基于WRF模式和自适应偏最小二乘回归法的风能预报试验研究

被引:39
作者
程兴宏 [1 ]
陶树旺 [1 ]
魏磊 [2 ]
段玮 [3 ]
陈军明 [4 ]
江滢 [1 ]
机构
[1] 中国气象局公共气象服务中心
[2] 西北电网有限公司电网技术(培训)中心
[3] 云南省气象科学研究所
[4] 中国气象科学研究院
关键词
WRF模式; 自适应偏最小二乘回归法; 单机预报法; 风能预报;
D O I
暂无
中图分类号
TM614 [风能发电];
学科分类号
0807 ;
摘要
利用中尺度WRF(Weather Research and Forecast Model)模式预报了2009年1,4,7和10月甘肃某风电场区域的风速和风向,并与离风电场最近的两座测风塔对应时段50m和70m高度实测资料进行了对比,客观地评估了该模式对风场预报的准确率。在相对准确的风场预报基础上,利用2008年1月-2009年4月风电场200台风机的实际功率记录数据和同期气象要素场预报资料,采用自适应偏最小二乘回归法和单机预报法建立了每台风机未来48h逐15min输出功率记录数据与同时刻轮毂高度预报的风速、风向、气温、湿度及气压之间的非线性统计预报模型。为了对该模型的稳定性和准确性进行长期的客观评估,独立进行了2008年1-12月的预报试验,分别建立了12组独立的非线性统计预报模型。试验结果表明:(1)WRF模式预报的各月风向分布、风频大小与实测风向有较好的一致性;盛行风向基本一致,风频大小相当,风向分布特征也较为一致。(2)WRF模式预报的50m和70m高度逐时平均风速与实测值的相关系数介于0.6~0.8之间,均方根误差介于1.5~2.6m.s-1之间。(3)2008年1-12月逐15min风电场风电功率预报值与风机输出功率记录值的相关性较显著,可较好地预报出各月风电功率的时间变化趋势。两者相关系数介于0.58~0.90之间,均达到了99.9%置信度。(4)各月逐15min风电功率预报值与风机输出功率记录值的误差较小,相对于总额定装机容量而言,均方根误差介于2.76%~12.89%之间。
引用
收藏
页码:1461 / 1469
页数:9
相关论文
共 19 条
  • [1] 酒泉风电基地高分辨率风能资源的数值模拟
    惠小英
    高晓清
    桂俊祥
    刘建彪
    邓国卫
    [J]. 高原气象, 2011, (02) : 538 - 544
  • [2] 酒泉地区风能资源开发优势度分析
    邓国卫
    高晓清
    惠小英
    桂俊祥
    汪宁渤
    刘建彪
    [J]. 高原气象, 2010, (06) : 1634 - 1640
  • [3] 数值模拟在上海海上风能资源评估中的应用
    穆海振
    徐家良
    杨永辉
    [J]. 高原气象, 2008, 27(S1) (S1) : 196 - 202
  • [4] 基于人工神经网络的风电功率预测
    范高锋
    王伟胜
    刘纯
    戴慧珠
    [J]. 中国电机工程学报, 2008, (34) : 118 - 123
  • [5] 基于人工神经网络的风电功率短期预测系统
    范高锋
    王伟胜
    刘纯
    [J]. 电网技术, 2008, (22) : 72 - 76
  • [6] 风能预报方法研究进展
    柳艳香
    陶树旺
    张秀芝
    [J]. 气候变化研究进展, 2008, (04) : 209 - 214
  • [7] 风能模拟系统WEST在中国风能数值模拟中的应用
    张德
    朱蓉
    罗勇
    俞卫
    王澄海
    [J]. 高原气象, 2008, (01) : 202 - 207
  • [8] 风电场出力短期预报研究综述
    刘永前
    韩爽
    胡永生
    [J]. 现代电力, 2007, (05) : 6 - 11
  • [9] 提前三小时风电机组出力组合预报研究
    刘永前
    韩爽
    杨勇平
    高辉
    [J]. 太阳能学报, 2007, (08) : 839 - 843
  • [10] 基于神经网络的风电场风速时间序列预测研究
    肖永山
    王维庆
    霍晓萍
    [J]. 节能技术, 2007, (02) : 106 - 108+175