CN112131779B - 一种基于多参考站的海上测风塔数据代表年订正方法 - Google Patents

一种基于多参考站的海上测风塔数据代表年订正方法 Download PDF

Info

Publication number
CN112131779B
CN112131779B CN202010811853.9A CN202010811853A CN112131779B CN 112131779 B CN112131779 B CN 112131779B CN 202010811853 A CN202010811853 A CN 202010811853A CN 112131779 B CN112131779 B CN 112131779B
Authority
CN
China
Prior art keywords
data
wind speed
hour
wind
wind direction
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
CN202010811853.9A
Other languages
English (en)
Other versions
CN112131779A (zh
Inventor
张双益
张勋奎
戴成伟
李春雨
肖启标
王虎
陈德明
郝洪亮
曹子丕
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.)
Datang Sanya Future Energy Research Institute Co ltd
Original Assignee
Datang Sanya Future Energy Research 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 Datang Sanya Future Energy Research Institute Co ltd filed Critical Datang Sanya Future Energy Research Institute Co ltd
Priority to CN202010811853.9A priority Critical patent/CN112131779B/zh
Publication of CN112131779A publication Critical patent/CN112131779A/zh
Application granted granted Critical
Publication of CN112131779B publication Critical patent/CN112131779B/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
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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
    • G06F2113/00—Details relating to the application field
    • G06F2113/06—Wind turbines or wind farms
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Indicating Or Recording The Presence, Absence, Or Direction Of Movement (AREA)

Abstract

本发明涉及基于多参考站的海上测风塔数据代表年订正方法，包括：数据采集，数据处理，经验正交函数分解，建立回归方程，误差检验，完成代表年订正。本发明可以解决海上测风塔数据代表年订正的结果出现较大误差的问题。该方法具有通用性，适用于各种来源的参考站及数据，适用于各种离岸距离的近海和远海的海上测风塔及数据。

Description

一种基于多参考站的海上测风塔数据代表年订正方法
技术领域
本发明属于风力发电计算技术领域，尤其涉及一种基于多参考站的海上测 风塔数据代表年订正方法。
背景技术
近年来我国海洋风能产业快速发展。研究和摸清海洋风能资源状况对于海 上风电场的选址、规划等工作具有重要价值。通常方法是收集海上测风塔数据 来分析和评估风能资源。但由于海上测风塔的数据时间一般仅有1-2年，而海 上风电场的设计运行期一般为25年，因此需收集周围参考站的长期数据，来对 海上测风塔数据进行代表年订正。
实际工作中可选择的参考站来源非常多，例如当地的气象站可作为参考站 可提供长期数据，另外再分析资料集CFSR、MERRA2、ERA5等也可作为参考站提 供长期数据，还有商业公司3TIER、Vortex、AWS等中尺度和小尺度资料集均可 作为参考站提供长期数据。这些不同来源的参考站各有互补，在实际工作中均 有大量应用。然而由于现有的技术是基于唯一参考站的长期数据来对海上测风 塔数据代表年订正，首先对唯一参考站与海上测风塔的同期数据进行相关性分 析，然而建立一元一次线性方程，进而求出订正量，最终完成代表年订正，具 体见《风电场风能资源评估方法》GB/T 18710-2002、《风电场工程风能资源测 量与评估技术规范》NB/T 31147-2018等标准规范。
由于现有的技术无法充分、合理利用不同来源的多个参考站，一方面造成 了数据资源的浪费，另一方面也会导致海上测风塔数据代表年订正的结果出现 较大误差。因此尽快提出基于多参考站的海上测风塔数据代表年订正方法的意 义重大。
发明内容
本发明的目的是提供一种基于多参考站的海上测风塔数据代表年订正方法， 以解决海上测风塔数据代表年订正的结果出现较大误差的问题。
本发明提供了一种基于多参考站的海上测风塔数据代表年订正方法，包括 如下步骤：
步骤一，获取海上测风塔单层高度的风速数据、风向数据，所述风速、风 向数据为逐10分钟的风速、风向数据，时间长度为至少1年；获取海上测风塔 半径100公里范围内的多个参考站单层高度的风速数据、风向数据，所述风速、 风向数据为逐1小时的风速、风向数据，时间长度为至少30年，且与海上测风 塔的同期时间在1年以上；
步骤二，根据步骤一获取的风速、风向数据，对海上测风塔的逐10分钟的 风速、风向数据，顺序按照每小时0分、10分、20分、30分、40分、50分进 行等权重加权平均，得到海上测风塔的逐1小时的风速、风向数据；
对每个参考站，依次计算参考站逐1小时的风速与海上测风塔的逐1小时 的风速的同期时间1年以上数据之间的相关系数；对于相关系数低于0.6情况， 则剔除对应参考站及数据；对于相关系数大于和等于0.6情况，则保留对应参考 站及数据；
对经上述步骤剔除后的多个参考站的逐1小时的风速、风向数据，采用下 式归一化：
Figure RE-GDA0002794603390000021
其中，Xt是变量X在t小时的数据，
Figure RE-GDA0002794603390000022
是Xt归一化后的数值，Xmin、Xmax、 Xmedian、Xmean分别是Xt中的最小值、最大值、中位值和平均值；
对海上测风塔逐1小时的风速Vt、风向Dt数据，以及经上述步骤归一化后 的多个参考站的逐1小时的风速、风向数据，建立数据库，并对其中同期时间1 年以上数据按时间段前0～50％的数据划分为训练集，将时间段后50％～100％的 数据划分为测试集；
步骤三，根据步骤二得到的训练集和测试集数据，对归一化后的多个参考 站的逐1小时的风速Vi,t、风向Di,t建立联合场矩阵Ui,t，其中i为参考站的编号； 采用经验正交函数对联合场矩阵Ui,t进行分解，提取出空间模态和对应时间主成 分Pj,t，其中j是空间模态编号，总数量为n的空间模态的合计方差贡献率至少 达到90％；
步骤四，根据步骤二得到的训练集的海上测风塔逐1小时的风速Vt、风向 Dt数据，和步骤三得到的训练集归一化后的多个参考站的数据经验正交函数分 解得到的主成分Pj,t数据，采用下式建立回归方程：
Figure BDA0002631266850000031
Figure BDA0002631266850000032
其中，αj、βj和χj分别是回归方程的系数，ε和δ分别是回归拟合残差；
步骤五，根据步骤三获得的测试集归一化后的多个参考站的数据经验正交 函数分解的得到的主成分Pj,t数据，利用步骤四建立的回归方程，进行代入计算， 从而得到多个参考站回归结果的海上测风塔逐1小时的风速Vt′、风向Dt′数据。 将其与步骤二获得的测试集的海上测风塔逐1小时的风速Vt、风向Dt数据进行 对比，利用下式计算出Vt′和Vt之间的均方根误差E：
Figure BDA0002631266850000033
其中，m是测试集数据的时间总长度；
若均方根误差E大于等于0.5m/s，则返回步骤三，对空间模态总数量n增 加1；然后执行步骤四，建立回归方程；最后执行步骤五，进行误差检验；若均 方根误差E小于0.5m/s，执行步骤六；
步骤六，根据步骤三得到的归一化后的多个参考站的逐1小时的风速、风向 数据，时间长度为至少30年；利用步骤四建立的回归方程，进行代入计算，从 而得到多个参考站回归的海上测风塔逐1小时的风速Vt′、风向Dt′数据，时间长度 为至少30年；最后按照自然年选取1年的风速、风向数据，要求该年的年平均风 速与时间长度为至少30年的风速Vt′平均值之间的绝对误差在所有自然年中为最 小，即为代表年订正结果。
借由上述方案，通过基于多参考站的海上测风塔数据代表年订正方法，可 以解决海上测风塔数据代表年订正的结果出现较大误差的问题。该方法具有通 用性，适用于各种来源的参考站及数据，适用于各种离岸距离的近海和远海的 海上测风塔及数据。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术 手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例详细说明 如后。
附图说明
图1是本发明基于多参考站的海上测风塔数据代表年订正方法的流程图；
图2是本发明一实施例中测试集2014年1月1日至2014年12月31日多 个参考站回归结果的海上测风塔逐1小时的风速Vt′数据与步骤二获得的测试 集2014年1月1日至2014年12月31日的海上测风塔逐1小时的风速Vt数据 的对比图；
图3是本发明一实施例中多个参考站回归的海上测风塔逐1小时的风速 Vt′在1986年1月1日至2015年12月31日的各自然年平均风速。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以 下实施例用于说明本发明，但不用来限制本发明的范围。
参图1所示，本实施例提供了一种基于多参考站的海上测风塔数据代表年订 正方法，包括如下步骤：
步骤一，数据采集。获取海上测风塔单层高度的风速数据、风向数据，所 述风速、风向数据为逐10分钟的风速、风向数据，时间长度为至少1年；获取 海上测风塔半径100公里范围内的多个参考站单层高度的风速数据、风向数据， 所述风速、风向数据为逐1小时的风速、风向数据，时间长度为至少30年，且 与海上测风塔的同期时间在1年以上；
步骤二，数据处理。根据步骤一获取的风速、风向数据，首先对海上测风 塔的逐10分钟的风速、风向数据，顺序按照每小时0分、10分、20分、30分、 40分、50分进行等权重加权平均，得到海上测风塔的逐1小时的风速、风向数 据；
然后对每个参考站，依次计算参考站逐1小时的风速与海上测风塔的逐1 小时的风速的同期时间1年以上数据之间的相关系数；对于相关系数低于0.6情 况，则剔除对应参考站及数据；对于相关系数大于和等于0.6情况，则保留对应 参考站及数据；
之后对经上述步骤剔除后的多个参考站的逐1小时的风速、风向数据，采 用下式归一化：
Figure RE-GDA0002794603390000051
其中，Xt是变量X在t小时的数据，
Figure RE-GDA0002794603390000052
是Xt归一化后的数值，Xmin、Xmax、 Xmedian、Xmean分别是Xt中的最小值、最大值、中位值和平均值；
最后对海上测风塔逐1小时的风速Vt、风向Dt数据，以及经上述步骤归一 化后的多个参考站的逐1小时的风速、风向数据，建立数据库，并对其中同期 时间1年以上数据按时间段前0～50％的数据划分为训练集，将时间段后 50％～100％的数据划分为测试集；
步骤三，经验正交函数分解。根据步骤二得到的训练集和测试集数据，对 归一化后的多个参考站的逐1小时的风速Vi,t、风向Di,t建立联合场矩阵Ui,t，其 中i为参考站的编号；采用经验正交函数对联合场矩阵Ui,t进行分解，提取出空 间模态和对应时间主成分Pj,t，其中j是空间模态编号，总数量为n的空间模态 的合计方差贡献率至少达到90％；
步骤四，建立回归方程。根据步骤二得到的训练集的海上测风塔逐1小时 的风速Vt、风向Dt数据，和步骤三得到的训练集归一化后的多个参考站的数据 经验正交函数分解得到的主成分Pj,t数据，采用下式建立回归方程：
Figure BDA0002631266850000053
Figure BDA0002631266850000054
其中，αj、βj和χj分别是回归方程的系数，ε和δ分别是回归拟合残差；
步骤五，误差检验。根据步骤三获得的测试集归一化后的多个参考站的数 据经验正交函数分解的得到的主成分Pj,t数据，利用步骤四建立的回归方程，进 行代入计算，从而得到多个参考站回归结果的海上测风塔逐1小时的风速Vt′、 风向Dt′数据。将其与步骤二获得的测试集的海上测风塔逐1小时的风速Vt、风 向Dt数据进行对比，利用下式计算出Vt′和Vt之间的均方根误差E：
Figure BDA0002631266850000061
其中，m是测试集数据的时间总长度；
若均方根误差E大于等于0.5m/s，则返回步骤三，对空间模态总数量n增 加1；然后执行步骤四，建立回归方程；最后执行步骤五，进行误差检验；若均 方根误差E小于0.5m/s，执行步骤六；
步骤六，完成代表年订正。根据步骤三得到的归一化后的多个参考站的逐1 小时的风速、风向数据，时间长度为至少30年；利用步骤四建立的回归方程， 进行代入计算，从而得到多个参考站回归的海上测风塔逐1小时的风速Vt′、风向 Dt′数据，时间长度为至少30年；最后按照自然年选取1年的风速、风向数据，要 求该年的年平均风速与时间长度为至少30年的风速Vt′平均值之间的绝对误差在 所有自然年中为最小，即为代表年订正结果。
通过基于多参考站的海上测风塔数据代表年订正方法，可以解决海上测风 塔数据代表年订正的结果出现较大误差的问题。该方法具有通用性，适用于各 种来源的参考站及数据，适用于各种离岸距离的近海和远海的海上测风塔及数 据。
下面通过具体实例对本发明作进一步说明。
某海上测风塔离岸距离5km、水深12m，塔高90m。
步骤一，数据采集。获取海上测风塔90m高度的风速数据、风向数据，时 间长度为2013年1月1日至2014年12月31日，满足至少1年。获取海上测 风塔半径100公里范围内的响水气象站的10m高度、CFSR的4个格点10m高 度、MERRA2的4个格点50m高度、ERA5的4个格点100m高度、3TIER的4 个格点80m高度、Vortex的4个格点100m高度、AWS的4个格点80m高度的共25个参考站风速数据、风向数据。时间长度为1986年1月1日至2015年12 月31日，满足至少30年。
步骤二，数据处理。获得的训练集为2013年1月1日至2013年12月31日 的数据，测试集为2014年1月1日至2014年12月31日的数据。
步骤三，经验正交函数分解。
步骤四，建立回归方程。
步骤五，误差检验。将获得的测试集2014年1月1日至2014年12月31日 多个参考站回归结果的海上测风塔逐1小时的风速Vt′数据，与步骤二获得的测 试集2014年1月1日至2014年12月31日的海上测风塔逐1小时的风速Vt数 据，对比结果见图2。可见Vt′和Vt两者十分接近，均方根误差E为0.18m/s，误 差很小、满足要求。
步骤六，完成代表年订正。获得了多个参考站回归的海上测风塔逐1小时 的风速Vt′、风向Dt′数据，时间长度为30年。其中风速Vt′在1986年1月1日至 2015年12月31日的各自然年平均风速见图3。可见1999年1月1日至1999 年12月31日的年平均风速与时间长度30年的风速Vt′平均值之间的绝对误差 0.04m/s，在所有自然年中为最小，即为代表年订正结果。
以上所述仅是本发明的优选实施方式，并不用于限制本发明，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型，这些改进和变型也应视为本发明的保护范围。

Claims (1)

1.一种基于多参考站的海上测风塔数据代表年订正方法，其特征在于，包括如下步骤：
步骤一，获取海上测风塔单层高度的风速数据、风向数据，所述风速、风向数据为逐10分钟的风速、风向数据，时间长度为至少1年；获取海上测风塔半径100公里范围内的多个参考站单层高度的风速数据、风向数据，所述风速、风向数据为逐1小时的风速、风向数据，时间长度为至少30年，且与海上测风塔的同期时间在1年以上；
步骤二，根据步骤一获取的风速、风向数据，对海上测风塔的逐10分钟的风速、风向数据，顺序按照每小时0分、10分、20分、30分、40分、50分进行等权重加权平均，得到海上测风塔的逐1小时的风速、风向数据；
对每个参考站，依次计算参考站逐1小时的风速与海上测风塔的逐1小时的风速的同期时间1年以上数据之间的相关系数；对于相关系数低于0.6情况，则剔除对应参考站及数据；对于相关系数大于和等于0.6情况，则保留对应参考站及数据；
对经上述步骤剔除后的多个参考站的逐1小时的风速、风向数据，采用下式归一化：
Figure RE-FDA0002794603380000011
其中，Xt是变量X在t小时的数据，
Figure RE-FDA0002794603380000012
是Xt归一化后的数值，Xmin、Xmax、Xmedian、Xmean分别是Xt中的最小值、最大值、中位值和平均值；
对海上测风塔逐1小时的风速Vt、风向Dt数据，以及经上述步骤归一化后的多个参考站的逐1小时的风速、风向数据，建立数据库，并对其中同期时间1年以上数据按时间段前0～50％的数据划分为训练集，将时间段后50％～100％的数据划分为测试集；
步骤三，根据步骤二得到的训练集和测试集数据，对归一化后的多个参考站的逐1小时的风速Vi,t、风向Di,t建立联合场矩阵Ui,t，其中i为参考站的编号；采用经验正交函数对联合场矩阵Ui,t进行分解，提取出空间模态和对应时间主成分Pj,t，其中j是空间模态编号，总数量为n的空间模态的合计方差贡献率至少达到90％；
步骤四，根据步骤二得到的训练集的海上测风塔逐1小时的风速Vt、风向Dt数据，和步骤三得到的训练集归一化后的多个参考站的数据经验正交函数分解得到的主成分Pj,t数据，采用下式建立回归方程：
Figure RE-FDA0002794603380000021
Figure RE-FDA0002794603380000022
其中，αj、βj和χj分别是回归方程的系数，ε和δ分别是回归拟合残差；
步骤五，根据步骤三获得的测试集归一化后的多个参考站的数据经验正交函数分解的得到的主成分Pj,t数据，利用步骤四建立的回归方程，进行代入计算，从而得到多个参考站回归结果的海上测风塔逐1小时的风速Vt′、风向Dt′数据， 将其与步骤二获得的测试集的海上测风塔逐1小时的风速Vt、风向Dt数据进行对比，利用下式计算出Vt′和Vt之间的均方根误差E：
Figure RE-FDA0002794603380000023
其中，m是测试集数据的时间总长度；
若均方根误差E大于等于0.5m/s，则返回步骤三，对空间模态总数量n增加1；然后执行步骤四，建立回归方程；最后执行步骤五，进行误差检验；若均方根误差E小于0.5m/s，执行步骤六；
步骤六，根据步骤三得到的归一化后的多个参考站的逐1小时的风速、风向数据，时间长度为至少30年；利用步骤四建立的回归方程，进行代入计算，从而得到多个参考站回归的海上测风塔逐1小时的风速Vt′、风向Dt′数据，时间长度为至少30年；最后按照自然年选取1年的风速、风向数据，要求该年的年平均风速与时间长度为至少30年的风速Vt′平均值之间的绝对误差在所有自然年中为最小，即为代表年订正结果。
CN202010811853.9A 2020-08-13 2020-08-13 一种基于多参考站的海上测风塔数据代表年订正方法 Expired - Fee Related CN112131779B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010811853.9A CN112131779B (zh) 2020-08-13 2020-08-13 一种基于多参考站的海上测风塔数据代表年订正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010811853.9A CN112131779B (zh) 2020-08-13 2020-08-13 一种基于多参考站的海上测风塔数据代表年订正方法

Publications (2)

Publication Number Publication Date
CN112131779A CN112131779A (zh) 2020-12-25
CN112131779B true CN112131779B (zh) 2023-02-24

Family

ID=73850857

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010811853.9A Expired - Fee Related CN112131779B (zh) 2020-08-13 2020-08-13 一种基于多参考站的海上测风塔数据代表年订正方法

Country Status (1)

Country Link
CN (1) CN112131779B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113051795B (zh) * 2021-03-15 2023-04-28 哈尔滨工程大学 一种面向海上平台保障的三维温盐场分析预报方法
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

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104021309B (zh) * 2014-06-20 2016-10-12 中国能源建设集团江苏省电力设计院有限公司 基于方位偏转法的测风数据风向订正方法
CN108564484A (zh) * 2018-04-11 2018-09-21 中国电建集团成都勘测设计研究院有限公司 风电场测风代表年滑动选取方法
CN110598939A (zh) * 2019-09-18 2019-12-20 中国电建集团青海省电力设计院有限公司 一种提高测风效率及测风系统可靠性的方法

Also Published As

Publication number Publication date
CN112131779A (zh) 2020-12-25

Similar Documents

Publication Publication Date Title
Mohandes et al. Estimation of wind speed profile using adaptive neuro-fuzzy inference system (ANFIS)
Gugliani et al. New methods to assess wind resources in terms of wind speed, load, power and direction
Maatallah et al. Wind power assessment and evaluation of electricity generation in the Gulf of Tunis, Tunisia
CN112131779B (zh) 一种基于多参考站的海上测风塔数据代表年订正方法
Robertson et al. Holistic marine energy resource assessments: A wave and offshore wind perspective of metocean conditions
CN109784563B (zh) 一种基于虚拟测风塔技术的超短期功率预测方法
CN112906955B (zh) 一种基于多源数据驱动的潮汐数据拟合方法
CN104319807A (zh) 一种基于Copula函数获取多风电场容量可信度的方法
CN105160060A (zh) 一种基于实际功率曲线拟合的风电场理论功率确定方法
CN107239856B (zh) 一种风向数据插补方法
CN103996079A (zh) 一种基于条件概率的风电功率加权预测方法
CN108320050B (zh) 一种基于风速预报提高光伏短期功率预测精度的方法
Gonzalez-Longatt Wind Resource Potential in Los Taques-Venezuela
Abdraman et al. Wind Resource Assessment in the City of N'djamena in Chad
Dunkle et al. Pacwave wave resource assessment
CN110348175B (zh) 一种光伏电站有效辐照计算方法和装置
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
Fernandes et al. Offshore validation of ERA5 reanalysis with hub height wind observations of Brazil
Drobinski et al. Is the Weibull distribution really suited for wind statistics modeling and wind power evaluation?
Salvação et al. Offshore wind energy assessment for the Iberian coasts using remotely sensed data
Kim et al. Evaluation of WRF model-derived direct irradiance for solar thermal resource assessment over South Korea
CN115204712B (zh) 一种海上和沿海风电场选址评估方法
CN103268416A (zh) 基于stcp-bp的风速预测方法
Belu Assessment and analysis of offshore wind energy potential
Gastón et al. Wind resources map of Spain at mesoscale. Methodology and validation

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220304

Address after: 572100 area C302, third floor, phase II standard plant, yazhouwan science and Technology City, Yazhou District, Sanya City, Hainan Province

Applicant after: Datang Sanya Future Energy Research Institute Co.,Ltd.

Address before: B3601, building 10, Shenzhen Bay science and technology ecological park, No.10, Gaoxin South 9th Road, high tech Zone community, Yuehai street, Nanshan District, Shenzhen, Guangdong 518000

Applicant before: China Datang Energy Technology Center Co.,Ltd.

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: 20230224