CN109543907A - 一种复杂地形风资源评估方法及其装置 - Google Patents
一种复杂地形风资源评估方法及其装置 Download PDFInfo
- Publication number
- CN109543907A CN109543907A CN201811406967.4A CN201811406967A CN109543907A CN 109543907 A CN109543907 A CN 109543907A CN 201811406967 A CN201811406967 A CN 201811406967A CN 109543907 A CN109543907 A CN 109543907A
- Authority
- CN
- China
- Prior art keywords
- scheme
- wind
- combination
- target area
- physical
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 137
- 230000008569 process Effects 0.000 claims abstract description 87
- 238000012913 prioritisation Methods 0.000 claims abstract description 43
- 238000010206 sensitivity analysis Methods 0.000 claims abstract description 20
- 238000005457 optimization Methods 0.000 claims abstract description 10
- 239000000284 extract Substances 0.000 claims abstract description 9
- 238000004088 simulation Methods 0.000 claims description 67
- 230000006870 function Effects 0.000 claims description 24
- 238000004458 analytical method Methods 0.000 claims description 22
- 230000000694 effects Effects 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 8
- 239000002131 composite material Substances 0.000 claims description 7
- 238000002474 experimental method Methods 0.000 claims description 6
- 238000010998 test method Methods 0.000 claims description 6
- 230000035945 sensitivity Effects 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims description 2
- 238000004064 recycling Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 4
- 241000208340 Araliaceae Species 0.000 description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 235000008434 ginseng Nutrition 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000003239 susceptibility assay Methods 0.000 description 1
- 238000013076 uncertainty analysis Methods 0.000 description 1
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)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种复杂地形风资源评估方法及其装置，其中所述方法包括：基于目标区域，提取历史测风塔观测数据中的代表性天气特征个例；构建第一模拟方案组合；基于代表性天气特征个例和第一模拟方案组合进行物理过程的敏感性分析，获得敏感物理优化方案；根据敏感物理优化方案构建第二模拟方案组合，根据目标函数，得到优化参数方案组合。本发明所提供的方法，实现了利用敏感性分析方法筛选出与目标区域对应的敏感物理优化方案，再利用优化的方法筛选出适合目标区域的最佳优化参数方案组合，从而提高对风资源的模拟能力，降低风资源评估的不确定性，同时也对风功率预测精度的提高有极大的帮助。
Description
技术领域
本发明涉及风资源评估技术领域，更具体地说，涉及一种复杂地形风资源评估方法及其装置。
背景技术
随着风电行业的快速发展，越来越多的项目建设在南方复杂山地。南方复杂山地给风资源的评估带来极大的挑战。复杂地形风资源的不确定性来源主要有两个：一是南方湿度较大且复杂地形海拔较高导致测风仪器结冰严重，使得测风完整率较低；二是目前主流CFD模型对于复杂山地的仿真能力有限，特别是背风区域及峡口加速效应等大大地形及复杂天气过程的条件下。因此中尺度天气模型在复杂地区风资源的评估显得尤为重要。
中尺度WRF气象模型(The Weather Research and Forecasting Model，即天气预报模式，被誉为是次世代的中尺度天气预报模式)有成千上万种参数化方案组合，每种方案组合在不同区域实用性不同。目前主要的参数化方案挑选方法基本是基于模拟经验或者参考相关文献，方案是否最优存在很大的不确定性。由于模式预报的效果与参数化方案的适应性至关重要，目前很多参数化方案对中小尺度系统描述能力不足，所以寻找适合本地域特点的参数化方案意义重大。
目前在利用WRF模式对项目风资源状况进行模式时因计算资源有限，采用的参数化方案组合主要是基于经验或者参考文献所得的单一方案，很少对参数化方案对地区的适应性评估。而我国地域辽阔，不同地区的地形及气象条件差异巨大，参数化方案在不同地区的适用性显然不同，采用单一的方案无法获得目标区域的最佳模拟结果，导致最终得到的评估预测结果不准确。
发明内容
有鉴于此，本发明提供一种复杂地形风资源评估方法及其装置以解决现有技术的不足。
为解决上述问题，本发明提供一种复杂地形风资源评估方法，包括：
基于目标区域，提取历史测风塔观测数据中的代表性天气特征个例；
根据影响风场模拟效果的物理过程，构建与所述目标区域对应的第一模拟方案组合；
基于所述代表性天气特征个例和所述第一模拟方案组合进行物理过程的敏感性分析，获得敏感物理优化方案；
根据所述敏感物理优化方案构建第二模拟方案组合，并且基于所述第二模拟方案组合，根据包含均方根误差参数和相关系数参数的目标函数，得到优化参数方案组合，以便于根据所述优化参数方案组合进行对所述目标区域的风资源评估。
优选地，所述“基于目标区域，提取历史测风塔观测数据中的代表性天气特征个例”包括：
获取所述目标区域内的所述历史测风塔观测数据，并筛选出其中包含所述历史测风塔观测数据最多的完整年作为模拟年份；
在所述模拟年份内，获取所述目标区域的天气形势图，根据所述天气形势图分析得到所述目标区域内的天气形态，并结合所述模拟年份内的历史测风塔观测数据，筛选出其中的代表性天气特征个例。
优选地，所述影响风场模拟效果的物理过程包括微物理过程、辐射过程、陆面过程、边界层和积云对流；
所述“根据影响风场模拟效果的物理过程，构建与所述目标区域对应的第一模拟方案组合”包括：
针对所述微物理过程、所述辐射过程、所述陆面过程、所述边界层和所述积云对流，筛选出每个物理过程中与所述目标区域对应的参数化方案；
根据所筛选出的所述参数化方案，基于正交实验方法，将每个所述物理过程中的每个所述参数化方案分别与其他物理过程中的每个参数化方案进行组合，得到正交组合；将所有的正交组合作为所述第一模拟方案组合；其中，在所述第一模拟方案组合中同一个物理过程中的每个参数化方案的个数一致。
优选地，所述“基于所述代表性天气特征个例和所述第一模拟方案组合进行物理过程的敏感性分析，获得敏感物理优化方案”包括：
根据所述代表性天气特征个例和所述第一模拟方案组合，通过四层嵌套模式，进行WRF模拟计算，获得第一WRF模拟结果；
基于双线性内插方法，将所述第一WRF模拟结果插值于所述目标区域中的测风塔位置，提取得到模拟风速值；
根据所述模拟风速值，进行物理过程的敏感性分析，获得所述敏感物理优化方案。
优选地，所述“根据所述模拟风速值，进行物理过程的敏感性分析，获得所述敏感物理优化方案”包括：
根据模拟风速值，构建包含方根误差参数，以及模拟值和实测值间相关系数的目标函数，并基于所述目标函数对所述模拟风速值进行模拟值和实测值的误差分析，得到分析结果；
基于预设临界值，根据所述分析结果筛选出每个所述物理过程中的高临界参数化方案；
利用多重比较方法，对所筛选出的所述高临界参数化方案进行分析，筛选出所述敏感物理优化方案。
优选地，所述物理过程个数为2-4个；每个所述物理过程的敏感物理优化方案的个数小于5；
所述模拟风速值为80米的模拟风速值。
优选地，所述“根据所述敏感物理优化方案构建第二模拟方案组合，并且基于所述第二模拟方案组合，根据包含均方根误差参数和相关系数参数的目标函数，得到优化参数方案组合，以便于根据所述优化参数方案组合进行对所述目标区域的风资源评估”，包括：
将每个所述敏感物理优化方案进行二次排列组合，构建第二模拟方案组合；其中，在所述第二模拟方案组合中每个物理过程中的敏感物理优化方案的个数一致；
结合所述代表性天气特征个例和所述第二模拟方案组合，进行WRF模拟计算，获得第二WRF模拟结果；
利用目标函数分析所述第二WRF模拟结果，并且结合所述模拟风速值，构建优化参数方案组合。
此外，为解决上述问题，本发明还提供一种复杂地形风资源评估装置，包括：
提取模块，用于基于目标区域，提取历史测风塔观测数据中的代表性天气特征个例；
构建模块，用于根据影响风场模拟效果的物理过程，构建与所述目标区域对应的第一模拟方案组合；
分析模块，用于基于所述代表性天气特征个例和所述第一模拟方案组合进行物理过程的敏感性分析，获得敏感物理优化方案；
所述构建模块，还用于根据所述敏感物理优化方案构建第二模拟方案组合，并且基于所述第二模拟方案组合，根据包含均方根误差参数和相关系数参数的目标函数，得到优化参数方案组合，以便于根据所述优化参数方案组合进行对所述目标区域的风资源评估。
此外，为解决上述问题，本发明还提供一种计算机设备，所述计算机设备包括存储器以及处理器，所述存储器用于存储复杂地形风资源评估程序，所述处理器运行所述复杂地形风资源评估程序以使所述计算机设备执行如上述所述复杂地形风资源评估方法。
此外，为解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有复杂地形风资源评估程序，所述复杂地形风资源评估程序被处理器执行时实现如上述所述复杂地形风资源评估方法。
本发明提供的一种复杂地形风资源评估方法及其装置。其中，本发明所提供的方法，实现了利用敏感性分析方法筛选出与目标区域对应的敏感物理优化方案，再利用优化的方法筛选出适合目标区域的最佳优化参数方案组合，从而提高对风资源的模拟能力，降低风资源评估的不确定性，同时也对风功率预测精度的提高有极大的帮助。
附图说明
图1为本发明复杂地形风资源评估方法实施例方案涉及的硬件运行环境的结构示意图；
图2为本发明复杂地形风资源评估方法第一实施例的流程示意图；
图3为本发明复杂地形风资源评估方法第二实施例的流程示意图；
图4为本发明复杂地形风资源评估方法第三实施例的流程示意图；
图5为本发明复杂地形风资源评估方法第四实施例的流程示意图；
图6为本发明复杂地形风资源评估方法第四实施例中的步骤S330和步骤S400的细化流程示意图；
图7为本发明复杂地形风资源评估装置的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
下面详细描述本发明的实施例，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，是本发明实施例方案涉及的终端的硬件运行环境的结构示意图。
本发明实施例计算机设备可以是的PC，也可以是智能手机、平板电脑、或者具有一定计算能力并且包含有生物信息采集设备(例如图像采集装置)的电子书阅读器、MP3播放器、MP4播放器、便携计算机等可移动式终端设备。如图1所示，该计算机设备可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏、输入单元比如键盘、遥控器，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。可选地，计算机设备还可以包括RF(Radio Frequency，射频)电路、音频电路、WiFi模块等等。此外，计算机设备还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
本领域技术人员可以理解，图1中示出的计算机设备并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。如图1所示，作为一种计算机可读存储介质的存储器1005中可以包括操作系统、数据接口控制程序、网络连接程序以及复杂地形风资源评估程序。
本发明提供一种复杂地形风资源评估方法及其装置。其中，所述方法实现了利用敏感性分析方法筛选出与目标区域对应的敏感物理优化方案，再利用优化的方法筛选出适合目标区域的最佳优化参数方案组合，从而提高对风资源的模拟能力，降低风资源评估的不确定性，同时也对风功率预测精度的提高有极大的帮助。
实施例1：
参照图2，本发明第一实施例提供一种复杂地形风资源评估方法，包括：
步骤S100，基于目标区域，提取历史测风塔观测数据中的代表性天气特征个例；
上述，需要说明的是，测风塔是一种用于测量风能参数的高耸塔架结构，即一种用于对近地面气流运动情况进行观测、记录的塔形构筑物。以前多由风力发电企业、气象、环保部门建造，用于气象观测和大气环境监测。
上述，目标区域，可以为针对于特定区域特定地形的区域。
上述，历史测风塔观测数据，为该目标区域，已有的测风塔观测数据，该目标区域可包含有多个测风塔，每个测风塔均包含有众多的已有的测风塔观测数据，这些所有测风塔观测数据即为历史测风塔观测数据。
上述，天气型态的变化通常伴随着风速风向的突变，以东部某一复杂山地为例，可筛选出冷风过境、副热带高压笼罩、台风影响等等多种天气型态，即为代表性天气。即，代表性天气与风速风向的变化相关联。代表性天气个例，为每个季节或时段对应的代表性天气所关联的测风塔的观测数据。
步骤S200，根据影响风场模拟效果的物理过程，构建与所述目标区域对应的第一模拟方案组合；
步骤S300，基于所述代表性天气特征个例和所述第一模拟方案组合进行物理过程的敏感性分析，获得敏感物理优化方案；
上述，敏感性分析法是指从众多不确定性因素中找出对目标指标有重要影响的敏感性因素，并分析、测算其对目标指标的影响程度和敏感性程度，进而判断项目模拟能力的一种不确定性分析方法。
步骤S400，根据所述敏感物理优化方案构建第二模拟方案组合，并且基于所述第二模拟方案组合，根据包含均方根误差参数和相关系数参数的目标函数，得到优化参数方案组合，以便于根据所述优化参数方案组合进行对所述目标区域的风资源评估。
本实施例提供一种复杂地形风资源评估方法，实现了利用敏感性分析方法筛选出与目标区域对应的敏感物理优化方案，再利用优化的方法筛选出适合目标区域的最佳优化参数方案组合，从而提高对风资源的模拟能力，降低风资源评估的不确定性，同时也对风功率预测精度的提高有极大的帮助。
实施例2：
参照图3，本发明第二实施例提供一种复杂地形风资源评估方法，基于上述图2所示的第一实施例，所述步骤S100，“基于目标区域，提取历史测风塔观测数据中的代表性天气特征个例”包括：
步骤S110，获取所述目标区域内的所述历史测风塔观测数据，并筛选出其中包含所述历史测风塔观测数据最多的完整年作为模拟年份；
步骤S120，在所述模拟年份内，获取所述目标区域的天气形势图，根据所述天气形势图分析得到所述目标区域内的天气形态，并结合所述模拟年份内的历史测风塔观测数据，筛选出其中的代表性天气特征个例。
上述，在进行代表性天气特征个例的提取时，需要机遇目标区域进行筛选。
首先，进行根据所选目标区域，挑选出该区域内已有的测风塔观测数据，对数据进行清洗，去除无效值。筛选出涵盖测风数据最多的完整年作为模拟年份。
然后，下载目标区域模拟年份的天气形势图(该数据为可通过相关数据库中获得的分析数据及图像)，分析区域范围内的天气型态，并结合测风塔风向风速数据，挑选出具有代表性的天气过程，每个过程为三天，每个季节选取两个过程，作为个例。即为每个代表性天气特征个例，对应的为一个天气过程，每个天气过程为3天内的天气过程。通过基于涵盖测风数据最多的完整年内作为模拟年份，进而由该模拟年份中的天气形势图筛选出具有代表性的天气过程，对应的找出不同的代表性天气对应的测风数据的个例，从而基于风速数据与代表性天气的相关性，确定代表性天气特征个例，提高了目标区域的天气模拟评估的准确性。
实施例3：
参照图4，本发明第三实施例提供一种复杂地形风资源评估方法，基于上述图3所示的第二实施例，其中，所述影响风场模拟效果的物理过程包括微物理过程、辐射过程、陆面过程、边界层和积云对流；
所述步骤S200，“根据影响风场模拟效果的物理过程，构建与所述目标区域对应的第一模拟方案组合”包括：
步骤S210，针对所述微物理过程、所述辐射过程、所述陆面过程、所述边界层和所述积云对流，筛选出每个物理过程中与所述目标区域对应的参数化方案；
步骤S220，根据所筛选出的所述参数化方案，基于正交实验方法，将每个所述物理过程中的每个所述参数化方案分别与其他物理过程中的每个参数化方案进行组合，得到正交组合；将所有的正交组合作为所述第一模拟方案组合；其中，在所述第一模拟方案组合中同一个物理过程中的每个参数化方案的个数一致。
上述，影响风场模拟效果的物理过程参数化，有微物理过程方案、辐射过程方案、陆面过程方案、边界层方案、积云对流参数化方案等五种。不同物理过程参数化方案组合的确定，需分别挑选出适合目标区域的对应的物理过程的参数，形成参数化方案组合，
上述，针对上述的五个物理过程，分别挑选出适合目标区域的参数化方案。其中，每个物理过程对应多个参数化方案。设置正交试验，将每个所述物理过程中的每个所述参数化方案分别与其他物理过程中的每个参数化方案进行组合，得到正交组合；并将所有得到的正交组合组成一第一模拟方案组合。其中，需保持同一个物理过程中的各个参数方案出现的次数一致。通过正交试验进行筛选，代表性强，实验次数少，提高实验准确性和计算效率。
实施例4：
参照图5-6，本发明第四实施例提供一种复杂地形风资源评估方法，基于上述图4所示的第三实施例，所述步骤300，“基于所述代表性天气特征个例和所述第一模拟方案组合进行物理过程的敏感性分析，获得敏感物理优化方案”包括：
步骤310，根据所述代表性天气特征个例和所述第一模拟方案组合，通过四层嵌套模式，进行WRF模拟计算，获得第一WRF模拟结果；
需要说明的是，Weather Research andForecasting Model(WRF)被誉为是次世代的中尺度天气预报模式。WRF包括多重区域、从几公里到数千公里的灵活分辨率、多重嵌套网格，以及与之协调的三维变分同化系统3DVAR等。WRF数值模式采用高度模块化、并行化和分层设计技术，集成了迄今为止中尺度方面的研究成果。
四层嵌套模式为多重嵌套网格中的一种计算模式。通过该模式下，进行WRF模拟计算，从而获得基于所述代表性天气特征个例和所述第一模拟方案组合的第一WRF模拟结果。
步骤320，基于双线性内插方法，将所述第一WRF模拟结果插值于所述目标区域中的测风塔位置，提取得到模拟风速值；
上述，需要说明的是，双线性插值，又称为双线性内插。在数学上，双线性插值是有两个变量的插值函数的线性插值扩展，其核心思想是在两个方向分别进行一次线性插值。双线性插值作为数值分析中的一种插值算法，广泛应用在信号处理，数字图像和视频处理等方面。
步骤330，根据所述模拟风速值，进行物理过程的敏感性分析，获得所述敏感物理优化方案。
上述，进行测风塔位置模拟风速的提取，需采用双线性内插方法将第一WRF模拟结果插值到每个测风塔位置，提取每个测风塔位置对应的八十米的模拟风速值。进而通过敏感性分析，得到敏感物理优化方案。
进一步的，所述步骤330，“根据所述模拟风速值，进行物理过程的敏感性分析，获得所述敏感物理优化方案”包括：
步骤331，根据模拟风速值，构建包含方根误差参数，以及模拟值和实测值间相关系数的目标函数，并基于所述目标函数对所述模拟风速值进行模拟值和实测值的误差分析，得到分析结果；
步骤332，基于预设临界值，根据所述分析结果筛选出每个所述物理过程中的高临界参数化方案；
步骤333，利用多重比较方法，对所筛选出的所述高临界参数化方案进行分析，筛选出所述敏感物理优化方案。
敏感性分析，首先利用目标函数分析模拟与实测的误差，目标函数包含均方根误差及相关系数两个统计参数。其中，相关系数为模拟风速值中的模拟值和实测值的关系。
然后，采用方差分析法对分析结果进行分析，基于预设临界值，去除同一物理过程表现较差的参数化方案，保留其中的高临界参数化方案。
进一步的，采用多重比较方法对高临界参数化方案进一步分析，对同一物理过程的参数化方案进行二次筛选，挑选表现优异的3-4种参数化方案。其中，本实施例中所采用的多重比较方法为Tukey多重比较方法。
上述，需要说明的是，多重比较法是多个等方差正态总体均值的比较方法。经过方差分析法可以说明各总体均值间的差异是否显著，即只能说明均值不全相等，但不能具体说明哪几个均值之间有显著差异。t检验只能说明两个均值的差异是否显著。比较m个均值，需要单独进行(m/2)＝m(m-1)/2次t检验，不但工作量大，而且误差也大。多重比较法可以克服这些缺点。
进一步的，所述物理过程个数为2-4个；每个所述物理过程的敏感物理优化方案的个数小于5；
所述模拟风速值为80米的模拟风速值。
进一步的，所述步骤400，“根据所述敏感物理优化方案构建第二模拟方案组合，并且基于所述第二模拟方案组合，根据包含均方根误差参数和相关系数参数的目标函数，得到优化参数方案组合，以便于根据所述优化参数方案组合进行对所述目标区域的风资源评估”，包括：
步骤410，将每个所述敏感物理优化方案进行二次排列组合，构建第二模拟方案组合；其中，在所述第二模拟方案组合中每个物理过程中的敏感物理优化方案的个数一致；
步骤420，结合所述代表性天气特征个例和所述第二模拟方案组合，进行WRF模拟计算，获得第二WRF模拟结果；
步骤430，利用目标函数分析所述第二WRF模拟结果，并且结合所述模拟风速值，构建优化参数方案组合。
上述，利用步骤330筛选出的不同物理过程中的敏感物理优化方案重新形成组合，保持统一物理过程各个参数化方案实验次数相对一致，得到第二模拟方案组合。
然后，将代表性天气特征个例和第二模拟方案组合进行结合，再次进行WRF模拟计算，获得第二WRF模拟结果；
进而，采用步骤310的方法提取测风塔位置的模拟风速值，并利用目标函数分析模拟结果，得到最优的参数化方案组合，即为优化参数方案组合，进而可根据该优化参数方案组合，进行复杂地形风资源的评估，从而使评估结果更加贴合于所选择的目标区域的实际天气和地形，结果更加准确。
此外，参考图7，本发明还提供一种复杂地形风资源评估装置，包括：
提取模块10，用于基于目标区域，提取历史测风塔观测数据中的代表性天气特征个例；
构建模块20，用于根据影响风场模拟效果的物理过程，构建与所述目标区域对应的第一模拟方案组合；
分析模块30，用于基于所述代表性天气特征个例和所述第一模拟方案组合进行物理过程的敏感性分析，获得敏感物理优化方案；
所述构建模块20，还用于根据所述敏感物理优化方案构建第二模拟方案组合，并且基于所述第二模拟方案组合，根据包含均方根误差参数和相关系数参数的目标函数，得到优化参数方案组合，以便于根据所述优化参数方案组合进行对所述目标区域的风资源评估。
此外，本发明还提供一种计算机设备，所述计算机设备包括存储器以及处理器，所述存储器用于存储复杂地形风资源评估程序，所述处理器运行所述复杂地形风资源评估程序以使所述计算机设备执行如上述所述复杂地形风资源评估方法。
此外，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有复杂地形风资源评估程序，所述复杂地形风资源评估程序被处理器执行时实现如上述所述复杂地形风资源评估方法。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种复杂地形风资源评估方法，其特征在于，包括：
基于目标区域，提取历史测风塔观测数据中的代表性天气特征个例；
根据影响风场模拟效果的物理过程，构建与所述目标区域对应的第一模拟方案组合；
基于所述代表性天气特征个例和所述第一模拟方案组合进行物理过程的敏感性分析，获得敏感物理优化方案；
根据所述敏感物理优化方案构建第二模拟方案组合，并且基于所述第二模拟方案组合，根据包含均方根误差参数和相关系数参数的目标函数，得到优化参数方案组合，以便于根据所述优化参数方案组合进行对所述目标区域的风资源评估。
2.如权利要求1所述复杂地形风资源评估方法，其特征在于，所述“基于目标区域，提取历史测风塔观测数据中的代表性天气特征个例”包括：
获取所述目标区域内的所述历史测风塔观测数据，并筛选出其中包含所述历史测风塔观测数据最多的完整年作为模拟年份；
在所述模拟年份内，获取所述目标区域的天气形势图，根据所述天气形势图分析得到所述目标区域内的天气形态，并结合所述模拟年份内的历史测风塔观测数据，筛选出其中的代表性天气特征个例。
3.如权利要求1所述复杂地形风资源评估方法，其特征在于，
所述影响风场模拟效果的物理过程包括微物理过程、辐射过程、陆面过程、边界层和积云对流；
所述“根据影响风场模拟效果的物理过程，构建与所述目标区域对应的第一模拟方案组合”包括：
针对所述微物理过程、所述辐射过程、所述陆面过程、所述边界层和所述积云对流，筛选出每个物理过程中与所述目标区域对应的参数化方案；
根据所筛选出的所述参数化方案，基于正交实验方法，将每个所述物理过程中的每个所述参数化方案分别与其他物理过程中的每个参数化方案进行组合，得到正交组合；将所有的正交组合作为所述第一模拟方案组合；其中，在所述第一模拟方案组合中同一个物理过程中的每个参数化方案的个数一致。
4.如权利要求1所述复杂地形风资源评估方法，其特征在于，所述“基于所述代表性天气特征个例和所述第一模拟方案组合进行物理过程的敏感性分析，获得敏感物理优化方案”包括：
根据所述代表性天气特征个例和所述第一模拟方案组合，通过四层嵌套模式，进行WRF模拟计算，获得第一WRF模拟结果；
基于双线性内插方法，将所述第一WRF模拟结果插值于所述目标区域中的测风塔位置，提取得到模拟风速值；
根据所述模拟风速值，进行物理过程的敏感性分析，获得所述敏感物理优化方案。
5.如权利要求4所述复杂地形风资源评估方法，其特征在于，所述“根据所述模拟风速值，进行物理过程的敏感性分析，获得所述敏感物理优化方案”包括：
根据模拟风速值，构建包含方根误差参数，以及模拟值和实测值间相关系数的目标函数，并基于所述目标函数对所述模拟风速值进行模拟值和实测值的误差分析，得到分析结果；
基于预设临界值，根据所述分析结果筛选出每个所述物理过程中的高临界参数化方案；
利用多重比较方法，对所筛选出的所述高临界参数化方案进行分析，筛选出所述敏感物理优化方案。
6.如权利要求5所述复杂地形风资源评估方法，其特征在于，所述物理过程个数为2-4个；每个所述物理过程的敏感物理优化方案的个数小于5；
所述模拟风速值为80米的模拟风速值。
7.如权利要求5所述复杂地形风资源评估方法，其特征在于，所述“根据所述敏感物理优化方案构建第二模拟方案组合，并且基于所述第二模拟方案组合，根据包含均方根误差参数和相关系数参数的目标函数，得到优化参数方案组合，以便于根据所述优化参数方案组合进行对所述目标区域的风资源评估”，包括：
将每个所述敏感物理优化方案进行二次排列组合，构建第二模拟方案组合；其中，在所述第二模拟方案组合中每个物理过程中的敏感物理优化方案的个数一致；
结合所述代表性天气特征个例和所述第二模拟方案组合，进行WRF模拟计算，获得第二WRF模拟结果；
利用目标函数分析所述第二WRF模拟结果，并且结合所述模拟风速值，构建优化参数方案组合。
8.一种复杂地形风资源评估装置，其特征在于，包括：
提取模块，用于基于目标区域，提取历史测风塔观测数据中的代表性天气特征个例；
构建模块，用于根据影响风场模拟效果的物理过程，构建与所述目标区域对应的第一模拟方案组合；
分析模块，用于基于所述代表性天气特征个例和所述第一模拟方案组合进行物理过程的敏感性分析，获得敏感物理优化方案；
所述构建模块，还用于根据所述敏感物理优化方案构建第二模拟方案组合，并且基于所述第二模拟方案组合，根据包含均方根误差参数和相关系数参数的目标函数，得到优化参数方案组合，以便于根据所述优化参数方案组合进行对所述目标区域的风资源评估。
9.一种计算机设备，其特征在于，所述计算机设备包括存储器以及处理器，所述存储器用于存储复杂地形风资源评估程序，所述处理器运行所述复杂地形风资源评估程序以使所述计算机设备执行如权利要求1-7中任一项所述复杂地形风资源评估方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有复杂地形风资源评估程序，所述复杂地形风资源评估程序被处理器执行时实现如权利要求1-7中任一项所述复杂地形风资源评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811406967.4A CN109543907B (zh) | 2018-11-23 | 2018-11-23 | 一种复杂地形风资源评估方法及其装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811406967.4A CN109543907B (zh) | 2018-11-23 | 2018-11-23 | 一种复杂地形风资源评估方法及其装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109543907A true CN109543907A (zh) | 2019-03-29 |
| CN109543907B CN109543907B (zh) | 2020-08-21 |
Family
ID=65850112
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811406967.4A Active CN109543907B (zh) | 2018-11-23 | 2018-11-23 | 一种复杂地形风资源评估方法及其装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109543907B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111812748A (zh) * | 2020-03-16 | 2020-10-23 | 上海眼控科技股份有限公司 | 一种降水量预测方法及设备 |
| CN112001090A (zh) * | 2020-08-31 | 2020-11-27 | 南京创蓝科技有限公司 | 一种风场数值模拟方法 |
| CN113627686A (zh) * | 2021-09-02 | 2021-11-09 | 广东省城乡规划设计研究院有限责任公司 | 一种洪涝评估方法 |
| CN116108989A (zh) * | 2023-01-13 | 2023-05-12 | 华润电力技术研究院有限公司 | 一种风电超短期功率预测预测方法、系统、存储介质及设备 |
| CN117057164A (zh) * | 2023-10-11 | 2023-11-14 | 中国船舶集团风电发展有限公司 | 风资源评估方法、装置、电子设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130117608A1 (en) * | 2011-11-07 | 2013-05-09 | Us Govt As Represented By Secretary Of The Army | Method and system for determining accuracy of a weather prediction model |
| CN103514328A (zh) * | 2013-09-29 | 2014-01-15 | 国家电网公司 | 一种基于wrf的极端干旱地区风场模拟方法 |
| 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 |
| CN105184407A (zh) * | 2015-09-11 | 2015-12-23 | 国家电网公司 | 基于大气数值模式的输电线路覆冰增长预测方法 |
| CN105608326A (zh) * | 2015-12-31 | 2016-05-25 | 长沙理工大学 | 一种山区复杂地形风场大涡模拟入口边界条件输入方法 |
| CN107390298A (zh) * | 2017-07-19 | 2017-11-24 | 云南电网有限责任公司电力科学研究院 | 一种复杂山地下垫面大风的模拟方法及装置 |
-
2018
- 2018-11-23 CN CN201811406967.4A patent/CN109543907B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130117608A1 (en) * | 2011-11-07 | 2013-05-09 | Us Govt As Represented By Secretary Of The Army | Method and system for determining accuracy of a weather prediction model |
| 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 |
| CN103514328A (zh) * | 2013-09-29 | 2014-01-15 | 国家电网公司 | 一种基于wrf的极端干旱地区风场模拟方法 |
| CN105184407A (zh) * | 2015-09-11 | 2015-12-23 | 国家电网公司 | 基于大气数值模式的输电线路覆冰增长预测方法 |
| CN105608326A (zh) * | 2015-12-31 | 2016-05-25 | 长沙理工大学 | 一种山区复杂地形风场大涡模拟入口边界条件输入方法 |
| CN107390298A (zh) * | 2017-07-19 | 2017-11-24 | 云南电网有限责任公司电力科学研究院 | 一种复杂山地下垫面大风的模拟方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 陈玲等: "WRF模式在风电场风速预测中的应用", 《武汉大学学报》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111812748A (zh) * | 2020-03-16 | 2020-10-23 | 上海眼控科技股份有限公司 | 一种降水量预测方法及设备 |
| CN112001090A (zh) * | 2020-08-31 | 2020-11-27 | 南京创蓝科技有限公司 | 一种风场数值模拟方法 |
| CN113627686A (zh) * | 2021-09-02 | 2021-11-09 | 广东省城乡规划设计研究院有限责任公司 | 一种洪涝评估方法 |
| CN116108989A (zh) * | 2023-01-13 | 2023-05-12 | 华润电力技术研究院有限公司 | 一种风电超短期功率预测预测方法、系统、存储介质及设备 |
| CN116108989B (zh) * | 2023-01-13 | 2024-02-02 | 华润电力技术研究院有限公司 | 一种风电超短期功率预测方法、系统、存储介质及设备 |
| CN117057164A (zh) * | 2023-10-11 | 2023-11-14 | 中国船舶集团风电发展有限公司 | 风资源评估方法、装置、电子设备及存储介质 |
| CN117057164B (zh) * | 2023-10-11 | 2024-01-12 | 中国船舶集团风电发展有限公司 | 风资源评估方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109543907B (zh) | 2020-08-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109543907A (zh) | 一种复杂地形风资源评估方法及其装置 | |
| Gallo et al. | Breaking new ground in severe weather prediction: The 2015 NOAA/hazardous weather testbed spring forecasting experiment | |
| US9310517B2 (en) | Method and system for determining accuracy of a weather prediction model | |
| Jiménez et al. | Surface wind regionalization over complex terrain: Evaluation and analysis of a high-resolution WRF simulation | |
| Zadra et al. | The next Canadian regional climate model | |
| Zhang et al. | Assimilation of precipitation-affected radiances in a cloud-resolving WRF ensemble data assimilation system | |
| CN106229972B (zh) | 一种基于多气象源集成并分段建模的风电功率预测方法 | |
| CN110428104A (zh) | 一种污染贡献率确定方法、装置、电子设备及存储介质 | |
| JP2010060443A (ja) | 気象予測装置、方法及びプログラム | |
| CN106407633A (zh) | 基于时空回归克里金模型估算地面pm2.5的方法及系统 | |
| US20100100328A1 (en) | System and Method for Generating a Cloud Type and Coverage Prediction Database | |
| Dolling et al. | The use of the deviation angle variance technique on geostationary satellite imagery to estimate tropical cyclone size parameters | |
| CN109583096A (zh) | 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 | |
| Zhu et al. | A regional GSI-based ensemble Kalman filter data assimilation system for the rapid refresh configuration: Testing at reduced resolution | |
| KR20070038058A (ko) | 비정형 격자를 통한 기상 예보 방법 및 시스템 | |
| Karimi et al. | Generalizability of gene expression programming and random forest methodologies in estimating cropland and grassland leaf area index | |
| Squitieri et al. | On the forecast sensitivity of MCS cold pools and related features to horizontal grid spacing in convection-allowing WRF simulations | |
| Matyas et al. | Using an object-based approach to quantify the spatial structure of reflectivity regions in Hurricane Isabel (2003). Part I: Comparisons between radar observations and model simulations | |
| CN116018602A (zh) | 植被管理系统和植被管理方法 | |
| Steinkruger et al. | An artificially intelligent system for the automated issuance of tornado warnings in simulated convective storms | |
| Thorsson et al. | Modelling atmospheric icing: A comparison between icing calculated with measured meteorological data and NWP data | |
| CN106772697A (zh) | 云海自然景观预报方法及系统 | |
| CN110442836A (zh) | 风电场短期风速预测方法及系统 | |
| KERIBAYEVA et al. | Experience of connecting sensors to the controller based on the arduino board for use on multicopters | |
| KR102002593B1 (ko) | 특정공간에서의 유해기체 확산 해석 방법 및 장치 |
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 |