CN110334828A - 选址方法及装置、存储介质、处理器 - Google Patents

选址方法及装置、存储介质、处理器 Download PDF

Info

Publication number
CN110334828A
CN110334828A CN201910172159.4A CN201910172159A CN110334828A CN 110334828 A CN110334828 A CN 110334828A CN 201910172159 A CN201910172159 A CN 201910172159A CN 110334828 A CN110334828 A CN 110334828A
Authority
CN
China
Prior art keywords
address
target area
meteorological data
data
sub
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.)
Pending
Application number
CN201910172159.4A
Other languages
English (en)
Inventor
王昕辰
胡锴
谢涛
吴松
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.)
Beijing Rong Chain Technology Co Ltd
Original Assignee
Beijing Rong Chain Technology 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 Beijing Rong Chain Technology Co Ltd filed Critical Beijing Rong Chain Technology Co Ltd
Priority to CN201910172159.4A priority Critical patent/CN110334828A/zh
Publication of CN110334828A publication Critical patent/CN110334828A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply

Abstract

本发明公开了一种选址方法及装置、存储介质、处理器。其中，该方法包括：获取目标区域的历史气象数据；根据历史气象数据，确定目标区域的选址数据；根据选址数据，确定待选地址，待选地址为风力发电设施的建造地址，其中，待选地址包括至少一个地址。本发明解决了相关技术中在选择发电厂厂址时，需要建立观测站进行长期观测导致选址周期较长的技术问题。

Description

选址方法及装置、存储介质、处理器
技术领域
本发明涉及风力发电领域，具体而言，涉及一种选址方法及装置、存储介质、处理器。
背景技术
传统的风力发电厂址选择多基于人力勘测得出备选地址，并且需要在多个备选地址上建立观测站进行长期观测，统计该地的多种气象资源参数，至少需要观测1-2年的时间，不仅费时费力而且成本较高。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种选址方法及装置、存储介质、处理器，以至少解决相关技术中在选择发电厂厂址时，需要建立观测站进行长期观测导致选址周期较长的技术问题。
根据本发明实施例的一个方面，提供了一种选址方法，包括：获取目标区域的历史气象数据；根据历史气象数据，确定目标区域的选址数据；根据选址数据，确定待选地址，待选地址为风力发电设施的建造地址，其中，待选地址包括至少一个地址。
可选地，获取目标区域的历史气象数据，包括：获取历史气象数据的平均值；平均值添加至目标区域的电子地图，得到目标区域在电子地图中各个子区域的气象数据。
可选地，获取目标区域的历史气象数据之前，方法还包括：接收在电子地图上的区域选择指令；基于区域选择指令确定目标区域。
可选地，根据选址数据，确定待选地址，包括：根据选址数据，确定目标区域中各个子区域的地址推荐值；根据地址推荐值对各个子区域的地址进行排序；根据排序结果，确定排序靠前的预设数量个地址为待选地址。
可选地，各个子区域的面积是相同的。
可选地，选址数据包括：风功率密度和发电量；根据选址数据，确定目标区域中各个子区域的地址推荐值，包括：确定各个子区域的风功率密度以及相应的第一权重；确定各个子区域的发电量以及相应的第二权重；依据述各个子区域的风功率密度和发电量，以及第一权重和第二权重共同确定各个子区域的地址推荐值。
可选地，发电量通过以下公式确定：Q＝F*P*T*N，其中，Q为发电量，F为风速段分布频率，P为风速段功率曲线，T为时间，N为能量折减系数。
根据本发明实施例的一个方面，提供了一种选址方法，包括：获取目标区域的历史气象数据；根据历史气象数据，确定待选地址，待选地址为风力发电设施的建造地址，其中，待选地址包括至少一个地址。
根据本发明实施例的另一个方面，提供了一种选址装置，包括：获取单元，用于获取目标区域的历史气象数据；第一确定单元，用于根据历史气象数据，确定目标区域的选址数据；第二确定单元，用于根据选址数据，确定待选地址，待选地址为风力发电设施的建造地址，其中，待选地址包括至少一个地址。
根据本发明实施例的另一方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述的选址方法。
根据本发明实施例的另一方面，还提供了一种处理器，其特征在于，处理器用于运行程序，其中，程序运行时执行上述的选址方法。
在本发明实施例中，采用历史气象数据对目标区域内各地点进行评估的方式，通过获取目标区域的历史气象数据；根据历史气象数据，确定目标区域的选址数据；根据选址数据，确定待选地址，待选地址为风力发电设施的建造地址，其中，待选地址包括至少一个地址，达到了方便快捷的获取建造发电厂最优的可选地址的目的，从而实现了减少在选择发电厂厂址时的时间、人力、经济成本的技术效果，进而解决了相关技术中在选择发电厂厂址时，需要建立观测站进行长期观测导致选址周期较长的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的一种选址方法的流程图；
图2是根据本发明实施例的一种可选的选址方法的流程图；
图3是根据本发明实施例的一种选址装置的结构图；
图4是根据本发明实施例的一种可选的选址装置的结构图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
传统的风力发电在对厂址进行选择时多基于人力勘测得到备选地址，并且需要在多个备选地址上建立观测站进行长期观测，统计各地点的多种气象资源参数，这种选址方式至少需要观测1-2年的时间，不仅费时费力而且成本较高。为解决上述问题，本申请实施例提供了相应的解决方案，本申请基于最多长达30年的历史气象数据以及地形地貌，可以以国家、省份或者以自定义范围为单位，通过系统的分析，直接给出该范围内最优的厂址推荐，本申请实施例中的选址方式省时省力，而且省去了建立观测站的时间、人力、经济成本，以下详细说明。
根据本发明实施例，提供了一种选址的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种选址方法的流程图，如图1所示，该方法包括如下步骤：
步骤S102，获取目标区域的历史气象数据。
在本申请一种可选实施例中，获取目标区域的历史气象数据之前，接收在电子地图上的区域选择指令；基于区域选择指令确定目标区域。其中，选择指令可以是通过外接设备输入的指令，或者通过触摸屏直接在电子地图上选择目标区域，则此时选择指令为触发信号。
在本申请实施例中，气象数据包括但不限于：水平面总辐射量、斜面总辐射量、首年小时数、80m风速、80m风功率、100m风速、100m风功率、80m威布尔a、80m威布尔k、100m威布尔a、100m威布尔k。本申请实施例中，可以从公开渠道收集历史气象数据，可以通过从气象网站获取所需的历史气象数据，例如，采用Python爬取气象网站上的相关数据，从而获取所需的历史气象数据。步骤S102可以是获取目标区域内某一时间段的气象数据，例如A地区5-7月份的历史天气数据，或者A地区某一天的历史天气数据。
在本申请一种可选实施例中，获取目标区域的历史气象数据，包括：获取历史气象数据的平均值；平均值添加至目标区域的电子地图，得到目标区域在电子地图中各个子区域的气象数据。气象数据覆盖时按照划分区域进行覆盖。利用gis地图结合历史气象数据，将历史气象数据的平均值覆盖在gis地图上，并且以不同颜色区分风资源不同的丰富程度，风资源的区分判据为平均风速、风功率等综合因素，风速越快，风功率越高说明资源越丰富。其中，各个子区域的面积是相同的，例如，gis按经纬度将区域分为500*500(单位：米)的小地点，划分小地点的目的是为了便于计算，在某一小地点内可以认为气象数据是一致的，划分的要求是网格覆盖整个区域，对于部分面积在区域外的网格按照所覆盖区域的气象数据进行计算。目标区域的地图可以是电子地图，电子地图主要是为了能够让人在界面上更直观的看到风电场所处的地理位置，其中，电子地图可以是卫星影像地图，也可以由卫星影像地图切换为2D地图。设置电子地图方便了手动模式下人为的在地图上进行选点，以及导入导出kml地图文件等。
步骤S104，根据历史气象数据，确定目标区域的选址数据。
在本申请实施例中，选址数据包括风功率密度和发电量，风功率密度通过以下公式确定：W＝0.5*v2*ρ，其中，W表示风功率密度，v表示风速，ρ表示空气密度；空气密度通过以下公式确定：ρ＝P1/RT，其中，R为气体常数287J/kg.k，P1为平均气压，T为平均气温，发电量通过以下公式确定：Q＝F*P2*T*N，其中，Q为发电量，F为风速段分布频率，P2为风速段功率曲线，T为时间，N为能量折减系数，其中，能量折减系数可以是0.7125。所以根据步骤S102中得到了历史气象数据，然后通过上述风功率密度和发电量的计算方式，可以确定目标区域的选址数据(风功率密度和发电量)，理论情况下，风功率密度与理论发电量成正比关系，上述能量折减系数是根据长期积累的历史实际发电数据并结合其他公式推导出来的值为0.7125，理论发电量与风功率密度两者值越大越优，当两个项目的值一个大一个小时，优先取理论发电量较大的值，例如A项目两个值都比B项目大，取A项目排名靠前；A项目理论发电量比B项目大，但风功率密度比B项目小，取A项目排名靠前。其中，本申请中的发电量为理论发电量。
步骤S106，根据选址数据，确定待选地址，待选地址为风力发电设施的建造地址，其中，待选地址包括至少一个地址。
在一种可选实施例中，根据选址数据，确定目标区域中各个子区域的地址推荐值。在本申请实施例中，可以根据需要设置地址推荐值公式，利用地址推荐值公式确定选址地址推荐值。可以对风功率密度和发电量分配权重，确定各个子区域的风功率密度以及相应的第一权重；确定各个子区域的发电量以及相应的第二权重；依据述各个子区域的风功率密度和发电量，以及第一权重和第二权重共同确定各个子区域的地址推荐值。例如，发电量的权重为0.8，风功率密度的权重为0.2，则地址推荐值＝发电量*0.8+风功率密度*0.2，按推荐值大小排名，推荐值越大，排名越靠前，越适合风力发电厂建造。
在本申请一种可选实施例中，根据选址数据，确定目标区域中各个子区域的地址推荐值；根据地址推荐值对各个子区域的地址进行排序；根据排序结果，确定排序靠前的预设数量个地址为待选地址。例如，采集B区域的历史气象数据，对历史气象数据进行处理及计算，得到选址数据，即B区域的风功率密度和发电量，通过地址推荐值公式对风功率密度和发电量计算得到地址推荐值，再根据地址推荐值的大小，对B区域内的地址进行排序，推荐值越大排名越靠前，如果推荐值一样大，发电量较大的靠前，排名前3的地址即为待选地址，工作人员可以在待选地址中再进行比较，根据需要确定将风力发电厂建设的位置。
相关技术中，在进行风力发电厂选址时，需要提供几个备选地址，经过长期在备选地址上的气象数据的监测后，确定备选地址中最适合风力发电厂建造的地址，而本申请实施例中的选址方法，只需要确定风力发电厂所要建设的区域，通过上述步骤即可确定区域内效果最好的地址，确定风力发电厂厂址所需时间大大减小，简单方便，减少了在选择发电厂厂址时的时间、人力、经济等成本。
根据本发明实施例，提供了一种选址的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图2是根据本发明实施例的一种选址方法的流程图，如图2所示，该方法包括如下步骤：
步骤S202，获取目标区域的历史气象数据。
在本申请一种可选实施例中，获取目标区域的历史气象数据之前，接收在电子地图上的区域选择指令；基于区域选择指令确定目标区域。其中，选择指令可以是通过外接设备输入的指令，或者通过触摸屏直接在电子地图上选择目标区域，则此时选择指令为触发信号。
在本申请实施例中，历史气象数据可以包括风功率密度和发电量，获取目标区域的风功率和发电量后，根据获取的风功率密度和发电量，确定风力发电设施的建造地址。
在本申请实施例中，可以通过原始气象数据得到历史气象数据，对原始气象数据计算得到历史气象数据。原始气象数据包括但不限于：水平面总辐射量、斜面总辐射量、首年小时数、80m风速、80m风功率、100m风速、100m风功率、80m威布尔a、80m威布尔k、100m威布尔a、100m威布尔k。历史气象数据(风功率密度和发电量)可以通过以下方式获取：风功率密度通过以下公式确定：W＝0.5*v2*ρ，其中，W表示风功率密度，v表示风速，ρ表示空气密度；空气密度通过以下公式确定：ρ＝P1/RT，其中，R为气体常数287J/kg.k，P1为平均气压，T为平均气温，发电量通过以下公式确定：Q＝F*P2*T*N，其中，Q为发电量，F为风速段分布频率，P2为风速段功率曲线，T为时间，N为能量折减系数，其中，能量折减系数可以是0.7125。通过上述风功率密度和发电量的计算方式，可以确定目标区域的历史气象数据(风功率密度和发电量)，理论情况下，风功率密度与理论发电量成正比关系，上述能量折减系数是根据长期积累的历史实际发电数据并结合其他公式推导出来的值为0.7125，理论发电量与风功率密度两者值越大越优，当两个项目的值一个大一个小时，优先取理论发电量较大的值，例如A项目两个值都比B项目大，取A项目排名靠前；A项目理论发电量比B项目大，但风功率密度比B项目小，取A项目排名靠前。其中，本申请中的发电量为理论发电量。
本申请实施例中，可以从公开渠道收集原始气象数据，可以通过从气象网站获取所需的原始气象数据，例如，采用Python爬取气象网站上的相关数据，从而获取所需的原始气象数据。步骤S102可以是获取目标区域内某一时间段的气象数据，例如A地区5-7月份的历史天气数据，或者A地区某一天的历史天气数据。
在本申请一种可选实施例中，获取目标区域的原始气象数据，包括：获取原始气象数据的平均值；平均值添加至目标区域的电子地图，得到目标区域在电子地图中各个子区域的气象数据。气象数据覆盖时按照划分区域进行覆盖。利用gis地图结合历史气象数据，将原始气象数据的平均值覆盖在gis地图上，并且以不同颜色区分风资源不同的丰富程度，风资源的区分判据为平均风速、风功率等综合因素，风速越快，风功率越高说明资源越丰富。其中，各个子区域的面积是相同的，例如，gis按经纬度将区域分为500*500(单位：米)的小地点，划分小地点的目的是为了便于计算，在某一小地点内可以认为气象数据是一致的，划分的要求是网格覆盖整个区域，对于部分面积在区域外的网格按照所覆盖区域的气象数据进行计算。目标区域的地图可以是电子地图，电子地图主要是为了能够让人在界面上更直观的看到风电场所处的地理位置，其中，电子地图可以是卫星影像地图，也可以由卫星影像地图切换为2D地图。设置电子地图方便了手动模式下人为的在地图上进行选点，以及导入导出kml地图文件等。
步骤S204，根据历史气象数据，确定待选地址，待选地址为风力发电设施的建造地址，其中，待选地址包括至少一个地址。
在一种可选实施例中，根据历史气象数据，确定目标区域中各个子区域的地址推荐值。在本申请实施例中，可以根据需要设置地址推荐值公式，利用地址推荐值公式确定选址地址推荐值。可以对风功率密度和发电量分配权重，确定各个子区域的风功率密度以及相应的第一权重；确定各个子区域的发电量以及相应的第二权重；依据述各个子区域的风功率密度和发电量，以及第一权重和第二权重共同确定各个子区域的地址推荐值。例如，发电量的权重为0.8，风功率密度的权重为0.2，则地址推荐值＝发电量*0.8+风功率密度*0.2，按推荐值大小排名，推荐值越大，排名越靠前，越适合风力发电厂建造。
在本申请一种可选实施例中，根据选址数据，确定目标区域中各个子区域的地址推荐值；根据地址推荐值对各个子区域的地址进行排序；根据排序结果，确定排序靠前的预设数量个地址为待选地址。例如，采集B区域的原始气象数据，对原始气象数据进行处理及计算，得到历史气象数据，即B区域的风功率密度和发电量，通过地址推荐值公式对风功率密度和发电量计算得到地址推荐值，再根据地址推荐值的大小，对B区域内的地址进行排序，推荐值越大排名越靠前，如果推荐值一样大，发电量较大的靠前，排名前3的地址即为待选地址，工作人员可以在待选地址中再进行比较，根据需要确定将风力发电厂建设的位置。
需要说明的是，图2所示实施例的优选实施方式，可以参见图1的相关描述，此处不再赘述。
根据本发明实施例，提供了一种选址的装置实施例，图3是根据本发明实施例的一种选址装置的结构图，如图3所示，该装置包括：
获取单元32，用于获取目标区域的历史气象数据；
第一确定单元34，用于根据历史气象数据，确定目标区域的选址数据；
第二确定单元36，用于根据选址数据，确定待选地址，待选地址为风力发电设施的建造地址，其中，待选地址包括至少一个地址。
在本申请一种可选实施例中，如图4所示，获取单元32包括：
获取模块320，用于获取历史气象数据的平均值；平均值添加至目标区域的电子地图，得到目标区域在电子地图中各个子区域的气象数据。
在本申请一种可选实施例中，如图4所示，选址装置还包括：
接收单元30，用于接收在电子地图上的区域选择指令；基于区域选择指令确定目标区域。
在本申请一种可选实施例中，如图4所示，第二确定单元36包括：
第一确定模块360，用于根据选址数据，确定目标区域中各个子区域的地址推荐值；
排序模块362，用于根据地址推荐值对各个子区域的地址进行排序；
第二确定模块364，用于根据排序结果，确定排序靠前的预设数量个地址为待选地址。
在本申请实施例中，各个子区域的面积是相同的。
在本申请实施例中，选址数据包括：风功率密度和发电量。
在本申请一种可选实施例中，如图4所示，第一确定模块360包括：
确定子模块3600，用于确定各个子区域的风功率密度以及相应的第一权重；确定各个子区域的发电量以及相应的第二权重；依据述各个子区域的风功率密度和发电量，以及第一权重和第二权重共同确定各个子区域的地址推荐值。
在本申请实施例中，发电量通过以下公式确定：Q＝F*P*T*N，其中，Q为发电量，F为风速段分布频率，P为风速段功率曲线，T为时间，N为能量折减系数。
需要说明的是，图3至4所示实施例的优选实施方式，可以参见图1的相关描述，此处不再赘述。
根据本发明实施例，提供了一种存储介质，其特征在于，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述的选址方法。
上述存储介质，用于存储执行以下功能程序：获取历史气象数据；根据历史气象数据，确定目标区域的选址数据；根据选址数据，确定待选地址，待选地址为选择风力发电厂建造的地址，其中，待选地址包括至少一个地址。
根据本发明实施例，提供了一种处理器，其特征在于，处理器用于运行程序，其中，程序运行时执行上述的选址方法。
上述存储介质，用于执行实现以下功能程序：获取历史气象数据；根据历史气象数据，确定目标区域的选址数据；根据选址数据，确定待选地址，待选地址为选择风力发电厂建造的地址，其中，待选地址包括至少一个地址。
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。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或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一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (11)

1.一种选址方法，其特征在于，包括：
获取目标区域的历史气象数据；
根据所述历史气象数据，确定目标区域的选址数据；
根据所述选址数据，确定待选地址，所述待选地址为风力发电设施的建造地址，其中，所述待选地址包括至少一个地址。
2.根据权利要求1所述的方法，其特征在于，获取所述目标区域的历史气象数据，包括：
获取所述历史气象数据的平均值；
所述平均值添加至所述目标区域的电子地图，得到所述目标区域在所述电子地图中各个子区域的气象数据。
3.根据权利要求2所述的方法，其特征在于，获取目标区域的历史气象数据之前，所述方法还包括：
接收在所述电子地图上的区域选择指令；
基于所述区域选择指令确定所述目标区域。
4.根据权利要求1所述的方法，其特征在于，根据所述选址数据，确定所述待选地址，包括：
根据所述选址数据，确定所述目标区域中各个子区域的地址推荐值；
根据所述地址推荐值对所述各个子区域的地址进行排序；
根据排序结果，确定排序靠前的预设数量个地址为所述待选地址。
5.根据权利要求4所述的方法，其特征在于，所述各个子区域的面积是相同的。
6.根据权利要求4所述的方法，其特征在于，所述选址数据包括：风功率密度和发电量；根据所述选址数据，确定所述目标区域中各个子区域的地址推荐值，包括：
确定所述各个子区域的风功率密度以及相应的第一权重；
确定所述各个子区域的发电量以及相应的第二权重；
依据所述述各个子区域的风功率密度和发电量，以及所述第一权重和第二权重共同确定所述各个子区域的地址推荐值。
7.根据权利要求6所述的方法，其特征在于，所述发电量通过以下公式确定：
Q＝F*P*T*N，其中，Q为发电量，F为风速段分布频率，P为风速段功率曲线，T为时间，N为能量折减系数。
8.一种选址方法，其特征在于，包括：
获取目标区域的历史气象数据；
根据所述历史气象数据，确定待选地址，所述待选地址为风力发电设施的建造地址，其中，所述待选地址包括至少一个地址。
9.一种选址装置，其特征在于，包括：
获取单元，用于获取目标区域的历史气象数据；
第一确定单元，用于根据所述历史气象数据，确定目标区域的选址数据；
第二确定单元，用于根据所述选址数据，确定待选地址，所述待选地址为风力发电设施的建造地址，其中，所述待选地址包括至少一个地址。
10.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至8中任意一项所述的选址方法。
11.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至8中任意一项所述的选址方法。
CN201910172159.4A 2019-03-07 2019-03-07 选址方法及装置、存储介质、处理器 Pending CN110334828A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910172159.4A CN110334828A (zh) 2019-03-07 2019-03-07 选址方法及装置、存储介质、处理器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910172159.4A CN110334828A (zh) 2019-03-07 2019-03-07 选址方法及装置、存储介质、处理器

Publications (1)

Publication Number Publication Date
CN110334828A true CN110334828A (zh) 2019-10-15

Family

ID=68138997

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910172159.4A Pending CN110334828A (zh) 2019-03-07 2019-03-07 选址方法及装置、存储介质、处理器

Country Status (1)

Country Link
CN (1) CN110334828A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110930027A (zh) * 2019-11-21 2020-03-27 深圳智润新能源电力勘测设计院有限公司 一种用于风电项目选址地理信息系统及其设备
CN111062627A (zh) * 2019-12-19 2020-04-24 华润电力技术研究院有限公司 一种风电场宏观选址方法、系统及相关设备
CN113052393A (zh) * 2021-04-09 2021-06-29 新奥数能科技有限公司 一种企业选址方法及装置
CN114819756A (zh) * 2022-06-24 2022-07-29 深圳众城卓越科技有限公司 基于分类模型的风电机组智能选址方法、装置及设备
CN117129638A (zh) * 2023-10-26 2023-11-28 江西怡杉环保股份有限公司 一种区域空气环境质量监测方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107358321A (zh) * 2017-07-05 2017-11-17 国网江苏省电力公司经济技术研究院 一种海上风电场精益化选址方法
CN107944632A (zh) * 2017-12-06 2018-04-20 北京天润新能投资有限公司 一种基于开发地图的风电场选址系统及选址方法
CN108649611A (zh) * 2018-06-12 2018-10-12 国网能源研究院有限公司 一种全球大型风电基地开发潜力评估方法
CN109146204A (zh) * 2018-09-27 2019-01-04 浙江中海达空间信息技术有限公司 一种多层次综合评估的风电场升压站自动选址方法
CN109325676A (zh) * 2018-09-10 2019-02-12 北方民族大学 基于gis的清洁能源综合电站选址方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107358321A (zh) * 2017-07-05 2017-11-17 国网江苏省电力公司经济技术研究院 一种海上风电场精益化选址方法
CN107944632A (zh) * 2017-12-06 2018-04-20 北京天润新能投资有限公司 一种基于开发地图的风电场选址系统及选址方法
CN108649611A (zh) * 2018-06-12 2018-10-12 国网能源研究院有限公司 一种全球大型风电基地开发潜力评估方法
CN109325676A (zh) * 2018-09-10 2019-02-12 北方民族大学 基于gis的清洁能源综合电站选址方法
CN109146204A (zh) * 2018-09-27 2019-01-04 浙江中海达空间信息技术有限公司 一种多层次综合评估的风电场升压站自动选址方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
周扬 等: "基于GIS的江苏省陆地风能资源潜力评估及微观选址", 《可再生能源》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110930027A (zh) * 2019-11-21 2020-03-27 深圳智润新能源电力勘测设计院有限公司 一种用于风电项目选址地理信息系统及其设备
CN111062627A (zh) * 2019-12-19 2020-04-24 华润电力技术研究院有限公司 一种风电场宏观选址方法、系统及相关设备
CN111062627B (zh) * 2019-12-19 2023-06-02 华润电力技术研究院有限公司 一种风电场宏观选址方法、系统及相关设备
CN113052393A (zh) * 2021-04-09 2021-06-29 新奥数能科技有限公司 一种企业选址方法及装置
CN113052393B (zh) * 2021-04-09 2024-03-08 新奥数能科技有限公司 一种企业选址方法及装置
CN114819756A (zh) * 2022-06-24 2022-07-29 深圳众城卓越科技有限公司 基于分类模型的风电机组智能选址方法、装置及设备
CN117129638A (zh) * 2023-10-26 2023-11-28 江西怡杉环保股份有限公司 一种区域空气环境质量监测方法及系统
CN117129638B (zh) * 2023-10-26 2024-01-12 江西怡杉环保股份有限公司 一种区域空气环境质量监测方法及系统

Similar Documents

Publication Publication Date Title
CN110334828A (zh) 选址方法及装置、存储介质、处理器
Jones et al. Fuzzy composite programming to combine remote sensing and crop models for decision support in precision crop management
Sánchez-Lozano et al. GIS-based photovoltaic solar farms site selection using ELECTRE-TRI: Evaluating the case for Torre Pacheco, Murcia, Southeast of Spain
CN103955606B (zh) 一种基于遥感技术的草原蝗灾渐进式预测方法
CN102034003B (zh) 基于蓄水容量曲线和topmodel的流域水文模型的设计方法
CN106651052A (zh) 一种地面雨量站优化布局的方法及装置
CN105653601B (zh) 空调选型的方法及装置
CN104601604B (zh) 网络安全态势分析方法
CN108958329B (zh) 一种滴灌水肥一体化智能决策方法
De Felice et al. Short-term predictability of photovoltaic production over Italy
AU2019233842A1 (en) Soil ecosystem management and intelligent farming arrangement
CN105761150A (zh) 农作物信息及样本的采集方法和系统
CN108062720A (zh) 一种基于相似日选取及随机森林算法的负荷预测方法
Weekes et al. Long-term wind resource assessment for small and medium-scale turbines using operational forecast data and measure–correlate–predict
US20180232578A1 (en) Systems and methods for identifying and displaying optimal locations for a garden
CN103984991B (zh) 一种基于微气象数据的分布式太阳能辐射预测方法及系统
Liu et al. Understanding spatial variability of forage production in California grasslands: delineating climate, topography and soil controls
CN107133685A (zh) 光伏发电系统发电量的预测方法及预测系统
CN114970953A (zh) 光伏电站的选址评价方法、装置、存储介质及电子设备
CN106845831A (zh) 一种灌溉预报方法、装置及系统
CN112084926A (zh) 废弃矿山生态修复植物筛选方法
CN106911406A (zh) 无线电监测网系统
CN114418243B (zh) 分布式新能源云端网格预测方法与系统
Fara et al. New results in forecasting of photovoltaic systems output based on solar radiation forecasting
CN105184072B (zh) 数据插补的方法和装置

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20191015