CN113167922A - 计算回归时段风速 - Google Patents
计算回归时段风速 Download PDFInfo
- Publication number
- CN113167922A CN113167922A CN201980076510.8A CN201980076510A CN113167922A CN 113167922 A CN113167922 A CN 113167922A CN 201980076510 A CN201980076510 A CN 201980076510A CN 113167922 A CN113167922 A CN 113167922A
- Authority
- CN
- China
- Prior art keywords
- wind
- wind speed
- storm
- group
- characteristic
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/30—Control parameters, e.g. input parameters
- F05B2270/32—Wind speeds
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/80—Devices generating input signals, e.g. transducers, sensors, cameras or strain gauges
- F05B2270/802—Calibration thereof
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Abstract
提供了一种计算与拟建风力涡轮机场所处的回归时段相关的风速的方法。该方法包括从在拟建场所处测量的风速测量结果中选择第一风暴组,并且从模拟风速中选择第二风暴组,模拟风速是来自中尺度数据集中的在测量时段期间对拟建风力涡轮机场所处的风速的估计。对第一和第二风暴组的特征风速进行比较,以确定修正系数。第三风暴组从来自扩展的中尺度数据集的扩展的模拟风速组中选择,并且修正系数被应用于第三风暴组的特征风速以提供修正的风速。与回归时段相关的风速从修正的特征风速中计算出。
Description
技术领域
本发明涉及一种方法,用于计算与拟建风力涡轮机场所处的回归时段相关的风速。
背景技术
在设计和选址风力涡轮机时,了解风力涡轮机在其寿命期间可能面临的条件是很重要的。风力涡轮机的寿命预计为20-25年,因此需要相关长期可能的天气条件的信息。
一般来说,拟建风力涡轮机场所处的本地天气测量结果无法在如此长的时间范围内得到。相反,短期的本地测量结果(如一年内的测量结果)被用来估计拟建场所在回归时段将经历的极端风速。最常见的是计算50年极端风速,即回归时段为50年的极端风速。例如,可以进行Gumbel计算,详见IEC标准61400-1。
这种计算是基于非常有限的数据集,因此可能无法提供对极端风速的准确估计。
发明内容
本发明的第一方面提供了一种计算与拟建风力涡轮机场所处的回归时段相关的风速的方法,该方法包括:
提供在测量时段期间在拟建风力涡轮机场所处测量的风速测量结果;
从风速测量结果中选择第一风暴组;
确定第一风暴组中的每个风暴的特征风速;
提供第一模拟风速组,其中第一模拟风速组是来自中尺度数据集中的对在测量时段期间在拟建风力涡轮机场所处的风速的估计;
从第一模拟风速组中选择第二风暴组;
确定第二风暴组中的每个风暴的特征风速;
将第一风暴组的特征风速与第二风暴组的特征风速进行比较,以确定修正系数;
提供扩展的模拟风速组,其中模拟风速是来自扩展的中尺度数据集中的对在扩展时段期间在拟建风力涡轮机场所处的风速的估计,并且扩展时段比测量时段具有更长的持续时间;
从扩展的模拟风速组中选择第三风暴组;
确定第三风暴组中的每个风暴的特征风速;
将修正系数应用于第三风暴组的特征风速,以提供修正的特征风速;和
根据修正的特征风速计算与回归时段相关的风速。
在一些实施方式中,确定第一、第二和/或第三风暴组中的每个风暴的特征风速可以包括确定与相应的第一、第二和/或第三风暴组中的每个风暴相关的最强风速。
在一些实施方式中,风速测量结果可以在桅杆高度测量,并且提供第一模拟风速组可以包括提供在测量时段期间的用于桅杆高度的第一模拟风速组。
在一些实施方式中,选择第二风暴组可以包括从第一模拟风速组中选择与最大风速相关的风暴。
在一些实施方式中,选择第二风暴组包括从第一模拟风速组中选择与第一风暴组对应的风暴。
在一些实施方式中,第一风暴组的数量和/或第二风暴组的数量可以在5至20之间,或10至15之间。
在一些实施方式中,第三风暴组的数量可以在10至50之间,或10至30之间。
在一些实施方式中,将第一风暴组的特征风速与第二风暴组的特征风速进行比较包括:
确定第一风暴组中的特征风速的第一平均数;
确定第二风暴组中的特征风速的第二平均数;以及
其中,确定修正系数包括计算第一平均数与第二平均数的比率。
在一些实施方式中,测量时段可以在6个月至2年之间,或9个月至15个月之间。
在一些实施方式中,扩展时段可以在10年和30年之间。
在一些实施方式中,回归时段可以在30年和75年之间,或在45年和55年之间,或为50年。
在一些实施方式中,提供风速测量结果可以包括使用一个或多个风速传感器测量拟建风力涡轮机场所处的风速。
在一些实施方式中,中尺度数据集和/或扩展的中尺度数据集可以使用非本地传感器测量结果来生成。
在一些实施方式中,计算与回归时段相关的风速可能包括将Gumbel计算应用于修正的极端风速组的风速。
在一些实施方式中,该方法可以进一步包括基于与回归时段相关的计算的风速来改变将在拟建风力涡轮机场所处建造的风力涡轮机的设计参数。
本发明的第二方面提供了一种设计风力涡轮机的方法,该方法包括:
选择风力涡轮机所定位的拟建风力涡轮机场所;
使用一个或多个风速传感器,测量在测量时段期间在拟建风力涡轮机场所处的风速;
应用第一方面的任何实施方式的方法来计算与拟建风力涡轮机的回归时段相关的风速;以及
基于与回归时段相关的风速来改变风力涡轮机的设计参数。
该方法可以进一步包括根据设计参数来建造风力涡轮机。
附图说明
现在将参照附图对本发明的实施方式进行描述,其中:
图1展示计算拟建风力涡轮机场所处的50年极端风速的常规方法。
图2展示计算与拟建风力涡轮机场所处的回归时段相关的极端风速的根据本发明的方法;以及
图3展示基于与回归时段相关的计算的极端风速来设计风力涡轮机的方法。
具体实施方式
图1展示用于确定与拟建风力涡轮机场所处的回归时段(在此情况下是50年回归时段)相关的极端风速的常规方法100。这种方法可以用于估计如果在该场所处建造,则风力涡轮机可能面临的极端风速。该信息可以用于告知有关风力涡轮机选址和建设的决策。
方法100从步骤101开始,在该步骤中,在时间段T内,在本地场所进行气象观测。在该时段期间,该场所将会经历一些风暴,每个风暴的典型特征是风速高于平均水平。这些风暴可以在气象观测中被确认出来。
在步骤102,选择具有在气象观测中确认出来的风暴的最强最大风速的第一N个风暴组。每个选定风暴的最大风速然后用于在步骤103中使用Gumbel方法来计算50年极端风速,即Vref50。国际电工委员会(IEC)标准61400-1(第6.3.2.1节)中定义了Gumbel方法。
然后,计算的Vref50用于指示在该场所建造的涡轮机在其寿命中可能经历的最大风速。涡轮机的设计和建造必须能够承受其寿命期间预期的最大风速,因此,Vref50测量结果直接反馈到风力涡轮机的设计和建造中。
常规方法100因此使用一年或更短时间中获得的数据,并外推到50年时段。测量数据长度与预测长度之间的这种巨大差异可能意味着得出的Vref50不能准确反映风力涡轮机可能面临的风速。已经发现,由风力涡轮机经历的实际风速可能与由常规方法计算的50年极端风速相差15%或更多。基于这样的Vref50测量结果建造的风力涡轮机可能不会针对其寿命期间的本地天气条件进行充分的配置。例如,基于不准确的预测来建造的涡轮机可能不足以承受其在其寿命期间遇到的实际风速;或者涡轮机可能针对其将会遇到的风而言被建造得不必要地强大,浪费资源。
本发明提供了一种计算与回归时段相关的风速(诸如50年极端风速)的替代方法。该方法使用中尺度模型以提供拟建风力涡轮机场所处的模拟风速。中尺度模型可以提供与在常规方法中使用的本地测量结果相比更长时段内的数据,减少数据时段与预测时段之间的差异。将基于本地风速测量结果的修正系数应用于中尺度模型以确保其反映本地风况。
中尺度模型数据尤其可以使用大气的数值模型得出。该模型是以数值方式解决描述大气的方程系统的软件程序。该模型是专门为解决中尺度(即2-200公里)处的天气特征而设置的。模型输出的精度和准确性足以在极端事件分析的背景中使用。数据可能覆盖15年或更长(例如从2000年开始)的时段。该模型例如可以提供具有2-5公里的间距并且具有一小时或更少的时间频率的数据点。中尺度模型可以使用来自全球测量结果或其他非本地传感器的数据来创建。中尺度模型因此是基于经过后处理的真实大气数据,但数据是利用并非针对拟建风力涡轮机场所处的天气观测获得的。
本发明的方法允许扩展的数据集被用于计算回归时段风速,并且可以提供对风力涡轮机可能面临的极端条件的与常规方法相比更准确的估计。特别是,将测量的本地数据与来自中尺度数据集的模拟风速相混合,提供本地精确的风速估计,而不必针对整个扩展时段在拟建场所进行测量。
图2展示根据本发明的计算与拟建风力涡轮机场所处的回归时段相关的风速的方法200。
在步骤201处,提供在测量时段期间在拟建风力涡轮机场所处测量的风速测量结果。
