基于多模式融合模型的高精度风速预报方法研究

针对新能源功率预测中提升风速预报精度的需求,文章基于气象数值预报模式,利用4个背景场资料和8种参数化方案开展敏感性试验.然后,基于风速观测数据评估了集合预报成员在不同层高的风速预报效果.文章结合贝叶斯模型平均方法和相关系数滑动平均法建立了多模式融合模型,得到更加准确的确定性风速预报结果.研究显示,通过集合成员加入EC背...     

高分辨率中尺度数值模式在风电场风速预报中的应用

将美国科罗拉多大学的RAMS(Regional Atmospheric Modeling System)模式应用到某风电场短期风速预报的试验中,水平分辨率达到1km.预报结果与10min平均的实测资料对比表明,RAMS模式对6～72h的短期风速预报结果较好.     

基于机器学习的风电场风速多模式集合预报

[目的]随着大量风电场的兴建,组合研究不同的机器学习算法和气象预报模式已成为研究焦点。[方法]文章以湖北省风能资源的空间分布特征为基础,通过选取代表站点结合实验数据分析对结果进行深入探讨。[结果]在湖北省,已建和在建的风电场主要集中在“三带一区”的区域,具体包括：位于湖北省中部,从荆门至荆州的南北向风带;位于鄂北,从枣阳至英山的东西向风带;部分湖岛和沿湖地带;以及鄂西南和鄂东南的部分高山地区。该研究采用4种不同的数值预报产品,包括CMA-WSP、CMA-GD、WHMM和EC,与实测风速对比深入探究这些数值模式的适用范围。[结论]通过分析基于机器学习的5种集合预报方法及均值法在湖北省各地区的表现确定了适合的算法和预报模式组合,为提高集合预报的准确性提供了参考。     

基于自相关分析的风速最佳预报长度度量方法研究

风速预报对于大规模风电并网具有重要的意义。基于历史数据的统计建模方法是目前最常用的风速预报方法。然而,采用该方法进行风速预报的可预报性问题,尤其是风速最佳预报时长问题,目前的研究中没有相应的定量描述方法。文章基于自相关分析的方法对风速的最佳预报长度问题进行了研究,利用大量的实测风速数据进行了实验分析。研究分析发现:随着相关长度的增加,预报误差先下降后上升;误差转折点对应的相关尺度约为4 h,可以作为利用历史数据进行风速预报的最佳预报长度。因此,可以利用自相关分析对可预报性进行度量,进一步地细化风速预报研究。     

两种风速短临预报方法对比研究

利用BP神经网络法和最小二乘法,对不同地形条件下的4个测站的10 s量级和15 min量级平均风速进行短临预报实验。研究发现,最小二乘法预报误差小,满足预报误差小于35%的日数比较大。无论是10 s量级预报,还是15 min量级预报,对于风速较大的01号站和04号站,最小二乘法优于BP神经网络法;对于风速较小的02号站和03号站,两种预报方法的预报效果相近;在10 s量级和15 min量级的风速短临预报方面,算法复杂的BP神经网络法并无明显优势。因此,在选取预报方法前,应结合预报方法本身的特征,充分考虑预报方法对地形、地貌和气候特征以及预报时效的适应性,最好对几个备选方法进行预报效果比对。     

基于STCP-BP的风速实时预测方法研究

为提高实时预测精度,提出一种新的基于时空相关性和BP神经网络的风速实时预测方法。该方法首先基于风速演变的物理特性,依据目标预测点若干个邻域点的风速及风向信息,建立时空相关性预测(spatio-temporalcorrelation predictor,STCP)模型并得到不等时间间隔的预测风速;然后依据目标预测点的风速序列建立BP神经网络预测模型进行风速的实时预测;最后将STCP结果以一定的滑动时间窗与BP预测模型得到的实时预测风速进行适当加权组合得到最终的预测风速。以某区域多个风电场实测数据为例进行仿真测试,结果表明,与BP预测模型相比,该文提出的STCP-BP组合预测方法可有效提高风速的实时预测精度。     

基于WRF模式与相似Kalman滤波法订正后的风速预报效果分析

为提高张家山风电场风速预报质量,比较了张家山测风塔处的实测风速WRF模式预报的风速的误差,再利用相似Kalman滤波方法订正预报的风速,以减小WRF模式预报风场的系统误差和随机误差。结果表明,WRF模式对敏感区的风速预报能力最好,对小风区的预报效果较差,对冬季的预报效果略好于春秋季;再使用相似Kalman滤波方法对模拟风速进行误差订正后,所有时刻的预报能力得到提高,平均偏差、均方根误差变小,从而提高了风速预报的准确率。     

基于NCEP GFS与JMA GSM预报场的WRF模式风速预测效果对比

基于NCEP GFS、JMA GSM两种预报场资料,设计了4组模拟试验,分别采用WRF3.4/3.4.1模式预测了2014年5月23～26日、9月22～25日两个时段（再细分为6个子时段）香港地区近地层10 m高处的风速,并选用15个地面自动气象站及1个探空站垂直风廓线实测数据对预测结果进行检验。结果表明,在稳定天气条件下,NCEP、JMA预报场均能较好地反映近地面风速的日变化过程,所预测的10 m高处风速的RRMSE值相差不大,NCEP预报场预报的风速变化趋势相对较准;近地层垂直风速廓线模拟中NCEP预报场优于JMA预报场,JMA预报场模拟风速廓线走势存在失真现象;更新YSU模式能小幅改善夜间地表风速模拟效果,但对风速廓线走势影响不大。     

大气模式物理过程参数化对风电场风速预报的影响

准确预报风电场风电功率对风电稳定发展至关重要,可有效减轻风电对电网的不利影响,提高风电场运行效益,其前提是准确预报风电场风速。以宁夏某风电场为例,基于中尺度大气模式WRF,采用不同物理过程参数化方案设置对提前72h的逐时风速进行预报,并将预报结果与实际风速资料对比,分析了WRF模式不同物理过程参数化方案设置对风速预报结果准确度的影响,并优化了物理过程参数化方案设置。结果表明,行星边界层参数化方案与辐射过程参数化方案设置对风速预报结果准确性影响较大,微物理过程参数化方案与积云对流参数化方案设置对风速预报结果准确性影响较小。     

基于优化CFD模型的风电场风速数值模拟

为了提高风资源普查的精度,更好地针对我国地形及风况,文章优化了现有风资源计算流体力学模型,并编写了相应计算模块。优化模型包括:(1)贴合复杂山地地形的网格化分器,可以对任意地形进行网格划分;(2)通过分析测风数据自动计算湍流模型系数;(3)增加温度运输方程,将大气边界层热稳定度耦合到动量方程和湍流模型中;(4)与实际大气边界层热稳定度分层效应一致的入口条件及壁面函数。为了验证优化后的风资源计算方法的精度,文章对一待开发风电场进行了风资源计算。计算结果显示,使用优化的模块可以更精确地计算风速,与优化前相比,可以将误差至少降低10%。     

复杂地形风速数值模拟

应用GUIDE模式，利用给定参考点的风速资料，考虑粗糙度变化，地形特征对风速的影响，对一些试验点进行风速模拟，模拟结果与实测资料进行对比，表明模拟结果有较高的精度。     

基于在线支持向量机的风速预测方法研究

对风速的预测可准确地估计风力发电机组的有效风速,提高风力发电机组的控制能力。本文以风速为研究对象,建立风速模型获取实验样本,提出一种基于在线支持向量机的风速预测方法,并进行实验验证。     

基于混合Copula优化算法的风速预测方法研究

针对风电场中各风电机组风速之间存在的复杂时空相关性问题,提出一种基于混合Copula优化算法的风电场风速预测方法。该方法首先分析单一Copula函数拟合优度检验,选取合适Copula函数进行组合;其次,构建混合Copula函数模型对风电场内多风电机组风速相关性进行分析;最后应用最大期望（EM）算法求解模型相关系数并完成风速预测。结合优化算法,改进Copula函数能很好地解决风速相关性问题,为获取准确风速预测值奠定基础。以中国某地区风电场风电机组实测风速数据为例对所提方法进行验证,实验结果表明该模型可在准确分析风速相关性的基础上提高风速预测准确性。     

基于WRF模式和风速误差修正的中期风电功率预测方法

随着新能源保供电的重要性日渐凸显,调度人员对中期风电功率预测的需求程度也进一步加深。针对由预测前瞻时间增长导致的风速预测误差不断增大问题,提出一种基于中尺度数值天气预报模式（WRF）和风速误差修正的中期风电功率预测方法。首先,利用WRF模式获取高时空分辨率的数值天气预报数据;然后,采用混合高斯分布算法量化表征预测误差的时序规律,构建基于隐马尔科夫模型（HMM）的风速预测误差修正方法;最后,基于误差修正后的风速预测建立极端梯度增强（XGBoost）模型进行功率预测。算例分析表明,所提误差修正算法显著提升了风速预测精度,同时可有效降低中期风电功率预测误差。     

降水数值预报和水文预报耦合效果定量评价方法

基于信息熵的基本原理,改造了信息熵函数,针对系统耦合中的诸多不确定性因素,提出了一种耦合效果的定量评估方法,利用自信息量评估各节点完成预报工作的能力,选取降水数值预报信息的获取能力、降水数值预报信息的处理能力、预报系统的调用能力和系统耦合预报成果的存储与输出能力描述工作能力,并采用数理统计方法确定各节点内不确定性因素的隶属度。实例应用结果表明,该方法能定量估算由于预见期的延长对水文预报耦合成果不确定性的影响,为耦合成果的精度评定和应用提供了客观的评价。     

基于多任务学习的风速实时预测方法

准确的秒级风速实时预测能够提高风电机组的运行状况和控制品质,为电网做出最优调度决策提供辅助信息.目前风速实时预测时间分辨率通常为分钟级,且在小数据集的情况下模型泛化能力弱.文章以时间分辨率为5s的风速序列为研究对象,提出了基于多任务学习的风速实时预测方法.该方法结合了变分模态分解方法和长短期记忆神经网络.首先,通过变分...     

基于SVM方法的风电场短期风速预测

针对基于支持向量机的风电场短期风速预测进行研究．选择了不同的输入向量（历史风速时间序列,历史风速和温度．历史风速、温度和风向,历史风速、温度和时间）作为输入进行误差对比分析。实测数据及分析结果表明,采用历史风度和温度的二输入模型,预测效果最佳,为风速的短期预测和发电量预测提供了较好的参考价值。     

基于风轮面等效风速的风电场发电量评估方法研究

基于风轮面等效风速(REWS),建立考虑风切变影响的发电量评估方法。首先,根据CFD仿真技术建立风电场风切变计算方法,并通过实际风电场案例验证该方法的可靠性;其次,通过风电场案例分析传统发电量评估方法由于未考虑风切变的影响而产生的误差,该误差在湍流强度为0.14时高达4.33%,在湍流强度0.18时高达4.51%,因此在评估过程中不能被忽略。最后,采用REWS定义功率曲线建立新的发电量评估方法。风电场验证结果表明,新方法将风切变引起的发电量误差从4.51%降到了0.62%,具有较高的计算精度。     

基于伴随方法的低风速风电机组翼型优化研究

以提高翼型的升阻比为优化目标,基于CFD(computational fluid dynamics)数值模拟,利用基于控制理论的伴随(Adjoint)方法及网格快速变形理论,在低风速条件下,分别对水平轴风电机组叶片通常使用的传统航空翼型NACA0012和风电机组专有翼型S8036进行仿真优化研究。结果表明:结合基于控制理论的伴随算法及网格快速变形方法,可有效改进优化2种不同类型翼型的气动性能。在相同的流场条件下,优化得到的翼型分别与初始翼型NACA0012和S8036相比,升阻比分别提高8.75%和16.74%。