CN113052352A - 一种新能源场站风速预报订正方法和系统 - Google Patents
一种新能源场站风速预报订正方法和系统 Download PDFInfo
- Publication number
- CN113052352A CN113052352A CN201911374909.2A CN201911374909A CN113052352A CN 113052352 A CN113052352 A CN 113052352A CN 201911374909 A CN201911374909 A CN 201911374909A CN 113052352 A CN113052352 A CN 113052352A
- Authority
- CN
- China
- Prior art keywords
- forecast
- correction
- forecasting
- wind speed
- wind
- 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
- 238000012937 correction Methods 0.000 title claims abstract description 152
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000012549 training Methods 0.000 claims description 77
- 230000008030 elimination Effects 0.000 claims description 18
- 238000003379 elimination reaction Methods 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 7
- 230000008569 process Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000010248 power generation Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013277 forecasting method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种新能源场站风速预报订正方法和系统,包括:获取新能源场站风速预报数据;将新能源场站风速预报数据输入预先建立的订正模型,得到新能源场站风速预报订正结果。本发明在当前预报水平下,针对现有风速预报数据,利用预先建立的订正模型进行订正处理,最大化预报数据的可用性,为电网调度运行部门提供科学的数据支撑,保障电网安全稳定运行。
Description
技术领域
本发明属于新能源发电与控制技术领域,具体涉及一种新能源场站风速预报订正方法和系统。
背景技术
风电作为新能源发电的典型得到大规模的发展,其大规模的并网运行对电力系统的安全稳定经济运行带来较大影响。风电场与光伏电站的输出功率主要由风速、风向及辐照度等气象要素决定。受大气环流及局地效应的影响,混沌的非线性变化的风速、风向、辐照度导致风电场站输出功率具有波动性、间歇性、随机性的特点,对电网消纳大规模新能源提出了严峻挑战。对新能源输出功率进行预测是增加电网调峰容量、提高电网接纳新能源能力、改善电力系统运行安全性与经济性的最有效、最经济的手段之一。为了反映大气系统在预测时间内的变化过程,新能源发电功率预测需要采用新能源电站临近的高分辨率数值天气预报(Numerical Weather Prediction-NWP)的风速、风向、辐照度数据作为输入量,再由预测算法将NWP的气象要素预报转换为新能源场站的输出功率预测。随着风电装机的逐年提高,风电功率预测准确性对电网安全稳定运行的影响不断增大,以冀北电网为例,冀北外受电比例高,火电机组供热期出力调整范围在显著缩小,而风电发电出力屡创新高,出力波动不断增大,增加了控制区电网调峰的难度,迫切需要进一步提高风电功率预测的准确率。在新能源功率的过程中,风、光等气象要素的准确度直接影响到新能源场站的输出功率预测的准确率。
在自然界中,因为风会受到地域、地形和气候的影响,具有很大的随机性和不可控性,因而风速的预报是诸多气象要素中预报准确度较低的一个要素,传统的“单一”确定论的数值预报不够准确,而风速预报的不准确会直接影响风电场输出功率的不准确,从而会影响在出力优化和电网调度运行的过程中的很多重要的决策。因此,提升风速预报的准确度对于提升新能源功率预测的精度具有重要意义。
发明内容
为克服上述现有技术的不足,本发明提出一种新能源场站风速预报订正方法,其改进之处在于,包括:
获取新能源场站风速预报数据;
将所述新能源场站风速预报数据输入预先建立的订正模型,得到新能源场站风速预报订正结果;
所述订正模型根据风的类型对风速预报数据进行订正。
优选的,所述订正模型的建立,包括:
根据风速类型从集合预报成员中选取进行订正的预报成员;
根据不同风的类型选取训练期,基于所述训练期的历史天气数据和所述预报成员采用消除偏差法建立订正模型。
优选的,所述根据风速类型从集合预报成员中选取进行订正的预报成员,包括:
根据集合预报系统,从集合预报成员中选取与风速预报相关的参数化方案设置的参数化预报成员;
根据不同的地面风类型,从所述参数化预报成员中分别确定进行订正的预报成员。
优选的,所述根据不同的地面风类型,从参数化预报成员中分别确定进行订正的预报成员,包括:
根据风速预报范围内下垫面类型进行区域划分,得到下垫面类型不同的多个地区;
针对各地区,根据所述地区的地面风类型和天气气候类型,对所述参数化预报成员进行筛选,得到各地区进行订正的预报成员。
优选的,所述根据不同风的类型选取训练期,基于所述训练期的历史天气数据和所述预报成员采用消除偏差法建立订正模型,包括:
针对不同地区不同季节的风的类型分布特点选取训练期;
采用相关系数分析法在训练期内对预报点的预报成员进行筛选,构建参与订正的集合预报成员组;
基于所述集合预报成员组,使用偏差消除法在训练期内进行训练,建立订正模型。
优选的,所述训练期包括历史训练期和滑动训练期;
所述历史训练期为预报日期前1-2年,所述滑动训练期为预报日期前1-3天。
优选的,所述采用相关系数分析法在训练期内对预报点的预报成员进行筛选,构建参与订正的集合预报成员组,包括:
在滑动训练期内,分别计算各预报点的每个预报成员的预报的风速与实际观测风速的相关性系数;
选择相关性系数超过预设相关阈值的预报成员构建参与订正的集合预报成员组。
优选的,其特征在于,所述基于所述集合预报成员组,使用偏差消除法在训练期内进行训练,建立订正模型,包括:
在历史训练期内,分别计算所述集合预报成员组中各预报成员在各预报点的预报误差;
以各预报成员在各预报点的预报误差分别乘以各预报成员的订正系数后求和,得到总预报误差;
以历史训练期内总预报误差最小为目标调整各预报成员的订正系数,得到各预报成员的最优订正系数;
根据所述最优订正系数,建立订正模型。
优选的,所述基于所述训练期的历史天气数据和所述预报成员采用消除偏差法建立订正模型之后,还包括:
对订正模型的有效性进行检验。
优选的,所述对订正模型的有效性进行检验,包括:
基于所述订正模型选取检验时段的风速预报结果和观测结果,计算订正前后的预报误差;
判断在检验时段内是否有超过预设比例时段订正后的预报误差小于订正前的预报误差:若是,则所述订正模型有效,否则所述订正模型无效。
基于同一发明构思,本发明还提供了一种新能源场站风速预报订正系统,其改进之处在于,包括:预报获取模块和预报订正模块;
所述预报获取模块,用于获取新能源场站风速预报数据;
所述预报订正模块,用于将所述新能源场站风速预报数据输入预先建立的订正模型,得到新能源场站风速预报订正结果;
所述订正模型根据风的类型对风速预报数据进行订正。
优选的,所述系统还包括用于建立订正模型的建模模块,所述建模模块包括:预报成员选取单元和订正模型单元;
所述预报成员选取单元,用于根据风速类型从集合预报成员中选取进行订正的预报成员;
所述订正模型单元,用于根据不同风的类型选取训练期,基于所述训练期的历史天气数据和所述预报成员采用消除偏差法建立订正模型。
与最接近的现有技术相比,本发明具有的有益效果如下:
本发明提供了一种新能源场站风速预报订正方法和系统,包括:获取新能源场站风速预报数据;将新能源场站风速预报数据输入预先建立的订正模型,得到新能源场站风速预报订正结果。本发明在当前预报水平下,针对现有风速预报数据,利用预先建立的订正模型进行订正处理,最大化预报数据的可用性,为电网调度运行部门提供科学的数据支撑,保障电网安全稳定运行。
附图说明
图1为本发明提供的一种新能源场站风速预报订正方法流程示意图;
