CN103207948A - 基于风速相关性的风电场测风仪风速缺失数据插补方法 - Google Patents

基于风速相关性的风电场测风仪风速缺失数据插补方法 Download PDF

Info

Publication number
CN103207948A
CN103207948A CN2013101196058A CN201310119605A CN103207948A CN 103207948 A CN103207948 A CN 103207948A CN 2013101196058 A CN2013101196058 A CN 2013101196058A CN 201310119605 A CN201310119605 A CN 201310119605A CN 103207948 A CN103207948 A CN 103207948A
Authority
CN
China
Prior art keywords
wind speed
data
delta
wind
height
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2013101196058A
Other languages
English (en)
Other versions
CN103207948B (zh
Inventor
王峻
林勤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tongji University
Original Assignee
Tongji University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tongji University filed Critical Tongji University
Priority to CN201310119605.8A priority Critical patent/CN103207948B/zh
Publication of CN103207948A publication Critical patent/CN103207948A/zh
Application granted granted Critical
Publication of CN103207948B publication Critical patent/CN103207948B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Indicating Or Recording The Presence, Absence, Or Direction Of Movement (AREA)
  • Wind Motors (AREA)

Abstract

本发明涉及一种基于风速相关性的风电场测风仪风速缺失数据插补方法,该方法包括以下步骤:1)导入目标风电场各高度的历史风速数据;2)根据历史风速数据获得该风电场每个高度风速的范围、每小时风速的变化范围及两个高度间风速差值的变化范围,并保存;3)导入实时测量数据,根据步骤2)中各范围判断当前测量数据是否存在不合理的风速数据,若是,则剔除不合理风速数据,并执行步骤5),若否,则执行步骤4);4)根据时间顺序判断是否存在数据缺失,若是,则执行步骤5),若否,则结束;5)利用相关阶模型对缺失数据进行插补。与现有技术相比,本发明具有实时性好、插值精度高等优点。

