排序方式： 共有3条查询结果，搜索用时 15 毫秒
1
1.
针对风电场所需的时效在0~4 h,且时间分辨率不低于15 min的超短期风速预报。根据测风塔实时发回的实测风速序列,建立了基于BP神经网络的风电场风速时间序列外延预报模型。另一方面,建立 MM5模式预报风速与实测风速的误差序列,并利用BP神经网络作误差序列的外延预报,从而利用误差的预报值对MM5风速预报值进行订正,获得新的预报值。综合对两种方法的预报效果指标分析以及拟合曲线的比较结果表明:使用BP神经网络对MM5风速预报值进行修订的方法在总体上效果较优,特别是当影响风电场的天气系统变化明显,近地层风速变率较大时,该方法的预报效果更具有明显的优势。 相似文献
2.
城市化对近地层风速概率分布及参数的影响 总被引：1，自引：0，他引：1
通过地面风速Weibull概率分布参数的阶段变化来描述城市化对地面风速的影响,并通过理论分析得出城市化进程导致其尺度参数c缩小,位置参数r增大的趋势效应的结论。将北京等8个城市1982—2005年地面天气资料定时数据按时间划分为前、后两个时段,分别拟合分布曲线的参数,对比前、后两个时段的拟合结果,验证了理论分析所得结论,即随城市的发展,各城市风参数c不同程度地缩小,r不同程度地增大,同时概率密度曲线的峰值均增大;不同城市的风速概率密度函数曲线变化特征有所不同,根据前、后时段概率密度曲线变化的特征,8个城市风速概率分布变化大致可分为A、B两种类型,两者的主要差异是A型变化特征为在曲线两端(大风和静风)的概率都减少,曲线分布更加集中;B型则是大风概率减少而静风的概率则增大,曲线向左移动;A型变化城市的r参数平均增大46.3%,明显大于B型城市的15.7%。初步资料分析还表明,风参数c和r变化幅度与城市化扩张速度有关。 相似文献
3.
利用福建漳浦沿海一座测风塔2009年12月—2010年11月的观测资料和中央气象台发布的MM5风速数值预报资料,统计分析了沿海近地层风速和风速数值预报误差的变化特征,统计结果表明:全年和各季节的风速变化具有明显的日变化特征,日最小风速出现在上午至午后,日最大风速则出现在旁晚至凌晨;同时,风速数值预报与测风塔实测风速的误差也存在较明显的日变化特征,这种变化特征与近地层湍流的发生发展有密切联系。在统计分析基础之上,提出一种谐波分析与人工神经网络(ANN)相结合的24 h短期风速数值预报的订正方法,订正试验结果表明:该方法可以每24 h更新一次预报结果,相对于风速数值预报的精度,两次独立样本检验的平均绝对误差分别减小25.6%、28.8%,且订正后使得风速数值预报的系统性偏差有明显下降。 相似文献
1