CN114564697A - 一种利用观测风速数据校正中尺度模拟风速数据的方法及系统 - Google Patents

一种利用观测风速数据校正中尺度模拟风速数据的方法及系统 Download PDF

Info

Publication number
CN114564697A
CN114564697A CN202210263733.9A CN202210263733A CN114564697A CN 114564697 A CN114564697 A CN 114564697A CN 202210263733 A CN202210263733 A CN 202210263733A CN 114564697 A CN114564697 A CN 114564697A
Authority
CN
China
Prior art keywords
wind speed
mesoscale
data
speed data
statistical model
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
CN202210263733.9A
Other languages
English (en)
Inventor
刘静
杨凤志
章帆
陈鹏
李建科
徐赖琳
王晓理
张朴
王尹
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.)
CSIC Haizhuang Windpower Co Ltd
Original Assignee
CSIC Haizhuang Windpower 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 CSIC Haizhuang Windpower Co Ltd filed Critical CSIC Haizhuang Windpower Co Ltd
Priority to CN202210263733.9A priority Critical patent/CN114564697A/zh
Publication of CN114564697A publication Critical patent/CN114564697A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2474—Sequence data queries, e.g. querying versioned data
    • 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
    • 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
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Strategic Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Computational Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Mathematical Optimization (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mathematical Analysis (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Fuzzy Systems (AREA)
  • Educational Administration (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Computational Linguistics (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Development Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种利用观测风速数据校正中尺度模拟风速数据的方法及系统，通过结合测风塔的观测风速数据对中尺度气象模型输出的中尺度模拟风速数据进行模式输出统计校正后处理，对于中尺度模拟风速数据的校正不仅考虑了中尺度模拟风速数据与单点观测之间的模式输出统计校正，还考虑了在中尺度模拟区域范围内多观测点模式输出统计校正，即将每个测风塔点与目标点之间的距离权重考虑进来，并结合每个观测点自身得到的模式输出统计模型系数，进行综合模式输出统计分析计算，可以校正中尺度模拟区域范围内任意位置处的中尺度模拟风速时间序列数据，其结果与单纯模式模拟相比有较大改善，有效提高了中尺度气象模式的风速模拟数据精度。

Description

一种利用观测风速数据校正中尺度模拟风速数据的方法及 系统
技术领域
本发明涉及风力发电技术领域，尤其涉及一种利用观测风速数据校正中尺度模拟风速数据的方法。
背景技术
目前，风电行业内对于风电开发目标风场的风资源评估所需的气象数据仍主要采取树立测风塔测风的形式获得，而测风塔在测量的过程中若受极端天气、设备运行故障等因素影响，会产生大量的问题数据，这使得清洗后的测风塔风速数据无法满足国标对有效数据完整率的要求。除传统的测风塔数据外，利用中尺度气象模式对风电开发目标风场进行中尺度风速模拟也是风资源评估的一种有效方法。然而，现有的中尺度气象模式得到的中尺度模拟风速数据的精度较低，无法反映风电场的实际风资源情况，导致风电开发目标风场的风资源评估结果的可靠性较差。
因此，如何提高中尺度气象模式的风速模拟数据精度，是目前亟待解决的问题。
发明内容
为了解决现有技术中存在的技术问题，本发明特别创新地提出了一种利用观测风速数据校正中尺度模拟风速数据的方法及系统，可校正中尺度模拟区域范围内任意一点的中尺度风速数据，提高了中尺度气象模式的风速模拟数据精度。
为了实现本发明的上述目的，根据本发明的第一个方面，本发明提供了一种利用观测风速数据校正中尺度模拟风速数据的方法，所述方法包括如下步骤：
构建用于校正中尺度气象模型输出的中尺度模拟风速数据的模式输出统计模型；
对目标风场的测风塔的观测风速数据进行预处理得到观测风速时间序列数据；
从所述中尺度气象模型输出的中尺度模拟风速数据中提取所述测风塔位置处的指定高度的第一中尺度模拟风速时间序列数据；
基于所述观测风速时间序列数据和所述第一中尺度模拟风速时间序列数据得到第一模式输出统计模型系数；
基于所述第一模式输出统计模型系数和第一中尺度模拟风速时间序列数据利用所述模式输出统计模型进行模式输出统计分析计算，得到所述测风塔位置处的第一校正后的中尺度风速数据；
从所述中尺度气象模型输出的中尺度模拟风速数据中提取除所述测风塔位置之外的其他位置的指定高度的第二中尺度模拟风速时间序列数据；
将各测风塔到所述其他位置中目标点的距离作为权重系数，基于各测风塔的所述第一模式输出统计模型系数和所述权重系数，得到第二模式输出统计模型系数；
基于所述第二模式输出统计模型系数和第二中尺度模拟风速时间序列数据利用所述模式输出统计模型进行模式输出统计分析计算，得到所述测风塔位置之外的其他位置的第二校正后的中尺度风速数据。
优选地，所述模式输出统计模型如下：
y′＝mx (公式1)
其中，x表示中尺度模拟风速，y′表示校正后的中尺度风速数据，m表示模式输出统计模型系数。
优选地，所述基于所述观测风速时间序列数据和所述第一中尺度模拟风速时间序列数据得到第一模式输出统计模型系数采用如下公式计算：
Figure BDA0003550818590000031
其中，m表示第一模式输出统计模型系数，xi表示某一时刻中尺度模拟风速，yi表示对应时刻测风塔的观测风速数据，N表示整体时间序列样本数量且N为正整数，i表示时间步长。
优选地，所述将各测风塔到所述其他位置中目标点的距离作为权重系数，基于各测风塔的所述第一模式输出统计模型系数和所述权重系数，得到第二模式输出统计模型系数采用如下公式计算：
Figure BDA0003550818590000032
其中，mp表示第二模式输出统计模型系数，mj表示测风塔j处得到的第一模式输出统计模型系数，Wj表示权重系数，
Figure BDA0003550818590000033
djp表示从测风塔j处到目标点p处的距离，M表示测风塔的数量且M为正整数。
优选地，所述对目标风场的测风塔的观测风速数据进行预处理得到观测风速时间序列数据包括：
对目标风场的测风塔的观测风速数据进行数据清理，剔除无效数据，并将数据清理后的观测风速数据通过平均化处理得到与所述中尺度模拟风速数据采用频率一致的观测风速时间序列数据。
为了实现本发明的上述目的，根据本发明的第二个方面，本发明提供了一种利用观测风速数据校正中尺度模拟风速数据的系统，所述系统包括：
模型构建模块，用于构建用于校正中尺度气象模型输出的中尺度模拟风速数据的模式输出统计模型；
数据预处理模块，用于对目标风场的测风塔的观测风速数据进行预处理得到观测风速时间序列数据；
第一数据提取模块，用于从所述中尺度气象模型输出的中尺度模拟风速数据中提取所述测风塔位置处的指定高度的第一中尺度模拟风速时间序列数据；
第一系数计算模块，基于所述观测风速时间序列数据和所述第一中尺度模拟风速时间序列数据得到第一模式输出统计模型系数；
第一数据校正模块，用于基于所述第一模式输出统计模型系数和第一中尺度模拟风速时间序列数据利用所述模式输出统计模型进行模式输出统计分析计算，得到所述测风塔位置处的第一校正后的中尺度风速数据；
第二数据提取模块，用于从所述中尺度气象模型输出的中尺度模拟风速数据中提取除所述测风塔位置之外的其他位置的指定高度的第二中尺度模拟风速时间序列数据；
第二系数计算模块，用于将各测风塔到所述其他位置中目标点的距离作为权重系数，基于各测风塔的所述第一模式输出统计模型系数和所述权重系数，得到第二模式输出统计模型系数；
第二数据校正模块，基于所述第二模式输出统计模型系数和第二中尺度模拟风速时间序列数据利用所述模式输出统计模型进行模式输出统计分析计算，得到所述测风塔位置之外的其他位置的第二校正后的中尺度风速数据。
优选地，所述模式输出统计模型如下：
y′＝mx (公式1)
其中，x表示中尺度模拟风速，y′表示校正后的中尺度风速数据，m表示模式输出统计模型系数。
优选地，所述第一系数计算模块采用如下公式计算第一模式输出统计模型系数：
Figure BDA0003550818590000051
其中，m表示第一模式输出统计模型系数，xi表示某一时刻中尺度模拟风速，yi表示对应时刻测风塔的观测风速数据，N表示整体时间序列样本数量且N为正整数，i表示时间步长。
优选地，所述第二系数计算模块采用如下公式计算第二模式输出统计模型系数：
Figure BDA0003550818590000052
其中，mp表示第二模式输出统计模型系数，mj表示测风塔j处得到的第一模式输出统计模型系数，Wj表示权重系数，
Figure BDA0003550818590000053
djp表示从测风塔j处到目标点p处的距离，M表示测风塔的数量且M为正整数。
优选地，所述数据预处理模块具体用于：
对目标风场的测风塔的观测风速数据进行数据清理，剔除无效数据，并将数据清理后的观测风速数据通过平均化处理得到与所述中尺度模拟风速数据采用频率一致的观测风速时间序列数据。
由以上方案可知，本申请提供了一种利用观测风速数据校正中尺度模拟风速数据的方法及系统，其中，该方法包括：构建用于校正中尺度气象模型输出的中尺度模拟风速数据的模式输出统计模型；对目标风场的测风塔的观测风速数据进行预处理得到观测风速时间序列数据；从所述中尺度气象模型输出的中尺度模拟风速数据中提取所述测风塔位置处的指定高度的第一中尺度模拟风速时间序列数据；基于所述观测风速时间序列数据和所述第一中尺度模拟风速时间序列数据得到第一模式输出统计模型系数；基于所述第一模式输出统计模型系数和第一中尺度模拟风速时间序列数据利用所述模式输出统计模型进行模式输出统计分析计算，得到所述测风塔位置处的第一校正后的中尺度风速数据；从所述中尺度气象模型输出的中尺度模拟风速数据中提取除所述测风塔位置之外的其他位置的指定高度的第二中尺度模拟风速时间序列数据；将各测风塔到所述其他位置中目标点的距离作为权重系数，基于各测风塔的所述第一模式输出统计模型系数和所述权重系数，得到第二模式输出统计模型系数；基于所述第二模式输出统计模型系数和第二中尺度模拟风速时间序列数据利用所述模式输出统计模型进行模式输出统计分析计算，得到所述测风塔位置之外的其他位置的第二校正后的中尺度风速数据。
本申请公开的技术方案，通过结合测风塔的观测风速数据对中尺度气象模型输出的中尺度模拟风速数据进行模式输出统计校正后处理，对于中尺度模拟风速数据的校正不仅考虑了中尺度模拟风速数据与单点观测之间的模式输出统计校正，还考虑了在中尺度模拟区域范围内多观测点模式输出统计校正，即将每个测风塔点与目标点之间的距离权重考虑进来，并结合每个观测点自身得到的模式输出统计模型系数，进行综合模式输出统计分析计算，可以校正中尺度模拟区域范围内任意位置处的中尺度模拟风速时间序列数据，从而可以减少中尺度气象模式系统性偏差，其结果与单纯模式模拟相比有较大改善，有效提高了中尺度气象模式的风速模拟数据精度，特别是针对复杂地形区域，使校正后的中尺度数据更符合风电场的实际情况，可以为风电开发中风资源评估及选址工作提供参考。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是本发明一种优选实施方式中利用观测风速数据校正中尺度模拟风速数据的方法的流程图；
图2是本发明一种优选实施方式中利用观测风速数据校正中尺度模拟风速数据的系统的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非被特定定义，否则不会用理想化或过于正式的含义来解释。
如图1所示，本发明实施例提供了一种利用观测风速数据校正中尺度模拟风速数据的方法，该方法可以包括如下步骤：
S101,构建用于校正中尺度气象模型输出的中尺度模拟风速数据的模式输出统计模型；
具体地，在本实施例中，模式输出统计模型如下：
y′＝mx (公式1)
其中，x表示中尺度模拟风速，y′表示校正后的中尺度风速数据，m表示模式输出统计模型系数。
S102,对目标风场的测风塔的观测风速数据进行预处理得到观测风速时间序列数据；
具体地，在本实施中，对观测风速数据进行预处理的过程如下：
对目标风场的测风塔的观测风速数据进行数据清理，剔除无效数据，并将数据清理后的观测风速数据通过平均化处理得到与中尺度模拟风速数据采用频率一致的观测风速时间序列数据。
S103,从中尺度气象模型输出的中尺度模拟风速数据中提取测风塔位置处的指定高度的第一中尺度模拟风速时间序列数据；
S104,基于观测风速时间序列数据和第一中尺度模拟风速时间序列数据得到第一模式输出统计模型系数；
具体计算公式如下：
Figure BDA0003550818590000081
其中，m表示第一模式输出统计模型系数，xi表示某一时刻中尺度模拟风速，yi表示对应时刻测风塔的观测风速数据，N表示整体时间序列样本数量且N为正整数，i表示时间步长。
S105,基于第一模式输出统计模型系数和第一中尺度模拟风速时间序列数据利用模式输出统计模型进行模式输出统计分析计算，得到测风塔位置处的第一校正后的中尺度风速数据；
S106,从中尺度气象模型输出的中尺度模拟风速数据中提取除测风塔位置之外的其他位置的指定高度的第二中尺度模拟风速时间序列数据；
S107,将各测风塔到其他位置中目标点的距离作为权重系数，基于各测风塔的第一模式输出统计模型系数和权重系数，得到第二模式输出统计模型系数；
具体计算公式如下：
Figure BDA0003550818590000082
其中，mp表示第二模式输出统计模型系数，mj表示测风塔j处得到的第一模式输出统计模型系数，Wj表示权重系数，
Figure BDA0003550818590000083
djp表示从测风塔j处到目标点p处的距离，M表示测风塔的数量且M为正整数。
S108,基于第二模式输出统计模型系数和第二中尺度模拟风速时间序列数据利用模式输出统计模型进行模式输出统计分析计算，得到测风塔位置之外的其他位置的第二校正后的中尺度风速数据。
以下对本实施例的工作原理进行详细说明：
由于现有技术中采取树立测风塔测风的形式获得风电开发目标风场的风资源评估所需的气象数据的方法，会因为测风塔在测量的过程中若受极端天气、设备运行故障等因素影响，会产生大量的问题数据，这使得清洗后的测风塔风速数据无法满足国标对有效数据完整率的要求，而利用中尺度气象模式对风电开发目标风场进行中尺度风速模拟的方法得到的中尺度模拟风速数据的精度较低，无法反映风电场的实际风资源情况，因此本实施例通过将测风塔的观测风速数据与中尺度气象模型的模拟风速数据相结合的方法，利用观测风速数据来对中尺度模拟风速数据进行模式输出统计后处理，从而提高模拟精度，使得校正后的中尺度数据能够更好地反应风电场的实际风资源情况，为风电开发中风资源评估及选址工作提供参考。具体的数据校正方法按如下步骤进行：
1、构建模式输出统计模型
使用线性最小二乘法建立中尺度模拟风速时间序列与测风塔同期观测风速时间序列之间的关系(即模式输出统计模型)，以此校正中尺度模拟数据，模式输出统计模型如下公式1所示：
y′＝mx (公式1)
其中，x表示中尺度模拟风速，y′表示校正后的中尺度风速数据，m表示模式输出统计模型系数。
对于观测塔所在位置处的模式输出统计模型系数，其计算公式如下公式2所示：
Figure BDA0003550818590000101
其中，m表示观测塔所在位置处的模式输出统计模型系数(即步骤S104中的第一模式输出统计模型系数)，xi表示某一时刻中尺度模拟风速，yi表示对应时刻测风塔的观测风速数据，N表示整体时间序列样本数量且N为正整数，i表示时间步长。
2、准备观测风速数据
从测风塔获取观测风速数据，并对获取到的观测风速数据进行预处理。具体为对观测风速数据进行数据清理，剔除无效数据。观测风速数据通常是10分钟的采样频率，而中尺度气象模式输出中尺度模拟风速时间序列的时间步长为1小时，因此需要对观测风速数据进行处理，得到与常规中尺度数据采样频率一致的数据，即将10分钟数据通过平均化处理得到逐小时时间序列数据，便于后续将该数据应用与模式输出统计模型进行中尺度模拟风速的校正。
3、提取对应的中尺度模拟风速时间序列数据
从中尺度气象模型输出的中尺度模拟风速数据中分别提取测风塔位置处的指定高度的中尺度模拟风速时间序列数据(即步骤S103中的第一中尺度模拟风速时间序列数据)，以及除测风塔外置之外的其它位置的指定高度的中尺度模拟风速时间序列数据(即步骤S106中的第二中尺度模拟风速时间序列数据)作为模式输出统计模型中的对应位置的中尺度模拟风速x，即将提取的各位置指定高度处的中尺度模拟风速时间序列数据作为模式输出统计模型的输入数据。具体地址，提取的中尺度模拟风速时间序列数据的时间步长为1小时。
需要说明的是，指定高度是指与风机轮毂高度相匹配的高度，因为这些中尺度模拟风速时间序列数据时用于评价目标风场的风资源的，故风机高度是多少，就提取多少高度处的风速数据。具体地，指定高度一般为80m-160m。
当然，在提取对应的中尺度模拟风速时间序列数据之前，首先需要对目标风场进行中尺度建模得到用于进行目标风场的风资源模拟计算的中尺度风速模拟模型，再通过建模得到的中尺度风速模拟模型对目标风场进行中尺度风速模拟计算，模拟时长不小于一个时间周期。对目标风场进行中尺度建模以及利用建好的模型对目标风场进行中尺度风速模拟计算属于现有技术，在此不再赘述。
需要说明的是，在本实施例中，为了能够更准确地对目标风场进行中尺度风速模拟计算，一个时间周期为1年，即对目标风场的中尺度风速模拟计算的模拟时长不小于1年。
4、针对多塔情况下的距离权重设定
在一个目标风场的厂区存在多个测风塔具备观测风速数据的情况下，首先针对每个测风塔位置选取指定高度的中尺度模拟风速时间序列数据，并分别与相同位置处的测风塔观测风速时间序列数据运用公式2进行模式输出统计分析计算，从而在每个测风塔未支出得到该测风塔处的模式输出统计模型系数mj。
针对目标风场中除测风塔位置之外的其他位置例如P点处中尺度模拟风速数据的校正，则是基于不同测风塔位置处得到的模式输出统计模型系数mj进行综合计算得到的。
对于目标风场中除观测塔所在位置以外的其他位置处的模式输出统计模型系数，其计算公式如下公式3所示：
Figure BDA0003550818590000111
其中，mp表示除观测塔所在位置以外的其他位置处的模式输出统计模型系数(步骤S107中的第二模式输出统计模型系数)，mj表示测风塔j处得到的第一模式输出统计模型系数，Wj表示权重系数，
Figure BDA0003550818590000112
djp表示从测风塔j处到目标点p处的距离，M表示测风塔的数量且M为正整数。
5、利用模式输出统计模型对中尺度模拟风速时间序列数据进行校正
分别将观测塔所在位置处的模式输出统计模型系数和测风塔位置处的指定高度的中尺度模拟风速时间序列数据，以及除观测塔所在位置以外的其他位置处的模式输出统计模型系数和除测风塔外置之外的其它位置的指定高度的中尺度模拟风速时间序列数据代入模式输出统计模型中，得到测风塔位置处的第一校正后的中尺度风速数据和测风塔位置之外的其他位置的第二校正后的中尺度风速数据。
为了便于后续对整个目标风场的校正后的中尺度风速数据进行管理，作为优选，可以将第一校正后的中尺度风速数据的文件和第二校正后的中尺度风速数据的文件汇总为一个文件，即得到整个目标风场的校正后的中尺度风速时间序列数据文件。
综上可知，本发明实施例提供了一种利用观测风速数据校正中尺度模拟风速数据的方法，通过结合测风塔的观测风速数据对中尺度气象模型输出的中尺度模拟风速数据进行模式输出统计校正后处理，对于中尺度模拟风速数据的校正不仅考虑了中尺度模拟风速数据与单点观测之间的模式输出统计校正，还考虑了在中尺度模拟区域范围内多观测点模式输出统计校正，即将每个测风塔点与目标点之间的距离权重考虑进来，并结合每个观测点自身得到的模式输出统计模型系数，进行综合模式输出统计分析计算，可以校正中尺度模拟区域范围内任意位置处的中尺度模拟风速时间序列数据，从而可以减少中尺度气象模式系统性偏差，其结果与单纯模式模拟相比有较大改善，有效提高了中尺度气象模式的风速模拟数据精度，特别是针对复杂地形区域，使校正后的中尺度数据更符合风电场的实际情况，可以为风电开发中风资源评估及选址工作提供参考。
如图2所示，本发明实施例还提供了一种利用观测风速数据校正中尺度模拟风速数据的系统，该系统可以包括：
模型构建模块201，用于构建用于校正中尺度气象模型输出的中尺度模拟风速数据的模式输出统计模型；
具体地，在本实施例中，模式输出统计模型如下：
y′＝mx (公式1)
其中，x表示中尺度模拟风速，y′表示校正后的中尺度风速数据，m表示模式输出统计模型系数。
数据预处理模块202，用于对目标风场的测风塔的观测风速数据进行预处理得到观测风速时间序列数据；
具体地，在本实施中，对观测风速数据进行预处理的过程如下：
对目标风场的测风塔的观测风速数据进行数据清理，剔除无效数据，并将数据清理后的观测风速数据通过平均化处理得到与中尺度模拟风速数据采用频率一致的观测风速时间序列数据。
第一数据提取模块203，用于从中尺度气象模型输出的中尺度模拟风速数据中提取测风塔位置处的指定高度的第一中尺度模拟风速时间序列数据；
第一系数计算模块204，基于观测风速时间序列数据和第一中尺度模拟风速时间序列数据得到第一模式输出统计模型系数；
具体计算公式如下：
Figure BDA0003550818590000131
其中，m表示第一模式输出统计模型系数，xi表示某一时刻中尺度模拟风速，yi表示对应时刻测风塔的观测风速数据，N表示整体时间序列样本数量且N为正整数，i表示时间步长。
第一数据校正模块205，用于基于第一模式输出统计模型系数和第一中尺度模拟风速时间序列数据利用模式输出统计模型进行模式输出统计分析计算，得到测风塔位置处的第一校正后的中尺度风速数据；
第二数据提取模块206，用于从中尺度气象模型输出的中尺度模拟风速数据中提取除测风塔位置之外的其他位置的指定高度的第二中尺度模拟风速时间序列数据；
第二系数计算模块207，用于将各测风塔到其他位置中目标点的距离作为权重系数，基于各测风塔的第一模式输出统计模型系数和权重系数，得到第二模式输出统计模型系数；
具体计算公式如下：
Figure BDA0003550818590000141
其中，mp表示第二模式输出统计模型系数，mj表示测风塔j处得到的第一模式输出统计模型系数，Wj表示权重系数，
Figure BDA0003550818590000142
djp表示从测风塔j处到目标点p处的距离，M表示测风塔的数量且M为正整数。
第二数据校正模块208，基于第二模式输出统计模型系数和第二中尺度模拟风速时间序列数据利用模式输出统计模型进行模式输出统计分析计算，得到测风塔位置之外的其他位置的第二校正后的中尺度风速数据。
以下对本实施例的工作原理进行详细说明：
由于现有技术中采取树立测风塔测风的形式获得风电开发目标风场的风资源评估所需的气象数据的方法，会因为测风塔在测量的过程中若受极端天气、设备运行故障等因素影响，会产生大量的问题数据，这使得清洗后的测风塔风速数据无法满足国标对有效数据完整率的要求，而利用中尺度气象模式对风电开发目标风场进行中尺度风速模拟的方法得到的中尺度模拟风速数据的精度较低，无法反映风电场的实际风资源情况，因此本实施例通过将测风塔的观测风速数据与中尺度气象模型的模拟风速数据相结合的方法，利用观测风速数据来对中尺度模拟风速数据进行模式输出统计后处理，从而提高模拟精度，使得校正后的中尺度数据能够更好地反应风电场的实际风资源情况，为风电开发中风资源评估及选址工作提供参考。具体的数据校正方法按如下步骤进行：
1、构建模式输出统计模型
使用线性最小二乘法建立中尺度模拟风速时间序列与测风塔同期观测风速时间序列之间的关系(即模式输出统计模型)，以此校正中尺度模拟数据，模式输出统计模型如下公式1所示：
y′＝mx (公式1)
其中，x表示中尺度模拟风速，y′表示校正后的中尺度风速数据，m表示模式输出统计模型系数。
对于观测塔所在位置处的模式输出统计模型系数，其计算公式如下公式2所示：
Figure BDA0003550818590000151
其中，m表示观测塔所在位置处的模式输出统计模型系数(即步骤S104中的第一模式输出统计模型系数)，xi表示某一时刻中尺度模拟风速，yi表示对应时刻测风塔的观测风速数据，N表示整体时间序列样本数量且N为正整数，i表示时间步长。
2、准备观测风速数据
从测风塔获取观测风速数据，并对获取到的观测风速数据进行预处理。具体为对观测风速数据进行数据清理，剔除无效数据。观测风速数据通常是10分钟的采样频率，而中尺度气象模式输出中尺度模拟风速时间序列的时间步长为1小时，因此需要对观测风速数据进行处理，得到与常规中尺度数据采样频率一致的数据，即将10分钟数据通过平均化处理得到逐小时时间序列数据，便于后续将该数据应用与模式输出统计模型进行中尺度模拟风速的校正。
3、提取对应的中尺度模拟风速时间序列数据
从中尺度气象模型输出的中尺度模拟风速数据中分别提取测风塔位置处的指定高度的中尺度模拟风速时间序列数据(即步骤S103中的第一中尺度模拟风速时间序列数据)，以及除测风塔外置之外的其它位置的指定高度的中尺度模拟风速时间序列数据(即步骤S106中的第二中尺度模拟风速时间序列数据)作为模式输出统计模型中的对应位置的中尺度模拟风速x，即将提取的各位置指定高度处的中尺度模拟风速时间序列数据作为模式输出统计模型的输入数据。具体地址，提取的中尺度模拟风速时间序列数据的时间步长为1小时。
需要说明的是，指定高度是指与风机轮毂高度相匹配的高度，因为这些中尺度模拟风速时间序列数据时用于评价目标风场的风资源的，故风机高度是多少，就提取多少高度处的风速数据。具体地，指定高度一般为80m-160m。
当然，在提取对应的中尺度模拟风速时间序列数据之前，首先需要对目标风场进行中尺度建模得到用于进行目标风场的风资源模拟计算的中尺度风速模拟模型，再通过建模得到的中尺度风速模拟模型对目标风场进行中尺度风速模拟计算，模拟时长不小于一个时间周期。对目标风场进行中尺度建模以及利用建好的模型对目标风场进行中尺度风速模拟计算属于现有技术，在此不再赘述。
需要说明的是，在本实施例中，为了能够更准确地对目标风场进行中尺度风速模拟计算，一个时间周期为1年，即对目标风场的中尺度风速模拟计算的模拟时长不小于1年。
4、针对多塔情况下的距离权重设定
在一个目标风场的厂区存在多个测风塔具备观测风速数据的情况下，首先针对每个测风塔位置选取指定高度的中尺度模拟风速时间序列数据，并分别与相同位置处的测风塔观测风速时间序列数据运用公式2进行模式输出统计分析计算，从而在每个测风塔未支出得到该测风塔处的模式输出统计模型系数mj。
针对目标风场中除测风塔位置之外的其他位置例如P点处中尺度模拟风速数据的校正，则是基于不同测风塔位置处得到的模式输出统计模型系数mj进行综合计算得到的。
对于目标风场中除观测塔所在位置以外的其他位置处的模式输出统计模型系数，其计算公式如下公式3所示：
Figure BDA0003550818590000171
其中，mp表示除观测塔所在位置以外的其他位置处的模式输出统计模型系数(步骤S107中的第二模式输出统计模型系数)，mj表示测风塔j处得到的第一模式输出统计模型系数，Wj表示权重系数，
Figure BDA0003550818590000172
djp表示从测风塔j处到目标点p处的距离，M表示测风塔的数量且M为正整数。
5、利用模式输出统计模型对中尺度模拟风速时间序列数据进行校正
分别将观测塔所在位置处的模式输出统计模型系数和测风塔位置处的指定高度的中尺度模拟风速时间序列数据，以及除观测塔所在位置以外的其他位置处的模式输出统计模型系数和除测风塔外置之外的其它位置的指定高度的中尺度模拟风速时间序列数据代入模式输出统计模型中，得到测风塔位置处的第一校正后的中尺度风速数据和测风塔位置之外的其他位置的第二校正后的中尺度风速数据。
为了便于后续对整个目标风场的校正后的中尺度风速数据进行管理，作为优选，可以将第一校正后的中尺度风速数据的文件和第二校正后的中尺度风速数据的文件汇总为一个文件，即得到整个目标风场的校正后的中尺度风速时间序列数据文件。
综上可知，本发明实施例提供还了一种利用观测风速数据校正中尺度模拟风速数据的系统，通过结合测风塔的观测风速数据对中尺度气象模型输出的中尺度模拟风速数据进行模式输出统计校正后处理，对于中尺度模拟风速数据的校正不仅考虑了中尺度模拟风速数据与单点观测之间的模式输出统计校正，还考虑了在中尺度模拟区域范围内多观测点模式输出统计校正，即将每个测风塔点与目标点之间的距离权重考虑进来，并结合每个观测点自身得到的模式输出统计模型系数，进行综合模式输出统计分析计算，可以校正中尺度模拟区域范围内任意位置处的中尺度模拟风速时间序列数据，从而可以减少中尺度气象模式系统性偏差，其结果与单纯模式模拟相比有较大改善，有效提高了中尺度气象模式的风速模拟数据精度，特别是针对复杂地形区域，使校正后的中尺度数更符合风电场的实际情况，可以为风电开发中风资源评估及选址工作提供参考。
上述实施例中利用观测风速数据校正中尺度模拟风速数据的系统集成的模块/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一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。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。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。
本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种利用观测风速数据校正中尺度模拟风速数据的方法，其特征在于，所述方法包括如下步骤：
构建用于校正中尺度气象模型输出的中尺度模拟风速数据的模式输出统计模型；
对目标风场的测风塔的观测风速数据进行预处理得到观测风速时间序列数据；
从所述中尺度气象模型输出的中尺度模拟风速数据中提取所述测风塔位置处的指定高度的第一中尺度模拟风速时间序列数据；
基于所述观测风速时间序列数据和所述第一中尺度模拟风速时间序列数据得到第一模式输出统计模型系数；
基于所述第一模式输出统计模型系数和第一中尺度模拟风速时间序列数据利用所述模式输出统计模型进行模式输出统计分析计算，得到所述测风塔位置处的第一校正后的中尺度风速数据；
从所述中尺度气象模型输出的中尺度模拟风速数据中提取除所述测风塔位置之外的其他位置的指定高度的第二中尺度模拟风速时间序列数据；
将各测风塔到所述其他位置中目标点的距离作为权重系数，基于各测风塔的所述第一模式输出统计模型系数和所述权重系数，得到第二模式输出统计模型系数；
基于所述第二模式输出统计模型系数和第二中尺度模拟风速时间序列数据利用所述模式输出统计模型进行模式输出统计分析计算，得到所述测风塔位置之外的其他位置的第二校正后的中尺度风速数据。
2.根据权利要求1所述的利用观测风速数据校正中尺度模拟风速数据的方法，其特征在于，所述模式输出统计模型如下：
y′＝mx (公式1)
其中，x表示中尺度模拟风速，y′表示校正后的中尺度风速数据，m表示模式输出统计模型系数。
3.根据权利要求2所述的利用观测风速数据校正中尺度模拟风速数据的方法，其特征在于，所述基于所述观测风速时间序列数据和所述第一中尺度模拟风速时间序列数据得到第一模式输出统计模型系数采用如下公式计算：
Figure FDA0003550818580000021
其中，m表示第一模式输出统计模型系数，xi表示某一时刻中尺度模拟风速，yi表示对应时刻测风塔的观测风速数据，N表示整体时间序列样本数量且N为正整数，i表示时间步长。
4.根据权利要求3所述的利用观测风速数据校正中尺度模拟风速数据的方法，其特征在于，所述将各测风塔到所述其他位置中目标点的距离作为权重系数，基于各测风塔的所述第一模式输出统计模型系数和所述权重系数，得到第二模式输出统计模型系数采用如下公式计算：
Figure FDA0003550818580000022
其中，mp表示第二模式输出统计模型系数，mj表示测风塔j处得到的第一模式输出统计模型系数，Wj表示权重系数，
Figure FDA0003550818580000023
djp表示从测风塔j处到目标点p处的距离，M表示测风塔的数量且M为正整数。
5.根据权利要求1-4任一项所述的利用观测风速数据校正中尺度模拟风速数据的方法，其特征在于，所述对目标风场的测风塔的观测风速数据进行预处理得到观测风速时间序列数据包括：
对目标风场的测风塔的观测风速数据进行数据清理，剔除无效数据，并将数据清理后的观测风速数据通过平均化处理得到与所述中尺度模拟风速数据采用频率一致的观测风速时间序列数据。
6.一种利用观测风速数据校正中尺度模拟风速数据的系统，其特征在于，所述系统包括：
模型构建模块，用于构建用于校正中尺度气象模型输出的中尺度模拟风速数据的模式输出统计模型；
数据预处理模块，用于对目标风场的测风塔的观测风速数据进行预处理得到观测风速时间序列数据；
第一数据提取模块，用于从所述中尺度气象模型输出的中尺度模拟风速数据中提取所述测风塔位置处的指定高度的第一中尺度模拟风速时间序列数据；
第一系数计算模块，基于所述观测风速时间序列数据和所述第一中尺度模拟风速时间序列数据得到第一模式输出统计模型系数；
第一数据校正模块，用于基于所述第一模式输出统计模型系数和第一中尺度模拟风速时间序列数据利用所述模式输出统计模型进行模式输出统计分析计算，得到所述测风塔位置处的第一校正后的中尺度风速数据；
第二数据提取模块，用于从所述中尺度气象模型输出的中尺度模拟风速数据中提取除所述测风塔位置之外的其他位置的指定高度的第二中尺度模拟风速时间序列数据；
第二系数计算模块，用于将各测风塔到所述其他位置中目标点的距离作为权重系数，基于各测风塔的所述第一模式输出统计模型系数和所述权重系数，得到第二模式输出统计模型系数；
第二数据校正模块，基于所述第二模式输出统计模型系数和第二中尺度模拟风速时间序列数据利用所述模式输出统计模型进行模式输出统计分析计算，得到所述测风塔位置之外的其他位置的第二校正后的中尺度风速数据。
7.根据权利要求6所述的利用观测风速数据校正中尺度模拟风速数据的系统，其特征在于，所述模式输出统计模型如下：
y′＝mx (公式1)
其中，x表示中尺度模拟风速，y′表示校正后的中尺度风速数据，m表示模式输出统计模型系数。
8.根据权利要求7所述的利用观测风速数据校正中尺度模拟风速数据的系统，其特征在于，所述第一系数计算模块采用如下公式计算第一模式输出统计模型系数：
Figure FDA0003550818580000041
其中，m表示第一模式输出统计模型系数，xi表示某一时刻中尺度模拟风速，yi表示对应时刻测风塔的观测风速数据，N表示整体时间序列样本数量且N为正整数，i表示时间步长。
9.根据权利要求8所述的利用观测风速数据校正中尺度模拟风速数据的系统，其特征在于，所述第二系数计算模块采用如下公式计算第二模式输出统计模型系数：
Figure FDA0003550818580000042
其中，mp表示第二模式输出统计模型系数，mj表示测风塔j处得到的第一模式输出统计模型系数，Wj表示权重系数，
Figure FDA0003550818580000043
djp表示从测风塔j处到目标点p处的距离，M表示测风塔的数量且M为正整数。
10.根据权利要求6-9任一项所述的利用观测风速数据校正中尺度模拟风速数据的系统，其特征在于，所述数据预处理模块具体用于：
对目标风场的测风塔的观测风速数据进行数据清理，剔除无效数据，并将数据清理后的观测风速数据通过平均化处理得到与所述中尺度模拟风速数据采用频率一致的观测风速时间序列数据。
CN202210263733.9A 2022-03-17 2022-03-17 一种利用观测风速数据校正中尺度模拟风速数据的方法及系统 Pending CN114564697A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210263733.9A CN114564697A (zh) 2022-03-17 2022-03-17 一种利用观测风速数据校正中尺度模拟风速数据的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210263733.9A CN114564697A (zh) 2022-03-17 2022-03-17 一种利用观测风速数据校正中尺度模拟风速数据的方法及系统

Publications (1)

Publication Number Publication Date
CN114564697A true CN114564697A (zh) 2022-05-31

Family

ID=81719766

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210263733.9A Pending CN114564697A (zh) 2022-03-17 2022-03-17 一种利用观测风速数据校正中尺度模拟风速数据的方法及系统

Country Status (1)

Country Link
CN (1) CN114564697A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116258023A (zh) * 2023-05-15 2023-06-13 中国船舶集团风电发展有限公司 风电场的风速预测方法及终端设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116258023A (zh) * 2023-05-15 2023-06-13 中国船舶集团风电发展有限公司 风电场的风速预测方法及终端设备
CN116258023B (zh) * 2023-05-15 2023-07-18 中国船舶集团风电发展有限公司 风电场的风速预测方法及终端设备

Similar Documents

Publication Publication Date Title
CN110985309B (zh) 偏航对风异常检测方法、装置、设备和存储介质
CN112231361B (zh) 一种基于风机运行数据的风电项目发电量评估方法
CN106875037B (zh) 风力预测方法及装置
CN111709569B (zh) 风电场输出功率预测修正方法及装置
CN110633864B (zh) 一种基于距平偏差的风速数值预报订正方法及其系统
DK2981711T3 (en) PROCEDURE FOR EFFICIENCY MONITORING OF A WINDOW ENERGY PARK
CN112417734B (zh) 一种基于风电场地理信息的风速订正方法及装置
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
CN115062879B (zh) 一种风电机组指标参数的获取方法、装置及设备
CN111709644B (zh) 一种利用机组scada数据的风电场风资源计算方法
CN114564697A (zh) 一种利用观测风速数据校正中尺度模拟风速数据的方法及系统
CN114819374A (zh) 区域新能源超短期功率预测方法及系统
CN111340307A (zh) 预测风机风力发电功率的方法以及相关装置
CN115270065A (zh) 一种基于海上风电场scada运行数据的风电机组局地有效湍流强度计算方法
CN113642884B (zh) 一种电网失电情况下风电场发电量损失统计方法及系统
CN113850440A (zh) 一种利用基于平均风速订正的mcp的风速预测方法
CN114186407A (zh) 一种参数可自适应调整的风电场尾流速度场计算方法及系统
CN116596165B (zh) 一种风力发电功率预测方法及系统
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
CN116245032B (zh) 一种考虑时空相关性的风电场模拟发电量订正方法及系统
CN111814345B (zh) 利用多种中尺度风速数据插补观测缺失风速数据的方法
CN113283035B (zh) 双参数风力机机舱传递函数构建方法、系统、设备及存储介质
CN110094299A (zh) 风电机组的偏航对风自矫正方法和设备
CN113887839A (zh) 一种基于聚类的风电场超短期风功率预测方法及系统
CN113468767B (zh) 一种海上风电机组发电量评估方法与系统

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