Description

基于风速相关性的风电场测风仪风速缺失数据插补方法
技术领域
本发明涉及一种测风数据处理方法,尤其是涉及一种基于风速相关性的风电场测风仪风速缺失数据插补方法。
背景技术
由于当今世界严重的环境污染及传统能源的稀缺,清洁能源的开发和研究已经显得越来越重要。作为清洁能源之一的风能资源,目前在诸多国家都处于快速发展的阶段。一方面,为了获得更多的风能资源,风能资源评估是建造风电场的第一个关键步骤,在具有开发潜能的风电场中,完备的历史风速数据对于评估长期的平均风速及风功率密度极其重要;另一方面,对基于历史数据的统计学的风速预测模型来说,缺失风速或是不合理的风速显然会对建模产生误导的作用,也就是说可靠的风速数据集对提高风速预测的精度有很大的帮助。在实际环境中,由于某些不可控的原因,例如设备失灵或数据传输错误,风速数据并不总是可获得并且是准确的。缺失的数据应当得到插补,而不合理的数据应当被剔除并插补。
国标GB/T19710-2002是数据检验的主要参考,国标中规定了测风数据集中必须包含完整性与合理性检验两个部分。国标中建议使用备用数据来补全缺失数据。但在实际应用中,对于一个测风塔来说,在一个高度安装多个测风仪是不现实的。因为一个测风塔多个测风仪同时出现缺失数据的可能性很小,因为当某个高度出现缺失数据时,利用不同高度风速的关系来插补数据是当前插补风速数据最主要的办法。
最常用的方法是利用Hellman曲线,即将风速随高度的变化大致看成幂率分布:
v 1 v 0 = ( h 1 h 0 ) α
式中的α为风切变系数,通常令α为1/7,故Hellman幂率函数通常也被称为1/7幂函数。然而这一方法存在很大问题,因为风切变系数并不是一个定值。特别是当风出现反层现象时(较小高度的风速大于较大高度的风速),这一方法插值会出现较大的误差。王有禄等人提出了一种利用一个风场多个测风塔的线性回归模型用于切变系数的确定。F.
Figure BDA00003021803200021
-Ruedas等人指出,1/7幂率公式并不适用,风速切变系数会随着高度的变化而变化,因此需要对不同高度的切变系数进行重新修正。J.Xie等人提出不同高度的风速可以用线性方程或四次多项式的方法拟合。R.H.Kirchhoff提出切变系数与天气类型有关,他将天气类型分为五种类型,不同类型确定一个切变系数值。杨志凌等人提出了一种新的思路,通过自适应神经模糊推理系统来建立不同高度风速之间的关系。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种实时性好、插值精度高的基于风速相关性的风电场测风仪风速缺失数据插补方法。
本发明的目的可以通过以下技术方案来实现:
一种基于风速相关性的风电场测风仪风速缺失数据插补方法,该方法根据垂直高度上不同高度风速的关系,对缺失数据进行插补,具体包括以下步骤:
1)导入目标风电场各高度的历史风速数据;
2)根据历史风速数据获得该风电场每个高度风速的范围、每小时风速的变化范围及两个高度间风速差值的变化范围,并保存;
3)导入实时测量数据,根据步骤2)中各范围判断当前测量数据是否存在不合理的风速数据,若是,则剔除不合理风速数据,并执行步骤5),若否,则执行步骤4);
4)根据时间顺序判断是否存在数据缺失,若是,则执行步骤5),若否,则结束;
5)利用相关阶模型对缺失数据进行插补。
所述的不合理风速数据是指该风速数据满足以下任一个条件:
a)超出步骤2)中每个高度风速的范围;
b)超出步骤2)中每小时风速的变化范围;
c)超出步骤2)中两个高度间风速差值的变化范围。
所述的相关阶模型为:
v ( h 0 , k ) = 1 2 M Σ i = 1 M
{ m ( V h 0 , k 1 , δ 1 ) + K ( h 0 , h i , k 1 , δ 1 ) [ v ( h i , k ) - m ( V h i , k 1 , δ 1 ) ]
+ m ( V h 0 , k 2 , δ 2 ) + K ( h 0 , h i , k 2 , δ 2 ) [ v ( h i , k ) - m ( V h i , k 2 , δ 2 ) ] }
K ( h 0 , h i , k j , δ j ) = ρ ( V h 0 , k j , δ j , V h i , k j , δ j ) σ ( V h 0 , k j , δ j ) σ ( V h i , k j , δ j )
高度h0上时间段k1到k2的数据为缺失数据块,v(h0,k)为高度h0上第k个时间的数据,且k∈[k1,k2],在k1-1到k11以及k2+1到k22时间段数据是完整的,
Figure BDA00003021803200035
分别为缺失数据块前后对应的hi高度上的两个数据向量,
V h i , k 1 , δ 1 [ v ( h i , k 1 + δ 1 ) , . . . , v ( h i , k 1 - 2 ) , v ( h i , k 1 - 1 ) ]
