CN103778572A - 一种基于wrf模式的海上风资源评估方法 - Google Patents

一种基于wrf模式的海上风资源评估方法 Download PDF

Info

Publication number
CN103778572A
CN103778572A CN201410061545.3A CN201410061545A CN103778572A CN 103778572 A CN103778572 A CN 103778572A CN 201410061545 A CN201410061545 A CN 201410061545A CN 103778572 A CN103778572 A CN 103778572A
Authority
CN
China
Prior art keywords
wind
wind speed
data
formula
density
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.)
Pending
Application number
CN201410061545.3A
Other languages
English (en)
Inventor
许爱东
雷金勇
申展
黄焘
郭晓斌
张臻
杨苹
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.)
South China University of Technology SCUT
CSG Electric Power Research Institute
Research Institute of Southern Power Grid Co Ltd
Original Assignee
South China University of Technology SCUT
Research Institute of Southern Power Grid Co Ltd
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 South China University of Technology SCUT, Research Institute of Southern Power Grid Co Ltd filed Critical South China University of Technology SCUT
Priority to CN201410061545.3A priority Critical patent/CN103778572A/zh
Publication of CN103778572A publication Critical patent/CN103778572A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Wind Motors (AREA)

Abstract

本发明公开了一种基于WRF模式的海上风资源评估方法，主要步骤有：1）获取WRF数值天气预报数据和测风塔数据；2）建立风的垂直切变模型；3）建立风速概率模型；4）估算空气密度；5）评估风功率密度和年发电量。本发明的方法通过WRF数值天气预报数据评估海上风资源，有效地弥补传统的风资源评估技术准确率低的不足。

