基于短期定量降水预报的隔河岩洪水预报研究

统计分析了清江流域短期定量降水预报不同降水等级下的确率、漏报率和空报率,应用最近邻抽样回归模型对逐日降水预报资料行时段分配,将得到的逐时段降水预报资料与所建清江隔河岩水库洪水预报方案相耦合,发布考虑预见期降水的洪水预报。结果表明,考虑预见期降水可显著提高隔河岩水库的洪水预报精度。     

基于WRF_Lake模拟的鄱阳湖对局地夏季降水的影响

利用耦合湖泊模型的区域气候模型WRF,综合分析了鄱阳湖对局地夏季降水的影响。首先利用气象站点数据和MODIS卫星数据评估了耦合湖泊模型的WRF模型(WRF_Lake)在鄱阳湖的适用性,并在此基础上进行去湖敏感性模拟试验。结果表明,WRF_Lake模型可准确地模拟鄱阳湖区的湖表面温度、2m气温、降水发生的时间和降水空间分布;不同时间段,鄱阳湖对湖区降水的作用具有差异性,6月鄱阳湖表现为促进降水的正效应,可增加湖面25%～35%的降水,而7、8月表现为抑制作用的负效应,分别抑制了湖面15%～35%和15%～25%的降水;不同时间段,鄱阳湖对研究区(27.75°N～30°N,115°E～117.5°E)降水的作用具有差异性,6、7月可分别增加研究区1.5%、3.4%的降水,8月则表现出抑制降水的作用。     

安徽省台风降水气候特征及台风降水事件预测

基于安徽省15个站1957~2016年逐日降水资料和NCEP/NCAR再分析资料,分析了梅雨期和伏期台风降水的气候特征及台风降水异常年的大气环流特征;通过相关分析确定了影响安徽省台风降水事件的前期环流指数,建立了基于BP神经网络的梅雨期和伏期台风降水事件发生与否的预测模型。结果表明,60年中有32年在梅雨期发生了台风降水,有40年在伏期发生了台风降水,对应梅雨期、伏期的多年平均台风降水量分别为123.7、126.8mm;台风降水偏多和偏少年的环流背景具有明显差异,降水偏多年欧亚大陆以经向环流为主,副高偏强、偏北;降水偏少年欧亚大陆以纬向环流为主,副高偏弱、偏东;台风降水事件发生与否的BP神经网络预测模型具有较高的准确度,率定期内梅雨期、伏期准确率分别为98%、100%,验证期内梅雨期、伏期准确率均为90%,其中1976、2013年预测错误,可能是这两年台风降水分别受ENSO和西太平洋海温异常事件的影响,台风降水机制异于常年。     

径流的模糊模式预报

径流的状态取决于径流成因的状态,在选定预报因子的条件下,每一个径流样本对应着一个因子向量。应用模糊划分聚类分析法,从历史资料中提取数个径流成因模式,它们和各自的径流状态对应,建立起径流状态和成因状态的普遍联系。预报时预报样本的成因状态也构成一个向量,计算它和各成因模式的贴近度。预报样本的径流状态将和贴近度最大的成因模式的径流状态一致,据此作出径流的状态预报。文中给出一个实例,对其他类似问题,该方法也基本适用。     

基于串联形式智能融合算法的燃气轮机建模与仿真

为提高燃气轮机整体动态仿真模型的准确性与实用性,基于预先构建的机理、BP神经网络和逐步聚类分析法3种单一仿真模型,分别将BP神经网络和逐步聚类分析法模型与机理模型进行组合,创新性地构建了2套串联形式的智能融合模型,有效地克服了机理模型部分过程过于简化和参数获取困难、智能预测模型高度依赖数据质量和缺乏外延性等缺陷,并将上述模型应用于辽宁某钢厂燃气轮机的仿真研究。结果表明：单一仿真模型中智能预测模型的预测效果较好,且逐步聚类分析法模型优于BP神经网络模型;智能融合模型的精度比单一仿真模型更高,其中逐步聚类分析法+机理智能融合模型的仿真效果更优。     

