机构名称：
¥ 1.0
摘要。在转子扫地面积的高度上进行准确的风速确定对于资源进行至关重要。ERA5数据与通过“测量，相关，预测”（MCP）方法结合使用短期测量，在这种情况下通常用于离岸应用。然而，ERA5由于其低分辨率而引起的限制位点特异性风速变化。为了解决这个问题，我们开发了随机的森林模型，将近地面风速扩展到200 m，重点关注北海的荷兰部分。基于在四个位置收集的公共2年浮动激光循环数据，15％的测试子集表明，在其余85％的现场风能中，在其余85％的森林模型中训练的随机森林模型在准确性，偏见，偏见和相关方面都超过了MCP经过MCP校正的ERA5风能。在没有转子高度测量值的情况下，该模型在200 km区域内训练有效地处理垂直延伸，尽管偏置增加。我们受区域训练的随机森林模型在捕获风速变化和局部效应方面表现出较高的精度，与校正的ERE5相比，AV的偏差低于5％，并且与测量值的偏差为20％。10分钟随机预测的风速捕获了功率谱的中尺度部分，其中ERE5显示出降解。对于稳定条件，与不稳定的条件相比，根平方平方误差和偏置分别大于12％和29％，这可以归因于稳定地层期间在较高高度处的去耦效应。我们的研究通过机器学习方法（特定的随机森林）强调了风资源评估的潜在增强。未来的研究可能会探索扩展较高高度的随机森林方法，从而使新一代的离岸风力涡轮机构成新一代，并通过跨国公司的跨国激光雷达网络在北海中唤醒群集，这取决于数据可用性。
当地风轮廓的表征：随机森林...
主要关键词
相关文件推荐
