风电场风速数值预报的动态修订方法的探讨

吴息,黄林宏,周海,王知嘉,江燕如

(1.气象灾害省部共建教育部重点试验室(南京信息工程大学),江苏 南京210044;2.国网电力科学研究院 清洁能源发电研究所,江苏 南京210003)

风电场风速数值预报的动态修订方法的探讨

吴息1,黄林宏1,周海2,王知嘉2,江燕如1

(1.气象灾害省部共建教育部重点试验室(南京信息工程大学),江苏 南京210044;2.国网电力科学研究院 清洁能源发电研究所,江苏 南京210003)

针对风电场风功率预测所需的定点、逐时风速预报,对利用中央气象台发布的MM5格点输出的数值预报风速插值到福建沿海某个风电场测风塔高度的预报结果进行误差分析,发现由于海陆交界的特殊下垫面等原因,存在一定的系统误差;根据误差的后延相关性和测风塔实时发回的气象资料,探讨了利用前期误差观测值和测风塔湍流指标对MM5数值预报风速进行动态修订的方法,建立了订正值方程,结果表明,订正后的预报风速平均绝对误差降低31%～54%,有效提高了预报精度。

风速数值预报;测风塔;风电场;MM5模式;动态修订

0 引言

风能是一种清洁的可再生能源,近年来由于化石能源危机以及严重的环境污染和温室效应问题,促使风电发展越来越迅速(李泽椿等,2007)。然而,随着风电在电力需求中所占比例的增加,由于风功率输出的不稳定而导致的风力发电对电网稳定运行的不利影响也逐渐体现出来(Chai et al.,2005;迟永宁等,2007;吴息等,2009)。供电系统需要进行有效的计划和调度(李晶等,2004;韩小琪,2010;Saifur,2011),这就需要对风电场风速及功率输出做出有效的预报,准确的风力预报将有助于电力公司更好地利用风力发电、降低成本,是21世纪能源体系建设的重要内容。我国的《可再生能源产业发展指导目录》中(国家发展和改革委员会,2005)指出,要进行“风电场发电量预测及电网调度匹配软件”的技术开发。然而风速的变化除了与环流背景场及中小尺度天气系统密切相关外,还明显受到地形地貌的影响(赵彦厂等,2008;路屹雄等,2009;杨晓玲等,2012),具有随机性、间隙性、不稳定等多种不确定性特征,我国针对风电场服务的高时间分辨率的定点位置的精细化风速预报技术尚未成熟和产业化。

风电场风速预报按时间长短可分为长期预报、中期预报和短期预报及超短期预报,短期预报方法主要有统计预报、数值预报和动力—统计结合预报三类方法(Landberg,2001;Thanasis et al.,2006;刘永前等,2007)。卢峰本(1998)曾基于T63数值预报产品,应用卡尔曼滤波方法,制作1995年11月和1996年1月防城港市逐日最大风力36～132 h预报,黄辉和陈淑琴(2006)利用海岛测风站资料研究了MM5数值预报产品在舟山海域风力分区预报中的释用技术,杨秀媛等(2005)提出了预测风速的时序神经网络法。而数值动力预报是最常用和最有效的方法,大型风电场可以考虑建立和运行天气数值预报模型,但这投入的成本很高。国内也有一些风电场的预测系统直接购买欧洲中期数值预报中心或德国天气在线等机构的风速数值预报风速。

沿海区域和近海海面是风力资源储存量和可开发量非常丰富的区域(黄世成等,2009;McElroy et al.,2009),是已建风电场主要分布区,也是拟建新的风电场的重点区域。海岸线附近,从海岸近地层到近海面层,下垫面的机械特征和热力特征出现很大的差异,特别是热力特性在冬夏季又明显不同,这可能导致风场变化在该处不均匀,而格点输出的数值预报风速产品不易体现这种特殊的微尺度空间变化,尤其在数值模型的空间分辨率不高时,插值到风电场风力机高度的误差较大,利用统计方法对低分辨率的风速数值预报产品进行修订将有利于预报精度的提高。

根据风功率预测系统功能规范(国家电网公司调度通信中心,2011),每个风电场都建有测风塔SCADA系统(监控和数据采集),以监测风力和风电功率的变化,预测系统建模使用的数据应包括历史测风塔数据、历史数值天气预报、风电机组信息、地形地貌等数据。风电场功率短期预测需要逐时风速定量预报,本研究收集了1 a的福建近海两座测风塔数据及同期数值预报历史产品数据。探讨利用测风塔资料及数值产品资料做出海面风电场功率预测所需逐时风速预报的方法。

1 相关研究资料概况

1.1 测风塔资料

测风塔资料来自福建平潭县和漳浦县近海小岛上的两座测风铁塔(国网电力科学研究院清洁能源发电研究所所建,编号1、2号塔)。

1号塔离岸约为20 km,四周布有若干大小不一、错落参差的岛屿,西面1 km即是平潭主岛(图1),坐标位置为119°48′E、25°39′N,塔基约30 m,风速共有4个观测层次,仪器来自Gill公司的Windsonic超声风速、风向传感器,观测层次高度为10、20、30、40 m,仪器实际海拔为40、50、60、70 m;其中第1层和第4层另外安装了罗卓尼克公司的CP01温湿度传感器。

2号塔坐标位置为117°48′E、23°57′N。2号塔塔体所在小岛为小尖山礁,离岸最近距离约为10 km,距六鳌半岛(西侧)约3 km(图1),该岛礁面积很小,塔体基座海拔12.8 m,风速共有4个观测层次,仪器型号同1号塔,观测层次高度为10、30、50、70 m,仪器实际海拔为22.8、42.8、62.8、82.8 m;其中第1层和第4层安装了与1号塔相同的温湿度传感器。

图1 1(a)、2(b)号测风塔周边环境示意图Fig.1 Landscape around the two wind towers a.tower 1;b.tower 2

两座塔数据采集期1 a(2009年12月—2010年11月),观测数据有:10 min平均风速、风向、水平风速标准差σV、平均温度、相对湿度等。

1.2 数值预报产品(MM5)资料

除测风塔实测资料外,还使用了数值预报产品资料,该资料为MM5中尺度数值预报产品(来自中央气象台),每天两次更新,更新时间为08时和20时(北京时间,下同),时间分辨率和最长预报时效分别为3 h、48 h,表1给出了部分MM5产品要素资料介绍。

2 MM5风速数值预报的效果分析

以测风塔顶层风速V(1号塔位离平均海水面70 m,2号塔位距平均海水面82.8 m高度)的小时平均值为预报量,由于发布的MM5预报风速的时间和空间分辨率不能满足风电场风功率预测的技术需要,将MM5数值预报风速插值到2个测风塔各自的顶层位置,采用线性内插方式将3 h时间分辨率插值到1 h,空间上的水平插值(风速由MM5格点插值到测风塔位置)采用反距离权重方法(高歌等,2007);再采用指数律廓线(申华羽等,2009),利用地面风速资料插值到测风塔各自顶层高度得到MM5在该点的预报风速Vm。考虑到模式起算点时间到实际发布时间的滞后,预报值与实测值按模式起算时间滞后12 h对应,如08时初始场的模式计算结果,实际传到用户的时间大约要到15～16 h以后了,为统一起见,实际使用的20 h后的预报值。

根据以上步骤所得出的各季节数值预报风速Vm的实际预报效果情况如表2所示。

表1MM5中尺度数值预报产品资料简要介绍

Table 1 Some of the collected data elements of MM5 products

要素资料层次/hPa网格间距/(°)时间分辨率/h位势高度(H)200、500、700、850、925、10000.25×0.253气温(T)200、500、700、850、925、1000、地面0.25×0.253相对湿度(Q)200、500、700、850、925、1000、地面0.25×0.253风速分量(u,v)200、500、700、850、925、1000、地面0.5×0.53气压(p)海平面0.25×0.253

表2MM5数值预报风速Vm的预报效果指标

Table 2 The effect indexes of MM5 numerical speed prediction

效果指标1号塔2号塔冬季春季夏季秋季冬季春季夏季秋季平均误差/(m·s-1)0.751.081.551.09-1.87-0.05-0.42-1.98平均绝对误差/(m·s-1)1.842.422.732.273.032.492.353.23均方根误差/(m·s-1)2.333.213.683.093.713.263.054.13相关系数0.860.710.570.840.600.570.530.68

