恭喜吴炳卫同学获得

“天津大学2018年优秀硕士学位论文”

     吴炳卫同学的硕士学位论文《我国冬季风路径上风速与其影响因子的优化延迟相关性分析》，获得“天津大学2018年优秀硕士学位论文（专业学位）”。获奖率为5%。

（1）

（2）

论文主要创新点（限3条以内）：

         1） 风速的空间相关性预测是一种独立于数值天气预报NWP的方法，具有弥补NWP预报“家族性缺陷”的特殊潜力。

         NWP预报在我国东部地区提前3天风速预报的均方根误差为2.2 m/s上下；本文发现我国冬季风主要路径空间相关性预测的提前27小时风速预报的均方根误差极限值可低于1.4 m/s，是提高短期风电功率预测效果的有潜力方法。

     我国冬季风主要路径，主要是我国东部、东南部沿海区域（包括陆地、近海），是我国“十三五”风电发展的重点区域。

         2) 由于地形的作用，我国台湾海峡不仅是风能丰富区域，还是特别适合空间相关性预测的区域。从福建长春到澳仔的优化延迟时间超过4 h（一般情况下为6 h）。是提高该区域超短期风电功率预报可靠性的重要方法。

         3) 示例表明，利用季风的空间相关性风速预测可以较为可靠地提高大风预报的性能，是降低风电功率预报误差的可靠方法之一。

简要评价本论文的创新点及其与国内同期论文的比较位置：

    主要创新点：利用季风的空间相关性风速预测，详见上栏。该文的主要创新点基本处在国内领先。由于欧美没有典型的季风现象，所以欧美学者几乎不研究利用季风的风电预测。

    该文的主要创新点是对提高风电功率预测精度“中国特殊问题”（乔颖，清华大学，2017，《电网技术》提出）的有价值的原创性探索。

相关链接：

[1] 2017-07-05，恭喜杨钊同学获得“天津大学2017年优秀硕士学位论文”

http://blog.sciencenet.cn/blog-107667-1064703.html

http://www.tech110.net/home.php?mod=space&uid=11851&do=blog&id=77576

[2] 乔颖, 鲁宗相, 闵勇. 提高风电功率预测精度的方法[J]. 电网技术，2017, 41 (10): 3261-3268.   DOI: 10.13335/j.1000-3673.pst.2017.1581 

http://mall.cnki.net/magazine/Article/DWJS201710023.htm

[3] 薛禹胜, 陈宁, 王树民, 文福拴, 林振智, 汪震. 关于利用空间相关性预测风速的评述[J]. 电力系统自动化, 2017, 41(10): 161-169. DOI: 10.7500/AEPS20170109002.

XUE Yusheng, CHEN Ning, WANG Shumin, WEN Fushuan, LIN Zhenzhi, WANG Zhen. Review on wind speed prediction based on spatial correlation[J]. Automation of Electric Power Systems, 2017, 41(10): 161-169. DOI: 10.7500/AEPS20170109002.

http://aeps.alljournals.ac.cn/aeps/ch/reader/view_abstract.aspx?file_no=20170109002&flag=1

http://aeps.alljournals.ac.cn/aeps/ch/reader/issue_list.aspx?year_id=2017&quarter_id=10

[4] 2018-07-23，[请教] ECMWF 风速预报误差的具体含义

http://blog.sciencenet.cn/blog-107667-1125592.html

[5] 2018-03-03，ECMWF（欧洲中期天气预报中心）的预报误差

http://blog.sciencenet.cn/blog-107667-1102078.html

[6] Thomas Haiden, Progress in wind forecasting in the ECMWF model

http://www.ewea.org/events/workshops/wp-content/uploads/2015/10/EWEA-Wind-Power-Forecasting-2015-Workshop-02-01-Thomas-Haiden-ECMWF.pdf

[7] 杨正瓴，刘仍祥，李真真. 基于季风和大气压分布的我国风电功率预测研究（Survey on China Wind Power Prediction Based on Monsoons and Atmospheric Pressure Distribution）[J]. 分布式能源（Distributed Energy）, 2018, 3(2): 29-38 

http://der.tsinghuajournals.com/article/2018/2096-2185/101427TK-2018-02-005.shtml

http://www.cnki.com.cn/Article/CJFDTotal-FBNY201802005.htm

感谢您的指教！

感谢您指正以上任何错误！