CN110929459A - 一种复杂地形风电场测风塔选址方法 - Google Patents
一种复杂地形风电场测风塔选址方法 Download PDFInfo
- Publication number
- CN110929459A CN110929459A CN201911188953.4A CN201911188953A CN110929459A CN 110929459 A CN110929459 A CN 110929459A CN 201911188953 A CN201911188953 A CN 201911188953A CN 110929459 A CN110929459 A CN 110929459A
- Authority
- CN
- China
- Prior art keywords
- wind
- wind turbine
- anemometer tower
- correlation
- tower
- 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
- 238000010187 selection method Methods 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 239000012530 fluid Substances 0.000 claims abstract description 4
- 238000005457 optimization Methods 0.000 claims abstract description 4
- 238000004458 analytical method Methods 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000004451 qualitative analysis Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 8
- 230000004888 barrier function Effects 0.000 claims description 7
- 238000000354 decomposition reaction Methods 0.000 claims description 7
- 238000012417 linear regression Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 abstract description 2
- 238000005259 measurement Methods 0.000 description 4
- 238000010248 power generation Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
- 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
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Water Supply & Treatment (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Biology (AREA)
- Wind Motors (AREA)
- Primary Health Care (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Public Health (AREA)
- Algebra (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
Abstract
一种复杂地形风电场测风塔选址方法,其特征在于:获取风电场的基本信息数据;基于已获取的信息,利用计算流体力学进行场区范围内风资源计算,建立以发电量最大或收益率最大为目标的优化模型,计算得到场区范围内风电机组坐标位置;计算得到风电场内初步风电机组坐标与风电机组点位气象数据,进行各范围内两两风电机组风速、风向相关性分析,优选相关性较好的机位为备选测风塔选址,在拟选风电机组点位处设立测风塔,通过相关性分析的方法增强了测风塔设置的代表性与合理性。通过定量与定性两部分结合确定风电场测风塔设置位置,使测风塔设立避免了传统仅定性确立测风塔位置的主观性与随意性,提高测风塔设立的代表性,减少测风偏差。
Description
技术领域
本发明属于风力发电技术领域,尤其涉及一种复杂地形风电场测风塔选址方法。
背景技术
风电场进行建设的流程一般是前期基于中尺度数据进行选址、立测风塔、实测气象数据计算等,测风塔设置数量与位置将决定测风塔的实测数据能够代表整个区域的风速、风向等气象因素。测风塔设置的偏差将为后续实测数据与发电量等指标计算带来较大的不确定性。
传统上风电场测风塔的选址主要依据现有规范与设计人员经验确定,包括依据地形复杂程度初步确定测风塔的设置数量,进而按照细分的覆盖范围,在区域内定性的决定测风塔的设立位置。
对于复杂地形,测风塔的设置相较平坦地形存在更高的难度,例如,测风塔的选址海拔过低或过高,导致测风数据无法有效代表拟建设风电机组轮毂处的气象条件,同样的,站址周边障碍物的存在将导致测风结果失真。因此,仅凭设计人员的主观经验,将导致测风结果存在较大可能偏离真实情况,为后续工程的建设带来较大的收益不确定性。
发明内容
本发明旨在解决上述问题,提供一种提高测风塔选址的代表性与测风结果的准确性的复杂地形风电场测风塔选址方法。
本发明所述复杂地形风电场测风塔选址方法,包括如下步骤:
S11获取风电场的基本信息数据;
S12基于已获取的信息,利用计算流体力学进行场区范围内风资源计算,建立以发电量最大或收益率最大为目标的优化模型,计算得到场区范围内风电机组坐标位置;
S13按照距离D进行区域划分,计算区域内各风电机组间轮毂高度处风速的相关性系数,计算得到每台风电机组风速平均相关性系数,按照大小进行相关性排序,选择相关性系数最大的前三台风电机组进一步分析,优选代表性最佳的风电机组;
S14综合气候相似性、地形地貌相似性、障碍物遮挡效应相似性三方面进行定性分析,综合确定优选测风塔的建设位置;
S15依据气候相似性、地形地貌相似性、障碍物遮挡效应相似性三方面进行指标分解,利用层次分析法确定指标权重,邀请专家进行指标打分,计算最终备选风电机组点位综合打分,选择得分最高的风电机组为区域内测风塔选址坐标。
进一步,本发明所述复杂地形风电场测风塔选址方法,步骤S13所述进一步分析的具体过程包括:
S131基于S12初步计算的风电机组坐标位置,基于风电机组机位点相对聚集区域,按照距离D半径进行划分,以圆内的风电机组组为一相对独立区域,进行区域内测风塔选址,依照此方法,在场区范围内初步选定若干个测风塔选址范围;
S132任选一测风塔范围,设定该半径范围R1内共有风电机组n台,分别编号:W1、W2、…Wn,提取各风电机组点位处不少于1年的时间段内轮毂高度处的模拟气象数据,包括风速和风向;
S133进行各风电机组的风速、风向相关性分析;
步骤S133所述进行风电机组的风速、风向相关性分析的过程包括:
S1333计算各风电机组轮毂高度处风向频率,确定主风向;
S1334统计区域内与各自相同主风向的风电机组数,得到[N1、N2、…Nn];
进一步,本发明所述复杂地形风电场测风塔选址方法,步骤S14所述定性分析的具体过程为:
S141进行气候相似性分析,分为距离相似、大气热稳定度相似、海拔相似进行判断,拟安装测风塔位置处与区域内其他风电机组距离应该最近,且大气热稳定度相似,海拔高差不宜超过50m;
S142进行地形地貌相似分析,按照地形复杂程度相似、背景粗糙度相似进行判断,拟安装测风塔处地形地貌与区域内其余风电机组地貌应相近,无明显不同地形,此外,拟安装位置处特征地貌、粗糙度应与其它机组位置处类似,无明显差异;
S143进行障碍物遮挡效应相似分析,拟安装测风塔位置处空间应开阔,无明显遮挡物,或遮挡物距离拟安装测风塔位置距离较远,适宜立塔;
S144综合步骤S141、S142和S143三方面进行分析,进行最终判断,选择三种预选项中最适宜位置设立测风塔;同样的,在划定的其他区域内按照定量与定性方法进行位置筛选,并按照计算所得区域主风向与拟安装机组轮毂高度合理进行测风塔设备配置,最终得出该风电场范围内测风塔设置方案。
进一步,本发明所述复杂地形风电场测风塔选址方法,步骤S15所述计算最终备选风电机组点位综合打分的具体步骤包括:S151将测风塔选址考虑因素进行指标化分解,按照代表性与相似性评判标准进行打分,具体指标与评判标准见表1:
表1指标分解与评判标准
S152利用层次分析法进行各指标权重计算,最终得到指标权重矩阵W=[ω1,ω2,…ω8];
S153风速相关性与风向相关性指标依据S13中计算结果,风速相关性以相关性系数为打分结果,风向相关性进行归一化处理,公式为:
上式中:ri2为第i台风电机组的风向相关性指标得分,Ni为与第i台风电机组主风向相同的风电机组数量,n为区域内风电机组台数;
