CN112700349A - 测风塔选址方法和装置 - Google Patents
测风塔选址方法和装置 Download PDFInfo
- Publication number
- CN112700349A CN112700349A CN201911005697.0A CN201911005697A CN112700349A CN 112700349 A CN112700349 A CN 112700349A CN 201911005697 A CN201911005697 A CN 201911005697A CN 112700349 A CN112700349 A CN 112700349A
- Authority
- CN
- China
- Prior art keywords
- wind
- fan
- determining
- point
- 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 11
- 238000010248 power generation Methods 0.000 claims abstract description 72
- 238000000034 method Methods 0.000 claims abstract description 71
- 230000003746 surface roughness Effects 0.000 claims description 42
- 238000009434 installation Methods 0.000 claims description 14
- 238000005065 mining Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 230000008030 elimination Effects 0.000 claims description 6
- 238000003379 elimination reaction Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 4
- 238000011234 economic evaluation Methods 0.000 abstract description 5
- 238000011156 evaluation Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 18
- 238000013461 design Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 12
- 238000005259 measurement Methods 0.000 description 10
- 238000009792 diffusion process Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000003491 array Methods 0.000 description 4
- 238000013139 quantization Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Wind Motors (AREA)
Abstract
本发明提供一种测风塔选址方法和装置，该测风塔选址方法包括：根据风电场的场区高程数据，确定风电场的地形类别；根据与所确定的地形类别对应的风机排布方式，确定用于在风电场中布置风力发电机组的多个风机点位；将所确定的多个风机点位作为测风塔备选点位，并从测风塔备选点位中确定用于在风电场中布置测风塔的测风塔实际点位。采用本发明示例性实施例的测风塔选址方法和装置，能够提高测风塔选址的准确性，为区域风资源精准评估提供有力支持，并有助于提升风电场经济性评价与发电量评估的准确度。
Description
技术领域
本发明总体说来涉及风电技术领域，更具体地讲，涉及一种测风塔选址方法和装置。
背景技术
测风方案设计主要是通过对待规划风电场所在区域的地形与风参的分析，来进行测风塔选址与测风相关设备配置，主要目标是实现在使用最少数量的测风塔的基础上，通过数值方法，完成对场区风资源分布情况的准确评估，为风电场设计与经济性评价提供参考依据。
目前测风方案设计方法主要包括两种，一是，工程师依据地理与气象环境条件，通过人为判断，凭借主观分析来完成测风方案设计工作。
目前风电开发商与测风公司，一般均无有经验的测风方案设计工程师，这是由于风电开发商一般比较关注风电场的经济收益与利润，较多参与的是风电场运营，较少参与风电场设计的技术环节。而测风公司作为专业的测风设备供应商，不参与风电场的设计与运营，故其仅关注测风设备的搭建与过程的维护，并不关注测风数据的有效性。
通常仅在设计院或者大型风电公司才具备经验较丰富的测风方案设计工程师，但即使依靠有经验的测风工程师，针对同一区域多个工程师之间也会出具不同的测风方案，在测风方案优劣无法量化评价的情况下，极难对测风方案进行有效的评价与选择。
上述测风方案设计方法对工作人员技术与经验水平的依赖性极大，为测风方案设计带来了极大的不确定性，风险难以量化，将直接影响风电项目的经济性评价。此外，对于风资源复杂的场区，例如，山地风电场，凭借经验，很难实现测风方案的最优化设计，难以保证测风塔的代表性。同时，凭经验进行测风方案设计的方法与流程，难以追述，无法实现系统化的知识管理。
二是，通过计算风图谱，然后分析各空间网格点之间风特性的相关性强弱，进而优选与多个网格点相关性较高的网格点作为测风点。但上述方法并未在实际应用中进行推广使用，主要是因为该方法成本高、耗时长、方法论尚不成熟。对于平坦地形，测风方案设计较为简单，不需要使用上述该方法。对于复杂地形，准确地获取多个空间网格点的数据存在困难，这需要依赖中尺度与CFD方法计算风图谱，该方法有准度较高的优点，但其还存在成本极高且周期长的缺点，业主难以承担该测风前的成本支出。如果仅使用中尺度数据，需要获得兴趣区域的风图谱网格点数据，目前已有水平空间分辨率200米的中尺度网格点数据，由于中尺度计算方法空间分辨率较低，无法捕捉地形细节，难以评估地形对风况的影响，大部分网格点数据准确性偏低，在此基础上进行相关性分析，将出现较大的偏差，最终将导致测风网格点的优选偏差。
综上所述，目前尚无可用的高效自动测风方案排布方法。
发明内容
本发明的示例性实施例的目的在于提供一种测风塔选址方法和装置，以克服上述至少一个缺陷。
在一个总体方面，提供一种测风塔选址方法，所述测风塔选址方法包括：根据风电场的场区高程数据，确定所述风电场的地形类别；根据与所确定的地形类别对应的风机排布方式，确定用于在所述风电场中布置风力发电机组的多个风机点位；将所确定的所述多个风机点位作为测风塔备选点位，并从所述测风塔备选点位中确定用于在所述风电场中布置测风塔的测风塔实际点位。
可选地，可通过以下方式获取风电场的场区高程数据：确定所述风电场所在区域的场区边界，并对所述风电场所在区域进行网格划分；从地形高程图中提取所述场区边界内的高程数据；通过对所提取的高程数据进行异常数据剔除以及数据插补处理，获得所述场区边界内的各网格点处的高程数据，将各网格点处的高程数据确定为用于地形类别识别的场区高程数据。
可选地，根据风电场的场区高程数据，确定所述风电场的地形类别的步骤可包括：通过对风电场的场区高程数据进行拟合，获得所述风电场的拟合平面；根据场区高程数据与拟合平面的高程差值，确定所述风电场的地形类别。
可选地，所述测风塔选址方法可还包括：确定风电场所在区域中的选址限定区域；从风电场所在区域中剔除掉所述选址限定区域，获得优风区域，以针对所获得的优风区域进行风机排布。
可选地，所述选址限定区域可包括以下项中的至少一项：生态保护区、矿区、居民区、河流流经的区域、风速限定区域、坡度限定区域，和/或，可通过以下方式确定风电场所在区域中的风速限定区域：对风电场所在区域进行网格划分，基于风电场所在区域的中尺度风图谱，将年平均风速小于预定风速值的网格点所在区域确定为风速限定区域，和/或，可通过以下方式确定风电场所在区域中的坡度限定区域：对风电场所在区域进行网格划分，并计算风电场所在区域中各网格点处的坡度，将坡度大于预定坡度限值的网格点所在区域确定为坡度限定区域。
可选地，所述地形类别可包括平坦地形、丘陵地形和山地地形，其中，与平坦地形对应的风机排布方式可包括风机阵列排布方式，与丘陵地形对应的风机排布方式可包括以发电量为迭代目标的随机迭代风机排布方式，与山地地形对应的风机排布方式可包括山脊线优化排布方式。
可选地，确定用于在所述风电场中布置风力发电机组的多个风机点位的步骤可包括：根据风电场所在区域的主风能风向，确定风力发电机组的排布方向；确定风力发电机组之间的横向间距和纵向间距；按照所确定的排布方向、横向间距和纵向间距，将风力发电机组以阵列形式在所述风电场中布置，并将布置位置确定为所述多个风机点位。
可选地，确定用于在所述风电场中布置风力发电机组的多个风机点位的步骤可包括：基于风电场的总发电需求，确定在所述风电场中布置的风力发电机组的数量；结合风电场所在区域的地理信息和风速分布情况，随机生成第一预定数量的候选风机排布方案，其中，在每个候选风机排布方案中确定了用于布置所述数量的风力发电机组的风机点位；通过交叉各候选风机排布方案以及变异风机点位的方式，对所有候选风机排布方案中的各风机点位进行迭代更新；将迭代更新后的所有候选风机排布方案中总发电量最高的候选风机排布方案确定为最终的风机排布方案，并将所确定的最终的风机排布方案中的各风机点位确定为用于在所述风电场中布置风力发电机组的所述多个风机点位。
可选地，确定用于在所述风电场中布置风力发电机组的多个风机点位的步骤可还包括：针对每个候选风机排布方案，确定在各风机点位处的风力发电机组的机型，其中，任一候选风机排布方案的总发电量可为在各风机点位处的对应机型的风力发电机组的发电量之和。
可选地，针对任一候选风机排布方案，可通过以下方式确定在各风机点位处的风力发电机组的机型：确定风力发电机组的待选机型；估算每种待选机型在所述任一候选风机排布方案中的各风机点位处的发电量；针对每个风机点位，通过对比在该风机点位处各种待选机型的发电量大小，将发电量最大的待选机型确定为在该风机点位处的风力发电机组的机型。
可选地，可通过以下方式对每个候选风机排布方案中的任一候选风机排布方案的任一风机点位进行迭代更新：从所有候选风机排布方案的除所述任一候选风机排布方案之外的其他候选风机排布方案中随机选取一候选风机排布方案，作为当前迭代的交叉方案；确定所述任一候选风机排布方案在所述任一风机点位处在上一迭代下的第一坐标向量；确定所述交叉方案在与所述任一风机点位对应的风机点位处在上一迭代下的第二坐标向量；基于所确定的第一坐标向量和第二坐标向量，生成所述任一候选风机排布方案在所述任一风机点位处在当前迭代下的变异向量；根据生成的变异向量，确定所述任一候选风机排布方案在所述任一风机点位处在当前迭代下的备选坐标；确定所述备选坐标与所述任一候选风机排布方案中除所述任一风机点位之外的其他风机点位之间是否满足风机间距布置规则；如果满足风机间距布置规则，则确定风力发电机组在所述任一风机点位处在上一迭代下的第一发电量和风力发电机组在所述备选坐标处的第二发电量；如果第一发电量大于或者等于第二发电量，则将所述任一风机点位处在上一迭代下的坐标位置作为所述任一风机点位处在当前迭代下的坐标位置；如果第一发电量小于第二发电量，则将所述备选坐标作为所述任一风机点位处在当前迭代下的坐标位置。
可选地，从所述测风塔备选点位中确定用于在所述风电场中布置测风塔的测风塔实际点位的步骤可包括：确定每个测风塔备选点位的风场代表性指数；基于所确定的风场代表性指数，从所述测风塔备选点位中确定用于在所述风电场中布置测风塔的测风塔实际点位。
可选地，可通过以下方式确定每个测风塔备选点位中的任一测风塔备选点位的风场代表性指数：确定所述任一测风塔备选点位对所确定的所述多个风机点位的风机代表性指数；基于所确定的风机代表性指数与代表性阈值的比较结果，获得所述任一测风塔备选点位的风场代表性指数。
可选地，可通过以下方式确定任一测风塔备选点位对任一风机点位的风机代表性指数：确定所述任一测风塔备选点位对所述任一风机点位的代表性折损值，其中，所述代表性折损值可包括以下项中的至少一项：水平距离代表性折损值、高程代表性折损值、粗糙度代表性折损值；基于所确定的代表性折损值来获得所述任一测风塔备选点位对所述任一风机点位的风机代表性指数。
可选地，可通过以下方式确定任一测风塔备选点位对任一风机点位的水平距离代表性折损值：确定在所述任一风机点位处的坡度；确定在所述任一风机点位处的坡度所属的坡度区间；确定与所述坡度区间对应的水平折损加权系数；根据所述任一测风塔备选点位与所述任一风机点位之间的距离以及所确定的水平折损加权系数，获得所述任一测风塔备选点位对所述任一风机点位的水平距离代表性折损值。
可选地，可通过以下方式确定任一测风塔备选点位对任一风机点位的高程代表性折损值：确定所述任一测风塔备选点位处的高程值；确定所述任一风机点位处的高程值；计算所述任一测风塔备选点位处的高程值与所述任一风机点位处的高程值的差值的绝对值；根据预先确定的高程差值与高程代表性折损值的对应关系，来确定与所述绝对值对应的高程代表性折损值，并将所确定的高程代表性折损值确定为所述任一测风塔备选点位对所述任一风机点位的高程代表性折损值。
可选地，可通过以下方式确定任一测风塔备选点位对任一风机点位的粗糙度代表性折损值：确定在所述任一测风塔备选点位处的地表粗糙度；确定在任一风机点位处的地表粗糙度；确定地表粗糙度最小值和地表粗糙度最大值；根据所确定的在所述任一测风塔备选点位处的地表粗糙度、在任一风机点位处的地表粗糙度、地表粗糙度最小值和地表粗糙度最大值，获得所述任一测风塔备选点位对所述任一风机点位的粗糙度代表性折损值。
可选地，基于所确定的风机代表性指数与代表性阈值的比较结果，获得所述任一测风塔备选点位的风场代表性指数的步骤可包括：将所述任一测风塔备选点位对每个风机点位的风机代表性指数分别与代表性阈值进行比较；针对每个风机点位，如果所述任一测风塔备选点位对该风机点位的风机代表性指数大于或者等于代表性阈值，则将所述任一测风塔备选点位的风场代表性指数的数值加一，如果所述任一测风塔备选点位对该风机点位的风机代表性指数小于代表性阈值，则不改变所述任一测风塔备选点位的风场代表性指数的数值，以获得所述任一测风塔备选点位的风场代表性指数。
可选地，基于所确定的风场代表性指数，从所述测风塔备选点位中确定用于在所述风电场中布置测风塔的测风塔实际点位的步骤可包括：将所确定的每个测风塔备选点位的风场代表性指数按降序排列；选取风场代表性指数排序靠前的第二预定数量的测风塔备选点位，并将所选取的测风塔备选点位确定为测风塔实际点位，其中，所选取的第二预定数量的测风塔备选点位的风场代表性指数之和大于或者等于预设风场代表阈值，所布置的每个测风塔所代表的风力发电机组不重复。
可选地，所述测风塔选址方法可还包括：获取在所确定的测风塔实际点位处的风切变指数；根据所获取的风切变指数，确定在测风塔实际点位处布置的测风塔上安装的测风相关设备的安装高度，其中，所述测风相关设备可包括以下项中的至少一项：风速计、风向标、温度传感器、湿度传感器。
在另一总体方面，提供一种测风塔选址装置，所述测风塔选址装置包括：地形类别确定模块，根据风电场的场区高程数据，确定所述风电场的地形类别；风机排布模块，根据与所确定的地形类别对应的风机排布方式，确定用于在所述风电场中布置风力发电机组的多个风机点位；测风塔排布模块，将所确定的所述多个风机点位作为测风塔备选点位，并从所述测风塔备选点位中确定用于在所述风电场中布置测风塔的测风塔实际点位。
可选地，所述测风塔选址装置可还包括：场区高程数据确定模块，通过以下方式确定风电场的场区高程数据：确定所述风电场所在区域的场区边界，并对所述风电场所在区域进行网格划分；从地形高程图中提取所述场区边界内的高程数据；通过对所提取的高程数据进行异常数据剔除以及数据插补处理，获得所述场区边界内的各网格点处的高程数据，将各网格点处的高程数据确定为用于地形类别识别的场区高程数据。
可选地，地形类别确定模块可通过对风电场的场区高程数据进行拟合，获得所述风电场的拟合平面，根据场区高程数据与拟合平面的高程差值，确定所述风电场的地形类别。
可选地，所述测风塔选址装置可还包括：优风区域确定模块，确定风电场所在区域中的选址限定区域，从风电场所在区域中剔除掉所述选址限定区域，获得优风区域，其中，风机排布模块针对所获得的优风区域进行风机排布。
可选地，所述选址限定区域可包括以下项中的至少一项：生态保护区、矿区、居民区、河流流经的区域、风速限定区域、坡度限定区域，和/或，优风区域确定模块可通过以下方式确定风电场所在区域中的风速限定区域：对风电场所在区域进行网格划分，基于风电场所在区域的中尺度风图谱，将年平均风速小于预定风速值的网格点所在区域确定为风速限定区域，和/或，优风区域确定模块可通过以下方式确定风电场所在区域中的坡度限定区域：对风电场所在区域进行网格划分，并计算风电场所在区域中各网格点处的坡度，将坡度大于预定坡度限值的网格点所在区域确定为坡度限定区域。
可选地，所述地形类别可包括平坦地形、丘陵地形和山地地形，其中，与平坦地形对应的风机排布方式可包括风机阵列排布方式，与丘陵地形对应的风机排布方式可包括以发电量为迭代目标的随机迭代风机排布方式，与山地地形对应的风机排布方式可包括山脊线优化排布方式。
可选地，风机排布模块可包括：排布方向确定子模块，根据风电场所在区域的主风能风向，确定风力发电机组的排布方向；横纵间距确定子模块，确定风力发电机组之间的横向间距和纵向间距；阵列排布子模块，按照所确定的排布方向、横向间距和纵向间距，将风力发电机组以阵列形式在所述风电场中布置，并将布置位置确定为所述多个风机点位。
可选地，风机排布模块可包括：风机数量确定子模块，基于风电场的总发电需求，确定在所述风电场中布置的风力发电机组的数量；候选方案生成子模块，结合风电场所在区域的地理信息和风速分布情况，随机生成第一预定数量的候选风机排布方案，其中，在每个候选风机排布方案中确定了用于布置所述数量的风力发电机组的风机点位；迭代更新子模块，通过交叉各候选风机排布方案以及变异风机点位的方式，对所有候选风机排布方案中的各风机点位进行迭代更新；风机点位确定子模块，将迭代更新后的所有候选风机排布方案中总发电量最高的候选风机排布方案确定为最终的风机排布方案，并将所确定的最终的风机排布方案中的各风机点位确定为用于在所述风电场中布置风力发电机组的所述多个风机点位。
可选地，风机排布模块可还包括：机型确定子模块，针对每个候选风机排布方案，确定在各风机点位处的风力发电机组的机型，其中，任一候选风机排布方案的总发电量可为在各风机点位处的对应机型的风力发电机组的发电量之和。
可选地，针对任一候选风机排布方案，机型确定子模块可通过以下方式确定在各风机点位处的风力发电机组的机型：确定风力发电机组的待选机型；估算每种待选机型在所述任一候选风机排布方案中的各风机点位处的发电量；针对每个风机点位，通过对比在该风机点位处各种待选机型的发电量大小，将发电量最大的待选机型确定为在该风机点位处的风力发电机组的机型。
可选地，迭代更新子模块可通过以下方式对每个候选风机排布方案中的任一候选风机排布方案的任一风机点位进行迭代更新：从所有候选风机排布方案的除所述任一候选风机排布方案之外的其他候选风机排布方案中随机选取一候选风机排布方案，作为当前迭代的交叉方案；确定所述任一候选风机排布方案在所述任一风机点位处在上一迭代下的第一坐标向量；确定所述交叉方案在与所述任一风机点位对应的风机点位处在上一迭代下的第二坐标向量；基于所确定的第一坐标向量和第二坐标向量，生成所述任一候选风机排布方案在所述任一风机点位处在当前迭代下的变异向量；根据生成的变异向量，确定所述任一候选风机排布方案在所述任一风机点位处在当前迭代下的备选坐标；确定所述备选坐标与所述任一候选风机排布方案中除所述任一风机点位之外的其他风机点位之间是否满足风机间距布置规则；如果满足风机间距布置规则，则确定风力发电机组在所述任一风机点位处在上一迭代下的第一发电量和风力发电机组在所述备选坐标处的第二发电量；如果第一发电量大于或者等于第二发电量，则将所述任一风机点位处在上一迭代下的坐标位置作为所述任一风机点位处在当前迭代下的坐标位置；如果第一发电量小于第二发电量，则将所述备选坐标作为所述任一风机点位处在当前迭代下的坐标位置。
可选地，所述测风塔选址装置可还包括：风场指数确定模块，确定每个测风塔备选点位的风场代表性指数，其中，测风塔排布模块基于所确定的风场代表性指数，从所述测风塔备选点位中确定用于在所述风电场中布置测风塔的测风塔实际点位。
可选地，风场指数确定模块可通过以下方式确定每个测风塔备选点位中的任一测风塔备选点位的风场代表性指数：确定所述任一测风塔备选点位对所确定的所述多个风机点位的风机代表性指数；基于所确定的风机代表性指数与代表性阈值的比较结果，获得所述任一测风塔备选点位的风场代表性指数。
可选地，风场指数确定模块可通过以下方式确定任一测风塔备选点位对任一风机点位的风机代表性指数：确定所述任一测风塔备选点位对所述任一风机点位的代表性折损值，其中，所述代表性折损值可包括以下项中的至少一项：水平距离代表性折损值、高程代表性折损值、粗糙度代表性折损值；基于所确定的代表性折损值来获得所述任一测风塔备选点位对所述任一风机点位的风机代表性指数。
可选地，风场指数确定模块可通过以下方式确定任一测风塔备选点位对任一风机点位的水平距离代表性折损值：确定在所述任一风机点位处的坡度；确定在所述任一风机点位处的坡度所属的坡度区间；确定与所述坡度区间对应的水平折损加权系数；根据所述任一测风塔备选点位与所述任一风机点位之间的距离以及所确定的水平折损加权系数，获得所述任一测风塔备选点位对所述任一风机点位的水平距离代表性折损值。
可选地，风场指数确定模块可通过以下方式确定任一测风塔备选点位对任一风机点位的高程代表性折损值：确定所述任一测风塔备选点位处的高程值；确定所述任一风机点位处的高程值；计算所述任一测风塔备选点位处的高程值与所述任一风机点位处的高程值的差值的绝对值；根据预先确定的高程差值与高程代表性折损值的对应关系，来确定与所述绝对值对应的高程代表性折损值，并将所确定的高程代表性折损值确定为所述任一测风塔备选点位对所述任一风机点位的高程代表性折损值。
可选地，风场指数确定模块可通过以下方式确定任一测风塔备选点位对任一风机点位的粗糙度代表性折损值：确定在所述任一测风塔备选点位处的地表粗糙度；确定在任一风机点位处的地表粗糙度；确定地表粗糙度最小值和地表粗糙度最大值；根据所确定的在所述任一测风塔备选点位处的地表粗糙度、在任一风机点位处的地表粗糙度、地表粗糙度最小值和地表粗糙度最大值，获得所述任一测风塔备选点位对所述任一风机点位的粗糙度代表性折损值。
可选地，风场指数确定模块可将所述任一测风塔备选点位对每个风机点位的风机代表性指数分别与代表性阈值进行比较，针对每个风机点位，如果所述任一测风塔备选点位对该风机点位的风机代表性指数大于或者等于代表性阈值，则将所述任一测风塔备选点位的风场代表性指数的数值加一，如果所述任一测风塔备选点位对该风机点位的风机代表性指数小于代表性阈值，则不改变所述任一测风塔备选点位的风场代表性指数的数值，以获得所述任一测风塔备选点位的风场代表性指数。
可选地，测风塔排布模块可将所确定的每个测风塔备选点位的风场代表性指数按降序排列，选取风场代表性指数排序靠前的第二预定数量的测风塔备选点位，并将所选取的测风塔备选点位确定为测风塔实际点位，其中，所选取的第二预定数量的测风塔备选点位的风场代表性指数之和大于或者等于预设风场代表阈值，所布置的每个测风塔所代表的风力发电机组不重复。
可选地，所述测风塔选址装置可还包括：风切变获取模块，获取在所确定的测风塔实际点位处的风切变指数；设备高度确定模块，根据所获取的风切变指数，确定在测风塔实际点位处布置的测风塔上安装的测风相关设备的安装高度，其中，所述测风相关设备可包括以下项中的至少一项：风速计、风向标、温度传感器、湿度传感器。
在另一总体方面，提供一种控制器，包括：处理器；输入\输出接口；存储器，用于存储计算机程序，所述计算机程序在被所述处理器执行时实现上述的测风塔选址方法。
在另一总体方面，提供一种存储有计算机程序的计算机可读存储介质，当所述计算机程序在被处理器执行时实现上述的测风塔选址方法。
采用本发明示例性实施例的测风塔选址方法和装置，通过地形类别的识别以及确定评价测风塔代表性的量化指标，实现了对测风塔备选点位优劣的量化评价，有效提高了测风塔选址的准确性，为区域风资源精准评估提供有力支持，并有助于提升风电场经济性评价与发电量评估的准确度。
附图说明
通过下面结合附图进行的描述，本发明的上述和其他目的和特点将会变得更加清楚，其中：
图1示出根据本发明示例性实施例的测风塔选址方法的流程图；
图2示出根据本发明示例性实施例的获取风电场的场区高程数据的步骤的流程图；
图3示出根据本发明示例性实施例的数据插补处理的示意图；
图4示出根据本发明示例性实施例的确定风电场的地形类别的步骤的流程图；
图5示出根据本发明示例性实施例的获得优风区域的步骤的流程图；
图6示出根据本发明示例性实施例的计算风电场所在区域中任一网格点处的坡度的示意图；
图7示出根据本发明示例性实施例的根据风机阵列排布方式确定多个风机点位的步骤的流程图；
图8示出根据本发明示例性实施例的根据以发电量为迭代目标的随机迭代风机排布方式确定多个风机点位的步骤的流程图；
图9示出根据本发明示例性实施例的对任一候选风机排布方案的任一风机点位进行迭代更新的步骤的流程图；
图10示出根据本发明示例性实施例的确定任一测风塔备选点位对任一风机点位的水平距离代表性折损值的步骤的流程图；
图11示出根据本发明示例性实施例的风电场所在区域中的各网格点的分布示意图；
图12示出根据本发明示例性实施例的确定任一测风塔备选点位对任一风机点位的高程代表性折损值的步骤的流程图；
图13示出根据本发明示例性实施例的确定任一测风塔备选点位对任一风机点位的粗糙度代表性折损值的步骤的流程图；
图14示出根据本发明示例性实施例的测风塔选址装置的框图；
图15示出根据本发明示例性实施例的风机排布模块的框图；
图16示出根据本发明另一示例性实施例的风机排布模块的框图；
图17示出根据本发明示例性实施例的用于确定测风相关设备的安装高度的装置的框图；
图18示出根据本发明示例性实施例的控制器的框图。
具体实施方式
现在，将参照附图更充分地描述不同的示例实施例，一些示例性实施例在附图中示出。
图1示出根据本发明示例性实施例的测风塔选址方法的流程图。
参照图1，在步骤S10中，根据风电场的场区高程数据，确定风电场的地形类别。这里，风电场(WF，Wind Farm)能够利用风能并结合一系列发电机器从而实现利用风能发电的目的。
在本发明示例性实施例中，可先获取风电场的场区高程数据，再基于该场区高程数据来确定风电场的地形类别。下面参照图2来介绍获取风电场的场区高程数据的步骤。
图2示出根据本发明示例性实施例的获取风电场的场区高程数据的步骤的流程图。
参照图2，在步骤S11中，确定风电场所在区域的场区边界，并对风电场所在区域进行网格划分。
这里，可通过各种方式来确定风电场所在区域的场区边界。例如，可通过输入场区边界的拐点的经纬度坐标(如不少于3个)，并以一阶线性函数连接各拐点的经纬度坐标，来获得场区边界。但本发明不限于此，还可以接收用户在地图上的点选，并将点选位置(如不少于3个)对应的坐标确定为场区边界的拐点的坐标，通过将各拐点的坐标进行连接来获得场区边界。
在步骤S12中，从地形高程图中提取场区边界内的高程数据。
作为示例，该地形高程图可包括SRTM(Shuttle Radar Topography Mission，航天飞机雷达地形测绘使命)数据，该SRTM数据主要由美国国家航空航天局(NASA)和国防部国家测绘局(NIMA)联合测量的，可从该SRTM数据中提取场区边界内的高程数据。
在步骤S13中，通过对所提取的高程数据进行异常数据剔除以及数据插补处理，获得场区边界内的各网格点处的高程数据，将各网格点处的高程数据确定为用于地形类别识别的场区高程数据。
这里，高程数据可包括高程值，例如，可通过以下方式来对所提取的高程数据进行异常数据剔除：遍历所提取的场区边界内的所有高程数据，将高程值大于预定限值(例如，10000米)的高程数据进行剔除。优选地，可对剔除掉的高程数据进行标记，例如，可将其标记为-9999。
例如，可通过以下方式来进行数据插补处理：遍历进行异常数据剔除后的高程数据，确定各网格点处是否均存在对应的高程数据，对所有标记的高程数据以及网格点处缺失的高程数据进行插补。
这里，可利用各种数据插补方法来获得各网格点处的高程数据。优选地，可利用反距离加权法来基于所提取的场区边界内的高程数据来获得各网格点处的高程数据。但本发明不限于此，其他数据插补也是可行的。
下面参照图3来介绍基于数据插补方式获得场区边界内的每个网格点中的任一网格点处的高程数据的过程。
图3示出根据本发明示例性实施例的数据插补处理的示意图。
如图3所示，假设P点为缺失高程数据的一网格点处(以下称为目标点)，P点的坐标为(x,y,z)，Pi,j、Pi+1,j、Pi,j+1、Pi+1,j+1为场区边界内环绕目标点P最近的具有高程值的四个点。
目标点P的x,y坐标为已知值，可利用如下公式来计算z坐标(即，目标点P的高程值)：
公式(1)中，d1、d2、d3、d4分别为点Pi,j、Pi,j+1、Pi+1,j+1、Pi+1,j与目标点P之间的距离，Pi,j、Pi+1,j、Pi,j+1、Pi+1,j+1的坐标(xi,j,yi,j,zi,j)、(xi+1,j,yi+1,j,zi+1,j)、(xi,j+1,yi,j+1,zi,j+1)、(xi+1,j+1,yi+1,j+1,zi+1,j+1)均为已知值。
作为示例，地形类别可包括但不限于平坦地形、丘陵地形和山地地形。在本发明示例性实施例中，可基于风电场的场区高程数据，来实现风电场的地形类别的自动分类。
下面参照图4来介绍确定风电场的地形类别的步骤。应理解，图4所示的确定风电场的地形类别的方式仅为一优选示例，本发明不限于此，还可以通过其他方式来根据风电场的场区高程数据确定风电场的地形类别。
图4示出根据本发明示例性实施例的确定风电场的地形类别的步骤的流程图。
参照图4，在步骤S101中，通过对风电场的场区高程数据进行拟合，获得风电场的拟合平面。
这里，可利用各种拟合方法来获得风电场的拟合平面。在一优选示例中，可根据场区高程数据，通过最小二乘法来获得风电场的拟合平面。
在步骤S102中，根据场区高程数据与拟合平面的高程差值，确定风电场的地形类别。
例如，可针对场区边界内的任一网格点，将该网格点处的高程数据与拟合平面上与该网格点对应位置处的高程值做差，如果所有网格点中与拟合平面的高程差值不大于(小于或者等于)第一预定差值的网格点数据超过预定数量，则确定风电场的地形类别为平坦地形。如果所有网格点中与拟合平面的高程差值大于第一预定差值且不大于第二预定差值的网格点数据超过预定数量，则确定风电场的地形类别为丘陵地形。如果所有网格点中与拟合平面的高程差值大于第二预定差值的网格点数据超过预定数量，则确定风电场的地形类别为山地地形。
作为示例，第一预定差值可包括但不限于50米，第二预定差值可包括但不限于200米。应理解，本发明不限于此，本领域技术人员可以实际需求来调整上述数值的大小。
返回图1，在步骤S20中，根据与所确定的地形类别对应的风机排布方式，确定用于在风电场中布置风力发电机组的多个风机点位。
这里，风机排布(Wind turbine Siting)可指选定风电场所在区域中风力发电机组的布置位置。
在一优选实施例中，可先确定风电场所在区域中的优风区域，以针对优风区域进行风机排布。这里，可以先确定风电场的地形类别，再确定所在区域中的优风区域，或者，也可以先确定所在区域中的优风区域，再识别优风区域的地形类别，本发明对上述两个步骤的执行顺序不做限定。
图5示出根据本发明示例性实施例的获得优风区域的步骤的流程图。应理解，图5所示的确定优风区域的方式仅为一优选示例，本发明不限于此，还可以通过其他方式来确定风电场中适合布置测风塔的优风区域。
参照图5，在步骤S21中，确定风电场所在区域中的选址限定区域。
作为示例，选址限定区域可包括但不限于以下项中的至少一项：生态保护区、矿区、居民区、河流流经的区域、风速限定区域、坡度限定区域。
例如，可通过以下方式来确定风电场所在区域中的生态保护区、矿区、居民区、河流流经的区域：获取敏感区域图层，在该敏感区域图层中标明了生态保护区、矿区、居民区、河流流经的区域，基于获取的敏感区域图层来确定风电场所在区域中的生态保护区、矿区、居民区、河流流经的区域。
例如，可通过以下方式确定风电场所在区域中的风速限定区域：对风电场所在区域进行网格划分，基于风电场所在区域的中尺度风图谱，将年平均风速小于预定风速值的网格点所在区域确定为风速限定区域。
这里，中尺度图谱(Mesoscale Atlas)可指通过中尺度模式(例如，WeatherResearch and Forecasting Model)计算得到的全国风资源数据图谱，在该风资源数据图谱中包含风速、风向、温度、湿度、气压等大气信息，并以网格点形式存储。作为示例，预定风速值可包括但不限于4米/秒，应理解，本发明不限于此，本领域技术人员可以根据需要来调整预定风速值的大小。
例如，通过以下方式确定风电场所在区域中的坡度限定区域：对风电场所在区域进行网格划分，并计算风电场所在区域中各网格点处的坡度，将坡度大于预定坡度限值的网格点所在区域确定为坡度限定区域。
作为示例，预定坡度限值可包括但不限于15度，应理解，本发明不限于此，本领域技术人员可以根据需要来调整预定坡度限值的大小。
这里，可通过各种方式来计算风电场所在区域中各网格点处的坡度。在一示例中，可基于网格点处的高程值来计算网格点处的坡度，下面参照图6来介绍计算风电场所在区域中的每个网格点中的任一网格点处的坡度的过程。应理解，图6所示的计算网格点处的坡度的方式仅为一优选示例，本发明不限于此，还可以通过其他方式来计算各网格点处的坡度。
图6示出根据本发明示例性实施例的计算风电场所在区域中任一网格点处的坡度的示意图。
坡度取决于表面从中心网格点开始在水平方向(dz/dx)和垂直方向(dz/dy)上的变化率(增量)，坡度通常以度为单位来测量，可利用如下公式来计算任一网格点处的坡度：
公式(2)中，slope_degrees表示坡度，atan()表示反正切函数，用于求取反正切值，sqrt()表示求取算数平方根。
dz/dx表示网格点e在水平x方向上的变化率，可利用如下的公式来计算：
dz/dy表示网格点e在垂直y方向上的变化率，可利用如下的公式来计算：
公式(3)和公式(4)中，a、b、c、d、f、g、h、i分别表示对应网格点的高程值，x_cellsize表示网格点e在水平x方向上的边长，y_cellsize表示网格点e在垂直y方向上的边长。
如果与待求网格点相邻的某个网格点处的高程值(z值)为空(NoData)，则可将中心网格点的高程值赋予相邻的某个网格点。例如，对于处于栅格的边缘上的网格点，在与其相邻的网格点中至少有三个网格点(即，处于在栅格范围之外)的高程值为NoData。以图6所示为例，假设网格点a、b、c处于栅格的边缘上，则位于这些网格点左侧的网格点的高程值为空，此时可将中心网格点e的高程值赋予这些网格点，以用于计算网格点a、b、c处的坡度。
在步骤S22中，从风电场所在区域中剔除掉选址限定区域，获得优风区域，以针对所获得的优风区域进行风机排布。
这里，通过筛选出优风区域，可以获得风电场所在区域中潜在可用的风机排布区域，从而提高风机优化排布的速度。在本发明示例性实施例中，在获得优风区域之后，基于优风区域的地形类别识别结果，选择不同的风机排布方式来进行风机自动排布。
在第一实施例中，与平坦地形对应的风机排布方式可包括风机阵列排布方式。下面参照图7来介绍基于风机阵列排布方式来确定用于在风电场中布置风力发电机组的多个风机点位的步骤。应理解，图7所示的根据风机阵列排布方式确定多个风机点位的步骤仅为一示例，本领域技术人员还可以通过其他方式来确定多个风机点位。
图7示出根据本发明示例性实施例的根据风机阵列排布方式确定多个风机点位的步骤的流程图。
参照图7，在步骤S201中，根据风电场所在区域的主风能风向，确定风力发电机组在风电场中的排布方向。
这里，主风能风向(Prevailing wind direction)可指在风能玫瑰图中风能最大的方向。例如，可根据风电场所在区域的中尺度图谱来提取该区域的主风能风向，风力发电机组的排布方向为风力发电机组的叶轮旋转平面垂直于主风能风向。
在步骤S202中，确定风力发电机组之间的横向间距和纵向间距。
这里，风力发电机组之间的横向间距和纵向间距应符合平坦地区的风机间距布置规则。作为示例，平坦地区的风机间距布置规则包括3D规则和8D规则，3D规则可指在垂直于主风能风向的方向上的风机间距(纵向间距)应不小于3D，8D规则可指在平行于主风能风向的方向上的风机间距(横向间距)应不小于8D，这里，D指风轮直径。
在步骤S203中，按照所确定的排布方向、横向间距和纵向间距，将风力发电机组以阵列形式在风电场中布置，并将布置位置确定为多个风机点位。
这里，可以基于风电场的总发电需求，确定在风电场中布置的风力发电机组的数量，然后按照所确定的排布方向、横向间距和纵向间距，将该数量的风力发电机组以阵列形式在风电场中布置，以获得多个风机点位。
在一示例中，可通过如下方式来进行排布：根据风电场所在区域的最大坐标(xmax,ymax)和最小坐标(xmin,ymin)确定出一矩形区域，在该矩形区域内进行风机阵列排布，并通过射线法剔除不在风电场所在区域内的风机点位，以获得风机阵列排布结果。应理解，本发明不限于此，还可以通过其他方式来进行排布。
在第二实施例中，与丘陵地形对应的风机排布方式可包括以发电量为迭代目标的随机迭代风机排布方式。下面参照图8来介绍基于随机迭代风机排布方式来确定用于在风电场中布置风力发电机组的多个风机点位的步骤。应理解，图8所示的基于随机迭代风机排布方式确定多个风机点位的步骤仅为一示例，本领域技术人员还可以通过其他方式来确定多个风机点位。
图8示出根据本发明示例性实施例的根据以发电量为迭代目标的随机迭代风机排布方式确定多个风机点位的步骤的流程图。
参照图8，在步骤S210中，基于风电场的总发电需求，确定在风电场中布置的风力发电机组的数量。
例如，可以基于风电场的总发电需求确定出风电场的项目容量(Projectcapacity)，该项目容量指风电场内所有风力发电机组的额定功率的总和。风力发电机组的数量可根据项目容量与每台风力发电机组的额定功率来确定。
在步骤S220中，结合风电场所在区域的地理信息和风速分布情况，随机生成第一预定数量的候选风机排布方案。这里，在每个候选风机排布方案中确定了用于布置上述数量的风力发电机组的风机点位。
在一优选实施例中，可针对每个候选风机排布方案，判断该候选风机排布方案中的各风机点位之间是否满足丘陵地区的风机间距布置规则。如果满足丘陵地区的风机间距布置规则，则不对该候选风机排布方案中的各风机点位的坐标进行调整。如果不满足丘陵地区的风机间距布置规则，则可从不满足风机间距布置规则中的各风机点位中选取发电量排序靠后的至少一个风机点位，并重新生成该至少一个风机点位的坐标，直至满足风机间距布置规则。
作为示例，丘陵地区的风机间距布置规则包括3D规则和5D规则，3D规则可指在垂直于主风能风向的方向上的风机间距(纵向间距)应不小于3D，5D规则可指在平行于主风能风向的方向上的风机间距(横向间距)应不小于5D。
在步骤S230中，通过交叉各候选风机排布方案以及变异风机点位的方式，对所有候选风机排布方案中的各风机点位进行迭代更新。
在步骤S240中，将迭代更新后的所有候选风机排布方案中总发电量最高的候选风机排布方案确定为最终的风机排布方案，并将所确定的最终的风机排布方案中的各风机点位确定为用于在风电场中布置风力发电机组的多个风机点位。
在一优选实施例中，针对每个候选风机排布方案，可还确定在各风机点位处的风力发电机组的机型。在此情况下，任一候选风机排布方案的总发电量可为在各风机点位处的对应机型的风力发电机组的发电量之和。
也就是说，可以在在各风机点位循环待选机型，并将各待选机型参与发电量计算，以确定处在各风机点位发电量最高的待选机型。
例如，针对任一候选风机排布方案，可通过以下方式确定在各风机点位处的风力发电机组的机型：确定风力发电机组的待选机型；估算每种待选机型在任一候选风机排布方案中的各风机点位处的发电量；针对每个风机点位，通过对比在该风机点位处各种待选机型的发电量大小，将发电量最大的待选机型确定为在该风机点位处的风力发电机组的机型。
下面参照图9来介绍上述步骤S230中对每个候选风机排布方案中的任一候选风机排布方案的每个风机点位进行迭代更新的具体方式。
图9示出根据本发明示例性实施例的对任一候选风机排布方案的任一风机点位进行迭代更新的步骤的流程图。应理解，图9所示的对任一候选风机排布方案的任一风机点位进行迭代更新的方式仅为一优选示例，本发明不限于此，还可以通过其他方式来对各风机点位进行迭代更新。
参照图9，在步骤S230-1中，从所有候选风机排布方案的除任一候选风机排布方案之外的其他候选风机排布方案中随机选取一候选风机排布方案，作为当前迭代的交叉方案。
例如，假设风力发电机组的数量为n，随机生成m个候选风机排布方案，当前迭代为第g次迭代，当前迭代下的交叉方案可表示为Sk(g)，当前迭代下的第i个候选风机排布方案可表示为Si(g)，每个候选风机排布方案中包括n个风机点位，第i个候选风机排布方案中的第j个风机点位的坐标可表示为Li,j(g)，1≤i≤m，1≤j≤n，i和j均为大于零的自然数。
在步骤S230-2中，确定任一候选风机排布方案在任一风机点位处在上一迭代下的第一坐标向量。
作为示例，可基于任一风机点位处在上一迭代下的坐标以及该任一风机点位处与坐标原点之间的连线方向，来获得第一坐标向量。例如，在第g-1次迭代下的第一坐标向量可表示为Lri,j(g-1)。
在步骤S230-3中，确定交叉方案在与任一风机点位对应的风机点位处在上一迭代下的第二坐标向量。
作为示例，可基于交叉方案在与任一风机点位对应的风机点位处在上一迭代下的坐标以及对应的风机点位处与坐标原点之间的连线方向，来获得第二坐标向量。例如，在第g-1次迭代下的第二坐标向量可表示为Lrk,j(g-1)。
在步骤S230-4中，基于所确定的第一坐标向量和第二坐标向量，生成任一候选风机排布方案在任一风机点位处在当前迭代下的变异向量。
例如，可利用如下公式来生成任一候选风机排布方案在任一风机点位处在当前迭代下的变异向量：
Uri,j(g)＝Lri,j(g-1)+C×(Lri,j(g-1)-Lrk,j(g-1)) (5)
公式(5)中，Uri,j(g)表示在第g次迭代下的变异向量，C表示缩放因子，影响第g次迭代与第g-1次迭代的差异程度(即，子代与母代之间的差异程度)。
在步骤S230-5中，根据生成的变异向量，确定任一候选风机排布方案在任一风机点位处在当前迭代下的备选坐标。
例如，可利用如下公式来确定任一候选风机排布方案在任一风机点位处在当前迭代下的备选坐标：
公式(6)中，Vi,j(g)表示在第g次迭代下的备选坐标，Ui,j(g)表示与Uri,j(g)对应的坐标，rand为随机数，CK为可调的影响变异数量的参数，本领域技术人员可以根据实际需求来调整上述参数的大小，Li,j(g-1)表示在第g-1次迭代下第i个候选风机排布方案中的第j个风机点位的坐标。
也就是说，可以基于随机数来随机选取子代(第g-1次迭代)，以决定母代(第g次迭代)基因的遗传程度。
在步骤S230-6中，确定备选坐标与任一候选风机排布方案中除任一风机点位之外的其他风机点位之间是否满足风机间距布置规则。
例如，如果备选坐标Vi,j(g)与Li,j(g-1)的坐标一致，则表明坐标未改变，此时可不必执行风机间距布置规则的步骤，直接执行步骤S230-7即可。如果备选坐标Vi,j(g)与Li,j(g-1)的坐标不一致，则判断备选坐标与其他风机点位之间是否满足丘陵地区的风机间距布置规则。
如果不满足风机间距布置规则，则重新生成备选坐标。
如果满足风机间距布置规则，则执行步骤S230-7：确定风力发电机组在任一风机点位处在上一迭代下的第一发电量和风力发电机组在备选坐标处的第二发电量。
这里，在计算发电量时，可将上述所确定的在该任一风机点位处的风力发电机组的机型代入，即，所确定的机型的风力发电机组在任一机点位处在上一迭代下的第一发电量，以及所确定的机型的风力发电机组在备选坐标处的第二发电量。
优选地，在计算发电量之前，还可基于IEC标准判定所确定的机型是否可用，如果所确定的机型可用，则进行发电量的计算，如果所确定的机型不可用，则返回上述确定机型的步骤，重新选定机型。
在步骤S230-8中，确定第二发电量是否大于第一发电量。
如果第一发电量小于第二发电量，则执行步骤S230-9：更新坐标位置，即，将备选坐标作为任一风机点位处在当前迭代下的坐标位置。
如果第一发电量大于或者等于第二发电量，则执行步骤S230-10：不更新坐标位置，即，将任一风机点位处在上一迭代下的坐标位置作为任一风机点位处在当前迭代下的坐标位置。
在本发明示例性实施例中，可针对随机生成的第一预定数量的候选风机排布方案基于设定的迭代次数来重复执行图9所示的步骤，以获得优化后的候选风机排布方案。
在第三实施例中，与山地地形对应的风机排布方式可包括山脊线优化排布方式。
在一示例中，山脊线优化排布方式可包括：获取风电场所在区域的高程图，利用水文分析法来提取山脊线，基于海拔高度以及山地地区的风机间距布置规则来完成风机排布。这里，基于山脊线来进行风机排布的方法为本领域的公知常识，本发明对此部分内容不再赘述。
应理解，上述所列举的针对山地地形的风机排布方式仅为示例，本发明不限于此，还可以其他各种方法来针对山地地形进行风机排布。
返回图1，在步骤S30中，将所确定的多个风机点位作为测风塔备选点位，并从测风塔备选点位中确定用于在风电场中布置测风塔的测风塔实际点位。
优选地，可针对各测风塔备选点分别确定其各自的测风塔代表性的量化指标，并基于所确定的量化指标来评价各测风塔备选点位的优劣性，从而确定出测风塔实际点位。
例如，可确定每个测风塔备选点位的风场代表性指数；基于所确定的风场代表性指数，从测风塔备选点位中确定用于在风电场中布置测风塔的测风塔实际点位。
在一优选实施例中，可通过以下方式确定每个测风塔备选点位中的任一测风塔备选点位的风场代表性指数：确定任一测风塔备选点位对所确定的多个风机点位的风机代表性指数；基于所确定的风机代表性指数与代表性阈值的比较结果，获得任一测风塔备选点位的风场代表性指数。
优选地，可将任一测风塔备选点位对每个风机点位的风机代表性指数分别与代表性阈值进行比较，针对每个风机点位，如果任一测风塔备选点位对该风机点位的风机代表性指数大于或者等于代表性阈值，则将任一测风塔备选点位的风场代表性指数的数值加一，如果任一测风塔备选点位对该风机点位的风机代表性指数小于代表性阈值，则不改变任一测风塔备选点位的风场代表性指数的数值，以获得任一测风塔备选点位的风场代表性指数。
例如，假设测风塔备选点位Ti对风机点位Lj的风机代表性指数表示为Rti,j，代表性阈值设置为0.9，测风塔备选点位Ti的风场代表性指数表示为RRi，当Rti,j≥0.9时，将RRi的数值加一。
在一优选实施例中，可通过剔除重复贡献的方式来简化确定任一测风塔备选点位的风场代表性指数的过程。
也就是说，如果任一测风塔备选点位对预定风机点位的风机代表性指数大于或者等于代表性阈值，则该预定风机点位不再参与其他测风塔备选点位的风场代表性指数的计算过程中。在此情况下，其他测风塔备选点位基于对除预定风机点位之外的风机点位的风机代表性指数来确定其风场代表性指数，即，所布置的每个测风塔所代表的风力发电机组不重复。
在一示例中，具体计算过程可如下：按执行顺序计算每个测风塔备选点位的风场代表性指数，针对排在第1位的测风塔备选点位T1，存在一组对其风场代表性指数是否有贡献的风机点位数组{CL1j}，当Rt1,j≥0.9时，CL1j＝1，当Rt1,j＜0.9时，CL1j＝0。相应地，其他测风塔备选点位存在对应的风机点位数组{CLij}，并进行如下循环：
For i＝2 to n，j＝1 to n，if(CL1j&&CLij＝＝1)：RRi＝RRi-1，CLij＝0。
通过上述循环，在后续测风塔备选点位的风场代表性指数计算过程中，已经不含有对测风塔备选点位T1的风场代表性指数有贡献的风机点位。
针对排在第2位的测风塔备选点位T2，存在一组对其风场代表性数值是否有贡献的风机点位数组{CL2j}，其他测风塔备选点位存在对应的风机点位数组{CLij}，并进行如下循环：
For i＝3 to n，j＝1 to n，if(CL2j&&CLij＝＝1)：RRi＝RRi-1，CLij＝0。
依此类推，获得各测风塔备选点位对风电场所在区域内的所有风机点位的风场代表性指数。
在一优选实施例中，可通过以下方式确定任一测风塔备选点位对任一风机点位的风机代表性指数：确定任一测风塔备选点位对任一风机点位的代表性折损值；基于所确定的代表性折损值来获得任一测风塔备选点位对任一风机点位的风机代表性指数。
作为示例，代表性折损值可包括但不限于以下项中的至少一项：水平距离代表性折损值、高程代表性折损值、粗糙度代表性折损值。
下面参照图10来介绍确定任一测风塔备选点位对任一风机点位的水平距离代表性折损值的步骤。
图10示出根据本发明示例性实施例的确定任一测风塔备选点位对任一风机点位的水平距离代表性折损值的步骤的流程图。
参照图10，在步骤S30-1中，确定在任一风机点位处的坡度。
这里，可利用各种方式来确定在任一风机点位处的坡度，例如，可利用上述图6所示的方式来计算在任一风机点位处的坡度，但本发明不限于此，还可以通过其他方式来计算坡度。
在步骤S30-2中，确定在任一风机点位处的坡度所属的坡度区间。这里，可确定在任一风机点位处的坡度的绝对值所属的坡度区间。
在步骤S30-3中，确定与坡度区间对应的水平折损加权系数。
例如，可预先确定多个坡度区间与多个水平折损加权系数之间的对应关系，基于所预先确定的上述对应关系来确定与在任一风机点位处的坡度所属的坡度区间对应的水平折损加权系数。
表1示出了多个坡度区间与多个水平折损加权系数之间的对应关系的一个示例，可以根据网格点地形坡度对网格点地形进行分级，获得多个坡度等级，一个坡度等级对应一个水平折损加权系数，记为RDh。
表1
| 坡度区间(slope为绝对值) | 坡度等级 | 水平折损加权系数 |
| 0≤slope≤3.0° | 1 | RD<sub>1</sub> |
| 3.0°<slope≤5.0° | 2 | RD<sub>2</sub> |
| 5.0°<slope≤10.0° | 3 | RD<sub>3</sub> |
| 10.0°<slope≤15.0° | 4 | RD<sub>4</sub> |
| 15.0°<slope≤20.0° | 5 | RD<sub>5</sub> |
| 20.0°<slope≤25.0° | 6 | RD<sub>6</sub> |
| 25.0°<slope≤30.0° | 7 | RD<sub>7</sub> |
| 30.0°<slope≤35.0° | 8 | RD<sub>8</sub> |
| 35.0°<slope≤45.0° | 9 | RD<sub>9</sub> |
| slope＞45.0° | 10 | RD<sub>10</sub> |
应理解，表1所示的多个坡度区间的划分方式以及多个坡度区间的数量仅为示例，本发明不限于此，本领域技术人员可以根据需要来调整多个坡度区间的数量以及每个坡度区间的取值范围。
在步骤S30-4中，根据任一测风塔备选点位与任一风机点位之间的距离以及所确定的水平折损加权系数，获得任一测风塔备选点位对任一风机点位的水平距离代表性折损值。
下面参照图11所示的网格点分布示意图来介绍确定水平距离代表性折损值的方式。
图11示出根据本发明示例性实施例的风电场所在区域中的各网格点的分布示意图。
如图11所示，假设Ri,j处为任一测风塔备选点位所在位置处，该任一测风塔备选点位所在位置处的水平距离代表性指数为1.0(通常水平距离代表性指数R为0～1.0之间的实数)，距离该任一测风塔备选点位所在位置处越远，则水平距离代表性指数越低，即，水平距离代表性折损值越大。
在对风电场所在区域进行网格划分之后，确定该任一测风塔备选点位所对应的网格点，基于任一测风塔备选点位所对应的网格点与其他网格点之间的距离大小，形成以该任一测风塔备选点位所对应的网格点为中心的多个扩散网格点圈，基于任一风机点位到其临近扩散网格点圈(可指在任一风机点位与任一测风塔备选点位之间，距离任一风机点位最近的扩散网格点圈)的距离以及该临近扩散网格点圈到任一测风塔备选点位的水平距离代表性折损值，来获得任一测风塔备选点位对任一风机点位的水平距离代表性折损值。
以图11所示为例，假设任一风机点位处于第一扩散网格点圈的网格点Ri,j+1处，可利用如下公式来计算任一测风塔备选点位Ri,j对网格点Ri,j+1的水平距离代表性折损值：
公式(7)中，ΔRD,i,j+1表示任一测风塔备选点位Ri,j对网格点Ri,j+1的水平距离代表性折损值，RDi为网格点Ri,j+1处的坡度所对应的水平折损加权系数，|Ri,j,Ri,j|表示任一测风塔备选点位Ri,j与网格点Ri,j+1之间的距离的绝对值。
假设任一风机点位处于第二扩散网格点圈的网格点Ri,j+2处，可利用如下公式来计算任一测风塔备选点位Ri,j对网格点Ri,j+2的水平距离代表性折损值：
公式(8)中，ΔRD,i,j+2表示任一测风塔备选点位Ri,j对网格点Ri,j+2的水平距离代表性折损值，RDi为网格点Ri,j+2处的坡度所对应的水平折损加权系数，|Ri,j+1,Ri,j+2|表示网格点Ri,j+2到其临近扩散网格点圈(即，第一扩散网格点圈)的距离的绝对值，ΔRD,i,j+1表示第一扩散网格点圈到任一测风塔备选点位Ri,j的水平距离代表性折损值。
依此类推，通过上述方法逐层外推，可以获得任一测风塔备选点位与各风机点位的水平距离代表性折损值。
下面参照图12来介绍确定任一测风塔备选点位对任一风机点位的高程代表性折损值的步骤。
图12示出根据本发明示例性实施例的确定任一测风塔备选点位对任一风机点位的高程代表性折损值的步骤的流程图。这里，任一测风塔备选点位所在位置处的高程代表性指数为1.0，与该任一测风塔备选点位所在位置处的高程差越大，则高程代表性指数越低，即，高程代表性折损值越大。
参照图12，在步骤S30-10中，确定任一测风塔备选点位处的高程值。
在步骤S30-20中，确定任一风机点位处的高程值。
例如，可利用各种方式来确定任一测风塔备选点位处和任一风机点位处的高程值，作为示例，可分别获取任一测风塔备选点位所在网格点处和任一风机点位所在网格点处的高程值。
在步骤S30-30中，计算任一测风塔备选点位处的高程值与任一风机点位处的高程值的差值的绝对值。
在步骤S30-40中，根据预先确定的高程差值与高程代表性折损值的对应关系，来确定与绝对值对应的高程代表性折损值，并将所确定的高程代表性折损值确定为任一测风塔备选点位对任一风机点位的高程代表性折损值。
在本发明一优选示例中，根据以往的工程经验，确定当某一网格点与目标网格点的高程差为300米时，该某一网格点相对于目标网格点由于高程差导致的高程代表性折损值为0.3。基于上述对应关系，可例如如下公式来计算任一测风塔备选点位对任一风机点位的高程代表性折损值：
公式(9)中，ΔRh表示任一测风塔备选点位对任一风机点位的高程代表性折损值，hmast表示任一测风塔备选点位处的高程值，htarget表示任一风机点位处的高程值。
下面参照图13来介绍确定任一测风塔备选点位对任一风机点位的粗糙度代表性折损值的步骤。
图13示出根据本发明示例性实施例的确定任一测风塔备选点位对任一风机点位的粗糙度代表性折损值的步骤的流程图。这里，任一测风塔备选点位所在位置处的粗糙度代表性指数为1.0，与任一测风塔备选点位所在位置处的粗糙度相似度越高，则粗糙度代表性指数越高，即，粗糙度代表性折损值越小。
参照图13，在步骤S30-01中，确定在任一测风塔备选点位处的地表粗糙度。
在步骤S30-02中，确定在任一风机点位处的地表粗糙度。
例如，可利用各种方式来确定任一测风塔备选点位处和任一风机点位处的地表粗糙度，作为示例，可从地理信息数据库获得任一测风塔备选点位处和任一风机点位处的地表粗糙度。
在步骤S30-03中，确定地表粗糙度最小值和地表粗糙度最大值。
这里，地表粗糙度最小值和地表粗糙度最大值可指地理信息系统所提供的粗糙度分级表中的地表粗糙度最小值和地表粗糙度最大值。
在步骤S30-04中，根据所确定的在任一测风塔备选点位处的地表粗糙度、在任一风机点位处的地表粗糙度、地表粗糙度最小值和地表粗糙度最大值，获得任一测风塔备选点位对任一风机点位的粗糙度代表性折损值。
例如，可利用如下公式来计算任一测风塔备选点位对任一风机点位的粗糙度代表性折损值：
公式(10)中，ΔRc表示任一测风塔备选点位对任一风机点位的粗糙度代表性折损值，Cmast表示任一测风塔备选点位处的地表粗糙度，Ctarget表示在任一风机点位处的地表粗糙度，Cmax表示地表粗糙度最大值，Cmin表示地表粗糙度最小值。
在通过上述方式获得各代表性折损值之后，可基于所确定的代表性折损值来获得任一测风塔备选点位对任一风机点位的风机代表性指数。
例如，可利用如下公式来计算任一测风塔备选点位对任一风机点位的风机代表性指数：
公式(11)中，Rt表示任一测风塔备选点位对任一风机点位的风机代表性指数，ΔRD表示任一测风塔备选点位对任一风机点位的水平距离代表性折损值，ΔRh表示任一测风塔备选点位对任一风机点位的高程代表性折损值，ΔRc表示任一测风塔备选点位对任一风机点位的粗糙度代表性折损值。
应理解，上述所示出的确定水平距离代表性折损值、高程代表性折损值、粗糙度代表性折损值的方式仅为一示例，本发明不限于此，还可以通过其他方式来确定代表性折损值。
例如，基于所确定的风场代表性指数，从所述测风塔备选点位中确定用于在风电场中布置测风塔的测风塔实际点位的步骤可指基于所确定的每个测风塔备选点位的风场代表性指数来进行测风塔选址。这里，测风塔选址(Meteorological mast Siting)指选定风电场所在区域中用于布置测风塔的位置。
例如，可将所确定的每个测风塔备选点位的风场代表性指数按降序排列，选取风场代表性指数排序靠前的第二预定数量的测风塔备选点位，并将所选取的测风塔备选点位确定为测风塔实际点位。这里，所选取的第二预定数量的测风塔备选点位的风场代表性指数之和大于或者等于预设风场代表阈值，所布置的每个测风塔所代表的风力发电机组不重复。
在一优选示例中，以预设风场代表阈值为95％为例，表明在所选取的测风塔备选点位处布置测风塔能够代表风电场中95％以上的风力发电机组。
也就是说，可以通过对风场代表性指数进行叠加，来确定最终的测风塔选址结果。根据本发明示例性实施例所述的测风塔选址方法，可以实现测风塔自动选址。
应理解，每个测风塔上需安装多种测风相关设备，以用于获取风电场的相关测风参数。作为示例，测风相关设备可包括但不限于以下项中的至少一项：风速计、风向标、温度传感器、湿度传感器。
在此情况下，在一优选实施例中，根据本发明示例性实施例所述的测风塔选址方法在确定出用于在风电场中布置测风塔的测风塔实际点位之后，可进一步确定在测风塔实际点位处布置的测风塔上安装的测风相关设备的安装高度。
例如，可获取在所确定的测风塔实际点位处的风切变指数；根据所获取的风切变指数，确定在测风塔实际点位处布置的测风塔高度，并确定在测风塔实际点位处布置的测风塔上安装的测风相关设备的安装高度，以实现针对测风相关设备的安装高度的自动推荐。
表2示出了测风塔高度以及测风相关设备的安装高度的推荐列表，在本示例中包括90米、120米、150米三个高度的测风塔，可以通过调用测风塔实际点位处的中尺度数据的风切变指数，从而根据风切变指数来自动匹配推荐合适高度的测风塔以及测风相关设备的安装高度。作为示例，风切变指数越大，相应地测风塔的高度也越高。
表2
图14示出根据本发明示例性实施例的测风塔选址装置的框图。
如图14所示，根据本发明示例性实施例的测风塔选址装置100包括：地形类别确定模块101、风机排布模块102和测风塔排布模块103。
具体说来，地形类别确定模块101根据风电场的场区高程数据，确定风电场的地形类别。
例如，根据本发明示例性实施例的测风塔选址装置可还包括：场区高程数据确定模块(图中未示出)，通过以下方式确定风电场的场区高程数据。
场区高程数据确定模块确定风电场所在区域的场区边界，并对风电场所在区域进行网格划分；从地形高程图中提取场区边界内的高程数据；通过对所提取的高程数据进行异常数据剔除以及数据插补处理，获得场区边界内的各网格点处的高程数据，将各网格点处的高程数据确定为用于地形类别识别的场区高程数据。
在一优选实施例中，地形类别确定模块101可通过对风电场的场区高程数据进行拟合，获得风电场的拟合平面，根据场区高程数据与拟合平面的高程差值，确定风电场的地形类别。
风机排布模块102根据与所确定的地形类别对应的风机排布方式，确定用于在风电场中布置风力发电机组的多个风机点位。
在一优选实施例中，根据本发明示例性实施例的测风塔选址装置可还包括：优风区域确定模块(图中未示出)，确定风电场所在区域中的选址限定区域，从风电场所在区域中剔除掉选址限定区域，获得优风区域。此时，风机排布模块102针对所获得的优风区域进行风机排布。
作为示例，选址限定区域可包括但不限于以下项中的至少一项：生态保护区、矿区、居民区、河流流经的区域、风速限定区域、坡度限定区域。
例如，优风区域确定模块可通过以下方式确定风电场所在区域中的生态保护区、矿区、居民区、河流流经的区域：获取敏感区域图层，在该敏感区域图层中标明了生态保护区、矿区、居民区、河流流经的区域，基于获取的敏感区域图层来确定风电场所在区域中的生态保护区、矿区、居民区、河流流经的区域。
例如，优风区域确定模块可通过以下方式确定风电场所在区域中的风速限定区域：对风电场所在区域进行网格划分，基于风电场所在区域的中尺度风图谱，将年平均风速小于预定风速值的网格点所在区域确定为风速限定区域。
例如，优风区域确定模块可通过以下方式确定风电场所在区域中的坡度限定区域：对风电场所在区域进行网格划分，并计算风电场所在区域中各网格点处的坡度，将坡度大于预定坡度限值的网格点所在区域确定为坡度限定区域。
作为示例，地形类别可包括但不限于平坦地形、丘陵地形和山地地形。
在第一实施例中，与平坦地形对应的风机排布方式可包括风机阵列排布方式。下面参照图15来介绍风机排布模块102基于风机阵列排布方式来确定用于在风电场中布置风力发电机组的多个风机点位的过程。
图15示出根据本发明示例性实施例的风机排布模块102的框图。
如图15所示，根据本发明示例性实施例的风机排布模块102可包括：排布方向确定子模块21、横纵间距确定子模块22和阵列排布子模块23。
具体说来，排布方向确定子模块21根据风电场所在区域的主风能风向，确定风力发电机组的排布方向。作为示例，风力发电机组的排布方向可指风力发电机组的叶轮旋转平面垂直于主风能风向。
横纵间距确定子模块22确定风力发电机组之间的横向间距和纵向间距。
这里，风力发电机组之间的横向间距和纵向间距应符合平坦地区的风机间距布置规则。作为示例，平坦地区的风机间距布置规则包括3D规则和8D规则，3D规则可指在垂直于主风能风向的方向上的风机间距应不小于3D，8D规则可指在平行于主风能风向的方向上的风机间距应不小于8D，这里，D指风轮直径。
阵列排布子模块23按照所确定的排布方向、横向间距和纵向间距，将风力发电机组以阵列形式在风电场中布置，并将布置位置确定为多个风机点位。
在第二实施例中，与丘陵地形对应的风机排布方式包括以发电量为迭代目标的随机迭代风机排布方式。下面参照图16来介绍风机排布模块102基于随机迭代风机排布方式来确定用于在风电场中布置风力发电机组的多个风机点位的过程。
图16示出根据本发明另一示例性实施例的风机排布模块102的框图。
如图16所示，根据本发明另一示例性实施例的风机排布模块102可包括：风机数量确定子模块210、候选方案生成子模块220、迭代更新子模块230和风机点位确定子模块240。
具体说来，风机数量确定子模块210基于风电场的总发电需求，确定在风电场中布置的风力发电机组的数量。
候选方案生成子模块220结合风电场所在区域的地理信息和风速分布情况，随机生成第一预定数量的候选风机排布方案。这里，在每个候选风机排布方案中确定了用于布置上述数量的风力发电机组的风机点位。
迭代更新子模块230通过交叉各候选风机排布方案以及变异风机点位的方式，对所有候选风机排布方案中的各风机点位进行迭代更新。
风机点位确定子模块240将迭代更新后的所有候选风机排布方案中总发电量最高的候选风机排布方案确定为最终的风机排布方案，并将所确定的最终的风机排布方案中的各风机点位确定为用于在风电场中布置风力发电机组的多个风机点位。
在一优选实施例中，根据本发明另一示例性实施例的风机排布模块102可还包括：机型确定子模块250，针对每个候选风机排布方案，确定在各风机点位处的风力发电机组的机型。在此情况下，任一候选风机排布方案的总发电量可为在各风机点位处的对应机型的风力发电机组的发电量之和。
例如，针对任一候选风机排布方案，机型确定子模块250可通过以下方式确定在各风机点位处的风力发电机组的机型：确定风力发电机组的待选机型；估算每种待选机型在任一候选风机排布方案中的各风机点位处的发电量；针对每个风机点位，通过对比在该风机点位处各种待选机型的发电量大小，将发电量最大的待选机型确定为在该风机点位处的风力发电机组的机型。
在一优选实施例中，迭代更新子模块230可通过以下方式对每个候选风机排布方案中的任一候选风机排布方案的任一风机点位进行迭代更新。
从所有候选风机排布方案的除任一候选风机排布方案之外的其他候选风机排布方案中随机选取一候选风机排布方案，作为当前迭代的交叉方案；确定任一候选风机排布方案在任一风机点位处在上一迭代下的第一坐标向量；确定交叉方案在与任一风机点位对应的风机点位处在上一迭代下的第二坐标向量；基于所确定的第一坐标向量和第二坐标向量，生成任一候选风机排布方案在任一风机点位处在当前迭代下的变异向量；根据生成的变异向量，确定任一候选风机排布方案在任一风机点位处在当前迭代下的备选坐标；确定备选坐标与任一候选风机排布方案中除任一风机点位之外的其他风机点位之间是否满足风机间距布置规则；如果满足风机间距布置规则，则确定风力发电机组在任一风机点位处在上一迭代下的第一发电量和风力发电机组在备选坐标处的第二发电量；如果第一发电量大于或者等于第二发电量，则将任一风机点位处在上一迭代下的坐标位置作为任一风机点位处在当前迭代下的坐标位置；如果第一发电量小于第二发电量，则将备选坐标作为任一风机点位处在当前迭代下的坐标位置。
在第三实施例中，与山地地形对应的风机排布方式可包括山脊线优化排布方式。
例如，风机排布模块102可获取风电场所在区域的高程图，利用水文分析法来提取山脊线，基于海拔高度以及山地地区的风机间距布置规则来完成风机排布。
返回图14，测风塔排布模块103将所确定的多个风机点位作为测风塔备选点位，并从测风塔备选点位中确定用于在风电场中布置测风塔的测风塔实际点位。
优选地，可针对各测风塔备选点分别确定其各自的测风塔代表性的量化指标，测风塔排布模块103基于所确定的量化指标来评价各测风塔备选点位的优劣性，从而确定出测风塔实际点位。
例如，根据本发明示例性实施例的测风塔选址装置可还包括：风场指数确定模块(图中未示出)，确定每个测风塔备选点位的风场代表性指数。在此情况下，测风塔排布模块103基于所确定的风场代表性指数，从测风塔备选点位中确定用于在风电场中布置测风塔的测风塔实际点位。
在一优选实施例中，风场指数确定模块可通过以下方式确定每个测风塔备选点位中的任一测风塔备选点位的风场代表性指数：确定任一测风塔备选点位对所确定的多个风机点位的风机代表性指数；基于所确定的风机代表性指数与代表性阈值的比较结果，获得任一测风塔备选点位的风场代表性指数。
风场指数确定模块可将任一测风塔备选点位对每个风机点位的风机代表性指数分别与代表性阈值进行比较，针对每个风机点位，如果任一测风塔备选点位对该风机点位的风机代表性指数大于或者等于代表性阈值，则将任一测风塔备选点位的风场代表性指数的数值加一，如果任一测风塔备选点位对该风机点位的风机代表性指数小于代表性阈值，则不改变任一测风塔备选点位的风场代表性指数的数值，以获得任一测风塔备选点位的风场代表性指数。
例如，风场指数确定模块可通过以下方式确定任一测风塔备选点位对任一风机点位的风机代表性指数：确定任一测风塔备选点位对任一风机点位的代表性折损值；基于所确定的代表性折损值来获得任一测风塔备选点位对任一风机点位的风机代表性指数。
作为示例，代表性折损值可包括但不限于以下项中的至少一项：水平距离代表性折损值、高程代表性折损值、粗糙度代表性折损值。
例如，风场指数确定模块可通过以下方式确定任一测风塔备选点位对任一风机点位的水平距离代表性折损值：确定在任一风机点位处的坡度；确定在任一风机点位处的坡度所属的坡度区间；确定与所确定的坡度区间对应的水平折损加权系数；根据任一测风塔备选点位与任一风机点位之间的距离以及所确定的水平折损加权系数，获得任一测风塔备选点位对任一风机点位的水平距离代表性折损值。
例如，风场指数确定模块可通过以下方式确定任一测风塔备选点位对任一风机点位的高程代表性折损值：确定任一测风塔备选点位处的高程值；确定任一风机点位处的高程值；计算任一测风塔备选点位处的高程值与任一风机点位处的高程值的差值的绝对值；根据预先确定的高程差值与高程代表性折损值的对应关系，来确定与该绝对值对应的高程代表性折损值，并将所确定的高程代表性折损值确定为任一测风塔备选点位对任一风机点位的高程代表性折损值。
例如，风场指数确定模块可通过以下方式确定任一测风塔备选点位对任一风机点位的粗糙度代表性折损值：确定在任一测风塔备选点位处的地表粗糙度；确定在任一风机点位处的地表粗糙度；确定地表粗糙度最小值和地表粗糙度最大值；根据所确定的在任一测风塔备选点位处的地表粗糙度、在任一风机点位处的地表粗糙度、地表粗糙度最小值和地表粗糙度最大值，获得任一测风塔备选点位对任一风机点位的粗糙度代表性折损值。
测风塔排布模块103基于所确定的每个测风塔备选点位的风场代表性指数来进行测风塔选址。
例如，测风塔排布模块103可将所确定的每个测风塔备选点位的风场代表性指数按降序排列，选取风场代表性指数排序靠前的第二预定数量的测风塔备选点位，并将所选取的测风塔备选点位确定为测风塔实际点位。这里，所选取的第二预定数量的测风塔备选点位的风场代表性指数之和大于或者等于预设风场代表阈值，所布置的每个测风塔所代表的风力发电机组不重复。
在一优选实施例中，根据本发明示例性实施例的测风塔选址装置可还包括用于确定测风相关设备的安装高度的装置，下面参照图17来介绍用于确定测风相关设备的安装高度的装置的结构。
图17示出根据本发明示例性实施例的用于确定测风相关设备的安装高度的装置的框图。
如图17所示，根据本发明示例性实施例的用于确定测风相关设备的安装高度的装置可包括：风切变获取模块104和设备高度确定模块105。
具体说来，风切变获取模块104获取在所确定的测风塔实际点位处的风切变指数。
设备高度确定模块105根据所获取的风切变指数，确定在测风塔实际点位处布置的测风塔的高度，并确定在测风塔实际点位处布置的测风塔上安装的测风相关设备的安装高度。
作为示例，测风相关设备可包括但不限于以下项中的至少一项：风速计、风向标、温度传感器、湿度传感器。
图18示出根据本发明示例性实施例的控制器的框图。
如图18所示，根据本发明示例性实施例的控制器200包括：处理器201、输入\输出接口202和存储器203。
具体说来，存储器203用于存储计算机程序，所述计算机程序在被所述处理器201执行时实现上述的测风塔选址方法。该输入\输出接口202用于连接各种输入\输出设备。
这里，图1所示的测风塔选址方法可在图18所示的处理器201中执行。也就是说，图14所示的各模块可由数字信号处理器、现场可编程门阵列等通用硬件处理器来实现，也可通过专用芯片等专用硬件处理器来实现，还可完全通过计算机程序来以软件方式实现，例如，可被实现为图18中所示的处理器201中的各个模块。
根据本发明的示例性实施例还提供一种存储有计算机程序的计算机可读存储介质。该计算机可读存储介质存储有当被处理器执行时使得处理器执行上述测风塔选址方法的计算机程序。该计算机可读记录介质是可存储由计算机系统读出的数据的任意数据存储装置。计算机可读记录介质的示例包括：只读存储器、随机存取存储器、只读光盘、磁带、软盘、光数据存储装置和载波(诸如经有线或无线传输路径通过互联网的数据传输)。
在风电场设计前期需要先进行测风塔测风，而测风塔的准确选址，有利于区域风资源精准评估，并能够提升风电场经济性评价与发电量评估的准度，采用本发明示例性实施例的测风塔选址方法和装置，可以实现测风方案的优化设计，为区域风资源精准评估提供有力支持。
此外，本发明示例性实施例的测风塔选址方法和装置，基于风机排布的测风方案设计来提升测风塔代表性。上述方法和装置可以实现测风方案自动设计以及测风方案评价量化等功能，对提升风资源环节工作效率、提升风资源评估准确度起到重要作用。
在本发明示例性实施例中，将风机代表性指数量化分成水平距离、海拔(高程)、粗糙度三个可量化的分量，其中水平距离分量又包含了地形复杂度的影响，实现了测风塔代表性的科学量化。
此外，在本发明示例性实施例的测风塔选址方法和装置中所涉及的各常数均是可变的，本领域技术人员可以根据区域的气候条件、地理条件对各常数的数值进行适当的调整。
尽管已参照优选实施例表示和描述了本发明，但本领域技术人员应该理解，在不脱离由权利要求限定的本发明的精神和范围的情况下，可以对这些实施例进行各种修改和变换。
Claims (23)
1.一种测风塔选址方法，其特征在于，所述测风塔选址方法包括：
根据风电场的场区高程数据，确定所述风电场的地形类别；
根据与所确定的地形类别对应的风机排布方式，确定用于在所述风电场中布置风力发电机组的多个风机点位；
将所确定的所述多个风机点位作为测风塔备选点位，并从所述测风塔备选点位中确定用于在所述风电场中布置测风塔的测风塔实际点位。
2.如权利要求1所述的测风塔选址方法，其特征在于，通过以下方式获取风电场的场区高程数据：
确定所述风电场所在区域的场区边界，并对所述风电场所在区域进行网格划分；
从地形高程图中提取所述场区边界内的高程数据；
通过对所提取的高程数据进行异常数据剔除以及数据插补处理，获得所述场区边界内的各网格点处的高程数据，将各网格点处的高程数据确定为用于地形类别识别的场区高程数据。
3.如权利要求1所述的测风塔选址方法，其特征在于，根据风电场的场区高程数据，确定所述风电场的地形类别的步骤包括：
通过对风电场的场区高程数据进行拟合，获得所述风电场的拟合平面；
根据场区高程数据与拟合平面的高程差值，确定所述风电场的地形类别。
4.如权利要求1所述的测风塔选址方法，其特征在于，所述测风塔选址方法还包括：
确定风电场所在区域中的选址限定区域；
从风电场所在区域中剔除掉所述选址限定区域，获得优风区域，以针对所获得的优风区域进行风机排布。
5.如权利要求4所述的测风塔选址方法，其特征在于，所述选址限定区域包括以下项中的至少一项：生态保护区、矿区、居民区、河流流经的区域、风速限定区域、坡度限定区域，
和/或，通过以下方式确定风电场所在区域中的风速限定区域：
对风电场所在区域进行网格划分，基于风电场所在区域的中尺度风图谱，将年平均风速小于预定风速值的网格点所在区域确定为风速限定区域，
和/或，通过以下方式确定风电场所在区域中的坡度限定区域：
对风电场所在区域进行网格划分，并计算风电场所在区域中各网格点处的坡度，
将坡度大于预定坡度限值的网格点所在区域确定为坡度限定区域。
6.如权利要求1所述的测风塔选址方法，其特征在于，所述地形类别包括平坦地形、丘陵地形和山地地形，
其中，与平坦地形对应的风机排布方式包括风机阵列排布方式，与丘陵地形对应的风机排布方式包括以发电量为迭代目标的随机迭代风机排布方式，与山地地形对应的风机排布方式包括山脊线优化排布方式。
7.如权利要求6所述的测风塔选址方法，其特征在于，确定用于在所述风电场中布置风力发电机组的多个风机点位的步骤包括：
根据风电场所在区域的主风能风向，确定风力发电机组的排布方向；
确定风力发电机组之间的横向间距和纵向间距；
按照所确定的排布方向、横向间距和纵向间距，将风力发电机组以阵列形式在所述风电场中布置，并将布置位置确定为所述多个风机点位。
8.如权利要求6所述的测风塔选址方法，其特征在于，确定用于在所述风电场中布置风力发电机组的多个风机点位的步骤包括：
基于风电场的总发电需求，确定在所述风电场中布置的风力发电机组的数量；
结合风电场所在区域的地理信息和风速分布情况，随机生成第一预定数量的候选风机排布方案，其中，在每个候选风机排布方案中确定了用于布置所述数量的风力发电机组的风机点位；
通过交叉各候选风机排布方案以及变异风机点位的方式，对所有候选风机排布方案中的各风机点位进行迭代更新；
将迭代更新后的所有候选风机排布方案中总发电量最高的候选风机排布方案确定为最终的风机排布方案，并将所确定的最终的风机排布方案中的各风机点位确定为用于在所述风电场中布置风力发电机组的所述多个风机点位。
9.如权利要求8所述的测风塔选址方法，其特征在于，确定用于在所述风电场中布置风力发电机组的多个风机点位的步骤还包括：
针对每个候选风机排布方案，确定在各风机点位处的风力发电机组的机型，
其中，任一候选风机排布方案的总发电量为在各风机点位处的对应机型的风力发电机组的发电量之和。
10.如权利要求9所述的测风塔选址方法，其特征在于，针对任一候选风机排布方案，通过以下方式确定在各风机点位处的风力发电机组的机型：
确定风力发电机组的待选机型；
估算每种待选机型在所述任一候选风机排布方案中的各风机点位处的发电量；
针对每个风机点位，通过对比在该风机点位处各种待选机型的发电量大小，将发电量最大的待选机型确定为在该风机点位处的风力发电机组的机型。
11.如权利要求8所述的测风塔选址方法，其特征在于，通过以下方式对每个候选风机排布方案中的任一候选风机排布方案的任一风机点位进行迭代更新：
从所有候选风机排布方案的除所述任一候选风机排布方案之外的其他候选风机排布方案中随机选取一候选风机排布方案，作为当前迭代的交叉方案；
确定所述任一候选风机排布方案在所述任一风机点位处在上一迭代下的第一坐标向量；
确定所述交叉方案在与所述任一风机点位对应的风机点位处在上一迭代下的第二坐标向量；
基于所确定的第一坐标向量和第二坐标向量，生成所述任一候选风机排布方案在所述任一风机点位处在当前迭代下的变异向量；
根据生成的变异向量，确定所述任一候选风机排布方案在所述任一风机点位处在当前迭代下的备选坐标；
确定所述备选坐标与所述任一候选风机排布方案中除所述任一风机点位之外的其他风机点位之间是否满足风机间距布置规则；
如果满足风机间距布置规则，则确定风力发电机组在所述任一风机点位处在上一迭代下的第一发电量和风力发电机组在所述备选坐标处的第二发电量；
如果第一发电量大于或者等于第二发电量，则将所述任一风机点位处在上一迭代下的坐标位置作为所述任一风机点位处在当前迭代下的坐标位置；
如果第一发电量小于第二发电量，则将所述备选坐标作为所述任一风机点位处在当前迭代下的坐标位置。
12.如权利要求1所述的测风塔选址方法，其特征在于，从所述测风塔备选点位中确定用于在所述风电场中布置测风塔的测风塔实际点位的步骤包括：
确定每个测风塔备选点位的风场代表性指数；
基于所确定的风场代表性指数，从所述测风塔备选点位中确定用于在所述风电场中布置测风塔的测风塔实际点位。
13.如权利要求12所述的测风塔选址方法，其特征在于，通过以下方式确定每个测风塔备选点位中的任一测风塔备选点位的风场代表性指数：
确定所述任一测风塔备选点位对所确定的所述多个风机点位中的每个风机点位的风机代表性指数；
基于所确定的风机代表性指数与代表性阈值的比较结果，获得所述任一测风塔备选点位的风场代表性指数。
14.如权利要求13所述的测风塔选址方法，其特征在于，通过以下方式确定任一测风塔备选点位对任一风机点位的风机代表性指数：
确定所述任一测风塔备选点位对所述任一风机点位的代表性折损值，其中，所述代表性折损值包括以下项中的至少一项：水平距离代表性折损值、高程代表性折损值、粗糙度代表性折损值；
基于所确定的代表性折损值来获得所述任一测风塔备选点位对所述任一风机点位的风机代表性指数。
15.如权利要求14所述的测风塔选址方法，其特征在于，通过以下方式确定任一测风塔备选点位对任一风机点位的水平距离代表性折损值：
确定在所述任一风机点位处的坡度；
确定在所述任一风机点位处的坡度所属的坡度区间；
确定与所述坡度区间对应的水平折损加权系数；
根据所述任一测风塔备选点位与所述任一风机点位之间的距离以及所确定的水平折损加权系数，获得所述任一测风塔备选点位对所述任一风机点位的水平距离代表性折损值。
16.如权利要求14所述的测风塔选址方法，其特征在于，通过以下方式确定任一测风塔备选点位对任一风机点位的高程代表性折损值：
确定所述任一测风塔备选点位处的高程值；
确定所述任一风机点位处的高程值；
计算所述任一测风塔备选点位处的高程值与所述任一风机点位处的高程值的差值的绝对值；
根据预先确定的高程差值与高程代表性折损值的对应关系，来确定与所述绝对值对应的高程代表性折损值，并将所确定的高程代表性折损值确定为所述任一测风塔备选点位对所述任一风机点位的高程代表性折损值。
17.如权利要求14所述的测风塔选址方法，其特征在于，通过以下方式确定任一测风塔备选点位对任一风机点位的粗糙度代表性折损值：
确定在所述任一测风塔备选点位处的地表粗糙度；
确定在任一风机点位处的地表粗糙度；
确定地表粗糙度最小值和地表粗糙度最大值；
根据所确定的在所述任一测风塔备选点位处的地表粗糙度、在任一风机点位处的地表粗糙度、地表粗糙度最小值和地表粗糙度最大值，获得所述任一测风塔备选点位对所述任一风机点位的粗糙度代表性折损值。
18.如权利要求13所述的测风塔选址方法，其特征在于，基于所确定的风机代表性指数与代表性阈值的比较结果，获得所述任一测风塔备选点位的风场代表性指数的步骤包括：
将所述任一测风塔备选点位对每个风机点位的风机代表性指数分别与代表性阈值进行比较；
针对每个风机点位，如果所述任一测风塔备选点位对该风机点位的风机代表性指数大于或者等于代表性阈值，则将所述任一测风塔备选点位的风场代表性指数的数值加一，如果所述任一测风塔备选点位对该风机点位的风机代表性指数小于代表性阈值，则不改变所述任一测风塔备选点位的风场代表性指数的数值，以获得所述任一测风塔备选点位的风场代表性指数。
19.如权利要求12所述的测风塔选址方法，其特征在于，基于所确定的风场代表性指数，从所述测风塔备选点位中确定用于在所述风电场中布置测风塔的测风塔实际点位的步骤包括：
将所确定的每个测风塔备选点位的风场代表性指数按降序排列；
选取风场代表性指数排序靠前的第二预定数量的测风塔备选点位，并将所选取的测风塔备选点位确定为测风塔实际点位，
其中，所选取的第二预定数量的测风塔备选点位的风场代表性指数之和大于或者等于预设风场代表阈值，所布置的每个测风塔所代表的风力发电机组不重复。
20.如权利要求1所述的测风塔选址方法，其特征在于，所述测风塔选址方法还包括：
获取在所确定的测风塔实际点位处的风切变指数；
根据所获取的风切变指数，确定在测风塔实际点位处布置的测风塔上安装的测风相关设备的安装高度，
其中，所述测风相关设备包括以下项中的至少一项：风速计、风向标、温度传感器、湿度传感器。
21.一种测风塔选址装置，其特征在于，所述测风塔选址装置包括：
地形类别确定模块，根据风电场的场区高程数据，确定所述风电场的地形类别；
风机排布模块，根据与所确定的地形类别对应的风机排布方式，确定用于在所述风电场中布置风力发电机组的多个风机点位；
测风塔排布模块，将所确定的所述多个风机点位作为测风塔备选点位，并从所述测风塔备选点位中确定用于在所述风电场中布置测风塔的测风塔实际点位。
22.一种控制器，其特征在于，包括：
处理器；
输入\输出接口；
存储器，用于存储计算机程序，所述计算机程序在被所述处理器执行时实现如权利要求1至20中任意一项所述的测风塔选址方法。
23.一种存储有计算机程序的计算机可读存储介质，其特征在于，当所述计算机程序在被处理器执行时实现如权利要求1至20中任意一项所述的测风塔选址方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911005697.0A CN112700349B (zh) | 2019-10-22 | 2019-10-22 | 测风塔选址方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911005697.0A CN112700349B (zh) | 2019-10-22 | 2019-10-22 | 测风塔选址方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112700349A true CN112700349A (zh) | 2021-04-23 |
| CN112700349B CN112700349B (zh) | 2023-11-07 |
Family
ID=75505503
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911005697.0A Active CN112700349B (zh) | 2019-10-22 | 2019-10-22 | 测风塔选址方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112700349B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114819756A (zh) * | 2022-06-24 | 2022-07-29 | 深圳众城卓越科技有限公司 | 基于分类模型的风电机组智能选址方法、装置及设备 |
| WO2023077693A1 (zh) * | 2021-11-04 | 2023-05-11 | 中国电建集团河北省电力勘测设计研究院有限公司 | 一种基于AutoCAD的山地风电场风机定位方法 |
| CN116992337A (zh) * | 2023-09-25 | 2023-11-03 | 中国船舶集团风电发展有限公司 | 风资源参数的确定方法和装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105119320A (zh) * | 2015-09-15 | 2015-12-02 | 东北大学 | 一种分散式风电场风机优化布置系统及方法 |
| CN106372801A (zh) * | 2016-08-31 | 2017-02-01 | 江西省电力设计院 | 一种风电场风区划分方法及该风电场风区测风塔位置的选择方法 |
| CN106407566A (zh) * | 2016-09-20 | 2017-02-15 | 河海大学 | 复杂地形风电场一体化优化方法 |
| CN107292514A (zh) * | 2017-06-21 | 2017-10-24 | 华北电力科学研究院有限责任公司 | 风电场生产运行测风塔选址方法及装置 |
| CN108536881A (zh) * | 2017-03-06 | 2018-09-14 | 新疆金风科技股份有限公司 | 用于计算风电场发电量的方法和设备 |
| KR20190022156A (ko) * | 2017-08-25 | 2019-03-06 | 김경수 | 인공신경망을 이용한 최적 풍력발전 모델 선정 방법 |
| WO2019184161A1 (zh) * | 2018-03-29 | 2019-10-03 | 北京金风科创风电设备有限公司 | 基于中尺度数据的风机自动排布的方法和设备 |
-
2019
- 2019-10-22 CN CN201911005697.0A patent/CN112700349B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105119320A (zh) * | 2015-09-15 | 2015-12-02 | 东北大学 | 一种分散式风电场风机优化布置系统及方法 |
| CN106372801A (zh) * | 2016-08-31 | 2017-02-01 | 江西省电力设计院 | 一种风电场风区划分方法及该风电场风区测风塔位置的选择方法 |
| CN106407566A (zh) * | 2016-09-20 | 2017-02-15 | 河海大学 | 复杂地形风电场一体化优化方法 |
| CN108536881A (zh) * | 2017-03-06 | 2018-09-14 | 新疆金风科技股份有限公司 | 用于计算风电场发电量的方法和设备 |
| CN107292514A (zh) * | 2017-06-21 | 2017-10-24 | 华北电力科学研究院有限责任公司 | 风电场生产运行测风塔选址方法及装置 |
| KR20190022156A (ko) * | 2017-08-25 | 2019-03-06 | 김경수 | 인공신경망을 이용한 최적 풍력발전 모델 선정 방법 |
| WO2019184161A1 (zh) * | 2018-03-29 | 2019-10-03 | 北京金风科创风电设备有限公司 | 基于中尺度数据的风机自动排布的方法和设备 |
| CN110322038A (zh) * | 2018-03-29 | 2019-10-11 | 北京金风科创风电设备有限公司 | 基于中尺度数据的风机自动排布的方法和设备 |
Non-Patent Citations (3)
| Title |
|---|
| XU, CHANG等: "The Collection of The Main Issues for Wind Farm Optimisation in Complex Terrain", SCIENCE OF MAKING TORQUE FROM WIND (TORQUE 2016), vol. 753, no. 3, pages 129 - 130 * |
| 杨济畅等: ""山地风电场测风塔选址研究"", 风能, vol. 2017, no. 12, pages 62 - 67 * |
| 郝顺吉: "基于遗传算法的风电场优化排布方法研究", 科技创新与应用, vol. 2016, no. 10, pages 55 - 56 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023077693A1 (zh) * | 2021-11-04 | 2023-05-11 | 中国电建集团河北省电力勘测设计研究院有限公司 | 一种基于AutoCAD的山地风电场风机定位方法 |
| CN114819756A (zh) * | 2022-06-24 | 2022-07-29 | 深圳众城卓越科技有限公司 | 基于分类模型的风电机组智能选址方法、装置及设备 |
| CN114819756B (zh) * | 2022-06-24 | 2022-09-27 | 深圳众城卓越科技有限公司 | 基于分类模型的风电机组智能选址方法、装置及设备 |
| CN116992337A (zh) * | 2023-09-25 | 2023-11-03 | 中国船舶集团风电发展有限公司 | 风资源参数的确定方法和装置 |
| CN116992337B (zh) * | 2023-09-25 | 2024-01-12 | 中国船舶集团风电发展有限公司 | 风资源参数的确定方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112700349B (zh) | 2023-11-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Afanasyeva et al. | Technical, economic and uncertainty modelling of a wind farm project | |
| Nedjari et al. | Optimal windy sites in Algeria: Potential and perspectives | |
| Kwon | Uncertainty analysis of wind energy potential assessment | |
| Yoder et al. | Short‐term forecasting of categorical changes in wind power with Markov chain models | |
| CN112700349B (zh) | 测风塔选址方法和装置 | |
| CN108763825B (zh) | 一种模拟复杂地形的风场的数值模拟方法 | |
| CN110598290A (zh) | 考虑气候变化的流域未来水电发电能力预测方法和系统 | |
| KR101383617B1 (ko) | 일사량 예측 방법 및 장치 | |
| CN110264002B (zh) | 基于聚类分析的风电场微观选址方案评价方法 | |
| Shahriari et al. | Using the analog ensemble method as a proxy measurement for wind power predictability | |
| Franke et al. | Factors affecting the calculation of wind power potentials: A case study of China | |
| US20210312101A1 (en) | Method for determining a wind turbine layout | |
| CN112585505A (zh) | 确定用于农学决策支持的位置特定的天气信息 | |
| US20240054267A1 (en) | Method for planning a layout of a renewable energy site | |
| CN115239105A (zh) | 一种在役风电场的风资源的评估方法以及装置 | |
| CN109636019B (zh) | 基于神经网络算法的测风塔布置方案确定方法 | |
| CN102236746B (zh) | 无测风记录区风资源模拟推算方法 | |
| Sward et al. | Spatial biases revealed by LiDAR in a multiphysics WRF ensemble designed for offshore wind | |
| CN117421871A (zh) | 海上风电潜力评估方法、装置和计算机设备 | |
| KR20050063616A (ko) | 풍력 자원 지도화 방법 | |
| Musial et al. | Assessment of offshore wind energy leasing areas for the BOEM New Jersey wind energy area | |
| Araújo et al. | An approach to simulate wind fields around an urban environment for wind energy application | |
| CN112884269B (zh) | 一种基于gis的风电场技术可开发量计算方法及系统 | |
| CN114118719A (zh) | 基于分区加权Voronoi和协同推荐的共享机房选址定容方法 | |
| Musial et al. | Assessment of Offshore Wind Energy Leasing Areas for the BOEM Massachusetts Wind Energy Area |
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 |