CN107239856B - 一种风向数据插补方法 - Google Patents
一种风向数据插补方法 Download PDFInfo
- Publication number
- CN107239856B CN107239856B CN201710398999.3A CN201710398999A CN107239856B CN 107239856 B CN107239856 B CN 107239856B CN 201710398999 A CN201710398999 A CN 201710398999A CN 107239856 B CN107239856 B CN 107239856B
- Authority
- CN
- China
- Prior art keywords
- wind direction
- direction data
- interpolation
- interpolated
- data
- 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 44
- 230000009466 transformation Effects 0.000 claims abstract description 5
- 238000012937 correction Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000012217 deletion Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000000295 complement effect Effects 0.000 claims 2
- 230000000694 effects Effects 0.000 abstract description 3
- 238000010248 power generation Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- ZZUFCTLCJUWOSV-UHFFFAOYSA-N furosemide Chemical compound C1=C(Cl)C(S(=O)(=O)N)=CC(C(O)=O)=C1NCC1=CC=CO1 ZZUFCTLCJUWOSV-UHFFFAOYSA-N 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Complex Calculations (AREA)
- Indicating Or Recording The Presence, Absence, Or Direction Of Movement (AREA)
Abstract
本发明涉及一种风向数据插补方法,能够根据待插补风向数据的缺失情况自动选取插补时的时间窗口,保证辅助插补风向数据与待插补风向数据间的关联性;且通过三角函数变换,更好的利用了风向数据的特性,即,风向数据的环形效果。本发明所提供的方法能够较为有效地插补风向数据,得到较高完整度和较好准确性的风向数据,可以为风资源评估提供较好的数据支持。
Description
技术领域
本发明属于风电场技术领域,尤其涉及一种风向数据插补方法。
背景技术
风能是可再生能源中发展最快且最具有开发价值的清洁能源,而风力发电是风能开发利用的主要形式。近年来,我国风电产业迅猛发展,这一状况无疑风力发电带来了巨大的机遇,但同时也带来了巨大的挑战,风力发电无论是设计还是运行,都还存在着诸多的问题。风力发电不如火力发电或水力发电稳定,其主要原因在于风能资源的不确定性。风能资源存在着波动性和间歇性,因此,在建立一个风力发电场之前,必须深入分析当地长期的风资源数据,全面了解风能资源的情况,再判断当地是否适合建立风力发电厂。这给风力发电场的设计带来了很大的困难,风资源评估不当,可能导致风电场由盈利变为亏损,造成损失。
测风数据是风资源评估的主要数据支持,也是评估风电场经济效益的重要因素。因此,保证测风数据的完整度与准确性很有意义。对于缺失的风向数据,通常的处理方法有两种:(1)忽略这些缺失的风向数据,这种方法中的风向数据的准确性较好、但完整度较低;(2)直接将其它数据(同一时刻或邻近时刻)直接复制以填补缺失数据,这种方法中的风向数据的完整度较高、但准确性较差。
针对现有的风向数据插补方法不能同时保证较高的完整度和较好的准确性,本发明提出一种能更有效完善风电场数据的风向数据插补方法。
发明内容
本发明申请涉及一种风向数据插补方法,包括如下步骤:
步骤1:整理待插补风向数据以及辅助插补风向数据确定它们的完整度状况;
步骤2:确定待插补风向数据的时间窗口;
步骤3:用选定的时间窗口内的待插补风向数据和辅助插补风向数据对待插补风向数据中的缺失数据进行结合三角函数变换的相关性法插补;
步骤4:对所有待插补风向数据中的缺失数据都进行步骤2和步骤3,完成插补,最后,输出插补结果。
步骤1具体包括:
步骤11:整理待插补风向数据{yi},以它们的时间标签对齐所有数据;
步骤12:按时间序列对待插补风向数据{yi}进行缺失标定,建立待插补风向数据缺失向量{p1,p2,…,pN},若待插补风向数据第i个风向数据yi缺失,则pi=0;反之,则pi=1;N为应测风向数据总量,N=t/tin,t为风向数据总测量时间,tin为风向数据测量间隔时间;
步骤13:选取辅助插补风向数据,原则为:地理位置近,时间分辨率与待插补风向数据相同,数据完整度高。如首选同塔高度接近风向数据,其次选择临近测风塔同一高度风向数据,最后选择当地气象数据。
步骤2包括选定待插补风向数据中缺失数据的缺失点yi,即pi=0的点,并根据向量{p1,p2,…,pN}确定所述时间窗口。确定时间窗口的具体步骤为:确定初始化参数n,n=30min/tin,以yi前后30分钟为待插补风向数据的时间窗口,即,yi-n到yi+n的待插补风向数据;之后,对n进行优化修正:a)若且则n减小1;b)若则n增加1;其中α,β0,β1都是设定的参数。优选α∈[30,50],β0∈[0.90,0.99],β1∈[0.8,0.95]。重复对n进行优化修正直至n不再变化,则把包含yi-n到yi+n的待插补风向数据以及辅助插补风向数据的时间窗口作为选定的时间窗口。
步骤3具体包括:
步骤31:将选定的时间窗口下的待插补风向数据以及辅助插补风向数据由角度转换为三角函数值,即,待插补风向数据的余弦值{yci}和正弦值{ysi},以及各组辅助插补风向数据的余弦值{xci j}和正弦值{xsi j},j=1,2,...,m,m表示辅助插补风向数据的组数;
步骤32:计算线性相关系数,计算待插补风向数据与各组辅助插补风向数据的余弦值之间的相关系数{rcj}:
同理,可计算出待插补风向数据与各组辅助插补风向数据的正弦值之间的相关系数{rsj};之后,分别选定绝对值最大的相关系数的辅助插补风向数据进行插补,插补余弦值用|rcj|最大的辅助插补风向数据,插补正弦值用|rsj|最大的辅助插补风向数据;
步骤33:线性拟合辅助插补风向数据的余弦值{xci j}和待插补风向数据的余弦值{yci},在将xci j代入这条直线求出待插补风向数据中的缺失数据的余弦值yci;同理,求出待插补风向数据中的缺失数据的正弦值ysi;
步骤34:根据下式将三角函数值转换成角度:
使用最小二乘法进行线性拟合,具体方法如下:
假设{xci j}与{yci},或{xsi j}与{ysi}呈线性关系:
y=ax+b
其中,x为{xci j}或{xsi j};y为{yci}或{ysi};a,b为系数,计算方法如下:
在对待插补风向数据进行插补时,可包含有多组辅助插补风向数据,当辅助插补风向数据也有缺失时,也可采用本发明的风向数据插补方法先对辅助插补风向数据进行插补。
发明有益效果:本发明能够根据待插补风向数据的缺失情况自动选取插补时的时间窗口,保证辅助插补风向数据与待插补风向数据间的关联性;且通过三角函数变换,更好的利用了风向数据的特性(即,风向数据的环形效果,1度与359度实际只差2度);本发明方法能够较为有效地插补风向数据,得到较高完整度和较好准确性的风向数据,可以为风资源评估提供较好的数据支持。
附图说明
图1为本发明的风向插补方法的步骤框图;
图2为本发明的风向插补方法的步骤的具体流程图。
具体实施方式
下面将结合具体的实例对本发明的方向插补方法进行说明。
本发明涉及一种风向插补方法,包括步骤:
步骤1:整理待插补风向数据以及辅助插补风向数据(可有多组),确定它们的完整度状况。当参照数据也有缺失时,可先采用本方法对参照数据进行插补。具体如下:
步骤11:整理待插补风向数据{yi},以它们的时间标签对齐所有数据;
步骤12:按时间序列对待插补风向数据{yi}进行缺失标定,建立待插补风向数据缺失向量{p1,p2,…,pN},若待插补风向数据第i个风向数据yi缺失,则pi=0;反之,则pi=1;N为应测风向数据总量,N=t/tin,t为风向数据总测量时间,tin为风向数据测量间隔时间。
步骤13:选取辅助插补风向数据。原则:地理位置近,时间分辨率与待插补风向数据相同,数据完整度高。即:最好采用同塔高度接近风向数据,其次临近测风塔同一高度风向数据,最后选择为当地气象数据。
步骤2:确定待插补风向数据的时间窗口。选定待插补风向数据中缺失数据的缺失点yi,即pi=0的点,并根据向量{p1,p2,…,pN}确定所述时间窗口。如:当pi=0,yi需要插补,选定yi为此次待插补风向数据中的缺失数据。
时间窗口确定具体步骤为:确定初始化参数n,n=30min/tin,以yi前后30分钟为待插补风向数据的时间窗口,即,yi-n到yi+n的待插补风向数据;之后,对n进行优化修正:a)若且则n减小1;b)若则n增加1;其中α,β0,β1都是设定的参数;重复对n进行优化修正直至n不再变化,则把包含yi-n到yi+n的待插补风向数据以及辅助插补风向数据的时间窗口作为选定的时间窗口。
步骤3:用选定的时间窗口内的待插补风向数据和辅助插补风向数据对待插补风向数据中的缺失数据进行结合三角函数变换的相关性法插补;具体如下:
