CN103886185B - 一种用于风资源评估的年风速生成方法 - Google Patents
一种用于风资源评估的年风速生成方法 Download PDFInfo
- Publication number
- CN103886185B CN103886185B CN201410077792.2A CN201410077792A CN103886185B CN 103886185 B CN103886185 B CN 103886185B CN 201410077792 A CN201410077792 A CN 201410077792A CN 103886185 B CN103886185 B CN 103886185B
- Authority
- CN
- China
- Prior art keywords
- sequence
- wind speed
- wind
- distribution
- annual
- 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
- 238000000034 method Methods 0.000 title claims abstract description 19
- 230000001186 cumulative effect Effects 0.000 claims description 16
- 230000009466 transformation Effects 0.000 claims description 11
- 238000005315 distribution function Methods 0.000 claims description 10
- 238000011426 transformation method Methods 0.000 claims description 3
- 230000002060 circadian Effects 0.000 claims description 2
- 238000010248 power generation Methods 0.000 abstract description 9
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000006243 chemical reaction Methods 0.000 abstract 1
- 238000010276 construction Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000011541 reaction mixture Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及风力资源发电技术,特别是一种用于风资源评估的年风速生成方法,其步骤如下:首先根据当地的年月均风速、威布尔系数、自相关系数、昼夜模式强度、最大风速时刻生成一个含8760个数据点的服从均值为0、方差为1的正态分布的自相关序列;再根据每月的月均风速,以及昼夜模式强度系数、最大风速时刻,生成年8760个小时的风速初始序列;然后将风速初始序列进行概率变换后与自相关序列相加得到序列,序列在经过概率变化最后拟合得到一年8760小时的风速序列;本发明利用当地各种有效数据进行年风速拟合的方法,最终得到有效的评估数据以适应电风场的建立。
Description
技术领域
本发明涉及风力资源发电技术,特别是一种用于风资源评估的年风速生成方法。
背景技术
随着风力发电的进一步发展,我国风电场建设逐步呈现速度快、规模大的特点,而风电场的建设需要风电场所在地测风数据处理形成的资料和长期站(气象站、海洋站)的测风资料,伴随着风电场的快速扩建以及新建,导致对风电场所在地的风能资源的评估的风资源数据匮乏,因此,在当前能够获取的有限的风资源统计参数的情况下,进行风电场所在地的年风速的生成,对风资源进行评估就显得尤为必要。
现有风资源评估方法一般通过气象观测记录的代表年或特征年的风资源情况,进行数据统计分析,采用修正、拟合的方法得到年均或月均风速,虽然能够反映当地的风能情况,但是年均或月均风速对于评估风电场年发电量情况意义不大。因此,在现有的气象观测记录的数据基础上,提供一种能够生成一年8760小时或更短时间间隔的年风速,将有助于风电场风力机选型(不同风力机的风功曲线不一致,导致同样年风速情况下,年风力发电量就不一致),提供所建风电场的预期发电量。
发明内容
本发明的目的在于提供一种用于风资源评估的年风速生成方法,根据年月均风速、威布尔系数、自相关系数、昼夜模式强度、最大风速时刻进行年风速拟合的方法,可以得到有效的评估数据以适应电风场的建立。
为实现上述发明目的,本发明的技术方案如下:
