风能作为一种清洁的可再生能源,能够解决当前社会发展过程中带来的许多能源、环境问题,逐渐受到越来越多的关注。但风能具有随机性和间歇性的特点,并入电网会造成不利影响,因此进行风电功率预测增强系统的安全性和稳定性。对于复杂地形条件下的风电场,风速预测一直是研究中的难点内容,是风功率预测的基础,具有重要意义。本文对复杂地形条件下某风电场的短期风速预测方法进行了深入的研究,主要内容如下:首先,根据风电场测风塔轮毂高度处的风速、风向等气象要素观测资料,检验其稳定性和可信性,分析了风速年变化、日变化、风速和风功率密度、风速和风向频率分布等特征及变化规律。通过对观测资料数据的分析和处理,得到了研究区域风能、风速及风向的特征和变化规律。其次,风电场所处地形较复杂,测点受地形影响较大,可引入SRTM3 DEM高精度地形数据,对风电场的风速进行模拟。实验结果表明:SRTM3 DEM地形数据对风电场模拟区域的地形起伏变化特征描述更加准确,更接近真实地形。对于地形较为复杂、风速受周边地形影响较大的研究区域来说,引入SRTM3 DEM地形数据,风速模拟效果得到提高;而对于简单地形条件下、风速受周边地形影响较小的研究区域来说,风速的模拟效果可能只有小幅度提高,甚至模拟误差不降反升。再者,基于WRF(The Weather Research and Forecasting Model,WRF Model)模式,对风电场研究区域做不同边界层参数化方案模拟,研究方案的不同对复杂地形风速模拟的性能和效果,验证了应用WRF模式在复杂地形条件下预报风速等气象数据的可行性。实验结果表明:通过对不同边界层参数化方案风速模拟效果分析,可得到单一最优的边界层参数化模拟方案,从而预测出较为准确的风速。然而采用单一边界层参数化方案预报的风速数据误差仍较大,为了进一步提高WRF模式预报风速的准确性,采用多种边界层参数化方案来集成预报风速,并研究不同的集成预报方式对风速模拟的性能和效果。实验结果表明:采用多种边界层参数化方案来集成预报风速时,预报的风速各误差指标均明显减小。选取集成预报方式时,可应用一些机器学习算法来建立集成预报模型对风电场的风速进行预报,从而得到更准确的风速。最后,将风速预测算法集成到了功率预测系统的算法处理层模块中,并在实际风场运行中得到检验。
暂无评论