风电场风速数值预报的动态修订方法的探讨

针对风电场风功率预测所需的定点、逐时风速预报,对利用中央气象台发布的MM5格点输出的数值预报风速插值到福建沿海某个风电场测风塔高度的预报结果进行误差分析,发现由于海陆交界的特殊下垫面等原因,存在一定的系统误差;根据误差的后延相关性和测风塔实时发回的气象资料,探讨了利用前期误差观测值和测风塔湍流指标对MM5数值预报风速进行动态修订的方法,建立了订正值方程,结果表明,订正后的预报风速平均绝对误差降低31%~54%,有效提高了预报精度。     

谐波分析方法在沿海风速数值预报订正的应用

利用福建漳浦沿海一座测风塔2009年12月—2010年11月的观测资料和中央气象台发布的MM5风速数值预报资料,统计分析了沿海近地层风速和风速数值预报误差的变化特征,统计结果表明:全年和各季节的风速变化具有明显的日变化特征,日最小风速出现在上午至午后,日最大风速则出现在旁晚至凌晨;同时,风速数值预报与测风塔实测风速的误差也存在较明显的日变化特征,这种变化特征与近地层湍流的发生发展有密切联系。在统计分析基础之上,提出一种谐波分析与人工神经网络(ANN)相结合的24 h短期风速数值预报的订正方法,订正试验结果表明:该方法可以每24 h更新一次预报结果,相对于风速数值预报的精度,两次独立样本检验的平均绝对误差分别减小25.6%、28.8%,且订正后使得风速数值预报的系统性偏差有明显下降。     

风电场两种超短期风速预报方法的效果对比

针对风电场所需的时效在0~4 h,且时间分辨率不低于15 min的超短期风速预报。根据测风塔实时发回的实测风速序列,建立了基于BP神经网络的风电场风速时间序列外延预报模型。另一方面,建立 MM5模式预报风速与实测风速的误差序列,并利用BP神经网络作误差序列的外延预报,从而利用误差的预报值对MM5风速预报值进行订正,获得新的预报值。综合对两种方法的预报效果指标分析以及拟合曲线的比较结果表明:使用BP神经网络对MM5风速预报值进行修订的方法在总体上效果较优,特别是当影响风电场的天气系统变化明显,近地层风速变率较大时,该方法的预报效果更具有明显的优势。     

MM5模式在三峡工程大风预报中的应用及检验分析

利用基于MM5中尺度模式的短时预警系统的逐小时风向风速预报产品和三峡工程周边自动气象站逐小时观测资料,对2007年1月至2008年5月三峡坝区发生的大风大气进行预报检验分析.结果表明,中尺度模式对雷雨大风基本无预报能力,但对晴卒系统性大风有很强的预报能力,模式可以对晴空系统性大风的出现时间、强度变化趋势和风向提供较准确的预报,对晴空系统性大风的结束时间也有一定的预报能力.宜昌市气象局利用基于中尺度模式的短时预警系统预报晴空系统性大风,用多普勒雷达对雷雨大风进行临近监测,近年来在三峡工程气象保障服务中取得了良好的服务效果.     

风的精细化MOS预报方法研究

利用MM5模式的站点输出产品,采用多元线性和逐步回归的MOS统计方法,预报宁夏25个测站48 h逐时风速、风向,通过对2004年6月~2005年4月近一年的预报效果检验,结果表明:该方法对逐时风速有较强的预报能力,对逐时风向有一定的预报能力,但尚未达到可用程度,还有待于进一步的改进,但都较原MM5模式预报水平有了显著的提高。     

基于测风塔观测资料的近地层风速平面订正

利用辽宁和吉林省24座测风塔风速观测资料,应用线性回归方法对高分辨率中尺度模式近地层风速预报产品进行订正。首先通过4组不同的订正实验分析训练样本长度、样本滚动方式等对订正效果的影响,确定单点订正最佳方案,并综合线性方法在东北地区不同下垫面条件下的适用性;然后应用24座测风塔已确定的单点订正关系,尝试区域风速的平面订正,并基于剩余23座测风塔资料对全场订正效果进行评估。结果表明：训练样本的长度对订正效果影响较明显,在东北地区训练样本长度取20 d效果最佳;当训练样本长度取最优天数时,滚动系数的订正效果与固定系数的订正效果基本一致;各种下垫面通过线性订正均能取得较明显提高,其中丘陵地区效果最明显,通过订正均方根误差整体降低1.61 m·s^-1,平原地区为0.95 m·s^-1,沿海地区为0.91 m·s^-1;平面风速订正实验显示,订正关系平面外推可取得明显的订正效果,全场平均绝对误差降低0.20 m·s^-1,该方法可为订正资料匮乏区域的预报提供参考。     

