CN115860248A - 风速数值同化短临预测方法及系统 - Google Patents

风速数值同化短临预测方法及系统 Download PDF

Info

Publication number
CN115860248A
CN115860248A CN202211643067.8A CN202211643067A CN115860248A CN 115860248 A CN115860248 A CN 115860248A CN 202211643067 A CN202211643067 A CN 202211643067A CN 115860248 A CN115860248 A CN 115860248A
Authority
CN
China
Prior art keywords
wind speed
prediction
calculation
numerical
observation
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
CN202211643067.8A
Other languages
English (en)
Inventor
冯涛
蔡泽林
王磊
李丽
叶钰
简洲
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 Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
Disaster Prevention and Mitigation Center of State Grid Hunan Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
Disaster Prevention and Mitigation Center of State Grid Hunan Electric Power 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 Corp of China SGCC, State Grid Hunan Electric Power Co Ltd, Disaster Prevention and Mitigation Center of State Grid Hunan Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202211643067.8A priority Critical patent/CN115860248A/zh
Publication of CN115860248A publication Critical patent/CN115860248A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Wind Motors (AREA)

Abstract

本发明涉及风力发电预测与控制技术领域，公开一种风速数值同化短临预测方法及系统，以结合空气动力模型，提升风速短临预测能力。方法包括：确定数值预测区域；建立数值预报模型；在开展风速校正预测计算的过程中，当第i时刻有风速观测时，将风速观测加入到极小化函数与第i时刻的计算场进行融合处理；最后根据获取的网格化风速预测，结合风电场风机的经纬度信息，建立临近值方法获取风电场风机风速预测。

Description

风速数值同化短临预测方法及系统
技术领域
本发明涉及风力发电预测与控制技术领域，尤其涉及一种风速数值同化短临预测方法及系统。
背景技术
冬季寒潮大风影响下，导致风电场风速陡然增大，降低风电机组发电预测准确性。同时风速快速变化，还影响处于冻雨或冻雾环境的风机结冰，导致出力损失，同样影响预测准确性。因此，需要提升风的预测精度。
目前，针对风的预测主要有两种方法。一是直接通过统计方法，学习历史观测风速序列，建立统计模型，对于平稳的风速预测较为准确，对于突然增大的风速，预测偏差较大。二是通过数值模式和统计，对数值模式预测结果进行修正，预测风速，但在寒潮大风环境中，模式本身偏差增大，即使通过修正，也难以弥补天气突变造成的偏差。藉此，如何将天气突变信息融入预测，是解决风速预测的关键点。
发明内容
本发明目的在于建立一个能够把观测信息实时融入到预测的计算方法及系统，以结合空气动力模型，提升风速短临预测能力。
为达上述目的，本发明公开一种风速数值同化短临预测方法，包括：
(1)确定数值预测区域
以预测风电场为中心，建立计算范围为R×R，将风电场所有风机都包括在计算范围内，计算分辨率为r×r。使用ASTER地形数据分辨率为30m×30m，建立数值模式地形数据库，并将计算区域筛选出来用于计算。
(2)建立数值预报模型
根据步骤(1)选定的预测区域，采用WRF区域模型为数值预报模式进行建模计算，模式设置辐射为A方案、对流为B方案、边界层为C方案等影响风速的物理参数化方案组合成数值模式参数计算方案组。
(3)开展风速校正预测计算
选取全球数值模式，按照步骤(1)中设置区域，选取初始场S。按照步骤(2)中设置的数值模式，用初始场S驱动数值模式开始计算，获得第i时刻风速预报值。
①当第i时刻有风速观测时，将风速观测加入到极小化函数与第i时刻的计算场进行融合，极小化函数为：
Figure BDA0004008526440000021
式中，x为融合后的分析场，xb为第i时刻计算场，yo为第i时刻风电场观测的风速，H是观测算子，B是背景误差协方差矩阵，R是观测误差协方差矩阵。
②当第i时刻没有观测时，则继续运行到下一时刻；直到所有预测时刻均计算完成。
(4)风机处风速计算
基于步骤(3)获取的网格化风速预测，结合风电场风机的经纬度信息，建立临近值方法获取风电场风机风速预测，计算公式为：
Figure BDA0004008526440000022
式中：rlat和rlon分别为风电场风机的纬度和经度(单位为度)，lat和lon为网格点的纬度和经度(单位为度)，d的单位为公里。计算所有网格距离风电场距离，获得距离最小的网格点，则用距离最小的网格点作为风机预测值。
为达上述目的，本发明还公开一种风速数值同化短临预测系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现上述的方法。
可选地，所述计算机程序中包括以下功能模块，具体为：
数据收集模块：用于收集所需开展风速预测的初始场和观测场数据；
预测计算模块：用于构建数值模式，并设定参数方案，用于开展预测计算；
同化计算模块：用于基于计算结果和观测数据，实现观测数据融入预测初始场中；
存储模块：用于存储计算的风速预测数值。
本发明具有以下有益效果：
当第i时刻有风速观测时，将风速观测加入到极小化函数与第i时刻的计算场进行融合，从而达到了结合空气动力模型提升风速短临预测能力的技术效果。
下面将参照附图，对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明优选实施例的风速数值同化短临预测系统中计算机程序的所对应数据处理方法的流程示意图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
实施例1
(1)确定数值预测区域
以永州某风电场为中心，建立计算范围为10km×10km，将风电场所有风机都包括在计算范围内，计算分辨率为30m×30m。使用ASTER地形数据分辨率为30m×30m，建立数值模式地形数据库，并将计算区域筛选出来用于计算。
(2)建立数值预报模型
根据步骤(1)选定的预测区域，采用WRF区域模型为数值预报模式进行建模计算，模式设置辐射为A方案、对流为B方案、边界层为C方案等影响风速的物理参数化方案组合成数值模式参数计算方案组。
(3)开展风速校正预测计算
选取全球数值模式，按照步骤(1)中设置区域，选取初始场S。按照步骤(2)中设置的数值模式，用初始场S驱动数值模式开始计算，获得第i时刻风速预报值。
①当第i时刻有风速观测时，将风速观测加入到极小化函数与第i时刻的计算场进行融合，极小化函数为：
Figure BDA0004008526440000031
式中，x为融合后的分析场，xb为第i时刻计算场，yo为第i时刻风电场观测的风速，H是观测算子，B是背景误差协方差矩阵，R是观测误差协方差矩阵。
②当第i时刻没有观测时，则继续运行到下一时刻。
直到所有预测未来4小时，间隔15分钟的风速值计算完成。
(4)风机处风速计算
基于步骤(3)获取的网格化风速预测，结合风电场风机的经纬度信息，建立临近值方法获取风电场风机风速预测，计算公式为：
Figure BDA0004008526440000032
式中：rlat和rlon分别为风电场风机的纬度和经度(单位为度)，lat和lon为网格点的纬度和经度(单位为度)，d的单位为公里。计算所有网格距离风电场距离，获得距离最小的网格点，则用距离最小的网格点作为风机预测值。
实施例2
本实施例公开一种风速数值同化短临预测系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，如图1所示，所述处理器执行所述计算机程序时实现下述步骤：
(1)确定数值预测区域；
(2)建立数值预报模型；具体包括：
根据步骤(1)选定的预测区域，采用WRF区域模型为数值预报模式进行建模计算，模式设置辐射为A方案、对流为B方案、边界层为C方案的影响风速的物理参数化方案组合成数值模式参数计算方案组；
(3)开展风速校正预测计算；
选取全球数值模式，按照步骤(1)中设置区域，选取初始场；按照步骤(2)中设置的数值模式，用初始场S驱动数值模式开始计算，获得第i时刻风速预报值；具体包括：
①当第i时刻有风速观测时，将风速观测加入到极小化函数与第i时刻的计算场进行融合，极小化函数为：
Figure BDA0004008526440000041
式中，x为融合后的分析场，xb为第i时刻计算场，yo为第i时刻风电场观测的风速，H是观测算子，B是背景误差协方差矩阵，R是观测误差协方差矩阵；
②当第i时刻没有观测时，则继续运行到下一时刻，直到所有预测时刻均计算完成；
(4)风机处风速计算；具体包括：
基于步骤(3)获取的网格化风速预测，结合风电场风机的经纬度信息，建立临近值方法获取风电场风机风速预测，计算公式为：
Figure BDA0004008526440000042
式中：rlat和rlon分别为风电场风机的纬度和经度，lat和lon为网格点的纬度和经度，d为距离；然后计算所有网格距离风电场距离，获得距离最小的网格点，并用距离最小的网格点作为风机预测值。
优选地，本实施例计算机程序中包括以下功能模块：
数据收集模块：用于收集所需开展风速预测的初始场和观测场数据；
预测计算模块：用于构建数值模式，并设定参数方案，用于开展预测计算；
同化计算模块：用于基于计算结果和观测数据，实现观测数据融入预测初始场中；
存储模块：用于存储计算的风速预测数值。
综上，本发明实施例公开的方法及系统，当第i时刻有风速观测时，将风速观测加入到极小化函数与第i时刻的计算场进行融合，从而达到了结合空气动力模型提升风速短临预测能力的技术效果。
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，对于本领域的技术人员来说，本发明可以有各种更改和变化。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 (3)

1.一种风速数值同化短临预测方法，其特征在于，包括：
(1)确定数值预测区域；
(2)建立数值预报模型；具体包括：
根据步骤(1)选定的预测区域，采用WRF区域模型为数值预报模式进行建模计算，模式设置辐射为A方案、对流为B方案、边界层为C方案的影响风速的物理参数化方案组合成数值模式参数计算方案组；
(3)开展风速校正预测计算；
选取全球数值模式，按照步骤(1)中设置区域，选取初始场；按照步骤(2)中设置的数值模式，用初始场S驱动数值模式开始计算，获得第i时刻风速预报值；具体包括：
①当第i时刻有风速观测时，将风速观测加入到极小化函数与第i时刻的计算场进行融合，极小化函数为：
Figure FDA0004008526430000011
式中，x为融合后的分析场，xb为第i时刻计算场，yo为第i时刻风电场观测的风速，H是观测算子，B是背景误差协方差矩阵，R是观测误差协方差矩阵；
②当第i时刻没有观测时，则继续运行到下一时刻，直到所有预测时刻均计算完成；
(4)风机处风速计算；具体包括：
基于步骤(3)获取的网格化风速预测，结合风电场风机的经纬度信息，建立临近值方法获取风电场风机风速预测，计算公式为：
Figure FDA0004008526430000012
式中：rlat和rlon分别为风电场风机的纬度和经度，lat和lon为网格点的纬度和经度，d为距离；然后计算所有网格距离风电场距离，获得距离最小的网格点，并用距离最小的网格点作为风机预测值。
2.一种风速数值同化短临预测系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1所述的方法。
3.根据权利要求2所述的系统，其特征在于，所述计算机程序中包括以下功能模块：
数据收集模块：用于收集所需开展风速预测的初始场和观测场数据；
预测计算模块：用于构建数值模式，并设定参数方案，用于开展预测计算；
同化计算模块：用于基于计算结果和观测数据，实现观测数据融入预测初始场中；
存储模块：用于存储计算的风速预测数值。
CN202211643067.8A 2022-12-20 2022-12-20 风速数值同化短临预测方法及系统 Pending CN115860248A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211643067.8A CN115860248A (zh) 2022-12-20 2022-12-20 风速数值同化短临预测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211643067.8A CN115860248A (zh) 2022-12-20 2022-12-20 风速数值同化短临预测方法及系统

Publications (1)

Publication Number Publication Date
CN115860248A true CN115860248A (zh) 2023-03-28

Family

ID=85674614

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211643067.8A Pending CN115860248A (zh) 2022-12-20 2022-12-20 风速数值同化短临预测方法及系统

Country Status (1)

Country Link
CN (1) CN115860248A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117091802A (zh) * 2023-07-26 2023-11-21 上海勘测设计研究院有限公司 基于实测数据的风速湍流模型的标定方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117091802A (zh) * 2023-07-26 2023-11-21 上海勘测设计研究院有限公司 基于实测数据的风速湍流模型的标定方法
CN117091802B (zh) * 2023-07-26 2024-03-01 上海勘测设计研究院有限公司 基于实测数据的风速湍流模型的标定方法

Similar Documents

Publication Publication Date Title
CN111461444B (zh) 风电场的机组功率的预测方法、系统、介质及电子设备
AU2017352549B2 (en) Method and device for calculating power generation of wind farm
CN108428017A (zh) 基于核极限学习机分位数回归的风电功率区间预测方法
CN107304746A (zh) 风力发电机组及其运行控制方法与设备
CN112329977A (zh) 一种面向极端场景的风电功率预测系统
CN114483485A (zh) 一种Nudging风电场观测资料改进风速预测的方法
CN116565864B (zh) 一种基于pca-rbf算法的光伏发电功率预报方法
CN115586591B (zh) 风暴潮的自动预报方法以及装置
CN115345076A (zh) 一种风速订正处理方法及装置
CN115860248A (zh) 风速数值同化短临预测方法及系统
CN112862274A (zh) 一种基于WRF-LES和DeepAR相结合的风功率预测方法
CN112613633A (zh) 风电场的气象要素预测方法和装置
CN117934208B (zh) 一种基于多通道深度网络的多源数据海上风电预测方法
CN111666725A (zh) 一种适应非复杂地形风电场的测风塔规划选址方法及系统
CN116742626B (zh) 考虑大气混沌特征的风光联合功率集合预测方法及装置
CN113344252A (zh) 一种基于虚拟气象技术的风功率预测方法
CN110188939B (zh) 风电场的风功率的预测方法、系统、设备和存储介质
CN116979525A (zh) 一种风电功率实时智能预测方法
CN117394310A (zh) 多天气类型影响的区域光伏等效光资源计算方法和系统
CN116738769A (zh) 一种风光数据生成模型构建方法及风光数据生成方法
CN110929808A (zh) 舞动温度的多要素智能修正方法及系统
CN117634701B (zh) 基于区域光伏集合预报的太阳辐射短期预报方法及系统
CN117970529B (zh) 一种区域自动站修正地表下垫面参数的模式预报方法
CN116757340B (zh) 风电场短期风速融合预测方法及装置
CN118627313B (zh) 一种面向典型海域的气象模式数值调优方法及系统

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