[发明专利]一种基于精细边界层模式的复杂地形风电场风速预测方法

说明书

技术领域

本发明属于风电场技术领域，具体涉及风电场风速预报方法。

背景技术

复杂地形条件下的风电场局地风速由不同尺度的大气运动波动叠加而成：1由于海陆热力差异所驱动的时间尺度为数月的季节性季风环流，又称之为大尺度背景环流；2伴随冷锋，暴雨，台风等天气过程，时间尺度为数天的中尺度天气过程环流；3由局地热力性质差异所驱动的局地环流，例如海陆风，山谷风，城市热岛环流等等，局地环流通常具有明显的日变化；4由于实际粗糙元例如树木，建筑物等等对气流的拖曳，阻挡等等，导致局地风速具有明显的波动、间歇及风速突变等湍流阵性特征。这些不同尺度的风速波动叠加，形成了风电场局地风速。当风电场所在地形地貌较为复杂时，局地环流及湍流特征对实际风速的影响较大，从而导致了风速预测非常困难。

目前风电厂风速预测多采用统计方法，如持续性算法[1]、卡尔曼滤波法[2]、时间序列法[3]以及组合预测法[4,5]等。统计方法具有系统误差小的优点，但通常需要大量的、长期的历史测风资料[6]，这就为风电厂风速预测带来了困难。同时，统计方法的预测时间尺度也往往在1-10h之内，而风力发电并入电网需要风电场至少提供1-2d的提前预报[7]。由此可见，单纯的统计预测方法并不能满足风电厂对风速预测时间长度和预测精度的要求。

基于确立的数学物理定律建立的气象数值模式，其风速预报方程既包括气候及天气尺度的平均量风速的预测，也包括局地影响因子的湍流高频量的预测。当前中尺度天气预报模式WRF，RAMS，及ARPS等性能稳定，能够实现风电场及周边1公里水平分辨率的预报[8-14]。然而当风电场所在地为海边及山地等较为复杂的地形地貌时，地形地貌所激发的局地环流及湍流阵性特征更为多变且难以预测。采用分辨率为100米的精细边界层数值模式能够更好的预测复杂地形对近地层风速的影响。基于中尺度天气预报模式1公里分辨率的预报基础上，采用精细边界层数值模式进行100米分辨率的风速的动力降尺度预测，是复杂地形条件下风电场风速预测的一种有效办法。

精细边界层数值模式曾广泛的应用于城市气象环境的研究[15-18]及城市规划的气象环境评估领域[19-21]，尚未曾用于风电场风速预测领域。

参考文献：

[1]Alexiadis M C,Dokopoulos P S,Sahsamanoglou H S,et al.Short-term forecasting of windspeed and related electrical power.Solar Energy.1998,63(1):61—68.

[2]卢峰本.卡尔曼滤波在沿海冬半年风力预报中的应用.气象.1998,24(3):50—53.

[3]冬雷,王丽婕,郝颖,等.基于自回归滑动平均模型的风力发电容量预测.太阳能学报.2011,32(5):617—622.

[4]刘永前,韩爽,杨勇平,等.提前三小时风电机组出力组合预报研究.太阳能学报.2007(08):839—843.

[5]彭怀午,刘方锐,杨晓峰.基于组合预测方法的风电场短期风速预测.太阳能学报.2011,32(4):543—547.

[6]Ernst B,Oakleaf B,Ahlstrom M L,et al.Predicting the Wind.IEEE Power & EnergyMagazine.2007,5(6):78—89.

[7]Lazar L,GoranWind forecasts for wind power generation using the Eta model.Renewable Energy.2010,35(6):1236—1243.

[8]袁春红,薛桁,杨振斌.近海区域风速数值模拟试验分析.太阳能学报.2004(06):740—743.

[9]李晓燕,余志.基于MM5的沿海风资源数值模拟方法研究.太阳能学报.2005,26(3):400-408.

[10]穆海振,徐家良,杨永辉.数值模拟在上海海上风能资源评估中的应用.高原气象.2008,27(S1):196-202.

[11]辛渝,汤剑平,赵逸舟,等.模式不同分辨率对新疆达坂城—小草湖风区地面风场模拟结果的分析.高原气象.2010(04):884-893.

[12]邓国卫,高晓清,惠小英,等.酒泉地区风能资源开发优势度分析.高原气象.2010,29(6):1634—1640.