风向风速传感器的原理及其检测

介绍对风传感器的维护、维修及检测的方法和经验.     

自动气象站风向风速传感器故障的排查

着重探讨自动站风向风速传感器的工作原理、故障产生原因及处理方法。     

区域自动气象站风向风速传感器检测仪设计与应用

为了解决区域自动气象站的风向传感器、风速传感器的检测难题,设计出一种新型便携式风向风速传感器检测仪。该检测仪通过上位机软件和单片机来实现智能检测和控制等功能,工作时由单片机对步进电机驱动器编程可控制步进电机的精确定位,进而精确控制风向传感器的转动角度或风速传感器的转动速度,将传感器输出值与步进电机的标准值进行对比,最终实现自动化检测风向传感器、风速传感器计量性能的目的。通过与现有检测方法对比,结果显示其精确度更高,稳定性更好;该检测仪体积小、重量轻、操作简单便于携带、集合了风向检测功能和风速检测功能;能有效地解决野外区域自动气象站的现场检测难题。     

自动与人工观测风速和风向的差异分析

利用四川7个基准气候站2005年自动与人工观测风速和风向资料,就自动与人工观测的风速和风向的差异、引起差异的原因进行了分析.结果表明:各风速项目均是自动观测值比人工观测值平均偏高,偏高值在0.06～0.46 m·s-1之间,在风速测量准确度的偏差范围内;2分钟风速、10分钟风速、日最大风速的自动与人工对比观测样本差值在...     

一种集成风向风速的风场空间检验方法

基于概率分布特征定义全新风速阈值选取方案,不受地域及季节性影响,并综合风向信息建立兼顾风向风速的风场分类列表,采用邻域空间检验技术构建可集成风向风速的矢量风场检验方法。基于2018年4月1—30日GRAPES_Meso模式不同分辨率（10 km及3 km）逐小时预报产品,利用所开发的矢量风场检验方法分析表明:模式风向预报的随机性随着风速的增大而减小,即弱风的风向难以成功预报。通过矢量风场综合分析发现高分辨率预报效果在170 km空间尺度上24 h预报最大评分优势可达0.24,各邻域空间尺度上评分分布趋势保持一致。通过敏感性分析发现,所获取的综合指标可用于反映风场预报性能。同时,不同矢量风场分类方法将对评估结果产生影响,高分类方法评分稳定性更好,低分类方法受限于单一分类权重过大而影响评估一致性。因此,在计算能力允许的条件下,选择较高分类方式将有助于获得更为稳定的检验效果。     

考虑风速日变化的城市主导风向分析——以眉山市为例

利用眉山城市2005-2017年的逐小时风观测资料,从风向频率、风速日变化特征等方面对各风向的通风效果进行了评估,确立了眉山城市的主导风向。结果表明,眉山城市的主导风向东坡区是以北风为中心的北东北风、北风和北西北风,彭山区是以东北风为中心的东东北风、东北风和北东北风;次主导风向东坡区是以北东北风为中心的北风、北东北风和东北风,彭山区是以东东北风为中心的东北风、东东北风和东风。     

超声风速温度仪的误差分析与检定方法研究

根据超声风速温度仪的原理,分析了其测量误差的主要来源,进而总结出两个主要误差项.针对这两个主要误差项提出了一种快速的误差检定方法,理论上只需两次测量即可完成对风速温度的误差检定.同时分析了不同温度条件下相对湿度对超声风速温度仪测温的影响,并给出了相关结论.     

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。     

威宁边界层风廓线雷达与探空系统的风向风速一致性初探

利用2019年6—12月威宁县边界层风廓线雷达数据和威宁探空数据,预设二者风速偏差≤3 m·s^-1、风向偏差≤20°为有效数据样本,对两者在不同风速、风向范围和不同高度、时次、降水条件下风向、风速数据进行对比及相关性分析。结果表明：(1)风廓线雷达和探空的风速、风向均具有较好的正向相关性;(2)在不同高度下,无论有无降水或任意时次,风速有效样本比率大体上高于风向有效样本比率,500 m左右高度以下有效样本比率总是最小(<50%),而中高层较大;(3)不同时次对风速、风向数据有效性影响不大;(4)有降水时风速、风向有效样本比率比无降水时偏小且变化剧烈;(5)除东北(20°～40°)和西南(200°～260°)风向外,其他方位风向数据一致性较差;(6)除>24 m·s^-1的风速外其他大小风速均具有较好的一致性。     

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.     

降雨强度对激光雷达测风精度的影响研究

多普勒激光雷达在大气、环境以及风能等领域得到越来越广泛的应用,但对于复杂天气下多普勒激光雷达的适用性仍然有待深入研究。为此本研究采用2020年8—10月期间位于福建三沙的地基多普勒激光雷达与边界层高塔所搭载的超声风温仪观测的风场数据进行对比,发现多普勒激光雷达在水平风速、风向方面具有稳定的高精度探测性能,与超声风温仪之间相关系数达到了0.948和0.984。相比之下,激光雷达垂直风速的探测误差较大,与超声风温仪之间相关系数仅有0.353。研究发现,降雨强度与激光雷达垂直风速误差呈正相关关系,强降雨下垂直风速偏差最大可达到9 m/s。     

