CN104008284A - 测风塔在数值天气预报中的校正方法 - Google Patents
测风塔在数值天气预报中的校正方法 Download PDFInfo
- Publication number
- CN104008284A CN104008284A CN201410211827.7A CN201410211827A CN104008284A CN 104008284 A CN104008284 A CN 104008284A CN 201410211827 A CN201410211827 A CN 201410211827A CN 104008284 A CN104008284 A CN 104008284A
- Authority
- CN
- China
- Prior art keywords
- anemometer tower
- weather forecast
- numerical weather
- numerical
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种测风塔在数值天气预报中的校正方法,中心站大型计算机利用气象观测站传输的气象信息,经过模式计算生成天气预报初步产品,通过实时测风塔收集选定区域的信息,并将收集的信息上传至中心站;所述中心站结合实时测风塔传输的信息,对上述生成天气预报初步产品进行数值天气预报修正。将实况数据输入进中心站大型计算机中,对数值天气预报结果进行修正,即利用实测风况数据对数值天气预测进行反馈干预,以达到修正反馈数值天气预报的效果。增加了利用实测数据反馈的环节,使数值天气预报生产结果更加精确,同时也解决了偏远地区,气象站稀少导致的数值天气预报精度不高的缺陷。
Description
技术领域
本发明涉及天气预报领域,具体地,涉及一种测风塔在数值天气预报中的校正方法。
背景技术
数值天气预报numerical weather prediction是指根据大气实际情况,在一定的初值和边值条件下,通过大型计算机作数值计算,求解描写天气演变过程的流体力学和热力学的方程组,预测未来一定时段的大气运动状态和天气现象的方法。
全世界已有30多个国家和地区把数值天气预报作为制作日常天气预报的主要方法,其中不少国家和地区除制作1~2天的短期数值天气预报外,还制作一个星期左右的中期数值天气预报。
中国于1955年开始摸索作数值天气预报,1959年开始在计算机上进行数值天气预报,1969年国家气象局正式发布短期数值天气预报,以后逐步改进数值预报模式并实现了资料输入、填图、分析和预报输出的自动化。目前,除完成日常的短期数值天气预报业务外,已作出中期数值天气预报。
数值天气预报通常根据全球气象站上报的气象资料生成全球谱模式场,再经过高性能大型计算机进行降尺度处理,将数值天气预报尺度由27×27km,降为9×9km或3×3km,即在数值天气预报中3×3km作为一个天气预报点进行预报,在3×3km范围内只有一个温度、压力、风速等气象值。
目前,在风资源条件较好的地区设立测风塔,并长时间对测风塔上10m、30m、50m和70m等高层处的风速和风向数据的观测收集,得到一个片区风能情况的变化,然后据此确定该地区的风能资源,为风电场建设提供前期服务。
一种千万千瓦级风电基地实时风资源网络管理系统,是包括与多个风电场匹配设置的多个实时测风塔系统,以及与所述多个实时测风塔系统通信连接、且用于统一管控多个风电基地的中心站。
风电功率短期及超短期预测系统使用风电场历史功率和测风塔历史风况信息,依据统计方法建立风电功率预测模型,再结合由欧洲气象中心生产的实况数值天气预报数据,以及兰州中心气象台生产的实况数值天气预报,进行风电场功率的短期及超短期预测,
风电功率短期及超短期预测最常采用的是时间序列法,即采用历史风电有功出力及风况信息进行建模,再结合风电场实时有功作为输入值,进行短期及超短期未来功率预测。该方法仅依赖前期的功率数据,缺乏外界参数的修正,因而预测结果随机性较强、稳定性较差。通过测风网络的建立,收集区域内实时风况信息,以多测风塔数据为基础,对数值天气预报降尺度后预报点的预测结果进行修正,修正数值天气预报的预测结果,并通过数值天气预报结果的修正,以提高短期及超短期风电功率的预测结果。
现有的数值天气预报生产过程中,只使用了雷达、船舶、气象站获取的气象资料,再输入至大型计算机中,进行天气预报的生产计算。数值天气预报生产,每天进行两次生产预测,而在数值天气预报生产计算过程中,使用的气象站和雷达采集的数据,都是少则一小时多则十几小时前的数据,数据时效性上存在一定缺陷。数值天气预报的生产,是先生产出一个全球谱模式场,再经过大型计算机的计算,算出需求地区的细网格天气预报情况。但生成全球谱模式场时,是利用全球气象站获取的信息。而对于我国西北以及北方地区,人烟稀少的戈壁草原地区,气象站数量十分有限,在全球谱模式场的生产过程中,其气象预测精度偏低,导致针对这一地区的更进一步细网格数值天气预报效果就不甚理想。
发明内容
本发明的目的在于,针对上述问题,提出一种测风塔在数值天气预报中的校正方法,以实现提高天气预测准确度的优点。
为实现上述目的,本发明采用的技术方案是:
一种测风塔在数值天气预报中的校正方法,中心站大型计算机利用气象观测站传输的气象信息,经过模式计算生成天气预报初步产品,实时测风塔收集选定区域的信息,并将收集的信息上传至中心站;
所述中心站结合实时测风塔传输的信息,对上述生成天气预报初步产品进行数值天气预报修正。
根据本发明的优选实施例,上述实时测风塔收集的信息包括,风速信息、温度信息和气压信息。
根据本发明的优选实施例,所述实时测风塔包括数据采集器、传感器、电源设备和通讯设备,所述传感器采集的数据经数据采集器后通过通讯设备上传至中心站,所述电源设备提供电源。
根据本发明的优选实施例,所述数据采集器使用南瑞公司研发的ACS300-MM。
根据本发明的优选实施例,所述传感器包括设置在测风塔上的风速风向计、温度计和气压计。
根据本发明的优选实施例,所述电源设备包括蓄电池和太阳能板,所述蓄电池配有过充过放保护器。
根据本发明的优选实施例,所述通讯设备使用GPRS终端。
本发明的技术方案具有以下有益效果:
本发明的技术方案,在原有数值天气预报生产的基础上,结合实时测风塔的分钟级实时气象数据,依据建立的测风网络所收集到的区域气象信息,针对实时测风塔所在地区,利用采集得到的预测时间点前一段时间内的当地测风实况数据,将实况数据输入进中心站大型计算机中,对数值天气预报结果进行修正,即利用实测风况数据对数值天气预测进行反馈干预,以达到修正反馈数值天气预报的效果。增加了利用实测数据反馈的环节,使数值天气预报生产结果更加精确,同时也解决了偏远地区,气象站稀少导致的数值天气预报精度不高的缺陷。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为现有的天气预报结构框图。
图2为本发明实施例所述的测风塔在数值天气预报中的校正方法结构框图;
图3为本发明实施例所述的实时测风塔的原理框图;
图4为本发明实施例所述的实时测风塔与中心站的原理框图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
根据大气实际情况,在一定初值和边值条件下,通过数值计算,求解描写天气演变过程的流体力学和热力学方程组,预报未来天气。和一般用天气学方法、并结合经验制作出来的天气预报不同,这种预报是定量和客观的预报。预报所用或所根据的方程组和大气动力学中所用的方程组相同,即由连续方程、热力学方程、水汽方程、状态方程和3个运动方程(见大气动力方程)所构成的方程组。方程组中,含有7个预报量(速度沿x,y,z三个方向的分量u,v,w和温度T,气压p,空气密度ρ以及比湿q)和7个预报方程。方程组中的粘性力F,非绝热加热量Q 和水汽量S,一般都当作时间、空间和这7个预报量的函数,这样,预报量的数目和方程的数目相同,因而方程组是闭合的。
如图1所示,现有数值天气预报通过模式降尺度后,直接生产出数值天气预报产品,并未有校正和反馈的环节。生产出的数值天气预报产品,是根据全球气象站在之前收集的气象资料上传后,经过计算得出全球谱模式场,再经过大型计算机降尺度得到本国本地区中小尺度的气候场,并应用于气象预测及相关的服务产品。气象预测产品只根据几小时前的全球气象站所测数据,对于我国西北气象站稀少的地区,鲜有当地的气象数据加入气象生产之中,更难有临近的实时气象信息加入气象产品的校正和修订之中。预测的精度和准确性存在一定的局限性。
数值天气预报要利用分布于全球的数据收集站(常规的观测、雷达观测、船舶观测、卫星观测等)获取气象资料,上传至气象中心。气象中心对数据进行处理,对数据的准确性和连续性进行校验,剔除掉错误数据。
数值天气预报中所用的方程大多是非线性的,迄今还没有一种解析求解方法,常用的是数值求解方法。其中最常用的是差分法,其次是谱方法。
差分法
即用差商代替微商的方法。考虑任意函数f(x,у,t),其偏微商 дf/дx可以用几种不同的形式来近似表示。
如 等。其中Δxf=f(x+Δx,у,t)-f(x -Δx,у,t),δxf=f(x+Δx,у,t)-f(x,у,t);Δx是网格距,至于对自变量у和t的偏微商,只要用у或t代替上面两式中的x,用Δу或Δt 代替Δx,便可得到类似的表示式。通常称Δxf/2Δx为中央差,δxf/Δx为向前差。
L.F.理查孙最早将这种方法应用于天气预报问题。他用中央差代替空间微商,用向前差代替时间微商,认为这样一步步地计算,就可以作出预报。如对于平流方程:
其相应的差分方程为
其中cx为波速,F为函数,x为空间自变量,t为时间自变量,m 是代表空间的下标,m 是代表时间的下标。依此式则由前一时刻的值,可以求得后一时刻的值。这称为显式差分格式。实践表明,如果用一个单波解代入F(x,t),就不难发现,差分方程的解将随时间无限增长而与真解毫无相似之处。这种现象被称为“线性不稳定”。
谱方法
将微分方程组中函数的空间变化用正交函数的级数的前有限项展开,通过一系列积分运算,使微分方程组变换成以展开系数和其对时间的微商的常微分方程组,以求得近似数值解的方法。正交函数的选择,依赖于区域的几何形状。谱方法通常用来解半球或全球问题,并多用球面调和函数。1954年,有人提出用球面调和函数解正压涡度方程的谱方法,时间外推方法和差分法相同。以后,虽然有不少人继续研究,但由于这种方法的计算量很大,特别是非线性项,更是如此。长期以来,这种方法一直停留在研究试验阶段。1970年,A.埃利亚森等利用当时刚发展起来的快速富氏变换计算非线性项,空间微商用谱方法进行,乘积运算在网格点上完成,回避了直接计算非线性项中相互作用系数的大量工作,使计算量大为减少。
一般说来,谱方法的优点是:①空间微商的计算精确,有利于减小位相误差;②可以避免非线性混淆现象,使非线性不稳定性不易产生;③便于解泊松方程;④能自动并彻底地滤去短波,比一般差分法中用平滑算符好;⑤解全球或半球问题可以没有奇异点。缺点是:①表示非线性项所需的计算量和存储量均较大,计算量随波数增加得太快;②对分布不太连续的物理量,容易发生跳跃现象,必须用较多的波才能表示;③象降水那样的局部地区天气现象和其伴随的潜热加热作用,必须知道整个场的预报量,这就经常要把所有的谐波分量重新组合起来。
由于大气是一种具有连续运动尺度谱的连续介质,故不管模式的分辨率如何高,总有一些接近于或小于网格距尺度的运动,无法在模式中确切地反映出来,这种运动过程称为次网格过程。湍流、对流、凝结和辐射过程都包含有次网格过程。在数值预报中已采用参数化的方法来考虑这些过程,即用大尺度变量来描述次网格过程对大尺度运动的统计效应。尽管用这种方法已取得了相当好的效果,但仍有许多未解决的问题。
中尺度数值气象预报谱模式有许多,其中MM5是目前国内外应用最为广泛的模式,被广泛的应用于国内外各气象部门和相关机构。WRF模式是在MM5模式上发展起来的新一代中尺度模式,它将逐渐的替代MM5模式。GRAPES模式是中国气象局自主开发的新一代数值预报系统,它是中小尺度与大尺度通用的先进数值预报系统,目前国内很多气象部门已经在对GRAPES进行研究和应用。
MM5模式
中尺度气象预报模式MM5是由美国国家大气研究中心(NCAR)和宾夕法尼亚州立大学联合开发的第5代中尺度天气预报模式。
美国国家大气研究中心和宾州大学从七十年代中期起研制中尺度数值模式MM4(早期为MM2),经过二十多年的不断改进和应用,先后形成了8个版本,这些版本已经被美国大学和科研单位广泛应用于对热带风暴、中纬度气旋锋面系统、暴雨、中尺度对流系统等重要天气过程的中尺度数值模拟以及对环境科学的研究。到了90年代初,在MM4的基础上,进一步研制出了MM5。
MM5是用于气象预报模拟的中小尺度非静力动力气象模式,它是目前气象领域中使用最为广泛的中尺度预报模式。在我国已经建成的有限区域数值天气预报业务系统中,绝大部分都采用该模式作为业务模式。
MM5的最新版本是MM5V3,其研发工作已经停止,继而转向WRF模式。
WRF模式
WRF模式是在MM5模式上发展起来的新一代中尺度模式,是Weather Research Forecasting model的简称。WRF模式系统是由许多美国研究部门及大学的科学家共同参与进行开发研究的新一代中尺度预报模式和同化系统。
WRF模式系统将成为改进从云尺度到天气尺度等不同尺度重要天气特征预报精度的工具,重点考虑1-10公里的水平网格。模式将结合先进的数值方法和资料同化技术,采用经过改进的物理过程方案,同时具有多重嵌套及易于定位于不同地理位置的能力。它将很好的适应从理想化的研究到业务预报等应用的需要,并具有便于进一步加强完善的灵活性。
WRF模式系统具有可移植、易维护、可扩充、高效率、方便的等诸多特性,新的科研成果运用于业务预报模式将变得更为便捷,同时也方便科技人员在大学、科研单位及业务部门之间的交流。
WRF模式作为一个公共模式,由NCAR负责维护和技术支持,免费对外发布。第一版的发布在2000年11月30日。04年5月21日推出了嵌套版本V2.0。05年8月3日推出了V2.1,目前最新版本是06年12月22日发布的V2. 2。
GRAPES模式
GRAPES模式是中国气象局自主开发的新一代数值预报系统。其全名是全球/区域同化预报系统,GRAPES是其英文全称“Global/Regional Assimilation and Prediction Enhanced System”的简称。同时grapes又是“葡萄”的英文,所以我们又称“GRAPES模式”为“葡萄模式”。
GRAPES系统是集常规与非常规变分同化、静力平衡与非静力平衡、全球与区域模式、科研与业务应用、串行与并行计算、标准化与模块化程序、理想实验与实际预报等为一体,中小尺度与大尺度通用的先进数值预报系统。GRAPES系统包括:全球中期天气数值预报系统(全球中期GRAPES)、有限区域中尺度数值预报系统(中尺度GRAPES)等。其预报时效、垂直层次和水平网格距可以根据计算条件和业务需要合理设置和调整。该预报系统的短期目标为在未来3~5年的时间内,建立我国新一代、多尺度统一的数值天气预报系统,可提供空间分辨率达5~100公里、时间分辨率达几小时~10天的数值预报,使预报准确率比现有水平有明显提高。
通过模式的生产计算,生成的天气预报结果,还要经过图形化处理等后处理工作,以生成实际使用的数值天气预报。
如图2所示,一种测风塔在数值天气预报中的校正方法,中心站大型计算机利用气象观测站传输的气象信息,经过模式计算生成天气预报初步产品,通过实时测风塔收集选定区域的信息,并将收集的信息上传至中心站;
中心站结合实时测风塔传输的信息,对生成天气预报初步产品进行数值天气预报修正。
其中,实时测风塔收集的信息包括,风速信息、温度信息和气压信息。
风资源实时监测系统是通过测风塔及其上面的风速风向传感器,获取测风塔10、30、50、70米等层高的每10分钟风速风向平均值,同时获取气压和温度值。通过对测风塔进行改造,加装相应的设备,实现测风塔每5分钟测得一次风况信息,并及时上传至用户端,并进行应用。
如图3所示,实时测风塔包括数据采集器、传感器、电源设备和通讯设备,所述传感器采集的数据经数据采集器后通过通讯设备上传至中心站,所述电源设备提供电源。数据采集器使用南瑞公司研发的ACS300-MM。传感器包括设置在测风塔上的风速风向计、温度计和气压计。电源设备包括蓄电池和太阳能板,所述蓄电池配有过充过放保护器。通讯设备使用GPRS终端。
测风塔与中心站之间的结构如图4所示。
实时测风塔每5分钟收集的气象数据,通过GPRS通道传输至中心站数据库之中。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种测风塔在数值天气预报中的校正方法,中心站大型计算机利用气象观测站传输的气象信息,经过模式计算生成天气预报初步产品,其特征在于,通过实时测风塔收集选定区域的信息,并将收集的信息上传至中心站;
所述中心站结合实时测风塔传输的信息,对上述生成天气预报初步产品进行数值天气预报修正。
2.根据权利要求1所述的测风塔在数值天气预报中的校正方法,其特征在于,上述实时测风塔收集的信息包括,风速信息、温度信息和气压信息。
3.根据权利要求1或2所述的测风塔在数值天气预报中的校正方法,其特征在于,所述实时测风塔包括数据采集器、传感器、电源设备和通讯设备,所述传感器采集的数据经数据采集器后通过通讯设备上传至中心站,所述电源设备提供电源。
4.根据权利要求3所述的测风塔在数值天气预报中的校正方法,其特征在于,所述数据采集器使用南瑞公司研发的ACS300-MM。
5.根据权利要求3所述的测风塔在数值天气预报中的校正方法,其特征在于,所述传感器包括设置在测风塔上的风速风向计、温度计和气压计。
6.根据权利要求3所述的测风塔在数值天气预报中的校正方法,其特征在于,所述电源设备包括蓄电池和太阳能板,所述蓄电池配有过充过放保护器。
7.根据权利要求3所述的测风塔在数值天气预报中的校正方法,其特征在于,所述通讯设备使用GPRS终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410211827.7A CN104008284A (zh) | 2014-05-20 | 2014-05-20 | 测风塔在数值天气预报中的校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410211827.7A CN104008284A (zh) | 2014-05-20 | 2014-05-20 | 测风塔在数值天气预报中的校正方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104008284A true CN104008284A (zh) | 2014-08-27 |
Family
ID=51368936
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410211827.7A Pending CN104008284A (zh) | 2014-05-20 | 2014-05-20 | 测风塔在数值天气预报中的校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104008284A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106874602A (zh) * | 2017-02-20 | 2017-06-20 | 北京华风超越科技有限公司 | 气象数据处理方法和装置 |
CN107179566A (zh) * | 2017-05-12 | 2017-09-19 | 周调彪 | 一种区县天气预测的自学习修正方法及系统 |
CN107527108A (zh) * | 2016-06-21 | 2017-12-29 | 中国辐射防护研究院 | 一种核设施事故场外后果评价的中小尺度风场预测方法 |
CN108009289A (zh) * | 2017-12-25 | 2018-05-08 | 华云信息技术工程有限公司 | 一种网格天气预报制作系统、方法及装置 |
CN113127530A (zh) * | 2021-03-05 | 2021-07-16 | 中国气象科学研究院 | 一种基于铁路网的大气三维结构动态探测信息群同化系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6879944B1 (en) * | 2000-03-07 | 2005-04-12 | Microsoft Corporation | Variational relevance vector machine |
CN102269124A (zh) * | 2011-06-30 | 2011-12-07 | 内蒙古电力勘测设计院 | 超短期风电场发电功率预测系统 |
CN102945508A (zh) * | 2012-10-15 | 2013-02-27 | 风脉(武汉)可再生能源技术有限责任公司 | 一种基于模型校正的风电功率预测预报系统及方法 |
CN103514341A (zh) * | 2012-06-14 | 2014-01-15 | 华锐风电科技(集团)股份有限公司 | 基于数值天气预报和计算流体动力学的风资源评估方法 |
-
2014
- 2014-05-20 CN CN201410211827.7A patent/CN104008284A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6879944B1 (en) * | 2000-03-07 | 2005-04-12 | Microsoft Corporation | Variational relevance vector machine |
CN102269124A (zh) * | 2011-06-30 | 2011-12-07 | 内蒙古电力勘测设计院 | 超短期风电场发电功率预测系统 |
CN103514341A (zh) * | 2012-06-14 | 2014-01-15 | 华锐风电科技(集团)股份有限公司 | 基于数值天气预报和计算流体动力学的风资源评估方法 |
CN102945508A (zh) * | 2012-10-15 | 2013-02-27 | 风脉(武汉)可再生能源技术有限责任公司 | 一种基于模型校正的风电功率预测预报系统及方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107527108A (zh) * | 2016-06-21 | 2017-12-29 | 中国辐射防护研究院 | 一种核设施事故场外后果评价的中小尺度风场预测方法 |
CN106874602A (zh) * | 2017-02-20 | 2017-06-20 | 北京华风超越科技有限公司 | 气象数据处理方法和装置 |
CN106874602B (zh) * | 2017-02-20 | 2022-11-15 | 北京华风超越科技有限公司 | 气象数据处理方法和装置 |
CN107179566A (zh) * | 2017-05-12 | 2017-09-19 | 周调彪 | 一种区县天气预测的自学习修正方法及系统 |
CN108009289A (zh) * | 2017-12-25 | 2018-05-08 | 华云信息技术工程有限公司 | 一种网格天气预报制作系统、方法及装置 |
CN113127530A (zh) * | 2021-03-05 | 2021-07-16 | 中国气象科学研究院 | 一种基于铁路网的大气三维结构动态探测信息群同化系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102570453B (zh) | 基于多套数值天气预报源的短期风电功率预测方法及系统 | |
US11408399B2 (en) | Forecasting output power of wind turbine in wind farm | |
CN102945508B (zh) | 一种基于模型校正的风电功率预测预报方法 | |
Kubik et al. | Exploring the role of reanalysis data in simulating regional wind generation variability over Northern Ireland | |
Andresen et al. | Validation of Danish wind time series from a new global renewable energy atlas for energy system analysis | |
CN103279804B (zh) | 超短期风电功率的预测方法 | |
JP6687241B2 (ja) | 発電電力予測装置、サーバ、コンピュータプログラム及び発電電力予測方法 | |
CN201413997Y (zh) | 风电功率预测系统 | |
CN106228278A (zh) | 光伏功率预测系统 | |
CN106443833B (zh) | 一种基于云计算的数值天气预报方法 | |
US20130046492A1 (en) | Method and system for forecasting wind energy | |
CN104008284A (zh) | 测风塔在数值天气预报中的校正方法 | |
CN104036121B (zh) | 基于概率分布转移的测风数据风速订正方法 | |
CN103208037B (zh) | 一种应用于新能源电站的基于在线校正的功率预测方法 | |
CN101741085A (zh) | 一种短期风电功率预报方法 | |
Suomalainen et al. | Synthetic wind speed scenarios including diurnal effects: Implications for wind power dimensioning | |
CN103473621A (zh) | 风电场短期功率预测方法 | |
CN108196317B (zh) | 一种用于微电网系统的气象预测方法 | |
CN103810542A (zh) | 风电场风功率预测系统及实现方法 | |
CN102005760A (zh) | 一种通用风电功率短期预报方法 | |
WO2011124226A1 (en) | Method and system for forecasting wind energy | |
CN109636076A (zh) | 一种分布式光伏功率预测主站系统 | |
CN110416996A (zh) | 一种基于云平台的分布式光伏集群功率预测系统 | |
JP7346356B2 (ja) | 予測装置および予測方法 | |
Bouchouicha et al. | ANN-based correction model of radiation and temperature for solar energy application in South of Algeria |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140827 |
|
RJ01 | Rejection of invention patent application after publication |