CN102495972B - 一种基于有效风速的风能评估方法 - Google Patents

Abstract

本发明公开了一种基于有效风速的风能评估方法，该方法包括：步骤1：数据采集；步骤2：数据处理之最小时间间隔内的若干个有效风速及平均风功率密度计算；步骤3：数据处理之最小时间间隔内的有效风速向较大时间间隔内的有效风速的转换；步骤4：数据处理之较大时间间隔的风能评估。本发明一种基于有效风速的风能评估方法适用于一段时间段内空气密度相对恒定，且空气密度

Description

一种基于有效风速的风能评估方法

技术领域

本发明涉及一种风能评估方法，尤其涉及一种基于有效风速的风能评估方法。

背景技术

风电场的建设与运营以占据足够多的风能资源为前提。准确的风能资源评估对于保证风电场的发电量和经济效益影响重大。在风电场选址过程中，需要对所在地历年的气象记录进行调查，并设置测风塔实际测量场内的风速，通过统计和分析获得风电场的风功率特征。

一般而言，针对风电场不同阶段的各种应用，需要了解的风功率数据的时间长度与时间间隔亦有所不同。在风电场的运营过程中，为了制定风电场长期发电规划和备用发电容量计划，需要数年内的风功率数据，数据点的时间间隔可达小时级；为了满足电力系统能量调度的要求，需要数周内的风功率数据，数据点的时间间隔一般为分钟级；而在风电机组的运行控制中，为了保护风电机组不受损坏，平抑其输出功率的快速波动，维持电力系统的运行稳定性，往往需要数日内的风功率瞬变特性，数据点的时间间隔可短至秒级。

风功率与风速密切相关，二者之间呈明显的非线性关系。在传统的风能与风功率统计中，所有的风能计算都是基于一段时间内的平均风速进行的。而这种传统的惯用做法可能给风能统计带来不可忽视的误差。一个明显的不良后果是，由秒级、分钟级和小时级等不同时间尺度的平均风速计算得到的同一段时间内的风能差别甚大，无法保持一致。

发明内容

本发明的目的是针对上述背景技术存在的缺陷，提供一种基于有效风速的风能评估方法。

为实现上述目的，本发明提供的一种基于有效风速的风能评估方法适用于一段时间内空气密度相对恒定，且空气密度ρ处于已知的情况，该方法具体包括以下步骤：

步骤1：数据采集

采集风电场的具体数据如下：通过风速风向传感器在一段时间内等时间间隔采集同一风电场内迎风方向的即时风速V；

步骤2：数据处理之最小时间间隔内的若干个有效风速及平均风功率密度计算

根据空气密度ρ，利用流体的物理学定律及动能定理并通过有效风速计算公式：计算若干个最小时间间隔的有效风速，并通过平均风功率密度公式：计算若干最小时间间隔内对应时刻的所有平均风功率密度，式中，t₀、t₀+T₀分别为采集风电场内即时风速v的初始时刻和终止时刻。

步骤3：数据处理之最小时间间隔内的有效风速向较大时间间隔内的有效风速的转换

将步骤2中计算得到的若干个最小时间间隔内的有效风速v_e作为计算不同较大时间间隔内有效风速v_e(i+1)的基础，并通过有效风速转化公式：

$v_{e(i+1)}\left(k\right)=\sqrt[3]{\frac{\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{v}_{e\left(i\right)}^3((k-1)N+j)}{N}},k=\mathrm{1,2},...,\left[\frac{M}{N}\right]$

计算较大时间间隔内的有效风速，式中，i为自然数，第i层有效风速序列为：v_e(i)(k),k＝1,2,...,M，每个数据点占据的时间长度为T_(i)；第i+1层有效风速序列为：每个数据点占据的时间长度为T_(i+1)＝NT_(i)，N为自然数，M为N的整数倍的自然数，k表示各层内的第k个数据点。

步骤4：数据处理之较大时间间隔的风能评估

根据步骤2、步骤3中计算得出最小时间间隔的有效风速v_e、最小时间间隔内各有效风速对应的平均风功率密度较大时间间隔的有效风速v_e(i+1)，并通过

${\stackrel{\‾}{p}}_{e(i+1)}=\frac{1}{2}\mathrm{\ρ}{v}_{e(i+1)}^3$

$E_{(i+1)}\left(k\right)={\stackrel{\‾}{p}}_{e(i+1)}\left(k\right)T_{(i+1)}=\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{E}_{\left(i\right)}((k-1)N+j)$

及 $v_{e(i+1)}\left(k\right)=\sqrt[3]{\frac{\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{v}_{e\left(i\right)}^3((k-1)N+j)}{N}},k=\mathrm{1,2},...,\left[\frac{M}{N}\right]$

联合计算得出较大时间间隔内的基于有效风速的风能，式中i为自然数，表示第i+1层的第k个数据点的风功率密度。

综上所述，本发明一种基于有效风速的风能评估方法适用于一段时间段内空气密度ρ相对恒定，且空气密度ρ处于已知的情况，该方法不仅可以准确地对风电场的风能进行评估，而且在进行风能评估结果不受时间段长短的影响。

具体实施方式

为详细说明本发明的技术内容、构造特征、所达成目的及效果，以下兹详予说明。

本发明一种基于有效风速的风能评估方法适用于一定时间段内空气密度相对恒定，且空气密度ρ处于已知的情况，该方法具体包括以下步骤：

步骤1：数据采集

采集风电场的具体数据如下：通过风速风向传感器在一段时间内等时间间隔采集同一风电场迎风方向的即时风速v。

在较佳实施例中，风速风向传感器采集风电场迎风方向的即时风速v，风速风向传感器以小于或者等于1秒时间间隔对即时风速v进行采集。

本具体实施例中，风速风向传感器采集风电场迎风方向的即时风速v采样频率均为1秒1次。

若一定时间段内，在风电场内空气密度ρ持续维持在一个恒定值时，则使用此时的空气密度ρ作为计算标准。若一时间段内，ρ变化足够大时，进而使空气密度ρ的大小变化对风能影响足够大的情况下，此时，对风能评估的影响不可忽略，就需要以新的空气密度ρ作为计算标准。

当然，本专利技术仅讨论空气密度ρ处于恒定的情况。

步骤2：数据处理之最小时间间隔内的若干个有效风速及平均风功率密度计算

根据空气密度ρ，利用流体的物理学定律及动能定理并通过有效风速计算公式：计算若干个最小时间间隔的有效风速，并通过平均风功率密度公式：计算若干最小时间间隔内对应时刻的所有平均风功率密度，式中，t₀、t₀+T分别为采集风电场内即时风速v的初始时刻和终止时刻。

有效风速公式的具体推导过程如下：

根据流体的物理学定律，在一定时刻t，垂直通过一截面S的风功率P为：

$P=\frac{\mathrm{dE}}{\mathrm{dt}}$    ①

其中，dE是在微元体积dΩ＝Svdt中风的动能，S的法向与风速v的方向一致。空气密度为ρ，则微元质量dm＝ρdΩ，微元动能可表述为：

$\mathrm{dE}=\frac{1}{2}\left(\mathrm{dm}\right)v^2=\frac{1}{2}\left(\mathrm{\ρSvdt}\right)v^2=\frac{1}{2}\mathrm{\ρS}{v}^3\mathrm{dt}$

由此得到风功率函数为：

$P=\frac{1}{2}\mathrm{\ρS}{v}^3$    ②

本步骤中式①说明，风功率与空气密度ρ及扫风面积S成正比，而与风速v成立方比关系。由本步骤中式①进一步可知，垂直穿过单位面积的风功率，即风功率密度p为：

$P=\frac{1}{2}\mathrm{\ρ}{v}^3$

在一段时间[t₀,t₀+T₀]内，垂直穿过单位面积的风能为：

$E={\∫}_{t_0}^{t_0+T_0}\mathrm{pdt}=\frac{\mathrm{\ρ}}{2}{\∫}_{t_0}^{t_0+T_0}{v}^3\mathrm{dt}$    ③

该段时间内的平均风功率密度应满足：

$\stackrel{\‾}{p}{T}_0=\frac{\mathrm{\ρ}}{2}{\∫}_{t_0}^{t_0+T_0}{v}^3\mathrm{dt}$

因而： $\stackrel{\‾}{p}=\frac{\mathrm{\ρ}}{2T}{\∫}_{t_0}^{t_0+T_0}{v}^3\mathrm{dt}$    ④

参照式②，将一段时间内的平均风功率密度表述为相应的等效风速v_e的立方比函数：

$\stackrel{\‾}{p}=\frac{1}{2}\mathrm{\ρ}{v}_e^3$    ⑤

由本步骤中式④和式⑤，定义有效风速v_e为：

$v_e=\sqrt[3]{\frac{1}{T}{\∫}_{t_0}^{t_0+T_0}{v}^3\mathrm{dt}}$    ⑥

为使风速在不同的时间尺度上得到度量，本发明一种基于有效风速的风能评估方法将具有相同采样时间间隔的数据归于同一数据层中，即采用数据分层的形式进行有效风速的统计，且以采样时间间隔长短作为不同层级划分的依据。

为便于描述及说明问题，以风速风向传感器采集即时风速v的时间间隔长短作为判断时间尺度上的依据，时间间隔最短者为最小时间间隔/基础时间间隔，由最小时间间隔/基础时间间隔采集的即时风速v对应计算出的若干有效风速作为基础层级有效风速数据。时间间隔较长者为较大时间间隔/更高层级时间间隔，由基于基础层级有效风速数据计算获得的较大时间间隔/更高层级时间间隔的若干有效风速数据作为更高层级有效风速数据。

故最小时间间隔内的各个有效风速可用通用的公式表示出来，同理，由有效风速及空气密度计算所得的最小时间间隔内的各个平均风功率密度也可用通用的公式表示出来，且v_e(i)、的数据个数相等并具有一一对应的关系。需要特别指出的是，当i＝1时，v_e(1)、分别表示所有不同最小时间间隔内的有效风速数据、最小时间间隔内的所有平均风功率数据。在本具体实施例中：用v_e、表示分别用以表示最小时间间隔内的所有有效风速数据、平均风功率密度数据。故用于计算最小时间间隔内的各有效风速，用于计算最小时间间隔内各平均风功率密度。由上述可知，v_e、的数据个数相等并具有一一对应的关系。

在较优实施例中，风速风向传感器通常以小于或等于1秒时间间隔对即时风速v进行采集。

本具体实施例中，以时间间隔为1秒、采样频率为1次/1秒采集若干个即时风速v并利用本步骤式⑥中的有效风速计算公式得到基础层级有效风速数据；以时间大于1秒的时间间隔并利用相关有效风速递推关系推导出的若干有效风速作为较高层级的有效风速数据。

本发明基于有效风速的风能评估方法至少包括两个层级时间间隔，即至少包括具有最小时间间隔的基础层级与具有较大时间间隔的较高层级两个层级。以下仅以例举形式进行相应的说明，但在具体实施方式或者其他较优实施例中并不限于下述形式，如采用秒、分钟、小时……作为不同层级划分的时间尺度，其中，以秒作为时间间隔采集计算得到的有效风速作为基础层有效风速数据，在基础层级有效风速数据的基础上可以通过相关有效风速递推关系分别计算出较高层级的有效风速数据，如较高层级为分钟级有效风速数据、更高层级为小时级有效风速数据……该内容在本专利说明书中其他部分也有作相应的说明，请详细参阅。

需要特别指出的是，当采样频率达到1次1秒或1秒1次以上时，因风速的变化已足够小且时间间隔极短，故风速风向传感器采集的即时风速v与本发明基于有效风速的风能评估方法中计算得到的有效风速近似相等。

更高层级的有效风速可以由基础层级的有效风速转换而来并由此计算相应风能。

另外，两相邻的较低层级第i层与较高层级第i+1层之间的有效风速存在如下的推导关系：

为便于描述说明问题，特设定较低的第i层有效风速序列为：v_e(i)(k),k＝1,2,...,M，每个数据点占据的时间长度为。

较高的第i+1层有效风速序列为：每个数据点占据的时间长度为T_(i+1)＝NT_(i)，N为自然数，M为N的整数倍的自然数，k表示各层内的第k个数据点。

可推算出相邻两层有效风速存在下列递推关系式：

$v_{e(i+1)}\left(k\right)=\sqrt[3]{\frac{\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{v}_{e\left(i\right)}^3((k-1)N+j)}{N}},k=\mathrm{1,2},...,\left[\frac{M}{N}\right]$    ⑦

由上述结论可知，第i+1层的一个数据点对应于第i层中的N个数据点，它们占据的时间长度相同。并且上层数据点的有效风速为下层对应多个数据点有效风速的均立方根。在T_(i+1)时间段内，由第i+1层数据点计算得到的风能总是等于由第i层中的N个对应数据点计算得到的风能。

$\begin{array}{c}{E}_{(i+1)}\left(k\right)={\stackrel{\‾}{p}}_{e(i+1)}\left(k\right)T_{(i+1)}\\ =\frac{\mathrm{\ρ}}{2}{v}_{e(i+1)}^3{T}_{(i+1)}\\ =\frac{\mathrm{\ρ}{T}_{\left(i\right)}}{2}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{v}_{e\left(i\right)}^3((k-1)N+j)\\ =\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{\stackrel{\‾}{p}}_{e\left(i\right)}((k-1)N+j)T_{\left(i\right)}\end{array}$    ⑧

由上式表明，不同层间有效风速的递推方法可以保证各层风能计算结果的与实际风能一致性。

该两层级之间有效风速的递推关系式⑦虽然仅例举了两相邻层级之间有效风速的递推关系，但事实上，只要基础层级或者较低层级的有效风速数据一确定均可通过层级有效风速递推关系式⑦计算出较任何高层级的有效风速。在本实施例中，所有高于基础层级的较高层级的有效风速均可由基于基础层级的有效风速计算得到，并以获得的相应的有效风速去进行风能的评估。唯一的区别是不同较高层级各有效风速数据点的时间长度所对应的基础层级各有效风速数据点的个数有所不同。即，越高层级的一个有效风速数据点所需要的基础层级的有效风速数据点越多，也即，越高层级一个有效风速数据点所对应的时间越长，相应的需要更多个基础层有效风速数据点才可以对应的计算出；越高层级针对较低层级同样也存在这种情况。

需要特别指出的是，在本具体实施例中，因较高层级的有效风速数据均是由基础层级的最小时间间隔内的有效风速换算得到的，而每个基础层级的有效风速数据点的所占的时间长度为1秒，故较高的第二层的一个数据点对应基础层级N个数据点，也即第二层的一个数据点的时间长度为N秒。

步骤3：数据处理之最小时间间隔内的有效风速向较大时间间隔内的有效风速的转换

将步骤2中计算得到的若干个最小时间间隔内的有效风速v_e作为计算不同较大时间间隔内有效风速v_e(i+1)的基础，并通过有效风速转化公式：

$v_{e(i+1)}\left(k\right)=\sqrt[3]{\frac{\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{v}_{e\left(i\right)}^3((k-1)N+j)}{N}},k=\mathrm{1,2},...,\left[\frac{M}{N}\right]$ 计算较大时间间隔内的有效风速，式中，i为自然数，第i层有效风速序列为：v_e(i)(k),k＝1,2,...,M，每个数据点占据的时间长度为T_(i)；第i+1层有效风速序列为：每个数据点占据的时间长度为T_(i+1)＝NT_(i)，N为自然数，M为N的整数倍的自然数，k表示各层内的第k个数据点。

步骤4：数据处理之较大时间间隔的风能评估

根据步骤2、步骤3中计算得出最小时间间隔的有效风速v_e、最小时间间隔内各有效风速对应的平均风功率密度较大时间间隔的有效风速v_e(i+1)，并通过

${\stackrel{\‾}{p}}_{e(i+1)}=\frac{1}{2}\mathrm{\ρ}{v}_{e(i+1)}^3$

$E_{(i+1)}\left(k\right)={\stackrel{\‾}{p}}_{e(i+1)}\left(k\right)T_{(i+1)}=\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{E}_{\left(i\right)}((k-1)N+j)$ 及

$v_{e(i+1)}\left(k\right)=\sqrt[3]{\frac{\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{v}_{e\left(i\right)}^3((k-1)N+j)}{N}},k=\mathrm{1,2},...,\left[\frac{M}{N}\right]$ 联合计算得出较大时间间隔内的基于有效风速的风能，式中i为自然数，表示第i+1层的第k个数据点的风功率密度。

综上所述，本发明一种基于有效风速的风能评估方法适用于一段时间段内空气密度ρ相对恒定，且空气密度ρ处于已知的情况，该方法不仅可以准确地对风电场的风能进行评估，而且在进行风能评估结果不受时间段长短的影响。

以上所述的技术方案仅为本发明一种基于有效风速的风能评估方法的较佳实施例，任何在本发明一种基于有效风速的风能评估方法基础上所作的等效变换或替换都包含在本专利的权利要求的范围之内。

Claims (7)

1.一种基于有效风速的风能评估方法适用于一段时间内空气密度相对恒定，且空气密度ρ处于已知的情况，该方法包括：

步骤1：数据采集

采集风电场的具体数据如下：通过风速风向传感器在一段时间内等时间间隔采集同一风电场迎风方向的即时风速v；

步骤2：数据处理之最小时间间隔内的若干个有效风速及平均风功率密度计算

根据空气密度ρ，利用流体的物理学定律及动能定理并通过有效风速计算公式：计算若干个最小时间间隔的有效风速，并通过平均风功率密度公式：计算若干最小时间间隔内对应时刻的所有平均风功率密度，式中，t₀、t₀+T₀分别为采集风电场内即时风速v的初始时刻和终止时刻；

步骤3：数据处理之最小时间间隔内的有效风速向较大时间间隔内的有效风速的转换

将步骤2中计算得到的若干个最小时间间隔内的有效风速v_e作为计算不同较大时间间隔内有效风速v_e(i+1)的基础，并通过有效风速转化公式：

$v_{e(i+1)}\left(k\right)=\sqrt[3]{\frac{\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{v}_{e\left(i\right)}^3((k-1)N+j)}{N}},k=\mathrm{1,2},...,\left[\frac{M}{N}\right]$ 计算较大时间间隔内的有效风速，式中，i为自然数，第i层有效风速序列为：v_e(i)(k),k＝1,2,...,M，每个数据点占据的时间长度为T_(i)；第i+1层有效风速序列为：每个数据点占据的时间长度为T_(i+1)＝NT_(i)，N为自然数，M为N的整数倍的自然数，k表示各层内的第k个数据点；

步骤4：数据处理之较大时间间隔的风能评估

根据步骤2、步骤3中计算得出最小时间间隔的有效风速v_e、最小时间间隔内各有效风速对应的平均风功率密度较大时间间隔的有效风速v_e(i+1)，并通过

${\stackrel{\‾}{p}}_{e(i+1)}=\frac{1}{2}\mathrm{\ρ}{v}_{e(i+1)}^3$

$E_{(i+1)}\left(k\right)={\stackrel{\‾}{p}}_{e(i+1)}\left(k\right)T_{(i+1)}=\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{E}_{\left(i\right)}((k-1)N+j)$

及 $v_{e(i+1)}\left(k\right)=\sqrt[3]{\frac{\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{v}_{e\left(i\right)}^3((k-1)N+j)}{N}},k=\mathrm{1,2},...,\left[\frac{M}{N}\right]$ 联合计算得出较大时间间隔内的基于有效风速的风能，式中i为自然数，表示第i+1层的第k个数据点的风功率密度。

2.根据权利要求1所述的基于有效风速的风能评估方法，其特征在于：风速风向传感器以小于或者等于1秒时间间隔对即时风速进行采集。

3.根据权利要求1所述的基于有效风速的风能评估方法，其特征在于：风速风向传感器采集风电场迎风方向的即时风速v的采样频率为1秒1次。

4.根据权利要求1所述的基于有效风速的风能评估方法，其特征在于：将具有相同采样时间间隔的数据归于同一数据层中，即采用数据分层的形式进行有效风速的统计。

5.根据权利要求4所述的基于有效风速的风能评估方法，其特征在于：采样时间间隔长短作为不同层级分层划分的依据。

6.根据权利要求5所述的基于有效风速的风能评估方法，其特征在于，其特征在于：至少包括具有最小时间间隔的基础层级与具有较大时间间隔的高层级两个层级。

7.根据权利要求1所述的基于有效风速的风能评估方法，其特征在于，其特征在于：v_e(1)、的数据个数相等并具有一一对应的关系，即v_e、的数据个数相等并具有一一对应的关系。