利用中尺度模式与诊断风场模型进行风电功率预报

J4 ›› 2011, Vol. 29 ›› Issue (4): 500-503.

利用中尺度模式与诊断风场模型进行风电功率预报

张铁军¹ ，朱蓉²，李照荣¹ ，李晓霞³ ，伏晶¹

1．兰州中心气象台，甘肃兰州730020; 2．国家气候中心，北京100081;
3．西北区域气候中心，甘肃兰州730020)

收稿日期:2011-08-02 修回日期:2011-08-09 出版日期:2011-12-31 发布日期:2011-12-31
作者简介:张铁军( 1979 － ) ，男，甘肃天水人，工程师，主要从事天气预报与数值模式研究工作．
基金资助:
甘肃省科技厅支撑计划“甘肃省风电功率预报技术研究与开发”( 1011GKCA028) 和中国气象局气象关键技术集成与应用重点项目“北京快速循环更新数值预报系统改进与推广”( CMAGJ2011Z04) 项目共同资助

Wind Power Forecast Based on the Mesoscale Model and Diagnosis Wind Field Model

ZHANG Tiejun¹，ZHU Rong²，LI Zhaorong¹，LI Xiaoxia³，FU Jing¹

1． Lanzhou Central Meteorological Observatory，Lanzhou 730020，China; 2． The National Climate Center，
Beijing 10008，China; 3． Northwest Regional Climate Center，Lanzhou 730020，China

Received:2011-08-02 Revised:2011-08-09 Online:2011-12-31 Published:2011-12-31

摘要/Abstract

摘要：

风电往往与常规电源不同，具有很大的间歇性、随机性和不可控性，大容量的风电接入电网将会对电力系统安全、稳定运行带来严峻挑战。对风电场的风力进行短期预报，是解决这一问题的有效途径。本文利用中尺度模式与诊断风场模型进行风电场输出功率预报。通过模拟发现，逐时风速预报效果较好，可以反应出风速的变化、大小及趋势。模拟与实况一致性和相关性较好，可以满足风电场风电功率预报的服务要求。

关键词: 风电输出功率, 预报, 中尺度模式, 诊断风场模型

Abstract:

Wind power is intermittent，randomness and non － controllable which is different from conventional power，the large capacity of wind power connecting to power grid has brought serious challenges to security and stable operation of power system． Short － term forecast of the power of wind field is an effective way to solve this problem． Based on the mesoscale model and diagnosis wind field model，the output power forecast of wind farm is carried on in this paper． Through the simulation result，we found that the hourly wind speed prediction can reflect the change of wind speed and it＇s trend． Consistency and correlation of the simulated and observed result
are well，which can satisfy wind power forecast service requirement．

Key words: the output power of wind farm, forecast, mesoscale model

中图分类号:

P456. 9

张铁军，朱蓉，李照荣，李晓霞，伏晶. 利用中尺度模式与诊断风场模型进行风电功率预报[J]. J4, 2011, 29(4): 500-503.

[1]	王叶红, 赵玉春. GRAPES-REPS对我国南方2017年初夏持续性降水预报的检验评估 [J]. 干旱气象, 2023, 41(2): 328-340.
[2]	叶茂, 吴钲, 高松, 陈良吕, 游婷. 对流尺度集合预报对川渝地区降水的预报性能分析[J]. 干旱气象, 2023, 41(1): 152-163.
[3]	袁凯, 庞晶, 李武阶, 李明. 深度学习模型在2021年汛期武汉市雷达回波临近预报中的应用评估[J]. 干旱气象, 2023, 41(1): 173-185.
[4]	乔锦荣, 原新鹏, 梁旭东, 谢衍新. 凝聚层次聚类方法在降水预报评估中的应用[J]. 干旱气象, 2022, 40(4): 690-699.
[5]	钟敏, 肖安, 许冠宇. 基于CMA-MESO的分级短时强降水概率预报方法研究[J]. 干旱气象, 2022, 40(4): 700-709.
[6]	王俊超, 王志斌, 赖安伟, 肖艳姣, 王珏. 基于数值预报与雷达外推预报融合方法的降水回波短临预报试验研究[J]. 干旱气象, 2022, 40(3): 485-499.
[7]	陈晓燕, 孔祥伟, 彭筱, 刘新伟, 吴晶, 任淑媛. 全球和区域数值模式在甘肃2020年汛期降水预报中的检验评估[J]. 干旱气象, 2022, 40(3): 524-535.
[8]	韩自奋, 颜鹏程, 李扬, 吕清泉, 张铁军, 边宏伟, 王永政, 张莉. 基于短期历史资料的河西地区太阳辐射预报订正研究[J]. 干旱气象, 2022, 40(1): 125-134.
[9]	刘娜, 黄武斌, 杨建才, 王基鑫, 王一丞, 张君霞. 基于SCTP-RF算法的甘肃省短期定量降水客观预报方法研究[J]. 干旱气象, 2022, 40(1): 146-155.
[10]	聂云, 周继先, 杨群, 胡萍, 陈超, 徐大红. 贵州梵净山旅游气候舒适度分析[J]. 干旱气象, 2021, 39(4): 585-592.
[11]	宋雯雯, 郭洁, 淡嘉, 徐诚, 龙柯吉. 2019年汛期大渡河流域面雨量多模式预报效果检验[J]. 干旱气象, 2021, 39(4): 678-686.
[12]	李琛, 吴进, 郭文利, 金晨曦, 齐晨. 北京小海陀山区雪面温度预报模型研究[J]. 干旱气象, 2021, 39(4): 687-696.
[13]	王丹, 戴昌明, 娄盼星, 王建鹏. 陕西ECMWF、GRAPES_Meso和SCMOC气温预报的对比检验及订正[J]. 干旱气象, 2021, 39(4): 697-708.
[14]	张武龙, 康岚, 周威, 银航, . 基于GRAPES-MESO模式的极端短时强降水预报[J]. 干旱气象, 2021, 39(3): 507-513.
[15]	许沛华, 陈正洪, 孙延维, 王必强, 简仕略. 湖北山区复杂地形条件下风电功率预报算法研究[J]. 干旱气象, 2021, 39(3): 524-532.