CN112508437A - 一种微气候环境下风速预报的时序相似误差订正方法 - Google Patents

一种微气候环境下风速预报的时序相似误差订正方法 Download PDF

Info

Publication number
CN112508437A
CN112508437A CN202011492019.4A CN202011492019A CN112508437A CN 112508437 A CN112508437 A CN 112508437A CN 202011492019 A CN202011492019 A CN 202011492019A CN 112508437 A CN112508437 A CN 112508437A
Authority
CN
China
Prior art keywords
wind speed
wind
time sequence
similarity
wind field
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
Application number
CN202011492019.4A
Other languages
English (en)
Inventor
刘辉
张炜
吴迪
田宏强
左晨亮
徐晶晶
陈思威
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.)
State Grid Anhui Electric Power Co Ltd
Anhui Jiyuan Software Co Ltd
Original Assignee
State Grid Anhui Electric Power Co Ltd
Anhui Jiyuan Software 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 State Grid Anhui Electric Power Co Ltd, Anhui Jiyuan Software Co Ltd filed Critical State Grid Anhui Electric Power Co Ltd
Priority to CN202011492019.4A priority Critical patent/CN112508437A/zh
Publication of CN112508437A publication Critical patent/CN112508437A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • 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"

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种微气候环境下风速预报的时序相似误差订正方法，包括：定义基于观测历史资料情景和当前数值模式预报演变过程的相似程度；选择任意空间位置目标的风场，通过迭代回归模拟，选取模式风场中合适的空间位置的风场的具体表达形式，确定目标位置风场的有效影响距离；针对相似程度较高的空间位置和要素的历史时序变化情景，选取边界层风速有关的物理变量，进行敏感性模拟试验；在进行目标函数优化时，通过实验比对，得到特定地点和高度层的相似误差订正最优参数集；订正误差并形成风场预测的模式后处理优化模块。本发明可以有效地提高数值模式对近地面微气象环境的风场预测和模拟效果，减少在转折天气条件下的近地层风速预报和模拟的误差。

Description

一种微气候环境下风速预报的时序相似误差订正方法
技术领域
本发明属数值模式应用技术领域，具体涉及一种微气候环境下风速预报的时序相似误差订正方法。
背景技术
近地面精细化的风速数据，是气候资源利用、大气环境的重要基础信息。微气候环境的风速受到地貌、地形的影响，难以通过数值模式预报直接得到精细化的近地面风速，而精细化的近地层风速预报在风功率预测、大气环境模拟中都起着至关重要的作用。因此，在微气候资源和气候环境领域需要有效的误差订正技术，以达到近地层风场预报和模拟的精细性和准确性，提高预报和模拟的垂直分辨率、水平分辨率以及时间分辨率。
一般而言，随着时间和空间分辨率的提高，同时由于复杂地形、大气湍流的影响，预报具有更高的不确定性和误差。现有的数值模式模拟风场，特别是近地层风场具有较大的误差，资料同化、误差订正、集合预报以及改进模式的物理过程均为减小模拟误差的重要手段。其中，在不改变现有数值模式的前提下，误差订正是最为有效和经济的方式。例如，基于风功率预测的风速预报有其自身的特点：要求提供风机轮毂高度(70-100m)的预测值，而全国在此高度上的测风塔数量稀少，同时由于条件所限数据不能及时传输，因此将测风塔资料同化到数值模式中作用甚微。在风功率预测中，模式后处理误差订正技术也是目前公认的最可行、快速且有效的手段。有研究指出，对于一个装机容量为100-MW的风电场而言，若能减少1％的预报误差，将在风电场的寿命范围内节约1200万美元。
数值模式常用的后处理误差订正方法可分为统计订正方法和同化误差订正方法：前者主要包括数据产品解释应用MOS方法(利用模式预报变量和过去的观测值作为预报因子的多元线性回归法)、神经网络、支持向量机、非线性回归、最小偏二乘估计等；后者有变分同化、贝叶斯合并、Kalman滤波等。其中应用最为广泛的是MOS方法。
经过长达数年的训练，MOS方法可以有效地校正局地效应和季节变化，但是对短期变化的天气过程订正效果不佳，同时要求较长时间的训练样本。同化误差订正法中最为常见的是Kalman滤波。Kalman滤波是一种动态系统的自适应递归最优化顺序估计过程，其主要特征是通过对误差和观测数据之间的处理来不断修正模型参数，组建最优滤波方程。与传统的MOS方法相比，其优点包括：需要较少的训练样本和很短的训练期(一两个星期左右)，能够快速地适应天气过程、季节的变化以及模式的升级，其特点尤其适合风功率预测的要求。以上方法为基于时间的顺序Kalman滤波。顺序Kalman滤波由于其顺序性，缺点是不能预测由剧烈的天气过程转变引起的预报误差的快速变化。例如，如果过去数天的预报误差都较小，顺序Kalman滤波不能预估出很大的预报误差。
发明内容
本发明的目的在于提供一种微气候环境下风速预报的时序相似误差订正方法，在分析风速预报误差特征的基础上，发展统计-动力相结合的、利用历史相似预报来改进当前预报的时序相似误差订正技术，解决不同的预报因子之间具有相关性的问题，解决非平稳变化过程中带来的预报变量的转折快速变化问题，从而减小数值模式在转折天气条件下近地层风速预报的误差。
为实现上述目的，本发明采用了以下技术方案：
一种微气候环境下风速预报的时序相似误差订正方法，包括如下步骤：
(1)定义基于观测历史资料情景和当前数值模式预报演变过程的相似程度；
(2)选择任意空间位置目标的风场，通过迭代回归模拟，选取模式风场中合适的空间位置的风场的具体表达形式，确定目标位置风场的有效影响距离；
(3)针对相似程度较高的空间位置和要素的历史时序变化情景，选取边界层风速有关的物理变量，如风速、风向、气压、温度和湿度，进行敏感性模拟试验，主要的试验因子包括不同的物理变量组合，不同物理量的权重，距离的同化时间窗(有效影响的范围)等；
(4)在进行目标函数优化时，通过实验比对，提高风能敏感区的预报精度，得到特定地点和高度层的相似误差订正最优参数集；
(5)把相似误差订正最优参数集应用于数值模式预报和模拟的后处理，形成风场预测的模式后处理优化模块。
由上述技术方案可知，本发明可以有效地提高数值模式对近地面微气象环境的风场预测和模拟效果，减少在转折天气条件下的近地层风速预报和模拟的误差。随着日平均预报误差的增大，一般的误差订正技术的效果急剧减少，而本发明误差订正技术仍然保持了较好的订正效果。
具体实施方式
本实施例的微气候环境下风速预报的时序相似误差订正方法，具体包括如下步骤：
S1：选择时序相似误差订正技术的相似标准，即：定义基于观测历史资料情景和当前数值模式预报演变过程的相似程度，空间相关系数超过90％作为相似标准，时间演变的过程相似性超过90％的显著性；
S2：选择任意空间位置目标的风场，通过迭代回归模拟，选取模式风场中合适的空间位置的风场的具体表达形式，确定目标位置风场的有效影响距离；
S3：针对相似程度较高的空间位置和要素的历史时序变化情景，选取边界层风速有关的物理变量；
选择和预报量(边界层不同高度的风速)有关的物理变量，例如风速、风向、气压、温度和湿度，寻找合适的距离的具体表达形式(例如欧氏距离等)，以期刻画出天气过程(物理变量在时间上的变化趋势)的相似度。
利用不同观测站点的模拟风速进行相似误差订正技术的敏感性试验，主要的试验因子有：不同的物理变量组合，不同物理量的权重，距离的同化时间窗(有效影响的范围)等，以期得到针对特定地点和高度层的相似误差订正的最优参数集，为边界层风场预报提供依据。此外，由于边界层风场的波动和大气稳定度强烈相关，可以尝试在距离中添加Monin-Obukhov长度和边界层高度等物理量。
S4：在进行目标函数优化时，通过实验比对，尽量提高风能敏感区的预报精度，以期得到针对特定地点和高度层的相似误差订正最优参数集；
S5：把相似误差订正最优参数集应用于数值模式预报和模拟的后处理，形成风场预测的模式后处理优化模块。
本发明的时序相似误差订正将统计和动力两种方法有机结合，在不改变现有数值预报模式的前提下，既充分利用了对象目标区域固有的天气气候动力学特征，尤其是其演变的时序相似过程，有效提取对象目标区域历史资料中的相似信息，达到减小模式误差、改进当前预报的目的。时序相似误差订正法的基本原理是认为历史演变过程和当前预报过程具有一定的相似性，针对特定时间和地点的时序相似预报定义为符合当前预报特征的历史预报及时演变的时序过程。以此为基础，可以通过分析相似历史预报的预报误差来得到当前预报误差的信息。
因此，时序相似误差订正可以预估由转折天气引起的预报误差的快速变化，同时由于其充分利用了历史时序演变信息，对样本(观测数据)的依赖度不高，适用于历史资料相对缺乏的风场预测。
本实施例针对具体的风场风速演变预测的要求，选取适合于近地层风速预报的预报因子和物理变量的演变过程，解决相似误差订正技术中相似预报选择标准等技术难点，为基于风场数据的微气候环境应用提供精细化的风速模拟和演变预报结果。
本发明将根据时间顺序排列的预报变换到相似空间上，即对有序排列的相似预报集的预报来进行预估，以求寻找到和当前预报最相似(用具体的距离来定义)的历史预报，在此基础上再考虑演变过程的相似，起到动态相似的结果。由于可以得到历史预报的真实模拟误差，从而估计出当前预报的模拟误差。在相似空间中，根据与当前预报的相似度对历史预报进行分级，从左到右，即距离当前预报最远到最近分别是最差的相似预报和最好的相似预报。通过这种有序排列(从最差到最好)的相似预报来进行预测，因此针对当前预报的校正对与之最接近的相似预报提供了更大的权重。
和一般天气数值模式预报中的风速预报不同，一般数值模式预报难以及时捕捉转折天气过程中的风场变化的大变率幅度，也不容易反映近地面地形地貌的影响，而本发明的风场时序相似误差订正技术基于当地历史天气和风场情景的相关性，能够对特点位置风场的模拟和预报结果，以及转折性天气做出更为有效和精细化的订正。
以上所述的实施例仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案作出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (4)

1.一种微气候环境下风速预报的时序相似误差订正方法，其特征在于,包括以下步骤：
(1)定义基于观测历史资料情景和当前数值模式预报演变过程的相似程度；
(2)选择任意空间位置目标的风场，通过迭代回归模拟，选取模式风场中合适的空间位置的风场的具体表达形式，确定目标位置风场的有效影响距离；
(3)针对相似程度较高的空间位置和要素的历史时序变化情景，选取边界层风速有关的物理变量，然后进行敏感性模拟试验；
(4)在进行目标函数优化时，通过实验比对，得到特定地点和高度层的相似误差订正最优参数集；
(5)把相似误差订正最优参数集应用于数值模式预报和模拟的后处理，形成风场预测的模式后处理优化模块。
2.根据权利要求1所述的微气候环境下风速预报的时序相似误差订正方法，其特征在于：所述步骤(1)中，相似程度定义如下：
空间相关系数超过90％作为相似标准，时间演变的过程相似性超过90％为显著性。
3.根据权利要求1所述的微气候环境下风速预报的时序相似误差订正方法，其特征在于：步骤(3)中，所述物理变量包括风速、风向、气压、温度和湿度。
4.根据权利要求1所述的微气候环境下风速预报的时序相似误差订正方法，其特征在于：步骤(3)中，所述进行敏感性模拟试验中的主要试验因子包括不同的物理变量的组合，不同物理量的权重，距离的同化时间窗。
CN202011492019.4A 2020-12-16 2020-12-16 一种微气候环境下风速预报的时序相似误差订正方法 Pending CN112508437A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011492019.4A CN112508437A (zh) 2020-12-16 2020-12-16 一种微气候环境下风速预报的时序相似误差订正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011492019.4A CN112508437A (zh) 2020-12-16 2020-12-16 一种微气候环境下风速预报的时序相似误差订正方法

Publications (1)

Publication Number Publication Date
CN112508437A true CN112508437A (zh) 2021-03-16

Family

ID=74921671

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011492019.4A Pending CN112508437A (zh) 2020-12-16 2020-12-16 一种微气候环境下风速预报的时序相似误差订正方法

Country Status (1)

