排序方式： 共有5条查询结果，搜索用时 171 毫秒
1
1.
2.
利用1989～2018年ERA5地面太阳辐射资料,分析了不同季节主要大气环流特征指数与中国地面太阳辐射异常的关系。结果表明:（1）在春季,东亚槽位置对中国中东部大面积的地面太阳辐射异常有一致性的影响,其位置偏东时,地面太阳辐射异常显著偏少。冬季风强度和ENSO（El Ni?o–Southern Oscillation）分别对长江流域南北、中国南方东部和西部有反位相的影响。（2）夏季的影响因子比较复杂,NAO（North Atlantic Oscillation）和夏季风是两个较主要的影响因子,NAO对中国北方较多地区的地面太阳辐射异常的影响较为显著,而夏季风主要与江淮地区的地面太阳辐射异常相关联。当NAO指数偏大（小）时,北方大部分地区地面太阳辐射异常偏少（多）。当夏季风偏强（弱）时,江淮流域的地面太阳辐射异常显著偏少（多）。（3）在秋季,地面太阳辐射异常主要受到东亚槽位置、冬季风和NAO的影响,冬季风和东亚槽主要影响北方地区,当东亚槽偏西或冬季风偏强时,中国北方除东北地区外的大部分地区地面太阳辐射偏多。NAO主要与中国西部的地面太阳辐射异常关联,当NAO指数偏大时,西部地区北方地面太阳辐射异常偏少而南方大部分地区偏多。（4）在冬季,ENSO和冬季风是较重要的影响因子,但其显著影响区域并不对称。在ENSO负位相或冬季风较强时,中国北方大部分地区的地面太阳辐射异常显著偏多,而ENSO正位相或冬季风较弱最有利于中国南方地面太阳辐射异常偏少,但显著影响范围较小。 相似文献
3.
对河南省2009~2018年地面太阳短波辐射量与降水量和云量的关系进行了分析,结果表明,地面太阳短波辐射量与降水量、云量具有显著的负相关关系,但在不同季节其相关关系差异较大。为了定量表征三者之间的关系,基于多年再分析资料,利用降水量和云量与地面太阳短波辐射量的关系对日辐射量进行拟合,并对拟合后的日辐射量进行检验。验证结果显示,此考虑季节性变化的回归模型对河南省地面太阳短波辐射有较好的拟合能力,可以作为基于气象预报的日辐射量短期变化评估基础,为光伏发电量的短期预报提供参考。 相似文献
4.
利用CAM5模式设计敏感性试验,研究了中国东部夏季降水对青藏高原地面辐射异常变化的响应和可能的物理机制。试验结果表明：当高原北部、中部等区域夏季地面辐射减小,中国东部夏季降水整体上增多,但南部、东部沿海区域降水异常减少。青藏高原地面辐射的变化,对青藏高压、西太平洋副热带高压和季风等天气系统具有一定影响,进而影响中国东部地区的夏季降水。当青藏高原地面辐射减小,青藏高压中心位置偏西,强度减弱;东亚季风和南亚季风强度增大,中国东部大部分地区850 hPa风场强度增强;西太平洋副热带高压位置偏东,强度减弱,中国南部、东部沿海区域夏季降水受其影响而减少,但华中、华北、东北等地夏季降水整体上增多。故中国东部夏季降水异常变化与青藏高原地面辐射之间具有显著的相关关系。 相似文献
5.
基于WRF和SVM方法的风电场功率预报技术研究 总被引：2，自引：0，他引：2
利用WRF(Weather Research and Forecasting)模式,对2006年河北省张北地区某风电场区域全年回报的风速和风向,以及与对应时间段70 m高度的测风塔实测资料进行了对比分析,发现模式预报效果较好.利用2008年全年风电场每台风机的实际功率与对应时刻轮毂高度风速、风向、气温、相对湿度和气压回报资料,使用支持向量机(Support Vector Machine,SVM)回归方法建立了每台风机10min一次的风电场功率预报模型,并利用该模型进行了2009年为期一年的预报试验,检验模型的预报性能.结果表明,集WRF模式和SVM方法建立的风电功率预报方法具有较好的预报效果.各月预报相关系数在0.71～0.82之间,归一化均方根误差在9.8％～16.5％之间,归一化平均绝对误差在5.4％～10.5％之间;全年预报相关系数为0.79,归一化均方根误差为13.3％,归一化平均绝对误差为8.3％. 相似文献
1