共查询到10条相似文献,搜索用时 15 毫秒
1.
风电功率预测中最重要的因子是风速,准确的风速预测是风电功率预测的前提和基础。为了提高短期风速预测的准确性,本研究采用WRF模式,对我国上海崇明吕四风电场的风速进行预报。在此基础上,利用PCA-RBF算法结合WRF模式预报风向、气温、气压等气象要素对预报风速进一步订正。实验结果表明,利用PCA-RBF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,相对均方根误差降低20%~30%,相对平均绝对误差降低15%~20%。与其他智能算法(BP算法、LSSVM算法)对比分析后得出,PCA-RBF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。 相似文献
2.
根据丘陵浅山地区8个测点低空风速实测资料进行风速廓线拟合,求得风速幂指数,将大气环境质量预测中的风速模式化,用来预测大气污染物的浓度分布。 相似文献
3.
两种模式在风电场风速预测应用中的对比 总被引:1,自引:0,他引:1
利用2011年12月至2012年11月贺兰山风电场测风塔实测资料和同期WRF、BJ-RUC模式预测结果,对2种模式在风速预测中的应用进行对比分析。结果发现,月尺度上,2种模式预测的风速月均值普遍较实测值高,且WRF较BJ-RUC更接近实测值;WRF预测的月平均风速标准差普遍较实测低,而BJ-RUC普遍比实测大;春季WRF预测效果整体上较BJ-RUC好,其它季节WRF预测的月平均风速均方根误差较BJ-RUC的小,但与实测风速的相关性较BJ-RUC与实测风速相关性差。日尺度上,凌晨至中午前后和傍晚至前半夜2个时段,2种模式预测风速普遍比实测值大,而中午至傍晚时分正相反,预测值普遍较实测小。2种模式对〉12 m·s^-1风速预测的均方根误差最小,其次是3~12 m·s^-1,〈3 m·s^-1风速预测的均方根误差最大,但BJ-RUC对3~12 m·s^-1范围风速的变化趋势把握能力较好。WRF和BJ-RUC都普遍低估了1~4 m·s^-1风速段的频次,对5~10 m·s^-1范围频次普遍明显高估,对10 m·s^-1以上风速,WRF预测频次较实测低,而BJ-RUC预测频次则较实测高。BJ-RUC对该区风向的预测能力较WRF好。 相似文献
4.
在影响风电功率预测准确率的因素中,气象预测数据源的选取和组合影响较大.基于广西A、B两个山地风电场2020年2月1日至3月15日15min实测风速、4种单一气象数据源及3种混合订正气象数据源的预测风速,分析不同气象预测数据源对风电场风速预测准确率的影响.结果表明,多种数据源混合订正预测结果总体优于单一气象数据源预测结果... 相似文献
5.
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。 相似文献
6.
风能始源于大气的运动,具有很大的随机性和间歇性。风速预测是风电场风功率预测的基础,其准确性具有重要的意义。对于复杂地形条件下,风速的预报一直是各国研究的难点和重点。为了提高风电场短期风速预报的准确性,本研究采用多种边界层参数化方案来集成预报风速,将各单一边界层参数化方案预报的风速及相应的实测风速数据,应用随机森林算法建立集成预报模型,对风电场的短期风速进行集成预报研究。试验结果表明,采用集成预报风速方法,预报的风速误差相比于单一边界层参数化方案预报的风速误差明显减小,对研究区域的风速、风向等气象要素有着较好的模拟效果,能够有效提高风速预报的准确率。 相似文献
7.
基于数值模拟和统计分析及智能优化的风速预报系统 总被引:2,自引:0,他引:2
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. 相似文献
8.
为提高短期风速及功率预测的准确率,减小风电不确定性对电网系统的影响,尝试利用预测窗口期的风速观测进行数值天气预报的集合成员选优,挑选和实际风速更接近的相似预报成员,并构成选优集合进行机器学习模型的训练和测试。相较仅使用集合平均的常规方法,该方法考虑了不同集合成员之间的预报差异,避免了引入误差较大的集合成员,从而有利于改善预报风速偏差。利用不同海拔高度、不同地形特征的河南、甘肃两个风电场中不同集合的表现及敏感性试验结果,确定风电场最佳选优集合数量。相较于集合平均的结果,集合选优方案在不同天气过程中能较好地预报风速的起降,与实际风速更接近,且海平面气压场整体更接近ERA5。对不同风电场进行连续十一个月的风速及功率预测对比试验,结果表明,集合选优方法预报的风速日变化形态和月均风速较原集合平均方法均有改善。分析两个风场不同时长范围、不同速率变化的上坡风和下坡风观测数据可知,在0~2h及2~4h内,风速变化为2~4m/s的个例最多。对比集合平均结果,集合选优方案对于该类型上、下坡风的预测精度均有较为明显的提升。利用机器学习算法对选优集合预报进行训练,能进一步降低风速的绝对偏差和均方根误差,从而有效改善功率预测精度。 相似文献
9.
10.
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。 相似文献