CN109190212A - 复杂地形陆上风电场智能化自动布机方法及其实现系统 - Google Patents

复杂地形陆上风电场智能化自动布机方法及其实现系统 Download PDF

Info

Publication number
CN109190212A
CN109190212A CN201810945871.9A CN201810945871A CN109190212A CN 109190212 A CN109190212 A CN 109190212A CN 201810945871 A CN201810945871 A CN 201810945871A CN 109190212 A CN109190212 A CN 109190212A
Authority
CN
China
Prior art keywords
wind
seat
plane
power plant
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.)
Granted
Application number
CN201810945871.9A
Other languages
English (en)
Other versions
CN109190212B (zh
Inventor
苗得胜
吴迪
张敏
刘飞虹
李岩
刘怀西
葛文澎
洪畅
黎建峰
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.)
MingYang Smart Energy Group Co Ltd
Original Assignee
MingYang Smart Energy Group 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 MingYang Smart Energy Group Co Ltd filed Critical MingYang Smart Energy Group Co Ltd
Priority to CN201810945871.9A priority Critical patent/CN109190212B/zh
Publication of CN109190212A publication Critical patent/CN109190212A/zh
Application granted granted Critical
Publication of CN109190212B publication Critical patent/CN109190212B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/10Geometric CAD
    • G06F30/18Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00Energy generation through renewable energy sources
    • Y02E10/70Wind energy
    • Y02E10/72Wind turbines with rotation axis in wind direction

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Wind Motors (AREA)

Abstract

本发明公开了一种复杂地形陆上风电场智能化自动布机方法及其实现系统,包含风电场数据处理、风电场机型设置、风电场优化布机三部分,导入、检查和同化风电场数据,选择风机型号、设定风机台数和最小间距,读取功率曲线和推力系数曲线,求解参数设置,限制因素开关设置,计算求解,结果可视化和导出。本发明能够实现基于实际风场信息,并以发电量最优为目标的自动优化布机,可以考虑尾流效应影响并能智能化判别和剔除不合理的机位点。以发电量最优为布机目标能够最大限度地利用场内的风能资源,提高风电场收益。同时,本发明可以在30分钟内自动计算并完成复杂地形陆上风电场机位排布方案,极大地减少了风电场机位排布的工作量,缩短了项目周期。

Description

复杂地形陆上风电场智能化自动布机方法及其实现系统
技术领域
本发明涉及新能源风力发电的技术领域,尤其是指一种复杂地形陆上风电场智能化自动布机方法及其实现系统。
背景技术
风电场的机位排布是指进行风电场开发过程中,综合考虑多项影响因素,确定最适合当前风电场实际情况的机位点坐标。目前,地形复杂的陆上风电场在确定机位排布方案时,需要风资源工程师根据地形数据、土地利用数据、风资源数据、现场道路等因素,结合现场踏勘情况,根据工程经验进行手动机位排布。这种做法对风资源工程师的技术水平和工程经验要求很高。并且,即使经验丰富的工程师,也很难在兼顾多方面影响因素的要求下,手动排出发电量最优的机位方案。
想要解决这一问题,首先要明确问题的关键点。对于复杂地形陆上风电场而言,一个关键点是:机位排布的限制因素很多,人工手动排布很难兼顾这些因素;另一个关键点是:风电场开发往往对整场发电量非常重视,手动布机无法满足发电量最优的需求。基于这两点,解决这一问题的一种合理思路是建立一种数学模型,将机位排布问题转化为一个单目标多变量多限制因素的数学优化问题,借助计算机强大的计算能力来求解。
发明内容
本发明的目的在于克服现有技术的不足,提出了一种复杂地形陆上风电场智能化自动布机方法及其实现系统,解决目前手动进行风电场机位排布引起的工作量大、风能利用损失问题,能够自动避开风电场限制区域、避开安全性不达标的区域、保证机组安全间距、考虑尾流效应影响和剔除不合理机位点,保证整场发电量最优。
为实现上述目的,本发明所提供的技术方案,如下:
复杂地形陆上风电场智能化自动布机方法,包括以下步骤:
S1、导入风场数据,进行用户设定,完成后转到S2;
S2、检查风场数据的格式合规性、数据相互匹配性,检查输入参数和设定是否完整有效,完成后,如果“是”,转到S3;如果“否”,转到S1;
S3、同化数据,将计算区域网格化,根据用户设定,判断是否需要考虑风场边界和限制区域、入流角限制,完成后,如果“是”,转到S4;如果“否”,转到S5;
S4、更新有效布机区域,完成后转到S5;
S5、判断是否需要考虑尾流效应,完成后,如果“是”,转到S6;如果“否”,转到S7;
S6、检查测风数据、功率曲线文件是否存在且合规,完成后,如果“是”,转到S7;如果“否”,转到S1;
S7、寻找场内风资源最好的网格单元区域,放置一台风机,完成后,转到S8;
S8、判断是否需要考虑尾流效应,完成后,如果“是”,转到S9;如果“否”,转到S10;
S9、计算新加入风场的风机的尾流效应,更新风资源图谱,完成后转到S10;
S10、更新有效布机区域,判断场内机位数是否达到设定的机位数,完成后,如果“是”,转到S11;如果“否”,转到S7;
S11、判断是否需要进行孤立机位点剔除,完成后,如果“是”,转到S12;如果“否”,转到S13;
S12、根据用户设定的不合理机位剔除标准,查找并剔除不合理的机位点,完成后,转到S13;
S13、结束计算,查看或输出机位方案。
在布机过程中采用尾流经验模型来计算风机尾流效应对场区内风资源的影响:
风机运行时产生的尾流会导致风机后一段距离的风速降低,从而影响临近风机的发电量,因此,在排布过程中通过计算每台风机尾流对指定距离范围区域内风资源的影响,来考虑尾流效应对于机位排布方案的影响,其中,计算采用的尾流模型是Jensen尾流模型;
Jensen尾流模型描述的风机后锥形尾流的风速减速因数Cwake计算公式如下:
式中:
x为顺流向上距离风机的距离;Udownwind(x)为下风向距风机距离x米处的风速;Uupwind为风机上风向风速;Ct为推力系数,其值对应上风向风速,且要求0≤Ct<1;Drotor为产生尾流影响的风机叶轮直径;k为尾流衰减因子,计算公式如下:
k=A/ln(h/z0)
式中:
A为系数,默认值为0.5;h为风机轮毂高度,单位m;z0为风机所在位置的粗糙度高度,单位m;
采用Jensen模型计算厂区内每个网格单元受到每一台风机尾流影响时的风速减速因数Cwake,再根据测风塔数据和地理位置关系计算每个网格单元受到每一台风机影响的概率,将这种影响反馈到场区内的风资源分布上,更新得到受到尾流影响的风资源图谱,在布机过程中循环这一过程,实现对于尾流效应的考虑。
采用地形复杂度判别算法和模糊聚类算法来识别不合理的机位点:
复杂地形陆上风电场建造过程中,道路建设成本占比大,不合理的机位点会严重拉高道路成本,增大总投资,影响风场经济性指标;复杂地形陆上风电场中不合理机位主要分两种:一种是地形复杂度较高的机位,一种远离机位群的机位;对于地形复杂度高的机位,采用IEC规范中关于复杂度判定的方法,计算地形复杂度,通过设定的复杂度标准,进行机位点剔除;对于远离机群的机位,采用模糊聚类的方法,分辨出离群的机位点,通过设定的离群标准进行剔除。
所述复杂地形陆上风电场智能化自动布机方法的实现系统,包括:
风电场数据处理模块,通过图形交互窗口将风电场高程信息数据(.txt/.dat/.xyz)、风电场综合风速数据(.txt/.dat/.xyz)、风电场综合入流角数据(.txt/.dat/.xyz)、风电场地表粗糙度数据(.csv/.xyz)、风电场测风数据(.tab/.tws)导入,检查数据格式合规性以及各类数据的相互匹配性,通过图形交互窗口,在地形图上框选风场范围以及圈定任意多边形作为限制摆放风机的障碍区域;
风电场机型设置模块,用于选择拟采用的风机型号和设置各机型对应的台数、最小机距,导入和查看各机型对应的功率曲线和推力系数曲线(.txt/.csv),设置备用机位台数;
风电场优化选址模块,用于设置求解参数、设置限制因素开关、启动优化选址求解、排布结果图形化显示和输出机位方案。
在进行机位排布时,首先需在风电场数据处理模块的风场信息面板内,导入拟进行自动优化布机风电场的高程图谱、综合入流角图谱、综合风速图谱以及考虑是否需要导入作为可选项的粗糙度图谱、测风数据、框选风场范围和圈定限制区域范围,程序会自动校验用户输入数据的格式合规性和数据匹配性,如果数据格式错误或各项数据无法相互匹配,程序会给出错误提示并引导用户修改输入数据;
然后,打开风电场机型设置模块的机型设置面板,选定拟用于机位排布的风机类型,输入各个机型对应的风机台数、最小机距信息,及考虑是否需要导入作为可选项的功率曲线和推力系数曲线,设置备选机位信息,其中,功率曲线和推力系数曲线用于计算尾流效应造成的发电量损失,如果打开了考虑尾流效应布机的选项开关,则必须导入功率曲线和推力系数曲线;
最后,进入风电场优化选址模块的优化选址界面,设定优化选址求解参数,包括风机入流角限值、风机尾流效应的最大影响距离、离散化求解的网格单元大小和孤立机位点剔除标准,设定限制因素激活开关,包括是否考虑尾流效应、是否考虑入流角限制、是否考虑风场边界限制、是否考虑风场限制区域限制和是否进行孤立机位点剔除;在优化选址界面内,点击优化选址按钮启动计算,程序根据风场数据和用户的求解设置,自动进行优化布机;查看程序计算得到的机位排布结果,如果机位不满足用户要求,调整参数重新计算;如果满足要求,导出计算结果。
本发明与现有技术相比,具有如下优点与有益效果:
1、本发明将不同种类和形式的风电场信息做数据同化,整合到同一套数据框架下面,实现了风电场信息的集中存储、调用、可视化和数据分析。
2、本发明实现了复杂地形陆上风电场机位排布工作的自动化,可以在30分钟内计算完成并输出机位方案,大大缩短了机位排布的时间。
3、本发明以整场发电量最优为机位排布目标,在排布过程中考虑了风电场的各种布机限制因素,获得的机位排布方案具有较高的质量。
4、本发明采用地形复杂度计算和模糊聚类算法分别对机位群进行甄别,智能化查找并剔除安装困难或可能导致成本增加的机位,保证了机位方案质量。
5、本发明在机位排布过程中,考虑了基于测风数据的风机尾流效应影响,在排布过程中就避免了风机尾流损失过大造成的发电量损失。
附图说明
图1为本发明的工作流程示意图。
图2为本发明所需的输入数据说明图。
图3为本发明的算法逻辑流程图。
图4为本发明的风场信息界面示意图。
图5为本发明的机型设置界面示意图。
图6为本发明的优化选址界面示意图。
具体实施方式
下面结合具体实施例对本发明作进一步说明。
如图1至图3所示,本实施例所提供的复杂地形陆上风电场智能化自动布机方法,对于指定的风电场,可以考虑风电场内的风资源分布情况、地形地貌情况、测风数据、土地利用情况、风场容量等因素,针对用户指定的机型信息和限制条件,自动计算并输出一套发电量最优的风电场机位排布方案,其具体包括以下步骤:
S1、导入风场数据,进行用户设定,完成后转到S2;
S2、检查风场数据的格式合规性、数据相互匹配性,检查输入参数和设定是否完整有效,完成后,如果“是”,转到S3;如果“否”,转到S1;
S3、同化数据,将计算区域网格化,根据用户设定,判断是否需要考虑风场边界和限制区域、入流角限制,完成后,如果“是”,转到S4;如果“否”,转到S5;
S4、更新有效布机区域,完成后转到S5;
S5、判断是否需要考虑尾流效应,完成后,如果“是”,转到S6;如果“否”,转到S7;
S6、检查测风数据、功率曲线文件是否存在且合规,完成后,如果“是”,转到S7;如果“否”,转到S1;
S7、寻找场内风资源最好的网格单元区域,放置一台风机,完成后,转到S8;
S8、判断是否需要考虑尾流效应,完成后,如果“是”,转到S9;如果“否”,转到S10;
S9、计算新加入风场的风机的尾流效应,更新风资源图谱,完成后转到S10;
S10、更新有效布机区域,判断场内机位数是否达到设定的机位数,完成后,如果“是”,转到S11;如果“否”,转到S7;
S11、判断是否需要进行孤立机位点剔除,完成后,如果“是”,转到S12;如果“否”,转到S13;
S12、根据用户设定的不合理机位剔除标准,查找并剔除不合理的机位点,完成后,转到S13;
S13、结束计算,查看或输出机位方案。
本方法在布机过程中采用了尾流经验模型来计算风机尾流效应对场区内风资源的影响:
风机运行时产生的尾流会导致风机后一段距离的风速降低,从而影响临近风机的发电量。因此,本方法在排布过程中通过计算每台风机尾流对指定距离范围区域内风资源的影响,来考虑尾流效应对于机位排布方案的影响。计算采用的尾流模型是Jensen尾流模型。
Jensen尾流模型描述的风机后锥形尾流的风速减速因数Cwake计算公式如下:
式中:
x为顺流向上距离风机的距离;Udownwind(x)为下风向距风机距离x米处的风速;Uupwind为风机上风向风速;Ct为推力系数,其值对应上风向风速,且要求0≤Ct<1;Drotor为产生尾流影响的风机叶轮直径;k为尾流衰减因子,计算公式如下;
k=A/ln(h/z0)
式中:
A为系数,一般取0.5;h为风机轮毂高度(m);z0为风机所在位置的粗糙度高度(m)。
本方法采用Jensen模型计算厂区内每个网格单元受到每一台风机尾流影响时的风速减速因数Cwake,再根据测风塔数据和地理位置关系计算每个网格单元受到每一台风机影响的概率,将这种影响反馈到场区内的风资源分布上,更新得到受到尾流影响的风资源图谱。在布机过程中循环这一过程,实现对于尾流效应的考虑。
本方法采用了地形复杂度判别算法和模糊聚类算法来识别不合理的机位点:
复杂地形陆上风电场建造过程中,道路建设成本占比较大,不合理的机位点会严重拉高道路成本,增大总投资,影响风场经济性指标。复杂地形陆上风电场中不合理机位主要分两种,一种是地形复杂度较高的机位,一种远离机位群的机位。对于地形复杂度高的机位,采用IEC规范中关于复杂度判定的方法,计算地形复杂度,通过设定的复杂度标准,进行机位点剔除;对于远离机群的机位,采用模糊聚类的方法,分辨出离群的机位点,通过设定的离群标准进行剔除。
本实施例提供了一种基于Matlab平台开发的用于实现上述复杂地形陆上风电场智能化自动布机方法的系统,系统包括风电场数据处理模块、风电场机型设置模块和风电场优化选址模块,分别对应算法中风电场数据处理、机型设置和优化选址三部分内容。
风电场数据处理模块,通过图形交互窗口将风电场高程信息数据(.txt/.dat/.xyz)、风电场综合风速数据(.txt/.dat/.xyz)、风电场综合入流角数据(.txt/.dat/.xyz)、风电场地表粗糙度数据(.csv/.xyz)、风电场测风数据(.tab/.tws)导入,检查数据格式合规性以及各类数据的相互匹配性,通过图形交互窗口,在地形图上框选风场范围以及圈定任意多边形作为限制摆放风机的障碍区域。
风电场机型设置模块,用于选择拟采用的风机型号和设置各机型对应的台数、最小机距,导入和查看各机型对应的功率曲线和推力系数曲线(.txt/.csv),设置备用机位台数。
风电场优化选址模块,用于设置求解参数、设置限制因素开关、启动优化选址求解、排布结果图形化显示和输出机位方案。
利用系统在进行机位排布时,首先需在风电场数据处理模块的风场信息面板内(参见图4所示),导入拟进行自动优化布机风电场的高程图谱、综合入流角图谱、综合风速图谱、粗糙度图谱(可选)、测风数据(可选),框选风场范围(可选),圈定限制区域范围(可选)。程序会自动校验用户输入数据的格式合规性和数据匹配性。如果数据格式错误或各项数据无法相互匹配,程序会给出错误提示并引导用户修改输入数据。需要说明的是,如果要考虑风机的尾流效应,则下列文件是必须导入的:包含风速风向信息的测风数据文件、粗糙度文件、风机功率曲线、风机推力系数曲线。
然后,打开风电场机型设置模块的机型设置面板(参见图5所示),选定拟用于机位排布的风机类型,输入各个机型对应的风机台数、最小机距等信息,导入功率曲线(可选)和推力系数曲线(可选),设置备选机位信息,其中,功率曲线和推力系数曲线用于计算尾流效应造成的发电量损失,如果打开了考虑尾流效应布机的选项开关,则必须导入功率曲线和推力系数曲线。
最后,进入风电场优化选址模块的优化选址界面(参见图6所示),设定优化选址求解参数,包括风机入流角限值、风机尾流效应的最大影响距离、离散化求解的网格单元大小和孤立机位点剔除标准,设定限制因素激活开关,包括是否考虑尾流效应、是否考虑入流角限制、是否考虑风场边界限制、是否考虑风场限制区域限制和是否进行孤立机位点剔除;在优化选址界面内,点击优化选址按钮启动计算,程序根据风场数据和用户的求解设置,自动进行优化布机;查看程序计算得到的机位排布结果,机位方案如果不满足要求,用户可以手动调整或修改参数重新计算;如果满足要求,导出计算结果。
以上所述实施例只为本发明之较佳实施例,并非以此限制本发明的实施范围,故凡依本发明之形状、原理所作的变化,均应涵盖在本发明的保护范围内。

Claims (4)

1.复杂地形陆上风电场智能化自动布机方法,其特征在于,包括以下步骤:
S1、导入风场数据,进行用户设定,完成后转到S2;
S2、检查风场数据的格式合规性、数据相互匹配性,检查输入参数和设定是否完整有效,完成后,如果“是”,转到S3;如果“否”,转到S1;
S3、同化数据,将计算区域网格化,根据用户设定,判断是否需要考虑风场边界和限制区域、入流角限制,完成后,如果“是”,转到S4;如果“否”,转到S5;
S4、更新有效布机区域,完成后转到S5;
S5、判断是否需要考虑尾流效应,完成后,如果“是”,转到S6;如果“否”,转到S7;
S6、检查测风数据、功率曲线文件是否存在且合规,完成后,如果“是”,转到S7;如果“否”,转到S1;
S7、寻找场内风资源最好的网格单元区域,放置一台风机,完成后,转到S8;
S8、判断是否需要考虑尾流效应,完成后,如果“是”,转到S9;如果“否”,转到S10;
S9、计算新加入风场的风机的尾流效应,更新风资源图谱,完成后转到S10;
S10、更新有效布机区域,判断场内机位数是否达到设定的机位数,完成后,如果“是”,转到S11;如果“否”,转到S7;
S11、判断是否需要进行孤立机位点剔除,完成后,如果“是”,转到S12;如果“否”,转到S13;
S12、根据用户设定的不合理机位剔除标准,查找并剔除不合理的机位点,完成后,转到S13;
S13、结束计算,查看或输出机位方案。
2.根据权利要求1所述的复杂地形陆上风电场智能化自动布机方法,其特征在于,在布机过程中采用尾流经验模型来计算风机尾流效应对场区内风资源的影响:
风机运行时产生的尾流会导致风机后一段距离的风速降低,从而影响临近风机的发电量,因此,在排布过程中通过计算每台风机尾流对指定距离范围区域内风资源的影响,来考虑尾流效应对于机位排布方案的影响,其中,计算采用的尾流模型是Jensen尾流模型;
Jensen尾流模型描述的风机后锥形尾流的风速减速因数Cwake计算公式如下:
式中:
x为顺流向上距离风机的距离;Udownwind(x)为下风向距风机距离x米处的风速;Uupwind为风机上风向风速;Ct为推力系数,其值对应上风向风速,且要求0≤Ct<1;Drotor为产生尾流影响的风机叶轮直径;k为尾流衰减因子,计算公式如下:
k=A/ln(h/z0)
式中:
A为系数,默认值为0.5;h为风机轮毂高度,单位m;z0为风机所在位置的粗糙度高度,单位m;
采用Jensen模型计算厂区内每个网格单元受到每一台风机尾流影响时的风速减速因数Cwake,再根据测风塔数据和地理位置关系计算每个网格单元受到每一台风机影响的概率,将这种影响反馈到场区内的风资源分布上,更新得到受到尾流影响的风资源图谱,在布机过程中循环这一过程,实现对于尾流效应的考虑。
3.根据权利要求1所述的复杂地形陆上风电场智能化自动布机方法,其特征在于,采用地形复杂度判别算法和模糊聚类算法来识别不合理的机位点:
复杂地形陆上风电场建造过程中,道路建设成本占比大,不合理的机位点会严重拉高道路成本,增大总投资,影响风场经济性指标;复杂地形陆上风电场中不合理机位主要分两种:一种是地形复杂度较高的机位,一种远离机位群的机位;对于地形复杂度高的机位,采用IEC规范中关于复杂度判定的方法,计算地形复杂度,通过设定的复杂度标准,进行机位点剔除;对于远离机群的机位,采用模糊聚类的方法,分辨出离群的机位点,通过设定的离群标准进行剔除。
4.权利要求1所述复杂地形陆上风电场智能化自动布机方法的实现系统,其特征在于,包括:
风电场数据处理模块,通过图形交互窗口将风电场高程信息数据、风电场综合风速数据、风电场综合入流角数据、风电场地表粗糙度数据、风电场测风数据导入,检查数据格式合规性以及各类数据的相互匹配性,通过图形交互窗口,在地形图上框选风场范围以及圈定任意多边形作为限制摆放风机的障碍区域;
风电场机型设置模块,用于选择拟采用的风机型号和设置各机型对应的台数、最小机距,导入和查看各机型对应的功率曲线和推力系数曲线,设置备用机位台数;
风电场优化选址模块,用于设置求解参数、设置限制因素开关、启动优化选址求解、排布结果图形化显示和输出机位方案。
在进行机位排布时,首先需在风电场数据处理模块的风场信息面板内,导入拟进行自动优化布机风电场的高程图谱、综合入流角图谱、综合风速图谱以及考虑是否需要导入作为可选项的粗糙度图谱、测风数据、框选风场范围和圈定限制区域范围,程序会自动校验用户输入数据的格式合规性和数据匹配性,如果数据格式错误或各项数据无法相互匹配,程序会给出错误提示并引导用户修改输入数据;
然后,打开风电场机型设置模块的机型设置面板,选定拟用于机位排布的风机类型,输入各个机型对应的风机台数、最小机距信息,及考虑是否需要导入作为可选项的功率曲线和推力系数曲线,设置备选机位信息,其中,功率曲线和推力系数曲线用于计算尾流效应造成的发电量损失,如果打开了考虑尾流效应布机的选项开关,则必须导入功率曲线和推力系数曲线;
最后,进入风电场优化选址模块的优化选址界面,设定优化选址求解参数,包括风机入流角限值、风机尾流效应的最大影响距离、离散化求解的网格单元大小和孤立机位点剔除标准,设定限制因素激活开关,包括是否考虑尾流效应、是否考虑入流角限制、是否考虑风场边界限制、是否考虑风场限制区域限制和是否进行孤立机位点剔除;在优化选址界面内,点击优化选址按钮启动计算,程序根据风场数据和用户的求解设置,自动进行优化布机;查看程序计算得到的机位排布结果,如果机位不满足用户要求,调整参数重新计算;如果满足要求,导出计算结果。
CN201810945871.9A 2018-08-20 2018-08-20 复杂地形陆上风电场智能化自动布机方法及其实现系统 Active CN109190212B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810945871.9A CN109190212B (zh) 2018-08-20 2018-08-20 复杂地形陆上风电场智能化自动布机方法及其实现系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810945871.9A CN109190212B (zh) 2018-08-20 2018-08-20 复杂地形陆上风电场智能化自动布机方法及其实现系统

Publications (2)

Publication Number Publication Date
CN109190212A true CN109190212A (zh) 2019-01-11
CN109190212B CN109190212B (zh) 2023-05-26

Family

ID=64918798

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810945871.9A Active CN109190212B (zh) 2018-08-20 2018-08-20 复杂地形陆上风电场智能化自动布机方法及其实现系统

Country Status (1)

Country Link
CN (1) CN109190212B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114362248A (zh) * 2022-01-25 2022-04-15 上海电气风电集团股份有限公司 风电场的布机方法和装置
CN115630741A (zh) * 2022-10-31 2023-01-20 中国电建集团成都勘测设计研究院有限公司 基于工程量的山地风电开发区域规划方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130038060A1 (en) * 2011-08-12 2013-02-14 Peter Fogh Odgaard Method for controlling a wind power park and a wind power park controlled by such method
CN103793566A (zh) * 2014-01-28 2014-05-14 同济大学 一种基于遗传算法的风电场多型号风机优化排布方法
US20160084233A1 (en) * 2014-09-23 2016-03-24 General Electric Company Systems and methods for validating wind farm performance measurements
US20160171401A1 (en) * 2014-12-11 2016-06-16 Hao Wu Layout optimization for interactional objects in a constrained geographical area
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
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
CN106548414A (zh) * 2016-11-11 2017-03-29 中国能源建设集团江苏省电力设计院有限公司 一种海上风电场发电量计算方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130038060A1 (en) * 2011-08-12 2013-02-14 Peter Fogh Odgaard Method for controlling a wind power park and a wind power park controlled by such method
CN103793566A (zh) * 2014-01-28 2014-05-14 同济大学 一种基于遗传算法的风电场多型号风机优化排布方法
US20160084233A1 (en) * 2014-09-23 2016-03-24 General Electric Company Systems and methods for validating wind farm performance measurements
US20160171401A1 (en) * 2014-12-11 2016-06-16 Hao Wu Layout optimization for interactional objects in a constrained geographical area
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
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
CN106548414A (zh) * 2016-11-11 2017-03-29 中国能源建设集团江苏省电力设计院有限公司 一种海上风电场发电量计算方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
任腊春等: "峡谷风电场工程微观选址技术研究", 《水利水电技术》 *
李斌等: "低风速风电场资源开发的探讨及应用", 《分布式能源》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114362248A (zh) * 2022-01-25 2022-04-15 上海电气风电集团股份有限公司 风电场的布机方法和装置
CN114362248B (zh) * 2022-01-25 2024-03-22 上海电气风电集团股份有限公司 风电场的布机方法和装置
CN115630741A (zh) * 2022-10-31 2023-01-20 中国电建集团成都勘测设计研究院有限公司 基于工程量的山地风电开发区域规划方法

Also Published As

Publication number Publication date
CN109190212B (zh) 2023-05-26

Similar Documents

Publication Publication Date Title
Jun et al. Macro-site selection of wind/solar hybrid power station based on ELECTRE-II
CN106505593B (zh) 一种基于大数据的配变三相不平衡分析与负荷调整的方法
CN103390116B (zh) 采用分步方式的光伏电站发电功率预测方法
CN107944632A (zh) 一种基于开发地图的风电场选址系统及选址方法
CN105119320A (zh) 一种分散式风电场风机优化布置系统及方法
CN104376384B (zh) 一种基于电力大数据分析的台风日最大日负荷预测系统
CN102411729B (zh) 基于自适应线性逻辑网络的风电功率预测方法
CN106250656A (zh) 一种结合大数据的复杂地形风电场设计平台及方法
CN104050323B (zh) 一种高海拔山区模糊多准则风电场选址方法
CN107194097A (zh) 基于风电场气动模拟和风速风向数据的分析方法
CN108537382A (zh) 一种电商价格趋势预测方法及系统
CN107292514A (zh) 风电场生产运行测风塔选址方法及装置
CN106655243A (zh) 以维持微电网供需平衡为目的的电动汽车自动需求响应方法
CN103942736B (zh) 一种风电场多机等值建模方法
CN102147839A (zh) 一种光伏发电量预测方法
CN107909211A (zh) 基于模糊c均值聚类算法的风场等值建模及优化控制方法
CN104933483A (zh) 一种基于天气过程划分的风电功率预测方法
Noman et al. Comprehensive review of wind energy in Malaysia: Past, present, and future research trends
CN109002926A (zh) 一种高准确性的光伏发电量预测模型及其构建方法和应用
CN109003128A (zh) 基于改进的随机森林公共自行车站点需求量预测方法
CN109190212A (zh) 复杂地形陆上风电场智能化自动布机方法及其实现系统
CN102938562A (zh) 一种区域内风电总功率的预测方法
CN111199337B (zh) 一种新能源规划方法
CN113128786A (zh) 一种基于空间网格搜索的风光水互补容量与选址优化方法
CN115907268A (zh) 一种集合预报气象资源综合管理方法及系统

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