This study presents a hybrid numerical weather prediction model (NWP) and a Gaussian process regression (GPR) model for near surface wind speed prediction up to 72 hours ahead using data partitioned on atmospheric stability class to improve model performance. NWP wind speed data from the UK meteorological office was corrected using a GPR model, where the data was subdivided using the atmospheric stability class calculated using the Pasquill-Gifford-Turner method based on observations at the time of prediction. The method was validated using data from 15 UK MIDAS (Met office Integrated Data Archive System) sites with a 9 month training and 3 month test period. Results are also shown for hub height wind speed prediction at one turbine. Additionally, power output is predicted for this turbine by translating hub height wind speed to power using a turbine power curve. While various forecasting methods exist, limited methods consider the impact of atmospheric stability on prediction accuracy. Therefore the method presented in this study gives a new way to improve wind speed predictions. Outputs show the GPR model improves forecast accuracy over the original NWP data, and consideration of atmospheric stability further reduces prediction errors. Comparing predicted power output to measured output reveals power predictions are also enhanced, demonstrating the potential of this novel wind speed prediction technique.

这项研究提出了一个混合数值天气预报模型（NWP）和一个高斯过程回归（GPR）模型，可以使用在大气稳定性类别上划分的数据来提高模型性能，从而提前72小时预测近地表风速。使用GPR模型对来自英国气象局的NWP风速数据进行了校正，其中使用基于预测时的观测值的Pasquill-Gifford-Turner方法计算的大气稳定性等级对数据进行了细分。该方法已使用来自15个英国MIDAS（气象局综合数据存档系统）站点的数据进行了9个月的培训和3个月的测试期验证。还显示了在一台涡轮机的轮毂高度风速预测结果。此外，通过使用涡轮机功率曲线将轮毂高度风速转换为功率来预测该涡轮机的功率输出。尽管存在各种预测方法，但有限的方法考虑了大气稳定性对预测准确性的影响。因此，本研究中提出的方法为改善风速预测提供了一种新方法。输出结果表明，GPR模型比原始NWP数据提高了预测准确性，并且考虑到大气稳定性进一步降低了预测误差。将预测的功率输出与测量的输出进行比较，可以发现功率预测也得到了增强，从而证明了这种新颖的风速预测技术的潜力。因此，本研究提出的方法提供了一种改进风速预测的新方法。输出结果表明，GPR模型相对于原始NWP数据提高了预测准确性，并且考虑到大气稳定性进一步降低了预测误差。将预测的功率输出与测量的输出进行比较，可以发现功率预测也得到了增强，从而证明了这种新颖的风速预测技术的潜力。因此，本研究提出的方法提供了一种改进风速预测的新方法。输出结果表明，GPR模型相对于原始NWP数据提高了预报准确性，并且考虑到大气稳定性进一步降低了预报误差。将预测的功率输出与测量的输出进行比较，可以发现功率预测也得到了增强，从而证明了这种新颖的风速预测技术的潜力。