图2为本发明提供的一种新能源场站风速预报订正方法整体技术路线示意图;
图3为本发明提供的一种新能源场站风速预报订正系统基本结构示意图;
图4为本发明提供的一种新能源场站风速预报订正系统详细结构示意图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步的详细说明。
集合预报方法是近年来已在国际上引起高度重视的新一代动力随机预报方法。随着计算机技术的迅猛发展和由于大气初值和数值模式中物理过程存在着不确定性的事实,这一方法无疑代表了数值天气预报未来演变发展的方向。
由于风、光等气象要素本身的随机性和不可控性,以及观测的不准确(包括仪器误差,观测点在时间和空间上不够密集引起的插值误差)和资料分析、同化处理中引入的误差,我们无法准确的描述大气的实际状态,包括风、光等各种气象要素的真实值,因而所得到的作为大气数值模式初值的初始场总是含有不确定性,因此我们通过数值计算得到的预报风速同样具有很大的不确定性。同传统的“单一”确定论的数值预报不同,集合预报是从“一群”相关不多的初始出发而得到“一群”预报值的方法,这就是经典的集合预报概念。集合预报虽然仍没有准确的描述风的状态,但是他的预报结果给出了尽可能多的可能得到的预报结果的可能性,从而使我们能够从这些可能的预报结果中找到那个最接近实际情况的预报结果。
随着风电装机容量逐年提升,对新能源功率预测精度要求有了很大提升,而新能源功率预测尤其是风电功率预测精度的提升又对风速预报精度提出了更高的要求,面对这么一个高度复杂、高度非线性的大气系统,引入集合预报的方法对风速的预报值进行改进,通过对各种不确定性的分析,得到更加接近真实值的风速预报值是最好的一种选择。因此,基于集合预报的结果,对于提升风速预报的准确率具有重要意义。
在调研目前风速预报模型以及对集合预报误差的研究现状,综合新能源功率预测和电网安全稳定对风速预报产品的实际需求,本发明提供一种新能源场站风速预报订正方法和系统,用于从集合预报结果中找出最接近实际的一组或几组预报结果进行集成和修正,得到最终确定性的风速预报结果,进一步提升现有风速预报产品的可利用性和适用性,从而服务于风电功率预测和电网安全稳定运行。
实施例1:
本发明提供的一种新能源场站风速预报订正方法流程示意图如图1所示,包括:
步骤1:获取新能源场站风速预报数据;
步骤2:将新能源场站风速预报数据输入预先建立的订正模型,得到新能源场站风速预报订正结果;
订正模型根据风的类型对风速预报数据进行订正。
具体的,本发明提出一种新能源场站风速预报订正方法,整体技术路线如图2所示,包含3个步骤:
第一步:对风速类型进行分类,根据风速类型从集合预报成员中选取合适参数化方案设置的预报成员。
1-1:根据已有的集合预报系统,从集合预报成员中选取与风速预报相关的参数化方案设置的预报成员。在中尺度天气预报模式(WRF)的参数化方案中,涉及到风速预报过程的主要是微物理过程,积云对流过程和边界层的参数化方案,其中微物理过程目前有8种不同的参数化方案,积云对流过程有7种不同的参数化方案,边界层参数方案更是多达十几种,在这些不同参数化方案排列组合的过程中,能形成很多种不同的模式设置结果。基于中国地区的风速变化特征及时空分布特性,一般的气象部门用于风速的集合预报成员大概有10~20种,因此在不同的预报系统和平台上,需要根据已有的集合预报成员基于一些规则进行挑选,选出合适参数化方案设置的模式成员参与到订正过程中。
1-2:根据不同的地面风类型,确定参与订正的成员。按照气象上风的分类,实际应用中主要有4类风。依据下垫面对空气运动的影响,可把风分成海陆风、山谷风、城市风和湍流风四种类型:海陆风的形成是由于滨海地区白天陆地升温快,空气膨胀上升,近地面形成低压;海洋上气温低,产生下沉气流,形成高压,风由海洋吹向陆地,形成海风;晚上与白天热力作用相反,风由陆地吹向海洋,形成陆风。山谷风的形成是由于山谷地区白天山坡比同高度的大气温度高,暖空气沿山坡上升,形成谷风;夜间山坡比同高度的大气温度低,冷空气沿山坡下滑,形成山风。城市风的形成是由于城市居民生活、工业和交通工具释放出大量的人为热量,导致城市气温高于郊区,形成“城市热岛”,引起空气在城市上升,在郊区下沉,在城市和郊区之间形成了小型的热力环流。近地面风由郊区吹向城市。在除了上述三种下垫面以外的平原或盆地地区,由于平常风速较小,大多是由于近地面的热力湍流作用而引起风速变化的风,称之为湍流风,属于静小风天气类型。除了下垫面对风的分类会造成影响以外,实时的气候类型和天气过程也会对风速产生实时的影响,例如我国东南沿海属于季风气候区,冬季夏季风的性质有着明显的区别,而西北干旱,地形复杂,并且常常收到来自西伯利亚的冷空气影响,常常会有寒潮爆发,属于温带大陆性气候。基于以上的讨论,为了更加有针对性的对不同类型的风进行预报订正,需要根据风的类型以及实时的天气气候类型对不同集合成员进行层层判定,对全中国进行细致的区域划分,直至选出每个区域最佳成员参数化组合方案。
第二步:根据不同风的类型选取训练期和预报期,采用消除偏差法建立订正模型。
2-1:针对我国不同地区不同季节的风类型分布特点,需要选取合适的训练期,才可能获取预报期内模式预报特点的预报偏差,在本订正方法过程中采取了历史训练期和滑动训练期相结合的混合训练期来进行订正模型的训练和建立,其中历史训练期可选择研究区域1-2年内的历史风速预报数据,而滑动训练期应当选择预报时间点临近的一些时间段,以保证预报的连续性和有效性。通常训练期可选择的时长为1-3天比较合适。
2-2:采用相关系数分析法在滑动训练期内对预报点的集合成员进行筛选,构建参与订正的集合预报成员组。由于风速大小还会受到当前天气状况及大尺度天气系统的影响,因此需要利用预报点前3天的风速数据判断当前的天气类型,从预给定的预报成员中选出在过去3天内表现最优的集合预报成员参与订正。具体算法是分别计算每个预报成员过去3天的预报风速与实际观测风速的相关性系数,选择相关性系数大于0.8的集合预报成员构建参与订正的集合预报成员组。
2-3:使用偏差消除法在历史训练期内进行训练,建立订正模型。传统的消除偏差法订正过程分为训练期和预报期。训练期使用模式预报和观测数据计算得到模式的历史平均预报偏差(以下简称为预报偏差),预报期利用训练期内得到的预报偏差B订正模式的实时预报:在本风速订正方法中,假设第i个预报成员在该点的预报误差Oi=Fi–Bi,其中Fi为第i个成员在该点的预报值,Bi是第i个成员在该点的实际观测值,假设ki为第i个成员的订正系数,则所有成员的总预报误差满足
其中,∑ki=1
在选取的1-2年的历史训练期内调整ki的值,使得训练期内的总预报误差达到最小值,从而求得了每个集合预报成员的订正系数,建立该点的降风速预报订正模型。
假设在整个订正过程中,模式的所有参数无任何改动,可以推测,该模式对同一地区的大风过程的预报特点应相差不大,即具有相似的系统性误差,因此对于风类型相同的一个地区而言,可以采用地区统一订正。假设第i个预报成员在预报点j的预报误差Oi,j=Fi,j–Bi,j,其中Fi,j为第i个成员在j点的预报值,Bi,j是第i个成员在j点的实际观测值,假设ki为第i个成员的订正系数,则所有成员的总预报误差满足:
其中,∑ki=1
在选取的1-2年的历史训练期内调整ki的值,使得训练期内的总预报误差达到最小值,从而求得了每个集合预报成员的订正系数,建立该区域的风速预报订正模型。
第三步:订正模型模拟结果检验,发布预报结果
基于第二步的订正模型,重新选取另一段时间的风速预报结果和观测结果,计算订正后的预报结果误差。如果在检验时段内该点/区域有80%的时段订正后的预报误差小于订正前的误差,表明该订正模型准确有效。
在实际应用过程中,发布人员还需要根据实际天气状况和主观经验判断最终是否选择使用订正模型进行修正,并计算最终预报结果,汇总全国风速预报数据,供新能源场站及电网运行调度人员使用参考。
实施例2:
下面给出一个新能源场站风速预报订正方法具体实施例。
步骤201:目前,中国电科院数值天气预报中心的全国3km业务化预报模式采用的参数化方案设置为GFS_WCTRL,以此得到确定性的全国地面10米风速预报,集合预报的结果将用于修正此业务化方案的预报结果。而在全国9km集合预报系统根据不同wrf(中尺度数值天气预报模式)的参数化方案设置一共有以下12类方案:'WCBMJ','WCG3D','WMTHO','WPBOU','WPGBM','WPMN2','WPSHS','WCNST','WPRUC','WPTMF','WPACM','WPUNW'。其中涉及到风速预报过程的主要是微物理过程,积云对流过程和边界层的参数化方案,因此从中选出适用于风速预报的集合预报成员有①'WCBMJ'(常规对流调整业务化方案),②'WCNST'(不考虑对流的浅传输方案),③'WPBOU'(局地城市下垫面小尺度方案),④'WPMN2'(复杂地表下垫面影响方案),⑤'WPSHS'(依赖尺度的垂直混合方案),⑥'WPACM'(非局地非对称垂直混合对流模式),⑦'WPTMF'(次网格总质量通量方案)7种,加上业务化控制方案⑧WCTRL,然后选取4个不同的全球初始场资料,分别是ECM(欧洲中心)、GEM(加拿大)、GFS(美国)、GSM(日本),因此一共参与后订正的模式成员数量为31个。
步骤202:根据不同的风类型,确定参与订正的成员。中国地区目前的风类型主要有4类。依据下垫面对空气运动的影响,可把风分成海陆风、山谷风、城市风和湍流风四种类型:山谷风主要受动力抬升的影响,对流影响稍弱,其参数化方案选择为2468;海陆风受海陆热力差异影响较大,其参数化方案选择为13678;城市风是多是热力对流及湍流作用的影响,其参数化方案可以选择为2358;湍流风通常尺度较小,无特殊地形影响,参数化方案可选择为13578。通过组合背景场数据以及参数化方案可以初步得到参与每类风度预报结果订正的集合预报成员组。根据以上风的类型对中国区域进行划分,划分成4类区域,山谷风区可参与订正的集合预报成员数量为16个,海陆风区为20个,城市风区为16个,湍流风区为20个。
步骤203:根据选取的训练期风速预报及观测数据进一步删选参与订正的集合预报成员:
选取历史训练期为2015-2016年全国300个新能源场站的风速观测数据与9km全网格风速预报数据作为训练数据集,风速数据的时间分辨率为15分钟,滑动训练期为预报时间点过去的3天。以订正安徽某风电场2015年1月4日0时的单点预报风速为例,首先根据此风电场所处的区域为湍流风区初步确定参与订正集合成员有16个,然后提取该风电场1月1日0:00至1月3日23:45的风速观测数据(在实际应用中可根据现有观测数据来选取滑动训练期,比如在1月4日0:00需要预报1月5日0:00的风速,仍然可以选用1月1日0:00至1月3日23:45作为滑动训练期),分别计算16个集合预报成员在该时间段内预报风速与观测风速的相关性系数,选择其中相关系数大于0.7的集合预报成员作为1月4日0:00该时刻风速订正的集合预报成员。以此类推,移动滑动训练期时间窗口,可得到每一个时刻的最终参与订正的集合预报成员组。如果是对某一区域内的全部风电场进行统一订正,可以在确定该区域该预报时间点的所有风电场参与订正的集合预报成员组后,对有相同的预报成员组的风电场站进行归类,可以认为这些风电场站处于相同的天气条件下,从而进行统一订正。
步骤204:基于确定的成员,使用2015-2016年全部的风速观测与预报数据进行误差分析,使用误差消除法计算不同地区的各个预报成员的订正系数,建立订正模型。以2015年1月4日0:00安徽某风电场为例,其该时刻风速类型是寒潮天气下的湍流风,最终基于2015-2016年的风速预报误差分析,计算得到的参与订正的12个预报成员的订正系数分别为0.12,0.02,0.04,0.21,0.1,0.06,0.01,0.01,0.15,0.19,0.05,0.04。由此得到订正模型。同样,除了对单个风电场的风速预报结果进行订正外,还可以对某一区域全部风电场进行统一订正,可按照上一步中对天气条件的归类结果,对处于同一类天气条件影响下的风电场站采用误差消除法计算每个集合预报成员的订正系数,建立订正模型。
步骤205:根据上一步的订正模型,计算2016年1月1日-31日安徽某风电场站的订正后风速预报结果,计算订正后的风速预报误差时间序列及全国3km的GFS_WCTRL业务化预报模式的风速预报误差时间序列,比较订正前后预报误差的变化情况,订正前观测风速预预报风速的相关系数为0.72,订正后为0.78,且有84%的时间段订正后的预报误差小于订正前的预报误差,表明订正模型有效可行,可以发布预报结果给公司其他部门使用。
实施例3:
基于同一发明构思,本发明还提供了一种新能源场站风速预报订正系统,由于这些设备解决技术问题的原理与新能源场站风速预报订正方法相似,重复之处不再赘述。
该系统基本结构如图3所示,包括:预报获取模块和预报订正模块;
其中,预报获取模块,用于获取新能源场站风速预报数据;
预报订正模块,用于将新能源场站风速预报数据输入预先建立的订正模型,得到新能源场站风速预报订正结果;
订正模型根据风的类型对风速预报数据进行订正。
新能源场站风速预报订正系统详细结构如图4所示。
其中,新能源场站风速预报订正系统还包括用于建立订正模型的建模模块,建模模块包括:预报成员选取单元和订正模型单元;
预报成员选取单元,用于根据风速类型从集合预报成员中选取进行订正的预报成员;
订正模型单元,用于根据不同风的类型选取训练期,基于训练期的历史天气数据和预报成员采用消除偏差法建立订正模型。
其中,预报成员选取单元包括:参数化预报成员子单元和预报成员子单元;
参数化预报成员子单元,用于根据集合预报系统,从集合预报成员中选取与风速预报相关的参数化方案设置的参数化预报成员;
预报成员子单元,用于根据不同的地面风类型,从参数化预报成员中分别确定进行订正的预报成员。
其中,订正模型单元包括:训练期选取子单元、集合预报成员组子单元和订正模型子单元;
训练期选取子单元,用于针对不同地区不同季节的风的类型分布特点选取训练期;
集合预报成员组子单元,用于采用相关系数分析法在训练期内对预报点的预报成员进行筛选,构建参与订正的集合预报成员组;
订正模型子单元,用于基于集合预报成员组,使用偏差消除法在训练期内进行训练,建立订正模型。
其中,建模模块还包括有效性检验单元;
有效性检验单元,用于对订正模型的有效性进行检验。
其中,有效性检验单元包括:预报误差子单元和有效性判断子单元;
预报误差子单元,用于基于订正模型选取检验时段的风速预报结果和观测结果,计算订正前后的预报误差;
有效性判断子单元,用于判断在检验时段内是否有超过预设比例时段订正后的预报误差小于订正前的预报误差:若是,则订正模型有效,否则订正模型无效。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用于说明本申请的技术方案而非对其保护范围的限制,尽管参照上述实施例对本申请进行了详细的说明,所属领域的普通技术人员应当理解:本领域技术人员阅读本申请后依然可对申请的具体实施方式进行种种变更、修改或者等同替换,但这些变更、修改或者等同替换,均在申请待批的权利要求保护范围之内。
Claims (12)
1.一种新能源场站风速预报订正方法,其特征在于,包括:
获取新能源场站风速预报数据;
将所述新能源场站风速预报数据输入预先建立的订正模型,得到新能源场站风速预报订正结果;
所述订正模型根据风的类型对风速预报数据进行订正。
2.如权利要求1所述的方法,其特征在于,所述订正模型的建立,包括:
根据风速类型从集合预报成员中选取进行订正的预报成员;
根据不同风的类型选取训练期,基于所述训练期的历史天气数据和所述预报成员采用消除偏差法建立订正模型。
3.如权利要求2所述的方法,其特征在于,所述根据风速类型从集合预报成员中选取进行订正的预报成员,包括:
根据集合预报系统,从集合预报成员中选取与风速预报相关的参数化方案设置的参数化预报成员;
根据不同的地面风类型,从所述参数化预报成员中分别确定进行订正的预报成员。
4.如权利要求3所述的方法,其特征在于,所述根据不同的地面风类型,从参数化预报成员中分别确定进行订正的预报成员,包括:
根据风速预报范围内下垫面类型进行区域划分,得到下垫面类型不同的多个地区;
针对各地区,根据所述地区的地面风类型和天气气候类型,对所述参数化预报成员进行筛选,得到各地区进行订正的预报成员。
5.如权利要求2所述的方法,其特征在于,所述根据不同风的类型选取训练期,基于所述训练期的历史天气数据和所述预报成员采用消除偏差法建立订正模型,包括:
针对不同地区不同季节的风的类型分布特点选取训练期;
采用相关系数分析法在训练期内对预报点的预报成员进行筛选,构建参与订正的集合预报成员组;
基于所述集合预报成员组,使用偏差消除法在训练期内进行训练,建立订正模型。
6.如权利要求5所述的方法,其特征在于,所述训练期包括历史训练期和滑动训练期;
所述历史训练期为预报日期前1-2年,所述滑动训练期为预报日期前1-3天。
7.如权利要求6所述的方法,其特征在于,所述采用相关系数分析法在训练期内对预报点的预报成员进行筛选,构建参与订正的集合预报成员组,包括:
在滑动训练期内,分别计算各预报点的每个预报成员的预报的风速与实际观测风速的相关性系数;
选择相关性系数超过预设相关阈值的预报成员构建参与订正的集合预报成员组。
8.如权利要求6所述的方法,其特征在于,所述基于所述集合预报成员组,使用偏差消除法在训练期内进行训练,建立订正模型,包括:
在历史训练期内,分别计算所述集合预报成员组中各预报成员在各预报点的预报误差;
以各预报成员在各预报点的预报误差分别乘以各预报成员的订正系数后求和,得到总预报误差;
以历史训练期内总预报误差最小为目标调整各预报成员的订正系数,得到各预报成员的最优订正系数;
根据所述最优订正系数,建立订正模型。
9.如权利要求2所述的方法,其特征在于,所述基于所述训练期的历史天气数据和所述预报成员采用消除偏差法建立订正模型之后,还包括:
对订正模型的有效性进行检验。
10.如权利要求9所述的方法,其特征在于,所述对订正模型的有效性进行检验,包括:
基于所述订正模型选取检验时段的风速预报结果和观测结果,计算订正前后的预报误差;
判断在检验时段内是否有超过预设比例时段订正后的预报误差小于订正前的预报误差:若是,则所述订正模型有效,否则所述订正模型无效。
11.一种新能源场站风速预报订正系统,其特征在于,包括:预报获取模块和预报订正模块;
所述预报获取模块,用于获取新能源场站风速预报数据;
所述预报订正模块,用于将所述新能源场站风速预报数据输入预先建立的订正模型,得到新能源场站风速预报订正结果;
所述订正模型根据风的类型对风速预报数据进行订正。
12.如权利要求11所述的系统,其特征在于,还包括用于建立订正模型的建模模块,所述建模模块包括:预报成员选取单元和订正模型单元;
所述预报成员选取单元,用于根据风速类型从集合预报成员中选取进行订正的预报成员;
所述订正模型单元,用于根据不同风的类型选取训练期,基于所述训练期的历史天气数据和所述预报成员采用消除偏差法建立订正模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911374909.2A CN113052352A (zh) | 2019-12-27 | 2019-12-27 | 一种新能源场站风速预报订正方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911374909.2A CN113052352A (zh) | 2019-12-27 | 2019-12-27 | 一种新能源场站风速预报订正方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113052352A true CN113052352A (zh) | 2021-06-29 |
Family
ID=76506120
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911374909.2A Pending CN113052352A (zh) | 2019-12-27 | 2019-12-27 | 一种新能源场站风速预报订正方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113052352A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114330478A (zh) * | 2021-11-09 | 2022-04-12 | 国网山东省电力公司应急管理中心 | 针对电网风速预报的风速分类订正方法 |
-
2019
- 2019-12-27 CN CN201911374909.2A patent/CN113052352A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114330478A (zh) * | 2021-11-09 | 2022-04-12 | 国网山东省电力公司应急管理中心 | 针对电网风速预报的风速分类订正方法 |
CN114330478B (zh) * | 2021-11-09 | 2023-10-20 | 国网山东省电力公司应急管理中心 | 针对电网风速预报的风速分类订正方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Amirinia et al. | Wind and wave energy potential in southern Caspian Sea using uncertainty analysis | |
Johansson et al. | The influence of wind and topography on precipitation distribution in Sweden: Statistical analysis and modelling | |
Archer et al. | Meteorology for coastal/offshore wind energy in the United States: Recommendations and research needs for the next 10 years | |
CN110598290A (zh) | 考虑气候变化的流域未来水电发电能力预测方法和系统 | |
Goger et al. | Current challenges for numerical weather prediction in complex terrain: Topography representation and parameterizations | |
Hanslian et al. | Combining the VAS 3D interpolation method and Wind Atlas methodology to produce a high-resolution wind resource map for the Czech Republic | |
Mengelkamp | Wind climate simulation over complex terrain and wind turbine energy output estimation | |
Tan et al. | Short term wind energy resource prediction using WRF model for a location in western part of Turkey | |
El Hadri et al. | Wind energy land distribution in Morocco in 2021–2050 according to RCM simulation of CORDEX-Africa project | |
Cabezon et al. | Comparison of methods for power curve modelling | |
CN109599899B (zh) | 一种新能源运行模拟边界条件的设定方法 | |
CN109636019B (zh) | 基于神经网络算法的测风塔布置方案确定方法 | |
KR101313822B1 (ko) | 신경망 분석 기법을 이용한 풍력 밀도 예측 방법 | |
CN108808671A (zh) | 一种风电场短期风速集合预报方法 | |
CN113052352A (zh) | 一种新能源场站风速预报订正方法和系统 | |
Jafari et al. | Wind resource assessment using a mesoscale model: the effect of horizontal resolution | |
CN112001090A (zh) | 一种风场数值模拟方法 | |
Birkelund et al. | Wind power predictions in complex terrain using analog ensembles | |
CN115586591A (zh) | 风暴潮的自动预报方法以及装置 | |
Mahsafar et al. | The impact of climate change on water level of Urmia Lake | |
CN115912334A (zh) | 风电场出力保证率的预测模型创建方法及预测方法 | |
CN115795792A (zh) | 一种研究南大洋中尺度涡旋个数季节变化规律的方法 | |
Hallgren et al. | The smoother the better? A comparison of six post-processing methods to improve short-term offshore wind power forecasts in the Baltic Sea | |
Wang et al. | Application of a distributed degree-day model of glaciers in the upper reaches of the Beida River Basin | |
CN116596162B (zh) | 一种光伏发电量测算方法、装置、设备及存储介质 |
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 |