CN109992888A - 风电场的风资源情况的评估方法及系统 - Google Patents
风电场的风资源情况的评估方法及系统 Download PDFInfo
- Publication number
- CN109992888A CN109992888A CN201910260606.1A CN201910260606A CN109992888A CN 109992888 A CN109992888 A CN 109992888A CN 201910260606 A CN201910260606 A CN 201910260606A CN 109992888 A CN109992888 A CN 109992888A
- Authority
- CN
- China
- Prior art keywords
- wind
- time series
- power plant
- series data
- resources
- 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 79
- 239000012530 fluid Substances 0.000 claims abstract description 39
- 238000005259 measurement Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 10
- 238000004088 simulation Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 230000005611 electricity Effects 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 2
- 230000002123 temporal effect Effects 0.000 claims 4
- 230000007774 longterm Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000008638 plant developmental process Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- 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
- 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
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Public Health (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Indicating Or Recording The Presence, Absence, Or Direction Of Movement (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种风电场的风资源情况的评估方法及系统,评估方法包括:获取风电场中的测风塔在第一设定时间段内测得的第一风资源时间序列数据;获取在第二设定时间段内测得的风电场的雷达图像时间序列数据,获取风电场在第二设定时间段内的第二风资源时间序列数据;根据第二风资源时间序列数据对第一风资源时间序列数据进行修正,获取在第二设定时间段内测风塔处的目标测风时间序列数据;根据目标测风时间序列数据建立流体模型,以获取风电场在第二设定时间段内的目标风资源图谱。本发明降低了现有的风电场的流场测量的误差,提升了风电场的风资源情况评估的准确度,提高了风电场发电量预测的准确性。
Description
技术领域
本发明涉及数据处理技术领域,特别涉及一种风电场的风资源情况的评估方法及系统。
背景技术
传统的风电场内风资源情况的评估主要依靠在风电场内树立1~4个测风塔,进行1~2年的测风,从而得到风电场内代表性点位的风资源情况。具体地,根据测风塔获取的测风数据建立CFD(Computational Fluid Dynamics,计算流体动力学)仿真模型,模拟风电场全场中每个格点处的风资源情况。
但是,传统的风资源情况的评估方法的准确性受到很多因素的制约,如:1)时间因素,测风时间需要至少满足一个完整年,而随着现有的测风时间段的缩短,测风数据时间代表性不足,单一地依靠测风塔的测风数据进行风资源评估存在很大的偏差;2)空间因素,对于不同地形的山地风电场,为满足风资源评估的准确性要求,要求测风塔在空间上距离机位点不能太远,下垫面、海拔要与机位点接近,而且测风塔最好要在风电场主风向的上风向;3)要求测风塔测风高度需要达到轮毂高度;而在实际的风电场开发过程中,测风数据往往无法满足上述三条中的一条或是多条的要求。在这种情况下,单一地依靠测风塔的测风数据进行风资源评估的准确性就容易存在很大的偏差。
