本發(fā)明涉及氣象算法研發(fā)與應用，具體涉及基于數值模式的風電場點位風速風向預測方法及裝置。

背景技術：

1、風功率和出力的精準預測很大程度上來源于對風電場站各風機點位輪轂高度處風速的精準預測。目前的風電場站內風機點位風速預測存在下述問題：

2、1.風電場站風資源預測準確率普遍較低，直接影響到風功率預測和出力預測準確率。目前風電場站功率和出力預測準確率普遍較低，其中氣象因素影響最為顯著(約占40-50％)。風電場站由于受到大尺度天氣背景場疊加小尺度環(huán)流影響(例如在陸上受到復雜地形抬升、局地山谷風熱力環(huán)流及地形重力波等；海上受到海-氣相互作用、臺風等海洋極端天氣事件等)，局地風場系統十分復雜，使得風電場站風資源具有極高的間歇性和不穩(wěn)定性，風資源精準預測難度較大，直接影響到風功率預測和出力預測準確率，使得場站面臨極大的考核壓力。

3、2.風電場站區(qū)域內風機之間的間距較近，而現有技術中全球/區(qū)域數值預報模型普遍使用的模擬分辨率較粗，無法實現風電場站區(qū)域內各風機點位風場情況的精細化模擬，容易引起較大誤差。

4、3.風電場站觀測資料缺乏且數據質量較差，需要進行數據質量控制。目前陸上和海上風電場站觀測資料缺乏，且已有觀測資料中存在大量的缺測、錯誤值，使得觀測數據可用性較差。

5、此外，在風電場站內部還容易受到微尺度湍流和風機之間的尾流效應影響，這就對場站內風機點位風速的精準預測提出了更大挑戰(zhàn)。

技術實現思路

1、有鑒于此，本發(fā)明提供了一種基于數值模式的風電場點位風速風向預測方法及裝置，以解決風電場站內風機點位風速預測精準度較低的問題。

2、第一方面，本發(fā)明提供了一種基于數值模式的風電場點位風速風向預測方法，該方法包括：

3、獲取風電場標準實際觀測數據和fnl再分析資料；

4、將fnl再分析資料作為初始場，對中尺度區(qū)域數值模式進行模式參數設置和多種物理參數方案設置，形成數值模式預測模型；模式參數設置包括水平方向的嵌套網格設置、垂直方向的混合垂直坐標系設置和模式頂高設置；

5、基于數值模式預測模型得到風電場點位風速風向初步預測結果，并基于風電場點位風速風向初步預測結果與標準實際觀測數據對數值模式預測模型進行調試優(yōu)化，得到風電場點位風速風向預測模型；

6、基于風電場點位風速風向預測模型和預設高度對風電場點位風速風向進行預測。

7、本發(fā)明提供的基于數值模式的風電場點位風速風向預測方法，通過以風電場站區(qū)域為模擬區(qū)域設置嵌套網格超高分辨率數值模擬試驗，以1°×1°的fnl再分析資料為初始場，設置模式參數使得最內層配套使用3弧秒分辨率(約90m)的超高分辨率地形數據，最內層網格分辨率高達333m，基于數值模式預測模型得到風電場點位風速風向初步預測結果，并基于風電場點位風速風向初步預測結果與標準實際觀測數據對數值模式預測模型進行調試優(yōu)化，得到風電場點位風速風向預測模型，基于風電場點位風速風向預測模型和預設高度對風電場點位風速風向進行預測，可實現模擬區(qū)域內微尺度風場和各風機點位輪轂高度處風速風向的精細化模擬，結合風電場站標準實測觀測數據，能夠提高風電場站各風機點位輪轂高度處風速預測準確率，為風電場站精細化點位風速預報、區(qū)域風能資源評估、風電場站極端氣象災害預警、風功率預測等提供技術支撐和決策依據，同時節(jié)約成本并降低場站考核費用，解決了風電場站內風機點位風速預測精準度較低的問題。

8、在一種可選的實施方式中，通過下述方式獲取風電場標準實際觀測數據：

9、獲取風電場原始觀測數據；

10、對風電場原始觀測數據進行數據質量控制和數據歸一化的數據清洗處理，得到風電場標準實際觀測數據。

11、本發(fā)明提供的基于數值模式的風電場點位風速風向預測方法，對風電場站原始觀測數據進行質量控制和歸一化處理得到高質量的標準實測觀測數據，能夠正確的識別并解決原始觀測數據中存在的缺失值、錯誤值等情況，從而提高場站觀測數據質量，能夠對風電場站區(qū)域內各風機點位輪轂高度處風速模擬結果進行有效訂正。

12、在一種可選的實施方式中，將fnl再分析資料作為初始場，對中尺度區(qū)域數值模式進行模式參數設置和多種物理參數方案設置，形成數值模式預測模型包括：

13、將fnl再分析資料作為初始場，對中尺度區(qū)域數值模式進行水平方向的嵌套網格設置、垂直方向的混合垂直坐標系設置和模式頂高設置以及多種物理參數方案設置；

14、從多種物理參數方案中任意選擇兩種或兩種以上進行物理參數方案組合并基于設置完成的模式參數構建形成數值模式預測模型。

15、本發(fā)明提供的基于數值模式的風電場點位風速風向預測方法，以1°×1°的fnl再分析資料作為初始場，實現了獲得包含種類繁多、具有全球大范圍的數據、而且可延伸很長的時段的氣象要素的完整再分析資料數據集的目的，對中尺度區(qū)域數值模式進行水平方向和垂直方向的模式參數設置以及多種物理參數方案設置，從多種物理參數方案中任意選擇兩種或兩種以上進行物理參數方案組合并基于設置完成的模式參數構建形成數值模式預測模型，使得嵌套網格最內層分辨率高達333m，能夠很好的刻畫出風電場站區(qū)域內存在的微小尺度湍流運動，從而實現區(qū)域內微尺度風場和各風機點位輪轂高度處風速風向的精細化模擬，能夠彌補觀測手段的不足，具有較高的研究與應用價值，為后續(xù)對模型的調整優(yōu)化提供了條件。在一種可選的實施方式中，將fnl再分析資料作為初始場，對中尺度區(qū)域數值模式進行水平方向的嵌套網格設置垂直方向的混合垂直坐標系設置和模式頂高設置以及多種物理參數方案設置包括：

16、將fnl再分析資料作為初始場，在水平方向采用第一預設層數的嵌套網格對中尺度區(qū)域數值模式進行模式參數設置，嵌套網格中每層網格的水平分辨率設置為預設距離，每層網格包括多個格點；嵌套網格中最內層網格包括預設分辨率的地形數據；

17、在垂直方向采用第二預設層數的混合垂直坐標系對中尺度區(qū)域數值模式進行模式參數設置，混合垂直坐標系包括地形跟隨質量坐標系和等壓面坐標系；

18、對應嵌套網格中每層網格對應設置積云參數化方案、邊界層方案、陸面過程方案、長波輻射方案、云微物理方案、表面層方案和短波輻射方案作為多種物理參數方案。

19、本發(fā)明提供的基于數值模式的風電場點位風速風向預測方法，在水平方向采用第一預設層數的嵌套網格對中尺度區(qū)域數值模式進行模式參數設置，嵌套網格中每層網格的水平分辨率設置為預設距離，每層網格包括多個格點；嵌套網格中最內層網格包括預設分辨率的地形數據；在垂直方向采用第二預設層數的混合垂直坐標系對中尺度區(qū)域數值模式進行模式參數設置，混合垂直坐標系包括地形跟隨質量坐標系和等壓面坐標系；對應嵌套網格中每層網格對應設置積云參數化方案、邊界層方案、陸面過程方案、長波輻射方案、云微物理方案、表面層方案和短波輻射方案作為多種物理參數方案，為后續(xù)構建數值模式預測模型提供了條件，采用第一預設層數的嵌套網格和第二預設層數的混合垂直坐標系實現了對模擬區(qū)域精細化模擬的目的，提高了預測模型的預測精度。

20、在一種可選的實施方式中，基于風電場點位風速風向初步預測結果與標準實際觀測數據對數值模式預測模型進行調試優(yōu)化，得到風電場點位風速風向預測模型包括：

21、計算風電場點位風速初步預測結果與標準實際觀測數據之間的誤差；

22、當誤差不滿足預設誤差閾值時，重新對多種物理參數方案進行組合，以對數值模式預測模型進行調試優(yōu)化，得到風電場點位風速風向預測模型。

23、本發(fā)明提供的基于數值模式的風電場點位風速風向預測方法，計算風電場點位風速初步預測結果與標準實際觀測數據之間的誤差；當誤差不滿足預設誤差閾值時，重新對多種物理參數方案進行組合，以對數值模式預測模型進行調試優(yōu)化，得到風電場點位風速風向預測模型，實現了基于標準實際觀測數據對數值模式預測模型調試優(yōu)化的目的，能夠提高風電場站各風機點位輪轂高度處風速預測準確率。

24、在一種可選的實施方式中，預設高度包括風電場中各風機點位上空距地表多個特定高度和風機輪轂高度；

25、基于風電場點位風速風向預測模型和預設高度對風電場點位風速風向進行預測包括：

26、采用風電場點位風速風向預測模型對風電場中各風機點位上空距地表多個特定高度和風機輪轂高度多個時刻的風速風向進行預測，得到風速風向預測結果；

27、從風速風向預測結果中提取每個時刻風速值和風向值的網格化數據；

28、采用插值算法將每個時刻風速值和風向值的網格化數據插值至各風機點位，得到風電場各風機點位風速風向值。

29、本發(fā)明提供的基于數值模式的風電場點位風速風向預測方法，采用風電場點位風速風向預測模型對風電場中各風機點位上空距地表多個特定高度和風機輪轂高度多個時刻的風速風向進行預測，得到風速風向預測結果，從風速風向預測結果中提取每個時刻風速值和風向值的網格化數據；采用插值算法將每個時刻風速值和風向值的網格化數據插值至各風機點位，得到風電場各風機點位風速風向值，實現了對風電場站各風機點位風速風向值精細化模擬的目的，能夠提高風電場站各風機點位輪轂高度處風速預測準確率，為場站精細化點位風速預報、區(qū)域風能資源評估、風電場站極端氣象災害預警、風功率預測等提供技術支撐和決策依據，同時節(jié)約成本并降低場站考核費用。

30、在一種可選的實施方式中，采用插值算法將每個時刻風速值和風向值的網格化數據插值至各風機點位，得到風電場各風機點位風速風向值包括：

31、采用水平插值算法將每個時刻風速值和風向值的網格化數據插值至各風機點位，得到風電場中各風機點位上空距地表單個特定高度處至大氣層頂每個時刻的一維高度坐標數據；

32、基于每個時刻的一維高度坐標數據采用垂直插值算法將每個時刻風速值和風向值的網格化數據插值至各風機點位，得到風電場各風機點位風速風向值。

33、本發(fā)明提供的基于數值模式的風電場點位風速風向預測方法，通過水平插值和垂直插值算法得到了風電場各風機點位風速風向值，得到的風電場各風機點位風速風向值接近于標準實測觀測值，提高了風電場各風機點位風速風向值的預測精確度。

34、第二方面，本發(fā)明提供了一種基于數值模式的風電場點位風速風向預測裝置，該裝置包括：

35、數據獲取模塊，用于獲取風電場標準實際觀測數據和fnl再分析資料；

36、模型構建模塊，用于以fnl再分析資料為輸入數據，對中尺度區(qū)域數值模式進行模式參數設置和多種物理參數方案設置，形成數值模式預測模型；模式參數設置包括水平方向的嵌套網格設置、垂直方向的混合垂直坐標系設置和模式頂高設置；

37、模型優(yōu)化模塊，用于預測模型基于數值模式預測模型得到風電場點位風速風向初步預測結果，并基于風電場點位風速風向初步預測結果與標準實際觀測數據對數值模式預測模型進行調試優(yōu)化，得到風電場點位風速風向預測模型；

38、預測模塊，用于基于風電場點位風速風向預測模型和預設高度對風電場點位風速風向進行預測。

39、第三方面，本發(fā)明提供了一種計算機設備，包括：存儲器和處理器，存儲器和處理器之間互相通信連接，存儲器中存儲有計算機指令，處理器通過執(zhí)行計算機指令，從而執(zhí)行上述第一方面或其對應的任一實施方式的基于數值模式的風電場點位風速風向預測方法。

40、第四方面，本發(fā)明提供了一種計算機可讀存儲介質，該計算機可讀存儲介質上存儲有計算機指令，計算機指令用于使計算機執(zhí)行上述第一方面或其對應的任一實施方式的基于數值模式的風電場點位風速風向預測方法。