相似误差订正方法在风电短期风速预报中的应用研究

为降低风电场短期预报风速误差,减少风电场短期风功率偏差积分电量,提高风电场发电功率预测准确率,分季节研究了相似误差订正方法对ECMWF单台风机预报风速的订正效果.结果表明:相似误差订正后不同风机预报风速的误差差距减小;预报风速的平均绝对偏差和均方根误差明显降低,其中夏季和秋季华能义岗风电场两个指标降低幅度均超过0.1 ...     

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。     

风能模式预报的相似误差订正

采用一种基于相似误差的模式后处理方法,对2011年10月18日—2012年1月5日WRF模式24 h预报的陕西延长风电场风速进行误差订正。该方法通过寻找与当前预报相似的历史预报来进行误差订正,克服了一般基于时间顺序的误差订正方法的不足,即不能处理由于天气系统的剧烈转变引起的预报误差的快速变化。相似误差订正方法减小了预报的均方根误差和中心均方根误差,相对原始预报分别减小9%和10%左右。该方法不仅可以减小系统误差,还可以减小随机误差,从而提高预报准确率。同时,订正结果相对原始预报具有更好的Taylor图模态相关。相似误差订正方法对风能预报敏感区的订正效果更为显著,均方根误差和中心均方根误差分别减小了12%和22%左右。该方法尤其适用于基于风能模式预报的风速误差订正,同时该方法对其他的预测系统和预报变量也有很好的应用潜力。     

基于卡尔曼滤波递减平均算法的集合预报综合偏差订正

针对集合预报存在的偏差和集合离散度通常偏小的问题,在卡尔曼滤波递减平均的一阶矩和二阶矩偏差订正方案的基础上发展了综合偏差订正方案,并利用B08RDP WWRP(The WWRP Beijing 2008 Olympics Research and Development Project)项目中日本气象厅(JMA)区域集合预报的850 hPa温度资料,将敏感性试验得到的一阶矩和二阶矩订正的最优权重系数应用于综合偏差订正方案,并对其订正效果进行多方面检验分析。试验结果表明,一阶矩订正可以有效减小集合平均偏差,集合平均预报质量得到了明显改善;二阶矩订正对集合离散度具有较强的调整能力,订正后的集合预报可靠性、区分不同天气事件的能力总体上得到了提高;综合偏差订正方案有效融合了一阶矩和二阶矩订正的优势,其各自的最优权重系数适用于综合偏差订正方案,对集合平均偏差和离散度具有良好的订正效果,能够改善集合预报的整体质量。但一阶矩与二阶矩订正对综合偏差订正的贡献程度随评分指标而异,一阶矩订正对等级概率(RPS)评分和异常值百分比评分的贡献分别为83.75%和18.83%,可信度的改善约83.98%源于二阶矩订正,而相对作用特征(ROC)评分中二者的贡献基本相当。     

基于地面气象要素的延伸期相似预报方法初步研究

依据基于地面气象要素的相似预报方法,利用环渤海地区1960~2010年57个地面测站的降水和风速气象资料,探讨了相似预报法进行延伸期预报的可行性。2000~2010年预报效果表明:该方法对夏季降水日数有一定的预报能力,除去8月第27~30 d的预报外,其预报准确率均高于气候概率。6~7月中雨预报准确率在8%~10%之间,整体超过了气候概率值;夏季大雨和暴雨的延伸期预报准确率大多较气候概率值高,预报结果可信。对于0~2级风速预报而言,各季节存在明显差异,预报准确率最高值出现在夏季,高达85%,最低值出现在春季,为50%左右;对于3~4级风速预报,一年中有8个月的预报准确率维持在10%左右;在2~4月日均风速≥5级的预报准确率为7%~10%,而日最大风速≥5级的预报准确率明显高于日均风速的预报准确率,最低预报准确率为18.5%,最高可达39.1%。风速的预报结果与同类研究对比发现,基于地面气象要素的相似预报方法在延伸期风速预报中具有一定的应用价值。     

