多数值模式风速预报融合方法应用研究

引言

风电具有随机性强、可调度性弱的特点，大规模并网将显著影响电网运行。精准的风电功率预测能帮助调度部门优化电源配置、调整运行方式，提升电网安全稳定运行。而风速预报准确性是风电功率预测的基础。随着风电规模不断扩大，无论是电网调度需求还是投资运营管理，都对风速精准预测提出更高要求，其重要性日益凸显

1 研究现状分析

陈法敬等采用贝叶斯模型平均 (BMA) 方法融合多统计模型，实现了集合预报概率化，提升了预报效果。刘建国等基于TIGGE 多模式集合，利用 BMA 方法进行 24h 气温概率预报，显著提高了预报精度，尤其在极端事件预测方面展现出优势。随着技术进步，BMA 方法在风能预测领域得到广泛应用。Sándor Baran 运用 BMA 模型校准风速预报，有效减小了预报误差，其 66.7% 和 90% 预测区间宽度接近，表明该方法能产生高度集中的概率密度函数。这些研究表明 BMA 在多模式集合预报和风能预测中具有重要应用价值。

2 数据和方法

2.1 数据

环境实况是风电场内风机观测数据，数据包括风速，以上数据全天监测，每 1 分钟输出一组观测值，每日输出 1440 组观测数据，为与数值预报相对应，筛选出 15 分钟的环境实况数据进行分析。数值预报为A、B 两组不同数值模式预报产品。

2.2 方法

① 动态加权平均。动态加权平均是根据数据时间、重要性或其他相关因素动态调整权重的平均值计算方法。与简单加权平均不同，动态加权平均的权重会随条件变化，更灵活地反映数据实际影响。本文中根据两组数值预报前三天的误差确定加权系数，误差越小，权重越大。

② 预报效果检验方法。采用相关系数、均方根误差等指标对预报结果检验评估。

3 结果分析

3.1 风速融合预报

甘肃省酒泉市 A 风电场 65m 高度年有效风速（ 3.0～22.0m/s ）时数为 6782h ，无破坏性风速，年内变化小，全年均可发电。经计算该风电场空气密度为 0.885kg/m3 ，风电机组轮毂高度 65m 年平均风速为6.55m/s ，平均风功率密度为 538W/m2 。

甘肃省武威市 H 风电场平均空气密度介于 1.043～1.067kg/m3 ，风功率密度年内各月变幅较大，大风月主要集中在春季，小风月主要在冬季；风速和风功率密度年内日变幅较小，基本趋于稳定。轮毂高度70m 处50 年一遇最大风速 32.5～34.4m/s ，极大风速为 45.5～48.2m/s_⨀ 。

利用A 风电场2023 年1 月和7 月及H 风电场1 月和8 月的预测风速进行风速融合预报。分析 1 月数值预报结果看到（图 1），数值模式A 能较好预报出低风速区和大风区时段，但低风速预报结果整体偏大，有个别 1-2 处错报情况。数值模式 B 预报效果较差，没有明确预报出低风速区和大风区，整体预报严重偏大。由于两种数值预报预报效果相差较大，数值模式 A 结果远优于数值模式 B 预报结果，预报权重相差较大，融合预报风速变化趋势基本与数值模式 A 相一致，预报风速略大于数值模式 A 预报结果。7 月 A 风电场两种数值预报源预报效果均较好且较为接近，融合预报后，个别时段预报效果略有提升。

H 风电场 1 月与 8 月情况比较相似，图 2 为 H 风电场 8 月预测风速和实况风速对比。实况风速曲线不规则上下波动，两种数值预报源基本能反应风速变化特征，区别在于 1 月，两种预报在风速波峰的预报上均偏小，而 8 月数值模式 B 预报明显偏大，融合预报后，综合两种数值预报特征，预报结果能反映出风速整体变化趋势，且一定程度上减弱1 月预报偏小和8 月数值模式B 预报偏大情况。

3.2 预报效果检验

利用均方根误差（RMSE）和相关系数 (R) 对预报数据进行检验分析。1 月 A 风电场模式 A 误差 2.1m/s ，显著优于模式 B 的 4.3m/s ，融合结果接近模式 A 7 月A 风电场两模式常同向偏差，模式A 误差 2.79m/s ，模式 B 为 3.65m/s ，融合后为 2.97m/s ，改进有限。H 风电场 1 月模式 B误差 2.56m/s ，融合后较B 降低 0.75m/s ，较A 降低 0.13m/s ，达 1.81m/s 7 月融合效果提升：较 A，相关系数提高 0.01，误差降 0.12m/s ；较 B，相关系数提高0.2，误差降 0.67m/s ，整体有所优化。

4 结论与思考

对比分析可得出以下结论及思考：A 风电场 1 月、7 月由于数值预报源特征明显，融合预报效果不理想；H 风电场 1、和 8 月融合预报均有所改善，均方根误差较数值模式 A 分别降低 0.13m/s 和 0.12m/s ；较数值模式B 分别降低 0.75m/s 和 0.67m/s ，预报效果有一定改善。

作者简介：闫晓敏（1991- ），女本科，工程师，研究方向：新能源气象服务。