步骤31:将选定的时间窗口下的待插补风向数据以及辅助插补风向数据由角度转换为三角函数值,即,待插补风向数据的余弦值{yci}和正弦值{ysi},以及各组辅助插补的风向数据的余弦值{xci j}和正弦值{xsi j},j=1,2,...,m,m表示辅助插补风向数据的组数;
步骤32:计算线性相关系数,计算待插补风向数据与各组辅助插补风向数据的余弦值之间的相关系数{rcj}:
同理,可计算出待插补风向数据与各组辅助插补风向数据的正弦值之间的相关系数{rsj};之后,分别选定绝对值最大的相关系数的辅助插补风向数据进行插补,插补余弦值用|rcj|最大的辅助插补风向数据,插补正弦值用|rsj|最大的辅助插补风向数据;
步骤33:线性拟合辅助插补风向数据的余弦值{xci j}和待插补风向数据的余弦值{yci},在将{xci j}代入这条直线求出待插补风向数据中的缺失数据余弦值{yci};同理,求出待插补风向数据中的缺失数据正弦值{ysi};使用最小二乘法进行线性拟合,具体方法如下:
假设{xci j}与{yci},或{xsi j}与{ysi}呈线性关系:
y=ax+b
其中,x为{xci j}或{xsi j};y为{yci}或{ysi};a,b为系数,计算方法如下:
步骤34:根据下式将三角函数值转换成角度:
步骤4:对所有待插补风向数据中的缺失数据都进行步骤2和步骤3,完成插补,最后,输出插补结果。
下面以一具体实例来说明本发明的插补方法及其效果。
测试数据为2016年1月1日至12月31日,某测风塔的10m、20m,50m和80m高度,10分钟风向数据,一共4×52704组。
测试时,选定待插补为80m高度的风向数据,随机选择5000个风向数据为缺失数据;选定其余高度处风向数据为辅助插补风向数据。
第一步,标定待插补风向数据,缺失的为0,不缺的为1,如表1。
表1待插补风向数据标定值
第二步,根据表1中的数据状况,优化待插补风向数据中的缺失数据的插补用的时间窗口,如表2。其中,设定的参数α=30,β0=0.93,β1=0.88。
表2优化后的时间窗口
表中,n值表示插补用数据的前后个数,比如:2016/1/1 1:10的n值为4,则在插补2016/1/1 1:10的风向时使用的数据为2016/1/1 0:30(i-n)到2016/1/11:50(i+n)的数据,共9(2n+1)组数据。
第三步,将风向角度数据变换为三角函数数据,并计算各个待插补风向数据中的缺失数据对应插补用时间窗口(取决于表2)数据的相关系数,如表3。
表3相关系数
第四步,选择相关系数(表3)最大的风向数据(50m高度处)完成线性拟合,求出待插补风向数据中的缺失数据的正弦值和余弦值的插补值(此处插补值不是角度的正余弦值),再根据插补值转换为角度值,结果如表4。
表4插补结果
最后,这5000个80m高度风向数据的插补结果的绝对偏差的平均值为10.11度。
之后,同理进行了10m、20m、50m高度的风向数据插补,并以复制方法进行插补作比较,结果如表5。
表5插补结果的绝对偏差
从表5中可以看出:本发明的绝对偏差平均值相较于复制方法的绝对偏差平均值,在相同条件下都要小,偏差值越小,说明测试的精度越高。精度提高的比例基本在20%左右,甚至高达26.68%。
以上实例很好地验证了本发明方法确实能够较为有效地插补风向数据,得到较高完整度和较好准确性的风向数据,可以为风资源评估提供较好的数据支持。
Claims (7)
1.一种风向数据插补方法,包括如下步骤:
步骤1:整理待插补风向数据以及辅助插补风向数据确定它们的完整度状况,包括:
步骤11:整理待插补风向数据{yi},以它们的时间标签对齐所有数据;
步骤12:按时间序列对待插补风向数据{yi}进行缺失标定,建立待插补风向数据缺失向量{p1,p2,…,pN},若待插补风向数据第i个风向数据yi缺失,则pi=0;反之,则pi=1;N为应测风向数据总量,N=t/tin,t为风向数据总测量时间,tin为风向数据测量间隔时间;
步骤13:选取辅助插补风向数据,原则为:地理位置近,时间分辨率与待插补风向数据相同,数据完整度高;
步骤2:选定待插补风向数据中缺失数据的缺失点yi,即pi=0的点,并根据向量{p1,p2,…,pN}确定所述时间窗口,具体步骤为:确定初始化参数n,n=30min/tin,以yi前后30分钟为待插补风向数据的时间窗口,即,yi-n到yi+n的待插补风向数据;之后,对n进行优化修正:a)若且则n减小1;b)若则n增加1;其中α,β0,β1都是设定的参数;重复对n进行优化修正直至n不再变化,则把包含yi-n到yi+n的待插补风向数据以及辅助插补风向数据的时间窗口作为选定的时间窗口;
步骤3:用选定的时间窗口内的待插补风向数据和辅助插补风向数据对待插补风向数据中的缺失数据进行结合三角函数变换的相关性法插补;
步骤4:对所有待插补风向数据中的缺失数据都进行步骤2和步骤3,完成插补,最后,输出插补结果。
2.据权利要求1所述的一种风向数据插补方法,其特征在于,所述步骤13中选取辅助插补风向数据的优先级顺序为:首选同塔高度接近风向数据,其次选择临近测风塔同一高度风向数据,最后选择当地气象数据。
