CN110347671B - 构建海上风能数据资料库及海上风能发电量数据库的方法 - Google Patents

构建海上风能数据资料库及海上风能发电量数据库的方法 Download PDF

Info

Publication number
CN110347671B
CN110347671B CN201910329611.3A CN201910329611A CN110347671B CN 110347671 B CN110347671 B CN 110347671B CN 201910329611 A CN201910329611 A CN 201910329611A CN 110347671 B CN110347671 B CN 110347671B
Authority
CN
China
Prior art keywords
wind energy
field
offshore wind
constructing
precision
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.)
Expired - Fee Related
Application number
CN201910329611.3A
Other languages
English (en)
Other versions
CN110347671A (zh
Inventor
李孙伟
李任戈
刘翊超
彭绍源
陈道毅
熊伟
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.)
Shenzhen Graduate School Tsinghua University
China Construction Science and Industry Corp Ltd
Original Assignee
Shenzhen Graduate School Tsinghua University
China Construction Steel Structure Corp 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 Shenzhen Graduate School Tsinghua University, China Construction Steel Structure Corp Ltd filed Critical Shenzhen Graduate School Tsinghua University
Publication of CN110347671A publication Critical patent/CN110347671A/zh
Application granted granted Critical
Publication of CN110347671B publication Critical patent/CN110347671B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2291—User-Defined Types; Storage management thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Probability & Statistics with Applications (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Software Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Fuzzy Systems (AREA)
  • Computational Linguistics (AREA)
  • Operations Research (AREA)
  • Remote Sensing (AREA)
  • Development Economics (AREA)
  • Mathematical Physics (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Wind Motors (AREA)

Abstract

本发明提供一种构建海上风能数据资料库及海上风能发电量数据库的方法，构建海上风能数据资料库的方法包括如下步骤：S1：获取中尺度气象数值模式的边界条件，所述边界条件包括海上风场范围边界上的气象变量信息；S2：利用空间时间分离的方法对所述气象变量信息进行分解；S3：用中尺度气象数值模式对所述边界条件降维，获得高精度的模态天气场；S4：进一步获取高精度的实际天气场，建立高精度区域三维风场数据库。即可得到同时反映时间和空间变化的30年长期高精度三维风场，从而建立中国近海高精度的风能资料与发电量数据库。

Description

构建海上风能数据资料库及海上风能发电量数据库的方法
技术领域
本发明涉及风力发电技术领域，尤其涉及一种构建海上风能数据资料库及海上风能发电量数据库的方法。
背景技术
风能，作为一种清洁可再生而又能方便获取的能源，是目前最具有开发前景的可再生能源之一。海上风能由于资源丰富，其开发方式带来的视觉及噪音污染较陆地风能小，从而近些年来发展迅速。然而，相比较陆地风能，海上风能面临更为复杂的情况。在整个风能计划中面临的最大障碍是风能资料的精确性与可靠性。海上浮标和测风塔等观测站点十分稀少，且通常仅有短时间内的观测数据，无法满足风能评估的需求。因此，目前卫星遥感技术和数值模拟依旧是主流手段评估海上风能的潜力。近期的一些研究表明，卫星遥感观测的海上风速资料能够提供可靠的风能评估结果。例如，Jiang等人基于9年的卫星遥感观测数据综合地评估了中国沿海的风能潜力。然而，由于技术的限制，卫星观测的风速资料精度较低(～2m/s)，空间分辨率(25～50km)和时间分辨率较为粗糙(1天)，因此仅仅提供大尺度的天气场特征。相比较卫星遥感技术，数值模拟是另一种有效的手段在风能评估中广泛应用。Yamaguchi和Ishihara验证了中尺度数值模式RAMS在风能预报上的可靠性。相比较卫星观测数据，中尺度的数值模式能够模拟一系列复杂的物理过程，可以生成高分辨率的局部三维风场结构，从而为风能预报提供了更精细化的脉动场细节。除了直接在中尺度气象数值模式中模拟长时间的风场以外，对已有的数值产品(全球尺度模型(GCM)或再分析资料)进行动力学降维(DDM)也是一种有效的手段提供高精度的长时间连续风场。
传统的动力学降维(DDM)技术用于将粗糙的全球尺度模型(GCM)或历史再分析资料降维至区域性或局部尺度的高精度模型(RCM)。在绝大多数的DDM过程中，降尺度的区域模型(RCM)与对应相同动力学特征的全球尺度模型(GCM)或再分析资料应保持一致的大尺度天气场趋势。而中尺度的气象数值模式在DDM过程中用于添加或提升更多不同尺度的天气细节。换而言之，为了能够提高某一研究区域的分辨率，中尺度的气象模式在GCM中嵌入高分辨率的区域模型，该嵌套的区域模型有随时间变化的、由GCM产生的大尺度天气场提供边界条件。这种嵌套能够提升GCM中缺失的地形特征和小尺度天气特征。经过降维后得到的高分辨率区域模型有助于我们更好地理解局部天气场的时间和空间分布。
然而，由于高性能计算和存储空间的限制，直接在中尺度数值模式中模拟长期的高精度风场(>30年)或利用中尺度数值模式对全球尺度模型或再分析资料的风场进行动力学降维均十分困难。此外，中尺度数值模式对风场的长期模拟将导致较大的累计误差，影响计算结果的可靠性与精确性。DDM目前主要应用在东部亚洲、西部非洲以及其余的陆面区域，一系列研究结果表明，DDM对侧面边界条件(LBC)的处理十分敏感，这通常与低空射流是否正确模拟有关。若要获得海上高精度的三维风场，全耦合的大气-海洋-陆地GCM模拟意味着大气、陆地和海洋物理过程的完全相互作用，这对整个中尺度数值模式，尤其是边界条件(LBC)的预处理上提出了较高的要求。因此，若要建立中国近海高精度的风能资料与发电量数据库，存在上述的技术难题。
发明内容
本发明为了解决现有技术中缺乏高精度风能数据的问题，提供一种构建海上风能数据资料库及海上风能发电量数据库的方法。
为了解决上述问题，本发明采用的技术方案如下所述：
一种构建海上风能数据资料库的方法，包括如下步骤：S1：获取中尺度气象数值模式的边界条件，所述边界条件包括海上风场范围边界上的气象变量信息；S2：利用空间时间分离的方法对所述气象变量信息进行分解；S3：用中尺度气象数值模式对所述边界条件降维，获得高精度的模态天气场；S4：进一步获取高精度的实际天气场，建立高精度区域三维风场数据库。
在本发明的一种实施例中，步骤S2中对气象变量信息分解包括如下维度：东西向风速、南北向风速、温度、相对湿度、优势高度、10米处东西向表面风速、10米处南北向表面风速、陆地表面/海表面气压、标准海平面气压、陆地表面/海表面温度、2米高度处表面温度、2米高度处表面相对湿度；采用多变量经验正交函数分解方法对所述气象变量信息进行分解；提取多变量经验正交函数的累计方差90％对应的前500阶模态对应的模态天气场的线性叠加作为原始天气场，即：
Figure BDA0002037278980000031
任一阶所述模态对应的t时刻所述模态天气场为：
Θi(t)＝M+S·Vi·PCi(t)
其中，D代表原始天气场，M是平均天气场，S代表天气场的标准差，Vi代表第i阶模态，PCi代表第i阶模态对应的时间系数，Θi(t)即为边界条件。
在本发明的又一种实施例中，获得所述高精度的模态天气场为
Figure BDA0002037278980000032
则高精度的实际天气场
Figure BDA0002037278980000033
为：
Figure BDA0002037278980000034
平均风能密度定义为：
Figure BDA0002037278980000035
其中，n为当地观测或模拟的风速序列Vi的总个数，ρi为风速Vi的空气密度。
在本发明的再一种实施例中，对所述气象变量信息进行分解的方法还包括：主成分分析，特征值分解；中尺度气象数值模式是：WRF中尺度气象数值模式；或，MM5气象数值模式；或，RAMS气象数值模式；获取的数据来自于ECMWF的历史再分析资料或NCAR的历史再分析资料；降维技术是动力学将维或统计学降维。
本发明还提供一种构建海上风能发电量数据库的方法，包括如上任一所述的构建风能数据资料库中数据计算得到发电量、季度平均发电量和年平均发电量。
本发明的有益效果为：提供一种构建海上风能数据资料库及海上风能发电量数据库的方法，实现时间场与空间场的分离，分离后的每一阶空间场模态代表着原始的三维天气场在空间的一种分布趋势，并在中尺度的气象数值模式中降维获得高精度的模态天气场；进而可得到同时反映时间和空间变化的长期高精度三维风场，从而建立中国近海高精度的风能资料，进而可以获得发电量数据库；进而可以为使用风能和电能提供数据支持。
附图说明
图1是本发明实施例中构建海上风能数据资料库的方法示意图。
图2是本发明实施例中90米高度的30年平均风速示意图。
图3是本发明实施例中90米高度处30年平均风能密度示意图。
图4(a)是本发明实施例中90米高度30年的春季平均风能密度示意图。
图4(b)是本发明实施例中90米高度30年的夏季平均风能密度示意图。
图4(c)是本发明实施例中90米高度30年的秋季平均风能密度示意图。
图4(d)是本发明实施例中90米高度30年的冬季平均风能密度示意图。
图5是本发明实施例中90米高度30年的年平均发电量示意图。
图6(a)是本发明实施例中90米高度30年的春季平均发电量示意图。
图6(b)是本发明实施例中90米高度30年的夏季平均发电量示意图。
图6(c)是本发明实施例中90米高度30年的秋季平均发电量示意图。
图6(d)是本发明实施例中90米高度30年的冬季平均发电量示意图。
具体实施方式
为了使本发明实施例所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。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。
需要说明的是，当元件被称为“固定于”或“设置于”另一个元件，它可以直接在另一个元件上或者间接在该另一个元件上。当一个元件被称为是“连接于”另一个元件，它可以是直接连接到另一个元件或间接连接至该另一个元件上。另外，连接即可以是用于固定作用也可以是用于电路连通作用。
需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明实施例和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
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该特征。在本发明实施例的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
本发明提供一种构建风能密度数据资料库的方法，包括如下步骤：
S1：获取中尺度气象数值模式的边界条件，所述边界条件包括海上风场范围边界上的气象变量信息；
获取的数据来自于ECMWF的历史再分析资料或NCAR的历史再分析资料，可以理解的是，采用其他全球大尺度模型或再分析资料的结果同样属于该项发明的保护范围之内。
在本发明的一种实施例中，所提取的数据来源海上欧洲气象中心提供的原始数据。提取数据的方法有多种，其本质都是将多个网格点(代表空间内的多个位置)上的时间历程数据分解为空间变化和时间变化两个部分。这两个部分利用矩阵乘法能够还原为原来的场(多个网格点的时间历程)。可以理解的是，提取方法只要能够将一个场的数据分解为空间变化和时间变化两个部分就能满足本发明的要求。
因为欧洲气象中心仅提供30年的数据，虽然有些数据库提供超过30年的数据，但是30年之前(1979年之前)的数据可信度不高，所以本发明提取的是30年的数据。
S2：利用空间时间分离的方法对所述气象变量信息进行分解；
S3：用中尺度气象数值模式对所述边界条件降维，获得高精度的模态天气场；
气象数值模式是：WRF中尺度气象数值模式；或，MM5气象数值模式；或，RAMS气象数值模式。
S4：进一步获取高精度的实际天气场，建立高精度区域三维风场数据库。
海上风能数据资料库，包括：高精度的模态天气场；高精度的实际天气场；高精度区域三维风场数据。
基于边界场时间与空间可分离的思想，通过多变量经验正交函数分解方法将包含12个气象变量的标准化距平场(具体气象变量见表1)拆分成一系列正交的特征空间模态和时间场。这些不随时间变化的模态代表着天气场在空间上分布的典型特征，而原始的天气场被视为这些特征空间模态的线性叠加。
对气象变量信息进行分解的方法还包括：主成分分析，特征值分解；降维技术是动力学降维或统计学降维。本质上，这里所指的降维是将一个较为粗糙的，解析度不高的气象中心数据输入通用的气象数值模拟当中。将粗糙数据当做边界条件，由模拟给出该边界条件影响下的区域内精细风场结构。本发明中，利用通用气象数值模拟软件(开源)完成了这一过程。
表1气象变量信息
1 U 东西向风速
2 V 南北向风速
3 T 温度
4 R 相对湿度
5 Gh 位势高度
6 U10 10米处表面风速(东西向)
7 V10 10米处表明风速(南北向)
8 Psurf 陆地表面/海表面气压
9 PMSL 标准海平面气压
10 Tskin 陆地表面/海表面温度
11 T2 2米高度处表面温度
12 R2 2米高度处表面相对湿度
本发明中，可以使用气象领域通用的模拟软件(开源)针对所要分析区域，在上述边界条件的制约下进行天气系统的模拟。目前，该通用气象模拟软件所需要的气象变量为12个。
为了最大程度反应原始天气场再分析数据的时间和空间变化特征，提取多变量经验正交函数的累计方差90％对应的前500阶模态对应的模态天气场的线性叠加作为原始天气场，即：
Figure BDA0002037278980000071
根据上述公式可知，原始的ECMWF再分析数据近似于前500阶模态对应的模态天气场的线性叠加。因此，其中任一阶模态对应的t时刻模态天气场可写为：
Θi(t)＝M+S·Vi·PCi(t)
其中，D代表原始天气场，M是平均天气场，S代表天气场的标准差，Vi代表第i阶模态，PCi代表第i阶模态对应的时间系数，Θi(t)即为边界条件。
当在中尺度气象数值模式获得高精度的模态天气场
Figure BDA0002037278980000072
时，则高精度的实际天气场
Figure BDA0002037278980000073
可构造为：
Figure BDA0002037278980000074
根据上式建立高精度区域三维风场数据库。该数据库涵盖了整个中国近海水域1000米水深范围内10米至500米高度的风能信息，且与大量观测资料进行对比，确保数据库的可靠性。
通过本发明的方法大大节省的降维的时间。本发明中，降维仅需要进行500次数值模拟，以本发明中每次模拟得到3天的结果计算，本发明需要模拟的时间仅仅为500*3＝1500天(大约4年)。而已有技术需要进行30年的模拟才能够达到本发明的效果。
另外，本发明中500阶模态的模拟互不相关，每次模拟不依赖其他模拟的结果。因此，500次模拟能够利用计算机并行进行，节省计算时间。而现有技术的动力降维模拟有时序性。30年的模拟必须一天一天进行，没有并行计算的可能。3.本发明中，数据库空间精度取决于动力降维模拟中的网格设置，能够根据计算能力的提高与时俱进。
如图2所示，基于上述数据库建立过程，90米高度的30年平均风场时空变化特征。
其中，用于描述某地可用风能资源的风能密度参数定义为，由于风场的时间变化产生的单位面积平均风能。因此平均风能密度可写为：
Figure BDA0002037278980000081
其中，n为当地观测或模拟的风速序列Vi的总个数，ρi为风速Vi的空气密度。本发明研究的是30年时间尺度上的风能密度分布，而时间解析度受欧洲气象中心数据源限制为6小时。因此，总数量为每天4个点，一年365天(或者366天)，30年，总共43800个点，所以n的取值为43800。
采用本发明的方法，获取了我国南海的风能密度数据资料库，为南海海上风能资源评估提供必要的输入数据。本发明将累计30年记录的再分析资料实现时间场与空间场的分离，分离后的每一阶空间场模态代表着原始的三维天气场在空间的一种分布趋势，并在中尺度的气象数值模式中降维至高精度的区域空间场模态。当分离的时间场叠加回高精度的区域风场模态时，即可得到同时反映时间和空间变化的30年长期高精度三维风场，从而建立中国近海高精度的风能资料与发电量数据库。
90米年平均风能密度和4个季节平均风能密度如下图3和图4(a)-图4(d)所示(依照中国惯例，3-5月份定为春季，6-8月份定为夏季，9-11月份定为秋季，12-2月份定位冬季)。
以广泛流行的NREL 5MW基础风机为例，建立了该风机在中国近海水域的发电量数据库，供使用该风机标准作为风电场建设的单位参考。
海上风电场的发电量由所选用的海上风机功率曲线决定，基于Rankine-Froude理论，海上风机的发电量由下式计算：
P＝(1/2)·ρairπr2V3Cp
上式中，ρair为空气密度，取1.293kg/m3，r为转子半径，取63m，V为轮毂高度风速，Cp为功率系数或空气动力学效率。结合我们模拟给出的30年间隔6小时的90米高度风速序列Vi，j，k，t(i为经度，j为纬度,k为小时，t为年份)，其年平均实际发电量如下式计算：
Figure BDA0002037278980000091
如图5所示，以NREL 5MW参考风机的基本参数为例预报的年平均发电量。
如图6(a)-6(d)所示，以NREL 5MW参考风机的基本参数为例90米高度30年的4个季节平均发电量。
基于本发明的中国近海高精度风能资料与发电量数据库，中国海上风电决策者可根据我们提供的数据库对指定类型的海上风机、不同水域的风浪环境进行风能资源评估与发电量预报，从而为海上风机的选址与经济预算提供理论的支持；基于我们提供的发电量数据库，工程设计人员可针对现有的海上风机进一步改良，提升发电功率，从而保证降低成本，提高经济效益。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干等同替代或明显变型，而且性能或用途相同，都应当视为属于本发明的保护范围。

Claims (8)

1.一种构建海上风能数据资料库的方法，其特征在于，包括如下步骤：
S1：获取中尺度气象数值模式的边界条件，所述边界条件包括海上风场范围边界上的气象变量信息；
S2：利用空间时间分离的方法对所述气象变量信息进行分解；采用多变量经验正交函数分解方法对所述气象变量信息进行分解；提取多变量经验正交函数的累计方差90％对应的前500阶模态对应的模态天气场的线性叠加作为原始天气场，即：
Figure FDA0003041179150000011
任一阶所述模态对应的t时刻所述模态天气场为：
Θi(t)＝M+S·Vi·PCi(t)
其中，D代表原始天气场，M是平均天气场，S代表天气场的标准差，Vi代表第i阶模态，PCi代表第i阶模态对应的时间系数，所述模态天气场Θi(t)即为边界条件；
S3：用中尺度气象数值模式对所述边界条件降维，获得高精度的模态天气场；
S4：进一步获取高精度的实际天气场，建立高精度区域三维风场数据库。
2.如权利要求1所述的构建海上风能数据资料库的方法，其特征在于，步骤S2中对气象变量信息分解包括如下维度：东西向风速、南北向风速、温度、相对湿度、优势高度、10米处东西向表面风速、10米处南北向表面风速、陆地表面/海表面气压、标准海平面气压、陆地表面/海表面温度、2米高度处表面温度、2米高度处表面相对湿度。
3.如权利要求1所述的构建海上风能数据资料库的方法，其特征在于，获得所述高精度的模态天气场为
Figure FDA0003041179150000012
则高精度的实际天气场
Figure FDA0003041179150000013
为：
Figure FDA0003041179150000014
4.如权利要求3所述的构建海上风能数据资料库的方法，其特征在于，平均风能密度定义为：
Figure FDA0003041179150000021
其中，n为当地观测或模拟的风速序列Vi的总个数，ρi为风速Vi的空气密度。
5.如权利要求1-4任一所述的构建海上风能数据资料库的方法，其特征在于，对所述气象变量信息进行分解的方法还包括：主成分分析，特征值分解。
6.如权利要求1-4任一所述的构建海上风能数据资料库的方法，其特征在于，所述中尺度气象数值模式是：WRF中尺度气象数值模式；或，MM5气象数值模式；或，RAMS气象数值模式。
7.如权利要求1-4任一所述的构建海上风能数据资料库的方法，其特征在于，获取的数据来自于ECMWF的历史再分析资料或NCAR的历史再分析资料；降维技术是动力学将维或统计学降维。
8.一种构建海上风能发电量数据库的方法，其特征在于，包括如权利要求1-7任一所述的构建海上风能数据资料库的方法中数据计算得到发电量、季度平均发电量和年平均发电量。
CN201910329611.3A 2019-04-09 2019-04-23 构建海上风能数据资料库及海上风能发电量数据库的方法 Expired - Fee Related CN110347671B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2019102822060 2019-04-09
CN201910282206 2019-04-09

Publications (2)

Publication Number Publication Date
CN110347671A CN110347671A (zh) 2019-10-18
CN110347671B true CN110347671B (zh) 2021-06-15

Family

ID=68174688

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910329611.3A Expired - Fee Related CN110347671B (zh) 2019-04-09 2019-04-23 构建海上风能数据资料库及海上风能发电量数据库的方法

Country Status (1)

Country Link
CN (1) CN110347671B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110608133B (zh) * 2019-10-28 2020-10-02 国网山东省电力公司电力科学研究院 一种海上风力发电控制系统及方法
CN111488974B (zh) * 2020-04-14 2023-05-02 四川北控清洁能源工程有限公司 基于深度学习神经网络的海洋风能降尺度方法
CN112417779B (zh) * 2020-11-19 2023-10-31 自然资源部第一海洋研究所 一种海流能理论储量评估方法
CN112347657B (zh) * 2020-11-19 2023-09-29 自然资源部第一海洋研究所 一种风能理论储量评估方法
CN113221949B (zh) * 2021-04-13 2024-03-29 中国电力科学研究院有限公司 一种影响新能源出力的多尺度天气过程分类方法和系统
CN113468767B (zh) * 2021-08-06 2023-10-13 中国华能集团清洁能源技术研究院有限公司 一种海上风电机组发电量评估方法与系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108062595B (zh) * 2017-11-28 2021-09-28 重庆大学 基于wrf/cfd/sahde-rvm耦合的复杂地貌区域短时风能预测方法

Also Published As

Publication number Publication date
CN110347671A (zh) 2019-10-18

Similar Documents

Publication Publication Date Title
CN110347671B (zh) 构建海上风能数据资料库及海上风能发电量数据库的方法
Staffell et al. Using bias-corrected reanalysis to simulate current and future wind power output
CN104239706B (zh) 一种地面观测气温时空数据集的制备方法
Pryor et al. Wind speed trends over the contiguous United States
US9262723B2 (en) Predicting climate data using climate attractors derived from a global climate model
US10509868B2 (en) Operating a solar power generating system
CN107316095A (zh) 一种耦合多源数据的区域气象干旱等级预测方法
Robertson et al. Holistic marine energy resource assessments: A wave and offshore wind perspective of metocean conditions
Ortega et al. Estimation of the wave power resource in the Caribbean Sea in areas with scarce instrumentation. Case study: Isla Fuerte, Colombia
Zhou et al. Temporal-spatial distribution of wave energy: A case study of Beibu Gulf, China
Hu et al. Modelling of storm surge in the coastal waters of Yangtze Estuary and Hangzhou Bay, China
Masoumi Ocean data classification using unsupervised machine learning: Planning for hybrid wave-wind offshore energy devices
Bieda et al. Towards a renewable energy source cadastre—a review of examples from around the world
Salvação et al. Validation of a regional atmospheric model for assessing the offshore wind resources along the Portuguese coast
CN113627096A (zh) 一种基于空间相关性和监测数据的精细风场模拟方法
Feser et al. North Atlantic winter storm activity in modern reanalyses and pressure-based observations
Jose et al. Enabling wind power nationwide
Lanerolle et al. The second generation Chesapeake Bay operational forecast system (CBOFS2) model development and skill assessment
Wang et al. Climatic factors and their availability in estimating long‐term variations of fine particle distributions over East China
Zhou et al. Weather, climatic and ecological impacts of onshore wind farms
CN115586591A (zh) 风暴潮的自动预报方法以及装置
Yusof et al. Mapping frequent spatio-temporal wind profile patterns using multi-dimensional sequential pattern mining
Zhou et al. Evaluation of spatial–temporal features and circulation patterns of Northeast China cold vortex in CMIP6 AMIP simulations
Shamshirband et al. Application of ERA5 and MENA simulations to predict offshore wind energy potential
Campos et al. Comparisons of two wind and wave data sets from the North Atlantic

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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210615