CN103823979B - 一种风电场噪声预测方法 - Google Patents
一种风电场噪声预测方法 Download PDFInfo
- Publication number
- CN103823979B CN103823979B CN201410065862.2A CN201410065862A CN103823979B CN 103823979 B CN103823979 B CN 103823979B CN 201410065862 A CN201410065862 A CN 201410065862A CN 103823979 B CN103823979 B CN 103823979B
- Authority
- CN
- China
- Prior art keywords
- wind
- power plant
- sound
- wind speed
- level
- 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.)
- Active
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Wind Motors (AREA)
Abstract
本发明提供了一种风电场噪声预测方法,包括下述步骤:步骤1、构建风电场中风电机组的视在声功率级数据库和气象资料数据库;步骤2、获取风电机组的等效排放声功率级;以及步骤3、获取风电场相对声源测量接收点的风电场声压级。和现有技术相比,本发明提供的一种风电场噪声预测方法,能够基于风电场所处地域特点对风电场进行实时和长期噪声预测。
Description
技术领域
本发明涉及一种噪声预测方法,具体涉及一种风电场噪声预测方法。
背景技术
声源在大气中的传播预测模型是基于声源的声功率级,声源传播环境的温度、风速、植被、地形等影响因素,计算单个或多个声源在不同距离上的噪声远场分布构建。声源传播预测模型可用于噪声环境影响评价,并对建设噪声防治设施起到指导性作用。
现有技术中用于远场噪声预测的声源传播预测模型包括ISO9613-2声传播模型、澳大利亚的ENM(environmental noise model)和丹麦的WiTuProp等。在这些声源传播预测模型中,通常风电机组被假设为一个不考虑指向性的高空点声源,并且考虑了噪声在空气中的传播过程中多种因素的影响。但是,都没有考虑风速经过风电场后对声传播的衰减以及不同风电机组的运行状态和负荷下的辐射噪声差异;同时,上述声源传播预测模型只能进行短时的风电运行噪声预测,不能实现不同季节以及长期的噪声预测。因此提供一种能够反映风电场所处地域特点的长期噪声预测方法显得尤为重要。
发明内容
为了满足现有技术的需要,本发明提供了一种风电场噪声预测方法,包括下述步骤:
步骤1:构建所述风电场中风电机组的视在声功率级数据库和气象资料数据库;
步骤2:获取所述风电机组的等效排放声功率级LE;以及
步骤3:获取所述风电场相对声源测量接收点的风电场声压级LA,总。
优选的,所述视在声功率级数据库包括以所述风电机组的风力发电机风轮中心为基准的A计权声压级测量值、风速值、风电机组功率、风电机组负荷状态和背景噪声数据;
视在声功率级其中,所述LAeq,c,k为整数风速j的A计权声压级测量值,整数风速j范围为6m/s~10m/s;R1是风轮中心到麦克风的倾斜距离,单位为米;S0是基准面积,为1平方米;
所述气象资料数据库通过风电场自动监测站采集的不同季节的平均风速、风向、大气温度、大气湿度以及地面植被覆盖面积进行构建;
优选的,所述步骤2中获取所述等效排放声功率级包括:
步骤2-1:通过所述风电机组的负荷状态构建所述风电机组的风速概率矩阵;
将通过风速测量设备获取的风电机组轮毂高度处的风速曲线与所述风电机组的输出功率曲线进行拟合得到风速-功率曲线;通过所述风速-功率曲线和所述风电机组的位置坐标构建所述风速概率矩阵;
步骤2-2:通过所述风速概率矩阵、工作频率和在不同风速时的视在声功率级得到风电机组轮毂高度处的等效排放声功率级其中,所述vci、vco分别为风电机组的切入风速和切出风速,所述Uj为风电机组轮毂高度处整数风速j的频率,所述Lw,i,j为整数风速j下的第i个频带的视在声功率级;所述风电机组轮毂高度处整数风速j的修正风速为其中,所述v10为10m高度处的风速,所述h为风电机组轮毂高度,所述z为地形参数;
优选的,所述等效排放声功率级的响应时间为1min,从而实现风电场噪声的实时预测;
优选的,所述步骤3包括实时预测所述风电机组声压级和长期预测所述风电机组声压级;
实时预测所述风电场声压级LA,总为:
步骤3-1:依据所述等效排放声功率级LE对实时声传播进行衰减修正,分别计算每个所述风电机组相对声源测量接收点的声压级LSA;
步骤3-2:对每个所述声压级LSA进行能量叠加,获得所述风电场声压级LA,总;
长期预测所述风电场声压级LA,总为:
步骤3-3:依据所述等效排放声功率级LE对不同季节的平均风速和风向下的声传播进行衰减修正,分别计算每个所述风电机组相对声源测量接收点的声压级LLA;
步骤3-4:对每个所述声压级LLA进行能量叠加,获得所述风电场声压级LA,总;
优选的,所述步骤3-1中所述衰减修正包括对声传播时的几何发散衰减、大气吸收衰减、地面效应衰减和屏障衰减进行修正;
所述步骤3-3中所述衰减修正包括对声传播几何发散衰减、大气吸收衰减、地面效应衰减、屏障衰减、不同季节的平均风速和风向进行修正。
与最接近的现有技术相比,本发明的优异效果是:
1、本发明提供的一种风电场噪声预测方法响应时间在分钟量级,可实现的风电场实时噪声预测,可通过网页发布等手段提供实时展示;
2、本发明提供的一种风电场噪声预测方法能够进行年度平均的远场噪声预测,预测面积可达数平方公里,充分反映出地形起伏、植被及敏感建筑物特征;并能够根据天气预报的风速、风向、湿度等气象条件,对未来几天做短时噪声预测;
3、本发明提供的一种风电场噪声预测方法在风电场实时噪声预测中考虑风电机组的运行状态及风速经过风电场后的变化因素,预测结果具有指向性;在风电场长期噪声建模及预测中,增加了季节性天气变化因素,构建能反映风电场所处地域特点的长期噪声模型及预测机制;
4、本发明提供的一种风电场噪声预测方法应用于风电场建设前,根据风电机组型号及当地长期气象情况,预测风电场建成后对当地声环境的影响;应用于风电场建设时,能够合理设计风电机组分布位置,降低居民聚集区处或其他位置的噪声。
附图说明
下面结合附图对本发明进一步说明。
图1是:本发明实施例中提供的一种风电场噪声实时预测方法流程图;
图2是:本发明实施例中提供的一种风电场噪声长期预测方法流程图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
本发明提供的风电场噪声预测方法是以风电机组噪声模型为基础,结合风电场的地形地貌、气候等声传播影响因素和风电机组工作状态进行风电场噪声预测,包括对符合风电场工作特性的实时噪声预测及建立在常年监测数据基础上的长期噪声预测,通过本发明提供的风电场噪声预测方法能够较好地评估风电场对周边10公里范围内的噪声影响。
所述方法包括对单个风电机组和多个风电机组即风电场的噪声预测;
①:单个风电机组:基于气动噪声产生机理,并通过理论解析或半经验公式计算单个风电机组的视在声功率级;对于不同型号的风电机组,相应的变量包括扇叶数、扇叶厚度、扇叶尖端形态、叶尾缘形态等;
②:风电场:风电场中各个风电机组之间的距离一般大于3倍转子直径以上,相对于风电机组的尺寸而言可以将风电机组简化为N个不相关的高空点声源;先分别求出各声源在指定的声源测量接收点引起的声压级而后依据能量叠加的方法,计算出风电场对该声源测量接收点的总声压级。
本实施例中风电场噪声预测方法的具体步骤为:
步骤1:构建风电场中风电机组的视在声功率级数据库和气象资料数据库;
①:视在声功率级数据库为风电场噪声预测的基础数据库,在噪声预测时作为源输入。由于风电场中风电机组的排列不同,风电场风流速度和方向差异很大,这导致风电场中各风机的运行负荷状态各不相同,视在声功率级不同。因此视在声功率级数据库包括不同风电机组以其风力发电机风轮中心为基准的A计权声压级测量值、风速值、风电机组功率、风电机组负荷状态和背景噪声数据;
其中,背景噪声数据通过直接测量获得;
背景噪声数据的测量环境为:风电场中相对声源测量接收点进行测量的风电机组停止工作,其他环境与风电机组正常工作时的声源测量保持一致,包括测量位置、测量时段。
视在声功率级为被测风力发电机风轮中心处相当于基准辐射源为1pw向下风辐射的A计权声压级;视在声功率级其中,LAeq,c,k为基准条件下整数风速j的A计权声压级测量值,整数风速j范围为6m/s~10m/s;R1是风力发电机风轮中心到麦克风的倾斜距离,单位为米;S0是基准面积,为1平方米。
将视在声功率级数据库中每次测量的时间及该时刻对应的A计权声压级测量值、风速值、风电机组功率、风电机组负荷状态进行关联存储,同时与间隔一段时间测量的背景噪声数据关联,构建多维信息数据库,从而在风电场噪声预测时能够根据风速值等不同要求调用数据。
②:气象资料数据库通过风电场自动监测站采集的不同季节的平均风速、风向、大气温度、大气湿度以及地面植被覆盖面积进行构建;在全国主要风场布设风力风速等气象资料的风电场自动监测站进行连续的长期监测,以季节为统计单元,统计不同季节的平均风速范围和主要风向,不同季节的大气温湿度范围、地面植被覆盖情况。
步骤2:通过视在声功率级数据库获取每个风电机组的等效排放声功率级,即电声源源强;具体步骤为:
①:获取风电机组的风速概率矩阵;
对于一个风电场而言,各个风电机组的风速概率矩阵获取比较困难,但是根据各个风电机组的发电量可以精确得到各个风电机组的输出功率(即风电场中各风电机组的负荷状态);因此,通过风电机组的负荷状态构建风电机组的风速概率矩阵;
通过风速测量设备获取风电机组轮毂高度处的风速曲线,将风速曲线与风电机组的输出功率曲线进行拟合得到风速-功率曲线;通过风速-功率曲线和风电机组的位置坐标构建风速概率矩阵;
②:通过风速概率矩阵、工作频率和在不同风速时的视在声功率级得到风电机组轮毂高度处的等效排放声功率级其中,vci、vco分别为风电机组的切入风速和切出风速,Uj为风电机组轮毂高度处整数风速j的频率,Lw,i,j为整数风速j下的第i个频带的视在声功率级;风电机组轮毂高度处整数风速j的修正风速为其中,v10为10m高度处的风速,h为风电机组轮毂高度,z为地形参数;
视在声功率级其中,Lp,i,j为整数风速j的A计权声压级测量值,整数风速j范围为6m/s~10m/s;R1是风轮中心到麦克风的倾斜距离,单位为米;S0是基准面积,为1平方米。
本实施例中声源测量接收点的声压级基于实时风速,并通过地理信息系统(Geographic Information System,GIS)获取,其响应时间为1min,从而实现风电场噪声的实时预测。
步骤3:获取风电机组相对声源测量接收点的风电机组声压级LA,总,包括实时预测风电机组声压级和长期预测风电机组声压级;图1和2分别示出了本实施例中对风电场噪声进行实时和长期预测的方法流程图:
(1):实时预测风电机组声压级为:
步骤3-1:经过风机/风电场后风速的衰减会导致风电场上风向和下风向风机噪声传播的不对称性,简单的将风电机组简化为点声源的辐射衰减不能反映风电场本身的噪声特点,因此对实时声传播进行衰减修正,分别计算每个风电机组在指定声源测量接收点的声压级LSA;
其中,衰减修正包括对声传播时的几何发散衰减、大气吸收衰减、地面效应衰减和屏障衰减进行修正;
本实施例中,声源测量接收点的声压级LSA=LW+DC-A;声源测量接收点的声压级LSA包括从63Hz到8kHz标称中心频率的8个倍频带;其中,LW为风电机组产生的倍频带声功率级,基准声功率为1pw;DC为指向性校正;A=Adiv+Aatm+Agr+Abar为从风电机组到声源测量接收点的声传播时的倍频带衰减;Adiv为几何发散引起的衰减;Aatm为大气吸收引起的衰减;Agr为地面效应引起的衰减;Abar为加屏障引起的衰减;
指向性校正DC符合ISO9613-2标准,描述了点声源在各个方向等效连续声压级不完全相同的情况;对于全指向的点声源即在各个方向的等效连续声压级均匀,指向性校正DC=0。
①:本实施例中几何发散衰减Adiv=[20lg(d/d0)+11]dB为风电机组在自由场中传播的球面扩展引起的衰减;其中,d为由风电机组到声源测量接收点的距离,单位m;d0=1m为参考距离;
②:本实施例中大气吸收衰减Aatm=αd/1000;其中,α为大气衰减系数,单位dB/km;d为由风电机组到声源测量接收点的距离,单位m;
③:本实施例中地面效应衰减Agr=4.8-(2hm/d)[17+(300/d)];其中,d为由风电机组到测量接收点的距离,单位m;hm为声传播路径的平均离地高度,单位;本实施例中疏松地面效应衰减范围为0≤Agr≤4.8dB;
④:本实施例中屏障衰减Abar包括:
顺风声传播越过上边界绕射的屏障衰减Abar=Ds-Agr>0:
顺风声传播越过垂直边界绕射的屏障衰减Abar=Ds>0:其中,Ds为每一倍频带的屏障衰减;Agr为地面效应衰减,即屏障不存在时的地面效应衰减。
步骤3-2:依据能量叠加法对上述每个声压级LSA进行能量叠加,获得风电场声压级LA,总:
当只有一个风电机组时,声源测量接收点预测结果:LSA=LE+DC-Adiv-Aatm-Agr-Abar;
当有n个风电机组存在形成风电场时:分别求出各风电机组在声源测量接收点引起的声压级LSA,1,LSA,2,...LSA,i,...LSA,n;依据能量叠加的方法,计算出风电场对该声源测量接收点的风电场声压级,即总声压级
(2):长期预测风电机组声压级为:
步骤3-3:对不同季节的平均风速和风向下的声传播进行衰减修正,分别计算每个风电机组在指定声源测量接收点的声压级LLA;
衰减修正包括对声传播几何发散衰减、大气吸收衰减、地面效应衰减、屏障衰减、不同季节的平均风速和风向Awind进行修正。其中对几何发散衰减、大气吸收衰减和地面效应衰减的修正依据季节变化采用与实时预测风电场声压级中的相同方法进行计算。
步骤3-4:依据能量叠加法对上述每个声压级进行能量叠加,获得风电场声压级LA,总。
当只有一个风电机组时,声源测量接收点预测结果为:LLA=LE+DC-Adiv-Aatm-Agr-Abar-Awind;
当有n个风电机组存在形成风电场时:分别求出各风电机组在声源测量接收点引起的声压级LLA,1,LLA,2,...LLA,i,...LLA,n;依据能量叠加的方法,计算出风电场对该声源测量接收点的风电场声压级,即总声压级
最后应当说明的是:所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
Claims (3)
1.一种风电场噪声预测方法,其特征在于,所述方法包括下述步骤:
步骤1:构建所述风电场中风电机组的视在声功率级数据库和气象资料数据库;
步骤2:获取所述风电机组的等效排放声功率级LE;以及
步骤3:获取所述风电场相对声源测量接收点的风电场声压级LA,总;
所述视在声功率级数据库包括以所述风电机组的风力发电机风轮中心为基准的A计权声压级测量值、风速值、风电机组功率、风电机组负荷状态和背景噪声数据;
视在声功率级其中,所述LAeq,c,k为整数风速j的A计权声压级测量值,整数风速j范围为6m/s~10m/s;R1是风轮中心到麦克风的倾斜距离,单位为米;S0是基准面积,为1平方米;
所述气象资料数据库通过风电场自动监测站采集的不同季节的平均风速、风向、大气温度、大气湿度以及地面植被覆盖面积进行构建;
所述步骤2中获取所述等效排放声功率级包括:
步骤2-1:通过所述风电机组的负荷状态构建所述风电机组的风速概率矩阵;
将通过风速测量设备获取的风电机组轮毂高度处的风速曲线与所述风电机组的输出功率曲线进行拟合得到风速-功率曲线;通过所述风速-功率曲线和所述风电机组的位置坐标构建所述风速概率矩阵;
步骤2-2:通过所述风速概率矩阵、工作频率和在不同风速时的视在声功率级得到风电机组轮毂高度处的等效排放声功率级其中,所述vci、vco分别为风电机组的切入风速和切出风速,所述Uj为风电机组轮毂高度处整数风速j的频率,所述Lw,i,j为整数风速j下的第i个频带的视在声功率级;所述风电机组轮毂高度处整数风速j的修正风速为其中,所述v10为10m高度处的风速,所述h为风电机组轮毂高度,所述z为地形参数;
所述步骤3包括实时预测所述风电机组声压级和长期预测所述风电机组声压级;
实时预测所述风电场声压级LA,总为:
步骤3-1:依据所述等效排放声功率级LE对实时声传播进行衰减修正,分别计算每个所述风电机组相对声源测量接收点的声压级LSA;
步骤3-2:对每个所述声压级LSA进行能量叠加,获得所述风电场声压级LA,总;
长期预测所述风电场声压级LA,总为:
步骤3-3:依据所述等效排放声功率级LE对不同季节的平均风速和风向下的声传播进行衰减修正,分别计算每个所述风电机组相对声源测量接收点的声压级LLA;
步骤3-4:对每个所述声压级LLA进行能量叠加,获得所述风电场声压级LA,总。
2.如权利要求1所述的一种风电场噪声预测方法,其特征在于,所述等效排放声功率级的响应时间为1min,从而实现风电场噪声的实时预测。
3.如权利要求1所述的一种风电场噪声预测方法,其特征在于,所述步骤3-1中所述衰减修正包括对声传播时的几何发散衰减、大气吸收衰减、地面效应衰减和屏障衰减进行修正;
所述步骤3-3中所述衰减修正包括对声传播几何发散衰减、大气吸收衰减、地面效应衰减、屏障衰减、不同季节的平均风速和风向进行修正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410065862.2A CN103823979B (zh) | 2014-02-26 | 2014-02-26 | 一种风电场噪声预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410065862.2A CN103823979B (zh) | 2014-02-26 | 2014-02-26 | 一种风电场噪声预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103823979A CN103823979A (zh) | 2014-05-28 |
CN103823979B true CN103823979B (zh) | 2017-06-23 |
Family
ID=50759036
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410065862.2A Active CN103823979B (zh) | 2014-02-26 | 2014-02-26 | 一种风电场噪声预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103823979B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106873359B (zh) * | 2015-12-11 | 2020-09-15 | 中国电力科学研究院 | 一种基于聚类分析和神经网络的风电噪声评价方法 |
GB201617584D0 (en) * | 2016-10-17 | 2016-11-30 | Romax Technology Limited | Determining loads on a wind turbine |
CN106599394B (zh) * | 2016-11-25 | 2020-02-18 | 国网上海市电力公司 | 一种变电站的噪声声场建模计算方法 |
CN108254065A (zh) * | 2016-12-29 | 2018-07-06 | 北京金风科创风电设备有限公司 | 风力发电机组的噪音音调评估方法及装置 |
CN107609278B (zh) * | 2017-09-18 | 2020-06-12 | 安徽理工大学 | 一种提高热电厂噪声预测模型精度的方法 |
CN108053123A (zh) * | 2017-12-19 | 2018-05-18 | 吉林省电力科学研究院有限公司 | 一种风能发电环境效益评价方法 |
CN111126651B (zh) * | 2018-10-31 | 2022-04-19 | 北京金风科创风电设备有限公司 | 风电场噪声预测方法、装置及系统 |
CN109297584B (zh) * | 2018-12-08 | 2024-03-08 | 国网湖北省电力有限公司电力科学研究院 | 一种户外变电站噪声预报系统及方法 |
CN109784544B (zh) * | 2018-12-21 | 2019-12-31 | 扬州大学 | 一种平坦地形风电场的噪声预测和优化布局方法 |
CN110110457B (zh) * | 2019-05-13 | 2020-05-12 | 扬州大学 | 一种复杂地形风电场的噪声分布预测方法 |
CN112182765B (zh) * | 2020-09-30 | 2023-05-23 | 中车长春轨道客车股份有限公司 | 一种噪声数据获取方法及装置 |
CN113236487B (zh) * | 2021-05-24 | 2022-06-10 | 上海电气风电集团股份有限公司 | 风电场噪声控制方法、系统、设备及可读存储介质 |
CN114046957B (zh) * | 2021-11-16 | 2024-05-14 | 成都流体动力创新中心 | 一种用于开口风洞远场噪声测量的三维剪切层修正方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7330396B2 (en) * | 2004-10-13 | 2008-02-12 | Wayne State University | Farfield analysis of noise sources |
WO2010037387A2 (en) * | 2008-09-30 | 2010-04-08 | Vestas Wind Systems A/S | Control of wind park noise emission |
CN202974425U (zh) * | 2012-10-26 | 2013-06-05 | 中国电力科学研究院 | 一种风电机组噪声测试系统 |
-
2014
- 2014-02-26 CN CN201410065862.2A patent/CN103823979B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN103823979A (zh) | 2014-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103823979B (zh) | 一种风电场噪声预测方法 | |
Zajamšek et al. | Characterisation of wind farm infrasound and low-frequency noise | |
CN106873359B (zh) | 一种基于聚类分析和神经网络的风电噪声评价方法 | |
EP1748184A2 (en) | Method and apparatus for reducing wind turbine noise | |
CN106815456A (zh) | 一种风电机组功率特性评价方法 | |
Fredianelli et al. | Analytical assessment of wind turbine noise impact at receiver by means of residual noise determination without the wind farm shutdown | |
Evans et al. | COMPARISON OF PREDICTED AND MEASURED WIND FARM NOISE LEVELS AND IMPLICATIONS FOR ASSESSMENTS OF NEW WIND FARMS. | |
Kaldellis et al. | Noise impact assessment on the basis of onsite acoustic noise immission measurements for a representative wind farm | |
Öhlund et al. | Meteorological effects on wind turbine sound propagation | |
CN106707166A (zh) | 一种风电场出力特性评估方法 | |
Valsaraj et al. | Symbolic regression-based improved method for wind speed extrapolation from lower to higher altitudes for wind energy applications | |
Rogers et al. | The effect of turbulence on noise emissions from a micro-scale horizontal axis wind turbine | |
CN106815773A (zh) | 一种风电场功率特性评估方法 | |
CN104133989A (zh) | 计及覆冰损失的风电场时序输出功率计算方法 | |
Martens et al. | An evaluation method for extensive wind turbine sound measurement data and its application | |
Benmedjahed et al. | Wind Potential Assessment of Three Coastal Sites in Algeria: Calculation and Modeling of Wind Turbine Noise using Matlab | |
CN103696913B (zh) | 一种实时监测风电机组运行时的风能利用偏差的方法 | |
Benmedjahed et al. | Temporal assessment of wind energy resource in Algerian desert sites: Calculation and modelling of wind noise | |
Qiu et al. | Prediction and predictability of a catastrophic local extreme precipitation event through cloud-resolving ensemble analysis and forecasting with Doppler radar observations | |
Kłaczyński et al. | Acoustic study of REpower MM92 wind turbines during exploitation | |
Giyanani et al. | Lidar uncertainty and beam averaging correction | |
Cao et al. | Preliminary assessment of the wind power resource around the thousand-meter scale megatall building | |
Zagubień | Analysis of acoustic pressure fluctuation around wind farms. | |
Martens et al. | Measuring and analysing the sound propagation of wind turbines | |
Furuholm et al. | Noise immission from wind farms |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |