CN111666677B - 一种考虑年内分布订正的测风数据代表年订正方法及系统 - Google Patents
一种考虑年内分布订正的测风数据代表年订正方法及系统 Download PDFInfo
- Publication number
- CN111666677B CN111666677B CN202010490675.4A CN202010490675A CN111666677B CN 111666677 B CN111666677 B CN 111666677B CN 202010490675 A CN202010490675 A CN 202010490675A CN 111666677 B CN111666677 B CN 111666677B
- Authority
- CN
- China
- Prior art keywords
- wind
- data
- measuring
- year
- sectors
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
-
- 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)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Indicating Or Recording The Presence, Absence, Or Direction Of Movement (AREA)
Abstract
本发明公开了一种考虑年内分布订正的测风数据代表年订正方法及系统,通过3Tier再分析数据获取16扇区的代表年年平均风速和威布尔分布特征值,之后通过蒙特卡洛模拟,获取16扇区满足代表年年平均风速和威布尔分布特征值的风速序列,最后合成完整一年的风速、风向序列。本发明不仅提升了测风数据代表年订正的精度,还提高了代表年风功率密度计算的精度,降低投资风险。
Description
技术领域
本发明涉及风电场测风数据代表年订正方法,具体涉及一种考虑年内分布订正的测风数据代表年订正方法及系统。
背景技术
我国国土面积辽阔,风能资源储量较为丰富。随着新能源平价上网时间节点的临近,以及风力发电机组技术的进步、开发建设成本的降低,全国迎来了风电场开发建设的高峰期。
随着风电平价上网时间节点的临近以及风电补贴的逐渐下降,对风能资源的准确评估提出了更高的要求,准确评估场址的风能资源条件对项目开发的成败尤为重要。据统计分析,测风数据10%的误差可能导致风电场发电量30%左右的误差,而因风能资源评估不准确,导致发电量等计算不准,对机组选型的结果造成偏差,会造成投资回报达不到预期的风险。
目前,针对风电场测风数据代表年订正,常规做法如下:利用风电场当地气象站数据或再分析数据,通过与测风塔测风数据建立分扇区相关关系,进行测风数据年平均风速的订正。
上述技术的不足之处在于:1.不能对测风数据的威布尔分布进行订正,若风电场所在区域风速年内分布的年际波动较剧烈,会造成测风数据的年内分布特征评估不准确;2不能对测风数据的风功率密度进行准确订正,会造成场址风能资源评估不准确,若风电场发电量高估,会造成投资回报达不到预期的风险。
发明内容
本发明的目的在于提供一种考虑年内分布订正的测风数据代表年订正方法及系统,以克服现有技术的缺陷,本发明不仅提升了测风数据代表年订正的精度,还提高了代表年风功率密度计算的精度,降低投资风险。
为达到上述目的,本发明采用如下技术方案:
一种考虑年内分布订正的测风数据代表年订正方法,包括以下步骤:
步骤1:获取测风塔完整的测风数据;
步骤2:根据步骤1获取的测风塔完整的测风数据,选取测风塔完整年测风数据;
步骤3:获取测风塔位置所对应的3Tier再分析数据;
步骤4:根据步骤2获取的测风塔完整年测风数据;利用与完整年同期的3Tier数据,分16扇区建立相关关系,对16个扇区分别进行代表年风速订正,分别得到16个扇区的代表年年平均风速(V1,V2,V3…V14,V15,V16);
步骤5:根据步骤3得到的3Tier再分析数据,分16扇区统计近20年的威布尔分布参数,分别得到16个扇区的威布尔分布参数[(A1,K1),(A2,K2),(A3,K3)…(A14,K14),(A15,K15),(A16,K16)];
步骤6:分16扇区进行蒙特卡洛模拟,生成各扇区满足(V1,A1,K1),(V2,A2,K2),(V3,A3,K3)…(V14,A14,K14),(V15,A15,K15),(V16,A16,K16)]分布特征的风速序列;
步骤7:根据步骤6得到的16扇区风速序列,将各扇区的风速、风向序列合并,得到代表年完整一年的风速、风向序列。
进一步地,步骤1中测风数据为:测风塔各高度10min间隔的风速、风向及风速标准差数据。
进一步地,步骤2中测风塔完整年测风数据选取原则为:测风数据完整率≥98%、有效数据完整率≥90%且不跨日历年。
进一步地,步骤3中所述3Tier再分析数据包括地表垂直高度为测风塔塔高的位置处所对应的20年以上的风速风向序列。
进一步地,步骤6中所述16扇区风速序列样本数与完整年16扇区风速样本数相同。
进一步地,步骤7中各扇区的风向序列对应的风向值取该扇区的中心对应的风向值。
一种考虑年内分布订正的测风数据代表年订正系统,包括以下模块:
测风数据获取模块:用于获取测风塔完整的测风数据;
测风塔完整年测风数据选取模块:用于根据测风数据获取模块获取的测风塔完整的测风数据,选取测风塔完整年测风数据;
3Tier再分析数据获取模块:用于获取测风塔位置所对应的3Tier再分析数据;
各扇区代表年年平均风速模块:用于根据测风塔完整年测风数据选取模块获取的测风塔完整年测风数据;利用与完整年同期的3Tier数据,分16扇区建立相关关系,对16个扇区分别进行代表年风速订正,分别得到16个扇区的代表年年平均风速(V1,V2,V3…V14,V15,V16);
威布尔分布特征值获取模块:用于根据3Tier再分析数据获取模块所得到的3Tier再分析数据,分16扇区统计近20年的威布尔分布参数,分别得到16个扇区的威布尔分布参数[(A1,K1),(A2,K2),(A3,K3)…(A14,K14),(A15,K15),(A16,K16)];
蒙特卡洛模拟模块:用于分16扇区进行蒙特卡洛模拟,生成各扇区满足(V1,A1,K1),(V2,A2,K2),(V3,A3,K3)…(V14,A14,K14),(V15,A15,K15),(V16,A16,K16)]分布特征的风速序列;
风速风向合并模块:用于根据蒙特卡洛模拟模块得到的16扇区风速序列,将各扇区的风速、风向序列合并,得到代表年完整一年的风速、风向序列。
进一步地,测风数据获取模块得到的测风数据为:测风塔各高度10min间隔的风速、风向及风速标准差数据;
测风塔完整年测风数据选取模块中,测风塔完整年测风数据选取原则为:测风数据完整率≥98%、有效数据完整率≥90%且不跨日历年。
进一步地,3Tier再分析数据获取模块,所述3Tier再分析数据包括地表垂直高度为测风塔塔高的位置处所对应的20年以上的风速风向序列;
蒙特卡洛模拟模块中,所述16扇区风速序列样本数与完整年16扇区风速样本数相同。
进一步地,风速风向合并模块中,各扇区的风速序列对应的风向值取该扇区的中心对应的风向值。
与现有技术相比,本发明具有以下有益的技术效果:
本发明通过3Tier再分析数据获取16扇区的代表年年平均风速和威布尔分布特征值,之后通过蒙特卡洛模拟,获取16扇区满足代表年年平均风速和威布尔分布特征值的风速序列,最后合成完整一年的风速、风向序列。通过对测风数据年内分布特征的订正,不仅提升了测风数据代表年订正的精度,还提高了代表年风功率密度计算的精度,降低投资风险;同时,提升了风电场风能资源评估的准确性,降低发电量计算的不确定性。
附图说明
图1是本发明方法的流程图;
图2是本发明系统的结构图。
具体实施方式
下面结合附图及具体实施例对本发明做进一步详细的描述,但本发明的实施方式不限于此。
如图1所示,本发明提供的一种考虑年内分布订正的测风数据代表年订正方法,包括测风塔数量及塔高的确定,测风塔位置的选择。
具体地:
步骤1,获取测风塔完整的测风数据;所述测风数据为:测风塔各高度10min间隔的风速、风向及风速标准差数据。
步骤2,根据步骤1获取的测风塔完整的测风数据,选取测风塔完整年测风数据;测风塔完整年测风数据选取原则为:测风数据完整率≥98%、有效数据完整率≥90%且不跨日历年。
步骤3,获取测风塔位置所对应的3Tier再分析数据,所述3Tier再分析数据包括地表垂直高度为测风塔塔高的位置处所对应的20年以上的风速风向序列;
近20年以上的风速风向序列获取方法具体是:
利用3Tier的数值天气预报模式(NWP)进行获取,该模式使用的输入数据是过去50年的全球天气数据;高分辨率的地形、土壤和植被数据;以及现场实测数据;采用气候变化分析、长时段历史数据以及空间分布图,可以获取项目区域风能状况长期变化。
步骤4,根据步骤2获取的测风塔完整年测风数据;利用与完整年同期的3Tier数据,分16扇区建立相关关系,对16个扇区分别进行代表年风速订正,分别得到16个扇区的代表年年平均风速(V1,V2,V3…V14,V15,V16)。
步骤5,根据步骤3得到的3Tier再分析数据,分16扇区统计近20年的威布尔分布参数,分别得到16个扇区的威布尔分布参数[(A1,K1),(A2,K2),(A3,K3)…(A14,K14),(A15,K15),(A16,K16)]。
步骤6,分16扇区进行蒙特卡洛模拟,生成各扇区满足(V1,A1,K1),(V2,A2,K2),(V3,A3,K3)…(V14,A14,K14),(V15,A15,K15),(V16,A16,K16)]分布特征的风速序列;所述16扇区风速序列样本数与完整年16扇区风速样本数相同。
步骤7,根据步骤6得到的16扇区风速序列,将各扇区的风速、风向序列合并,得到代表年完整一年的风速、风向序列,各扇区的风向序列对应的风向值取该扇区的中心对应的风向值(0°,22.5°,45°,…,292.5°,315°,337.5°)。
如图2所示,本发明还提供一种实现上述方法的系统,包括测风数据获取模块、测风塔完整年测风数据选取模块、3Tier再分析数据获取模块、各扇区代表年年平均风速模块、威布尔分布特征值获取模块、蒙特卡洛模拟模块和风速风向合并模块。
测风数据获取模块用于获取测风塔完整的测风数据;测风塔完整年测风数据选取模块用于根据测风数据获取模块获取的测风塔完整的测风数据,选取测风塔完整年测风数据;3Tier再分析数据获取模块用于获取测风塔位置所对应的3Tier再分析数据;各扇区代表年年平均风速模块用于根据测风塔完整年测风数据选取模块获取的测风塔完整年测风数据;利用与完整年同期的3Tier数据,分16扇区建立相关关系,对16个扇区分别进行代表年风速订正,分别得到16个扇区的代表年年平均风速(V1,V2,V3…V14,V15,V16);威布尔分布特征值获取模块用于根据3Tier再分析数据获取模块所得到的3Tier再分析数据,分16扇区统计近20年的威布尔分布参数,分别得到16个扇区的威布尔分布参数[(A1,K1),(A2,K2),(A3,K3)…(A14,K14),(A15,K15),(A16,K16)];蒙特卡洛模拟模块用于分16扇区进行蒙特卡洛模拟,生成各扇区满足(V1,A1,K1),(V2,A2,K2),(V3,A3,K3)…(V14,A14,K14),(V15,A15,K15),(V16,A16,K16)]分布特征的风速序列;风速风向合并模块用于根据蒙特卡洛模拟模块得到的16扇区风速序列,将各扇区的风速、风向序列合并,得到代表年完整一年的风速、风向序列。
Claims (6)
1.一种考虑年内分布订正的测风数据代表年订正方法,其特征在于,包括以下步骤:
步骤1:获取测风塔完整的测风数据;所述测风数据为:测风塔各高度10min间隔的风速、风向及风速标准差数据;
步骤2:根据步骤1获取的测风塔完整的测风数据,选取测风塔完整年测风数据;所述测风塔完整年测风数据选取原则为:测风数据完整率≥98%、有效数据完整率≥90%且不跨日历年;
步骤3:获取测风塔位置所对应的3Tier再分析数据;所述3Tier再分析数据包括地表垂直高度为测风塔塔高的位置处所对应的20年以上的风速风向序列;
步骤4:根据步骤2获取的测风塔完整年测风数据;利用与完整年同期的3Tier数据,分16扇区建立相关关系,对16个扇区分别进行代表年风速订正,分别得到16个扇区的代表年年平均风速(V1,V2,V3…V14,V15,V16);
步骤5:根据步骤3得到的3Tier再分析数据,分16扇区统计近20年的威布尔分布参数,分别得到16个扇区的威布尔分布参数[(A1,K1),(A2,K2),(A3,K3)…(A14,K14),(A15,K15),(A16,K16)];
步骤6:分16扇区进行蒙特卡洛模拟,生成各扇区满足(V1,A1,K1),(V2,A2,K2),(V3,A3,K3)…(V14,A14,K14),(V15,A15,K15),(V16,A16,K16)]分布特征的风速序列;
步骤7:根据步骤6得到的16扇区风速序列,将各扇区的风速、风向序列合并,得到代表年完整一年的风速、风向序列。
2.根据权利要求1所述的一种考虑年内分布订正的测风数据代表年订正方法,其特征在于,步骤6中所述16扇区风速序列样本数与完整年16扇区风速样本数相同。
3.根据权利要求1所述的一种考虑年内分布订正的测风数据代表年订正方法,其特征在于,步骤7中各扇区的风向序列对应的风向值取该扇区的中心对应的风向值。
4.一种考虑年内分布订正的测风数据代表年订正系统,其特征在于,包括以下模块:
测风数据获取模块:用于获取测风塔完整的测风数据;测风数据为:测风塔各高度10min间隔的风速、风向及风速标准差数据;
测风塔完整年测风数据选取模块:用于根据测风数据获取模块获取的测风塔完整的测风数据,选取测风塔完整年测风数据;测风塔完整年测风数据选取原则为:测风数据完整率≥98%、有效数据完整率≥90%且不跨日历年;
3Tier再分析数据获取模块:用于获取测风塔位置所对应的3Tier再分析数据;所述3Tier再分析数据包括地表垂直高度为测风塔塔高的位置处所对应的20年以上的风速风向序列;
各扇区代表年年平均风速模块:用于根据测风塔完整年测风数据选取模块获取的测风塔完整年测风数据;利用与完整年同期的3Tier数据,分16扇区建立相关关系,对16个扇区分别进行代表年风速订正,分别得到16个扇区的代表年年平均风速(V1,V2,V3…V14,V15,V16);
威布尔分布特征值获取模块:用于根据3Tier再分析数据获取模块所得到的3Tier再分析数据,分16扇区统计近20年的威布尔分布参数,分别得到16个扇区的威布尔分布参数[(A1,K1),(A2,K2),(A3,K3)…(A14,K14),(A15,K15),(A16,K16)];
蒙特卡洛模拟模块:用于分16扇区进行蒙特卡洛模拟,生成各扇区满足(V1,A1,K1),(V2,A2,K2),(V3,A3,K3)…(V14,A14,K14),(V15,A15,K15),(V16,A16,K16)]分布特征的风速序列;
风速风向合并模块:用于根据蒙特卡洛模拟模块得到的16扇区风速序列,将各扇区的风速、风向序列合并,得到代表年完整一年的风速、风向序列。
5.根据权利要求4所述的一种考虑年内分布订正的测风数据代表年订正系统,其特征在于,蒙特卡洛模拟模块中,所述16扇区风速序列样本数与完整年16扇区风速样本数相同。
6.根据权利要求4所述的一种考虑年内分布订正的测风数据代表年订正系统,其特征在于,风速风向合并模块中,各扇区的风速序列对应的风向值取该扇区的中心对应的风向值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010490675.4A CN111666677B (zh) | 2020-06-02 | 2020-06-02 | 一种考虑年内分布订正的测风数据代表年订正方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010490675.4A CN111666677B (zh) | 2020-06-02 | 2020-06-02 | 一种考虑年内分布订正的测风数据代表年订正方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111666677A CN111666677A (zh) | 2020-09-15 |
CN111666677B true CN111666677B (zh) | 2023-06-13 |
Family
ID=72383654
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010490675.4A Active CN111666677B (zh) | 2020-06-02 | 2020-06-02 | 一种考虑年内分布订正的测风数据代表年订正方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111666677B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113743028A (zh) * | 2021-07-28 | 2021-12-03 | 国电联合动力技术有限公司 | 一种计算全区域长期风资源序列的方法和装置 |
CN113850440B (zh) * | 2021-09-30 | 2024-08-13 | 内蒙古运达能源有限公司 | 一种利用基于平均风速订正的mcp的风速预测方法 |
JP7240767B1 (ja) | 2021-12-22 | 2023-03-16 | 国立研究開発法人国立環境研究所 | 風況予測システム及び風況予測方法 |
CN114723144A (zh) * | 2022-04-12 | 2022-07-08 | 国电联合动力技术有限公司 | 测风数据订正方法、装置及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101727538A (zh) * | 2009-09-26 | 2010-06-09 | 山东科技大学 | 一种考虑风向影响的风电机组输入风速等效方法 |
CN108197394A (zh) * | 2018-01-05 | 2018-06-22 | 上海电气分布式能源科技有限公司 | 一种风速曲线仿真方法 |
CN110427357A (zh) * | 2018-04-28 | 2019-11-08 | 新疆金风科技股份有限公司 | 测风塔数据处理方法及装置 |
CN111200295A (zh) * | 2020-02-10 | 2020-05-26 | 清华大学深圳国际研究生院 | 计算海上风光互补发电系统中储能系统规模的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106815456A (zh) * | 2015-12-02 | 2017-06-09 | 中国电力科学研究院 | 一种风电机组功率特性评价方法 |
-
2020
- 2020-06-02 CN CN202010490675.4A patent/CN111666677B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101727538A (zh) * | 2009-09-26 | 2010-06-09 | 山东科技大学 | 一种考虑风向影响的风电机组输入风速等效方法 |
CN108197394A (zh) * | 2018-01-05 | 2018-06-22 | 上海电气分布式能源科技有限公司 | 一种风速曲线仿真方法 |
CN110427357A (zh) * | 2018-04-28 | 2019-11-08 | 新疆金风科技股份有限公司 | 测风塔数据处理方法及装置 |
CN111200295A (zh) * | 2020-02-10 | 2020-05-26 | 清华大学深圳国际研究生院 | 计算海上风光互补发电系统中储能系统规模的方法 |
Non-Patent Citations (3)
Title |
---|
基于WindPRO软件的不同时间尺度下的风电场产能评估;杨姝凡等;《可再生能源》;20160630;第34卷(第06期);第872-876页 * |
测风塔代表年订正方法讨论;沈学锋等;《电力勘测设计》;20160731;第195-198页 * |
电网运行全过程风险协调控制体系与架构设计;楼贤嗣等;《电力系统自动化》;20200310;第44卷(第05期);第161-168页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111666677A (zh) | 2020-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111666677B (zh) | 一种考虑年内分布订正的测风数据代表年订正方法及系统 | |
Schallenberg-Rodriguez | A methodological review to estimate techno-economical wind energy production | |
US20150039228A1 (en) | Ultra-short-term forecasting method including real-time monitoring of the effect of upper and lower courses | |
Kruyt et al. | Potential contributions of wind power to a stable and highly renewable Swiss power supply | |
Ahmed | Investigation of wind characteristics and wind energy potential at Ras Ghareb, Egypt | |
CN104319807B (zh) | 一种基于Copula函数获取多风电场容量可信度的方法 | |
CN109726867B (zh) | 一种基于多模式集合的高分辨率电力气象预报方法 | |
Coppin et al. | Wind resource assessment in Australia: a planners guide | |
Morales-Ruvalcaba et al. | Estimating wind speed and capacity factors in Mexico using reanalysis data | |
CN117390894B (zh) | 一种预测极端风暴潮位的方法 | |
CN111080003B (zh) | 一种适应复杂山地风电场的测风塔规划选址方法 | |
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 | |
CN111709644B (zh) | 一种利用机组scada数据的风电场风资源计算方法 | |
CN115271262B (zh) | 一种广域风力发电功率预测方法、装置及存储介质 | |
CN105279576A (zh) | 一种风速预报的方法 | |
CN112800697A (zh) | 风电场前期测风塔规划选址方法、系统、装置及存储介质 | |
CN110598939A (zh) | 一种提高测风效率及测风系统可靠性的方法 | |
CN115808727A (zh) | 百米级阵风客观预报方法及装置 | |
CN109636019B (zh) | 基于神经网络算法的测风塔布置方案确定方法 | |
CN107944466B (zh) | 一种基于分段思想的降雨偏差纠正方法 | |
CN114139391A (zh) | 基于分离涡湍流模型的风能资源评估方法、装置及存储介质 | |
CN109948175B (zh) | 基于气象数据的卫星遥感反照率缺失值反演方法 | |
Gruber et al. | Bias-correcting simulated wind power in Austria and in Brazil from the ERA-5 reanalysis data set with the DTU Wind Atlas | |
CN113887839A (zh) | 一种基于聚类的风电场超短期风功率预测方法及系统 | |
CN115617920A (zh) | 一种基于气象再分析资料的风资源评估可视化系统 |
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 |