CN113902321A - 风电场的微观选址评估方法和装置、计算机可读存储介质 - Google Patents
风电场的微观选址评估方法和装置、计算机可读存储介质 Download PDFInfo
- Publication number
- CN113902321A CN113902321A CN202111210478.3A CN202111210478A CN113902321A CN 113902321 A CN113902321 A CN 113902321A CN 202111210478 A CN202111210478 A CN 202111210478A CN 113902321 A CN113902321 A CN 113902321A
- Authority
- CN
- China
- Prior art keywords
- wind
- micro
- power plant
- wind power
- site selection
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 40
- 230000008569 process Effects 0.000 claims description 13
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000013145 classification model Methods 0.000 claims description 6
- 230000009191 jumping Effects 0.000 claims 1
- 238000012545 processing Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect 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
- 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
-
- 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
- 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
- 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
- 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)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Operations Research (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Pure & Applied Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Fluid Mechanics (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Wind Motors (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请提供一种风电场的微观选址评估方法和装置、计算机可读存储介质,所述方法包括:建立数据库;根据数据库中的不同区域的风数据,进行风资源分类,获得不同区域的风资源种类;根据不同区域的风资源种类及数据库,为不同区域匹配风力发电机组机型;接收外部输入的当前进行微观选址的风电场的项目信息;根据地理位置信息、不同区域的地理环境数据及不同区域的风资源种类,确定当前进行微观选址的风电场的风资源种类;根据当前进行微观选址的风电场的风资源种类及预设的配方库,确定当前进行微观选址的风电场的CFD模型的参数,配方库存储有不同区域中历史进行微观选址的风电场的项目信息及对应的CFD模型的参数。提升风资源评估的准确性。
Description
技术领域
本申请涉及风电场领域,尤其涉及一种风电场的微观选址评估方法和装置、计算机可读存储介质。
背景技术
微观选址是风电场设计的重要组成部分,通过精细化的风资源评估,配置适宜的风力发电机组的机型并确定机位点,可实现在确保机组安全性、降低成本、满足各限制性约束条件的情况下实现最佳的投资经济效益。
随着可开发的优质资源日益减少,平价上网的压力倒逼之下,风资源评估精细化成为技术发展重点之一,这点尤其体现在复杂地形和大规模风电基地项目上,对于每个机位点的风资源评估精度以及由此输入带来的载荷的单机、个性化评估日益成为各家竞争的重点和市场生命力体现。目前中国普遍使用的商业软件为Meteodyn WT、WindSim、WAsP等,其中WAsP主要用于陆上平坦地形和海上,在复杂地形的风资源计算中主要采用MeteodynWT和WindSim。商业软件有其通用性的特点,默认设置参数通常不满足实际项目精细化评估需求,需要工程师根据经验进行参数调整,更准确地评估项目所在区域的风资源,这就导致每个项目的风资源评估质量参差不齐,无法保证评估的准确性。
发明内容
本申请提供一种风电场的微观选址评估方法和装置、计算机可读存储介质。
具体地,本申请是通过如下技术方案实现的:
本申请实施例的第一方面,提供一种风电场的微观选址评估方法,包括:
建立数据库,所述数据库存储有不同区域的风数据、风力发电机组机型以及不同所述区域的地理环境数据;
根据所述数据库中的不同所述区域的风数据,进行风资源分类,获得不同所述区域的风资源种类;
根据不同所述区域的风资源种类及所述数据库中的风力发电机组机型,为不同所述区域匹配风力发电机组机型;
接收外部输入的当前进行微观选址的风电场的项目信息,所述项目信息至少包括所述当前进行微观选址的风电场的地理位置信息,所述当前进行微观选址的风电场为不同所述区域中的位置;
根据所述地理位置信息、不同所述区域的地理环境数据以及不同所述区域的风资源种类,确定所述当前进行微观选址的风电场的风资源种类;
根据所述当前进行微观选址的风电场的风资源种类及预设的配方库,确定所述当前进行微观选址的风电场的CFD模型的参数,其中,所述配方库存储有不同所述区域中历史进行微观选址的风电场的项目信息及对应的CFD模型的参数,所述参数包括所述当前进行微观选址的风电场的风力发电机组机型和CFD网格的分辨率。
本申请实施例的第二方面,提供一种风电场的微观选址评估装置,包括一个或多个处理器,用于实现第一方面中任一项所述的风电场的微观选址评估方法。
本申请实施例的第三方面,提供一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时,实现第一方面中任一项所述的风电场的微观选址评估方法。
根据本申请实施例提供的技术方案,每个地区的气候是具有一定的长期性特征的,因此可依托数据库,确定不同区域的风资源的种类以及不同区域匹配的风力发电机组的机型,这样就可以根据不同区域的风资源的种类以及不同区域匹配的风力发电机组的机型来确定当前进行微观选址的风电场的CFD(Computational Fluid Dynamics,计算流体动力学)模型的参数,确保风资源评估基准一致性,并提升风资源评估的准确性;并且,通过配方库将工程师的经验固化,提升了微观选址的效率和准确性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1是本申请一示例性实施例示出的一种风电场的微观选址评估方法的流程示意图;
图2是本申请一示例性实施例示出的一种根据当前进行微观选址的风电场的风资源种类及预设的配方库,确定当前进行微观选址的风电场的CFD模型的参数的实现过程示意图;
图3是本申请一示例性实施例示出的一种选择其中一个目标风电场的CFD模型的参数作为当前进行微观选址的风电场的CFD模型的参数的实现过程示意图;
图4是本申请一示例性实施例示出的一种选择其中一个目标风电场的CFD模型的参数作为当前进行微观选址的风电场的CFD模型的参数的实现过程示意图;
图5是本申请一示例性实施例示出的一种根据当前进行微观选址的风电场的地形复杂度、不同区域的风资源种类和风力发电机组机型,确定当前进行微观选址的风电场的CFD模型的参数的实现过程示意图;
图6是本申请一示例性实施例示出的一种风电场的微观选址评估装置的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
下面结合附图,对本申请的风电场的微观选址评估方法和装置、计算机可读存储介质进行详细说明。在不冲突的情况下,下述的实施例及实施方式中的特征可以相互组合。
图1是本申请一示例性实施例示出的一种风电场的微观选址评估方法的流程示意图;需要说明的是,本申请实施例的风电场的微观选址评估方法可应用于任意具有数据处理能力的装置上,如计算机。
参见图1,本申请实施例的风电场的微观选址评估方法可包括步骤S11~S14。
其中,在S11中,建立数据库,数据库存储有不同区域的风数据、风力发电机组机型和不同区域的地理环境数据。
在一些实施例中,不同区域可以按照行政级别划分,如不同区域可以包括全球或者一个国家的不同城市或一个国家的不同地区。在另外一些实施例中,不同区域也可以按照其他方式划分。
风数据可以包括风速、风向、风功率、极端风速、空气密度、覆冰强度、风剪切和大气稳定度中的至少一种,但不限于此。示例性的,风数据包括风速、风向、风功率、极端风速、空气密度、覆冰强度、风剪切和大气稳定度。
风力发电机组机型可以包括机组功率曲线、推力曲线、湍流等级和适宜风剪切范围中的至少一种,但不限于此。示例性的,风力发电机组机型包括机组功率曲线、推力曲线、湍流等级和适宜风剪切范围。
地理环境数据可以包括高程、粗糙度和保护区域中的至少一种,但不限于此,地理环境数据还可包括其他。
在一些实施例中,上述不同区域的风数据、风力发电机组机型和地理环境数据保存在同一个数据库中。而在另外一些实施例中,上述不同区域的风数据、风力发电机组机型和地理环境数据保存在不同的数据库中,从而方便不同数据库的使用和维护,示例性的,数据库可包括风资源数据库、机型数据库以及地理环境数据库,风资源数据库用于保存不同区域的风数据,机型数据库用于保存风力发电机组机型,地理环境数据库可用于保存不同区域的地理环境数据。具体可以选择所要建立的数据库的数量。
每一风资源种类可匹配至少一种风力发电机组机型,作为风电场的推荐机型。示例性的,每一种类的风资源可匹配一种机型。
在S12中,根据数据库中的不同区域的风数据,进行风资源分类,获得不同区域的风资源种类。
例如,可以根据不同区域的风数据中的风速、极端风速、风剪切、大气稳定度,确定所述不同区域在特定时间段内的上述风数据,再以上风数据作为神经网络分类模型的输入,训练得到所述不同区域的风资源种类,即对所述不同区域进行风资源分类。其中,特定时间段为至少一年,如此,确保风数据的季节特征。
在一些实施例中,可以根据数据库中的不同区域的风数据,采用神经网络分类模型进行风资源分类,获得不同区域的风资源种类。为确保风资源分类的准确性,神经网络分类模型可以包括SOM(Self-organizing feature Map)自组织神经网络,但不限于此;在另外一些实施例中,神经网络分类模型也可以包括其他模型。
