CN114139391A - 基于分离涡湍流模型的风能资源评估方法、装置及存储介质 - Google Patents
基于分离涡湍流模型的风能资源评估方法、装置及存储介质 Download PDFInfo
- Publication number
- CN114139391A CN114139391A CN202111470919.3A CN202111470919A CN114139391A CN 114139391 A CN114139391 A CN 114139391A CN 202111470919 A CN202111470919 A CN 202111470919A CN 114139391 A CN114139391 A CN 114139391A
- Authority
- CN
- China
- Prior art keywords
- wind
- power plant
- energy resource
- wind speed
- resource assessment
- 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 53
- 238000000926 separation method Methods 0.000 title claims abstract description 29
- 238000004088 simulation Methods 0.000 claims abstract description 12
- 230000001133 acceleration Effects 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000004590 computer program Methods 0.000 claims description 17
- 238000005259 measurement Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000012876 topography Methods 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 abstract description 4
- 238000010248 power generation Methods 0.000 abstract description 3
- 229910052799 carbon Inorganic materials 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012950 reanalysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000009466 transformation Effects 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
-
- 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]
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于分离涡湍流模型的风能资源评估方法、装置及存储介质，属于新能源发电技术领域。首先对风电场内特定点位的风速序列进行数据处理，获得指定高度处各风向扇区的各风速段对应的概率，继而对风电场场址区的实测地形图进行外延扩展，得到外延地形图后进行网格划分生成结构网格或非结构网格并作为输入信息，以测风塔测得的风速和风切变指数拟合风廓线作为入口边界条件，采用分离涡方法分风向扇区进行数值模拟，利用得到的各风向扇区的各风速段对应的概率和各风向扇区的风速加速比，计算整个风电场场址区的风速及对应的概率及风电场场址区风能资源分布情况。能够在计算量可控的前提下，实现复杂山地风电场风能资源的高精度评估。
Description
技术领域
本发明属于新能源发电技术领域，具体涉及一种基于分离涡湍流模型的风能资源评估方法、装置及存储介质。
背景技术
随着近年来各国均提出“碳达峰碳中和”的减排目标，全世界的能源电力系统将会发生深刻的变化，以化石能源作为基础的能源消费体系将逐渐被清洁低碳的可再生能源改变。就发电领域来说，成本低廉的煤炭一直占据着主导能源角色，尽管经过多轮环保改造后，煤电污染已大幅降低，然而“双碳”目标设定后，煤电在电力系统中的主导地位将逐步被可再生能源替代，其中当前成本较低的风电将占据很大的部分。
为了实现风电的高效开发，必须先对特定场址的风能资源进行详细评估。经过大量的学术研究和工程实践，研究人员开发了不同的风资源评估方法。在风电发展早期，风电场主要建设在较为平坦的高风速区域，基于风电场内设立的测风塔获取的测风数据，利用线性风模型对拟立风机位置外推，即可对全场的风能资源进行较为准确地评估，这一阶段工程应用中主要采用丹麦科技大学开发的WAsP风资源评估软件。随着风电的大规模发展，开发区域逐渐从条件较好的平坦地形区域进入复杂山地区域，此时风电场的内部流动更为复杂，地形与流场相互作用使得流动由附着流转变为分离流，线性外推模型已无法满足风资源评估的要求。目前主要采用基于计算流体力学方法的风资源评估方法，如工程中广泛采用的MeteoDyn WT和WindSim软件。计算流体力学方法可以采用不同的方法求解Navier-Stokes方程，其中湍流的求解方法主要有基于涡粘方法的雷诺平均法(RANS)、分离涡方法(DES)、大涡模拟法(LES)和直接数值模拟法(DNS)。MeteoDyn WT采用一方程RANS模型求解流动方程，WindSim软件采用两方程RANS模型求解，两款主流商业软件均采用定常方法进行计算，对于较为简单的山地地形能实现很好地模拟，对于地形变化大的复杂山地风电场流场模拟存在较大的误差。从当前可用的计算资源来看，大规模推广大涡模拟方法和直接数值模拟方法并不现实。
发明内容
为了解决上述问题，本发明的目的在于提供一种基于分离涡湍流模型的风能资源评估方法、装置及存储介质，能够在计算量可控的前提下，实现复杂山地风电场风能资源的高精度评估。
本发明是通过以下技术方案来实现：
一种基于分离涡湍流模型的风能资源评估方法，包括：
S1：获取风电场内特定点位的风速序列和风电场场址区的实测地形图；
S2：对S1获取的风电场内特定点位的风速序列进行数据处理，获得指定高度处各风向扇区的各风速段对应的概率；
S3：对S1获取的风电场场址区的实测地形图进行外延扩展，得到包含风电场场址区的外延地形图；
S4：对S3得到的外延地形图进行网格划分，生成结构网格或非结构网格；
S5：以S4生成的结构网格或非结构网格作为输入信息，以测风塔测得的风速和风切变指数拟合风廓线作为入口边界条件，采用分离涡方法分风向扇区进行数值模拟，得到各风向扇区的风速加速比；
S6：利用S2得到的各风向扇区的各风速段对应的概率和S5得到的各风向扇区的风速加速比，计算整个风电场场址区的风速及对应的概率；
S7：利用S6得到的整个风电场场址区的风速及对应的概率，计算风电场场址区风能资源分布情况。
优选地，S1中，风电场内特定点位的风速序列通过风电项目前期测风数据或中尺度格点数据获取。
优选地，S1中，风电场场址区的实测地形图通过现场测绘获取。
优选地，S2中，数据处理包括对风速序列进行订正和对缺测数据进行插补。
优选地，S3中，外延扩展具体包括，通过公开的地形数据库按照风电场所在位置下载相应的地形数据，对S1获取的风电场场址区的实测地形图进行外延扩展。
优选地，S3中，外延地形图为长方形、圆形或椭圆形。
优选地，S3中，外延地形图的边界与实测地形图的最小距离≥5km。
优选地，S4中，网格划分通过网格生成软件或基于网格生成算法的相关程序进行。
本发明公开了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，处理器执行计算机程序时实现上述的基于分离涡湍流模型的风能资源评估方法的步骤。
本发明公开了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述的基于分离涡湍流模型的风能资源评估方法的步骤。
与现有技术相比，本发明具有以下有益的技术效果：
本发明公开的基于分离涡湍流模型的风能资源评估方法，考虑到对于平坦地形风电场来说，风场流动基本为附着流，采用雷诺平均模型的湍流模拟方法能较好地模拟流动细节，实现风资源的精确评估。对于山地风电场，经过山顶后的流场会出现分离和再附等复杂流动现象，导致现有采用雷诺平均模型的风资源评估方法得出的结果与实际偏离较大。因此本发明采用分离涡湍流模型模拟风场流动，能更好的捕捉山地风电场条件下流动分离现象，提高整个风电场数值仿真的计算精度，进而提高风能资源评估的精度，能实现复杂山地风电场风能资源的高精度评估。
附图说明
图1为本发明的方法流程图。
具体实施方式
下面以附图和具体实施例对本发明做进一步的详细说明，所述是对本发明的解释而不是限定。
如图1，本发明的基于分离涡湍流模型的风能资源评估方法，包括：
S1：获取风电场内特定点位的风速序列和风电场场址区的实测地形图；风电场内特定点位的风速序列通过风电项目前期测风数据或中尺度格点数据获取；风电场场址区的实测地形图通过现场测绘获取。
S2：对S1获取的风电场内特定点位的风速序列进行数据处理，获得指定高度处各风向扇区的各风速段对应的概率；数据处理包括对风速序列进行订正和对缺测数据进行插补。
S3：对S1获取的风电场场址区的实测地形图进行外延扩展，得到包含风电场场址区的外延地形图；外延扩展具体包括，通过公开的地形数据库按照风电场所在位置下载相应的地形数据，对S1获取的风电场场址区的实测地形图进行外延扩展；外延地形图为长方形、圆形或椭圆形；外延地形图的边界与实测地形图的最小距离≥5km。
S4：对S3得到的外延地形图进行网格划分，生成结构网格或非结构网格；网格划分通过网格生成软件或基于网格生成算法的相关程序进行。
S5：以S4生成的结构网格或非结构网格作为输入信息，以测风塔测得的风速和风切变指数拟合风廓线作为入口边界条件，采用分离涡方法分风向扇区进行数值模拟，得到各风向扇区的风速加速比。
S6：利用S2得到的各风向扇区的各风速段对应的概率和S5得到的各风向扇区的风速加速比，计算整个风电场场址区的风速及对应的概率。
S7：利用S6得到的整个风电场场址区的风速及对应的概率，计算风电场场址区风能资源分布情况。
下面以一个具体实施例来对本发明进行进一步的解释说明：
步骤1：某风电场工程项目前期设立了一座测风塔，塔高120m，在10m、30m、50m、80m、100m和120m高度布置了风速测量设备，并测量了一个完整年的风速时间序列。某设计院对风电场场址区进行了实地勘测，获取1:2000比例的实测地形图。
步骤2：依据《风电场风能资源评估方法》(GB/T 18710-2002)对步骤1获取的风速序列进行订正，采用ERA5再分析数据对缺测数据进行插补，获得120m高度处不同风向扇区的各风速段对应的概率。
步骤3：通过SRTM地形数据库下载风电项目所在位置的地形数据，对步骤1得到的地形图进行外延扩展，得到包含风电项目场址区的10km*10km地形图。
步骤4：利用步骤3得到的地形图构建计算域，垂直高度为500m。采用Pointwise软件进行网格划分，生成结构网格，在三个方向的网格点数分别为500、500和100，网格总数2500万。
步骤5：将步骤4生成的网格导入OpenFOAM软件，设定120m高度风速为10m/s，并利用测风塔计算的风切变拟合出指数风廓线。以上述作为入口边界条件，采用分离涡方法分16个风向扇区进行数值模拟，得到各风向扇区的风速加速比。
步骤6：利用步骤5得到的各扇区加速比和步骤2得到的各风速段概率，推算整个风电场场址区的风速及对应的概率；
步骤7：利用步骤6得到的风速和相应概率，计算风电场场址区风能资源分布情况。
本发明还提供一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明所述基于分离涡湍流模型的风能资源评估方法的步骤。
本发明基于分离涡湍流模型的风能资源评估方法可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本发明基于分离涡湍流模型的风能资源评估方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。
基于这样的理解，在示例性实施例中，还提供了一种计算机可读存储介质，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于该计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。其中，所述计算机存储介质可以是计算机能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD))等。
在示例性实施例中，还提供计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述基于分离涡湍流模型的风能资源评估方法的步骤。处理器可能是中央处理单元(CentralProcessingUnit，CPU)，还可以是其他通用处理器、数字信号处理器(DigitalSignalProcessor、DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现成可编程门阵列(Field-ProgrammableGateArray，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。
需要说明的是，以上所述仅为本发明实施方式的一部分，根据本发明所描述的系统所做的等效变化，均包括在本发明的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实例做类似的方式替代，只要不偏离本发明的结构或者超越本权利要求书所定义的范围，均属于本发明的保护范围。
Claims (10)
1.一种基于分离涡湍流模型的风能资源评估方法，其特征在于，包括：
S1：获取风电场内特定点位的风速序列和风电场场址区的实测地形图；
S2：对S1获取的风电场内特定点位的风速序列进行数据处理，获得指定高度处各风向扇区的各风速段对应的概率；
S3：对S1获取的风电场场址区的实测地形图进行外延扩展，得到包含风电场场址区的外延地形图；
S4：对S3得到的外延地形图进行网格划分，生成结构网格或非结构网格；
S5：以S4生成的结构网格或非结构网格作为输入信息，以测风塔测得的风速和风切变指数拟合风廓线作为入口边界条件，采用分离涡方法分风向扇区进行数值模拟，得到各风向扇区的风速加速比；
S6：利用S2得到的各风向扇区的各风速段对应的概率和S5得到的各风向扇区的风速加速比，计算整个风电场场址区的风速及对应的概率；
S7：利用S6得到的整个风电场场址区的风速及对应的概率，计算风电场场址区风能资源分布情况。
2.如权利要求1所述的基于分离涡湍流模型的风能资源评估方法，其特征在于，S1中，风电场内特定点位的风速序列通过风电项目前期测风数据或中尺度格点数据获取。
3.如权利要求1所述的基于分离涡湍流模型的风能资源评估方法，其特征在于，S1中，风电场场址区的实测地形图通过现场测绘获取。
4.如权利要求1所述的基于分离涡湍流模型的风能资源评估方法，其特征在于，S2中，数据处理包括对风速序列进行订正和对缺测数据进行插补。
5.如权利要求1所述的基于分离涡湍流模型的风能资源评估方法，其特征在于，S3中，外延扩展具体包括，通过公开的地形数据库按照风电场所在位置下载相应的地形数据，对S1获取的风电场场址区的实测地形图进行外延扩展。
6.如权利要求1所述的基于分离涡湍流模型的风能资源评估方法，其特征在于，S3中，外延地形图为长方形、圆形或椭圆形。
7.如权利要求1所述的基于分离涡湍流模型的风能资源评估方法，其特征在于，S3中，外延地形图的边界与实测地形图的最小距离≥5km。
8.如权利要求1所述的基于分离涡湍流模型的风能资源评估方法，其特征在于，S4中，网格划分通过网格生成软件或基于网格生成算法的相关程序进行。
9.一种计算机设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述的基于分离涡湍流模型的风能资源评估方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的基于分离涡湍流模型的风能资源评估方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111470919.3A CN114139391B (zh) | 2021-12-03 | 2021-12-03 | 基于分离涡湍流模型的风能资源评估方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111470919.3A CN114139391B (zh) | 2021-12-03 | 2021-12-03 | 基于分离涡湍流模型的风能资源评估方法、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114139391A true CN114139391A (zh) | 2022-03-04 |
| CN114139391B CN114139391B (zh) | 2024-08-27 |
Family
ID=80387888
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111470919.3A Active CN114139391B (zh) | 2021-12-03 | 2021-12-03 | 基于分离涡湍流模型的风能资源评估方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114139391B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115204709A (zh) * | 2022-07-26 | 2022-10-18 | 中国气象局上海台风研究所(上海市气象科学研究所) | 一种便于风电场选址的台风风险评估方法 |
| CN117151352A (zh) * | 2023-11-01 | 2023-12-01 | 北京大学长沙计算与数字经济研究院 | 风资源评估方法、系统及计算机存储介质和终端设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104699936A (zh) * | 2014-08-18 | 2015-06-10 | 沈阳工业大学 | 基于cfd短期风速预测风电场的扇区管理方法 |
| US20200311835A1 (en) * | 2018-03-29 | 2020-10-01 | Beijing Goldwind Science & Creation Windpower Equipment Co., Ltd. | Mesoscale data-based automatic wind turbine layout method and device |
| CN112949227A (zh) * | 2021-03-30 | 2021-06-11 | 中国华能集团清洁能源技术研究院有限公司 | 适用于复杂地形风场湍流强度确定方法、系统、设备及存储介质 |
-
2021
- 2021-12-03 CN CN202111470919.3A patent/CN114139391B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104699936A (zh) * | 2014-08-18 | 2015-06-10 | 沈阳工业大学 | 基于cfd短期风速预测风电场的扇区管理方法 |
| US20200311835A1 (en) * | 2018-03-29 | 2020-10-01 | Beijing Goldwind Science & Creation Windpower Equipment Co., Ltd. | Mesoscale data-based automatic wind turbine layout method and device |
| CN112949227A (zh) * | 2021-03-30 | 2021-06-11 | 中国华能集团清洁能源技术研究院有限公司 | 适用于复杂地形风场湍流强度确定方法、系统、设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 曾利华等: "基于多重参考模型的风电场风机尾流模拟", 电力建设, vol. 36, no. 08, 31 August 2015 (2015-08-31), pages 135 - 140 * |
| 梁思超;张晓东;康顺;康雅兰;赵永锋;: "基于数值模拟的复杂地形风场风资源评估方法", 空气动力学学报, no. 03, 15 June 2012 (2012-06-15) * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115204709A (zh) * | 2022-07-26 | 2022-10-18 | 中国气象局上海台风研究所(上海市气象科学研究所) | 一种便于风电场选址的台风风险评估方法 |
| CN117151352A (zh) * | 2023-11-01 | 2023-12-01 | 北京大学长沙计算与数字经济研究院 | 风资源评估方法、系统及计算机存储介质和终端设备 |
| CN117151352B (zh) * | 2023-11-01 | 2024-01-30 | 北京大学长沙计算与数字经济研究院 | 风资源评估方法、系统及计算机存储介质和终端设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114139391B (zh) | 2024-08-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Boudia et al. | Wind resource assessment in Algeria | |
| AU2017352549B2 (en) | Method and device for calculating power generation of wind farm | |
| CN108983320B (zh) | 一种沿海台风极值风速的数值天气预报-人工智能耦合预测方法 | |
| CN102663251B (zh) | 基于计算流体力学模型的风电场功率物理预测方法 | |
| CN102930177B (zh) | 一种基于精细边界层模式的复杂地形风电场风速预测方法 | |
| US20190370418A1 (en) | Method and apparatus for arranging wind turbines based on rapid accessment fluid model and wake model | |
| KR101332559B1 (ko) | 전산유체역학을 이용한 대기유동장 수치모의 시스템 및 방법 | |
| Tiang et al. | Technical review of wind energy potential as small-scale power generation sources in Penang Island Malaysia | |
| Li et al. | A model-based climatology analysis of wind power resources at 100-m height over the Bohai Sea and the Yellow Sea | |
| CN114139391B (zh) | 基于分离涡湍流模型的风能资源评估方法、装置及存储介质 | |
| Coppin et al. | Wind resource assessment in Australia: a planners guide | |
| CN113205210A (zh) | 复杂地形风电场风速与功率预测方法、系统、设备及存储介质 | |
| Costa et al. | Development and validation of the Portuguese wind atlas | |
| CN112685977B (zh) | 风电场风资源非定常数值模拟方法和装置 | |
| CN110598939A (zh) | 一种提高测风效率及测风系统可靠性的方法 | |
| Cheng et al. | Wind resource assessment at mountainous wind farm: Fusion of RANS and vertical multi-point on-site measured wind field data | |
| CN109636019B (zh) | 基于神经网络算法的测风塔布置方案确定方法 | |
| CN111666725A (zh) | 一种适应非复杂地形风电场的测风塔规划选址方法及系统 | |
| CN111080003B (zh) | 一种适应复杂山地风电场的测风塔规划选址方法 | |
| CN112800697A (zh) | 风电场前期测风塔规划选址方法、系统、装置及存储介质 | |
| CN109635317B (zh) | 一种高海拔地区cfd仿真地形拓扑方法 | |
| CN114154325B (zh) | 一种定常与非定常混合风能资源评估方法及系统 | |
| CN113051845B (zh) | 在役山地风电场实时风资源可视化评估方法、系统、设备及存储介质 | |
| CN113177325A (zh) | 复杂地形下校正标准k-ε模型可调参数方法、装置及存储介质 | |
| Zhang et al. | China's future wind energy considering air density during climate change |
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 |