在步骤202处,从风速测量结果中选择第一风暴组。第一风暴组可以是在风速测量结果内确认的、与最强风速相关的那些风暴。正如本文所使用的,如果在事件期间的风速超过平均本地风速达预定量,并可选地达预定时间,则天气事件可以被归类为风暴。在一些实施方式中,如果天气事件期间的风速超过103公里/小时(64英里/小时),则天气事件可以被归类为风暴。
在步骤203处,确定第一风暴组中的每个风暴的特征风速。特征风速表征在相应风暴期间的风的强度,并且可以例如是在风暴期间的峰值(即最强)风速或平均风速。
步骤201-203因此基于拟建场所处的本地测量结果来提供第一风速组,该本地测量结果类似于上文讨论的方法100中使用的本地测量结果。
在步骤204处,提供第一模拟风速组。第一模拟风速组是来自中尺度数据集中的对在测量时段期间(即步骤201中提供的本地测量结果的测量时段)在拟建风力涡轮机场所处的风速的估计。中尺度数据集提供中尺度(2-200公里,或2-5公里)的模拟风速数据。
在步骤205处,从第一模拟风速组中选择第二风暴组。第二风暴组可以是在模拟风速中确认的与最强风速相关的那些风暴。
在步骤206处,为第二风暴组中的每个风暴确定特征风速。与步骤203一样,特征风速表征在每个相应风暴期间的风的强度。相同的特征风速尤其可以用于第一和第二风暴组,即如果特征风速是相应风暴的峰值风速,则第一组和第二组两者中的风暴的峰值风速都被确定。
因此,步骤204-206提供从中尺度模型中得出的第二风速组,但涵盖与本地测量结果相同的时间段。需要指出的是,步骤204-206可以在步骤201-203之前或之后执行。
然后,该方法继续使用第一组和第二风暴组以确定修正系数。修正系数用于修正中尺度模型风速,以确保它们反映拟建风力涡轮机场所处的本地条件。
在步骤207处,将第一风暴组的特征风速与第二风暴组的特征风速进行比较以确定修正系数。
在步骤208处,提供扩展的模拟风速组。扩展的模拟风速组是来自扩展的中尺度数据集中的对在扩展时段期间在拟建风力涡轮机场所处的风速的估计。扩展时段具有比本地风速测量结果和上述第一风测量结果组的测量时段更长的持续时间。第一风测量结果组可以是扩展组的子集。
在步骤209处,从扩展的模拟风速组中选择第三风暴组。第三风暴组可以是在扩展的模拟风速组内确认的与最强风速相关的那些风暴。第三风暴组可以包括与第一和第二风暴组不同的风暴数量。
在步骤210处,为第三风暴组中的每个风暴确定特征风速。与步骤203和206一样,特征风速表征在每个相应风暴期间的风的强度。相同的特征风速尤其可以用于第一、第二和第三风暴组中的每个风暴。
在步骤211处,将修正系数应用于第三风暴组中的每个特征风速以提供修正的特征风速。
最后在步骤212处,从修正的特征风速中计算出与回归时段(例如50年回归时段)相关的风速。该计算可以使用上述与常规方法100相关的Gumbel方法。然而,不是使用在有限时间段中的本地测量结果,而是将修正的特征风速输入到Gumbel方法中。这些修正的特征风速代表在扩展时段期间在本地场所处的风速,因此可以提供与回归时段相关的更准确的风速值。
应用于扩展的模拟风速组的修正系数可以是第一风暴组的特征风速与第二风暴组的特征风速的比率。特别是,将第一风暴组的特征风速与第二风暴组的特征风速进行比较可以包括确定第一风暴组中的特征风速的第一平均数和确定第二风暴组中的特征风速的第二平均数。然后,修正系数是第一平均数与第二平均数的比率。例如,可以计算第一风暴组的平均特征风速mlocal和第二风暴组的平均特征风速mmeso。然后,修正系数被计算为mlocal/mmeso。第三风暴组的特征风速通过将每个特征风速乘以修正系数来修正。
在方法200中,为每个风暴组选择的风暴尤其可以是独立的风暴。如果一风暴与其他风暴相隔预先确定的时段,例如四天,则其可以被认为是独立的。
第二风暴组(即从第一中尺度模拟风速中选择的风暴)可以被选择以与第一风暴组(即从本地测量结果中选择的风暴)相匹配。例如,可以对模拟风速进行分析以将模拟风暴在与本地测量结果中观察到的实际风暴联系起来。这允许在本地观察到的风暴和它们的模拟对应物之间进行直接比较。
备选地,可以从第二模拟风速组中选择与最大风速相关的风暴。例如,可以选择具有最高风速的十个风暴。这些风暴可能与在测量出的风速中确认的风暴相对应,也可能不对应。
为第一、第二和/或第三风暴组选择风暴可以包括在相应的测量结果/模拟风速中确认天气事件(例如,风速增加的时段),并确定哪些天气事件与风暴相对应。与最强风速相关的风暴可以通过确定与每个已确认的风暴相关的特征风速(例如,峰值风速、平均风速)来选择。因此,上述确定特征风速的步骤实际上可以在为各风暴组进行选择之前进行。
第一和/或第二风暴组可包括5至20个风暴,或10至15个风暴。这样的风暴数量可能特别适合于一年左右的测量时段。第一风暴组中的风暴数量可能与第二风暴组中的风暴数量相同,也可能不相同。
第三风暴组中的风暴数量通常大于第一和第二风暴组中的风暴数量,因为扩展的数据集可用。例如,第三风暴组可以包括10至50个风暴,或10至30个风暴。
测量时段(即在拟建场所处进行的本地测量的持续时间)可能在6个月至2年之间,或9个月至15个月之间。扩展时段可能在10年至30年之间,也可能是来自大气的中尺度数值模型中的可能的最大时段。第一测量风速组(用于选择第二风暴组),可以是扩展的中尺度模型风速的子集,其与由本地测量结果的测量时段涵盖的时间段相对应。
用于第一风暴组的本地测量结果可以由安装在场所处的本地风速传感器测量。测量可以由桅杆上的传感器在桅杆高度处进行。桅杆高度可以与拟在场所处建造的风力涡轮机的预期高度相对应。类似地,第一模拟风速组和扩展的模拟风速组中的风速可以对相同的桅杆高度进行模拟。
通过方法200计算的与回归时段相关的风速可以用于决定是否在拟建场所处安装风力涡轮机,或用于确定拟建场所处的风力涡轮机的设计参数。设计参数例如可以是建筑材料、塔架强度、塔架厚度、叶片强度和基础深度中的至少一个。例如,如果确定场所处的风力涡轮机将经历相对较高的风速,则可以通过改变其设计参数在的一个或多个来改变风力涡轮机的设计以增加其强度。
图3展示如何将该方法200纳入到设计风力涡轮机的方法300在。
方法300在步骤301处开始,在该步骤处,选择拟建风力涡轮机场所,风力涡轮机将定位在该场所处。
在步骤302处,使用一个或多个风速传感器来测量在测量时段期间在拟建风力涡轮机场所处的风速。备选地,也可以提供先前测量的本地风速。
在步骤303处,使用上述方法200将测量出的风速与来自中尺度模型中的模拟风速一起使用以计算与拟建风力涡轮机的回归时段相关的风速。
最后,在步骤304处,基于与回归时段相关的风速调节风力涡轮机的设计参数,并根据设计参数建造风力涡轮机。例如,设计参数可以是建筑材料、塔架强度、塔架厚度、叶片强度和基础深度中的至少一个。
虽然本发明在上面已经参照一个或多个优选实施方式进行了描述,但可以理解的是,在不脱离所附权利要求书中定义的本发明范围的情况下,可以进行各种改变或修改。
Claims (16)
1.一种计算与拟建风力涡轮机场所处的回归时段相关的风速的方法,所述方法包括:
提供在测量时段期间在拟建风力涡轮机场所测量的风速;
从风速测量结果中选择第一风暴组;
确定第一风暴组中的每个风暴的特征风速;
提供第一模拟风速组,其中,第一模拟风速组是来自中尺度数据集中的对在测量时段期间在拟建风力涡轮机场所处的风速的估计;
从第一模拟风速组中选择第二风暴组;
确定第二风暴组中的每个风暴的特征风速;
将第一风暴组的特征风速与第二风暴组的特征风速进行比较以确定修正系数;
提供扩展的模拟风速组,其中模拟风速是来自扩展的中尺度数据集中的对在扩展时段期间在拟建风力涡轮机场所的风速的估计,并且扩展时段具有比测量时段更长的持续时间;
从扩展的模拟风速组中选择第三风暴组;
确定第三风暴组中的每个风暴的特征风速;
将修正系数应用于第三风暴组的特征风速以提供修正的特征风速;以及
根据修正的特征风速计算与回归时段相关的风速。
2.根据权利要求1的方法,其中,确定第一、第二和/或第三风暴组中的每个风暴的特征风速包括确定与各第一、第二和/或第三风暴组中的每个风暴相关的最强风速。
3.根据权利要求1的方法,其中,风速测量结果是在桅杆高度处测量的,并且其中,提供第一模拟风速组包括提供在测量时段期间的用于桅杆高度的第一模拟风速组。
4.根据在前权利要求中任一项所述的方法,其中,选择第二风暴组包括从第一模拟风速组中选择与最大风速相关的风暴。
5.根据在前权利要求中任一项所述的方法,其中,选择第二风暴组包括从第一模拟风速组中选择与第一风暴组相对应的风暴。
6.根据在前权利要求中任一项所述的方法,其中,第一风暴组中的风暴数量和/或第二风暴组中的风暴数量在5至20之间。
7.根据在前权利要求中任一项所述的方法,其中,第三风暴组中的风暴数量在10至50之间。
8.根据在前权利要求中任一项所述的方法,其中,将第一风暴组的特征风速与第二风暴组的特征风速进行比较包括:
确定第一风暴组中的特征风速的第一平均数;
确定第二风暴组中的特征风速的第二平均数;以及
其中,确定修正系数包括计算第一平均数与第二平均数的比率。
9.根据在前权利要求中任一项所述的方法,其中,测量时段在6个月至2年之间。
10.根据在前权利要求中任一项所述的方法,其中,扩展时段在10年至30年之间。
11.根据在前权利要求中任一项所述的方法,其中,回归时段在30年至75年之间。
12.根据在前权利要求中任一项所述的方法,其中,提供风速测量结果包括使用一个或多个风速传感器测量拟建风力涡轮机场所处的风速。
13.根据在前权利要求中任一项所述的方法,其中,中尺度数据集和/或扩展的中尺度数据集使用非本地传感器测量结果来生成。
14.根据在前权利要求中任一项所述的方法,其中,计算与回归时段相关的风速包括将Gumbel计算应用于修正的极端风速组中的风速。
15.根据在前权利要求中任一项所述的方法,进一步包括基于与回归时段相关的计算的风速来改变将在拟建风力涡轮机场所处建造的风力涡轮机的设计参数。
16.一种设计和建造风力涡轮机的方法,所述方法包括:
选择拟建风力涡轮机场所,风力涡轮机被定位在所述场所处;
使用一个或多个风速传感器,测量在测量时段期间在拟建风力涡轮机场所处的风速;
应用权利要求1至14中任一项的方法来计算与拟建风力涡轮机的回归时段相关的风速;
基于与回归时段相关的风速来改变风力涡轮机的设计参数;以及
根据设计参数来建造风力涡轮机。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DKPA201870764 | 2018-11-20 | ||
DKPA201870764 | 2018-11-20 | ||
PCT/DK2019/050343 WO2020103989A2 (en) | 2018-11-20 | 2019-11-12 | Calculating a return period wind speed |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113167922A true CN113167922A (zh) | 2021-07-23 |
CN113167922B CN113167922B (zh) | 2023-02-14 |
Family
ID=68617973
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980076510.8A Active CN113167922B (zh) | 2018-11-20 | 2019-11-12 | 计算与拟建风力涡轮机场所处的回归时段相关的风速的方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11353624B2 (zh) |
EP (1) | EP3884311B1 (zh) |
CN (1) | CN113167922B (zh) |
WO (1) | WO2020103989A2 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230349359A1 (en) * | 2018-07-31 | 2023-11-02 | Alliance For Sustainable Energy, Llc | Distributed Reinforcement Learning and Consensus Control of Energy Systems |
CN113167922B (zh) | 2018-11-20 | 2023-02-14 | 维斯塔斯风力系统集团公司 | 计算与拟建风力涡轮机场所处的回归时段相关的风速的方法 |
CN113434495B (zh) * | 2021-07-09 | 2022-05-31 | 中国船舶重工集团海装风电股份有限公司 | 一种基于ArcGIS的中尺度风速数据订正方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120065886A1 (en) * | 2010-09-13 | 2012-03-15 | John Bertrand Kline | Method of evaluating wind flow based on terrain exposure and elevation |
CN103616734A (zh) * | 2013-12-11 | 2014-03-05 | 山东大学 | 大范围同步实时气象数据测量及风速风向预测系统与方法 |
CN105068148A (zh) * | 2015-07-14 | 2015-11-18 | 北京金风科创风电设备有限公司 | 风电场阵风预测方法和系统 |
JP2016200453A (ja) * | 2015-04-08 | 2016-12-01 | 株式会社Nttファシリティーズ | 気象データ推定方法および発電所立地評価方法 |
US20180045855A1 (en) * | 2016-08-15 | 2018-02-15 | International Business Machines Corporation | Correcting computer model weather forecasts using a hybrid analog method with dynamic time warping |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7228235B2 (en) * | 2005-02-01 | 2007-06-05 | Windlogics, Inc. | System and method for enhanced measure-correlate-predict for a wind farm location |
CN101684774B (zh) * | 2008-09-28 | 2012-12-26 | 通用电气公司 | 一种风力发电系统及风力发电机的测风方法 |
TWI476430B (zh) * | 2010-08-23 | 2015-03-11 | Inst Nuclear Energy Res Atomic Energy Council | 具極端風速預測功能之風能預報方法 |
CN105095589B (zh) | 2015-08-10 | 2018-07-03 | 贵州电网有限责任公司电力科学研究院 | 一种山区电网风区分布图绘制方法 |
CA3025814A1 (en) | 2016-05-31 | 2017-12-07 | Accuweather, Inc. | Method and system for predicting the impact of forecasted weather, environmental and/or geologic conditions |
CN113167922B (zh) | 2018-11-20 | 2023-02-14 | 维斯塔斯风力系统集团公司 | 计算与拟建风力涡轮机场所处的回归时段相关的风速的方法 |
-
2019
- 2019-11-12 CN CN201980076510.8A patent/CN113167922B/zh active Active
- 2019-11-12 US US17/295,805 patent/US11353624B2/en active Active
- 2019-11-12 WO PCT/DK2019/050343 patent/WO2020103989A2/en unknown
- 2019-11-12 EP EP19805891.9A patent/EP3884311B1/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120065886A1 (en) * | 2010-09-13 | 2012-03-15 | John Bertrand Kline | Method of evaluating wind flow based on terrain exposure and elevation |
CN103616734A (zh) * | 2013-12-11 | 2014-03-05 | 山东大学 | 大范围同步实时气象数据测量及风速风向预测系统与方法 |
JP2016200453A (ja) * | 2015-04-08 | 2016-12-01 | 株式会社Nttファシリティーズ | 気象データ推定方法および発電所立地評価方法 |
CN105068148A (zh) * | 2015-07-14 | 2015-11-18 | 北京金风科创风电设备有限公司 | 风电场阵风预测方法和系统 |
US20180045855A1 (en) * | 2016-08-15 | 2018-02-15 | International Business Machines Corporation | Correcting computer model weather forecasts using a hybrid analog method with dynamic time warping |
Non-Patent Citations (2)
Title |
---|
ANTANS SAUHATAS; DENISS BEZRUKOVS: "The application of stochastic differential equation models in the assessment of the economic feasibility of wind energy projects in Latvia", 《IEEE》 * |
郑星辰: "考虑风向影响的建筑结构风荷载评估与抗风设计", 《中国优秀硕士学位论文全文数据库》 * |
Also Published As
Publication number | Publication date |
---|---|
EP3884311A2 (en) | 2021-09-29 |
EP3884311B1 (en) | 2022-09-21 |
US20220026599A1 (en) | 2022-01-27 |
WO2020103989A2 (en) | 2020-05-28 |
WO2020103989A3 (en) | 2020-07-02 |
US11353624B2 (en) | 2022-06-07 |
CN113167922B (zh) | 2023-02-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113167922B (zh) | 计算与拟建风力涡轮机场所处的回归时段相关的风速的方法 | |
Kwon | Uncertainty analysis of wind energy potential assessment | |
Ray et al. | Analysis of wind shear models and trends in different terrains | |
Lee et al. | An estimation of the extreme wind speed using the Korea wind map | |
CN106526708A (zh) | 一种基于机器学习的气象强对流天气的智能预警分析方法 | |
US20070244645A1 (en) | Gas-condition predicting device and diffusion-condition predicting system | |
EP2148225A1 (en) | Method and arrangement for the forecast of wind-resources | |
Lackner et al. | Uncertainty analysis in wind resource assessment and wind energy production estimation | |
Hübler et al. | Reliability analysis of fatigue damage extrapolations of wind turbines using offshore strain measurements | |
Elkinton et al. | An investigation of wind-shear models and experimental data trends for different terrains | |
CN108368831B (zh) | 用于评估功率升级的性能影响的方法 | |
CN113094653B (zh) | 一种重建大气温度轮廓线的方法 | |
Beaucage et al. | Synthetic aperture radar satellite data for offshore wind assessment: A strategic sampling approach | |
KR101486798B1 (ko) | 기후정보 편의 보정을 위한 단계적 스케일링 방법 | |
CN111090932B (zh) | 一种适应中等复杂地形的在运风电场场地标定方法 | |
CN114829985B (zh) | 一种计算拟议风力涡轮机场址的重现期风速的方法、设计风力涡轮机的方法及构建风力涡轮机的方法 | |
Zack et al. | Application of ensemble sensitivity analysis to observation targeting for short-term wind speed forecasting in the Washington-Oregon region | |
Sun et al. | A subjective and objective evaluation of model forecasts of Sumatra squall events | |
Fischer et al. | Seasonal cycle in German daily precipitation extremes | |
Sokol et al. | Assimilation of radar reflectivity into the LM COSMO model with a high horizontal resolution | |
JP2020149209A (ja) | 残差特性推定モデル作成方法および残差特性推定モデル作成システム | |
JP4209370B2 (ja) | 気象予測方法 | |
Nielsen et al. | Calculation of wind gusts in DMI-HIRLAM | |
CN110389947A (zh) | 一种黑名单生成方法、装置、设备及介质 | |
Ghita et al. | Modeling of wind resource to the turbine hub height |
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 |