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。     

基于卡尔曼滤波递减平均算法的集合预报综合偏差订正北大核心CSCD

针对集合预报存在的偏差和集合离散度通常偏小的问题,在卡尔曼滤波递减平均的一阶矩和二阶矩偏差订正方案的基础上发展了综合偏差订正方案,并利用B08RDP WWRP(The WWRP Beijing 2008 Olympics Research and Development Project)项目中日本气象厅(JMA)区域集合预报的850 hPa温度资料,将敏感性试验得到的一阶矩和二阶矩订正的最优权重系数应用于综合偏差订正方案,并对其订正效果进行多方面检验分析。试验结果表明,一阶矩订正可以有效减小集合平均偏差,集合平均预报质量得到了明显改善;二阶矩订正对集合离散度具有较强的调整能力,订正后的集合预报可靠性、区分不同天气事件的能力总体上得到了提高;综合偏差订正方案有效融合了一阶矩和二阶矩订正的优势,其各自的最优权重系数适用于综合偏差订正方案,对集合平均偏差和离散度具有良好的订正效果,能够改善集合预报的整体质量。但一阶矩与二阶矩订正对综合偏差订正的贡献程度随评分指标而异,一阶矩订正对等级概率(RPS)评分和异常值百分比评分的贡献分别为83.75%和18.83%,可信度的改善约83.98%源于二阶矩订正,而相对作用特征(ROC)评分中二者的贡献基本相当。     

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。     

风电场风速数值预报的误差分析及订正

使用WRF模式对内蒙古某风电场区域内的2011年1-6月,50m高度的风速进行了模拟,并结合实测风速对模拟结果进行了评估。在此基础上再利用自回归模型(AR模型)和持续法对WRF模式模拟结果进行了订正预报,订正结果表明:AR模型和持续法都能有效地减小WRF模式风速的模拟误差,AR模型订正效果优于持续法。为能对订正预报时效进行延长,提出了"假设观测值"概念。在AR模型的基础上建立一种新的订正模型称之为New AR模型。其订正预报结果表明:新模型能在12h时效内,改善WRF模式风速模拟精度,其中6h的改进效果较好。     

基于RMAPS-CHEM模式产品的北京地区能见度预报订正

基于RMAPS-CHEM空间分辨率为3 km的逐小时能见度预报产品,考虑到不同区域、不同时效及不同级别的预报误差不同,对北京区域各站点能见度观测值与模式预报结果进行比较和分时段逐级偏差订正,以2016年数据为样本,并对2017年数据检验。订正结果表明该统计订正方案对2017年能见度预报有较好的订正效果,不仅可以较好地改善其对高海拔地区的高估现象,也能更好地预报出低能见度现象。以2017年1月为例,北京观象台站能见度平均偏差及均方根误差都有所降低,0～24 h分级预报准确率均有所提高。同时,对优化后结果进行合理插值,并应用于北京iGrAPS无缝隙智能网格预报分析系统,得到北京地区1 km空间分辨率的0～96 h时效能见度预报产品,从而为雾、霾等低能见度天气现象的预报提供支撑。     

基于漂浮式测风激光雷达观测数据的海上预报风速订正

本文阐述了海上漂浮式测风设备对数据的测量方式和校准方法后,利用三部漂浮式测风激光雷达 50、80和100m三个高度的风速数据,对同地点和高度的GFS全球天气预报模式的风速数据进行预报订正。结 果表明,直接采用滑动自适应权重的Kalman滤波方法产生累积的滞后平均偏差对风速进行订正的结果并不理 想,统计发现通过降低预报订正公式中的滞后平均偏差项的比值,可以获得更好的标准偏差结果。滞后平均偏 差比值减小至0.1~0.5后经Kalman滤波方法订正后的风速标准偏差整体要低于订正前的风速标准偏差,其中最 佳的比值为0.3。利用这一滞后偏差比值对三部雷达不同预报时刻和预报时效的风速样本组进行订正后发现, 除了个别数据样本组外,超过90%数据样本组的风速标准偏差较订正前是减小的。经改进的算法订正后各高 度层风速预报值的改善率大致在5~20%范围内。     

基于CMA-TRAMS模式地形高度偏差的地面气温误差订正方法研究

采用一元线性方法建立南海台风模式CMA-TRAMS地形高度偏差和地面气温预报误差的回归关系,分别开展不分级、高度偏差分级和地面气温误差分级的三种订正方法的研究,并进行订正效果评估。结果表明,模式地面气温预报误差与地形高度偏差总体呈负的线性相关关系,地面气温预报绝对误差随地形高度偏差绝对值增大而增大（对模式地形高度偏低站点尤为明显）,但不同时刻地面气温预报误差特征表现不同,模式对地形高度偏高（即模式地形高于测站高度）和地形高度偏差小于50 m的站点,06时地面气温（世界时,下同）预报总体偏低,对地形高度偏低大于50 m的站点（即模式地形低于测站高度）,06时地面气温预报总体偏高;而无论站点地形高度偏差如何,模式对18时地面气温预报总体偏高。三种订正方法中地面气温误差分级法能有效地减小地面气温预报误差,该方法订正后的分析场准确率可达96%~99%,12~48小时时效预报场准确率总体可提升至90%以上,该方法具有回归关系稳定、效果显著、适用性广、简单易行等特点。     

ECMWF全风速场集合预报结果的偏差订正与预报不一致性分析

采用卡尔曼滤波类型自适应误差订正法和滑动自适应权重法,对2012年夏季ECMWF 10 m全风速场集合预报结果进行偏差订正,对订正前后的预报结果进行评估,并通过Jumpiness指数对预报结果订正前后的预报不一致性特征进行分析。结果表明,卡尔曼滤波类型自适应误差订正法能有效降低集合预报的均方根误差,且当起报时刻为00时对中低纬度地区的订正效果更显著,当起报时刻为12时对中高纬度地区的订正效果更明显;卡尔曼滤波类型自适应误差订正法能有效改善Talagrand的U型或L型分布;由均方根误差分析结果知道,ECMWF 10 m全风速场集合预报本身存在较大的预报不一致性,经过卡尔曼滤波类型自适应误差订正后,集合预报的预报不一致性明显降低,偏差订正可有效改善集合预报的预报不一致性,且随着预报时效的延长,卡尔曼滤波误差法对预报不一致性的改善效果更加明显;从预报不一致性的发生次数特征来看,单点跳跃出现的次数最多,异号三点跳跃的次数最少;经过卡尔曼滤波类型自适应误差订正后,单点跳跃、异号两点跳跃、异号三点跳跃次数都有所下降。     

冬奥会复杂山地百米尺度10m风速预报的机器学习订正对比试验

本文以传统机器学习算法XGBoost和深度学习算法CU-Net为基础,针对北京快速更新无缝隙融合与集成预报系统（RISE系统）预报的北京冬奥会延庆及张家口赛区100米分辨率的冬季近地面10 m风速数据,进行每日逐小时起报的未来逐6小时间隔的冬奥高山站点及其周边地区风速预报偏差订正方法研究和对比分析。对于站点订正,首先将RISE系统预测的10 m风速插值到对应的自动气象站站点,然后根据风速等级表归类,针对每个分类单独构建XGBoost模型,每个区间模型合并后形成L-XGBoost,使用均方根误差和预报准确率作为评分标准,结果表明风速归类的L-XGBoost算法订正效果比不归类的原始XGBoost模型有一定提升,说明在传统机器学习中加入归类方法有助于改善复杂山地站点风速预报技巧。对于站点及其周边地区风速订正,本文在CUNet模型基础上,通过引入不同深度的CU-Net子网络,构建了新的算法模型CU-Net++,并考虑了预报日变化误差和复杂地形对10 m风速的影响,以自动气象站为中心构建空间小区域样本数据,对RISE系统风速预报偏差进行订正。试验结果表明,CU-Net和CU-Net++均可以充...     

