CN110187363B - 适用于大型风电基地的测风方法、系统、设备和存储介质 - Google Patents

适用于大型风电基地的测风方法、系统、设备和存储介质 Download PDF

Info

Publication number
CN110187363B
CN110187363B CN201910511119.8A CN201910511119A CN110187363B CN 110187363 B CN110187363 B CN 110187363B CN 201910511119 A CN201910511119 A CN 201910511119A CN 110187363 B CN110187363 B CN 110187363B
Authority
CN
China
Prior art keywords
wind
radar
measuring
measurement
wind measurement
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
CN201910511119.8A
Other languages
English (en)
Other versions
CN110187363A (zh
Inventor
冯烨
彭明
范俊生
缪骏
蒋勇
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 CN201910511119.8A priority Critical patent/CN110187363B/zh
Publication of CN110187363A publication Critical patent/CN110187363A/zh
Application granted granted Critical
Publication of CN110187363B publication Critical patent/CN110187363B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/003—Bistatic lidar systems; Multistatic lidar systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/95—Lidar systems specially adapted for specific applications for meteorological use
    • 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
    • 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)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Electromagnetism (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (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)
  • Wind Motors (AREA)

Abstract

本发明公开了一种适用于大型风电基地的测风方法、系统、设备和存储介质，测风方法包括：根据风电场的面积选取风电场内n个测风点，n为大于2的整数；将n个测风点中至少部分的测风点按照地理位置分为m组，在每组内设置一台激光雷达，m为大于1的整数；在预设测风时间期间，分别对每组内的各测风点采用对应的一台激光雷达进行循环测风，以得到每个测风点对应的间断性的雷达测风数据；对每个测风点对应的间断性的雷达测风数据进行插补，以得到每个测风点在预设测风时间期间内的连续的插补后的雷达测风数据。本发明能够保证测风的覆盖度，在保证测风数据代表性好的前提下有效降低了因需要树立多个测风塔导致的巨额成本，保证风资源评估的准确度。

