特性,基于卡尔曼滤波方法建立了预报风速的订正模型,对预报风速误差进行了订正。结果表明,南湫、黑崖子和干河口风电场的有效风速时数占全年风速时数的百分比分别达90. 9%,85. 06%和82. 93%;各风电场有效风速时数存在显著的时间差异,夏、秋季有效风速时数最大;南湫、黑崖子和干河口分别可达29. 65%,27. 19%和23. 24%;风速日变化特征差异明显,夏季南湫、黑崖子和干河口风速日变化分别呈多峰多谷(或双峰双谷)、单峰单谷、双峰单谷的分布特征;夏到秋季,南湫主导风向为东南风,黑崖子由偏东风转换为偏西风,干河口主导风向稳定为东风或偏东风。风速阵性特征有明显的季节差异,9月黑崖子、干河口风速的阵性变化较6月强,南湫风速的阵性变化6月比9月强。北京快速更新循环数值预报系统(BJ-RUC)对复杂地形风电场风速预报能力存在局限性,主要表现在预报风速的阵性变化相对较小、风速偏大;经卡尔曼滤波方法订正后,数值模式对风速的阵性预报能力增强,预测风速威布尔分布的形状参数和尺度参数逼近实况风速的分布参数,实况风速和预测风速相关系数最大可提高约15%;预报风速的绝对误差、均方根误差也得到了改善,可降至1. 30 m·s~(-1)和1. 66 m·s~(-1)。     

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。     

QuikSCAT和ASCAT卫星反演风场在中国南海北部的适用性研究

对QuikSCAT和ASCAT原始轨道10 m反演风场与浮标资料在中国南海北部的统计检验分析结果表明:两套卫星资料在中国南海北部具有较好的适用性,QuickSCAT反演风速偏高0.46 m·s~(-1),ASCAT反演风速在近海偏高0.45 m·s~(-1),在开阔海域偏高0.07 m·s~(-1)。超过半数的QuickSCAT反演风向误差30°。在近岸海域,ASCAT反演风向误差30°的超过56%,在开阔海域,误差绝对值30°的达到64%。小风时卫星反演风速偏大,大风时卫星反演风速明显偏小,且白天的偏差大于夜间;在5~10 m·s~(-1)风速条件下,两者的一致性较好。用WRF模式模拟的近海风能资源存在高估的可能,卫星资料对近海风能资源评估是个有益的补充,本文对卫星反演风场误差的分析结果也可以为卫星反演风场的资料同化提供参考。     

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。     

登陆台风站点大风预报的人工神经网络方法

利用数值预报格点资料预报登陆台风影响时,沿海地区站点风的预报是各站点的定时二分钟风向风速。通过对MICAPS站点资料进行整合、分析,选取了沿海地区400多个资料比较齐全的站点和海岛站作为预报站点。用NCEP再分析场的格点资料做相关性分析,选定9个预报因子。运用BP网络对每个站点分别建立纬向风和经向风人工神经网络模型,拟合风速的绝对值误差是1.3 m·s~(-1)。独立样本检验,风速绝对误差在2 m·s~(-1)以内。     

用支持向量机方法做登陆热带气旋站点大风预报

将支持向量机（SVM）回归方法应用于在登陆热带气旋影响下,每天00、06、12、18 UTC 4时次2分钟平均的站点风速预报。从2002-2007年热带气旋本身强度、站点地形情况和站点附近高低空环境场要素,设计相关因子,建立了4种预报模式,其中模式4的风速拟合误差的标准差为1.591 m·s~（-1）。用2008年8个登录热带气旋做独立样本检验,预报风速与实际风速的平均绝对值误差为1.750 m·s~（-1）,标准差为2.367 m·s~（-1）。结果表明,在适当的样本截取和预报因子选取后,SVM方法建模的风速预报48小时内效果较好。     

基于数值模式的月尺度近地层气象要素预报技术研究

利用WRF模式对美国NCEP发布的CFS气候预测业务产品在中国区域内进行动力降尺度预报,可得到预报时效为45天的逐6小时、30 km分辨率基础气象要素预测产品。再利用全国气象站观测资料和3个风电场70 m高度风速、温度观测资料对2015年冬季预测结果进行检验评估和分析,最后通过线性方法对地面要素预测结果和70 m高度风速、温度预测结果进行统计订正。结果表明:（1）2 m温度和相对湿度的全国预报平均绝对误差分别为4.71 ℃和18.81%,在华东、华中和华南地区误差较小;（2）10 m风速预报平均绝对误差为2.42 m/s,在东北、华北和西北地区误差较小;（3）线性订正后,2 m气温、相对湿度和10 m风速的预报绝对误差分别减小1.05 ℃、5.29%和1.47 m/s,并且订正后误差随时间变化更平稳;（4）订正后70 m高度风速和温度的预报绝对误差均减小,风速平均误差减小最大可达1.29 m/s（B塔）,气温平均绝对误差减小最大可达3 ℃（C塔）。研究结果表明,基于CFS产品和WRF模式的、与月尺度风电预报关系密切的气象要素预报性能较好,未来可将该方法尝试于风电场的月尺度功率预测产品研发。      

江西山地风电场风速数值模拟方法研究

利用中尺度气象数值模式WRF和动力降尺度模式CALMET,对江西山地风电场不同高度层风速进行4个月逐时数值模拟,结合测风塔实测资料,对两种模式的模拟结果进行准确性、误差特征等方面研究,结果表明:1) WRF模式和CALMET模式均能较好地模拟出风速的日变化特征,在大风速时间段两个模式模拟误差变大,可能是由于出现台风、降雨伴随大风等天气时,WRF模式边界层方案对大风速时拖曳作用不充分造成,今后可考虑通过天气过程模拟的敏感性研究及历史数据对模拟结果进行订正。2)从各月模拟结果来看,WRF模式与CALMET模式各月模拟值与实测值间相关系数均大于0. 65,两个模式对70 m高度层模拟结果均优于对10 m高度层的模拟结果,并且CALMET模式均方根误差低于WRF模式的。3) CALMET模式在各风速段模拟效果均优于WRF模式的。两个模式在0~3 m·s-1低风速的模拟效果最优,在大风速段( 8 m·s~(-1))模拟结果平均绝对误差最大,今后应对大风模拟结果的订正开展进一步研究。     

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 ...     

乌鲁木齐市边界层日变化特征

利用乌鲁木齐市晴天CFL-03型风廓线雷达观测资料,分析了边界层日变化特征。得出结论如下:边界层结构季节变化明显。冬、春季300~600m以下风速较小,小于3m/s,且愈近地面风速愈小;以上风速大、风向恒定,基本为东南大风。夏季和秋季风速比冬季和春季小,流场特征较复杂,水平风速和风向变化较活跃,存在明显的风切变。折射率结构常数春、秋和冬季比夏季分别小1个、3个和1~3个量级;夏季最大,集中在10~(-16)~10~(-13) m~(-2/3)之间。春、夏和秋季晴天湍流动能耗散率量级分别在10~(-6)~10~(-2) m~2·s~(-3)、10~(-4)~10~(-3) m~2·s~(-3)、10~(-6)~10~(-3) m~2·s~(-3)之间;白天比夜间约大1个量级。晴天折射率结构常数和湍流动能耗散率日变化特征与风场日变化特征有较好地对应关系,即湍流发展旺盛的区域与风速较大的区域相一致。风廓线雷达资料反演的湍流动能耗散率对春季和夏季边界层结构日变化演变特征的监测较好。夏季夜间稳定边界层约400~500m,残余层可达到约1800m,对流边界层可发展到约2500m,混合层约2200m,夹卷层约300~400m。     

武汉青山长江公路大桥设计的风参数研究

利用黄陂气象站、武汉青山长江公路大桥桥位处新建的测风塔和湖北省农展中心自动气象站风资料,采用极值I型分布法对武汉青山长江公路大桥设计的风参数进行研究,结果表明:(1)桥位区10 m高度年最大、极大风速为分别为17.0 m·s~(-1)、20.9 m·s~(-1),年均大风日数为5.8 d,年最多风向为NNE;(2)气象站100 a重现期10 m高度10 min平均年最大风速(基本风速)为25.6 m·s~(-1),桥位处100 a重现期10 m高度10 min平均年最大风速(设计风速)为29.0 m·s~(-1);(3)风速较大时水平动量的垂直湍流通量较风速小时大、湍流参数较风速小时小、湍流谱密度值较风速小时增大1～2个量级;极大风速发生时1 h内的风攻角为0°～3°。     

1961—2004年黑龙江省近地层风速变化趋势分析

利用1961—2004年地面风速资料,分析了黑龙江省近地层风速变化趋势特征,并对比了国家气象站与农垦气象站风速变化的异同,最后探讨了黑龙江省近地层风速对气候变暖、人类活动的响应。结果表明:(1)近44年来,除极少数测站外,黑龙江省大部分地区年和四季风速呈现显著减小趋势;春季平均风速减小最大,为1.74 m·s~(-1);冬季次之,为1.40 m·s~(-1);秋季较小,为1.33 m·s~(-1);夏季最小,为0.99 m·s~(-1)。(2)国家气象站与农垦气象站风速均呈现减小趋势,但农垦气象站减小幅度小于国家气象站,这可能与1978年以来黑龙江省城市化进程加快有关。(3)黑龙江省近地层风速的减小与气候变暖和人类对土地利用方式的改变有一定关系。     

风能模式预报的相似误差订正

采用一种基于相似误差的模式后处理方法,对2011年10月18日—2012年1月5日WRF模式24 h预报的陕西延长风电场风速进行误差订正。该方法通过寻找与当前预报相似的历史预报来进行误差订正,克服了一般基于时间顺序的误差订正方法的不足,即不能处理由于天气系统的剧烈转变引起的预报误差的快速变化。相似误差订正方法减小了预报的均方根误差和中心均方根误差,相对原始预报分别减小9%和10%左右。该方法不仅可以减小系统误差,还可以减小随机误差,从而提高预报准确率。同时,订正结果相对原始预报具有更好的Taylor图模态相关。相似误差订正方法对风能预报敏感区的订正效果更为显著,均方根误差和中心均方根误差分别减小了12%和22%左右。该方法尤其适用于基于风能模式预报的风速误差订正,同时该方法对其他的预测系统和预报变量也有很好的应用潜力。     

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。     

乌鲁木齐市城区和郊区湍流特征

利用乌鲁木齐市4座100 m气象塔2013年6月至2014年4月46 m三维超声风速观测资料,计算湍流统计特征值并进一步详细分析乌鲁木齐市近地层湍流特征,得出以下结果:乌鲁木齐南郊摩擦速度u*平均值为0.37 m·s~(-1)、城区平均0.28 m·s~(-1)、近北郊和北郊平均0.23 m·s~(-1),春夏季大、冬季小,南郊、城区、近北郊和北郊春季最大分别为0.75、0.64、0.51和0.50 m·s~(-1),冬季最大分别为0.56、0.26、0.22和0.23 m·s~(-1);南郊湍流动能TKE平均1.38 m~2·s~(-2)、城区平均0.7 m~2·s~(-2)、近北郊和北郊平均0.6 m~2·s~(-2),春夏季大、冬季小,南郊、城区、近北郊和北郊春季最大分别为3.39、2.22、1.88和1.79 m~2·s~(-2),冬季最大分别为2.82、0.44、0.45和0.33 m~2·s~(-2)。三个方向湍流强度呈现Iu≈IvIw的规律,南郊0.11~0.36、城区0.12~0.37、近北郊0.10~0.36、北郊0.13~0.39。各个季节南郊白天u*和TKE最大,表明南郊湍流垂直扩散能力最强。     

关于是否漏记大风现象的判据的讨论

本文选用了本省六个台站的日最大风速≥10.0m·s~(-1)及日瞬时极大风速≥17.0m·s~(-1)的资料进行了统计,分析了日最大风速与日瞬时极大风速的相关关系,提出了当日最大风速≥14.0m·s~(-1)时,即有可能产生瞬时风≥17.0m·s~(-1)的大风现象。     

模式距平积分订正法对广西区域ECMWF地面2m温度预报的订正效果评估

采用基于历史资料的模式距平订正法(ANO),利用2011~2015年欧洲中心高分辨率数值预报(ECMWF)的地面2m温度和广西区域自动站气温观测资料,对2016年广西区域2m温度预报进行订正试验,对比分析订正前和订正后的预报误差,结果表明:EC对广西区域2m温度的预报误差随着预报时效增加而逐渐增大,午后误差较大,夜间误差较小,预报值大多偏低。0~72h预报(较短预报时效)冬季误差较小,夏季误差较大;72~240h预报(较长预报时效)夏季误差较小,秋季和冬季误差较大。随预报时效增加,误差增大的幅度夏季较小,冬季较大。误差的离散度在较短预报时效的午后为冬季较小,夏季较大,在较长预报时效及夜间则与之相反。ANO方法对午后温度预报的订正效果优于当日其他时刻。该方法对夏季的温度预报有很好的订正效果,秋季的订正效果次之,春季的订正效果不明显,冬季的订正效果为负面作用。     

一种偏差订正方法在平昌冬奥会气象预报的应用

为了提高GRAPES_3 km（Global/Regional Assimilation and Prediction System）模式在2018年平昌冬奥会气象服务中的预报能力,采用一阶自适应的卡尔曼滤波方法对GRAPES_3 km模式的2 m气温、2 m相对湿度和10 m风开展偏差订正。结果表明:偏差订正方法明显提高了地面要素的预报效果,其中2 m气温的均方根误差整体减小到2℃左右,站点订正改善率为10%~60%;10 m风速的均方根误差减小到2 m·s-1左右,站点订正改善率为10%~45%;2 m相对湿度减小到20%以下,站点订正改善率为0~20%。与韩国气象厅LDAPS（Local Data Assimilation and Prediction System）及美国宇航局NU-WRF（NASA-Unified WRF）模式相比,GRAPES_3 km模式的风速预报表现更为优异,各站点整体预报效果明显优于LDAPS和NU-WRF模式。偏差订正方法可有效改善模式在复杂地形条件下的预报能力,是提高精细化预报准确率的重要手段。     

风电场选址模式化研究

本工作旨在风电场已初选，并有一至几个月的短期测风资料为前提的情况下，研究出一种有较先进的方法、较高的精度、较快的速度推算场址风能参数的模式。由于风能是风速立方的函数，因此，习惯上用寻求两地风能参数相关的订正方法误差较大。这次工作立足于先订正原始风速及标准差，再用这两参数推算各风能参数。经计算比较，选择全概率公式订正风向风速，再用差值法订正标准差，最后用韦伯尔公式计算风能参数。风电场选址时风向风速都应该考虑，因此，选择各风向均出现的时段作考察月为好。比较结果发现，９、１０、１１月作为考察期准确性较高。