基于径向功率谱的风廓线雷达错误风数据处理

选取上海市世博园区站、金山站和嘉定F1赛车场站3个风廓线雷达站2012年3月7日凌晨一次降水过程生成的错误水平风场数据,通过对比该时段高、低模式扫描实时径向功率谱数据,指出在降水初期风廓线雷达软件质量控制出现错误的原因,并重新识别错误时段的功率谱,反演水平风场数据。分析表明:在降水初期由于风廓线雷达各波束探测的数据在空间上不一致,易导致雷达软件采用的质量控制算法并不能全部识别和消除降水对数据的干扰,从而出现偏差。基于风廓线雷达高时空分辨率径向功率谱数据的分析处理方法可有效验证雷达软件质量控制算法,且经过该方法反演后的水平风场更为合理。     

一种基于实景图像的低能见度识别算法

为了利用大量视频监控设备提高能见度数据采集密度,提出一种基于实景图像转换的、采用简单卷积神经网络分类提取能见度等级的算法。该算法假设视频设备水平安装且具备开阔视野, 对原始视频图像进行水平分块,提取各分块的梯度、饱和度和亮度信息组成新的图像,基于简单卷积神经网络建模。采用2019年9月—2020年12月上海洋山港气象站29668张视频图像进行训练,建立识别模型,并采用2021年1—5月5757张视频图像对模型进行测试。采用该算法建立的模型参考雾的预报等级(GB/T 27964—2011)将能见度分为5个等级进行检验,白天准确率为87.99%,夜间准确率为81.32%,优于直接采用AlexNet模型。对1000 m以下低能见度天气的识别准确率达95%以上。利用现有的视频摄像头,可有效弥补气象站点能见度仪数据不足的问题,在气象业务上有一定的应用价值。     

低频天气图预报方法的思索

对当前国内推广应用低频天气图延伸期天气过程预报方法需要思考和探索的几个问题：气象服务需求、完善技术方法、今后如何发展等提出了一些见解,供推广应用低频天气图延伸期天气过程预报方法的有关省市自治区业务单位思索。     

CMIP5多模式对阿留申低压气候特征的模拟检验与预估

利用观测的海温资料和海平面气压资料,检验了CMIP5(Coupled Model Intercomparison Project 5,CMIP5)多模式对阿留申低压(Aleutian Low,AL)特征指数的时空分布和变化的模拟能力;从AL周期及变化趋势等方面,分析了CMIP5模式预估的未来AL的变化特征。结果表明,CMIP5模式及其集合平均能够很好地模拟AL的环流结构,对AL的气候态有着较强的模拟能力,尤其是模式对于东太平洋海表温度的模拟能力直接影响其对于AL的模拟效果。模式的集合平均对变率强度的模拟偏强,且对于变率的模拟效果逊于对气候态的模拟。22个模式中的16个模式能模拟出AL强度指数的年代际变化周期,对年代际周期有着较好的刻画能力。Historical试验下对于AL的变化趋势存在着较大的不确定性,而相对于两种不同排放情景,随着排放的增加,AL更加偏北,强度增强,年际、年代际周期变得更加显著。在两种排放情景下模式的集合平均以及多数模式模拟出AL有着向北和增强的趋势。     

成都市民航气象行业标准下的低能见度时空分布特征研究

本文采用1980~2010年成都市14个站31年能见度资料,对于民航气象行业标准下的低能见度时空分布进行了统计分析。结果表明:对飞行有影响的低能见度(<600m)浓雾天气早上最易出现在成都市南部、西南部及东部,且该区域部分站点浓雾较难消散,其中新津县和蒲江县夜间开始就易出浓雾天气。西北部早上不易出现浓雾天气,但位于该区域的郫县早上和都江堰下午至夜间相对易出能见度在600~1000m的雾。1980~2010年期间,成都市多数站点年浓雾天数呈下降趋势,只有新津站随时间逐年上升。出现其它级别低能见度的天数年变化多为波动形式。      

基于假反扰动的江淮梅雨锋低涡初始误差分析

以一个江淮梅雨锋低涡的48h模拟结果为基态计算了奇异矢量,并利用奇异矢量构造了假反扰动。分析表明,假反扰动能在一定程度上描述初始误差,可以借助其进行初始误差分析;在假反扰动中,发展缓慢的奇异矢量分量是主体,描述了绝大部分模拟误差且增长迅速的奇异矢量所占比例却很小;分析假反扰动的具体形势发现850hPa上初始误差主要是低涡西南方向的低压槽偏弱,而在500hPa,渤海湾低压槽向西南方向的伸展不够,低压槽东边的高压脊应进一步向北伸展,这些初始误差都分布在关键系统的周围,并且具有中尺度的特征。另外,假反扰动中不同物理量场改进预报质量的贡献各不相同,各种物理量场间存在着使其空间分布趋于一致的动力相关关系。     

基于高分卫星影像的复杂山区光伏电站信息提取

该文基于高分卫星资料,通过基于规则的面向对象分类、基于最邻近法的监督分类及基于CART分类器的监督分类三种不同分类方法,对复杂山区光伏电站进行提取,对比三种分类提取方法结果并完成精度验证。结果表明,合理的分割参数有利于提高光伏电站提取精度;基于规则的面向对象分类法光伏电站提取精度最佳,最邻近分类法次之,CART分类器分类法最差,可利用基于规则的面向对象分类法较为准确地进行复杂山区光伏电站信息提取,为光伏产业健康、合理发展提供一定的数据支撑。     

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.