发明内容
本发明要解决的技术问题是现有技术中依靠测风塔的测风数据进行风资源评估,评估的准确性就容易存在很大的偏差等缺陷,目的在于提供一种风电场的风资源情况的评估方法及系统。
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风资源情况的评估方法,所述评估方法包括:
获取风电场中的测风塔在第一设定时间段内测得的所述测风塔处的第一风资源时间序列数据;
获取在第二设定时间段内测得的所述风电场的雷达图像时间序列数据,并根据所述雷达图像时间序列数据获取所述风电场在所述第二设定时间段内的第二风资源时间序列数据;
其中,所述第二设定时间段包含所述第一设定时间段;
根据所述第二风资源时间序列数据对所述第一风资源时间序列数据进行修正,获取在所述第二设定时间段内所述测风塔处的目标测风时间序列数据;
根据所述目标测风时间序列数据建立流体模型,以获取所述风电场在所述第二设定时间段内的目标风资源图谱。
较佳地,所述获取在第二设定时间段内测得的所述风电场的雷达图像时间序列数据的步骤包括:
获取装载在卫星设备上的第一雷达设备在第二设定时间段内测得的所述风电场的雷达图像时间序列数据;
所述风电场中布置有第二雷达设备,所述第二雷达设备的测量精度高于所述第一雷达设备的测量精度;
所述评估方法还包括:
根据所述第二雷达设备获取所述风电场在第三设定时间段内的流场时间序列数据;
其中,所述第二设定时间段包含所述第三设定时间段;
所述流场时间序列数据用于表征整个所述风电场在所述第三设定时间段内的风资源情况的数据;
所述根据所述目标测风时间序列数据建立流体模型,获取所述风电场的目标风资源图谱的步骤包括:
采用CFD仿真软件对所述目标测风时间序列数据进行仿真处理,以建立所述流体模型;
根据所述流体模型获取所述风电场的第一风资源图谱;
根据所述流场时间序列数据对处于所述第二设定时间段内的所述第一风资源图谱进行修正处理,以获取所述目标风资源图谱。
较佳地,所述第一雷达设备包括合成孔径雷达;
所述第二雷达设备包括扫描式激光雷达或声雷达。
较佳地,所述根据所述雷达图像时间序列数据获取所述风电场在所述第二设定时间段内的第二风资源时间序列数据的步骤包括:
采用图像反演技术对所述雷达图像时间序列数据进行处理,以获取所述风电场的在所述第二设定时间段内的所述第二风资源时间序列数据。
较佳地,所述图像反演技术包括用于获取与所述雷达图像时间序列数据对应的风向信息的快速傅里叶变换法、局部梯度法、小波分析法或正则化法方法;
所述图像反演技术还包括用于获取与所述雷达图像时间序列数据对应的风速信息的地球物理模式函数。
较佳地,所述第一风资源时间序列数据包括第一风向时间序列数据和/或第一风速时间序列数据;
所述第二风资源时间序列数据包括第二风向时间序列数据和/或第二风速时间序列数据。
本发明还提供一种风电场的风资源情况的评估系统,所述评估系统包括第一数据获取模块、雷达图像数据获取模块、第二数据获取模块、修正模块和流体模型建立模块;
所述第一数据获取模块用于获取风电场中的测风塔在第一设定时间段内测得的所述测风塔处的第一风资源时间序列数据;
所述雷达图像数据获取模块用于获取在第二设定时间段内测得的所述风电场的雷达图像时间序列数据;
所述第二数据获取模块用于根据所述雷达图像时间序列数据获取所述风电场在所述第二设定时间段内的第二风资源时间序列数据;
其中,所述第二设定时间段包含所述第一设定时间段;
所述修正模块用于根据所述第二风资源时间序列数据对所述第一风资源时间序列数据进行修正,获取在所述第二设定时间段内所述测风塔处的目标测风时间序列数据;
所述流体模型建立模块用于根据所述目标测风时间序列数据建立流体模型,以获取所述风电场在所述第二设定时间段内的目标风资源图谱。
较佳地,所述雷达图像数据获取模块还用于获取装载在卫星设备上的第一雷达设备在第二设定时间段内测得的所述风电场的雷达图像时间序列数据;
所述风电场中布置有第二雷达设备,所述第二雷达设备的测量精度高于所述第一雷达设备的测量精度;
所述评估系统还包括流场数据获取模块;
所述流场数据获取模块用于根据所述第二雷达设备获取所述风电场在第三设定时间段内的流场时间序列数据;
其中,所述第二设定时间段包含所述第三设定时间段;所述流场时间序列数据用于表征整个所述风电场在所述第三设定时间段内的风资源情况的数据;
所述流体模型建立模块包括模型建立单元、图谱获取单元和修正单元;
所述模型建立单元用于采用CFD仿真软件对所述目标测风时间序列数据进行仿真处理,以建立所述流体模型;
所述图谱获取单元用于根据所述流体模型获取所述风电场的第一风资源图谱;
所述修正单元用于根据所述流场时间序列数据对处于所述第二设定时间段内的所述第一风资源图谱进行修正处理,以获取所述目标风资源图谱。
较佳地,所述第一雷达设备包括合成孔径雷达;
所述第二雷达设备包括扫描式激光雷达或声雷达。
较佳地,所述第二数据获取模块用于采用图像反演技术对所述雷达图像时间序列数据进行处理,以获取所述风电场的在所述第二设定时间段内的所述第二风资源时间序列数据。
较佳地,所述图像反演技术包括用于获取与所述雷达图像时间序列数据对应的风向信息的快速傅里叶变换法、局部梯度法、小波分析法或正则化法方法;
所述图像反演技术还包括用于获取与所述雷达图像时间序列数据对应的风速信息的地球物理模式函数。
较佳地,所述第一风资源时间序列数据包括第一风向时间序列数据和/或第一风速时间序列数据;
所述第二风资源时间序列数据包括第二风向时间序列数据和/或第二风速时间序列数据。
本发明的积极进步效果在于:
本发明中,根据合成孔径雷达获取的雷达图像时间序列数据对测风塔测得的第一风资源时间序列数据进行修正,并根据修正后的数据建立流体模型,得到风电场的第一风资源图谱,再根据高精度的激光雷达或声雷达连续扫描某一时间段内的整个风电场的流场时间序列数据修正第一风资源图谱,得到目标风资源图谱,来评估所述风电场在第二设定时间段内的长期风资源情况,从而降低了现有的风电场的流场测量的误差,提升了风电场的风资源情况评估的准确度,提高了风电场发电量预测的准确性。
附图说明
图1为本发明实施例1的风电场的风资源情况的评估方法的流程图。
图2为本发明实施例2的风电场的风资源情况的评估方法的流程图。
图3为本发明实施例3的风电场的风资源情况的评估系统的结构示意图。
图4为本发明实施例4的风电场的风资源情况的评估系统的结构示意图。
具体实施方式
下面通过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。
实施例1
如图1所示,本实施例的风电场的风资源情况的评估方法包括:
S101、获取风电场中的测风塔在第一设定时间段内测得的测风塔处的第一风资源时间序列数据;
其中,第一风资源时间序列数据包括第一风向时间序列数据和/或第一风速时间序列数据;
S102、获取在第二设定时间段内测得的风电场的雷达图像时间序列数据;
具体地,通过装载在卫星设备上的第一雷达设备测得的风电场的雷达图像时间序列数据。
S103、根据雷达图像时间序列数据获取风电场在第二设定时间段内的第二风资源时间序列数据;
其中,第二风资源时间序列数据包括第二风向时间序列数据和/或第二风速时间序列数据。
第二设定时间段包含第一设定时间段;
S104、根据第二风资源时间序列数据对第一风资源时间序列数据进行修正,获取在第二设定时间段内测风塔处的目标测风时间序列数据;
S105、根据目标测风时间序列数据建立流体模型,以获取风电场在第二设定时间段内的目标风资源图谱。
本实施例中,根据第一雷达设备获取的雷达图像时间序列数据对测风塔测得的第一风资源时间序列数据进行修正,并根据修正后的数据建立流体模型,得到风电场的目标风资源图谱,来评估风电场在第二设定时间段内的长期风资源情况,从而降低了现有的风电场的流场测量的误差,提升了风电场的风资源情况评估的准确度,提高了风电场发电量预测的准确性。
实施例2
如图2所示,本实施例的风电场的风资源情况的评估方法是对实施例1的进一步改进,具体地:
本实施例中的风电场中布置有第二雷达设备,第二雷达设备的测量精度高于第一雷达设备的测量精度。
其中,第一雷达设备包括合成孔径雷达等,如弹载、地基、无人机、临近空间平台、手持式设备等多种形式或平台搭载的合成孔径雷达。合成孔径雷达能够全天时、全天候、高分辨率、大幅宽地对风电场进行微波成像。
第二雷达设备包括扫描式激光雷达或声雷达,例如TTUKa雷达、WindTracer激光雷达、DOE-X雷达(TTUKa雷达、WindTracer激光雷达、DOE-X雷达均为高精度的雷达)等。第二雷达设备的扫描范围可以达到风电场范围量级,通过将其在风电场内合适的点位,对风电场内的多个格点进行高精度且连续地扫描,获取整个风电场内风资源情况的数据。
步骤S103具体包括:
S1031、采用图像反演技术对雷达图像时间序列数据进行处理,以获取风电场的在第二设定时间段内的第二风资源时间序列数据。
其中,图像反演技术包括用于获取与雷达图像时间序列数据对应的风向信息的快速傅里叶变换法、局部梯度法、小波分析法、正则化法方法等;
图像反演技术还包括用于获取与雷达图像时间序列数据对应的风速信息的地球物理模式函数(包括CMOD4模式函数、CMOD5模式函数、CMOD-IFR2模式函数、CMOD5.N模式函数等)。
上述的各种图像反演技术均为现有的成熟技术,因此此处就不再赘述各种图像反演技术对雷达图像时间序列数据进行处理过程。
此外,图像反演技术不仅限于上述所列的几种,还可以包括其他能够基于雷达图像时间序列数据得到风电场的在第二设定时间段内的第二风资源时间序列数据的技术。
步骤S105之前还包括:
S106、根据第二雷达设备获取风电场在第三设定时间段内的流场时间序列数据;
其中,第二设定时间段包含第三设定时间段;
流场时间序列数据用于表征整个风电场在第三设定时间段内的风资源情况的数据。
步骤S105包括:
S1051、采用CFD仿真软件对目标测风时间序列数据进行仿真处理,以建立流体模型;
其中,CFD仿真软件包括WT、WindSim、Wasp(WT、WindSim、Wasp均为一种CFD仿真软件)等。
S1052、根据流体模型获取风电场的第一风资源图谱;
S1053、根据流场时间序列数据对处于第二设定时间段内的第一风资源图谱进行修正处理,以获取目标风资源图谱。
其中,修正处理的方法(即数据同化技术)包括4D-Var(四维变分同化算法)、集合卡尔曼滤波算法、4DSVD(一种同化算法)、调整变分等。
下面结合一个实例说明本实施例的风电场的风资源情况的评估方法的工作原理,具体内容如下:
以陆上复杂地形的风电场为例,1)获取该风电场中的测风塔在第一设定时间段内(如一年或两年)测得第一风资源时间序列数据;2)获取合成孔径雷达在第二设定时间段内(如10年)测得的雷达图像时间序列数据,采用图像反演技术对雷达图像时间序列数据进行处理,获取风电场的在第二设定时间段内的第二风资源时间序列数据;4)根据第二风资源时间序列数据对第一风资源时间序列数据进行修正,获取在第二设定时间段内测风塔处的目标测风时间序列数据;5)采用CFD仿真软件对目标测风时间序列数据进行仿真处理,以建立流体模型,以获取风电场的第一风资源图谱;6)根据激光雷达或者声雷达连续扫描风电场一段时间(如一个月或两个月),获取风电场在第三设定时间段内的流场时间序列数据,对处于第二设定时间段内的第一风资源图谱进行修正处理,以获取目标风资源图谱,由该目标风资源图谱评估整个风电场的长期风资源情况。
本实施例中,根据合成孔径雷达获取的雷达图像时间序列数据对测风塔测得的第一风资源时间序列数据进行修正,并根据修正后的数据建立流体模型,得到风电场的第一风资源图谱,再根据高精度的激光雷达或声雷达连续扫描某一时间段内的整个风电场的流场时间序列数据修正第一风资源图谱,得到目标风资源图谱,来评估所述风电场在第二设定时间段内的长期风资源情况,从而降低了现有的风电场的流场测量的误差,提升了风电场的风资源情况评估的准确度,提高了风电场发电量预测的准确性。
实施例3
如图3所示,本实施例的风电场的风资源情况的评估系统包括第一数据获取模块1、雷达图像数据获取模块2、第二数据获取模块3、修正模块4和流体模型建立模块5。
第一数据获取模块1用于获取风电场中的测风塔在第一设定时间段内测得的测风塔处的第一风资源时间序列数据;
其中,第一风资源时间序列数据包括第一风向时间序列数据和/或第一风速时间序列数据;
雷达图像数据获取模块2用于获取在第二设定时间段内测得的风电场的雷达图像时间序列数据;
具体地,通过装载在卫星设备上的第一雷达设备测得的风电场的雷达图像时间序列数据。
第二数据获取模块3用于根据雷达图像时间序列数据获取风电场在第二设定时间段内的第二风资源时间序列数据;
其中,第二风资源时间序列数据包括第二风向时间序列数据和/或第二风速时间序列数据,第二设定时间段包含第一设定时间段;
修正模块4用于根据第二风资源时间序列数据对第一风资源时间序列数据进行修正,获取在第二设定时间段内测风塔处的目标测风时间序列数据;
流体模型建立模块5用于根据目标测风时间序列数据建立流体模型,以获取风电场在第二设定时间段内的目标风资源图谱。
本实施例中,根据第一雷达设备获取的雷达图像时间序列数据对测风塔测得的第一风资源时间序列数据进行修正,并根据修正后的数据建立流体模型,得到风电场的目标风资源图谱,来评估风电场在第二设定时间段内的风资源情况,从而降低了现有的风电场的流场测量的误差,提升了风电场的风资源情况评估的准确度,提高了风电场发电量预测的准确性。
实施例4
如图4所示,本实施例的风电场的风资源情况的评估系统是对实施例3的进一步改进,具体地:
本实施例中的风电场中布置有第二雷达设备,第二雷达设备的测量精度高于第一雷达设备的测量精度。
其中,第一雷达设备包括合成孔径雷达等,如弹载、地基、无人机、临近空间平台、手持式设备等多种形式或平台搭载的合成孔径雷达。合成孔径雷达能够全天时、全天候、高分辨率、大幅宽地对风电场进行微波成像。
第二雷达设备包括扫描式激光雷达或声雷达,例如TTUKa雷达、WindTracer激光雷达、DOE-X雷达等。第二雷达设备的扫描范围可以达到风电场范围量级,通过将其在风电场内合适的点位,对风电场内的多个格点进行高精度且连续地扫描,获取整个风电场内风资源情况的数据。
第二数据获取模块3用于采用图像反演技术对雷达图像时间序列数据进行处理,以获取风电场的在所述第二设定时间段内的第二风资源时间序列数据。
其中,图像反演技术包括用于获取与雷达图像时间序列数据对应的风向信息的快速傅里叶变换法、局部梯度法、小波分析法、正则化法方法等;
图像反演技术还包括用于获取与雷达图像时间序列数据对应的风速信息的地球物理模式函数(包括CMOD4模式函数、CMOD5模式函数、CMOD-IFR2模式函数、CMOD5.N模式函数等)。
上述的各种图像反演技术均为现有的成熟技术,因此此处就不再赘述各种图像反演技术对雷达图像时间序列数据进行处理过程。
此外,图像反演技术不仅限于上述所列的几种,还可以包括其他能够基于雷达图像时间序列数据得到风电场的在第二设定时间段内的第二风资源时间序列数据的技术。
评估系统还包括流场数据获取模块6。
流场数据获取模块6用于根据第二雷达设备获取风电场在第三设定时间段内的流场时间序列数据;
其中,第二设定时间段包含第三设定时间段;
流场时间序列数据用于表征整个风电场在第三设定时间段内的风资源情况的数据。
流体模型建立模块5包括模型建立单元51、图谱获取单元52和修正单元53。
模型建立单元51用于采用CFD仿真软件对目标测风时间序列数据进行仿真处理,以建立流体模型;
其中,CFD仿真软件包括WT、WindSim、Wasp等。
图谱获取单元52用于根据流体模型获取风电场的第一风资源图谱;
修正单元53用于根据流场时间序列数据对处于第二设定时间段内的第一风资源图谱进行修正处理,以获取目标风资源图谱。
其中,修正处理的方法包括四维变分同化算法、集合卡尔曼滤波算法、4DSVD、调整变分等。
下面结合一个实例说明本实施例的风电场的风资源情况的评估方法的工作原理,具体内容如下:
以陆上复杂地形的风电场为例,1)获取该风电场中的测风塔在第一设定时间段内(如一年或两年)测得第一风资源时间序列数据;2)获取合成孔径雷达在第二设定时间段内(如10年)测得的雷达图像时间序列数据,采用图像反演技术对雷达图像时间序列数据进行处理,获取风电场的在第二设定时间段内的第二风资源时间序列数据;4)根据第二风资源时间序列数据对第一风资源时间序列数据进行修正,获取在第二设定时间段内测风塔处的目标测风时间序列数据;5)采用CFD仿真软件对目标测风时间序列数据进行仿真处理,以建立流体模型,以获取风电场的第一风资源图谱;6)根据激光雷达或者声雷达连续扫描风电场一段时间(如一个月或两个月),获取风电场在第三设定时间段内的流场时间序列数据,对处于第二设定时间段内的第一风资源图谱进行修正处理,以获取目标风资源图谱,由该目标风资源图谱评估整个风电场的长期风资源情况。
本实施例中,根据合成孔径雷达获取的雷达图像时间序列数据对测风塔测得的第一风资源时间序列数据进行修正,并根据修正后的数据建立流体模型,得到风电场的第一风资源图谱,再根据高精度的激光雷达或声雷达连续扫描某一时间段内的整个风电场的流场时间序列数据修正第一风资源图谱,得到目标风资源图谱,来评估所述风电场在第二设定时间段内的长期风资源情况,从而降低了现有的风电场的流场测量的误差,提升了风电场的风资源情况评估的准确度,提高了风电场发电量预测的准确性。
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作出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (12)
1.一种风电场的风资源情况的评估方法,其特征在于,所述评估方法包括:
获取风电场中的测风塔在第一设定时间段内测得的所述测风塔处的第一风资源时间序列数据;
获取在第二设定时间段内测得的所述风电场的雷达图像时间序列数据,并根据所述雷达图像时间序列数据获取所述风电场在所述第二设定时间段内的第二风资源时间序列数据;
其中,所述第二设定时间段包含所述第一设定时间段;
根据所述第二风资源时间序列数据对所述第一风资源时间序列数据进行修正,获取在所述第二设定时间段内所述测风塔处的目标测风时间序列数据;
根据所述目标测风时间序列数据建立流体模型,以获取所述风电场在所述第二设定时间段内的目标风资源图谱。
2.如权利要求1所述的风电场的风资源情况的评估方法,其特征在于,所述获取在第二设定时间段内测得的所述风电场的雷达图像时间序列数据的步骤包括:
获取装载在卫星设备上的第一雷达设备在第二设定时间段内测得的所述风电场的雷达图像时间序列数据;
所述风电场中布置有第二雷达设备,所述第二雷达设备的测量精度高于所述第一雷达设备的测量精度;
所述评估方法还包括:
根据所述第二雷达设备获取所述风电场在第三设定时间段内的流场时间序列数据;
其中,所述第二设定时间段包含所述第三设定时间段;
所述流场时间序列数据用于表征整个所述风电场在所述第三设定时间段内的风资源情况的数据;
所述根据所述目标测风时间序列数据建立流体模型,获取所述风电场的目标风资源图谱的步骤包括:
采用CFD仿真软件对所述目标测风时间序列数据进行仿真处理,以建立所述流体模型;
根据所述流体模型获取所述风电场的第一风资源图谱;
根据所述流场时间序列数据对处于所述第二设定时间段内的所述第一风资源图谱进行修正处理,以获取所述目标风资源图谱。
3.如权利要求2所述的风电场的风资源情况的评估方法,其特征在于,所述第一雷达设备包括合成孔径雷达;
所述第二雷达设备包括扫描式激光雷达或声雷达。
4.如权利要求1所述的风电场的风资源情况的评估方法,其特征在于,所述根据所述雷达图像时间序列数据获取所述风电场在所述第二设定时间段内的第二风资源时间序列数据的步骤包括:
采用图像反演技术对所述雷达图像时间序列数据进行处理,以获取所述风电场的在所述第二设定时间段内的所述第二风资源时间序列数据。
5.如权利要求4所述的风电场的风资源情况的评估方法,其特征在于,所述图像反演技术包括用于获取与所述雷达图像时间序列数据对应的风向信息的快速傅里叶变换法、局部梯度法、小波分析法或正则化法方法;
所述图像反演技术还包括用于获取与所述雷达图像时间序列数据对应的风速信息的地球物理模式函数。
6.如权利要求1所述的风电场的风资源情况的评估方法,其特征在于,所述第一风资源时间序列数据包括第一风向时间序列数据和/或第一风速时间序列数据;
所述第二风资源时间序列数据包括第二风向时间序列数据和/或第二风速时间序列数据。
7.一种风电场的风资源情况的评估系统,其特征在于,所述评估系统包括第一数据获取模块、雷达图像数据获取模块、第二数据获取模块、修正模块和流体模型建立模块;
所述第一数据获取模块用于获取风电场中的测风塔在第一设定时间段内测得的所述测风塔处的第一风资源时间序列数据;
所述雷达图像数据获取模块用于获取在第二设定时间段内测得的所述风电场的雷达图像时间序列数据;
所述第二数据获取模块用于根据所述雷达图像时间序列数据获取所述风电场在所述第二设定时间段内的第二风资源时间序列数据;
其中,所述第二设定时间段包含所述第一设定时间段;
所述修正模块用于根据所述第二风资源时间序列数据对所述第一风资源时间序列数据进行修正,获取在所述第二设定时间段内所述测风塔处的目标测风时间序列数据;
所述流体模型建立模块用于根据所述目标测风时间序列数据建立流体模型,以获取所述风电场在所述第二设定时间段内的目标风资源图谱。
8.如权利要求1所述的风电场的风资源情况的评估系统,其特征在于,所述雷达图像数据获取模块还用于获取装载在卫星设备上的第一雷达设备在第二设定时间段内测得的所述风电场的雷达图像时间序列数据;
所述风电场中布置有第二雷达设备,所述第二雷达设备的测量精度高于所述第一雷达设备的测量精度;
所述评估系统还包括流场数据获取模块;
所述流场数据获取模块用于根据所述第二雷达设备获取所述风电场在第三设定时间段内的流场时间序列数据;
其中,所述第二设定时间段包含所述第三设定时间段;
所述流场时间序列数据用于表征整个所述风电场在所述第三设定时间段内的风资源情况的数据;
所述流体模型建立模块包括模型建立单元、图谱获取单元和修正单元;
所述模型建立单元用于采用CFD仿真软件对所述目标测风时间序列数据进行仿真处理,以建立所述流体模型;
所述图谱获取单元用于根据所述流体模型获取所述风电场的第一风资源图谱;
所述修正单元用于根据所述流场时间序列数据对对处于所述第二设定时间段内的所述第一风资源图谱进行修正处理,以获取所述目标风资源图谱。
9.如权利要求8所述的风电场的风资源情况的评估系统,其特征在于,所述第一雷达设备包括合成孔径雷达;
所述第二雷达设备包括扫描式激光雷达或声雷达。
10.如权利要求7所述的风电场的风资源情况的评估系统,其特征在于,所述第二数据获取模块用于采用图像反演技术对所述雷达图像时间序列数据进行处理,以获取所述风电场的在所述第二设定时间段内的所述第二风资源时间序列数据。
11.如权利要求10所述的风电场的风资源情况的评估系统,其特征在于,所述图像反演技术包括用于获取与所述雷达图像时间序列数据对应的风向信息的快速傅里叶变换法、局部梯度法、小波分析法或正则化法方法;
所述图像反演技术还包括用于获取与所述雷达图像时间序列数据对应的风速信息的地球物理模式函数。
12.如权利要求7所述的风电场的风资源情况的评估系统,其特征在于,所述第一风资源时间序列数据包括第一风向时间序列数据和/或第一风速时间序列数据;
所述第二风资源时间序列数据包括第二风向时间序列数据和/或第二风速时间序列数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910260606.1A CN109992888B (zh) | 2019-04-02 | 2019-04-02 | 风电场的风资源情况的评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910260606.1A CN109992888B (zh) | 2019-04-02 | 2019-04-02 | 风电场的风资源情况的评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109992888A true CN109992888A (zh) | 2019-07-09 |
CN109992888B CN109992888B (zh) | 2023-06-09 |
Family
ID=67132158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910260606.1A Active CN109992888B (zh) | 2019-04-02 | 2019-04-02 | 风电场的风资源情况的评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109992888B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111651896A (zh) * | 2020-06-18 | 2020-09-11 | 浙江理工大学 | 一种基于实际风速及实际复杂地形的风电场流场计算方法 |
CN111753415A (zh) * | 2020-06-16 | 2020-10-09 | 上海电气风电集团股份有限公司 | 风电场的流场重构方法、装置及可读存储介质 |
CN113743028A (zh) * | 2021-07-28 | 2021-12-03 | 国电联合动力技术有限公司 | 一种计算全区域长期风资源序列的方法和装置 |
CN115345091A (zh) * | 2022-09-02 | 2022-11-15 | 北京瑞科同创能源科技有限公司 | 一种基于cfd的测风雷达校正方法和装置、电子设备及储存介质 |
CN115693666A (zh) * | 2022-12-30 | 2023-02-03 | 中国华能集团清洁能源技术研究院有限公司 | 基于卫星反演的海上风电场发电量确定方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN104166948A (zh) * | 2014-08-20 | 2014-11-26 | 中国长江三峡集团公司 | 一种利用Globcover土地覆盖数据评估风电场风能资源的方法 |
CN107153894A (zh) * | 2017-06-02 | 2017-09-12 | 北京金风科创风电设备有限公司 | 一种风电场的预测风速校正方法及装置 |
CN108918905A (zh) * | 2018-07-09 | 2018-11-30 | 新疆金风科技股份有限公司 | 风力发电机组风速的预测方法及装置 |
-
2019
- 2019-04-02 CN CN201910260606.1A patent/CN109992888B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN104166948A (zh) * | 2014-08-20 | 2014-11-26 | 中国长江三峡集团公司 | 一种利用Globcover土地覆盖数据评估风电场风能资源的方法 |
CN107153894A (zh) * | 2017-06-02 | 2017-09-12 | 北京金风科创风电设备有限公司 | 一种风电场的预测风速校正方法及装置 |
CN108918905A (zh) * | 2018-07-09 | 2018-11-30 | 新疆金风科技股份有限公司 | 风力发电机组风速的预测方法及装置 |
Non-Patent Citations (2)
Title |
---|
李正泉等: "海上风能资源观测与评估研究进展", 《地球科学进展》 * |
马致远等: "基于优化CFD模型的风电场风速数值模拟", 《可再生能源》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111753415A (zh) * | 2020-06-16 | 2020-10-09 | 上海电气风电集团股份有限公司 | 风电场的流场重构方法、装置及可读存储介质 |
CN111651896A (zh) * | 2020-06-18 | 2020-09-11 | 浙江理工大学 | 一种基于实际风速及实际复杂地形的风电场流场计算方法 |
CN113743028A (zh) * | 2021-07-28 | 2021-12-03 | 国电联合动力技术有限公司 | 一种计算全区域长期风资源序列的方法和装置 |
CN115345091A (zh) * | 2022-09-02 | 2022-11-15 | 北京瑞科同创能源科技有限公司 | 一种基于cfd的测风雷达校正方法和装置、电子设备及储存介质 |
CN115693666A (zh) * | 2022-12-30 | 2023-02-03 | 中国华能集团清洁能源技术研究院有限公司 | 基于卫星反演的海上风电场发电量确定方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109992888B (zh) | 2023-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109992888A (zh) | 风电场的风资源情况的评估方法及系统 | |
Cook | An evaluation of the effectiveness of low-cost UAVs and structure from motion for geomorphic change detection | |
CN104613944B (zh) | 一种基于gwr和bp神经网络的分布式水深预测方法 | |
CN106767687A (zh) | 一种利用遥感含水量测量滩涂高程的方法 | |
CN109657418A (zh) | 一种基于mike21的湖泊水环境容量计算方法 | |
CN111487216B (zh) | 一种二氧化碳通量反演方法、系统 | |
CN102901985B (zh) | 一种适用于起伏地表的深度域层速度修正方法 | |
CN109555654A (zh) | 基于风机模型重构的叶片自动跟踪检测方法及系统 | |
Duong et al. | Assessing climate change impacts on the stability of small tidal inlets: Part 2-Data rich environments | |
Dai et al. | UAV photogrammetry for elevation monitoring of intertidal mudflats | |
CN108959705A (zh) | 一种预测大面积亚热带森林生物量的混合效应模型 | |
CN116561509A (zh) | 顾及植被类型的城市植被地上生物量精确反演方法及系统 | |
Assireu et al. | EOSOLAR Project: Assessment of wind resources of a coastal equatorial region of Brazil—Overview and preliminary results | |
CN117078033A (zh) | 一种台风灾害影响评估方法、装置及计算机 | |
Eichmanns et al. | Influence of sand trapping fences on dune toe growth and its relation with potential aeolian sediment transport | |
CN111489063A (zh) | 一种评估风力发电机对周边环境影响的方法及系统 | |
CN104166948A (zh) | 一种利用Globcover土地覆盖数据评估风电场风能资源的方法 | |
Geng et al. | Application of a hypergeometric model in simulating canopy gap fraction and BRF for forest plantations on sloping terrains | |
Liu et al. | Evaluating the sand-trapping efficiency of sand fences using a combination of wind-blown sand measurements and UAV photogrammetry at tottori sand dunes, Japan | |
Zhang et al. | Reconstruction of cropland spatial patterns and its spatiotemporal changes over the 20th century on the Songnen Plain, Northeast China | |
CN117035174A (zh) | 一种木麻黄单木地上生物量的估算方法与系统 | |
Maselli et al. | Validating an integrated strategy to model net land carbon exchange against aircraft flux measurements | |
Schlager et al. | Generation of high-resolution wind fields from the WegenerNet dense meteorological station network in southeastern Austria | |
Poulsen et al. | Validation of WRF generated wind field in complex terrain | |
Anders et al. | Influence of spatial and temporal resolution on time series-based coastal surface change analysis using hourly terrestrial laser scans |
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 |