Description

适用于大型风电基地的测风方法、系统、设备和存储介质
技术领域
本发明属于风电场风资源探测领域，特别涉及一种适用于大型风电基地的测风方法、系统、设备和存储介质。
背景技术
为准确地估算风电项目的收益率，保证项目盈利，需要确保在前期测风阶段精准地获取整个场区的风资源状况。大型风电基地由于其场区面积大，覆盖范围广，风电场内不同区域风资源很可能存在较大的空间差异。传统的测风方案为在风电场的场区内选取具有代表性的点位建立测风塔，进行定点测风，每个测风塔代表其周边一定范围内的风资源情况，通过树立多个测风塔获取整个区域的风资源情况。为了降低风资源模型水平外推不确定度，测风塔的代表范围在平原地区一般不宜超过5km(千米)，缓坡山地和丘陵一般不宜超过3km，而复杂山地一般不宜超过2km。以乌兰察布风电基地一期600万千瓦示范项目为例，其规划面积为3800平方公里，按测风塔空间代表性取5km计算，为满足测风要求，需要布置约40个测风塔才能准确地捕获整个区域的风资源情况。也就是说，对于大型风电基地需要在场区内布置多个测风塔进行测风才能满足要求，由此导致巨大的测风成本。
发明内容
本发明要解决的技术问题是为了克服现有技术中大型风电基地由于其场区面积大，覆盖范围广，需要在场区内布置多个测风塔进行测风才能满足要求，由此导致测风成本高的缺陷，提供一种针对大型风电基地能够保证测风数据代表性好同时还能降低测风成本的适用于大型风电基地的测风方法、系统、设备和存储介质。
本发明是通过下述技术方案来解决上述技术问题：
本发明实施例提供了一种适用于大型风电基地的测风方法，包括以下步骤：
根据风电场的面积选取所述风电场内n个测风点，n为大于2的整数；
将n个所述测风点中至少部分的所述测风点按照地理位置分为m组，在每组内设置一台激光雷达，m为大于1的整数；
在预设测风时间期间，分别对每组内的各所述测风点采用对应的一台所述激光雷达进行循环测风，以得到每个所述测风点对应的间断性的雷达测风数据；
对每个所述测风点对应的所述间断性的雷达测风数据进行插补，以得到每个所述测风点在所述预设测风时间期间内的连续的插补后的雷达测风数据。
本方案中，通过将大型风电基地按照地理位置分组，并在每组内设置若干个测风点，每一组内使用一台激光雷达对组内的多个点进行循环测风，然后再使用插补法得到整个风电场的插补后的雷达测风数据。后续利用该插补后的雷达测风数据能够实现对大型风电基地的风资源的评估。具体为将插补后的雷达测风数据输入至风资源软件能够计算得到全场的风资源图谱。
本方案针对大型风电基地提出了一种新的测风方案，通过采用激光雷达进行机动循环测风，能够尽可能地获取场址内多个点位的风资源情况，保证测风的覆盖度，在保证测风数据代表性好的前提下，有效降低了因需要树立多个测风塔而导致的巨额成本，同时保证风资源评估的准确度。
较佳地，所述将n个所述测风点中至少部分的所述测风点按照地理位置分为m组为：将n个所述测风点按照地理位置分为m组；
所述对每个所述测风点对应的所述间断性的雷达测风数据进行插补包括：
利用中尺度再分析气象数据或附近气象站的观测数据对每个所述测风点对应的所述间断性的雷达测风数据进行插补。
较佳地，所述测风方法还包括以下步骤：在n个所述测风点中选取k个作为第一类测风点，剩余的n-k个作为第二类测风点，其中k为大于等于1的整数且k<n；在每个所述第一类测风点树立测风塔；使用每个所述测风塔获取对应的所述第一类测风点的连续的测风塔数据；
所述将n个所述测风点中至少部分的所述测风点按照地理位置分为m组为：将n-k个所述第二类测风点按照地理位置分为m组；
所述在预设测风时间期间，分别对每组内的各所述测风点采用对应的一台所述激光雷达进行循环测风，以得到每个所述测风点对应的间断性的雷达测风数据包括：在所述预设测风时间期间，分别对每组内的各所述第二类测风点采用对应的一台所述激光雷达进行循环测风，以得到每个所述第二类测风点对应的间断性的雷达测风数据；
所述对每个所述测风点对应的所述间断性的雷达测风数据进行插补，以得到每个所述测风点在所述预设测风时间期间内的连续的插补后的雷达测风数据包括：利用所述连续的测风塔数据对每个所述第二类测风点对应的所述间断性的雷达测风数据进行插补，以得到每个所述第二类测风点在所述预设测风时间期间内的连续的插补后的雷达测风数据。
较佳地，所述测风方法还包括以下步骤：对每组内的所述第二类测风点进行编号；
所述分别对每组内的各所述第二类测风点采用对应的一台所述激光雷达进行循环测风包括：按照每组内所述第二类测风点的编号的顺序，分别对每组内的每个所述第二类测风点依次进行测风，单次测风持续时间为10至15天，如此循环往复测风；
所述预设测风时间不小于一个完整年。
较佳地，所述利用所述连续的测风塔数据对每个所述第二类测风点对应的所述间断性的雷达测风数据进行插补，以得到每个所述第二类测风点在所述预设测风时间期间内的连续的插补后的雷达测风数据包括：
将每个所述间断性的雷达测风数据与距对应的所述第二类测风点最近的所述测风塔所对应的同期的所述测风塔数据按风向分为12个扇区，每个扇区建立线性回归方程y＝kix+bi，其中y表示所述间断性的雷达测风数据，x表示所述测风塔数据，k和b为拟合系数，下标i表示第i个扇区，利用回归方程补齐所述激光雷达的所述间断性的测风数据的数据段之间的空缺数据，以得到每个所述第二类测风点在所述预设测风时间期间内的连续的插补后的雷达测风数据。
较佳地，n不小于所述风电场的面积/100平方公里。
较佳地，每组内包括的所述测风点的数量小于等于6。
本发明另一实施例提供了一种适用于大型风电基地的测风系统，包括：
测风点选取模块，用于根据风电场的面积选取所述风电场内n个测风点，n为大于2的整数；
分组模块，用于将n个所述测风点中至少部分的所述测风点按照地理位置分为m组，在每组内设置一台激光雷达，m为大于1的整数；
循环测风模块，用于在预设测风时间期间，分别对每组内的各所述测风点采用对应的一台所述激光雷达进行循环测风，以得到每个所述测风点对应的间断性的雷达测风数据；
数据插补模块，用于对每个所述测风点对应的所述间断性的雷达测风数据进行插补，以得到每个所述测风点在所述预设测风时间期间内的连续的插补后的雷达测风数据。
较佳地，所述分组模块用于将n个所述测风点按照地理位置分为m组；所述数据插补模块用于利用中尺度再分析气象数据或附近气象站的观测数据对每个所述测风点对应的所述间断性的雷达测风数据进行插补，以得到每个所述测风点在所述预设测风时间期间内的连续的插补后的雷达测风数据。
较佳地，所述测风系统还包括测风点分类模块；
所述测风点分类模块用于：在n个所述测风点中选取k个作为第一类测风点，剩余的n-k个作为第二类测风点，其中k为大于等于1的整数且k<n；在每个所述第一类测风点树立测风塔；使用每个所述测风塔获取对应的所述第一类测风点的连续的测风塔数据；
所述将n个所述测风点中至少部分的所述测风点按照地理位置分为m组为：将n-k个所述第二类测风点按照地理位置分为m组；
所述在预设测风时间期间，分别对每组内的各所述测风点采用对应的一台所述激光雷达进行循环测风，以得到每个所述测风点对应的间断性的雷达测风数据包括：在所述预设测风时间期间，分别对每组内的各所述第二类测风点采用对应的一台所述激光雷达进行循环测风，以得到每个所述第二类测风点对应的间断性的雷达测风数据；
所述对每个所述测风点对应的所述间断性的雷达测风数据进行插补，以得到每个所述测风点在所述预设测风时间期间内的连续的插补后的雷达测风数据包括：利用所述连续的测风塔数据对每个所述第二类测风点对应的所述间断性的雷达测风数据进行插补，以得到每个所述第二类测风点在所述预设测风时间期间内的连续的插补后的雷达测风数据。
较佳地，所述测风系统还包括编号模块；
所述编号模块用于对每组内的所述第二类测风点进行编号；
所述分别对每组内的各所述第二类测风点采用对应的一台所述激光雷达进行循环测风包括：按照每组内所述第二类测风点的编号的顺序，分别对每组内的每个所述第二类测风点依次进行测风，单次测风持续时间为10至15天，如此循环往复测风；
所述预设测风时间不小于一个完整年。
较佳地，所述利用所述连续的测风塔数据对每个所述第二类测风点对应的所述间断性的雷达测风数据进行插补，以得到每个所述第二类测风点在所述预设测风时间期间内的连续的插补后的雷达测风数据包括：
将每个所述间断性的雷达测风数据与距对应的所述第二类测风点最近的所述测风塔所对应的同期的所述测风塔数据按风向分为12个扇区，每个扇区建立线性回归方程y＝kix+bi，其中y表示所述间断性的雷达测风数据，x表示所述测风塔数据，k和b为拟合系数，下标i表示第i个扇区，利用回归方程补齐所述激光雷达的所述间断性的测风数据的数据段之间的空缺数据，以得到每个所述第二类测风点在所述预设测风时间期间内的连续的插补后的雷达测风数据。
较佳地，n不小于所述风电场的面积/100平方公里。
较佳地，每组内包括的所述测风点的数量小于等于6。
本发明另一实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现前述实施例提供的适用于大型风电基地的测风方法。
本发明另一实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现前述实施例提供的适用于大型风电基地的测风方法的步骤。
本发明的积极进步效果在于：
本发明基于雷达测风数据，提出了一种新的适用于大型风电基地的测风方案，将大型风电基地按照地理位置分组，并在每组内设置若干个测风点，每一组内使用一台激光雷达对组内的多个点进行循环测风，能够尽可能地获取场址内多个点位的风资源情况，然后再使用插补法得到整个风电场的插补后的雷达测风数据。本发明能够保证测风的覆盖度，在保证测风数据代表性好的前提下，有效降低了因需要树立多个测风塔而导致的巨额成本，同时保证风资源评估的准确度。
进一步地，通过融合场区内少数固定测风塔的测风数据，可以保证较低的成本下，准确地获取全场的风资源情况。本发明可以降低大型风电基地项目前期测风成本，同时保证风电场风资源评估的准确性。
附图说明
图1为本发明实施例1的一种适用于大型风电基地的测风方法的流程图。
