[论文解读] Considering Air Density in Wind Power Production

Zénó Farkas|arXiv (Cornell University)|Mar 11, 2011

Wind Energy Research and Development参考文献 3被引用 13

一句话总结

本论文表明，在风力发电量计算中考虑可变空气密度可显著提高精度，且计算开销极低。通过使用CIPM-2007方程基于温度、气压和湿度建模空气密度，研究显示，与假设采用恒定标准值相比，在基于神经网络的功率曲线拟合中引入空气密度后，均方根（RMS）误差降低了16%。

ABSTRACT

In the wind power production calculations the air density is usually considered as constant in time. Using the CIPM-2007 equation for the density of moist air as a function of air temperature, air pressure and relative humidity, we show that it is worth taking the variation of the air density into account, because higher accuracy can be obtained in the calculation of the power production for little effort.

研究动机与目标

• 评估可变空气密度对风力发电量预测模型精度的影响。
• 评估忽略空气密度变化是否会在风力发电估算中引入系统性误差。
• 通过整合实时空气密度数据，开发并测试一种更精确的功率曲线拟合方法。
• 量化当空气密度被动态建模而非固定为1.225 kg/m³时，预测精度的提升程度。

提出的方法

• 使用CIPM-2007方程根据空气温度、气压和相对湿度计算空气密度。
• 利用匈牙利久尔市（2004–2006年）的气象数据计算随时间变化的空气密度值。
• 训练一个双输入神经网络模型，以风速和空气密度作为输入来预测功率输出。
• 神经网络采用双曲正切传递函数来模拟非线性功率曲线。
• 使用2006年的样本外数据评估模型性能，比较恒定密度与可变密度模型的差异。
• 通过计算均方根（RMS）误差来量化不同模型之间的预测精度差异。

实验结果

研究问题

• RQ1 在风力发电预测中引入可变空气密度是否能降低预测误差，相较于假设空气密度恒定？
• RQ2 当使用气象变量动态建模空气密度时，预测精度的提升程度有多大？
• RQ3 在风力发电计算中假设固定空气密度为1.225 kg/m³会引入多大的系统性误差？
• RQ4 简单的神经网络模型能否有效捕捉空气密度对风力涡轮机功率输出的影响？

主要发现

• 2004–2006年期间的平均空气密度为1.229 kg/m³，略高于标准值1.225 kg/m³。
• 当空气密度保持恒定在1.229 kg/m³时，功率曲线拟合的RMS误差为12.06 kW。
• 当将可变空气密度作为神经网络模型的输入时，RMS误差降低至10.15 kW。
• 引入可变空气密度使预测误差相比恒定密度模型降低了16%。
• 研究结论认为，忽略空气密度变化会在风力发电量估算中引入高达16%的系统性误差。
• 作者建议将实时空气密度数据整合进风力发电预测系统，以实现精度提升，且计算开销极低。