CN104106436B - 使用风力涡轮机阵列缓和风暴的技术 - Google Patents
使用风力涡轮机阵列缓和风暴的技术 Download PDFInfo
- Publication number
- CN104106436B CN104106436B CN201410043922.0A CN201410043922A CN104106436B CN 104106436 B CN104106436 B CN 104106436B CN 201410043922 A CN201410043922 A CN 201410043922A CN 104106436 B CN104106436 B CN 104106436B
- Authority
- CN
- China
- Prior art keywords
- storm
- wind turbine
- situation
- track
- oneself
- 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.)
- Expired - Fee Related
Links
- 238000005516 engineering process Methods 0.000 title abstract description 24
- 230000009467 reduction Effects 0.000 claims description 42
- 238000000034 method Methods 0.000 claims description 35
- 230000004044 response Effects 0.000 claims description 12
- 230000002349 favourable effect Effects 0.000 claims 6
- 238000006424 Flood reaction Methods 0.000 claims 2
- 230000004807 localization Effects 0.000 claims 2
- 230000008859 change Effects 0.000 abstract description 30
- 230000006378 damage Effects 0.000 abstract description 13
- 238000004422 calculation algorithm Methods 0.000 description 23
- 230000010354 integration Effects 0.000 description 8
- 238000010899 nucleation Methods 0.000 description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000003321 amplification Effects 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 238000003199 nucleic acid amplification method Methods 0.000 description 3
- 238000001556 precipitation Methods 0.000 description 3
- 239000005436 troposphere Substances 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 239000000926 atmospheric chemistry Substances 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 230000001066 destructive effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 230000002040 relaxant effect Effects 0.000 description 2
- 239000003643 water by type Substances 0.000 description 2
- GICIECWTEWJCRE-UHFFFAOYSA-N 3,4,4,7-tetramethyl-2,3-dihydro-1h-naphthalene Chemical compound CC1=CC=C2C(C)(C)C(C)CCC2=C1 GICIECWTEWJCRE-UHFFFAOYSA-N 0.000 description 1
- 235000017060 Arachis glabrata Nutrition 0.000 description 1
- 244000105624 Arachis hypogaea Species 0.000 description 1
- 235000010777 Arachis hypogaea Nutrition 0.000 description 1
- 235000018262 Arachis monticola Nutrition 0.000 description 1
- 241000255777 Lepidoptera Species 0.000 description 1
- 241000233855 Orchidaceae Species 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 244000309464 bull Species 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 230000002301 combined effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000009849 deactivation Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000008236 heating water Substances 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 235000020232 peanut Nutrition 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000007634 remodeling Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 210000004243 sweat Anatomy 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G15/00—Devices or methods for influencing weather conditions
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D7/00—Controlling wind motors
