CN109977346B - 用于对区域风场进行风速预报的方法和装置 - Google Patents

用于对区域风场进行风速预报的方法和装置 Download PDF

Info

Publication number
CN109977346B
CN109977346B CN201711458906.8A CN201711458906A CN109977346B CN 109977346 B CN109977346 B CN 109977346B CN 201711458906 A CN201711458906 A CN 201711458906A CN 109977346 B CN109977346 B CN 109977346B
Authority
CN
China
Prior art keywords
field
wind
space
regional
forecasting
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.)
Active
Application number
CN201711458906.8A
Other languages
English (en)
Other versions
CN109977346A (zh
Inventor
王淑莉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Goldwind Smart Energy Service Co Ltd
Original Assignee
Beijing Goldwind Smart Energy Service Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Goldwind Smart Energy Service Co Ltd filed Critical Beijing Goldwind Smart Energy Service Co Ltd
Priority to CN201711458906.8A priority Critical patent/CN109977346B/zh
Publication of CN109977346A publication Critical patent/CN109977346A/zh
Application granted granted Critical
Publication of CN109977346B publication Critical patent/CN109977346B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Economics (AREA)
  • Mathematical Optimization (AREA)
  • Data Mining & Analysis (AREA)
  • Environmental & Geological Engineering (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

提供一种用于对区域风场进行风速预报的方法和装置。所述方法包括：获取全球预报系统模式的历史数据；基于所述历史数据对未来预定时段进行预测，得到包括预测结果的全球预报系统模式预测场；通过从全球预报系统模式预测场降尺度得到区域风场的初始场；使用全球预报系统模式预测场对区域风场的初始场进行修正，得到区域风场的修正场；基于区域风场的修正场对区域风场进行风速预报。

Description

用于对区域风场进行风速预报的方法和装置
技术领域
本发明总体说来涉及风力发电技术领域，更具体地讲，涉及一种用于对区域风场进行风速预报的方法和装置。
背景技术
随着新能源行业的不断发展，风力发电对电力系统的稳定性、充裕性及经济性影响日益彰显，因此提供高准确率的风功率预测意义重大。预报风速作为风功率预测模型的主要数据输入源，是影响风功率预测准确率的主导因素，因此提高数值天气预报中风速预报的准确性，是提高风功率预测准确率的关键。
在数值天气预报模式的积分过程中，随着预报时段变长，风速的初值信息在后期积分过程中的作用越来越弱，大尺度偏差增大，影响区域天气模式的风速预报准确性。现有的一些提高风速预报准确性的方法只是针对时间尺度较长的气候模式，而无法根据风电场对短期(例如，一至十天)的风功率预报的需求来有效提高短期的天气模式下的风速预报准确性。
发明内容
本发明的示例性实施例的目的在于提供一种用于对区域风场进行风速预报的方法和装置，考虑风电场对短期的风功率预报的需求向区域风场合理添加大尺度强迫风场的谱信息，既可使区域风场的模拟在大尺度上接近全球预报系统模式提供的大尺度强迫，同时又使得区域风场的中小尺度物理过程充分发展，从而提高风速预报的准确性。
根据本发明示例性实施例的一方面，提供一种用于对区域风场进行风速预报的方法，所述方法包括：获取全球预报系统模式的历史数据；基于所述历史数据对未来预定时段进行预测，得到包括预测结果的全球预报系统模式预测场；通过从全球预报系统模式预测场降尺度得到区域风场的初始场；使用全球预报系统模式预测场对区域风场的初始场进行修正，得到区域风场的修正场；基于区域风场的修正场对区域风场进行风速预报。
可选地，对区域风场的初始场进行修正的步骤可包括：从未来预定时段的起始时间开始，以逼近时间为间隔，向区域风场的初始场添加来自全球预报系统模式预测场的强迫项，其中，根据预报过程中进行积分计算的时间点，设置逼近时间。
可选地，逼近时间可以为两个时间点之间的时间差的整数倍。
可选地，添加强迫项的步骤可包括：对区域风场的初始场的预定高度的风速矢量在预定方向上进行傅里叶谱分解，获得第一谱空间，其中，第一谱空间包括具有不同波长的多个第一分量；对全球预报系统模式预测场的所述预定高度的风速矢量在所述预定方向上进行傅里叶谱分解，获得第二谱空间，其中，第二谱空间包括具有不同波长的多个第二分量；确定第一谱空间和第二谱空间在预定波长范围内的交集；将全球预报系统模式预测场的与所述交集对应的各个波长的第二分量的波信息作为强迫项分别添加到区域风场的初始场的与所述交集对应的各个波长的第一分量的波信息，以更新第一谱空间；对更新的第一谱空间进行傅里叶谱分解的逆运算，得到区域风场的修正场。
可选地，可基于区域风场的初始场的所述预定高度的空间的范围确定所述预定波长范围。
可选地，确定所述预定波长范围的步骤可包括：设置所述预定方向上的截断波数，其中，截断波数为将向所述空间的范围内添加的所述预定方向上的第二分量的最大数量；将大于或等于第一阈值的波长范围确定为所述预定波长范围，第一阈值是将所述空间在预定方向上的最大范围除以截断波数所得到的商。
可选地，更新第一谱空间的步骤可包括：将施加第一权重的所述各个波长的第二分量的波信息添加到施加第二权重的所述各个波长的第一分量的波信息，其中，第一权重与第二权重成反比关系。
可选地，第一权重可随着所述预定高度的增大而增大。
可选地，波信息可以为振幅信息。
可选地，进行风速预报的步骤可包括：通过基于WRF模式进行积分计算来进行风速预报。
根据本发明示例性实施例的另一方面，提供一种用于对区域风场进行风速预报的装置，所述装置包括：获取模块，获取全球预报系统模式的历史数据；预测模块，基于所述历史数据对未来预定时段进行预测，得到包括预测结果的全球预报系统模式预测场；降尺度模块，通过从全球预报系统模式预测场降尺度得到区域风场的初始场；修正模块，使用全球预报系统模式预测场对区域风场的初始场进行修正，得到区域风场的修正场；预报模块，基于区域风场的修正场对区域风场进行风速预报。
可选地，修正模块可从未来预定时段的起始时间开始，以逼近时间为间隔，向区域风场的初始场添加来自全球预报系统模式预测场的强迫项，其中，修正模块根据预报模块在预报过程中进行积分计算的时间点，设置逼近时间。
可选地，逼近时间可以为两个时间点之间的时间差的整数倍。
可选地，修正模块可执行以下操作来添加强迫项：对区域风场的初始场的预定高度的风速矢量在预定方向上进行傅里叶谱分解，获得第一谱空间，其中，第一谱空间包括具有不同波长的多个第一分量；对全球预报系统模式预测场的所述预定高度的风速矢量在所述预定方向上进行傅里叶谱分解，获得第二谱空间，其中，第二谱空间包括具有不同波长的多个第二分量；确定第一谱空间和第二谱空间在预定波长范围内的交集；将全球预报系统模式预测场的与所述交集对应的各个波长的第二分量的波信息作为强迫项分别添加到区域风场的初始场的与所述交集对应的各个波长的第一分量的波信息，以更新第一谱空间；对更新的第一谱空间进行傅里叶谱分解的逆运算，得到区域风场的修正场。
可选地，修正模块可基于区域风场的初始场的所述预定高度的空间的范围确定所述预定波长范围。
可选地，修正模块可执行以下操作来确定所述预定波长范围：设置所述预定方向上的截断波数，其中，截断波数为将向所述空间的范围内添加的所述预定方向上的第二分量的最大数量；将大于或等于第一阈值的波长范围确定为所述预定波长范围，第一阈值是将所述空间在预定方向上的最大范围除以截断波数所得到的商。
可选地，修正模块可执行以下操作来更新第一谱空间：将施加第一权重的所述各个波长的第二分量的波信息添加到施加第二权重的所述各个波长的第一分量的波信息，其中，第一权重与第二权重成反比关系。
可选地，第一权重可随着所述预定高度的增大而增大。
可选地，波信息可以为振幅信息。
可选地，预报模块可通过基于WRF模式进行积分计算来进行风速预报。
根据本发明示例性实施例的另一方面，提供一种存储有计算机程序的计算机可读存储介质，当所述计算机程序在被处理器执行时实现上述的用于对区域风场进行风速预报的方法。
根据本发明示例性实施例的另一方面，提供一种风力发电厂的控制系统，所述控制系统包括：处理器；存储器，存储有计算机程序，当所述计算机程序被处理器执行时，实现上述的用于对区域风场进行风速预报的方法。
采用本发明示例性实施例的用于对区域风场进行风速预报的方法和装置，能够考虑风电场对短期的风功率预报的需求，针对区域风场合理引入大尺度强迫信息，既可使区域风场在大尺度上接近大尺度强迫风场，又不阻止区域风场的中小尺度物理特性的发展，从而提高风速预报的准确性。
附图说明
通过下面结合示例性地示出实施例的附图进行的详细描述，本发明示例性实施例的上述和其它目的、特点和优点将会变得更加清楚，在附图中：
图1示出根据本发明示例性实施例的用于对区域风场进行风速预报的方法的流程图；
图2示出根据本发明示例性实施例的用于对区域风场进行风速预报的装置的结构框图。
具体实施方式
现在，将参照附图更充分地描述不同的示例性实施例。然而，在此公开的特定结构和功能的细节仅表示描述本发明的示例性实施例的目的。本发明的示例性实施例可以以许多替代形式实现并且不应被解释为仅限于这里阐述的实施例。
因此，虽然本发明的示例性实施例能够具有各种修改和替代形式，但是本发明的实施例将通过附图中的示例的方式被示出并且将在此被详细描述。然而，应理解，不意图将本发明的示例性实施例局限于公开的特定形式，而是相反，本发明的示例性实施例覆盖落入本发明的示例性实施例的范围内的所有修改、等同物和替代物。贯穿附图的描述，相同的标号表示相同的元件。
将理解的是，尽管在这里可使用术语第一、第二等来描述各种元件，但是这些元件不应受这些术语的限制。这些术语仅用来将一个元件与另一个元件区分开来。例如，在不脱离本发明的示例性实施例的范围的情况下，第一元件可以被称为第二元件，类似地，第二元件可以被称为第一元件。如在这里使用的，术语“和/或”包括一个或多个相关所列项目的任意组合和所有组合。
除非另有定义，否则这里使用的所有术语(包括技术和科技术语)具有与本公开所属领域的普通技术人员所通常理解的含义相同的含义。还应该理解，除非这里明确定义，否则术语(诸如在通用字典中定义的术语)应该被解释为具有与它们在相关技术的语境中的含义一致的含义，并且将不被解释为理想化或过于形式化的意义。
图1示出根据本发明示例性实施例的用于对区域风场进行风速预报的方法的流程图。
参考图1，在步骤S10中，可获取全球预报系统模式的历史数据。
全球预报系统(GFS，Global Forecast System)模式是目前气候研究的主要工具。然而全球预报系统模式的空间分辨率较低，难以细致地模拟出时间空间尺度范围相对较小的区域气候的特点和区域内部的气候差异。
根据一个实施例，可获取各种通用的全球预报系统模式中的一种的历史数据，该历史数据可包括风速、温度、湿度、气压等多个物理参数，但本发明不限于此。
在步骤S20中，可基于全球预报系统模式的历史数据对未来预定时段进行预测，得到包括预测结果的全球预报系统模式预测场(以下也可称为预测场)。
根据一个实施例，可基于全球预报系统模式的历史数据对未来预定时段进行初步预测，以得到包括预测结果的全球预报系统模式预测场。作为示例，可使用现有技术的各种方法对未来预定时段(例如，10天)进行初步预测，得到的全球预报系统模式预测场可包括作为预测结果的诸如风速、温度、湿度、气压等物理参数。
在步骤S30中，可通过从全球预报系统模式预测场降尺度得到区域风场的初始场。
根据一个实施例，可通过降尺度从大尺度、低分辨率的全球预报系统模式预测场得到相对小尺度、高分辨率的区域风场的初始场。作为示例，可使用现有的各种降尺度方法得到区域风场的初始场。这里，区域风场是指想要对其进行风速预报的风场。例如，可使用统计降尺度方法基于统计经验建立大尺度的全球预报系统模式预测场与区域风场的初始场之间的线性或非线性联系，从而从预测场得到初始场，但本发明不限于此。
在步骤S40中，可使用全球预报系统模式预测场对区域风场的初始场进行修正，得到区域风场的修正场。
优选地，可以从步骤S20中的预测所针对的未来预定时段的起始时间开始，以逼近时间为间隔，向区域风场的初始场添加来自全球预报系统模式预测场的强迫项。也就是说，通过对初始场设置大尺度强迫，调整初始场的大尺度特征与中小尺度特征的演变。这里，可根据预报过程中进行积分计算的时间点，设置逼近时间。
优选地，逼近时间可以是积分计算的两个时间点之间的时间差的整数倍。作为示例，逼近时间可基于积分计算的时间点被预先设置。例如，当在预报过程中设定积分计算的频率为每隔十秒进行一次积分(即，两个时间点之间的最小时间差为10s)时，逼近时间可被设置为十秒或二十秒。这仅为示例，逼近时间的设置不限于此。这里，应注意，由于风电场对短期风速预报的需求不同于传统的中长期的气候预报，因此，可针对风电场的需求设置合理的逼近时间。
优选地，向区域风场的初始场添加强迫项的步骤可包括：对区域风场的初始场的预定高度的风速矢量在预定方向上进行傅里叶谱分解，获得第一谱空间，其中，第一谱空间包括具有不同波长的多个第一分量；对全球预报系统模式预测场的所述预定高度的风速矢量在所述预定方向上进行傅里叶谱分解，获得第二谱空间，其中，第二谱空间包括具有不同波长的多个第二分量；确定第一谱空间和第二谱空间在预定波长范围内的交集；将全球预报系统模式预测场的与所述交集对应的各个波长的第二分量的波信息作为强迫项分别添加到区域风场的初始场的与所述交集对应的各个波长的第一分量的波信息，以更新第一谱空间；对更新的第一谱空间进行傅里叶谱分解的逆运算，得到区域风场的修正场。应注意，本发明并不限于仅对风速进行添加强迫项的处理，也可对其他物理参数进行这样的处理，本发明对此不做限制。
根据一个实施例，可对同一预定高度的初始场和预测场的风速矢量在预定方向上进行傅里叶谱分解。例如，预定方向可以是该预定高度的空间平面上的风速矢量坐标系的x轴方向或y轴方向。例如，预定方向可以是区域风场的初始场的纬向(即，东西方向)或经向(即，南北方向)。但这些仅为示例，本发明的预定方向不限于此。这里，对风速矢量在预定方向上进行傅里叶谱分解可产生预定方向上的不同波长(即，不同频率)的多个分量。作为示例，对初始场的风速矢量在预定方向上进行傅里叶谱分解，可得到第一谱空间。例如，第一谱空间可包括具有不同波长的多个第一分量。作为示例，对预测场的风速矢量在该预定方向上进行傅里叶谱分解，可得到第二谱空间。例如，第二谱空间可包括具有不同波长的多个第二分量。
根据一个实施例，可确定第一谱空间和第二谱空间在预定波长范围内的交集。也就是说，确定第一谱空间和第二谱空间中的波长在该预定波长范围内的分量。例如，可确定第一谱空间中的波长在该预定波长范围内的第一分量以及第二谱空间中的波长在该预定波长范围内的第二分量的集合。
根据一个实施例，可基于区域风场的初始场的预定高度的空间的范围确定预定波长范围。例如，可根据初始场在上述预定高度处的平面空间的空间范围，确定预定波长范围。
优选地，确定预定波长范围的步骤可包括：设置上述预定方向上的截断波数，其中，截断波数为将向上述空间范围内添加的该预定方向上的第二分量的最大数量；将大于或等于第一阈值的波长范围确定为预定波长范围，第一阈值是将上述空间在该预定方向上的最大范围除以截断波数所得到的商。
具体来说，可设置进行傅里叶谱分解所针对的预定方向上的截断波数。这里，截断波数可以设置为将向上述空间范围内添加的该预定方向上的第二分量的最大数量。例如，可考虑上述空间范围的大小来设置将添加的第二分量的最大数量。然后，可通过将该预定方向上的上述空间的最大范围(即，范围的最大值)除以设置的截断波数，并将大于或等于作为得到的商的第一阈值的波长范围确定为上述的预定波长范围。作为一个具体示例，假设初始场在特定高度上的平面空间在纬向上的最大范围为5000公里(km)，考虑该平面空间的范围大小而设置的截断波数为5，如上所述，可得到第一阈值为1000，并且可确定将添加的纬向上的第二分量为波长大于或等于1000km的第二分量，即，预定波长范围可被确定为大于或等于1000km。应理解，这仅为示例，本发明不限于此。
根据一个实施例，可将预测场的与上述交集对应的各个波长的第二分量的波信息作为强迫项分别添加到初始场的与上述交集对应的各个波长的第一分量的波信息，以更新第一谱空间。例如，与上述交集对应的各个波长的第一分量和第二分量可分别是第一谱空间和第二谱空间中的波长在预定波长范围内的分量。例如，与上述交集对应的各个波长的第一分量和第二分量可分别是第一谱空间和第二谱空间中的波长在该预定波长范围内的分量的集合中的分量。作为示例，可将上述第二分量的波信息作为强迫项分别添加到上述第一分量的波信息。例如，可根据波长的不同，分别将第二分量的波信息添加到与该第二分量具有相同波长的第一分量的波信息。这里，分量的波信息可以指分量的振幅信息。将第二分量的波信息添加到第一分量的波信息可以指将第二分量叠加到第一分量。但本发明不限于此。作为示例，被添加上述强迫项之后，第一谱空间被更新。这里，更新的第一谱空间可包括被添加波信息的预定波长范围内的第一分量以及未被添加波信息的预定波长范围外的第一分量。
根据一个实施例，可对更新的第一谱空间进行傅里叶谱分解的逆运算，得到区域风场的修正场。例如，可对更新的第一谱空间进行傅里叶谱分解的逆运算，得到修正的风速矢量，从而得到区域风场的修正场。
优选地，更新第一谱空间的步骤可包括：将施加第一权重的所述各个波长的第二分量的波信息添加到施加第二权重的所述各个波长的第一分量的波信息。这里，第一权重与第二权重成反比关系。
作为示例，可将确定的预定波长范围内的第二分量的波信息施加第一权重，将该预定波长范围内的第一分量的波信息施加第二权重，并将施加了权重的第二分量和第一分量进行叠加。这里，第一权重可设置为随着上述预定高度的增大而增大。也就是说，在区域风场的初始场的垂直高度相对高的层面上添加强迫项所占的比重相对大，在垂直高度相对低的层面上添加强迫项所占的比重相对小。通过这样的处理，可使区域风场在相对高的层面上与全球预报系统模式的大尺度特征更为接近，同时也可在相对低的层面上发挥自身优势，自由发展中小尺度的物理活动。这里，第二权重可设置为与第一权重成反比关系。这里，第二权重被设置用于平衡添加强迫项之后的谱空间，以免由于添加大尺度强迫而导致影响谱空间的稳定性。
在步骤S50中，可基于区域风场的修正场对区域风场进行风速预报。例如，可以以修正的风速矢量为基础进行风速预报。
优选地，可通过基于WRF(Weather Research and Forecasting Model，天气预报模型)模式进行积分计算来进行风速预报。
WRF模式是由美国国家大气研究中心(NCAR)、环境预测中心(NCEP)等机构为主研发，包括多重模拟区域、水平空间分辨率从几公里到数千公里的灵活分辨率、能够进行多重网格嵌套的完全可压缩的、中尺度非静力区域的数值天气预报模式。作为示例，可基于WRF模式，使用诸如连续方程、热力学方程、水汽方程、状态方程以及运动方程所组成的预报方程组进行积分计算，来对未来时段的大气运动状态(例如，风速)进行预报。
图2示出根据本发明示例性实施例的用于对区域风场进行风速预报的装置的结构框图。
参考图2，根据本发明示例性实施例的用于对区域风场进行风速预报的装置可包括：获取模块10、预测模块20、降尺度模块30、修正模块40和预报模块50。
获取模块10可获取全球预报系统模式的历史数据。
根据一个实施例，获取模块10可获取各种通用的全球预报系统模式中的一种的历史数据，该历史数据可包括风速、温度、湿度、气压等多个物理参数，但本发明不限于此。
预测模块20可基于全球预报系统模式的历史数据对未来预定时段进行预测，得到包括预测结果的全球预报系统模式预测场(以下也可称为预测场)。
根据一个实施例，预测模块20可基于全球预报系统模式的历史数据对未来预定时段进行初步预测，以得到包括预测结果的全球预报系统模式预测场。作为示例，预测模块20可使用现有技术的各种方法对未来预定时段(例如，10天)进行初步预测，得到的全球预报系统模式预测场可包括作为预测结果的诸如风速、温度、湿度、气压等物理参数。
降尺度模块30可通过从全球预报系统模式预测场降尺度得到区域风场的初始场。
根据一个实施例，降尺度模块30可通过降尺度从大尺度、低分辨率的全球预报系统模式预测场得到相对小尺度、高分辨率的区域风场的初始场。作为示例，降尺度模块30可使用现有的各种降尺度方法得到区域风场的初始场。这里，区域风场是指想要对其进行风速预报的风场。例如，降尺度模块30可使用统计降尺度方法基于统计经验建立大尺度的全球预报系统模式预测场与区域风场的初始场之间的线性或非线性联系，从而从预测场得到初始场，但本发明不限于此。
修正模块40可使用全球预报系统模式预测场对区域风场的初始场进行修正，得到区域风场的修正场。
优选地，修正模块40可以从预测模块20进行预测时所针对的未来预定时段的起始时间开始，以逼近时间为间隔，向区域风场的初始场添加来自全球预报系统模式预测场的强迫项。也就是说，通过对初始场设置大尺度强迫，修正模块40可调整初始场的大尺度特征与中小尺度特征的演变。这里，可根据预报过程中进行积分计算的时间点，设置逼近时间。
优选地，逼近时间可以是积分计算的两个时间点之间的时间差的整数倍。作为示例，可基于积分计算的时间点预先设置逼近时间。例如，当在预报过程中设定积分计算的频率为每隔十秒进行一次积分(即，两个时间点之间的最小时间差为10s)时，可将逼近时间设置为十秒或二十秒。这仅为示例，逼近时间的设置不限于此。这里，应注意，由于风电场对短期风速预报的需求不同于传统的中长期的气候预报，因此，可针对风电场的需求设置合理的逼近时间。
优选地，向区域风场的初始场添加强迫项的步骤可包括：对区域风场的初始场的预定高度的风速矢量在预定方向上进行傅里叶谱分解，获得第一谱空间，其中，第一谱空间包括具有不同波长的多个第一分量；对全球预报系统模式预测场的所述预定高度的风速矢量在所述预定方向上进行傅里叶谱分解，获得第二谱空间，其中，第二谱空间包括具有不同波长的多个第二分量；确定第一谱空间和第二谱空间在预定波长范围内的交集；将全球预报系统模式预测场的与所述交集对应的各个波长的第二分量的波信息作为强迫项分别添加到区域风场的初始场的与所述交集对应的各个波长的第一分量的波信息，以更新第一谱空间；对更新的第一谱空间进行傅里叶谱分解的逆运算，得到区域风场的修正场。应注意，本发明并不限于仅对风速进行添加强迫项的处理，也可对其他物理参数进行这样的处理，本发明对此不做限制。
根据一个实施例，修正模块40可对同一预定高度的初始场和预测场的风速矢量在预定方向上进行傅里叶谱分解。例如，预定方向可以是该预定高度的空间平面上的风速矢量坐标系的x轴方向或y轴方向。例如，预定方向可以是区域风场的初始场的纬向(即，东西方向)或经向(即，南北方向)。但这些仅为示例，本发明的预定方向不限于此。这里，修正模块40对风速矢量在预定方向上进行傅里叶谱分解可产生预定方向上的不同波长(即，不同频率)的多个分量。作为示例，修正模块40对初始场的风速矢量在预定方向上进行傅里叶谱分解，可得到第一谱空间。例如，第一谱空间可包括具有不同波长的多个第一分量。作为示例，修正模块40对预测场的风速矢量在该预定方向上进行傅里叶谱分解，可得到第二谱空间。例如，第二谱空间可包括具有不同波长的多个第二分量。
根据一个实施例，修正模块40可确定第一谱空间和第二谱空间在预定波长范围内的交集。也就是说，修正模块40确定第一谱空间和第二谱空间中的波长在该预定波长范围内的分量。例如，修正模块40可确定第一谱空间中的波长在该预定波长范围内的第一分量以及第二谱空间中的波长在该预定波长范围内的第二分量的集合。
根据一个实施例，修正模块40可基于区域风场的初始场的预定高度的空间的范围确定预定波长范围。例如，修正模块40可根据初始场在上述预定高度处的平面空间的空间范围，确定预定波长范围。
优选地，确定预定波长范围的步骤可包括：设置上述预定方向上的截断波数，其中，截断波数为将向上述空间范围内添加的该预定方向上的第二分量的最大数量；将大于或等于第一阈值的波长范围确定为预定波长范围，第一阈值是将上述空间在该预定方向上的最大范围除以截断波数所得到的商。
具体来说，可设置进行傅里叶谱分解所针对的预定方向上的截断波数。这里，可将截断波数设置为将向上述空间范围内添加的该预定方向上的第二分量的最大数量。例如，可考虑上述空间范围的大小来设置将添加的第二分量的最大数量。然后，修正模块40可通过将该预定方向上的上述空间的最大范围(即，范围的最大值)除以设置的截断波数，并将大于或等于作为得到的商的第一阈值的波长范围确定为上述的预定波长范围。作为一个具体示例，假设初始场在特定高度上的平面空间在纬向上的最大范围为5000公里(km)，考虑该平面空间的范围大小而设置的截断波数为5，如上所述，修正模块40可得到第一阈值为1000，并且可确定将添加的纬向上的第二分量为波长大于或等于1000km的第二分量，即，预定波长范围可被确定为大于或等于1000km。应理解，这仅为示例，本发明不限于此。
根据一个实施例，修正模块40可将预测场的与上述交集对应的各个波长的第二分量的波信息作为强迫项分别添加到初始场的与上述交集对应的各个波长的第一分量的波信息，以更新第一谱空间。例如，与上述交集对应的各个波长的第一分量和第二分量可分别是第一谱空间和第二谱空间中的波长在预定波长范围内的分量。例如，与上述交集对应的各个波长的第一分量和第二分量可分别是第一谱空间和第二谱空间中的波长在该预定波长范围内的分量的集合中的分量。作为示例，修正模块40可将上述第二分量的波信息作为强迫项分别添加到上述第一分量的波信息。例如，修正模块40可根据波长的不同，分别将第二分量的波信息添加到与该第二分量具有相同波长的第一分量的波信息。这里，分量的波信息可以指分量的振幅信息。将第二分量的波信息添加到第一分量的波信息可以指将第二分量叠加到第一分量。但本发明不限于此。作为示例，通过修正模块40添加上述强迫项之后，第一谱空间被更新。这里，更新的第一谱空间可包括被添加波信息的预定波长范围内的第一分量以及未被添加波信息的预定波长范围外的第一分量。
根据一个实施例，修正模块40可对更新的第一谱空间进行傅里叶谱分解的逆运算，得到区域风场的修正场。例如，修正模块40可对更新的第一谱空间进行傅里叶谱分解的逆运算，得到修正的风速矢量，从而得到区域风场的修正场。
优选地，更新第一谱空间的步骤可包括：将施加第一权重的所述各个波长的第二分量的波信息添加到施加第二权重的所述各个波长的第一分量的波信息。这里，第一权重与第二权重成反比关系。
作为示例，修正模块40可将确定的预定波长范围内的第二分量的波信息施加第一权重，将该预定波长范围内的第一分量的波信息施加第二权重，并将施加了权重的第二分量和第一分量进行叠加。这里，可将第一权重设置为随着上述预定高度的增大而增大。也就是说，在区域风场的初始场的垂直高度相对高的层面上添加强迫项所占的比重相对大，在垂直高度相对低的层面上添加强迫项所占的比重相对小。通过这样的处理，可使区域风场在相对高的层面上与全球预报系统模式的大尺度特征更为接近，同时也可在相对低的层面上发挥自身优势，自由发展中小尺度的物理活动。这里，可将第二权重设置为与第一权重成反比关系。这里，可将第二权重设置用于平衡添加强迫项之后的谱空间，以免由于添加大尺度强迫而导致影响谱空间的稳定性。
预报模块50可基于区域风场的修正场对区域风场进行风速预报。
优选地，预报模块50可通过基于WRF(Weather Research and ForecastingModel，天气预报模型)模式进行积分计算来进行风速预报。
作为示例，预报模块50可基于WRF模式，使用诸如连续方程、热力学方程、水汽方程、状态方程以及运动方程所组成的预报方程组进行积分计算，来对未来时段的大气运动状态(例如，风速)进行预报。
根据本发明的示例性实施例还提供一种风力发电厂的控制系统。该控制系统包括处理器和存储器。存储器用于存储计算机程序。所述计算机程序被处理器执行使得处理器执行如上所述的用于对区域风场进行风速预报的方法的计算机程序。
根据本发明的示例性实施例还提供一种存储有计算机程序的计算机可读存储介质。该计算机可读存储介质存储有当被处理器执行时使得处理器执行上述用于对区域风场进行风速预报的方法的计算机程序。该计算机可读记录介质是可存储由计算机系统读出的数据的任意数据存储装置。计算机可读记录介质的示例包括：只读存储器、随机存取存储器、只读光盘、磁带、软盘、光数据存储装置和载波(诸如经有线或无线传输路径通过互联网的数据传输)。
目前的数值天气预报方法普遍使用设立缓冲区的侧边界方案去协调区域模式与大尺度强迫场之间的差异，但这种方案不具备在有限区域内合理改变大尺度特征的能力。本发明的示例性实施例的方法和装置可针对区域模式及时引入大尺度强迫信息，将强迫信息适当地添加到区域模式范围内，既可使区域模式在大尺度上接近强迫场，又允许区域模式的中小尺度特征自由发展。
此外，传统的预报模式多针对时间尺度较长的气候模式，并能很好地适用于对预报时长有短期性要求的风电场。例如，目前全国各电网调度机构在节假日等特定时期通常会要求各风电场提前上报未来一至十天的风电场功率预报信息。根据本发明的示例性实施例的方法和装置能够考虑向区域风场的初始场添加强迫项的频率(例如，逼近时间)来合理引入大尺度强迫信息，因此可针对风电场的实际需求预报未来几天的天气信息(例如，风速信息)，从而提高风电场的风速预报的准确性和实用性。
尽管已经参照本发明示例性实施例具体显示和描述了本发明，但是本领域的技术人员应该理解，在不脱离权利要求所限定的本发明的精神和范围的情况下，可以对其进行形式和细节上的各种改变。

Claims (18)

1.一种用于对区域风场进行风速预报的方法，其特征在于，所述方法包括：
获取全球预报系统模式的历史数据；
基于所述历史数据对未来预定时段进行预测，得到包括预测结果的全球预报系统模式预测场；
通过从全球预报系统模式预测场降尺度得到区域风场的初始场；
使用全球预报系统模式预测场对区域风场的初始场进行修正，得到区域风场的修正场；
基于区域风场的修正场对区域风场进行风速预报，
其中，对区域风场的初始场进行修正的步骤包括：从未来预定时段的起始时间开始，以逼近时间为间隔，向区域风场的初始场添加来自全球预报系统模式预测场的强迫项，
其中，添加强迫项的步骤包括：
对区域风场的初始场的预定高度的风速矢量在预定方向上进行傅里叶谱分解，获得第一谱空间，其中，第一谱空间包括具有不同波长的多个第一分量，
对全球预报系统模式预测场的所述预定高度的风速矢量在所述预定方向上进行傅里叶谱分解，获得第二谱空间，其中，第二谱空间包括具有不同波长的多个第二分量，
确定第一谱空间和第二谱空间在预定波长范围内的交集，
将全球预报系统模式预测场的与所述交集对应的各个波长的第二分量的波信息作为强迫项分别添加到区域风场的初始场的与所述交集对应的各个波长的第一分量的波信息，以更新第一谱空间，
对更新的第一谱空间进行傅里叶谱分解的逆运算，得到区域风场的修正场，
其中，基于区域风场的初始场的所述预定高度的空间的范围确定所述预定波长范围。
2.根据权利要求1所述的方法，其特征在于，根据预报过程中进行积分计算的时间点，设置逼近时间。
3.根据权利要求2所述的方法，其特征在于，逼近时间为两个时间点之间的时间差的整数倍。
4.根据权利要求1所述的方法，其特征在于，确定所述预定波长范围的步骤包括：
设置所述预定方向上的截断波数，其中，截断波数为将向所述空间的范围内添加的所述预定方向上的第二分量的最大数量；
将大于或等于第一阈值的波长范围确定为所述预定波长范围，第一阈值是将所述空间在预定方向上的最大范围除以截断波数所得到的商。
5.根据权利要求1所述的方法，其特征在于，更新第一谱空间的步骤包括：将施加第一权重的所述各个波长的第二分量的波信息添加到施加第二权重的所述各个波长的第一分量的波信息，其中，第一权重与第二权重成反比关系。
6.根据权利要求5所述的方法，其特征在于，第一权重随着所述预定高度的增大而增大。
7.根据权利要求1所述的方法，其特征在于，波信息为振幅信息。
8.根据权利要求1所述的方法，其特征在于，进行风速预报的步骤包括：通过基于WRF模式进行积分计算来进行风速预报。
9.一种用于对区域风场进行风速预报的装置，其特征在于，所述装置包括：
获取模块，获取全球预报系统模式的历史数据；
预测模块，基于所述历史数据对未来预定时段进行预测，得到包括预测结果的全球预报系统模式预测场；
降尺度模块，通过从全球预报系统模式预测场降尺度得到区域风场的初始场；
修正模块，使用全球预报系统模式预测场对区域风场的初始场进行修正，得到区域风场的修正场；
预报模块，基于区域风场的修正场对区域风场进行风速预报，
其中，修正模块从未来预定时段的起始时间开始，以逼近时间为间隔，向区域风场的初始场添加来自全球预报系统模式预测场的强迫项，
其中，修正模块执行以下操作来添加强迫项：对区域风场的初始场的预定高度的风速矢量在预定方向上进行傅里叶谱分解，获得第一谱空间，其中，第一谱空间包括具有不同波长的多个第一分量；对全球预报系统模式预测场的所述预定高度的风速矢量在所述预定方向上进行傅里叶谱分解，获得第二谱空间，其中，第二谱空间包括具有不同波长的多个第二分量；确定第一谱空间和第二谱空间在预定波长范围内的交集；将全球预报系统模式预测场的与所述交集对应的各个波长的第二分量的波信息作为强迫项分别添加到区域风场的初始场的与所述交集对应的各个波长的第一分量的波信息，以更新第一谱空间；对更新的第一谱空间进行傅里叶谱分解的逆运算，得到区域风场的修正场，
其中，修正模块基于区域风场的初始场的所述预定高度的空间的范围确定所述预定波长范围。
10.根据权利要求9所述的装置，其特征在于，修正模块根据预报模块在预报过程中进行积分计算的时间点，设置逼近时间。
11.根据权利要求10所述的装置，其特征在于，逼近时间为两个时间点之间的时间差的整数倍。
12.根据权利要求9所述的装置，其特征在于，修正模块执行以下操作来确定所述预定波长范围：
设置所述预定方向上的截断波数，其中，截断波数为将向所述空间的范围内添加的所述预定方向上的第二分量的最大数量；
将大于或等于第一阈值的波长范围确定为所述预定波长范围，第一阈值是将所述空间在预定方向上的最大范围除以截断波数所得到的商。
13.根据权利要求9所述的装置，其特征在于，修正模块执行以下操作来更新第一谱空间：将施加第一权重的所述各个波长的第二分量的波信息添加到施加第二权重的所述各个波长的第一分量的波信息，其中，第一权重与第二权重成反比关系。
14.根据权利要求13所述的装置，其特征在于，第一权重随着所述预定高度的增大而增大。
15.根据权利要求9所述的装置，其特征在于，波信息为振幅信息。
16.根据权利要求9所述的装置，其特征在于，预报模块通过基于WRF模式进行积分计算来进行风速预报。
17.一种存储有计算机程序的计算机可读存储介质，其特征在于，当所述计算机程序在被处理器执行时实现权利要求1至8中的任一项所述的用于对区域风场进行风速预报的方法。
18.一种风力发电厂的控制系统，其特征在于，所述控制系统包括：
处理器；
存储器，存储有计算机程序，当所述计算机程序被处理器执行时，实现权利要求1至8中的任一项所述的用于对区域风场进行风速预报的方法。
CN201711458906.8A 2017-12-28 2017-12-28 用于对区域风场进行风速预报的方法和装置 Active CN109977346B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711458906.8A CN109977346B (zh) 2017-12-28 2017-12-28 用于对区域风场进行风速预报的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711458906.8A CN109977346B (zh) 2017-12-28 2017-12-28 用于对区域风场进行风速预报的方法和装置

Publications (2)

Publication Number Publication Date
CN109977346A CN109977346A (zh) 2019-07-05
CN109977346B true CN109977346B (zh) 2023-06-09

Family

ID=67074611

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711458906.8A Active CN109977346B (zh) 2017-12-28 2017-12-28 用于对区域风场进行风速预报的方法和装置

Country Status (1)

Country Link
CN (1) CN109977346B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112069449B (zh) * 2020-09-04 2021-07-16 中科三清科技有限公司 基于初值集合的天气预报方法及装置
CN115146817A (zh) * 2022-03-02 2022-10-04 北京城市气象研究院 区域数值预报模式的混合热启动初始场生成方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102005760A (zh) * 2010-11-18 2011-04-06 西北电网有限公司 一种通用风电功率短期预报方法
CN102628876A (zh) * 2012-02-13 2012-08-08 甘肃省电力公司风电技术中心 一种包含上下游效应实时监测的超短期预测方法
CN106447086A (zh) * 2016-09-07 2017-02-22 中国农业大学 一种基于风电场数据预处理的风电功率组合预测方法
CN106505631A (zh) * 2016-10-29 2017-03-15 塞壬智能科技（北京）有限公司 智能风电风功率预测系统
CN107390298A (zh) * 2017-07-19 2017-11-24 云南电网有限责任公司电力科学研究院 一种复杂山地下垫面大风的模拟方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104021424B (zh) * 2013-02-28 2018-12-07 乌托巴斯洞察公司 用于预测风场中的风机的输出功率的方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102005760A (zh) * 2010-11-18 2011-04-06 西北电网有限公司 一种通用风电功率短期预报方法
CN102628876A (zh) * 2012-02-13 2012-08-08 甘肃省电力公司风电技术中心 一种包含上下游效应实时监测的超短期预测方法
CN106447086A (zh) * 2016-09-07 2017-02-22 中国农业大学 一种基于风电场数据预处理的风电功率组合预测方法
CN106505631A (zh) * 2016-10-29 2017-03-15 塞壬智能科技（北京）有限公司 智能风电风功率预测系统
CN107390298A (zh) * 2017-07-19 2017-11-24 云南电网有限责任公司电力科学研究院 一种复杂山地下垫面大风的模拟方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
应用谱逼近方法模拟2008年初南方持续性降水过程及其水汽通道周期特征分析;王淑莉 等;《大气科学》;20160531;第40卷(第3期);476-488 *
气候动力降尺度方法在复杂下垫面的应用研究;王雅萍等;《兰州大学学报(自然科学版)》;20150831(第04期);517-524页 *

Also Published As

Publication number Publication date
CN109977346A (zh) 2019-07-05

Similar Documents

Publication Publication Date Title
Mehrotra et al. A multivariate quantile-matching bias correction approach with auto-and cross-dependence across multiple time scales: Implications for downscaling
Miyoshi Ensemble Kalman filter experiments with a primitive-equation global model
CN112149859B (zh) 风速预测方法和风速预测装置
KR102468316B1 (ko) 과거 데이터에 기초한 시계열 예측 방법 및 장치
CN105760970A (zh) 空气质量指数的预测方法
CN104992071A (zh) 一种基于集合资料同化技术的初始扰动方法
CN109977346B (zh) 用于对区域风场进行风速预报的方法和装置
WO2020061716A1 (en) Method and system of real-time simulation and forecasting in a fully-integrated hydrologic environment
Kang et al. Examination of multi-perturbation methods for ensemble prediction of the MJO during boreal summer
Wu et al. Prediction of decadal variability of sea surface temperature by a coupled global climate model FGOALS_gl developed in LASG/IAP
Galanis et al. A new methodology for the extension of the impact of data assimilation on ocean wave prediction
CN114595876A (zh) 一种区域风场预测模型生成方法和装置、电子设备
CN114648181A (zh) 一种基于机器学习的降水预报修正方法及系统
Zamani et al. Non-linear wave data assimilation with an ANN-type wind-wave model and Ensemble Kalman Filter (EnKF)
CN116976227B (zh) 一种基于lstm机器学习的风暴增水预报方法及系统
Emmanouil et al. A new methodology for using buoy measurements in sea wave data assimilation
Chu et al. Application of Latin hypercube sampling based kriging surrogate models in reliability assessment
CN110968929A (zh) 风电场风速的预测方法、装置及电子设备
Ayala et al. Loosely conditioned emulation of global climate models with generative adversarial networks
JP7382097B2 (ja) 量子ウォークに基づく近接空間大気状態シミュレーション方法および装置
JP2020091171A (ja) 気象予測システム、気象予測方法、および気象予測プログラム
CN114418243A (zh) 分布式新能源云端网格预测方法与系统
CN108876041B (zh) 基于因果影响网络算法的极地海冰面积预测方法及装置
Lin Probabilistic sea-level rise hazard analysis
Lienert et al. Prediction of interannual North Atlantic sea surface temperature and its remote influence over land

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