一种用于风资源评估的年风速生成方法,其特征在于包括以下步骤:
第一步,根据当地气象统计数据得到一年12个月的月均风速,以及威布尔系数、自相关系数、昼夜模式强度系数、最大风速时刻;
第二步,生成一个含8760个数据点的服从均值为0、方差为1的正态分布的自相关序列Z;
第三步,根据每月的月均风速,以及昼夜模式强度系数、最大风速时刻,生成年8760个小时的风速初始序列U;
第四步,将第三步中得到的风速初始序列U进行概率变换,得到与第二步的自相关序列Z服从相同的正态分布序列的U′;
第五步,将第四步得到的概率变换后的序列U′与第二步产生的自相关数列Z相加,得到新的符合正态分布的序列W′;
第六步,采用第四步的概率变换方法,将第五步产生的序列W′做概率变换,得到服从以第一步所述的威布尔系数作为参数的威布尔分布序列W,由此便得到了拟合所得一年8760小时的风速序列W。
第二步中所述自相关序列Z的生成模型为:
zt=azt-1+f(t) (1)
式(1)中,zt、zt-1分别为t、t-1时刻的值;a为自回归参数;f(t)为白噪声函数返回的一个服从均值为0、方差为1的正态分布的随机数。
第三步中所述风速初始序列U中第N月中任意一天第i小时的风速生成模型如下:
式(2)中,为第N月的月均风速;δ为昼夜模式强度系数;φ为最大风速时刻。
第四步中所述概率变换的方法如下:将风速初始序列U记为序列A,A={A1,…,A8760},期望分布序列的累计分布函数为P(B),求期望分布序列B:
①求序列A的累计概率分布函数P(A):根据序列A的最大值maxA,划分为N个区间,得到[0,maxA/N)、[maxA/N,maxA*2/N)、…、[maxA*(N-1)/N,maxA];分别统计每个区间段的数据个数,除以8760便得到这个区间段的数据概率,数据在第i(1≤i≤N)个数据段的累计概率分布为第1到(i-1)个数据段的概率之和,由此得到P(A);
②根据已知序列A及P(A)、期望分布序列的累计分布函数P(B),求序列B:对于Aj(1≤j≤8760),根据P(A),得到Aj对应的累计概率P(Aj),从期望分布序列的累计分布函数P(B)中,找到累计概率为P(Aj)的B值,记为Bj,由此反复便可得到期望分布的序列B={B1,…,B8760},所得的序列B即为序列U′。
本发明的有益效果如下:
本发明可以根据年月均风速、威布尔系数、自相关系数、昼夜模式强度、最大风速时刻进行进行年风速拟合的方法,可以得到有效的评估数据以适应电风场的建立;
本发明所需基本数据少(一年12个月的月均风速、威布尔系数、自相关系数、昼夜模式强度、最大风速时刻),根据本发明方法,便可拟合得到当地一年8760个小时的风速大小,再配合风力机的风功曲线,便可评估当地一年8760小时的风力发电量,对当地的风力发电量进行客观评价,有助于风电场建设。另外,根据一年8760小时的风速大小,选择不同风功曲线的风力机,还可评估不同风力机在当地的发电情况,帮助进行风力机选型,提高风电场年发电量。
附图说明
图1是本发明的流程图。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述,以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是,在以下的描述中,当已知功能和设计的详细描述也许会淡化本发明的主要内容时,这些描述在这里将被忽略。
图1是一种用于风资源评估的年风速生成方法的流程图。
第一步,根据当地气象统计数据,或者从NASA数据库中查询当地经纬度对应的气象数据,输入一年12个月的月均风速,以及威布尔系数、自相关系数、昼夜模式强度系数、最大风速时刻。
第二步,根据自相关序列Z的生成模型:zt=azt-1+f(t),生成一个含8760个数据点的服从均值为0、方差为1的正态分布的自相关数列Z。
第三步,根据风速初始序列U中第N月中任意一天第i小时的风速生成模型:i=1,2,...,24,以及昼夜模式强度系数、最大风速时刻,生成年8760个小时的风速初始序列U。
第四步,将第三步中得到的风速初始序列U进行概率变换,得到与第二步的自相关序列Z服从相同的正态分布序列的U′;
第五步,将第四步得到的概率变换后的序列U′与第二步产生的自相关数列Z相加,得到新的符合正态分布的序列W′。
第六步,采用第四步的概率变换方法,将第五步产生的序列W′做概率变换,得到服从以第一步所述的威布尔系数作为参数的威布尔分布序列W,由此便得到了拟合所得一年8760小时的风速序列W。
最后,序列W便是拟合所得一年8760小时的风速序列。
Claims (1)
1.一种用于风资源评估的年风速生成方法,其特征在于包括以下步骤:
第一步,根据当地气象统计数据得到一年12个月的月均风速,以及威布尔系数、自相关系数、昼夜模式强度系数、最大风速时刻;
第二步,生成一个含8760个数据点的服从均值为0、方差为1的正态分布的自相关序列Z;