示例性的,选择风资源数据库中的风速、极端风速、风剪切、大气稳定度,确定全国范围的上述特定时间段的风数据,将全国范围的上述特定时间段的风数据作为SOM自组织神经网络的输入,得到全国的风资源种类。
在另外一些实施例中,可以根据数据库中的不同区域的风数据,采用支持向量机或其他的分类方法进行风资源分类,获得不同区域的风资源种类。
风资源种类可以表征风资源的情况,如风速的高低,大气稳定度和/或空气密度等。
在S13中,根据不同区域的风资源种类及数据库,为不同区域匹配风力发电机组机型。
该步骤中,根据不同区域的风资源种类及数据库中的风力发电机组机型,为不同区域匹配风力发电机组机型。如此,为不同区域匹配到至少一种风力发电机组机型,作为对应区域的风电场的推荐风力发电机组机型。
在S14中,接收外部输入的当前进行微观选址的风电场的项目信息,项目信息至少包括当前进行微观选址的风电场的地理位置信息,当前进行微观选址的风电场为不同区域中的位置。
当前进行微观选址的风电场的地理位置信息可以包括当前进行微观选址的风电场的行政区域和边界信息。例如,当前进行微观选址的风电场的行政区域可包括当前进行微观选址的风电场所在省市,边界信息可包括拐点坐标。
需要说明的是,当前进行微观选址的风电场的项目信息可由用户输入。
项目信息还可以包括初始布机机位点,初始布机机位点即为在当前进行微观选址的风电场所在位置区域布设风力发电机组的位置。
当然,项目信息也不限于当前进行微观选址的风电场的地理位置信息及初始布机机位点,还可包括其他,例如居民区、保护区等不可排布机位的区域,项目信息还可以包括项目名称。
本申请实施例中,当前进行微观选址的风电场所在位置是位于上述不同区域中的。
在S15中,根据当前进行微观选址的风电场的地理位置信息、不同区域的地理环境数据以及不同区域的风资源种类,确定当前进行微观选址的风电场的风资源种类。
该步骤中,首先根据当前进行微观选址的风电场的地理位置信息以及不同区域的地理环境数据,确定当前进行微观选址的风电场在上述不同区域中的位置,例如,不同区域包括第一区域、第二区域以及第三区域,根据当前进行微观选址的风电场的地理位置信息以及不同区域的地理环境数据,确定当前进行微观选址的风电场是属于第一区域、第二区域还是第三区域中的位置。接着,根据当前进行微观选址的风电场在上述不同区域中的位置,确定当前进行微观选址的风电场的风资源种类,例如,当前进行微观选址的风电场是属于第一区域,当前进行微观选址的风电场的风资源种类则为第一区域对应的风资源种类。
在S16中,根据当前进行微观选址的风电场的风资源种类及预设的配方库,确定当前进行微观选址的风电场的CFD模型的参数,其中,配方库存储有不同区域中历史进行微观选址的风电场的项目信息及对应的CFD模型的参数,参数包括当前进行微观选址的风电场的风力发电机组机型和CFD网格的分辨率。
图2是本申请一示例性实施例示出的一种根据当前进行微观选址的风电场的风资源种类及预设的配方库,确定当前进行微观选址的风电场的CFD模型的参数的实现过程示意图,通过配方库,将工程师的经验固化,提升了微观选址的效率和准确性。参见图2,一种根据当前进行微观选址的风资源种类及预设的配方库,确定当前进行微观选址的风电场的CFD模型的参数的实现过程可以包括步骤S21~S23。
其中,在S21中,判断是否从配方库选取当前进行微观选址的风电场的CFD模型的参数。
需要说明的是,本申请实施例中,历史进行微观选址的风电场的CFD模型的参数以及当前进行微观选址的风电场的CFD模型的参数所包含的参数类型一致,例如,历史进行微观选址的风电场的CFD模型的参数以及当前进行微观选址的风电场的CFD模型的参数均分别包括风力发电机组机型和CFD网格的分辨率等。
另外,历史进行微观选址的风电场的微观选址评估方法与当前进行微观选址的风电场的微观选址评估方法相类似。
该步骤中,可通过输出提示等方式,由用户决定是否从配方库选取当前进行微观选址的风电场的CFD模型的参数。其中,当用户选择从预设的配方库选取当前进行微观选址的风电场的CFD模型的参数时,进入S22;当用户选择不从预设的配方库选取当前进行微观选址的风电场的CFD模型的参数时,进入S23。
在S22中,根据当前进行微观选址的风电场的风资源种类,从配方库中选取当前进行微观选址的风电场的CFD模型的参数。
根据当前进行微观选址的风电场的风资源种类,从配方库选取当前进行微观选址的风电场的CFD模型的参数的过程具体包括但不限于如下步骤:
(1)、根据当前进行微观选址的风电场的风资源种类,确定配方库存储的历史进行微观选址的风电场中的目标风电场,目标风电场的风资源种类与当前进行微观选址的风电场的风资源种类相同;
即目标风电场为配方库存储的历史进行微观选址的风电场中风资源种类的类型与当前进行微观选址的风电场的风资源种类的类型相同。
(2)、选择其中一个目标风电场的CFD模型的参数作为当前进行微观选址的风电场的CFD模型的参数。
可采用不同策略选择其中一个目标风电场的CFD模型的参数作为当前进行微观选址的风电场的CFD模型的参数。
例如,在一些实施例中,由用户根据当前进行微观选址的风电场和所有目标风电场来选择其中一个目标风电场的CFD模型的参数作为当前进行微观选址的风电场的CFD模型的参数,这种方式比较灵活。参见图3,一种选择其中一个目标风电场的CFD模型的参数作为当前进行微观选址的风电场的CFD模型的参数可以包括但不限于如下步骤:
S31、显示每个目标风电场的CFD模型的参数;
需要说明的是,S31是在根据当前进行微观选址的风电场的风资源种类,确定配方库存储的历史进行微观选址的风电场中的目标风电场之后,选择其中一个目标风电场的CFD模型的参数作为当前进行微观选址的风电场的CFD模型的参数之前执行的。