WRF模式云微物理过程对三峡库区降水模拟的影响

以三峡库区为研究区,针对库区发生的一次典型降水过程,对中尺度天气模式WRF在五种不同云微物理过程参数化方案下的三峡库区降水模拟进行分析,并运用同期降水资料评估不同云微物理方案对三峡库区降水的模拟效果,以优选数值天气模式中的云微物理方案。结果表明,WRF模式下不同云微物理方案模拟的降水差异较明显,WSM3类简单冰方案和Ferrier(new Eta)微物理方案在面平均降水量、降水分布等指标上能更好地反映实况,而WSM5类方案的模拟结果与实测值差异较大,选择合适的云微物理过程参数化方案对WRF模式能提供较好的降水模拟结果。     

基于MIKE SHE模型的土地利用与降水变化对宁夏中宁段黄河周边地区地下水位的影响

为研究土地利用与降水变化对地下水位的影响,以黄河宁夏中宁段周边地区为研究区,建立地表水—地下水耦合的MIKE SHE分布式水文模型,并用观测井实测数据对模型参数进行率定和验证。结果表明,研究区地下水位随着降雨量的增加明显升高,并在9月份到达峰值1 201.46 m;与基准组相比,对比组A年平均地下水位升高0.27 m,土地利用变化对水位升高影响作用占33.3%,降水则占66.7%;对比组B年平均地下水位升高0.51 m,土地利用变化对水位升高影响作用占35%,降水则占65%。     

考虑降水预报的三峡入库流量概率预报模型

以三峡水库为例,建立了基于降水预报信息的降水随机模拟模型,提出了将预见期降水随机模拟模型与概念性水文模型相耦合的概率水文预报模型,并进行了入库流量预报.该模型能充分利用降水预报信息,能定量描述水文预报结果的不确定性,概念清楚、易于构建,具有推广应用价值.     

气象因子对抚仙湖水量的影响

抚仙湖为我国第二深水湖泊,为合理开发利用和有效保护抚仙湖水资源、加强湖泊的调度运用控制,在分析气象因子的基础上,采用逐步回归分析法构建了预报模型,寻求影响抚仙湖各月1日蓄水量的主要因子、影响程度及时空分布情况。分析比较结果表明,考虑水温和降水因子的预报模型效果最佳,各月1日蓄水量均受湖水温和降水情况双重影响,最主要的影响因子为降水量因子。     

基于系统聚类的分水江站水位分类预报和区间预报

研究分水江流域控制站——分水江站的水位预报方法,提高预报精度,对支撑区域防洪决策具有重要意义。利用分水江站2012～2020年典型历史洪水,基于系统聚类分析方法,以最大1 d洪量、洪峰流量、洪峰水位、洪水起涨历时占比作为聚类指标,将洪水分为Ⅰ、Ⅱ类两类洪水,采用流量演算—水位流量关系转换法对分水江站进行水位分类预报,并构建不同类型洪水水位流量关系的上下边界,提出一种分类洪水水位区间预报方法。结果表明,两类洪水的洪峰水位预报精度有所提高,预报区间宽度明显减小,提高了区间预报结果的可利用性。     

基于水库大坝的水能与太阳能融合型并网发电系统研究与应用

针对中国大中型面南的水库电站大坝,向光性比较好,具备安装太阳能光伏发电系统的条件,并使得2种可再生能源融合并网发电模式具有一定的创新性.水库电站的发电系统是已建成的,增加太阳能光伏发电系统并建设融合型并网发电系统,不仅体现了投资成本低发电效益高等特点,同时具有节约国土资源、保护大坝和节能减排等社会效益.在设计和实践过程...     

基于XGBoost联合模型的光伏发电功率预测

提出一种考虑时间序列和多特征的光伏发电功率XGBoost联合预测模型.首先,基于偏最小二乘(PLS)提取影响光伏发电功率的多特征;然后,基于XGBoost算法分别建立发电功率的时间序列预测单模型和多特征预测单模型;最后,通过训练线性模型构建了光伏发电功率联合预测模型.使用某地区光伏电厂运行数据验证,结果证明,所提XGB...     