Description

一种基于WRF模式的海上风资源评估方法
技术领域
本发明涉及一种风资源评估方法，更具体地说，涉及一种基于WRF模式的海上风资源评估方法。
背景技术
我国风电技术总体起步较晚，海上风电目前更是刚刚开始，对海上风电的各项技术包括海上风资源评估技术的研究方兴未艾。风能资源评估是开发风电的前提，是进行风电场选址、风机选型、机位布局、发电量估算和经济概算的基础。风资源评估的准确性直接决定着风电开发经济效益的好坏，这一点在投资风险大的海上风电开发中表现得尤为突出。据统计，离岸10km的海上风速通常比沿岸陆上高约25%，则最终发电量约大70%，这样风资源评估的微小误差将会放大成较大发电量误差，最终导致风电开发经济效益的巨大损失。
目前，我国的传统的风资源评估技术，是针对陆地风电场发展起来的。该技术主要是依据风场当地测风塔数据和WAsP地表校正模型来进行估计，大致可分为如下步骤：
（1）取得实测数据。一般此数据为风场实地所在的测风塔的实测数据，该数据包括多个垂直层（如10米、50米、70米、轮毂高度）等风速/风向测值，以及地表的温度、湿度、气压等测值。在具备附近的长期气象观测数据的条件下，可利用长期数据，对现场实测数据进行校正，以消除风速年度波动的偶然性。
（2）取得轮毂高度的风速序列。一般测风塔上有选定风机轮毂高度的实测值，如果没有（如使用数值预报数据时），需要使用风速随地表高度变化的经验公式，即风速垂直切变模型，以拟合出轮毂高度的风速值。一般常用的垂直切变模型有对数率和幂律两种。
（3）估计风速的概率分布参数。一旦测风塔位置上风机轮毂高度的风速测值序列确定，便可以得到该处风速的概率分布。传统风资源评估方法通常假定风电场所在的风力场的风速和风向处处相同，从而该分布也就是整个风场的风速概率分布。
有的风场坐落在地表影响较严重的区域，不能假定风电场所在的风力场的风速和风向处处相同，此时可以使用WAsP模型，或者高精度数值预报数据对地表曲面和植被、水汽等对风速、风向的影响加以描写，从而得到风场各个位置的风速序列。由于我国未把高精度数值预报结果积累为数据库，应用上一般使用WAsP模型，该模型一般只能描写地表曲面不剧烈变化的区域，也无法描写水汽运动。
（4）估计风能密度和年发电量。可以通过定义或者指定风速概率密度下风能密度的理论公式计算，或根据风机厂家的出力曲线计算。这些公式一般假定空气密度是一个不随时间变化的常量，可以通过潮湿理想气体的空气密度公式加以计算。 
将此方法应用到海上风电场，评估海上风资源时有如下问题：
（1）目前因成本等原因，尚较少海上安装测风塔和海上的长期气象观测站，缺少海上的直接测风数值。针对该问题，有资料提出采用沿海的陆上气象站测值，加上海面风速对离岸距离的经验公式加以估计，但因该经验公式过于策略，无法描述海陆效应对风的影响，精度和可靠性较低。国外有的国家已经架设了浮标测风系统，直接测量各种海域的风况，但未曾有报导提及我国目前已经建成类似的系统。还有许多国外文献使用美国NASA的Quik-SCAT卫星远程测风数据，但该数据的公开部分对中国附近海面的测值似只截止到2010年前后。
（2）若将风电场建在热带季风海面，风垂直切变模型在该海面的适用性尚未明晰。国外资料中，对数率和幂律都有使用，国内则有资料认为幂律更合适。
（3）虽然海面宽阔而平坦，仍然存在复杂的海陆效应，该效应并不能被WAsP模型所描写，即便是对于数值天气预报，某些模式也未能充分描述海陆效应。如广东雷州半岛以东洋面存在上升流(upwelling)效应，导致大陆架处海面温度异常降低，可能对风速产生影响，由于该效应的发生机制主要在大洋水体而非大气，尚未确认我国常用的数值预报模式是否对该效应有描述。
（4）有些海域常被高低压交替支配，空气密度不能假定为常量，甚至当湍流较大时，空气不能假定为水汽与理想气体的混合，从而空气密度计算公式的准确性可能降低。
目前在使用WRF模式评估海上风资源方面，还没有相关成果。
发明内容
    本发明的目的在于提供一种更为准确的海上风资源评估方法。
    为实现上述目的，本发明的主要步骤包括：
    步骤一，获取WRF数值天气预报数据和测风塔数据；
    步骤二，根据步骤一获取的数据代入风的垂直切变幂律公式，估算其他高度上的风速值，建立风的垂直切变模型；风垂直切变幂律公式如下：
式中：
Figure 2014100615453100002DEST_PATH_IMAGE003
－风切变指数； —高度
Figure 2014100615453100002DEST_PATH_IMAGE005
的风速，
Figure 665145DEST_PATH_IMAGE006
； 
Figure DEST_PATH_IMAGE007
—高度
Figure 739411DEST_PATH_IMAGE008
的风速，
Figure 578929DEST_PATH_IMAGE006
。
如果WRF数值天气预报数据和测风塔数据中存在多个高度的测风数据
Figure 2014100615453100002DEST_PATH_IMAGE009
，对应高度风垂直切变指数
Figure 841469DEST_PATH_IMAGE003
的最小二乘估计是：
Figure 2014100615453100002DEST_PATH_IMAGE011
    其中，
Figure 453847DEST_PATH_IMAGE012
,
Figure 2014100615453100002DEST_PATH_IMAGE013
   
    步骤三，根据步骤二得到的风速，通过以下表达式计算概率分布密度：
当数据足以充分估计Weibull的两个参数时：
Figure 282957DEST_PATH_IMAGE014
其中,
Figure DEST_PATH_IMAGE015
为概率密度,
Figure 588168DEST_PATH_IMAGE016
为风速(
Figure 938115DEST_PATH_IMAGE006
),为形状参数,为尺度参数。
当数据不足以充分估计Weibull的两个参数时，近似地认为风速分布满足Rayleigh分布：
Figure 2014100615453100002DEST_PATH_IMAGE019
Rayleigh分布是Weibull分布在形状参数
Figure 309240DEST_PATH_IMAGE020
时的特殊情况。
    步骤四，计算空气密度：
其中,
Figure 2014100615453100002DEST_PATH_IMAGE021
为水汽压(
Figure 18307DEST_PATH_IMAGE022
),为气温(
Figure 2014100615453100002DEST_PATH_IMAGE025
),
Figure 639093DEST_PATH_IMAGE015
为大气压(
Figure 579148DEST_PATH_IMAGE022
)。
如果需要通过湿度换算成水汽压，换算方法是：
对相对湿度
Figure 22899DEST_PATH_IMAGE026
，水汽压为
Figure DEST_PATH_IMAGE027
其中
Figure 114482DEST_PATH_IMAGE028
为该温度下的饱和水汽压，据文献，在摄氏-50到50度范围内，采用马格努斯饱和水汽压计算公式：
Figure DEST_PATH_IMAGE029
其中
Figure 370889DEST_PATH_IMAGE030
,
Figure 661056DEST_PATH_IMAGE024
为实际温度(
Figure 541288DEST_PATH_IMAGE025
)。
    步骤五，根据上述步骤计算得到的数据，分别代入以下公式得到风功率密度和年发电量。
a，风功率密度
设定时段的平均风功率密度表达式为：
Figure DEST_PATH_IMAGE031
  (
Figure 353123DEST_PATH_IMAGE032
）
式中：
Figure DEST_PATH_IMAGE033
—在设定时段内的记录数；
      
