• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 16
    • 下载费用:30 金币  

    重庆时时彩开奖记录结果: 一种提高风速预报精度的方法.pdf

    摘要
    申请专利号:

    重庆时时彩单双窍门 www.4mum.com.cn CN201410045468.2

    申请日:

    2014.02.08

    公开号:

    CN103793511A

    公开日:

    2014.05.14

    当前法律状态:

    授权

    有效性:

    有权

    法律详情: 授权|||实质审查的生效IPC(主分类):G06F 17/30申请日:20140208|||公开
    IPC分类号: G06F17/30 主分类号: G06F17/30
    申请人: 中能电力科技开发有限公司
    发明人: 陈欣; 韩明; 朱志成; 申烛; 孟凯锋; 岳捷; 孙翰墨; 马龙; 姜源
    地址: 100034 北京市西城区阜成门北大街6号-9(国际投资大厦C座16层)
    优先权:
    专利代理机构: 北京华夏正合知识产权代理事务所(普通合伙) 11017 代理人: 韩登营;张焕亮
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201410045468.2

    授权公告号:

    ||||||

    法律状态公告日:

    2017.02.01|||2014.06.11|||2014.05.14

    法律状态类型:

    授权|||实质审查的生效|||公开

    摘要

    本发明提供一种提高风速预报精度的方法,包括步骤:A、依据风向、风能确定特征月份;B、依据各特征月份的历史气象数据,结合对特征月份进行WRF模式计算,确定WRF模式的主程序参数方案;C、依据所确定的主程序参数方案计算出预测风速,结合BP神经网络进行修正,以得出风速预报。由上,通过选取特征月份,配置适合不同特征月份的最优物理参数化方案,并对所输出的风速进行修正,以提高风速预报精度。

    权利要求书

    权利要求书
    1.  一种提高风速预报精度的方法,其特征在于,包括步骤:
    A、依据风向、风能确定特征月份;
    B、依据各特征月份的历史气象数据,结合对特征月份进行WRF模式计算,确定WRF模式的主程序参数方案;
    C、依据所确定的主程序参数方案计算出预测风速,结合BP神经网络进行修正,以得出风速预报。

    2.  根据权利要求1所述的提高风速预报精度的方法,其特征在于,所述步骤B中包括:
    B1:运行WRF模式前处理阶段,建立预报区域的三维嵌套模型;
    B2:分别采用主程序参数方案中所包含的参数变量对各特征月的历史气象数据进行日模拟计算,得出WRF模式预报的风速值;
    B3:依据计算得出风速值的误差大小,确定一定数量的备选参数方案。

    3.  根据权利要求2所述的提高风速预报精度的方法,其特征在于,所述步骤B3中包括:
    B31:对步骤B2所计算出的风速值进行误差计算;
    B32:对误差进行由小到大排序,以确定备选参数方案。

    4.  根据权利要求3所述的提高风速预报精度的方法,其特征在于,所述步骤B31中,采用均方根误差算法,式中:V’t为WRF模式中结合各参数方案所预报的的风速值、Vt为对应时间的实测风速值、N为每日预报风速的个数。

    5.  根据权利要求3所述的提高风速预报精度的方法,其特征在于,所述步骤B32中,对特征月份风速值误差的日平均值进行排序,平均值为式中i代表参数方案的序数。

    6.  根据权利要求3所述的提高风速预报精度的方法,其特征在于,所述步骤B32之后还包括步骤:依据步骤B32中备选参数方案 所计算出的特征月的风速日变化图,与该特征月的实测风速日变化图进行比较,剔除与实测风速日变化图变化趋势相悖的参数方案。

    7.  根据权利要求1所述的提高风速预报精度的方法,其特征在于,所述步骤A中包括:
    A1:将主导风向一致的月份进行归类,确定预报区域的大风月、小风月和过渡月;
    A2:确定大风月、小风月和过渡月中的特征月份。

    8.  根据权利要求7所述的提高风速预报精度的方法,其特征在于,所述步骤A2中计算大风月、小风月和过度月中各月风速的标准差值,采用公式进行计算,式中,Vi代表当月每间隔一定时间所检测的风速、代表所检测风速的平均值、n代表本月所检测风速的个数,将大小风月类型中标准差最大的月份作为典型月。

    9.  根据权利要求7所述的提高风速预报精度的方法,其特征在于,所述步骤C中包括步骤:
    C1:依据步骤B所确定的WRF模式主程序参数方案,选择大风月、小风月和过度月至少累计6个月的历史预报数据进行WRF模式计算,分别得出日风速值;
    C2:将所述日风速值作为输入层,并将与其对应时间的实际日风速值作为输出值,对BP神经网络的隐含层进行训练;
    C3:获取未来24小时的天气预报数据,针对不同月份,采用该月份所属特征月份的参数方案进行WRF模式计算以预测风速,并将计算结果作为BP神经网络的输入层,经过隐含层计算,输出修正风速。

    10.  根据权利要求1所述的提高风速预报精度的方法,其特征在于,所述主程序参数方案中包括:微物理过程、长波辐射、短波辐射、地表层、陆面层、行星边界层和积云参数化。

    说明书

    说明书一种提高风速预报精度的方法
    技术领域
    本发明涉及天气预报技术领域,特别涉及一种提高风速预报精度的方法。
    背景技术
    风功率预测准确的关键因素在于风速预报的准确性。目前,风功率预测的方法主要是由数值气象预报输出气象要素,包含风速、风向、温度、压力、湿度,通过统计模型对数值气象的结果进行订正,从而输出预报功率。这种方法主要依赖于统计模型的修正,并未对数值气象预报结果从根本上进行数据挖掘。
    数值气象预报一般采用天气预报模式(WRF,Weather Research and Forecasting Mode),对结果影响较大的参数化方案主要有微物理过程、辐射过程、近地面层方案、陆面过程方案、边界层方案、积云参数化方案。
    现有技术主要采用两种方法配置物理参数化方案:第一种是配置一套经验参数化方案。这种方法常适用于业务化预报方案,如每日天气预报。但上述方案不适用于各类天气系统,容易出现某日误差较大的情况;
    第二种是对个例研究,例如已公开文献《不同云微物理参数化方案对舟曲/8.80暴雨过程模拟的影响》。但上述对个例的研究不能用于业务系统长期预报。
    发明内容
    本发明提供一种提高风速预报精度的方法,通过选取特征月份,配置适合不同特征月份的最优物理参数化方案,并对所输出的风速进行修正,以提高风速预报精度。
    本发明所提供的提高风速预报精度的方法包括步骤:
    A、依据风向、风能确定特征月份;
    B、依据各特征月份的历史气象数据,结合对特征月份进行WRF模式计算,确定WRF模式的主程序参数方案;
    C、依据所确定的主程序参数方案计算出预测风速,结合BP神经网络进行修正,以得出风速预报。
    由上,通过选取特征月份,配置适合不同特征月份的最优物理参数化方案,并对所输出的风速进行修正,以提高风速预报精度。
    可选的,所述步骤B中包括:
    B1:运行WRF模式前处理阶段,建立预报区域的三维嵌套模型;
    B2:分别采用主程序参数方案中所包含的参数变量对各特征月的历史气象数据进行日模拟计算,得出WRF模式预报的风速值;
    B3:依据计算得出风速值的误差大小,确定一定数量的备选参数方案。
    由上,通过将所有参数进行WRF模式运算,以得出各参数方案的预测结果。
    可选的,所述步骤B3中包括:
    B31:对步骤B2所计算出的风速值进行误差计算;
    B32:对误差进行由小到大排序,以确定备选参数方案。
    由上,通过误差分析确定误差最小的参数方案。
    可选的,所述步骤B31中,采用均方根误差算法,式中:V’t为WRF模式中结合各参数方案所预报的的风速值、Vt为对应时间的实测风速值、N为每日预报风速的个数。
    可选的,所述步骤B32中,对特征月份风速值误差的日平均值进行排序,平均值为式中i代表参数方案的序数。
    由上,对各种参数化方案所计算出的特征月份中每天的风速结果进行测量值与真值的偏差分析评价,准确,参考价值高。
    可选的,所述步骤B32之后还包括步骤:依据步骤B32中备选参数方案所计算出的特征月的风速日变化图,与该特征月的实测风速日变化图进行比较,剔除与实测风速日变化图变化趋势相悖的参数方案。
    由上,对所得的误差最小的参数方案进行验证,并排除与实际不符的参数方案,以进一步提高预报精度。
    可选的,所述步骤A中包括:
    A1:将主导风向一致的月份进行归类,确定预报区域的大风月、小风月和过渡月;
    A2:确定大风月、小风月和过渡月中的特征月份。
    由上,通过确定特征月份,减小WRF模式的计算数量,在提高风速预报精度的前提下,同时提高效率。
    可选的,所述步骤A2中计算大风月、小风月和过度月中各月风速的标准差值,采用公式进行计算,式中,Vi代表当月每间隔一定时间所检测的风速、代表所检测风速的平均值、n代表本月所检测风速的个数,将大小风月类型中标准差最大的月份作为典型月。
    可选的,所述步骤C中包括步骤:
    C1:依据步骤B所确定的WRF模式主程序参数方案,选择大风月、小风月和过度月至少累计6个月的历史预报数据进行WRF模式计算,分别得出日风速值;
    C2:将所述日风速值作为输入层,并将与其对应时间的实际日风速值作为输出值,对BP神经网络的隐含层进行训练;
    C3:获取未来24小时的天气预报数据,针对不同月份,采用该月份所属特征月份的参数方案进行WRF模式计算以预测风速,并将计算结果作为BP神经网络的输入层,经过隐含层计算,输出修正风速。
    由上,该修正风速即为贴近实际风速的预测,以提高风速预报精度。
    可选的,所述主程序参数方案中包括:微物理过程、长波辐射、短波辐射、地表层、陆面层、行星边界层和积云参数化。
    附图说明
    图1为提高风速预报精度的方法的流程图;
    图2为推导特征月份的流程图;
    图3为预报区域的风速玫瑰图;
    图4为预报区域的风能玫瑰图;
    图5为测风塔所测月平均风速与历史数据库中的月平均风速对比示意图;
    图6为步骤20的流程图;
    图7为步骤203的流程图
    图8为依据参数方案所计算出风速日变化图以及由测风塔实测出的风速日变化图;
    图9为BP神经网络示意图。
    具体实施方式
    本发明提供一种提高风速预报精度的方法,依据风向、风能推导特征月份,配置适合不同特征月份的最优物理参数化方案,并对所输出的风速进行BP神经网络修正,从而大幅度提高风速预报精度。
    如图1所示提高风速预报精度的方法的流程图,包括以下步骤:
    步骤10:依据风向、风能推导特征月份。
    本实施例中,以福建某地区为预报区域,参照图2,提取特征月份主要包括以下步骤:
    步骤101:将主导风向一致的月份进行初步归类。
    所述主导风向一致所指的是主导风速和主导风能一致,
    图3所示的过往一年中测风塔所测各月的风速玫瑰图,以22.5°为一区间,各方向长度表示该方向上的风出现频率;图4所示的过往一年中测风塔所测风能玫瑰图,同样以22.5°为一区间,在风能玫瑰图中,各方向长度分别表示该方向上风向频率与相应风向平均风速立方值的乘积,表征了该方向风能的大小。
    将图3所示的风速玫瑰图和图4所示的风能玫瑰图中变化一致的月份进行初步归类,可以分为四类:3-5月、6-8月、9-11月、12月-2月。
    步骤102:确定预报区域的大风月、小风月和过渡月。
    调取预报区域风速的历史数据库,对步骤101中所归类的月份进行验证。较佳的,历史数据的年限为30年。如图5所示的测风塔所测月平均风速与历史数据库中的月平均风速对比示意图,通过图5所示,可确定过往30年中,第一大风月为12月~2月;第二大风月为9月~11月;小风月为6月~8月;过度月为3月~5月。
    步骤103:确定大风月、小风月和过度月的特征月份。
    计算大风月、小风月和过度月中各月风速的标准差值,将大小风月类型中标准差最大的月份作为典型月。若如本实施例中所确定的两个大风月的主导风向不一致,则需分别确定两个大风月的特征月。
    具体的,采用公式进行计算,式中,σ是本月风速的标准差代表本月风速变化幅度;Vi代表当月间隔一定时间所检测的风速,间隔时间取10分钟;代表所检测风速的平均值,n代表本月所检测风速的个数。计算结果如下表1所示,依据该计算结果,确定第一大风月的特征月为2月;确定第过度月的特征月为3月;确定小风月的特征月为8月;确定第二大风月的特征月为9月。

    表1
    步骤20:选取参数方案,对特征月份进行WRF模式计算,以确定备选参数方案(即最优参数方案)。
    具体的,如图6所示,步骤20中包括:
    步骤201:运行WRF模式前处理阶段,建立预报区域的三维嵌套模型。
    WRF模式计算包括前处理阶段、主程序阶段以及后处理阶段。其中前处理阶段包括:
    下载由国内外专业气象科研机构每日定时发布的全球谱模式气象预报数据。目前国内外多个专业气象科研机构每日定时发布全球谱模式气象预报数据(全球谱模式气象预报数据发布时间大致相同,数据压缩打包算法不同导致数据包容量大小不一致)
    设定该区域水平和垂直边界(水平尺度通常为数千公里,垂直方向约为四十层,约二十公里),将该范围内的每层区域分割成均匀分布的水平格点,同时设定水平格点分辨率。
    将格点中所需的气象要素分别从所下载数据源的零时刻数据中提取,所述气象要素至少包括温度、湿度、气压、风力和风向。全球 谱模式气象预报数据源中的气象要素为非均匀分布,因此还需将上述非均匀分布的气象要素插值至均匀分布的格点中,以形成数值天气预报的初值。
    进一步的,依据已经建立的预报区域三维模型,使用所下载数据源的非零时刻数据为每层区域的水平边界提供未来时刻的侧边界值,所述侧边界值所含气象要素至少包括温度、湿度、气压、风力和风向。以形成数值天气预报区域的边界值。
    步骤202:设定WRF模式主程序参数,运行特征月份的WRF模式主程序。
    主程序阶段的运算依据前处理阶段所输出的初值和边界值,通过求解大气运动基本方程组,以得到气象预报变量。主程序参数方案包括大气动力和物理参数方案,用于采用大气物理假设简化求解方程组;还包括主程序时间积分步长,用于求解上述方程组。
    具体的,大气动力和物理参数方案包括:微物理过程、长波辐射、短波辐射、地表层、陆面层、行星边界层和积云参数化等6组参数。
    其中,微物理过程包括显式的水的各种相态的物种(水汽、云、雨、雪等)之间的转化过程(蒸发、凝结、凝华、沉降等),不同的微物理方案中的物种和转化过程不完全相同,微物理过程中包含有13种不同参数变量。
    长波辐射和短波辐射提供由于辐射通量散度导致的大气加热,同时为地面通量收支提供地表向下长波和短波辐射。其中,长波辐射中包含有5种不同参数变量,短波辐射中包含有6种不同参数变量。
    地表层作为传导介质,以使大气地表层和陆面层通过地表传输热量、地表摩擦力和水汽热量共同作用向边界层传递能量。地表层中包含有7种不同参数变量。
    陆面层使用来自地面层方案的大气信息、来自辐射方案的辐射强迫和来自微物理方案和对流方案的降水强迫、加上陆面上状态变量的内部信息和陆面特征,来提供陆面格点和海冰格点上的加热和水汽通量。这些通量为行星边界层方案中完成的垂直输送提供一个更低的边 界条件。陆面层中包含有5种不同参数变量。
    行星边界层方案负责整个大气柱中涡旋输送导致的垂直次网格尺度通量,而不仅仅是边界层。地表通量由地表层和陆面方案提供,行星边界层方案确定边界层和稳定层中的通量廓线,提供温度、湿度(包括云)和整个气柱中的水平动量的趋势。行星边界层中包含8种不同参数变量。
    积云参数化方案负责对流和/或浅云的次网格尺度作用,理论上仅对较粗网格尺度(例如大于10km)有效,积云参数化方案可以表现由于未解析的上升、下沉气流和云外的补偿运动产生的垂直通量。此类方案仅对单个的气柱起作用,其中方案被触发并提供垂直加热?;撇问邪?种不同参数变量。
    将上述各方案的参数变量进行排列组合,即一共有13*5*6*7*5*8*5=546000种参数方案。将上述2月、3月、8月和9月的历史气象数据分别结合546000种参数方案进行各月的日模拟计算,得出WRF模式预报的风速值V’。
    步骤203:进行后处理程序阶段,输出气象变量,确定最优主程序参数方案。
    当主程序运算结束后,以图形化显示出所计算出的每个格点的气象要素值(温度、湿度、气压、风速、风向),即完成天气预报。其中,针对风电场区域短期预测所需要的物理量为风向和风速。
    由于影响风机发电功率的主要是风速,故本步骤只对步骤202中所计算出4个特征月的日风速预报结果进行分析评价。下面以特征月份为2月为例进行说明,如图7所示,本步骤中,具体包括以下步骤:
    步骤2031:对特征月的所有参数方案所计算出的风速预测进行误差分析。
    采用均方根误差(RMSE)算法,对上述54600种参数化方案所计算出的2月份中每天的风速结果进行测量值与真值的偏差分析评价,即式中:V’t为WRF模式中结合各物 理参数所预报的各时间点的风速值、Vt为对应时间点测风塔所实测的风速值、N为每日预报风速的个数(每天间隔15分钟进行一次预报,共预报96个)。相应的,上述计算共有54600种结果,分别为RMSE1~RMSE54600。
    步骤2032:确定误差最小的30个参数方案。
    将所算出5月的RMSE取日平均值,具体的,平均值为式中i代表参数方案的序数,1、2、3……54600;n代表5月的天数,1、2、3……31。将计算结果由小到大进行排序,选择出排名靠前的30个风速误差RMSE1~RMSE30。进一步的,确认上述排名靠前的30个风速偏差RMSE1~RMSE30所采用的参数方案。
    步骤2033:对所选取的30个参数方案进行优化。
    具体的,如图8所示,绘制步骤2032中所选择的30个参数方案所计算出的2月风速日变化图,同时绘制由测风塔实测出的2月实际风速日变化图。其中,实线表示30个参数方案所计算出的风速日变化图,虚线表示测风塔实测出实际风速日变化图。由图8中可以看出,部分参数方案所计算出的风速日变化图与实测风速日变化图的变化趋势相悖,即图8中所以椭圆圈出的风速日变化图,由此,即便上述参数方案的测量值与真值的偏差较小,但也扔被删除。
    进一步的,依据被删除参数方案的数量,由步骤2032中排名第31的风速偏差所采用的参数方案进行递补,直至所选择的30个参数方案所绘制的风速日变化图与风塔实测出实际风速日变化图变化趋势相同。
    由上,步骤203所最终确认的30个参数方案为2月的参数方案,即,第一大风月的最终参数方案。同理,分别再计算3月、8月和9月的各30种参数方案,并确定为过度月、小风月和第二大风月所匹配的最终参数方案。
    步骤30:依据最优参数方案建立数值天气预报的BP神经网络,修正风速。
    本步骤中,首先依据步骤20中所确定的30个参数方案,选择各第一、第二大风月、过度月和小风月至少累计6个月的历史预报数据进行WRF模式计算,分别得出日风速变化。
    其次,采用上述历史数据对BP神经网络的隐患层进行训练,如图9所示,具体的,输入层是依据历史数据,分别采用上述30种参数方案所计算出的预测风速01、预测风速02、……、预测风速30,输出层为对应时间测风塔所测实际风速,由此形成对隐含层的训练。
    最后,实际预测过程中,获取未来24小时(即次日)的天气预报数据,针对不同月份,采用与不同月份匹配的30种参数方案计算预测风速,作为BP神经网络的输入层,经过隐含层计算,输出层所输出的即为所修正的风速。
    由此,该修正风速即为贴近实际风速的预测,以提高风速预报精度。
    以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,总之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?;し段е?。

    关 键 词:
    一种 提高 风速 预报 精度 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    关于本文
    本文标题:一种提高风速预报精度的方法.pdf
    链接地址://www.4mum.com.cn/p-6156716.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03