第三步,根据每月的月均风速,以及昼夜模式强度系数、最大风速时刻,生成年8760个小时的风速初始序列U;
第四步,将第三步中得到的风速初始序列U进行概率变换得到序列U′,序列U′与第二步中得到的自相关序列Z服从相同的正态分布;
第五步,将第四步得到的概率变换后的序列U′与第二步产生的自相关数列Z相加,得到新的符合正态分布的序列W′;
第六步,采用第四步的概率变换方法,将第五步产生的序列W′做概率变换,得到服从以第一步所述的威布尔系数作为参数的威布尔分布序列W,由此便得到了拟合所得一年8760小时的风速序列W;
第二步中所述自相关序列Z的生成模型为:
zt=azt-1+f(t)
其中,zt、zt-1分别为t、t-1时刻的值;a为自回归参数;f(t)为白噪声函数返回的一个服从均值为0、方差为1的正态分布的随机数;
第三步中所述风速初始序列U中第N月中任意一天第i小时的风速生成模型如下:
其中,为第N月的月均风速;δ为昼夜模式强度系数;φ为最大风速时刻;
第四步中所述概率变换的方法如下:将风速初始序列U记为序列A,A={A1,…,A8760},期望分布序列的累计分布函数为P(B),求期望分布序列B:
①求序列A的累计概率分布函数P(A):根据序列A的最大值maxA,划分为N个区间,得到[0,maxA/N)、[maxA/N,maxA*2/N)、…、[maxA*(N-1)/N,maxA];分别统计每个区间段的数据个数,除以8760便得到这个区间段的数据概率,数据在第i个数据段的累计概率分布为第1到(i-1)个数据段的概率之和,由此得到P(A),其中1≤i≤N;
②根据已知序列A及P(A)、期望分布序列的累计分布函数P(B),求序列B:对于Aj,根据P(A),得到Aj对应的累计概率P(Aj),从期望分布序列的累计分布函数P(B)中,找到累计概率为P(Aj)的B值,记为Bj,由此反复便可得到期望分布的序列B={B1,…,B8760},所得的序列B即为序列U′,其中1≤j≤8760。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410077792.2A CN103886185B (zh) | 2014-03-05 | 2014-03-05 | 一种用于风资源评估的年风速生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410077792.2A CN103886185B (zh) | 2014-03-05 | 2014-03-05 | 一种用于风资源评估的年风速生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103886185A CN103886185A (zh) | 2014-06-25 |
CN103886185B true CN103886185B (zh) | 2017-02-15 |
Family
ID=50955075
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410077792.2A Active CN103886185B (zh) | 2014-03-05 | 2014-03-05 | 一种用于风资源评估的年风速生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103886185B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104794325A (zh) * | 2015-03-10 | 2015-07-22 | 国家电网公司 | 一种基于随机差分方程的集群风电场出力时序模拟方法 |
CN105354632B (zh) * | 2015-10-26 | 2019-03-19 | 江苏省电力公司电力经济技术研究院 | 一种考虑尾流效应的风电场功率优化分配策略 |
CN106227998B (zh) * | 2016-07-15 | 2018-08-28 | 华北电力大学 | 一种基于优化时间窗口的风资源评估方法 |
CN115912484B (zh) * | 2022-12-08 | 2024-02-20 | 南方电网数字电网研究院有限公司 | 一种提供电网主动支撑能力的风电场功率快速控制系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102708305A (zh) * | 2012-06-20 | 2012-10-03 | 天津工业大学 | 一种基于卡尔曼滤波融合的风速序列预测方法 |
CN103400210A (zh) * | 2013-08-13 | 2013-11-20 | 广西电网公司电力科学研究院 | 一种短期风速组合预测方法 |