显示的方式可以根据需要选择,例如,在地图上标识当前进行微观选址的风电场和每个目标风电场;并在每个目标风电场的标识中显示该目标风电场和当前进行微观选址的风电场的风资源种类。地图能够直观地显示各风电场(包括当前进行微观选址的风电场和每个目标风电场)的位置,因此,这种显示相似度的方式也更加直观。
可选地,在对当前进行微观选址的风电场的CFD模型的参数进行设置时,通过信息展示界面显示所述地图,在用户输入当前进行微观选址的风电场的项目信息且确认是从配方库选取当前进行微观选址的风电场的CFD模型的参数之后,在所述地图上显示当前进行微观选址的风电场和每个目标风电场。可选地,信息展示界面可始终显示。
可选地,项目信息还包括项目名称,项目名称包括超链接,超链接与地图关联。本实施例中,在地图上标识当前进行微观选址的风电场和每个目标风电场之前,接收用户对超链接执行的操作,依据用户对超链接执行的操作跳转至当前进行微观选址的风电场对应的信息展示界面,展示界面包括地图。本实施例中,信息展示界面在用户操作超链接后进行展示,更加方便用户对比并决定是否是从配方库匹配当前进行微观选址的风电场的CFD模型的参数。
S32、根据外部输入的选择指令,确定其中一个目标风电场的CFD模型的参数作为当前进行微观选址的风电场的CFD模型的参数。
用户可以在地图上操作,选择其中一个目标风电场,以将操作选中的目标风电场的CFD模型的参数作为当前进行微观选址的风电场的CFD模型的参数。选择指令即根据用户在地图上的操作生成,该操作可以为单击、双击或者拖拽等。
在另外一些实施例中,自动匹配其中一个目标风电场的CFD模型的参数作为当前进行微观选址的风电场的CFD模型的参数,无需用户介入,自动化程度更高。参见图4,一种选择其中一个目标风电场的CFD模型的参数作为当前进行微观选址的风电场的CFD模型的参数的实现过程可包括:
S41、自动匹配其中一个目标风电场的CFD模型的参数作为所述当前进行微观选址的风电场的CFD模型的参数。
在自动匹配时,可以考虑当前进行微观选址的风电场和每个目标风电场的距离,示例性的,根据当前进行微观选址的风电场和每个目标风电场的距离,自动匹配距离当前进行微观选址的风电场最近的目标风电场的CFD模型的参数作为当前进行微观选址的风电场的CFD模型的参数。应当理解地是,自动匹配不限于考虑当前进行微观选址的风电场和每个目标风电场的距离因素,还可以考虑其他因素,如每个目标风电场的CFD模型的参数存入配方库的存储时刻,可以自动匹配存储时刻距离当前时刻最近的目标风电场的CFD模型的参数作为当前进行微观选址的风电场的CFD模型的参数。
在S23中,根据当前进行微观选址的风电场的地理位置信息以及不同区域的地理环境数据,确定当前进行微观选址的风电场的地形复杂度,并根据当前进行微观选址的风电场的地形复杂度及不同区域的风资源种类和风力发电机组机型,确定当前进行微观选址的风电场的CFD模型的参数。其中,一种根据当前进行微观选址的风电场的地理位置信息以及上述不同区域的地理环境数据,确定当前进行微观选址的风电场的地形复杂度的实现过程可以包括但不限于如下步骤:
(1)、确定当前进行微观选址的风电场的类型;
示例性的,风电场可以包括第一风电场和第二风电场这两种类型,例如,第一风电场包括海上风电场,第二风电场包括陆上风电场;当然,第一风电场、第二风电场也可包括其他类型的风电场。在另外一些实施例中,风电场也可包括至少两种其他类型的风电场。
(2)、若当前进行微观选址的风电场为第一风电场,则确定当前进行微观选址的风电场的地形复杂度为最低等级的复杂度;
本申请实施例中,每一地形复杂度对应一个CFD网格的分辨率。
示例性的,如表1,为地形复杂度与CFD网格的分辨率的关系表,其中,地形复杂度越大,表示地形越复杂。表1中,最低等级的复杂度为1,即当当前进行微观选址的风电场为第一风电场时,当前进行微观选址的风电场的地形复杂度为1,对应的CFD网格的分辨率为50*8。
表1、地形复杂度与CFD网格的分辨率的关系表
地形复杂度 | 网格分辨率(水平分辨率*垂直分辨率) |
1 | 50*8 |
2 | 50*8 |
3 | 40*4 |
4 | 30*4 |
5 | 25*4 |
(3)、若当前进行微观选址的风电场为第二风电场,则根据当前进行微观选址的风电场的地理位置信息及不同区域的地理环境数据,确定当前进行微观选址的风电场所在的区域及对应的地理环境数据;并根据当前进行微观选址的风电场所在的区域的地理环境数据,确定当前进行微观选址的风电场的地形复杂度。
可根据当前进行微观选址的风电场所在的区域的地理环境数据,采用机舱风速计法的功率特性测试,计算当前进行微观选址的风电场的地形复杂度。
地形复杂度与CFD网格的分辨率的关系可以参见表1。
参见图5,S23中根据当前进行微观选址的风电场的地形复杂度、不同区域的风资源种类和风力发电机组机型,确定当前进行微观选址的风电场的CFD模型的参数可包括如下步骤:
S51、根据当前进行微观选址的风电场的地形复杂度对应的CFD网格的分辨率,确定当前进行微观选址的风电场的CFD模型的参数中的CFD网格的分辨率;
可选地,当前进行微观选址的风电场的CFD模型的参数中的CFD网格的分辨率的大小与当前进行微观选址的风电场的地形复杂度对应的CFD网格的分辨率的大小相等;可选地,当前进行微观选址的风电场的CFD模型的参数中的CFD网格的分辨率的大小为对当前进行微观选址的风电场的地形复杂度对应的CFD网格的分辨率进行修正后获得的数值。
S52、根据当前进行微观选址的风电场所在的区域的风资源种类和风力发电机组机型,确定当前进行微观选址的风电场的CFD模型的参数中的风资源种类和风力发电机组机型。
其中,当前进行微观选址的风电场的CFD模型的参数中的风资源种类为当前进行微观选址的风电场所在的区域的风资源种类,当前进行微观选址的风电场的CFD模型的参数中的风力发电机组机型为当前进行微观选址的风电场所在的区域的风力发电机组机型。
需要说明的是,S51和S52可先后执行,如先执行S51,再执行S52,或者先执行S52,再执行S51;S51和S52也可同步执行。
其中,在当前进行微观选址的风电场的CFD模型的参数配置完成后,可以选择是否将当前进行微观选址的风电场的CFD模型的参数保存在配方库,如此,将工程师的经验固化,提升微观选址的效率和准确性。示例性的,本申请实施例的风电场的微观选址评估方法还可包括:在确定当前进行微观选址的风电场的CFD模型的参数之后,判断是否将当前进行微观选址的风电场的CFD模型的参数保存在配方库中;若接收到指示保存当前进行微观选址的风电场的CFD模型的参数的第一用户指令,则将当前进行微观选址的风电场的CFD模型的参数保存在配方库中,可供下一次进行微观选址使用;若接收到指示放弃保存当前进行微观选址的风电场的CFD模型的参数的第二用户指令,则结束当前进行微观选址的风电场的CFD模型的参数设置过程。
在一些实施例中,本申请实施例的风电场的微观选址评估方法还可包括:在确定不同区域中当前进行微观选址的风电场的CFD模型的参数之后,若接收到指示修改当前进行微观选址的风电场的CFD模型的参数的第三用户指令,则根据第三用户指令,修改当前进行微观选址的风电场的CFD模型的参数。即在当前进行微观选址的风电场的CFD模型的参数配置完成后,用户可以修改配置完成的当前进行微观选址的风电场的CFD模型的参数。
例如,当前进行微观选址的风电场的CFD模型的参数配置完成后,用户可进行修改;修改完成后,提示用户“是否将当前进行微观选址的风电场的CFD模型的参数保存进配方库”,若是,则配方库新增加一条配方,可供下一次使用;若否,则结束参数设置过程。之后用户可提交计算,进行常规微观选址处理。
以A省某一复杂地形风电场为例,风资源数据库、机型数据库、地理环境数据库建好后,可定期维护更新,上述数据库、配方库、CFD模型等已内置在同一平台上。
风资源工程师接到A省某一复杂地形风电场的微观选址任务后,打开平台,输入当前进行微观选址的风电场所在的省市、导入风电场的边界拐点坐标和初始布机机位点。
完成后,平台提示,是否要从配方库中当前进行微观选址的风电场的CFD模型的参数。
若是,则弹出配方库中各目标风电场的列表,列表中包括项目名称、位置、风场类型、平均风速、地形复杂度、大气稳定度等。项目名称包含超链接,可跳转至该当前进行微观选址的风电场对应的项目的信息展示界面,包括地图、计算结果(如地形相似度)等。用户选择其中一条后,系统自动填充CFD模型中的参数。
若否,计算该当前进行微观选址的风电场的地形复杂度后,根据当前进行微观选址的风电场的地形复杂度、不同区域的风资源种类和风力发电机组机型,确定当前进行微观选址的风电场的CFD模型的参数,系统自动填充CFD模型中的参数。
A省地形较为复杂,海拔高,空气稀薄,主导风向明显,气象灾害较多。推荐风力发电机机型为3.x、4.x,CFD网格的分辨率为30m(水平分辨率),大气稳定度为不稳定,湍流模型为双方程模型等。
系统自动完成设置后,用户可进行修改。修改完成后,提示是否保存进配方库。完成后,结束参数配置过程。最后,风资源工程师可提交计算任务,并根据计算结果撰写微观选址报告。
本申请实施例的风电场的微观选址评估方法,每个地区的气候是具有一定的长期性特征的,因此可依托数据库,确定不同区域的风资源种类以及不同区域匹配的风力发电机组机型,这样就可以根据不同区域的风资源种类以及不同区域匹配的风力发电机组机型来确定当前进行微观选址的风电场的CFD模型的参数,确保风资源评估基准一致性,并提升风资源评估的准确性;并且,通过配方库将工程师的经验固化,提升了微观选址的效率和准确性。
请参见图6,本申请实施例还提供一种风电场的微观选址评估装置,包括一个或多个处理器,用于实现第一方面中任一项的风电场的微观选址评估方法。
风电场的微观选址评估装置的实施例可以应用在任意具有数据处理功能的设备或装置上,如计算机。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。以软件实现为例,作为一个逻辑意义上的装置,是通过其所在任意具有数据处理功能的设备或装置的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言,如图6所示,为本申请风电场的微观选址评估装置所在任意具有数据处理功能的设备或装置的一种硬件结构图,除了图6所示的处理器、内部总线、内存、网络接口、以及非易失性存储器之外,实施例中装置所在的任意具有数据处理功能的设备或装置通常根据该风力发电机的实际功能,还可以包括其他硬件,对此不再赘述。
所述处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本申请实施例还提供一种风电场的微观选址评估装置,包括:
数据库建立模块,用于建立数据库,所述数据库存储有不同区域的风数据、风力发电机组机型和不同区域的地理环境数据;
分类模块,用于根据所述数据库中的不同所述区域的风数据,进行风资源分类,获得不同所述区域的风资源种类;
机型匹配模块,用于根据不同所述区域的风资源种类及所述数据库,为不同所述区域匹配风力发电机组机型;
输入模块,用于接收外部输入的当前进行微观选址的风电场的项目信息,项目信息至少包括当前进行微观选址的风电场的地理位置信息,当前进行微观选址的风电场为不同区域中的位置;
匹配模块,用于根据当前进行微观选址的风电场的地理位置信息、不同区域的地理环境数据以及不同区域的风资源种类,确定当前进行微观选址的风电场的风资源种类;
参数配置模块,用于根据当前进行微观选址的风电场的风资源种类及预设的配方库,确定当前进行微观选址的风电场的CFD模型的参数,其中,配方库存储有不同区域中历史进行微观选址的风电场的项目信息及对应的CFD模型的参数,参数包括当前进行微观选址的风电场的风力发电机组机型和CFD网格的分辨率。
本申请实施例还提供一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时,实现第一方面中任一项所述的风电场的微观选址评估方法。
所述计算机可读存储介质可以是前述任一实施例所述的任意具有数据处理功能的设备或装置的内部存储单元,例如硬盘或内存。所述计算机可读存储介质也可以是风力发电机的外部存储设备,例如所述设备上配备的插接式硬盘、智能存储卡(Smart MediaCard,SMC)、SD卡、闪存卡(Flash Card)等。进一步的,所述计算机可读存储介质还可以既包括任意具有数据处理功能的设备或装置的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述任意具有数据处理功能的设备或装置所需的其他程序和数据,还可以用于暂时地存储已经输出或者将要输出的数据。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请保护的范围之内。
Claims (16)
1.一种风电场的微观选址评估方法,其特征在于,包括:
建立数据库,所述数据库存储有不同区域的风数据、风力发电机组机型以及不同所述区域的地理环境数据;
根据所述数据库中的不同所述区域的风数据,进行风资源分类,获得不同所述区域的风资源种类;
根据不同所述区域的风资源种类及所述数据库中的风力发电机组机型,为不同所述区域匹配风力发电机组机型;
接收外部输入的当前进行微观选址的风电场的项目信息,所述项目信息至少包括所述当前进行微观选址的风电场的地理位置信息,所述当前进行微观选址的风电场为不同所述区域中的位置;
根据所述地理位置信息、不同所述区域的地理环境数据以及不同所述区域的风资源种类,确定所述当前进行微观选址的风电场的风资源种类;
根据所述当前进行微观选址的风电场的风资源种类及预设的配方库,确定所述当前进行微观选址的风电场的CFD模型的参数,其中,所述配方库存储有不同所述区域中历史进行微观选址的风电场的项目信息及对应的CFD模型的参数,所述参数包括所述当前进行微观选址的风电场的风力发电机组机型和CFD网格的分辨率。
2.根据权利要求1所述的风电场的微观选址评估方法,其特征在于,所述根据所述当前进行微观选址的风电场的风资源种类及预设的配方库,确定所述当前进行微观选址的风电场的CFD模型的参数,包括:
判断是否从所述配方库选取所述当前进行微观选址的风电场的CFD模型的参数;
若是,则根据所述当前进行微观选址的风电场的风资源种类,从所述配方库选取所述当前进行微观选址的风电场的CFD模型的参数;
若否,则根据所述当前进行微观选址的风电场的地理位置信息以及不同所述区域的地理环境数据,确定所述当前进行微观选址的风电场的地形复杂度,并根据所述当前进行微观选址的风电场的地形复杂度及不同所述区域的风资源种类和风力发电机组机型,确定所述当前进行微观选址的风电场的CFD模型的参数。
3.根据权利要求2所述的风电场的微观选址评估方法,其特征在于,
根据所述当前进行微观选址的风电场的风资源种类,从所述配方库选取所述当前进行微观选址的风电场的CFD模型的参数,包括:
根据所述当前进行微观选址的风电场的风资源种类,确定所述配方库存储的历史进行微观选址的风电场中的目标风电场,所述目标风电场的风资源种类与所述当前进行微观选址的风电场的风资源种类相同;
选择其中一个目标风电场的CFD模型的参数作为所述当前进行微观选址的风电场的CFD模型的参数。
4.根据权利要求3所述的风电场的微观选址评估方法,其特征在于,所述根据所述当前进行微观选址的风电场的风资源种类,确定所述配方库存储的历史进行微观选址的风电场中的目标风电场之后,选择其中一个目标风电场的CFD模型的参数作为所述当前进行微观选址的风电场的CFD模型的参数之前,还包括:
显示每个目标风电场的CFD模型的参数;
所述选择其中一个目标风电场的CFD模型的参数作为所述当前进行微观选址的风电场的CFD模型的参数,包括:
根据外部输入的选择指令,确定其中一个目标风电场的CFD模型的参数作为所述当前进行微观选址的风电场的CFD模型的参数。
5.根据权利要求4所述的风电场的微观选址评估方法,其特征在于,所述显示每个目标风电场的CFD模型的参数,包括:
在地图上标识所述当前进行微观选址的风电场和每个目标风电场;
并在每个目标风电场的标识中显示该目标风电场和所述当前进行微观选址的风电场的风资源种类。
6.根据权利要求5所述的风电场的微观选址评估方法,其特征在于,所述项目信息还包括项目名称,所述项目名称包括超链接,所述超链接与所述地图关联;
所述在地图上标识所述当前进行微观选址的风电场和每个目标风电场之前,还包括:
接收用户对所述超链接执行的操作;
跳转至所述当前进行微观选址的风电场对应的信息展示界面,所述展示界面包括所述地图。
7.根据权利要求3所述的风电场的微观选址评估方法,其特征在于,所述选择其中一个目标风电场的CFD模型的参数作为所述当前进行微观选址的风电场的CFD模型的参数,包括:
自动匹配其中一个目标风电场的CFD模型的参数作为所述当前进行微观选址的风电场的CFD模型的参数。
8.根据权利要求2所述的风电场的微观选址评估方法,其特征在于,
所述根据所述当前进行微观选址的风电场的地理位置信息以及不同所述区域的地理环境数据,确定所述当前进行微观选址的风电场的地形复杂度,包括:
确定所述当前进行微观选址的风电场的类型;
若所述当前进行微观选址的风电场为第一风电场,则确定所述当前进行微观选址的风电场的地形复杂度为最低等级的复杂度;
若所述当前进行微观选址的风电场为第二风电场,则根据所述当前进行微观选址的风电场的地理位置信息及不同所述区域的地理环境数据,确定所述当前进行微观选址的风电场所在的区域及对应的地理环境数据;
根据所述当前进行微观选址的风电场所在的区域的地理环境数据,确定所述当前进行微观选址的风电场的地形复杂度;
其中,每一地形复杂度对应一个CFD网格的分辨率。
9.根据权利要求8所述的风电场的微观选址评估方法,其特征在于,所述第一风电场包括海上风电场,所述第二风电场包括陆上风电场;和/或,所述根据所述当前进行微观选址的风电场的地形复杂度及不同所述区域的风资源种类和风力发电机组机型,确定所述当前进行微观选址的风电场的CFD模型的参数,包括:
根据所述当前进行微观选址的风电场的地形复杂度对应的CFD网格的分辨率,确定所述当前进行微观选址的风电场的CFD模型的参数中的CFD网格的分辨率;
根据所述当前进行微观选址的风电场所在的区域的风资源种类和风力发电机组机型,确定所述当前进行微观选址的风电场的CFD模型的参数中的风资源种类和风力发电机组机型。
10.根据权利要求2所述的风电场的微观选址评估方法,其特征在于,所述当前进行微观选址的风电场的地理位置信息包括所述当前进行微观选址的风电场的行政区域和边界信息;和/或,
所述确定当前进行微观选址的风电场的CFD模型的参数之后,还包括:
判断是否将所述当前进行微观选址的风电场的CFD模型的参数保存在所述配方库中;
若接收到指示保存所述当前进行微观选址的风电场的CFD模型的参数的第一用户指令,则将所述当前进行微观选址的风电场的CFD模型的参数保存在所述配方库中;
若接收到指示放弃保存所述当前进行微观选址的风电场的CFD模型的参数的第二用户指令,则结束所述当前进行微观选址的风电场的CFD模型的参数设置过程。
11.根据权利要求1所述的风电场的微观选址评估方法,其特征在于,所述确定当前进行微观选址的风电场的CFD模型的参数之后,还包括:
若接收到指示修改所述当前进行微观选址的风电场的CFD模型的参数的第三用户指令,则根据所述第三用户指令,修改当前进行微观选址的风电场的CFD模型的参数。
12.根据权利要求1所述的风电场的微观选址评估方法,其特征在于,根据所述数据库中的不同所述区域的风数据,进行风资源分类,获得不同所述区域的风资源的种类,包括:
根据所述数据库中的不同所述区域的风数据,采用神经网络分类模型进行风资源分类,获得不同所述区域的风资源的种类。
13.根据权利要求12所述的风电场的微观选址评估方法,其特征在于,所述神经网络分类模型包括SOM自组织神经网络。
14.根据权利要求1所述的风电场的微观选址评估方法,其特征在于,所述风数据包括风速、风向、风功率、极端风速、空气密度、覆冰强度、风剪切和大气稳定度中的至少一种;和/或,所述机型包括机组功率曲线、推力曲线、湍流等级和适宜风剪切范围中的至少一种;和/或,
所述数据库包括风资源数据库、机型数据库和地理环境数据库,所述风资源数据库用于保存不同所述区域的风数据,所述机型数据库用于保存风力发电机组机型,所述地理环境数据库用于保存不同所述区域的地理环境数据。
15.一种风电场的微观选址评估装置,其特征在于,包括一个或多个处理器,用于实现权利要求1-14中任一项所述的风电场的微观选址评估方法。
16.一种计算机可读存储介质,其特征在于,其上存储有程序,该程序被处理器执行时,实现权利要求1-14中任一项所述的风电场的微观选址评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111210478.3A CN113902321A (zh) | 2021-10-18 | 2021-10-18 | 风电场的微观选址评估方法和装置、计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111210478.3A CN113902321A (zh) | 2021-10-18 | 2021-10-18 | 风电场的微观选址评估方法和装置、计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113902321A true CN113902321A (zh) | 2022-01-07 |
Family
ID=79192526
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111210478.3A Pending CN113902321A (zh) | 2021-10-18 | 2021-10-18 | 风电场的微观选址评估方法和装置、计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113902321A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115049317A (zh) * | 2022-08-12 | 2022-09-13 | 中国长江三峡集团有限公司 | 一种风力资源评估工具的选择方法、装置及电子设备 |
CN115564161A (zh) * | 2022-03-23 | 2023-01-03 | 师亚琦 | 一种智慧电网发电设施工程项目建设评估分析方法 |
CN117764369A (zh) * | 2024-02-22 | 2024-03-26 | 深圳润世华软件和信息技术服务有限公司 | 风电业务请求的响应方法、设备及存储介质 |
-
2021
- 2021-10-18 CN CN202111210478.3A patent/CN113902321A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115564161A (zh) * | 2022-03-23 | 2023-01-03 | 师亚琦 | 一种智慧电网发电设施工程项目建设评估分析方法 |