ECMWF模式强降水预报偏差订正方法研究及应用

利用安徽省81站逐日降水量资料、NCEP 500 hPa再分析资料、ECMWF (以下简称EC)降水和500 hPa高度预报,基于暴雨中心和天气类型的客观判定,分类统计2012—2018年23个强降水过程降水中心的预报偏差。结果表明在西路强冷空气和东路冷空气天气类型下,当EC预报降水中心位于115°—120°E 584 dagpm线以北时,降水中心预报往往偏北,依据两者的纬度差和降水中心预报偏差建立了基于天气分类的主雨带位置订正方法;同时依据23个强降水过程最大降水区域降水量预报的日平均偏差,建立了暴雨的强度订正方法。将偏差订正方法应用于2020年安徽省梅汛期预报,结果发现无论位置还是强度订正都能使暴雨预报TS评分明显提高。同时进行位置和强度订正后,暴雨TS评分提高更加明显,尤其是对2020年两次最强降水过程订正效果显著。     

B08RDP区域集合预报温度场质量评估与综合偏差订正

针对B08RDP(The Beijing 2008 Olympics Research and Development Project)5套区域集合预报资料,系统分析了各套集合预报温度场的预报质量。在此基础上运用集合预报的综合偏差订正方法对温度场进行偏差订正,并对其效果进行了分析讨论。结果显示:5套B08RDP区域集合预报中,美国国家环境预报中心(NCEP)区域集合预报温度场的整体预报质量最高,平均预报误差最小,离散度也最为合理,预报可信度和可辨识度均较优;而中国气象科学研究院(CAMS)的温度预报误差过大,预报质量最差。整体上看,除NCEP之外的4套集合预报的温度场均存在集合离散度偏小的问题;综合偏差订正能有效减小各集合预报温度场的集合平均均方根误差,改善集合离散度的质量,显示出综合偏差订正方案对集合预报温度场偏差订正的良好能力。     

基于CLDAS的格点温度预报偏差订正方法

利用国家气象信息中心CLDAS格点温度实况、中央气象台SCMOC格点温度预报以及山西省站点观测温度,采用非独立性检验综合评估CLDAS在山西区域的适用性。在此基础上,采用滑动训练期订正方案,基于格点实况开展SCMOC温度预报场的客观订正。结果表明:(1)复杂地形对山西CLDAS格点温度实况的精度有一定影响,但最高气温的分析精度优于最低气温,表明地形对最低气温的偏差影响更显著,高海拔地区CLDAS最低气温一般对应为负偏差,低海拔地区一般对应为正偏差。(2)CLDAS格点温度实况的偏差空间分布具有时间延续性,进行简单的系统偏差订正后,最高、最低气温格点实况的精度分别提升1.1%、9.7%,与站点观测更为吻合。(3)基于改进后的CLDAS格点温度实况,采用滑动偏差订正方案,显著改善了山西省SCMOC温度预报的准确率。2019年,滑动偏差订正后的24 h时效最高、最低气温预报准确率较SCMOC温度预报分别提升2.7%、4.7%,订正后的短期温度预报质量有较大提高,优于预报员主观预报。     

最佳数值预报模式选取与订正系统设计——温度集成预报系统

本文依据国家指导预报产品,山西省MOS预报以及MM5数值预报产品,对山西省的温度预报进行集成,通过3种客观预报方法的前期准确率对比,建立数学模型,从而产生一种新的客观预报方法。系统对3种数值预报产品进行了集成,建立了一个统一的预报指导产品分析、对比平台,为省台预报员提供一种客观的温度预报参考手段。     

基于频率匹配法的江西省ECMWF降水预报订正研究

利用2016—2019年ECMWF（European Centre for Medium-Range Weather Forecasts）降水预报资料和江西省93个国家气象站降水资料,基于频率匹配法进行降水偏差订正,采用4种方法统计降水频率对降水预报进行订正试验（不分区试验）,根据江西省汛期暴雨气候特征对汛期降水进行分区订正试验,并对典型强降水个例进行分析。结果表明: 频率匹配法降低了模式预报小雨的空报率和大雨、暴雨的漏报率,预报技巧改进明显。在4种降水频率统计方法中,准对称滑动平均法效果最好。分区试验对强降水的订正效果优于不分区试验,该试验对模式预报正技巧暴雨过程的订正能力大于无技巧过程。对于模式预报效果差（TS=0）、一般（0 < TS < 0.2）、好（TS≥0.2）的暴雨过程,分区试验改善的概率分别为40.8%、89.1%和65.3%。频率匹配分区订正后强降水面积更加接近实况,但强降水落区不能得到明显的改善。订正方法对模式预报强降水形态、位置与实况较接近的过程,效果较好。