CN109946765B - 风电场的流场的预测方法和系统 - Google Patents

风电场的流场的预测方法和系统 Download PDF

Info

Publication number
CN109946765B
CN109946765B CN201910260774.0A CN201910260774A CN109946765B CN 109946765 B CN109946765 B CN 109946765B CN 201910260774 A CN201910260774 A CN 201910260774A CN 109946765 B CN109946765 B CN 109946765B
Authority
CN
China
Prior art keywords
data
wind
detection point
sector
resource time
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
Application number
CN201910260774.0A
Other languages
English (en)
Other versions
CN109946765A (zh
Inventor
冯烨
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.)
Shanghai Electric Wind Power Group Co Ltd
Original Assignee
Shanghai Electric Wind Power 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 Shanghai Electric Wind Power Group Co Ltd filed Critical Shanghai Electric Wind Power Group Co Ltd
Priority to CN201910260774.0A priority Critical patent/CN109946765B/zh
Publication of CN109946765A publication Critical patent/CN109946765A/zh
Application granted granted Critical
Publication of CN109946765B publication Critical patent/CN109946765B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Wind Motors (AREA)

Abstract

本发明公开了一种风电场的流场的预测方法和系统,其中预测方法包括以下步骤:第一时间区间内通过各测风塔获取对应的各第一检测点的第一风资源时间序列数据;在第二时间区间内,通过扫描式激光雷达获取各第一检测点的第二风资源时间序列数据,以及各第二检测点的第三风资源时间序列数据。根据各第一修正数据对各第三风资源时间序列数据进行修正;根据各第一修正数据中与重叠区间对应的数据和各第二修正数据中与重叠区间对应的数据得到风电场的流场预测数据。本发明通过扫描式激光雷达获取风电场各个格点的风资源时间序列数据,使测风塔获取的数据和扫描式激光雷达获取的数据相互修正,提高风电场流场预测的精度。

Description

风电场的流场的预测方法和系统
技术领域
本发明属于风电场流场预测技术领域,尤其涉及一种风电场的流场的预测方法和系统。
背景技术
为保证电网的安全性和可靠性,需要对风电场未来发电情况进行超短期预测、短期预测、中期预测和长期预测。目前,风电行业主要的风功率预测方法为,通过在风电场内树立测风塔作为风电场的生产塔,由测风塔检测风电场中某一格点的风资源时间序列数据。接下来,将测风塔的风资源时间序列数据作为输入源,由数值天气预报(NWP)模型预测该区域未来风速情况,并通过CFD(计算流体动力学)模型进行降尺度到风电场每一格点,对风电场未来一段时间内流场情况进行模拟预测,得到风电场的流场预测数据。由于成本原因及测风塔建设地形限制,风电场内测风塔数量有限,无法得到风电场各区域的实测风速;另外风电场建成后,测风塔检测的风资源时间序列数据经常受到上风向的风机的影响,测风塔检测的风资源时间序列数据往往不能真实地反映格点处的自由流风速。另外在我国湖南、贵州、广西等湿度大的地区,存在冰冻现象,容易导致传感器附冰而影响风资源时间序列数据的测试精度,造成测量数据缺失或数据质量降低的问题。由于测风塔检测的风资源时间序列数据的误差及代表性不足,基于测风塔数据的风电场流场预测存在很大的不确定性,误差较大。
发明内容
本发明要解决的技术问题是为了克服现有技术的风电场的流场的预测的误差较大的缺陷,提供一种风电场的流场的预测方法和系统。
本发明是通过下述技术方案来解决上述技术问题:
本发明提供一种风电场的流场的预测方法,所述风电场中设置有m个测风塔和n个检测点,n个所述检测点包括m个与所述测风塔一一对应的第一检测点以及n-m个第二检测点,m为大于1的正整数,n为大于m的正整数,所述预测方法包括以下步骤:
第一时间区间内通过各所述测风塔获取对应的各所述第一检测点的第一风资源时间序列数据,每一所述第一检测点的所述第一风资源时间序列数据包括有效数据和空缺数据,所述空缺数据与空缺时间区间相对应;
在第二时间区间内,通过扫描式激光雷达获取各所述第一检测点的第二风资源时间序列数据,以及各所述第二检测点的第三风资源时间序列数据;所述第一时间区间与所述第二时间区间具有重叠区间,所述重叠区间包含共同有效区间和所述空缺时间区间;
对于每一所述第一检测点,根据所述第二风资源时间序列数据中与所述共同有效区间相对应的数据和所述有效数据中与所述共同有效区间相对应的数据对所述空缺数据进行插补,以得到插补数据,所述插补数据与所述有效数据组成所述第一检测点的第一修正数据;
根据各所述第一检测点的第一修正数据对各所述第二检测点的所述第三风资源时间序列数据进行修正,以得到每一所述第二检测点的第二修正数据;
根据各所述第一检测点的第一修正数据中与所述重叠区间对应的数据和各所述第二检测点的第二修正数据中与所述重叠区间对应的数据得到所述风电场的流场预测数据。
较佳地,所述第一风资源时间序列数据、所述第二风资源时间序列数据和所述第三风资源时间序列数据所包含的每一个数据均包含角度信息;所述预测方法还包括以下步骤:将0~360度均分为多个扇区;根据所述角度信息所属的扇区将每一所述第一检测点的第一风资源时间序列数据中的每一个数据分别与所述角度信息所属的扇区相对应;根据所述角度信息所属的扇区将每一所述第一检测点的第二风资源时间序列数据中的数据分别与所述角度信息所属的扇区相对应;根据所述角度信息所属的扇区将每一所述第二检测点的第三风资源时间序列数据中的数据分别与所述角度信息所属的扇区相对应;
对于每一所述第一检测点,根据所述第二风资源时间序列数据中与所述共同有效区间相对应的数据和所述有效数据中与所述共同有效区间相对应的数据对所述空缺数据进行插补的步骤包括:
根据每个所述扇区对应的所述第二风资源时间序列数据中与所述共同有效区间相对应的数据和所述有效数据中与所述共同有效区间相对应的数据计算得到与每个所述扇区对应的相关性公式;
根据与每个所述扇区对应的所述相关性公式对所述空缺数据进行插补;
其中,根据一个所述第一检测点的第一修正数据对一个所述第二检测点的第三风资源时间序列数据进行修正的步骤包括:
分别将每个所述扇区对应的所述第一修正数据中与所述重叠区间对应的数据减去所述扇区对应的所述第二风资源时间序列数据中与所述重叠区间对应的数据,得到与每个所述扇区对应的补偿值;
将每个所述扇区对应的所述第三风资源时间序列数据分别和与所述扇区对应的补偿值相加,得到所述第二修正数据。
较佳地,所述根据各所述第一检测点的第一修正数据对各所述第二检测点的所述第三风资源时间序列数据进行修正的步骤包括:
对于任一第二检测点Bj,在各所述第一检测点中选择第一检测点Bi的第一修正数据对所述第二检测点Bj的第三风资源时间序列数据进行修正,以得到所述第二检测点Bj的第二修正数据,其中所述第一检测点Bi所对应的测风塔为距离所述第二检测点Bj最近的测风塔,其中i为小于等于m的正整数,j为大于m且小于等于n的正整数。
较佳地,根据各所述第一检测点的第一修正数据中与所述重叠区间对应的数据和各所述第二检测点的第二修正数据中与所述重叠区间对应的数据得到所述风电场的流场预测数据的步骤包括:
利用数值天气预报模型根据各所述第一检测点的所述第一修正数据中与所述重叠区间对应的数据和各所述第二检测点的所述第二修正数据中与所述重叠区间对应的数据计算输出所述风电场的流场预测数据。
较佳地,所述扫描式激光雷达设置于所述风电场的第一侧,所述第一侧为与所述风电场的主风向相对的一侧。
较佳地,所述扫描式激光雷达与居民区的距离大于一千米。
本发明还提供一种风电场的流场的预测系统,所述预测系统包括m个测风塔、扫描式激光雷达、修正因子计算单元、插补单元、修正单元、预测数据输出单元;所述风电场中设置有n个检测点,其包括m个与所述测风塔一一对应的第一检测点以及m-n个第二检测点,m为大于1的正整数,n为大于m的正整数;
各所述测风塔用于在第一时间区间内获取各所述第一检测点的第一风资源时间序列数据,每一所述第一检测点的第一风资源时间序列数据包括有效数据和空缺数据,所述空缺数据与空缺时间区间相对应;
所述扫描式激光雷达用于在第二时间区间内获取各所述第一检测点的第二风资源时间序列数据,以及各所述第二检测点的第三风资源时间序列数据;所述第一时间区间与所述第二时间区间具有重叠区间,所述重叠区间包含共同有效区间和所述空缺时间区间;
所述插补单元用于根据每一所述第一检测点的所述第二风资源时间序列数据中与所述共同有效区间相对应的数据和所述有效数据中与所述共同有效区间相对应的数据对所述检测点的所述第一风资源时间序列数据的所述空缺数据进行插补,以得到插补数据,所述插补数据与所述有效数据组成所述第一检测点的第一修正数据;
所述修正单元用于根据各所述第一检测点的第一修正数据对各所述第二检测点的所述第三风资源时间序列数据进行修正,以得到每一所述第二检测点的第二修正数据;
所述预测数据输出单元用于根据各所述第一检测点的所述第一修正数据中与所述重叠区间对应的数据和各所述第二检测点的所述第二修正数据中与所述重叠区间对应的数据得到所述风电场的流场预测数据。
较佳地,所述第一风资源时间序列数据、所述第二风资源时间序列数据和所述第三风资源时间序列数据所包含的每一个数据均包含角度信息;所述预测系统还包括分区单元,所述分区单元用于将0~360度均分为多个扇区;所述分区单元还用于根据所述角度信息所属的扇区将每一所述第一检测点的第一风资源时间序列数据中的数据分别与所述角度信息所属的扇区相对应;所述分区单元还用于根据所述角度信息所属的扇区将每一所述第一检测点的第二风资源时间序列数据中的数据分别与所述角度信息所属的扇区相对应;所述分区单元还用于根据所述角度信息所属的扇区将每一所述第二检测点的第三风资源时间序列数据中的数据分别与所述角度信息所属的扇区相对应;
对于每一所述第一检测点,所述插补单元还用于根据每个所述扇区对应的所述第二风资源时间序列数据中与所述共同有效区间相对应的数据和所述有效数据中与所述共同有效区间相对应的数据计算得到与每个所述扇区对应的相关性公式;
对于每一所述第一检测点,所述插补单元还用于根据与每个所述扇区对应的相关性公式对所述空缺数据进行插补;
对于每一所述第一检测点,所述修正单元还用于分别将每个所述扇区对应的所述第一修正数据中与所述重叠区间对应的数据减去所述扇区对应的所述第二风资源时间序列数据中与所述重叠区间对应的数据,得到与每个所述扇区对应的补偿值;
对于每一所述第二检测点,所述修正单元还用于将每个所述扇区对应的所述第三风资源时间序列数据分别和与所述扇区对应的补偿值相加,得到所述第二修正数据。
较佳地,对于任一第二检测点Bj,所述修正单元还用于在各所述第一检测点中选择第一检测点Bi的第一修正数据对所述第二检测点Bj的第三风资源时间序列数据进行修正,以得到所述第二检测点Bj的第二修正数据,其中所述第一检测点Bi所对应的测风塔为距离所述第二检测点Bj最近的测风塔,其中i为小于等于m的正整数,j为大于m且小于等于n的正整数。
较佳地,所述预测数据输出单元采用数值天气预报模型对各所述第一检测点的所述第一修正数据中与所述重叠区间对应的数据和各所述第二检测点的所述第二修正数据中与所述重叠区间对应的数据进行计算并输出所述风电场的流场预测数据。
较佳地,所述扫描式激光雷达设置于所述风电场的第一侧,所述第一侧为与所述风电场的主风向的相对的一侧。
较佳地,所述扫描式激光雷达与居民区的距离大于一千米。
本发明的积极进步效果在于:本发明通过扫描式激光雷达获取风电场各个检测点的风资源时间序列数据,利用扫描式激光雷达补充测量可有效解决测风塔因冰冻导致的数据测量问题,并使测风塔获取的数据和扫描式激光雷达获取的数据相互修正,为机组配置提供可靠气象条件数据输入。
附图说明
图1为本发明的一较佳实施例的风电场的流场的预测系统的结构示意图。
图2为本发明的一较佳实施例的风电场的流场的预测系统的第一风资源时间序列数据和第二风资源时间序列数据所对应的时间区间的示意图。
图3为本发明的一较佳实施例的风电场内测风塔和检测点分布示意图。
图4为本发明的一较佳实施例的风电场的流场的预测方法的流程图。
具体实施方式
下面通过一较佳实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
本实施例提供一种风电场的流场的预测系统,参照图1,该预测系统包括测风塔101、扫描式激光雷达102、插补单元103、修正单元104、预测数据输出单元105。该预测系统中,测风塔(在图3中以三角形表征)的数量为m个,m为大于等于2的正整数。风电场中设置有n(n为大于m的正整数)个检测点(采用圆点表征),包括m个第一检测点P1、P2、P3、……Pm,以及n-m个第二检测点Pm+1、Pm+2、……、Pn。其中,第一检测点P1、P2、P3、……、Pm分别对应设置有第1个测风塔T1、第2个测风塔T2、第3个测风塔T3、……、第m个测风塔Tm;第二检测点Pm+1、Pm+2、……、Pn处均未设置测风塔。每个测风塔用于在第一时间区间内获取其对应的第一检测点的第一风资源时间序列数据。第一风资源时间序列数据包括风速分别在笛卡尔坐标系的x轴、y轴、z轴上的分量。
参照图2,根据时间轴t所示的方向,第一风资源时间序列数据D1对应于第一时间区间CB。因为冰冻等因素,在区间DB,测风塔或未能测量到数据,或测量的数据精度较差,予以舍弃,因此,形成空缺时间区间DB,空缺时间区间DB对应空缺数据(以虚线表征)。有效区间CD对应有效数据(以实线表征)。每个第一检测点的第一风资源时间序列数据包括有效数据和空缺数据,其中空缺数据与空缺时间区间DB相对应。
扫描式激光雷达102在第二时间区间内获取第1检测点、第2检测点、……、第m检测点的第二风资源时间序列数据,获取第m+1、第m+2检测点、……、第n检测点的第三风资源时间序列数据。扫描式激光雷达102的测风高度与对应测风塔的测风高度一致,且扫描式激光雷达102所获取的第二风资源时间序列数据和第三风资源时间序列数据均是有效的。扫描式激光雷达扫描风电场的扫描频率可以根据需要合理设置。参照图2,第二风资源时间序列数据D2和第三风资源时间序列数据均对应第二时间区间AB。第一时间区间AB与第二时间区间CB具有重叠区间CB,其中,区间CD对应的每个第一风资源时间序列数据和每个第二风资源时间序列数据均是有效的,因此,区间CD又称为共同有效区间。
第一风资源时间序列数据、第二风资源时间序列数据和第三风资源时间序列数据所包含的每一个数据均包含角度信息。本实施例的风电场的流场的预测系统还包括分区单元,分区单元用于将0~360度均分为多个扇区;分区单元还用于根据角度信息将每一个第一检测点的第一风资源时间序列数据中的数据分别与每一个扇区相对应。
具体的,分区单元根据检测点P1的第一风资源时间序列数据中的数据的角度信息,将检测点P1的第一风资源时间序列数据中的数据分为16组,分别与16个扇区相对应;分区单元根据检测点P2的第一风资源时间序列数据中的数据的角度信息,将检测点P2的第一风资源时间序列数据中的数据分为16组,分别与16个扇区相对应;依此类推,分区单元根据检测点Pm的第一风资源时间序列数据中的数据的角度信息,将检测点Pm的第一风资源时间序列数据中的数据分为16组,分别与16个扇区相对应。此外,分区单元还根据角度信息将每个第二检测点的第二风资源时间序列数据中的数据分别与16个扇区相对应、以及将每个第二检测点的第三风资源时间序列数据中的数据分别与16个扇区相对应,在此不作赘述。
然后,针对第一检测点的每个扇区,插补单元103计算出一个对应的相关性公式。需要说明的是,这里插补单元103对于每个第一检测点都进行相关性计算,以下以其中的第一检测点P1为例。分区单元已经将检测点P1的第一风资源时间序列数据中的数据分为16组,分别与16个扇区相对应。针对第1扇区对应的数据,插补单元103根据检测点P1的第一风资源时间序列数据中与共同有效区间CD相对应的数据与检测点P1的第二风资源时间序列数据的有效数据中与共同有效区间CD相对应的数据之间的相关性,得到与第1扇区对应的相关性公式1-1;针对第2扇区对应的数据,插补单元103计算检测点P1的第一风资源时间序列数据中与共同有效区间CD相对应的数据与检测点P1的第二风资源时间序列数据的有效数据中与共同有效区间CD相对应的数据之间的相关性,得到与第2扇区对应的相关性公式1-2;依此类推,针对第16扇区对应的数据,插补单元103计算检测点P1的第一风资源时间序列数据中与共同有效区间CD相对应的数据与检测点P1的第二风资源时间序列数据的有效数据中与共同有效区间CD相对应的数据之间的相关性,得到与第16扇区对应的相关性公式1-16。对于其它的第一检测点,插补单元103均进行如上操作。计算相关性,以及得到相关性公式的具体计算方式,是本领域技术人员根据所掌握的本领域知识能够实现的,在此不再赘述。
接下来,对于每个第一检测点的第一风资源时间序列数据,插补单元103根据与每个扇区对应的相关性公式对这个第一风资源时间序列数据中的空缺数据进行插补,由此得到每个扇区的插补数据。例如,对于检测点P1的第一风资源时间序列数据,针对其第1扇区对应的数据,插补单元103根据相关性公式1-1对空缺区间DB对应的第一风资源时间序列数据的空缺数据进行插补,得到第1-1扇区插补数据;针对第2扇区对应的数据,插补单元103根据相关性公式1-2对空缺区间DB对应的第一风资源时间序列数据的空缺数据进行插补,得到第1-2扇区插补数据;依此类推,针对第16扇区对应的数据,插补单元103根据相关性公式1-16对空缺区间DB对应的第一风资源时间序列数据的空缺数据进行插补,得到第1-16扇区插补数据。第1-1扇区插补数据、第1-2扇区插补数据……第1-16扇区插补数据,共同组成检测点P1的插补数据。检测点P1的插补数据和检测点P1的第一风资源时间序列数据中的有效数据组成对应于重叠区间CB的检测点P1的第一修正数据。其中,对应于第1扇区的第一风资源时间序列数据中的有效数据和第1-1扇区插补数据构成检测点P1对应于第1扇区的第一修正数据,对应于第2扇区的第一风资源时间序列数据中的有效数据和第1-2扇区插补数据构成检测点P1对应于第2扇区的第一修正数据,依此类推,对应于第16扇区的第一风资源时间序列数据中的有效数据和第1-16扇区插补数据构成检测点P1对应于第16扇区的第一修正数据。各个扇区的插补数据组成检测点P1的第一修正数据。对于其它的第一检测点,插补单元103也进行如上的插补操作,从而得到每个第一检测点的第一修正数据。
接下来,修正单元104根据各第一检测点的第一修正数据对各第二检测点的第三风资源时间序列数据进行修正,以得到每一第二检测点的第二修正数据。具体来说,对于每个第一检测点,修正单元104分别将每个扇区对应的第一修正数据中与重叠区间对应的数据减去扇区对应的第二风资源时间序列数据中与重叠区间对应的数据,得到与每个扇区对应的补偿值。以第一检测点Pi为例,针对第1扇区对应的数据,修正单元104将重叠区间CB内的第一修正数据减去第二风资源时间序列数据中重叠区间CB对应的数据,得到与第1扇区对应的第i-1补偿值;针对第2扇区对应的数据,修正单元104将重叠区间CB内的第一修正数据减去第二风资源时间序列数据中重叠区间CB对应的数据,得到第i-2补偿值;依此类推,针对第16扇区对应的数据,修正单元104将重叠区间CB内的第一修正数据减去第二风资源时间序列数据中重叠区间CB对应的数据,得到第i-16补偿值,i∈[1,m]。
接下来,修正单元可根据各个第一检测点第一风资源时间序列数据中与各扇区对应的补偿值对各个第二检测点的第三风资源时间序列数据进行修正。具体的,对于一个第二检测点来说,是将其每个扇区对应的第三风资源时间序列数据分别和一个第一检测点的与扇区对应的补偿值相加,得到与各扇区对应的第二修正数据,各个扇区对应的第二修正数据的组合即为这个第二检测点的第二修正数据。第二检测点的第二修正数据近似等同于在该第二检测点处设置测风塔的话在第二时间区间内所得到的风资源时间序列数据。
由于风电场内有多个第一检测点和多个第二检测点,且修正单元104计算出的每个第一检测点的第一修正数据会有所不同,因此当需要对任一个第二检测点的第三风资源数据进行修正时,需要在各个第一检测点对应的第一修正数据之中加以选择。本实施例中,对于某一个第二检测点来说,修正单元104在各个第一检测点中选择对应测风塔离这个第二检测点最近的第一检测点的第一修正数据来对这个第二检测点的第三风资源时间序列进行修正。
具体的,参照图3,检测点P1对应测风塔T1,检测点P2对应测风塔T2,检测点P3对应测风塔T3,检测点Px没有对应的测风塔。距离检测点Px最近的测风塔是T3。因此,对于检测点Px来说,采用检测点P3的第一修正数据对其第三风资源时间序列数据进行修正。如前所述,检测点P3的第一风资源时间序列数据中与各扇区对应的补偿值分别为第3-1补偿值、第3-2补偿值、……、第3-16补偿值,修正单元104将检测点Px的每个扇区对应的第三风资源时间序列数据分别和这些补偿值相加,得到检测点Px的第二修正数据。采用与检测点的距离最近的测风塔的插补后的数据对扫描式激光雷达102的数据进行修正,可以提高数据的精度。
在获得每个第二检测点的第二修正数据后,预测数据输出单元采用数值天气预报模型对各个第一检测点的第一修正数据中与重叠区间CB对应的数据和各个第二检测点的第二修正数据中与重叠区间CB对应的数据进行处理和计算,最终输出风电场的流场预测数据。
为了获得精度较高的测量数据,扫描式激光雷达102的点位选取应当尽量避免影响风电机组及测风塔处原有流场。在本实施例中,扫描式激光雷达102设置于风电场的第一侧,第一侧为与风电场的主风向的相对的一侧。例如,当风电场的主风向为南风,则扫描式激光雷达102设置于风电场的北侧边缘区域。另外,扫描式激光雷达102的点位下垫面应当平坦无遮挡,以利于扫描式激光雷达102的激光准确到达被测的格点。进一步地,扫描式激光雷达102与居民区的距离大于一千米。
在本实施例中,扫描式激光雷达102为DOE-X radar(一种高空间分辨率和时间分辨率的扫描式激光雷达102)。在其他可选的实施方式中,扫描式激光雷达102采用TTUKaradar(一种雷达)、WindTracer lidar(一种激光雷达)。
本实施例的风电场的流场的预测系统通过扫描式激光雷达102获取风电场的各个检测点的风资源时间序列数据,对测风塔检测的风资源时间序列数据进行修正,然后利用修正后的数据得到风电场的流场预测数据,以较低的成本提高风电场流场预测的精度,并利用扫描式激光雷达102补充测量可有效解决因冰冻导致的数据测量问题,为机组配置提供可靠气象条件数据输入。
在本实施例的风电场的流场的预测系统的基础上,本实施例还提供一种风电场的流场的预测方法,该预测方法采用本实施例的风电场的流场的预测系统实现。
如图4所示,本实施例的风电场的流场的预测方法包括以下步骤:
首先,在步骤S201中,在第一时间区间内,通过m个测风塔分别获取风电场内对应的m个第一检测点的第一风资源时间序列数据。
在步骤S201中,在第二时间区间内,通过扫描式激光雷达获取m个第一检测点的第二风资源时间序列数据以及n-m个第二检测点的第三风资源时间序列数据。从时间上来说,第二风资源时间序列数据D2和第三风资源时间序列数据均对应第二时间区间AB。第一风资源时间序列D1则对应第一时间区间CB,第一时间区间CB与第二时间区间AB具有重叠区间CB。重叠区间CB中,区间CD内的第一风资源时间序列数据和第二风资源时间序列数据均是有效的,因此,区间CD又称为共同有效区间。在区间DB内,第一风资源时间序列数据是无效的,为空缺数据。区间DB又称为空缺时间区间。
第一风资源时间序列数据、第二风资源时间序列数据和第三风资源时间序列数据所包含的每一个数据都包含角度信息,因此各风资源时间序列数据可以用各个扇区的数据的组合来表征。本实施例中,将0~360度均分为16个扇区,将每一第一风资源时间序列数据中的每一个数据分别与其角度信息所属的扇区相对应;将每一第二风资源时间序列数据中的数据分别与其角度信息所属的扇区相对应;将每一第三风资源时间序列数据中的数据分别与其角度信息所属的扇区相对应。
然后,在步骤S202中,对于每一第一检测点,根据第二风资源时间序列数据中与共同有效区间CD相对应的数据和有效数据中与共同有效区间CD相对应的数据对空缺数据进行插补。具体地,对于任一个第一检测点来说,按照数据所处的扇区,对相应的第二风资源时间序列数据中与共同有效区间CD相对应的数据和有效数据中与共同有效区间CD相对应的数据加以计算从而得到与每个扇区对应的相关性公式。例如,对于第一检测点Pi,和第j扇区对应的相关性公式记为相关性公式i-j,其中i为大于等于1小于等于m的正整数,j为大于等于1小于等于扇区数的正整数。
接下来,根据相关性公式对第一风资源时间序列数据中的空缺数据进行插补。具体的,根据相关性公式i-j对第i个检测点的第一风资源时间序列数据的空缺数据中对应第j扇区的数据进行插补,得到第i-j扇区插补数据。第i-1扇区插补数据、第i-2扇区插补数据、……、第i-16扇区插补数据,共同组成第一检测点Pi的第一风资源时间序列数据的插补数据。第一检测点Pi的第一风资源时间序列的插补数据和有效数据组成第一检测点Pi的第一修正数据。其中,插补数据、有效数据和第一修正数据均是以各个扇区的插补数据、有效数据和第一修正数据来表征的,在此不作赘述。
接下来,在步骤S203中,根据各第一检测点的第一修正数据对各第二检测点的第三风资源时间序列数据进行修正,以得到每一第二检测点的第二修正数据。具体来说,对于每个第一检测点,分别将每个扇区对应的第一修正数据中与重叠区间对应的数据减去第二风资源时间序列数据中与重叠区间对应的数据,得到与每个扇区对应的补偿值。
然后,根据各个第一检测点第一风资源时间序列数据中与各扇区对应的补偿值对各个第二检测点的第三风资源时间序列数据进行修正。具体的,对于一个第二检测点来说,是将其每个扇区对应的第三风资源时间序列数据分别和一个第一检测点的与扇区对应的补偿值相加,得到与各扇区对应的第二修正数据,各个扇区对应的第二修正数据的组合即为这个第二检测点的第二修正数据。第二检测点的第二修正数据近似等同于在这个第二检测点处设置测风塔的话在第二时间区间内所得到的风资源时间序列数据。
由于风电场内有多个第一检测点和多个第二检测点,计算出的每个第一检测点的第一修正数据会有所不同,因此当需要对其中一个第二检测点的第三风资源时间序列数据进行修正时,需要在各个第一检测点的第一修正数据之中加以选择。本步骤中,对于某一个第二检测点来说,在各个第一检测点中选择对应测风塔离这个第二检测点最近的第一检测点的第一修正数据来对这个第二检测点的第三风资源时间序列进行修正。每个第二检测点的第三风资源时间序列数据均选择合适的第一检测点的第一修正数据进行修正,最终得到全部第二检测点的第三风资源时间序列数据的第二修正数据。
接下来,在步骤S204中,采用数值天气预报模型对各个第一检测点的第一修正数据中与重叠区间CB对应的数据,和各个第二检测点的第二修正数据中与重叠区间CB对应的数据进行处理和计算,最终输出风电场的流场预测数据。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。

Claims (12)

1.一种风电场的流场的预测方法,其特征在于,所述风电场中设置有m个测风塔和n个检测点,n个所述检测点包括m个与所述测风塔一一对应的第一检测点以及n-m个第二检测点,m为大于1的正整数,n为大于m的正整数,所述预测方法包括以下步骤:
第一时间区间内通过各所述测风塔获取对应的各所述第一检测点的第一风资源时间序列数据,每一所述第一检测点的所述第一风资源时间序列数据包括有效数据和空缺数据,所述空缺数据与空缺时间区间相对应;
在第二时间区间内,通过扫描式激光雷达获取各所述第一检测点的第二风资源时间序列数据,以及各所述第二检测点的第三风资源时间序列数据;所述第一时间区间与所述第二时间区间具有重叠区间,所述重叠区间包含共同有效区间和所述空缺时间区间;
对于每一所述第一检测点,根据所述第二风资源时间序列数据中与所述共同有效区间相对应的数据和所述有效数据中与所述共同有效区间相对应的数据对所述空缺数据进行插补,以得到插补数据,所述插补数据与所述有效数据组成所述第一检测点的第一修正数据;
其中,对于每一所述第一检测点,根据所述第二风资源时间序列数据中与所述共同有效区间相对应的数据和所述有效数据中与所述共同有效区间相对应的数据对所述空缺数据进行插补的步骤包括:
根据每个扇区对应的所述第二风资源时间序列数据中与所述共同有效区间相对应的数据和所述有效数据中与所述共同有效区间相对应的数据计算得到与每个所述扇区对应的相关性公式;
根据与每个所述扇区对应的所述相关性公式对所述空缺数据进行插补;根据各所述第一检测点的第一修正数据对各所述第二检测点的所述第三风资源时间序列数据进行修正,以得到每一所述第二检测点的第二修正数据;
其中,根据一个所述第一检测点的第一修正数据对一个所述第二检测点的第三风资源时间序列数据进行修正的步骤包括:
分别将每个所述扇区对应的所述第一修正数据中与所述重叠区间对应的数据减去所述扇区对应的所述第二风资源时间序列数据中与所述重叠区间对应的数据,得到与每个所述扇区对应的补偿值;
将每个所述扇区对应的所述第三风资源时间序列数据分别和与所述扇区对应的补偿值相加,得到所述第二修正数据;
根据各所述第一检测点的第一修正数据中与所述重叠区间对应的数据和各所述第二检测点的第二修正数据中与所述重叠区间对应的数据得到所述风电场的流场预测数据。
2.如权利要求1所述的风电场的流场的预测方法,其特征在于,所述第一风资源时间序列数据、所述第二风资源时间序列数据和所述第三风资源时间序列数据所包含的每一个数据均包含角度信息;所述预测方法还包括以下步骤:将0~360度均分为多个扇区;根据所述角度信息所属的扇区将每一所述第一检测点的第一风资源时间序列数据中的每一个数据分别与所述角度信息所属的扇区相对应;根据所述角度信息所属的扇区将每一所述第一检测点的第二风资源时间序列数据中的数据分别与所述角度信息所属的扇区相对应;根据所述角度信息所属的扇区将每一所述第二检测点的第三风资源时间序列数据中的数据分别与所述角度信息所属的扇区相对应。
3.如权利要求2所述的风电场的流场的预测方法,其特征在于,
所述根据各所述第一检测点的第一修正数据对各所述第二检测点的所述第三风资源时间序列数据进行修正的步骤包括:
对于任一第二检测点Bj,在各所述第一检测点中选择第一检测点Bi的第一修正数据对所述第二检测点Bj的第三风资源时间序列数据进行修正,以得到所述第二检测点Bj的第二修正数据,其中所述第一检测点Bi所对应的测风塔为距离所述第二检测点Bj最近的测风塔,其中i为小于等于m的正整数,j为大于m且小于等于n的正整数。
4.如权利要求1所述的风电场的流场的预测方法,其特征在于,根据各所述第一检测点的第一修正数据中与所述重叠区间对应的数据和各所述第二检测点的第二修正数据中与所述重叠区间对应的数据得到所述风电场的流场预测数据的步骤包括:
利用数值天气预报模型根据各所述第一检测点的所述第一修正数据中与所述重叠区间对应的数据和各所述第二检测点的所述第二修正数据中与所述重叠区间对应的数据计算输出所述风电场的流场预测数据。
5.如权利要求1所述的风电场的流场的预测方法,其特征在于,所述扫描式激光雷达设置于所述风电场的第一侧,所述第一侧为与所述风电场的主风向相对的一侧。
6.如权利要求1所述的风电场的流场的预测方法,其特征在于,所述扫描式激光雷达与居民区的距离大于一千米。
7.一种风电场的流场的预测系统,其特征在于,所述预测系统包括m个测风塔、扫描式激光雷达、修正因子计算单元、插补单元、修正单元、预测数据输出单元;所述风电场中设置有n个检测点,其包括m个与所述测风塔一一对应的第一检测点以及m-n个第二检测点,m为大于1的正整数,n为大于m的正整数;
各所述测风塔用于在第一时间区间内获取各所述第一检测点的第一风资源时间序列数据,每一所述第一检测点的第一风资源时间序列数据包括有效数据和空缺数据,所述空缺数据与空缺时间区间相对应;
所述扫描式激光雷达用于在第二时间区间内获取各所述第一检测点的第二风资源时间序列数据,以及各所述第二检测点的第三风资源时间序列数据;所述第一时间区间与所述第二时间区间具有重叠区间,所述重叠区间包含共同有效区间和所述空缺时间区间;
所述插补单元用于根据每一所述第一检测点的所述第二风资源时间序列数据中与所述共同有效区间相对应的数据和所述有效数据中与所述共同有效区间相对应的数据对所述检测点的所述第一风资源时间序列数据的所述空缺数据进行插补,以得到插补数据,所述插补数据与所述有效数据组成所述第一检测点的第一修正数据;
对于每一所述第一检测点,所述插补单元还用于根据每个扇区对应的所述第二风资源时间序列数据中与所述共同有效区间相对应的数据和所述有效数据中与所述共同有效区间相对应的数据计算得到与每个所述扇区对应的相关性公式;
对于每一所述第一检测点,所述插补单元还用于根据与每个所述扇区对应的相关性公式对所述空缺数据进行插补;
所述修正单元用于根据各所述第一检测点的第一修正数据对各所述第二检测点的所述第三风资源时间序列数据进行修正,以得到每一所述第二检测点的第二修正数据;
对于每一所述第一检测点,所述修正单元还用于分别将每个所述扇区对应的所述第一修正数据中与所述重叠区间对应的数据减去所述扇区对应的所述第二风资源时间序列数据中与所述重叠区间对应的数据,得到与每个所述扇区对应的补偿值;
对于每一所述第二检测点,所述修正单元还用于将每个所述扇区对应的所述第三风资源时间序列数据分别和与所述扇区对应的补偿值相加,得到所述第二修正数据;
所述预测数据输出单元用于根据各所述第一检测点的所述第一修正数据中与所述重叠区间对应的数据和各所述第二检测点的所述第二修正数据中与所述重叠区间对应的数据得到所述风电场的流场预测数据。
8.如权利要求7所述的风电场的流场的预测系统,其特征在于,所述第一风资源时间序列数据、所述第二风资源时间序列数据和所述第三风资源时间序列数据所包含的每一个数据均包含角度信息;所述预测系统还包括分区单元,所述分区单元用于将0~360度均分为多个扇区;所述分区单元还用于根据所述角度信息所属的扇区将每一所述第一检测点的第一风资源时间序列数据中的数据分别与所述角度信息所属的扇区相对应;所述分区单元还用于根据所述角度信息所属的扇区将每一所述第一检测点的第二风资源时间序列数据中的数据分别与所述角度信息所属的扇区相对应;所述分区单元还用于根据所述角度信息所属的扇区将每一所述第二检测点的第三风资源时间序列数据中的数据分别与所述角度信息所属的扇区相对应。
9.如权利要求8所述的风电场的流场的预测系统,其特征在于,对于任一第二检测点Bj,所述修正单元还用于在各所述第一检测点中选择第一检测点Bi的第一修正数据对所述第二检测点Bj的第三风资源时间序列数据进行修正,以得到所述第二检测点Bj的第二修正数据,其中所述第一检测点Bi所对应的测风塔为距离所述第二检测点Bj最近的测风塔,其中i为小于等于m的正整数,j为大于m且小于等于n的正整数。
10.如权利要求7所述的风电场的流场的预测系统,其特征在于,所述预测数据输出单元采用数值天气预报模型对各所述第一检测点的所述第一修正数据中与所述重叠区间对应的数据和各所述第二检测点的所述第二修正数据中与所述重叠区间对应的数据进行计算并输出所述风电场的流场预测数据。
11.如权利要求7所述的风电场的流场的预测系统,其特征在于,所述扫描式激光雷达设置于所述风电场的第一侧,所述第一侧为与所述风电场的主风向的相对的一侧。
12.如权利要求7所述的风电场的流场的预测系统,其特征在于,所述扫描式激光雷达与居民区的距离大于一千米。
CN201910260774.0A 2019-04-02 2019-04-02 风电场的流场的预测方法和系统 Active CN109946765B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910260774.0A CN109946765B (zh) 2019-04-02 2019-04-02 风电场的流场的预测方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910260774.0A CN109946765B (zh) 2019-04-02 2019-04-02 风电场的流场的预测方法和系统

Publications (2)

Publication Number Publication Date
CN109946765A CN109946765A (zh) 2019-06-28
CN109946765B true CN109946765B (zh) 2021-05-07

Family

ID=67013420

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910260774.0A Active CN109946765B (zh) 2019-04-02 2019-04-02 风电场的流场的预测方法和系统

Country Status (1)

Country Link
CN (1) CN109946765B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112036663A (zh) * 2020-09-14 2020-12-04 中国能源建设集团云南省电力设计院有限公司 一种高寒山区风电场风能资源评估方法
CN115691144B (zh) * 2023-01-03 2023-03-31 西南交通大学 一种异常交通状态监测方法、装置、设备及可读存储介质

Citations (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6411871B1 (en) * 2000-08-05 2002-06-25 American Gnc Corporation Autonomous navigation, guidance and control using LDRI
EP1299779B1 (de) * 2000-07-07 2005-11-30 Max-Planck-Gesellschaft zur Förderung der Wissenschaften e.V. Verfahren und vorrichtung zur verarbeitung und vorhersage von strömungsparametern turbulenter medien
CN101788692A (zh) * 2009-11-24 2010-07-28 西北电网有限公司 基于神经网络的短时风速预报方法
CN102663251A (zh) * 2012-04-09 2012-09-12 华北电力大学 基于计算流体力学模型的风电场功率物理预测方法
CN102662180A (zh) * 2012-05-22 2012-09-12 广东省电力设计研究院 海上测风装置及量测方法
CN103500370A (zh) * 2013-10-21 2014-01-08 华北电力大学 动态风电场风向坐标预计算系统建立方法
CN104487865A (zh) * 2012-03-23 2015-04-01 文达光电股份有限公司 多方向激光雷达系统
CN204903763U (zh) * 2015-07-17 2015-12-23 中国能源建设集团云南省电力设计院有限公司 一种海上风电场水文气象条件测量系统
CN105569923A (zh) * 2016-01-13 2016-05-11 湖南世优电气股份有限公司 一种大型风电机组的雷达辅助载荷优化控制方法
WO2016111861A1 (en) * 2015-01-08 2016-07-14 Nec Laboratories America, Inc. Remote wind turbulence sensing
WO2017034217A1 (en) * 2015-08-21 2017-03-02 Samsung Electronics Co., Ltd. Apparatus and method for user-configurable interactive region monitoring
CN107239856A (zh) * 2017-05-31 2017-10-10 华北电力大学 一种风向数据插补方法
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
CN107527120A (zh) * 2017-09-07 2017-12-29 南方电网科学研究院有限责任公司 一种台风预警的方法及装置
CN206863224U (zh) * 2017-07-03 2018-01-09 福建省新能海上风电研发中心有限公司 一种海上测风平台
CN207249725U (zh) * 2017-09-07 2018-04-17 南方电网科学研究院有限责任公司 一种台风预警系统
CN107944774A (zh) * 2017-12-28 2018-04-20 华润电力技术研究院有限公司 一种风电场建设方案优化系统
EP3312630A1 (en) * 2016-10-24 2018-04-25 Korea Meteorological Administration Remote observation system and method for aerosol, cloud and rainfall
CN108063460A (zh) * 2018-01-03 2018-05-22 华北电力大学 能量管理系统及风电场
CN108398686A (zh) * 2017-02-08 2018-08-14 福特全球技术公司 龙卷风探测系统和方法
CN108710689A (zh) * 2018-05-22 2018-10-26 中国华能集团清洁能源技术研究院有限公司 一种风电场气象数据管理系统及方法
CN108717194A (zh) * 2018-05-21 2018-10-30 中国科学技术大学 一种复合体制多普勒测风激光雷达
CN108953060A (zh) * 2018-03-30 2018-12-07 浙江大学 基于激光雷达测风仪的风电场场级偏航控制方法
CN109086534A (zh) * 2018-08-10 2018-12-25 国电联合动力技术有限公司 一种基于cfd流体力学模型的风电场尾流订正方法及系统
CN109284479A (zh) * 2018-09-30 2019-01-29 上海电气风电集团有限公司 一种获取自然界流场能量最大跟踪的方法
CN109358343A (zh) * 2018-08-23 2019-02-19 浙江胄天科技股份有限公司 一种激光浮标雷达测风数据的校正方法
WO2020103677A1 (zh) * 2018-11-21 2020-05-28 国网青海省电力公司 数值天气预报的气象要素数据处理方法及装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014018956A1 (en) * 2012-07-27 2014-01-30 Texas Tech University System System and method for evaluating wind flow fields using remote sensing devices
US20190084676A1 (en) * 2017-09-18 2019-03-21 General Electric Company Systems and methods for providing visual identification of a wind turbine flow field

Patent Citations (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1299779B1 (de) * 2000-07-07 2005-11-30 Max-Planck-Gesellschaft zur Förderung der Wissenschaften e.V. Verfahren und vorrichtung zur verarbeitung und vorhersage von strömungsparametern turbulenter medien
US6411871B1 (en) * 2000-08-05 2002-06-25 American Gnc Corporation Autonomous navigation, guidance and control using LDRI
CN101788692A (zh) * 2009-11-24 2010-07-28 西北电网有限公司 基于神经网络的短时风速预报方法
CN104487865A (zh) * 2012-03-23 2015-04-01 文达光电股份有限公司 多方向激光雷达系统
CN102663251A (zh) * 2012-04-09 2012-09-12 华北电力大学 基于计算流体力学模型的风电场功率物理预测方法
CN102662180A (zh) * 2012-05-22 2012-09-12 广东省电力设计研究院 海上测风装置及量测方法
CN103500370A (zh) * 2013-10-21 2014-01-08 华北电力大学 动态风电场风向坐标预计算系统建立方法
WO2016111861A1 (en) * 2015-01-08 2016-07-14 Nec Laboratories America, Inc. Remote wind turbulence sensing
CN204903763U (zh) * 2015-07-17 2015-12-23 中国能源建设集团云南省电力设计院有限公司 一种海上风电场水文气象条件测量系统
WO2017034217A1 (en) * 2015-08-21 2017-03-02 Samsung Electronics Co., Ltd. Apparatus and method for user-configurable interactive region monitoring
CN105569923A (zh) * 2016-01-13 2016-05-11 湖南世优电气股份有限公司 一种大型风电机组的雷达辅助载荷优化控制方法
EP3312630A1 (en) * 2016-10-24 2018-04-25 Korea Meteorological Administration Remote observation system and method for aerosol, cloud and rainfall
CN108398686A (zh) * 2017-02-08 2018-08-14 福特全球技术公司 龙卷风探测系统和方法
CN107239856A (zh) * 2017-05-31 2017-10-10 华北电力大学 一种风向数据插补方法
CN206863224U (zh) * 2017-07-03 2018-01-09 福建省新能海上风电研发中心有限公司 一种海上测风平台
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
CN207249725U (zh) * 2017-09-07 2018-04-17 南方电网科学研究院有限责任公司 一种台风预警系统
CN107527120A (zh) * 2017-09-07 2017-12-29 南方电网科学研究院有限责任公司 一种台风预警的方法及装置
CN107944774A (zh) * 2017-12-28 2018-04-20 华润电力技术研究院有限公司 一种风电场建设方案优化系统
CN108063460A (zh) * 2018-01-03 2018-05-22 华北电力大学 能量管理系统及风电场
CN108953060A (zh) * 2018-03-30 2018-12-07 浙江大学 基于激光雷达测风仪的风电场场级偏航控制方法
CN108717194A (zh) * 2018-05-21 2018-10-30 中国科学技术大学 一种复合体制多普勒测风激光雷达
CN108710689A (zh) * 2018-05-22 2018-10-26 中国华能集团清洁能源技术研究院有限公司 一种风电场气象数据管理系统及方法
CN109086534A (zh) * 2018-08-10 2018-12-25 国电联合动力技术有限公司 一种基于cfd流体力学模型的风电场尾流订正方法及系统
CN109358343A (zh) * 2018-08-23 2019-02-19 浙江胄天科技股份有限公司 一种激光浮标雷达测风数据的校正方法
CN109284479A (zh) * 2018-09-30 2019-01-29 上海电气风电集团有限公司 一种获取自然界流场能量最大跟踪的方法
WO2020103677A1 (zh) * 2018-11-21 2020-05-28 国网青海省电力公司 数值天气预报的气象要素数据处理方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"Windcube激光雷达与测风塔测风结果对比";王乔乔等;《气象科技》;20130228;第41卷(第1期) *
"基于激光雷达测风仪的复杂地形风电机组自由流风速测试方法研究";张伟等;《华电技术》;20161231;第38卷(第12期) *
"复杂山地风电场的风能资源分析及评估";徐丹等;《能源·电力》;20161231 *

Also Published As

Publication number Publication date
CN109946765A (zh) 2019-06-28

Similar Documents

Publication Publication Date Title
JP5910025B2 (ja) 風力発電量予測システム、そのプログラム
CN110031877B (zh) 一种基于grnn模型的区域nwp对流层延迟改正方法
CN104702685B (zh) 基于后向轨迹的污染源追踪方法及其系统
CN109946765B (zh) 风电场的流场的预测方法和系统
JP6034361B2 (ja) 気象予測装置及び気象予測方法
CN110094300B (zh) 风电机组的对风偏差矫正方法、装置、设备及介质
JP2015137903A (ja) 日射強度推定装置、日射強度推定システム及び日射強度推定方法
CN109241212B (zh) 基于中尺度数值大气模式与高分辨率历史降雨反演方法
CN111340307A (zh) 预测风机风力发电功率的方法以及相关装置
CN109781116B (zh) 基于有源传感器均值迭代的误差自校准融合定位方法
CN103674904A (zh) 红外特性测量中大气传输快速修正方法
CN111090932B (zh) 一种适应中等复杂地形的在运风电场场地标定方法
CN115693666B (zh) 基于卫星反演的海上风电场发电量确定方法及系统
CN113177325A (zh) 复杂地形下校正标准k-ε模型可调参数方法、装置及存储介质
CN110765640B (zh) 一种转子有效风速的计算方法、系统及设备
CN209802285U (zh) 一种通信基站天线形变的监测系统
CN116027459B (zh) 基于数值天气预报数据的大气加权平均温度的计算方法
CN115271262B (zh) 一种广域风力发电功率预测方法、装置及存储介质
CN108593968B (zh) 风速仪修正系数的确定方法及装置
CN110094299B (zh) 风电机组的偏航对风自矫正方法和设备
CN105528735A (zh) 基于量测风速与空间相关性的异常数据点的校正方法
CN112541620B (zh) 一种预测精度及效率高的台风风暴增水预测方法及系统
CN109813339B (zh) 一种分段式大气改正的全站仪测距方法及系统
KR102365071B1 (ko) 대기모델 바람예측 자료의 검보정 고도화를 통한 모델 예측정확도 개선을 위한 장치 및 방법
CN114353831A (zh) 一种船载usb测角误差修正模型及其实现方法

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 200233 Caobao Road, Xuhui District, Shanghai, No. 115

Applicant after: Shanghai Electric Wind Power Group Co., Ltd

Address before: 200233 Caobao Road, Xuhui District, Shanghai, No. 115

Applicant before: Shanghai Electric Wind Power Group Co., Ltd.

GR01 Patent grant
GR01 Patent grant