CN114722563B - 基于ahp的复杂地形风电场发电量折减系数取值方法 - Google Patents

基于ahp的复杂地形风电场发电量折减系数取值方法 Download PDF

Info

Publication number
CN114722563B
CN114722563B CN202210172471.5A CN202210172471A CN114722563B CN 114722563 B CN114722563 B CN 114722563B CN 202210172471 A CN202210172471 A CN 202210172471A CN 114722563 B CN114722563 B CN 114722563B
Authority
CN
China
Prior art keywords
wind
matrix
fan
judgment matrix
power plant
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.)
Active
Application number
CN202210172471.5A
Other languages
English (en)
Other versions
CN114722563A (zh
Inventor
方卫民
叶漫红
高革命
王雪
吴志旺
龙海飚
曹小群
林日明
吴刚
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.)
PowerChina Jiangxi Electric Power Engineering Co Ltd
Original Assignee
PowerChina Jiangxi Electric Power Engineering 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 PowerChina Jiangxi Electric Power Engineering Co Ltd filed Critical PowerChina Jiangxi Electric Power Engineering Co Ltd
Publication of CN114722563A publication Critical patent/CN114722563A/zh
Application granted granted Critical
Publication of CN114722563B publication Critical patent/CN114722563B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • 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)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Computing Systems (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Algebra (AREA)
  • Geometry (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Wind Motors (AREA)

Abstract

本发明公开了一种基于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。本发明拟应用AHP方法，将提供复杂地形风电场发电量折减系数取值的准确性为目标层，以水平距离、垂直高差、山脊走向偏差、风速分区误差等4项为准则层，以各机位点的得分为方案层，通过构建层次结构模型及比较判断矩阵，从而综合出各机位点的最终得分，并据此进行折减系数取值。

Description

基于AHP的复杂地形风电场发电量折减系数取值方法
技术领域
本发明属于风电场发电量计算领域，应用于复杂地形风电场发电量计算环节中的折减系数取值，主要在于可以结合具体项目给出适合本项目特点的各机位的折减系数取值，实现了折减系数取值的差异性和针对性。
背景技术
在风电场发电量计算过程中，通常的程序总体是“1收集测风数据并进行代表年订正”—“2建立发电量计算模型并计算”—“3输出各机位发电量理论值”—“4确定发电量折减系数取值”—“5确定发电量设计值”，其中“4确定发电量折减系数取值”直接影响风电场设计发电量，并由此判断项目的经济性指标，进而为决策者对项目建设与否提供决策支持。
目前多数风电场在发电量计算中，折减系数只取一个值，如取75％，以一个单机容量为3MW的风机为例，如该机位的理论发电量为9000MWh，则按75％的折减系数考虑后，其设计发电量则为6750MWh，对应的设计年利用小时数为2250h。
但是复杂地形的风能资源分布跟水平距离因子、垂直高度、山脊走向偏差密切相关。理论上，风电场拟布置风机位处的折减系数应随以上各类因子分布的差异而取不同的折减，才是比较符合项目实际的发电量折减方法。
从已投产的各类复杂地形风电场实际发电情况看，不同的海拔高度、不同的水平距离和不同的山脊走向偏差之间风速分布差异较大。目前行业内对发电量取值环节中普遍认为应增加“风能资源评估及软件计算不确定性误差此项折减”，但往往此项折减全场均为一个值，即大致将风电场按地理位置划分成几个区域，之后每个区域取一种折减，而其中区域的划分和折减取值基本是凭经验判断，缺少数学的理论方法做支撑，即无法实现高精度，同时也因为没有形成系统方法导致无法推广。
发明内容
本发明要解决的技术问题是提供一种应用于复杂地形风电场发电量计算环节中折减系数取值的方法，结合具体项目给出适合项目特点的各机位的折减系数取值，实现了折减系数取值的差异性和针对性，并且该方法可实现数字化并形成分析系统。
为了达到上述目的，本发明所采用的技术方案为：
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，包括以下步骤，
(1)选择测风数据，根据中国国家能源局行业标准NB/T31147-2018“风电场工程风能资源测量与评估技术规范”中国国家标准GB/T18710-2002“风电场风能资源评估方法”进行数据整理及代表年订正，形成发电量计算的时间-测风数据；所述发电量计算的时间-测风数据包括输入测风数据文件、地形高程文件、粗糙度文件中的一种或多种组合；
(2)利用METEODYN WT4.7软件和步骤(1)获得的所述发电量计算的时间-测风数据，建立发电量计算模型，设置模型参数，计算网格的最小水平分辨率25米，最小垂直分辨率4米，水平扩展系数1.1，垂直扩展系数1.2，垂直参数0.7，森林冠层模型为稳健模型，热稳定度等级为中性稳定；
(3)将步骤1)中的时间-测风数据输入到METEODYN WT4.7软件，进行风机位排布及发电量计算；
输出各测风塔和风机位的水平X、Y坐标、海拔高度、自由风速和理论发电量；
假设风电场有n台风机、m座测风塔，输出参数为：
风机坐标值：(FJ1_X,FJ1_Y),(FJ2_X,FJ2_Y),…,(FJn_X,FJn_Y)；
风机海拔高度：(FJ1_H,FJ2_H,…,FJn_H)；
风机位处风速：(FJ1_V,FJ2_V,…,FJn_V)；
测风塔坐标值：(T1_X,T1_Y),(T2_X,T2_Y),…,(Tm_X,Tm_Y)；
测风塔海拔高度：(T1_H,T2_H,…,Tm_H)；
测风塔位处风速：(T1_V,T2_V,…,Tm_V)；
风机位处理论发电量：(FJ1_EP,FJ2_EP,…,FJn_EP)；
(4)风电场在发电量计算过程中，折减系数取值的传统经验性方法是风电场统一取某个值η，因此风电场上网发电量为：
EP＝(FJ1_EP+FJ2_EP+…+FJn_EP)×η，
传统经验性方法难以做到发电量折减系数精细化和差异化；
本发明通过多种影响因素综合考虑折减系数中的“风能资源评估及软件计算不确定性误差此项折减”因子，从而使得每台机位的折减系数取值差异化和精确化，设各风机位的“风能资源评估及软件计算不确定性误差此项折减”折减因子取值FJi_η(1≤i≤n)，折减系数中的其他因素取值Other_η，则本发明风电场发电机计算公式为：
EP＝(FJ1_EP×FJ1_η+FJ2_EP2×FJ2_η+…+FJn_EP×FJn_η)×Other_η，相比现有技术，本发明折减系数取值更加合理，发电量计算也更精确；
(5)确定决策目标，决策目标为“发电量折减系数取值合理”；
(6)依据步骤5)提出的目标，确定目标下的准则层：
本发明明确该目标下分为水平距离差、垂直高程差、山脊走向偏差和分区风速误差作为目标的准则层；
7)依据步骤(6)中的“水平距离差”准则，构建各风机位在此准则下的比较判断矩阵
(7.1)水平距离差计算
如风电场有两座测风塔，以每个风机位与两个测风塔的水平距离差的平均值为基础，进行各风机位比较判断矩阵的两两比较打分；
如风机1的坐标(FJ1_X,FJ1_Y)与两座测风塔(塔1坐标为(T1_X,T1_Y)；塔2的坐标为(T2_X,T2_Y))的距离差的平均值Avg_HoriD_FJ1_T1T2计算公式为：
Figure GDA0004142445380000031
(7.2)构建比较判断矩阵
基于AHP法，按照水平距离差小得打分高的原则，打分标准见表1，构建水平距离差准则下的判断矩阵；
表1
Figure GDA0004142445380000032
Figure GDA0004142445380000041
假如风电场有n台风机，设有两座测风塔，根据步骤7.1)计算每个风机点位与两个测风塔的水平距离差的平均值，之后基于AHP法的判断矩阵构建原则进行打分，打分标准见表1，具体为基于风机点位与测风塔之间的距离，进行风机之间两两打分，一般是距离近的风机点位的代表性越好，得分也就越高，
水平距离差准则下打分后的判断矩阵A_HoriD为：
Figure GDA0004142445380000042
(7.3)求解步骤(7.2)中A_HoriD矩阵的权值向量W_Hori_A：
W_Hori_A＝(Ho1,Ho2,…Hon)T；
(7.4)判断矩阵A_HoriD的一致性检验：
(7.4.1)一致性比例CR_A_HoriD的计算公式为：
Figure GDA0004142445380000043
λmax为矩阵A_HoriD的最大特征值，RI值可通过查平均随机一致性指标表获得，参见表2；
其中，λmax为判断矩阵的最大特征根，判断矩阵的特征根λmax可根据特征根的计算公式求出：
A_HoriD×W_Hori_A＝λmax×W_Hori_A；
(7.4.2)当步骤(7.4.1)中的CR_A_HoriD<0.1时，认为比较判断矩阵A_HoriD的一致性可以接受，否则应在水平距离差准则下，进行矩阵一致性调整，对风机之间重新两两打分，构建新的判断矩阵A_HoriD，直至新的判断矩阵A_HoriD的一致性可以接受，至此可以完成新的判断矩阵A_HoriD的权值向量W_Hori_A；
(8)依据步骤(6)中的“垂直高程差”准则，构建各风机位在此准则下的比较判断矩阵
(8.1)垂直高程差计算
如风电场有2座测风塔，以每个风机位与两个测风塔的垂直高程差的平均值为基础，进行各风机位比较判断矩阵的两两比较打分；
如风机1的海拔FJ1-Z与2座测风塔的高程差绝对值的平均值Avg_ElevD_FJ1-T1T2计算公式如下，其中测风塔1海拔T1-Z，测风塔2的海拔为T2-Z：
Figure GDA0004142445380000051
(8.2)构建比较判断矩阵
基于AHP方法，按照垂直高程差小得打分高的原则，打分标准见表1，构建垂直高程差准则下的判断矩阵；
假如风电场有n台风机，2个测风塔，根据步骤(8.1)计算每个风机点位与两个测风塔的垂直高程差的平均值，之后基于AHP法的判断矩阵构建原则进行打分，打分标准见表1，具体为基于风机点位与两个测风塔的垂直高程差的平均值，进行风机之间两两打分，平均值小的风机点位代表性越好，得分也就越高，
垂直高程差准则下打分后的判断矩阵A_ElevD为：
Figure GDA0004142445380000061
(8.3)求解步骤(8.2)中A_ElevD矩阵的权值向量W_Elev_A：
W_Elev_A＝(El1,El2,…Eln)T；
(8.4)参考步骤(7.4)的方法，直至完成判断矩阵A_ElevD的权值向量W_Elev_A；
(9)依据步骤(6)中的“山脊走向偏差”准则，定义为风机排布所在山脊的大体走向与风电场区域主风向的夹角，并根据夹角的大小来数值量化“山脊走向偏差”；
(9.1)构建风向扇区
考虑到山地风电场机位间的“山脊走向偏差”往往差异较大，也为便于简化计算，可依据山脊与主风向的最大夹角范围来选择适宜的风向划分标准，如以八个或十六个罗盘方位表示风的来向；
以八个罗盘方位划分八个风向扇区为例，“山脊走向偏差”的风向角值M8_Rdg计算公式为：
Figure GDA0004142445380000062
为合并夹角互补或平行山脊的相同效应分区，山脊与主风向夹角统一取相交的锐角，因此风电场“山脊走向偏差”则被进一步简化为四个扇区，按照成风条件由好到差排列为一～四扇区，夹角分别为：67.5°～90°、45°～67.5°、22.5°～45°和0～22.5°，根据扇区夹角将风机根据风向角值M8_Rdg划入相应的扇区中；
(9.2)构建判断矩阵
基于AHP法，扇区夹角更接近90°，成风条件越好，得分也更高，打分标准见表1，山脊走向偏差准则下打分后的判断矩阵A_Rdg_D为：
Figure GDA0004142445380000071
(9.3)求解步骤(9.2)中A_Rdg_D矩阵的权值向量W_RdgD_A：
W_RdgD_A＝(Rd1,Rd2,…,Rdn)T；
(9.4)参考步骤(7.4)的方法，直至完成判断矩阵A_RdgD的权值W_RdgD_A；
(10)依据步骤(6)中的“分区风速误差”准则,基于中国发明专利ZL201610799800.3“一种风电场分区划分方法及该风电场分区测风塔位置的选择方法”，利用风速场的差异或风能资源的差异将风电场分区，考虑到山地风电场风况较为复杂，且分区数量不宜过多，因此可依据实际风况来调整分区的年平均风速振幅绝对误差α；
(10.1)各分区的年平均风速振幅绝对误差
Figure GDA0004142445380000072
计算
基于各分区的年平均风速振幅绝对误差
Figure GDA0004142445380000073
构建“分区风速误差”准则下的判断矩阵，如某一风区有风机n台，依据中国发明专利ZL201610799800.3“一种风电场分区划分方法及该风电场分区测风塔位置的选择方法”，首先计算各分区年平均风速计算矩阵：
AN×N＝(Vij)，
其中，Vij表示第i号模拟测风塔推算出的在第j号模拟测风塔位置处的年平均风速，单位m/s；
对矩阵AN×N中第j行，第m列，计算年平均风速振幅绝对误差：
ajm＝max(Vkm)-min(Vlm)；
k＝1～j l＝1～j
于是，计算获得年平均风速振幅绝对误差矩阵BN×N＝(aij)，对于年平均风速振幅绝对误差矩阵中最大元素，即为该风区的年平均风速振幅绝对误差max(αij)；
i，j＝1～n
(10.2)构建判断矩阵
同一风区内可按照同一标度进行打分，不同风区的年平均风速振幅误差越小，得分越高，若风区内包含测风塔，则该风区打分越高，可形成分区风速误差准则下的判断矩阵，打分标准见表1；
假设某风区有n个风机点位，分区风速误差准则下打分后的判断矩阵AWsErrorD为：
Figure GDA0004142445380000081
(10.3)求解步骤(10.2)中A_WsErrorD矩阵的权值向量W_WsErrorD_A：
W_WsErrorD_A＝(Ws1,Ws2,…,Wsn)T
(10.4)参考步骤(7.4)的方法，直至完成判断矩阵A_WsErrorD的权值向量W_WsErrorD_A；
(11)对步骤(6)中的水平距离、垂直高差、山脊走向偏差、风速分区误差4项因素进行打分，依据山地风电场建设经验，确定风速分区误差影响较大(风速影响)，其次是山脊走向偏差(风向影响)，最后是垂直高差和水平距离，打分标准见表1，构造以复杂地形风电场发电量折减系数取值的准确性为目标层的判断矩阵ARC为：
Figure GDA0004142445380000082
(11.1)求解A_RC矩阵的权值向量W_RC_A：
W_RC_A＝(ω1,ω2,…,ω4)T
(11.2)参考步骤(7.4)的方法，直至完成判断矩阵A_RC的权值向量W_RC_A；
(11.3)根据水平距离、垂直高差、山脊走向偏差、风速分区误差4项准则层下的子分区权重W_HoriD_A、W_ElevD_A、W_RdgD_A、W_WsErrorD_A，赋值到相对应的每台机位，并经过归一化处理得风机权值矩阵ω_FjD：
ω_FjD＝(W_HoriD_FJ,W_ElevD_FJ,W_RdgD_FJ,W_WsErrorD_FJ)；
(11.4)计算相对于目标层“复杂地形风电场发电量折减系数取值的准确性”，A风电场各风机位的总权值W_FjD＝ω_FjD×W_RC_A＝(w1,w2,…,wn)T；
(11.5)依据各风机位相对于“复杂地形风电场发电量折减系数取值的准确性”的权值进行折减系数修正，将各风机位相对于目标层的总权值Wj中最大的风机位的折减修正系数设为1，即
Figure GDA0004142445380000091
其余机位折减修正系数α_FJ计算公式为:α_FJ＝(Wj/W1,Wj/W2,…,Wj/Wk,…,Wj/Wn),k＝1～n；
(11.6)对A风电场发电量折减系数中的“风能资源评估及软件计算不确定性误差”此项折减因子基数θ进行取值，通过步骤(2)所述METEODYN WT4.7软件计算风电场内两座测风塔的相互模拟风速，并和实测风速进行列表：
Figure GDA0004142445380000092
根据折减因子基数θ的计算公式：
Figure GDA0004142445380000093
Figure GDA0004142445380000101
求出A风电场折减因子基数θ，则全场各风机折减系数计算公式为：
η_FJ＝(Wj/W1×θ，Wj/W2×θ，…，Wj/Wj×θ，…，Wj/Wn×θ),
(11.7)将步骤(11.6)获得的全场各风机折减系数输入步骤(2)所述METEODYNWT4.7软件建立的发电量计算模型中，输出各测风塔和风机位的(X，Y)坐标，海拔高度、自由风速、理论发电量。
本发明综合考虑水平距离因子、垂直高度、山脊走向偏差和风速分区等四方面因素，从而实现风电场风机位处的折减系数的差异化和精细化，也使得计算出来的折减系数更可靠，发电量更符合实际，为风电场发电量的估算和行业的决策奠定了更坚实的基础，为复杂地形风电场前期选址和风机排布等都有一定的指导意义，在实际复杂地形风电场工程开发中有较好的实用前景。
上述内容是对本发明技术方案的总体论述，为更清晰明了的介绍本发明的技术，以及在实践当中检验该发明的实用性，结合实例和附图对本发明作进一步的详细描述。
AHP方法又称层次分析法，是一种层次权重决策分析方法，该方法将决策问题的有关元素分解成目标、准则、方案等层次，在此基础上进行定性和定量分析的一种决策方法。该方法的特点是对复杂决策问题的本质、影响因素及其内在关系等进行深入研究之后，构建一个层次结构模型，然后利用较少的定量信息，把决策的思维过程数学化，从而为求解多准则的复杂决策问题提供一种综合决策分析方法。
本发明拟应用AHP方法，将提供复杂地形风电场发电量折减系数取值的准确性为目标层，以水平距离、垂直高差、山脊走向偏差、风速分区误差等4项为准则层，以各机位点的得分为方案层，通过构建层次结构模型及比较判断矩阵，从而综合出各机位点的最终得分，并据此进行折减系数取值。
附图说明
图1为主风向与山脊走向的夹角示意图；
图2为山脊走向分区的罗盘方位图；
图3为风电场近20年年平均风速图；
图4为各风机的设计发电量与风场实际平风年水平发电量对比图。
具体实施方式
结合实例操作和介绍说明、附图，对本发明作进一步的说明和验证其实用性。
对比例
一种复杂地形风电场发电量折减系数差异化取值方法，包括以下步骤：
(1)收集某复杂地形风电场(以下简称A风电场)两座测风塔满一年及以上的测风数据，根据风电行业规范进行测风数据处理及订正，整合成时间序列文件；
(2)利用风电场发电量计算专业软件建立发电量计算模型，结合风电场下垫面条件设置相关模型参数；
(3)将风电场各测风塔时间序列文件输入到发电量计算软件，进行风机位排布及发电量计算；
输出各测风塔和风机位的水平X、Y坐标、海拔高度、自由风速和理论发电量；
假设风电场有n台风机、m座测风塔，输出参数为：
风机坐标值：(FJ1_X,FJ1_Y),(FJ2_X,FJ2_Y),…,(FJn_X,FJn_Y)；
风机海拔高度：(FJ1_H,FJ2_H,…,FJn_H)；
风机位处风速：(FJ1_V,FJ2_V,…,FJn_V)；
测风塔坐标值：(T1_X,T1_Y),(T2_X,T2_Y),…,(Tm_X,Tm_Y)；
测风塔海拔高度：(T1_H,T2_H,…,Tm_H)；
测风塔位处风速：(T1_V,T2_V,…,Tm_V)；
风机位处理论发电量：(FJ1_EP,FJ2_EP,…,FJn_EP)；
(4)风电场在发电量计算过程中，折减系数取值的传统经验性方法是风电场统一取某个值η，因此风电场上网发电量为：
EP＝(FJ1_EP+FJ2_EP+…+FJn_EP)×η
传统经验性方法难以做到发电量折减系数精细化和差异化。
实施例
本发明通过多种影响因素综合考虑折减系数中的“风能资源评估及软件计算不确定性误差此项折减”因子，从而使得每台机位的折减系数取值差异化和精确化，设各风机位的“风能资源评估及软件计算不确定性误差此项折减”因子取值FJi_η(1≤i≤n)，折减系数中的其他因素取值Other_η，则本发明风电场发电机计算公式为：
EP＝(FJ1_EP×FJ1_η+FJ2_EP2×FJ2_η+…+FJn_EP×FJn_η)×Other_η
折减系数取值更加合理，发电量计算也更精确。
一种复杂地形风电场发电量折减系数差异化取值方法，包括以下步骤：
(1)收集某复杂地形风电场(以下简称A风电场)两座测风塔满一年及以上的测风数据，根据中国国家能源局行业标准NB/T31147-2018“风电场工程风能资源测量与评估技术规范”中国国家标准GB/T18710-2002“风电场风能资源评估方法”进行数据整理及代表年订正，整合成时间序列文件，形成发电量计算的时间-测风数据；所述发电量计算的时间-测风数据包括输入测风数据文件、地形高程文件、粗糙度文件；
(2)利用METEODYN WT4.7软件和步骤(1)获得的输入测风数据文件，以及地形高程文件、粗糙度文件，建立发电量计算模型，设置模型参数，计算网格的最小水平分辨率25米，最小垂直分辨率4米，水平扩展系数1.1，垂直扩展系数1.2，垂直参数0.7，森林冠层模型为稳健模型，热稳定度等级为中性稳定；本实施例中使用METEODYN WT4.7软件，也可以使用不同版本、不同厂家的同类型软件建立发电量计算模型；
(3)将步骤1)中的时间-测风数据输入到METEODYN WT4.7软件，进行风机位排布及发电量计算；
输出各测风塔和风机位的水平X、Y坐标、海拔高度、自由风速和理论发电量；
假设风电场有n台风机、m座测风塔，输出参数为：
风机坐标值：(FJ1_X,FJ1_Y),(FJ2_X,FJ2_Y),…,(FJn_X,FJn_Y)；
风机海拔高度：(FJ1_H,FJ2_H,…,FJn_H)；
风机位处风速：(FJ1_V,FJ2_V,…,FJn_V)；
测风塔坐标值：(T1_X,T1_Y),(T2_X,T2_Y),…,(Tm_X,Tm_Y)；
测风塔海拔高度：(T1_H,T2_H,…,Tm_H)；
测风塔位处风速：(T1_V,T2_V,…,Tm_V)；
风机位处理论发电量：(FJ1_EP,FJ2_EP,…,FJn_EP)；
(4)设各风机位的“风能资源评估及软件计算不确定性误差此项折减”折减因子取值FJi_η(1≤i≤n)，折减系数中的其他因素取值Other_η，则本发明风电场发电机计算公式为：
EP＝(FJ1_EP×FJ1_η+FJ2_EP2×FJ2_η+…+FJn_EP×FJn_η)×Other_η；
(5)确定决策目标，决策目标为“发电量折减系数取值合理”；
(6)依据步骤5)提出的目标，确定目标下的准则层：
以水平距离、垂直高差、山脊走向偏差、风速分区误差等4项为准则层，各机位点作为方案层；
(7)依据步骤(6)中的“水平距离差”准则，构建各风机位在此准则下的比较判断矩阵
(7.1)水平距离差计算
本实例共n＝28台风机，m＝2台测风塔，基于风机点位处的坐标(FJi-X,FJi-Y)(1≤i≤n＝28)和测风塔处的坐标(Tj-X,Tj-Y)(1≤j≤m＝2)，计算每个风机点位距离风电场内各测风塔的平均水平距离差的平均值；
如风机i的坐标(FJi_X,FJi_Y)与两座测风塔(塔1坐标为(T1_X,T1_Y)；塔2的坐标为(T2_X,T2_Y))的距离差的平均值Avg_HoriD_FJi_T1T2计算公式为：
Figure GDA0004142445380000131
基于机位点与测风塔的平均距离，按照“水平距离差”准则制定一般的分区标准，分区标准见表3，
表3
Figure GDA0004142445380000141
根据机位处与测风塔水平距离，发现A风电场28台风机可分为四个区，详见表4，
表4
机位处与测风塔水平距离(km) 分区新编号 风机编号
2～3 1# FJ07～FJ08、FJ10～FJ25
3～4 2# FJ05～FJ06、FJ26～FJ28
4～5 3# FJ02～FJ04、FJ09
5～7 4# FJ01
(7.2)构建比较判断矩阵
根据“水平距离差”对全场机位分区成果，基于AHP法的判断矩阵构建原则进行打分，打分标准见表1，具体为基于分区与测风塔之间的距离，进行分区之间的两两打分，一般是距离近的分区风机点位代表性越好，得分也就越高，
构造“水平距离差”准测层下的的判断矩阵AHoriD为：
Figure GDA0004142445380000142
(7.3)求解步骤(7.2)中A_HoriD矩阵，计算“水平距离差”准则层下各分区相对重要性的权值向量W_Hori_A：
公式为：W_Hori_A＝(Ho1,Ho2,…Hon)T，
权值向量计算过程如下：
Figure GDA0004142445380000151
结果为：W_HoriD_A＝(0.412,0.293,0.187,0.108)T；
(7.4)对“水平距离差”准则层下各分区打分一致性进行检验：
(7.4.1)一致性比例CR_A_HoriD的计算公式为：
Figure GDA0004142445380000152
其中，λmax为判断矩阵的最大特征根，n为分区个数，此处n＝4，RI值可通过查平均随机一致性指标表获得，参见表2，对应的RI＝0.9；
判断矩阵的最大特征根λmax可根据特征根的计算公式求出：
A_HoriD×W_Hori_A＝λmax×W_Hori_A；
求出λmax＝4.071；
(7.4.2)根据
Figure GDA0004142445380000153
求出CR_A_HoriD＝0.026<0.1，认为比较判断矩阵A_HoriD的一致性可以接受，通过一致性检验，即相对于“水平距离差”准则，A风电场各分区相对重要性排列合理；
(8)依据步骤(6)中的“垂直高程差”准则，构建各风机位在此准则下的比较判断矩阵
(8.1)垂直高程差计算
依据“垂直高差”准则，基于机位点处的海拔高度FJi-Z(1≤i≤n＝28)和测风塔处的海拔高度Tj-Z(1≤j≤m＝2)，计算每个风机点位与各测风塔的平均垂直海拔高差；
如风机i的海拔FJi-Z与2座测风塔(塔1海拔T1-Z；塔2的海拔为T2-Z)的高程差绝对值的平均值Avg_ElevD_FJi-T1T2计算公式为：
Figure GDA0004142445380000161
(8.2)构建比较判断矩阵
风电场有n＝28台风机，m＝2个测风塔，基于机位点与各测风塔的平均垂直海拔高差，按照“垂直高差”准则制定一般的分区标准，见表5，
表5
Figure GDA0004142445380000162
可对A风电场28台风机中没有机位点落在六#分区范围内，因此A风电场的28台风机分为六个区，见表6，
表6
机位处与测风塔平均海拔高差(m) 风区新编号 风机编号
0～50 1# FJ14～FJ19、FJ26
50～100 2# FJ13、FJ20～FJ25
100～150 3# FJ08、FJ10、FJ12、FJ27
150～200 4# FJ04、FJ06、FJ07、FJ28
200～250 5# FJ03、FJ05、FJ09、FJ11
300～400 6# FJ01、FJ02
；
本实施例中，根据《风电场工程风能资源测量与评估技术规范》(NB/T31147-2018)4.1.8条中“...测风塔与预装风电机组的海拔高差不宜大于50m”，选择机位处与测风塔平均海拔高差(m)以50m为一个区间进行区分，若台区内风机的平均垂直海拔高差偏小，在本步骤中不能进行有效区分，可以将表5中的机位处与测风塔平均海拔高差(m)缩小取值；若台区内风机的平均垂直海拔高差偏大，则应重新确定测风塔位置。
基于AHP方法，根据“垂直高差”对全场机位分区成果，按照垂直高程差小得打分高的原则，打分标准见表1，平均值小的风机点位代表性越好，得分也就越高，构造“垂直高差”准测层下的判断矩阵A_ElevD为：
Figure GDA0004142445380000171
(8.3)求解步骤(8.2)中A_ElevD矩阵的权值向量W_Elev_A，求解过程同步骤(7.3)，
W_ElevD_A＝(0.322,0.256,0.151,0.125,0.089,0.057)T
(8.4)对“垂直高差”准则层下各分区打分一致性进行检验：
(8.4.1)一致性比例CR_A_ElevD的计算公式为：
Figure GDA0004142445380000172
，
λmax为判断矩阵A_ElevD的最大特征值，n为风区分区个数，此处n＝6，RI值可通过查平均随机一致性指标表表获得，参见表2，对应的RI＝1.24；
其中，判断矩阵的最大特征根λmax可根据特征根的计算公式求出：
A_HoriD×W_Hori_A＝λmax×W_Hori_A；
求出λmax＝6.107；
(8.4.2)根据
Figure GDA0004142445380000173
求出CR_A_ElevD＝0.017<0.1，认为比较判断矩阵A_ElevD的一致性可以接受，通过一致性检验，即相对于“垂直高差”准则，A风电场各分区相对重要性排列合理；
(9)构建风向扇区
依据步骤(6)中的“山脊走向偏差”准则，基于风机位处所在山脊的大体走向与风电场区域主风向，计算山脊与主风向的夹角来数值量化“山脊走向偏差”，见图1，
(9.1)构建风向扇区
按照“山脊走向偏差”准则制定一般的分区标准，为合并夹角互补或平行山脊的相同效应分区，山脊与主风向夹角统一取相交的锐角；
罗盘方位个数选择主要考虑两个因素，一是取决于山脊与主风向夹角范围实际情况，如整个山脊与主风向夹角均在0°～22.5°，则全场机位的山脊走向偏差无法区分开，这种情况可以选用更多的风向扇区，例如16个风向扇区；二是取决于计算的精度，若精度要求高，需要更进一步区分山脊走向偏差的不同，可选更多的风向扇区，例如16个风向扇区；
本实施例中的A风电场以八个罗盘方位表示风的来向计算“山脊走向偏差”分区的风向角值M8_Rdg：
Figure GDA0004142445380000181
根据“山脊走向偏差”准则山脊与主风向夹角统一取相交的锐角，因此可分为四个区，按照成风条件由好到差排列为一～四区，夹角分别为：一区夹角范围67.5°～90°、二区夹角范围45°～67.5°、三区夹角范围22.5°～45°和四区夹角范围0～22.5°，即山脊与主风向垂直，成风条件越佳，山脊与主风向平行，成风条件越差，见图2，
(9.2)构建判断矩阵
可对A风电场的28台机位中没有机位点落在四区夹角范围0～22.5°内，按照分区原则，因此A风电场的28台风机可分为三个区，详见表7。
表7
Figure GDA0004142445380000182
Figure GDA0004142445380000191
根据“山脊走向偏差”对全场机位分区成果，夹角更接近90°，成风条件越好，得分也更高，打分标准见表1，构造“山脊走向偏差”准测层下的的判断矩阵A_RdgD为：
Figure GDA0004142445380000192
(9.3)求解步骤(9.2)中A_Rdg_D矩阵的权值向量W_RdgD_A，求解过程同步骤(7.3)，
W_RdgD_A＝(0.490,0.312,0.198)T
(9.4)对“山脊走向偏差”准则层下各分区打分一致性进行检验：
(9.4.1)一致性比例CR_A_RdgD的计算公式为：
Figure GDA0004142445380000193
λmax为矩阵A_RdgD的最大特征值，n为分区个数，此处n＝3，RI值可通过查平均随机一致性指标表获得，参见表2，对应的RI＝0.58；
其中，判断矩阵的最大特征根λmax可根据特征根的计算公式求出：
A_HoriD×W_Hori_A＝λmax×W_Hori_A；
求出λmax＝3.054；
(9.4.2)根据
Figure GDA0004142445380000194
求出CR_A_RdgD＝0.047<0.1，认为比较判断矩阵A_RdgD的一致性可以接受，通过一致性检验，即相对于“山脊走向偏差”准则，A风电场各分区相对重要性排列合理；
(10)依据步骤(6)中的“风速分区误差”准则，基于中国发明专利ZL201610799800.3“一种风电场分区划分方法及该风电场分区测风塔位置的选择方法”，本实例中，为控制分区数量，按照年平均风速振幅绝对误差0.8m/s，对A风电场28台风机分成9个风区，详见表10，各风区内均不含测风塔点位。
表10
Figure GDA0004142445380000201
(10.1)各风区的年平均风速振幅绝对误差
Figure GDA0004142445380000202
计算
计算每个风区的年平均风速振幅绝对误差
Figure GDA0004142445380000203
设某一风区有风机n台，依据中国发明专利ZL 201610799800.3“一种风电场分区划分方法及该风电场分区测风塔位置的选择方法”，首先计算各风区年平均风速计算矩阵：
AN×N＝(Vij)，
其中，Vij表示第i号模拟测风塔推算出的在第j号模拟测风塔位置处的年平均风速，单位m/s；
对矩阵AN×N中第j行，第m列，计算年平均风速振幅绝对误差：
ajm＝max(Vkm)-min(Vlm)
k＝1～j l＝1～j
于是，可计算年平均风速振幅绝对误差矩阵BN×N＝(aij)，对于年平均风速振幅绝对误差矩阵中最大元素，即为该风区的年平均风速振幅绝对误差max(αij)；
i，j＝1～n
(10.2)构建判断矩阵
同一风区内可按照同一标度进行打分，不同风区的年平均风速振幅误差越小，得分越高，若风区内包含测风塔，则该风区打分越高，可形成分区风速误差准则下的判断矩阵，打分标准见表1；
A风电场每个风区的年平均风速振幅绝对误差Max_WsError计算成果如表8，
表8
风区编号 1# 2# 3# 4# 5# 6# 7# 8# 9#
振幅误差(m/s) 0.57 0.62 0.42 0.67 0.45 0.59 0.79 0.49 0.39
构造“风速分区误差”准则下的判断矩阵A_WsErrorD：
Figure GDA0004142445380000211
(10.3)求解步骤(10.2)中矩阵A_WsErrorD的权值向量W_WsErrorD_A，求解过程同步骤(7.3)，
W_WsErrorD_A＝(0.115,0.091,0.148,0.057,0.141,0.104,0.053,0.128,0.163)T
(10.4)对“风速分区误差”准则层下各分区打分一致性检验：
(10.4.1)一致性比例CR_A_WsErrorD的计算公式为：
Figure GDA0004142445380000212
，
λmax为矩阵A_WsErrorD的最大特征值，n为分区个数，此处n＝9，RI值可通过查平均随机一致性指标表获得，参见表2，对应的RI＝1.45；
其中，判断矩阵的特征根λmax可根据特征根的计算公式求出：
A_HoriD×W_Hori_A＝λmax×W_Hori_A；
求出λmax＝10.140；
(10.4.2)根据
Figure GDA0004142445380000221
求出
CR_A_WsErrorD＝0.098<0.1，认为比较判断矩阵A_WsErrorD的一致性可以接受，通过一致性检验，即相对于“风速分区误差”准则，A风电场各分区相对重要性排列合理；
(11)对步骤(6)中的水平距离、垂直高差、山脊走向偏差、风速分区误差等4项因素进行打分，依据本实施例山地风电场建设数据，确定风速分区误差影响较大(风速影响)，其次是山脊走向偏差(风向影响)，最后是垂直高差和水平距离，打分标准见表1，构造以复杂地形风电场发电量折减系数取值的准确性为目标层的判断矩阵A_RC为：
Figure GDA0004142445380000222
对A风电场的水平距离、垂直高差、山脊走向偏差、风速分区误差4项因素对于折减系数的重要性进行两两初始打分，得：
Figure GDA0004142445380000223
(11.1)求解A_RC矩阵的的权值向量W_RC_A，求解过程同步骤(7.3)，
W_RC_A＝(0.126,0.153,0.238,0.483)T
(11.2)对A风电场的水平距离、垂直高差、山脊走向偏差、风速分区误差等4项因素的打分一致性进行检验：
(11.2.1)一致性比例CR_A_RC的计算公式为：
Figure GDA0004142445380000231
，
λmax为矩阵A_RC的最大特征值，n为因素个数，此处n＝4，RI值可通过查平均随机一致性指标表获得，参见表2，对应的RI＝0.9；
其中，判断矩阵的最大特征根λmax可根据特征根的计算公式求出：
A_HoriD×W_Hori_A＝λmax×W_Hori_A；
求出λmax＝4.366；
(11.2.2)根据
Figure GDA0004142445380000232
求出CR_A_RC＝0.12>0.1，认为比较判断矩阵A_RC不满足一致性要求，需重新调整判断矩阵；
(11.3)矩阵一致性调整方法有很多种，可通过yaanp/yaahp等辅助软件提供的相应功能处理，本实施例基于判断矩阵一致性调整方法的总结，按照一种简便快捷的方法进行一致性调整；
(11.3.1)首先将步骤(11)中的判断矩阵A_RC(这里是n＝4阶的方阵)中的元素Aij(其中1＜i≤n，i≤j≤n)除以Bij(其中
Figure GDA0004142445380000233
)，得矩阵(Bij)n×n：
Figure GDA0004142445380000234
(11.3.2)令变量Cij＝Aij/Bij，求出(Cij)n×n：
Figure GDA0004142445380000241
(11.3.3)计算偏离距离Dij＝|1_Cij|(若Bij＜1，且Aij＝9，则不计算偏离距离，若Bij＞1，且
Figure GDA0004142445380000242
则不计算偏离距离)，求出(Dij)n×n：
Figure GDA0004142445380000243
(11.3.3)由(Dij)n×n可以看出偏离距离最大的元素(Dij)max(即偏离1最大的元素)为第三行第四列的元素，因此需对判断矩阵A_RC中的A34进行调整，调整的原则为取1～9标度中最接近A34/C34的数代替元素A34(若Aij/Cij＞9，则Aij/Cij只能取9)；
由于
Figure GDA0004142445380000244
在1～9标度中最接近1/2或1/3,故令
Figure GDA0004142445380000245
对步骤(11)的
Figure GDA0004142445380000246
进行调整，得调整后得判断矩阵A_RC：
Figure GDA0004142445380000247
(11.3.4)求解A_RC矩阵的的权值向量W_RC_A，求解过程同步骤(7.3)，
W_RC_A＝(0.130,0.159,0.296,0.415)T
(11.4)对A风电场的水平距离、垂直高差、山脊走向偏差、风速分区误差等4项因素的打分一致性重新进行检验：
(11.4.1)一致性比例CR_A_RC的计算公式为：
Figure GDA0004142445380000251
λmax为矩阵A_RC的最大特征值，n为因素个数，此处n＝4，RI值可通过查平均随机一致性指标表获得，参见表2，对应的RI＝0.9；
其中，判断矩阵的最大特征根λmax可根据特征根的计算公式求出：
A_HoriD×W_Hori_A＝λmax×W_Hori_A；
求出λmax＝4.081；
(11.4.2)根据
Figure GDA0004142445380000252
求出CR_A_RC＝0.03<0.1，认为比较判断矩阵A_RC的一致性可以接受，通过一致性检验，即相对于复杂地形风电场发电量折减系数合理取值，A风电场的水平距离、垂直高差、山脊走向偏差、风速分区误差等4项因素的相对重要性排列合理；
若CR_A_RC≥0.1，则返回步骤(11.3)重新调整判断矩阵，直至CR_A_RC<0.1；
RI为随机一致性指标，取值参考表2，而对于更高阶的判断矩阵一致性检验，需要根据一致性指标定义进行计算，计算量较大，且阶数越高，打分难度越大，更不易进行总体把控和调整，本发明通过机位点分区，使得在每个准则层下的方案个数加以控制，
表2
Figure GDA0004142445380000253
(11.5)根据水平距离、垂直高差、山脊走向偏差、风速分区误差四项准则层下的子分区权重W_HoriD_A、W_ElevD_A、W_RdgD_A、W_WsErrorD_A，赋值到相对应的每台机位，并经过归一化处理得风机权
向量：
Figure GDA0004142445380000261
，
Figure GDA0004142445380000262
，
Figure GDA0004142445380000263
，
Figure GDA0004142445380000264
，
汇总后得相对于准则层的机位权值矩阵ω_FjD：
ω_FjD＝(W_HoriD_FJ01_FJ28,W_ElevD_FJ01_FJ28,W_RdgD_FJ01_FJ28,W_WsErrorD_FJ01_FJ；
(11.6)计算相对于目标层“复杂地形风电场发电量折减系数取值的准确性”，A风电场各风机位的总权值W_FjD＝ω_FjD×W_RC_A＝(w1,w2,…,wn)T，
求得A风电场FJ01～FJ28风机总权值为：
Figure GDA0004142445380000265
；
(11.7)依据各风机位相对于“复杂地形风电场发电量折减系数取值的准确性”的权值转换为折减系数修正，将各风机相对于目标层的总权值Wj中最小的风机位的折减修正系数设为1，即
Figure GDA0004142445380000266
其余机位折减修正系数α_FJ计算公式为:
α_FJ＝(Wj/W1,Wj/W2,…,Wj/Wk,…,Wj/Wn),k＝1～n；
根据折减修正系数α_FJ计算公式，计算出A风电场全场28台风机折减修正系数取值：
Figure GDA0004142445380000271
(11.8)对A风电场发电量折减系数中的“风能资源评估及软件计算不确定性误差”此项折减因子基数θ进行取值，通过步骤(2)所述METEODYN WT4.7软件计算风电场内两座测风塔的相互模拟风速，并和实测风速进行列表，见表9：
表9
T1 T2 总计
T1 5.730 7.281
T2 5.475 6.580
模拟风速总绝对误差(m/s) -0.255 0.701 0.45
模拟风速总相对误差(％) -4.45 10.65 6.20
根据折减因子基数θ的计算公式：
Figure GDA0004142445380000272
求出A风电场的“风能资源评估及软件计算不确定性误差”此项折减因子基数θ的值为6.2％。
则全场各风机折减系数计算公式为：
η_FJ＝(Wj/W1×6.2％，Wj/W2×6.2％，…，Wj/Wj×6.2％…，Wj/Wn×6.2％),
在本实施例中，A风电场全场28台风机发电量折减系数中的“风能资源评估及软件计算不确定性误差”此项折减因子取值：
Figure GDA0004142445380000273
；
(11.9)通过测风数据的收集、整理和订正，根据专业软件建立发电量计算模型，输出各测风塔和风机位的(X，Y)坐标，海拔高度、自由风速、理论发电量；
(11.10)本专利方法的风机发电量综合折减修正系数取值与传统设计计算方法的取值结果对比情况见表4：
表10
Figure GDA0004142445380000281
Figure GDA0004142445380000291
(11.11)根据本专利与传统设计方法计算的的风机发电量综合折减修正系数，推导出各风机的设计发电量，并与风场实际平风年水平发电量进行对比分析。A风电场实际发电量选取时段为2019年11月1日至2020年10月31日，可通过长期测站时间序列进行代表年分析，经分析，A风电场实测测风数据与windnavigator中尺度数据相关性较好，本专利以windnavigator中尺度长期时间序列作为参证站数据进行举例分析，Windnavigator数据反映的风电场近20年年平均风速见图3。
由图3可见，Windnavigator数据近20年的多年年平均风速为4.67m/s，与A风电场同期2019.11.01～2020.10.31时段内的年平均风速为4.69m/s，与同期近20年多年水平相比，仅偏差0.54％，属于平风年，故不需要对风电场发电量数据进行代表年订正，将直接采用实测完整年发电量作为平风年水平发电量进行评价。
(11.12)推导出各风机的设计发电量与风场实际平风年水平发电量进行对比分析，情况见图4；
由图4可见，由本专利推导出的发电量情况较传统设计方法更契合实际，计算出的各风机间发电量差异趋势和发电量的量化值均更接近风场各机位的实际平风年发电水平。由此也证明本专利提出的求风电场折减系数方法切实可行，对传统的发电量计算方法有一定的改进效果。

Claims (2)

1.基于AHP的复杂地形风电场发电量折减系数取值方法，包括以下步骤，
(1)选择测风数据，根据中国国家能源局行业标准NB/T31147-2018“风电场工程风能资源测量与评估技术规范”和中国国家标准GB/T18710-2002“风电场风能资源评估方法”，进行数据整理及代表年订正，形成发电量计算的时间-测风数据；所述发电量计算的时间-测风数据包括输入测风数据文件、地形高程文件、粗糙度文件中的一种或多种组合；
(2)利用METEODYN WT4.7软件和步骤(1)获得的所述发电量计算的时间-测风数据，建立发电量计算模型，设置模型参数，计算网格的最小水平分辨率25米，最小垂直分辨率4米，水平扩展系数1.1，垂直扩展系数1.2，垂直参数0.7，森林冠层模型为稳健模型，热稳定度等级为中性稳定；
(3)将步骤(1)中的时间-测风数据输入到METEODYN WT4.7软件，进行风机位排布及发电量计算；
输出各测风塔和风机位的水平X、Y坐标、海拔高度、自由风速和理论发电量；
假设风电场有n台风机、m座测风塔，输出参数为：
风机坐标值：(FJ1_X,FJ1_Y),(FJ2_X,FJ2_Y),…,(FJn_X,FJn_Y)；
风机海拔高度：(FJ1_H,FJ2_H,…,FJn_H)；
风机位处风速：(FJ1_V,FJ2_V,…,FJn_V)；
测风塔坐标值：(T1_X,T1_Y),(T2_X,T2_Y),…,(Tm_X,Tm_Y)；
测风塔海拔高度：(T1_H,T2_H,…,Tm_H)；
测风塔位处风速：(T1_V,T2_V,…,Tm_V)；
风机位处理论发电量：(FJ1_EP,FJ2_EP,…,FJn_EP)；
(4)综合考虑折减系数中的“风能资源评估及软件计算不确定性误差此项折减”因子，设各风机位的“风能资源评估及软件计算不确定性误差此项折减”折减因子取值FJi_η，其中，1≤i≤n；折减系数中的其他因素取值Other_η，则风电场发电量计算公式为：
EP＝(FJ1_EP×FJ1_η+FJ2_EP×FJ2_η+…+FJn_EP×FJn_η)×Other_η；
(5)确定决策目标，决策目标为“发电量折减系数取值合理”；
(6)依据步骤(5)提出的目标，确定目标下的准则层为水平距离差、垂直高程差、山脊走向偏差和风区风速误差；
(7)依据步骤(6)中的“水平距离差”准则，构建各风机位在此准则下的比较判断矩阵
(7.1)水平距离差计算
设风电场设有两座测风塔，以每个风机位与两个测风塔的水平距离差的平均值为基础，进行各风机位比较判断矩阵的两两比较打分；
风机1的坐标(FJ1_X,FJ1_Y)与两座测风塔的距离差的平均值Avg_HoriD_FJ1_T1T2计算公式为：
Figure FDA0004142445370000021
测风塔1坐标为(T1_X,T1_Y)；测风塔2的坐标为(T2_X,T2_Y)；
(7.2)构建比较判断矩阵
基于AHP法，按照水平距离差小的风机打分高原则，打分标准见表1，构建水平距离差准则下的判断矩阵；
表1
Figure FDA0004142445370000022
若风电场有n台风机，设有两座测风塔，根据步骤(7.1)计算每个风机点位与两个测风塔的水平距离差的平均值，之后基于AHP法的判断矩阵构建原则进行打分，打分标准见表1，具体为基于风机点位与测风塔之间的距离，进行风机之间两两打分，距离近的风机点位的代表性越好，得分也就越高，
水平距离差准则下打分后的判断矩阵AHoriD为：
Figure FDA0004142445370000031
(7.3)求解步骤(7.2)中A_HoriD矩阵的权值向量W-Hori-A：
W_Hori_A＝(Ho1,Ho2,...Hon)T；
(7.4)判断矩阵A_HoriD的一致性检验：
(7.4.1)一致性比例CR_A_HoriD的计算公式为：
Figure FDA0004142445370000032
λmax为矩阵A_HoriD的最大特征值，RI值可通过查平均随机一致性指标表获得；
其中，λmax为判断矩阵的最大特征根，判断矩阵的特征根λmax可根据特征根的计算公式求出：
A_HoriD×W_Hori_A＝λmax×W_Hori_A；
(7.4.2)当步骤(7.4.1)中的CR_A_HoriD<0.1时，认为比较判断矩阵A_HoriD的一致性可以接受，否则应在水平距离差准则下，进行矩阵一致性调整，对风机之间重新两两打分，构建新的判断矩阵A_HoriD，直至新的判断矩阵A_HoriD的一致性可以接受，至此可以完成新的判断矩阵A_HoriD的权值向量W_Hori_A；
(8)依据步骤(6)中的“垂直高程差”准则，构建各风机位在此准则下的比较判断矩阵
(8.1)垂直高程差计算
设风电场有2座测风塔，以每个风机位与两个测风塔的垂直高程差的平均值为基础，进行各风机位比较判断矩阵的两两比较打分；
风机1的海拔FJ1-H与2座测风塔的高程差绝对值的平均值Avg_ElevD_FJ1-T1T2计算公式如下，其中，测风塔1海拔T1-H，测风塔2的海拔为T2-H：
Figure FDA0004142445370000041
(8.2)构建比较判断矩阵
基于AHP方法，按照垂直高程差小得打分高的原则，打分标准见表1，构建垂直高程差准则下的判断矩阵；
风电场有n台风机，2个测风塔，根据步骤(8.1)计算每个风机点位与两个测风塔的垂直高程差的平均值，之后基于AHP法的判断矩阵构建原则进行打分，打分标准见表1，具体为基于风机点位与两个测风塔的垂直高程差的平均值，进行风机之间两两打分，平均值小的风机点位代表性越好，得分也就越高，垂直高程差准则下打分后的判断矩阵A_ElevD为：
Figure FDA0004142445370000042
(8.3)求解步骤(8.2)中A_ElevD矩阵的权值向量W_Elev_A：
W_Elev_A＝(El1,El2,…Eln)T；
(8.4)参考步骤(7.4)的方法，直至完成判断矩阵A_ElevD的权值向量W_Elev_A；
(9)依据步骤(6)中的“山脊走向偏差”准则，“山脊走向偏差”定义为风机排布所在山脊的大体走向与风电场区域主风向的夹角，并根据夹角的大小来数值量化“山脊走向偏差”；
(9.1)构建风向扇区
考虑到山地风电场机位间的“山脊走向偏差”往往差异较大，也为便于简化计算，可依据山脊与主风向的最大夹角范围来选择适宜的风向划分标准，以八个或十六个罗盘方位表示风的来向；
以八个罗盘方位划分八个风向扇区为例，“山脊走向偏差”的风向角值M8_Rdg计算公式为：
Figure FDA0004142445370000051
为合并夹角互补或平行山脊的相同效应风区，山脊与主风向夹角统一取相交的锐角，因此风电场“山脊走向偏差”则被进一步简化为四个扇区，按照成风条件由好到差排列为一～四扇区，夹角分别为：67.5°～90°、45°～67.5°、22.5°～45°和0～22.5°，根据扇区夹角将风机根据风向角值M8_Rdg划入相应的扇区中；
(9.2)构建判断矩阵
基于AHP法，扇区夹角更接近90°，成风条件越好，得分也更高，打分标准见表1，山脊走向偏差准则下打分后的判断矩阵A_Rdg_D为：
Figure FDA0004142445370000052
(9.3)求解步骤(9.2)中A_Rdg_D矩阵的权值向量W_RdgD_A：
W_RdgD_A＝(Rd1,Rd2,…,Rdn)T；
(9.4)参考步骤(7.4)的方法，直至完成判断矩阵A_RdgD的权值W_RdgD_A；
(10)依据步骤(6)中的“风区风速误差”准则,利用风速场的差异或风能资源的差异将风电场划分风区，考虑到山地风电场风况较为复杂，且风区数量不宜过多，因此可依据实际风况来调整风区的年平均风速振幅绝对误差α；
(10.1)各风区的年平均风速振幅绝对误差
Figure FDA0004142445370000053
计算
基于各风区的年平均风速振幅绝对误差
Figure FDA0004142445370000061
其中
Figure FDA0004142445370000062
构建“风区风速误差”准则下的判断矩阵，某一风区有风机n台，首先计算各风区年平均风速计算矩阵：
An×n＝(Vij)，
其中，Vij表示第i号模拟测风塔推算出的在第j号模拟测风塔位置处的年平均风速，单位m/s；
对矩阵An×n中第j行，第m列，计算年平均风速振幅绝对误差：
Figure FDA0004142445370000063
于是，计算获得年平均风速振幅绝对误差矩阵Bn×n＝(aij)，对于年平均风速振幅绝对误差矩阵中最大元素，即为该风区的年平均风速振幅绝对误差
Figure FDA0004142445370000064
(10.2)构建判断矩阵
同一风区内可按照同一标度进行打分，不同风区的年平均风速振幅误差越小，得分越高，若风区内包含测风塔，则该风区打分越高，可形成风区风速误差准则下的判断矩阵，打分标准见表1；
假设某风区有n个风机点位，风区风速误差准则下打分后的判断矩阵A_WsErrorD为：
Figure FDA0004142445370000065
(10.3)求解步骤(10.2)中A_WsErrorD矩阵的权值向量W_WsErrorD_A：
W_WsErrorD_A＝(Ws1,Ws2,…,Wsn)T；
(10.4)参考步骤(7.4)的方法，直至完成判断矩阵A_WsErrorD的权值向量W_WsErrorD_A；
(11)对步骤(6)中的水平距离差、垂直高程差、山脊走向偏差、风区风速误差4项准则层进行打分，依据山地风电场建设经验，确定风区风速误差影响较大，指风速影响；其次是山脊走向偏差，指风向影响；最后是垂直高程差和水平距离差，打分标准见表1，构造以复杂地形风电场发电量折减系数取值的准确性为目标层的判断矩阵A_RC为：
Figure FDA0004142445370000071
(11.1)求解A_RC矩阵的权值向量W_RC_A：
W_RC_A＝(ω1,ω2,…,ω4)T；
(11.2)参考步骤(7.4)的方法，直至完成判断矩阵A_RC的权值向量W_RC_A；
(11.3)根据水平距离差、垂直高程差、山脊走向偏差、风区风速误差4项准则层下的子风区权重W_HoriD_A、W_ElevD_A、W_RdgD_A、W_WsErrorD_A，赋值到相对应的每台机位，并经过归一化处理得风机权值矩阵ω_FjD：
ω_FjD＝(W_HoriD_FJ,W_ElevD_FJ,W_RdgD_FJ,W_WsErrorD_FJ)；
(11.4)计算相对于目标层“复杂地形风电场发电量折减系数取值的准确性”，A风电场各风机位的总权值W_FjD＝ω_FjD×W_RC_A＝(w1,w2,…,wn)T；
(11.5)依据各风机位相对于“复杂地形风电场发电量折减系数取值的准确性”的权值进行折减系数修正，将各风机位相对于目标层的总权值Wj中最大的风机位的折减修正系数设为1，即
Figure FDA0004142445370000072
其余机位折减修正系数α_FJ计算公式为:α_FJ＝(Wj/W1,Wj/W2,…,Wj/Wk,…,Wj/Wn),k＝1～n；
(11.6)对A风电场发电量折减系数中的“风能资源评估及软件计算不确定性误差”此项折减因子基数θ进行取值，通过步骤(2)所述METEODYN WT4.7软件计算风电场内两座测风塔的相互模拟风速，并和实测风速进行列表：
Figure FDA0004142445370000081
根据折减因子基数θ的计算公式：
Figure FDA0004142445370000082
求出A风电场折减因子基数θ，则全场各风机折减系数计算公式为：
η-FJ＝(Wj/W1×θ，Wj/W2×θ，…，Wj/Wj×θ，…，Wj/Wn×θ),
(11.7)将步骤(11.6)获得的全场各风机折减系数输入步骤(2)所述METEODYN WT4.7软件建立的发电量计算模型中，输出各测风塔和风机位的(X，Y)坐标，海拔高度、自由风速、理论发电量。
2.如权利要求1所述基于AHP的复杂地形风电场发电量折减系数取值方法，其特征在于，还包括步骤(7.5)，所述步骤(7.4.2)所述矩阵一致性调整方法，其步骤为，
(7.5.1)首先将步骤(11)构建的判断矩阵A_RC中的元素Aij除以Bij，其中1＜i≤n，i≤j≤n，
Figure FDA0004142445370000083
得矩阵(Bij)n×n；
(7.5.2)令变量Cij＝Aij/Bij，求出矩阵(Cij)n×n；
(7.5.3)计算每一个元素Aij的偏离距离Dij＝|1-Cij|，若Bij＜1且Aij＝9或Bij＞1且
Figure FDA0004142445370000091
则不计算偏离距离，求出偏离距离矩阵(Dij)n×n；
(7.5.4)由偏离距离矩阵(Dij)n×n可以看出偏离距离最大的元素(Dij)max即偏离1最大的元素，因此需对判断矩阵中的对应位置元素进行调整，调整的原则为取1～9标度中最接近Aij/Cij的数代替元素，若Aij/Cij＞9，则Aij/Cij只能取9；
对步骤(7.2)构建的比较判断矩阵进行调整，得调整后得判断矩阵；
(7.5.5)按步骤(7.3)求解调整后判断矩阵的权值向量；
(7.5.6)按步骤(7.4.1)-(7.4.2)进行一致性重新进行检验：
若一致性比例<0.1，认为调整后判断矩阵的一致性可以接受，通过一致性检验；
若一致性比例≥0.1，则返回步骤(7.3)重新调整判断矩阵，直至一致性比例<0.1。
CN202210172471.5A 2021-12-02 2022-02-24 基于ahp的复杂地形风电场发电量折减系数取值方法 Active CN114722563B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202111458285X 2021-12-02
CN202111458285 2021-12-02

Publications (2)

Publication Number Publication Date
CN114722563A CN114722563A (zh) 2022-07-08
CN114722563B true CN114722563B (zh) 2023-04-28

Family

ID=82235735

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210172471.5A Active CN114722563B (zh) 2021-12-02 2022-02-24 基于ahp的复杂地形风电场发电量折减系数取值方法

Country Status (1)

Country Link
CN (1) CN114722563B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117349573B (zh) * 2023-12-04 2024-03-22 北京城市气象研究院 一种风电场风速的预测方法、电子设备及存储介质

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8483963B2 (en) * 2010-09-13 2013-07-09 John Bertrand Kline Method of evaluating wind flow based on terrain exposure and elevation
WO2017131953A1 (en) * 2016-01-25 2017-08-03 Siemens Corporation Design optimization for a wind turbine tower
CN108536881B (zh) * 2017-03-06 2020-10-16 新疆金风科技股份有限公司 用于计算风电场发电量的方法和设备
CN110543649B (zh) * 2018-05-29 2023-04-07 北京金风科创风电设备有限公司 基于快速评估流体模型和尾流模型的风机排布方法和装置
CN110942218B (zh) * 2018-09-25 2023-10-10 北京天润新能投资有限公司 计算风电场上网电量的方法、装置以及系统
CN109839493B (zh) * 2018-12-28 2021-10-29 长江水利委员会长江科学院 地下工程岩体质量评价方法、装置、存储介质及电子设备
CN110296055B (zh) * 2019-06-10 2020-07-28 同济大学 一种风向预测关联种子机组筛选方法
CN110276732B (zh) * 2019-06-18 2022-06-07 昆明理工大学 一种顾及地形特征线要素的山区点云空洞修复方法
CN111080003B (zh) * 2019-12-10 2023-05-02 华能威宁风力发电有限公司 一种适应复杂山地风电场的测风塔规划选址方法
CN112132424B (zh) * 2020-09-07 2023-12-05 国网河北省电力有限公司经济技术研究院 一种大规模储能多属性决策选型方法

Also Published As

Publication number Publication date
CN114722563A (zh) 2022-07-08

Similar Documents

Publication Publication Date Title
CN103268572B (zh) 一种千万千瓦级大型风电基地测风网络的微观选址方法
CN110929459B (zh) 一种复杂地形风电场测风塔选址方法
WO2016023527A1 (zh) 一种基于测风塔测风数据的风电场弃风电量确定方法
US20180210982A1 (en) Method of Evaluating Wind Flow Based on Conservation of Momentum and Variation in Terrain
CN110264002B (zh) 基于聚类分析的风电场微观选址方案评价方法
CN114722563B (zh) 基于ahp的复杂地形风电场发电量折减系数取值方法
CN110874454B (zh) 基于混合概率密度的区域尺度毛竹碳储量精确测算方法
CN113792430B (zh) 复杂地形风电场风切变指数计算方法及系统
CN112163381B (zh) 一种适用于复杂地形风场流动数值模拟的侧向边界条件设置方法
CN115358606B (zh) 一种平缓地形下在役风电场能效评估方法及系统
US20230311319A1 (en) Feature-guided scanning trajectory optimization method for three-dimensional measurement robot
CN110598939A (zh) 一种提高测风效率及测风系统可靠性的方法
CN112700349B (zh) 测风塔选址方法和装置
CN111080003B (zh) 一种适应复杂山地风电场的测风塔规划选址方法
WO2022033490A1 (zh) 一种通过添加k源项来校正标准k-ε模型的方法
CN111682592A (zh) 一种分布式风电场功率优化方法及装置
CN113177325B (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
CN109636019B (zh) 基于神经网络算法的测风塔布置方案确定方法
CN114910980A (zh) 基于主观路径强度预报和参数化风场模型的热带气旋大风风圈预报方法
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
CN111985691B (zh) 一种风电场升压站选址方法
CN111967153A (zh) 一种通过添加ε源项来校正标准k-ε模型的方法
CN113095012B (zh) 风电场流场分区数值仿真计算结果拼接融合方法
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
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

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