基于相似卡尔曼滤波的安徽省WRF模式风速预报订正

doi:10.3969/j.issn.1673-503X.2023.04.005

气象与环境学报 ›› 2023, Vol. 39 ›› Issue (4): 31-37.doi: 10.3969/j.issn.1673-503X.2023.04.005

基于相似卡尔曼滤波的安徽省WRF模式风速预报订正

吴迪¹(),田宏强¹,刘辉¹,王京景¹,左晨亮²,徐晶晶^3,*()

1. 国家电网安徽省电力有限公司, 安徽合肥 230000
2. 安徽继远软件有限公司, 安徽合肥 230000
3. 中国科学院大气物理研究所, 北京 100029

收稿日期:2021-10-29 出版日期:2023-08-28 发布日期:2023-09-23
通讯作者: 徐晶晶 E-mail:wud2734@ah.sgcc.com.cn;xujingjing@mail.iap.ac.cn
作者简介:吴迪, 男, 1972年生, 高级工程师, 主要从事电力气象预警、电网自动电压控制、电网稳定机理等方面的研究, E-mail: wud2734@ah.sgcc.com.cn
基金资助:
国家电网安徽省电力有限公司科技项目“数值天气预报与电力系统观测源同化技术研究与应用”(B31200200004)

Bias correction of wind speed forecasts for the WRF model in Anhui province based on the analog Kalman filter method

Di WU¹(),Hongqiang TIAN¹,Hui LIU¹,Jingjing WANG¹,Chenliang ZUO²,Jingjing XU^3,*()

1. State Grid Anhui Electric Power Corporation of China (SGCC), Hefei 230000, China
2. Anhui Jiyuan Software Corporation, Hefei 230000, China
3. Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China

Received:2021-10-29 Online:2023-08-28 Published:2023-09-23
Contact: Jingjing XU E-mail:wud2734@ah.sgcc.com.cn;xujingjing@mail.iap.ac.cn

摘要/Abstract

摘要：

应用改进的相似卡尔曼滤波方法对2020年4—12月安徽省19个基本气象站WRF模式预报的10 m风速进行误差订正。结果表明：订正后的风速预报平均偏差从1.35 m·s^-1降低至0.08 m·s^-1，基本消除了模式的系统误差；均方根误差从1.77 m·s^-1减小至0.81 m·s^-1。平均风速为3 m·s^-1以上的较大风，风速预报的均方根误差从2.01 m·s^-1降低至1.19 m·s^-1，表明该方法不仅可以有效减小模式的系统误差，还可以大幅减小模式的随机误差。相似卡尔曼滤波可以对无法精确模拟物理过程的数值模式进行误差订正，提高模式在天气系统剧烈变化时的预报准确率，适用于气象要素24~72 h的连续预报。

关键词: 数值预报, 误差订正, 系统误差

Abstract:

The error correction of the 10 m wind speed forecasted by the WRF model at 19 meteorological stations in Anhui province from April to December 2020 was carried out using the improved similar Kalman filter method.The results show that the average deviation of wind speed forecast is reduced from 1.35 m·s^-1 to 0.08 m·s^-1, which is about an elimination of the systematic error of the model.The root-mean-square error (RMSE) decreases from 1.77 m·s^-1 to 0.81 m·s^-1.When the average wind speed is more than 3 m·s^-1, the root-mean-square error of the wind speed forecast is reduced from 2.01 m·s^-1 to 1.19 m·s^-1, indicating that this method can not only effectively reduce the systematic error of the model, but also greatly reduce the random error of the model.The similar Kalman filter can correct the error of the physical process model which cannot be simulated accurately, improve the forecast accuracy of the model when the weather system changes dramatically and is suitable for the continuous forecast of meteorological elements for 24~72 hours.

Key words: Numerical weather prediction, Bias correction, Systematic error

中图分类号:

P457.5

吴迪,田宏强,刘辉,王京景,左晨亮,徐晶晶. 基于相似卡尔曼滤波的安徽省WRF模式风速预报订正[J]. 气象与环境学报, 2023, 39(4): 31-37.

Di WU,Hongqiang TIAN,Hui LIU,Jingjing WANG,Chenliang ZUO,Jingjing XU. Bias correction of wind speed forecasts for the WRF model in Anhui province based on the analog Kalman filter method[J]. Journal of Meteorology and Environment, 2023, 39(4): 31-37.

图/表 9

图1

图2

表1

图3

表2

图4

图5

图6

表3

参考文献 23

1	Lange M , Focken U . Physical approach to short-term wind power prediction[M]. Berlin, Heidelberg: Springer, 2006.
2	王民昆, 肖天贵, 王超, 等. 细网格气象特征对青藏高原地区电网安全的影响[J]. 西南农业学报, 2020, 33 (8): 1835- 1844.
3	Yang Q , Berg L K , Pekour M , et al. Evaluation of WRF-predicted near-hub-height winds and ramp events over a Pacific Northwest site with complex terrain[J]. Journal of Applied Meteorology and Climatology, 2013, 52 (8): 1753- 1763. doi: 10.1175/JAMC-D-12-0267.1
4	邢旭煌, 朱蓉, 翟盘茂, 等. 海南省及其近海风能资源的高分辨率数值模拟[J]. 热带气象学报, 2009, 25 (4): 421- 426.
5	李艳, 成培培, 路屹雄, 等. 典型复杂地形风能预报的精细化研究[J]. 高原气象, 2015, 34 (2): 413- 425.
6	肖擎曜, 胡非, 范绍佳. 风能数值预报的模式输出统计(MOS)研究[J]. 资源科学, 2017, 39 (1): 116- 124.
7	Mitchell M J , Ancell B , Lee J A , et al. Configuration of statistical postprocessing techniques for improved low-level wind speed forecasts in west Texas[J]. Weather and Forecasting, 2020, 35 (1): 129- 147. doi: 10.1175/WAF-D-18-0186.1
8	王洁, 郭鹏, 何晓凤, 等. 基于测风塔观测资料的近地层风速平面订正[J]. 气象与环境学报, 2020, 36 (6): 115- 121.
9	程兴宏, 陶树旺, 魏磊, 等. 基于WRF模式和自适应偏最小二乘回归法的风能预报试验研究[J]. 高原气象, 2012, 31 (5): 1461- 1469.
10	Zamo M , Bel L , Mestre O , et al. Improved gridded wind speed forecasts by statistical postprocessing of numerical models with block regression[J]. Weather and Forecasting, 2016, 31 (6): 1929- 1945.
11	Chang G W , Lu H J , Chang Y R , et al. An improved neural network-based approach for short-term wind speed and power forecast[J]. Renewable Energy, 2017, 105, 301- 311.
12	丁煌, 陶树旺, 肖子牛, 等. 基于WRF和SVM方法的风电场功率预报技术研究[J]. 高原气象, 2013, 32 (2): 581- 587.
13	孙苏琪, 王式功, 罗彬, 等. 应用机器学习算法的成都市冬季空气污染预报研究[J]. 气象与环境学报, 2020, 36 (2): 98- 104.
14	Monache L D , Nipen T , Deng X X , et al. Ozone ensemble forecasts: 2.A Kalman-filter predictor bias correction[J]. Journal of Geophysical Research, 2006, 111 (D5): D05308.
15	Xu J J , Xiao Z N , Lin Z H . Nonlinear Kalman filter bias correction for wind ramp event forecasts at wind turbine height[J]. Wind and Structures, 2020, 30 (4): 393- 403.
16	Xu J J , Xiao Z N , Lin Z H , et al. System bias correction of short-term hub-height wind forecasts using Kalman filter[J]. Protection and Control of Modern Power Systems, 2021, 6, 37.
17	任宏利, 丑纪范. 统计-动力相结合的相似误差订正法[J]. 气象学报, 2005, 63 (6): 988- 993.
18	徐晶晶, 胡非, 肖子牛, 等. 风能模式预报的相似误差订正[J]. 应用气象学报, 2013, 24 (6): 731- 740.
19	赵文婧, 李照荣, 王小勇, 等. 相似误差订正方法在风电短期风速预报中的应用研究[J]. 热带气象学报, 2021, 37 (1): 73- 81.
20	王在文, 陈敏, MonacheL D, 等. 相似集合预报方法在北京区域地面气温和风速预报中的应用[J]. 气象学报, 2019, 77 (5): 869- 884.
21	Monache L D , Nipen T , Liu Y B , et al. Kalman filter and analog schemes to postprocess numerical weather predictions[J]. Monthly Weather Review, 2011, 139 (11): 3554- 3570.
22	Bharucha-Reid A T . 马尔柯夫过程论初步及其应用[M]. 上海: 上海科学技术出版社, 1979.
23	刘辉, 章昊, 字俣丞, 等. 安徽省一次强对流降水过程闪电资料同化数值模拟试验[J]. 气象与环境科学, 2021, 44 (6): 30- 39.

统计量	平均偏差/(m·s^-1)	平均绝对误差/(m·s^-1)	均方根误差/(m·s^-1)	相关系数
模式结果	1.35	1.47	1.77	0.67
24 h ANKF订正	0.08	0.63	0.81	0.69
48 h ANKF订正	0.10	0.64	0.82	0.68
72 h ANKF订正	0.11	0.64	0.83	0.68
24 h MOS订正	0.23	0.83	1.06	0.65

季节	订正情况	平均偏差/(m·s^-1)	平均绝对误差/(m·s^-1)	均方根误差/(m·s^-1)
春季	订正前	1.59	1.71	2.00
春季	订正后	0.09	0.70	0.90
夏季	订正前	1.26	1.39	1.70
夏季	订正后	0.04	0.61	0.79
秋季	订正前	1.34	1.43	1.68
秋季	订正后	0.19	0.60	0.76
冬季	订正前	1.16	1.33	1.72
冬季	订正后	-0.11	0.64	0.85

统计量	平均偏差/(m·s^-1)	平均绝对误差/(m·s^-1)	均方根误差/(m·s^-1)
模式结果	1.35	1.64	2.01
误差订正	-0.82	0.95	1.19

[1]	曲美慧,朱文刚,赵淑红,朱晓彤,涂钢,高枞亭. 常规观测同化对吉林一次短时强降水过程数值预报的影响[J]. 气象与环境学报, 2022, 38(6): 10-19.
[2]	于跃, 毕明林, 阎琦, 林海峰, 冯冬蕾, 于凡越. 辽宁区域性大暴雨成因分析及多模式数值预报空间检验[J]. 气象与环境学报, 2022, 38(4): 11-18.
[3]	金巍, 刘卫华, 高凌峰, 王茜, 韩国敬. 辽宁地区ECMWF模式气温预报检验及误差订正研究[J]. 气象与环境学报, 2020, 36(6): 50-57.
[4]	王洁,郭鹏,何晓凤,刘善峰. 基于测风塔观测资料的近地层风速平面订正[J]. 气象与环境学报, 2020, 36(6): 115-121.
[5]	吴春英, 刘多文, 钟博, 蒋婷婷, 于蕙箐, 陈佳美, 高燕. 基于数值预报模式的乡镇温度预报方法研究[J]. 气象与环境学报, 2019, 35(1): 108-112.
[6]	王叶红, 赵玉春. 不同背景场误差样本模拟方案对数值预报的影响--以“苏迪罗”台风为例[J]. 气象与环境学报, 2018, 34(6): 11-23.
[7]	唐淑敏, 马杰良, 殷佳研, 陆其峰, 官元红, 蔡僖, 唐维尧, 朱柳桦. FY-3A MWHS资料同化对湿度场预报影响评价的试验研究[J]. 气象与环境学报, 2018, 34(5): 142-148.
[8]	贾旭轩, 田莉, 陆井龙, 杨扬. 误差订正在辽宁地区冬季温度预报中的应用[J]. 气象与环境学报, 2016, 32(4): 139-143.
[9]	王开燕,邓涛,邓雪娇,李海洋, 赵小伟,祁秀香. 灰霾数值预报系统对不同天气型过程数值模拟分析[J]. 气象与环境学报, 2014, 30(5): 21-26.
[10]	张晶,姚文,何晓东,吴福杰,赵晓川,王东. 营口地区数值预报降水产品定量检验和预报指标研究[J]. 气象与环境学报, 2014, 30(1): 30-35.
[11]	李得勤,陈力强,周晓珊,杨森,王恕,崔锦. 风电场风速降尺度预报方法对比分析[J]. 气象与环境学报, 2012, 28(6): 25-31.
[12]	周晓珊,崔锦,王连仲,陈力强,杨森. 东北冷涡数值预报系统建立与业务应用[J]. 气象与环境学报, 2012, 28(5): 1-.
[13]	杨森，陈力强，周晓珊. 数值降水预报定量集成方法的业务应用[J]. 气象与环境学报, 2012, 28(5): 14-.
[14]	张宁娜, 黄阁, 吴曼丽, 梁寒, 盛永, 刘桂英. 2010年国内外3种数值预报在东北地区的预报检验[J]. 气象与环境学报, 2012, 28(2): 28-33.
[15]	崔锦, 周晓珊, 陈力强, 张爱忠, 杨森, 阎琦. 利用WRF模式制作东北地区冬季降水相态预报[J]. 气象与环境学报, 2011, 27(6): 1-6.

基于相似卡尔曼滤波的安徽省WRF模式风速预报订正

Bias correction of wind speed forecasts for the WRF model in Anhui province based on the analog Kalman filter method

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 9

参考文献 23

相关文章 15

Metrics

本文评价

推荐阅读 10