CN115564161B (zh) * | 2022-03-23 | 2023-11-17 | 甘肃电通电力工程设计咨询有限公司 | 一种智慧电网发电设施工程项目建设评估分析方法 |
CN115049317A (zh) * | 2022-08-12 | 2022-09-13 | 中国长江三峡集团有限公司 | 一种风力资源评估工具的选择方法、装置及电子设备 |
CN115049317B (zh) * | 2022-08-12 | 2022-10-21 | 中国长江三峡集团有限公司 | 一种风力资源评估工具的选择方法、装置及电子设备 |
CN117764369A (zh) * | 2024-02-22 | 2024-03-26 | 深圳润世华软件和信息技术服务有限公司 | 风电业务请求的响应方法、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113902321A (zh) | 风电场的微观选址评估方法和装置、计算机可读存储介质 | |
Kazak et al. | Challenges in the wind turbines location process in Central Europe–The use of spatial decision support systems | |
Nedjari et al. | Optimal windy sites in Algeria: Potential and perspectives | |
US20220309201A1 (en) | Artificial-intelligence-assisted method for providing urban design form and layout with improved wind environment | |
Haylock et al. | Downscaling heavy precipitation over the United Kingdom: a comparison of dynamical and statistical methods and their future scenarios | |
Lavalle et al. | A high resolution land use/cover modelling framework for Europe: Introducing the EU-ClueScanner100 model | |
CN107194139A (zh) | 大气污染源分级方法及计算设备 | |
Masseran | Integrated approach for the determination of an accurate wind-speed distribution model | |
CN104185851A (zh) | 用于项目的高性能设计的方法和设备 | |
CN110322038B (zh) | 基于中尺度数据的风机自动排布的方法和设备 | |
CN104899446A (zh) | 基于数据驱动的脉动风速模拟方法 | |
US20130103617A1 (en) | Computer-Implemented Systems And Methods For Forecasting And Estimation Using Grid Regression | |
Minaeian et al. | Exploring economy of small communities and households by investing on harnessing wind energy in the province of Sistan-Baluchestan in Iran | |
CN115878872B (zh) | 一种施工进度可视化方法和系统 | |
KR20140021179A (ko) | 일사량 예측 방법 및 장치 | |
CN115062823A (zh) | 一种基于土地利用的二氧化碳排放预测方法及装置 | |
US20240003249A1 (en) | Systems and methods for estimating well parameters and drilling wells | |
CN112700349B (zh) | 测风塔选址方法和装置 | |
CN115585783A (zh) | 一种基于物联网的建筑物沉降长期监测系统及方法 | |
KR101390751B1 (ko) | 태양에너지의 경제성 분석 방법 및 컴퓨터로 판독 가능한 기록매체 | |
CN116992628A (zh) | 一种用于露天矿厂的建模方法 | |
CN111382921B (zh) | 海上风力发电机组的任务匹配方法、存储介质及计算装置 | |
CN115731560A (zh) | 一种基于深度学习的槽线识别方法、装置、存储介质及终端 | |
CN108985493A (zh) | 一种基于自适应可变滤镜的地类变化预测方法 | |
Annisa et al. | Analysis and Projections of Rainfall using representative concentration pathways (RCPs) Scenarios in Sleman Yogyakarta |
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 |