风廓线与测风塔资料在地面风场预报中的应用研究

运用四维同化方法将风廓线雷达和测风塔资料应用到WRF模式中,通过对比资料同化前后模式对地面风场的预报效果可知,加入风廓线雷达和测风塔资料后模式对风速的预报效果有明显提高,对风向的预报也有一定程度的改善;资料同化结束后,模式预报在49h内对地面风场预报效果仍有明显改善,但随着模式预报时间的增加,在模式积分49h以后,同化资料前后模式对地面风场的预报效果无明显变化。另外,通过对资料同化前后模式对风速预报误差的分析可知,在对模式风场预报的改进中风廓线雷达资料的贡献大于测风塔资料的贡献。     

基于自动站资料的海上风客观预报方法

根据辽宁省沿海自动站资料,采用卡尔曼滤波方法对沈阳区域气象中心MM5中尺度数值预报产品进行解释应用,制作环渤海及邻近海域海面最大风矢量预报的技术方法,对2009年8-12月预报结果进行检验。结果表明：海上最大风矢量预报结果中风速的预报要明显好于风向的预报,其中风向预报最好的海区为黄海北部,准确率为57.3 %;风速预报最好的海区为渤海中部,准确率为64.6 %;风速误差以正误差为主,说明风速的预报值与实况值相比偏大。该方法对于环渤海及邻近海域海上风的预报效果较好,能够比较真实地反映海上风演变过程,具有预报参考价值。     

北疆地区气温的中期MOS预报

一、前言利用欧洲中期数值预报中心的产品制作我国逐地气温客观预报的方法有多种.郑祖光等曾在1983年利用该中心72小时、96小时500hpa预报资料采用逐步回归数学模型,用后延和滑动两种形式制作新疆某些城市的日平均气温距平中期MOS预报,取得了比较好的效果.据统计,对气温72小时预报其绝对误差为3-5℃,对明显的降温天气有一     

BP人工神经网络在MM5预报福建沿海大风中的释用

利用MM5中尺度数值模式输出的福建沿海6个气象站2004年5月到2007年10月每天08、20时48 h每6 h间隔的风速预报和实况资料,采用不同隐层以及节点数,按照风速大小分类建立人工神经网络模型,以此为基础应用BP人工神经网络建立风速预报模型,并将该模型应用到2008年1月至2009年2月福建沿海平潭、崇武、东山三站风力预报,对其效果进行检验。结果表明,采用一层隐层3个隐层节点数的人工神经网络模型是预报风速的最佳模型;经人工神经网络订正后,沿海风速预报比MM5模式预报有很大改善,特别是对大风(10 m.s-1)预报能力有极大提高,其Vs评分比MM5模式提高60分;经检验,经人工神经网络订正后的风速预报精度比MM5模式提高约32.3分,总体上,随风力增大,订正后的风速预报效果越好。     

包头地区风和风能资源

风能是地球表面空气流动所产生的动能,也是提供给人类的一种可利用的重要能源.文在第三次气候区划的基础上,对包头地区近40a(1971-2010)风及风能资源做了统计分析.结果表明,包头地区风能资源丰富,开发利用风能资源有着巨大的发展潜力.     

建筑风荷载风压计算中的若干问题

根据最新“建筑荷载规范”修订本讨论了应用气象台站的风观测资料来计算建筑风荷载中的几个需要注意的问题，其中包括风速资料的坡度订正、高度订正、时次订正以及应用极值Ⅰ型分布函数来估算R年重现期的最大风速等问题。     

边界层风廓线雷达测风精度分析

利用CLC-11-D型边界层风廓线雷达的5波束观测数据,对比分析了晴空、稳定性降水和对流性降水等不同类型气象条件下边界层风廓线雷达测风的准确性,并对2016年3月1日—2017年2月28日共计7300时次的晴空观测资料进行了测风质量评估,得出结论如下:在晴空条件下大气均匀稳定,水平风速和风向测量精度要优于稳定性降水和对流性降水天气,降水出现前后环境大气扰动较大是导致稳定性降水和对流性降水天气下测风精度较差的原因;150 m以下近地层高度的测风质量较差,与地杂波干扰较强有关;夏季有效探测高度最高可达6300 m左右,春秋季有效探测高度比较接近,分别为2000 m和2500 m左右,冬季有效探测高度最低,仅为1100 m左右;4个季节测风质量评估达标高度分别为900、4000、2200 m和1100 m,大气环境的湿度条件和水平风速、风向标准差的波动是影响测风质量评估的重要因素。     

