用于风电场功率预测的逐时风速预报

第４１卷第４期　２０１３年８月　气象科技　

ＭＥＴＥＯＲｏＬＯＧＩＣＡＬ　ＳＣＩＥＮＣＥ　ＡＮＤ　ＴＥＣＨＮＯＬＯＧＹ　ＶｏＩ．４１，Ｎｏ．４　

Ａｕｇ．２０１３　

用于风电场功率预测的逐时风速预报　白龙　。　吴息　丁宇宇　丁杰　江燕如　（１南京信息工程大学，气象灾害省部共建教育部重点试验室，南京２１００４４；２国网电力科学研究院清洁能源发电研究所，　南京２１０００９；３福建省气候中心气候应用与服务室，福州３５０００１）　

引言　摘要为满足风电场精细化风速预报的需要，利用ＭＭ５模式的格点输出数值预报产品以及福建沿海地区两座海　上测风塔的逐时气象资料，采用逐步回归的统计方法，将ＭＭ５数值预报产品与测风塔实测气象资料要素指标值共　同引入回归方程，拟合两座测风塔特定高度的逐小时风速预报方程，详细介绍了该方法的实现过程。通过一年的　预报效果指标以及１５日的独立样本效果检验，结果表明该方法对于逐小时风速的预报有一定的应用价值。　关键词　逐时风速预报测风塔　ＭＭ５模式　

鉴于化石燃料的日益枯竭及其带来的环境污　染，世界各国都在不遗余力地发展可再生能源，其　中，风力发电是当今世界增长最快的可再生能源之　一。

风电开发由陆地起步，而由于沿海近岸良好的　

风力资源环境和较低的建设成本，近年来风力发电　的重点逐渐转移到海上Ｉ１］。　海上风能资源比陆上大，少有静风期，能更有效　地利用风电机组以提高发电容量。海水表面粗糙度　低，海平面摩擦力小，风速随高度的变化小，不需要　很高的塔架，可以降低风电机组成本。海上风的湍　流强度低，又没有复杂地形对气流的影响，作用在风　电机组上的疲劳载荷减少，可以延长使用寿命，在陆　上设计寿命为２Ｏ年的风电机组在海上可达２５～３０　年ｌ２］。鉴于以上种种优势，海上风电装机容量增长　迅速。但风力发电具有波动性、间歇性和随机性的　特点，风能资源是具有不确定时空变化的不稳定能　源。随着风电装机容量的增大，风电不稳定的弊端　逐渐显现出来，因此提高近海海面风功率预报的准　确性将会为风电的人网提供指导，加速风电的产业　化进程。　风速预测是风电场规划设计中最基础的工作。　对风电场做短期风速预测，再由风功率曲线得到风　力发电功率的预测值，这是进行风力发电功率预测　的有效途径之一，因此可以从预测风速技术人手。　风是一种很难精确预测的天气要素，风速变化除大　气环流外还受许多因素影响，例如地形起伏、植被、　大气层结，甚至附近树木的叶片数量。风电预测的　要求是对风电场范围内、近地层风机高度上、未来一　段的逐时或几十分钟的风力数值（ｍ／ｓ）做出预测，　属于时空高分辨的精确预报，加之风速的湍流特征　和随机性，技术上存在较大的难度。目前，我国各气　象台、研究所采用的海上风速预报方法常见的有：经　验预报　］、统计预报＿＿４　］、数值模式预报Ｅ　和统计动　力（数值产品的释用）等。统计动力预报（数值产品　释用）常见的有完全预报＿８］（Ｐｅｒｆｅｃｔ　Ｐｒｏｇｎｏｓｉｓ，简称　ＰＰ）法和模式输出统计ｌ＿ｇ　］（Ｍｏｄｅｌ　０ｕｔｐｕｔ　Ｓｔａｔｉｓ—　ｔｉｃｓ，ＭＯＳ）方法。林良勋等［８］根据梯度风原理，用　经验和统计方法挑选相关因子，形成了一套应用日　本数值预报模式输出、适用于广东海面强风预报的　ＰＰ方法；叶燕华等　详细介绍了用ＭＯＳ方法建立　预报方程的流程，建立了运行效率较高的甘肃低端　温度、降水、风向、风速等预报量的２４～１２０　ｈ预报　

ｈｔｔｐ：／／ｗｗｗ．ｑｘｋｊ．ｎｅｔ．ｃｎ气象科技　１　、　江苏省科技支撑计划项目（ＢＥ２０１０２００）、江苏高校优势学科建设工程项目（ＰＡＰＤ）资助　

作者简介：白龙，男，１９８８年生，硕士研究生，主要研究方向为风电场发电功率的预测，Ｅｍａｉｌ：ｂａｉｌｏｎｇ０３０７＠１２６．ｃｏｍ　收稿日期：２０１２年３月２２日；定稿日期：２０１２年１Ｏ月９日　。　＊通信作者，Ｅｍａｉｌ：ｗｕｘｉ５７ｎ＠ｓｉｎａ．ｃｏｍ　第４期　白龙等：用于风电场功率预测的逐时风速预报　没有该指标，根据边界层气象原理，常用测风塔观测　的近地层风、温廓线构成的指标以及风速脉动标准　差来反映。　２．１　测风塔周边格点选取　近地层风速受气压梯度、温度层结、湍流强度等　的影响，基于此对ＭＭ５数值预报产品的站点读数　进行转换，来作为表征天气系统的特征量，对高度场　（＾）、气压场（声）、温度场（ｆ）进行组合。　根据研究需要，分别读取两个测风塔周围１６个　格点阵的数值预报产品资料。其中，１号塔格点位　置以及编号如图２所示，２号塔类似，图略。　ｌ３　１。４　［１５：　９　ｏ　５　６　７　８　１　２　３　４　１　１９．５。　１　ｌ９．７５。　１２０。　１２０．２５ｏＥ　图２　１号塔在周边格点阵的经纬度位置　２．２相关因子的选取及计算　２．２．１　ＭＭ５数值预报产品因子　ＭＭ５数值预报产品的时间分辨率为３　ｈ，首先　用线性插值方法得出逐小时的要素预报值，对逐小　时要素预报值进行简单处理得到风速影响因子。　（１）高度梯度及温度梯度因子。表示测风塔附　近区域气压梯度力的指标，以７００　ｈＰａ高度梯度　为例：　△Ｈｓ　一『　一（坠　字　）］　△Ｈ　ｗ—ｆ　Ｉ＿±　堕　±　＿型　～　Ｌ　０　（Ｈ３＋Ｈ４＋Ｈ７＋Ｈ８＋Ｈｌｌ＋Ｈｌ２＋Ｈ１　５＋Ｈ１６）ｆ　８　Ｉ　高度梯度：△Ｈ７。。一￣／（△ＨｓＮ）　＋（ＡＨＥｗ）　公式中Ｈ代表７００　ｈＰａ的位势高度的格点要素　值，下标的数字代表测风塔周边１６个格点的序号。　７００　ｈＰａ温度梯度，８５０　ｈＰａ、９２５　ｈＰａ、ｉ０００　ｈＰａ的高度　及温度梯度，地面气压梯度均用相同方法计算。　（２）等压面垂直温度差。因子反映了测风塔周　围区域的近地层温度层结，以１０００　ｈＰａ和９２５　ｈＰａ　的垂直温度差为例。　垂直温度差：　△１、　一ｌ　±！　±！　一　４　

±！　！±！　４　

公式中丁代表温度，下标的数字代表格点序号，小　括号右下角的数字代表１０００　ｈＰａ、９２５　ｈＰａ，表示括　号里面是１０００　ｈＰａ、９２５　ｈＰａ等压面上的温度。　１０００～７２５　ｈＰａ、１０００～８５０　ｈＰａ垂直温度差用同样　方法计算。　以上预报因子都是由ＭＭ５数值预报产品转化　而来。　２．２．２测风塔因子　在以往ＭＯＳ预报方法的基础上，本文除引人　ＭＭ５数值预报产品因子以外，还使用测风塔实测　资料经转化后作为预报因子共同拟合风速预报方　程。文中所用测风塔因子如下：　（１）测风塔平均垂直温度差，即顶层和第一层的　温度差，ＡＴ＝Ｔ　一Ｔ　。　（２）测风塔理查逊数，表征大气湍流度的指标，　计算公式　△丁　Ｒ　一手　Ｉ　Ｊ　其中，ｇ为重力加速度；ＡＴ、ＡＺ、△　、ｆ分别为测风　塔顶层和第１层的垂直温度差、高度差、风速差、平　均温度。　在边界层气象学中，理查逊数物理意义明确，是　常用的指标。但从实际计算值看，由于近海面风速　梯度很小，随机性强，所以Ｒ　的观测值很不稳定，数　值波动很大。实际计算时采用与Ｒ　成正比的另一　

湍流消长指标．ｒｉ一　。　（３）测风塔平均风速标准差，即顶层和第１层的　平均风速标准差。　２．３预报模型的建立　以测风塔顶层风速（１号塔顶层离平均海水面　７０　ｍ、２号塔顶层距离平均海水面８２．８　ｍ）的小时　平均风速为预报量，各预报因子为自变量，采取逐步　回归方法，在０．０５的置信水平下，拟合风速回归预　报方程。　气　象　科　技　第４１卷　考虑到海陆热力特性的季节变化，影响因子的　权重会有所变化，针对各季节分别拟合预报方程。　福建沿海地处亚热带，具有典型的亚热带海洋性季　风气候特征，风速也具有较显著的季节变化：秋、冬　季受冷高压影响，平均风速较大，秋季为全年最大风　速季节，夏季受副热带高压控制，平均风速最小，春　季是冬、夏两季的过渡季节，风速一般小于冬季、大　于夏季。因此将资料按照自然季节划分为春（３－－５　月）、夏（６－８月）、秋（９～ｌ１月）、冬（１２至次年２　月）四季。考虑到模式起算点时间到实际发布时间　的滞后，只选用１３～２４　ｈ预报时效的ＭＭ５数值预　报产品因子与对应的实测风速值，且由于在实时预　报中无法得到测风塔的即时气象要素资料，仅选用　距离起算点时间１２　ｈ的测风塔因子。考虑昼夜的　热力差异，利用０８：（）（）和２Ｏ：Ｏ０起算点发布的资料　分别建立１２　ｈ时效的预报方程。即利用距离０８：ＯＯ　起算时间１３～２４　ｈ的数值预报场ＭＭ５因子、　２Ｏ：（）（】的测风塔因子以及２１：Ｏ０至次日０８：Ｏ０的测　风塔实测风速，拟合２１：（）Ｏ至次Ｅｌ　０８：ｏｏ的预报方　程；利用距离２０：ｏ０起算时间１３～２４　ｈ的ＭＭ５因　子、次Ｌ１　０８：Ｏ０的测风塔因子以及次日０９：ＯＯ一　２０：ＯＯ的测风塔实测风速，拟合次Ｅｔ　０９：０Ｏ一２Ｏ：Ｏ（）　的预报方程。拟合资料时期为２００９年１２月１日至　２０１０年１１月３０日。最终进入各季度预报方程的　因子共１２个，如下所示。　Ｘ　：７００　ｈＰａ高度梯度；Ｘ２：８５０　ｈＰａ高度梯　度；Ｘ３：９２５　ｈＰａ高度梯度。　ｘ　：９２５　ｈＰａ温度梯度；Ｘ５：１０００　ｈＰａ高度梯　度；Ｘ６：１０００　ｈＰａ温度梯度。　Ｘ　：地面气压梯度；Ｘ８：１０００～８５０　ｈＰａ温度　差；Ｘ９：１０００～９２５　ｈＰａ温度差。　Ｘ　。：测风塔垂直温度差；Ｘ　测风塔湍流消　长指标；Ｘ　测风塔风速标准差。　限于篇幅，预报方程不全部给出，仅列出１号塔　冬季预报方程如下：　Ｖ（　）一５．４３６Ｘ７（ｆ）＋４．３７７Ｘ］２（ｆ。）一１．３６６Ｘ　（ｆ）＋　２．２７９Ｘｌ（　）十０．２８６Ｘ。（ｔ）４－３．８２２Ｘ　（ｔ）一　２．１６４Ｘｌ　Ｊ（￡。）＋０．７９８Ｘ　（ｔ）＋　０．４８６Ｘ】ｏ（ｚ。）一Ｏ．５７８　ｔ＝１，２，３，…，１２　ｈ，起算时间为２０：Ｏ０。　（　）＝＝＝７．５９９Ｘ１２（ｔ。）＋４．１７１Ｘｊ（ｔ）＋　５．３２４Ｘ３（ｔ）＋２．６９Ｘ１（ｔ）４－　０．６５７Ｘｌ。（ｔ。）＋０．７４Ｘ４（ｆ）＋　０．４１１Ｘ９（ｆ）０．２２６Ｘ８（ｔ）＋　０．４９７Ｘ】ｌ（ｔ。）一１．６４６　ｔ一１，２，３，…，１２　ｈ，起算时间为０８：Ｏ０，０９：（ＪＯ，　１０：Ｏ０，２Ｏ：ＯＯ。　３预报模型的效果分析与检验　３．１预报效果分析　利用风速预报方程以及各预报因子，对上述预　报方程进行预报方程拟合效果和新增部分样本的效　果分析，采用下列指标作为效果指标：　①平均绝对误差：　

∑ｊ　Ｖ－－Ｖ　Ｉ　②均方根误差：　ｒ———　——————————一　，／ｌ　１～Ｖｍ）　

③相关系数：　∑［（Ｖ一　）・（　一Ｖ　）］　

＾／∑（Ｖ一　）　・∑（Ｖ　一Ｖ　）　其中，Ｖ指实测风速，Ｖ　指预报风速。　表２给出了两个测风塔各季节风速预报方程的　拟合预报效果指标。全年平均，１号塔平均绝对误　差为１．８７　ｍ／ｓ，略好于２号塔的１．９４　ｍ／ｓ。从季节　上看，冬季预报误差都是最小，１号塔夏季预报误差　最大，而２号塔则是秋季最大。我们分别选取了两