WRF/CALMET/BP预报系统对内陆山区风电场的一次滚动预报检验北大核心

利用以中尺度数值模式WRF/CALMET作为风电场预报系统的动力模块,及BP神经网络法(BP-ANN)作为风电场预报系统的统计订正方法,对重庆市齐跃山风电场进行了一次时间分辨率为5 min的24 h风速、风功率的滚动预报试验,探讨了适用于中国典型内陆山区的风电场预报系统。结果显示:以WRF/CALMET/BP组成的动力—统计预报系统能够较好地模拟出内陆山区的风场特征,系统对正午至傍晚时段的风速预报准确率较高。WRF/CALMET动力模式对于风速中心振幅的模拟能力较好,经过BP神经网络订正后,模拟结果会趋于均值。不同风速段中,模式对低风速段(3~8 m·s^(-1))的预报效果较好,BP神经网络对中风速段(8~14 m·s^(-1))预报结果的订正效果最明显。     

基于ELM的风电场短期风速订正技术研究

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。     

线性滚动极值处理方法对数值模拟风速的订正研究

为了进一步提高WRF模式对风速预报的准确性,以我国某风电场01#测风塔2007年5月和11月的数据为例,通过线性回归方法并结合滚动和极值处理技术,对WRF模式模拟风速进行了订正。结果表明,直接使用线性回归方法对于模拟风速的订正无明显效果;采用滚动技术的线性回归订正效果与步长有关,与线性回归订正相比总体上有较大改进,其中3 h步长改进更明显;相同步长,线性滚动极值处理订正较线性滚动订正相比有进一步改进,其中1 h步长线性滚动极值处理效果最优,如5月和11月订正前模拟风速的相对均方根误差(rRMSE)分别为29.274%、33.583%,订正后下降为14.714%、14.493%。订正后精度明显提高,更接近实况风速,线性滚动极值处理订正方法能够较好订正模式模拟风速,有效提高风速预报准确率。      

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。     

大小兴安岭林区风场动力降尺度对比研究

对2017年春季黑龙江省大、小兴安岭林区的6个代表站点10 m风场进行降尺度分析,并结合观测数据对比分析了WRF模式和CALMET降尺度模式的10 m风速、风向预报结果。结果表明：两模式逐小时风速预报与观测的相关系数为0.5-0.7,且随着风速的增加,模式的预报准确率逐渐提高,夜间的风速预报偏差较大,进入白天后,偏差明显减小。WRF模式对风速变化趋势的预报效果优于CALMET模式,与观测的风速相关性更高,而CALMET模式对较大风速的预报效果优于WRF模式。在风向预报方面,WRF和CALMET的风向模拟与观测风向均有较好的一致性,模式预报准确率较高的两个风向也刚好对应各站的盛行风向。同时,本文用回归方法对日平均风速进行订正发现,订正后各站的日平均风速预报准确率平均提高了50%,具有较好的业务应用价值。     

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。     

江西山地风电场风速数值模拟方法研究

利用中尺度气象数值模式WRF和动力降尺度模式CALMET,对江西山地风电场不同高度层风速进行4个月逐时数值模拟,结合测风塔实测资料,对两种模式的模拟结果进行准确性、误差特征等方面研究,结果表明:1) WRF模式和CALMET模式均能较好地模拟出风速的日变化特征,在大风速时间段两个模式模拟误差变大,可能是由于出现台风、降雨伴随大风等天气时,WRF模式边界层方案对大风速时拖曳作用不充分造成,今后可考虑通过天气过程模拟的敏感性研究及历史数据对模拟结果进行订正。2)从各月模拟结果来看,WRF模式与CALMET模式各月模拟值与实测值间相关系数均大于0. 65,两个模式对70 m高度层模拟结果均优于对10 m高度层的模拟结果,并且CALMET模式均方根误差低于WRF模式的。3) CALMET模式在各风速段模拟效果均优于WRF模式的。两个模式在0~3 m·s-1低风速的模拟效果最优,在大风速段( 8 m·s~(-1))模拟结果平均绝对误差最大,今后应对大风模拟结果的订正开展进一步研究。     

ROAD模式渤海10 m风场预报误差订正

使用"递减平均法"和渤海28个石油、平台、浮标站资料分析得到的渤海10m风速逐时格点场,对ROAD模式(Regional Ocean and Atmosphere Model)渤海区域10m风速预报进行误差订正,不同权重系数试验表明:对于渤海10m风速预报场,权重系数取0.18,订正效果最佳,12～72h预报时效内,月逐时均方根误差和平均偏差均有明显改善,分别减小1.0～1.5m/s和2.3～3.0m/s;对比渤海北部、西部和中部代表格点72h预报时效内,逐12h最大风速评分结果发现:60h预报时效内,当风速预报在5～6级时,渤海北部、中部和西部订正后的预报评分大多有所提高;当风速预报在7级时,渤海北部和中部分别在36～72h和24～48h,预报评分有提高;在实况出现最多的风力分布范围内评分提高最多。     

概率密度匹配方法在我国近海海面10 m风速预报中的应用

海面风速对航运及海上生产作业影响重大,但数值模式对于海面的风速预报仍存在较大误差。为降低数值模式海面10 m风速预报的系统性误差,提高海上大风预报准确率,基于2017—2019年中国气象局地面气象观测资料对ECMWF确定性模式的10 m风场预报结果进行检验评估,并采用概率密度匹配方法对模式误差进行订正。分析结果表明,概率密度匹配方法可有效地改善数值模式10 m风速预报的系统性误差,订正后风速在各个预报时效和风速量级的平均误差均较订正前有所降低。对于大量级风速的预报,经概率密度匹配方法订正后的风速预报的漏报率可减少10%以上。订正后12 h预报时效的8、9级风速预报的平均绝对误差分别由4.15 m/s、5.61 m/s降低至3.12 m/s、4.08 m/s,120 h预报时效的8、9级风速预报的平均绝对误差由7.38 m/s、9.35 m/s减小至6.46 m/s、8.07 m/s。在冷空气、台风大风天气过程中,基于概率密度匹配方法订正后的风速与实况观测更接近,能够为我国近海洋面10 m风速的预报提供更准确的参考。      

山东高分辨率风能资源分布特征的数值模拟研究

基于WRF3.8.1数值模式,利用FNL 1°×1°再分析资料,对山东边界层10 m、70 m、100 m等高度2017年风场进行了逐日动力降尺度模拟,使用山东122个气象站逐日平均风速,对模拟结果进行了客观评估。结果表明：WRF模式可以较好地模拟出山东逐日平均风速变化特征,但模拟值普遍大于实测值,山东不同区域平均风速模拟效果差异较大,四季误差分析结果与全年略不同;山东沿海、半岛北部丘陵、崂山、日照中部五莲山、鲁中山区各山脉等区域以及微山湖、东平湖等大型湖泊区域年和四季10 m、70 m、100 m高度平均风速、平均风功率密度较大,大汶河、大清河、泗水河、沂河及其支流、淄河、潍河等流域中上游的山区间低矮平原地带较小,但各地风能资源的差异随高度增加而明显减小。平均风速、平均风功率密度时空分布结果可为山东内陆地区分散式低风速风电场的选址、风能资源开发利用提供参考。     

复杂下垫面风电场风速数值模拟及误差特征

利用WRF模式分别对沿海及山地条件下风电场风速进行高分辨数值模拟,并对其误差特征进行分析,结果表明:1)WRF模式对复杂地形条件下的风速模拟性能良好,模拟值较好地体现天气尺度的周期变化;2)沿海及山地条件下模拟与观测的误差特征各不相同。模式静态数据未能显现沿海的小岛,并且低估了山地测风塔所在的海拔,导致沿海平均模拟风速偏大,山地平均模拟风速偏小;3)分析不同风向的归一化均方根误差,沿海陆风情况下,下垫面相对复杂,误差明显增大;沿海海风情况下,下垫面均一,误差明显减小;4)仅作单个风电场周边数百平方千米的模拟,采用一台12核的服务器进行WRF模式的并行计算可满足48 h短期预测的时效性。仅仅提高模拟的网格分辨率,并不一定能提升模拟的准确性。     

数值模拟技术在风电场宏观选址上的应用

现有气象站分布稀疏,难以全面反映潜在大风区域。数值模拟技术通过提高分析区域的空间分辨率,弥补气象站点分布稀疏的缺陷。利用中尺度天气预报模式WRF对吉林省西部地区风能资源进行了数值模拟。结果表明：数值模拟结果反映了实际风速日变化和年变化规律,10 m、50 m、70 m高度模拟值与实际观测值相关系数分别达到0.889、0.862和0.865,均达0.001 的显著水平;模拟结果揭示了地面观测资料未反映出来的潜在大风区。经实际立测风塔观测证实,数值模拟技术可以用于风电场宏观选址。同时揭示了模拟的风速较实际风速大,且模拟风速空间分布差异小于观测的风速,说明现有数值模式模拟的精确度还存在着局限性,风电场微观选址仍依赖于立测风塔进行实地观测。     

WRF模式对福建沿海风电场风速预测的效果分析

在WRF模式中选取不同的边界层、近地面层以及陆面过程参数化方案,设计了4种不同物理过程参数化方案,组合模拟福建沿海某测风塔站2010年1月1—11日和7月1—11日的逐时风速,将数值模拟结果和同期测风塔观测数据进行对比,以寻求最佳参数化方案。经分析比较,采用MYJ边界层方案,Monin-Obukhov近地面层方案以及Noah陆面过程方案的方案2模拟效果最好。使用该方案对2010年1月和7月的风速进行模拟,按不同风速级别分别对数值模拟结果进行对比分析,结果表明:方案2对6~15m/s风速模拟的平均相对误差在20%左右,能够满足风电预测的精度需求;而对0~6m/s风速模拟的误差相对较大,这可能是由于模式地形分辨率不够精细以及风塔所处海陆交界处的特殊位置,使低风速容易受地面扰动以及海陆气流影响所致。     

洪泽湖区风能资源的数值模拟与应用

利用WRF模式对洪泽湖地区风能资源状况进行数值模拟, 模拟结果风速季节变化的规律是春季最大, 夏季最小;沿湖风速大于陆地, 湖岸带附近风速梯度变化十分明显。风速垂直变化的规律是洪泽湖地区风速随着高度增加而有所增大, 当增加到一定高度时, 风速增幅减弱。并将模拟结果与实测数据进行对比分析, 证明模拟结果是可信的。模拟值在一定程度上可以表现出洪泽湖风能资源的特性, 模拟风速的日变化趋势与实测风速日变化趋势一致, 较好地体现了该时段内风速变化规律, 为洪泽湖地区风能资源开发利用提供科学依据。     

风电场风速降尺度预报方法对比分析

使用中尺度数值天气预报业务模式9 km和3 km分辨率的模式输出产品,分别应用小尺度模式CALMET模式和双线性插值(BLI)方法将预报风速进行降尺度处理,并对比预报风速和风塔观测资料。结果表明：WRF模式9 km分辨率的模式输出经过CALMET模式降尺度以后得到的风速预报效果比3 km分辨率的模式输出略好。同时,由于中尺度数值预报模式分辨率本身较高,使用BLI也可以得到较好的风速预报。将风速分为0 m·s^-1≤风速<5 m·s^-1,5 m·s^-1≤风速<10 m·s^-1和风速≥10 m·s^-1共3个等级,检验3个风速等级的预报偏差百分比得出,CALMET模式和BLI方法对10 m·s^-1以上的大风的预报效果相对较差;如何对大风预报进行订正对风速预报准确率的提高具有重要的意义。     

修正WRF次网格地形方案及其对风速模拟的影响

复杂地形区域风场模拟的准确率一直是风能研究领域的难点和重点。WRF模式是目前风能评估领域应用最广泛的天气数值模式之一,但该模式在复杂地形区域存在对平原、山谷风速高估且对山顶风速低估的系统性误差,并有研究建立次网格地形方案以订正误差。而次网格地形方案在不同水平分辨率下常出现错误的修正结果,该文基于高精度地形高程数据分析了方案失效的主要原因,发现其方程组中判断山体形态特征的阈值-20在过低和过高水平分辨率下均失去参考性。针对这一原因,将方案中影响关键参数C_t的地形高度算子与模式水平分辨率进行拟合,形成地形高度算子与水平分辨率相依赖的线性关系,获得不同分辨率下更适合的山体形态阈值。通过与自动气象站10 m风速对比分析了修正前后WRF对低层风速的模拟效果,结果显示:修正后的次网格地形方案能够分别在较低和较高分辨率下,部分矫正原方案错误的订正结果,使低层风速模拟更接近实况。修正后的次网格地形方案可为复杂地形区域开展高分辨率风场模拟提供参考。