基于再分析数据的测风数据插补方法

被引：12

作者：

刘霄 ^{[1
]}

赖旭 ^{[1
]}

郑付明 ^{[2
]}

机构：

[1] 武汉大学水资源与水电工程科学国家重点实验室

[2] 中国电力工程顾问集团中南电力设计院有限公司

来源：

华中科技大学学报(自然科学版) | 2017年 / 45卷 / 07期

基金：

高等学校博士学科点专项科研基金;

关键词：

风能资源评估; 数据插补; MERRA再分析数据; 人工神经网络; 遗传算法;

D O I：

10.13245/j.hust.170715

中图分类号：

TK81 [风能];

学科分类号：

080703 ; 080704 ;

摘要：

研究了MERRA网格点与输入变量的数量对插补精度的影响.以人工神经网络与遗传算法为工具建立MERRA数据与缺测数据相关关系的数学模型,基于该模型对现场缺测数据进行插补.该方法解决了在缺少合适参考气象站、参考测风塔数据时的缺测数据插补难题.以湖北某山区风场为例进行验证,结果表明:插补精度与选取的MERRA格点数量一定范围内呈正比关系,输入模型变量的较优选择为风速、风向、单位时间气温变化、日夜以及季节,计算得到的插补数据与缺测数据相关系数达到0.814,相对采用参考气象站数据和参考测风塔数据作为数据来源的方法,相关系数分别提高97.6%和10.3%.

引用

页码：78 / 83

页数：6

共 11 条

[1] 复杂山地下测风塔缺失测风数据插补订正方法的比较分析 [J].

张雪婷 ;

陈正洪 ;

许杨 ;

孙朋杰 .

风能, 2015, (01) :82-86

[2] 五种风速测量相关预测方法的比较研究 [J].

刘郁珏 ;

胡非 ;

朱蓉 .

太阳能学报, 2013, 34 (07) :1241-1249

[3] 测风数据处理与风资源评估 [J].

杨迎超 ;

刘宏昭 ;

原大宁 ;

徐刚 ;

穆安乐 .

太阳能学报, 2012, 33 (10) :1661-1666

[4] 风电场缺失测风数据插补方法的分析 [J].

王远 ;

钟华 .

可再生能源, 2012, (03) :14-17+21

[5] 湖北省不同地形条件下风随高度变化研究 [J].

刘敏 ;

孙杰 ;

杨宏青 ;

袁业畅 .

气象, 2010, 36 (04) :63-67

[6] 国家自然科学基金委员会地球科学部南京信息工程大学大气资料服务中心资料通讯 [J].

任律 ;

李丽平 .

大气科学学报, 2010, 33 (02) :253-256

[7] NCEP/NCAR再分析数据在风能资源评估中的应用研究 [J].

冯双磊 ;

王伟胜 ;

刘纯 ;

戴慧珠 .

资源科学, 2009, 31 (07) :1233-1237

[8]

GB/T 18710-2002. 风电场风能资源评估方法[S]. 2002

[9]

MERRA: NASA's Modern-Era Retrospective Analysis for Research and Applications[J] . Rienecker,Michele M,Suarez,Max J,Gelaro,Ronald,Todling,Ricardo,Bacmeister,Julio,Liu,Emily,Bosilovich,Michael G,Schubert,Siegfried D,Takacs,Lawrence,Kim,Gi-Kong,Bloom,Stephen,Chen,Junye,Collins,Douglas,Conaty,Austin,Da Silva,Arlindo,Gu,Wei,Joiner,Joanna,Koster,Randal D,Lucchesi,Robert,Molod,Andrea,Owens,Tommy,Pawson,Steven,Pegion,Philip,Redder,Christopher R,Reichle,Rolf,Robertson,Franklin R,Ruddick,Albert G,Sienkie

[10]

Influence of the input layer signals of ANNs on wind power estimation for a target site: A case study[J] . Sergio Velázquez,José A. Carta,J.M. Matías.Renewable and Sustainable Energy Reviews . 2010 (3)

← 1 2 →