基于人工神经网络的水电补偿调节方法

建立了基于Ｈｏｐｆｉｅｌｄ神经网络的水电补偿调节模型，提出了一个改进的综合算法，交 于４水电站的补偿调节，得到了令人满意的结果。     

基于自回归滑动平均模型的风力发电容量预测

利用时间序列分析法对富锦风电场风电机组发电容量时间序列进行分析,通过长自回归模型法建立了基于这些数据的自回归模型(AR)和自回归滑动平均模型(ARMA)。在建模过程中,采用3种定阶方法分别建立了不同的ARMA模型,并在对比分析了不同模型的优缺点之后对其进行加权平均综合处理,最终得到较理想的预测模型,使风力发电容量短期预测的归一化平均绝对误差降到7%以内。     

基于Park-Gauss模型考虑大气稳定性对布局优化的影响

基于Park模型尾流区线性膨胀假设和径向风速呈高斯分布假设,提出一种新的修正型的工程尾流模型Park-Gauss模型,采用小生境遗传算法,并考虑大气稳定性对风电场布局优化的影响。结果表明:对常风速单风向风电场微观选址布局优化结果是风力机组主要布置在垂直风向的第1排和最后1排;大气边界层稳定性对风电场微观选址布局优化影响显著,在大气边界层不稳定状态下,风电场安装机组总数最多、发电总量及风电场利用效率最高,中性状态和稳定状态依次次之。     

不同地面背景对双面光伏组件发电性能的影响

以双面光伏组件为研究对象,通过理论计算和实验研究的方法,对双面组件在不同地面背景下的发电性能进行理论分析与实验验证。研究结果表明:双面组件的功率增益随地面背景的反射率增大而增大,随辐照度增加而降低,双面组件在反射率最大的铝箔地面与反射率最小的草坪地面的最大功率增益分别为25.30%和8.24%。     

神经网络短期光伏发电预测的应用研究进展

准确的太阳能发电功率短期预测是保证电力调度和大规模光伏并网的关键。该文对近年来光伏发电功率短期预测研究进展进行综述,并对影响光伏发电功率的各种气象因素进行相关性分析。针对用于光伏发电短期功率预测的人工神经网络模型和深度学习模型进行总结和评述。太阳辐照度是影响预测模型精度的主要气象参数。在光伏发电功率短期预测中,神经网络及其组合模型均表现出较好的预测精度,但组合模型整体上优于单一预测模型。     

基于主成分回归分析的气象因子对光伏发电量的影响

采用主成分分析方法降低气象维度,提取互不相关的综合性评价指标,并将提取出的主要成分作为回归模型的自变量建立多元线性回归模型.通过检验可知:主成分回归模型的拟合优度优于直接回归模型,提高了预测精度,预测结果也较为稳定.因此,主成分分析法可有效提高光伏发电量的预测精度.     

考虑气象变化的光伏发电模型评估及研究

该文提出一种基于数据分析的发电模型评估方法,用于研究光伏发电模型输入,该方法主要由3 个步骤组成。首先,将基于信号分析的特征提取技术和基于专家知识的特征工程技术相结合扩展数据集,并进行异常值检测清除离群样本。其次对数据集进行相关性分析讨论输入数据的合理性。最后通过人工神经网络对该数据集进行建模,并把主成分分析引入模型训练中,分析模型在晴天、雨天、多云3 种不同气象条件下的表现。采用该方法对小型实验平台获取的气象数据与设备运行数据进行分析。实验表明,构造数据集比原始数据集训练的模型计算结果更精确,而引入主成分分析的模型计算效率更高。     

基于两阶段不确定性量化的光伏发电超短期功率预测

针对光伏功率预测,提出一种光伏发电出力不确定性量化分析的两阶段模型。第1阶段,首先选取待预测日之前一段时间的光伏输出功率历史数据作为训练样本,引入模糊熵（FE）将不同天气类型量化并作为输入量;然后利用集成经验模态分解（EEMD）将光伏发电功率时间序列分解为多个模态分量,再利用Hurst指数分析将不同模态分量重构为中尺度和宏尺度2个子序列,基于双向长短期记忆神经网络并引入注意力机制对重构后的2个子序列分别进行预测;最后对中尺度子序列对应的误差序列进行修正,得到光伏发电出力的点预测结果。第2阶段,根据第1阶段点预测结果得到的误差统计,采用核密度估计（KDE）方法预测光伏发电出力的区间,分别获取在95%、90%、85%及80%置信水平下的区间覆盖率（PICP）。应用中国西北地区某光伏电站运行数据作为算例,验证了该文预测方法的有效性。