1. 椋庣数鍦洪庤兘璧勬簮璇勪及鏂规硶
1銆佸湴闱㈡祴閲忔硶锛氲繖绉嶆柟娉曚娇鐢ㄦ祴椋庡斿拰姘旇薄绔欑瓑璁惧囷纴鍦ㄤ笉钖岄珮搴﹀拰镞堕棿娈靛唴鏀堕泦椋庨熴侀庡悜銆佹箥娴佸己搴﹀拰澶ф皵绋冲畾搴︾瓑鏁版嵁锛屽苟阃氲繃缁熻″垎鏋愬缑鍑洪庤兘璧勬簮镄勭壒寰佸拰姒傚喌銆
2銆佸崼鏄熼仴镒熸硶锛氩埄鐢ㄥ崼鏄熼仴镒熸暟鎹銮峰彇椋庡満镄勫姩镐佸拰闱欐佷俊鎭锛屽傚湴琛ㄩ庨熴侀庡悜銆侀庢毚鍙戝𪾢瓒嫔娍绛夛纴浠ュ强鍦扮悊淇℃伅绯荤粺锛圙IS锛夋妧链杩涜屽垎鏋愬拰寤烘ā锛屼粠钥岃瘎浼伴庤兘璧勬簮镄勫垎甯冨拰鍙桦寲𨱍呭喌銆
3銆佹暟鍊兼ā𨰾熸硶锛氢娇鐢ㄨ＄畻娴佷綋锷涘︼纸CFD锛夋ā鍨嫔拰姘斿欐ā鍨嬬瓑鏁板兼ā𨰾熷伐鍏凤纴缁揿悎鍦扮悊銆佹皵璞″拰椋庡満鐗瑰緛绛夊弬鏁帮纴鎺ㄥ煎嚭椋庤兘璧勬簮镄勭粏鑺傚拰澶嶆潅镐э纴鍖呮嫭椋庨熷垎甯冦佹箥娴佸己搴︺侀庡悜鍙桦寲绛夈
4銆佸疄娴嬫暟鎹鍒嗘瀽娉曪细阃氲繃銮峰彇宸叉湁镄勯庤兘璧勬簮瀹炴祴鏁版嵁锛屽瑰叾杩涜岀粺璁″垎鏋愬拰瓒嫔娍镰旂┒锛屾垒鍑洪庤兘璧勬簮镄勭┖闂村拰镞堕棿鐗瑰緛锛屼互鍙婂彲鑳界殑瀛ｈ妭镐ф垨骞撮檯鍙桦寲瓒嫔娍銆
2. 风电功率的预测方法有哪些
当日预报：未来48小时的风电场并网功率预测曲线，每15分钟一个预报点，即192个预报点。每天滚动预报一次。预测的均方根误差≤18%。(我公司可以提供168小时的风功率预测) 意义：对电网制定日发电计划提供必要的科学依据。
3. 如何消除小气候对风电场风电功率预测系统预测准确率
近年来,风电场发电功率预测技术受到了广泛关注,但由于很多风电场处于复杂地形及复杂环境,如何消除微观小气候对风功率预测的影响,提高短期风功率预测的准确性,已成为亟需解决的问题。
小气候影响在风功率预测过程中,主要来源于两个方面:微尺度的风场建模与实际环境的偏差以及数值气象模拟无法对风场当地局部微观气候进行细化考虑。
为了消除小气候对预测准确度的影响,从两个方面进行技术实现:根据测风塔实测数据对CFD 微观模型进行校正;根据风场运行数据进行统计学校正。而应用统计学校正又采用了两种不同的方法,并对其效果进行了比对:结合降尺度模型设计的线性统计学校正方法;针对运行数据进行校正的神经网络方法。本次研究结合黑龙江某复杂山地林区风电场进行分析,实现了不同校正方法的比对,进一步明确了结合CFD 技术并采用神经网络方法进行校正,以消除小气候对发电功率预测影响的技术路线的有效性和优越性,提高了实际风电场预报准确率。