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。     

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。     

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WRF/CALMET的近地面精细化风场的动力模拟试验研究

本文利用中尺度动力模式 WRF和诊断模式CALMET对琼州海峡的两次冷空气过程的近地层风场进行模拟和诊断,所用的资料是美国NCEP再分析FNL资料。WRF模式第一至第四层网格的水平距离分别是27、9、3和1 km,并用WRF-1 km场以单向嵌套模拟方式降至200 m,同时以 WRF-1 km 预报场作为 CALMET 初猜场降尺度诊断至200 m。分别用CALMET-200 m风场、WRF-1 km风场和 WRF-200 m风场,3个风场的风速、风向与沿琼海海峡分布的21个测站（其中6个测风塔）观测资料进行检验比较分析。主要结论是：（1）CALMET-200 m的风速RMSE明显小于另外两组试验,风向RMSE总体上差异不大;在60～80 m高度上也没有明显差异。（2）在0～8 m·s－1风速,10 m高度上CALMET-200 m风场诊断结果最好,风速平均偏差值从4～0 m·s－1,WRF的两组试验平均偏差值比CALMET-200 m结果大约2 m·s－1,风向上表现为偏差的分布更加集中;60～80 m高度上,CALMET-200 m 诊断效果与 WRF-1 km 模拟效果相当,但是冷空气时段内 WRF-200 m的风速要远远差于另外两组试验;而3组试验的风向并无大的差异。（3）WRF／CALMET模式系统在非冷空气活动时段内的风速风向模拟诊断偏差更小,说明其在层结相对较稳定时模拟诊断的准确度更高。     

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。     

基于机器学习的风场预报订正方法研究

为了实现更准确的站点风预报,结合中尺度数值模式WRF预报结果和自动气象站观测数据,采用反距离加权插值法,将模式网格和观测站点的数据进行融合构建训练集,利用3种机器学习方法对WRF预报的风场结果进行订正,优化风场预报准确率。其中随机森林模型实现风速的预报均方根误差(RMSE)平均降低了18.22%,风向降低了15.97%;LightGBM模型对于风速、风向的RMSE平均降低了18.60%和17.56%;深度神经网络模型对于风速、风向的RMSE平均降低了5.53%和9.10%。对2020年宁波市9个大风过程进行检验,利用LightGBM模型对于3个站点预报进行订正,结果表明风速的RMSE从4.61 m/s下降到2.14 m/s,平均降低了53.58%,风向的RMSE从30.31°下降到18.20°,平均降低了39.95%。     

东北区域数值模式产品在天气预报业务中的检验

利用2015年大连地区7个主要气象站的地面气温、降水、风向风速和相对湿度观测资料,针对东北区域中尺度数值模式(Weather Research and Forecast,WRF)产品中常规天气要素进行检验分析,了解掌握WRF模式对不同天气要素的预报能力,以期为天气预报业务中WRF模式产品的订正提供参考。结果表明:WRF模式产品的气温预报准确率整体上08时起报的比20时起报的稍好,最低气温预报效果比最高气温稍好,且WRF模式对升温和降温的趋势预报较好,具有一定参考性。WRF模式产品的降水预报准确率相对较高; WRF模式对风向的预报准确率可以达到50%左右,而风速的预报准确率可以达到60%—70%;大雾天气的预报,可以相应参考WRF模式的相对湿度。     

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。     

湖陆山地复杂地形下近地层风速预报研究

以鄱阳湖区典型湖陆山地复杂地形为试验区域,采用WRF模式MRF和MYJ两种边界层参数化方案,对2010年该区域近地层风速进行高时空分辨率预报,并结合3个测风塔观测资料对预报结果进行检验。结果表明:WRF模式对鄱阳湖区70 m高度风速预报效果较好,预报值能够较好地反映近地层风速变化,且边界层MRF方案预报效果略好于MYJ方案。地形对近地层风速预报影响明显,地形相对平坦的吉山预报效果最好,而地形最为复杂的狮子山预报效果相对较差。不同强度的近地层风速预报效果差异较大,5~25 m·s^-1风速段预报效果明显优于0~5 m·s^-1风速段。位相偏差是造成鄱阳湖区近地层风速预报误差的主要来源,其贡献率在60%以上,而系统偏差和振幅偏差的误差贡献率相对较小,通过线性订正方法可在一定程度上提高该区域风速预报效果。     

基于数值模式的月尺度近地层气象要素预报技术研究

利用WRF模式对美国NCEP发布的CFS气候预测业务产品在中国区域内进行动力降尺度预报,可得到预报时效为45天的逐6小时、30 km分辨率基础气象要素预测产品。再利用全国气象站观测资料和3个风电场70 m高度风速、温度观测资料对2015年冬季预测结果进行检验评估和分析,最后通过线性方法对地面要素预测结果和70 m高度风速、温度预测结果进行统计订正。结果表明:（1）2 m温度和相对湿度的全国预报平均绝对误差分别为4.71 ℃和18.81%,在华东、华中和华南地区误差较小;（2）10 m风速预报平均绝对误差为2.42 m/s,在东北、华北和西北地区误差较小;（3）线性订正后,2 m气温、相对湿度和10 m风速的预报绝对误差分别减小1.05 ℃、5.29%和1.47 m/s,并且订正后误差随时间变化更平稳;（4）订正后70 m高度风速和温度的预报绝对误差均减小,风速平均误差减小最大可达1.29 m/s（B塔）,气温平均绝对误差减小最大可达3 ℃（C塔）。研究结果表明,基于CFS产品和WRF模式的、与月尺度风电预报关系密切的气象要素预报性能较好,未来可将该方法尝试于风电场的月尺度功率预测产品研发。      

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。     

VALIDATION OF NEAR-SURFACE WINDS OBTAINED BY A HYBRID WRF/CALMET MODELING SYSTEM OVER A COASTAL ISLAND WITH COMPLEX TERRAIN

The results from a hybrid approach that combines a mesoscale meteorological model with a diagnostic model to produce high-resolution wind fields in complex coastal topography are evaluated.The diagnostic wind model(California Meteorological Model,CALMET) with 100-m horizontal spacing was driven with outputs from the Weather Research and Forecasting(WRF) model to obtain near-surface winds for the 1-year period from 12 September 2003 to 11 September 2004.Results were compared with wind observations at four sites.Traditional statistical scores,including correlation coefficients,standard deviations(SDs) and mean absolute errors(MAEs),indicate that the wind estimates from the WRF/CALMET modeling system are produced reasonably well.The correlation coefficients are relatively large,ranging from 0.5 to 0.7 for the zonal wind component and from 0.75 to 0.85 for the meridional wind component.MAEs for wind speed range from 1.5 to 2.0 m s-1 at 10 meters above ground level(AGL) and from 2.0 to 2.5 m s-1 at 60 m AGL.MAEs for wind direction range from 30 to 40 degrees at both levels.A spectral decomposition of the time series of wind speed shows positive impacts of CALMET in improving the mesoscale winds.Moreover,combining the CALMET model with WRF significantly improves the spatial variability of the simulated wind fields.It can be concluded that the WRF/CALMET modeling system is capable of providing a detailed near-surface wind field,but the physics in the diagnostic CALMET model needs to be further improved.     

Verification of the Weather Research and Forecasting Model when Forecasting Daily Surface Conditions in Southern Alberta

The Weather Research and Forecasting (WRF) model was compared with daily surface observations to verify the accuracy of the WRF model in forecasting surface temperature, pressure, precipitation, wind speed, and direction. Daily forecasts for the following two days were produced at nine locations across southern Alberta, Canada. Model output was verified using station observations to determine the differences in forecast accuracy for each season.

Although there were seasonal differences in the WRF model, the summer season forecasts generally had the greatest accuracy, determined by the lowest root mean square errors, whereas the winter season forecasts were the least accurate. The WRF model generally produced skillful forecasts throughout the year although with a smaller diurnal temperature range than observed. The WRF model forecast the prevailing wind direction more accurately than other directions, but it tended to slightly overestimate precipitation amounts. A sensitivity analysis consisting of three microphysics schemes showed relatively minor differences between simulated precipitation as well as 2?m surface temperatures.     

两种模式在风电场风速预测应用中的对比

利用2011年12月至2012年11月贺兰山风电场测风塔实测资料和同期WRF、BJ-RUC模式预测结果,对2种模式在风速预测中的应用进行对比分析。结果发现,月尺度上,2种模式预测的风速月均值普遍较实测值高,且WRF较BJ-RUC更接近实测值;WRF预测的月平均风速标准差普遍较实测低,而BJ-RUC普遍比实测大;春季WRF预测效果整体上较BJ-RUC好,其它季节WRF预测的月平均风速均方根误差较BJ-RUC的小,但与实测风速的相关性较BJ-RUC与实测风速相关性差。日尺度上,凌晨至中午前后和傍晚至前半夜2个时段,2种模式预测风速普遍比实测值大,而中午至傍晚时分正相反,预测值普遍较实测小。2种模式对〉12 m·s^-1风速预测的均方根误差最小,其次是3~12 m·s^-1,〈3 m·s^-1风速预测的均方根误差最大,但BJ-RUC对3~12 m·s^-1范围风速的变化趋势把握能力较好。WRF和BJ-RUC都普遍低估了1~4 m·s^-1风速段的频次,对5~10 m·s^-1范围频次普遍明显高估,对10 m·s^-1以上风速,WRF预测频次较实测低,而BJ-RUC预测频次则较实测高。BJ-RUC对该区风向的预测能力较WRF好。     

鄱阳湖区风电场风电功率预报研究

风力发电作为一种无污染可再生的能源,已逐渐成为许多国家能源战略可持续发展的重要组成部分。风电场风能预报是风力发电开发中的关键技术问题。为研究鄱阳湖区风力发电预报技术,采用中尺度模式WRF和微尺度模块CALMET对鄱阳湖区长岭风电场进行了200 m水平分辨率风能预报,并根据长岭机组理论功率曲线表和实测数据拟合出理论和实际发电机组功率曲线模型及平均有功功率与发电量模型。根据WRF+CALMET模式预报风速及建立的发电机组功率曲线模型和平均有功功率与发电量模型,预报了长岭风电场发电量。结果表明:长岭风电场23座风机逐小时风速预报值与观测值相关系数为0.42~0.61,均方根误差为2.59~3.68,相对误差为-13.7%~17.4%;对整个风场,预报风速与观测风速的相关系数为0.55,均方根误差为2.8,相对误差为-4.79%。实测发电量值高于预报值,平均偏大39.7 kW,相对误差为-12.6%,预报值与实测值相关性较好,相关系数达到0.52。总体来说,根据中尺度数值模式预报的风速结合风功率、发电量模型预测出的发电量与实测值较为接近,但各月差异性较大。     

风能预报方法研究进展

中国蕴含着丰富的风能资源,但目前我国在风能预报方面的研究还很薄弱,几乎没有可用于风电场风能的客观、定量化的预报方法。风能预报,实际上最重要的是对风场的合理准确预报,进而得到风电量预报。通过简要介绍国际上风能预报的一些方法,如统计预报、动力预报（包括降尺度预报和集成预报）以及风电量预报,同时介绍对预报的检验和面向最终用户的预报平台的建设,希望能对我国风能预报行业的发展起到一定的借鉴和促进作用。