V h i , k 2 , δ 2 [ v ( h i , k 2 + 1 ) , v ( h i , k 2 + 2 ) , . . . , v ( h i , k 2 + δ 2 ) ]
m(·)、ρ(·)、σ(·)分别为向量的均值、标准差及两个向量的相关系数,δj为参数,j∈{1,2},M为可利用的参考高度的个数。
与现有技术相比,本发明具有以下优点:
1.实时性好,因为相关阶模型中的参数并不是固定的,而是与其它高度的风速信息有关。这就与传统的幂率函数插值的方法不同,即便出现反层现象,相关阶模型也可得到有较好的效果。
2.插值的精度高,实验表明,当缺失风速的个数小于9时,相关阶模型的绝对误差百分比(MAPE)会比1/7幂率分布的方法提高8%左右,均方根误差(RMSE)提高0.6m/s。
附图说明
图1为本发明的流程示意图;
图2为缺失数据的示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图1所示,一种基于风速相关性的风电场测风仪风速缺失数据插补方法,该方法根据垂直高度上不同高度风速的关系,对缺失数据进行插补,不同高度的风速大小不一致主要是因为地表的粗糙度对其影响不一致找到的,较大高度的风受地表影响较小,而较小高度的风受地表影响较大。该方法具体包括以下步骤:
1)导入目标风电场各高度的历史风速数据;
2)根据历史风速数据获得该风电场每个高度风速的范围、每小时风速的变化范围及两个高度间风速差值的变化范围,并保存;
3)导入实时测量数据,根据步骤2)中各范围判断当前测量数据是否存在不合理的风速数据,若是,则剔除不合理风速数据,并执行步骤5),若否,则执行步骤4);
4)根据时间顺序判断是否存在数据缺失,若是,则执行步骤5),若否,则结束;
5)利用相关阶模型对缺失数据进行插补。
所述的不合理风速数据是指该风速数据满足以下任一个条件:
a)超出步骤2)中每个高度风速的范围;
b)超出步骤2)中每小时风速的变化范围;
c)超出步骤2)中两个高度间风速差值的变化范围。
所述的相关阶模型为:
v ( h 0 , k ) = 1 2 M Σ i = 1 M
{ m ( V h 0 , k 1 , δ 1 ) + K ( h 0 , h i , k 1 , δ 1 ) [ v ( h i , k ) - m ( V h i , k 1 , δ 1 ) ]
+ m ( V h 0 , k 2 , δ 2 ) + K ( h 0 , h i , k 2 , δ 2 ) [ v ( h i , k ) - m ( V h i , k 2 , δ 2 ) ] }
K ( h 0 , h i , k j , δ j ) = ρ ( V h 0 , k j , δ j , V h i , k j , δ j ) σ ( V h 0 , k j , δ j ) σ ( V h i , k j , δ j )
高度h0上时间段k1到k2的数据为缺失数据块,v(h0,k)为高度h0上第k个时间的数据,即为求得的插补的数据,且k∈[k1,k2],为自然数据,在k1-1到k11以及k2+1到k22时间段数据是完整的,如图2所示,
Figure BDA00003021803200045
分别为缺失数据块前后对应的hi高度上的两个数据向量,
V h i , k 1 , δ 1 [ v ( h i , k 1 + δ 1 ) , . . . , v ( h i , k 1 - 2 ) , v ( h i , k 1 - 1 ) ]
V h i , k 2 , δ 2 [ v ( h i , k 2 + 1 ) , v ( h i , k 2 + 2 ) , . . . , v ( h i , k 2 + δ 2 ) ]
m(·)、ρ(·)、σ(·)分别为向量的均值、标准差及两个向量的相关系数,δj为参数,j∈{1,2},M为可利用的参考高度的个数。
参数δj的确定方法为:两个高度间风速的相关系数
Figure BDA00003021803200051
达到最大值时,δj即被确定下来。以两个高度为例,将两个高度的风速视为两个随机过程,这两个过程因为地表影响的不同,导致均值和方差有所不同。假设高度h0的风速数据在k1到k2有缺失,在k1-1到k11以及k2+1到k22时间段是完整的,而另一高度h1上的数据是完整的,本发明方法就是将h1高度上的风速变化量折算到h0高度上去,对h0高度上的缺失数据进行插补。这里需要特别注意的是:当一段时间的风速基本保持不变时,
Figure BDA00003021803200052
趋近于零,这会导致公式中的折算算子K(h0,h1,kj,δj)趋近于无穷大,使得上述公式变得不合理,实际上出现这种情况的时候趋近于零,即v(h0,k)趋近于
Figure BDA00003021803200054
对于一个测风塔来说,通常测风仪可以安装在70m、60m、50m、30m、10m这五个高度上。假设一个高度的风速出现缺失,可以使用4个其他高度的风速信息进行插补,为测风数据集中必须包含完整性与合理性提供了基础。