Figure 649107DEST_PATH_IMAGE034
—空气密度，
Figure DEST_PATH_IMAGE035
；
      
Figure 495578DEST_PATH_IMAGE036
—第
Figure 281131DEST_PATH_IMAGE038
记录的风速（
Figure 144045DEST_PATH_IMAGE006
）值的立方。
风功率密度在连续域上的表达式为：
其中,
Figure 759832DEST_PATH_IMAGE040
为平均风能功率密度(
Figure 24592DEST_PATH_IMAGE032
) ,
Figure 246626DEST_PATH_IMAGE034
为空气密度(
Figure 659152DEST_PATH_IMAGE035
),
Figure 857790DEST_PATH_IMAGE016
为风速(
Figure 977056DEST_PATH_IMAGE006
),
Figure DEST_PATH_IMAGE041
为风速概率密度, 
Figure 307674DEST_PATH_IMAGE042
为有效风能功率密度(
Figure 207497DEST_PATH_IMAGE032
),为条件功率密度函数。
Figure 147509DEST_PATH_IMAGE044
分别为有效风速的上、下限(
Figure 121281DEST_PATH_IMAGE006
) 。
根据
Figure 685118DEST_PATH_IMAGE016
随Weibull分布的假设，风功率密度和有效风功率密度也可推导后写为：
Figure DEST_PATH_IMAGE045
其中为伽马函数。如果
Figure 550360DEST_PATH_IMAGE034
随风速或时间变化较大，则还是只能还原到原始的积分公式来求取风能密度。
b，年发电量
在
Figure 644218DEST_PATH_IMAGE034
恒定和
Figure 378956DEST_PATH_IMAGE016
满足Weibull分布假设下，年发电量
Figure DEST_PATH_IMAGE047
可以通过下式计算
Figure 429870DEST_PATH_IMAGE048
Figure DEST_PATH_IMAGE049
其中
Figure 478728DEST_PATH_IMAGE050
为风速
Figure DEST_PATH_IMAGE051
的出现概率，
Figure 427093DEST_PATH_IMAGE052
为风速
Figure 831267DEST_PATH_IMAGE051
下，风力机的输出功率。
如果
Figure 865082DEST_PATH_IMAGE034
不近似恒定，则
Figure DEST_PATH_IMAGE053
的计算只能通过原始的时间积分完成。
    2，根据权利要求1所述的海上风资源评估方法，其特征在于：步骤二还包括测风塔数据对风速进行均值校正：校正公式如下；
Figure 248790DEST_PATH_IMAGE054
式中：
Figure DEST_PATH_IMAGE055
为校正后风速；
Figure 753458DEST_PATH_IMAGE056
为校正前风速；为校正因子。
采用这样的设计后，本发明能够得出一个更为准确的海上风资源的风功率密度和年发电量评估结果。
附图说明
图1为本发明的流程示意图。
具体实施方式
如图1所示，该方法包括以下步骤：
（1）获取WRF数据和测风塔数据；WRF数值天气预报数据来自于数值天气预报，其空间分辨率为27公里，时间分辨率为15分钟，该模式在中央气象台发布的T639等中尺度模式结果的基础上进一步细化。
       （2）建立风的垂直切变模型，使用幂律来估计其他高度上的风速值。
风垂直切变幂律公式如下：
Figure 767682DEST_PATH_IMAGE058
式中：－风切变指数； 
Figure 538509DEST_PATH_IMAGE004
—高度
Figure 960001DEST_PATH_IMAGE005
的风速，
Figure 207442DEST_PATH_IMAGE006
； 
Figure 215850DEST_PATH_IMAGE007
—高度
Figure 206939DEST_PATH_IMAGE008
的风速，
Figure 46719DEST_PATH_IMAGE006
。
对WRF数据和测风塔数据，存在多个高度的测风数据
Figure 957738DEST_PATH_IMAGE009
，对应高度
Figure 187862DEST_PATH_IMAGE010
风垂直切变指数
Figure 982643DEST_PATH_IMAGE003
的最小二乘估计是：
Figure 614613DEST_PATH_IMAGE011
其中，,
Figure 747709DEST_PATH_IMAGE013
    风垂直切变指数α随季节、时刻和地理位置的变化。
对于步骤2,进一步优选，用测风塔数据对WRF数据进采用均值的方式校正，对WRF数据进行校正。
Figure 80601DEST_PATH_IMAGE054
式中：
Figure 567077DEST_PATH_IMAGE055
为校正后风速；为校正前风速；
Figure 859835DEST_PATH_IMAGE057
为校正因子。
（3）建立风速概率模型；
一般认为，风速分布符合双参数Weibull分布，其概率分布密度的表达式是：
其中,
Figure 835936DEST_PATH_IMAGE015
为概率密度,为风速(
Figure 458996DEST_PATH_IMAGE006
),
Figure 461587DEST_PATH_IMAGE017
为形状参数,
Figure 421190DEST_PATH_IMAGE018
为尺度参数。
当数据不足以充分估计Weibull的两个参数时，也可近似地认为风速分布满足Rayleigh分布，
Figure 523138DEST_PATH_IMAGE019
Rayleigh分布是Weibull分布在形状参数
Figure 702447DEST_PATH_IMAGE020
时的特殊情况。
（4）估算空气密度：从气体状态方程出发, 考虑水汽的影响，估算空气密度的方法是：
Figure DEST_PATH_IMAGE059
其中,
Figure 180833DEST_PATH_IMAGE021
为水汽压(
Figure 802DEST_PATH_IMAGE022
),
Figure 539231DEST_PATH_IMAGE024
为气温(
Figure 940256DEST_PATH_IMAGE025
),
Figure 222333DEST_PATH_IMAGE015
为大气压(
Figure 720311DEST_PATH_IMAGE022
)。
如果需要通过湿度换算成水汽压，换算方法是：
对相对湿度
Figure 662597DEST_PATH_IMAGE026
，水汽压为
Figure 816497DEST_PATH_IMAGE027
其中
Figure 636686DEST_PATH_IMAGE028
为该温度下的饱和水汽压，据文献，在摄氏-50到50度范围内，可采用马格努斯饱和水汽压计算公式：
其中
Figure 603822DEST_PATH_IMAGE030
,为实际温度(
Figure 101854DEST_PATH_IMAGE025
)。
（5）估算风功率密度和年发电量
   a，风功率密度
设定时段的平均风功率密度表达式为：
Figure 246528DEST_PATH_IMAGE031
  (
Figure 297660DEST_PATH_IMAGE032
）
式中：—在设定时段内的记录数；
      
Figure 821100DEST_PATH_IMAGE034
—空气密度，
Figure 85859DEST_PATH_IMAGE035
；
      —第
Figure 908637DEST_PATH_IMAGE038
记录的风速（
Figure 874319DEST_PATH_IMAGE006
）值的立方。
风功率密度在连续域上的表达式为：
Figure 55902DEST_PATH_IMAGE039
其中,
Figure 448837DEST_PATH_IMAGE040
为平均风能功率密度(
Figure 286343DEST_PATH_IMAGE032
) ,
Figure 288672DEST_PATH_IMAGE034
为空气密度(
Figure 262444DEST_PATH_IMAGE035
),
Figure 888598DEST_PATH_IMAGE016
为风速(
Figure 947820DEST_PATH_IMAGE006
),为风速概率密度, 为有效风能功率密度(
Figure 582436DEST_PATH_IMAGE032
),
Figure 191272DEST_PATH_IMAGE043
为条件功率密度函数。
Figure 36868DEST_PATH_IMAGE044
分别为有效风速的上、下限(
Figure 985233DEST_PATH_IMAGE006
)。
根据
Figure 389407DEST_PATH_IMAGE016
随Weibull分布的假设，风功率密度和有效风功率密度也可推导后写为：
Figure 423222DEST_PATH_IMAGE045
其中
Figure 134826DEST_PATH_IMAGE046
为伽马函数。如果
Figure 203276DEST_PATH_IMAGE034
随风速或时间变化较大，则还是只能还原到原始的积分公式来求取风能密度。
    b，年发电量
在恒定和满足Weibull分布假设下，年发电量
Figure 492721DEST_PATH_IMAGE047
可以通过下式计算
Figure 477995DEST_PATH_IMAGE048
Figure 725436DEST_PATH_IMAGE049
其中
Figure 468264DEST_PATH_IMAGE050
为风速
Figure 957889DEST_PATH_IMAGE051
的出现概率，
Figure 735352DEST_PATH_IMAGE052
为风速
Figure 216012DEST_PATH_IMAGE051
下，风力机的输出功率。
如果
Figure 711716DEST_PATH_IMAGE034
不近似恒定，则
Figure 240917DEST_PATH_IMAGE053
的计算只能通过原始的时间积分完成。

Claims (2)

1.一种基于WRF模式的海上风资源评估方法，其特征在于：主要包括以下步骤：
    步骤一，获取WRF数值天气预报数据和测风塔数据；
    步骤二，根据步骤一获取的数据代入风的垂直切变幂律公式，估算其他高度上的风速值，建立风的垂直切变模型；风垂直切变幂律公式如下：
Figure 2014100615453100001DEST_PATH_IMAGE001
式中：
Figure 203728DEST_PATH_IMAGE002
－风切变指数； 
Figure 263826DEST_PATH_IMAGE003
—高度
Figure 470817DEST_PATH_IMAGE004
的风速，； 
Figure 322546DEST_PATH_IMAGE006
—高度
Figure 983072DEST_PATH_IMAGE007
的风速，
Figure 247832DEST_PATH_IMAGE005
；
如果WRF数值天气预报数据和测风塔数据中存在多个高度的测风数据，对应高度
Figure 554496DEST_PATH_IMAGE009
风垂直切变指数的最小二乘估计是：
Figure 132120DEST_PATH_IMAGE010
    其中，
Figure 587372DEST_PATH_IMAGE011
,   
    步骤三，根据步骤二得到的风速，通过以下表达式计算概率分布密度：
当数据足以充分估计Weibull的两个参数时：
Figure 928671DEST_PATH_IMAGE013
其中,
Figure 338662DEST_PATH_IMAGE014
为概率密度,
Figure 902498DEST_PATH_IMAGE015
为风速(
Figure 24038DEST_PATH_IMAGE005
),
Figure 331523DEST_PATH_IMAGE016
为形状参数,
Figure 923916DEST_PATH_IMAGE017
为尺度参数；
当数据不足以充分估计Weibull的两个参数时，近似地认为风速分布满足Rayleigh分布：
Figure 658654DEST_PATH_IMAGE018
Rayleigh分布是Weibull分布在形状参数时的特殊情况；
    步骤四，计算空气密度：
Figure 113086DEST_PATH_IMAGE020
其中,
Figure 61450DEST_PATH_IMAGE021
为水汽压(
Figure 465624DEST_PATH_IMAGE022
),
Figure 499440DEST_PATH_IMAGE023
为气温(
Figure 148727DEST_PATH_IMAGE024
),
Figure 279494DEST_PATH_IMAGE014
为大气压(
Figure 356034DEST_PATH_IMAGE022
)；
如果需要通过湿度换算成水汽压，换算方法是：
对相对湿度
Figure 115961DEST_PATH_IMAGE025
，水汽压为
其中
Figure 554212DEST_PATH_IMAGE027
为该温度下的饱和水汽压，据文献，在摄氏-50到50度范围内，采用马格努斯饱和水汽压计算公式：
Figure 801654DEST_PATH_IMAGE028
其中
Figure 544482DEST_PATH_IMAGE029
,
Figure 34107DEST_PATH_IMAGE023
为实际温度(
Figure 811570DEST_PATH_IMAGE024
)；
    步骤五，根据上述步骤计算得到的数据，分别代入以下公式得到风功率密度和年发电量；
a，风功率密度
设定时段的平均风功率密度表达式为：
Figure 292230DEST_PATH_IMAGE030
  (
Figure 787933DEST_PATH_IMAGE031
）
式中：—在设定时段内的记录数；
      
Figure 713219DEST_PATH_IMAGE033
—空气密度，
Figure 302463DEST_PATH_IMAGE034
；
      
Figure 82200DEST_PATH_IMAGE035
—第
Figure 415093DEST_PATH_IMAGE036
记录的风速（）值的立方；
风功率密度在连续域上的表达式为：
Figure 425829DEST_PATH_IMAGE037
其中,
Figure 630545DEST_PATH_IMAGE038
为平均风能功率密度(
Figure 829445DEST_PATH_IMAGE031
) ,
Figure 436007DEST_PATH_IMAGE033
为空气密度(
Figure 367054DEST_PATH_IMAGE034
),
Figure 121383DEST_PATH_IMAGE015
为风速(
Figure 577771DEST_PATH_IMAGE005
),
Figure 38839DEST_PATH_IMAGE039
为风速概率密度, 
Figure 203104DEST_PATH_IMAGE040
为有效风能功率密度(),
Figure 860799DEST_PATH_IMAGE041
为条件功率密度函数；
Figure 674909DEST_PATH_IMAGE042
分别为有效风速的上、下限(
Figure 275654DEST_PATH_IMAGE005
)；
根据
Figure 676680DEST_PATH_IMAGE015
随Weibull分布的假设，风功率密度和有效风功率密度也可推导后写为：
Figure 958757DEST_PATH_IMAGE043
其中
Figure 128838DEST_PATH_IMAGE044
为伽马函数；如果
Figure 900485DEST_PATH_IMAGE033
随风速或时间变化较大，则还是只能还原到原始的积分公式来求取风能密度；
b，年发电量
在
Figure 287342DEST_PATH_IMAGE033
恒定和
Figure 45213DEST_PATH_IMAGE015
满足Weibull分布假设下，年发电量
Figure 335380DEST_PATH_IMAGE045
可以通过下式计算
Figure 714147DEST_PATH_IMAGE046
Figure 152081DEST_PATH_IMAGE047
其中
Figure 775961DEST_PATH_IMAGE048
为风速的出现概率，为风速
Figure 896998DEST_PATH_IMAGE049
下，风力机的输出功率；
如果
Figure 563383DEST_PATH_IMAGE033
不近似恒定，则
Figure 890459DEST_PATH_IMAGE051
的计算只能通过原始的时间积分完成。
2.根据权利要求1所述的海上风资源评估方法，其特征在于：步骤二还包括测风塔数据对风速进行均值校正：校正公式如下；
Figure 846914DEST_PATH_IMAGE052
式中：为校正后风速；
Figure 225123DEST_PATH_IMAGE054
为校正前风速；
Figure 344388DEST_PATH_IMAGE055
为校正因子。
CN201410061545.3A 2014-02-24 2014-02-24 一种基于wrf模式的海上风资源评估方法 Pending CN103778572A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410061545.3A CN103778572A (zh) 2014-02-24 2014-02-24 一种基于wrf模式的海上风资源评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410061545.3A CN103778572A (zh) 2014-02-24 2014-02-24 一种基于wrf模式的海上风资源评估方法

Publications (1)

Publication Number Publication Date
CN103778572A true CN103778572A (zh) 2014-05-07

Family

ID=50570772

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410061545.3A Pending CN103778572A (zh) 2014-02-24 2014-02-24 一种基于wrf模式的海上风资源评估方法

Country Status (1)

Country Link
CN (1) CN103778572A (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104331621A (zh) * 2014-11-05 2015-02-04 中国大唐集团新能源股份有限公司 一种风资源计算方法
CN105303457A (zh) * 2015-10-19 2016-02-03 清华大学 基于蒙特卡洛运行维护模拟的海上风资源评估方法
CN105842692A (zh) * 2016-03-17 2016-08-10 中国科学院遥感与数字地球研究所 一种insar测量中的大气校正方法
CN106339568A (zh) * 2015-07-08 2017-01-18 中国电力科学研究院 一种基于混合背景场的数值天气预报方法
CN107767030A (zh) * 2017-09-25 2018-03-06 浙江大学 一种基于多源遥感卫星风速校正的海上风能资源评估方法
CN108122044A (zh) * 2016-11-30 2018-06-05 中国电力科学研究院 一种辐射预测方法及系统
CN108399507A (zh) * 2018-03-22 2018-08-14 中国气象局公共气象服务中心 一种台风致灾影响的评估方法和装置
CN108649611A (zh) * 2018-06-12 2018-10-12 国网能源研究院有限公司 一种全球大型风电基地开发潜力评估方法
CN109583096A (zh) * 2018-12-03 2019-04-05 华润电力技术研究院有限公司 一种基于中尺度模型和微尺度模型结合的风资源计算方法
CN109961207A (zh) * 2017-12-26 2019-07-02 北京金风科创风电设备有限公司 确定风资源的方法和装置
CN110533347A (zh) * 2019-09-10 2019-12-03 浙江运达风电股份有限公司 一种风电场风资源计算方法、装置、设备及可读介质
CN112348244A (zh) * 2020-10-31 2021-02-09 华能新能源上海发电有限公司 一种基于风资源评估的风电场发电机组检修方法
CN112926212A (zh) * 2021-03-10 2021-06-08 航天科工智慧产业发展有限公司 一种内陆平原风能资源评估方法、系统及风机选址方法
CN116306026A (zh) * 2023-05-12 2023-06-23 南京信息工程大学 一种面向复杂地形的风能资源评估方法、设备及存储介质
CN116911462A (zh) * 2023-07-21 2023-10-20 国家卫星海洋应用中心 一种近海风切变系数估计方法、装置及设备
CN116953703A (zh) * 2023-07-21 2023-10-27 国家卫星海洋应用中心 一种近海风能评估方法、装置及设备

Cited By (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104331621B (zh) * 2014-11-05 2017-11-28 中国大唐集团新能源股份有限公司 一种风资源计算方法
CN104331621A (zh) * 2014-11-05 2015-02-04 中国大唐集团新能源股份有限公司 一种风资源计算方法
CN106339568B (zh) * 2015-07-08 2019-04-05 中国电力科学研究院 一种基于混合背景场的数值天气预报方法
CN106339568A (zh) * 2015-07-08 2017-01-18 中国电力科学研究院 一种基于混合背景场的数值天气预报方法
CN105303457A (zh) * 2015-10-19 2016-02-03 清华大学 基于蒙特卡洛运行维护模拟的海上风资源评估方法
CN105303457B (zh) * 2015-10-19 2021-09-21 清华大学 基于蒙特卡洛运行维护模拟的海上风资源评估方法
CN105842692A (zh) * 2016-03-17 2016-08-10 中国科学院遥感与数字地球研究所 一种insar测量中的大气校正方法
CN105842692B (zh) * 2016-03-17 2018-07-03 中国科学院遥感与数字地球研究所 一种insar测量中的大气校正方法
CN108122044B (zh) * 2016-11-30 2021-12-03 中国电力科学研究院 一种辐射预测方法及系统
CN108122044A (zh) * 2016-11-30 2018-06-05 中国电力科学研究院 一种辐射预测方法及系统
CN107767030B (zh) * 2017-09-25 2021-10-01 浙江大学 一种基于多源遥感卫星风速校正的海上风能资源评估方法
CN107767030A (zh) * 2017-09-25 2018-03-06 浙江大学 一种基于多源遥感卫星风速校正的海上风能资源评估方法
CN109961207A (zh) * 2017-12-26 2019-07-02 北京金风科创风电设备有限公司 确定风资源的方法和装置
CN108399507B (zh) * 2018-03-22 2022-02-25 中国气象局公共气象服务中心 一种台风致灾影响的评估方法和装置
CN108399507A (zh) * 2018-03-22 2018-08-14 中国气象局公共气象服务中心 一种台风致灾影响的评估方法和装置
CN108649611B (zh) * 2018-06-12 2020-08-04 国网能源研究院有限公司 一种全球大型风电基地开发潜力评估方法
CN108649611A (zh) * 2018-06-12 2018-10-12 国网能源研究院有限公司 一种全球大型风电基地开发潜力评估方法
CN109583096A (zh) * 2018-12-03 2019-04-05 华润电力技术研究院有限公司 一种基于中尺度模型和微尺度模型结合的风资源计算方法
CN110533347A (zh) * 2019-09-10 2019-12-03 浙江运达风电股份有限公司 一种风电场风资源计算方法、装置、设备及可读介质
CN110533347B (zh) * 2019-09-10 2023-04-18 浙江运达风电股份有限公司 一种风电场风资源计算方法、装置、设备及可读介质
CN112348244A (zh) * 2020-10-31 2021-02-09 华能新能源上海发电有限公司 一种基于风资源评估的风电场发电机组检修方法
CN112926212A (zh) * 2021-03-10 2021-06-08 航天科工智慧产业发展有限公司 一种内陆平原风能资源评估方法、系统及风机选址方法
CN112926212B (zh) * 2021-03-10 2023-10-13 航天科工智慧产业发展有限公司 一种内陆平原风能资源评估方法、系统及风机选址方法
CN116306026A (zh) * 2023-05-12 2023-06-23 南京信息工程大学 一种面向复杂地形的风能资源评估方法、设备及存储介质
CN116306026B (zh) * 2023-05-12 2023-08-22 南京信息工程大学 一种面向复杂地形的风能资源评估方法、设备及存储介质
CN116911462A (zh) * 2023-07-21 2023-10-20 国家卫星海洋应用中心 一种近海风切变系数估计方法、装置及设备
CN116953703A (zh) * 2023-07-21 2023-10-27 国家卫星海洋应用中心 一种近海风能评估方法、装置及设备

Similar Documents

Publication Publication Date Title
CN103778572A (zh) 一种基于wrf模式的海上风资源评估方法
Costoya et al. Projections of wind energy resources in the Caribbean for the 21st century
Deppe et al. A WRF ensemble for improved wind speed forecasts at turbine height
Amirinia et al. Wind and wave energy potential in southern Caspian Sea using uncertainty analysis
Shimada et al. Accuracy of the wind speed profile in the lower PBL as simulated by the WRF model
Nor et al. Feasibility assessment of wind energy resources in Malaysia based on NWP models
Lee et al. Assessment of offshore wind energy at Younggwang in Korea
Emeksiz et al. In case study: Investigation of tower shadow disturbance and wind shear variations effects on energy production, wind speed and power characteristics
Maatallah et al. Wind power assessment and evaluation of electricity generation in the Gulf of Tunis, Tunisia
Tiang et al. Technical review of wind energy potential as small-scale power generation sources in Penang Island Malaysia
He et al. Spatiotemporal analysis of offshore wind field characteristics and energy potential in Hong Kong
CN109784563B (zh) 一种基于虚拟测风塔技术的超短期功率预测方法
CN105894106A (zh) 一种海洋模式和气象模式的一体化耦合方法
Van Sark et al. Do we really need rotor equivalent wind speed?
CN104036121A (zh) 基于概率分布转移的测风数据风速订正方法
Golbazi et al. Methods to estimate surface roughness length for offshore wind energy
CN117390894B (zh) 一种预测极端风暴潮位的方法
Lorenz et al. A dynamical downscaling of ERA‐Interim in the North Sea using WRF with a 3 km grid—for wind resource applications
CN108808671A (zh) 一种风电场短期风速集合预报方法
He et al. Assessment of future wind resources under climate change using a multi-model and multi-method ensemble approach
CN111666725A (zh) 一种适应非复杂地形风电场的测风塔规划选址方法及系统
CN106408446B (zh) 一种近海风电场风能计算方法
Kutty et al. Estimation of different wind characteristics parameters and accurate wind resource assessment for Kadavu, Fiji
CN115204712B (zh) 一种海上和沿海风电场选址评估方法
Donkers et al. Offshore wind atlas of the Dutch part of the North Sea

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20140507

RJ01 Rejection of invention patent application after publication