CN103605908A (zh) * | 2013-12-03 | 2014-02-26 | 天津工业大学 | 基于卡尔曼滤波的风速序列预测方法 |
-
2014
- 2014-03-05 CN CN201410077792.2A patent/CN103886185B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102708305A (zh) * | 2012-06-20 | 2012-10-03 | 天津工业大学 | 一种基于卡尔曼滤波融合的风速序列预测方法 |
CN103400210A (zh) * | 2013-08-13 | 2013-11-20 | 广西电网公司电力科学研究院 | 一种短期风速组合预测方法 |
CN103605908A (zh) * | 2013-12-03 | 2014-02-26 | 天津工业大学 | 基于卡尔曼滤波的风速序列预测方法 |
Non-Patent Citations (3)
Title |
---|
基于混沌特性分析的风速序列混合预测方法;修春波等;《电力系统保护与控制》;20130101;第41卷(第1期);14-20 * |
风力发电随机风速时间序列生成方法分析与评价;张建忠等;《风能》;20120427;第2012年卷(第1期);58-61 * |
风电场代表年风速计算方法的分析;杜燕军等;《可再生能源》;20100228;第28卷(第1期);105-108 * |
Also Published As
Publication number | Publication date |
---|---|
CN103886185A (zh) | 2014-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2017054537A1 (zh) | 一种长时间尺度光伏出力时间序列建模方法及装置 | |
CN103020487B (zh) | 一种光伏电站辐照度预测值修正方法 | |
CN111582551B (zh) | 风电场短期风速预测方法、系统及电子设备 | |
CN103886185B (zh) | 一种用于风资源评估的年风速生成方法 | |
CN105426956A (zh) | 一种超短期光伏预测方法 | |
CN103065202B (zh) | 一种基于组合核函数的风电场超短期风速预测方法 | |
Suomalainen et al. | Synthetic wind speed scenarios including diurnal effects: Implications for wind power dimensioning | |
CN103778572A (zh) | 一种基于wrf模式的海上风资源评估方法 | |
CN107194495A (zh) | 一种基于历史数据挖掘的光伏功率纵向预测方法 | |
CN103559563A (zh) | 一种风电场短期风速预测方法 | |
CN112765912A (zh) | 基于气候模式集合的洪涝灾害社会经济暴露度的评估方法 | |
CN104091077B (zh) | 一种风电场光伏电站联合出力模拟方法 | |
CN104598765A (zh) | 一种基于弹性自适应神经网络的建筑物能耗预测方法 | |
CN104849776A (zh) | 一种结合动态修正的电网高低温精细化预警方法 | |
CN112818512B (zh) | 一种基于风暴模式的最大单波波高Hmax计算方法 | |
CN116739172B (zh) | 一种基于爬坡识别的海上风电功率超短期预测方法及装置 | |
CN105373849A (zh) | 光伏电池组件温度的分步预测方法 | |
CN103530531B (zh) | 一种基于极大似然估计的风电功率持续特性描述方法 | |
CN117390894A (zh) | 一种预测极端风暴潮位的方法 | |
CN105741192B (zh) | 一种风电场风电机机舱短期风速组合预报方法 | |
CN108710966B (zh) | 一种基于多簇esn神经网络的光伏发电功率预测方法 | |
CN112307590B (zh) | 一种考虑相关性的风电场出力时序曲线仿真方法 | |
CN103065049B (zh) | 一种基于coif5小波实时分解的风电功率实时预测计算方法 | |
CN110555566B (zh) | 一种基于b样条分位数回归的光电概率密度预测方法 | |
CN112734073A (zh) | 一种基于长短期记忆网络的光伏发电功率短期预测方法 |
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 |