CN112949220A - 一种波浪能资源评估方法、系统、存储介质、计算机设备 - Google Patents
一种波浪能资源评估方法、系统、存储介质、计算机设备 Download PDFInfo
- Publication number
- CN112949220A CN112949220A CN202110224186.9A CN202110224186A CN112949220A CN 112949220 A CN112949220 A CN 112949220A CN 202110224186 A CN202110224186 A CN 202110224186A CN 112949220 A CN112949220 A CN 112949220A
- Authority
- CN
- China
- Prior art keywords
- wave
- spectrum
- wave energy
- energy
- energy resource
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 238000001228 spectrum Methods 0.000 claims abstract description 204
- 230000003595 spectral effect Effects 0.000 claims abstract description 87
- 238000011156 evaluation Methods 0.000 claims abstract description 42
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 238000009826 distribution Methods 0.000 claims description 45
- 230000004907 flux Effects 0.000 claims description 21
- 230000011218 segmentation Effects 0.000 claims description 16
- 238000010586 diagram Methods 0.000 claims description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 239000006185 dispersion Substances 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 239000004576 sand Substances 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 239000013535 sea water Substances 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 17
- 238000006243 chemical reaction Methods 0.000 description 17
- 230000018109 developmental process Effects 0.000 description 16
- 238000004088 simulation Methods 0.000 description 12
- 230000005684 electric field Effects 0.000 description 11
- 238000011160 research Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000013461 design Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 241000220317 Rosa Species 0.000 description 3
- 210000000077 angora Anatomy 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 230000001902 propagating effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 241000271901 Pelamis Species 0.000 description 1
- 101100289792 Squirrel monkey polyomavirus large T gene Proteins 0.000 description 1
- 239000006096 absorbing agent Substances 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005293 physical law Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012950 reanalysis Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000009853 xinfeng Substances 0.000 description 1
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
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- 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
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Fluid Mechanics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computing Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明属于波浪能资源评估技术领域,公开了一种波浪能资源评估方法、系统、存储介质、计算机设备,通过分割长时序二维海浪谱,逐个识别出其中所包含的波浪系统;依据谱峰位置,将所得的所有波浪系统重新分组;计算各组内各波浪系统的波能资源特征参数,标记各波浪系统的出现时间;以组为单位统计、描述波能资源特征。波能资源评估系统包括:波浪系统识别模块、波浪系统分组模块、特征参数计算模块和波浪能资源评估模块。与基于整个海浪谱评估波能特征的传统方法相比,本发明能够更客观、更全面、更细致的反映出波能资源在波能的浪、涌属性,传播方向,谱宽度以及浪场环境特征四个方面的状况,为波浪能资源的开发利用提供更有价值的参考依据。
Description
技术领域
本发明属于波浪能资源评估技术领域,尤其涉及一种波浪能资源评估方法、系统、存储介质、计算机设备。
背景技术
目前,为应对未来气候变化,以及传统化石能源逐步枯竭的问题,全球都将目光聚焦于可再生能源的开发,海洋作为重要可再生能源蕴藏地也受到了格外的关注。海洋可在生能源以海上风能、波浪能、潮流能等形式储藏在不同海域,且储量极为丰富,人们也开发了相应的技术以从海洋中获取这些能源。
波浪能资源由于其高度的集中性和稳定性(most concentrated and leastvariable),一直以来都被认为是最具开发潜力的海洋可再生能源。然而,波能(包括其它几种海洋能)设备及电场的研发、建设却相对落后于风能资源的利用。近年来,随着一些波浪能转换装置的研发成功,以及各国政府对于海洋可再生能源在政策方面的扶持,波浪能资源开发也迎来了快速发展的契机。并且,现如今还出现了风能-波能联合开发(co-locatedwind and wave farm)的能源获取方式。这两种资源的联合开发利用,一方面,波浪能量的来源为风,两种资源的空间分布特征接近;另一方面,波能电场建设于风电场或其它海洋可再生能源电场的迎浪向,可有效减少波浪对后方电场基础设施的冲击和破坏,且对于其它海洋可再生能源来说,经过波能电场的梳理,资源稳定性增加,转换效率得到提升;再者,从离岸电场向陆地输送电能的成本较高,波能资源开发的加入可最大化的利用这些基础设施,且对海洋环境的破坏较少,有利于成本控制。
资源开发的首要环节是对资源储量、分布及可开发性等进行评估。对于波浪能来说,资源评估关系到波能电场的选址,波能转换装置的设计,以及未来电场中这些装置的阵列布局等诸多方面。波能资源的富集程度由波浪能能流密度来表示,它代表了在单位时间内单位宽度上通过的波浪能量,单位一般取kW/m。在当前的波能资源评估研究中,波能能流密度的地理空间分布,年、月、季的时间变异性(稳定性)等都是主要的考察对象。然而,波能的富集程度和稳定性并不是判断该资源可开发性的唯一标准,从波浪机械能到输出电能的转换还涉及到波能转换装置(wave energy convertor,WEC)的额定功率(rated power)、转换效率等一系列因素。因此,在波浪能资源评估中,还要考虑:
1)波能资源的浪、涌属性
由于涌浪传播较为规律,波能的转换更为容易,因此涌浪频现的海域被公认为最佳的波能资源开发区,例如欧洲西岸;然而,风浪资源的分布相对更为广泛,且正如之前所提到的,若考虑风能-波能的联合开发,则风浪属性的波能资源也可能纳入开发计划。
2)波能传播的方向性
在现有的三种形式的波能转换装置中,除了点吸收式(point absorber)的装置外,其它两种Terminator、Attenuator式的装置均对波浪方向敏感,例如Sea Power、WaveStar、Pelamis、Wave Dragon等,这些转换装置需要在布放时面对波浪的来向,因而无法接受其它来向的能量;而即便是采用点吸收式的装置,如Ceto、Aqua buoy、SeabasedAB等,这些装置在波能电场中的阵列布局(arrays)中仍需要考虑波向的因素。
3)波能谱宽度
波浪周期是影响波能装置转换效率的重要因素,而波能谱宽度(spectralbandwidth,即波浪能量在频率上分布的集中程度)的重要性往往被忽略。事实上,谱宽度的大小与浪场中的波群(wave groupiness)密切相关,谱宽度较窄时,波浪成群传播的特征会更明显,而这种特性对波能装置的转换效率十分关键。并且,当波能装置具备较宽的响应宽度(response band),即可针对海况的主周期(main wave period)进行自动调整时,该装置对谱宽度的敏感性会更为显著。
4)浪场环境特征
各种波浪能转换装置都有其特定的在不同浪场环境中的输出效率,通常这种特征以波高-周期联合分布的形式表现出来,被成为波能转换装置的“能量矩阵”(powermatrix);选择或设计能量矩阵与浪场环境更为匹配的波能转换装置在波能电场的建设中至关重要,而这项工作需要以浪场环境特征的精准评估为基础。
国际电工委员会(International Electrotechnical Commission,IEC)在波浪能资源评估和特征描述的技术说明中(BS PD IEC/TS 62600-101-2015)提出了一系列的参数来评估波浪能资源特征,除了常规的有效波高、能量周期、波能能流密度以外,还涵盖了对波能方向、谱宽度以及浪场环境特征的评估;且IEC技术说明以及先前的一些研究中也曾提到,可通过“谱分割”(Spectral Partitioning,SP)的方法对代表浪场波能分布状况的二维海浪谱进行波浪系统划分,分别得到风浪、涌浪系统的波能状况。
虽然IEC技术说明已得到相关波浪能资源评估研究的认可,但当前的波浪能资源评估研究通常仍是从整个浪场(整个海浪谱)的角度出发,即使在部分研究中对某一时刻的海浪谱进行了分割,但对谱分割后波浪系统波能特征的评估并未形成统一的方法。事实上,任意时间、空间的浪场都是由一个或多个波浪系统组成,其中有由本地风形成的风浪,也有从其它海域传播而来涌浪;这些系统中包含大小不同的能量,以不同的频率(速度)、方向在浪场中传播。因此,波浪系统才是波浪能量的最基本单位。因此,亟需一种以波浪系统为基础的波浪能资源评估方法。
通过上述分析,现有技术存在的问题及缺陷为:当前的波浪能资源评估研究通常仍是从整个浪场(整个海浪谱)的角度出发,即使在部分研究中对某一时刻的海浪谱进行了分割,但对谱分割后波浪系统波能特征的评估并未形成统一的方法。
解决以上问题及缺陷的难度为:波能资源评估依赖于长时间序列的海浪谱,如何对整个的海浪谱时间序列进行波浪系统识别,以及如何对所识别出的所有波浪系统进行合理的、符合客观规律的分组,以使得各组的波能特征具有独特性(即波能特征在各组内具有一致性,而在各组间具有差异性)。
解决以上问题及缺陷的意义为:波浪系统是波浪能量的最基本单位,基于波浪系统进行的波能特征评估,一方面更加符合客观的物理规律,另一方面能够提供更全面、更细致的波能特征,从而为波能资源开发提供更有价值的参考依据。
发明内容
针对现有技术存在的问题,本发明提供了一种波浪能资源评估方法、系统、存储介质、计算机设备。
本发明是这样实现的,一种波浪能资源评估方法,所述“波浪能资源评估方法”包括以下步骤:
步骤一,通过分割长时序二维海浪谱,逐个识别出其中所包含的波浪系统;
步骤二,依据谱峰位置,将所得的所有波浪系统重新分组;
步骤三,计算各组内各波浪系统的波能资源特征参数、标记各波浪系统的出现时间;
步骤四,以组为单位统计、描述波能资源特征。
进一步,所述波浪能资源评估方法,还包括(具体为):
(1)使用SP方法将长时序海浪谱逐一进行波浪系统的识别,将每个时刻的海浪谱拆解为一个或多个波浪系统;
(2)拆解得到的每个波浪系统均具有谱峰位置(fp,dp),统计所有时刻、所有波浪系统的(fp,dp)在谱空间(ρ,θ)中的出现次数分布,形成另一幅二维谱图形;
(3)使用SP方法对(fp,dp)出现次数的分布图再次分割,即实现了波浪系统的分组;
(4)依据分组,计算各组内波浪系统的波能资源特征参数,标记组内各系统出现的时间;
(5)按组统计波能资源特征参数,进行波浪资源特征的分析,根据标记出的波浪系统出现的时间,按月、季、年分析组内波浪系统出现频率以及对应波能资源特征的平均值、百分位数、联合分布及时间变异性等;
(6)属于同一海浪谱的不同波浪系统可能因为谱峰位置相近而被分为同一组,在出现频率分析方面需特殊处理。
进一步,所述“波能资源特征参数”,包括:
(1)海浪谱、谱矩的表示
考虑二维海浪频率-方向谱S(f,θ),其中f表示频率,单位Hz,θ表示方向,单位rad(弧度)。沿方向积分S(f,θ):
即可得一维海浪频谱S(f)。海浪谱的谱矩表示为:
其中,n可等于0、-1、-2、1、2等,对应谱的0阶、-1阶、-2阶、1阶、2阶等谱矩。二维海浪谱中,能量密度最大的位置(fp,dp)成为谱峰位置。
(2)有效波高、能量周期
有效波高表示为:
其中m0为谱的0阶矩,能量周期则表示为谱的-1阶矩与0阶矩的比:
(3)全向波浪能能流密度
全向波浪能能流密度表示的是在单位时间内单位宽度上通过的波浪能量,不考虑波能传播方向,单位取kW/m。全向能流密度可通过二维海浪方向谱计算:
其中,ρ为海水密度,本发明取1023kg/m3;g为重力加速度,取9.81m/s2;Cg为波浪的群速度,与水深d密切相关:
其中,角频率ω与波数k之间存在线性频散关系:
ω(k)2=gktanh(kd) (7)
全向能流密度还可近似的由有效波高Hs及能量周期Te表示:
深水条件下,由于kd>>1,全向波能能流密度可写为:
全向波能能流密度的计算在无特殊说明的情况下采用(5)式计算。
(4)定向波浪能能流密度
在全向波浪能能流密度的基础上,可以进一步讨论波浪能传播的方向性,对于特定的方向θj,在此方向上的传播的定向波浪能能流密度表示为:
(5)谱宽度
谱宽度表示的是波浪能量沿频率方向的分布宽度,定义为:
其中mn,n=-2,-1,0分别为谱的-2阶、-1阶及0阶矩。
(6)风浪占比
风浪占比体现的是风浪能量在整个海浪谱或谱分区能量中的占比情况:
Up=CmultU10cos(δ) (14)
其中,U10为海面以上10m处的风速,Cmult=1.7为常系数,δ为波数空间中波浪方向θ与风向θwind的夹角。在波数空间中,波速c与频率f及波数k相关联,根据线性频散关系(7)可得:
深水条件下,Up>c换算为波数空间中f(θ)的关系式为:
对于涌浪系统来说W→0,而对于风浪系统来说W→1。
进一步,步骤一中,所述“逐个识别出其中所包含的独立的波浪系统”,包括:
使用谱分割SP方法识别二维海浪谱中相互独立的波浪系统。该技术脱胎于一种用于地貌数字图像处理的“分水岭”算法,该算法可识别出山峰、山谷等地貌特征。二维海浪谱中,谱峰表示谱空间(ρ,θ)中的能量密度较大的位置,谱峰及其周围的能量由同一个天气过程形成,故而谱峰及其周边的谱空间构成了独立的波浪系统。同一海浪谱中多各谱峰的存在,说明该谱中包含多个波浪系统,SP可识别出其中每个谱峰及周边归属于该谱峰的谱空间范围,由此识别出同一海浪谱中共存的相互独立的波浪系统。
进一步,步骤二中,所述将“所得的所有波浪系统重新分组”,包括:
基于“二步谱分割”TSP的方法,在对二维海浪谱的时间序列逐个使用SP进行分割后,统计所有识别出的波浪系统的谱峰位置在谱空间中的出现次数;由于谱峰位置出现次数分布又形成了一个新的“二维谱”,因此可使用SP再次分割。对于长时序的资料进行这样的处理,所得结果具有波侯上的意义,尤其是当谱峰集中出现在某个或某几个频率-方向区间内时--谱峰位置相近的波浪系统具有相似的形成机制,对于涌浪系统来说是由固定的海域形成后传播而来,对于风浪系统则是由本地稳定的季风、信风等天气条件所产生;并且,依据谱峰位置分组后的波浪系统显然具有相似的周期和传播方向,在此基础上可统计、描述波浪能资源的相关特征。
进一步,步骤四中,所述“以组为单位统计、描述波能资源特征”,包括:在各分组内,按所标记的时间将各系统进行月、季、年归纳,分别按月、季、年统计计算各系统所对应各波能资源参数的平均值、百分位数、联合分布等,依据所标记时间计算各系统所对应波能参数的时间变异性。
本发明的另一目的在于提供一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:
(一)分割长时序二维海浪谱,逐个识别出其中所包含的独立的波浪系统;
(二)将所得的所有波浪系统重新分组;
(三)计算各组内各波浪系统的波能资源特征参数、标记各波浪系统的出现时间;
(四)最终以组为单位统计、描述波能资源特征。
本发明的另一目的在于提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如下步骤:
(一)分割给定空间点上的长时序二维海浪谱,逐个识别出其中所包含的独立的波浪系统;
(二)将所得的所有波浪系统重新分组;
(三)计算各组内各波浪系统的波能资源特征参数,标记各波浪系统的出现时间;
(四)最终以组为单位统计、描述波能资源特征。
本发明的另一目的在于提供一种实施所述的波浪能资源评估方法的波浪能资源评估系统,所述波浪能资源评估系统包括:
(1)波浪系统识别模块,用于进行长时序二维海浪谱中波浪系统的识别;
(2)波浪系统分组模块,用于所得波浪系统的分组;
(3)特征参数计算模块,用于进行波能资源特征参数的计算及时间标记;
(4)波浪能资源评估模块,用于以组为单位统计、描述波能资源特征。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:与基于整个海浪谱评估波能特征的传统方法相比,本发明提出的方法更能够更客观、更全面、更细致的反映出波能资源在波能的浪、涌属性,传播方向,谱宽度(即波能在频率分布上的集中程度)以及浪场环境特征四个方面的状况,为波浪能资源的开发利用提供更有价值的参考依据。
本发明基于“二步谱分割”(TSP)技术,提出了一种以波浪系统分组为基本单位的波能资源特征评估方法。对于长时序二维海浪谱,首先通过“谱分割”(SP)算法识别出每一个时刻海浪谱中所包含的波浪系统,是为“第一步分割”;这些被识别出的系统具有各自的谱峰频率fp和谱峰波向dp,而这些(fp,dp)在谱空间中出现次数的分布又形成了另外一幅二维谱图像,采用SP算法对该二维谱进行“第二步分割”,即得到波浪系统的分组信息;依据各组中的波浪系统可以计算各种波能资源特征参数及标记系统出现的时间,再以系统分组为单位进一步统计这些特征参数,结合系统出现的时间频率,即可得到相应的波能特征。本发明以涌浪特征显著的南大西洋安哥拉离岸海域为例,采用第三代海浪模式逐时模拟了该海域20年的海浪场,以该海域内6个关注点的20年二维海浪谱时间序列为基础,从波浪系统分组的角度对该海域的波能的浪、涌属性,传播方向,谱宽度以及浪场环境特征进行了评估,并与基于全谱评估这些特征的传统方法进行了比较。
由于谱峰位置相近的波浪系统应具有相似的形成机制,且这些波浪系统天然的具有相似的周期和传播方向,因此基于系统分组的评估方法能够更为客观的反映波能资源的特征属性;在实施例评估中,基于系统分组的评估结果在波能的浪、涌属性,方向性,谱宽度和浪场环境特征四个方面展现出分组内资源特征一致,而分组间特征差异明显的特点;且在与传统全谱评估结果的对比中发现,本发明所提出的方法可将被全谱评估所忽略的波能资源特征全面、细致的表现出来,而这些特征正是波能资源可开发性评估中重点关注的对象。因此,本发明所提出的基于波浪系统分组的波能特征评估方法能够为波能资源的开发利用提供更有意义的参考依据。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的模式计算网格示意图。
图2是本发明实施例提供的Jason-2卫星高度计2016年沿轨观测结果(a),MASNUM-WAM模拟结果与Jason-2。
图3是本发明实施例提供的二维海浪谱分割示意图(谱空间(ρ,a)中,ρ表示频率,单位Hz,a表示能量的来向,单位°;图中色彩表示谱空间中的能量密度,单位m2·s·degr.-1)
图4是本发明实施例提供的基于波浪系统的波能资源特征评估流程图。
图5是本发明实施例提供的各关注点波浪系统分组示意图。
图6是本发明实施例提供的各关注点风浪占比W箱须图。
图7是本发明实施例提供的。P02点J-dp、JθJmax-θJmax联合分布玫瑰图。
图8是本发明实施例提供的P03点J-dp、JθJmax-θJmax联合分布玫瑰图。
图9是本发明实施例提供的各关注点方向系数dθ箱须图。
图10是本发明实施例提供的各关注点谱宽度∈0箱须图。
图11是本发明实施例提供的P02点全谱及各系统分组Hs-Te联合分布示意图。
图12是本发明实施例提供的P03点全谱及各系统分组Hs-Te联合分布示意图。
图13是本发明实施例提供的波浪能资源评估方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种波浪能资源评估方法、系统、存储介质、计算机设备,下面结合附图对本发明作详细的描述。
如图13所示,本发明实施例提供的波浪能资源评估方法包括以下步骤:
S101,通过分割长时序二维海浪谱,逐个识别出其中所包含的波浪系统;
S102,依据谱峰位置,将所得的所有波浪系统重新分组;
S103,计算各组内各波浪系统的特征参数,标记各波浪系统的出现时间;
S104,以组为单位统计、描述波能资源特征。
本发明提供的波浪能资源评估方法,业内的普通技术人员还可以采用其他的步骤实施,图1-图13中本发明提供的波浪能资源评估方法仅仅是一个具体实施例而已。
本发明实施例提供的波浪能资源评估系统包括:
波浪系统识别模块,用于进行长时序二维海浪谱中波浪系统的识别;
波浪系统分组模块,用于所得波浪系统的分组;
特征参数计算模块,用于进行波能资源特征参数的计算及时间标记;
波浪能资源评估模块,用于以组为单位统计、描述波能资源特征。
下面结合实施例对本发明的技术方案作进一步的描述。
1、波浪能是一种极具开发潜力的海洋可再生能源,而资源评估是波能资源开发的首要环节,它关系到波能电场的选址,波能转换装置的设计,以及未来电场中这些装置阵列的布局等等。在波能资源评估中,波浪能能流密度是主要的评估对象;但是,波能资源的可开发性并不完全取决于能流密度的富集程度,波能的1)浪、涌属性,2)传播方向,3)谱宽度(即波能在频率分布上的集中程度)以及4)浪场环境特征也是十分重要的参考依据。
本发明提出一种基于波浪系统的波浪能资源特征评估方法:通过分割给定空间点上的长时序二维海浪谱,逐个识别出其中所包含的独立的波浪系统;将所得的所有波浪系统重新分组,并最终以组为单位统计、描述波能资源特征。与基于整个海浪谱评估波能特征的传统方法相比,本发明提出的方法更能够更客观、更全面、更细致的反映出波能资源在上述四个方面的状况,为波浪能资源的开发利用提供更有价值的参考依据。
2、方法(Methodology)
2.1波浪能特征参数
本发明所使用的波浪能特征参数除“风浪占比”外均参考IEC技术说明(IECTS62600-101:2015)。
(1)海浪谱、谱矩的表示,考虑二维海浪频率-方向谱S(f,θ),其中f表示频率,单位Hz,θ表示方向,单位rad(弧度)。沿方向积分S(f,θ):
即可得一维海浪频谱S(f)。海浪谱的谱矩表示为:
其中,n可等于0、-1、-2、1、2等,对应谱的0阶、-1阶、-2阶、1阶、2阶等谱矩。二维海浪谱中,能量密度最大的位置(fp,dp)成为谱峰位置。
(2)有效波高、能量周期,有效波高(significantwaveheight)表示为:
其中m0为谱的0阶矩,能量周期(energyperiod)则表示为谱的-1阶矩与0阶矩的比:
(3)全向波浪能能流密度,全向波浪能能流密度(Omni-directional wave energyflux,wave power density)表示的是在单位时间内单位宽度上通过的波浪能量(不考虑波能传播方向),单位一般取kW/m。全向能流密度可通过二维海浪方向谱计算:
其中,ρ为海水密度,本发明取1023kg/m3;g为重力加速度,本发明取9.81m/s2;Cg为波浪的群速度,与水深d密切相关:
上式中,角频率ω与波数k之间存在线性频散关系:
ω(k)2=gktanh(kd) (7)
全向能流密度还可近似的由有效波高Hs及能量周期Te表示:
深水条件下,由于kd>>1,全向波能能流密度可写为:
本发明中全向波能能流密度的计算在无特殊说明的情况下采用(5)式计算。
(4)在全向波浪能能流密度的基础上,可以进一步讨论波浪能传播的方向性,对于特定的方向θj,在此方向上的传播的定向波浪能能流密度(Directionally resolved wavepower)表示为:
Jθ在所有方向中的最大值记为即为最大定向波能密度(maximumdirectionally resolved wave power);所对应的方向记为θJmax,即最大定向波能密度方向(Direction of maximum directionally resolved wave power)。为表示波浪能传播的方向扩散(directional spreading)特征,定义方向系数(DirectionalityCoefficient):
(5)谱宽度
谱宽度(spectral width)表示的是波浪能量沿频率方向的分布宽度,定义为:
其中mn,n=-2,-1,0分别为谱的-2阶、-1阶及0阶矩。
(6)风浪占比
风浪占比(wind-sea fraction)体现的是风浪能量在整个海浪谱或谱分区(spectral partition)能量中的占比情况:
Up=CmultU10cos(δ) (14)
其中,U10为海面以上10m处的风速,Cmult=1.7为常系数,δ为波数空间中波浪方向θ与风向θwind的夹角。在波数空间中,波速c与频率f及波数k相关联,根据线性频散关系(7)可得:
深水条件下,Up>c换算为波数空间中f(θ)的关系式为:
对于涌浪系统来说W→0,而对于风浪系统来说W→1。
2.2获取海浪谱
2.1中所涉及的特征参数均由二维海浪谱S(f,θ)计算得到,得益于第三代海浪模式的成熟应用,如今可通过数值模拟的方法获得大范围海域内、高时-空分辨率的二维海浪谱时间序列。本发明以南大西洋安哥拉离岸海域20年逐时模拟海浪谱为例,阐释基于波浪系统分组的波能特征评估方法,并将该方法与传统方法所得的结果进行比较。
研究海域以显著的涌浪环境闻名,WASP(West Africa Swell Project)的研究结果显示,该海域在每年的5-10月(南半球冬季)普遍经历SW-SSW向的涌浪,这些涌浪由位于南大西洋40°S-60°S区域内的风暴产生,跨越数千公里抵达西非沿岸,抵达时仍可产生3-7m的有效波高;而每年的4-10月,由北美风暴产生的涌浪,会穿越北大西洋,而后经南大西洋进入西非海域,但这些涌浪到达西非海域时能量已极小,波高普遍低于0.5m。而在南大西洋东南信风带的影响下,关注海域常年盛行S-SE向的风场,且随着南半球冬季副热带高压的北移,平均风速增加,大风频率升高。特定的涌浪系统加上本地的风浪系统,研究海域复杂的浪场环境适合展示不同来源的波浪系统的特征统计;但需要说明的是,本发明旨在阐释和比较波能特征的评估方法,并不是对该海域的波浪能资源进行评估,因此不过多强调浪场模拟的准确性。
本发明采用第三代海浪模式MASMUM-WAM对关注海域的浪场进行20年(2000-2019)的逐时模拟。模拟海浪谱空间(ρ,θ)沿频率ρ离散为35个网格点,起始频率为0.042Hz,最大频率为1.07Hz,各离散频率以1.1倍等比递增;谱空间沿方向θ等15°离散为24个格点,覆盖0~360°范围。地理空间模拟设置了二重嵌套的计算网格,如图1a及表1所示:为充分考虑来自40°S-60°S的涌浪,计算外网格(WA-outside)南边界扩展至南极大陆,同时网格西边界扩展至-110°E。而由于来自北大西洋的涌浪较小不易体现,为简单计,将外网格北边界设置在10°N,同时在模拟过程中,持续由此边界向模拟区域内输入如下的参数化谱形:
E(f,θ)=F(f)D(θ) (17)
其中,F(f).为JONSWAP谱:
D(θ)=cos2(θ) (19)
其中θ为边界处风向与谱空间离散方向的夹角。
模拟采用ERA5海面10m处再分析风场进行驱动(ERA5 hourly dataon singlelevels from1979 to present,DOI:10.24381/cds.adbb2d47),数据空间分辨率0.25°x0.25°,时间间隔1小时;水深数据采用美国NGDC(National Geophysical Data Center)的全球高分辨率地形数据集ETOPO1(原始分辨率1’x1’)(DOI:10.7289/V5c8276m);岸界采用GSHHS(Global Self-consistent Hierarchical High-resolution Shoreline)数据生成。
采用2016年Jason-2卫星高度计沿轨数据对模拟海域的有效波高Hs做简单验证。Jason-2于2016年在关注区域内(0°~14°E,-17°~6°N)的观测结果如图2a所示,由于高度计数据记录为沿轨位置上的瞬时的Hs,因此网格化的模拟数据需先分别进行经度、纬度、时间的线性插值,再与观测值一一对应;图2b显示的是,模式模拟Hs与卫星高度计观测值的对比,Hs的值域被划分为0.05m的小网格,图中的颜色表示各网格中样本出现的个数。如图2b所示,观测结果与模拟结果基本一致;且绝均差统计表明,模拟结果与观测结果相差0.2692m,模拟结果基本可信。
本发明在此基础上选取了6个内计算网格点作为关注点,如图1b及表2所示,以该6个点提取的模拟海浪谱为基础,进行2.1节中波能资源特征参数的计算。
表1计算网格设置
表2关注点位置
2.3波浪系统的识别与分组统计
谱分割(Spectral Partitioning,SP)可用于识别二维海浪谱中相互独立的波浪系统。该技术脱胎于一种用于地貌数字图像处理的“分水岭”(watershed)算法,该算法可识别出山峰、山谷等地貌特征。二维海浪谱,如图3所示,与地貌特征有相似之处:图3中的红、黄色区块表示谱空间(ρ,θ)中的能量密度较大的位置,如同地貌上的山峰,即谱峰;谱峰及其周围的能量由同一个天气过程形成,故而谱峰及其周边的谱空间构成了独立的波浪系统。SP可识别出谱峰及周边归属于该谱峰的谱空间范围,由此识别出同一海浪谱中共存的相互独立的波浪系统,如图3中所示的海浪谱中共有3个波浪系统,谱峰位置分别由1-3标识出,各系统以白色实线隔开。
Portilla-Yandún提出了一种“二步谱分割”(Two-StepPartitioning,以下统一称为TSP)的方法,即在对二维海浪谱的时间序列逐个使用SP进行分割后,统计所有识别出的波浪系统的谱峰位置在谱空间中的出现次数;由于谱峰位置出现次数分布又形成了一个新的“二维谱”,因此可使用SP再次分割(分组)。对于长时序的资料进行这样的处理,所得结果具有波侯(wave climate)上的意义,尤其是当谱峰集中出现在某个或某几个频率-方向区间内时--谱峰位置相近的波浪系统具有相似的形成机制,对于涌浪系统来说是由固定的海域形成后传播而来,对于风浪系统则是由本地稳定的季风、信风等天气条件所产生;并且,依据谱峰位置分组后的波浪系统显然具有相似的周期和传播方向,在此基础上可统计、描述波浪能资源的相关特征。
本发明采用TSP方法对6个关注点进行波能资源特征的评估步骤如下:
1)使用SP方法将各关注点上20年的模拟海浪谱时间序列逐一进行波浪系统的识别,将每个时刻的海浪谱拆解为一个或多个波浪系统;
2)拆解得到的每个波浪系统是整个二维海浪谱的一个部分,可据此计算2.1节中各特征参数,同时可得到个系统的谱峰位置(fp,dp);将(fp,dp)、波能特征参数及出现时刻一一对应;
3)统计所有时刻、所有波浪系统的(fp,dp)在谱空间(ρ,θ)中的出现次数分布,形成另一幅二维谱图形,如图5所示,图中色彩表示(fp,dp)在统计时间段内落入(ρ,θ)空间网格内的次数;
4)使用SP方法对(fp,dp)出现次数的分布图再次分割,即实现了波浪系统的分组,如图5中数字即为分组编号,各组范围由白色实线隔开;
5)依据分组,统计各组内波浪系统的特征参数,按组进行波浪资源特征的分析,还可进一步考虑波浪系统出现的时间,分析组内波能资源特征的时间变异性;此外,属于同一海浪谱的不同波浪系统可能因为谱峰位置相近而被分为同一组,但这种情况并不影响特征参数百分位数、平均值等的统计,只是在出现频率方面需要特殊的处理(详见第3章)。
根据以上步骤形成流程图,如图4所示。
3、结果
图5所示的是6个关注点在20年统计时间段内波浪系统分组的情况,其中的颜色表示(fp,dp)落入谱空间(ρ,θ)离散网格内的次数(θ为来向),各组范围由白色实线分割,并由数字1-3分别标出。可见,在所关注的6个位置上,均存在2或3个波浪系统分组,且各组中(fp,dp)在谱空间中出现的位置也相对集中。每个关注点均存在一个S向的分组(标记为grp-1),该分组中(fp,dp)出现的次数最多,位置也最集中;而标记为grp-2的分组也集中出现在各关注点的SSW及SW向,从位置偏北的P01、P04,到位置居中的P02、P05,再到位置最南的P03、P06,grp-2的谱峰集中位置也由SSW向SW偏转;在P02和P03还发现了S向的grp-3,且P01与P06在S向也有轻微的谱峰集中现象;在所有分组中,grp-1与grp-2的谱峰频率fp相近,而grp-3的fp明显偏高一些。
从分组结果来看,研究海域中6个关注点所经历的波浪系统是十分相似的,只是在不同的观测位置,谱峰聚集的频率-方向区间有细微差别;各组的波浪系统具有各自明确的周期和方向,据此可推测,不同分组的波能资源在周期和方向特征方面会有明显区别。
3.1波能资源的风、涌浪属性
图6所示的是6个关注点上,基于各波浪系统分组(grp-1、2、3)以及整个海浪谱(a11)分别计算的风浪占比W的箱须图(box-whisker)。图中箱子(box)内的红线、上沿及下沿分别为中位数(median,Qmed)、上四分位卫数(Q25%)和下四分位数(Q75%),Q25%与Q75%之间的差称为四分位数极差(interquartile range)IQR=Q25%-Q75%,也即箱子的长度;Q25%以上、Q75%以下的虚线(whisker)分别延伸至观测最大值(maximum,Qmax)和最小值(minimum,Qmin),且有Qmax=Q25%+1.5×IQR,Qmin=Q75%-1.5×IQR;由于现实数据中存在各种各样的“离群点”(大于Qmax,或小于Qmin),为不因这些少数的离群数据导致整体特征的偏移,将这些离群点单独由红色“+”标出。
从图6中可以看到,各关注点的grp-1为纯粹的涌浪系统,该组W的Qmax为0;而各关注点上grp-2的W分布则有所不同,其中P02、P03的grp-2分组具有最少的风浪成分(Q25%不足10%,Qmed=0)而以涌浪成分为主,P04、P0S的grp-2分组中超过Q25%的离群点数量和大小相对有所增加,但整体W的分布仍情况与P02、P03相当,而P01、P06中grp-2分组的风浪成分则在所有关注点中最多;此外,P02、P03所特有的grp-3分组具有明显的风浪系统属性
对应之前的分析可以推测,分组grp-1中波浪系统的来源是计算外网格北侧边界输入的参数化谱形(式(17)-(19)):这些谱形持续的由固定的位置输入,在穿越赤道无风带的过程中,基本不受风场的影响,一直遵循涌浪的传播规律到达关注点,因此,grp-1中的波浪系统具有出现次数最多且出现位置最集中的谱峰。grp-2分组推测来源于南大西洋高纬度海域风暴所产生的涌浪,但在向N、NE传播的过程中会经历S-SE向的信风带,因此不同程度的混入了一些风浪成分,其中:P04、P05由于受陆地的遮挡未出现S向的谱峰;P02、P03则由于S向谱峰集中明显而形成了独立grp-3分组,导致grp-2分组中绝大多数的风浪成分被分离出去;与之相反,P01、P06的grp-2分组由于同时包含了SSW向的涌浪和少量S向的风浪,因此所包含的风浪成分最多。根据上述分析,grp-3分组中的系统即为S-SE向信风产生的风浪,正如之前所提到的,该组内系统的谱峰频率fp也较其它两组更高。
相比于基于系统分组的评估结果,基于全谱评估风浪占比特征时(如图6中各关注点“all″图所示),则仅能得到总体上风浪成分的多少,无法进一步细致的判断波能的来源和对应的风、涌浪属性。
3.2波能资源的方向性
图5中已可以清楚的看到出各分组中波浪系统的谱峰方向,本节进一步以P02、P03点为例对比基于波浪系统分组及基于全谱,对波能资源方向特征描述的差异。图7和图8所示的分别是P02与P03点全向波能能流密度(J)与谱峰波向(dp)(图7/图8a-d)、最大定向能流密度(JθJmax)与最大定向能流密度方向(θJmax)(图7/图8e-h)的联合分布玫瑰图。
如图7/图8a所示,基于全谱统计的P02、P03点dp主要集中在WSW与SW之间;而IEC技术说明中指出,dp通常不稳定,且并不代表波浪能量的传播方向,因此,该说明推荐使用JθJmax与θJmax来表示波能资源的方向特征,如图7/图8e所示,同样是基于全谱估计,P02、P03点较为显著的波能传播方向有W、SW、SSW及S。然而,根据JθJmax与θJmax的定义(2.1节),与θJmax对应的JθJmax并不代表在该方向上传播的所有波能能流密度,因此,虽然θJmax可以明确显著的波能传播方向,但该方向上的波能资源储量却无法估计。
另一方面,当系统中存在多个以不同方向传播的波浪系统时,尽管Jθ的计算考虑到了θ方向两侧共180°范围内的谱空间,但基于全谱评估的JθJmax、θJmax仍可能遗漏其它显著性稍弱的波能方向。其实,上文中提到dp不稳定的原因也是因为dp被定义为全谱能量密度最大的方向,当多个波浪系统共存时,随着不同系统能量的消涨,全谱ap的位置会从一个系统的谱峰跃迁到另一个系统的谱峰;并且,谱峰最高并不代表该系统的所含能量最大。因此,基于全谱统计的ap容易遗漏其它方向的能量,不能代表真正的能量传播方向。
当基于波浪系统分组考虑波能的方向特征时,无论是采用dp还是θJmax,都能很好的解决上述问题。图7/图8b-d与图7/图8f-h分别展示的是P02、P03波浪系统分组后各组的J-dp、JθJmax-θJmax联合分布,可以看到,这两个分布对波能方向的描述是十分一致的:grp-1的W向、grp-2的SW-SSW向以及grp-3的S-SSE向能量传播均得到了准确的呈现。进一步的,以波浪系统分组所表现的图7/图8b-d,组内各波浪系统所含能量与传播方向可以实现一一对应,这为资源特征描述提供了更准确的基础。
当基于波浪系统分组估计JθJmax、θJmax时,在方向扩散方面也与基于全谱的评估结果有一定差别,如图9所示的是方向系数aθ在各关注点的箱须图。从图9中可以看到,相比于基于全谱的估计,基于各分组所得到得JθJmax均具有更高的dθ,说明波浪系统分组中,波浪能量在各自的θJmax方向上更为集中;此外,相较于grp-3,涌浪成分更多的grp-2在能量传播上也表现出更好的方向集中性。
3.3波能资源的谱宽度
图10所示的是各关注点分别基于波浪系统分组和基于全谱所估计的谱宽度特征参数∈0分布箱须图,∈0值越小表示谱宽度越窄,即波浪能量在频率上的分布越集中。从图10中可以看到,grp-1和grp-2分组明显较风浪成分更多的grp-3具有更窄的谱宽度,这也与人们惯常的认知是相符的;而由于grp-2分组不同程度的混入了一些风浪成分,因此各点的IQR=Q25%-Q75%差较大;全谱的∈0则由于多系统的混合而∈0值最大。由此可见,对波能谱宽度特征的评估在系统分组后展示了更多的细节,而若所采用的波能转换装置不能提取所有波浪系统的能量,则基于全谱的谱宽度特征评估可能会引入不必要的干扰,对波能转换装置的设计、制造产生影响,尤其是当转换装置对谱宽度较为敏感时。
3.4浪场环境特征评估
波能转换装置的能量矩阵由波高-周期的联合分布来表现,因此,在波能资源的浪场环境特征评估中,通常采用Hs-Te的联合分布(bivariate distribution)来描述选定地点的详细海况信息。图11、图12显示的是P02、P03两个关注点分别基于各系统分组及全谱统计的20年Hs-Te联合分布,图中Hs和Te的值域范围被划分为ΔHs×ΔTe=0.5m×1.0s的网格单元;各网格单元中的数字为年平均(Hs,Te)海况落入该网格中的频率(%),同样为实际出现的小时数除以全年应有的小时数,且考虑到同一时刻共存的波浪系统可能由于谱峰位置接近而被归为同一组,这些系统在此项统计中并不会被重复计数;网格点中的颜色为该网格单元内年平均累计波能能流密度,即(Hs,Te)年平均在此网格中出现的小时数乘以基于(9)式计算的波能能流密度,单位MWh/m;图中虚线为各网格单元波能能流密度(同样基于(9)式)的等值线,单位kW/m。
从图11、图12中可见,基于系统分组与基于全谱所得到的海况描述结果差别较大,且各系统分组间的差别也比较明显。就本案例来说,具有涌浪成分较多的grp-1、grp-2在Te方向上有更大的分布范围,有超过14s的大Te出现;风浪成分更多的grp-3则Te分布范围较窄,且有低至2s的小Te出现;而基于全谱的统计结果各种(Hs,Te)均出现在较为集中的范围内,未能体现出风、涌浪场的海况特征。另一方面,各系统分组海况出现频率最高的Hs-Te网格单元也各不相同,这也体现了各分组中波浪系统的海况具有自身的相似性,以及与其它组的差异性,而基于全谱的Hs-Te分布只能笼统的描述总体的海况特征。
综上所述,基于波浪系统分组的统计方式显然能够为海况特征提供更为细致精准的描述,这一点也为波能转换装置的选择、设计提供更为丰富、有效的信息。
4、本发明基于“二步谱分割”(TSP)技术,提出了一种以波浪系统分组为基本单位的波能资源特征评估方法。对于固定空间位置上的长时序二维海浪谱,首先通过“谱分割”(SP)算法识别出每一个时刻海浪谱中所包含的波浪系统,是为“第一步分割”;这些被识别出的系统具有各自的谱峰频率fp和谱峰波向dp,而这些(fp,dp)在谱空间中出现次数的分布又形成了另外一幅二维谱图像,采用SP算法对该二维谱进行“第二步分割”,即得到波浪系统的分组信息;依据各组中的波浪系统可以计算各种波能资源特征参数,再以系统分组为单位进一步统计这些特征参数,即可得到相应的波能特征。本发明以涌浪特征显著的南大西洋安哥拉离岸海域为例,采用第三代海浪模式逐时模拟了该海域20年的海浪场,以该海域内6个关注点的20年二维海浪谱时间序列为基础,从波浪系统分组的角度对该海域的波能的浪、涌属性,传播方向,谱宽度以及浪场环境特征进行了评估,并与基于全谱评估这些特征的传统方法进行了比较。
由于谱峰位置相近的波浪系统应具有相似的形成机制,且这些波浪系统天然的具有相似的周期和传播方向,因此基于系统分组的评估方法能够更为客观的反映波能资源的特征属性;在实施例评估中,基于系统分组的评估结果在波能的浪、涌属性,方向性,谱宽度和浪场环境特征4各方面展现出分组内资源特征一致,而分组间特征差异明显的特点;且在与传统全谱评估结果的对比中发现,本发明所提出的方法可将被全谱评估所忽略的波能资源特征全面、细致的表现出来,而这些特征正是波能资源可开发性评估中重点关注的对象。因此,本发明所提出的基于波浪系统分组的波能特征评估方法能够为波能资源的开发利用提供更有效的参考依据。。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种波浪能资源评估方法,其特征在于,所述波浪能资源评估方法包括通过分割长时序二维海浪谱,逐个识别出其中所包含的波浪系统;依据各系统的谱峰位置,将所得的所有波浪系统重新分组;计算各组内各波浪系统的特征参数,标记各波浪系统的出现时间;以组为单位统计、描述波能资源特征。
2.如权利要求1所述的波浪能资源评估方法,其特征在于,所述“波浪能资源评估方法”还包括:
(1)使用谱分割SP方法将长时序海浪谱逐一进行波浪系统的识别,将每个时刻的海浪谱拆解为一个或多个波浪系统;
(2)拆解得到的每个波浪系统均具有谱峰位置(fp,dp),统计所有时刻、所有波浪系统的(fp,dp)在谱空间(ρ,θ)中的出现次数分布,形成另一幅二维谱图形;
(3)使用SP方法对(fp,dp)出现次数的分布图再次分割,即实现了波浪系统的分组;
(4)依据分组,计算各组内波浪系统的波能资源特征参数,标记组内各系统出现的时间;
(5)按组统计波能资源特征参数,进行波能资源特征的分析,根据标记出的波浪系统出现的时间,按月、季、年分析组内波浪系统出现频率以及对应波能资源特征的平均值、百分位数、联合分布及时间变异性等;
(6)属于同一海浪谱的不同波浪系统可能因为谱峰位置相近而被分为同一组,在出现频率分析方面需特殊处理。
3.如权利要求2所述的波浪能资源评估方法,其特征在于,所述波能资源特征参数,包括:
(1)海浪谱、谱矩的表示,考虑二维海浪频率-方向谱S(f,θ),其中f表示频率,单位Hz,θ表示方向,单位rad(弧度);沿方向积分S(f,θ):
即可得一维海浪频谱S(f),海浪谱的谱矩表示为:
其中,n可等于0、-1、-2、1、2等,对应谱的0阶、-1阶、-2阶、1阶、2阶等谱矩;二维海浪谱中,能量密度最大的位置(fp,dp)成为谱峰位置;
(2)有效波高、能量周期,有效波高表示为:
其中m0为谱的0阶矩,能量周期则表示为谱的-1阶矩与0阶矩的比:
(3)全向波浪能能流密度表示的是在单位时间内单位宽度上通过的波浪能量,不考虑波能传播方向,单位取kW/m;全向能流密度通过二维海浪方向谱计算:
其中,ρ为海水密度,取1023kg/m3;g为重力加速度,取9.81m/s2;Cg为波浪的群速度,与水深d密切相关:
其中,角频率ω与波数k之间存在线性频散关系:
ω(k)2=gktanh(kd);
全向能流密度还可近似的由有效波高Hs及能量周期Te表示:
深水条件下,由于kd>>1,全向波能能流密度写为:
(4)定向波浪能能流密度
在全向波浪能能流密度的基础上,对于特定的方向θj,在此方向上的传播的定向波浪能能流密度表示为:
(5)谱宽度表示的是波浪能量沿频率方向的分布宽度,定义为:
其中mn,n=-2,-1,0分别为谱的-2阶、-1阶及0阶矩;
(6)风浪占比
风浪占比体现的是风浪能量在整个海浪谱或谱分区能量中的占比情况:
Up=CmultU10cos(δ);
其中,U10为海面以上10m处的风速,Cmult=1.7为常系数,δ为波数空间中波浪方向θ与风向θwind的夹角;在波数空间中,波速c与频率f及波数k相关联,根据线性频散关系得:
深水条件下,Up>c换算为波数空间中f(θ)的关系式为:
对于涌浪系统来说W→0,而对于风浪系统来说W→1。
4.如权利要求1所述的波浪能资源评估方法,其特征在于,所述逐个识别出其中所包含的独立的波浪系统,包括:使用谱分割SP方法识别二维海浪谱中相互独立的波浪系统;二维海浪谱中,谱峰表示谱空间(ρ,θ)中的能量密度较大的位置,谱峰及其周围的能量由同一个天气过程形成,因此谱峰及其周边的谱空间构成了独立的波浪系统;同一海浪谱中多个谱峰的存在说明该谱中包含多个波浪系统,SP识别出其中每个谱峰及周边归属于该谱峰的谱空间范围,由此识别出同一海浪谱中共存的相互独立的波浪系统。
5.如权利要求1所述的波浪能资源评估方法,其特征在于,所述将所得的所有波浪系统重新分组包括:基于二步谱分割TSP的方法,在对二维海浪谱的时间序列逐个使用SP进行分割后,统计所有识别出的波浪系统的谱峰位置在谱空间中的出现次数;使用SP再次分割谱峰位置出现次数分布图,即完成长时序的波浪系统分组。
6.如权利要求1所述的波浪能资源评估方法,其特征在于,所述以组为单位统计、描述波能资源特征,包括:在各分组内,按所标记的时间将各系统进行月、季、年归纳,分别按月、季、年统计计算各系统所对应各波能资源参数的平均值、百分位数、联合分布,依据所标记时间计算各系统所对应波能参数的时间变异性。
7.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:
(一)分割长时序二维海浪谱,逐个识别出其中所包含的波浪系统;
(二)将所得的所有波浪系统重新分组;
(三)计算各组内各波浪系统的波能资源特征参数、标记各波浪系统的出现时间;
(四)最终以组为单位统计、描述波能资源特征。
8.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如下步骤:
(一)分割长时序二维海浪谱,逐个识别出其中所包含的波浪系统;
(二)将所得的所有波浪系统重新分组;
(三)计算各组内各波浪系统的波能资源特征参数、标记各波浪系统的出现时间;
(四)最终以组为单位统计、描述波能资源特征。
9.一种实施权利要求1~6任意一项所述的波浪能资源评估方法的波浪能资源评估系统,其特征在于,所述波浪能资源评估系统包括:
(1)波浪系统识别模块,用于进行长时序二维海浪谱中波浪系统的识别;
(2)波浪系统分组模块,用于所得波浪系统的分组;
(3)特征参数计算模块,用于进行波能资源特征参数的计算及时间标记;
(4)波浪能资源评估模块,用于以组为单位统计、描述波能资源特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110224186.9A CN112949220B (zh) | 2021-03-01 | 2021-03-01 | 一种波浪能资源评估方法、系统、存储介质、计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110224186.9A CN112949220B (zh) | 2021-03-01 | 2021-03-01 | 一种波浪能资源评估方法、系统、存储介质、计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112949220A true CN112949220A (zh) | 2021-06-11 |
CN112949220B CN112949220B (zh) | 2022-11-11 |
Family
ID=76246825
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110224186.9A Active CN112949220B (zh) | 2021-03-01 | 2021-03-01 | 一种波浪能资源评估方法、系统、存储介质、计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112949220B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115659131A (zh) * | 2022-09-27 | 2023-01-31 | 中国海洋大学 | 一种海工结构近场波浪传播方向识别方法 |
CN116090248A (zh) * | 2023-02-24 | 2023-05-09 | 自然资源部第一海洋研究所 | 海浪谱保存、重构方法、系统及新的海浪嵌套模拟方法 |
CN116341952A (zh) * | 2023-02-22 | 2023-06-27 | 中国海洋大学 | 一种海洋风浪资源联合开发评估方法 |
CN116976165A (zh) * | 2023-07-10 | 2023-10-31 | 扬州大学 | 一种基于空时结合的波能流资源测算方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101163362B1 (ko) * | 2011-11-16 | 2012-07-09 | 한국해양연구원 | 해양 파랑관측 시스템 및 방법 |
CN102944871A (zh) * | 2012-11-09 | 2013-02-27 | 中国海洋大学 | 一种提取雷达图像中海浪参数的方法 |
CN104331588A (zh) * | 2014-03-06 | 2015-02-04 | 浙江海洋学院 | 一种海面风场和海浪联合反演的装置 |
CN104850754A (zh) * | 2015-05-29 | 2015-08-19 | 西安电子科技大学 | 风浪-涌浪混合模式动态海面电磁散射计算方法 |
CN111222531A (zh) * | 2019-10-21 | 2020-06-02 | 中国地质大学(武汉) | 一种海浪场时空演化信息提取方法及系统 |
CN111611720A (zh) * | 2020-05-28 | 2020-09-01 | 自然资源部第一海洋研究所 | 一种适用于真实海洋的浪场非高斯态程度评估方法 |
CN111611975A (zh) * | 2020-06-03 | 2020-09-01 | 南京信息工程大学 | 基于二维海浪谱的海浪成分分区方法 |
-
2021
- 2021-03-01 CN CN202110224186.9A patent/CN112949220B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101163362B1 (ko) * | 2011-11-16 | 2012-07-09 | 한국해양연구원 | 해양 파랑관측 시스템 및 방법 |
CN102944871A (zh) * | 2012-11-09 | 2013-02-27 | 中国海洋大学 | 一种提取雷达图像中海浪参数的方法 |
CN104331588A (zh) * | 2014-03-06 | 2015-02-04 | 浙江海洋学院 | 一种海面风场和海浪联合反演的装置 |
CN104850754A (zh) * | 2015-05-29 | 2015-08-19 | 西安电子科技大学 | 风浪-涌浪混合模式动态海面电磁散射计算方法 |
CN111222531A (zh) * | 2019-10-21 | 2020-06-02 | 中国地质大学(武汉) | 一种海浪场时空演化信息提取方法及系统 |
CN111611720A (zh) * | 2020-05-28 | 2020-09-01 | 自然资源部第一海洋研究所 | 一种适用于真实海洋的浪场非高斯态程度评估方法 |
CN111611975A (zh) * | 2020-06-03 | 2020-09-01 | 南京信息工程大学 | 基于二维海浪谱的海浪成分分区方法 |
Non-Patent Citations (2)
Title |
---|
于建民 等: ""基于SWAN模式的舟山海域波浪能资源的评估研究"", 《海洋预报》 * |
张顺: ""基于波数谱的风涌分离算法研究"", 《中国优秀硕士论文全文数据库 工程科技辑II》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115659131A (zh) * | 2022-09-27 | 2023-01-31 | 中国海洋大学 | 一种海工结构近场波浪传播方向识别方法 |
CN116341952A (zh) * | 2023-02-22 | 2023-06-27 | 中国海洋大学 | 一种海洋风浪资源联合开发评估方法 |
CN116090248A (zh) * | 2023-02-24 | 2023-05-09 | 自然资源部第一海洋研究所 | 海浪谱保存、重构方法、系统及新的海浪嵌套模拟方法 |
CN116090248B (zh) * | 2023-02-24 | 2024-01-23 | 自然资源部第一海洋研究所 | 海浪谱保存、重构方法、系统及新的海浪嵌套模拟方法 |
CN116976165A (zh) * | 2023-07-10 | 2023-10-31 | 扬州大学 | 一种基于空时结合的波能流资源测算方法及系统 |
CN116976165B (zh) * | 2023-07-10 | 2024-07-30 | 扬州大学 | 一种基于空时结合的波能流资源测算方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112949220B (zh) | 2022-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112949220B (zh) | 一种波浪能资源评估方法、系统、存储介质、计算机设备 | |
Widén et al. | Variability assessment and forecasting of renewables: A review for solar, wind, wave and tidal resources | |
Hanson et al. | Pacific hindcast performance of three numerical wave models | |
Ahn et al. | Wave energy resource classification system for US coastal waters | |
Wu et al. | Development and validation of a high-resolution regional wave hindcast model for US West Coast wave resource characterization | |
Azzellino et al. | Combined exploitation of offshore wind and wave energy in the Italian seas: a spatial planning approach | |
Tracy et al. | Wind sea and swell delineation for numerical wave modeling | |
Ahn et al. | Nearshore wave energy resource characterization along the East Coast of the United States | |
Ahn et al. | Global wave energy resource classification system for regional energy planning and project development | |
Wan et al. | Wave energy assessment related to wave energy convertors in the coastal waters of China | |
Masoumi | Ocean data classification using unsupervised machine learning: Planning for hybrid wave-wind offshore energy devices | |
Li et al. | Wave energy resources assessment for the multi-modal sea state of Hawaii | |
Campos et al. | Spatial distribution of offshore wind statistics on the coast of Portugal using Regional Frequency Analysis | |
Onea et al. | Coastal impact of a hybrid marine farm operating close to the Sardinia Island | |
Hanson et al. | Wave system diagnostics for numerical wave models | |
Pedruzzi et al. | Review of mapping analysis and complementarity between solar and wind energy sources | |
Ahn et al. | Characterization of wave energy resource hotspots and dominant wave energy systems in South Korean coastal waters | |
Yang et al. | Multi-decade high-resolution regional hindcasts for wave energy resource characterization in US coastal waters | |
Ren et al. | Spatiotemporal characteristics and abrupt changes of wind speeds in the Guangdong–Hong Kong–Macau Greater Bay Area | |
Gleeson et al. | Teleconnections and extreme ocean states in the Northeast Atlantic Ocean | |
Tao et al. | Swells of the East China sea | |
Pires et al. | Coastal wind power in southern santa catarina, Brazil | |
de Araujo | Improvement of coding for solar radiation forecasting in Dili Timor Leste—A WRF case study | |
Vincent | Mesoscale wind fluctuations over Danish waters | |
Kilcher et al. | A scalable wave resource assessment methodology: Application to US waters |
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 |