大连地区ECMWF细网格10 m风场与观测实况对比与检验

选取2016年1月至2018年12月ECMWF(简称EC)细网格10 m风资料,与大连地区8个国家气象观测站地面各类实况风速资料进行对比分析,得出EC 10 m风速预报与最大风速最为接近,与极大风速相关性最好,EC 10 m风速对大连地区8站整体预报平均偏大.通过对EC 10 m风速各预报时限资料与其对应的最大风速误差...     

Multi-model ensemble forecasting of 10-m wind speed over eastern China based on machine learning optimization

风对人类活动和电力运行有重大影响,准确预报短期风速具有深远的社会和经济意义.基于中国东部100个站点,本研究首先评估了5个业务模式对10米风速的预报能力,日本气象厅JMA模式在减少预报误差方面表现最好.进一步,利用5种数值模式和多种机器学习方法,将动力和统计相结合,对每个站点分别进行了特征工程和机器学习算法优选,建立了10米风速多模式集成预报模型.针对24至96小时预报时长,将该方法的预报性能与基于岭回归的多模式集成和JMA单模式进行比较.结果表明,基于机器学习优选的多模型集成方法可以将JMA模式的预报误差降低39%以上,预报效果的提升在11月最明显.此外,该方法优于基于岭回归的多模式集成方法.     

基于数值模拟和统计分析及智能优化的风速预报系统

风速预报是风力发电研究中的关键问题,也是一个十分困难的问题,其预测、评估技术还有待进一步提高.在预测短期风力(提前48～72 h对每小时的风速进行预测)时,通常采用数值天气预报模型进行预测.然而,初始扰动和模式物理过程的不确定性会影响气象数值预报的精度.将为数值天气预报模式提出一种新的后处理优化方法作为主要的思路,利用数据挖掘得到的关联规则来优化气象数值预报的结果,在中尺度模式WRF对风电场风速进行预报的基础上,将模式预测与统计分析及智能优化算法相结合,针对中国风电场的气候特征,利用一种新的修正模式误差的方法,极大地提高了风电场风速预报精度,提出了适合中国风力发电场的有效风速预报系统方案.     

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。     

太原雾天能见度预报

利用中尺度数值预报模式MM5对山西省2009年发生的几场典型雾个例进行数值模拟。结果表明：模拟2 m温度比观测值偏低约2 ℃,相对湿度模拟结果比观测值偏大约15 %,10 m的模拟风速比观测的偏大0-2 m·s^-1。山西省雾的预报指标为20 m液态水含量大于等于0.13 g·kg^-1而小于0.60g·kg^-1、20-1500 m高度大气层存在逆温层、地面风速小于4 m·s^-1。利用太原测站日平均能见度、日平均相对湿度以及空气污染指数进行拟合建立太原能见度预报模型,并利用实测资料订正MM5、CAPPS模式预报误差,给出订正后的能见度预报方程并以两次实例对区域及太原雾天能见度预报表明该能见度预报模型有一定的适用性。     

BP人工神经网络在MM5预报福建沿海大风中的释用

利用MM5中尺度数值模式输出的福建沿海6个气象站2004年5月到2007年10月每天08、20时48 h每6 h间隔的风速预报和实况资料,采用不同隐层以及节点数,按照风速大小分类建立人工神经网络模型,以此为基础应用BP人工神经网络建立风速预报模型,并将该模型应用到2008年1月至2009年2月福建沿海平潭、崇武、东山三站风力预报,对其效果进行检验。结果表明,采用一层隐层3个隐层节点数的人工神经网络模型是预报风速的最佳模型;经人工神经网络订正后,沿海风速预报比MM5模式预报有很大改善,特别是对大风(10 m.s-1)预报能力有极大提高,其Vs评分比MM5模式提高60分;经检验,经人工神经网络订正后的风速预报精度比MM5模式提高约32.3分,总体上,随风力增大,订正后的风速预报效果越好。     

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。     

基于自动站资料的海上风客观预报方法

根据辽宁省沿海自动站资料,采用卡尔曼滤波方法对沈阳区域气象中心MM5中尺度数值预报产品进行解释应用,制作环渤海及邻近海域海面最大风矢量预报的技术方法,对2009年8-12月预报结果进行检验。结果表明：海上最大风矢量预报结果中风速的预报要明显好于风向的预报,其中风向预报最好的海区为黄海北部,准确率为57.3 %;风速预报最好的海区为渤海中部,准确率为64.6 %;风速误差以正误差为主,说明风速的预报值与实况值相比偏大。该方法对于环渤海及邻近海域海上风的预报效果较好,能够比较真实地反映海上风演变过程,具有预报参考价值。     

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。     

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。     

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。     

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 ...     

ROAD模式渤海10 m风场预报误差订正

使用"递减平均法"和渤海28个石油、平台、浮标站资料分析得到的渤海10m风速逐时格点场,对ROAD模式(Regional Ocean and Atmosphere Model)渤海区域10m风速预报进行误差订正,不同权重系数试验表明:对于渤海10m风速预报场,权重系数取0.18,订正效果最佳,12～72h预报时效内,月逐时均方根误差和平均偏差均有明显改善,分别减小1.0～1.5m/s和2.3～3.0m/s;对比渤海北部、西部和中部代表格点72h预报时效内,逐12h最大风速评分结果发现:60h预报时效内,当风速预报在5～6级时,渤海北部、中部和西部订正后的预报评分大多有所提高;当风速预报在7级时,渤海北部和中部分别在36～72h和24～48h,预报评分有提高;在实况出现最多的风力分布范围内评分提高最多。     

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。     

复杂下垫面风电场风速数值模拟及误差特征

利用WRF模式分别对沿海及山地条件下风电场风速进行高分辨数值模拟,并对其误差特征进行分析,结果表明:1)WRF模式对复杂地形条件下的风速模拟性能良好,模拟值较好地体现天气尺度的周期变化;2)沿海及山地条件下模拟与观测的误差特征各不相同。模式静态数据未能显现沿海的小岛,并且低估了山地测风塔所在的海拔,导致沿海平均模拟风速偏大,山地平均模拟风速偏小;3)分析不同风向的归一化均方根误差,沿海陆风情况下,下垫面相对复杂,误差明显增大;沿海海风情况下,下垫面均一,误差明显减小;4)仅作单个风电场周边数百平方千米的模拟,采用一台12核的服务器进行WRF模式的并行计算可满足48 h短期预测的时效性。仅仅提高模拟的网格分辨率,并不一定能提升模拟的准确性。     

集合预报在渤海极大风预报中的应用

利用2015年2月至2018年2月地面气象常规观测中逐小时极大风及欧洲中期天气预报中心集合预报中6 h极大风预报数据,选取渤海海域代表站点,对集合预报极大风产品进行预报误差特征分析。分析表明:集合预报极大风产品的离散度明显偏小于均方根误差,各个预报成员的预报结果集中与否并不能反映出预报可信度。受模式预报能力所限,无法简单通过集合预报选取出最为可信的预报结果。集合平均、第75%分位值、最大值在极大风预报中各有优劣,因此基于以上三个统计量及不同量级风速发生的频率建立了渤海极大风预报客观订正方法,试验对比分析表明,该订正方法可以使极大风预报准确率有效的提高,为大风天气过程预报提供重要参考。     

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。     

环渤海地区4～10天风速预报中相似预报法的应用

依据逐步相似过滤法和最小相似离度原理,利用NCEP逐日再分析资料、T213数值预报产品和环渤海72站1958—2008年地面观测站风速资料,建立不同因子组合的相似过滤方案,制作环渤海72站4～10天每日4次、日最大风速预报。通过多个相似过滤方案预报准确率检验,确定“最佳”逐步相似过滤方案。经过2007—2008年预报检验表明：每日4次风速预报中,0~2级风速的预报效果最好,4～10天平均TS评分达到67%;日最大风速预报中,3~4级4～10天平均TS评分为54.1%,5级及以上的TS评分为17.1%。在风力不太强的情况下,该方法对于中期风速预报有一定的参考价值。     

冬奥会复杂山地百米尺度10m风速预报的机器学习订正对比试验

本文以传统机器学习算法XGBoost和深度学习算法CU-Net为基础,针对北京快速更新无缝隙融合与集成预报系统（RISE系统）预报的北京冬奥会延庆及张家口赛区100米分辨率的冬季近地面10 m风速数据,进行每日逐小时起报的未来逐6小时间隔的冬奥高山站点及其周边地区风速预报偏差订正方法研究和对比分析。对于站点订正,首先将RISE系统预测的10 m风速插值到对应的自动气象站站点,然后根据风速等级表归类,针对每个分类单独构建XGBoost模型,每个区间模型合并后形成L-XGBoost,使用均方根误差和预报准确率作为评分标准,结果表明风速归类的L-XGBoost算法订正效果比不归类的原始XGBoost模型有一定提升,说明在传统机器学习中加入归类方法有助于改善复杂山地站点风速预报技巧。对于站点及其周边地区风速订正,本文在CUNet模型基础上,通过引入不同深度的CU-Net子网络,构建了新的算法模型CU-Net++,并考虑了预报日变化误差和复杂地形对10 m风速的影响,以自动气象站为中心构建空间小区域样本数据,对RISE系统风速预报偏差进行订正。试验结果表明,CU-Net和CU-Net++均可以充...