3.据权利要求1所述的一种风向数据插补方法,其特征在于:α∈[30,50],β0∈[0.90,0.99],β1∈[0.8,0.95]。
4.根据权利要求1所述的一种风向数据插补方法,其特征在于,所述步骤3具体包括:
步骤31:将选定的时间窗口下的待插补风向数据以及辅助插补风向数据由角度转换为三角函数值,即,待插补风向数据的余弦值{yci}和正弦值{ysi},以及各组辅助插补风向数据的余弦值{xci j}和正弦值{xsi j},j=1,2,...,m,m表示辅助插补风向数据的组数;
步骤32:计算线性相关系数,计算待插补风向数据与各组辅助插补风向数据的余弦值之间的相关系数{rcj}:
同理,可计算出待插补风向数据与各组辅助插补风向数据的正弦值之间的相关系数{rsj};之后,分别选定绝对值最大的相关系数的辅助插补风向数据进行插补,插补余弦值用|rcj|最大的辅助插补风向数据,插补正弦值用|rsj|最大的辅助插补风向数据;
步骤33:线性拟合辅助插补风向数据的余弦值{xci j}和待插补风向数据的余弦值{yci},在将xci j代入这条直线求出待插补风向数据中的缺失数据的余弦值yci;同理,求出待插补风向数据中的缺失数据的正弦值ysi;
步骤34:根据下式将三角函数值转换成角度:
6.根据权利要求1所述的一种风向数据插补方法,其特征在于,可包含有多组辅助插补风向数据。
7.根据权利要求1所述的一种风向数据插补方法,其特征在于,当所述辅助插补风向数据也有缺失时,可先采用权利要求1-5任一项所述的风向数据插补方法对所述辅助插补风向数据进行插补。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710398999.3A CN107239856B (zh) | 2017-05-31 | 2017-05-31 | 一种风向数据插补方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710398999.3A CN107239856B (zh) | 2017-05-31 | 2017-05-31 | 一种风向数据插补方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107239856A CN107239856A (zh) | 2017-10-10 |
CN107239856B true CN107239856B (zh) | 2020-05-12 |
Family
ID=59985268
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710398999.3A Active CN107239856B (zh) | 2017-05-31 | 2017-05-31 | 一种风向数据插补方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107239856B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110135618B (zh) * | 2019-04-01 | 2021-07-09 | 北京观详光电技术有限公司 | 一种风廓线数据预测方法 |
CN109946765B (zh) * | 2019-04-02 | 2021-05-07 | 上海电气风电集团股份有限公司 | 风电场的流场的预测方法和系统 |
CN110532518B (zh) * | 2019-08-30 | 2023-04-25 | 中国电力工程顾问集团西北电力设计院有限公司 | 一种空冷对比观测待插补数据插补方法及系统 |
CN113781259B (zh) * | 2021-09-10 | 2023-12-01 | 中能电力科技开发有限公司 | 一种风电场测风塔数据插补方法及系统 |
CN116150135A (zh) * | 2022-12-27 | 2023-05-23 | 北京东润环能科技股份有限公司 | 测风数据处理方法、装置及电子设备 |
-
2017
- 2017-05-31 CN CN201710398999.3A patent/CN107239856B/zh active Active
Non-Patent Citations (5)
Title |
---|
A comparison of various forecasting techniques applied to mean hourly wind speed time series;A. Sfetsos;《Renewable Energy》;20000131;全文 * |
复杂山地下测风塔缺失测风数据插补订正方法的比较分析;张雪婷等;《风能》;20150131;全文 * |
插补测风塔缺测数据的相关性计算方法讨论;刘志远等;《可再生能源》;20160930;全文 * |
风场分形特性及缺失数据插补研究;秦付倩;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20130228;全文 * |
风电场测风数据的插补和修正;谢建远等;《新能源及工艺》;20100630;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN107239856A (zh) | 2017-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107239856B (zh) | 一种风向数据插补方法 | |
Olauson et al. | Modelling the Swedish wind power production using MERRA reanalysis data | |
Pfenninger et al. | Long-term patterns of European PV output using 30 years of validated hourly reanalysis and satellite data | |
Nuño et al. | On the simulation of aggregated solar PV forecast errors | |
CN108336739B (zh) | 一种基于rbf神经网络的概率潮流在线计算方法 | |
CN106548256B (zh) | 一种风电场时空动态相关性建模的方法和系统 | |
CN106548410B (zh) | 一种含分布式电源的配电网电压不平衡概率评估方法 | |
Piliougine et al. | Modelling photovoltaic modules with neural networks using angle of incidence and clearness index | |
Engelhorn et al. | How to estimate wind-turbine infeed with incomplete stock data: A general framework with an application to turbine-specific market values in Germany | |
CN109784563B (zh) | 一种基于虚拟测风塔技术的超短期功率预测方法 | |
CN113657662B (zh) | 一种基于数据融合的降尺度风电功率预测方法 | |
CN110601250B (zh) | 一种基于新能源电站接入点静态电压稳定性评估方法 | |
Saeed et al. | Wind resource assessment and economic analysis for wind energy development in Pakistan | |
CN106886564B (zh) | 一种基于空间聚类订正nwp风能图谱的方法及装置 | |
CN112801332B (zh) | 一种基于灰度共生矩阵的短期风速预测方法 | |
Amaya-Martínez et al. | A statistical analysis of wind speed distribution models in the Aburrá Valley, Colombia | |
CN103984986B (zh) | 实时校正的自学习arma模型风电功率超短期预测方法 | |
Yan et al. | A robust probabilistic wind power forecasting method considering wind scenarios | |
CN109242200B (zh) | 一种贝叶斯网络预测模型的风电功率区间预测方法 | |
Guo et al. | Wind power assessment based on a WRF wind simulation with developed power curve modeling methods | |
CN117196918A (zh) | 一种建筑碳排放确定方法、装置、设备及存储介质 | |
Graabak et al. | Developing a wind and solar power data model for Europe with high spatial-temporal resolution | |
CN112131779B (zh) | 一种基于多参考站的海上测风塔数据代表年订正方法 | |
CN115586591A (zh) | 风暴潮的自动预报方法以及装置 | |
Peruchena et al. | A clustering approach for the analysis of solar energy yields: A case study for concentrating solar thermal power plants |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |