论文部分内容阅读
风能资源是世界各国大力发展的清洁能源之一,而风力发电是风能利用的重要手段,因此,准确的风能预报可以有效地提高风电功率的预测水平,从而提高风电场的有效出力,对电网稳定运行提供有力保障。本项研究利用测风塔观测资料,分析了五种典型复杂地形下的风能资源时空分布特征,并在此基础上对中尺度WRF模式模拟的五种典型复杂地形的风场进行了卡尔曼滤波订正。主要研究结论如下:(1)5种典型复杂地形中,内蒙古各高度处的风速最大,新疆的次大,江西的最小。但由于受拔海高度的影响,新疆风能密度最大(海拔仅263m),风能资源最丰富;内蒙古次之(海拔1520m);江西最少。各典型复杂地形下的风向明显受地形、季节与大气环流的影响。(2)采用卡尔曼滤波方法对WRF模式模拟风速进行订正,订正后的风速与观测风速更为接近,均方根误差、相对均方根误差、平均绝对误差和相对平均绝对误差明显减小,订正效果显著。(3)当WRF模式模拟结果误差越大,预报结果越不理想时,卡尔曼滤波的订正效果越好,订正后误差减小幅度越大,主要原因是是卡尔曼滤波具有优良的跟踪性。(4)在新疆阿拉山口风区和山东威海风区,采用MRF和MYJ两种边界层参数化方案的模拟结果十分近似;在内蒙古乌拉特风区和江西鄱阳湖风区,MRF方案的模拟结果明显优于MYJ方案的模拟结果。因此,不同地形的风场模拟,应选择不同的WRF模式边界层参数化方案。(5)不同区域的气候特点和大气环流特征、天气形势,都会对不同复杂地形下的WRF模式模拟效果产生不同的影响,不同季节也会影响模式的模拟效果。卡尔曼滤波能够利用状态方程和测量方程组成的线性随机系统的状态空间模型进行描述,并按线性无偏差最小均方差估计准则,采用递推算法对状态变量做出最佳估计,从而滤掉不同气候特点、大气环流特征和天气形势带来的噪声,得到最佳估计。同时加入极值处理,使订正结果与观测数据更为接近,订正效果更好