陕北典型风能特性分析

该文分析了榆林靖边与定边2处风电场2019年测风塔观测数据,发现两地风速、风向分布具有较强局地性,靖边风电场年平均风速明显小于定边风电场年平均风速,靖边地区风速概率属于单峰分布,定边地区风速分布更加均匀,靖边风电场70 m平均风速呈现V字型分布,定边地区风速分布呈现浅U字型。靖边与定边均呈现出冬季平均风速大,夏季风速最小,风功率密度冬春季最大,夏秋季明显降低的分布特点,且两地70 m风功率密度与陕西年负荷在春、夏、秋3季均呈现较明显的反向分布。     

数值模式在太阳能出力分析中的应用研究

利用NOAA 天气预报模式Weather Research and Forecasting Model（WRF）结合统计订正方法,对接入宁夏长太线的光伏电站进行了出力特性分析模拟实验,与实际平均出力对比发现,月平均24 h光伏电站出力模拟精度较高。     

基于神经元网络方法的风电场风电功率预报研究

风电大规模并网使风电对电网的冲击问题越来越凸显,许多地方出现了拉闸限电的情形,随着百万千瓦级风电基地、千万千瓦级风电基地的规划及建设,急需开展行之有效的风电场风电功率预报,来满足风电上网调度的实际需求,利用数值模式预报的风速、风向等预报场及风电场逐时风电功率资料,通过神经元网络方法进行了风电场风电功率预报试验,预报精度与2002—2006年欧洲风能计划中的风电场风电功率预报精度相当。     

梯度提升树算法在陕北风电场短期风电功率预测中的应用

为了对地形和气候条件复杂的陕北风电场短期风电功率进行准确预测,通过将（weather research and forecasting,WRF）模式输出结果和同期实测风电功率资料相结合,利用梯度提升树算法进行预报气象场和实测风电功率之间的统计关系分析,从而建立了一套陕北风电场短期风电功率预测模型。以陕北靖边某风电场为例,预测结果表明：所提模型年平均预测准确率伟15.7%;月平均归一化均方根误差在20%以下。模型对风电场风电功率预测精度较好。     

基于神经元网络方法的风电场风电功率预报研究

风电大规模并网使风电对电网的冲击问题越来越凸显,许多地方出现了拉闸限电的情形,随着百万千瓦级风电基地、千万千瓦级风电基地的规划及建设,急需开展行之有效的风电场风电功率预报,来满足风电上网调度的实际需求,利用数值模式预报的风速、风向等预报场及风电场逐时风电功率资料,通过神经元网络方法进行了风电场风电功率预报试验,预报精度与2002—2006年欧洲风能计划中的风电场风电功率预报精度相当。     

数值模式在太阳能出力分析中的应用研究

利用NOAA 天气预报模式Weather Research and Forecasting Model（WRF）结合统计订正方法,对接入宁夏长太线的光伏电站进行了出力特性分析模拟实验,与实际平均出力对比发现,月平均24 h光伏电站出力模拟精度较高。     

陕北典型风能特性分析

该文分析了榆林靖边与定边2处风电场2019年测风塔观测数据,发现两地风速、风向分布具有较强局地性,靖边风电场年平均风速明显小于定边风电场年平均风速,靖边地区风速概率属于单峰分布,定边地区风速分布更加均匀,靖边风电场70 m平均风速呈现V字型分布,定边地区风速分布呈现浅U字型。靖边与定边均呈现出冬季平均风速大,夏季风速最小,风功率密度冬春季最大,夏秋季明显降低的分布特点,且两地70 m风功率密度与陕西年负荷在春、夏、秋3季均呈现较明显的反向分布。     

梯度提升树算法在陕北风电场短期风电功率预测中的应用

为了对地形和气候条件复杂的陕北风电场短期风电功率进行准确预测,通过将（weather research and forecasting,WRF）模式输出结果和同期实测风电功率资料相结合,利用梯度提升树算法进行预报气象场和实测风电功率之间的统计关系分析,从而建立了一套陕北风电场短期风电功率预测模型。以陕北靖边某风电场为例,预测结果表明：所提模型年平均预测准确率伟15.7%;月平均归一化均方根误差在20%以下。模型对风电场风电功率预测精度较好。