1. 椋庣數鍦洪庤兘璧勬簮璇勪及鏂規硶
1銆佸湴闈㈡祴閲忔硶錛氳繖縐嶆柟娉曚嬌鐢ㄦ祴椋庡斿拰姘旇薄絝欑瓑璁懼囷紝鍦ㄤ笉鍚岄珮搴﹀拰鏃墮棿孌靛唴鏀墮泦椋庨熴侀庡悜銆佹箥嫻佸己搴﹀拰澶ф皵紼沖畾搴︾瓑鏁版嵁錛屽苟閫氳繃緇熻″垎鏋愬緱鍑洪庤兘璧勬簮鐨勭壒寰佸拰姒傚喌銆
2銆佸崼鏄熼仴鎰熸硶錛氬埄鐢ㄥ崼鏄熼仴鎰熸暟鎹鑾峰彇椋庡満鐨勫姩鎬佸拰闈欐佷俊鎮錛屽傚湴琛ㄩ庨熴侀庡悜銆侀庢毚鍙戝睍瓚嬪娍絳夛紝浠ュ強鍦扮悊淇℃伅緋葷粺錛圙IS錛夋妧鏈榪涜屽垎鏋愬拰寤烘ā錛屼粠鑰岃瘎浼伴庤兘璧勬簮鐨勫垎甯冨拰鍙樺寲鎯呭喌銆
3銆佹暟鍊兼ā鎷熸硶錛氫嬌鐢ㄨ＄畻嫻佷綋鍔涘︼紙CFD錛夋ā鍨嬪拰姘斿欐ā鍨嬬瓑鏁板兼ā鎷熷伐鍏鳳紝緇撳悎鍦扮悊銆佹皵璞″拰椋庡満鐗瑰緛絳夊弬鏁幫紝鎺ㄥ煎嚭椋庤兘璧勬簮鐨勭粏鑺傚拰澶嶆潅鎬э紝鍖呮嫭椋庨熷垎甯冦佹箥嫻佸己搴︺侀庡悜鍙樺寲絳夈
4銆佸疄嫻嬫暟鎹鍒嗘瀽娉曪細閫氳繃鑾峰彇宸叉湁鐨勯庤兘璧勬簮瀹炴祴鏁版嵁錛屽瑰叾榪涜岀粺璁″垎鏋愬拰瓚嬪娍鐮旂┒錛屾壘鍑洪庤兘璧勬簮鐨勭┖闂村拰鏃墮棿鐗瑰緛錛屼互鍙婂彲鑳界殑瀛ｈ妭鎬ф垨騫撮檯鍙樺寲瓚嬪娍銆
2. 風電功率的預測方法有哪些
當日預報：未來48小時的風電場並網功率預測曲線，每15分鍾一個預報點，即192個預報點。每天滾動預報一次。預測的均方根誤差≤18%。(我公司可以提供168小時的風功率預測) 意義：對電網制定日發電計劃提供必要的科學依據。
3. 如何消除小氣候對風電場風電功率預測系統預測准確率
近年來,風電場發電功率預測技術受到了廣泛關注,但由於很多風電場處於復雜地形及復雜環境,如何消除微觀小氣候對風功率預測的影響,提高短期風功率預測的准確性,已成為亟需解決的問題。
小氣候影響在風功率預測過程中,主要來源於兩個方面:微尺度的風場建模與實際環境的偏差以及數值氣象模擬無法對風場當地局部微觀氣候進行細化考慮。
為了消除小氣候對預測准確度的影響,從兩個方面進行技術實現:根據測風塔實測數據對CFD 微觀模型進行校正;根據風場運行數據進行統計學校正。而應用統計學校正又採用了兩種不同的方法,並對其效果進行了比對:結合降尺度模型設計的線性統計學校正方法;針對運行數據進行校正的神經網路方法。本次研究結合黑龍江某復雜山地林區風電場進行分析,實現了不同校正方法的比對,進一步明確了結合CFD 技術並採用神經網路方法進行校正,以消除小氣候對發電功率預測影響的技術路線的有效性和優越性,提高了實際風電場預報准確率。