随机挑选2号测风塔2010年3月2日01时—2010年3月6日24时的MM5数值预报风速Vm与实测风速V并绘制其变化曲线,可以看出误差还是比较明显的(图2)。从表2可以看到,2座塔的各季的平均误差的绝对值不是很小的值,说明对测风塔定点风速预报存在某种系统误差,造成预报误差的原因很复杂,例如海陆交界特殊的下垫面等,本文仅讨论减少误差的方法。

图2 测风塔实测风速与数值预报风速Fig.2 Field measured wind speed and numerical predicted wind speedat the wind tower

3 MM5风速预报误差订正方案

如前所述,MM5风速的风电场定点预报存在系统性误差,本方法的基本思路是在数值预报的基础上,对风速预报值进行订正,从而减少系统性误差以达到提高预报精度的目的。本研究探讨了多种误差订正方法,这里介绍其中的两种。

3.1 系统性订正方法

以实测风速V作为因变量;数值预报风速Vm为自变量,根据历史资料建立订正公式:

(1)

由

(2)

确定系数a、b。

订正后的拟合预报效果见表3,与表2相比,平均误差(系统误差)基本消除,但绝对误差和均方误差减少有限。

3.2 误差后延修订方法

经资料统计分析后,发现预报误差值具有一定的后延相关性,即造成预报误差的要素具有一定的持续性,对0～6 h的超短期预报,测风塔风速可以实时发回,即可以实时获得数值预报误差值,这样就可以采用前若干时次的实际预报误差ΔVt-i作为自变量,建立后时次的预报误差的预报方程,即在数值预报风速的基础上,进一步预测其预报修订值Dt+i,从而得到0～6 h预报时效的修订后风速预报值:

(3)

对用于建立修订值的预报方程的因子的选择,除前期的预报误差值外,近地层风速还与大气湍流强度有关,利用实时发回的测风塔塔层气象资料,可得各时次的湍流强度因子有里查逊系数Ri、风廓线指数α,温度垂直递减率、风速标准差SV等。经反复的因子筛选和效果统计检验,最终统一选取两个时次的风速预报误差值ΔVt=Vt-Vmt,ΔVt-1=Vt-1-Vm(t-1)及测风塔风速标准差SV,t作为建立回归方程的预报因子,根据历史资料,分季节建立不同预报时效的修订值的预报方程:

Dt+i=b0,t+i+b1,t+iΔVt-1+b2,t+iΔVt+b3,t+iSV,t,i=1,2,…,6。

(4)

统计检验表明,选用的3个因子均能通过0.01信度的显著性检验。这样,每6 h可对风速数值预报值进行一次修订,得到0～6 h风速预报值。

表4给出了2号塔冬、夏季各订正方程的回归系数和订正后的预报绝对误差,限于篇幅,其他方程回归系数略。表4最后一行是各方程修订后的预报绝对误差,一个明显的规律是随时间后延t+j的加长,相关的减弱,绝对误差随后延时间增大。

3.3 误差后延修订方法预报效果分析

表3系统性订正后的拟合预报效果

Table 3 Effect of fitted wind forecast after systematic corrections

误差指标1号塔2号塔冬季春季夏季秋季冬季春季夏季秋季平均误差/(m·s-1)00-0.01-0.0200.05-0.020平均绝对误差/(m·s-1)1.752.262.272.051.952.322.192.09均方根误差/(m·s-1)2.262.872.982.952.463.062.683.07相关系数0.850.700.580.830.710.550.720.71

表42号塔冬、夏季的各修订方程回归系数

Table 4 The regression coefficients of the revised equation in winter and summer at tower 2

冬季夏季t+1t+2t+3t+4t+5t+6t+1t+2t+3t+4t+5t+6b0,j0.1480.087-0.1950.4740.7850.779-0.088-0.146-0.2170.0830.4640.051b1,j-0.191-0.151-0.088-0.124-0.164-0.22-0.11-0.097-0.078-0.026-0.018-0.061b2,j1.1511.0560.9110.8480.7930.7591.0470.9380.850.7080.5560.492b3,j-0.635-0.900-1.846-2.614-3.356-3.6530.2210.4880.324-0.39-1.481-1.986绝对误差0.741.081.281.491.742.010.831.271.661.781.872.05

图3 误差后延修订后的风速预报值(2号塔)Fig.3 Wind speed forecast after the error lag revised method (tower 2)

将经过预报误差后延订正后,全年各季的拟合效果指标列入表5,与表2相比,平均误差的绝对值近于0,系统性误差基本消除;平均绝对误差明显降低,1号塔各季分别减小0.68、0.75、1.11、0.95 m/s,降低幅度在31%～42%,2号塔各季分别减少1.61、0.84、0.78、1.55 m/s,降低幅度在34%～54%。平均绝对误差均小于1.69 m/s;均方根误差的最大值为2.5 m/s,出现在2号塔的秋季,该值订正前为4.13 m/s,降低了40%;相关系数也有显著提高。可见,订正方法能够有效提高预报精度。

2)外延试验预报的效果分析(图4):为进一步检验数值预报动态修订方法的效果,又收集了2010年12月1—15日共15 d的测风塔和MM5风速数值预报资料,代入公式(4)的冬季预报方程,从而对Vm进行动态修订,预报效果指标见表6,对照表5,可见修订效果与冬季拟合样本的效果基本相同。

图4 外延试验预报的风速预报修订效果(2号塔)Fig.4 Wind speed forecast after error revised method ofextensional experiment forecast (tower 2)

4 结论

1)风电场风功率预测需要时间高分辨率的定点风速预报,本研究探索近海海面风电场0～6 h预报时效的逐小时短期风速预报方法。

2)针对MM5数值预报风速误差存在后延相关性的特点,以及测风塔湍流特征指标,探讨了对数值预报风速进行动态修订的方程和因子,建立了0～6 h的订正方程,结果表明该方法能显著的改善风电场短期风速预报效果,平均绝对误差明显降低,1号塔各季分别减小0.68、0.75、1.11、0.95 m/s,降低幅度在31%～42%,2号塔各季分别减少1.61、0.84、0.78、1.55 m/s,降低幅度在34%～54%。

表5误差后延修订后的拟合效果指标

Table 5 The fitted effect indexes after the error lag revised method

误差指标1号塔2号塔冬季春季夏季秋季冬季春季夏季秋季平均误差/(m·s-1)0.00-0.010.110.050.100.000.04-0.03平均绝对误差/(m·s-1)1.161.671.621.321.421.651.571.68均方根误差/(m·s-1)1.582.312.212.021.992.332.072.43相关系数0.930.820.800.920.830.770.790.83

表6外延试验预报的动态修订效果

Table 6 Dynamic revised effect of extensional experiment forecast

误差指标1号塔2号塔MM5预报修订后MM5预报修订正后平均误差/(m·s-1)0.34-0.26-2.270.13平均绝对误差/(m·s-1)1.941.272.891.40均方根误差/(m·s-1)2.401.633.451.84相关系数0.880.950.780.87

3)动态修订方法能够对低分辨率的数值预报风速进行修订,对需要高分辨率的定点风速的风电场风速预报能有效提高预报准确性。该方法简单、经济,利于在中小型风电场使用。

迟永宁,刘燕华,王伟胜,等.2007.风电接入对电力系统的影响[J].电网技术,31(3):77-78.

高歌,龚乐冰,赵珊珊.2007.日降水量空间方法研究[J].应用气象学报,18(5):732-736.

国家电网公司调度通信中心.2011[2012-02-24].风电功率预测系统功能规范(试行)[S].http://www.docin.com/p-521905403.html.

国家发展和改革委员会.2005[2012-02-24].可再生能源产业发展指导目录[S].http://www.sdpc.gov.cn/nyjt/nyzywx.

韩小琪.2010.风电出力变化对系统调频的影响[J].中国电力,43(6):26-27.

黄辉,陈淑琴.2006.MM5数值预报产品在舟山海域风力分区预报中的释用[J].海洋预报,23(2):67-71.

黄世成,任健,王冰梅,等.2009.江苏80 m高度风能评估方法探讨[J].气象科学,29(4):519-523.

李晶,宋家骅,王伟胜.2004.大型变速恒频风力发电机组建模与仿真[J].中国电机工程学报,24(6):100-105.

李泽椿,朱蓉,何晓凤,等.2007.风能资源评估技术方法研究[J].气象学报,65(5):708-709.

刘永前,韩爽,胡永生.2007.风电场出力短期预报研究综述[J].现代电力,24(5):7-13.

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

路屹雄,王元,李艳.2009.江苏风能资源代表年选择的方法比较[J].气象科学,29(4):524-526.

申华羽,吴息,谢今范.2009.近地层风能参数随高度分布的推算方法研究[J].气象,35(7):54-60.

吴息,赵彦厂,王冰梅,等.2009.江苏省风电资源的调峰能力评估[J].气象科学,29(5):633-637.

杨秀媛,肖洋,陈树勇.2005.风电场风速和发电功率预测研究[J].中国电机工程学报,25(11):1-5.

杨晓玲,丁文魁,袁金梅,等.2012.河西走廊东部大风气候特征及预报[J].大气科学学报,35(1):121-127.

赵彦厂,江志红,吴息.2008.基于区域气候模式的江苏省风能评估试验[J].南京气象学院学报,31(1):75-82.

Chai Chompoo-inwai,Lee Weijen,Fuangfoo P.2005.System impact study for the interconnection of wind generation and utility system[J].IEEE Transactions on Industry Applications,41(1):163-168.doi:10.1109/TIA.2004.841032.

Landberg L.2001.Short-term prediction of local wind conditions[J].Journal of Wind Engineering and Industrial Aerodynamics,27(3):235-245.

McElroy M B,Lu X,Nielsen C P,et al.2009.Potential for wind-generated electricity in China[J].Science,325:1378-1380.

Saifur R.2011.Operating impacts and mitigation strategies with large-scale wind power penetration in the United States[J].Automation of Electric Power Systems,35(22):4-5.

Thanasis G B,John B T,Minas C A.2006.Long-term wind speed and power forecasting using local recurrent neural network models[J].IEEE Transactions on Energy Conversion,21(1):273-284.doi:10.1109/TEC.2006.871688.

(责任编辑：张福颖)

Discussionondynamiccorrectionsofnumericalpredictionofwindvelocityinwindfarm

WU Xi1,HUANG Lin-hong1,ZHOU Hai2,WANG Zhi-jia2,JIANG Yan-ru1

(1.Key Laboratory of Meteorological Disaster(NUIST), Ministry of Education,Nanjing 210044,China;2.Research Institute of Clean Energy Generation,State Grid Electric Power Research Institute,Nanjing 210003,China)

Considering the required fixed-point and hourly wind speed forecast for the wind power prediction in wind farm,numerical prediction of wind velocity from the MM5 lattice point output released by the Central Meteorological station was interpolated into of an anemometer tower at a certain height in a wind farm along the coast of Fujian in this paper.Through error analysis of forecast results,we found that there were some systematic errors due to special underlying surface at the junction of land and sea.According to the lag correlation of the error and the real-time meteorological data from the anemometer tower,weinvestigated dynamic correction methods for numerical prediction of wind velocity from the MM5 using earlier error observations and anemometer tower turbulent indicators,and established revised equations.The average absolute error of the revised wind velocity forecast was reduced by 31%—54% and the accuracy of prediction was improved effectively.

numerical prediction of wind velocity;anemometertower;wind farm;MM5 model;dynamic corrections

2012-12-08；改回日期2013-10-25

江苏省科技支撑计划(BE2010200);江苏高校优势学科建设工程资助项目(PAPD)

黄林宏,博士生,研究方向为风资源评估,huanglinhong1986@163.com.

10.13878/j.cnki.dqkxxb.20121208005.

1674-7097(2014)05-0665-06

P435

A

10.13878/j.cnki.dqkxxb.20121208005

吴息,黄林宏,周海，等.2014.风电场风速数值预报的动态修订方法的探讨[J].大气科学学报,37(5):665-670.

Wu Xi,Huang Lin-hong,Zhou Hai,et al.2014.Discussion on dynamic corrections of numerical prediction of wind velocity in wind farm[J].Trans Atmos Sci,37(5):665-670.(in Chinese)