S154邀请专家按照表1对剩余定性指标进行打分,综合风速与风向相关性指标,分别得到备选风电机组Wi、Wj、Wk,i,j,k∈[1,n]的打分矩阵Ri、Rj、Rk,其中Ri=[ri1,ri2,…ri8];
S155将各备选风电机组指标得分矩阵与指标权重矩阵进行相乘,得到最终该台备选风电机组的综合得分Ei、Ej、Ek,i,j,k∈[1,n],计算公式为:
S156将综合得分按照大小进行排序,选定得分最高的风电机组为测风塔选址位置。
进一步,本发明所述复杂地形风电场测风塔选址方法,所述基本信息数据包括风电场区域地理坐标、规划装机容量、风电机组机型参数、场区风速、风向气象数据、场区空气密度和地形数据。
本发明所述复杂地形风电场测风塔选址方法,具有以下有益效果:
(1)满足复杂地形测风塔优化选址的要求;
(2)计算得到风电场内初步风电机组坐标与风电机组点位气象数据,进行各范围内两两风电机组风速、风向相关性分析,优选相关性较好的机位为备选测风塔选址,在拟选风电机组点位处设立测风塔,通过相关性分析的方法增强了测风塔设置的代表性与合理性;
(3)将定性分析的内容拆解指标,依据层次分析法计算权重值,邀请专家进行打分,选择综合得分最大的备选机位点为测风塔设置位置。将定性分析内容指标化,进行权重计算与专家打分,定量化定性分析内容;
(4)通过定量与定性两部分结合确定风电场测风塔设置位置,使测风塔设立避免了传统仅定性确立测风塔位置的主观性与随意性,提高测风塔设立的代表性,减少测风偏差。
附图说明
图1为本发明所述复杂地形风电场测风塔选址方法流程示意图;
图2为风电场范围内测风塔覆盖范围的示意图。
具体实施方式
下面结合附图及实施例对本发明所述复杂地形风电场测风塔选址方法进行详细说明。
如图1所示,本发明基于所述实施流程,具体实施步骤如下:
S11获取拟建风电场基本信息数据。
其中所述基本信息数据包括:风电场区域地理坐标、规划装机容量、风电机组机型(轮毂高度、叶轮直径、功率曲线与推力系数等)、场区风速、风向等气象数据(实测数据或中尺度再分析数据)、场区空气密度、地形资料(等高线、粗糙度)等。
S12根据所述信息数据,进行处理后利用计算流体力学进行仿真模拟,计算得到场区范围内轮毂高度处风资源图谱,建立以发电量最大或收益率最大为目标的优化模型,基于风资源图谱信息,计算得到风电机组的点位坐标。
S13采用定量化的方法初步选定测风塔位置。
S131如图2所示,基于初步计算的风电机组坐标,在位置图上基于风电机组机位点相对聚集区域,《风电场工程风能资源测量与评估技术规范》(NB/T31147-2018)中规定:复杂地形测风塔的有效控制半径不宜超过2km。按照距离D=2Km半径进行划分以圆内的风电机组组为一相对独立区域,进行区域内测风塔选址,依照此方法,在场区范围内初步选定若干个测风塔选址范围。
S132以某一圆区域为例,该半径范围内共有风电机组8台,分别编号:W1、W2、…W8,提取各风电机组点位处轮毂高度近一完整年模拟气象数据,包括风速和风向。
S133进行各风电机组的风速、风向相关性分析。
S1331基于线性回归方法进行各风电机组的风速相关性分析,提取W1、W2风电机组同时段同时刻风速数据,做散点图,进行线性回归拟合,计算得到两者相关性系数以此类推,分别计算两两风电机组相关性系数,得到两两风电机组之间相关性系数矩阵:
表1相关性系数计算结果
W<sub>1</sub> | W<sub>2</sub> | W<sub>3</sub> | W<sub>4</sub> | W<sub>5</sub> | W<sub>6</sub> | W<sub>7</sub> | W<sub>8</sub> | |
W<sub>1</sub> | 1 | 0.86 | 0.83 | 0.75 | 0.71 | 0.69 | 0.56 | 0.69 |
W<sub>2</sub> | 0.86 | 1 | 0.92 | 0.78 | 0.88 | 0.92 | 0.78 | 0.81 |
W<sub>3</sub> | 0.83 | 0.92 | 1 | 0.89 | 0.92 | 0.76 | 0.89 | 0.65 |
W<sub>4</sub> | 0.75 | 0.78 | 0.89 | 1 | 0.62 | 0.54 | 0.78 | 0.82 |
W<sub>5</sub> | 0.71 | 0.88 | 0.92 | 0.62 | 1 | 0.94 | 0.82 | 0.88 |
W<sub>6</sub> | 0.69 | 0.92 | 0.76 | 0.54 | 0.94 | 1 | 0.53 | 0.66 |
W<sub>7</sub> | 0.56 | 0.78 | 0.89 | 0.78 | 0.82 | 0.53 | 1 | 0.82 |
W<sub>8</sub> | 0.69 | 0.81 | 0.65 | 0.82 | 0.88 | 0.66 | 0.82 | 1 |
S1332在上述计算基础上,对每一台风电机组得到的相关系数数列求平均值,得到R2=[0.76,0.87,0.86,0.77,0.85,0.76,0.77,0.79]。
S1333计算各风电机组轮毂高度处风向频率,确定主风向。
S1334统计区域内与各自相同主风向的风电机组数,得到N=[6,2,6,6,6,2,6,6],其中主风向为WNW的6台风电机组,W向的风电机组2台。
S134选择平均相关性系数R2中较大的前三台风电机组W2、W3、W5,在选择出的三台风电机组位置坐标中进行进一步分析,优选测风塔位置点。
S14对选择出的三台风电机组位置依据风气候相似、地形地貌相似、障碍物遮挡效应相似进行定性分析。
S141进行气候相似性分析,三台风电机组处处于小范围内,热稳定度基本相同,距离其余风电机组平均距离分别为:3.3km、2.8km、2.6km,海拔高差平均为:52m、38m、41m。
S142进行地形地貌相似分析,三台风电机组均位于山脊线上,背景单元为林木,粗糙度约为0.50m,与其它机组地形、地貌类似,无明显差别。
S143进行障碍物遮挡效应相似分析,W2风电机组WNW向存在东西走向的山脉,造成风向偏转,W3、W5风电机组处空间开阔,无明显遮挡物。
S144综合上述三方面定性分析,剔除存在障碍物影响主风向测定的W2风电机组,在W3、W5中侧重海拔高差的最小性,最终确定W5机位处为该区域内拟选测风塔选址位置。同样的,在划定的其他区域内按照定量与定性方法进行位置筛选,并按照计算所得区域主风向与拟安装机组轮毂高度合理进行测风塔设备配置,最终得出该风电场范围内测风塔设置方案。
S15同样的,可将上述三方面定性分析分解指标,依据层次分析法邀请专家打分进行各指标权重计算。
S151将前述测风塔选址考虑因素进行指标化分解,按照代表性与相似性评判标准进行打分,风向进行归一化处理,此处以W5机位打分为例,具体指标与评分结果见表2。
表2指标分解与评判标准
S152利用层次分析法进行各指标权重计算,最终得到指标权重矩阵Q=[0.225,0.138,0.126,0.098,0.156,0.117,0.056,0.084]。
S153邀请专家按照表1对剩余定性指标进行打分,综合风速与风向相关性指标,分别得到备选风电机组W2、W3的打分矩阵R2、R3。
S154将各备选风电机组指标得分矩阵与指标权重矩阵W进行相乘,得到最终该台备选风电机组的综合得分E2、E3、E5,计算公式为:
S155计算E2、E3、E5分别为0.72、0.76、0.77,选择得分最高的风电机组W5为区域内测风塔选址位置。
Claims (5)
1.一种复杂地形风电场测风塔选址方法,其特征在于包括如下步骤:
S11获取风电场的基本信息数据;
S12基于已获取的信息,利用计算流体力学进行场区范围内风资源计算,建立以发电量最大或收益率最大为目标的优化模型,计算得到场区范围内风电机组坐标位置;
S13按照距离D进行区域划分,计算区域内各风电机组间轮毂高度处风速的相关性系数,计算得到每台风电机组风速平均相关性系数,按照相关性系数从大到小进行排序,选择前三台风电机组进行进一步分析;
S14综合气候相似性、地形地貌相似性、障碍物遮挡效应相似性三方面进行定性分析,综合确定优选测风塔建设位置;
S15依据气候相似性、地形地貌相似性、障碍物遮挡效应相似性三方面进行指标分解,利用层次分析法确定指标权重,邀请专家进行指标打分,计算最终备选风电机组点位综合打分,选择得分最高的风电机组为区域内测风塔选址坐标。
2.根据权利要求1所述复杂地形风电场测风塔选址方法,其特征在于:步骤S13所述进一步分析的具体过程包括:
S131基于S12初步计算的风电机组坐标位置,基于风电机组机位点相对聚集区域,按照距离D半径进行划分,以圆内的风电机组组为一相对独立区域,进行区域内测风塔选址,依照此方法,在场区范围内初步选定若干个测风塔选址范围;S132任选一测风塔范围,设定该半径范围R1内共有风电机组n台,分别编号:W1、W2、…Wn,提取各风电机组点位处不少于1年的时间段内轮毂高度处的模拟气象数据,包括风速和风向;
S133进行各风电机组的风速、风向相关性分析;
步骤S133所述进行风电机组的风速、风向相关性分析的过程包括:
S1333计算各风电机组轮毂高度处风向频率,确定主风向;
S1334统计区域内与各自相同主风向的风电机组数,得到[N1、N2、…Nn];
S134将相关性系数从小到达排序,选择前三台风电机组Wi、Wj、Wk,i,j,k∈[1,n],在选择出的三台风电机组位置坐标中进行进一步分析,优选测风塔位置点。
3.根据权利要求2所述复杂地形风电场测风塔选址方法,其特征在于:步骤S14所述定性分析的具体过程为:
S141进行气候相似性分析,分为距离相似、大气热稳定度相似、海拔相似进行判断,拟安装测风塔位置处与区域内其他风电机组距离应该最近,且大气热稳定度相似,海拔高差不宜超过50m;
S142进行地形地貌相似分析,按照地形复杂程度相似、背景粗糙度相似进行判断,拟安装测风塔处地形地貌与区域内其余风电机组地貌应相近,无明显不同地形,此外,拟安装位置处特征地貌、粗糙度应与其它机组位置处类似,无明显差异;
S143进行障碍物遮挡效应相似分析,拟安装测风塔位置处空间应开阔,无明显遮挡物,或遮挡物距离拟安装测风塔位置距离较远,适宜立塔;
S144综合步骤S141、S142和S143三方面定性分析,进行最终判断,选择三种预选项中最适宜位置设立测风塔;同样的,在划定的其他区域内按照定量与定性方法进行位置筛选,并按照计算所得区域主风向与拟安装机组轮毂高度合理进行测风塔设备配置,最终得出该风电场范围内测风塔设置方案。
4.根据权利要求3所述复杂地形风电场测风塔选址方法,其特征在于:步骤S15所述计算最终备选风电机组点位综合打分的具体步骤包括:
S151将测风塔选址考虑因素进行指标化分解,按照代表性与相似性评判标准进行打分,具体指标与评判标准见表1:
表1指标分解与评判标准
S152利用层次分析法进行各指标权重计算,最终得到指标权重矩阵W=[ω1,ω2,…ω8];
S153风速相关性与风向相关性指标依据S133计算结果,风速相关性以相关性系数为打分结果,风向相关性进行归一化处理,公式为:
上式中:ri2为第i台风电机组的风向相关性指标得分,Ni为与第i台风电机组主风向相同的风电机组数量,n为区域内风电机组台数;
S154邀请专家按照表1对剩余定性指标进行打分,综合风速与风向相关性指标,分别得到备选风电机组Wi、Wj、Wk,i,j,k∈[1,n]的打分矩阵Ri、Rj、Rk,其中Ri=[ri1,ri2,…ri8];
S155将各备选风电机组指标得分矩阵与指标权重矩阵进行相乘,得到最终该台备选风电机组的综合得分Ei、Ej、Ek,i,j,k∈[1,n],计算公式为:
S156将综合得分按照大小进行排序,选定得分最高的风电机组为测风塔选址位置。
5.根据权利要求1或4所述复杂地形风电场测风塔选址方法,其特征在于:所述基本信息数据包括风电场区域地理坐标、规划装机容量、风电机组机型参数、场区风速、风向气象数据、场区空气密度和地形数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911188953.4A CN110929459B (zh) | 2019-11-28 | 2019-11-28 | 一种复杂地形风电场测风塔选址方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911188953.4A CN110929459B (zh) | 2019-11-28 | 2019-11-28 | 一种复杂地形风电场测风塔选址方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110929459A true CN110929459A (zh) | 2020-03-27 |
CN110929459B CN110929459B (zh) | 2023-01-17 |
Family
ID=69847529
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911188953.4A Active CN110929459B (zh) | 2019-11-28 | 2019-11-28 | 一种复杂地形风电场测风塔选址方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110929459B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111666725A (zh) * | 2020-06-02 | 2020-09-15 | 华能盐城大丰新能源发电有限责任公司 | 一种适应非复杂地形风电场的测风塔规划选址方法及系统 |
CN112800697A (zh) * | 2021-02-02 | 2021-05-14 | 华能陇东能源有限责任公司 | 风电场前期测风塔规划选址方法、系统、装置及存储介质 |
CN113011029A (zh) * | 2021-03-23 | 2021-06-22 | 南京信息工程大学 | 一种高铁沿线测风站点布局优化方法 |
CN113775482A (zh) * | 2021-09-27 | 2021-12-10 | 国电联合动力技术有限公司 | 风电机组的最大风速确定方法、装置及电子设备 |
CN113849974A (zh) * | 2021-09-23 | 2021-12-28 | 华能陇东能源有限责任公司 | 一种基于风光出力互补的新能源基地风电场选址方法 |
CN114881689A (zh) * | 2022-04-26 | 2022-08-09 | 驰众信息技术(上海)有限公司 | 基于矩阵分解的楼宇推荐方法和系统 |
CN116205079A (zh) * | 2023-03-23 | 2023-06-02 | 盛东如东海上风力发电有限责任公司 | 风电场重复设计方案筛选方法及系统 |
CN116306042A (zh) * | 2023-05-22 | 2023-06-23 | 西安鑫风动力科技有限公司 | 一种电场地形地貌的数字化构建系统 |
CN116205079B (zh) * | 2023-03-23 | 2024-05-31 | 盛东如东海上风力发电有限责任公司 | 风电场重复设计方案筛选方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106649987A (zh) * | 2016-11-14 | 2017-05-10 | 中国电建集团成都勘测设计研究院有限公司 | 一种测风塔设立方案的定量分析方法 |
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 |
CN109636019A (zh) * | 2018-11-30 | 2019-04-16 | 中国电建集团成都勘测设计研究院有限公司 | 基于神经网络算法的测风塔布置方案确定方法 |
-
2019
- 2019-11-28 CN CN201911188953.4A patent/CN110929459B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106649987A (zh) * | 2016-11-14 | 2017-05-10 | 中国电建集团成都勘测设计研究院有限公司 | 一种测风塔设立方案的定量分析方法 |
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 |
CN109636019A (zh) * | 2018-11-30 | 2019-04-16 | 中国电建集团成都勘测设计研究院有限公司 | 基于神经网络算法的测风塔布置方案确定方法 |
Non-Patent Citations (2)
Title |
---|
朱凤霞: "浅谈WindSim软件在复杂地形条件下测风塔选址中的应用", 《风能》 * |
迟继峰等: "复杂地形多测风塔综合地貌及风切变拟合修正的风资源评估方法研究", 《华电技术》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111666725A (zh) * | 2020-06-02 | 2020-09-15 | 华能盐城大丰新能源发电有限责任公司 | 一种适应非复杂地形风电场的测风塔规划选址方法及系统 |
CN112800697A (zh) * | 2021-02-02 | 2021-05-14 | 华能陇东能源有限责任公司 | 风电场前期测风塔规划选址方法、系统、装置及存储介质 |
WO2022166510A1 (zh) * | 2021-02-02 | 2022-08-11 | 中国华能集团清洁能源技术研究院有限公司 | 风电场前期测风塔规划选址方法、系统、装置及存储介质 |
CN113011029B (zh) * | 2021-03-23 | 2023-05-23 | 南京信息工程大学 | 一种高铁沿线测风站点布局优化方法 |
CN113011029A (zh) * | 2021-03-23 | 2021-06-22 | 南京信息工程大学 | 一种高铁沿线测风站点布局优化方法 |
CN113849974A (zh) * | 2021-09-23 | 2021-12-28 | 华能陇东能源有限责任公司 | 一种基于风光出力互补的新能源基地风电场选址方法 |
CN113849974B (zh) * | 2021-09-23 | 2024-04-26 | 华能陇东能源有限责任公司 | 一种基于风光出力互补的新能源基地风电场选址方法 |
CN113775482A (zh) * | 2021-09-27 | 2021-12-10 | 国电联合动力技术有限公司 | 风电机组的最大风速确定方法、装置及电子设备 |
CN114881689A (zh) * | 2022-04-26 | 2022-08-09 | 驰众信息技术(上海)有限公司 | 基于矩阵分解的楼宇推荐方法和系统 |
CN116205079A (zh) * | 2023-03-23 | 2023-06-02 | 盛东如东海上风力发电有限责任公司 | 风电场重复设计方案筛选方法及系统 |
CN116205079B (zh) * | 2023-03-23 | 2024-05-31 | 盛东如东海上风力发电有限责任公司 | 风电场重复设计方案筛选方法及系统 |
CN116306042A (zh) * | 2023-05-22 | 2023-06-23 | 西安鑫风动力科技有限公司 | 一种电场地形地貌的数字化构建系统 |
CN116306042B (zh) * | 2023-05-22 | 2023-09-15 | 华能新疆青河风力发电有限公司 | 一种电场地形地貌的数字化构建系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110929459B (zh) | 2023-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110929459B (zh) | 一种复杂地形风电场测风塔选址方法 | |
CN110084418B (zh) | 一种突发大气污染事故应急监测的监测点优化布设方法 | |
CN103268572B (zh) | 一种千万千瓦级大型风电基地测风网络的微观选址方法 | |
Gao et al. | Investigation of wind turbine performance coupling wake and topography effects based on LiDAR measurements and SCADA data | |
Bechrakis et al. | Correlation of wind speed between neighboring measuring stations | |
CN106873359B (zh) | 一种基于聚类分析和神经网络的风电噪声评价方法 | |
WO2020199875A1 (zh) | 一种风廓线数据预测方法 | |
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 | |
Asadi et al. | Wind farm site selection considering turbulence intensity | |
CN113591256B (zh) | 一种山区输电线路杆塔雷击概率结果评估方法 | |
CN113792430B (zh) | 复杂地形风电场风切变指数计算方法及系统 | |
CN110598939A (zh) | 一种提高测风效率及测风系统可靠性的方法 | |
CN108981616A (zh) | 一种由无人机激光雷达反演人工林有效叶面积指数的方法 | |
CN113269825A (zh) | 基于地基激光雷达技术林木胸径值提取的方法 | |
CN116129262A (zh) | 一种面向宜机化改造的耕地适宜性评价方法及系统 | |
CN109299208A (zh) | 一种台风灾害下输电杆塔智能可视化风险评估方法 | |
CN111666725A (zh) | 一种适应非复杂地形风电场的测风塔规划选址方法及系统 | |
CN112700349A (zh) | 测风塔选址方法和装置 | |
CN114418382A (zh) | 屋顶空间综合利用评定方法、装置及平台 | |
US20240054267A1 (en) | Method for planning a layout of a renewable energy site | |
CN111985690B (zh) | 一种风电基地升压站选址方法 | |
CN112257329A (zh) | 一种判定台风对线路影响的方法 | |
CN111985691A (zh) | 一种风电场升压站选址方法 | |
CN109766611B (zh) | 一种考虑地形坡度的风电场功率简化预测方法 | |
CN112668885A (zh) | 背负式激光雷达设备的单木树障隐患评估处理方法 |
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 |