图2为本发明实施例2的一种适用于大型风电基地的测风方法的流程图。
图3为某大型风电基地示意图。
图4为本发明实施例3的一种适用于大型风电基地的测风系统的模块示意图。
图5为本发明实施例4的一种适用于大型风电基地的测风系统的模块示意图。
图6为本发明实施例5的电子设备的结构示意图。
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，本实施例提供了一种适用于大型风电基地的测风方法，具体包括以下步骤：
步骤101、根据风电场的面积选取风电场内具有代表性的n个测风点，n不小于所述风电场的面积/100平方公里，并且n为大于2的整数。
步骤102、将n个测风点按照地理位置分为m组，在每组内设置一台激光雷达，m为大于1的整数。
步骤103、在预设测风时间期间，分别对每组内的各测风点采用该组内的一台激光雷达进行循环测风，以得到每个测风点对应的间断性的雷达测风数据。
步骤104、利用中尺度再分析气象数据对每个测风点对应的间断性的雷达测风数据进行插补，以得到每个测风点在预设测风时间期间内的连续的插补后的雷达测风数据。
其中，中尺度再分析气象数据包括MERRA(美国国家航空航天局再分析数据)、MERRA2(美国国家航空航天局再分析数据第二版)、ERA-Interim(欧洲中期数值预报中心再分析数据)、CFSR(美国国家环境预报中心再分析数据)等，此类数据均可从相应机构的网站下载。
为了更好的理解本发明，基于本实施例提供的测风方法，以某个大型风电基地项目的前期测风阶段为例进一步说明。
首先，根据风电场的面积选取风电场内具有代表性的24个测风点(如场址内高程点较高且相对分散于整个场址的24个点)，也即n取24。
然后，将24个测风点按照地理位置分为4组，也即m取4，每组内包括6个测风点，将每组内的6个测风点分别编号为1、2、3、4、5、6。对于每组内的6个测风点，采用一台激光雷达进行循环测风。具体方法是，按测风点编号从小到大，对每个测风点依次进行测风，单次测风持续时间推荐取值为10天～15天，如此循环往复。预设测风时间取一整年，也即整个测风时间不小于一个完整年，最终能够得到24个测风点的间断性的雷达测风数据。
接着，利用中尺度再分析气象数据对每个测风点的雷达测风数据进行数据插补，使雷达测风数据在整个测风时间段内前后连续。现有技术中存在多种数据插补的实现方式。本实施例中具体插补方法为：将雷达测风数据与同期中尺度再分析气象数据按风向分为12个扇区，每个扇区建立线性回归方程y＝kix+bi，其中y表示雷达测风数据，x表示中尺度再分析气象数据，k和b为拟合系数，k和b具体取值的计算方式为现有技术，在此不再赘述。下标i表示第i个扇区，利用回归方程补齐雷达测风数据各数据段之间的空缺数据。
最后，利用插补后的雷达测风数据对整个风电场进行风资源评估。具体为，将插补后的雷达测风数据输入风资源软件(如WT(一种风资源评估软件)、WindSim(一种风资源评估软件)、WindPro(一种风资源评估软件)、WAsP(一种风资源评估软件)等)，对风电场进行风资源评估，最终得到全场的风资源图谱。
本实施例中，中尺度再分析气象数据也可以替换为附近气象站的观测数据。
本实施例提供的适用于大型风电基地的测风方法通过将大型风电基地按照地理位置分组，并在每组内设置若干个测风点，每一组内使用一台激光雷达对组内的多个点进行循环测风，然后再利用中尺度再分析气象数据使用插补法得到整个风电场的插补后的雷达测风数据。后续利用该插补后的雷达测风数据能够实现对大型风电基地的风资源的评估。本实施例针对大型风电基地提出了一种新的测风方案，通过采用激光雷达进行机动循环测风，能够尽可能地获取场址内多个点位的风资源情况，保证测风的覆盖度，在保证测风数据代表性好的前提下，有效降低了因需要树立多个测风塔而导致的巨额成本，同时保证风资源评估的准确度。
实施例2
如图2所示，本实施例提供了一种适用于大型风电基地的测风方法，具体包括以下步骤：
步骤201、根据风电场的面积选取风电场内具有代表性的n个测风点，n不小于所述风电场的面积/100平方公里，n为大于2的整数。
步骤202、在n个测风点中选取具有代表性的k个作为第一类测风点，剩余的n-k个作为第二类测风点，其中k为大于等于1的整数且k<n；在每个第一类测风点树立一个测风塔；使用每个测风塔获取对应的第一类测风点的连续的测风塔数据。
步骤203、将n-k个第二类测风点按照地理位置分为m组，对每组内的第二类测风点进行编号，在每组内设置一台激光雷达，m为大于1的整数。
步骤204、在预设测风时间期间，分别对每组内的各第二类测风点采用对应的一台激光雷达进行循环测风，以得到每个第二类测风点对应的间断性的雷达测风数据。
其中，循环测风具体包括：按照每组内第二类测风点的编号的顺序，分别对每组内的每个第二类测风点依次进行测风，单次测风持续时间为10至15天，如此循环往复测风，预设测风时间不小于一个完整年。
步骤205、利用连续的测风塔数据对每个第二类测风点对应的间断性的雷达测风数据进行插补，以得到每个第二类测风点在预设测风时间期间内的连续的插补后的雷达测风数据。
其中，具体的插补方式参考如下：将每个第二类测风点的间断性的雷达测风数据与距该第二类测风点最近的测风塔所对应的同期的测风塔数据按风向分为12个扇区，每个扇区建立线性回归方程y＝kix+bi，其中y表示间断性的雷达测风数据，x表示测风塔数据，k和b为拟合系数，下标i表示第i个扇区，利用回归方程补齐激光雷达的所述间断性的测风数据的数据段之间的空缺数据，以得到每个第二类测风点在预设测风时间期间内的连续的插补后的雷达测风数据。
为了更好的理解本发明，基于本实施例提供的测风方法，以某个大型风电基地项目的前期测风阶段为例进一步说明，其中图3为该大型风电基地示意图。
第一步，根据图3中的大型风电基地6的面积选取风电场内具有代表性的25个测风点(如场址内高程点较高且相对分散于整个场址的25个点)，也即n取25。
第二步，在25个测风点中选取最优的1个测风点(如场址中央)作为第一类测风点1树立测风塔5进行测风；将剩余未立测风塔的24个测风点作为第二类测风点2，将这24个第二类测风点2按照地理位置分为4组，即4个区域3，每组内包括6个第二类测风点2，将每组内的6个第二类测风点分别编号为1、2、3、4、5、6。对于每组内的6个第二类测风点2，采用一台激光雷达4进行循环测风。具体方法是，按测风点编号从小到大，对每个测风点依次进行测风，单次测风持续时间推荐取值为10天～15天，如此循环往复；预设测风时间取一整年，也即整个测风时间不小于一个完整年，得到24个第二类测风点2的间断性的雷达测风数据和1个第一类测风点的连续的测风塔数据。
第三步，对每个第二类测风点2的间断性的雷达测风数据，利用测风塔数据对其进行数据插补，使雷达测风数据在整个测风时间段内前后连续。具体插补方法为，将每个第二类测风点2的间断性的雷达测风数据与测风塔对应的同期的测风塔数据按风向分为12个扇区，每个扇区建立线性回归方程y＝kix+bi，其中y表示雷达测风数据，x表示测风塔数据，k和b为拟合系数，下标i表示第i个扇区，利用回归方程补齐雷达测风数据各数据段之间的空缺数据。
第四步，利用插补后的雷达测风数据对整个风电场进行风资源评估。具体为，将插补后的雷达测风数据及测风塔数据输入风资源软件，对风电场进行风资源评估，最终得到全场的风资源图谱。
本实施例提供的适用于大型风电基地的测风方法通过将大型风电基地按照地理位置分组，并在每组内设置若干个测风点，每一组内使用一台激光雷达对组内的多个点进行循环测风，通过融合场区内少数固定测风塔的测风数据，也就是利用测风塔数据使用插补法得到整个风电场的插补后的雷达测风数据。后续利用该插补后的雷达测风数据能够实现对大型风电基地的风资源的评估。本实施例针对大型风电基地提出了一种新的测风方案，通过采用激光雷达进行机动循环测风，能够尽可能地获取场址内多个点位的风资源情况，保证测风的覆盖度，在保证测风数据代表性好的前提下，有效降低了因需要树立多个测风塔而导致的巨额成本，同时保证风资源评估的准确度。
实施例3
如图4所示，本实施例提供了一种适用于大型风电基地的测风系统，包括测风点选取模块1、分组模块2、循环测风模块3和数据插补模块4。
测风点选取模块1用于根据风电场的面积选取该风电场内具有代表性的n个测风点，n为大于2的整数。
分组模块2用于将n个所述测风点按照地理位置分为m组，在每组内设置一台激光雷达，m为大于1的整数。
循环测风模块3用于在预设测风时间期间，分别对每组内的各所述测风点采用对应的一台所述激光雷达进行循环测风，以得到每个所述测风点对应的间断性的雷达测风数据。
数据插补模块4用于利用中尺度再分析气象数据对每个所述测风点对应的所述间断性的雷达测风数据进行插补，以得到每个所述测风点在所述预设测风时间期间内的连续的插补后的雷达测风数据。
本实施例中，中尺度再分析气象数据也可以替换为附近气象站的观测数据。
本实施例提供的适用于大型风电基地的测风系统通过将大型风电基地按照地理位置分组，并在每组内设置若干个测风点，每一组内使用一台激光雷达对组内的多个点进行循环测风，然后再利用中尺度再分析气象数据使用插补法得到整个风电场的插补后的雷达测风数据。后续利用该插补后的雷达测风数据能够实现对大型风电基地的风资源的评估。本实施例针对大型风电基地提出了一种新的测风方案，通过采用激光雷达进行机动循环测风，能够尽可能地获取场址内多个点位的风资源情况，保证测风的覆盖度，在保证测风数据代表性好的前提下，有效降低了因需要树立多个测风塔而导致的巨额成本，同时保证风资源评估的准确度。
实施例4
如图5所示，本实施例提供了一种适用于大型风电基地的测风系统，包括测风点选取模块1、测风点分类模块2、分组模块3、编号模块4、循环测风模块5和数据插补模块6。
测风点选取模块1用于根据风电场的面积选取所述风电场内具有代表性的n个测风点，n不小于所述风电场的面积/100平方公里，n为大于2的整数。
测风点分类模块2用于在n个所述测风点中选取具有代表性的k个作为第一类测风点，剩余的n-k个作为第二类测风点，其中k为大于等于1的整数且k<n；测风点分类模块2还用于在每个所述第一类测风点树立测风塔；测风点分类模块2还用于使用每个所述测风塔获取对应的所述第一类测风点的连续的测风塔数据。
分组模块3用于将n-k个所述第二类测风点按照地理位置分为m组，在每组内设置一台激光雷达，m为大于1的整数。
编号模块4用于对每组内的所述第二类测风点进行编号。
循环测风模块5用于在预设测风时间期间，分别对每组内的各所述第二类测风点采用对应的一台所述激光雷达进行循环测风，以得到每个所述第二类测风点对应的间断性的雷达测风数据。
其中，循环测风具体包括：按照每组内所述第二类测风点的编号的顺序，分别对每组内的每个所述第二类测风点依次进行测风，单次测风持续时间为10至15天，如此循环往复测风，所述预设测风时间不小于一个完整年。
数据插补模块6用于利用所述连续的测风塔数据对每个所述第二类测风点对应的所述间断性的雷达测风数据进行插补，以得到每个所述第二类测风点在所述预设测风时间期间内的连续的插补后的雷达测风数据。
其中，具体的插补方式为：将每个间断性的雷达测风数据与距对应的第二类测风点最近的所述测风塔所对应的同期的所述测风塔数据按风向分为12个扇区，每个扇区建立线性回归方程y＝kix+bi，其中y表示所述间断性的雷达测风数据，x表示所述测风塔数据，k和b为拟合系数，下标i表示第i个扇区，利用回归方程补齐所述激光雷达的所述间断性的测风数据的数据段之间的空缺数据，以得到每个所述第二类测风点在所述预设测风时间期间内的连续的插补后的雷达测风数据。
本实施例提供的适用于大型风电基地的测风系统通过将大型风电基地按照地理位置分组，并在每组内设置若干个测风点，每一组内使用一台激光雷达对组内的多个点进行循环测风，通过融合场区内少数固定测风塔的测风数据，具体为利用测风塔数据使用插补法得到整个风电场的插补后的雷达测风数据。后续利用该插补后的雷达测风数据能够实现对大型风电基地的风资源的评估。本实施例针对大型风电基地提出了一种新的测风方案，通过采用激光雷达进行机动循环测风，能够尽可能地获取场址内多个点位的风资源情况，保证测风的覆盖度，在保证测风数据代表性好的前提下，有效降低了因需要树立多个测风塔而导致的巨额成本，同时保证风资源评估的准确度。
实施例5
图6为本发明实施例5提供的一种电子设备的结构示意图。所述电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现实施例1或实施例2所提供的适用于大型风电基地的测风方法。图6显示的电子设备30仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示，电子设备30可以以通用计算设备的形式表现，例如其可以为服务器设备。电子设备30的组件可以包括但不限于：上述至少一个处理器31、上述至少一个存储器32、连接不同系统组件(包括存储器32和处理器31)的总线33。
总线33包括数据总线、地址总线和控制总线。
存储器32可以包括易失性存储器，例如随机存取存储器(RAM)321和/或高速缓存存储器322，还可以进一步包括只读存储器(ROM)323。
存储器32还可以包括具有一组(至少一个)程序模块324的程序/实用工具325，这样的程序模块324包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器31通过运行存储在存储器32中的计算机程序，从而执行各种功能应用以及数据处理，例如本发明实施例1或实施例2所提供的适用于大型风电基地的测风方法。
电子设备30也可以与一个或多个外部设备34(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口35进行。并且，模型生成的设备30还可以通过网络适配器36与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器36通过总线33与模型生成的设备30的其它模块通信。应当明白，尽管图中未示出，可以结合模型生成的设备30使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
应当注意，尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
实施例6
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现实施例1或实施例2所提供的适用于大型风电基地的测风方法的步骤。
其中，可读存储介质可以采用的更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行实现实施例1或实施例2所提供的适用于大型风电基地的测风方法中的步骤。
其中，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码，所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
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 (14)

1.一种适用于大型风电基地的测风方法，其特征在于，包括以下步骤：
根据风电场的面积选取所述风电场内n个测风点，n为大于2的整数；
将n个所述测风点中至少部分的所述测风点按照地理位置分为m组，在每组内设置一台激光雷达，m为大于1的整数；
在预设测风时间期间，分别对每组内的各所述测风点采用对应的一台所述激光雷达进行循环测风，以得到每个所述测风点对应的间断性的雷达测风数据；
对每个所述测风点对应的所述间断性的雷达测风数据进行插补，以得到每个所述测风点在所述预设测风时间期间内的连续的插补后的雷达测风数据；
所述测风方法还包括以下步骤：在n个所述测风点中选取k个作为第一类测风点，剩余的n-k个作为第二类测风点，其中k为大于等于1的整数且k<n；在每个所述第一类测风点树立测风塔；使用每个所述测风塔获取对应的所述第一类测风点的连续的测风塔数据；
所述将n个所述测风点中至少部分的所述测风点按照地理位置分为m组为：将n-k个所述第二类测风点按照地理位置分为m组；
所述在预设测风时间期间，分别对每组内的各所述测风点采用对应的一台所述激光雷达进行循环测风，以得到每个所述测风点对应的间断性的雷达测风数据包括：在所述预设测风时间期间，分别对每组内的各所述第二类测风点采用对应的一台所述激光雷达进行循环测风，以得到每个所述第二类测风点对应的间断性的雷达测风数据；
所述对每个所述测风点对应的所述间断性的雷达测风数据进行插补，以得到每个所述测风点在所述预设测风时间期间内的连续的插补后的雷达测风数据包括：利用所述连续的测风塔数据对每个所述第二类测风点对应的所述间断性的雷达测风数据进行插补，以得到每个所述第二类测风点在所述预设测风时间期间内的连续的插补后的雷达测风数据。
2.如权利要求1所述的适用于大型风电基地的测风方法，其特征在于，所述将n个所述测风点中至少部分的所述测风点按照地理位置分为m组为：将n个所述测风点按照地理位置分为m组；
所述对每个所述测风点对应的所述间断性的雷达测风数据进行插补包括：
利用中尺度再分析气象数据或附近气象站的观测数据对每个所述测风点对应的所述间断性的雷达测风数据进行插补。
3.如权利要求1所述的适用于大型风电基地的测风方法，其特征在于，所述测风方法还包括以下步骤：对每组内的所述第二类测风点进行编号；
所述分别对每组内的各所述第二类测风点采用对应的一台所述激光雷达进行循环测风包括：按照每组内所述第二类测风点的编号的顺序，分别对每组内的每个所述第二类测风点依次进行测风，单次测风持续时间为10至15天，如此循环往复测风；
所述预设测风时间不小于一个完整年。
4.如权利要求3所述的适用于大型风电基地的测风方法，其特征在于，所述利用所述连续的测风塔数据对每个所述第二类测风点对应的所述间断性的雷达测风数据进行插补，以得到每个所述第二类测风点在所述预设测风时间期间内的连续的插补后的雷达测风数据包括：
将每个所述间断性的雷达测风数据与距对应的所述第二类测风点最近的所述测风塔所对应的同期的所述测风塔数据按风向分为12个扇区，每个扇区建立线性回归方程y＝kix+bi，其中y表示所述间断性的雷达测风数据，x表示所述测风塔数据，k和b为拟合系数，下标i表示第i个扇区，利用回归方程补齐所述激光雷达的所述间断性的测风数据的数据段之间的空缺数据，以得到每个所述第二类测风点在所述预设测风时间期间内的连续的插补后的雷达测风数据。
5.如权利要求1至4中任一项所述的适用于大型风电基地的测风方法，其特征在于，n不小于所述风电场的面积/100平方公里。
6.如权利要求5所述的适用于大型风电基地的测风方法，其特征在于，每组内包括的所述测风点的数量小于等于6。
7.一种适用于大型风电基地的测风系统，其特征在于，包括：
测风点选取模块，用于根据风电场的面积选取所述风电场内n个测风点，n为大于2的整数；
分组模块，用于将n个所述测风点中至少部分的所述测风点按照地理位置分为m组，在每组内设置一台激光雷达，m为大于1的整数；
循环测风模块，用于在预设测风时间期间，分别对每组内的各所述测风点采用对应的一台所述激光雷达进行循环测风，以得到每个所述测风点对应的间断性的雷达测风数据；
数据插补模块，用于对每个所述测风点对应的所述间断性的雷达测风数据进行插补，以得到每个所述测风点在所述预设测风时间期间内的连续的插补后的雷达测风数据；
所述测风系统还包括测风点分类模块；
所述测风点分类模块用于：在n个所述测风点中选取k个作为第一类测风点，剩余的n-k个作为第二类测风点，其中k为大于等于1的整数且k<n；在每个所述第一类测风点树立测风塔；使用每个所述测风塔获取对应的所述第一类测风点的连续的测风塔数据；
所述将n个所述测风点中至少部分的所述测风点按照地理位置分为m组为：将n-k个所述第二类测风点按照地理位置分为m组；
所述在预设测风时间期间，分别对每组内的各所述测风点采用对应的一台所述激光雷达进行循环测风，以得到每个所述测风点对应的间断性的雷达测风数据包括：在所述预设测风时间期间，分别对每组内的各所述第二类测风点采用对应的一台所述激光雷达进行循环测风，以得到每个所述第二类测风点对应的间断性的雷达测风数据；
所述对每个所述测风点对应的所述间断性的雷达测风数据进行插补，以得到每个所述测风点在所述预设测风时间期间内的连续的插补后的雷达测风数据包括：利用所述连续的测风塔数据对每个所述第二类测风点对应的所述间断性的雷达测风数据进行插补，以得到每个所述第二类测风点在所述预设测风时间期间内的连续的插补后的雷达测风数据。
8.如权利要求7所述的适用于大型风电基地的测风系统，其特征在于，
所述分组模块用于将n个所述测风点按照地理位置分为m组；
所述数据插补模块用于利用中尺度再分析气象数据或附近气象站的观测数据对每个所述测风点对应的所述间断性的雷达测风数据进行插补，以得到每个所述测风点在所述预设测风时间期间内的连续的插补后的雷达测风数据。
9.如权利要求7所述的适用于大型风电基地的测风系统，其特征在于，所述测风系统还包括编号模块；
所述编号模块用于对每组内的所述第二类测风点进行编号；
所述分别对每组内的各所述第二类测风点采用对应的一台所述激光雷达进行循环测风包括：按照每组内所述第二类测风点的编号的顺序，分别对每组内的每个所述第二类测风点依次进行测风，单次测风持续时间为10至15天，如此循环往复测风；
所述预设测风时间不小于一个完整年。
10.如权利要求9所述的适用于大型风电基地的测风系统，其特征在于，所述利用所述连续的测风塔数据对每个所述第二类测风点对应的所述间断性的雷达测风数据进行插补，以得到每个所述第二类测风点在所述预设测风时间期间内的连续的插补后的雷达测风数据包括：
将每个所述间断性的雷达测风数据与距对应的所述第二类测风点最近的所述测风塔所对应的同期的所述测风塔数据按风向分为12个扇区，每个扇区建立线性回归方程y＝kix+bi，其中y表示所述间断性的雷达测风数据，x表示所述测风塔数据，k和b为拟合系数，下标i表示第i个扇区，利用回归方程补齐所述激光雷达的所述间断性的测风数据的数据段之间的空缺数据，以得到每个所述第二类测风点在所述预设测风时间期间内的连续的插补后的雷达测风数据。
11.如权利要求7至10中任一项所述的适用于大型风电基地的测风系统，其特征在于，n不小于所述风电场的面积/100平方公里。
12.如权利要求11所述的适用于大型风电基地的测风系统，其特征在于，每组内包括的所述测风点的数量小于等于6。
13.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6任一项所述的适用于大型风电基地的测风方法。
14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6任一项所述的适用于大型风电基地的测风方法的步骤。
CN201910511119.8A 2019-06-13 2019-06-13 适用于大型风电基地的测风方法、系统、设备和存储介质 Active CN110187363B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910511119.8A CN110187363B (zh) 2019-06-13 2019-06-13 适用于大型风电基地的测风方法、系统、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910511119.8A CN110187363B (zh) 2019-06-13 2019-06-13 适用于大型风电基地的测风方法、系统、设备和存储介质