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/04—Automatic control; Regulation
- F03D7/042—Automatic control; Regulation by means of an electrical or electronic controller
- F03D7/048—Automatic control; Regulation by means of an electrical or electronic controller controlling wind farms
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D80/00—Details, components or accessories not provided for in groups F03D1/00 - F03D17/00
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Atmospheric Sciences (AREA)
- Environmental Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Wind Motors (AREA)
Abstract
本申请案涉及使用风力涡轮机阵列缓和风暴的技术。本发明描述一种系统,其操作可改变大气风暴的轨道和强度。本发明使用为发电而建置的风力涡轮机阵列。使用现有大气和风暴跟踪模型,可确定风暴轨道的计算以建立基线轨道计算。可接着针对其中削减各风力涡轮机群组或个别风力涡轮机出力(例如,顺桨联结)的若干排列计算所述风暴轨道。可基于破坏估计计算确定最佳风暴轨道。可将信号发送到个别风力涡轮机或风力涡轮机群组以削减所述涡轮机出力从而更改热带风暴的轨道。
Description
政府权益声明
促成本发明开发的研究是由国家海洋和大气管理局(NOAA)地球系统研究实验室发起。NOAA是美国商务部(美国联邦政府的组成部分)的一部分。美国政府对于本发明拥有一定的权利。
技术领域
本发明涉及一种系统,其操作可改变大气风暴的轨道和强度。特定来说,本发明是针对使用为发电而建置的风力涡轮机阵列,以更改热带风暴以及例如强烈风暴和干旱等其它天气现象的路径。
背景技术
本发明包含一种系统,其操作可改变大气风暴和其它天气现象的轨道和强度。本发明使用为发电而建置的风力涡轮机阵列。在本文说明的实例中,论述飓风艾琳(Irene)的轨道的假想改造。此风暴在2011年8月袭击了美国东部沿海从而导致超过50亿美元的损失和45人遇难。下文描述的估计是本发明中描述的技术可能已在飓风艾琳上移至东部海岸时使飓风艾琳的路径逐步地进一步向东移动,从而保持最危险风力和降水远离海岸。
风暴的大规模改造的概念是由霍夫曼(Hoffman)(Hoffman,罗斯·N(RossN.),2002:控制全球天气,美国气象学会公告(Bull.Amer.Meteor.Soc.),83,241–248,以引用的方式并入本文中)提出的。在之后的论文(Hoffman,R.N.、J·M·亨德森(J.M.Henderson)、S·M·雷德纳(S.M.Leidner)、C·哥拉索特(C.Grassott)和T·内尔孔(T.Nehrkorn),2006:模拟热带气旋的破坏风力对不同变量的有限振幅扰动的响应,大气科学(Atmos.Sci.),63(7),19241937,也以引用的方式并入本文中)中,论述了热带气旋对风力和温度的扰动的敏感性。后一论文未描述开发此类扰动的技术,而是陈述:“显然,要在现实中实现控制热带气旋还有很长的路要走…”。假设是,将改变风暴路径和强度所需的能量描述为远超过现有人类技术。
现有技术中存在若干参考,其针对预测或控制天气。这些参考中的一些论述风力涡轮机对环境的影响,尤其当其混合不同空气层时。然而,这些参考均未建议有意控制此影响以更改天气或更改飓风的进程。
阿博森·S(Aberson,S.)2001:北大西洋盆地中的热带气旋轨道预报模型的整体(1976-2000)(美国气象学会公告,82,1895–1904,以引用的方式并入本文中)揭示热带气旋的预报模型。此参考揭示预报模型,但未揭示如何更改飓风轨道。
巴里·D(Barrie,D.)、D·B·柯克戴维道夫(D.B.Kirk-Davidof),2010:对大型风力涡轮机阵列的天气响应(大气化学与物理(Atmos.Chem.Phys.),10,769-775,以引用的方式并入本文中)揭示大型风力涡轮机阵列可如何影响当地天气。此参考是相关的,因为其揭示关于美国中部的假想网络将如何在初始大气不确定性以上的水平下改变大气能量,从而产生对大规模对流层气流的可预测下游改变。Barrie和Kirk-Davidoff未教示或建议用于控制此阵列的算法,他们也未建议对此现象的有意控制。
洛仑兹·E·N(Lorenz,E.N.),1963:确定性非周期气流(大气科学期刊(J.Atmos.Sci.),20,130-141,以引用的方式并入本文中)论述当前大气状态的极微小扰动可如何在稍后时间产生较大差异。
刘易斯·J(Lewis,J.)、S·拉克米瓦拉汗(S.Lakshmivarahan)和S·道尔(S.Dhall),2006:动态数据同化:最小平方法(剑桥大学出版社,第745页,以引用的方式并入本文中)是关于用以确定复杂物理系统的状态的观测数据、科学规律和数学模型的评估、组合和合成的教科书,例如作为作出关于系统行为的预测的预备步骤。
2011年4月28日公开的第WO2011/134281A1号公开PCT申请案(其基于2010年4月30日申请的第2010/10160384.5号中国专利申请案,两者均以引用的方式并入本文中)揭示使用风扇将大气从一个区域吹到另一区域。
通过使用播云和类似技术对天气的控制在此项技术中是已知的,取得了不同程度的成功。2005年1月20日公开且以引用的方式并入本文中的第JP2005/013017号公开日本专利申请案揭示一种用于使用气球进行播云的技术。白兰度(Brandau)等人的1956年7月24日颁发且以引用的方式并入本文中的第2,756,097号美国专利揭示关于通过将液体引入到飞机排气中播云看上去发生了何种变化。凯斯莫(Kasemir)等人的1966年11月8日颁发且以引用的方式并入本文中的第3,284,005号美国专利揭示通过更改云内的电荷播云发生了变化。柯达尼(Cordani)的2001年11月13日颁发且以引用的方式并入本文中的第6,315,213号美国专利揭示一种用于使用交联水聚合物播云的技术。帕皮(Papee)等人的1977年2月22日颁发且以引用的方式并入本文中的第RE29,142号重新颁发的美国专利揭示用于产生用于云改造的悬浮微粒的可燃组分。提由(Tew)等人的2007年9月20日公开且以引用的方式并入本文中的第WO2007/105014号公开PCT申请案揭示一种用于通过使用播云抵消强风的技术。
还存在论述缓和飓风、气旋或龙卷风的强度的若干参考。许多这些参考依赖于更改海水的温度梯度。凡·会森(VanHuisen)的1973年6月26日颁发且以引用的方式并入本文中的第3741,480号美国专利揭示使用地热井加热水体的顶部表面的烟雾和天气控制系统。康斯坦丁诺斯基(Konstantinovskiy)的2010年10月12日颁发且以引用的方式并入本文中的第7,810,420号美国专利揭示一种通过将液态氮注入到龙卷风中而中断龙卷风的方法。格拉德(Gradle)的2012年4月3日颁发且以引用的方式并入本文中的第8,148,840号美国专利揭示用于将风暴去能的海洋风水泵。风力供电的水泵将冷水带到表面。斯罗维奇(Sirovich)的2012年9月11日颁发且以引用的方式并入本文中的第8,262,314号美国专利揭示一种减小热带风暴的强度和频率的方法。将水层混合以减小水中的温度梯度。沃德拉克(Vondracek)的2007年11月8日公开且以引用的方式并入本文中的第2007/025126号公开美国专利申请案揭示一种缓和热带气旋破坏的技术。再次,使用抽吸混合来自较低深度的较冷的水以减小海洋表面温度。萨尔瓦(Salva)等人的2010年3月25日公开且以引用的方式并入本文中的第2010/0072297号公开美国专利申请案揭示一种用于控制飓风的方法。大量具有补燃器的喷射式飞机流动到飓风中以产生温度的较小变化。
已发表关于天气控制以及风力发电场可如何更改天气条件的主题的若干流行文章。2012年4月29日发表且以引用的方式并入本文中的风力发电场影响当地天气(WindFarmsAffectLocalWeather,BBC新闻,科学与环境)揭示自然气候变化(NatureClimateChange)期刊中发表的研究如何展示位于西德州的涡轮机对当地天气产生了影响。这仅是累积参考,因为发明者引用的Barrie参考也揭示此事实。2012年4月29日发表且以引用的方式并入本文中的风力发电场可引起气候变化(WindFarmsCanCauseClimateChange),发现新研究(FindsNewStudy),每日电讯报似乎报道了与BBC文章相同的研究。2012年4月30日发表且以引用的方式并入本文中的大型风力发电场增加近地面温度(LargeWindFarmsIncreaseTemperaturesNearGround,华尔街日报)报道了与前两个参考相同的研究。
2007年11月14日发表且以引用的方式并入本文中的中国引发天气控制竞赛(ChinaLeadsWeatherControlRace,Wired.com)论述中国在天气控制方面取得的进步,这似乎限于播云和类似技术。播云是此项技术中众所周知的,但并不能更改风暴的进程,而是仅仅引起降水(当其已知起作用时)。
这些参考均未教示或建议如何使用风力涡轮机的已安装基础来更改风暴的轨道,或如何通过此类涡轮机阵列的系统性削减出力来改变其它天气现象。
发明内容
本发明利用风力发电的新兴全球趋势,以及新技术的发明,来指示在一些(但并非全部)情况下可如何影响风暴。风暴改造所需的驱动能源是与现在美国和其它国家正考虑的风力涡轮机类似的风力涡轮机的广阔地理网络。这些风力发电网络的大小和配置是基于对国家能量系统的要求;一般来说,风暴控制技术可需要大量空间和能量特性。
所述系统在延伸的地理域上利用许多涡轮机,其可根据从发明者开发的算法导出的样式个别地、空间上且时间上削减出力。关于术语风力涡轮机的“削减出力”的使用,在本发明中,假定风力涡轮机可在一般情况下用于改变涡轮机的特性的包络内的动量。称为风暴轨道和强度控制器技术(STRICT)的算法使用大量大气模型系列,其规定风力涡轮机的能量产生的削减出力样式。STRICT算法传递新的概率轨道和强度,其可经选择和实施以减小风暴的负面影响,或增强正面影响(例如,为遭遇干旱的地区带来雨水)。实施方案包括根据STRICT规范改变网络中每一涡轮机的特性持续12小时周期。通常,可根据STRICT算法重新计算和执行每一后续12小时周期。实验可展示其它周期性改造(例如,每隔6小时或24小时)可具有一些优点。
普遍了解的是,例如热带风暴等大气风暴、在广阔区域上带来雨水、雪和风的低压系统,以及可引起龙卷风、冰雹和山洪暴发的雷暴与人类控制的能量系统相比能量极其巨大。然而,天气的一个固有特性(称为蝴蝶效应)由洛仑兹·E·N(Lorenz,E.N.)在1963年提出:确定性非周期气流,大气科学期刊(J.Atmos.Sci.),20,130-141,以引用的方式并入本文中。Lorenz展示当前大气状态中的极小扰动可导致稍后时间的巨大差异。Lorenz使用了几只蝴蝶在较早时间扇动翅膀可能成为数月之后一个不同地区的龙卷风的原因的实例。在此处描述的技术中,较大地理域上几十万个风力涡轮机的削减出力引起的动量改变将改变大气波的结构,所述改变的大小和配置根据Lorenz阐述的非线性动力学而随时间增长。
Barrie和Kirk-Davidoff的较新近研究(Barrie,D.、D.B.Kirk-Davidof,2010:对大型风力涡轮机阵列的天气响应,大气化学与物理(Atmos.Chem.Phys.),10,769-775,以引用的方式并入本文中)展示,关于美国中部的假想网络将在初始大气不确定性以上的水平下改变大气能量,从而产生对大规模对流层气流的可预测下游改变。由于风暴的轨道和强度由大规模对流层气流控制,所以使用本发明中描述的算法控制风暴是可行的。
引导飓风远离美国海岸的期望和其它风暴控制是基于大规模风力涡轮机网络的开发而断定的。图1中说明48个邻接美国州的最佳网络的实例,其说明在美国所提议的风力发电站的位置。这是风力涡轮机的国家网络的一种可能配置,然而本发明由于此涡轮机阵列可选择性产生的较大能量改变的缘故,对于几乎任何大型国家阵列都是可行的。在此特定配置中,存在位于美国中部的大量风力涡轮机。在此系统配置中,存在240,000个3Mw风力涡轮机,从而平均每年提供美国电能的52%。通常,此网络从大气边界层汲取几千亿瓦能量。风力涡轮机网络的系统性削减出力(即,叶片的断开或“顺桨联结”,使得其不从空气汲取能量)可引起涡轮机上方的动量结构的改变。大气预测模型提供此类改变将如何向下游(或更准确地说,在任何方向上)传播的估计。本发明的STRICT算法产生削减出力的安排,在遵循此安排的情况下会产生受由气流传播的下游改变影响的风暴的概率性改变。
如上文描述,大气中所有的力,从蝴蝶翅膀扇动到几十万个风力涡轮机关断引起的动量改变,会引发未来天气的改变。此处描述的发明利用两个新的因素。首先,全球和地区天气模型的技能在最近数十年已稳定增强;热带风暴登陆的平均轨道误差已从40年前的400英里减小到如今的小于100英里。第二,几十万个多兆瓦风力涡轮机的组合影响代表着比人类先前已控制的能量输入更大的任意能量输入。
关注点是,如果实施大规模风力涡轮机网络,那么STRICT算法将朝向在网络不存在的情况下其原本的方向在一般意义上改变风暴轨道。可以另一方式陈述此概念来帮助理解。风力涡轮机的较大网络将由于大气的混沌性质的缘故而对下游天气具有显著影响。大多数时间,这些影响将相对较小,但有时,归因于大气不稳定性,其将随时间呈指数增长。作者发明的算法的核心是指出归因于风力涡轮机削减出力的扰动的下游放大何时将在合乎需要的方向上移动目标风暴。
附图说明
图1是说明能够供应约70%美国电力的经优化风力和太阳能网络的图。
图2是说明作为大区域扰动技术中被扰动的区域的三个彩色框的图。
图3是说明以西部平原上3千亿瓦的削减出力对飓风艾琳轨道的所估计改造的图。
图4是说明本发明的主要组件的框图。
图5是说明本发明的方法中使用的步骤的流程图。
具体实施方式
图1是说明能够供应约70%美国电力的经优化风力和太阳能网络的图。平原中的暗色区域表示约170平方千米的区块,总风力涡轮机电力进行了彩色编码。深蓝色典型的区块将具有约150个3兆瓦风力涡轮机。风力涡轮机区块的削减出力将向涡轮机上方的列添加约450兆瓦风能。所展示的平原网络的总发电能力约为6千亿瓦。
图2是说明作为大区域扰动技术中被扰动的区域的三个彩色框的图。每一区域可完全削减出力或不完全削减出力,从而给出八种不同的可能削减出力模式。这些削减出力模式接着与预测模型一起使用以确定扰动的下游影响。削减出力经选择以实现对风暴的最大合乎需要的影响。
图3是说明以西部平原上3千亿瓦削减出力对飓风艾琳轨道的所估计改造的图。此简单情况下假定风力和压力扰动随着36小时的加倍周期而放大,从而从风力涡轮机阵列向下游移动以推动风暴进一步向东远离美国海岸。
图4是说明本发明的主要组件的框图。结合特定情况描述STRICT算法的以下说明以增强对其如何工作的理解。在此情况下,使用风力涡轮机406A-DC的网络,其被设计用于美国48个州的最佳风力和太阳能系统(图1中说明)。出于说明的目的,示意性展示四个风力涡轮机406A-D。这些表示风力涡轮机的一个或多个网络,如结合图1所描述。本发明的效力与所安装风力涡轮机的数目成比例。
应用飓风艾琳的实例来说明本发明。飓风艾琳存在于从8月20日到其九月上旬的衰退期间,在8月25日与8月29日之间影响美国东部沿海。STRICT算法的重要方面是,在风暴形成之前多达三天就通过全球模型预测到了风暴。
现代天气预测模型402能够作出未来大气状态的预测403,所述未来大气状态在数天周期内逐渐越来越多地偏离所观测状态。全球天气预测模型402可从各种天气传感器数据401接收输入,包含(但不限于)卫星图像数据、温度和风力数据、大气压力数据、海洋温度数据等。全体模型402的使用允许具有被扰动初始状态的多个预测403表示可能状态的包络。作为一实例,位于加勒比海的飓风可采取若干不同轨道。多个模型系列可展示许多轨道,其通常在最可能轨道周围“聚集”(如果模型擅长进行其预测和扰动增长两者)。STRICT404算法使用模型预测403的全体作为其技术基础的重要部分。
STRICT算法404使用全球天气预测模型402来建立天气预测的基线。举例来说,全球天气预测模型402可基于正常模型参数产生风暴轨道预测403。STRICT算法可接着将此基线模型与经更改模型进行比较,其中停用或解除激活(削减出力)各种风力涡轮机406A-D,且将所产生的对风暴轨道的影响重新计算并与原始基线模型进行比较。网络控制系统405可将信号发送到电子控制器以自动关断(顺桨联结)或以其它方式停用或削减涡轮机或涡轮机群组出力。作为替代或另外,网络控制系统405可经由因特网将信号发送到各个公用事业和风力涡轮机操作者,从而指示他们削减如STRICT算法计算出的数目的涡轮机出力。
图5是说明本发明的方法中使用的步骤的流程图。如图5中说明,在步骤510中,获取天气传感器数据,如先前结合图4论述。在步骤520中,运行全球天气预测模型以产生所预测风暴轨道530。再次,全球天气模型和风暴轨道产生技术是此项技术中已知的,且因此不需要此处详细描述。在步骤540中,作出关于所规化风暴轨道是否将危及美国海岸线或所关注的其它区域的确定。如果风暴经规化为保持离岸,那么可不采取进一步行动,且处理返回到步骤510。
系统使用许多模型整合来达到风力涡轮机削减出力的空间和时间序列的最佳估计。基于每隔12小时运行的模型整合在12小时窗口中给出削减出力。因此,益处是计算的迅捷,以在模型初始化时间之后尽快确定序列。作为一实例,以00UT初始时间开始。如果全部的同化和模型系列可在六小时内完成,那么削减出力窗口将是在初始时间之后6到18小时。
使用先进的同化,假定初始化系统已达到初始状态的全体的最佳估计。为区分初始状态的全体与来自初始状态的每一者的多个预测的全体,我们将前者称为“初始状态的全体”(EIS)。预测模型530向前整合延长的周期,通常7到10天。
计算中使用两种互补技术。第一种是大区域扰动技术,其将在此处描述。第二种是详细四维变化技术(D4DVT),在下文描述。所述技术是互补的,因为LAPT可用于确定风暴改造方法的较大规模特性,而详细的逐涡轮机规范可来自D4DVT。LAPT以较小数目的地理区域开始。为了说明,我们使用三个区域,如图2所示。区域的布置将通常基于经验和测试,但在此情况下我们已选择南北划分。三个区域在此简单情况下视为区块;规定区域中的每一者将统一执行削减出力的相同时间序列。当然,可基于经验、测试和可用的计算资源使用任何数目的区域再分。
LAPT555针对初始状态的全体的每一者使用多个模型整合。每一成员的第一模型整合是“全体成员控制”545。这是不具有任何风力涡轮机削减出力的系列,如图5中步骤510-530中说明。这些步骤在无削减出力的情况下建立基线风暴轨道。接着,针对步骤550-580中的每一EIS实行一组额外模型系列。在步骤550中,选择涡轮机区域用于削减出力。在步骤560中,运行全球天气预测模型,且在步骤570中产生所预测风暴轨道。在步骤580中,将新风暴轨道与来自框545的基线风暴轨道进行比较。一旦风暴轨道已改进或优化,过程就完成。如果否,那么过程针对涡轮机削减出力的每个组合重复,如LAPT框555中说明。
每一初始状态(每一EIS)的预测系列的数目可经选择作为初始区域的所有扰动,存在两个可允许状态-完全削减出力或不削减出力。还可使用其它更复杂的扰动方法,例如涡轮机的部分削减出力等。在简单情况下,具有二元状态的三个不同区域产生八个可能状态,或七个,加上控制系列。针对EIS的每一者实现八个预测系列,因此预测系列的总数为EIS*NR。因此,如果存在20个初始状态(EIS=20),那么将必定存在20*8=160个模型预测系列。
LAPT的第二阶段是基于多个全体系列选择削减出力的策略。举例来说,简单的策略(在测试之后其可能不是最佳的)是取每一扰动的全体来确定哪一扰动在所需方向上最顺利地移动预测以获得轨道和强度改变,如框580中说明。模型预测系列还应包含涡轮机削减出力的若干未来情境以强化最佳当前削减出力的选择。由于轨道与强度之间的折衷,所以可存在此步骤涉及的某种人为判断。各种排列(原始或人为编辑)可接着输入到D4DVT,如步骤590中说明。
详细四维变化技术(D4DVT)使用四维变化同化的方法来确定每一风力涡轮机的削减出力的详细安排。四维同化(下文称为4DVAR)的学科在大气应用中有着30年的历史,且由许多全球天气预测中心使用。在此情况下,4DVAR技术适于搜索最佳风力涡轮机削减出力而非最佳大气分析。通过使用上文描述的扰动技术,此算法的收敛速度和概率增加。
D4DVT试图最小化来自热带风暴的未来破坏。因此其取决于“破坏函数”的定义,必须将从可受到影响的第一时间(例如,从初始时间开始6小时)来自风暴的总破坏与模型整合的结束关联。破坏函数600可具有变化的复杂性,包含风力破坏函数和基于降水的洪水函数。非常简单的实例可能是使用人口密度和表面风力的立方(与破坏力成比例)。总破坏可通过受影响的每一国家的人口乘以风力破坏函数的最大值来近似。一个计算细节是,热带风暴附近的区域必须经掩蔽,使得仅来自热带风暴的风力进入最小化;这类似于常规4DVAR中使用的空间掩蔽,只是其不会随距离减弱。在预测模型中跟踪热带风暴的中心的软件将通常用作几百千米的影响半径的中心。
依据破坏函数600,系统可接着在步骤610中从LAPT框555中计算的排列选择最佳削减出力简档。对应的削减出力信号可接着在框620中发送以在框630中削减个别涡轮机或涡轮机群组出力。可通过使用经由网络发送的命令控制操作涡轮机的系统而关断(顺桨联结)个别涡轮机或涡轮机群组来实现削减出力。或者,这些信号可作为通信(例如,电子邮件等)发送到公用事业公司和涡轮机操作者,他们又可将命令输入到其系统中以顺桨联结个别涡轮机或涡轮机群组。
控制变量是风力涡轮机的削减出力函数。所述削减出力函数从0到1变化,其中0指示风力涡轮机完全顺桨联结,且1意味着其正在所允许的全功率下操作。可使用简化,例如将风力涡轮机分为区块(例如,通过使模型网格元件中的所有风力涡轮机协调运作)。此外,尽管风力涡轮机削减出力函数可通过复杂算法进入作用,但其可通过将削减出力转换为包含涡轮机叶片的层中风力的动量改造而简化。在任何情况下,将动量改造转换为其对预测模型的影响对于技术的准确性很重要。
遵循常规4DVAR方法(刘易斯(Lewis)等人,2006),界定一函数,使破坏变量最小化,且预测模型作为强约束。将模型向前整合,且接着向后整合以获得函数相对于控制变量(涡轮机中的每一者的削减出力)的梯度。成本函数的梯度接着与搜索算法一起使用,例如最陡下降或共轭梯度,以确定最小破坏配置。这用于指定在初始时间之后6到18小时周期期间风力涡轮机的削减出力。模型预测的周期可选择为任意地结束。通常,为提高效率,其将在风暴的破坏潜能下降到阈值以下时结束。在飓风艾琳的情况下,可能是在风暴已在北大西洋中消散很远之后。
上文描述的STRICT算法并非将在每种情况下工作。其在待改造的风暴向下游的情况下以及气象条件强烈放大初始扰动的情况下最佳工作。在简单实例中,使用来自飓风艾琳的数据,假定风力涡轮机网络扰动为3千亿瓦。因此,边界层在12小时周期内获得3千亿瓦,其为1.3*1016焦耳能量。此扰动以近似中部对流层风流速度(例如,20m/s)向下游传播且向上传播到中部对流层中。在此速度下,需要72小时才能到达飓风区域。假定36小时的放大加倍时间(许多扰动更快地放大);当扰动到达大西洋西部水域时,其总能量为5*1016焦耳。以8月的合理的中纬度谐振罗斯比(Rossby)半径缩放扰动,给出约800km的半径,对应于扰动的水平范围;在20m/s速度下,12小时内覆盖的距离为864km。假定系统的能量在中部对流层为最强,且在动能与势能之间分割。过去几十年中在接近美国本土时有极敏感周期的两个极具破坏力的飓风是1992年的飓风安德鲁,和2012年的飓风桑迪。这两个飓风将是STRICT的优良候选者——将进行测试以确定所述技术将如何在这些和其它情况下操作。
根据大气中的高度在垂直方向上分布能量给出约700mb的“引导高度”(阿布瑟森(Abserson),2001)下约1m/s的中级动量改变,类似于Barrie和Kirk-Davidoff(2010)描述的大西洋西部水域上发现的扰动。如图3中说明,飓风艾琳的轨道可通过假定其在从图1所示的风力网络向下游横穿中纬度区时以近似1m/s进一步向东推进来改造。所述风暴8月25日跨越15GMT25N且8月29日到达15GMT50N。1m/s下4天周期的总位移将约为345km(216英里)。此实例由图3的对比轨道说明。淡色阴影轨道展示实际风暴中心,其影响了美国从卡罗来纳州到缅因州。暗色轨道展示基于以上论述风暴将已经去了哪里。可见,通过将风暴向东移动超过200英里,对美国东部海岸的破坏将会显著缓和。
应提及此计算的若干方面。所论述的风暴的“移动”取决于从风力涡轮机阵列产生相对高的差分能量,以及相当强的放大。事实上,每12小时将是STRICT算法将展现的一次机会。在一些周期期间,风力将较弱,因此初始扰动可能仅为1.5千亿瓦。类似地,正压(从预先存在的射流获得能量)和斜压(从温度对比获得能量)不稳定性可导致正或负放大。STRICT算法展示给定风力涡轮机削减出力策略的可能结果的包络,从而允许策略制定者确定是否需要对风暴的影响。由于每12小时的存在一次机会(对于持续5天(约为平均寿命)的风暴来说将为10次机会),所以存在系统提供有帮助的改造的许多机会。
STRICT技术的另一重要方面将是使用线性编程来估计最小破坏路径。此技术使用所建置环境和人口位置的地理分布来确定当潜在运动存在分歧时引导风暴的最佳路径。其以使破坏最小的方式补充了所述技术。
在具有大型风力涡轮机阵列的国家,本文描述的发明有时可给予策略制定者影响天气的机会。基于本发明中描述的物理公式,系统将奏效这是毫无疑问的。
注意,虽然本文依据更改风暴轨道(特定来说,热带风暴和飓风)而描述,但本发明可用于一般地更改天气。举例来说,全球天气预测模型可与STRICT算法结合使用以确定涡轮机对干旱、降雨、云量、疾风和其它天气样式的影响。可基于STRICT算法的迭代计算选择性地削减涡轮机出力以便增强天气条件。
尽管本文已详细揭示和描述了本发明的优选实施例和各种替代实施例,但所属领域的技术人员可容易明白,在不脱离本发明精神和范围的情况下可在其中做出形式和细节上的各种改变。
Claims (21)
1.一种用于更改风暴的轨道的系统,其包括:
多个天气数据传感器,其实时获取天气数据,
气候建模计算机,其耦合到所述多个天气数据传感器,实时接收所述天气数据并对包含风暴样式的天气样式进行建模,
风暴轨道预测计算机,其耦合到所述气候建模计算机,从所述气候建模计算机接收所述风暴样式且计算潜在风暴轨道,并以迭代方式将多个涡轮机削减出力情境组合添加到所述气候建模计算机,所述涡轮机削减出力情境组合描述不同数目的发电风力涡轮机的削减出力操作,所述风暴轨道预测计算机基于所述多个风力涡轮机削减出力情境组合从所述气候建模计算机接收多个所预测风暴样式,且选择产生最有利风暴轨道的风力涡轮机削减出力情境,以及
输出网络,其耦合到所述风暴轨道预测计算机,接收产生所述最有利风暴轨道的所述削减出力情境,且将所述削减出力情境传送到风力涡轮机网络,以用最佳地更改所述风暴轨道的方式削减所述风力涡轮机出力。
2.根据权利要求1所述的系统,其中所述风暴轨道预测计算机基于所述多个所预测风暴样式计算风暴破坏,且选择产生最少量风暴破坏的削减出力情境。
3.根据权利要求1所述的系统,其中所述风暴轨道预测计算机随时间过去重新计算潜在风暴轨道,并响应于经重新计算的潜在风暴轨道调整风力涡轮机削减出力情境。
4.根据权利要求1所述的系统,其中所述风力涡轮机削减出力情境包括顺桨联结若干个别发电风力涡轮机或发电风力涡轮机群组这些操作中的一者或多者。
5.根据权利要求1所述的系统,其中所述输出网络包括数据网络,所述数据网络将所述风暴轨道预测计算机耦合到多个发电风力涡轮机操作者。
6.一种用于响应于发电风力涡轮机的削减出力而预测风暴的轨道的系统,其包括:
风暴轨道预测器,其耦合到气候建模系统,所述气候建模系统实时接收天气数据且对包含风暴样式的天气样式进行建模,所述风暴轨道预测器以迭代方式使用用于不同数目的发电风力涡轮机的削减出力操作的风力涡轮机削减出力情境的若干组合计算潜在风暴轨道,所述风暴轨道预测器选择产生最有利风暴轨道的风力涡轮机削减出力情境,以及
输出网络,其耦合到所述风暴轨道预测器,接收产生所述最有利风暴轨道的所述削减出力情境,且将所述削减出力情境传送到风力涡轮机网络,以用最佳地更改所述风暴轨道的方式削减所述风力涡轮机出力。
7.根据权利要求6所述的用于响应于发电风力涡轮机的削减出力而预测风暴的轨道的系统,其中所述风暴轨道预测器基于所述多个所预测风暴样式计算风暴破坏,且选择产生最少量风暴破坏的削减出力情境。
8.根据权利要求7所述的用于响应于发电风力涡轮机的削减出力而预测风暴的轨道的系统,其中风暴破坏是基于所预测局部化破坏估计计算而计算,包含风力、洪水、沿海水灾、风暴潮和居住区域相对于风暴轨道的位置中的一者或多者。
9.根据权利要求6所述的用于响应于发电风力涡轮机的削减出力而预测风暴的轨道的系统,其中所述风暴轨道预测器随时间过去重新计算潜在风暴轨道,并响应于经重新计算的潜在风暴轨道调整风力涡轮机削减出力情境。
10.根据权利要求6所述的用于响应于发电风力涡轮机的削减出力而预测风暴的轨道的系统,其中所述风力涡轮机削减出力情境包括顺桨联结个别发电风力涡轮机或发电风力涡轮机群组这些操作中的一者或多者。
11.根据权利要求6所述的用于响应于发电风力涡轮机的削减出力而预测风暴的轨道的系统,其中所述输出网络包括数据网络,所述数据网络将所述风暴轨道预测计算机耦合到多个发电风力涡轮机操作者。
12.一种用于更改风暴的轨道的方法,其包括以下步骤:
以多个天气数据传感器实时获取天气数据,
在耦合到所述多个天气数据传感器并实时接收所述天气数据的气候建模计算机中对包含风暴样式的天气样式进行建模,
在耦合到所述气候建模计算机的风暴轨道预测计算机中,从所述气候建模计算机接收所述风暴样式且计算潜在风暴轨道,
以迭代方式将多个涡轮机削减出力情境添加到所述气候建模计算机,所述多个涡轮机削减出力情境描述不同数目的发电风力涡轮机的削减出力操作,
所述风暴轨道预测计算机基于所述多个风力涡轮机削减出力情境组合从所述气候建模计算机接收多个所预测风暴样式,且选择产生最有利风暴轨道的风力涡轮机削减出力情境,以及
从耦合到所述风暴轨道预测计算机的接收产生所述最有利风暴轨道的所述削减出力情境的输出网络将所述削减出力情境传送到风力涡轮机网络,以用最佳地更改所述风暴轨道的方式削减所述风力涡轮机出力。
13.根据权利要求12所述的方法,其中所述风暴轨道预测计算机基于所述多个所预测风暴样式计算风暴破坏,且选择产生最少量风暴破坏的削减出力情境。
14.根据权利要求13所述的方法,其中风暴破坏是基于所预测局部化破坏估计计算而计算,包含风力、洪水、沿海水灾、风暴潮和居住区域相对于风暴轨道的位置中的一者或多者。
15.根据权利要求12所述的方法,其中所述风暴轨道预测计算机随时间过去重新计算潜在风暴轨道,并响应于经重新计算的潜在风暴轨道调整风力涡轮机削减出力情境。
16.根据权利要求12所述的方法,其中所述风力涡轮机削减出力情境包括顺桨联结若干个别发电风力涡轮机或发电风力涡轮机群组这些操作中的一者或多者。
17.根据权利要求12所述的方法,其中所述输出网络包括数据网络,所述数据网络将所述风暴轨道预测计算机耦合到多个发电风力涡轮机操作者。
18.一种用于更改天气的方法,其包括以下步骤:
以多个天气数据传感器实时获取天气数据,
在耦合到所述多个天气数据传感器并实时接收所述天气数据的气候建模计算机中对天气样式进行建模,
在耦合到所述气候建模计算机的天气样式预测计算机中,从所述气候建模计算机接收所述天气样式且计算潜在天气样式,
以迭代方式将多个涡轮机削减出力情境添加到所述气候建模计算机,所述多个涡轮机削减出力情境描述不同数目的发电风力涡轮机的削减出力操作,
所述天气样式预测计算机基于所述多个风力涡轮机削减出力情境组合从所述气候建模计算机接收多个所预测天气样式,且选择产生最有利天气样式的风力涡轮机削减出力情境,以及
从耦合到所述天气样式预测计算机的接收产生所述最有利天气样式的所述削减出力情境的输出网络将所述削减出力情境传送到风力涡轮机网络,以用最佳地更改天气的方式削减所述风力涡轮机出力。
19.根据权利要求18所述的方法,其中所述天气样式预测计算机随时间过去重新计算潜在天气样式,并响应于经重新计算的潜在天气样式调整风力涡轮机削减出力情境。
20.根据权利要求18所述的方法,其中所述风力涡轮机削减出力情境包括顺桨联结若干个别发电风力涡轮机或发电风力涡轮机群组这些操作中的一者或多者。
21.根据权利要求18所述的方法,其中所述输出网络包括数据网络,所述数据网络将所述天气样式预测计算机耦合到多个发电风力涡轮机操作者。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/762,652 US20140224894A1 (en) | 2013-02-08 | 2013-02-08 | Technique to mitigate storms using arrays of wind turbines |
US13/762,652 | 2013-02-08 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104106436A CN104106436A (zh) | 2014-10-22 |
CN104106436B true CN104106436B (zh) | 2016-04-13 |
Family
ID=51296819
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410043922.0A Expired - Fee Related CN104106436B (zh) | 2013-02-08 | 2014-01-29 | 使用风力涡轮机阵列缓和风暴的技术 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20140224894A1 (zh) |
CN (1) | CN104106436B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140131471A1 (en) * | 2012-10-11 | 2014-05-15 | Douglas McArthur Hatch | Apparatus to channel large air masses for climate modification |
US10340983B2 (en) * | 2016-12-09 | 2019-07-02 | At&T Intellectual Property I, L.P. | Method and apparatus for surveying remote sites via guided wave communications |
WO2018193324A1 (en) * | 2017-03-20 | 2018-10-25 | Sunit Tyagi | Surface modification control stations in a globally distributed array for dynamically adjusting atmospheric, terrestrial and oceanic properties |
US10888051B2 (en) * | 2017-04-11 | 2021-01-12 | Thomas Peter DeFelice | Intelligent systems for weather modification programs |
WO2018206993A1 (en) * | 2017-05-11 | 2018-11-15 | Bull Sas | Method of managing electricity providing in a computers cluster |
CN107330168B (zh) * | 2017-06-14 | 2020-07-17 | 国网浙江省电力公司电力科学研究院 | 一种基于机网耦合的汽轮机调门快关仿真建模方法 |
CN113570101B (zh) * | 2020-06-19 | 2023-04-07 | 中国气象局上海台风研究所(上海市气象科学研究所) | 一种台风对称度的分析系统和分析方法 |
DE102022200570A1 (de) | 2022-01-19 | 2023-07-20 | Helmut Kümmerer | Verfahren und Windkraftanlagensystem zur Beeinflussung einer Wetterlage |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1118648A (zh) * | 1994-09-10 | 1996-03-20 | 列夫·亚历山大罗维奇·波克迈尔尼克 | 区域防止旋风风暴的方法 |
US6057606A (en) * | 1997-10-12 | 2000-05-02 | Armament Development Authority, Ministry Of Defence, The State Of Israel | Method and system for power generation from humid air |
CN101810117A (zh) * | 2010-04-30 | 2010-08-25 | 岳兰锁 | 一种调控天气的方法 |
DE102010005441A1 (de) * | 2010-01-24 | 2011-07-28 | Falkenhagen, Joachim, 12555 | Verfahren zur verbesserten Beeinflussung der meteorologischen Situation mittels Windturbinen, insbesondere zur Unterstützung erwünschter Luftbewegungen und zur Wetterverbesserung |
CN102524006A (zh) * | 2012-01-10 | 2012-07-04 | 王长山 | 一种防止龙卷风、台风和飓风对人类社会危害的方法 |
CN102662200A (zh) * | 2012-04-13 | 2012-09-12 | 赵立武 | 台风飓风轨迹的预见及干预方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2436197A (en) * | 2006-03-14 | 2007-09-19 | Gen Applic For Special Materia | Neutralisation of strong winds |
US20070223841A1 (en) * | 2006-03-23 | 2007-09-27 | Weinzapfel Robert A | Methods of characterizing the probability of wind impact |
US20070221743A1 (en) * | 2006-03-23 | 2007-09-27 | Weinzapfel Robert A | Methods of calculating impact time for storms |
WO2008154622A1 (en) * | 2007-06-12 | 2008-12-18 | Myweather, Llc | Presentation of personalized weather information by an animated presenter |
US20110284649A1 (en) * | 2008-02-20 | 2011-11-24 | Horace Randolph Crawford | Apparatus and method for the mitigation of rotating wind storms |
US20100072297A1 (en) * | 2008-09-24 | 2010-03-25 | Savla Manilal J | Method for controlling hurricanes |
US9624917B2 (en) * | 2010-07-09 | 2017-04-18 | St.Jean Orridge | Hurricane dissipation system and method |
-
2013
- 2013-02-08 US US13/762,652 patent/US20140224894A1/en not_active Abandoned
-
2014
- 2014-01-29 CN CN201410043922.0A patent/CN104106436B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1118648A (zh) * | 1994-09-10 | 1996-03-20 | 列夫·亚历山大罗维奇·波克迈尔尼克 | 区域防止旋风风暴的方法 |
US6057606A (en) * | 1997-10-12 | 2000-05-02 | Armament Development Authority, Ministry Of Defence, The State Of Israel | Method and system for power generation from humid air |
DE102010005441A1 (de) * | 2010-01-24 | 2011-07-28 | Falkenhagen, Joachim, 12555 | Verfahren zur verbesserten Beeinflussung der meteorologischen Situation mittels Windturbinen, insbesondere zur Unterstützung erwünschter Luftbewegungen und zur Wetterverbesserung |
CN101810117A (zh) * | 2010-04-30 | 2010-08-25 | 岳兰锁 | 一种调控天气的方法 |
CN102524006A (zh) * | 2012-01-10 | 2012-07-04 | 王长山 | 一种防止龙卷风、台风和飓风对人类社会危害的方法 |
CN102662200A (zh) * | 2012-04-13 | 2012-09-12 | 赵立武 | 台风飓风轨迹的预见及干预方法 |
Also Published As
Publication number | Publication date |
---|---|
US20140224894A1 (en) | 2014-08-14 |
CN104106436A (zh) | 2014-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104106436B (zh) | 使用风力涡轮机阵列缓和风暴的技术 | |
Mahoney et al. | A wind power forecasting system to optimize grid integration | |
Aksoy et al. | The HWRF Hurricane Ensemble Data Assimilation System (HEDAS) for high-resolution data: The impact of airborne Doppler radar observations in an OSSE | |
Wang et al. | The role of Typhoon Songda (2004) in producing distantly located heavy rainfall in Japan | |
Molinari et al. | Origins and mechanisms of eastern Pacific tropical cyclogenesis: A case study | |
Weng et al. | Assimilating airborne Doppler radar observations with an ensemble Kalman filter for convection-permitting hurricane initialization and prediction: Katrina (2005) | |
De Szoeke et al. | The tropical eastern Pacific seasonal cycle: Assessment of errors and mechanisms in IPCC AR4 coupled ocean–atmosphere general circulation models | |
Mirzaei et al. | Wave energy potential assessment in the central and southern regions of the South China Sea | |
Moehrlen | Uncertainty in wind energy forecasting | |
Wang et al. | Potential climatic impacts and reliability of large-scale offshore wind farms | |
Ahmed | Potential wind power generation in South Egypt | |
Liu et al. | Extreme rainfall from landfalling tropical cyclones in the eastern United States: Hurricane Irene (2011) | |
Duan et al. | Landfalling tropical cyclone research project (LTCRP) in China | |
González-Longatt et al. | Wind-resource atlas of Venezuela based on on-site anemometry observation | |
Surussavadee | Evaluation of WRF near-surface wind simulations in tropics employing different planetary boundary layer schemes | |
Xiao et al. | Evaluations of BDA scheme using the Advanced Research WRF (ARW) model | |
Shaw et al. | Scientific challenges to characterizing the wind resource in the marine atmospheric boundary layer | |
Manomaiphiboon et al. | Wind energy potential analysis for Thailand: Uncertainty from wind maps and sensitivity to turbine technology | |
Chen et al. | Improving afternoon thunderstorm prediction over Taiwan through 3DVar-based radar and surface data assimilation | |
Liu et al. | Local-thermal-gradient and large-scale-circulation impacts on turbine-height wind speed forecasting over the Columbia River Basin | |
Bailey | Wind resources for offshore wind farms: Characteristics and assessment | |
Smart et al. | Morphology and evolution of cold‐frontal misocyclones | |
Yu et al. | An operational application of NWP models in a wind power forecasting demonstration experiment | |
Ding et al. | The southeasterly gale in Tianshan Grand Canyon in Xinjiang, China: a case study | |
Fang et al. | A climatic environmental performance assessment method for ecological city construction: Application to Beijing Yanqi Lake |
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 |
Granted publication date: 20160413 Termination date: 20170129 |
|
CF01 | Termination of patent right due to non-payment of annual fee |