Claims (3)

1.一种基于风速相关性的风电场测风仪风速缺失数据插补方法,其特征在于,该方法根据垂直高度上不同高度风速的关系,对缺失数据进行插补,具体包括以下步骤:
1)导入目标风电场各高度的历史风速数据;
2)根据历史风速数据获得该风电场每个高度风速的范围、每小时风速的变化范围及两个高度间风速差值的变化范围,并保存;
3)导入实时测量数据,根据步骤2)中各范围判断当前测量数据是否存在不合理的风速数据,若是,则剔除不合理风速数据,并执行步骤5),若否,则执行步骤4);
4)根据时间顺序判断是否存在数据缺失,若是,则执行步骤5),若否,则结束;
5)利用相关阶模型对缺失数据进行插补。
2.根据权利要求1所述的一种基于风速相关性的风电场测风仪风速缺失数据插补方法,其特征在于,所述的不合理风速数据是指该风速数据满足以下任一个条件:
a)超出步骤2)中每个高度风速的范围;
b)超出步骤2)中每小时风速的变化范围;
c)超出步骤2)中两个高度间风速差值的变化范围。
3.根据权利要求1所述的一种基于风速相关性的风电场测风仪风速缺失数据插补方法,其特征在于,所述的相关阶模型为:
v ( h 0 , k ) = 1 2 M Σ i = 1 M
{ m ( V h 0 , k 1 , δ 1 ) + K ( h 0 , h i , k 1 , δ 1 ) [ v ( h i , k ) - m ( V h i , k 1 , δ 1 ) ]
+ m ( V h 0 , k 2 , δ 2 ) + K ( h 0 , h i , k 2 , δ 2 ) [ v ( h i , k ) - m ( V h i , k 2 , δ 2 ) ] }
K ( h 0 , h i , k j , δ j ) = ρ ( V h 0 , k j , δ j , V h i , k j , δ j ) σ ( V h 0 , k j , δ j ) σ ( V h i , k j , δ j )
高度h0上时间段k1到k2的数据为缺失数据块,v(h0,k)为高度h0上第k个时间的数据,且k∈[k1,k2],在k1-1到k11以及k2+1到k22时间段数据是完整的,
Figure FDA00003021803100021
分别为缺失数据块前后对应的hi高度上的两个数据向量,
V h i , k 1 , δ 1 [ v ( h i , k 1 + δ 1 ) , . . . , v ( h i , k 1 - 2 ) , v ( h i , k 1 - 1 ) ]
V h i , k 2 , δ 2 [ v ( h i , k 2 + 1 ) , v ( h i , k 2 + 2 ) , . . . , v ( h i , k 2 + δ 2 ) ]
m(·)、ρ(·)、σ(·)分别为向量的均值、标准差及两个向量的相关系数,δj为参数,j∈{1,2},M为可利用的参考高度的个数。
CN201310119605.8A 2013-04-08 2013-04-08 基于风速相关性的风电场测风仪风速缺失数据插补方法 Expired - Fee Related CN103207948B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310119605.8A CN103207948B (zh) 2013-04-08 2013-04-08 基于风速相关性的风电场测风仪风速缺失数据插补方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310119605.8A CN103207948B (zh) 2013-04-08 2013-04-08 基于风速相关性的风电场测风仪风速缺失数据插补方法

Publications (2)

Publication Number Publication Date
CN103207948A true CN103207948A (zh) 2013-07-17
CN103207948B CN103207948B (zh) 2016-01-20

Family

ID=48755167

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310119605.8A Expired - Fee Related CN103207948B (zh) 2013-04-08 2013-04-08 基于风速相关性的风电场测风仪风速缺失数据插补方法

Country Status (1)

Country Link
CN (1) CN103207948B (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103678869A (zh) * 2013-09-17 2014-03-26 中国人民解放军海军航空工程学院青岛校区 一种飞行参数缺失数据的预测估计方法
CN105184072A (zh) * 2015-08-31 2015-12-23 中国华能集团清洁能源技术研究院有限公司 数据插补的方法和装置
CN106649832A (zh) * 2016-12-29 2017-05-10 北京奇艺世纪科技有限公司 一种基于缺失数据的预估方法及装置
CN107679361A (zh) * 2017-09-14 2018-02-09 内蒙古久和能源装备有限公司 一种测风数据处理方法
CN107842713A (zh) * 2017-11-03 2018-03-27 东北大学 基于knn‑svr的海底管道漏磁数据缺失插补方法
CN108563829A (zh) * 2018-03-14 2018-09-21 天津大学 一种基于贝叶斯鲁棒函数回归的多步风速预报方法
CN109242115A (zh) * 2018-09-17 2019-01-18 东北大学 一种基于gan的风机轮毂测风缺失数据的插补方法
CN109991888A (zh) * 2017-12-29 2019-07-09 北京金风科创风电设备有限公司 风机数据处理方法及系统、风机控制器及风机场群控制器
CN110135618A (zh) * 2019-04-01 2019-08-16 北京观详光电技术有限公司 一种风廓线数据预测方法
CN110471911A (zh) * 2019-07-16 2019-11-19 中国大唐集团新能源科学技术研究院有限公司 一种对测风塔测风数据的清洗方法
CN111507495A (zh) * 2019-01-30 2020-08-07 北京金风科创风电设备有限公司 缺失的测风数据的预测方法及装置
CN113138374A (zh) * 2021-04-08 2021-07-20 北京观详光电技术有限公司 一种激光雷达风场数据重建方法及系统
CN117743808A (zh) * 2024-02-20 2024-03-22 中铁西南科学研究院有限公司 一种隧道变形预测方法、系统、设备及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4206369B2 (ja) * 2004-07-15 2009-01-07 日本放送協会 時系列データ補完装置、その方法及びそのプログラム
JP2010044618A (ja) * 2008-08-13 2010-02-25 Hitachi Ltd 欠落データの補間方法、その実行プログラム、及びデータ収集装置
CN102496926A (zh) * 2011-12-16 2012-06-13 中国电力科学研究院 风电场功率预测输入数据的判断及处理方法
CN102651116A (zh) * 2012-03-31 2012-08-29 上海市电力公司 一种电力负荷数据精细化处理方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4206369B2 (ja) * 2004-07-15 2009-01-07 日本放送協会 時系列データ補完装置、その方法及びそのプログラム
JP2010044618A (ja) * 2008-08-13 2010-02-25 Hitachi Ltd 欠落データの補間方法、その実行プログラム、及びデータ収集装置
CN102496926A (zh) * 2011-12-16 2012-06-13 中国电力科学研究院 风电场功率预测输入数据的判断及处理方法
CN102651116A (zh) * 2012-03-31 2012-08-29 上海市电力公司 一种电力负荷数据精细化处理方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
SCHLUETER R A.,: "Wind array power prediction for improved operating economics and reliability", 《IEEE TRANSACTIONS ON POWER SYSTEMS》, vol. 1, no. 1, 31 December 1986 (1986-12-31), pages 137 - 142 *
ZHILING ZHANG,ET AL.,: "Interpolation of missing wind data based on ANFIS", 《RENEWABLE ENERGY》, vol. 36, no. 3, 17 September 2010 (2010-09-17), pages 993 - 998, XP027443827, DOI: doi:10.1016/j.renene.2010.08.033 *
中国人民共和国国家质量监督检验检疫总局: "风电场风能资源评估方法", 《中国人民共和国国家标准GB/T 18710-2002 》, 31 December 2002 (2002-12-31) *
李正龙等: "实测风场数据的修正与预测", 《第19届全国结构工程学术会议论文集(第Ⅲ册)》, 5 November 2010 (2010-11-05), pages 092 - 096 *
王有禄等: "风电场测风数据的验证和处理方法", 《电力勘测设计》, no. 1, 28 February 2009 (2009-02-28), pages 60 - 66 *
王远等: "风电场缺失测风数据插补方法的分析", 《可再生能源》, vol. 30, no. 3, 31 March 2012 (2012-03-31), pages 14 - 20 *

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103678869A (zh) * 2013-09-17 2014-03-26 中国人民解放军海军航空工程学院青岛校区 一种飞行参数缺失数据的预测估计方法
CN105184072A (zh) * 2015-08-31 2015-12-23 中国华能集团清洁能源技术研究院有限公司 数据插补的方法和装置
CN105184072B (zh) * 2015-08-31 2018-05-25 中国华能集团清洁能源技术研究院有限公司 数据插补的方法和装置
CN106649832A (zh) * 2016-12-29 2017-05-10 北京奇艺世纪科技有限公司 一种基于缺失数据的预估方法及装置
CN106649832B (zh) * 2016-12-29 2020-04-17 北京奇艺世纪科技有限公司 一种基于缺失数据的预估方法及装置
CN107679361A (zh) * 2017-09-14 2018-02-09 内蒙古久和能源装备有限公司 一种测风数据处理方法
CN107842713B (zh) * 2017-11-03 2019-04-05 东北大学 基于knn-svr的海底管道漏磁数据缺失插补方法
CN107842713A (zh) * 2017-11-03 2018-03-27 东北大学 基于knn‑svr的海底管道漏磁数据缺失插补方法
CN109991888A (zh) * 2017-12-29 2019-07-09 北京金风科创风电设备有限公司 风机数据处理方法及系统、风机控制器及风机场群控制器
CN109991888B (zh) * 2017-12-29 2021-02-26 北京金风科创风电设备有限公司 风机数据处理方法及系统、风机控制器及风机场群控制器
CN108563829A (zh) * 2018-03-14 2018-09-21 天津大学 一种基于贝叶斯鲁棒函数回归的多步风速预报方法
CN108563829B (zh) * 2018-03-14 2020-07-31 天津大学 一种基于贝叶斯鲁棒函数回归的多步风速预报方法
CN109242115A (zh) * 2018-09-17 2019-01-18 东北大学 一种基于gan的风机轮毂测风缺失数据的插补方法
CN111507495A (zh) * 2019-01-30 2020-08-07 北京金风科创风电设备有限公司 缺失的测风数据的预测方法及装置
CN110135618A (zh) * 2019-04-01 2019-08-16 北京观详光电技术有限公司 一种风廓线数据预测方法
WO2020199875A1 (zh) * 2019-04-01 2020-10-08 北京观详光电技术有限公司 一种风廓线数据预测方法
CN110135618B (zh) * 2019-04-01 2021-07-09 北京观详光电技术有限公司 一种风廓线数据预测方法
CN110471911A (zh) * 2019-07-16 2019-11-19 中国大唐集团新能源科学技术研究院有限公司 一种对测风塔测风数据的清洗方法
CN113138374A (zh) * 2021-04-08 2021-07-20 北京观详光电技术有限公司 一种激光雷达风场数据重建方法及系统
CN117743808A (zh) * 2024-02-20 2024-03-22 中铁西南科学研究院有限公司 一种隧道变形预测方法、系统、设备及介质
CN117743808B (zh) * 2024-02-20 2024-05-14 中铁西南科学研究院有限公司 一种隧道变形预测方法、系统、设备及介质

Also Published As

Publication number Publication date
CN103207948B (zh) 2016-01-20

Similar Documents

Publication Publication Date Title
CN103207948A (zh) 基于风速相关性的风电场测风仪风速缺失数据插补方法
CN102221389B (zh) 结合统计模型与动力模型的乘潮水位预报方法
CN105243502B (zh) 一种基于径流区间预测的水电站调度风险评估方法及系统
CN107292514B (zh) 风电场生产运行测风塔选址方法及装置
CN103713336B (zh) 基于gis分区的水电站流域面雨量气象预报方法
CN104319807B (zh) 一种基于Copula函数获取多风电场容量可信度的方法
CN109784563B (zh) 一种基于虚拟测风塔技术的超短期功率预测方法
CN104933483A (zh) 一种基于天气过程划分的风电功率预测方法
CN105160060A (zh) 一种基于实际功率曲线拟合的风电场理论功率确定方法
CN104599023A (zh) 台风天气输电线路时变可靠性计算方法及风险评估系统
CN110633864B (zh) 一种基于距平偏差的风速数值预报订正方法及其系统
CN103902837A (zh) 一种基于经验Copula函数进行风速预测的方法
CN106296462B (zh) 一种基于双测风塔数据的既有风电场粗糙度值确定方法
CN102479347A (zh) 基于数据驱动的风电场短期风速预测方法和系统
CN103996079A (zh) 一种基于条件概率的风电功率加权预测方法
CN103345585A (zh) 基于支持向量机的风功率预测校正方法及系统
CN103984986A (zh) 实时校正的自学习arma模型风电功率超短期预测方法
Vollmer et al. Transient LES of an offshore wind turbine
Mestres et al. Modelling assessment of the tidal stream resource in the Ria of Ferrol (NW Spain) using a year-long simulation
Romanić et al. Wind resource assessment in complex urban environment
CN103984987B (zh) 一种测风网络实时校正的arma模型风电功率超短期预测方法
CN105046383A (zh) 一种基于集合经验模态分解和相关向量机的风电功率实时预测方法
CN112131779B (zh) 一种基于多参考站的海上测风塔数据代表年订正方法
CN104794304A (zh) 工程海域海平面上升的快速推算方法
CN103870656A (zh) 一种下击暴流横向风剖面的确定方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20160120

Termination date: 20190408