Publications (2)

Publication Number Publication Date
CN110187363A CN110187363A (zh) 2019-08-30
CN110187363B true CN110187363B (zh) 2023-05-30

Family

ID=67721684

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910511119.8A Active CN110187363B (zh) 2019-06-13 2019-06-13 适用于大型风电基地的测风方法、系统、设备和存储介质

Country Status (1)

Country Link
CN (1) CN110187363B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111814345B (zh) * 2020-07-17 2022-08-02 中国船舶重工集团海装风电股份有限公司 利用多种中尺度风速数据插补观测缺失风速数据的方法
CN114483447A (zh) * 2021-12-23 2022-05-13 重庆海装风电工程技术有限公司 风力发电机组的变桨控制方法、装置、设备及存储介质
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

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN104653410A (zh) * 2014-09-10 2015-05-27 国家电网公司 基于激光雷达测风仪的风电机组运行功率特性测试系统及方法
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
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
CN107153997A (zh) * 2017-03-09 2017-09-12 华电电力科学研究院 一种复杂地形风电机组微观选址方法
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
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
CN208918756U (zh) * 2018-11-01 2019-05-31 华润电力技术研究院有限公司广东检测认证中心 风电机组测试系统

Also Published As

Publication number Publication date
CN110187363A (zh) 2019-08-30

Similar Documents

Publication Publication Date Title
US11408399B2 (en) Forecasting output power of wind turbine in wind farm
CN110187363B (zh) 适用于大型风电基地的测风方法、系统、设备和存储介质
US20150039228A1 (en) Ultra-short-term forecasting method including real-time monitoring of the effect of upper and lower courses
US20190382111A1 (en) Drone and rover preplacement for remote autonomous inspection of utility system components
JP5020106B2 (ja) 風力発電量予測システム、方法及びプログラム
Cai et al. Cumulus cloud shadow model for analysis of power systems with photovoltaics
WO2013181408A2 (en) Method and apparatus for forecasting solar radiation and solar power production using synthetic irradiance imaging
CN111260154B (zh) 基于cnn-lstm的短期太阳辐射预测方法及装置
JP2020159725A (ja) 風況予測システム、及び風況予測方法
CN104182594A (zh) 一种电力系统风区图的绘制方法
CN106651007A (zh) 基于gru的光伏电站辐照度中长期预测的方法及装置
Weekes et al. Long-term wind resource assessment for small and medium-scale turbines using operational forecast data and measure–correlate–predict
CN112100922A (zh) 一种基于wrf和cnn卷积神经网络的风资源预测方法
CN114330110A (zh) 模型训练方法、光伏发电功率预测方法及系统
CN103971167A (zh) 预测光伏发电设备的发电功率的方法和系统
CN114895380A (zh) 一种太阳辐射预测方法、装置、设备和介质
CN113051845B (zh) 在役山地风电场实时风资源可视化评估方法、系统、设备及存储介质
CN117335411B (zh) 一种光伏电站群的中长期发电量预测方法
CN116245032B (zh) 一种考虑时空相关性的风电场模拟发电量订正方法及系统
CN117421871A (zh) 海上风电潜力评估方法、装置和计算机设备
CN110188939B (zh) 风电场的风功率的预测方法、系统、设备和存储介质
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
CN113849974B (zh) 一种基于风光出力互补的新能源基地风电场选址方法
CN111488553B (zh) 一种太阳辐照度计算方法及装置
CN115239105A (zh) 一种在役风电场的风资源的评估方法以及装置

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

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.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant