(Приложение Б) Алгоритм и методика прогноза

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ АВТОНОМНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ
ВЫСШЕГО ОБРАЗОВАНИЯ «САНКТ-ПЕТЕРБУРГСКИЙ ПОЛИТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ
ПЕТРА ВЕЛИКОГО»
Научно-образовательный центр "Возобновляемые виды энергии и установки на их основе"
УТВЕРЖДАЮ
Заместитель проректора
по научной работе
ФГАОУ ВО «СПбПУ»
________________Сергеев В.В.
«30» декабря 2015 г.
АЛГОРИТМ И МЕТОДИКА ПРОГНОЗА ПОСТУПЛЕНИЯ ВЕТРОЭНЕРГЕТИЧЕСКИХ
РЕСУРСОВ В УСЛОВИЯХ ОГРАНИЧЕННОЙ КЛИМАТИЧЕСКОЙ ИНФОРМАЦИИ
ДЛЯ КОНКРЕТНОГО МЕСТА РАЗМЕЩЕНИЯ ЭНЕРГОКОМПЛЕКСА
Разработали: д.т.н., проф. В.В. Елистратов
м.н.с. М.В. Дюльдин
техник М.А. Сливканич
Санкт-Петербург 2015
СОДЕРЖАНИЕ
ВВЕДЕНИЕ .........................................................................................................................................3
1
ПРИНЦИПЫ
ДОЛГОСРОЧНОГО
ПРОГНОЗИРОВАНИЯ
ПОСТУПЛЕНИЯ
ВЕТРОЭНЕРГЕТИЧЕСКИХ РЕСУРСОВ .......................................................................................4
2
МЕТОДИКА
ЭКСПРЕСС-ОЦЕНКИ
МНОГОЛЕТНЕГО
ПОСТУПЛЕНИЯ
ВЕТРОЭНЕРГЕТИЧЕСКИХ РЕСУРСОВ .......................................................................................9
3
МЕТОДИКА
ОПЕРАТИВНОГО,
ДОЛГОСРОЧНОГО
ПРОГНОЗА
КРАТКОСРОЧНОГО,
ПОСТУПЛЕНИЯ
СРЕДНЕСРОЧНОГО
И
ВЕТРОЭНЕРГЕТИЧЕСКИХ
РЕСУРСОВ.. .....................................................................................................................................12
4
ПРОГНОЗ ВЫРАБОТКИ ЭЛЕКТРОЭНЕРГИИ ВЭУ (ВЭС). ..............................................14
ВЫВОДЫ ..........................................................................................................................................15
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ ..............................................................................16
2
ВВЕДЕНИЕ
Разработанная методика прогноза поступления ветроэнергетических ресурсов является
продолжением разработок по прогнозированию и оценке поступления ресурсов ВИЭ в связи
со сложностью описания прихода ВЭР во времени и множества факторов, влияющих на их
изменение.
Методика
основывается
на
результатах
трехуровневой
оценки
ветроэнергетических ресурсов, разработанной на предыдущем этапе и последовательно
уточняющей на каждом этапе ряд скоростей и направлений ветра в месте расположения
энергокомплекса.
На основе проанализированной литературы [1-3] прогнозирование поступления
ветроэнергетических ресурсов предлагается классифицировать в зависимости от срока
прогнозирования: оперативное, краткосрочное, среднесрочное и долгосрочное (табл. 1).
Долгосрочное
прогнозирование
в
связи
с
большим
количеством
длительности
прогнозирования разделяется более подробно на многолетнее, годовое, месячное и недельное
прогнозирование.
Таблица 1 – Классификация прогнозирования поступления ветроэнергетических ресурсов
Вид прогноза
Оперативное
Диапазон
прогнозирования
От нескольких секунд
до 30 мин.
Краткосрочное
От 30 мин до 48 (72) ч
Среднесрочное
От 48 (72) ч до 1 недели
Долгосрочное
Недельное
1 неделя
Месячное
1 месяц
Годовое
1 год
Многолетнее
Более 1 года
Область применения
Рынок электроэнергии
Управление ВЭУ
Прогноз производства
электроэнергии
Техническое обслуживание
Оптимизация
эксплуатационных затрат
Технико-экономическое
обоснование
Выполненные на предыдущих этапах исследования и обзор существующих методик
прогноза поступления ветровых ресурсов показали, что для технико-экономического
обоснования проектируемого энергокомплекса проводится долгосрочное многолетнее
прогнозирование на срок жизни проекта. Для выбора состава и параметров энергокомплекса
используются месячные и годовые прогнозы ВЭР. Для управления режимами работы
энергокомплекса необходимо оперативное прогнозирование, основанное на данных систем
мониторинга ветра в составе ВЭУ.
3
1 ПРИНЦИПЫ ДОЛГОСРОЧНОГО ПРОГНОЗИРОВАНИЯ
ПОСТУПЛЕНИЯ ВЕТРОЭНЕРГЕТИЧЕСКИХ РЕСУРСОВ
Для прогнозирования поступления ВЭР предлагается статистический подход,
основанный на результатах трехуровневой оценки ветроэнергетических ресурсов (ВЭР),
разработанной на предыдущем этапе.
Последовательность долгосрочного прогнозирования следующая:
1.
Исходными данными для проведения прогноза являются многолетние почасовые
ряды данных о скорости и направлении ветра (рис. 1), полученные в результате трехуровневой
оценки ВЭР.
а)
б)
в)
Рисунок 1 – Пример исходного многолетнего ряда почасовых значений скорости ветра:
а – суточный ход скорости ветра, б – годовой ход скорости ветра, в – многолетний ход
скорости ветра
2.
Исходные ряды корректируются в соответствии с данными натурных наблюдений,
и синтезируется уточненный ряд скоростей и направлений ветра.
Основой корректировки является метод корреляционного МСР анализа.
4
Корреляционный
сравнивать
ряды
МСР
(Measure-Correlate-Predict)
метеонаблюдений,
а
также
анализ
используется
позволяет
для
попарно
пролонгации
краткосрочных (годовых) натурных наблюдений на многолетний период или заполнения
пропущенных периодов измерений.
Из множества методов МСР анализа предлагается использовать наиболее широко
применяемый метод линейной регрессии, в котором основным показателем степени
корреляции между рядами является коэффициент детерминации r2 [5]. Он характеризует
дисперсию (отклонение) измеренных значений от прямой, описывающей зависимость между
рядами (рис. 2):
V1 =b∙V2 ,
(1)
где V1 и V2 – значения скоростей ветра в одинаковый момент времени для сравниваемых рядов
наблюдений.
Рисунок 2 – Пример аппроксимации соотношения измеренных значений прямой (для
коэффициента детерминации r2=0,7)
Рекомендуемое значение коэффициента детерминации r2 в международной практике
ветромониторинга составляет 0,7-0,8, что гарантирует хорошую сопоставимость двух рядов и
считается приемлемым для составления многолетнего синтезированного ряда ветровой
статистики с высокой точностью [6].
Основными требованиями к выбору сравниваемых рядов является их гомогенность и
нахождение в пределах одной климатической зоны, при этом ряды могут отражать скорости
ветра на различных высотах в разных точках местности.
Значительное влияние на значение коэффициента детерминации оказывает интервал
сравнения рассматриваемых рядов. При очень малых интервалах сравнения ряды могут
5
значительно отличаться в силу различных микроклиматических факторов в точках измерений,
при больших интервалах сравнения характерные особенности хода скоростей ветра могут
сглаживаться и не отражать реальной картины. Оптимальное значение интервала сравнения
определяется по эмпирической зависимости [7]:
∆t ≈
где D –
D
,
ν
расстояние между точками
(2)
наблюдений сравниваемых
рядов [м];
ν–
среднемноголетняя скорость многолетнего ряда ветровой статистики [м/с].
Для синтезирования многолетнего ряда ветровой статистики на основе краткосрочных
натурных наблюдений значения опорного многолетнего ряда кратно изменяются на
коэффициент b (1), определяемый методом наименьшего среднеквадратичного отклонения,
пропущенные в обоих рядах значения определяются методом Монте-Карло, данные натурных
наблюдений остаются неизмененными. При отсутствии натурных измерений в месте
расположения энергокомплекса используются данные натурных измерений в других точках
рассматриваемого региона.
После проведения МСР анализа и получения многолетнего синтезированного ряда на
его основе проводится оценка удельной мощности ветрового потока и соотносится с
результатами оценок без использования натурных данных. В результате осреднения данных
соотношений для нескольких точек в регионе выводятся региональные корректирующие
коэффициенты avi, на основе которых составляются скорректированные ряды скоростей ветра.
3.
Для среднемноголетней экспресс-оценки поступления ВЭР для технико-
экономического обоснования полученный ряд дополнительно корректируется в соответствии
с трендом климатических изменений ветра для данного региона. Тренд строится на основе
многолетнего хода ветра (рис. 3). По полученному ряду скоростей и направлений ветра
рассчитывается среднегодовая выработка ВЭС за многолетний период.
5.20
Vмн = 4,71 м/с
акл =-0,0014
V, м/с
4.70
4.20
1980
1985
1990
1995
2000
2005
2010
Рисунок 3 – Пример тренда климатических изменений скорости ветра
6
2015
4.
Для выбора оптимального состава и параметров оборудования и управления
режимами работы энергокомплекса требуется более точное прогнозирование (годовое,
месячное,
краткосрочное
и
оперативного).
Основой
для
него
служит
процедура
автокорреляции.
Принципом автокорреляции является разбиение рассматриваемого ряда на две
функции: базовую и такую же функцию, сдвинутую на временной диапазон τ0 (рис. 4). Для
периода T, в котором определены обе функции, с помощью МСР анализа определяется
коэффициент детерминации r2. Далее рассматриваются другие значения τi до определения
максимального коэффициента детерминации рассматриваемого ряда и соответствующего ему
сдвига τ. По последнему значению скорости в ряду и соответствующего ему значению через
кратный τ диапазон времени определятся коэффициент пропорциональности с.
τ
T
Рисунок 4 – Пример автокорреляции ряда
Таким образом, проводится анализ частотных характеристик (периодичности) базового
временного ряда. Это позволяет продлить ряд на необходимый период. Диапазон
прогнозирования при автокорреляции определяется исходным рядом, т.е. для оперативного
прогнозирования с периодом от нескольких секунд до получаса, необходимого для
осуществления управления режимами работы энергокомплекса, необходимо использовать
посекундные данные систем мониторинга ВЭУ.
На основании полученных рядов уточняется выработка ВЭС и осуществляется
управление режимами работы энергокомплекса.
Более
подробное
руководство
к
определению
вышеуказанных
поправочных
коэффициентов и расчетных величин приведено в методиках прогноза (гл. 2,3).
Описанные подходы к прогнозу поступления ВЭР отражены в алгоритме проведения
расчетов (рис. 5). Прогнозирование поступления ветроэнергетических ресурсов проводится в
несколько этапов:
7
1.
Исходный ряд скоростей корректируется по валидации с данными натурных
наблюдений в точке натурных наблюдений, либо с помощью региональных коэффициентов,
определенных по натурным наблюдениям в других точках региона.
2.
Определяются цели прогнозирования поступления ВЭР.
3.
При
использовании
методики
для
технико-экономического
обоснования
строительства энергокомплекса, производится экспресс-оценка многолетнего поступления
ВЭР в течение всего срока жизни энергокомплекса с достаточной точностью интегральных
показателей и без использования большого количества вычислительных ресурсов.
4.
Для
оптимизации
состава
и
параметров
энергокомплекса
проводится
прогнозирование ряда на базе автокорреляции. Для оперативного прогнозирования
необходимы дополнительные исходные данные, измеренные системами мониторинга ВЭУ в
процессе пуско-наладочных работ и эксплуатации ВЭС.
5.
На основе прогнозных рядов скорости и направления ветра рассчитывается
прогнозная выработка ВЭУ (ВЭС).
Рисунок 5 – Алгоритм прогноза поступления ветроэнергетических ресурсов
для конкретного места размещения энергокомплекса
8
Таким образом, в результате реализации алгоритма уточненный долгосрочный прогноз
выработки ВЭС в составе энергокомплекса и поступление ветроэнергетических ресурсов с
необходимым интервалом пргнозирования.
2 МЕТОДИКА ЭКСПРЕСС-ОЦЕНКИ МНОГОЛЕТНЕГО ПОСТУПЛЕНИЯ
ВЕТРОЭНЕРГЕТИЧЕСКИХ РЕСУРСОВ
1. Исходная информация.
В
качестве
исходной
информации
для
прогнозирования
поступления
ветроэнергетических ресурсов используются:
– полученные в результате трехуровневой оценки ВЭР многолетние почасовые ряды
данных о скорости и направлении ветра V0(t) (рис. 1);
– краткосрочные
(годовые)
данные
натурных
измерений,
проведенных
в
рассматриваемом регионе или в месте расположения энергокомплекса.
2. Корректировка исходной информации по валидации с данными натурных
наблюдений.
Необходимость корректировки и сопоставления результатов оценки ВЭР вызвана
особенностью используемых в методике оценки ВЭР данных баз реанализа, которые в разных
регионах мира имеют различную точность [4]. При отсутствии натурных наблюдений, оценки
ВЭР
в точке могут
не соответствовать
реальной
ситуации, правильно отражая
территориальное распределение ВЭР, но завышая или занижая значения скорости и удельных
мощностей ветрового потока в отдельно взятой точке.
Корректировка по валидации с данными натурных наблюдений может быть
произведена для различной полноты исходной информации:
– При наличии данных натурных наблюдений в точке местоположения
энергокомплекса проводится стандартная процедура МСР анализа. Сравниваемыми рядами
являются данные баз реанализа в узлах расчетной сетки (результаты уровня мезомасштабного
моделирования) и данные натурных наблюдений. Для перекрывающихся значений сроится
зависимость значений одного ряда от другого и аппроксимируется прямой вида (1).
Синтезированный многолетний ряд ветровой статистики V1(t) базируется на неизменных
данных натурных наблюдений, остальные значения ряда рассчитываются на основании
опорного многолетнего ряда (кратно изменяются на коэффициент b).
– При отсутствии натурных наблюдений на рассматриваемой площадке
используются натурные измерения нескольких точек региона с известным ветровым режимом.
Для каждого ряда проводится МСР анализ с данными ближайших узлов используемой
базы реанализа и синтезируется многолетний ряд. На его основе проводится оценка удельной
9
мощности ветрового потока и сопоставляются с результатами оценок без использования
натурных данных. По данному соотношению рассчитывается поправочный коэффициент на
скорость ветра аvi:
avi =
VВИКi 3 NeВИКi
=√
,
V𝑖
Ne𝑖
(2)
где Vi, VВИК, Nei, NeВИК – средние величины скоростей и удельных мощностей ветрового потока
на основе данных реанализа и натурных наблюдений в i-той точке соответственно за
одинаковый период наблюдений.
Удельная мощность ветрового потока определяется по формуле:
1
Nej = ∙ρ∙Vj 3 ,
2
(3)
где ρ – плотность воздуха, Vj – скорость ветрового потока в j-тый момент времени измерений.
Региональный поправочный коэффициент на скорость ветра аv рассчитывается как
среднее значение соответствующих коэффициентов для каждой точки расположения
ветроизмерительных комплексов (ВИК):
∑𝑘𝑖=1 avi
(4)
,
k
– средние величины скоростей ветра на основе данных реанализа и натурных
av =
где Vi и VВИК
наблюдений в i-той точке соответственно за одинаковый период наблюдений, k – количество
точек натурных наблюдений.
Скорректированный по данным натурных наблюдений ряд V(t) в этом случае будет
определяться по формуле:
V1 (t)=av ∙V0 (t).
(5)
Соответствующее значение удельной мощности ветрового потока рассчитывается по
формуле:
∑Tt=1 V1 3 (t)
1
3
Ne(av )=∙ ∙ρ∙av ∙
.
2
T
где T– период прогнозирования.
(6)
Пример рассчитанных коэффициентов аv и оценок природных ВЭР на их основе для
проекта ВДЭС в п. Амдерма приведен в табл. 2.
10
Таблица 2 – Поправочные коэффициенты и оценки природных и технических ВЭР для п. Амдерма
№
Источник
метеоданных
Значения за период натурных
наблюдений
r2, о.е.
Vcp, м/с
Ne, Вт/м2
аv, о.е.
Среднемноголетнее значение
Ne (аv), Вт/м2
1
ВИК
-
8,23
666,0
-
-
2
CFSR
0,684
7,57
439,0
1,15
709
3
MERRA
0,643
7,56
464,5
1,13
734
3. Корректировка по тренду климатических изменений ветра в данном регионе.
Поступление ветроэнергетических ресурсов, как и других ВИЭ, подвержено влиянию
климатических изменений, поэтому при технико-экономическом обосновании строительства
ВЭС в составе энергокомплекса необходимо учитывать предполагаемый период его
эксплуатации.
Долгосрочный прогноз ветрового режима, как и климата в целом, в значительной
степени определяется многолетними колебаниями солнечной активности (одиннадцатилетний
цикл). Действительная продолжительность цикла меняется от 6 до 17 лет [8], поэтому при
долгосрочном прогнозировании линию тренда необходимо строить на основании самых
актуальных многолетних рядов данных баз реанализа за предыдущие 30 и более лет, в которые
целиком укладывается 2-3 многолетних цикла колебаний солнечной активности. Это
позволяет выполнить прогноз на весь срок жизни ВЭС (20-30 лет).
Тренды климатических изменений являются результатом уровня мезомасштабного
моделирования при оценке ВЭР. По ним можно определить соответствующий поправочный
коэффициент акл, являющийся тангенсом угла наклона тренда (рис. 5):
aкл =
∆V
,
T
(7)
где ΔV – изменение скорости по тренду за рассматриваемый период, Т – длительность
рассматриваемого периода.
При
использовании
данного
поправочного
коэффициента
долгосрочное
прогнозирование ряда скоростей может быть рассчитано по формуле:
V(t)= V1 (t)∙ (1+акл ∙(Тi -Ттр )) ,
(8)
где Тi – i-тый год периода эксплуатации энергокомплекса, Ттр – год, соответствующий
среднемноголетнему значению скорости Vмн на линии тренда.
4. Расчет
интегральных
среднемноголетних
характеристик
долгосрочно
прогнозируемого ветрового потока.
На
основе
полученного
прогнозного
ряда
V(t)
определяются
основные
среднемноголетние характеристики ветрового потока в месте размещения энергокомплекса:
11
– среднемноголетняя скорость Vмн;
– удельная мощность ветрового потока Ne;
– повторяемость скоростей ветра по направлениям – роза ветров;
– функция распределения скоростей ветра f(V), которая в мировой практике чаще
всего описывается распределением Вейбулла, характеризующегося двумя параметрами:
масштаба (β или А) и формы (γ или k):
γ
γ V γ-1 -(V)
f(V)= ∙ ( ) ∙e β
β β
(9)
Прогноз выработки электроэнергии ВЭС в составе энергокомплекса приведен в гл. 4.
На основании данной методики могут быть получены карты пространственного
распределения (рис. 6) среднемноголетних характеристик ветрового потока (Vмн, Ne,
параметров Вейбулла β и γ).
Рисунок 6 – Карта пространственного распределения удельной мощности ветрового
потока на высоте 50 м для Ненецкого автономного округа
3
МЕТОДИКА
ОПЕРАТИВНОГО,
КРАТКОСРОЧНОГО,
СРЕДНЕСРОЧНОГО И ДОЛГОСРОЧНОГО ПРОГНОЗА ПОСТУПЛЕНИЯ
ВЕТРОЭНЕРГЕТИЧЕСКИХ РЕСУРСОВ
Для более точного расчета срока окупаемости энергокомплекса на этапе техникоэкономического обоснования, выбора состава и параметров оборудования энергокомплекса, а
также управления его режимами работы экспресс-оценка прихода ВЭР за период жизни
проекта не подходит, т.к. необходимы более точные данные о распределении прихода ВЭР
внутри рассматриваемого периода.
12
1. Исходная информация.
В
качестве
исходной
информации
для
прогнозирования
поступления
ветроэнергетических ресурсов используются:
– полученные в результате трехуровневой оценки ВЭР многолетние почасовые ряды
данных о скорости и направлении ветра V0 (t) (рис. 1);
– краткосрочные
(годовые)
данные
натурных
измерений,
проведенных
в
рассматриваемом регионе или в месте расположения энергокомплекса.
– данные систем мониторинга ветра ВЭУ (для оперативного прогнозирования).
2. Корректировка исходной информации по валидации с данными натурных
наблюдений.
Аналогично п. 2 главы 2 проводится корректировка исходного многолетнего ряда V0(t)
с данными натурных наблюдений. Результатом является скорректированный ряд скоростей и
направлений ветра V(t).
3. Пролонгация многолетнего ряда на основе автокорреляции.
Для прогнозирования поступления ветроэнергетических ресурсов полученный ряд V (t)
продлевается на период жизни энергокомплекса на основе метода автокорреляции.
Автокорреляция проводится в следующем порядке:
1) Рассматриваемый ряд V(t) сдвигается на произвольный временной диапазон τ0.
2) Для периода, в котором определены обе функции: базовая V(t) и Vτ (t), строится
зависимость значений в один и тот же момент времени друг от друга и аппроксимируется
прямой
(1).
Определяется
коэффициент
детерминации
r2,
характеризующий
дисперсию (отклонение) точек от аппроксимирующей прямой.
3) Значение сдвига функции τ0 изменяется на произвольный шаг Δτ, повторяются п. 12. Расчет повторяется для всех значений τi =τ0 +n∙∆τ, где n ∈ ℕ. Диапазон сравнения
функций V(t) и Vτ (t) для любого τi должен быть не менее 9 месяцев.
4) Среди
рассчитанных
значений
определяется
максимальный
коэффициента
детерминации r2 и соответствующее ему значение τ. Максимальный коэффициент
детерминации r2 должен быть больше 0,7-0,8. При отсутствии такого значения шаг Δτ
уменьшается и расчет (п. 3-4) производится снова.
5) Для продления ряда на период k·τ, где k ∈ ℕ (данное значение должно быть меньше
длины рассматриваемого ряда), определяется коэффициент пропорциональности:
с=
V(t)
.
V(t-kτ)
(10)
6) Прогнозный ряд вычисляется по формуле:
Vпр (t)=с∙V0 (t).
13
(11)
4. Оперативное прогнозирование на основе ряда данных систем мониторинга
ветра ВЭУ.
Диапазон прогнозирования при автокорреляции определяется исходным рядом, т.е. для
оперативного прогнозирования с периодом от нескольких секунд до получаса, необходимого
для осуществления управления режимами работы энергокомплекса, невозможно использовать
почасовые данные. Для оперативного прогнозирования скорости ветра используются
посекундные данные систем мониторинга ВЭУ. Продление ряда проводится на основе
автокорреляции (см. п. 3).
4 ПРОГНОЗ ВЫРАБОТКИ ЭЛЕКТРОЭНЕРГИИ ВЭУ (ВЭС)
Для различных видов прогнозирования расчет прогнозной выработки проводится
одинаково на основании полученных прогнозных рядов скоростей ветра соответствующей
продолжительности, функций повторяемости скоростей ветра f(V), рассчитанных на их
основе, и рабочей характеристики ВЭУ PВЭУ (V):
Vост
ЭВЭУn =8760∙ ∫
PВЭУ (V)∙f𝑛 (V)∙ dV,
(12)
Vo
где
ЭВЭУn – выработка ВЭУ за счет скоростей n-ного румба розы ветров; fi (V) – функция
повторяемости скоростей ветра в n-том румбе розы ветров (9); Vo – скорость начала вращения
ветроколеса; Vост – скорость останова.
Общая выработка ВЭУ ЭВЭУ определяется путем суммирования ЭВЭУi для каждого
румба розы ветров:
12
ЭВЭУ = ∑ ЭВЭУn .
𝑛=1
14
(13)
ВЫВОДЫ
1)
Предложена методика прогноза поступления ветроэнергетических ресурсов в
месте расположения энергокомплекса, основанная на методах МСР-анализа и автокорреляции
почасовых многолетних рядов скоростей и направлений ветра, являющихся результатом
трехуровневой оценки ВЭР.
2)
Для технико-экономического обоснования строительства энергокомплекса
предложена экспресс-методика оценки многолетнего поступления ВЭР на основе тренда
климатических изменений скоростей ветра.
3)
Для оптимизации состава и параметров оборудования в составе энергокомплекса
проводится краткосрочный, среднесрочный и долгосрочный прогноз выработки ВЭС в
составе энергокомплекса, основанный на синтезированных прогнозных рядах скоростей ветра
соответствующей продолжительности.
15
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ
1
Xin Zhao, Shuangxin Wang, Tao Li. Review of Evaluation Criteria and Main Methods of Wind
Power Forecasting ICSGCE 2011: 27–30 September 2011, Chengdu, China Energy Procedia 12
(2011) рр 761 – 769
2
Soman, S.S., Zareipour, H., Malik, O. and Mandal, P. (2010) A Review of Wind Power and Wind
Speed Forecasting Methods with Different Time Horizons. Proceedings of the 2010 North American
Power Symposium, Arlington, 26-28 September 2010, рр 1-8.
3
Wu, Y.K. and Hon, J.S. (2007) A Literature Review of Wind Forecasting Technology in the
World. Proceedings of the W.-Y. Chang 167 IEEE Conference on Power Tech, Lausanne, 1-5 July
2007, рр 504-509.
4
Marc N. Schwartz Raymond L. On the Use of Reanalysis Data for Wind Resource Assessment.
11th Applied Climatology Conference American Meteorological Society Dallas, Texas January 1015, 1999. – Электрон. данные. – Режим доступа: http://www.nrel.gov/docs/fy99osti/25610.pdf–
Загл. с экрана.
5
Rogers, Anthony L., et. al., Comparison of the performance of four measure-correlate-predict
algorithms // Journal of Wind Engineering and Industrial Aerodynamics, v 93, n 3, March, 2005, P.
243-264.
6
Елистратов В. В., Дюльдин М. В., Столяров Н. В., Сливканич М. А. Измерение
характеристик ветрового потока установкой CОДАР для определения ветроэнергетических
ресурсов // Международный научный журнал «Альтернативная энергетика и экология» №11
(151) 2014. – с. 21-28
7
Michael C. Brower. WIND RESOURCE ASSESSMENT. A Practical Guide to Developing a
Wind Project. A John Wiley&Sons, Inc., Publication.
8
Зверев А.С.
Синоптическая метеорология. Издание второе, переработанное и
дополненное. Гидрометеоиздат. Ленинград. 1977. стр. 23
16