發(fā)布時間：2021-08-03 08:30

　　為研究黃家灣輸水工程范圍內(nèi)風(fēng)資源的變化特性,采用重標(biāo)度級差分析法,計算得到其參證站—紫云氣象站近5年均值風(fēng)速時間序列的Hurst指數(shù)為0.754,表明該風(fēng)速時序自身具有長程正相關(guān)性。在此基礎(chǔ)上,采用概率場景縮減法,提取3個全年的典型風(fēng)速場景及其概率。結(jié)果表明:場景1為"小幅下降型",整個序列未出現(xiàn)較大起伏,其發(fā)生的概率為29.1%;場景2為"劇烈上升型",前期變化趨勢與場景1較為相似,16點左右風(fēng)速值大幅升降,最后震蕩下行,發(fā)生的概率為31.4%;場景3為"逐步上升型",此場景發(fā)生的概率最大,為39.5%,表明在紫云氣象站近5年的均值風(fēng)速序列中,與此場景相似的序列較多。分析結(jié)果可為輸水工程風(fēng)光互補供電提供參考依據(jù)。 

【文章來源】：陜西水利. 2020,(09)

【文章頁數(shù)】：4 頁

【部分圖文】：

紫云氣象站近5年均值風(fēng)速時序R/S分析圖

本文以紫云氣象站近5年的均值風(fēng)速數(shù)據(jù)作為初始場景樣本，采用SBR場景縮減方法進行場景提取，從而得到典型場景過程及其概率，見表1、圖2。由表1和圖2可知，采用SBR法提取得到3個典型風(fēng)速場景中，場景1為“小幅下降型”，隨著時間的推移和氣候條件的影響，風(fēng)速逐步下降，一天初、末時段的風(fēng)速分別為3.4 m/s、2.9 m/s，變化較小，整個序列未出現(xiàn)較大起伏，其發(fā)生的概率為29.1%。場景2為“劇烈上升型”，在1～15點區(qū)間內(nèi)，其變化趨勢與場景1較為相似，均處于小幅下降的過程，風(fēng)速值也較接近，下午16點左右，風(fēng)速值大幅上升，并在18點左右大幅回落，最后震蕩下行，回到較低值，其發(fā)生的概率為31.4%。場景3為“逐步上升型”，與場景1、2相比，此場景的平均風(fēng)速值較小，這是因為1～12點區(qū)間的風(fēng)速值很小，在0～1.2 m/s區(qū)間內(nèi)變化；12點后，風(fēng)速逐漸開始增大，并出現(xiàn)2個明顯的起伏過程，最終風(fēng)速值下降為1.7 m/s，此場景發(fā)生的概率最大，為39.5%，表明在紫云氣象站近5年的均值風(fēng)速序列中，與此場景相似的序列較多。

【參考文獻】：
期刊論文
[1]R/S和Mann-Kendall法在濟南市地下水管理模型中的應(yīng)用[J]. 齊歡.  中國農(nóng)村水利水電. 2019(08)
[2]基于R/S類分析法的風(fēng)速時間序列Hurst指數(shù)分析[J]. 許子非,鄒錦華,李春,袁全勇.  動力工程學(xué)報. 2019(07)
[3]基于Hurst指數(shù)的風(fēng)速時間序列研究[J]. 袁全勇,楊陽,李春,闞威,葉柯華.  應(yīng)用數(shù)學(xué)和力學(xué). 2018(07)
[4]基于場景分析的含可中斷負(fù)荷的優(yōu)化調(diào)度模型研究[J]. 艾欣,周樹鵬,趙閱群.  中國電機工程學(xué)報. 2014(S1)
[5]考慮多風(fēng)電場出力Copula相關(guān)關(guān)系的場景生成方法[J]. 黎靜華,文勁宇,程時杰,韋化.  中國電機工程學(xué)報. 2013(16)

博士論文
[1]時間序列數(shù)據(jù)挖掘相似性度量和周期模式挖掘研究[D]. 董曉莉.天津大學(xué) 2007



本文編號：3319295