CN106934191A - 一种基于自相似性的wrf模式风速订正方法 - Google Patents
一种基于自相似性的wrf模式风速订正方法 Download PDFInfo
- Publication number
- CN106934191A CN106934191A CN201511021532.4A CN201511021532A CN106934191A CN 106934191 A CN106934191 A CN 106934191A CN 201511021532 A CN201511021532 A CN 201511021532A CN 106934191 A CN106934191 A CN 106934191A
- Authority
- CN
- China
- Prior art keywords
- wind speed
- wind
- wrf
- correction
- forecast
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Wind Motors (AREA)
Abstract
本发明提供一种基于自相似性的WRF模式风速订正方法,所述风速订正方法包括如下步骤:I、计算目标区域历史观测风速的自相似指数α;II、建立针对目标区域的WRF实时预报系统;III、建立订正模块。本发明提供的一种基于自相似性的WRF模式风速订正方法,基于实际风速的自相似指数订正WRF模式的预报风速,使得预报风速更符合实际,并在订正算法的基础上建立实时处理模块,实现对WRF模式预报风速的实时订正,该方法可有效降低WRF模式的风速预报误差,并进一步提高风功率预报的准确度。
Description
技术领域
本发明涉及新能源技术领域,具体讲涉及一种基于自相似性的WRF模式风速订正方法。
背景技术
WRF模式(Weather Research and Forecasting Model)是一种中尺度数值天气预报模式,开发始于1997年,由美国国家大气研究中心中小尺度气象处、美国国家环境预测中心的环境模拟中心、预报研究处、美国空军气象局以及奥克拉荷马大学的风暴分析预报中心等部门部门联合发起建立。现在,WRF得到了许多其它研究部门及大学的科学家的支持,共同参与进行开发研究。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,使新的科研成果更为便捷地运用于业务预报。通过近二十年的开发,WRF模式现在具备最为先进的数值方法和数据同化技术,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,重点考虑几公里至几十公里分辨率的水平网格,改进了从云尺度到天气尺度等不同尺度重要天气特征的模拟和预报精度,很好地适应从理想化研究到业务预报等不同应用的需要,并已广泛地使用在风速预测及风功率预报等业务中。
但是,将WRF模式预报的风速和实际风速进行对比,会发现一种导致预报误差增大的现象,即当观测风速较小时,预测风速偏大,而当观测风速较大时,预测风速偏小,可称为“上不去,下不来”现象。为此,寻找一种风速订正方法,使得预测风速与实际风速相一致,即修正“上不去,下不来”的现象,成为本领域技术人员迫切需要解决的问题。
发明内容
为了解决现有技术中所存在的上述不足,本发明提供一种基于自相似性的WRF模式风速订正方法。
本发明提供的技术方案是:1、一种基于自相似性的WRF模式风速订正方法,其特征在于,所述风速订正方法包括如下步骤:
I、求得目标区域历史观测风速的自相似指数α;
II、建立针对目标区域的WRF实时预报系统;
III、建立订正模块。
优选的,所述步骤I包括:
(1)提取目标地区的历史观测风速时间序列中的涨落结构;
(2)计算历史风速涨落结构的线性斜率k和时间尺度δt;
(3)确定目标地区风速的实际自相似指数α。
优选的,用小波分析方法提取所述步骤(1)目标地区的历史观测风速时间序列中的涨落结构;
所述步骤(1)提取目标地区的历史观测风速时间序列涨落结构不少于1000个。
优选的,用下式计算所述步骤(2)中所述涨落结构的线性斜率k:k=δv/δt,其中δv表示涨落速度,δt为涨落结构的时间尺度。
优选的,用自相似幂律关系公式k∝δtα计算所述步骤(3)目标地区风速的实际自相似指数α。
优选的,所述步骤II中针对目标区域的WRF实时预报系统的建立包括:
(1)确定目标地区的天气预报模型WRF的参数化方案、嵌套方案及模式分辨率;
(2)建立资料同化系统及快速更新循环系统;
(3)对目标区域进行实时预报。
优选的,所述步骤III中对订正模块的建立包括:
(1)提取WRF预报的最新一段风速,并使用小波分析方法提取出所述最新一段风速中包含的所有涨落结构;
(2)求预报风速涨落结构的线性斜率k’和时间尺度δt;
(3)求预报风速涨落结构的实际线性斜率k;
(4)分析k和k’进行风速订正;
(5)将订正后的涨落结构重新组合为风速时间序列;
(6)基于脚本语言和气象数据释用语言编写自动运行脚本,实现自动化运行。
优选的,所述最新一段风速为最近的至少24小时的WRF预报风速。
优选的,所述k和k’对比进行的风速订正包括:
分别将预报风速涨落结构中偏小的和偏大的风速调高和调低,使k和k’一致。
优选的,根据实际自相似参数α、时间尺度δt和自相似幂律关系k∝δtα,求所述步骤(3)中实际线性斜率k。
与现有技术相比,本发明的优益效果为:
(1)本发明基于实际风速的自相似指数订正WRF模式的预报风速,使得预报风速更符合实际;
(2)本发明在订正算法的基础上建立了实时后处理模块,实现对WRF模式预报风速的实时订正,有效降低WRF模式业务预报的风速预报误差,并可进一步提高风功率预报的准确度。
附图说明
图1为本发明的基于自相似性的WRF模式风速订正方法流程图。
具体实施方式
为了更好地理解本发明,下面结合说明书附图和实例对本发明的内容做进一步的说明。
本发明提出的一种基于自相似性的WRF模式风速订正方法,整体技术路线图如附图1所示,由3个步骤组成:
I、计算目标区域历史观测风速的自相似指数α;
II、建立针对目标区域的WRF实时预报系统;
III、建立订正模块。
所述步骤I包括:
(1)提取目标地区的历史观测风速时间序列中的涨落结构;
(2)计算历史风速涨落结构的线性斜率k和时间尺度δt;
(3)确定目标地区风速的实际自相似指数α。
用小波分析方法提取所述步骤(1)目标地区的历史观测风速时间序列中的涨落结构;
所述步骤(1)提取目标地区的历史观测风速时间序列涨落结构不少于1000个。
用下式计算所述步骤(2)中所述涨落结构的线性斜率k:k=δv/δt,其中δv表示涨落速度,δt为涨落结构的时间尺度。
用自相似幂律关系公式k∝δtα计算所述步骤(3)目标地区风速的实际自相似指数α。
所述步骤II中针对目标区域的WRF实时预报系统的建立包括:
(1)确定目标地区的天气预报模型WRF的参数化方案、嵌套方案及模式分辨率;其中参数化方案是指影响天气的云物理等过程参数方案,嵌套方案是指对模拟区域的范围进行优选的方案,模式分辨率是指数据网络的大小。
(2)建立资料同化系统及快速更新循环系统,资料同化系统的作用是将实时观测资料吸收进WRF模型以订正预报结果,快速更新循环系统的作用是平衡多种观测资料的同化时间,达到最优同化的目的。
(3)对目标区域进行实时预报。
所述步骤III中对订正模块的建立包括:
(1)提取WRF预报的最新一段风速,并使用小波分析方法提取出所述最新一段风速中包含的所有涨落结构;
(2)求预报风速涨落结构的线性斜率k’和时间尺度δt;
(3)求预报风速涨落结构的实际线性斜率k;
(4)分析k和k’进行风速订正;
(5)将订正后的涨落结构重新组合为风速时间序列;
(6)基于脚本语言和气象数据释用语言编写自动运行脚本,实现自动化运行。其中的脚本语言和气象数据释用语言例如Perl、NCL等语言编写自动运行脚本,实现自动化运行。
所述最新一段风速为最近的至少24小时的WRF预报风速。
所述k和k’对比进行的风速订正包括:
分别将预报风速涨落结构中偏小和偏大的风速调高和调低,使k’与k一致。
根据实际自相似参数α、时间尺度δt和自相似幂律关系k∝δtα,求所述步骤(3)中实际线性斜率k。
以上仅为本发明的实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均包含在申请待批的本发明的权利要求范围之内。
Claims (10)
1.一种基于自相似性的WRF模式风速订正方法,其特征在于,所述风速订正方法包括如下步骤:
I、计算目标区域历史观测风速的自相似指数α;
II、建立针对目标区域的WRF实时预报系统;
III、建立订正模块。
2.如权利要求1所述的风速订正方法,其特征在于,所述步骤I包括:
(1)提取目标地区的历史观测风速时间序列中的涨落结构;
(2)计算历史风速涨落结构的线性斜率k和时间尺度δt;
(3)确定目标地区风速的实际自相似指数α。
3.如权利要求2所述的风速订正方法,其特征在于,用小波分析方法提取所述步骤(1)目标地区的历史观测风速时间序列中的涨落结构;
所述步骤(1)提取目标地区的历史观测风速时间序列涨落结构不少于1000个。
4.如权利要求2所述的风速订正方法,其特征在于,用下式计算所述步骤(2)中所述涨落结构的线性斜率k:k=δv/δt,其中δv表示涨落速度,δt为涨落结构的时间尺度。
5.如权利要求2所述的风速订正方法,其特征在于,用自相似幂律关系公式k∝δtα计算所述步骤(3)目标地区风速的实际自相似指数α。
6.如权利要求1所述的风速订正方法,其特征在于,所述步骤II中针对目标区域的WRF实时预报系统的建立包括:
(1)确定目标地区的天气预报模型WRF的参数化方案、嵌套方案及模式分辨率;
(2)建立资料同化系统及快速更新循环系统;
(3)对目标区域进行实时预报。
7.如权利要求1所述的风速订正方法,其特征在于,所述步骤III中对订正模块的建立包括:
(1)提取WRF预报的最新一段风速,并使用小波分析方法提取出所述最新一段风速中包含的所有涨落结构;
(2)求预报风速涨落结构的线性斜率k’和时间尺度δt;
(3)求预报风速涨落结构的实际线性斜率k;
(4)分析k和k’进行风速订正;
(5)将订正后的涨落结构重新组合为风速时间序列;
(6)基于脚本语言和气象数据释用语言编写自动运行脚本,实现自动化运行。
8.如权利要求7所述的风速订正方法,其特征在于,所述最新一段风速为最近的至少24小时的WRF预报风速。
9.如权利要求7所述的风速订正方法,其特征在于,所述k和k’对比进行的风速订正包括:
分别将预报风速涨落结构中偏小和偏大的风速调高和调低,使k’与k一致。
10.如权利要求7所述的风速订正方法,其特征在于,根据实际自相似参数α、时间尺度δt和自相似幂律关系k∝δtα,求所述步骤(3)中实际线性斜率k。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511021532.4A CN106934191B (zh) | 2015-12-30 | 2015-12-30 | 一种基于自相似性的wrf模式风速订正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511021532.4A CN106934191B (zh) | 2015-12-30 | 2015-12-30 | 一种基于自相似性的wrf模式风速订正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106934191A true CN106934191A (zh) | 2017-07-07 |
CN106934191B CN106934191B (zh) | 2021-01-15 |
Family
ID=59442623
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201511021532.4A Active CN106934191B (zh) | 2015-12-30 | 2015-12-30 | 一种基于自相似性的wrf模式风速订正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106934191B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110390343A (zh) * | 2018-04-16 | 2019-10-29 | 中国电力科学研究院有限公司 | 一种空间气象数据的订正方法及系统 |
CN110909906A (zh) * | 2018-09-18 | 2020-03-24 | 颜鹏程 | 一种风速预报订正方法 |
CN111325376A (zh) * | 2018-12-14 | 2020-06-23 | 北京金风科创风电设备有限公司 | 风速预测方法及装置 |
CN112630864A (zh) * | 2020-12-10 | 2021-04-09 | 中国人民解放军63796部队 | 一种高分辨率高空风的短期预报方法 |
CN112633544A (zh) * | 2019-11-28 | 2021-04-09 | 北京金风慧能技术有限公司 | 预测风速订正方法及其装置 |
CN115793104A (zh) * | 2022-10-26 | 2023-03-14 | 国网山东省电力公司济南供电公司 | 一种电网杆塔呼称高度风速推测的方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880907A (zh) * | 2012-08-24 | 2013-01-16 | 华锐风电科技(集团)股份有限公司 | 风速校正方法和装置 |
CN103793511A (zh) * | 2014-02-08 | 2014-05-14 | 中能电力科技开发有限公司 | 一种提高风速预报精度的方法 |
US20140338249A1 (en) * | 2013-05-14 | 2014-11-20 | Charles W. Heiges | Realistic Waterfowl Decoy Assembly |
-
2015
- 2015-12-30 CN CN201511021532.4A patent/CN106934191B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880907A (zh) * | 2012-08-24 | 2013-01-16 | 华锐风电科技(集团)股份有限公司 | 风速校正方法和装置 |
US20140338249A1 (en) * | 2013-05-14 | 2014-11-20 | Charles W. Heiges | Realistic Waterfowl Decoy Assembly |
CN103793511A (zh) * | 2014-02-08 | 2014-05-14 | 中能电力科技开发有限公司 | 一种提高风速预报精度的方法 |
Non-Patent Citations (1)
Title |
---|
程花花: "基于分形理论的安庆气候变化分析", 《中国优秀硕士学位论文全文数据库(电子期刊)》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110390343A (zh) * | 2018-04-16 | 2019-10-29 | 中国电力科学研究院有限公司 | 一种空间气象数据的订正方法及系统 |
CN110909906A (zh) * | 2018-09-18 | 2020-03-24 | 颜鹏程 | 一种风速预报订正方法 |
CN111325376A (zh) * | 2018-12-14 | 2020-06-23 | 北京金风科创风电设备有限公司 | 风速预测方法及装置 |
CN112633544A (zh) * | 2019-11-28 | 2021-04-09 | 北京金风慧能技术有限公司 | 预测风速订正方法及其装置 |
CN112630864A (zh) * | 2020-12-10 | 2021-04-09 | 中国人民解放军63796部队 | 一种高分辨率高空风的短期预报方法 |
CN112630864B (zh) * | 2020-12-10 | 2022-11-22 | 中国人民解放军63796部队 | 一种高分辨率高空风的短期预报方法 |
CN115793104A (zh) * | 2022-10-26 | 2023-03-14 | 国网山东省电力公司济南供电公司 | 一种电网杆塔呼称高度风速推测的方法和装置 |
CN115793104B (zh) * | 2022-10-26 | 2023-06-27 | 国网山东省电力公司济南供电公司 | 一种电网杆塔呼称高度风速推测的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106934191B (zh) | 2021-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106934191A (zh) | 一种基于自相似性的wrf模式风速订正方法 | |
AU2020204536B2 (en) | Correction method and apparatus for predicted wind speed of wind farm | |
Gualtieri | Reliability of ERA5 reanalysis data for wind resource assessment: a comparison against tall towers | |
CN110363327B (zh) | 基于ConvLSTM和3D-CNN的短临降水预测方法 | |
CN106021970B (zh) | 通过降雨预报预测城市积水的方法及系统 | |
CN106443833B (zh) | 一种基于云计算的数值天气预报方法 | |
Raju et al. | An assessment of onshore and offshore wind energy potential in India using moth flame optimization | |
CN112285807B (zh) | 一种气象信息预测方法及装置 | |
CN105023283A (zh) | 基于冬候鸟迁徙路径及生境的电网鸟害图绘制方法及系统 | |
CN112598883B (zh) | 基于贝叶斯网络的输电线路落雷概率预警方法及预警系统 | |
CN103955009A (zh) | 一种从数值预报产品中提取出台风客观预报信息的方法 | |
CN112817312B (zh) | 一种基于双重搜索优化算法的路径规划方法 | |
CN112308281A (zh) | 一种温度信息预测方法及装置 | |
Jia et al. | A triaxial accelerometer monkey algorithm for optimal sensor placement in structural health monitoring | |
Umer et al. | Evaluation of the WRF model to simulate a high-intensity rainfall event over Kampala, Uganda | |
JP4880440B2 (ja) | 着雪予測方法および着雪予測プログラム | |
CN112925870B (zh) | 一种人口空间化方法及系统 | |
CN110348648A (zh) | 一种光伏电站功率预测方法及装置 | |
Paul et al. | Importance of an efficient tide-surge interaction model for the coast of Bangladesh: a case study with the tropical cyclone Roanu | |
Kassem et al. | Quantification of the seismic behavior of a steel transmission tower subjected to single and repeated seismic excitations using vulnerability function and collapse margin ratio | |
Hu et al. | The Influence of climate change on three dominant alpine species under different scenarios on the Qinghai–Tibetan Plateau | |
Fauzy et al. | Understanding the potential of wind farm exploitation in tropical island countries: A case for Indonesia | |
CN107330189B (zh) | 一种临近网格温度分层细化预测方法和系统 | |
Cai et al. | Simulation and optimization strategy of storm flood safety pattern based on SCS-CN Model | |
CN108898260A (zh) | 基于温度的农业生产预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |