CN111709130A - 一种基于测风塔数据的平坦地形粗糙度计算方法 - Google Patents

一种基于测风塔数据的平坦地形粗糙度计算方法 Download PDF

Info

Publication number
CN111709130A
CN111709130A CN202010488983.3A CN202010488983A CN111709130A CN 111709130 A CN111709130 A CN 111709130A CN 202010488983 A CN202010488983 A CN 202010488983A CN 111709130 A CN111709130 A CN 111709130A
Authority
CN
China
Prior art keywords
wind speed
data
roughness
height
value
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
Application number
CN202010488983.3A
Other languages
English (en)
Other versions
CN111709130B (zh
Inventor
项雯
彭秀芳
施晨
胡煜
卢红前
冯浩
吴浙攀
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.)
China Energy Engineering Group Jiangsu Power Design Institute Co Ltd
Original Assignee
China Energy Engineering Group Jiangsu Power Design Institute 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 China Energy Engineering Group Jiangsu Power Design Institute Co Ltd filed Critical China Energy Engineering Group Jiangsu Power Design Institute Co Ltd
Priority to CN202010488983.3A priority Critical patent/CN111709130B/zh
Publication of CN111709130A publication Critical patent/CN111709130A/zh
Application granted granted Critical
Publication of CN111709130B publication Critical patent/CN111709130B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • 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
    • G06F17/17—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • Indicating Or Recording The Presence, Absence, Or Direction Of Movement (AREA)
  • Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)

Abstract

本发明公开一种基于测风塔数据的平坦地形粗糙度计算方法，包括：收集测风塔各层高度，从低到高依次排列为z1,z2,...,zn，完整年的10min实测风速以及标准差数据；剔除无效数据得到各高度有效数据；选取各层高度中性风速数据；依次计算各层高度中性风速的平均值
Figure DDA0002520317580000011
建立粗糙度计算公式；计算的粗糙度值准确性高，模拟得到的风能资源接近真实值，较大程度的降低了粗糙度取值的不确定性，而且计算所需基础资料比较常规，门槛较低，实施过程简便，可操作性强；为类似需求的工程项目提供了参考。

Description

一种基于测风塔数据的平坦地形粗糙度计算方法
技术领域
本发明属于风能资源评估技术领域，具体涉及一种基于测风塔数据的平坦地形粗糙度计算方法。
背景技术
风能资源评估作为建设风电场可行性的基础，是大力发展风力发电的重要前提条件。采用数值模拟手段可以获取风能资源开发利用高度处资源量的区域分布状况，而风廓线的形状和规律对近地面风速的数值模拟结果影响较大，风廓线的形状极大的受来流方向的地表粗糙度的影响，因此，在风能资源评估中地表粗糙度的取值是一个非常重要的问题。
现有地表粗糙度的取值方法通常可以分为经验取值方法与计算取值方法。经验取值方法通常根据地表粗糙元特征，结合长期观测、总结以及实践之后的粗糙度经验取值对照表对特定区域进行粗糙度赋值。经验取值方法应用广泛，但地表类型通常存在渐变过渡的情况，相同地表分类也存在地表粗糙元分布不均、密集程度不同的特点，很难直接查询典型地形粗糙度取值表进行风资源计算，通常结合类似工程经验与粗糙度取值参考表进行经验取值，方法较为粗犷。例如农田村庄交错分布为一种地貌类型，但沿海和内陆村庄密度相差较大，不恰当的经验赋值会带来较大误差。
现有计算取值方法通常根据最小二乘法等数值方法进行迭代得到，这种方法能规避粗糙度经验取值方法的粗犷特性，但计算取值方法基本上需要利用多层风温资料或者一层三维超声数据，而一般收集到的测风塔数据通常只有一层温度数据，基本没有三维超声数据，这就给运用上述类似方法估算地表粗糙度带来极大阻碍。
发明内容
本发明的目的在于克服现有技术的不足，提供一种基于测风塔数据的平坦地形粗糙度计算方法，该方法基于Morrin-Obukhov相似理论，以中性大气层结下测风塔近地面层各层高度风速为基础，建立平坦地形地表粗糙度的计算公式，计算所需测风塔资料简单易取，计算方法可靠实用，计算的粗糙度值准确性高，利用该方法模拟得到的风资源值接近真实值，能有效提升风资源评估准确性，对整个风电场经济效益的合理判定起着至关重要的作用。
本发明公开一种基于测风塔数据的平坦地形粗糙度计算方法，包括：
收集测风塔各层高度，从低到高依次排列为z1,z2,...,zn，完整年的10min实测风速以及标准差数据；
剔除无效数据得到计算高度有效数据；
选取各层高度中性风速数据；
依次计算各层高度中性风速的平均值
Figure BDA0002520317560000021
建立粗糙度计算公式；
采用最小二乘法拟合散点
Figure BDA0002520317560000022
得到斜率a和截距b；
根据粗糙度值计算公式计算地表粗糙度值z0。
进一步地，所述各层高度中性风速数据的选取过程包括：
提取各层高度风速数据ui和标准差数组SDi；
利用下式计算第i层高度逐10min的湍流强度Ii；
Ii＝SDi/ui
统计第i层高度第jm/s风速段，[j-0.5，j+0.5)m/s]的湍流强度平均值
Figure BDA0002520317560000023
其中，j＝1,2,3,...,round(max(ui),0)；
利用下式计算第i层高度相邻风速段之间湍流强度变化率εij；
Figure BDA0002520317560000024
由低风速到高风速逐步判断εij是否满足εij≤f，输出最先满足条件时对应的风速值，该值即为第i层高度的中性大气强风阈值Uir，f表示初判阶段湍流强度变化率上限值。
定义风速组u′i＝[Uir,max(ui)]；
计算风速组u′i内各风速段的风速频率
Figure BDA0002520317560000025
···、Pim；
在上述风速频率范围内从低风速段到高风速段依次查找所有同时满足Pik>g、Pi(k+1)>g且湍流强度变化率εik>h条件时对应的风速值km/s，并从风速组u′i中将风速区间[k,k+1]剔除，g表示风速频率临界值，h表示再判阶段湍流强度变化率上限值；提取步骤完成剔除的风速组u′i对应的测风时间序列组Ti；
对各层高度求得的Ti求交集，得到共同的中性风速数据时间序列T，提取共同时间序列T内各层高度对应的数据即为最终所求中性风速组u′1,u′2,...,u′n。
进一步地，所述粗糙度计算公式的建立过程包括：
在中性大气层结时，粗糙度与各层高度处中性风速的关系满足下式：
Figure BDA0002520317560000031
zi对应第i层高度；z0为粗糙长度；κ为von Karman常数；u*为摩擦速度，将测风塔第1层高度中性风速平均值
Figure BDA0002520317560000032
作为参照风速；
Figure BDA0002520317560000033
可以看出
Figure BDA0002520317560000034
是第i层高度zi的函数，且
Figure BDA0002520317560000035
和lnzi呈线性相关关系，假设：
Figure BDA0002520317560000036
可以得出：
Figure BDA0002520317560000037
Figure BDA0002520317560000038
所述粗糙度值计算公式：
Figure BDA0002520317560000039
进一步地，所述f＝5％。
进一步地，
Figure BDA00025203175600000310
对应[Uir,Uir+0.5)m/s风速段的风速频率，
Pim对应[round(max(ui),0)-0.5,round(max(ui),0)+0.5)m/s风速段的风速频率，
其余风速段在[Uir,round(max(ui),0)]m/s范围内以1m/s间隔递增。
进一步地，所述g＝0.5％，h＝10％。
本发明具有的有益效果：
采用一种基于测风塔数据的平坦地形粗糙度计算方法，计算的粗糙度值准确性高，模拟得到的风能资源接近真实值，较大程度的降低了粗糙度取值的不确定性，而且计算所需基础资料比较常规，门槛较低，实施过程简便，可操作性强；本发明方法将理论转为实践，提出了测风塔中性大气层结风速数据筛选方式，并以此为基础建立了平坦地形地表粗糙度的计算公式，为类似需求的工程项目提供了参考。
附图说明
图1是本发明一种基于测风塔数据的平坦地形粗糙度计算方法的主流程图；
图2是各层高度中性风速选取程序的子流程图；
图3是中性大气强风阈值Uir计算程序子流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
本发明提出的一种基于测风塔数据的平坦地形粗糙度计算方法，如图1所示，包括如下步骤：
步骤1，收集测风塔各层高度(从低到高依次排列为z1,z2,...,zn)完整年的10min实测风速以及标准差数据。
考虑到近地面层高度通常不超过100m，因此在此规定zn≤100m。
步骤2，剔除无效数据得到计算高度有效数据。
对收集到的实测数据进行数据合理性检验，合理检验包括范围检验、趋势检验和相关性检验，从中剔除无效数据，逐层高度检验测风数据有效完整率是否大于90％，若满足要求，则保留该层高度有效数据作为计算依据。
步骤3、选取各层高度中性风速数据，包括如下步骤：
(3-1)提取各层高度风速数据ui和标准差数组SDi；
(3-2)利用下式计算第i层高度逐10min的湍流强度Ii；
Ii＝SDi/ui (1)
(3-3)统计第i层高度第jm/s风速段(即[j-0.5，j+0.5)m/s]的湍流强度平均值
Figure BDA0002520317560000041
其中，j＝1,2,3,...,round(max(ui),0)；
(3-4)利用下式计算第i层高度相邻风速段之间湍流强度变化率εij；
Figure BDA0002520317560000042
(3-5)由低风速到高风速逐步判断εij是否满足εij≤f，输出最先满足条件时对应的风速值，该值即为第i层高度的中性大气强风阈值Uir，
在此规定f＝5％；
参考我国大气污染物排放标准的技术方法中推荐的修订帕斯奎尔分类法，判断计算得到的Uir是否小于
Figure BDA0002520317560000043
若小于，则重新规定Uir＝U0m/s，
在此U0取值为6；
(3-6)定义风速组u′i＝[Uir,max(ui)]；
(3-7)计算风速组u′i内各风速段的风速频率
Figure BDA0002520317560000057
···、Pim，
某层高度某风速段的风速频率通过该风速段的数据个数除以该层高度所有风速总个数计算求得，其中，
Figure BDA0002520317560000058
对应[Uir,Uir+0.5)m/s风速段的风速频率，Pim对应[round(max(ui),0)-0.5,round(max(ui),0)+0.5)m/s风速段的风速频率，其余风速段在[Uir,round(max(ui),0)]m/s范围内以1m/s间隔递增；
(3-8)在上述风速频率范围内从低风速段到高风速段依次查找所有同时满足Pik>g、Pi(k+1)>g且湍流强度变化率εik>h条件时对应的风速值km/s，并从风速组u′i中将风速区间[k,k+1]剔除，
在此规定g＝0.5％，h＝10％；
(3-9)提取步骤(3-8)中完成剔除的风速组u′i对应的测风时间序列组Ti；
(3-10)对各层高度求得的Ti求交集，得到共同的中性风速数据时间序列T，提取共同时间序列T内各层高度对应的数据即为最终所求中性风速组u′1,u′2,...,u′n。
步骤4、分别计算各层高度中性风速平均值
Figure BDA0002520317560000051
步骤5、建立粗糙度计算公式，过程如下：
在中性大气层结时，粗糙度与各层高度处中性风速的关系满足下式：
Figure BDA0002520317560000052
式(3)中，zi对应第i层高度，m；z0为粗糙长度，m；κ为von Karman常数；u*为摩擦速度，m/s。可以看出
Figure BDA0002520317560000053
是第i层高度zi的函数，且
Figure BDA0002520317560000054
和lnzi呈线性相关关系，假设：
Figure BDA0002520317560000055
式(4)中，a为线性方程斜率，b为截距，
结合式(3)～(4)可以得出：
Figure BDA0002520317560000056
Figure BDA0002520317560000061
由式(5)～(6)可以推得：
Figure BDA0002520317560000062
步骤6、采用最小二乘法拟合散点
Figure BDA0002520317560000063
得到斜率a和截距b；
步骤7、根据上述过程得到的a和b，采用公式(7)计算粗糙度值z0。
采用一种基于测风塔数据的平坦地形粗糙度计算方法，计算的粗糙度值准确性高，模拟得到的风能资源接近真实值，较大程度的降低了粗糙度取值的不确定性，而且计算所需基础资料比较常规，门槛较低，实施过程简便，可操作性强；本发明方法将理论转为实践，提出了测风塔中性大气层结风速数据筛选方式，并以此为基础建立了平坦地形地表粗糙度的计算公式，为类似需求的工程项目提供了参考。
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，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (6)

1.一种基于测风塔数据的平坦地形粗糙度计算方法，其特征在于，包括：
收集测风塔各层高度，从低到高依次排列为z1,z2,...,zn，完整年的10min实测风速以及标准差数据；
剔除无效数据得到计算高度有效数据；
选取各层高度中性风速数据；
依次计算各层高度中性风速的平均值
Figure FDA0002520317550000011
建立粗糙度计算公式；
采用最小二乘法拟合散点
Figure FDA0002520317550000012
得到斜率a和截距b；
根据粗糙度值计算公式计算地表粗糙度值z0。
2.根据权利要求1所述的一种基于测风塔数据的平坦地形粗糙度计算方法，其特征在于，所述各层高度中性风速数据的选取过程包括：
提取各层高度风速数据ui和标准差数组SDi；
利用下式计算第i层高度逐10min的湍流强度Ii；
Ii＝SDi/ui
统计第i层高度第jm/s风速段，[j-0.5，j+0.5)m/s]的湍流强度平均值
Figure FDA0002520317550000013
其中，j＝1,2,3,...,round(max(ui),0)；
利用下式计算第i层高度相邻风速段之间湍流强度变化率εij；
Figure FDA0002520317550000014
由低风速到高风速逐步判断εij是否满足εij≤f，输出最先满足条件时对应的风速值，该值即为第i层高度的中性大气强风阈值Uir，f表示初判阶段湍流强度变化率上限值。
定义风速组u′i＝[Uir,max(ui)]；
计算风速组u′i内各风速段的风速频率
Figure FDA0002520317550000015
在上述风速频率范围内从低风速段到高风速段依次查找所有同时满足Pik>g、Pi(k+1)>g且湍流强度变化率εik>h条件时对应的风速值km/s，并从风速组u′i中将风速区间[k,k+1]剔除，g表示风速频率临界值，h表示再判阶段湍流强度变化率上限值；提取步骤完成剔除的风速组u′i对应的测风时间序列组Ti；
对各层高度求得的Ti求交集，得到共同的中性风速数据时间序列T，提取共同时间序列T内各层高度对应的数据即为最终所求中性风速组u′1,u′2,...,u′n。
3.根据权利要求1所述的一种基于测风塔数据的平坦地形粗糙度计算方法，其特征在于，所述粗糙度计算公式的建立过程包括：
在中性大气层结时，粗糙度与各层高度处中性风速的关系满足下式：
Figure FDA0002520317550000021
zi对应第i层高度；z0为粗糙长度；κ为von Karman常数；u*为摩擦速度；
Figure FDA0002520317550000022
是第i层高度zi的函数，且
Figure FDA0002520317550000023
和ln zi呈线性相关关系，假设：
Figure FDA0002520317550000024
得出：
Figure FDA0002520317550000025
Figure FDA0002520317550000026
所述粗糙度值计算公式：
Figure FDA0002520317550000027
4.根据权利要求2所述的一种基于测风塔数据的平坦地形粗糙度计算方法，其特征在于，所述f＝5％。
5.根据权利要求2所述的一种基于测风塔数据的平坦地形粗糙度计算方法，其特征在于，
Figure FDA0002520317550000028
对应[Uir,Uir+0.5)m/s风速段的风速频率，
Pim对应[round(max(ui),0)-0.5,round(max(ui),0)+0.5)m/s风速段的风速频率，
其余风速段在[Uir,round(max(ui),0)]m/s范围内以1m/s间隔递增。
6.根据权利要求2所述的一种基于测风塔数据的平坦地形粗糙度计算方法，其特征在于，所述g＝0.5％，h＝10％。
CN202010488983.3A 2020-06-02 2020-06-02 一种基于测风塔数据的平坦地形粗糙度计算方法 Active CN111709130B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010488983.3A CN111709130B (zh) 2020-06-02 2020-06-02 一种基于测风塔数据的平坦地形粗糙度计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010488983.3A CN111709130B (zh) 2020-06-02 2020-06-02 一种基于测风塔数据的平坦地形粗糙度计算方法

Publications (2)

Publication Number Publication Date
CN111709130A true CN111709130A (zh) 2020-09-25
CN111709130B CN111709130B (zh) 2022-06-10

Family

ID=72537589

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010488983.3A Active CN111709130B (zh) 2020-06-02 2020-06-02 一种基于测风塔数据的平坦地形粗糙度计算方法

Country Status (1)

Country Link
CN (1) CN111709130B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102930177A (zh) * 2012-11-23 2013-02-13 南京信息工程大学 一种基于精细边界层模式的复杂地形风电场风速预测方法
CN103500366A (zh) * 2013-09-29 2014-01-08 上海电机学院 一种短期风电功率预测系统及方法
CN106296462A (zh) * 2016-08-18 2017-01-04 中国能源建设集团江苏省电力设计院有限公司 一种基于双测风塔数据的既有风电场粗糙度值确定方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102930177A (zh) * 2012-11-23 2013-02-13 南京信息工程大学 一种基于精细边界层模式的复杂地形风电场风速预测方法
CN103500366A (zh) * 2013-09-29 2014-01-08 上海电机学院 一种短期风电功率预测系统及方法
CN106296462A (zh) * 2016-08-18 2017-01-04 中国能源建设集团江苏省电力设计院有限公司 一种基于双测风塔数据的既有风电场粗糙度值确定方法

Also Published As

Publication number Publication date
CN111709130B (zh) 2022-06-10

Similar Documents

Publication Publication Date Title
Menke et al. Does the wind turbine wake follow the topography? A multi-lidar study in complex terrain
Barlow et al. Boundary layer dynamics over London, UK, as observed using Doppler lidar during REPARTEE-II
CN102628944B (zh) 一种基于多普勒雷达资料的层云与对流云自动识别方法
Elkinton et al. An investigation of wind-shear models and experimental data trends for different terrains
Klotz et al. Examination of surface wind asymmetries in tropical cyclones. Part I: General structure and wind shear impacts
CN109033605B (zh) 一种基于多阶段划分和多单位线选择的流域汇流模拟方法
Kumer et al. Characterisation of single wind turbine wakes with static and scanning WINTWEX-W LiDAR data
CN106296462B (zh) 一种基于双测风塔数据的既有风电场粗糙度值确定方法
Ricci et al. Simulation of urban boundary and canopy layer flows in port areas induced by different marine boundary layer inflow conditions
CN109308375B (zh) 一种基于地貌参数的流域最优流速的测算方法
Aniskevich et al. Modelling the spatial distribution of wind energy resources in Latvia
CN116541658B (zh) 一种城市近地千米高度风剖面测量分析方法及装置
CN115455368B (zh) 一种基于湍流强度和平均风速的对流层低层阵风计算方法
CN111709130B (zh) 一种基于测风塔数据的平坦地形粗糙度计算方法
CN108490505A (zh) 一种台风风场空间结构的判断方法和装置
Konow Tall wind profiles in heteorogeneous terrain
CN116466368B (zh) 基于激光雷达和卫星资料的沙尘消光系数廓线估算方法
Garcia et al. Wake meandering and its relationship with the incoming wind characteristics: a statistical approach applied to long-term on-field observations
Cantelli et al. Numerical simulations of mountain winds in an alpine valley
Hadžiahmetović et al. Statistical analysis and assessment of wind energy potential in Sarajevo, Bosnia and Herzegovina
ابراهیمی خوسفی et al. Evaluating different functions of artificial neural networks for predicting the hourly variations of horizontal visibility under dry and humid conditions (case study: Zabol City)
Hung et al. A comprehensive procedure to process scanning lidar data for engineering wake model validation
da Silveira et al. Observational Investigation of the Statistical Properties of Surface-Layer Turbulence in a Suburban Area of São Paulo, Brazil: Objective Analysis of Scaling-Parameter Accuracy and Uncertainties
Saeidabadi et al. Modelling spatial, altitudinal and temporal variability of annual precipitation in mountainous regions: The case of the Middle Zagros, Iran
CN114111705A (zh) 一种利用气象卫星资料计算云底高度的方法

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