基于PCA RBF的风电场短期风速订正方法研究

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。     

基于WRF模式的风电场短期风速集成预报方法研究

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。     

风电场风速数值预报的误差分析及订正

使用WRF模式对内蒙古某风电场区域内的2011年1-6月,50m高度的风速进行了模拟,并结合实测风速对模拟结果进行了评估。在此基础上再利用自回归模型(AR模型)和持续法对WRF模式模拟结果进行了订正预报,订正结果表明:AR模型和持续法都能有效地减小WRF模式风速的模拟误差,AR模型订正效果优于持续法。为能对订正预报时效进行延长,提出了"假设观测值"概念。在AR模型的基础上建立一种新的订正模型称之为New AR模型。其订正预报结果表明:新模型能在12h时效内,改善WRF模式风速模拟精度,其中6h的改进效果较好。     

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 ...     

基于测风塔观测资料的近地层风速平面订正

利用辽宁和吉林省24座测风塔风速观测资料,应用线性回归方法对高分辨率中尺度模式近地层风速预报产品进行订正。首先通过4组不同的订正实验分析训练样本长度、样本滚动方式等对订正效果的影响,确定单点订正最佳方案,并综合线性方法在东北地区不同下垫面条件下的适用性;然后应用24座测风塔已确定的单点订正关系,尝试区域风速的平面订正,并基于剩余23座测风塔资料对全场订正效果进行评估。结果表明：训练样本的长度对订正效果影响较明显,在东北地区训练样本长度取20 d效果最佳;当训练样本长度取最优天数时,滚动系数的订正效果与固定系数的订正效果基本一致;各种下垫面通过线性订正均能取得较明显提高,其中丘陵地区效果最明显,通过订正均方根误差整体降低1.61 m·s^-1,平原地区为0.95 m·s^-1,沿海地区为0.91 m·s^-1;平面风速订正实验显示,订正关系平面外推可取得明显的订正效果,全场平均绝对误差降低0.20 m·s^-1,该方法可为订正资料匮乏区域的预报提供参考。     

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。     

基于概率密度匹配方法的WRF模式阵风风速误差订正

为提高数值模式对阵风风速预报能力,采用概率密度匹配方法 (Probability Density Function Matching Method,简称PDF方法)对WRF模式地面极大风速预报数据开展误差订正。结果表明:①基于PDF方法订正后的阵风预报效果明显优于WRF预报结果,当实况极大风力≤5级时,两种预报结果均与实况较为一致;当实况极大风力≥6级时,WRF预报相比实况明显偏小,而PDF方法订正结果则与实况较为接近;②对比不同地形条件下两种预报结果发现,在实况风力整体偏弱的平原地区,WRF预报和PDF订正结果对极大风的预报效果均较好;在风力偏强的山区和沿江河谷地区,PDF订正结果的预报效果相比WRF预报则有明显提升;③对2017年安徽省81个国家站逐日极大风速的预报效果检验发现:预报误差和过去五年整体拟合误差基本相当,说明基于2012—2016年历史数据建立的概率密度分布函数可以代表安徽各站多年的实况和WRF预报极大风速的联合分布特征,利用PDF方法进行逐日极大风速预报具有一定的可靠性。     

镇江地区ECMWF模式高温预报订正方法研究

针对镇江ECMWF模式168 h内高温(t≥35℃)预报结果提出四种后处理订正方案,包括一元线性回归法、差值法、综合法和递减平均法;借助均方根误差等四种检验方法就订正效果进行评估,找寻最优订正方案。结果表明,四种订正方法都明显改善了ECMWF模式高温预报,订正后的均方根误差、平均绝对误差及最大绝对误差较订正前均有所减小,预报准确率显著提高。对于24 h时效内预报,四种订正方法各有优势。对于48～168 h时效预报,一元线性回归法效果更优。采用分时效对ECMWF模式高温预报结果进行后处理,考虑24 h预报订正使用递减平均方法,48～168 h预报订正使用一元线性回归法,可以更大程度地提高预报准确率。     

气候因素在短期气候预测中的订正作用

根据2002—2005年国家气候中心气候系统诊断室发布的逐月短期气候趋势预测产品,统计了对赤峰地区的预测效果,分析预测成功和失败的可能因素,提出了地区级预报员对上级预测结论进行订正的一个主要依据,就是当地的气候特点和规律。     

超级集合预报的误差订正与集成研究

利用类似KALMAN滤波的自适应误差订正法对中国国家气象中心、日本气象厅、美国国家环境预报中心、加拿大气象中心和澳大利亚-法国气象局的区域集合预报模式2m温度预报做订正,并对订正后的结果采用算术平均和多元回归两种方法进行集成.结果表明:订正后温度预报的各项检验指标都显示出不同程度的改善.36h内平均绝对误差在1.8℃以内;均方根误差也有明显减小,且与离散度大小更接近;talagrand图的U型分布仍然存在,但个别成员异常的现象得到改善;集合成员预报分簇的现象得到了很好的矫正;此外预报误差存在日变化.两种集成方法的温度预报结果都优于单一模式预报,并且不存在明显的系统误差,预报达到了一定精度.其中多元回归方法的集成效果胜于算术平均集成.     

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。     

谐波分析方法在沿海风速数值预报订正的应用

利用福建漳浦沿海一座测风塔2009年12月—2010年11月的观测资料和中央气象台发布的MM5风速数值预报资料,统计分析了沿海近地层风速和风速数值预报误差的变化特征,统计结果表明:全年和各季节的风速变化具有明显的日变化特征,日最小风速出现在上午至午后,日最大风速则出现在旁晚至凌晨;同时,风速数值预报与测风塔实测风速的误差也存在较明显的日变化特征,这种变化特征与近地层湍流的发生发展有密切联系。在统计分析基础之上,提出一种谐波分析与人工神经网络(ANN)相结合的24 h短期风速数值预报的订正方法,订正试验结果表明:该方法可以每24 h更新一次预报结果,相对于风速数值预报的精度,两次独立样本检验的平均绝对误差分别减小25.6%、28.8%,且订正后使得风速数值预报的系统性偏差有明显下降。     

基于误差权重的站点降水订正预报方法研究

基于2018—2020年逐日修水国家基本气象站降水实况和模式降水预报数据,对ECWMF、NCEP、JMA、CMA-GFS、CMA-SH9等5种模式24 h及48 h降水预报进行了误差分析及检验。结果表明,总体上各模式24 h、48 h降水预报误差均以一个量级的正误差为主;各模式24 h降水预报误差小于48 h; CMA-SH9、JMA模式24 h、48 h预报误差均较小;总体上各模式24 h预报评分优于48 h;华东模式、日本模式24 h、48 h晴雨准确率均较高;CMA-SH9、ECMWF、NCEP模式24 h、48 h降水预报各量级风险评分均较高;JMA模式对24 h暴雨及以上量级降水可能具有一定的预报指示意义;总体上各模式24 h、48 h降水预报风险评分随量级增大而降低,空报率、漏报率随量级增大而增大;总体上各模式24 h、48 h小雨预报性能较优,中雨均易空报,大雨均易漏报,暴雨及以上降水均易空报与漏报。进一步通过引入滑动训练期,并基于平均绝对误差权重的多模式集成订正方案对降水预报进行订正,且对订正预报结果进行了整体及分季节评估检验。结果表明,相对多数模式,经订正后24 h、...     

基于短期历史资料的河西地区太阳辐射预报订正研究

基于数值模式的太阳辐射预报往往存在一定的系统性偏差,AVT订正方法能够有效降低预报偏差,本文利用该方法对甘肃河西地区两个光伏电站的太阳辐射预报结果进行订正。结果表明：(1)订正前预报偏差呈现明显的“先增加、后减小”日变化特征,订正后日变化特征不明显,并且订正前预报偏差与观测值线性关系显著,订正后线性关系减弱(相关系数降低、拟合优度降低);(2)太阳辐射存在明显的年变化特征,其预报偏差春季最高,其次为夏季,冬季最小,订正后不同季节的预报偏差均降低,春季和夏季降低较为明显。     

基于WRF和SVM方法的风电场功率预报技术研究

利用WRF(Weather Research and Forecasting)模式,对2006年河北省张北地区某风电场区域全年回报的风速和风向,以及与对应时间段70 m高度的测风塔实测资料进行了对比分析,发现模式预报效果较好.利用2008年全年风电场每台风机的实际功率与对应时刻轮毂高度风速、风向、气温、相对湿度和气压回报资料,使用支持向量机(Support Vector Machine,SVM)回归方法建立了每台风机10min一次的风电场功率预报模型,并利用该模型进行了2009年为期一年的预报试验,检验模型的预报性能.结果表明,集WRF模式和SVM方法建立的风电功率预报方法具有较好的预报效果.各月预报相关系数在0.71～0.82之间,归一化均方根误差在9.8％～16.5％之间,归一化平均绝对误差在5.4％～10.5％之间;全年预报相关系数为0.79,归一化均方根误差为13.3％,归一化平均绝对误差为8.3％.     

结合历史资料的数值天气预报误差订正

运用基于历史资料的模式距平积分订正(ANO)方法,结合欧洲中心的ERA-interim再分析资料和0.1度分辨率的中国地面自动站与CMORPH卫星反演降水资料融合逐时降水产品,对高分辨非静力WRF模式的数值预报结果进行订正试验,检验了ANO方法对灾害性天气、尤其持续性强降水预报的订正改进效果。对1983-2013年7月中旬四川地区数值预报结果订正前后与观测和再分析数据的比较表明,ANO方法不仅在环流场的预报订正试验中有较为显著的效果,对模式降水预报结果也有改进,能够有效提高模式对强降水的预报精度和评分、减小预报偏差,其中对2013年7月8—13日高分辨预报结果的ANO订正试验发现,订正环流场各变量都有改进,其中位势高度距平相关系数ACC平均提高了7.8%,均方根误差RMSE平均降低了55.7%,降水(特别是暴雨以上量级)的ETS评分和TS评分也有不同程度的提高,并得到多年独立样本的高分辨数值预报订正结果的支持。     

中尺度集合预报的二阶矩离散度订正研究

利用类似KALMAN滤波的自适应误差订正方法对中国国家气象中心的中尺度集合预报系统2m温度预报做二阶矩离散度订正研究.通过对预报结果,尤其是概率预报结果比较详尽的检验分析,评价二阶矩订正对离散度的调整效果.结果表明:经过二阶矩订正后,2m温度的订正效果较为显著,集合成员预报的PDF分布比较一致,CRPS也比订正前减小了;预报的离散度得到合理的增大且与均方根误差较为接近,预报可靠性提高;无论是集合平均预报还是概率预报,预报能力都明显提高; 另外,针对集合概率预报可靠性的talagrand分布,针对集合预报分辨能力的roc分析和EV分析,以及概率预报评分bs、bss都从各自的角度证明了误差订正的效果,订正后预报能力大为提高.     

基于大尺度模式产品的误差订正与统计降尺度气象要素预报技术

应用自适应卡尔曼滤波方法,对大尺度模式要素预报进行误差订正和降尺度精细化气象要素预报。并通过对订正系数科学选取的研究,改进了滤波方法的应用效果。通过对大尺度模式系统进行误差订正,改善了大尺度模式预报的准确率,提高了模式要素,如2 m温度、10 m风等预报的精度,并基于改善了的大尺度模式预报场和高分辨率观测场,生成降尺度函数,得到高精度的气象要素预报产品,为精细化气象要素预报服务提供了有效的方法。     

基于旋转经验正交分解的流域降水气候预测误差订正方法

流域尺度的降水短期气候预测水平对流域的防灾减灾具有重要价值。为了进一步提高中国科学院大气物理研究所新一代大气环流模式IAP AGCM 4.1在淮河和长江流域夏季降水预测效果,利用旋转经验正交分解（Rotated Empirical Orthogonal Function, REOF）方法对两个流域夏季降水区域特征进行分析的基础上,建立了一个适用于流域的分区经验正交分解（Empirical Orthogonal Function, EOF）订正方案,并利用IAP AGCM 4.1气候预测系统在两个流域的夏季降水共30年（1981～2010年）的集合回报试验结果进行了订正试验。结果表明分区订正方法明显改进了模式对淮河流域的夏季降水预测水平,淮河流域的流域平均相关系数从0.03提高到了0.22。对长江流域的季度降水预报也有显著的改进效果,平均相关系数从-0.05提高到0.24。分区订正结果明显优于流域整体订正方案,证明了基于REOF分析确定降水具有强局地性特征的订正区域,能够很好地提高EOF订正方法的效果稳定性,这对其他流域降水预测的订正研究具有很好的借鉴意义。     

中期数值天然预报的误差订正方法探讨

本文利用一个全球谱模式（Ｔ６３Ｌ９）和１９９４年４个时段个例的全球客观分析资料探讨了中期数值天气预报的误差订正方法。个例分析的结果表明,采用定常误差订正和时空平滑误差订正方法,误差订正效果显著,可考虑在业务系统中采用。