CN104112167A - 可发电风资源分布的获取方法 - Google Patents

可发电风资源分布的获取方法 Download PDF

Info

Publication number
CN104112167A
CN104112167A CN201410248840.XA CN201410248840A CN104112167A CN 104112167 A CN104112167 A CN 104112167A CN 201410248840 A CN201410248840 A CN 201410248840A CN 104112167 A CN104112167 A CN 104112167A
Authority
CN
China
Prior art keywords
wind
distance
wind speed
towers
acquiring
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
CN201410248840.XA
Other languages
English (en)
Other versions
CN104112167B (zh
Inventor
汪宁渤
路亮
吕清泉
赵龙
乔颖
鲁宗相
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.)
Tsinghua University
State Grid Corp of China SGCC
State Grid Gansu Electric Power Co Ltd
Wind Power Technology Center of Gansu Electric Power Co Ltd
Original Assignee
Tsinghua University
State Grid Corp of China SGCC
State Grid Gansu Electric Power Co Ltd
Wind Power Technology Center of Gansu Electric Power 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 Tsinghua University, State Grid Corp of China SGCC, State Grid Gansu Electric Power Co Ltd, Wind Power Technology Center of Gansu Electric Power Co Ltd filed Critical Tsinghua University
Priority to CN201410248840.XA priority Critical patent/CN104112167B/zh
Publication of CN104112167A publication Critical patent/CN104112167A/zh
Application granted granted Critical
Publication of CN104112167B publication Critical patent/CN104112167B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

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

Abstract

本发明提供一种可发电风资源分布的获取方法，主要包括以下步骤：步骤S10，获取每个测风塔前6个小时的历史风速数据；步骤S20，在每个整小时点根据前6小时的风速数据相关性对测风塔进行聚类；步骤S30，假设该风电基地共有N座测风塔，计算待求点与所有测风塔的地理距离；步骤S40，找到最小的测风塔；步骤S50，根据步骤S20和步骤S40的计算结果，确定测风塔所在组别中的其他测风塔；步骤S60，对选取的测风塔用反距离加权方法插值得到未知点的风速风向估计值。

Description

可发电风资源分布的获取方法
技术领域
本发明属于大型风电基地风资源分析领域，涉及一种可发电风资源分布的计算方法，尤其涉及一种用于千万千瓦风电基地的可发电风资源分布的计算方法。
背景技术
我国自然资源分布禀赋决定了大型风电基地多数位于远离负荷中心且当地没有大型电源支撑的区域，大规模风电集中并网导致输电线路功率大幅波动给电力系统安全稳定运行带来巨大挑战。由于风电场建设速度普遍快于电网建设速度，在风电规模化高速开发的背景下，我国多数大型风电基地出现弃风限电问题。
对大型风电基地的可发电风资源分布情况进行分析评估，有助于合理进行风电场规划，同时，可提前1-2年规划并建设配套输变电工程，有效提高风资源利用率、减少弃风限电，从而促进新能源的健康持续发展。
然而，针对千万千瓦级大型风电基地可发电风资源分析问题，尚未有相关的解决方法。
发明内容
综上所述，确有必要提供一种能够精确地计算双馈风电场的无功容量的获取方法。
一种可发电风资源分布的获取方法，包括以下步骤：步骤S10，获取每个测风塔前6个小时的历史风速数据；步骤S20，在每个整小时点根据前6小时的风速数据相关性对测风塔进行聚类；步骤S30，假设该风电基地共有N座测风塔，计算待求点与所有测风塔                                               的地理距离；步骤S40，找到最小的测风塔；步骤S50，根据步骤S20和步骤S40的计算结果，确定测风塔所在组别中的其他测风塔；步骤S60，对选取的测风塔用反距离加权方法插值得到未知点的风速风向估计值。
相对于现有技术，本发明提供的双馈风电场无功容量的获取方法，以单机有功功率-无功容量特性为基础，利用回归模型计算双馈风电场无功容量，能够精确地计算双馈风电场的无功容量，可用于电网的无功优化。
附图说明
图1为本发明提供的可发电风资源分布获取方法流程图。
具体实施方式
下面根据说明书附图并结合具体实施例对本发明的技术方案进一步详细表述。
请参阅图1，本发明提供的可发电风资源分布的获取方法主要包括如下步骤：
步骤S10，设该风电基地共有N座测风塔，获取每个测风塔前M个小时的历史风速数据；
步骤S20，在每个整小时点根据前M小时的风速数据相关性对测风塔进行最短距离聚类；
步骤S30，计算待求点与所有测风塔的地理距离；
步骤S40，找到地理距离最小的测风塔；
步骤S50，根据步骤S20和步骤S40的计算结果，确定测风塔所在组别中的其他测风塔；
步骤S60，对选取的测风塔用反距离加权方法插值得到未知点的风速及风向值。
在步骤S10中，所述历史风速数据的获取时间M可根据需要选择，可选为4-12小时。本实施例中，所述M为6小时。
在步骤S20中，所述最短距离聚类的具体方法如下：
最短距离聚类方法属于系统聚类方法的一种。系统聚类方法的基本思想是按照某种标准计算各类别之间的相似程度（或距离），然后对待分类的样品不断将最为相近的两类合并为一类，同时重新计算新类和其他类的相似程度（或距离），如此循环进行，直至样品的类别数达到设定值为止。由于本研究问题只考虑风速序列之间的简单关系，为了实现初步的前期数据分组目标，无需采用复杂的聚类方法，而考虑到最短距离聚类方法物理意义明确、模型简单的优势。本实施例中，采用该方法进行聚类分组。
根据最短距离聚类法的定义，类与类的距离为两类中所有个体之间距离的最小值，那么类和类之间的距离则表示为：
（1）
在此基础上，构造待聚类的个元素的距离矩阵（），然后在此矩阵的非对角元素中，对距离最小的对象和进行归并，得到新类，然后按公式
（2）
计算新类与原来各类之间的距离，如此可得到一个新的（）阶距离矩阵；类似地，再找到新距离矩阵中最小的，然后把对应的类和归并，并计算新类与其他类的距离，如此进行下去，直至总类别数量达到预定值为止。
上述步骤中风速相关性分析方法步骤如下。将两个测风塔的风速序列看作两个随机变量、，则相关系数如下式所示
（3）
需要注意的是，采用相关系数进行分类时，最短距离对应最大相关系数。相关系数反映的是风速序列波动规律的相似性，利用这一指标分类后，具有相似波动规律的测风塔将被归为一组。具体分组数量则需基于对实际数据特点的初步分析给出，若研究区域的资源差异性明显，则需要增加分组数，反之减少分组数。
在步骤S30中，可根据各测风塔的经纬度坐标及待求点的经纬度坐标，计算待求点与已知所有测风塔地理距离。
设待测点坐标为，已知测点坐标为，其中，N为测风塔个数，则待测点到第i座测风塔的地理距离为：
（4）。
在步骤S50中，根据每次的聚类结果，获得每个测风塔所在的组别，从而可以确定该组别中的其他测风塔。
在步骤S60，所述反距离加权插值方法如下：
反距离加权插值法是以待求点到已知点距离的函数作为权重函数，对已知点的数据进行加权得到待求点的估计值。权重函数 有多种形式，例如有：
，
（3-1）；
其中，为未知点与已知点之间的距离，为影响半径，表示距离超过该半径的已知点对未知点的数据没有参考价值，是大于1的整数。显然，在这种插值方法中，已知点离未知点越近，则权重越大。
本实施例中，采用式（3-1）的形式进行建模，充分利用了“距离越近，资源特点相似性越高”的规律。于是在U、V方向的插值风速矢量表示为：
（3-2）；
（3-3）；
其中，U、V是水平方向矢量，U和V之间相互垂直。本实施例中，所述U为西向东方向，V为南向北方向。
本发明提供的针对千万千瓦级大型风电基地可发电风资源分布计算方法，通过已知测风塔所监测的风资源数据，利用基于风速相关性的动态分组方法对测风塔进行最短距离聚类，而后利用反距离加权方法插值得到未知点的风速风向估计值，有效解决了大型风电基地的风资源监测盲区问题，对大型风电基地风资源分布分析提供了一种有效的解决方法。
另外，本领域技术人员还可在本发明精神内作其它变化，当然这些依据本发明精神所作的变化，都应包含在本发明所要求保护的范围内。

Claims (10)

1.一种可发电风资源分布的获取方法，主要包括以下步骤：
步骤S10，获取每个测风塔前M个小时的历史风速数据；
步骤S20，在每个整小时点根据前M小时的风速数据相关性对测风塔进行聚类，具有相似波动规律的测风塔归为一组；
步骤S30，假设该风电基地共有N座测风塔，计算待求点与所有测风塔                                               的地理距离；
步骤S40，找到最小的测风塔；
步骤S50，根据步骤S20和步骤S40的计算结果，确定测风塔所在组别中的其他测风塔；
步骤S60，对选取的测风塔用反距离加权方法插值得到未知点的风速风向估计值。
2.如权利要求1所述的可发电风资源分布的获取方法，其特征在于，所述M为4-12中的整数。
3.如权利要求1所述的可发电风资源分布的获取方法，其特征在于，根据每个整小时点根据前6小时的风速数据相关性对测风塔进行最短距离聚类。
4.如权利要求3所述的可发电风资源分布的获取方法，其特征在于，所述聚类方法为：首先，定义类与类的距离为两类中所有个体之间距离的最小值；其次，构造待聚类的个元素的距离矩阵（），然后在此矩阵的非对角元素中，对距离最小的对象和进行归并，得到新类；再次，按公式计算新类与原来各类之间的距离，如此可得到一个新的（）阶距离矩阵；最后，回到第二步，直到类别数量满足要求，聚类算法终止。
5.如权利要求3所述的可发电风资源分布的获取方法，其特征在于，所述风速数据相关性计算方法为：两个测风塔的风速序列看作两个随机变量、，则相关系数rx,y如下式所示 。
6.如权利要求1所述的可发电风资源分布的获取方法，其特征在于，计算待求点与已知测风塔的地理距离。
7.如权利要求1所述的可发电风资源分布的获取方法，其特征在于，找到最小的测风塔。
8.如权利要求1所述的可发电风资源分布的获取方法，其特征在于，根据步骤S20和步骤S40的计算结果，确定测风塔所在组别中的其他测风塔。
9.如权利要求1所述的可发电风资源分布的获取方法，其特征在于，对选取的测风塔用反距离加权方法插值得到未知点的风速风向估计值。
10.如权利要求9所述的可发电风资源分布的获取方法，其特征在于，所述反距离加权插值方法为：U、V两个方向的插值风速矢量表示为：；
；
其中，U、V是水平方向矢量，U和V之间相互垂直。
CN201410248840.XA 2014-06-06 2014-06-06 可发电风资源分布的获取方法 Active CN104112167B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410248840.XA CN104112167B (zh) 2014-06-06 2014-06-06 可发电风资源分布的获取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410248840.XA CN104112167B (zh) 2014-06-06 2014-06-06 可发电风资源分布的获取方法

Publications (2)

Publication Number Publication Date
CN104112167A true CN104112167A (zh) 2014-10-22
CN104112167B CN104112167B (zh) 2017-06-23

Family

ID=51708951

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410248840.XA Active CN104112167B (zh) 2014-06-06 2014-06-06 可发电风资源分布的获取方法

Country Status (1)

Country Link
CN (1) CN104112167B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106844795A (zh) * 2015-12-03 2017-06-13 甘肃省电力公司风电技术中心 一种风电场内部风向场确认方法
CN106886564A (zh) * 2017-01-03 2017-06-23 北京国能日新系统控制技术有限公司 一种基于空间聚类订正nwp风能图谱的方法及装置
CN108549118A (zh) * 2018-04-02 2018-09-18 国网安徽省电力有限公司电力科学研究院 一种以输电线路杆塔为载体的飑线风行进路径预测方法
CN109587001A (zh) * 2018-11-15 2019-04-05 新华三信息安全技术有限公司 一种性能指标异常检测方法及装置
CN110726850A (zh) * 2019-10-08 2020-01-24 南京信息工程大学 基于风向分解的铁路横风预警系统及横风强度计算方法
CN111652431A (zh) * 2020-05-29 2020-09-11 华润电力投资有限公司北方分公司 风电场功率预测方法、装置、设备和存储介质
CN109583588B (zh) * 2018-12-17 2021-09-10 华北电力大学（保定） 一种短期风速预测方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120065886A1 (en) * 2010-09-13 2012-03-15 John Bertrand Kline Method of evaluating wind flow based on terrain exposure and elevation
CN103268366A (zh) * 2013-03-06 2013-08-28 辽宁省电力有限公司电力科学研究院 一种适用于分散式风电场的组合风电功率预测方法
CN103473476A (zh) * 2013-09-25 2013-12-25 国家电网公司 基于区域内数座测风塔测风数据的风能资源推算方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120065886A1 (en) * 2010-09-13 2012-03-15 John Bertrand Kline Method of evaluating wind flow based on terrain exposure and elevation
CN103268366A (zh) * 2013-03-06 2013-08-28 辽宁省电力有限公司电力科学研究院 一种适用于分散式风电场的组合风电功率预测方法
CN103473476A (zh) * 2013-09-25 2013-12-25 国家电网公司 基于区域内数座测风塔测风数据的风能资源推算方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
卢延峥: "基于GIS的大连市风电场的可行性分析研究", 《中国优秀硕士学位论文全文数据库-工程科技Ⅱ辑》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106844795A (zh) * 2015-12-03 2017-06-13 甘肃省电力公司风电技术中心 一种风电场内部风向场确认方法
CN106886564A (zh) * 2017-01-03 2017-06-23 北京国能日新系统控制技术有限公司 一种基于空间聚类订正nwp风能图谱的方法及装置
CN106886564B (zh) * 2017-01-03 2020-02-14 国能日新科技股份有限公司 一种基于空间聚类订正nwp风能图谱的方法及装置
CN108549118A (zh) * 2018-04-02 2018-09-18 国网安徽省电力有限公司电力科学研究院 一种以输电线路杆塔为载体的飑线风行进路径预测方法
CN108549118B (zh) * 2018-04-02 2020-10-02 国网安徽省电力有限公司电力科学研究院 一种以输电线路杆塔为载体的飑线风行进路径预测方法
CN109587001A (zh) * 2018-11-15 2019-04-05 新华三信息安全技术有限公司 一种性能指标异常检测方法及装置
CN109587001B (zh) * 2018-11-15 2020-11-27 新华三信息安全技术有限公司 一种性能指标异常检测方法及装置
CN109583588B (zh) * 2018-12-17 2021-09-10 华北电力大学（保定） 一种短期风速预测方法及系统
CN110726850A (zh) * 2019-10-08 2020-01-24 南京信息工程大学 基于风向分解的铁路横风预警系统及横风强度计算方法
CN111652431A (zh) * 2020-05-29 2020-09-11 华润电力投资有限公司北方分公司 风电场功率预测方法、装置、设备和存储介质
CN111652431B (zh) * 2020-05-29 2023-04-18 华润电力投资有限公司北方分公司 风电场功率预测方法、装置、设备和存储介质

Also Published As

Publication number Publication date
CN104112167B (zh) 2017-06-23

Similar Documents

Publication Publication Date Title
CN104112167B (zh) 可发电风资源分布的获取方法
CN103268366B (zh) 一种适用于分散式风电场的组合风电功率预测方法
Li et al. Predicting Short‐Term Electricity Demand by Combining the Advantages of ARMA and XGBoost in Fog Computing Environment
Zhang et al. GEFCom2014 probabilistic solar power forecasting based on k-nearest neighbor and kernel density estimator
Zhang et al. A hybrid prediction model for forecasting wind energy resources
CN104951834A (zh) 基于遗传算法和粒子群集成的lssvm风速预测方法
Peng et al. Wind power prediction for wind farm clusters based on the multi-feature similarity matching method
CN104112062B (zh) 基于插值方法的风资源分布的获取方法
CN103400039B (zh) 一种基于大风气象分类的风功率爬坡预测模型切换方法
CN110264002B (zh) 基于聚类分析的风电场微观选址方案评价方法
CN104657584A (zh) 一种基于Lorenz系统的风速预测方法
CN113205210A (zh) 复杂地形风电场风速与功率预测方法、系统、设备及存储介质
Japar et al. Estimating the wake losses in large wind farms: A machine learning approach
CN109033181B (zh) 一种复杂地形地区风场地理数值模拟方法
Pravilovic et al. Integrating cluster analysis to the ARIMA model for forecasting geosensor data
CN107577896B (zh) 基于混合Copula理论的风电场多机聚合等值方法
CN105303319A (zh) 一种基于运行数据的风电场动态分群等值方法
Zhou et al. An new immune genetic algorithm based on uniform design sampling
Gan et al. Wind power ramp forecasting based on least-square support vector machine
Lee et al. A study on comparing short-term wind power prediction models in Gunsan wind farm
Koca et al. Using genetic algorithms for estimating Weibull parameters with application to wind speed
CN116050460A (zh) 基于注意力神经网络的气温数据空间插值方法
CN104008305B (zh) 用于千万千瓦风电基地的可发电风资源分布估计方法
CN114004405B (zh) 基于Elman神经网络和卫星云图的光伏功率预测方法及系统
Özkan et al. A data mining-based wind power forecasting method: results for wind power plants in turkey

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