WRF(weather research and forecasting)模式中参数化方案的选择与近地面风场的仿真模拟结果关系密切。为解决新疆北部不同地形地区风场模拟准确性的问题,采用WRF中尺度气象模式,探究4类参数化方案(边界层、微物理、陆面过程、近地面层...WRF(weather research and forecasting)模式中参数化方案的选择与近地面风场的仿真模拟结果关系密切。为解决新疆北部不同地形地区风场模拟准确性的问题,采用WRF中尺度气象模式,探究4类参数化方案(边界层、微物理、陆面过程、近地面层)以及次网格地形方案对新疆北部不同地形地区风场模拟结果的影响。结果表明:每组试验均能模拟出风速的变化趋势;陆面过程RUC(rapid update cycle)方案和微物理Lin(Purdue Lin)方案对平原地区模拟结果较好,陆面过程Noah方案和微物理WSM6(WRF single moment 6 class)方案对山区地形模拟结果较好,且对于平原和山谷地形,次网格地形方案对模拟地区均能起到较好的修正作用。展开更多
利用WRF(Weather Research and Forecasting)模式,对2006年河北省张北地区某风电场区域全年回报的风速和风向,以及与对应时间段70m高度的测风塔实测资料进行了对比分析,发现模式预报效果较好。利用2008年全年风电场每台风机的实际功率...利用WRF(Weather Research and Forecasting)模式,对2006年河北省张北地区某风电场区域全年回报的风速和风向,以及与对应时间段70m高度的测风塔实测资料进行了对比分析,发现模式预报效果较好。利用2008年全年风电场每台风机的实际功率与对应时刻轮毂高度风速、风向、气温、相对湿度和气压回报资料,使用支持向量机(Support Vector Machine,SVM)回归方法建立了每台风机10min一次的风电场功率预报模型,并利用该模型进行了2009年为期一年的预报试验,检验模型的预报性能。结果表明,集WRF模式和SVM方法建立的风电功率预报方法具有较好的预报效果。各月预报相关系数在0.71～0.82之间,归一化均方根误差在9.8%～16.5%之间,归一化平均绝对误差在5.4%～10.5%之间;全年预报相关系数为0.79,归一化均方根误差为13.3%,归一化平均绝对误差为8.3%。展开更多
文摘WRF(weather research and forecasting)模式中参数化方案的选择与近地面风场的仿真模拟结果关系密切。为解决新疆北部不同地形地区风场模拟准确性的问题,采用WRF中尺度气象模式,探究4类参数化方案(边界层、微物理、陆面过程、近地面层)以及次网格地形方案对新疆北部不同地形地区风场模拟结果的影响。结果表明:每组试验均能模拟出风速的变化趋势;陆面过程RUC(rapid update cycle)方案和微物理Lin(Purdue Lin)方案对平原地区模拟结果较好,陆面过程Noah方案和微物理WSM6(WRF single moment 6 class)方案对山区地形模拟结果较好,且对于平原和山谷地形,次网格地形方案对模拟地区均能起到较好的修正作用。
文摘利用WRF(Weather Research and Forecasting)模式,对2006年河北省张北地区某风电场区域全年回报的风速和风向,以及与对应时间段70m高度的测风塔实测资料进行了对比分析,发现模式预报效果较好。利用2008年全年风电场每台风机的实际功率与对应时刻轮毂高度风速、风向、气温、相对湿度和气压回报资料,使用支持向量机(Support Vector Machine,SVM)回归方法建立了每台风机10min一次的风电场功率预报模型,并利用该模型进行了2009年为期一年的预报试验,检验模型的预报性能。结果表明,集WRF模式和SVM方法建立的风电功率预报方法具有较好的预报效果。各月预报相关系数在0.71～0.82之间,归一化均方根误差在9.8%～16.5%之间,归一化平均绝对误差在5.4%～10.5%之间;全年预报相关系数为0.79,归一化均方根误差为13.3%,归一化平均绝对误差为8.3%。