基于风速高相关分区的风电场风速预报订正

为了提高风电场风速预报和功率预测的精度和准确率,并考虑风机测风数据的不稳定因素,以多年服务的内蒙古中部某风力发电场A为研究区,在勘察风电场地形及风机布局后,按照季节、风向进行风机间风速时空相关性分析,划分出风机轮毂高度风速高相关为典型特征的风机网格分类片区,采用卡尔曼滤波方法,通过直接和间接两种订正方案,分别进行风机片区风速订正。结果表明:风速高相关风机片区的划分,对于提高风电场风速预报及功率预测精度和准确率具有一定作用,利用风电场区测风塔梯度观测风速,对风机片区进行间接订正,可有效改善数值模式预报风速,15个片区类型下相关系数由0.18~0.72提高至0.67~0.91,误差绝对值由1.6~2.9 m·s-1降低至1.0~1.5 m·s-1。     

山东即墨风电场风力资源分析

以即墨气象站风速风向为参考,利用其30年风速资料确定风电场代表年,根据铁塔气象观测资料分析即墨风电场的风力资源状况;依据“风能资源评价技术规定”对即墨风电场的风速风向进行了检验修正。分析了测风塔各高度风速日、年变化,风向频率年月变化。计算分析了测风塔不同高度平均风速、风功率密度、有效小时数等风能参数。计算了不同风电机型60~70 m轮毂高度年发电量及其随高度变化规律;估算了风电场年发电量。得出即墨风电场达到3级风场标准,具有开发价值。     

新型多普勒测风激光雷达Windcube的风参数观测与验证

2007年12月11～14日,中国科学院大气物理研究所与法国Leosphere公司在该研究所位于北京市北三环和北四环之间的325 m气象塔试验场内联合开展了一次测风激光雷达Windcube的外场演示试验.Windcube观测数据随后与325 m气象塔上的风杯风速仪测得的风速资料进行了对比,结果是:由两种手段获得的所有6...     

风廓线雷达水平风数据质量控制

基于九龙站风廓线雷达实时水平风数据制定了水平风数据的质量控制方法，首先求取中位数水平风场，其次构建实际观测风场和中位数风场的差值序列，然后求取差值序列的均方差，再根据差值均方差得到质控判别式，最后试验求取质控判别式中的质控阈值。通过对九龙站2017年风廓线雷达水平风数据质量控制发现，实测风向数据有2044185个，25721个没有通过质控，未通过质控的风向数据占总观测的比例是1.258%，风向数据在近地层通过质控的数据最多，随高度增加通过质控的数据量有所下降。实测风速数据有2044185个，18296个没有通过质控，未通过质控的风速数据占总观测的比例是0.895%，风速数据在2000～4000 m出错的最少，近地层次之，4500～7000 m出错的数据最多。质控后风廓线雷达和探空观测风数据的均方根误差减小，相关系数增加，风向数据质量在500～7000 m提升明显，风速数据在1500～8000 m之间提升明显。     

风电场资源测量系统

介绍了一种新型风电场风能资源测量系统。该系统采用模块化设计,利用现场总线结构的数据采集模块和无线通信技术,实现远程梯度测风,测量风电场风能资源评估所需的气象要素,生成符合国家标准的数据报告。通过1年的试用并对系统采集数据进行分析,证明该系统能有效地测量风能资源,具有提高气象部门拓展气象服务领域的能力。     

风廓线雷达测风精度评估

采用风廓线雷达5波束探测模式的数据对测风精度进行评估分析,用垂直波束和其中两个相邻倾斜波束的探测数据构成一对计算因子,通过对同一距离高度上的4对计算因子进行误差分析,评估风廓线雷达的测风精度,得到水平风在垂直指向连续高度上的精度。对北京延庆CFL-08风廓线雷达2010年3,6,9,12月4个典型代表月份逐日连续探测资料进行了处理分析,结果表明:该雷达满足风速误差不大于1.5 m·s-1、风向误差不大于10°探测精度要求的最大探测高度6月、9月为8 km,3月、12月为6 km,基本符合该雷达探测高度的设计要求。信噪比、大气风场的不均匀性是影响雷达测风精度的主要因素:信噪比影响了高空的测风精度,-15 dB可以作为判断雷达测风可信数据最大探测高度的阈值;晴空大气出现的风场不均匀性对风廓线雷达的测风精度影响不大,降水出现时环境风场不均匀性造成水平风向、风速的测量误差较大,不能满足测风精度要求,特别是对流性降水发生前的1~2 h,水平风向、风速的方差增长迅速,可以作为强降水出现的预警指标。