喜获《发电技术》2020 年度优秀论文：大气压的差值对风速空间相关性预测的影响分析

   2020年12月31日 16:28 收到《发电技术》编辑部的邮件，通知我们的稿件《大气压的差值对风速空间相关性预测的影响分析》被评为2020年度《发电技术》优秀论文。

感谢《发电技术》编辑部的厚爱！

惭愧啊，惭愧！

祝福《发电技术》编辑部！

感谢“国家最高科学技术奖”得主

叶笃正、曾庆存老师！！

叶笃正院士，2005

http://www.stdaily.com/zhuanti01/gaoduanfangtanp/2018-01/04/content_617854.shtml?from=groupmessage&isappinstalled=0

曾庆存院士，2019

https://www.sohu.com/a/366945758_120024466

叶笃正、曾庆存两位老师的研究结果，

给我们的“空间相关性”预报提供了气象学的理论性启发！

推荐阅读：

[1] 叶笃正，李崇银，王必魁．动力气象学[M]．北京：科学出版社，1988．

[2] 曾庆存，叶笃正. 旋转大气中运动适应过程问题的研究(一)[J]. 大气科学,1980,4(4): 379-393.

http://www.dqkxqk.ac.cn/dqkx/dqkx/article/abstract/19800412?st=article_issue

https://www.cnki.com.cn/Article/CJFDTotal-DQXK198004010.htmm

[3] 吕建华，2020-07-03，一篇非SCI文章，两位国家最高奖作者：关于大气中的适应问题 精选

http://blog.sciencenet.cn/blog-3360191-1240516.html

相关链接：

[1] 2018-08-13，[请教] 利用季风的空间相关性提高风电功率预报的定位：世界首创、国际领先、国内领先、国内一般、没有价值？

http://blog.sciencenet.cn/blog-107667-1128960.html

[2] 2020-01-21，喜获《发电技术》2019年度优秀审稿专家！

http://blog.sciencenet.cn/blog-107667-1215111.html

下面汇总一下俺得过的“优秀审稿专家”之类：

（1）《中国科技论文在线》优秀评审专家，2009年、2012年。

（2）《电工技术学报》2013年优秀审稿人。全国一共才60人！

（3）《电力系统保护与控制》优秀审稿专家，2015年开始多次。

（4）《中国电力》优秀审稿专家，2016年。

（5）《西安交通大学学报》优秀审稿人，2016年。

（6）《电网技术》优秀审稿专家，2016年开始数次。

（7）《电气工程学报》优秀审稿专家，2019年。

（8）《发电技术》优秀审稿专家，2019年。

[3] 杨正瓴，冯勇，熊定方，等．基于季风特性改进风电功率预测的研究展望[J]．智能电网，2015，3(1)：1–7．

https://www.cnki.com.cn/Article/CJFDTotal-ZNDW201501001.htm

http://www.cqvip.com/QK/71975X/20151/90786887504849534849484849.html

http://d.wanfangdata.com.cn/periodical/ChlQZXJpb2RpY2FsQ0hJTmV3UzIwMjAxMjI4Eg16bmR3MjAxNTAxMDAxGghnOHVqYTNydw%3D%3D

《基于季风特性》一文被期刊他人引用：

[1] 基于时空相关性的NAR动态神经网络风功率超短期组合预测[J]. 黄慧,贾嵘,董开松. 太阳能学报. 2020(10)

[2] 基于区间二型FLS的短期风电功率多步预测[J]. 李军,王星辉. 控制工程. 2019(02)

[3] 基于多重离群点平滑转换自回归模型的短期风电功率预测[J]. 陈昊,张建忠,许超,谭风雷. 电力系统保护与控制. 2019(01)

[4] 考虑风向的风电功率预测不确定性研究[J]. 杨茂,杨春霖. 东北电力大学学报. 2018(05)

[5] 基于改进极限学习机的风电功率预测仿真研究[J]. 王浩,王艳,纪志成. 系统仿真学报. 2018(11)

[6] 基于CEEMD和GWO的超短期风速预测[J]. 王静,李维德. 电力系统保护与控制. 2018(09)

[7] 基于小波与最小资源分配网络的超短期风电功率预测研究[J]. 杨杰,霍志红,何永生,郭苏,邱良,许昌. 电力系统保护与控制. 2018(09)

[8] 基于AMD-ICSA-SVM的超短期风电功率组合预测[J]. 李燕青,袁燕舞,郭通. 电力系统保护与控制. 2017(14)

[9] 基于小波包分解和改进Elman神经网络的风电场风速和风电功率预测[J]. 叶瑞丽,郭志忠,刘瑞叶,刘建楠. 电工技术学报. 2017(21)

[10] 风电运行风险与备用协调优化的调度方法[J]. 李茜,刘天琪,莫思特,何川,李兴源. 电子科技大学学报. 2017(04)

[11] 基于IAFSA-BPNN的短期风电功率预测[J]. 张颖超,王雅晨,邓华,熊雄,陈浩. 电力系统保护与控制. 2017(07)

[12] 一种多输出模型的风电功率超短期预测方法[J]. 杨茂,董骏城. 中国电力. 2016(12)

[13] 风电功率爬坡气象场景分类模型及阈值整定研究[J]. 熊一,査晓明,秦亮,欧阳庭辉,夏添. 电工技术学报. 2016(19)

[14] 基于风速升降特征的短期风电功率预测[J]. 叶小岭,陈浩,郭晓杰,邓华,王雅晨.  电力系统保护与控制. 2016(19)

[15] 不同时间分辨率的风功率时间序列ARIMA模型预测[J]. 张立栋,李继影,吴颖,余侃胜,朱明亮,迟俊宇. 中国电力. 2016(06)

[16] 基于优化核极限学习机的风电功率时间序列预测[J]. 李军,李大超. 物理学报. 2016(13) 

[17] 基于QPSO-LSSVM的风电场超短期功率预测[J]. 张涛,孙晓伟,史苏怡,李振兴. 中国电力. 2016(03)

[18] 基于特征选择谱聚类和优化支持向量机的短期风速预测[J]. 张国维,王丙乾. 陕西电力. 2016(02)

[19] 一种基于径向基神经网络的短期风电功率直接预测方法[J]. 马斌,张丽艳. 电力系统保护与控制. 2015(19) 

感谢您的指教！

感谢您指正以上任何错误！

感谢您提供更多的相关资料！