Country Link
CN (1) CN112508437A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112801564A (zh) * 2021-04-14 2021-05-14 中国气象局公共气象服务中心(国家预警信息发布中心) 一种构建高铁沿线风速预报模型的方法及装置
CN116205138A (zh) * 2023-01-16 2023-06-02 中国气象局广州热带海洋气象研究所（广东省气象科学研究所） 风速预报订正方法及装置
CN116681180A (zh) * 2023-06-19 2023-09-01 中国水利水电科学研究院 一种基于两层相似性度量的湖泊水位相似预报方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160203245A1 (en) * 2015-01-14 2016-07-14 State Grid Corporation Of China Method for simulating wind field of extreme arid region based on wrf
US20180038994A1 (en) * 2016-08-02 2018-02-08 International Business Machines Corporation Techniques to Improve Global Weather Forecasting Using Model Blending and Historical GPS-RO Dataset
CN110490384A (zh) * 2019-08-22 2019-11-22 中国水利水电科学研究院 一种区域气候模式动力降尺度要素误差订正方法
CN112036617A (zh) * 2020-08-17 2020-12-04 国电大渡河流域水电开发有限公司 一种动力-统计客观定量气候预测方法与系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160203245A1 (en) * 2015-01-14 2016-07-14 State Grid Corporation Of China Method for simulating wind field of extreme arid region based on wrf
US20180038994A1 (en) * 2016-08-02 2018-02-08 International Business Machines Corporation Techniques to Improve Global Weather Forecasting Using Model Blending and Historical GPS-RO Dataset
CN110490384A (zh) * 2019-08-22 2019-11-22 中国水利水电科学研究院 一种区域气候模式动力降尺度要素误差订正方法
CN112036617A (zh) * 2020-08-17 2020-12-04 国电大渡河流域水电开发有限公司 一种动力-统计客观定量气候预测方法与系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
徐晶晶 等: "风能模式预报的相似误差订正", 《应用气象学报》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112801564A (zh) * 2021-04-14 2021-05-14 中国气象局公共气象服务中心(国家预警信息发布中心) 一种构建高铁沿线风速预报模型的方法及装置
CN112801564B (zh) * 2021-04-14 2021-07-27 中国气象局公共气象服务中心(国家预警信息发布中心) 一种构建高铁沿线风速预报模型的方法及装置
CN116205138A (zh) * 2023-01-16 2023-06-02 中国气象局广州热带海洋气象研究所（广东省气象科学研究所） 风速预报订正方法及装置
CN116205138B (zh) * 2023-01-16 2023-11-03 中国气象局广州热带海洋气象研究所（广东省气象科学研究所） 风速预报订正方法及装置
CN116681180A (zh) * 2023-06-19 2023-09-01 中国水利水电科学研究院 一种基于两层相似性度量的湖泊水位相似预报方法
CN116681180B (zh) * 2023-06-19 2024-01-26 中国水利水电科学研究院 一种基于两层相似性度量的湖泊水位相似预报方法

Similar Documents

Publication Publication Date Title
CN112508437A (zh) 一种微气候环境下风速预报的时序相似误差订正方法
CN112288164B (zh) 一种计及空间相关性和修正数值天气预报的风功率组合预测方法
CN102236795B (zh) 风电场风速预测方法
Kou et al. Probabilistic wind power forecasting with online model selection and warped gaussian process
CN110728411A (zh) 一种基于卷积神经网络的高低空区域联合降雨预测方法
CN102184337A (zh) 一种受气象信息影响的新能源发电能力动态组合分析方法
CN115345076B (zh) 一种风速订正处理方法及装置
CN117290810B (zh) 基于循环卷积神经网络的短时强降水概率预报融合方法
CN114362175B (zh) 基于深度确定性策略梯度算法的风电功率预测方法及系统
CN115374995A (zh) 一种分布式光伏、小风电场站功率预测方法
CN117591794B (zh) 基于时间序列的鸟类迁徙轨迹预测方法
CN113033910B (zh) 一种光伏发电功率的预测方法、存储介质及终端设备
CN108228538A (zh) 一种城市中so2浓度值的预测方法
CN118332521B (zh) 一种基于粒子群优化随机森林的地壳形变时序模拟方法
CN117076738A (zh) 基于变网格模型的中长期气象预测方法、系统及介质
CN116454870A (zh) 一种区域分布式光伏短期功率预测方法
CN115310648A (zh) 一种基于多气象变量模型识别的中长期风电功率组合预测方法
CN113095547A (zh) 一种基于gra-lstm-ice模型的短期风功率预测方法
CN117665975A (zh) 一种基于迁移学习和lstm的降水预测方法
CN116070458A (zh) 基于rac-gan的新建风电场场景生成方法
CN110163437A (zh) 基于DPK-means的日前光伏发电功率预测方法
CN115619605A (zh) 一种基于语义信息的传统民居环境质量评估方法
CN115860248A (zh) 风速数值同化短临预测方法及系统
CN115600498A (zh) 一种基于人工神经网络的风速预报订正方法
CN115296298A (zh) 一种风电场功率预测方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210316

RJ01 Rejection of invention patent application after publication