CN110925147B - 一种风力发电机尾流追踪方法 - Google Patents
一种风力发电机尾流追踪方法 Download PDFInfo
- Publication number
- CN110925147B CN110925147B CN201911150110.5A CN201911150110A CN110925147B CN 110925147 B CN110925147 B CN 110925147B CN 201911150110 A CN201911150110 A CN 201911150110A CN 110925147 B CN110925147 B CN 110925147B
- Authority
- CN
- China
- Prior art keywords
- wind
- driven generator
- dimensional
- wind power
- power plant
- 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
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2260/00—Function
- F05B2260/84—Modelling or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Wind Motors (AREA)
Abstract
本发明提供一种风力发电机尾流追踪方法,包含步骤:S1、通过多普勒雷达采集风力发电场的风速信息;S2、结合风向信息和采集的风速信息,对风力发电场进行二维网络化建模,建立风力发电场二维建模模型;S3、选取尾流起始位置,根据所述尾流起始位置更新所述风力发电场二维建模模型的风速信息;S4、通过单高斯拟合或双高斯拟合追踪风力发电机的尾流中心。本发明能够在真实环境中最终得到尾流中心位置,追踪结果准确可靠。
Description
技术领域
本发明涉及风力发电机技术领域,特别涉及一种风力发电机尾流追踪方法。
背景技术
现如今,随着以太阳能、风能、水能为代表的可再生能源建设规模逐渐加大,尤其是风电并网容量已连续多年领跑全球,风力发电场的选址以及布局成为了制约风电进一步发展的重要因素。所以如何更好地使用现有风力资源,结合高科技手段提高资源利用效率,成为了我们研究的方向。
尾流效应是指风力机从风中获取能量的同时在其下游形成风速下降的尾流区。若下游有风力机位于尾流区内,下游风力机的输入风速就低于上游风机的输入风速。尾流效应造成风电场内风速分布不均,影响风电场内每台风电机组运行状况,进一步影响风电场运行工况及输出;且受风电场拓扑、风轮直径、推力系数、风速和风向等因素影响。
目前风机的叶轮直径己达百米以上,在一个较大型的风电场内,希望在有限的±地上安装尽可能多的风力发电机组,从而获得尽量多的发电量,然而尾流效应是决定风机间距离的一个至关重要的因素。当一台风力发电机组处在上游风力发电机组的尾流区域里运行时,其发电功率会受到极大的影响。尾流效应造成的能量损失对风电场的经济性有着重要的影响,当风力发电机组完全处在尾流区域运行时,功率损失可达30%到40%。
为了提高风力发电机的发电效率,降低尾流影响,现有的解决方法通常是通过风洞试验或者计算机仿真计算进行尾流追踪方法的模拟,但是真实环境远比实验室的模拟条件复杂,大气条件以及风速风向等复杂多变,尤其是两台或多台风力发电机产生的尾流互相影响等,这些因素的叠加造成在真实环境之中风力发电机的尾流追踪所面临的困难以及需要考虑到的问题远比实验室的模拟条件多,如何针对真实环境中的风力发电机尾流进行直观而准确的追踪以及展示,是亟待解决的问题。
因此,要实现风力发电机尾流中心准确的追踪,需要解决解决的问题有:一是确保尾流中心追踪是基于真实环境;二是确保尾流中心追踪的准确性;三是确保尾流中心信息展示的直观性与可读性。
发明内容
本发明的目的是提供一种风力发电机尾流追踪方法,能够实时追踪风力发电场中风力发电机的尾流中心位置。
为了达到上述目的,本发明提供一种风力发电机尾流追踪方法,包含步骤:
S1、通过多普勒雷达采集风力发电场的风速信息;
S2、结合风向信息和采集的风速信息,对风力发电场进行二维网络化建模,建立风力发电场二维建模模型;
S3、选取尾流起始位置,根据所述尾流起始位置更新所述风力发电场二维建模模型的风速信息;
S4、通过单高斯拟合或双高斯拟合追踪风力发电机的尾流中心。
所述风力发电机尾流追踪方法还包含步骤:
S5、通过箱型图展示追踪的尾流中心的统计信息。
步骤S2中包含:
S21、任选风力发电场一台风力发电机作为第一风力发电机,将所述第一风力发电机作为水平笛卡尔坐标系的原点,将实际风向作为所述笛卡尔坐标系的x轴正方向,所述笛卡尔坐标系的y轴垂直于风向,且第一风力发电机下风向相邻的第二风力发电机位于所述笛卡尔坐标系的第一象限,建立风力发电场在笛卡尔坐标系下的二维网络化建模模型;
S22、水平旋转所述笛卡尔坐标系下的二维网络化建模模型,使得其x轴正方向对应于图纸的正东方向得到标准视角的二维网络化建模模型;
S23、将采集的风速信息对应到所述标准视角的二维网络化建模模型得到风力发电场二维建模模型;v(x,y)表示所述风力发电场二维建模模型的风速信息,(x,y)表示风力发电场二维建模模型中的二维坐标,v表示风速。
步骤S3中具体包含:
S31、以所述第一风力发电机为起点,将多普勒雷达采集到风力发电场风速信息的第一个位置作为尾流起始位置,该尾流起始位置在所述风力发电场二维建模模型中的坐标为(xWT,yWT),其中xWT,yWT均随时间变化而变化;
步骤S4中具体包含:
S41、选取所述风力发电场相对二维坐标系下的一组风速信息v1(x1,y1),…,vn(x1,yn);其中x1<X2,y1<…<yn,对v1,…,vn进行单高斯拟合;(X2,Y2)为第二风力发电机在所述风力发电场相对二维坐标系下的坐标;
S42、计算v1,…,vn在单高斯拟合下的决定系数R2;
S43、若R2大于或等于预设的第一标准值,则将对v1,…,vn单高斯拟合的对称轴的值作为第一风力发电机尾流中心的y轴坐标y′,得到第一风力发电机尾流中心的位置(x1,y′);若决定系数R2小于预设的第一标准值,进入S44;
S44、对v1,…,vn进行双高斯拟合,计算v1,…,vn在双高斯拟合下的决定系数R1 2,进入S45;
S45、若R1 2大于或等于预设的第二标准值,则选取v1,…,vn双高斯拟合所得两个对称轴的值中的较小值,作为第一风力发电机尾流中心的y轴坐标y″,得到第一风力发电机尾流中心的位置(x1,y″);若R1 2小于预设的第二标准值,进入S46;
S46、分割v1,…,vn为v1,…,vn1和vn1+1,…,vn;对v1,…,vn1进行单高斯拟合,计算得到v1,…,vn1单高斯拟合的决定系数R3 2,v1,…,vn1单高斯拟合对称轴的值为y1′;对vn1+1,…,vn进行单高斯拟合,计算得到vn1+1,…,vn单高斯拟合的决定系数R4 2,vn1+1,…,vn单高斯拟合对称轴的值为y2′;若R3 2、R4 2均大于或等于预设的第三标准值,则选取y1′、y2′中的较小值作为第一风力发电机尾流中心的y轴坐标y″′,得到第一风力发电机尾流中心的位置(x1,y″′);若R3 2、R4 2中的任一值低于预设的第三标准值,进入S41。
步骤S46中,分割v1,…,vn为v1,…,vn1和vn1+1,…,vn的具体方法为:
令h为v1,…,vn双高斯拟合结果中两个波峰之间的波谷在风力发电场相对二维坐标系y轴上对应的值,且yn1<h<yn1+1。
与现有技术相比,本发明的优点在于:
本发明的风力发电机尾流中心追踪方法是基于真实环境数据,充分考虑到真实环境中大气条件、风速风向,以及两台或者多台风力发电机的尾流的相互作用,通过基于单高斯拟合、双高斯拟合的追踪算法获得真实的尾流中心位置。本发明的追踪结果准确可靠,能够用以评估风力发电机尾流对风力发电场的影响。本发明还通过箱型图直观的展示方式追踪的尾流中心位置的统计信息。
附图说明
为了更清楚地说明本发明技术方案,下面将对描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一个实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图:
图1是本发明风力发电机尾流追踪方法流程图;
图2是本发明风力发电机尾流追踪方法中步骤S4流程示意图;
图3是本发明的实施例一中尾流中心统计信息箱型图;
图4是本发明实施例一中决定系数R2统计信息箱型图;
图5是图3中的一个统计数据示意图;
图6A为本发明的实施例一中通过单高斯拟合风速示意图。
图6B为本发明的实施例一中通过双高斯拟合风速示意图;
图6C为本发明的实施例一中通过单高斯分别拟合分割后的两组风速示意图。
具体实施方式
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,都属于本发明保护的范围。
如图1所示,本发明提供一种风力发电机尾流追踪方法,包含步骤:
S1、通过多普勒雷达采集风力发电场的风速信息;
S2、结合风向信息和采集的风速信息,对风力发电场进行二维网络化建模,建立风力发电场二维建模模型;
步骤S2中包含:
S21、任选风力发电场一台风力发电机作为第一风力发电机,将所述第一风力发电机作为水平笛卡尔坐标系的原点,将实际风向作为所述笛卡尔坐标系的x轴正方向,所述笛卡尔坐标系的y轴垂直于风向,且第一风力发电机下风向相邻的第二风力发电机位于所述笛卡尔坐标系的第一象限;建立风力发电场在笛卡尔坐标系下的二维网络化建模模型;
S22、水平旋转所述笛卡尔坐标系下的二维网络化建模模型,使得其x轴正方向对应于图纸的正东方向得到标准视角的二维网络化建模模型;
S23、将采集的风速信息对应到所述标准视角的二维网络化建模模型得到风力发电场二维建模模型;v(x,y)表示所述风力发电场二维建模模型的风速信息,(x,y)表示风力发电场二维建模模型中的二维坐标,v表示风速。
S3、选取尾流起始位置,根据所述尾流起始位置更新所述风力发电场二维建模模型的风速信息;
步骤S3中具体包含:
S31、以所述第一风力发电机为起点,将多普勒雷达采集到风力发电场风速信息的第一个位置作为尾流起始位置,该尾流起始位置在所述风力发电场二维建模模型中的坐标为(xWT,yWT),其中xWT,yWT均随时间变化而变化;
S4、通过单高斯拟合或双高斯拟合追踪风力发电机的尾流中心。
如图2所示,步骤S4中具体包含:
S41、选取所述风力发电场相对二维坐标系下的一组风速信息v1(x1,y1),…,vn(x1,yn);其中x1<X2,y1<…<yn,对v1,…,vn进行单高斯拟合;(X2,Y2)为第二风力发电机在所述风力发电场相对二维坐标系下的坐标;
S42、计算v1,…,vn在单高斯拟合下的决定系数R2;在统计学中,决定系数表示可根据自变量的变异来解释因变量的变异部分,也被称为拟合优度,在本文中可以被理解为速度衰减Δvi=vi+1-vi之于坐标y1,…,yn的函数能够在多大程度上被拟合结果——即被某一确定的高斯函数所代表。也即可以通过决定系数R2判断高斯函数拟合结果的可信程度。
S43、若R2大于或等于预设的第一标准值,如图6A所示,则将对v1,…,vn单高斯拟合的对称轴的值作为第一风力发电机尾流中心的y轴坐标y′,得到第一风力发电机尾流中心的位置(x1,y′);若决定系数R2小于预设的第一标准值,此时说明,第二风发电机对于第一风发电机的尾流有扰动,进入S44;
S44、对v1,…,vn进行双高斯拟合,计算v1,…,vn在双高斯拟合下的决定系数R1 2,进入S45;
S45、如图6B所示,若R1 2大于或等于预设的第二标准值,此时双高斯拟合有两个对称轴,分别是落在所述风力发电场相对二维坐标系的坐标(x1,y1′)和坐标(x1,y′2);则选取v1,…,vn双高斯拟合所得两个对称轴的值中的较小值y′2,作为第一风力发电机尾流中心的y轴坐标y″,得到第一风力发电机尾流中心的位置(x1,y″);R1 2大于或等于预设的第二标准值说明第一风力发电机与第二风力发电机的尾流虽有互相干扰,但仍能够将第一风力发电机和第二风力发电机的尾流中心区分开。若R1 2小于预设的第二标准值,说明通过双高斯拟合的方法不能够将第一风力发电机和第二风力发电机的尾流中心区分开来,进入S46;
S46、如图6C所示,分割v1,…,vn为v1,…,vn1和vn1+1,…,vn;分割v1,…,vn为v1,…,vn1和vn1+1,…,vn的具体方法为:
令h为v1,…,vn双高斯拟合结果中两个波峰之间的波谷在风力发电场相对二维坐标系y轴上对应的值,且yn1<h<yn1+1。
对v1,…,vn1进行单高斯拟合,计算得到v1,…,vn1单高斯拟合的决定系数R3 2,v1,…,vn1单高斯拟合对称轴的值为y1″;对vn1+1,…,vn进行单高斯拟合,计算得到vn1+1,…,vn单高斯拟合的决定系数R4 2,vn1+1,…,vn单高斯拟合对称轴的值为y2″;若R3 2、R4 2均大于或等于预设的第三标准值,则选取y1″、y2″中的较小值作为第一风力发电机尾流中心的y轴坐标y″′,得到第一风力发电机尾流中心的位置(x1,y″′);若R3 2、R4 2中的任一值低于预设的第三标准值,进入S41。
S5、通过箱型图展示追踪的尾流中心的统计信息。
图3中示出了在风力发电场相对二维坐标系中尾流中心位置的统计信息。图3表示横坐标为x1的轴上,尾流中心位置在y轴上分布的最大最小值,其中白色的圆圈表示尾流中心y轴坐标的平均数。图5为图3的一个统计数据,图5中除了常用箱型图所包含的最大最小值,中位数以及两个四分位数以外,还添加了平均数作为指示尾流中心数据的偏移的依据。
图4为本发明实施例一中决定系数R2统计信息箱型图,图4中显示了在各个决定系数之下可用样本占总样本的比例,以展示拟合的可靠程度。
易于想到的,本发明同样适用于追踪第一风力发电机和位于第一风力发电机上方风向的第三风力发电机之间的尾流中心。
与现有技术相比,本发明的优点在于:
本发明的风力发电机尾流中心追踪方法是基于真实环境数据,充分考虑到真实环境中大气条件、风速风向,以及两台或者多台风力发电机的尾流的相互作用,通过基于单高斯拟合、双高斯拟合的追踪算法获得真实的尾流中心位置。本发明的追踪结果准确可靠,能够用以评估风力发电机尾流对风力发电场的影响。本发明还通过箱型图直观的展示方式追踪的尾流中心位置的统计信息。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (3)
1.一种风力发电机尾流追踪方法,其特征在于,包含步骤:
S1、通过多普勒雷达采集风力发电场的风速信息;
S2、结合风向信息和采集的风速信息,对风力发电场进行二维网络化建模,建立风力发电场二维建模模型;
步骤S2中包含:
S21、任选风力发电场一台风力发电机作为第一风力发电机,将所述第一风力发电机作为水平笛卡尔坐标系的原点,将实际风向作为所述笛卡尔坐标系的x轴正方向,所述笛卡尔坐标系的y轴垂直于风向,且第一风力发电机下风向相邻的第二风力发电机位于所述笛卡尔坐标系的第一象限,建立风力发电场在笛卡尔坐标系下的二维网络化建模模型;
S22、水平旋转所述笛卡尔坐标系下的二维网络化建模模型,使得其x轴正方向对应于图纸的正东方向得到标准视角的二维网络化建模模型;
S23、将采集的风速信息对应到所述标准视角的二维网络化建模模型得到风力发电场二维建模模型;v(x,y)表示所述风力发电场二维建模模型的风速信息,(x,y)表示风力发电场二维建模模型中的二维坐标,v表示风速;
S3、选取尾流起始位置,根据所述尾流起始位置更新所述风力发电场二维建模模型的风速信息;
步骤S3中具体包含:
S31、以所述第一风力发电机为起点,将多普勒雷达采集到风力发电场风速信息的第一个位置作为尾流起始位置,该尾流起始位置在所述风力发电场二维建模模型中的坐标为(xWT,yWT),其中xWT,yWT均随时间变化而变化;
S4、通过单高斯拟合或双高斯拟合追踪风力发电机的尾流中心;
步骤S4中具体包含:
S41、选取所述风力发电场相对二维坐标系下的一组风速信息v1(x1,y1),…,vn(x1,yn);其中x1<X2,y1<…<yn,对v1,…,vn进行单高斯拟合;(X2,Y2)为第二风力发电机在所述风力发电场相对二维坐标系下的坐标;
S42、计算v1,…,vn在单高斯拟合下的决定系数R2;
S43、若R2大于或等于预设的第一标准值,则将对v1,…,vn单高斯拟合的对称轴的值作为第一风力发电机尾流中心的y轴坐标y′,得到第一风力发电机尾流中心的位置(x1,y′);若决定系数R2小于预设的第一标准值,进入S44;
S44、对v1,…,vn进行双高斯拟合,计算v1,…,vn在双高斯拟合下的决定系数R1 2,进入S45;
S45、若R1 2大于或等于预设的第二标准值,则选取v1,…,vn双高斯拟合所得两个对称轴的值中的较小值,作为第一风力发电机尾流中心的y轴坐标y″,得到第一风力发电机尾流中心的位置(x1,y″);若R1 2小于预设的第二标准值,进入S46;
S46、分割v1,…,vn为v1,…,vn1和vn1+1,…,vn;对v1,…,vn1进行单高斯拟合,计算得到v1,…,vn1单高斯拟合的决定系数R3 2,v1,…,vn1单高斯拟合对称轴的值为y1″;对vn1+1,…,vn进行单高斯拟合,计算得到vn1+1,…,vn单高斯拟合的决定系数R4 2,vn1+1,…,vn单高斯拟合对称轴的值为y2″;若R3 2、R4 2均大于或等于预设的第三标准值,则选取y1″、y2″中的较小值作为第一风力发电机尾流中心的y轴坐标y″′,得到第一风力发电机尾流中心的位置(x1,y″′);若R3 2、R4 2中的任一值低于预设的第三标准值,进入S41。
2.如权利要求1所述的风力发电机尾流追踪方法,其特征在于,还包含步骤:
S5、通过箱型图展示追踪的尾流中心的统计信息。
3.如权利要求1所述的风力发电机尾流追踪方法,其特征在于,步骤S46中,分割v1,…,vn为v1,…,vn1和vn1+1,…,vn的具体方法为:
令h为v1,…,vn双高斯拟合结果中两个波峰之间的波谷,在风力发电场相对二维坐标系y轴上对应的值,且yn1<h<yn1+1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911150110.5A CN110925147B (zh) | 2019-11-21 | 2019-11-21 | 一种风力发电机尾流追踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911150110.5A CN110925147B (zh) | 2019-11-21 | 2019-11-21 | 一种风力发电机尾流追踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110925147A CN110925147A (zh) | 2020-03-27 |
CN110925147B true CN110925147B (zh) | 2020-12-22 |
Family
ID=69850661
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911150110.5A Active CN110925147B (zh) | 2019-11-21 | 2019-11-21 | 一种风力发电机尾流追踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110925147B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115062563B (zh) * | 2022-08-18 | 2022-11-18 | 南京理工大学 | 基于空间变化的风力机三维尾流风速计算方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9165092B2 (en) * | 2012-07-31 | 2015-10-20 | International Business Machines Corporation | Wind farm layout in consideration of three-dimensional wake |
CN108509718B (zh) * | 2018-03-29 | 2022-02-25 | 华北电力大学 | 一种基于质量守恒的远场尾流二维解析模型 |
CN109992889B (zh) * | 2019-04-02 | 2023-06-27 | 上海电气风电集团股份有限公司 | 风电场模型的建立方法及系统、尾流值计算方法及系统 |
-
2019
- 2019-11-21 CN CN201911150110.5A patent/CN110925147B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110925147A (zh) | 2020-03-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109086534B (zh) | 一种基于cfd流体力学模型的风电场尾流订正方法及系统 | |
CN106897486B (zh) | 考虑湍流强度影响的抛物线形风电机组尾流模型计算方法 | |
CN107292514B (zh) | 风电场生产运行测风塔选址方法及装置 | |
CN105048444A (zh) | 一种基于测风塔测风数据的风电场弃风电量确定方法 | |
CN108491630B (zh) | 一种基于大气稳定度风向标准差法的风速外推方法 | |
CN110009736B (zh) | 三维尾流模型的建立方法、装置、设备及存储介质 | |
CN106779201B (zh) | 一种考虑高原山区风机位置的风速建模方法 | |
WO2023010812A1 (zh) | 一种基于双变量高斯函数的尾流计算方法、装置及存储介质 | |
CN113205210B (zh) | 复杂地形风电场风速与功率预测方法、系统、设备及存储介质 | |
CN108717593A (zh) | 一种基于风轮面等效风速的微观选址发电量评估方法 | |
CN110264002B (zh) | 基于聚类分析的风电场微观选址方案评价方法 | |
CN113326636B (zh) | 一种远海海上风电场时序出力曲线快速生成方法及系统 | |
CN107784386B (zh) | 一种基于风速衰减因子的风电场风机优化排布方法及系统 | |
CN110991701A (zh) | 一种基于数据融合的风电场风机风速预测方法及系统 | |
CN106649987B (zh) | 一种测风塔设立方案的定量分析方法 | |
CN107045574A (zh) | 基于svr的风力发电机组低风速段有效风速估计方法 | |
Vollmer et al. | Transient LES of an offshore wind turbine | |
Romanić et al. | Wind resource assessment in complex urban environment | |
CN110925147B (zh) | 一种风力发电机尾流追踪方法 | |
CN110598939A (zh) | 一种提高测风效率及测风系统可靠性的方法 | |
CN109636019B (zh) | 基于神经网络算法的测风塔布置方案确定方法 | |
CN106919730B (zh) | 一种采用风速衰减因子的风电场尾流确定方法 | |
WO2022033490A1 (zh) | 一种通过添加k源项来校正标准k-ε模型的方法 | |
Jooss et al. | Influence of position and wind direction on the performance of a roof mounted vertical axis wind turbine | |
CN112700349A (zh) | 测风塔选址方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |