CN113283122A - 一种高边坡地形造成的风机选址风险的评估方法及系统 - Google Patents

一种高边坡地形造成的风机选址风险的评估方法及系统 Download PDF

Info

Publication number
CN113283122A
CN113283122A CN202110731423.0A CN202110731423A CN113283122A CN 113283122 A CN113283122 A CN 113283122A CN 202110731423 A CN202110731423 A CN 202110731423A CN 113283122 A CN113283122 A CN 113283122A
Authority
CN
China
Prior art keywords
high slope
terrain
wind
site
preselected
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.)
Pending
Application number
CN202110731423.0A
Other languages
English (en)
Inventor
李芊
郭辰
张立英
冯笑丹
王森
邵振州
张庆
程瑜
李家川
张国
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huaneng Clean Energy Research Institute
Huaneng Renewables Corp Ltd
Original Assignee
Huaneng Clean Energy Research Institute
Huaneng Renewables Corp Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huaneng Clean Energy Research Institute, Huaneng Renewables Corp Ltd filed Critical Huaneng Clean Energy Research Institute
Priority to CN202110731423.0A priority Critical patent/CN113283122A/zh
Publication of CN113283122A publication Critical patent/CN113283122A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/06—Wind turbines or wind farms
    • 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
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • 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
    • G06F2119/04—Ageing analysis or optimisation against ageing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Wind Motors (AREA)

Abstract

本发明公开了一种高边坡地形造成的风机选址风险的评估方法及系统，属于风电场选址技术领域。首先确定需要进行补充选址风险评估的预选机位点；然后测绘预选机位点中因施工导致高边坡现象的点位周边范围内的微地形，得到微地形高程数据；测量微地形范围内的粗糙度分布数据；对完整年测风数据中的重要风参数进行精细化计算分析，得到重要风资源参数；对该预选机位点的风资源分布数据进行精细化建模计算；最后根据计算结果，评估高边坡地形对该预选机位的风电机组发电量的影响，依据分析结果重新进行经济效益计算。本发明能够对高边坡地形对风机选址带来的风险进行系统性的评估，减少投资失误的可能性，确保项目投资的经济效益。

Description

一种高边坡地形造成的风机选址风险的评估方法及系统
技术领域
本发明属于风电场选址技术领域，具体涉及一种高边坡地形造成的风机选址风险的评估方法及系统。
背景技术
近年来，风力发电行业快速发展，随着相关补贴政策的退潮，风电项目的成功落地对相关成本管控提出了更严苛的要求。另一方面，大量风资源丰富的区域位于丘陵及山地地区，随着平原地区风电项的深度开发，新建风电项目更多的选在了复杂地形区域，这也给风电场的设计开发带来了一定的难度。在建设过程中，各业主及设计单位为了节约成本，经常将山头挖至满足风机基础平台及施工要求后就停止施工，极容易造成人造高边坡现象。而由于生态红线的进一步收紧，相关现象已越来越普遍。
而事实已经证明，位于高边坡旁特别是位于高边坡主风向下游的风机常常受这种微地形影响严重，高边坡对机组发电量及安全性的负面影响在前期风资源评估及机组选型中往往并没有被充分考虑，导致风电场并网后收益未达预期，造成了较大的投资风险。另外，现在市面上并无对高边坡地形所造成的风机选址风险的评估方法，这也加大了前期设计时进行风险评估的难度。
发明内容
为了解决上述问题，本发明提供了一种高边坡地形造成的风机选址风险的评估方法及系统，能够对高边坡地形对风机选址带来的风险进行系统性的评估，减少投资失误的可能性，确保项目投资的经济效益。
本发明是通过以下技术方案来实现：
本发明公开了一种高边坡地形造成的风机选址风险的评估方法，包括：
S1：对预选机位点所需基础施工面积进行判断，确定需要进行补充选址风险评估的预选机位点；
S2：测绘预选机位点中因施工导致高边坡现象的点位周边范围内的微地形，并得到微地形高程数据；
S3：测量微地形范围内的粗糙度分布数据；
S4：对完整年测风数据中的重要风参数进行精细化计算分析，得到重要风资源参数；
S5：利用S2得到的微地形高程数据、S3得到的粗糙度分布数据和S4得到的重要风资源参数，对该预选机位点的风资源分布数据进行精细化建模计算；
S6：根据计算结果，评估高边坡地形对该预选机位的风电机组发电量的影响。
优选地，S1中，判断是依据预选机位点地形改变造成的高边坡坡度、高边坡高度、预选机组轮毂高度和预选机位点风电机组叶片长度。
进一步优选地，具体的，需要进行补充选址风险评估的预选机位点满足：
H1-H＜10m,θ＞20°
其中，H为高边坡高度，θ为高边坡坡度；H1为预选机位点风电机组下叶尖高度，H1＝h-l，h为预选机位点风电机组轮毂高度，l为叶片长度；高边坡高度H、预选机位点风电机组下叶尖高度H1和预选机位点风电机组轮毂高度h是指以预选机位点基础为参照的相对高度。
优选地，S2中，点位周边范围是指包含该山头及风机在内的以预选机位点为圆心的圆形区域，此圆形区域半径的最小值为800m；测绘得到的微地形分辨率大于1：1000。
优选地，S3中，对于微地形范围内粗糙度在0.1以上的植被覆盖区域需要补充确定植被类型、植被高度和孔隙率参数。
优选地，S5中，精细化建模计算时要重点对使预选机位点位于背风坡的对应风向为入口边界条件进行建模计算。
优选地，S6中，评估高边坡地形对该预选机位点风电机组发电量的影响是通过S5的计算结果中不同风速段受高边坡影响后预选机位点处的风速、风向、风切变及湍流强度，依据相关数据校核机组安全性及寿命，并重新计算发电量。
本发明公开的实现上述高边坡地形造成的风机选址风险的评估方法的系统，包括地形地貌测绘单元、地表粗糙度测量单元、测风塔和计算及分析单元，地形地貌测绘单元、地表粗糙度测量单元和测风塔均与计算及分析单元连接；地形地貌测绘单元用于测绘微地形并得到微地形高程数据，地表粗糙度测量单元用于测量微地形范围内的粗糙度分布数据，测风塔用于测量完整年测风数据，计算及分析单元用于对预选机位点的风资源分布数据进行精细化建模计算。
优选地，地形地貌测绘单元包括大小平板仪、全站仪、RTK测量仪和航空摄影测量装置。
优选地，计算及分析单元包括数据处理装置和地形建模装置。
与现有技术相比，本发明具有以下有益的技术效果：
本发明公开的高边坡地形造成的风机选址风险的评估方法，首先对预选机位点所需基础施工面积进行判断，确定需要进行补充选址风险评估的预选机位点；然后测绘预选机位点中因施工导致高边坡现象的点位周边范围内的微地形，并得到微地形高程数据，测量微地形范围内的粗糙度分布数据，对完整年测风数据中的重要风参数进行精细化计算分析，得到重要风资源参数；接着利用微地形高程数据、粗糙度分布数据和重要风资源参数，对该预选机位点的风资源分布数据进行精细化建模计算；最后根据计算结果，评估高边坡地形对该预选机位的风电机组发电量的影响，依据分析结果重新进行经济效益计算。本发明能够有效地根据相关参数判断是否需要对高边坡微地形进行补充选址风险评估，并能有效地计算得出施工造成的高边坡地形对机组安全性、寿命及发电量的影响，降低了复杂地形中选址受施工地形改变影响的风险，减少了投资失误的可能性。
进一步地，点位周边范围是指包含该山头及风机在内的以预选机位点为圆心的圆形区域，此圆形区域半径的最小值为800m，以保证涵盖山头及周边影响较大的地形特征。测绘得到的微地形分辨率大于1：1000，以保证微地形的精确描述。
进一步地，对于微地形范围内粗糙度在0.1以上的植被覆盖区域需要补充确定植被类型、植被高度和孔隙率参数，以使用精细化的森林模型来评估植被覆盖对流场的影响。
进一步地，由于预选机位点位于背风坡时最易受高边坡地形影响导致机组叶轮气动不平衡，震动加剧，因此精细化建模计算时要重点对使预选机位点位于背风坡的对应风向为入口边界条件进行建模计算。
本发明公开的实现上述高边坡地形造成的风机选址风险的评估方法的系统，结构设计合理，操作简单，构建成本低，能够对高边坡地形对风机选址带来的风险进行系统性的评估。
附图说明
图1为本发明的整体构成示意图；
图2为本发明测绘得到的微地形；
图3为本发明预选机位点附近的高边坡结构图；
图4为本发明主风向上湍流强度计算模拟结果。
图中：1-地形地貌测绘单元、2-地表粗糙度测量单元、3-测风塔、4-预选机位点风电机组、5-计算及分析单元。
具体实施方式
如图1，本发明的一种高边坡地形造成的风机选址风险的评估方法，包括：
S1：对预选机位点所需基础施工面积进行判断，确定需要进行补充选址风险评估的预选机位点。
判断是依据预选机位点地形改变造成的高边坡坡度、高边坡高度、预选机组轮毂高度和预选机位点风电机组4叶片长度。具体的，需要进行补充选址风险评估的预选机位点满足：
H1-H＜10m,θ＞20°
其中，H为高边坡高度，θ为高边坡坡度；H1为预选机位点风电机组4下叶尖高度，H1＝h-l，h为预选机位点风电机组4轮毂高度，l为叶片长度；高边坡高度H、预选机位点风电机组4下叶尖高度H1和预选机位点风电机组4轮毂高度h是指以预选机位点基础为参照的相对高度。
S2：测绘预选机位点中因施工导致高边坡现象的点位周边范围内的微地形，并得到微地形高程数据。
点位周边范围是指包含该山头及风机在内的以预选机位点为圆心的圆形区域，此圆形区域半径的最小值为800m；测绘得到的微地形分辨率大于1：1000。
S3：测量微地形范围内的粗糙度分布数据。
对于微地形范围内粗糙度在0.1以上的植被覆盖区域需要补充确定植被类型、植被高度和孔隙率参数。
S4：对完整年测风数据中的重要风参数进行精细化计算分析，得到重要风资源参数；
S5：利用S2得到的微地形高程数据、S3得到的粗糙度分布数据和S4得到的重要风资源参数，对该预选机位点的风资源分布数据进行精细化建模计算。
精细化建模计算时要重点对使预选机位点位于背风坡的对应风向为入口边界条件进行建模计算。
S6：根据计算结果，评估高边坡地形对该预选机位的风电机组发电量的影响，依据分析结果重新进行经济效益计算。
评估高边坡地形对该预选机位点风电机组4发电量的影响是通过S5的计算结果中不同风速段受高边坡影响后预选机位点处的风速、风向、风切变及湍流强度，依据相关数据校核机组安全性及寿命，并重新计算发电量。
如图1，一种实现上述高边坡地形造成的风机选址风险的评估方法的系统，包括地形地貌测绘单元1、地表粗糙度测量单元2、测风塔3和计算及分析单元5，地形地貌测绘单元1、地表粗糙度测量单元2和测风塔3均与计算及分析单元5连接；地形地貌测绘单元1用于测绘微地形并得到微地形高程数据，地表粗糙度测量单元2用于测量微地形范围内的粗糙度分布数据，测风塔3用于测量完整年测风数据，计算及分析单元5用于对预选机位点的风资源分布数据进行精细化建模计算。地形地貌测绘单元1包括大小平板仪、全站仪、RTK测量仪和航空摄影测量装置。计算及分析单元5包括数据处理装置和地形建模装置，以及所需的商用CFD软件及后处理计算软件。
实施例
对某风电场址的高边坡地形所造成的风机选址风险的评估方法如下：
首先对预选机位点所需基础施工面积进行判断，依据地形改变造成的高边坡坡度、高边坡高度、预选机组轮毂高度、预选机组叶片长度来判断是否需要进行补充选址风险评估。如图3，该预选机位点是否需要进行补充选址风险评估的判断依据为：
H＝28.5m,h＝61.5m,l＝42m,H1＝h-l＝19.5m
H1-H＝-9＜10m,θ＝24°＞20°
其中，H为高边坡高度，θ为高边坡坡度，H1为机组下叶尖高度，h为预选机组轮毂高度，l为叶片长度，所有高度是指以机位点基础为参照的相对高度，故该机位点需要进行补充选址风险评估。
上述判断结果是需要进行补充选址风险评估，通过地形地貌测绘工具及施工方案确定预选机位点中因施工导致高边坡现象的点位周边一定范围内的微地形，按照相关地形，此区域半径取1500m，测绘得到的微地形分辨率为1：500。
地表粗糙度测量工具确定微地形范围内粗糙度分布数据，该范围内无粗糙度在0.1以上的植被覆盖区域。
对测风塔数据进行处理得到完整年测风数据，对重要风参数进行精细化计算分析。
参考图2，利用微地形高程数据、粗糙度分布数据和重要风资源参数使用中央计算装置对该预选机位点风资源分布数据进行精细化建模计算，进行模拟计算时要重点对使机位点位于背风坡的对应风向为入口边界条件进行建模计算，即取SSW为入口风向进行计算。
如图4，对得到的模拟计算结果进行分析，判断高边坡地形对该机位机组发电量的影响，发现机位点下叶尖处湍流强度为0.18，远远高于常规模拟计算中的0.12，为了降低了复杂地形中选址受施工地形改变影响的风险，出于安全性考虑需要对机组进行重新选型并依据分析结果重新进行经济效益计算。
需要注意的是，本发明不限于上述实施方式，本领域技术人员所做出的对上述实施方式任何显而易见的改进或变更，都不会超出本发明的构思和所附权利要求的保护范围。

Claims (10)

1.一种高边坡地形造成的风机选址风险的评估方法，其特征在于，包括：
S1：对预选机位点所需基础施工面积进行判断，确定需要进行补充选址风险评估的预选机位点；
S2：测绘预选机位点中因施工导致高边坡现象的点位周边范围内的微地形，并得到微地形高程数据；
S3：测量微地形范围内的粗糙度分布数据；
S4：对完整年测风数据中的重要风参数进行精细化计算分析，得到重要风资源参数；
S5：利用S2得到的微地形高程数据、S3得到的粗糙度分布数据和S4得到的重要风资源参数，对该预选机位点的风资源分布数据进行精细化建模计算；
S6：根据计算结果，评估高边坡地形对该预选机位的风电机组发电量的影响。
2.根据权利要求1所述的高边坡地形造成的风机选址风险的评估方法，其特征在于，S1中，判断是依据预选机位点地形改变造成的高边坡坡度、高边坡高度、预选机组轮毂高度和预选机位点风电机组(4)叶片长度。
3.根据权利要求2所述的高边坡地形造成的风机选址风险的评估方法，其特征在于，具体的，需要进行补充选址风险评估的预选机位点满足：
H1-H＜10m,θ＞20°
其中，H为高边坡高度，θ为高边坡坡度；H1为预选机位点风电机组(4)下叶尖高度，H1＝h-l，h为预选机位点风电机组(4)轮毂高度，l为叶片长度；高边坡高度H、预选机位点风电机组(4)下叶尖高度H1和预选机位点风电机组(4)轮毂高度h是指以预选机位点基础为参照的相对高度。
4.根据权利要求1所述的高边坡地形造成的风机选址风险的评估方法，其特征在于，S2中，点位周边范围是指包含该山头及风机在内的以预选机位点为圆心的圆形区域，此圆形区域半径的最小值为800m；测绘得到的微地形分辨率大于1：1000。
5.根据权利要求1所述的高边坡地形造成的风机选址风险的评估方法，其特征在于，S3中，对于微地形范围内粗糙度在0.1以上的植被覆盖区域需要补充确定植被类型、植被高度和孔隙率参数。
6.根据权利要求1所述的高边坡地形造成的风机选址风险的评估方法，其特征在于，S5中，精细化建模计算时要重点对使预选机位点位于背风坡的对应风向为入口边界条件进行建模计算。
7.根据权利要求1所述的高边坡地形造成的风机选址风险的评估方法，其特征在于，S6中，评估高边坡地形对该预选机位点风电机组(4)发电量的影响是通过S5的计算结果中不同风速段受高边坡影响后预选机位点处的风速、风向、风切变及湍流强度，依据相关数据校核机组安全性及寿命，并重新计算发电量。
8.一种实现权利要求1～7任意一项所述高边坡地形造成的风机选址风险的评估方法的系统，其特征在于，包括地形地貌测绘单元(1)、地表粗糙度测量单元(2)、测风塔(3)和计算及分析单元(5)，地形地貌测绘单元(1)、地表粗糙度测量单元(2)和测风塔(3)均与计算及分析单元(5)连接；地形地貌测绘单元(1)用于测绘微地形并得到微地形高程数据，地表粗糙度测量单元(2)用于测量微地形范围内的粗糙度分布数据，测风塔(3)用于测量完整年测风数据，计算及分析单元(5)用于对预选机位点的风资源分布数据进行精细化建模计算。
9.根据权利要求8所述的实现高边坡地形造成的风机选址风险的评估方法的系统，其特征在于，地形地貌测绘单元(1)包括大小平板仪、全站仪、RTK测量仪和航空摄影测量装置。
10.根据权利要求8所述的实现高边坡地形造成的风机选址风险的评估方法的系统，其特征在于，计算及分析单元(5)包括数据处理装置和地形建模装置。
CN202110731423.0A 2021-06-29 2021-06-29 一种高边坡地形造成的风机选址风险的评估方法及系统 Pending CN113283122A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110731423.0A CN113283122A (zh) 2021-06-29 2021-06-29 一种高边坡地形造成的风机选址风险的评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110731423.0A CN113283122A (zh) 2021-06-29 2021-06-29 一种高边坡地形造成的风机选址风险的评估方法及系统

Publications (1)

Publication Number Publication Date
CN113283122A true CN113283122A (zh) 2021-08-20

Family

ID=77286076

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110731423.0A Pending CN113283122A (zh) 2021-06-29 2021-06-29 一种高边坡地形造成的风机选址风险的评估方法及系统

Country Status (1)

Country Link
CN (1) CN113283122A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023050564A1 (zh) * 2021-09-29 2023-04-06 新疆金风科技股份有限公司 风电机组的布局位置检测方法、模型训练方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023050564A1 (zh) * 2021-09-29 2023-04-06 新疆金风科技股份有限公司 风电机组的布局位置检测方法、模型训练方法及装置

Similar Documents

Publication Publication Date Title
CN104699936B (zh) 基于计算流体力学短期风速预测的风电场扇区管理方法
Gao et al. Investigation of wind turbine performance coupling wake and topography effects based on LiDAR measurements and SCADA data
CN107292514B (zh) 风电场生产运行测风塔选址方法及装置
CN110929459B (zh) 一种复杂地形风电场测风塔选址方法
CN107153997A (zh) 一种复杂地形风电机组微观选址方法
Wang et al. Mesoscale simulations of a real onshore wind power base in complex terrain: Wind farm wake behavior and power production
Asadi et al. Wind farm site selection considering turbulence intensity
CN111967205A (zh) 一种基于风加速因子的测风塔微观选址方法
Sun et al. Experimental study on wind speeds in a complex-terrain wind farm and analysis of wake effects
CN106815771A (zh) 一种风电场载荷的长期评估方法
CN106815773A (zh) 一种风电场功率特性评估方法
CN108717593A (zh) 一种基于风轮面等效风速的微观选址发电量评估方法
CN113283122A (zh) 一种高边坡地形造成的风机选址风险的评估方法及系统
CN111080003B (zh) 一种适应复杂山地风电场的测风塔规划选址方法
CN109636019B (zh) 基于神经网络算法的测风塔布置方案确定方法
CN112700349B (zh) 测风塔选址方法和装置
CN115358606A (zh) 一种平缓地形下在役风电场能效评估方法及系统
Elamouri et al. Vertical characterization of the wind mode and its effect on the wind farm profitability of Sidi Daoud–Tunisia
Elliott Status of wake and array loss research
Pawintanathon et al. Techno-economic analysis of wind energy potential in North-Eastern of Thailand
Djerf et al. Evaluation of the software program windfarm and comparisons with measured data from alsvik
CN214954975U (zh) 一种高边坡地形风机选址参数测量系统
CN114154325A (zh) 一种定常与非定常混合风能资源评估方法及系统
CN112926212B (zh) 一种内陆平原风能资源评估方法、系统及风机选址方法
CN114722563A (zh) 一种基于ahp方法的复杂地形风电场发电量折减系数差异化取值方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination