大氣壓的差值對風(fēng)速空間相關(guān)性預(yù)測的影響分析

楊正瓴，王如雪，喬健，張璽，楊釗，張軍

大氣壓的差值對風(fēng)速空間相關(guān)性預(yù)測的影響分析

楊正瓴1，王如雪1，喬健1，張璽1，楊釗1，張軍2

（1．天津大學(xué)電氣自動化與信息工程學(xué)院，天津市 南開區(qū) 300072；2．天津市過程檢測與控制重點實驗室(天津大學(xué))，天津市 南開區(qū) 300072）

風(fēng)速空間相關(guān)性預(yù)報是風(fēng)電功率預(yù)測的有效方法。為提高風(fēng)速空間相關(guān)性預(yù)報的效果，文中分析了動力氣象學(xué)中大氣運動的基本方程，可知氣壓梯度力、地球引力以及摩擦力是大氣運動的基本動力。在短期、超短期風(fēng)電功率預(yù)測的時間尺度里，地球引力、摩擦力通常可以看作已知量或不變量，因此氣壓梯度力是引起風(fēng)的首要動力。定量分析了我國東南沿海發(fā)展空間相關(guān)性預(yù)報的價值，認(rèn)為我國季風(fēng)區(qū)的空間相關(guān)性明顯超過歐美，且東南沿海的近海風(fēng)能明顯高于陸地，特別適合空間相關(guān)性預(yù)測，采用大氣壓的空間相關(guān)性預(yù)測是我國季風(fēng)區(qū)風(fēng)電功率預(yù)測的可靠基礎(chǔ)方法之一。

風(fēng)電功率預(yù)測；風(fēng)速；氣壓；壓差；空間相關(guān)性

0 引言

風(fēng)是影響電力系統(tǒng)的重要自然因素之一，風(fēng)不僅是風(fēng)力發(fā)電的主要動力，還會引起電力負(fù)荷變化、架空線因振動斷股斷線、碰線故障、相間閃絡(luò)等。因此，準(zhǔn)確可靠的風(fēng)力預(yù)報是智能電網(wǎng)、全球能源互聯(lián)網(wǎng)等的主要基礎(chǔ)信息之一[1-4]，風(fēng)電功率預(yù)測是電力系統(tǒng)關(guān)鍵基礎(chǔ)技術(shù)[5-11]。

目前公認(rèn)的提高風(fēng)電功率預(yù)測效果的2個基本技術(shù)步驟，一是提高對未來風(fēng)的預(yù)報，二是從風(fēng)到風(fēng)機出力的準(zhǔn)確折算[12]。特別是對超短期、短期風(fēng)電功率預(yù)測，其要求的準(zhǔn)確性更高，因此這些時間尺度的風(fēng)預(yù)報顯得更重要。目前預(yù)報風(fēng)的主要方法有數(shù)值天氣預(yù)報(numerical weather prediction，NWP)、利用本地長期天氣歷史資料的預(yù)報方法和利用周圍地區(qū)天氣資料的空間相關(guān)性方法[13-16]等。受制于全球模式NWP發(fā)展的限制，風(fēng)場使用的NWP難以成為今后若干年內(nèi)我國提高風(fēng)預(yù)報效果的首選途徑。依據(jù)本地長期天氣歷史資料的預(yù)測方法，會受到相關(guān)性指標(biāo)和預(yù)測模型發(fā)展的限制。以上這2種通用方法都會受到“家族性缺陷”[6]的制約。而空間相關(guān)性預(yù)測是預(yù)測原理上不同于前面2類方法的新途徑，有望彌補“家族性缺陷”。

利用周邊地區(qū)天氣信息的空間相關(guān)性方法，已經(jīng)用于中長期[17]、短期[18]、超短期[19]各個時間尺度的預(yù)報實踐。空間相關(guān)性方法是當(dāng)前我國季風(fēng)區(qū)提高風(fēng)預(yù)報效果的首選研究方法，特別是在東南沿海地帶。為進(jìn)一步可靠地提高空間相關(guān)性風(fēng)預(yù)報的效果，本文將重點闡述大氣壓在其中的重要作用，這是目前國際電力系統(tǒng)界還沒有充分認(rèn)識到的重要天氣因子。

1 數(shù)值天氣預(yù)報的困境

1.1 當(dāng)前NWP的預(yù)報效果

由于受到大氣探測技術(shù)的應(yīng)用和對某些天氣現(xiàn)象機理認(rèn)識的限制，不少天氣要素如降水、風(fēng)等的預(yù)報結(jié)果與實況有一定差距[20]。實際預(yù)報中，需要在數(shù)值預(yù)報產(chǎn)品的基礎(chǔ)上進(jìn)行人工訂正，從而對天氣形勢作出診斷和預(yù)報，進(jìn)而作出具體的天氣預(yù)報。

盡量提高風(fēng)與光的預(yù)報準(zhǔn)確率是供電部門對氣象預(yù)報最期盼的要求，但實現(xiàn)起來有很大難度。氣象預(yù)報人員可以做出100%的努力，但尚難以達(dá)到90%以上準(zhǔn)確率的需求。而且，NWP做不到對大風(fēng)的更準(zhǔn)確預(yù)報。如果風(fēng)的變化比較劇烈，會使風(fēng)壓場不斷調(diào)整，對預(yù)報的準(zhǔn)確率會有影響，如果風(fēng)向風(fēng)速都較穩(wěn)定，對預(yù)報影響不大。

風(fēng)電功率大體上正比于有效風(fēng)速的2~3次方。因此提高風(fēng)速的預(yù)報效果，是保證風(fēng)電功率預(yù)報準(zhǔn)確性的核心之一。但是，NWP沒有保證大風(fēng)預(yù)報準(zhǔn)確性的能力，而且對強對流的預(yù)報效果會更差。

1.2 ECMWF當(dāng)前的風(fēng)速預(yù)報誤差

歐洲中期天氣預(yù)報中心(European Centre for Medium-Range Weather Forecasts，ECMWF)是當(dāng)今世界數(shù)值天氣預(yù)報領(lǐng)域的領(lǐng)頭羊，其預(yù)報效果超過了美國大氣海洋局(National Oceanic and Atmospheric Administration，NOAA)的下一代全球預(yù)測系統(tǒng)(next generation global prediction system，NGGPS)。

ECMWF對歐洲地區(qū)提前60h和72h風(fēng)速預(yù)報的平均誤差和標(biāo)準(zhǔn)差逐年降低的過程見圖1。

圖1 ECMWF在歐洲地區(qū)提前60 h和72 h風(fēng)速預(yù)報誤差

由圖1可見，大約從2002年開始，對風(fēng)速的預(yù)報效果基本上處在波動狀態(tài)。提高風(fēng)速等預(yù)報效果，需要更密集的實際天氣狀態(tài)觀測網(wǎng)站，以及大體按照指數(shù)方式增加的計算機能力。目前形勢下，這些方面短期內(nèi)明顯提高的可能性不大。目前NWP的誤差主要來源是初值(對實際天氣因子的準(zhǔn)確觀測)，而不是NWP自身的計算。我國風(fēng)場的風(fēng)速NWP情況基本相同[21]。

圖2是ECMWF對歐洲地區(qū)風(fēng)速預(yù)報的均方根誤差隨預(yù)報時間的變化。由圖2可見，2014年對歐洲提前12h風(fēng)速預(yù)報的均方根誤差超過了2.15m/s。

風(fēng)是地理空間大范圍的天氣運動。受制于全球模式NWP提供側(cè)邊界條件的預(yù)報誤差，風(fēng)場預(yù)報普遍采用的NWP與微尺度NWP模型嵌套方案[22]，難以通過提高空間分辨率做到真正提高風(fēng)場的風(fēng)預(yù)報效果。綜上，風(fēng)場NWP難以作為未來若干年提高風(fēng)電功率預(yù)測的主要方法。

圖2 ECMWF對歐洲地區(qū)風(fēng)速預(yù)報的均方根誤差與提前時間

2 空間相關(guān)性預(yù)報的影響因素關(guān)系分析

2.1 空間相關(guān)性預(yù)報簡介

空間相關(guān)性預(yù)報是一種利用本地周圍地區(qū)的歷史天氣資料、未來天氣預(yù)報對本地進(jìn)行預(yù)報的方法。空間相關(guān)性預(yù)報具有可靠地提高大風(fēng)預(yù)報效果的特殊優(yōu)勢。在歐美地區(qū)，空間相關(guān)性預(yù)報的范圍一般在100km、4h以內(nèi)；在我國季風(fēng)區(qū)，則可以超過2000km、20h[14]。

由于電力系統(tǒng)研究人員一般不是氣象專家，所以目前世界范圍的風(fēng)速空間相關(guān)性預(yù)報，在確定風(fēng)向后，幾乎都把周邊的風(fēng)速作為首選影響因子，從而導(dǎo)致本地風(fēng)速預(yù)報誤差較大。只有極少量的研究者認(rèn)識到氣壓才是空間相關(guān)性風(fēng)速預(yù)報的首要影響因子[23-25]。

一些風(fēng)場采用本地的長期歷史氣象資料(如最近20年以上)，通過機器學(xué)習(xí)等也較好地預(yù)報了本地的未來風(fēng)速。對于我國季風(fēng)區(qū)，在空間相關(guān)性預(yù)報的框架內(nèi)，將當(dāng)前的天氣觀測值和長期歷史氣象資料相結(jié)合，有望實現(xiàn)高精度、高可靠性的未來風(fēng)預(yù)報[5]。特別是在回歸預(yù)報階段中采用大氣運動方程的空間相關(guān)性預(yù)報，更是一種高級形式的空間相關(guān)性預(yù)報。這是一種獨立于NWP的預(yù)報方法，可望成為提高我國季風(fēng)區(qū)短期風(fēng)電功率預(yù)報的基礎(chǔ)方法之一。

2.2 大氣運動的基本作用力

對于氣象上研究的大氣運動來說，作用力主要是氣壓梯度力、地球引力以及摩擦力[26]。影響方程求解的邊界條件和初始條件包括空間大尺度的地形、地表起伏等。

對于風(fēng)場的短期、超短期風(fēng)電功率預(yù)測，可以認(rèn)為地球引力變化已知，摩擦力基本不變或可以從歷史資料分析中得出，邊界條件和初始條件來自觀測值或全球模式NWP，所以，氣壓梯度力(上游與本地的大氣壓差值)是本地風(fēng)速空間相關(guān)性預(yù)報的首選天氣因子，其次是溫度、風(fēng)向等。

2.3 氣壓梯度與風(fēng)速之間的定量關(guān)系

在地球的旋轉(zhuǎn)坐標(biāo)系中，應(yīng)用牛頓第二定律，氣象學(xué)中的大氣矢量運動方程[26-27]可寫為

自由大氣中，空氣的水平運動稱為地轉(zhuǎn)風(fēng)，地轉(zhuǎn)風(fēng)是實際風(fēng)的一個良好近似。由此得到地轉(zhuǎn)風(fēng)公式[28]：

由于等高面上氣壓梯度與等壓面上的高度梯度方向相同，在海拔不太高時，

由式(4)、(5)可知，風(fēng)速大小與水平氣壓梯度力的大小成正比。由式(7)、(8)可知，在通常天氣預(yù)報涉及的高度內(nèi)，風(fēng)速大小與重力位勢梯度的大小成正比。

綜上可見：對于空間相關(guān)性預(yù)報，壓差就是本地風(fēng)速。這里的壓差是上游對本地的水平氣壓梯度力，壓差可以用上游大氣壓減去本地大氣壓來近似表示。壓差作用的具體示例如表1[25]所示。

表1 澳仔風(fēng)速預(yù)測的誤差統(tǒng)計

3 全球氣壓分布與我國的風(fēng)速預(yù)報

NOAA提供的1985—2014年近30年逐月平均的全球位勢高度(大氣壓)分布如圖3所示。位勢高度圖中等高線的間隔越小，風(fēng)速越大。

從圖3可以清楚地發(fā)現(xiàn)：我國的大氣變化，明顯比美洲、歐洲等地區(qū)復(fù)雜。

再結(jié)合NOAA的地表矢量風(fēng)速分布等其他同期歷史資料，可以發(fā)現(xiàn)：

1）亞洲上空，特別是我國上空的氣壓、風(fēng)速變化是全球最復(fù)雜的，這意味著：在相同的風(fēng)速觀測精度和觀測塔空間距離的情況下，我國大多數(shù)地區(qū)風(fēng)速、風(fēng)向預(yù)測的準(zhǔn)確率和可靠性，有明顯低于歐美的傾向。

2）蒙古高壓不僅是我國冬季風(fēng)的直接成因，還在每年10月—次年3月(共計6個月)對我國北部非季風(fēng)區(qū)的風(fēng)能有直接影響。我國最主要的風(fēng)能資源豐富區(qū)(包括西北地區(qū)大部、華北北部、東北大部)的風(fēng)能與蒙古高壓有密切關(guān)系。

3）喜馬拉雅山脈區(qū)域上空的低壓，與我國西南部的風(fēng)能資源豐富區(qū)有直接關(guān)系。

4）我國季風(fēng)區(qū)的東南沿海，特別是臺灣海峽周圍，應(yīng)是我國風(fēng)電未來發(fā)展的重點區(qū)域。沿海區(qū)域不僅風(fēng)能資源豐富，而且適合空間相關(guān)性預(yù)測。

我國大多數(shù)地區(qū)的氣壓、風(fēng)速都具有明顯高于歐美的復(fù)雜變化，這也會引起“風(fēng)速-出力”散點圖關(guān)系(功率曲線)的分散性。因為水平軸風(fēng)力發(fā)電機的出力變化與風(fēng)速的變化之間存在近似的確定性函數(shù)關(guān)系[29]，并且降低水平軸風(fēng)機葉片的機械慣性，可以降低出力的分散性。解決風(fēng)電功率預(yù)測“中國特殊問題”[6]與大氣壓的使用密不可分。

4 我國與荷蘭風(fēng)速性質(zhì)差異分析

采用我國東南沿海某地、荷蘭某地同一年的1 h風(fēng)速觀測值，定量分析我國東南沿海發(fā)展空間相關(guān)性預(yù)報的價值，如圖4、5所示。

我國季風(fēng)區(qū)的風(fēng)速，在冬季風(fēng)、夏季風(fēng)時期有較高的規(guī)律性，春秋的季風(fēng)過渡時期變化相對混亂。從圖4的小波周期圖，以及表2、3的量化指標(biāo)，都可以明顯看到這個性質(zhì)。

這里的“冬季風(fēng)1”指年初的冬季風(fēng)；類似地，“冬季風(fēng)2”指年末的冬季風(fēng)。典型的冬季風(fēng)時間為12月1日—次年2月20日，典型夏季風(fēng)在6月10日—8月20日。

Hurst指數(shù)、信息熵的數(shù)值越大，表明風(fēng)速的變化越混亂。

從我國國家發(fā)展和改革委能源研究所、國際能源署2011年《中國風(fēng)電發(fā)展路線圖2050》，以及中國氣象局風(fēng)能太陽能資源中心“全國風(fēng)能資源詳查和評價”給出的東部沿海70m高度20年平均風(fēng)能分布圖等都可見，我國東南沿海海岸線和近海的風(fēng)能明顯高出海岸線內(nèi)的陸地。因此，沿海岸線及其近海的風(fēng)能開發(fā)，不僅能源密度高，還不占用陸地，且可以采用大區(qū)域的空間相關(guān)性進(jìn)行短期風(fēng)電功率預(yù)測。

從圖3以及NOAA同期的地表矢量風(fēng)速分布圖[14]，并結(jié)合多年逐月的矢量風(fēng)速分布圖可見：我國冬季風(fēng)、夏季風(fēng)路徑具有長期的相對穩(wěn)定性。

圖3 近30年逐月平均的全球位勢高度分布

圖4 我國某地風(fēng)速時間序列及其小波周期圖

圖5 荷蘭某地風(fēng)速時間序列及其小波周期圖

因此采用長期氣象觀測資料的空間相關(guān)性預(yù)報，是我國季風(fēng)區(qū)風(fēng)預(yù)報的可靠的基礎(chǔ)方法之一。由于風(fēng)速、風(fēng)向是大氣壓活動的結(jié)果，所以空間相關(guān)性預(yù)報的首要影響因子是大氣壓，而不是目前電力系統(tǒng)領(lǐng)域普遍使用的風(fēng)速、風(fēng)向。

表2 2組風(fēng)速時間序列各個時期Hurst指數(shù)統(tǒng)計

表3 2組風(fēng)速時間序列各個時期信息熵統(tǒng)計

5 結(jié)論

1）大氣壓的差值，是引起風(fēng)(風(fēng)速、風(fēng)向)的首要作用力，其次是地球引力和摩擦力。對于風(fēng)的空間相關(guān)性預(yù)報，大氣壓的差值是主要因素，未來的風(fēng)速、風(fēng)向是該差值引起的結(jié)果。

2）我國東南沿海的季風(fēng)區(qū)，不僅是能源需求區(qū)域，還是空間相關(guān)性預(yù)報的合適區(qū)域。

3）我國東南沿海是未來發(fā)展風(fēng)力發(fā)電的重點地區(qū)之一。利用季風(fēng)可以較好地保證短期、超短期風(fēng)電功率預(yù)測的可靠性和準(zhǔn)確性。

4）我國東南沿海往往午后風(fēng)速較大，不與電力負(fù)荷呈現(xiàn)典型的“反相位”特征。所以該區(qū)域的風(fēng)電與抽水蓄能電站相結(jié)合，可以較為可靠地實現(xiàn)本地可再生能源的利用。近海島嶼的“風(fēng)–水”結(jié)合具有提供該區(qū)域居民基本生活用電的可能性。

致 謝

感謝以色列耶路撒冷希伯來大學(xué)(The Hebrew University of Jerusalem)的Amit Tubi博士在全球天氣歷史資料方面的幫助！

[1]周原冰．全球能源互聯(lián)網(wǎng)及關(guān)鍵技術(shù)[J]．科學(xué)通報，2019，64(19)：1985-1994．

ZHOY Y B．Global energy interconnection vision and key technologies[J]．Chinese Science Bulletin，2019，64(19)：1985-1994．

[2]龔鋼軍，張桐，魏沛芳，等．基于區(qū)塊鏈的能源互聯(lián)網(wǎng)智能交易與協(xié)同調(diào)度體系研究[J]．中國電機工程學(xué)報，2019，39(5)：1278-1289．

GONG G J，ZHANG T，WEI P F，et al．Research on intelligent trading and cooperative scheduling system of energy internet based on blockchain[J]．Proceedings of the CSEE，2019，39(5)：1278-1289．

[3]舒印彪，張智剛，郭劍波，等．新能源消納關(guān)鍵因素分析及解決措施研究[J]．中國電機工程學(xué)報，2017，37(7)：1-8．

SHU Y B，ZHANG Z G，GUO J B，et al．Study on key factors and solution of renewable energy accommodation[J]．Proceedings of the CSEE，2017，37(7)：1-8．

[4]ANDREW K．Share data on wind energy[J]．Nature，2016，529(7584)：19-21．

[5]薛禹勝，陳寧，王樹民，等．關(guān)于利用空間相關(guān)性預(yù)測風(fēng)速的評述[J]．電力系統(tǒng)自動化，2017，41(10)：161-169．

XUE Y S，CHEN N，WANG S M，et al．Review on wind speed prediction based on spatial correlation[J]．Automation of Electric Power Systems，2017，41(10)：161-169．

[6]喬穎，魯宗相，閔勇，等．提高風(fēng)電功率預(yù)測精度的方法[J]．電網(wǎng)技術(shù)，2017，41(10)：3161-3169．

QIAO Y，LU Z X，MIN Y，et al．Research & application of raising wind power prediction accuracy[J]．Power System Technology，2017，41(10)：3161-3169．

[7]樊新東，楊秀媛，金鑫城．風(fēng)電場有功功率控制綜述[J]．發(fā)電技術(shù)，2018，39(3)：268-276．

FAN X D，YANG X Y，JIN X C．An overview of active power control in wind farms[J]．Power Generation Technology，2018，39(3)：268-276．

[8]葛維春．大規(guī)模棄風(fēng)儲熱供暖協(xié)調(diào)計算方法[J]．發(fā)電技術(shù)，2018，39(4)：291-295．

GE W C．A coordinated calculation method of abandoned large-scale wind heat storage for heating[J]．Power Generation Technology，2018，39(4)：291-295．

[9]王羽．風(fēng)電出力時序特性及其對省級電網(wǎng)的影響[J]．發(fā)電技術(shù)，2018，39(5)：475-482．

WANG Y．Analysis on the characteristics of wind power time series and its impact on provincial power grid[J]．Power Generation Technology，2018，39(5)：475-482．

[10]戴仲覆．畢節(jié)地區(qū)風(fēng)電集中接入變電站電壓偏高成因及應(yīng)對措施[J]．發(fā)電與空調(diào)，2017，38(4)：52-55．

DAI Z F．Cause and corresponding countermeasure analysis of high voltage problems in the substations integrated with wind farms in bijie area[J]．Power Generation & Air Conditioning，2017，38(4)：52-55．

[11]劉志超，王洪彬，沙浩，等．我國風(fēng)電利用技術(shù)現(xiàn)狀及其前景分析[J]．發(fā)電技術(shù)，2019，40(4)：389-395．

LIU Z C，WANG H B，SHA H，et al．Status and prospect analysis of wind power utilization technology in China[J]．Power Generation Technology，2019，40(4)：389-395．

[12]蘭維，張中泉，雷陽，等．風(fēng)電機組出力性能分析方法研究[J]．發(fā)電與空調(diào)，2017，38(3)：26-29．

LAN W，ZHANG Z Q，LEI Y，et al．Study on output performance analysis of wind turbine [J]．Power Generation & Air Conditioning，2017，38(3)：26-29．

[13]葉林，趙永寧．基于空間相關(guān)性的風(fēng)電功率預(yù)測研究綜述[J]．電力系統(tǒng)自動化，2014，38(14)：126-135．

YE L，ZHAO Y N．A review on wind power prediction based on spatial correlation approach[J]．Automation of Electric Power Systems，2014，38(14)：126-135．

[14]楊正瓴，劉仍祥，李真真．基于季風(fēng)和大氣壓分布的我國風(fēng)電功率預(yù)測研究[J]．分布式能源，2018，3(2)：29-38．

YANG Z L，LIU R X，LI Z Z．Survey on China wind power prediction based on monsoons and atmospheric pressure distribution[J]．Distributed Energy，2018，3(2)：29-38．

[15]OKUMUS I，DINLER A．Current status of wind energy forecasting and a hybrid method for hourly predictions [J]．Energy Conversion and Management，2016，123：362-371．

[16]JUNG J，BROADWATER R P．Current status and future advances for wind speed and power forecasting [J]．Renewable and Sustainable Energy Reviews，2014，31：762-777．

[17]葉林，陳小雨，靳晶新，等．考慮風(fēng)功率密度和風(fēng)向特征的風(fēng)能資源MCP評估方法[J]．電力系統(tǒng)自動化，2019，43(3)：24-32．

YE L，CHEN X Y，JIN J X，et al．Measure-correlate-predict assessment method of wind energy resource considering wind power density and wind direction[J]．Automation of Electric Power Systems，2019，43(3)：24-32．

[18]YE L，ZHAO Y，ZENG C，et al．Short-term wind power prediction based on spatial model[J]．Renewable Energy，2017，101：1067-1074．

[19]楊正瓴，趙強，吳炳衛(wèi)，等．采用k近鄰進(jìn)行空間相關(guān)性超短期風(fēng)速預(yù)測[J]．電力自動化設(shè)備，2019，39(3)：175-181．

YANG Z L，ZHAO Q，WU B W，et al．Ultra-short term wind speed prediction based on spatial correlation by k-nearest neighbor[J]．Electric Power Automation Equipment，2019，39(3)：175-181．

[20]黃瑞芳，周園春，鞠永茂，等．氣象與大數(shù)據(jù)[M]．北京：科學(xué)出版社，2017：128-129．

HUANG R F，ZHOU Y C，JU Y M，et al．Meteorology and Big Data[M]．Beijing：Science Press ，2017：128-129．

[21]中國電力科學(xué)研究院．風(fēng)電功率預(yù)測體系及運行機制研究項目報告[R]．北京：中國電力科學(xué)研究院，2012．

China Electric Power Research Institute．Wind power forecast system and operation mechanism research project report[R]．Beijing：China Electric Power Research Institute，2012．

[22]馬文通，朱蓉，李澤椿，等．基于CFD動力降尺度的復(fù)雜地形風(fēng)電場風(fēng)電功率短期預(yù)測方法研究[J]．氣象學(xué)報，2016，74(1)：89-102．

MA W T，ZHU R，LI Z C，et al．Study of the short-term wind power forecasting method for complex terrain wind farm based on the CFD dynamical downscalling[J]．Acta Meteorologica Sinica，2016，74(1)：89-102．

[23]OPTIS M，PERR-SAUER J．The importance of atmospheric turbulence and stability in machine-learning models of wind farm power production[J]．Renewable & Sustainable Energy Reviews，2019，112：27-41．

[24]ZJAVKA L，MISAK S．Direct wind power forecasting using a polynomial decomposition of the general differential equation[J]．IEEE Transactions on Sustainable Energy，2018，9(4)：1529-1539．

[25]楊正瓴，吳炳衛(wèi)，趙強，等．我國冬季風(fēng)路徑上風(fēng)速與其影響因子的優(yōu)化延遲相關(guān)性分析[J]．電力系統(tǒng)保護(hù)與控制，2018，46(19)：51-58．

YANG Z L，WU B W，ZHAO Q，et al．Analysis of the optimal lag time of wind speeds and their influence factors on the main path of China winter monsoon[J]．Power System Protection and Control，2018，46(19)：51-58．

[26]葉篤正，李崇銀，王必魁．動力氣象學(xué)[M]．北京：科學(xué)出版社，1988：50．

YE D Z，LI C Y，WANG B K．Dynamic meteorology[M]．Beijing：Science Press ，1988：50．

[27]ZDUNKOWSKI W，BOTT A．Dynamics of the atmosphere：a course in theoretical meteorology[M]．Cambridge：Cambridge University Press，2003：258．

[28]EMEIS S．Wind energy meteorology：atmospheric physics for wind power generation，green energy and technology [M]．Berlin：Springer-Verlag，2013：386．

[29]YANG Z L，LI Z Z，LIU R X，et al．Fitting the variations from the wind speed to the active power of a wind powered generator by a low-pass filter[C]//Proceedings of the 2018 13th World Congress on Intelligent Control and Automation．Changsha，China，2018：1685-1690．

Analysis of the Influence of Atmospheric Pressure Difference on Spatial Correlation Prediction of Wind Speed

YANG Zhengling1, WAGN Ruxue1, QIAO Jian1, ZHANG Xi1, YANG Zhao1, ZHANG Jun2

(1. School of Electrical and Information Engineering, Tianjin University, Nankai District, Tianjin 300072, China;2. Key Laboratory of Process Measurement and Control (Tianjin University), Nankai District, Tianjin 300072, China)

Spatial correlation prediction of wind speed is an effective method for wind power prediction. In order to improve the effect of spatial correlation prediction of wind speed, the basic equations of atmospheric motion in dynamic meteorology were analyzed, and pressure gradient force, Earth gravity force and the friction force are the basic forces of atmospheric motion. In the time scale of short-term and super-short-term wind power prediction, gravity and friction of the earth can usually be regarded as known quantities or invariants, so pressure gradient force is the primary force causing wind. The value of development spatial correlation and prediction was quantitative analyzed on the southeastern coast of China. It shows that the spatial correlation of monsoon region in China is obviously higher than that in Europe and America，and the southeast coast of offshore wind power are significantly higher than the land, especially suitable for spatial correlation prediction. The spatial correlation of atmospheric pressure prediction is one of the reliable basics methods for prediction of monsoon wind power in China.

wind power prediction; wind speed; atmospheric pressure; pressure difference; spatial correlation

10.12096/j.2096-4528.pgt.19126

TK 89

國家自然科學(xué)基金委員會–國家電網(wǎng)公司聯(lián)合基金(U1766210)。

Project Supported by National Natural Science Foundation of China-State Grid Corporation of China Joint Fund Project (U1766210).

2020-06-29。

(責(zé)任編輯 辛培裕)