简介:到目前为止,EL型风向风速计仍为气象台、站普遍使用的仪器,且使用的年限都较长,容易出故障。本人搞维修工作多年,现将碰到的风速部分的典型故障及处理情况作如下交流。1一套新安装的EL型电接仪,指示器风速表头有指示,但记录拉平线。用替换法换指示器、记录器后,故障依旧,说明故障在感应器的风速表内。风速表提供记录部分的工作原理是:当风杯转动时,风杯轴带动蜗轮,并通过拨钩推动凸轮一起转动,风速电接簧片沿着凸轮表面滑动,风杯转过80圈后,上簧片先从凸轮上最高点跌下来与下簧片接触,紧跟着下簧片又从凸轮上最高点落下,使上下簧片又分开,完成一次电接。这中间任何一个环节出现问题都能使上下簧片不接触或无效接触,造成此故障现象。以此分析该风速表,用手快速拨动风杯,风速电接簧片接触正常。慢速拨动风杯就发现风轴在转而蜗轮不转。原来是厂家出厂前安装失误,使风轴齿与蜗轮齿似联非联。风速快,能勉强带动蜗轮转;风速慢,蜗轮就与风轴齿离开不转,致使电接簧片不接触。调整风轴与蜗轮两齿的间隙后,故障消除。
简介:根据山东省24个风电场2013年全年每15min的风电输出功率实测数据以及相应的WRF(WeatherResearchandForecasting)气象预测数据和FNL(FinalOperationalGlobalAnalysis)再分析资料,分析了区域大规模风电爬坡现象与大尺度天气系统演变的联系。结果显示,大尺度天气系统,特别是阻塞高压系统,是诱发山东地区大规模风电爬坡的重要因素;爬坡事件的预测应当考虑天气演变的因素。进一步结合旋转门(TheSwingingDoor,TSD)算法重新讨论了爬坡事件的定义与识别,并在此基础上分析了爬坡事件的特征及其可预报性;并指出风电功率上报、考核制度应当重点考虑爬坡时间段的预测水平,以提高电网运行的稳定性。
简介:利用张掖国家湿地公园冬季水域结冰厚度观测资料和张掖观象台的气温、地温气象资料,运用统计学方法和BP神经网络方法建立了张掖国家湿地公园水域结冰厚度预报方程。通过对不同的预报方法进行预报效果验证,该结冰厚度的预报模型能够对结冰厚度有比较理想的预报效果,流动水域结冰厚度预报历史拟合率分别为:80.6%(多元回归)、74.6%(逐步回归)、100%(BP神经网络);模型试报准确率分别为:72.7%(多元回归)、72.7%(逐步回归)、81.8%(BP神经网络)。静止水域结冰厚度预测历史拟合率分别为:76.9%(多元回归)、71.8%(逐步回归)、93.5%(BP神经网络);模型试报准确率分别为:76.0%(多元回归)、72.0%(逐步回归)、84.0%(BP神经网络)。结果表明:多元回归方法优于逐步回归方法,而BP神经网络又明显优于传统的统计学方法,数据显示该结冰厚度的预报模型能够对结冰厚度有较好的预报效果,预报模型能够对水域结冰厚度进行有效的短期预报,其性能指标符合实际要求,具有很好的实际应用价值。
简介:将BP(BackPropagation)神经网络方法引入到奥运空气质量预报工作中,利用MATLAB神经网络工具箱搭建运行平台,将高时效性的观测结果与多模式集成实时预报系统的模式输出结果相结合,做出BP神经网络拟合预报结果。在对北京大学医学部站点2008年7月7日到8月26日模式模拟结果、观测结果以及BP神经网络拟合结果的对比研究中发现:BP神经网络能大大提高模式预报效果,平均误差率减少34.7%,相关系数提高39%,特别是在模式模拟效果较差的情况下,对提高预报效果更明显。对BP神经网络样本问题进行敏感性实验结果表明,样本数目多少并不是决定拟合效果的决定性因素,应选取具有稳定映射关系的样本,才是提高拟合预报效果的关键。
简介:利用1961-2002年ERA-40逐日再分析资料和江淮流域56个台站逐日观测降水量资料,引入基于自组织映射神经网络(Self-OrganizingMaps,简称SOM)的统计降尺度方法,对江淮流域夏季(6-8月)逐日降水量进行统计建模与验证,以考察SOM对中国东部季风降水和极端降水的统计降尺度模拟能力。结果表明,SOM通过建立主要天气型与局地降水的条件转换关系,能够再现与观测一致的日降水量概率分布特征,所有台站基于概率分布函数的Brier评分(BrierScore)均近似为0,显著性评分(SignificanceScore)全部在0.8以上;模拟的多年平均降水日数、中雨日数、夏季总降水量、日降水强度、极端降水阈值和极端降水贡献率区域平均的偏差都低于11%;并且能够在一定程度上模拟出江淮流域夏季降水的时间变率。进一步将SOM降尺度模型应用到BCCCSM1.1(m)模式当前气候情景下,评估其对耦合模式模拟结果的改善能力。发现降尺度显著改善了模式对极端降水模拟偏弱的缺陷,对不同降水指数的模拟较BCC-CSM1.1(m)模式显著提高,降尺度后所有台站6个降水指数的相对误差百分率基本在20%以内,偏差比降尺度前减小了40%-60%;降尺度后6个降水指数气候场的空间相关系数提高到0.9,相对标准差均接近1.0,并且均方根误差在0.5以下。表明SOM降尺度方法显著提高日降水概率分布,特别是概率分布曲线尾部特征的模拟能力,极大改善了模式对极端降水场的模拟能力,为提高未来预估能力提供了基础。