一种风电场短期风速集合预报方法技术

本发明专利技术公开了一种基于WRF模式和随机森林算法的风电场短期风速集合预报方法。所述方法如下：基于WRF模式，选取6种不同的边界层参数化方案预报70m高度处风速、风向等气象要素，再采用多种边界层参数化方案来集合预报风速，将各单一边界层参数化方案预报的风速和测风塔实测风速数据，应用随机森林算法来建立集合预报模型，对风电场的风速进行预报。本发明专利技术为风电场短期风速预报提供了一种科学、有效的方法，具有泛化能力强、稳定性好、预测精度高的特点，提高了风电功率预测准确性，有利于电力系统的调度和运营，具有一定的实用价值。

【技术实现步骤摘要】
一种风电场短期风速集合预报方法
本专利技术涉及一种风电场短期风速集合预报方法，属于风电功率预测领域。
技术介绍
随着全球经济的快速发展，化石类燃料日益枯竭，寻求清洁可再生能源迫在眉睫。风能作为清洁可再生能源，技术比较成熟，成本不断下降，不仅能够缓解能源的过度开发问题，在环境保护方面也有着突出优势。在风力发电中，风能的间歇性是制约风电发展的最根本原因。风能始源于大气的运动，具有很大的随机性、间接性，且风机的出力与风速的三次方近似成正比，从而风电输出功率具有很大的波动性和随机性，对电网的安全稳定运行带来影响。因此风速预测的准确性是风机出力预测极其重要的关键因素，尤其对复杂地形下的风速预测研究具有重要的意义。目前，常采用WRF等中尺度数值模式来预报短期风速。对于复杂地形地区，风速预报的准确率一直是难点和重点，根据地形、地表粗糙度、障碍物、气象等因素的影响，各不同位置风速必然有一定的差异。在风资源评估中，风场的湍流现象需要特别关注，会对风电机组的运行性能有不利影响。湍流属于不规则运动，湍流每一点上的速度、方向、压强、温度等物理特性等随机涨落。而湍流过程需要边界层参数化方案来描述，不同的边界层参数化方案都有其侧重的优势，在不同区域往往有不同表现，可使用不同的边界层参数化方案来弥补其局限性。对于复杂地形下，各种湍流过程都可能出现的情况下不同边界层都有可行性。因此，在应用WRF模式进行风速预报的模拟研究中，必须选择合适的边界层参数化方案。但采用单一的边界层参数化方案预报风速时，即使与本地区结合最好的参数化方案很有可能在其它地区完全不适用。而集合预报则为解决单一的确定性预报存在的不确定问题提供了一条新的途径，把不同的预报模型对风速的多种预报结果综合在一起，从而得到一个优于单一方案预报的预报结果。因此，可采用多种边界层参数化方案来集合预报风速风向等气象数据，得到较好的预报结果。
技术实现思路
本专利技术为了解决现有技术中存在的问题，提供一种基于WRF模式，选取6种不同的边界层参数化方案来集合预报风速，并将各单一边界层参数化方案预报的风速和实测风速数据，应用随机森林算法建立集合预报模型的预报方法。为了达到上述目的，本专利技术提出的技术方案为：一种风电场短期风速集合预报方法，包括如下步骤：步骤一、采集风电场实测风速数据，并进行数据预处理；步骤二、进行WRF模式方案设计；步骤三、选取多种不同的边界层参数化方案及相应的近地面层参数化方案。步骤四、基于WRF模式，用选取的多种不同边界层参数化方案预报风速等气象要素，并与实测数据进行误差分析；步骤五、应用随机森林算法将各单一边界层参数化方案预报的风速和实测风速数据，建立集合预报模型，对风电场的风速进行预报。对上述技术方案的进一步设计为：所述多种不同的边界层参数化方案设有六种，分别为YSU方案、ACM2方案、QNSE方案、MYNN2.5方案、MYJ方案、BouLac方案。所述六种不同的边界层参数化方案分别对应的近地面层参数化方案为MM5Monin-Obukhov方案、Pleim-Xiusurfacelayer方案、QNSEsurfacelayer方案、MYNNsurfacelayer方案、Monin-Obukhov方案和MM5Monin-Obukhov方案。所述WRF模式方案采用三重嵌套网格，网格数分别为50×60、55×52、67×64。与现有技术相比，本专利技术的有益效果是：1、单一方案的确定性预报只提供了风速的一种可能性，随机性较大。而采用多种边界层参数化方案来集合预报风速，解决了单一方案的确定性预报存在的不确定问题，把不同的预报模型对风速的多种预报结果综合在一起，从而得到一个优于单一方案预报方法的预报结果。2、相比于单一边界层参数化方案预报的风速，采用集合预报方法，预报的风速数据平均绝对误差(MAE)、均方根误差(RMSE)、相对平均绝对误差(rMAE)以及相对均方根误差(rRMSE)均明显减小，预测效果明显提高。3、与BP神经网络集合预报和等权集合预报相比较，基于WRF模式，将各单一边界层参数化方案预报的风速和测风塔实测风速数据，应用随机森林算法来建立集合预报模型进行风电场短期风速预报，误差减小，精度更高，对实测风速的拟合效果更好。附图说明图1.WRF模式模拟区域示意图；图2.集合预报流程图；图3.实测风速数据分布图；图4.实测风速日变化曲线图；图5.实测风向和预测风向玫瑰图分布；图6.等权、BP神经网络、随机森林算法三种集合方式的风速预测效果。具体实施方式下面结合附图以及具体实施例对本专利技术进行详细说明。本实施例的一种风电场短期风速集合预报方法，其步骤如下，1、采集风电场实测风速数据，结合周边风场数据以及历史数据进行数据预处理，预处理包括剔除异常值、对缺失数据进行填补等，得到去噪后的风速数据，通过完整性和合理性检验。2、WRF模式方案设置本实施例选用的WRF模式方案设计如下：采用三重嵌套网格，预报区域如图1所示。积分网格设计，网格数分别为50×60、55×52、67×64，水平网格分辨率分别为27km、9km、3km，网格中心点位于29.788°N、108.227°E。采用全球1°×1°，6h一次的GFS预报场资料作为WRF模式的初始场和侧边界条件。WRF模式参数化方案选择为：微物理过程方案为WSM6类冰雹方案，长波辐射为RRTM方案，短波辐射为Dudhia方案，陆面过程采用Noah陆面过程方案，积云参数化方案第一及第二重模拟区域选用浅对流Kain-Fritsch(newEta)方案，而最内层区域分辨率能够解析积云对流过程，因此不进行积云参数化。3、边界层参数化方案选取本实施例采用六种边界层参数化方案，分别选取如下：YSU方案、ACM2方案、QNSE方案、MYNN2.5方案、MYJ方案、BouLac方案。这些边界层方案都有自己侧重的优势，对于地形复杂地区各种湍流运动过程都可能出现的情况下这些方案都有可行性。在WRF模式中，每一个使用的边界层参数化方案都有相应的近地面层方案，具有一定的匹配关系，边界层方案和近地面层方案的6种组合试验方案设置见表1。表1模拟试验方案设计4、集合预报流程图如图2所示为预报流程图。以复杂地形下某风电场为研究对象，基于WRF模式，选取6种不同的边界层参数化方案预报风速风向等气象数据，比较各单一方案预报的风速与测风塔实测风速数据误差；再将各单一边界层参数化方案预报的风速，应用随机森林算法来建立集合预报模型，对风电场的风速进行预报。将预报风速数据与测风塔实测风速数据进行误差分析，分析集合预报可行性及优势。为验证本专利技术的集合预报方法用于风电场短期风速预报的可行性，本实施例采用重庆某风电场为研究对象，风电场测风塔所在区域的地形比较复杂。实测数据来自于测风塔70m高度处采集的2011年全年的风速、风向等气象数据，预报数据以6种不同边界层参数化方案2011年全年的WRF数据作为实验资料，数据时间分辨率为10min。选择2011年1、4、7、10月数据作为全年的代表数据进行模拟。选取的4个月份中将每个月份的最后3天，共1728组数据作为测试样本集，每个月份的其他天数数据作为训练样本集，通过MAE、RMSE、rMAE、rRMSE指标来评价预测效果。验证内容包括如下内容：1本文档来自技高网...

【技术保护点】
1.一种风电场短期风速集合预报方法，其特征在于，包括如下步骤：步骤一、采集风电场实测风速数据，并进行数据预处理；步骤二、进行WRF模式方案设计；步骤三、选取多种不同的边界层参数化方案及相应的近地面层参数化方案。步骤四、基于WRF模式，用选取的多种不同边界层参数化方案预报风速等气象要素，并与实测数据进行误差分析；步骤五、应用随机森林算法将各单一边界层参数化方案预报的风速和实测风速数据，建立集合预报模型，对风电场的风速进行预报。

【技术特征摘要】
1.一种风电场短期风速集合预报方法，其特征在于，包括如下步骤：步骤一、采集风电场实测风速数据，并进行数据预处理；步骤二、进行WRF模式方案设计；步骤三、选取多种不同的边界层参数化方案及相应的近地面层参数化方案。步骤四、基于WRF模式，用选取的多种不同边界层参数化方案预报风速等气象要素，并与实测数据进行误差分析；步骤五、应用随机森林算法将各单一边界层参数化方案预报的风速和实测风速数据，建立集合预报模型，对风电场的风速进行预报。2.根据权利要求1所述风电场短期风速集合预报方法，其特征在于，所述不同的边界层参数化方案设有六种，分别为YSU方案、ACM2方案、Q...

【专利技术属性】
技术研发人员：叶小岭，支兴亮，李慧玲，黄飞，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：江苏,32