CN114428986A - 一种无实测风速资料地区的设计风速分析方法和装置 - Google Patents

一种无实测风速资料地区的设计风速分析方法和装置 Download PDF

Info

Publication number
CN114428986A
CN114428986A CN202011180540.4A CN202011180540A CN114428986A CN 114428986 A CN114428986 A CN 114428986A CN 202011180540 A CN202011180540 A CN 202011180540A CN 114428986 A CN114428986 A CN 114428986A
Authority
CN
China
Prior art keywords
wind speed
sequence
threshold
speed data
super
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
CN202011180540.4A
Other languages
English (en)
Inventor
张洋
王晓惠
潘晓春
巫黎明
程春龙
石军
沈旭伟
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.)
China Energy Engineering Group Jiangsu Power Design Institute Co Ltd
Original Assignee
China Energy Engineering Group Jiangsu Power Design Institute Co 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 China Energy Engineering Group Jiangsu Power Design Institute Co Ltd filed Critical China Energy Engineering Group Jiangsu Power Design Institute Co Ltd
Priority to CN202011180540.4A priority Critical patent/CN114428986A/zh
Publication of CN114428986A publication Critical patent/CN114428986A/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]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Geometry (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computer Hardware Design (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Architecture (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Operations Research (AREA)
  • Algebra (AREA)
  • Civil Engineering (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Structural Engineering (AREA)
  • Evolutionary Computation (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种无实测风速资料地区的设计风速分析方法和装置，基于实测获取的风速数据模拟生成设定年限每日设定时间间隔的设定时距平均风速数据样本；从设定时距平均风速数据样本中选取日最大样本形成日最大设定时距平均风速序列；从日最大设定时距平均风速序列中选取大于预设阈值的风速样本，形成超阈值序列；采用广义Pareto分布模型拟合超阈值序列，确定尺度参数σ；基于尺度参数σ和超阈值序列每月的平均样本数获取重现期为R年的设计风速VR；对设计风速VR的取值进行合理性分析确定特定工程地区无实测风速资料地区的设计风速。本发明解决了无实测风速资料地区的设计风速取值问题，为无实测风速资料地区的工程结构抗风设计提供了支撑。

Description

一种无实测风速资料地区的设计风速分析方法和装置
技术领域
本发明涉及一种无实测风速资料地区的设计风速分析方法和装置，属于工程抗风结构设计领域。
背景技术
在工程结构抗风体系中，抗风失效风险的评估是极其重要的，而其中的重要参数——设计风速的分析计算具有举足轻重的影响。现有规程规范推荐的设计风速取值方法主要采用Gumbel频率分布模型(极值Ⅰ型)、P-III型频率分布模型，两种频率分布模型均需要至少25年的历年最大10min平均风速序列进行输入，才能满足结构抗风设计的要求。
然而，许多工程建设区域远离长期气象站，并不具备规程规范要求的25年历年最大10min平均风速序列，导致测风资料短缺地区的工程设计风速计算存在极大的困难。在海外等一些欠发达国家和地区，许多工程所在区域更是没有长期的风速观测资料，使得依赖气象站长期测风资料进行工程抗风设计的方法根本无法开展。许多工程设计人员会采用周边工程的运行经验、结构设计对设计风速进行估算，但估算成果存在很多问题，会造成工程投资的浪费，也会因已有工程的代表性不足而使工程运行期遭遇风灾。
发明内容
本发明的目的在于提供一种无实测风速资料地区的设计风速分析方法，解决无实测风速资料地区的工程设计风速取值问题，为工程结构抗风提供参考。
为实现上述技术目的，本发明采用了以下技术方案。
一方面，本发明实施例提供的一种无实测风速资料地区的设计风速分析方法，包括以下步骤：
在特定工程地区进行实测获取风速数据，基于获取的风速数据模拟生成设定年限每日设定时间间隔的设定时距平均风速数据样本；
从设定时距平均风速数据样本中选取日最大样本形成日最大设定时距平均风速序列；从日最大设定时距平均风速序列中选取大于预设阈值的风速样本，形成超阈值序列；
采用广义Pareto分布模型拟合超阈值序列，确定尺度参数σ；基于尺度参数σ和超阈值序列每月的平均样本数量λ获取重现期为R年的设计风速VR；
对设计风速VR的取值进行合理性分析确定特定工程地区无实测风速资料地区的设计风速。
具体实施例中每日设定时间间隔可采用逐小时或者根据需要来具体设定，设定时距平均风速数据样本可采用2min、5min或者10min平均风速数据样本。
优选地，预设阈值u0的确定方法如下：
Figure BDA0002750004890000021
其中
Figure BDA0002750004890000022
为日最大设定时距风速序列的平均值，S为日最大设定时距风速序列的标准差。
优选地，设计风速VR近似计算公式如下：
VR＝u0+σln(12λR)
其中u0为预设阈值，σ为采用广义Pareto分布模型拟合超阈值序列确定的尺度参数，λ为超阈值序列每月的平均样本数，λ＝n/
(12T),n为超阈值序列的样本数，T为设定年限。
优选地，对设计风速VR的取值进行合理性分析确定特定工程地区无实测风速资料地区的设计风速的具体方法如下：
用K-S拟合优度检验方法检验超越阈值系列是否符合广义Pareto分布模型，采用χ2检验方法检验每月超阈值发生次数是否服从以λ为参数的Poisson分布，根据设定置信度确定特定工程地区无实测风速资料地区的设计风速。
优选地，基于获取的风速数据模拟生成设定时距平均风速数据的方法如下：
基于实测获得的风速数据，结合ERA5再分析数据，通过中尺度WRF数值模式模拟与校验，获取最优的参数化方案，模拟生成设定时距的平均风速数据。
第二方面，本发明实施例提供的一种无实测风速资料地区的设计风速分析装置，包括：模拟数据生成模块、超阈值序列确定模块、超阈值序列拟合模块、设计风速计算模块和合理性验证模块；
所述模拟数据生成模块，用于在特定工程地区进行实测获取风速数据，基于获取的风速数据模拟生成设定年限每日设定时间间隔的设定时距平均风速数据样本；
所述超阈值序列确定模块，用于从所述模拟数据生成模块获得的设定时距平均风速数据中选取日最大样本形成日最大设定时距平均风速序列；从日最大设定时距平均风速序列中选取大于预设阈值的风速样本，形成超阈值序列；
所述超阈值序列拟合模块，用于采用广义Pareto分布模型拟合超阈值序列确定模块确定的超阈值序列，确定尺度参数σ；
所述设计风速计算模块，用于基于尺度参数σ和超阈值序列每月的平均样本数λ获取重现期为R年的设计风速VR；
所述合理性验证模块，用于对设计风速VR的取值进行合理性分析确定特定工程地区无实测风速资料地区的设计风速。
优选地，所述超阈值序列确定模块还包括预设阈值确定子模块，所述阈值确定子模块用于确定预设阈值，预设阈值u0的确定方法如下：
Figure BDA0002750004890000041
其中
Figure BDA0002750004890000042
为日最大设定时距平均风速序列的平均值，S为日最大设定时距平均风速序列的标准差。
优选地，所述设计风速计算模块确定设计风速VR近似计算公式如下：
VR＝u0+σln(12λR)
其中u0为预设阈值，σ为采用广义Pareto分布模型拟合超阈值序列确定的尺度参数σ，λ为超阈值序列中每月的平均样本数，λ＝n/(12T),n为超阈值序列的样本数，T为设定年限。
优选地，所述合理性验证模块用K-S拟合优度检验方法检验超越阈值系列是否符合广义Pareto分布模型，采用χ2检验方法检验每月超阈值发生次数是否服从以λ为参数的Poisson分布，根据设定置信度确定特定工程地区无实测风速资料地区的设计风速。
从以上技术方案可以看出，本发明实施例具有以下有益技术效果：
本发明采用统计学方法解决了测风资料年限不足时的设计风速取值问题，为测风资料短缺地区的工程结构抗风设计提供了支撑。本发明提供的计算方法可以将所需资料的年限缩短，在工程的设计前期便可进行风速的短期实测，解决了工程抗风设计依赖气象站长期测风资料的现状。
利用短期临时观测数据、ERA5全球再分析数据及数理统计方法相结合，解决无测风资料地区的设计风速计算。
附图说明
图1所示是本发明具体实施例的方法流程图；
图2所示是本发明具体实施例的观测点模拟区域设置；
图3所示是本发明具体实施例的观测点观测时段内模拟试验结果；
图4所示是本发明具体实施例某海岛气象站日最大10min平均风速变化图；
图5所示是本发明具体实施例的P-P图(概率图)；
图6所示是本发明具体实施例的Q-Q图(分位数图)。
具体实施方式
下面结合附图、实例对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
结合图1，进一步说明本发明的技术方案。
实施例一、一种无实测风速资料地区的设计风速分析方法，包括以下步骤：
在特定工程地区进行实测获取风速数据，基于获取的风速数据模拟生成时距为10min(优选不少于2年)的平均风速数据；
从10min平均风速数据中挑选日最大10min平均风速样本，形成日最大10min平均风速序列{X}；
假设日最大10min平均风速序列{Xi}，阈值为u0，从日最大风速序列中选取大于预设阈值的风速样本构成超阈值系列，则超阈值系列{X|X＞u0}，近似符合如下的GPD分布。
Figure BDA0002750004890000061
式中，u0为阈值，σ为尺度参数，且恒为正值，
Figure BDA0002750004890000062
FG(x)为GPD的分布函数，P(X≤x|X＞u0)为超阈值平均风速序列{X|X＞u0}中小于x的概率，x为任意数。
由于风速的随机性，可以认为超越阈值的风速发生也是随机的。按超阈值模型的经典假设，因此超过阈值的大风每年发生次数m为一随机变量，且服从Poisson分布：
Figure BDA0002750004890000071
式中，P(m＝k)的含义是发生次数为k时的概率，k为任意非负的整数，λ1为超过阈值每年的平均发生次数，λ1＞0。
按超阈值模型的经典假设，每年超过阈值的大风发生次数服从以λ1为参数的Poisson分布，则在R年中共发生λ1R个超过阈值的大风。对应R年一遇大风的重现期为
Figure BDA0002750004890000072
其中Pe为GPD模型设计风速对应的频率。
对应R年一遇设计风速VR可由下式计算。
VR＝u0+σln(λ1R) (4)
对于短期数据，可采用月最大风速来推算年最大风速分布，这里假定各月的月最大风速满足独立同分布的条件，此时风速的年最大分布和月最大分布满足下式：
Fa(x)＝[Fm(X)]12 (5)
其中Fa(x)和Fm(X)分别为风速年最大和月最大分布。
本发明以GPD模型为基础，λ为超过阈值u0的月平均发生次数，FG(Y)为短期风速资料的GPD分布，则得到下式，
Fm(X)＝λFG(Y) (6)
按照式(5)，以短期风速资料求解年设计风速VR，可得到下式。
Figure BDA0002750004890000073
式中σ为短期风速资料GPD模型的尺度参数。
经方程式变换得到下式：
Figure BDA0002750004890000081
考虑到R＞10时，1-(1-1/R)1/12≈1/(12R)，则得到不同年重现期的设计风速近似计算公式，如下：
VR＝u0+σln(12λR) (9)
其中序列的样本数为n，每月的平均样本数λ＝n/(12T)。
对设计风速VR的取值进行合理性分析确定特定工程地区无实测风速资料地区的设计风速。
实施例二、基于实施例一，本实施例对另一实施例提供的一种无实测风速资料地区的设计风速分析方法进行详细描述。本实施例中
基于获取的风速数据模拟生成时距为10min的平均风速数据的方法如下：
在工程地区临时架设测风仪器并进行短期实测获取风速资料，采用与国家气象站相同的质量控制措施。本例临时观测点架设在江苏西连岛，观测时间段为2020年6月1日8:00～2020年6月4日8:00。
选用的中尺度模式为美国国家大气研究中心发布的天气研究预报模式WRF4.1.5(Weather Research and Forcasting Model)，模式在水平方向采用ArakawaC网格点，垂直方向采用地形跟随质量坐标。模拟区域以西连岛站(34.7769°N，119.4481°E)为中心设计了两重嵌套网格，外层空间分辨率9公里，内层空间分辨率3公里，区域具体见图2。在区域模式垂直分辨率选择过程中，考虑垂直分层过粗，会放大地形作用，在水平方向上产生虚假重力波，引起积分不稳定或模拟偏差，分层过细，则需要更小的时间步长，计算量大，且并非能提高模拟效果，而合适的垂直分层既要考虑在边界层内和冰水混合层附近加密，有利于分辨水汽辐合和潜热释放过程，能更真实地模拟对流系统和云微物理，经过综合考虑，本例选择的垂直分层为38层，为避免计算不稳定，积分时间步长为20秒。模拟时段选取为临时观测的时间段2020年6月1日8:00～2020年6月4日8:00，单次模拟总时长为72小时，内层模拟直接输出临时观测点所在位置的10米风速，输出频率为10分钟，即为10分钟平均风，由于考虑模拟可能出现一定的时间漂移，因此通过计算整个模拟时段内的10分钟平均风最大值，来作为日最大风速的模拟值。
中尺度区域模式的运行需要提供初始场和边界条件，一般由全球模式结果或再分析资料负责提供，目前全球公开可用的性能最佳的再分析资料当属由欧洲中期天气预报中心(简称ECMWF)发布的全球气候再分析资料第5代产品(简称ERA5)，ERA5是在水平分辨率为31km、从地表开始降至0.01hPa(距地面约80km)共137模式层的情况下获取大气变量的每小时估计数据，时间分辨率为3h，空间分辨率为62km的集合再分析产品来评估大气的不确定性。此外，ERA5将更多的历史观测数据尤其是卫星数据利用到先进的数据同化和模式系统中，用以估计更为准确的大气状况，因此本实例选用ERA5数据作为模式背景场为WRF模拟提供初始场和边界条件。
根据本例的特点，确定主要对长波辐射方案，短波辐射方案、微物理过程参数化方案，陆面过程参数化方案和边界层方案进行敏感性实验和调优。各参数化方案的介绍如表1。
表1本例所用参数化方案的基本介绍
Figure BDA0002750004890000101
Figure BDA0002750004890000111
本例中设置了8套参数化方案，如表2所示。以观测时间段内最大风速11.1m/s为标准，进行参数化方案的比选。8组参数化方案对于观测时段内最大风速的模拟高低不一，有4组试验模拟的风速偏大，4组偏少。对比case1和case3的结果，两组试验参数的差异在微物理过程参数化方案，case1使用的是WSM5方案，case3使用的是WDM5方案，作为WSM5的改进方案，WDM5是双参数方案，从模拟的结果来看，两组方案模拟的风速都比观测偏小，但case3模拟的风速比case1略大，也更接近观测；对比case3和case5的结果，两组试验参数的差异在于边界层参数化方案，case3使用的是YSU方案，case5使用的是MYJ方案，MYJ方案是一种局地方案，其假设每个格点上的脉动通量完全由该格点上的物理量平均值决定，而YSU方案综合考虑了格点及其周边格点对脉动通量的影响，从模拟的结果来看，两者带来的模拟效果差异非常大，case5模拟的风速值明显高于观测值，case3模拟的风速值则比观测值略小，对比case1和case8，case2和case4，case6和case7都能得出类似结论；对比case4和case5的模拟结果发现，使用RRTMG+CAM辐射参数方案的风速模拟结果要高于RRTM+Dudhia方案的模拟结果，通过case7和case8，case2和case3，case1和case6进一步对比均能得出类似结论。从整体的模拟效果来看，case3模拟的效果最为接近观测，因此本例选取case3的参数化方案。
表2各组试验的主要参数化方案
Figure BDA0002750004890000121
Figure BDA0002750004890000131
根据选取的参数化方案case3，模拟生成不少于2年的10min平均风速资料，输出2018年7月1日～2020年6月30日整两年的逐日最大10分钟平均风速，如图4所示。
实施例三，基于以上实施例，本实施例对另一实施例提供的一种无实测风速资料地区的设计风速分析方法进行详细描述。本实施例中计算预设阈值u0的方法如下：
对2018年7月1日～2020年6月30日整两年的逐日最大10分钟平均风速统计分析，得到平均值
Figure BDA0002750004890000132
标准差S＝3.10，计算阈值
Figure BDA0002750004890000133
考虑到由于连续的风速样本间可能存在较强的相关性，将日10min平均最大风速数据4天作为一个周期，选取每个周期的最大值，且相邻的最大值的间距不能小于半个周期，得到阈值系列{X|X＞u0}，样本数量n＝160，每月的平均样本数λ＝6.67。
采用广义Pareto分布(GPD)模型拟合超阈值序列{X|X＞u0}，并求得尺度参数σ＝2.438。估计广义Pareto分布(GPD)模型的分布参数时，使用R语言的POT、EVIR程序包计算，为现有技术，在此不再详述。
在上述的参数计算成果上，计算得到设计风速成果如下表所示。
表3本发明的设计风速计算成果
重现期(年) 30 50 100
设计值(m/s) 30.6 31.8 33.5
本实施例中采用K-S拟合优度检验方法检验超越阈值系列是否符合广义Pareto分布模型，采用χ2检验方法检验每月超阈值发生次数是否服从以λ为参数的Poisson分布，置信度均为95％。两种检验方法均为现有技术，在此不再详述。通过下表成果可知，均通过了两种检验。
表4 K-S检验、χ2检验成果
Figure BDA0002750004890000141
通过P-P图(概率图，图5)、Q-Q图(分位数图，图6)，可见本发明专利选取阈值的GPD模型对样本的拟合效果较好，能可靠的反应样本的真实分布。
为进一步说明本发明成果的适用性。本发明在江苏13个主要国家基本气象站附近进行了短期风速的临时观测，通过本发明提供的解决方案进行计算，并与长期资料计算成果的对比分析，验证本发明的可靠性。使用规程规范推荐的Gumbel频率分布模型计算设计风速。Gumbel频率分布模型为现有技术，在此不再详述。
各个气象站长期、短期资料的设计风速计算成果表明，在采用本发明计算设计风速时，有1个气象站未通过置信度95％的K-S拟合优度检验，2个气象站未通过Poisson分布的χ2检验，具体如表5所示。
表5设计风速成果对比
Figure BDA0002750004890000142
Figure BDA0002750004890000151
实施例四、本发明还提供了一种无实测风速资料地区的设计风速分析装置，包括：模拟数据生成模块、超阈值序列确定模块、超阈值序列拟合模块、设计风速计算模块和合理性验证模块；
所述模拟数据生成模块，用于在特定工程地区进行实测获取风速数据，基于获取的风速数据模拟生成设定年限(本实施例不少于2年)每日设定时间间隔(本实施例采用逐小时)的时距为10min平均风速数据样本；
所述超阈值序列确定模块，用于从所述模拟数据生成模块获得的10min平均风速数据样本中选取日最大样本形成日最大10min平均风速序列；从日最大10min平均风速序列中选取大于预设阈值的风速样本，形成超阈值序列；
所述超阈值序列拟合模块，用于采用广义Pareto分布模型拟合超阈值序列确定模块确定的超阈值序列，确定尺度参数σ；
所述设计风速计算模块，用于基于尺度参数σ和超阈值序列每月的平均样本数λ获取重现期为R年的设计风速VR；
所述合理性验证模块，用于对设计风速VR的取值进行合理性分析确定特定工程地区无实测风速资料地区的设计风速。
上面是对一种无实测风速资料地区的设计风速分析装置各模块进行详细的描述，下面将对一种无实测风速资料地区的设计风速分析装置各附加模块进行详细描述，本实施例提供一种无实测风速资料地区的设计风速分析装置的另一个实施例包括：
所述超阈值序列确定模块还包括预设阈值确定子模块，所述阈值确定子模块用于确定预设阈值，预设阈值u0的确定方法如下：
Figure BDA0002750004890000161
其中
Figure BDA0002750004890000162
为日最大10min平均风速序列的平均值，S为日最大10min平均风速序列的标准差。
所述设计风速计算模块确定设计风速VR近似计算公式如下：
VR＝u0+σln(12λR)
其中u0为预设阈值，σ为采用广义Pareto分布模型拟合超阈值序列确定的尺度参数σ，λ为超阈值序列中每月的平均样本数，λ＝n/(12T),n为超阈值序列的样本数，T为年限。
所述合理性验证模块用K-S拟合优度检验方法检验超越阈值系列是否符合广义Pareto分布模型，采用χ2检验方法检验每月超阈值发生次数是否服从以λ为参数的Poisson分布，根据设定置信度确定特定工程地区无实测风速资料地区的设计风速。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置，装置中单元/模块/子模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (10)

1.一种无实测风速资料地区的设计风速分析方法，其特征在于，包括以下步骤：
在特定工程地区进行实测获取风速数据，基于获取的风速数据模拟生成设定年限每日设定时间间隔的设定时距平均风速数据样本；
从设定时距平均风速数据样本中选取日最大样本形成日最大设定时距平均风速序列；从日最大设定时距平均风速序列中选取大于预设阈值的风速样本，形成超阈值序列；
采用广义Pareto分布模型拟合超阈值序列，确定尺度参数σ；基于尺度参数σ和超阈值序列每月的平均样本数量λ获取重现期为R年的设计风速VR；
对设计风速VR的取值进行合理性分析确定特定工程地区无实测风速资料地区的设计风速。
2.根据权利要求1所述的一种无实测风速资料地区的设计风速分析方法，其特征在于，预设阈值u0的确定方法如下：
Figure FDA0002750004880000011
其中
Figure FDA0002750004880000012
为日最大设定时距平均风速序列的平均值，S为日最大设定时距平均风速序列的标准差。
3.根据权利要求1所述的一种无实测风速资料地区的设计风速分析方法，其特征在于，设计风速VR近似计算公式如下：
VR＝u0+σln(12λR)
其中u0为预设阈值，σ为采用广义Pareto分布模型拟合超阈值序列确定的尺度参数，λ为超阈值序列中每月的平均样本数，λ＝n/(12T),n为超阈值序列的样本数，T为设定年限。
4.根据权利要求1所述的一种无实测风速资料地区的设计风速分析方法，其特征在于，对设计风速VR的取值进行合理性分析确定特定工程地区无实测风速资料地区的设计风速的具体方法如下：
用K-S拟合优度检验方法检验超越阈值系列是否符合广义Pareto分布模型，采用χ2检验方法检验每月超阈值发生次数是否服从以λ为参数的Poisson分布，根据设定置信度确定特定工程地区无实测风速资料地区的设计风速。
5.根据权利要求1所述的一种无实测风速资料地区的设计风速分析方法，其特征在于，基于获取的风速数据模拟生成设定时距平均风速数据的方法如下：
基于实测获得的风速数据，结合ERA5再分析数据，通过中尺度WRF数值模式模拟与校验，获取最优的参数化方案，模拟生成设定时距平均风速数据。
6.根据权利要求1所述的一种无实测风速资料地区的设计风速分析方法，其特征在于，设定时距平均风速数据采用10min平均风速数据。
7.一种无实测风速资料地区的设计风速分析装置，其特征在于，包括：模拟数据生成模块、超阈值序列确定模块、超阈值序列拟合模块、设计风速计算模块和合理性验证模块；
所述模拟数据生成模块，用于在特定工程地区进行实测获取风速数据，基于获取的风速数据模拟生成设定年限每日设定时间间隔的设定时距平均风速数据样本；
所述超阈值序列确定模块，用于从所述模拟数据生成模块获得的设定时距平均风速数据样本中选取日最大样本形成日最大设定时距平均风速序列；从日最大设定时距平均风速序列中选取大于预设阈值的风速样本，形成超阈值序列；
所述超阈值序列拟合模块，用于采用广义Pareto分布模型拟合超阈值序列确定模块确定的超阈值序列，确定尺度参数σ；
所述设计风速计算模块，用于基于尺度参数σ和超阈值序列每月的平均样本数λ获取重现期为R年的设计风速VR；
所述合理性验证模块，用于对设计风速VR的取值进行合理性分析确定特定工程地区无实测风速资料地区的设计风速。
8.根据权利要求7所述的一种无实测风速资料地区的设计风速分析装置，其特征在于，所述超阈值序列确定模块还包括预设阈值确定子模块，所述阈值确定子模块用于确定预设阈值，预设阈值u0的确定方法如下：
Figure FDA0002750004880000031
其中
Figure FDA0002750004880000032
为日最大设定时距的平均风速序列的平均值，S为日最大设定时距的平均风速序列的标准差。
9.根据权利要求7所述的一种无实测风速资料地区的设计风速分析装置，其特征在于，所述设计风速计算模块确定设计风速VR近似计算公式如下：
VR＝u0+σln(12λR)
其中u0为预设阈值，σ为采用广义Pareto分布模型拟合超阈值序列确定的尺度参数，λ为超阈值序列中每月的平均样本数，λ＝n/(12T)，n为超阈值序列的样本数，T为年限。
10.根据权利要求7所述的一种无实测风速资料地区的设计风速分析装置，其特征在于，所述合理性验证模块用K-S拟合优度检验方法检验超越阈值系列是否符合广义Pareto分布模型，采用χ2检验方法检验每月超阈值发生次数是否服从以λ为参数的Poisson分布，根据设定置信度确定特定工程地区无实测风速资料地区的设计风速。
CN202011180540.4A 2020-10-29 2020-10-29 一种无实测风速资料地区的设计风速分析方法和装置 Pending CN114428986A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011180540.4A CN114428986A (zh) 2020-10-29 2020-10-29 一种无实测风速资料地区的设计风速分析方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011180540.4A CN114428986A (zh) 2020-10-29 2020-10-29 一种无实测风速资料地区的设计风速分析方法和装置

Publications (1)

Publication Number Publication Date
CN114428986A true CN114428986A (zh) 2022-05-03

Family

ID=81310332

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011180540.4A Pending CN114428986A (zh) 2020-10-29 2020-10-29 一种无实测风速资料地区的设计风速分析方法和装置

Country Status (1)

Country Link
CN (1) CN114428986A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115049443A (zh) * 2022-08-15 2022-09-13 国能日新科技股份有限公司 基于多尺度特征的自适应回归气象中长期优化方法及系统
CN115204712A (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) 一种海上和沿海风电场选址评估方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115204712A (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) 一种海上和沿海风电场选址评估方法
CN115049443A (zh) * 2022-08-15 2022-09-13 国能日新科技股份有限公司 基于多尺度特征的自适应回归气象中长期优化方法及系统

Similar Documents

Publication Publication Date Title
Stathopoulos et al. Wind power prediction based on numerical and statistical models
CN114265836A (zh) 一种基于云区温湿度廓线反演的卫星微波温湿度计全天候同化方法及装置
CN105974495B (zh) 利用分类拟合法预判目标区域未来平均云量的方法
CN102945508A (zh) 一种基于模型校正的风电功率预测预报系统及方法
Mederos et al. An offshore wind atlas for the Canary Islands
Zhou et al. Trends in downward surface shortwave radiation from multi‐source data over China during 1984–2015
Alzubaidi et al. Impact of probabilistic modelling of wind speed on power system voltage profile and voltage stability analysis
CN114428986A (zh) 一种无实测风速资料地区的设计风速分析方法和装置
Zhu et al. Predictability and skill of convection-permitting ensemble forecast systems in predicting the record-breaking “21· 7” extreme rainfall event in Henan Province, China
CN110097205A (zh) 一种建筑负荷预测用气象预报数据预处理方法
CN116822185B (zh) 基于hasm的日降水数据空间模拟方法和系统
Casanueva et al. Evaluation and projection of daily temperature percentiles from statistical and dynamical downscaling methods
Deng et al. Using urban building energy modeling to quantify the energy performance of residential buildings under climate change
Killinger et al. A tuning routine to correct systematic influences in reference PV systems’ power outputs
Fu et al. Implications of diurnal variations in land surface temperature to data assimilation using MODIS LST data
Zhu et al. Validation of rainfall erosivity estimators for mainland China
Asiri et al. Day-ahead prediction of distributed regional-scale photovoltaic power
Fernández-Peruchena et al. Probabilistic assessment of concentrated solar power plants yield: The EVA methodology
Ma et al. Ensemble transform with 3D rescaling initialization method
Rincón et al. Assessment of short-term irradiance forecasting based on post-processing tools applied on WRF meteorological simulations
Zhou et al. Performance of CAMS-CSM in simulating the shortwave cloud radiative effect over global stratus cloud regions: Baseline evaluation and sensitivity test
CN112070414B (zh) 一种基于多站点观测数据的太阳能资源评估方法、系统及介质
Peruchena et al. A clustering approach for the analysis of solar energy yields: A case study for concentrating solar thermal power plants
Choi et al. Utilization and verification of inverse distance weighting (IDW) interpolation technology for predicting solar radiation of photovoltaic system
CN113065700A (zh) 一种基于显著性与敏感性因子分析法的短时强降水预报方法

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