CN104112180A - 基于质量守恒诊断模式的风资源数值的获取方法 - Google Patents

Abstract

本发明提供一种风资源数值的获取方法，包括以下步骤：获取风场的实测资料并构建初始风场；设定模型参数,固定的数值为1，利用长时间风速序列基于经验正交函数分解的空间分量数值关系作为衡量标准，以各个测风塔的主导风向分析结果作为风向诊断效果的参考,确定；对初始风场进行调整，使风场在整个空间内满足质量守恒方程，并且总调整量最小。

Description

基于质量守恒诊断模式的风资源数值的获取方法

技术领域

本发明属于风力发电基础特性研究技术领域，尤其涉及一种基于质量守恒诊断模式的风资源数值的获取方法。

背景技术

风电产业日新月异，作为风电各研究领域基础的风电、风资源的特性分析及建模工作变得尤为重要。尤其是随着风场以及风电集群规模不断扩大，风电穿透功率大幅提升，风电\风资源的在不同时空尺度下的分布、变化特性成为众多研究以及实际运行中需要考虑的首要问题。而充分了解不同区域的风资源、风电出力的共性与特性，把握其中的内在规律并建立相应的模型描述，将为风电集群控制、调度运行提供重要的参考信息。

结合目前的研究现状发现，虽然这类特性分析在很多研究中都有所涉及，但仍缺少针对性、系统性的研究，部分理论模型难以与工程实际应用相结合。首先，风电及资源外特性往往被看作开展深入研究的基本依据，但研究目标的不同使得各种用于特性统计的指标具有较强针对性，不同特点及应用领域的指标混杂在一起，缺少清晰的分类说明，也无法从不同角度综合反映风电自身运行以及与电网交互作用的情况，所以这类研究仍缺少完善而系统的指标体系指导；其次，许多研究往往着眼于单测量点的资源特点，而忽略了资源的空间分布性，采用的方法或者以常规的统计分析为主从而无法从整体把握资源特征，或者采用气象学中的完整物理方程描述进行数值计算而大大增加模型复杂度，对从事电力方面研究的人员来说仍缺少适合工程应用的分析方法及模型参考；再次，对资源时序变化特征描述的模型虽然很多，但这类模型往往侧重于对某单一序列的预测研究，为了实现区域资源模型的预测并且充分利用多数据源改善模型精度，简单沿用已有模型会引入如输入信息冗余度高而影响模型精度的情况。所以总体看来，风电及资源特性分析建模工作需要更为系统化、工程化的方法指导和模型支撑。

现有风资源的空间分布特性分析及计算过程中，回避了对风资源空气动力学特性的刻画，而侧重于对历史序列统计特性的分析以及建模。显然，这种简化的计算方式无法透彻解释某些外在因素对资源的影响规律，尤其是出现某些特殊情况难以从根本上说明原因。

发明内容

综上所述，确有必要提供一种与实际接近的风资源数值的获取方法。

一种风资源数值的获取方法，包括以下步骤：获取风场的实测资料并构建初始风场；设定模型参数固定                                               的数值为1，利用长时间风速序列基于经验正交函数分解的空间分量数值关系作为衡量标准，以各个测风塔的主导风向分析结果作为风向诊断效果的参考,确定；对初始风场进行调整，使风场在整个空间内满足质量守恒方程，并且总调整量最小。

本发明提供的基于质量守恒诊断模式的风资源数值的获取方法，从风的物理角度利用质量守恒理论，综合有限差分求解方法和EOF分解方法，有效反映了地形以及气象因素对资源特征的影响规律。

附图说明

图1为本发明提供的基于质量守恒诊断模式的风资源数值获取流程图。

图2为本发明提供的测风塔分布区域的地面等高线图。

图3为本发明提供的计算区域地面等高线图。

图4为本发明提供的改变不同值时的诊断风场风速等高线图。

图5为本发明提供的典型日的风向变化曲线。

图6为本发明提供的某测风塔EOF分解序列的诊断效果。

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，本发明提供的基于质量守恒诊断模式的风资源数值获取流程包括如下步骤：

步骤S10，获取风场的实测资料并构建初始风场；

步骤S20，设定模型参数,固定的数值为1，利用长时间风速序列基于经验正交函数（Empirical Orthogonal Function，简称EOF）分解的空间分量数值关系作为衡量标准，以各个测风塔的主导风向分析结果作为风向诊断效果的参考,确定；

步骤S30，对初始风场进行调整，使风场在整个空间内满足质量守恒方程，并且总调整量最小。

在步骤S10中，初始风场的构建通过水平插值和垂直插值两步实现。

基于实测数据的水平插值采用距离加权反比改进插值方法，利用多个测风塔的实测数据插值得到同一高度处（70m）的风速、风向分布。

垂直插值则基于风速指数廓线规律将已知高度的风速插值到同一地点的不同高度处。在任一高度的风速计算公式如下：

其中，指数是与地表粗糙度有关的系数，可通过测风塔不同高度风速拟合或者根据地貌情况查表得到；考虑到研究区域的地貌特点并结合实际拟合结果，以下计算中将该指数取为0.13。

在步骤S20中，设定模型参数固定的数值为1，利用长时间风速序列EOF分解的空间分量数值关系作为衡量标准，同时，以各个测风塔的主导风向分析结果作为风向诊断效果的参考，确定。其中，是和风速观测场与实测场误差成反比的参数，即。

在步骤S30中，考虑三维风场，各方向风速分量分别为、、，则质量守恒方程表示为：

设初始风场用、、来表示，引入拉格朗日乘子，则待求的目标函数为：

其中，为求解区域，、为调整系数。

上述优化问题的解为：

（1）

（2）

（3）

（4）

同时需要满足如下边界条件。

1）开放边界或者空气自由流通边界：；

2）固定边界或者无空气流通边界：。

进一步地，基于式（1）-式（4）可以得到下述方程：

（5）

可采用有限差分方法进行计算。

所述有限差分方法是将求解域首先划分为二维或者三维网格，然后将原始连续求解域用有限网格节点代替。进一步把方程中的导数用网格节点上数值的差商代替以实现方程的离散化，最终将原始微分方程转换为代数方程组，且方程组的未知数便是各个网格节点上的值。该方法将微分问题转化为代数问题，可利用计算机进行数值求解。

式（5）通过离散化处理得到差分方程如下：

（6）

其中，

（7）

如果某一点的差分方程涉及任意一个边界点，则用如下前向或者后向差分方程表示：

（8）

（9）

其中，表示对应边界的法向向量，是对应的格点下标。位于边界上的通过令上式为零后用其他格点的来表示。通过整理，式（6）转化为下式：

（10）

其中的各个参数取决于格点位置的地形情况。上述方程的求解可采用超松弛迭代的方法实现，即有：

（11）

（12）

本实施例中，可取为1.78即可以得到较好的迭代效果。可采用下式对原始风场进行修正即可得到风场的风资源数值：

（13）

（14）

（15）

实施例一

本发明所述的基于质量守恒诊断模式的风资源数值获取以及分析的方法根据我国北方某风电场历史数据所进行的数值计算，具体步骤如下：

（1）初始场的构建

首先选择研究区域，此地地貌特点基本一致，粗糙度无明显变化，区域等高线如图2所示，从图中可见，整个区域仅在西北区域的地形坡度相对较大，而其他区域的地形坡度很小。

考虑到计算能力以及计算时间的限制，这里以图3中的区域作为计算条件，该区域可以反映此地典型地形特点。计算中，取水平格距为1.5km1.5km，纵向格距为30m。利用分布于该区域的1、3、5、7、8、9、10、11、12号测风塔进行诊断计算。

（2）模型参数设定

固定的数值为1，调整的数值观察诊断效果。这里以利用长时间风速序列EOF分解的空间分量数值关系作为衡量标准，同时，以各个测风塔的主导风向分析结果作为风向诊断效果的参考。

首先全区域固定同一个值观察诊断风场的风速等高线图，改变的数值分别为10、100、1000、100000，得到的诊断风场风速等高线图分别如图4 (a)，(b)，(c)，(d)所示。其中，颜色越接近深蓝表明风速数值越小，而颜色越接近红色则表明风速数值越大。

与利用实测数据得到的典型风场分布图6比较可见，当取值为100时模型的诊断效果与实际场比较接近，所以初步取定。若详细分析图4 (b)中诊断后各个测风塔所在点的风速数值关系，得到结果如表1所示。

表1不同测风塔处的诊断风速值

可见，除了10、11、12号测风塔处的诊断风速偏低外，大部分测风塔诊断风速之间的数值关系与EOF分解的第一空间分量较接近。推测与的统一化设定有关。详细分析各个测风塔的主导风向可知，以10、11、12号测风塔为代表，测风塔越靠近北部的山脉，主导风向越偏离90°而越接近0°，然而，若设定的值较大，地形作用效果会使该区域风速按照更接近90度的趋势进行调整，所以初步判断应减小这一部分区域的值以得到接近实际情况的诊断效果。结合测风塔的地理位置，粗略设定研究区域中北纬40.7°以北且东经95.5°以西的区域，其他参数不变，对于同样的初始风场，重新诊断结果如表2所示。

表2改变参数取值后的诊断风场风速

显然，调整后的风速数值关系与实测结果更为接近，说明上述的参数设定基本合理，诊断结果可有效反应实际地形作用效果。

综上所述，模型参数设定如下：研究区域中北纬40.7°以北且东经95.5°以西的区域，其他区域，迭代终止误差阈值为0.01。

（3）对初始风场进行调整，使风场在整个空间内满足质量守恒方程，并且总调整量最小。

对所有已知风速、风向序列分别进行EOF分解，提取第一模态空间向量和对应的时间向量，还原得到典型风速、风向序列。之后在此序列基础上进行诊断分析，比较插值风场误差和诊断风场误差。

选择分属于不同季节的典型日，其风速、风向特点不同，分别代表具有不同特点的天气过程。这几个典型日分别为3月（编号为1）、6月（编号为2），9月（编号为3）的某天，各自的风速、风向主要统计参数如表3所示。

表3典型日的基本统计参数

其中，各指标是利用所有测风塔的序列计算得到的。从中可见，典型日1、2、3分别对应整体风速数值偏低、高、中三种情况。就风向而言，典型日1和3中风向具有类似特点，即变化幅值不大，而典型日2中的风向存在明显的大幅变化且分布较集中。典型日1、2的风向变化曲线分别如图5 (a)、(b)所示。

可见，典型日2的风资源具有阵风的部分特征，整体风速、风向的一致性较好，说明这一天存在明显的天气过程。利用上述方法进行诊断。

一般说来，风速偏低，且风向较稳定时，说明外界没有强烈的天气过程，那么此时地形构成了影响风速的重要因素，所以在典型日1、3的诊断效果较好。而当风速很高，风向分布集中且发生统一的突变时，则说明外界存在很明显的天气过程（典型日2），此时风速的数值特点会综合受各种因素影响，而地形不是风速分布的主导因素，于是典型日2的诊断效果较差（其中风速较小的测风塔1、3、5对应的诊断效果则较好）。

本发明提供的基于质量守恒诊断模式的风资源数值获取的方法，从风的物理角度利用质量守恒理论，综合有限差分求解方法和EOF分解方法，有效说明地形以及气象因素对资源特征的影响规律。

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)

1.一种风资源数值的获取方法，包括以下步骤：

步骤S10，获取风场的实测资料并构建初始风场；

步骤S20，设定模型参数固定                                               的数值为1，利用长时间风速序列基于经验正交函数分解的空间分量数值关系作为衡量标准，以各个测风塔的主导风向分析结果作为风向诊断效果的参考，确定，其中，是和风速观测场与实测场误差成反比的参数，；

步骤S30，对初始风场进行调整，使风场在整个空间内满足质量守恒方程，并且总调整量最小。

2.如权利要求1所述的风资源数值的获取方法，其特征在于，初始场的构建通过水平插值和垂直插值实现。

3.如权利要求2所述的风资源数值的获取方法，其特征在于，所述水平插值方法包括：距离加权反比改进插值方法，利用多个测风塔的实测数据插值得到同一高度处的风速、风向分布。

4.如权利要求2所述的风资源数值的获取方法，其特征在于，所述垂直插值方法包括：垂直插值基于风速指数廓线规律将已知高度的风速插值到同一地点的不同高度处，所述高度处风速计算公式如下：

；

其中，指数是与地表粗糙度有关的系数。

5.如权利要求1所述的风资源数值的获取方法，其特征在于，考虑三维风场，各方向风速分量分别为、、，则质量守恒方程表示为：

。

6.如权利要求5所述的风资源数值的获取方法，其特征在于，设初始风场用、、来表示，引入拉格朗日乘子，则待求目标函数为：

；

其中，为求解区域，、为调整系数。

7.如权利要求6所述的风资源数值的获取方法，其特征在于，各方向风速分量分别为、、为：

，

，

，

，则

。

8.如权利要求7所述的风资源数值的获取方法，其特征在于，通过离散化处理得到差分方程如下：

；

其中，

，则

，

其中的各个参数取决于格点位置的地形情况。

9.如权利要求8所述的风资源数值的获取方法，其特征在于，采用超松弛迭代的方法进行求解，即有：

；

。

10.如权利要求9所述的风资源数值的获取方法，其特征在于，采用下式对原始风场进行修正，得到风速分量、、分别为：

，

，

。