复杂地形风能预报的精细化研究

《复杂地形风能预报的精细化研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、论文题目复杂地形风能预报的精细化研究一、从事研究内容国内外研究进展1.1风能预报的进展风能预报有统计预报和动力预报两种方式。统计预报通过建立风电场大气资料和风电量输出资料之间的经验关系以及合理的经验系数，统计计算得到风电量预报值。常用的有多元线形回归、理想的模糊逻辑和神经网络等方法。统计预报局限性主要在于过分地依赖丁•观测资料，观测资料的质量和长度是决定统计预报质量的重要前捉条件。动力预报是基于大气质量、动量、能量守恒以及人气状态方程等基木物理原理，模拟人气运动的计算流体动力学模式。它分为：动力降

2、尺度、统计降尺度和集合降尺度。动力降尺度，适用于复杂地形、沿海地区，采用高分辨率的模拟，改进仅用数值天气预报模式的不足；统计降尺度，在动力模式的分辨率仍不能精确到能具体描述风机风场的变化情况卜-弥补这一缺陷；集合预报，用不同的方法产生预报的集合模型，可以使不同方法之间的随机谋差得以相互抵消，从而捉高预报准确率。1.1.1统计预报的研究进展对于统计预报的各种方法，国内外进行的相关研究较多。比如：早在1984年，Brownetal就采用吋间序列模型预报小吋平均风速和风电功率，论证了风电功率预报的可行性

3、；Tandeetal(1994)研究发现，相对于风速和风电功率预报的改进而言，神经网络方法有一定局限性，仅优于时间序列法；在国内，杨秀媛等(2005)棊于时间序列法和神经网络法对风速和风电场功率进行了研究，发现该方法对较长时间的预测效果有一定局限性；刘永前等(2007)综述了风电场出力短期预报的原理、方法以及国内外研究现状，并基于持续法和神经网络法对提前3h的风电场风速和风电机组出力进行了组合预报；韩爽(2008)研究了基于历史数据的风电场功率短期预测方法，预测的时间尺度为1〜6h；张铁军等(20

4、11)指出统计方法最典型的是持续预测法，但这种方法预测谋差大，且预测结果不稳定，改进的方法有自回归滑动平均模型法、卡尔曼滤波算法或时间序列法和卡尔曼滤波算法相结合，另外还有一些智能方法，如人工神经网络方法等；干-徳明(20⑵将遗传算法和BP神经网络相结合，利用遗传算法的全局搜索能力获得BP神经网络优化的初始权值和阈值，采用优化后的BP神经网络分别建立1、2、3h的短期风速预测模型，结果表明，该方法较BP神经网络具有预测精度高、收敛速度快的优点。从学者的研究对以发现统计方法的有效预报时效较短，一般有

5、效预测时间长度为1-6h,血电网的运行调度至少•需要耒來24h的预测数据，因此仅依靠统计预报方法不能满足电网调度的需要。动力预报町延长风电预测的有效时间，1=1前动力预报在72h内的预测水平达到了80%以上，是风电功率短期预报的有效方法Z-o1.1.2动力预报的研究进展在风电的动力预报方而，国外早期就开始了相关的研究工作。如，第一个风场矩期预报系统是由丹麦里索国家实验室(Risa)开发的Prediktor；Beyeretal(1999)>Fockenetal(2001)采用数值天气预报模式LM(t

6、hethreedimensionalmesoscaleLokalmodell)发展了风电功率预测系统Prcvicnto(thephysicalpredictionsystem)；此外投入应用的还冇美国的EWind>西班牙的LocalPred和RcgioPrcd等等，他们已经形成了风电功率预报体系。在国内，风电功率预报的研究工作起步较晚，已开展的一些风电功率预报方面的工作属于探索和研究性质，取得了较好的成果。比如孙川永等(2009)丿］］RAMS(RegionalAtmosphericModelin

7、gSystem)模式对河北某风电场的风速和风电功率进行了预报试验，预报结果表明RAMS模式可以满足风电场风速预报的要求；张铁军等(2011)利用风场诊断模型将MM5模式3km的模拟结果降尺度为lkm进行风电场输出功率预报。通过模拟发现，逐时风速预报效果较好，可以反应出风速的变化、大小及趋势;程兴宏等(2012)利用WRF模式预报了2009年］、4、7和10月甘肃某风电场区域逐15min的风速和风向，并与临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，其预报结果能较好地反应风速、风向的

8、变化，客观评估了该模式对风场预报的准确率；李得勤等(2012)基于东北区域中尺度数值预报业务模式产品，使用CALMET模式降尺度和双线性插值(BLI)方法预报风电机组不同高度上的风速，并与位于辽宁北部3个风电场的风塔观测资料对比，结果表明两种方法均能较好地预报出风电机纽所在位置的风速，CALMET的结果略好于BLL以上学者的研究充分证明了动力预报方法对风电精确预报的町行性。但是，以上研究更关注于对单一地形的预报检验，预报的时空分辨率也相对较低，不能满足我国全国性的风电人力发展需求。