CN108536881A - 用于计算风电场发电量的方法和设备 - Google Patents

用于计算风电场发电量的方法和设备 Download PDF

Info

Publication number
CN108536881A
CN108536881A CN201710127574.9A CN201710127574A CN108536881A CN 108536881 A CN108536881 A CN 108536881A CN 201710127574 A CN201710127574 A CN 201710127574A CN 108536881 A CN108536881 A CN 108536881A
Authority
CN
China
Prior art keywords
data
anemometer tower
power plant
wind power
mesoscale
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
CN201710127574.9A
Other languages
English (en)
Other versions
CN108536881B (zh
Inventor
敖娟
刘钊
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.)
Jinfeng Technology Co ltd
Original Assignee
Xinjiang Goldwind Science and Technology 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 Xinjiang Goldwind Science and Technology Co Ltd filed Critical Xinjiang Goldwind Science and Technology Co Ltd
Priority to CN201710127574.9A priority Critical patent/CN108536881B/zh
Priority to PCT/CN2017/109513 priority patent/WO2018161626A1/zh
Priority to EP17868504.6A priority patent/EP3396571A4/en
Priority to AU2017352549A priority patent/AU2017352549B2/en
Priority to US15/776,294 priority patent/US11168667B2/en
Publication of CN108536881A publication Critical patent/CN108536881A/zh
Application granted granted Critical
Publication of CN108536881B publication Critical patent/CN108536881B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2260/00—Function
    • F05B2260/84—Modelling or simulation
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2270/00—Control
    • F05B2270/30—Control parameters, e.g. input parameters
    • F05B2270/32—Wind speeds
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2270/00—Control
    • F05B2270/30—Control parameters, e.g. input parameters
    • F05B2270/335—Output power or torque
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/06—Wind turbines or wind farms

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Sustainable Energy (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Public Health (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • Fluid Mechanics (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Wind Motors (AREA)

Abstract

公开了一种用于计算风电场发电量的方法和设备。所述方法包括：判断风电场场区的地形复杂度是否超过预定复杂度；如果地形复杂度超过预定复杂度，则判断风电场场区内的测风塔数据代表性；如果测风塔数据代表性不足，则对风电场场区的气象变量进行中尺度数值模拟；提取中尺度数值模拟数据作为虚拟测风塔数据；通过使用虚拟测风塔数据来计算风电场发电量。对于地形复杂和测风塔数据代表性不足的风电场，所述方法通过补充虚拟测风塔可提高风电场发电量的计算准确性，节省测风塔安装和维护成本。

Description

用于计算风电场发电量的方法和设备
技术领域
本发明涉及风力发电领域，更具体地，涉及一种用于计算风电场发电量的方法和设备。
背景技术
风电场的建设规模、经济效益以及风险程度取决于早期风电场发电量的计算，而风电场发电量计算的多寡除了取决于各地区风资源分布的实际情况之外，还取决于发电量计算方法的适应性及精确性。一直以来，中国的三北地区都是中国风资源比较好的地区，但这些地区的风电消纳有限，因此经常出现弃风限电的现象。如此原因，导致近年来风电场的开发越来越向人口密集、电力需求旺盛的地区靠拢，而这些地区内具有风能开发价值的区域往往地形和气象条件都更加复杂。
复杂的地形和气象条件给风电场风况的仿真，以及由此进行的机组选型和发电量的计算带来了巨大的误差。其中一个主要原因是，在复杂的地形、复杂的气候条件下，如果测风塔数据代表性不足，则会给风电场风资源的评估带来巨大的误差，但是现实中由于测风塔的建设及维护开支高，因此，在很多风电场，测风塔数量不足是一个常见的现象，从而导致测风塔数据代表性不足，即，测风塔数据不能够代表风电场场区的局地气候。
鉴于此，需要能够减小由于上述因素而带来的风电场发电量计算误差的风电场发电量计算方法，从而提高风电场发电量计算准确性。
发明内容
本发明提供了一种用于计算风电场发电量的方法和设备，所述方法和设备能够在风电场场区的地形复杂以及风电场场区内的测风塔数据代表性不足的情况下，通过采用中尺度数值模式WRF(Weather Research and Forecasting Model)对风电场场区的气象变量进行中尺度数值模拟，提取中尺度数值模拟数据作为虚拟测风塔数据，并通过在计算风电场发电量时使用虚拟测风塔数据来提高风电场发电量的计算准确性。
根据本发明的一方面，提供了一种用于计算风电场发电量的方法，所述方法可包括：判断风电场场区的地形复杂度是否超过预定复杂度；如果地形复杂度超过预定复杂度，则判断风电场场区内的测风塔数据代表性；如果测风塔数据代表性不足，则对风电场场区的气象变量进行中尺度数值模拟；提取中尺度数值模拟数据作为虚拟测风塔数据；通过使用虚拟测风塔数据来计算风电场发电量。
优选地，所述方法还可包括：在对风电场场区的气象变量进行中尺度数值模拟之后且在提取中尺度数值模拟数据之前，对中尺度数值模拟数据的可靠性进行验证，并对被验证为可靠的中尺度数值模拟数据进行校正，其中，提取中尺度数值模拟数据的步骤可包括：提取被校正后的中尺度数值模拟数据作为虚拟测风塔数据。
根据本发明的另一方面，提供了一种用于计算风电场发电量的设备，所述设备包括：地形复杂度判断单元，被配置为判断风电场场区的地形复杂度是否超过预定复杂度；测风塔数据代表性判断单元，被配置为在地形复杂度超过预定复杂度的情况下判断风电场场区内的测风塔数据代表性；中尺度数值模拟单元，被配置为在测风塔数据代表性不足的情况下对风电场场区的气象变量进行中尺度数值模拟；中尺度数值模拟数据提取单元，被配置为提取中尺度数值模拟数据作为虚拟测风塔数据；风电场发电量计算单元，被配置为通过使用虚拟测风塔数据来计算风电场发电量。
优选地，所述设备还可包括：可靠性验证单元，被配置为在中尺度数值模拟单元对风电场场区的气象变量进行中尺度数值模拟之后且在中尺度数值模拟数据提取单元提取中尺度数值模拟数据之前，对中尺度数值模拟数据的可靠性进行验证；数据校正单元，被配置为对被验证为可靠的中尺度数值模拟数据进行校正，其中，中尺度数值模拟单元可被配置为提取被校正后的中尺度数值模拟数据作为虚拟测风塔数据。
根据所述方法和设备，本发明可通过中尺度数值模拟引入虚拟测风塔数据来有效地提高风电场发电量的计算准确性，并且可通过对中尺度数值模拟数据进行可靠性验证和校正，进一步提高提高风电场发电量的计算准确性，从而使得即使在复杂地形且测风塔数据代表性不足的情况下，也能够减少风电场发电量的计算误差，提供更加准确的计算结果，同时，也节省了测风塔安装和维护成本。
附图说明
为了更清楚地说明本申请的实施例，下面将对实施例的描述中所需要使用的附图作简单地介绍，然而，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1是示出根据本发明的示例性实施例的用于计算风电场发电量的方法的流程图；
图2是示出根据本发明的另一示例性实施例的用于计算风电场发电量的方法的流程图；
图3是示出根据本发明的示例性实施例的用于计算风电场发电量的设备的框图；
图4是示出根据本发明的另一示例性实施例的用于计算风电场发电量的设备的框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
为了便于理解本发明，这里首先对本发明中所使用的部分术语和与这些术语相关的知识进行解释和说明。“中尺度数值模式”(也称为“WRF模式”)是由美国环境预测中心以及美国国家大气研究中心等美国的科研机构联合开发的新一代开源气象模式。WRF模式包含的模块组可以作为基本物理过程探讨的理论根据，还可以对真实天气的案例进行模拟，WRF模式的水平分辨率、垂直方向层次、积分区域及各种物理过程都可根据用户需求调整，使用极为便捷，目前在世界范围内被广泛认可和使用。相应地，“中尺度数值模拟”指利用“WRF模式”进行数值模拟。在利用“WRF模式”对气象变量进行中尺度数值模拟的过程中，由于模式分辨率不足等原因，模式对次网格尺度的物理过程不能很好地描述，需要诸如辐射、边界层、微物理等物理过程参数化来完善模拟效果。不同参数化方案的组合对数值模拟的精度有重要的影响。
图1是示出根据本发明的示例性实施例的用于计算风电场发电量的方法的流程图。
参照图1，在步骤101，判断风电场场区的地形复杂度是否超过预定复杂度。通常，风电场流场仿真有多种方法，地形复杂度的差异是决定选用不同仿真方法的一个主要原因。通常，在平坦的简单地形，常使用线性风流模型(例如，WAsP)即可得到满意的模拟效果；在复杂山地，由于线性模型高估了地形的加速效应，因此通常使用三维流体仿真软件(例如，WindSim、Meteodyn WT)对流场进行模拟；在特殊复杂山地地形，如高山深谷，几乎任何风流模型都不能给出满意的模拟的结果。由于本发明所提出的用于计算风电场发电量的方法主要针对复杂地形或极端复杂地形，因此，根据本发明的示例性实施例的用于计算风电场发电量的方法首先判断风电场场区的地形复杂度。具体地，可采用崎岖指数(RuggednessIndex，RIX)来判断风电场场区的地形复杂度是否超过预定复杂度。可通过以下方法计算RIX：在某点以R为半径的极坐标中，每条半径线都可能与等高线相交，交点则把半径线分为若干线段。用地形坡度超过关键坡度θ的线段总和，除以全部线段总和(即，半径线R的总和)，就可得到崎岖指数RIX值。对于某一特定点来说，其RIX值取决于三个参数：计算半径R、关键坡度θ、半径线数目N。一般地，计算半径R可取3～5km，具体取值可试风电场场区范围而定，默认可令R取3.5km，关键坡度θ取0.3rad(约为17°)，半径线数目N取72。如果RIX等于0％，则说明地形坡度都小于0.3rad，如果RIX大于0％，则说明部分地区的坡度大于0.3rad。
根据本发明的示例性实施例，如果崎岖指数大于或等于预定的第一崎岖指数，则判断风电场场区的地形复杂度超过预定复杂度。具体地，如果崎岖指数大于或等于所述预定的第一崎岖指数，则可判断地形复杂度为复杂，如果崎岖指数大于或等于预定的第二崎岖指数，则可判断地形复杂度为极端复杂，其中，第二崎岖指数大于第一崎岖指数。这里，第一崎岖指数可以是30％，第二崎岖指数可以是50％，即，如果RIX大于30％，则判断地形复杂度为复杂，如果RIX大于50％，则判断地形复杂度为极端复杂。但是，第一崎岖指数和第二崎岖指数的取值不限于以上示例，而是可根据具体实际和需求选取合适的判断阈值。由于，极端复杂地形的仿真结果偏差会非常大，需要引起特别关注。因此，可选地，根据本发明示例性实施例的用于计算风电场发电量的计算方法还可包括：在判断风电场场区的地形复杂度为极端复杂时输出警告，以提醒计算人员进行特别关注。
如果在步骤101判断地形复杂度超过预定复杂度，则进入步骤102，否则，结束该方法。在步骤102，判断风电场场区内的测风塔数据代表性。这里，测风塔数据代表性用于衡量测风塔数据是否能够代表风电场场区的局地气候。根据本发明示例性实施例，可通过风电场场区内的测风塔密度、海拔相似性或地形地貌相似性来判断测风塔数据代表性。一般来说，在地形复杂或极端复杂的区域内，当测风塔密度足够高，每座测风塔管辖范围内海拔差异较小，并且地形粗糙度差异较小时，说明测风塔数据具有一定的代表性。否则，则说明测风塔数据代表性不足，即，测风塔数据不具有代表性，不足以代表风电场场区的局地气候。
具体地，根据示例性实施例，可通过风电场场区内的测风塔密度来判断测风塔数据代表性，这里，测风塔密度可由风电场场区对角线的距离与风电场场区内测风塔的个数的比值来表征。如果测风塔密度小于预定密度，并且以各测风塔为圆心以所述预定密度作为直径做圆，所有圆形的面积之和(圆形与圆形之间重合的面积在计算面积总和时仅计算一次)占风电场场区的面积比例达到预定比例以上，则判断测风塔数据具有代表性，否则，判断测风塔数据代表性不足，并将圆形未曾覆盖的区域判断为测风塔数据代表性不足的区域。根据示例性实施例，所述预定密度可以是3km，所述预定比例可以是80％，但是本发明不限于此，而是可根据实际要求选择更加宽松或更加严格的判断阈值。
可选地，可通过海拔相似性来判断测风塔数据代表性，其中，如果在每一座测风塔的管辖范围内最高海拔与最低海拔之差小于预定海拔差，则表明该管辖范围内的海拔具有相似性，判断测风塔数据具有代表性，否则，判断测风塔数据代表性不足，并将该测风塔管辖区域确定为测风塔数据代表性不足的区域。根据本发明的示例性实施例，每一座测风塔的管辖范围可由以测风塔为圆心并以相邻两座测风塔之间的距离的一半为半径所做的圆来表征。但是，以上关于每一座测风塔的管辖范围的定义仅是示例，还可采用其他方式来定义测风塔的管辖范围，例如，每一座测风塔的管辖范围可由以测风塔为中心并以相邻两座测风塔之间的距离为边长的正方形来表征。根据示例性实施例，所述预定海拔差可以是150m，但是不限于此，例如，所述预定海拔差可以是比150m更小或更大的数值。
另外，可选地，可通过地形地貌相似性来判断测风塔数据代表性。如果在每一座测风塔的管辖范围内最大地形粗糙度与最小地形粗糙度之差小于预定粗糙度差，则表明该管辖范围内的地形地貌具有相似性，判断测风塔数据具有代表性，否则，判断测风塔数据代表性不足，并将该测风塔管辖区域确定为测风塔数据代表性不足的区域。这里，所述预定粗糙度差可以是0.1，或者还可以根据实际计算需要选择比0.1更小或更大的数值。
如果在步骤S102判断测风塔数据代表性不足，则进入步骤103，否则如果测风塔数据具有代表性，则直接采用现有技术的方法利用测风塔数据进行风电场发电量计算。在步骤103，对风电场场区的气象变量进行中尺度数值模拟。作为测风数据的补充，中尺度数据的模拟精度需要达到较高的水平，否则模拟效果达不到要求的中尺度模拟会引入新的误差，进而在计算发电量时造成更大的误差。根据示例性实施例，为了提高中尺度数值模拟数据的精度，提高风电场发电量的计算准确性，可根据风电场所处地区的地形特征、气候特征和/或历史模拟结果选择相应的参数化方案组合来对风电场场区的气象变量进行中尺度数值模拟。这里，所述气象变量可包括风速、风向、温度、湿度、湍流和气压中的至少一个。如上所述，在利用“WRF模式”对气象变量进行中尺度数值模拟的过程中，不同参数化方案的组合对数值模拟的精度有重要的影响。因此，为了确保中尺度模拟数据的局地适应性，可根据风电场所处地区的地形特征、气候特征和/或历史模拟结果选择合适的参数化方案组合来对风电场场区的风速、风向以及多个气象变量进行中尺度数值模拟。
针对某一风电场场区的合适的参数化方案，首先需要考虑风电场场区所在地区的天气特征来进行选择。在对流活动旺盛的地区，积云对流参数化方案(cu_physics)比较重要；在边界层大气活动剧烈的地区，行星边界层参数化方案(bl_pbl_physics)比较重要；在地表水陆分布差异较大的地区，地表参数化方案(sf_surface_physics)比较重要；除此之外，微物理、湍流、扩散、长波辐射、短波辐射等也是比较重要的参数化方案选项。由于WRF内部的参数化选项非常多，在此不一一赘述。
例如，如果以对地面风速影响较大的边界层参数化方案为例，YSU方案是一种基于K扩散模式的一阶非局部闭合方案，详细考虑了在逆温层中夹卷造成的热量交换，并且考虑了湍流扩散方程中的反向梯度输送项；ACM2则将涡旋扩散融合到非局地扩散方案中，能够描述对流边界层中超网格尺度和次网格尺度的湍流输送过程；MYNN3是一个预报湍流动能及其他二级通量的湍流动能参数化方案，融入了凝结物理过程，减小了雾形成时间的预报偏差与消散时间预报的偏差；MYJ湍流动能方案为行星边界层和自由大气中的湍流参数化非奇异方案，主长度尺度的上限根据在湍流增长的条件下，扰动动能产生项非奇异这一条件推导而得，其依赖于湍流动能、浮力、驱动流气流的切变。以湖北某风电场为例，采用以上四种不同的边界层参数化方案，对近地层风速的模拟效果就有不同，根据该风电场的实测数据评估的效果是MYNN3>YSU>ACM2>MYJ。
可根据以上挑选参数化方案的原则，并结合该地区的历史模拟经验，针对不同地区的风电场，采取不同的参数化方案组合进行模拟。另外，需要注意的是，由于本发明关注在地形复杂且测风塔数据代表性不足时的风电量计算，因此，根据本发明示例性实施例，在对风电场场区的气象变量进行中尺度数值模拟时的模式分辨率不应低于预定分辨率。例如，在地形复杂或极端复杂的地区，所述预定分辨率以为3km和1km为宜，从而便于确保将中尺度数值模拟数据作为补充的虚拟测风塔数据之后风电场场区内的测风塔数据具有代表性。
在步骤103对风电场场区的气象变量进行中尺度数值模拟之后，在步骤104，提取中尺度数值模拟数据作为虚拟测风塔数据。实际中，风电场场区内可能设置有测风塔，也可能没有设置测风塔。根据示例性实施例，如果所述风电场场区内有测风塔，则可将风电场场区内测风塔数据代表性不足的区域的中尺度数值模拟数据作为该区域的补充的虚拟测风塔数据。而如果所述风电场场区内无测风塔，则可将风电场场区的中尺度数值模拟数据作为该风电场场区的虚拟测风塔数据。
在获得了虚拟测风塔数据之后，在步骤105，可通过使用虚拟测风塔数据来计算风电场发电量。具体地，如果风电场场区内有测风塔，则可将该风电场场区内的测风塔的实测数据与在步骤103补充的虚拟测风塔数据结合来计算风电场发电量。如果风电场场区内无测风塔，则可直接使用在步骤103获得的虚拟测风塔数据来计算风电场发电量。优选地，根据示例性实施例，在提取中尺度数值模拟数据作为虚拟测风塔数据之后，可再次判断风电场场区内包括虚拟测风塔数据的全部测风塔数据的代表性，其中，如果判断测风塔数据具有代表性，则执行通过使用虚拟测风塔数据来计算风电场发电量的步骤105。
具体地，在步骤105，可采用WT、WindSim、WAsP和WindPro软件中的至少一个作为计算工具来计算风电场发电量。如果风电场场区内有测风塔，则将已有的测风塔的实测数据与补充的虚拟测风塔数据一起输入WT、WindSim、WAsP和WindPro软件中的至少一个来计算风电场的发电量。如果风电场场区内没有测风塔，则直接将获得的虚拟测风塔数据输入WT、WindSim、WAsP和WindPro软件中的至少一个来计算风电场的发电量。
具体地，通过上述软件，可先根据风电场区域内地形及局地气候的差异，依据线性或非线性关系，得到全场各点与测风塔点位处风加速因子的对应关系，再根据测风塔处实际的风速、风向、湍流等值，同时结合风速、湍流与风加速因子之间的正、反比关系，推得全场各点的风速及湍流等参数。然后，再由风速、湍流等参数选择适合该风况的机型，结合该机型的实际功率曲线和风机点位处的风速，计算得到风电场各台风机的发电量，进而得到整个风电场的发电量。
由于虚拟测风塔能够解决风电场内测风塔数量不足的问题，所以将虚拟测风塔数据与测风塔实测数据结合能更精确地计算风电场的发电量。参照图1所述的用于计算风电场发电量的方法通过对风电场场区的气象变量进行中尺度数值模拟引入虚拟测风塔数据，从而在地形复杂度超过预定复杂度以及风电场场区内测风塔数量不足的情况下，提高风电场发电量计算的准确性。
图2是示出根据本发明的另一示例性实施例的用于计算风电场发电量的方法的流程图。
图2中的步骤201、202和203与图1中的步骤101至103完全相同，因此，关于步骤101至步骤103的描述同样适用于步骤201至步骤203，这里不再进行赘述。与图1的用于计算风电场发电量的方法不同，为确保中尺度数值模拟数据的模拟精度达到更好的水平，图2中根据本发明的另一示例性实施例的用于计算风电场发电量的方法在步骤203之后新添加了判断中尺度数值模拟数据的可靠性的步骤以及对中尺度数值模拟数据进行校正的步骤，以确保中尺度数值模拟数据的精度达到要求，从而提高复杂或极端复杂地形下风电场发电量的计算准确性。
以下对步骤204和步骤205进行详细描述。在步骤204，对中尺度数值模拟数据的可靠性进行验证。根据示例性实施例，可通过使用已有的测风塔数据与中尺度数值模拟数据之间的相关系数来对中尺度数值模拟数据的可靠性进行验证。具体地，如果风电场场区内有测风塔，则可采用该风电场场区内的测风塔的实测数据对中尺度数值模拟数据的可靠性进行验证。如果所述风电场场区的测风塔的实测数据与中尺度模拟数据的相关系数大于预定相关系数，则可验证中尺度数值模拟数据是可靠的，否则，则验证中尺度数值模拟数据是不可靠的，可选择丢弃此次模拟的中尺度数值模拟数据，并重新选择进行中尺度数值模拟时的模式分辨率和参数化方案的组合进行再次模拟，直至中尺度数值模拟数据被验证为是可靠的。作为另一种情况，如果所述风电场场区内没有测风塔，则可采用相邻风电场场区的测风塔的实测数据对中尺度数值模拟数据的可靠性进行验证。具体地，如果邻近风电场场区的测风塔的实测数据与该测风塔邻近区域(该测风塔位置所在的中尺度网格内)的中尺度数值模拟数据之间的相关系数大于预定相关系数，则验证中尺度数值模拟数据是可靠的。这里，所述预定相关系数可以是0.8，但不限于此，而是可根据对中尺度数值模拟数据可靠性标准的要求选择更高或更低的预定相关系数。例如，如果风电场场区内有测风塔，则当测风塔的实测风速与经过中尺度数值模拟所得到的模拟风速的相关系数达到0.8以上时，可以认为中尺度数值模拟数据是可靠的。如果风电场场区内没有测风塔，则当该风电场邻近场区内的测风塔的实测风速与其邻近区域的模拟风速的相关系数达到0.8以上时，可以认为中尺度数值模拟数据时可靠的。
为了进一步确保中尺度数值模拟数据的精度达到要求，提高风电场发电量的计算准确性，在步骤205，对被验证为可靠的中尺度数值模拟数据进行校正。具体地，可通过采用所述风电场或所述风电场的邻近风电场内的测风塔的实测数据或雷达数据，利用统计方法对被验证为可靠的中尺度数值模拟数据进行校正。根据示例性实施例，雷达数据可以是用激光雷达或声雷达等进行测量得到的风数据。例如，可采取多元回归的统计方法来对被验证为可靠的中尺度数值模拟数据进行验证，首先，需要从中尺度数值模拟数据中挑选出与实测风速相关性比较好的影响因子(例如，可以是温度、湿度、气压等)，然后据此建立实测风速与影响因子的回归方程，根据该回归方程可以将单一点的校正关系推至整个风电场场区，由此整个风电场场区的中尺度模拟数据得以校正。例如，还可采取神经网络或支持向量机等机器学习算法进行校正，这些算法模型会找出影响因子与实际风速之间存在的关系，这种关系一般为非线性关系，再据此对中尺度模拟数据进行校正。应理解，这里仅给出了对中尺度数值模拟数据进行校正的统计方法的示例，根据本发明的对中尺度数值模拟数据进行校正的统计方法不限于此。
步骤206和步骤207分别与图1的步骤104和105相应，因此，这里不再进行赘述，不同之处仅在于，步骤205是在中尺度数值模拟数据被验证为可靠并且被校正之后执行的，而在步骤104之前，未进行对中尺度数值模拟数据验证和校正的操作。另外，图1中其他内容的描述也同样适用于图2，为了简洁，这里也不再进行赘述。
根据参照图2所述的用于计算风电场发电量的方法，由于在图1的风电场发电量计算方法的基础上进一步进行了中尺度数值模拟数据可靠性的验证并对中尺度数值模拟数据进行了校正，因此，可进一步提高中尺度数值模拟结果的精度，从而提高风电场发电量的计算准确性。
以下，将参照图3和图4描述根据示例性实施例的用于计算风电场发电量的设备。
图3是示出根据本发明的示例性实施例的用于计算风电场发电量的设备300的框图。
参照图3，设备300可包括地形复杂度判断单元301、测风塔数据代表性判断单元302、中尺度数值模拟单元303、中尺度数值模拟数据提取单元304和风电场发电量计算单元305。地形复杂度判断单元301可判断风电场场区的地形复杂度是否超过预定复杂度。测风塔数据代表性判断单元302可在风电场场区的地形复杂度超过预定复杂度的情况下判断风电场场区内的测风塔数据代表性。中尺度数值模拟单元303可在测风塔数据代表性不足的情况下对风电场场区的气象变量进行中尺度数值模拟。中尺度数值模拟数据提取单元304可提取中尺度数值模拟数据作为虚拟测风塔数据。风电场发电量计算单元305可通过使用虚拟测风塔数据来计算风电场发电量。
以下，对图3中示出的上述单元进行更加详细的描述。根据示例性实施例，地形复杂度判断单元301可采用崎岖指数来判断风电场场区的地形复杂度是否超过预定复杂度。这里，如果崎岖指数大于或等于预定的第一崎岖指数，则判断风电场场区的地形复杂度超过预定复杂度，具体地，如果崎岖指数大于或等于所述预定的第一崎岖指数，则地形复杂度判断单元301判断地形复杂度为复杂，如果崎岖指数大于或等于预定的第二崎岖指数，则地形复杂度判断单元301判断地形复杂度为极端复杂，其中，第二崎岖指数大于第一崎岖指数。地形复杂度判断单元301所执行的操作对应于图1中示出的步骤101，因此，关于步骤101的相关描述同样适用于地形复杂度判断单元301，这里不再赘述。
根据示例性实施例，测风塔数据代表性判断单元302可通过风电场场区内的测风塔密度、海拔相似性或地形地貌相似性来判断测风塔数据代表性。当测风塔数据代表性判断单元302通过风电场场区内的测风塔密度来判断测风塔数据代表性时，如果测风塔密度小于预定密度，并且以各测风塔为圆心以所述预定密度作为直径做圆，所有圆形的面积之和占风电场场区的面积比例达到预定比例以上，则测风塔数据代表性判断单元302可判断测风塔数据具有代表性，否则，判断测风塔数据代表性不足，并将圆形未曾覆盖的区域判断为测风塔数据代表性不足的区域。这里，测风塔密度可由风电场场区对角线的距离与风电场场区内测风塔的个数的比值来表征，但不限于此。当测风塔数据代表性判断单元302通过海拔相似性来判断测风塔数据代表性时，如果在每一座测风塔的管辖范围内最高海拔与最低海拔之差小于预定海拔差，则表明该管辖范围内的海拔具有相似性，测风塔数据代表性判断单元302可判断测风塔数据具有代表性，否则，判断测风塔数据代表性不足，并可将该测风塔管辖区域确定为测风塔数据代表性不足的区域。当测风塔数据代表性判断单元302通过地形地貌相似性来判断测风塔数据代表性时，如果在每一座测风塔的管辖范围内最大地形粗糙度与最小地形粗糙度之差小于预定粗糙度差，则表明该管辖范围内的地形地貌具有相似性，测风塔数据代表性判断单元302可判断测风塔数据具有代表性，否则，判断测风塔数据代表性不足，并可将该测风塔管辖区域确定为测风塔数据代表性不足的区域。测风塔数据代表性判断单元302所执行的操作对应于图1中示出的步骤102，关于步骤102的相关描述(例如，关于管辖范围、预定比例、预定密度、预定海拔差和预定粗糙度差等的描述)同样适用于测风塔数据代表性判断单元302，因此，这里不再赘述。
中尺度数值模拟单元303可根据风电场所处地区的地形特征、气候特征和/或历史模拟结果选择相应的参数化方案组合来对风电场场区的气象变量进行中尺度数值模拟。这里，所述气象变量可包括风速、风向、温度、湿度、湍流和气压中的至少一个，但不限于此。由于，本申请针对地形复杂或极端复杂的风电场场区计算风电场发电量，因此，中尺度数值模拟单元303对风电场场区的气象变量进行中尺度数值模拟时的模式分辨率最好不低于预定分辨率，以为3km和1km为宜。中尺度数值模拟单元303所执行的操作对应于图1中示出的步骤103，因此，关于步骤103的相关描述(例如，参数化方案的相关描述)同样适用于中尺度数值模拟单元303，这里不再赘述。
在中尺度数值模拟单元304对风电场场区的气象变量进行中尺度数值模拟之后，中尺度数值模拟数据提取单元304可提取中尺度数值模拟数据作为虚拟测风塔数据。根据示例性实施例，如果风电场场区内有测风塔，则中尺度数值模拟数据提取单元304可将风电场场区内测风塔数据代表性不足的区域的中尺度数值模拟数据作为该区域的补充的虚拟测风塔数据。如果风电场场区内无测风塔，则中尺度数值模拟数据提取单元304可将风电场场区的中尺度数值模拟数据作为该风电场场区的虚拟测风塔数据。中尺度数值模拟数据提取单元304所执行的操作对应于图1中示出的步骤104，因此，关于步骤104的相关描述同样适用于中尺度数值模拟数据提取单元304，这里不再赘述。
在获得了虚拟测风塔数据之后，风电场发电量计算单元305可通过使用虚拟测风塔数据来计算风电场发电量。具体地，如果风电场场区内有测风塔，则可将该风电场场区内的测风塔的实测数据与补充的虚拟测风塔数据结合来计算风电场发电量。如果该风电场场区内无测风塔，则可直接使用虚拟测风塔数据来计算风电场发电量。根据示例性实施例，在提取中尺度数值模拟数据作为虚拟测风塔数据之后，测风塔数据代表性判断单元302可再次判断包括虚拟测风塔数据的全部测风塔数据的代表性。如果判断测风塔数据具有代表性，则风电场发电量计算单元305通过使用虚拟测风塔数据来计算风电场发电量。例如，风电场发电量计算单元305可采用WT、WindSim、WAsP和WindPro软件中的至少一个作为计算工具来计算风电场发电量。风电场发电量计算单元305所执行的操作对应于图1中示出的步骤105，因此，关于步骤105的相关描述同样适用于风电场发电量计算单元305，这里不再赘述。
参照图3所述的用于计算风电场发电量的设备通过对风电场场区的气象变量进行中尺度数值模拟引入虚拟测风塔数据，能够在地形复杂或极端复杂并且风电场场区内测风塔数量不足的情况下，提高风电场发电量计算的准确性。
图4是示出根据本发明的另一示例性实施例的用于计算风电场发电量的设备400的框图。
参照图4，设备400可包括地形复杂度判断单元401、测风塔数据代表性判断单元402、中尺度数值模拟单元403、可靠性验证单元404、校正单元405、中尺度数值模拟数据提取单元406和风电场发电量计算单元407。地形复杂度判断单元401、测风塔数据代表性判断单元402、中尺度数值模拟单元403、中尺度数值模拟数据提取单元406和风电场发电量计算单元407分别与参照图3描述的地形复杂度判断单元301、测风塔数据代表性判断单元302、中尺度数值模拟单元303、中尺度数值模拟数据提取单元304和风电场发电量计算单元305相同，因此，这里不再对其进行赘述。
与图3的用于计算风电场发电量的设备300不同，设备400在设备300的基础上新增了可靠性验证单元404和校正单元405，以确保中尺度数值模拟数据的精度达到要求，从而进一步提高复杂或极端复杂地形下风电场发电量的计算准确性。以下，将对可靠性验证单元404和校正单元405进行详细描述。
可靠性验证单元404可在中尺度数值模拟单元403对风电场场区的气象变量进行中尺度数值模拟之后，对中尺度数值模拟数据的可靠性进行验证。例如，可靠性验证单元404可通过使用已有的测风塔数据与中尺度数值模拟数据之间的相关系数来验证中尺度数值模拟数据的可靠性。如果风电场场区内有测风塔，则可靠性验证单元404可采用所述风电场场区内的测风塔的实测数据对中尺度数值模拟数据的可靠性进行验证。这里，如果风电场场区的测风塔的实测数据与中尺度模拟数据的相关系数大于预定相关系数，则可靠性验证单元404验证中尺度数值模拟数据是可靠的。如果风电场场区内没有测风塔，则可靠性验证单元404可采用相邻风电场场区的测风塔的实测数据对中尺度数值模拟数据的可靠性进行验证，其中，如果邻近风电场场区的测风塔的实测数据与该测风塔邻近区域的中尺度数值模拟数据之间的相关系数大于所述预定相关系数，则可靠性验证单元404可验证中尺度数值模拟数据是可靠的。由于设备400与图2所示的风电场发电量计算方法相应，可靠性验证单元404所执行的操作对应于图2中示出的步骤204，因此，关于步骤204的相关描述同样适用于可靠性验证单元404，这里不再赘述。
校正单元405可对被验证为可靠的中尺度数值模拟数据进行校正。根据示例性实施例，校正单元405可通过采用所述风电场或所述风电场的邻近风电场内的测风塔的实测数据或雷达数据，利用统计方法对被验证为可靠的中尺度数值模拟数据进行校正。校正单元405所执行的操作对应于图2中示出的步骤205，因此，关于步骤205的相关描述(例如，关于统计方法等的描述)同样适用于可靠性验证单元404，这里不再赘述。
在中尺度数值模拟数据被验证为可靠并且被校正之后，中尺度数值模拟数据提取单元406和风电场发电量计算单元407可如图3所描述的进行后续操作。
参照图4所述的用于计算风电场发电量的设备，由于进行了中尺度数值模拟数据可靠性的验证并对中尺度数值模拟数据进行了校正，因此，可进一步提高中尺度数值模拟结果的精度，从而提高风电场发电量的计算准确性。
以上已参照附图1至图4对本发明进行了详细说明，如上所述，根据本发明，可提高地形复杂或极端复杂的风电场场区的发电量计算的准确性；对于测风塔不足的风电场，通过补充虚拟测风塔可提高风电场场区的计算准确性，节省测风塔安装、维护成本以及数据采集的时间；即使在没有测风塔的风电场，如果临近的风电场有测风塔实测数据，依然可以通过本发明的方法，得到相对可靠的虚拟测风塔数据，节省了测风塔安装、数据采集时间，加快风电场项目开发进度。另外，在进行多个风电场场区的中尺度数值模拟时，可以积累针对不同地区数值模拟的参数化方案经验，这对风电场风速预报准确率的提高以及各个地区中尺度数据库的建立有很大的帮助。此外，在进行多个风电场的中尺度数值模拟结果校正时，同时可以得到各个地区的、与实测风速相关性较好的影响因子库，该因子库的积累对风电场发电量计算的准确性有较大的帮助。
需要说明的是，以上实施例的描述中重点说明的都是与其他实施例的不同之处，各个实施例之间相同或相似的部分互相参见即可。
还需要说明的是，在本文中，术语“包括”或者任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的方法或设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种方法或设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括上述要素的方法或设备中还存在另外的相同要素。
此外，根据本发明的用于计算风电场发电量的设备的各个组件可被实现为硬件组件或软件组件，并且可根据需要进行组合。另外，本领域技术人员可根据各个组件所执行的处理，使用例如现场可编程门阵列(FPGA)或专用集成电路(ASIC)来实现各个组件。
根据本发明的用于计算风电场发电量的方法可被记录在包括执行由计算机实现的各种操作的程序指令的计算机可读介质中。计算机可读介质的示例包括磁介质(例如硬盘、软盘和磁带)；光学介质(例如CD-ROM和DVD)；磁光介质(例如，光盘)；以及特别配制用于存储并执行程序指令的硬件装置(例如，只读存储器(ROM)、随机存取存储器(RAM)、闪存等)。程序指令的示例包括例如由编译器产生的机器码和包含可使用解释器由计算机执行的高级代码的文件。
尽管已经参照本发明的示例性实施例具体显示和描述了本发明，但是本领域的技术人员应该理解，在不脱离由权利要求限定的本发明的精神和范围的情况下，可以对其进行形式和细节上的各种改变。

Claims (26)

1.一种用于计算风电场发电量的方法，所述方法包括：
判断风电场场区的地形复杂度是否超过预定复杂度；
如果地形复杂度超过预定复杂度，则判断风电场场区内的测风塔数据代表性；
如果测风塔数据代表性不足，则对风电场场区的气象变量进行中尺度数值模拟；
提取中尺度数值模拟数据作为虚拟测风塔数据；
通过使用虚拟测风塔数据来计算风电场发电量。
2.根据权利要求1所述的方法，其中，所述方法还包括：在对风电场场区的气象变量进行中尺度数值模拟之后且在提取中尺度数值模拟数据之前，对中尺度数值模拟数据的可靠性进行验证，并对被验证为可靠的中尺度数值模拟数据进行校正，
其中，提取中尺度数值模拟数据的步骤包括：提取被校正后的中尺度数值模拟数据作为虚拟测风塔数据。
3.根据权利要求1所述的方法，其中，采用崎岖指数来判断风电场场区的地形复杂度是否超过预定复杂度。
4.根据权利要求1所述的方法，其中，通过以下方式之一来判断风电场场区内的测风塔数据代表性：
通过风电场场区内的测风塔密度来判断测风塔数据代表性，其中，测风塔密度由风电场场区对角线的距离与风电场场区内测风塔的个数的比值来表征，如果测风塔密度小于预定密度，并且以各测风塔为圆心以所述预定密度作为直径做圆，所有圆形的面积之和占风电场场区的面积比例达到预定比例以上，则判断测风塔数据具有代表性，否则，判断测风塔数据代表性不足，并将圆形未曾覆盖的区域判断为测风塔数据代表性不足的区域；或者
通过海拔相似性来判断测风塔数据代表性，其中，如果在每一座测风塔的管辖范围内最高海拔与最低海拔之差小于预定海拔差，则表明该管辖范围内的海拔具有相似性，判断测风塔数据具有代表性，否则，判断测风塔数据代表性不足，并将该测风塔管辖区域确定为测风塔数据代表性不足的区域；或者
通过地形地貌相似性来判断测风塔数据代表性，其中，如果在每一座测风塔的管辖范围内最大地形粗糙度与最小地形粗糙度之差小于预定粗糙度差，则表明该管辖范围内的地形地貌具有相似性，判断测风塔数据具有代表性，否则，判断测风塔数据代表性不足，并将该测风塔管辖区域确定为测风塔数据代表性不足的区域。
5.根据权利要求1或2所述的方法，其中，对风电场场区的气象变量进行中尺度数值模拟的步骤包括：根据风电场所处地区的地形特征、气候特征和/或历史模拟结果选择相应的参数化方案组合来对风电场场区的气象变量进行中尺度数值模拟。
6.根据权利要求5所述的方法，其中，对风电场场区的气象变量进行中尺度数值模拟时的模式分辨率不低于预定分辨率。
7.根据权利要求2所述的方法，其中，对中尺度数值模拟数据的可靠性进行验证的步骤包括：通过使用已有的测风塔数据与中尺度数值模拟数据之间的相关系数来验证中尺度数值模拟数据的可靠性。
8.根据权利要求7所述的方法，其中，
如果所述风电场场区内有测风塔，则采用所述风电场场区内的测风塔的实测数据对中尺度数值模拟数据的可靠性进行验证，其中，如果所述风电场场区的测风塔的实测数据与中尺度模拟数据的相关系数大于预定相关系数，则验证中尺度数值模拟数据是可靠的；
如果所述风电场场区内没有测风塔，则采用相邻风电场场区的测风塔的实测数据对中尺度数值模拟数据的可靠性进行验证，其中，如果邻近风电场场区的测风塔的实测数据与该测风塔邻近区域的中尺度数值模拟数据之间的相关系数大于所述预定相关系数，则验证中尺度数值模拟数据是可靠的。
9.根据权利要求2所述的方法，其中，对被验证为可靠的中尺度数值模拟数据进行校正的步骤包括：通过采用所述风电场或所述风电场的邻近风电场内的测风塔的实测数据或雷达数据，利用统计方法对被验证为可靠的中尺度数值模拟数据进行校正。
10.根据权利要求1或2所述的方法，其中，如果所述风电场场区内有测风塔，则：
将所述风电场场区内测风塔数据代表性不足的区域的中尺度数值模拟数据作为该区域的补充的虚拟测风塔数据；
通过使用虚拟测风塔数据来计算风电场发电量的步骤包括：
将所述风电场场区内的测风塔的实测数据与补充的虚拟测风塔数据结合来计算风电场发电量。
11.根据权利要求1或2所述的方法，其中，如果所述风电场场区内无测风塔，则：
将所述风电场场区的中尺度数值模拟数据作为该风电场场区的虚拟测风塔数据；
通过使用虚拟测风塔数据来计算风电场发电量的步骤包括：直接使用虚拟测风塔数据来计算风电场发电量。
12.根据权利要求1或2所述的方法，其中，所述方法还包括：在提取中尺度数值模拟数据作为虚拟测风塔数据之后，再次判断包括虚拟测风塔数据的全部测风塔数据的代表性，其中，如果判断测风塔数据具有代表性，则执行通过使用虚拟测风塔数据来计算风电场发电量的步骤。
13.根据权利要求1所述的方法，其中，所述气象变量包括风速、风向、温度、湿度、湍流和气压中的至少一个。
14.一种用于计算风电场发电量的设备，所述设备包括：
地形复杂度判断单元，被配置为判断风电场场区的地形复杂度是否超过预定复杂度；
测风塔数据代表性判断单元，被配置为在地形复杂度超过预定复杂度的情况下判断风电场场区内的测风塔数据代表性；
中尺度数值模拟单元，被配置为在测风塔数据代表性不足的情况下对风电场场区的气象变量进行中尺度数值模拟；
中尺度数值模拟数据提取单元，被配置为提取中尺度数值模拟数据作为虚拟测风塔数据；
风电场发电量计算单元，被配置为通过使用虚拟测风塔数据来计算风电场发电量。
15.如权利要求14所述的设备，其中，所述设备还包括：
可靠性验证单元，被配置为在中尺度数值模拟单元对风电场场区的气象变量进行中尺度数值模拟之后且在中尺度数值模拟数据提取单元提取中尺度数值模拟数据之前，对中尺度数值模拟数据的可靠性进行验证；
数据校正单元，被配置为对被验证为可靠的中尺度数值模拟数据进行校正，
其中，中尺度数值模拟单元被配置为提取被校正后的中尺度数值模拟数据作为虚拟测风塔数据。
16.根据权利要求14所述的设备，其中，地形复杂度判断单元采用崎岖指数来判断风电场场区的地形复杂度是否超过预定复杂度。
17.根据权利要求14所述的设备，其中，测风塔数据代表性判断单元通过以下方式之一来判断风电场场区内的测风塔数据代表性：
通过风电场场区内的测风塔密度来判断测风塔数据代表性，其中，测风塔密度由风电场场区对角线的距离与风电场场区内测风塔的个数的比值来表征，如果测风塔密度小于预定密度，并且以各测风塔为圆心以所述预定密度作为直径做圆，所有圆形的面积之和占风电场场区的面积比例达到预定比例以上，则判断测风塔数据具有代表性，否则，判断测风塔数据代表性不足，并将圆形未曾覆盖的区域判断为测风塔数据代表性不足的区域；或者
通过海拔相似性来判断测风塔数据代表性，其中，如果在每一座测风塔的管辖范围内最高海拔与最低海拔之差小于预定海拔差，则表明该管辖范围内的海拔具有相似性，判断测风塔数据具有代表性，否则，判断测风塔数据代表性不足，并将该测风塔管辖区域确定为测风塔数据代表性不足的区域；或者
通过地形地貌相似性来判断测风塔数据代表性，其中，如果在每一座测风塔的管辖范围内最大地形粗糙度与最小地形粗糙度之差小于预定粗糙度差，则表明该管辖范围内的地形地貌具有相似性，判断测风塔数据具有代表性，否则，判断测风塔数据代表性不足，并将该测风塔管辖区域确定为测风塔数据代表性不足的区域。
18.根据权利要求14或15所述的设备，其中，中尺度数值模拟单元根据风电场所处地区的地形特征、气候特征和/或历史模拟结果选择相应的参数化方案组合来对风电场场区的气象变量进行中尺度数值模拟。
19.根据权利要求18所述的设备，其中，对风电场场区的气象变量进行中尺度数值模拟时的模式分辨率不低于预定分辨率。
20.根据权利要求15所述的设备，其中，可靠性验证单元通过使用已有的测风塔数据与中尺度数值模拟数据之间的相关系数来验证中尺度数值模拟数据的可靠性。
21.根据权利要求20所述的设备，其中，
如果所述风电场场区内有测风塔，则可靠性验证单元采用所述风电场场区内的测风塔的实测数据对中尺度数值模拟数据的可靠性进行验证，其中，如果所述风电场场区的测风塔的实测数据与中尺度模拟数据的相关系数大于预定相关系数，则验证中尺度数值模拟数据是可靠的；
如果所述风电场场区内没有测风塔，则可靠性验证单元采用相邻风电场场区的测风塔的实测数据对中尺度数值模拟数据的可靠性进行验证，其中，如果邻近风电场场区的测风塔的实测数据与该测风塔邻近区域的中尺度数值模拟数据之间的相关系数大于所述预定相关系数，则验证中尺度数值模拟数据是可靠的。
22.根据权利要求15所述的设备，其中，校正单元通过采用所述风电场或所述风电场的邻近风电场内的测风塔的实测数据或雷达数据，利用统计方法对被验证为可靠的中尺度数值模拟数据进行校正。
23.根据权利要求14或15所述的设备，其中，如果所述风电场场区内有测风塔，则：
中尺度数值模拟数据提取单元将所述风电场场区内测风塔数据代表性不足的区域的中尺度数值模拟数据作为该区域的补充的虚拟测风塔数据；并且
风电场发电量计算单元将所述风电场场区内的测风塔的实测数据与补充的虚拟测风塔数据结合来计算风电场发电量。
24.根据权利要求14或15所述的设备，其中，如果所述风电场场区内无测风塔，则：
中尺度数值模拟数据提取单元将所述风电场场区的中尺度数值模拟数据作为该风电场场区的虚拟测风塔数据；并且
风电场发电量计算单元直接使用补充的虚拟测风塔数据来计算风电场发电量。
25.根据权利要求14或15所述的设备，其中，在中尺度数值模拟数据提取单元提取中尺度数值模拟数据作为虚拟测风塔数据之后，测风塔数据代表性判断单元再次判断包括虚拟测风塔数据的全部测风塔数据的代表性，其中，如果判断测风塔数据具有代表性，则风电场发电量计算单元通过使用虚拟测风塔数据来计算风电场发电量。
26.根据权利要求14所述的设备，其中，所述气象变量包括风速、风向、温度、湿度、湍流和气压中的至少一个。
CN201710127574.9A 2017-03-06 2017-03-06 用于计算风电场发电量的方法和设备 Active CN108536881B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201710127574.9A CN108536881B (zh) 2017-03-06 2017-03-06 用于计算风电场发电量的方法和设备
PCT/CN2017/109513 WO2018161626A1 (zh) 2017-03-06 2017-11-06 用于计算风电场发电量的方法和设备
EP17868504.6A EP3396571A4 (en) 2017-03-06 2017-11-06 METHOD AND DEVICE FOR CALCULATING THE ENERGY GENERATING CAPACITY OF A WIND PARK
AU2017352549A AU2017352549B2 (en) 2017-03-06 2017-11-06 Method and device for calculating power generation of wind farm
US15/776,294 US11168667B2 (en) 2017-03-06 2017-11-06 Method and device for calculating power generation of wind farm

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710127574.9A CN108536881B (zh) 2017-03-06 2017-03-06 用于计算风电场发电量的方法和设备

Publications (2)

Publication Number Publication Date
CN108536881A true CN108536881A (zh) 2018-09-14
CN108536881B CN108536881B (zh) 2020-10-16

Family

ID=63447272

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710127574.9A Active CN108536881B (zh) 2017-03-06 2017-03-06 用于计算风电场发电量的方法和设备

Country Status (5)

Country Link
US (1) US11168667B2 (zh)
EP (1) EP3396571A4 (zh)
CN (1) CN108536881B (zh)
AU (1) AU2017352549B2 (zh)
WO (1) WO2018161626A1 (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109412200A (zh) * 2018-10-24 2019-03-01 安徽科达售电有限公司 一种可再生能源发电的接入控制系统
CN109583096A (zh) * 2018-12-03 2019-04-05 华润电力技术研究院有限公司 一种基于中尺度模型和微尺度模型结合的风资源计算方法
CN110187363A (zh) * 2019-06-13 2019-08-30 上海电气风电集团有限公司 适用于大型风电基地的测风方法、系统、设备和存储介质
CN112598539A (zh) * 2020-12-28 2021-04-02 江苏徐工信息技术股份有限公司 一种风力发电机组风功率曲线优化计算及异常值检测方法
CN112700349A (zh) * 2019-10-22 2021-04-23 北京金风科创风电设备有限公司 测风塔选址方法和装置
CN112926212A (zh) * 2021-03-10 2021-06-08 航天科工智慧产业发展有限公司 一种内陆平原风能资源评估方法、系统及风机选址方法
CN113239646A (zh) * 2021-05-25 2021-08-10 华能新能源股份有限公司 一种基于等效粗糙度风电场建模方法、介质和设备
CN116167655A (zh) * 2023-02-14 2023-05-26 中节能风力发电股份有限公司 基于雷达短期补充测风的发电量评估方法、系统及介质
CN116258023A (zh) * 2023-05-15 2023-06-13 中国船舶集团风电发展有限公司 风电场的风速预测方法及终端设备
CN117521282A (zh) * 2023-11-07 2024-02-06 国家气候中心 用于风电场气候特征模拟的密度依赖型风机参数化方法

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108536881B (zh) * 2017-03-06 2020-10-16 新疆金风科技股份有限公司 用于计算风电场发电量的方法和设备
CN109784563B (zh) * 2019-01-18 2023-05-23 南方电网科学研究院有限责任公司 一种基于虚拟测风塔技术的超短期功率预测方法
CN110751213B (zh) * 2019-10-21 2022-09-20 东北电力大学 一种测风塔异常风速数据识别与补齐的方法
CN110968942A (zh) * 2019-11-11 2020-04-07 许昌许继风电科技有限公司 一种基于周边环境的风电机组的性能评估方法
CN111223009B (zh) * 2020-02-20 2023-04-18 华润电力技术研究院有限公司 一种风电场机位点风速修正方法、装置、设备及介质
CN111695299B (zh) * 2020-06-04 2022-12-13 哈尔滨工程大学 一种中尺度涡轨迹预测方法
CN112260276A (zh) * 2020-11-04 2021-01-22 中能电力科技开发有限公司 风电场功率预测系统虚拟测风塔装置
CN113268851A (zh) * 2021-04-09 2021-08-17 中国大唐集团新能源科学技术研究院有限公司 基于风电场前中后期数据的风电场系统优化系统
CN113516763A (zh) * 2021-05-26 2021-10-19 中国再保险(集团)股份有限公司 大尺度精细化地貌数字化模拟方法和装置
CN113434495B (zh) * 2021-07-09 2022-05-31 中国船舶重工集团海装风电股份有限公司 一种基于ArcGIS的中尺度风速数据订正方法及系统
CN114722563B (zh) * 2021-12-02 2023-04-28 中国电建集团江西省电力设计院有限公司 基于ahp的复杂地形风电场发电量折减系数取值方法
CN113962113B (zh) * 2021-12-22 2022-03-04 华中科技大学 一种海上风电场风机优化排布方法及系统
CN115204712B (zh) * 2022-07-26 2023-02-03 中国气象局上海台风研究所(上海市气象科学研究所) 一种海上和沿海风电场选址评估方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120185414A1 (en) * 2010-12-15 2012-07-19 Vaisala, Inc. Systems and methods for wind forecasting and grid management
CN103514341A (zh) * 2012-06-14 2014-01-15 华锐风电科技(集团)股份有限公司 基于数值天气预报和计算流体动力学的风资源评估方法
CN105279576A (zh) * 2015-10-23 2016-01-27 中能电力科技开发有限公司 一种风速预报的方法
CN105512766A (zh) * 2015-12-11 2016-04-20 中能电力科技开发有限公司 一种风电场功率预测方法
CN106407566A (zh) * 2016-09-20 2017-02-15 河海大学 复杂地形风电场一体化优化方法

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9274250B2 (en) * 2008-11-13 2016-03-01 Saint Louis University Apparatus and method for providing environmental predictive indicators to emergency response managers
US9285504B2 (en) * 2008-11-13 2016-03-15 Saint Louis University Apparatus and method for providing environmental predictive indicators to emergency response managers
US8797550B2 (en) * 2009-04-21 2014-08-05 Michigan Aerospace Corporation Atmospheric measurement system
JP2011258170A (ja) 2010-06-10 2011-12-22 Tetsuyoshi Fukuoka 再生可能エネルギー使用発電機器情報通信機能付き共通接続機器
US9230219B2 (en) * 2010-08-23 2016-01-05 Institute Of Nuclear Energy Research Atomic Energy Council, Executive Yuan Wind energy forecasting method with extreme wind speed prediction function
TWI476430B (zh) * 2010-08-23 2015-03-11 Inst Nuclear Energy Res Atomic Energy Council 具極端風速預測功能之風能預報方法
GB2484266A (en) * 2010-09-30 2012-04-11 Vestas Wind Sys As Over-rating control of a wind turbine power plant
CN102628876B (zh) * 2012-02-13 2013-07-31 甘肃省电力公司风电技术中心 一种包含上下游效应实时监测的超短期预测方法
ITRM20130272A1 (it) * 2013-05-08 2014-11-09 Consiglio Nazionale Ricerche Metodo e relativo sistema per la conversione di energia meccanica, proveniente da un generatore comandato da una turbina, in energia elettrica.
CN104091209B (zh) * 2014-06-26 2018-03-23 沈阳工业大学 基于bp神经网络的风电机组功率特性评估方法
CN104699936B (zh) 2014-08-18 2018-05-04 沈阳工业大学 基于计算流体力学短期风速预测的风电场扇区管理方法
CN104361616B (zh) * 2014-11-05 2017-09-01 南车株洲电力机车研究所有限公司 一种用于风电场风资源评估的地形地貌文件获取方法
CN104915747B (zh) * 2015-02-03 2019-02-01 远景能源（江苏）有限公司 一种发电机组的发电性能评估方法及设备
CN104794259B (zh) 2015-03-12 2017-10-10 长江勘测规划设计研究有限责任公司 基于测风塔相互验证的风电场上网电量偏差计算方法
CN106815456A (zh) * 2015-12-02 2017-06-09 中国电力科学研究院 一种风电机组功率特性评价方法
CN105911467B (zh) 2016-04-21 2019-02-12 华电电力科学研究院 复杂地形下的风电机组功率曲线考核评估方法
US11144835B2 (en) * 2016-07-15 2021-10-12 University Of Connecticut Systems and methods for outage prediction
CN106250656A (zh) 2016-08-23 2016-12-21 中国华能集团清洁能源技术研究院有限公司 一种结合大数据的复杂地形风电场设计平台及方法
US10778010B2 (en) * 2016-10-12 2020-09-15 Vestas Wind Systems A/S Relating to reactive power control in wind power plants
US10598157B2 (en) * 2017-02-07 2020-03-24 International Business Machines Corporation Reducing curtailment of wind power generation
CN108536881B (zh) * 2017-03-06 2020-10-16 新疆金风科技股份有限公司 用于计算风电场发电量的方法和设备
US11113395B2 (en) * 2018-05-24 2021-09-07 General Electric Company System and method for anomaly and cyber-threat detection in a wind turbine

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120185414A1 (en) * 2010-12-15 2012-07-19 Vaisala, Inc. Systems and methods for wind forecasting and grid management
CN103514341A (zh) * 2012-06-14 2014-01-15 华锐风电科技(集团)股份有限公司 基于数值天气预报和计算流体动力学的风资源评估方法
CN105279576A (zh) * 2015-10-23 2016-01-27 中能电力科技开发有限公司 一种风速预报的方法
CN105512766A (zh) * 2015-12-11 2016-04-20 中能电力科技开发有限公司 一种风电场功率预测方法
CN106407566A (zh) * 2016-09-20 2017-02-15 河海大学 复杂地形风电场一体化优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
方艳莹 等: "基于 WRF 和 CFD 模式结合的风能资源数值模拟实验研究", 《第九届长三角气象科技论坛论文集》 *
王蕊 等: "复杂地形风电场测风塔代表性判定方法研究", 《风能》 *

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109412200A (zh) * 2018-10-24 2019-03-01 安徽科达售电有限公司 一种可再生能源发电的接入控制系统
CN109583096A (zh) * 2018-12-03 2019-04-05 华润电力技术研究院有限公司 一种基于中尺度模型和微尺度模型结合的风资源计算方法
CN110187363A (zh) * 2019-06-13 2019-08-30 上海电气风电集团有限公司 适用于大型风电基地的测风方法、系统、设备和存储介质
CN112700349B (zh) * 2019-10-22 2023-11-07 北京金风科创风电设备有限公司 测风塔选址方法和装置
CN112700349A (zh) * 2019-10-22 2021-04-23 北京金风科创风电设备有限公司 测风塔选址方法和装置
CN112598539B (zh) * 2020-12-28 2024-01-30 徐工汉云技术股份有限公司 一种风力发电机组风功率曲线优化计算及异常值检测方法
CN112598539A (zh) * 2020-12-28 2021-04-02 江苏徐工信息技术股份有限公司 一种风力发电机组风功率曲线优化计算及异常值检测方法
CN112926212B (zh) * 2021-03-10 2023-10-13 航天科工智慧产业发展有限公司 一种内陆平原风能资源评估方法、系统及风机选址方法
CN112926212A (zh) * 2021-03-10 2021-06-08 航天科工智慧产业发展有限公司 一种内陆平原风能资源评估方法、系统及风机选址方法
CN113239646A (zh) * 2021-05-25 2021-08-10 华能新能源股份有限公司 一种基于等效粗糙度风电场建模方法、介质和设备
CN113239646B (zh) * 2021-05-25 2023-08-22 华能新能源股份有限公司 一种基于等效粗糙度风电场建模方法、介质和设备
CN116167655A (zh) * 2023-02-14 2023-05-26 中节能风力发电股份有限公司 基于雷达短期补充测风的发电量评估方法、系统及介质
CN116167655B (zh) * 2023-02-14 2024-02-23 中节能风力发电股份有限公司 基于雷达短期补充测风的发电量评估方法、系统及介质
CN116258023A (zh) * 2023-05-15 2023-06-13 中国船舶集团风电发展有限公司 风电场的风速预测方法及终端设备
CN117521282A (zh) * 2023-11-07 2024-02-06 国家气候中心 用于风电场气候特征模拟的密度依赖型风机参数化方法
CN117521282B (zh) * 2023-11-07 2024-04-12 国家气候中心 用于风电场气候特征模拟的密度依赖型风机参数化方法

Also Published As

Publication number Publication date
CN108536881B (zh) 2020-10-16
AU2017352549B2 (en) 2019-03-14
US11168667B2 (en) 2021-11-09
WO2018161626A1 (zh) 2018-09-13
AU2017352549A1 (en) 2018-09-20
EP3396571A4 (en) 2020-07-29
EP3396571A1 (en) 2018-10-31
US20190338758A1 (en) 2019-11-07

Similar Documents

Publication Publication Date Title
CN108536881A (zh) 用于计算风电场发电量的方法和设备
CN102663251B (zh) 基于计算流体力学模型的风电场功率物理预测方法
Kalmikov et al. Wind power resource assessment in complex urban environments: MIT campus case-study using CFD Analysis
US20150039228A1 (en) Ultra-short-term forecasting method including real-time monitoring of the effect of upper and lower courses
CN105608326B (zh) 一种山区复杂地形风场大涡模拟入口边界条件输入方法
Lee et al. Observing and simulating wind-turbine wakes during the evening transition
CN103514341A (zh) 基于数值天气预报和计算流体动力学的风资源评估方法
KR101332559B1 (ko) 전산유체역학을 이용한 대기유동장 수치모의 시스템 및 방법
Zheng et al. Simulating flow and dispersion by using WRF-CFD coupled model in a built-up area of Shenyang, China
CN101794996A (zh) 风电场出力实时预测方法
Garcia et al. Statistical characteristics of interacting wind turbine wakes from a 7-month LiDAR measurement campaign
CN109978275A (zh) 一种混合cfd和深度学习的极端大风风速预测方法及系统
CN109977544A (zh) 一种气载放射性核素131i在中尺度范围内弥散的模拟方法
Radünz et al. Wind resource mapping and energy estimation in complex terrain: A framework based on field observations and computational fluid dynamics
CN109636019B (zh) 基于神经网络算法的测风塔布置方案确定方法
KR20110099509A (ko) 풍력-기상자원지도 구축 시스템 및 그 구축 방법
Buizza et al. Major operational ensemble prediction systems (EPS) and the future of EPS
Xiao et al. Application of an adiabatic WRF adjoint to the investigation of the May 2004 McMurdo, Antarctica, severe wind event
CN106874690A (zh) 考量水平传播因素的地形重力波拖曳参数化方法
CN112700349A (zh) 测风塔选址方法和装置
Banta et al. Rugged terrain effects on diffusion
Qian et al. The effect of grid spacing and domain size on the quality of ensemble regional climate downscaling over South Asia during the northeasterly monsoon
Wang et al. A new horizontal mixing-length formulation for numerical simulations of tropical cyclones
CN110824585A (zh) 一种测定复杂地形区大风起风机制的方法
Zong et al. Evaluation and analysis of RegCM3 simulated summer rainfall over the Huaihe River basin of China

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
CP01 Change in the name or title of a patent holder

Address after: 830026 No. 107, Shanghai Road, Urumqi economic and Technological Development Zone, the Xinjiang Uygur Autonomous Region

Patentee after: Jinfeng Technology Co.,Ltd.

Address before: 830026 No. 107, Shanghai Road, Urumqi economic and Technological Development Zone, the Xinjiang Uygur Autonomous Region

Patentee before: XINJIANG GOLDWIND SCIENCE & TECHNOLOGY Co.,Ltd.

CP01 Change in the name or title of a patent holder