CN115204709B - 一种便于风电场选址的台风风险评估方法 - Google Patents

一种便于风电场选址的台风风险评估方法 Download PDF

Info

Publication number
CN115204709B
CN115204709B CN202210883609.2A CN202210883609A CN115204709B CN 115204709 B CN115204709 B CN 115204709B CN 202210883609 A CN202210883609 A CN 202210883609A CN 115204709 B CN115204709 B CN 115204709B
Authority
CN
China
Prior art keywords
typhoon
wind
power plant
wind power
risk
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
CN202210883609.2A
Other languages
English (en)
Other versions
CN115204709A (zh
Inventor
汤胜茗
朱蓉
张晓东
陈佩燕
李永平
余晖
李田田
李玉辉
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.)
Guo Jiaqihouzhongxin
Shanghai Institute Of Typhoon China Meteorological Administration
North China Electric Power University
Original Assignee
Guo Jiaqihouzhongxin
Shanghai Institute Of Typhoon China Meteorological Administration
North China Electric Power University
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 Guo Jiaqihouzhongxin, Shanghai Institute Of Typhoon China Meteorological Administration, North China Electric Power University filed Critical Guo Jiaqihouzhongxin
Priority to CN202210883609.2A priority Critical patent/CN115204709B/zh
Publication of CN115204709A publication Critical patent/CN115204709A/zh
Application granted granted Critical
Publication of CN115204709B publication Critical patent/CN115204709B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Primary Health Care (AREA)
  • Mathematical Analysis (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • Fluid Mechanics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Wind Motors (AREA)

Abstract

本发明涉及一种便于风电场选址的台风风险评估方法，包括以下步骤：S1、风电场范围及历史影响台风的选取；S2、参数化台风风场模型；S3、台风极端风况关键参数计算及风机选型；S4、台风极端风况最不利情景划分；S5、台风大气涡旋CFD(计算流体力学)模式，将不同情景的台风中尺度模拟风场带入台风大气涡旋CFD模式进行数值模拟，得到风电场多场景下极端风况的精细化数值模拟风场；S6、将步骤S3得到的台风极端风况关键参数与步骤S5中CFD精细化数值模拟风场进行对比分析，进行风电场台风风险评估；解决现有风电场风险评估方法存在未考虑台风这种极端天气条件，无法对台风条件下复杂地形风电机组前期选址提供帮助以及风险评估的问题。

Description

一种便于风电场选址的台风风险评估方法
技术领域
本发明属于风电场选址领域，涉及一种便于风电场选址的台风风险评估方法，尤其涉及一种便于沿海和海上风电场选址的台风风险评估方法。
背景技术
风电是未来最具发展潜力的可再生能源技术之一，具有资源丰富、产业基础好、经济竞争力较强、环境影响微小等优势，是最有可能在未来支撑世界经济发展的能源技术之一。
我国东南沿海一带风力资源丰富，发展空间广阔，是未来风力发电的重要规划地区。然而，我国东南沿海省份常年受台风影响，台风过境时极限风速对于风电场安全具有重大影响，常常会给风电机组带来极大破坏，如结构破坏、叶片损毁、整体倾覆等。因此，对风电场进行台风风险评估是风电场选址、风机选型和保证风电场安全运营的重要一环。根据国际风电机组设计标准及中国国家标准规定，50年一遇最大风速是决定风电机组极限荷载的关键指标，也是风电开发项目中的机组选型和经济评估的关键指标之一。在内陆，50年一遇最大风速值多是基于风电场周边气象站历史观测数据，根据极值Ⅰ型概率分布进行拟合计算。但是，大量分析表明，我国东南沿海及海上风电场的50年一遇最大风速值主要由台风风速决定。由于海上测风塔建造和维护费用高昂、且容易受到海水侵蚀及台风等极端天气的影响，我国在海上几乎没有设立长年观测的测风塔。同时，岛礁上的气象站或海上浮标气象观测点十分稀少，而船舶气象观测的点位又不固定，这些都直接导致我国海上测风资料空缺，海上风电场重现期的极值风速计算就成了一个很大的难题。
另外，我国海岸线绵长，东南沿海多为山地和丘陵。在受台风影响最严重的福建和浙江两省，山地和丘陵面积占70～80％。在台风登陆过程中以及登陆后，沿海地区复杂地形将对其风场结构产生重要影响。目前，复杂地形风电机组布置及微观选址主要是根据测风塔完整年测风数据和当地气象站多年数据等利用如WindSim和MeteodynWT等专业软件进行的。然而，台风是一个半径为几百公里甚至上千公里的大尺度涡旋，当台风中心接近风电场时，WindSim和MeteodynWT等专业软件无法考虑台风底部低压中心的内吸效应所引起的风向的显著变化，因此将引入软件计算误差并导致风电机组投产运营后实际发电量达不到预期，甚至出现影响机组正常安全运行的事故发生。
中国专利CN112668184A公开了电力系统技术领域内的一种台风灾害下风电停运风险值计算方法、装置及存储介质。为台风灾害下风电停运风险评估提供了理论依据。可为抢修物资调配、故障后快速抢修等台风灾害防御提供参考，具有一定的理论价值和工程价值。然而，该专利是针对于已经修建好的风电场，通过分析在台风天气下，台风对风电场的输出功率、对电网可靠性方面的影响，来评估风电场停运风险值，并不是针对风电场选址及风机选型台风风险评估方法。
中国专利CN113283678A公开了一种风机选址风险的评估方法、系统、设备及存储介质，属于风电场选址领域。该发明方法能够对风机附近的风险进行精确地评估，且具有极高的可操作性，适用于不同地形特性中安装的风机，可以系统的评估风机选址点位对附近人类生活安全影响的大小，有助于帮助风电场开发商选取安全的风电场场址，减小风电场安全事故发生的可能性，并为减小风机选址风险提供了依据。然而，该专利所考虑的风场环境为良态风条件下，并未考虑台风这种极端天气条件下风电场的风险评估；此外，该专利仅为风机选址提供一定的评估方法，未能为极端环境下风机选型提供参考。
中国专利CN112465194A公开了一种基于气象大数据的海上风电场智能气象服务系统及方法，属于软件开发技术领域，其中包括了风电场选址子系统。该发明利用气象部门所监测的气象、海洋监测站、卫星云图、雷达数据，为海上风电场提供从风电场选址、天气窗口期预报、风功率预测和运维人员、船舶智能管理的全生命周期气象预报和服务。然而，该专利是利用沿海气象站、海岛气象站和浮标站的气象历史数据资料来进行评估，而我国沿海具备长时间资料的气象站很少，海上气象站数量更是凤毛麟角，且气象站普遍离风力发电场较远，两者地形差距较大。因此该专利针对缺乏利用气象站资料的沿海和海上风电场的评估结果准确性并不高。
中国专利CN105427005A涉及一种风电场运行风险评估方法，属于新能源电力设备安全评估技术领域。该专利将风电功率预测误差及风电机组实时停运概率作为风电场运行风险的考虑因素,并定量分析机组在无电网约束和限功率两种运行条件下的功率损失，以功率损失的大小量化风险的严重程度，能够更准确地评估风电场的运行风险。该专利是针对与风电场的后期运维进行风险评估，并不能为前期风电场选址及风机选型提供帮助，也不包括台风风险评估。
中国专利CN102831321B公开了一种基于蒙特卡洛方法的风电场风险估计方法。该发明基于大量风电数据库，充分考虑风速的随机性且采用蒙特卡洛快速算法速度快。然而，该专利是针对于已建好的风电场，考虑风电场的输出功率不断变化对整个风电场的电网系统进行可靠性评估，并未涉及风电场的选址及风机选型；此外，该专利同样未曾考虑台风条件下风电场的风险评估。因此，如何对台风条件下复杂地形风电机组进行微观选址和风险评估是一个难题。
发明内容
有鉴于此，本发明为了解决上述现有风电场风险评估方法存在未考虑台风这种极端天气条件，主要针对已建好的风电场，无法对台风条件下复杂地形风电机组前期选址提供帮助以及风险评估的问题，提供一种便于风电场选址的台风风险评估方法。
为达到上述目的，本发明提供如下技术方案：
一种便于风电场选址的台风风险评估方法，其特征在于，包括以下步骤：
S1、风电场范围及历史影响台风的选取
确定风电场研究范围及研究范围内的历史台风最佳路径数据集资料作为原始数据资料；
S2、参数化台风风场模型
将步骤S1风电场附近的历史台风最佳路径数据带入参数化台风风场模型进行数值模拟；
S3、台风极端风况关键参数计算及风机选型
利用参数化台风风场模型得到的台风中尺度模拟风场(公里级分辨率)，计算风电场台风极端风况关键参数及其概率；
S4、台风极端风况最不利情景划分
依据风电场附近的步骤S2得到的台风中尺度模拟风场(公里级分辨率)，将区域内的影响台风进行多情景分类；
S5、台风大气涡旋CFD(计算流体力学)模式
将不同情景的台风中尺度模拟风场带入台风大气涡旋CFD模式进行数值模拟，得到风电场多场景下极端风况的精细化数值模拟风场(米级至十米级分辨率)；
S6、风电场台风风险评估
将步骤S3得到的台风极端风况关键参数与步骤S5中CFD精细化数值模拟风场进行对比分析，进行风电场台风风险评估。
进一步，步骤S1中风电场的选取范围定为以风电场为中心划定半径为150km的圆，选取经过该圆范围内且热带气旋强度等级在热带风暴以上的所有台风，并提取该区域内每一个台风的最佳路径数据资料作为原始数据资料。
进一步，步骤S2中参数化台风风场模型为Batts风场模型、Yan Meng风场模型、Shapiro风场模型及CE风场模型中一种，优选为CE风场模型。CE风场数值模型建立在Navier-Stokes流体方程之上，是由气压梯度力、科氏力、涡旋粘性力以及地表拖曳力共同作用下的大气运动方程，该方程是在边界层高度内垂直平均的动量平衡方程，因此计算得到的是边界层垂直平均风速；在以大地为参考系的大气平均运动方程即动量方程的矢量表达式为：
Figure BDA0003765135930000041
式中f为科氏力系数，K为单位向量，
Figure BDA0003765135930000042
为边界层垂直平均水平速度，ρ为标准大气密度，KH为水平涡动粘性系数，CD为拖曳系数，h为边界层高度；P是大气压，
Figure BDA0003765135930000043
Pc为台风气压场，移动速度为
Figure BDA0003765135930000044
为大尺度环境气压场，与环境地转风
Figure BDA0003765135930000045
的关系为：
Figure BDA0003765135930000046
带入上式，转换为原点固定在台风中心随台风移动的直角坐标系中，得到表达式为：
Figure BDA0003765135930000047
其中
Figure BDA0003765135930000048
Figure BDA0003765135930000049
为相对台风中心的水平风速，
Figure BDA00037651359300000410
为相对台风中心的地转风；
具体为：
Figure BDA00037651359300000411
Figure BDA00037651359300000412
其中，移速平流项为：
Figure BDA00037651359300000413
平流项为：
Figure BDA00037651359300000414
科氏力项：fv，-fu；
环境地转风的科氏力项：-fvg，fug；
气压梯度力项：
Figure BDA00037651359300000415
粘性力项：
Figure BDA0003765135930000051
地表拖曳项：
Figure BDA0003765135930000052
涡动粘性系数为：
Figure BDA0003765135930000053
Δx为网格间距，k＝0.4，为冯卡曼常数。
进一步，步骤S2由参数化台风风场模型计算得到的风电场150km范围内台风中尺度模拟风场格点数据(公里级分辨率)，提取每个模拟台风在风电场每个评估点位上的最大风速，利用极值分布概率模型对极值风速序列进行拟合计算，得出风电场的50年一遇的最大风速；将得到的50年一遇最大风速值与中国国家标准GB/T 31519-2015《台风型风力发电机组》里面机组所能承受的轮毂高度处50年一遇10分钟平均极端风速(VTref)进行对比，从而确定风电场需要使用的风力发电机的等级，并完成风电场宏观选址和风机选型。
进一步，步骤S3采用极值Ⅰ型分布进行极值风速拟合计算，得出风电场的50年一遇的最大风速。
进一步，步骤S4以台风经过风电场时台风中心位置的不同，对选定的台风进行不同情景的划分；情景1：台风经过风电场时，台风中心在风电场目标点的左侧；情景2：台风经过风电场时，台风中心恰好在风电场的中心，或台风中心距离风电场目标点位置不超过10km；情景3：台风经过风电场时，台风中心在风电场目标点的右侧。
进一步，步骤S5将步骤S5所划分的3个情景，取每个情景中的所有台风的最大风速和平均风向作为台风大气涡旋CFD模拟的初始值，分别带入台风大气涡旋CFD模式中进行模拟，得到3个不同情景下的台风精细化数值模拟风场；其台风数值计算模型如下：
风电场尺度的大气边界层CFD计算模型关注数公里水平范围和数百米、几千米高度范围内的大气边界层流动，主要关注地形、建筑和地表形态对风速分布的影响；台风大气边界层接近中性稳定度，位温为均匀场，视为不可压缩空气的定常流动，不考虑能量方程，雷诺时均动量方程为：
Figure BDA0003765135930000054
式中ui为平均风速矢量，ρ为标准大气密度，ν为空气的运动粘度，νt为涡粘系数；p为平均气压但不包括重力引起的垂直静压差，因此式中不考虑重力；Ωj为地球自转角速度矢量；
台风大气涡旋中空气流受到指向台风中心的压差梯度力(径向)和向右的科氏力，这里忽略切向作用力，径向作用力用向心力表示：
Figure BDA0003765135930000061
式中
Figure BDA0003765135930000062
为台风大气涡旋的水平向心力，R为当前位置到台风中心的距离，即计算点的台风半径，tk为台风大气涡旋的切向单位矢量，ri为径向单位矢量；pd是不包括垂直静压差和水平静压差的压力场；涡粘系数νt的计算采用k-ε双方程湍流模型；台风大气边界层掺混剧烈，可视为中性稳定度、位温均匀，k-ε方程不包括位温梯度的影响；定常、不可压缩中性大气的湍动能及其耗散率方程：
Figure BDA0003765135930000063
Figure BDA0003765135930000064
式中Pk＝2νTSijSij为湍动能生成速率，σk和σε分别为湍动能及其耗散率的湍流普朗特数，分别表示湍流动量扩散和湍动能及其耗散率扩散系数的对比；C1ε和C2ε为模型常数；由k和ε可计算涡粘系数νt＝Cμk2/ε，Cμ为模型常数，在工业流动中，通常根据粗糙管流的测量数据确定；在大气边界层流动中，需要根据实际测风数据标定，模型常数取为Cμ＝0.036，C1ε＝1.21，C2ε＝1.92，σk＝1.0，σε＝1.19。
进一步，步骤S6提取风电机组点位在3种不同风场情景下CFD模拟所产生的最大风速值；将3个不同情景下风电机组点位处的最大风速值与风力发电机等级中的50年一遇10分钟平均极端风速(VTref)值进行对比，定义其比值系数作为风险系数；以风险系数对风电场进行安全等级评估：若风险系数小于0.5，说明风电场在该情景下的台风风况中是非常安全的；若风险系数在0.5～0.9之间，说明风电场在该情景下的台风风况中是安全的；若风险系数在0.9～1.0之间，说明风电场在该情景下的台风风况中是较为安全的；若风险系数在1.0～1.1之间，说明风电场在该情景下的台风风况中是较为不安全的；若风险系数在1.1～1.2之间，说明风电场在该情景下的台风风况中是不安全的；若风险系数大于1.2，说明风电场在该情景下的台风风况中是非常不安全的。
本发明的有益效果在于：
1、本发明所公开的便于风电场选址的台风风险评估方法，可实现海上和沿海任意风电场宏观选址及风险评估：通过参数化台风风场模型，可对我国沿海和海上任意位置进行风电场宏观选址及风险评估。解决了由于我国气象站长期资料缺乏、风电场由于建设经济性的原因场内测风时间不能太长等导致的观测资料相对缺乏的问题。特别是对于海上风电场，有效解决了由于海上测风塔造价及维护成本高昂导致海上测风资料空缺，从而使得的海上风电场风险评估困难的难题。
2、本发明所公开的便于风电场选址的台风风险评估方法，可实现台风条件下复杂地形风电场微观选址和风险评估：结合台风大气涡旋CFD模式的数值模拟，由此获得的多情景极端风况精细化数值模拟风场，更加精确地描述台风从风电场不同位置经过时对风电场所造成的影响，台风大气涡旋CFD模拟风场不但分辨率极高，还可以反映旋转台风风场的曲率形态，满足了大型风电场区域内台风影响差异评估的需要，解决了WindSim和MeteodynWT等专业软件无法考虑台风底部低压中心的内吸效应所引起的风向的显著变化。CFD模拟在垂直方向也有很高的空间分布律，模拟结果同时可以用于对300米高度内不同高度上台风影响风险进行评估，满足超大型风机台风风险评估的需求，也同时满足了风电场微观选址的需求。
3、本发明所公开的便于风电场选址的台风风险评估方法，可为海上和沿海风电场选址、风机选型提供重要参考指标，可为风电场大大降低由于台风所引起的重大损失；能实现对沿海和海上任意地区的风电场选址、风机选型及台风影响风险评估，弥补了现有风电场台风风险评估中观测资料基础不足、评估的水平空间和垂直方向分辨率较低的不足，满足了大型海上风电场和大型风机建设对于台风风险评估的特殊需求，具有很好的推广应用前景。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：
图1为本发明便于风电场选址的台风风险评估方法的流程图；
图2为本发明便于风电场选址的台风风险评估方法中台风极端风况情景划分图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
如图1所示的一种便于风电场选址的台风风险评估方法，包括以下步骤：
S1、风电场范围及历史影响台风的选取
确定风电场研究范围及研究范围内的历史台风资料作为原始数据资料；风电场的选取范围定为以风电场为中心划定半径为150km的圆，选取1949年到2020年期间，经过该圆范围内且热带气旋强度等级在热带风暴以上、即风速大于等于17.2m/s的所有台风，并提取该区域内每一个台风的最佳路径数据资料作为原始数据资料。
S2、参数化台风风场模型
将风电场附近的历史台风最佳路径数据带入参数化台风模型进行数值模拟；参数化台风风场模型是基于随机数值模拟进行台风风灾评估的重要组成之一，主要用于模拟大气边界层内风速场的分布与变化。参数化台风风场模型由台风路径模型和台风风场模型构成，通过随机模拟出台风路径和强度并进行风场模拟从而估算出台风最大风速，不仅可以避免计算结果受观测数据质量及样本数的影响，且更能反映真实台风路径及强度的随机性。目前，运用比较广泛的有Batts风场模型、Yan Meng风场模型、Shapiro风场模型及CE风场模型。本发明专利申请优选为CE风场模型。
CE风场模型得名于美国陆军工程部(the US Army Crops of Engineers)广泛使用的模型。该模型的基本方程是Chow(1971)提出的大气运动方程。1992年，Cardone等详细阐述了CE风场模型的方程及求解方法，并表示该模型能模拟出边界层平均风速、表面气压以及10m高度风速风向。CE风场数值模型建立在Navier-Stokes流体方程之上，是由气压梯度力、科氏力、涡旋粘性力以及地表拖曳力共同作用下的大气运动方程，该方程是在边界层高度内垂直平均的动量平衡方程，因此计算得到的是边界层垂直平均风速；在以大地为参考系的大气平均运动方程即动量方程的矢量表达式为：
Figure BDA0003765135930000091
式中f为科氏力系数，K为单位向量，
Figure BDA0003765135930000092
为边界层垂直平均水平速度，ρ为标准大气密度，KH为水平涡动粘性系数，CD为拖曳系数，h为边界层高度；P是大气压，
Figure BDA0003765135930000093
Pc为台风气压场，移动速度为
Figure BDA0003765135930000094
为大尺度环境气压场，与环境地转风
Figure BDA0003765135930000095
的关系为：
Figure BDA0003765135930000096
带入上式，转换为原点固定在台风中心随台风移动的直角坐标系中，得到表达式为：
Figure BDA0003765135930000097
其中
Figure BDA0003765135930000098
Figure BDA0003765135930000099
为相对台风中心的水平风速，
Figure BDA00037651359300000910
为相对台风中心的地转风；
具体为：
Figure BDA00037651359300000911
Figure BDA00037651359300000912
其中，移速平流项为：
Figure BDA00037651359300000913
平流项为：
Figure BDA00037651359300000914
科氏力项：fv，-fu；
环境地转风的科氏力项：-fvg，fug；
气压梯度力项：
Figure BDA0003765135930000101
粘性力项：
Figure BDA0003765135930000102
地表拖曳项：
Figure BDA0003765135930000103
涡动粘性系数为：
Figure BDA0003765135930000104
Δx为网格间距，k＝0.4，为冯卡曼常数。
S3、台风极端风况关键参数计算及风机选型
利用参数化台风风场模型得到的台风中尺度模拟风场(公里级分辨率)计算风电场台风极端风况关键参数及其概率；本专利中，最重要的台风极端风况关键参数为风电场50年一遇最大风速，根据国际风电机组设计标准IEC 61400-1规定，50年一遇最大风速是决定风电机组极限荷载的关键指标，也是风电开发项目中的机组选型和经济评估的关键指标之一。
由参数化台风风场模型计算得到的风电场150km范围内1949年至2020年的台风中尺度模拟风场格点数据(公里级分辨率)，提取每个模拟台风在风电场每个评估点位上的最大风速，由此得到各点位上从1949年至2020的所有模拟台风的极值风速序列，最后利用极值分布概率模型对极值风速序列进行拟合计算，在国际上一般采用极值Ⅰ型分布进行极值风速计算，在我国的荷载规范中也是采用的是极值Ⅰ型分布进行计算，因此本专利分别采用极值Ⅰ型分布进行极值风速拟合计算，得出风电场的50年一遇的最大风速。最后，将得到的50年一遇最大风速值与中国国家标准GB/T 31519-2015《台风型风力发电机组》里面机组所能承受的轮毂高度处50年一遇10分钟平均极端风速(VTref)进行对比，从而确定风电场需要使用的风力发电机的等级，并完成风电场宏观选址和风机选型。
S4、台风极端风况最不利情景划分
依据风电场台风极端风况关键参数及其概率将区域内的影响台风进行多情景分类；本专利中，提取每一个台风在风电场150km范围内某一点(即评估的目标点)的最大风速值，以X(X取值范围为15m/s-30m/s)为风速阈值，保留最大风速在X以上的台风。然后，以台风经过风电场时台风中心位置的不同，对选定的台风进行不同情景的划分(如图2所示)。
情景1：台风经过风电场时，台风中心在风电场目标点的左侧；
情景2：台风经过风电场时，台风中心恰好在风电场的中心，或台风中心距离风电场目标点位置不超过10km；
情景3：台风经过风电场时，台风中心在风电场目标点的右侧。
S5、台风大气涡旋CFD模式
将不同情景的台风中尺度模拟风场带入台风大气涡旋CFD模式进行数值模拟，得到风电场多场景下极端风况的精细化数值模拟风场(米级至十米级分辨率)；
将步骤S4所划分的3个情景，取每个情景中的所有台风的最大风速和平均风向作为台风大气涡旋CFD模拟的初始值，分别带入台风大气涡旋CFD模式中进行模拟，得到3个不同情景下的台风精细化数值模拟风场(例如：10m×10m)。与传统CFD模式相比，大气涡旋CFD模式不仅能体现微尺度地形对风场的影响，还可以反映台风大气涡旋在风电场微尺度范围的流动特性，能更好的应用于台风影响地区风电场内风电机组台风风险的精细化评估。其台风数值计算模型如下：
风电场尺度的大气边界层CFD计算模型关注数公里水平范围和数百米、几千米以内的大气边界层流动，主要关注地形、建筑和地表形态对风速分布的影响。台风大气边界层接近中性稳定度，位温为均匀场，视为不可压缩空气的定常流动，不考虑能量方程，雷诺时均动量方程为：
Figure BDA0003765135930000111
式中ui为平均风速矢量，ρ为标准大气密度，ν为空气的运动粘度，νt为涡粘系数；p为平均气压但不包括重力引起的垂直静压差，因此式中不考虑重力；Ωj为地球自转角速度矢量。
台风大气涡旋中空气流受到指向台风中心的压差梯度力(径向)和向右的科氏力，这里忽略切向作用力，径向作用力用向心力表示：
Figure BDA0003765135930000112
式中
Figure BDA0003765135930000113
为台风大气涡旋的水平向心力，R为当前位置到台风中心的距离，即计算点的台风半径，tk为台风大气涡旋的切向单位矢量，ri为径向单位矢量；pd是不包括垂直静压差和水平静压差的压力场；
涡粘系数νt的计算采用k-ε双方程湍流模型。台风大气边界层掺混剧烈，可视为中性稳定度、位温均匀，k-ε方程不包括位温梯度的影响。定常、不可压缩中性大气的湍动能及其耗散率方程：
Figure BDA0003765135930000121
Figure BDA0003765135930000122
式中Pk＝2νTSijSij为湍动能生成速率，σk和σε分别为湍动能及其耗散率的湍流普朗特数，分别表示湍流动量扩散和湍动能及其耗散率扩散系数的对比；C1ε和C2ε为模型常数；由k和ε可计算涡粘系数νt＝Cμk2/ε，Cμ为模型常数，在工业流动中，通常根据粗糙管流的测量数据确定；商业CFD软件中缺省值为0.09。在大气边界层流动中，需要根据实际测风数据标定，模型常数取为Cμ＝0.036，C1ε＝1.21，C2ε＝1.92，σk＝1.0，σε＝1.19。
S6、风电场台风风险评估
将第S3步得到的台风极端风况关键参数与步骤S5得到的CFD精细化数值模拟风场进行对比分析，进行风电场台风风险评估。
首先，提取风电机组点位在3种不同风场情景下CFD模拟所产生的最大风速值。然后，将3个不同情景下风电机组点位处的最大风速值与风力发电机等级中的50年一遇10分钟平均极端风速(VTref)值进行对比，定义其比值系数作为风险系数。最后，以风险系数对风电场进行安全等级评估：若风险系数小于0.5，说明风电场在该情景下的台风风况中是非常安全的；若风险系数在0.5～0.9之间，说明风电场在该情景下的台风风况中是安全的；若风险系数在0.9～1.0之间，说明风电场在该情景下的台风风况中是较为安全的；若风险系数在1.0～1.1之间，说明风电场在该情景下的台风风况中是较为不安全的；若风险系数在1.1～1.2之间，说明风电场在该情景下的台风风况中是不安全的；若风险系数大于1.2，说明风电场在该情景下的台风风况中是非常不安全的。总之，风险系数越大，越不安全。由此，即可得到风电场内所有风电机组在3种不同台风条件情景下的台风风险概率。
本发明通过中国气象局热带气旋资料中心，得到1949-2020年的历史台风最佳路径数据资料。然后，在确定好风电场的计算范围及阈值风速后，可得到风电场预选地址处受历史台风的影响程度及每个台风的台风中心经纬度和移速、移向等资料。随后，将得到的风电场内的历史台风路径资料带入参数化台风风场模型，可以得到历史上每一个影响过此风电场的台风中尺度模拟风场(水平分辨率为公里级)，从而确定在历史台风影响下风电场区域的最大风速、风向、台风中心位置等信息。随后，提取每一个台风在经过风电场时的最大风速，从而得到极值风速序列，将得到的极值风速序列利用极值分布进行计算，即可确定风电场的台风极端风况关键参数(如50年一遇最大风速值)。此外，将由参数化台风风场模型得到的风电场所有的历史台风，按照台风中心经过风电场时的不同路径，分为左侧、中间、右侧3个最不利情景。然后，将这3种情景的来流风场分别带入台风大气涡旋CFD模式中进行数值模拟，即可得到3种情景下风电场的精细化数值模拟风场，水平分辨率为米级至十米级。随后，提取风电场内风电机组在3种不同CFD模拟风场情景下所产生的最大风速值，将3个不同情景下风电机组点位处的最大风速值与风力发电机等级中的50年一遇10分钟平均极端风速(VTref)值进行对比分析，即可得到风电场在3种不同台风条件情景下的台风风险概率。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (7)

1.一种便于风电场选址的台风风险评估方法，其特征在于，包括以下步骤：
S1、风电场范围及历史影响台风的选取：
确定风电场研究范围及研究范围内的历史台风最佳路径数据集资料作为原始数据资料；
S2、参数化台风风场模型：
将步骤S1风电场附近的历史台风最佳路径数据代入参数化台风风场模型进行数值模拟；
S3、台风极端风况关键参数计算及风机选型：
利用参数化台风风场模型得到的台风中尺度模拟风场，所述中尺度模拟风场分辨率为公里级分辨率，计算风电场台风极端风况关键参数及其概率；
S4、台风极端风况最不利情景划分：
依据风电场附近的步骤S2得到的台风中尺度模拟风场，所述中尺度模拟风场分辨率为公里级分辨率，将区域内的影响台风进行多情景分类；
S5、台风大气涡旋CFD(计算流体力学)模式：
将不同情景的台风中尺度模拟风场代入台风大气涡旋CFD模式进行数值模拟，得到风电场多场景下极端风况的精细化数值模拟风场，所述精细化数值模拟风场分辨率为米级至十米级分辨率；
S6、风电场台风风险评估：
将步骤S3得到的台风极端风况关键参数与步骤S5中CFD精细化数值模拟风场进行对比分析，进行风电场台风风险评估；
其中所述步骤S4以台风经过风电场时台风中心位置的不同，对选定的台风进行不同情景的划分；
情景1：台风经过风电场时，台风中心在风电场目标点的左侧；
情景2：台风经过风电场时，台风中心恰好在风电场的中心，或台风中心距离风电场目标点位置不超过10km；
情景3：台风经过风电场时，台风中心在风电场目标点的右侧。
2.如权利要求1所述便于风电场选址的台风风险评估方法，其特征在于，步骤S1中风电场的选取范围定为以风电场为中心划定半径为150km的圆，选取经过该圆范围内且热带气旋强度等级在热带风暴以上的所有台风，并提取该区域内每一个台风的最佳路径数据资料作为原始数据资料。
3.如权利要求1所述便于风电场选址的台风风险评估方法，其特征在于，步骤S2中参数化台风风场模型为Batts风场模型、Yan Meng风场模型、Shapiro风场模型及CE风场模型中一种。
4.如权利要求1所述便于风电场选址的台风风险评估方法，其特征在于，步骤S2由参数化台风风场模型计算得到的风电场150km范围内历史台风中尺度模拟风场格点数据，所述中尺度模拟风场格点数据分辨率为公里级分辨率，提取每个模拟台风在风电场每个评估点位上的最大风速，利用极值分布概率模型对极值风速序列进行拟合计算，得出风电场的50年一遇的最大风速；将得到的50年一遇最大风速值与中国国家标准GB/T 31519-2015《台风型风力发电机组》里面机组所能承受的轮毂高度处50年一遇10分钟平均极端风速进行对比，从而确定风电场需要使用的风力发电机的等级，并完成风电场宏观选址和风机选型。
5.如权利要求1所述便于风电场选址的台风风险评估方法，其特征在于，步骤S3采用极值Ⅰ型分布进行极值风速拟合计算，得出风电场的50年一遇的最大风速。
6.如权利要求1所述便于风电场选址的台风风险评估方法，其特征在于，步骤S5将步骤S5所划分的3个情景，取每个情景中的所有台风的最大风速和平均风向作为台风大气涡旋CFD模拟的初始值，分别带入台风大气涡旋CFD模式中进行模拟，得到3个不同情景下的台风精细化数值模拟风场；其台风数值计算模型如下：
风电场尺度的大气边界层CFD计算模型关注数公里水平范围和数百米、几千米高度范围内的大气边界层流动，主要关注地形、建筑和地表形态对风速分布的影响；台风大气边界层接近中性稳定度，位温为均匀场，视为不可压缩空气的定常流动，不考虑能量方程，雷诺时均动量方程为：
Figure FDA0004069276320000021
式中ui为平均风速矢量，ρ为标准大气密度，ν为空气的运动粘度，νt为涡粘系数；p为平均气压但不包括重力引起的垂直静压差，因此式中不考虑重力；Ωj为地球自转角速度矢量；
台风大气涡旋中空气流受到指向台风中心的径向压差梯度力和向右的科氏力，这里忽略切向作用力，径向作用力用向心力表示：
Figure FDA0004069276320000022
式中
Figure FDA0004069276320000023
为台风大气涡旋的水平向心力，R为当前位置到台风中心的距离，即计算点的台风半径，tk为台风大气涡旋的切向单位矢量，ri为径向单位矢量；pd是不包括垂直静压差和水平静压差的压力场；涡粘系数νt的计算采用k-ε双方程湍流模型；台风大气边界层掺混剧烈，可视为中性稳定度、位温均匀，k-ε方程不包括位温梯度的影响；定常、不可压缩中性大气的湍动能及其耗散率方程：
Figure FDA0004069276320000024
Figure FDA0004069276320000025
式中Pk＝2νTSijSij为湍动能生成速率，σk和σε分别为湍动能及其耗散率的湍流普朗特数，分别表示湍流动量扩散和湍动能及其耗散率扩散系数的对比；C1ε和C2ε为模型常数；由k和ε可计算涡粘系数νt＝Cμk2/ε，Cμ为模型常数，在工业流动中，通常根据粗糙管流的测量数据确定；在大气边界层流动中，需要根据实际测风数据标定，模型常数取为Cμ＝0.036，C1ε＝1.21，C2ε＝1.92，σk＝1.0，σε＝1.19。
7.如权利要求1所述便于风电场选址的台风风险评估方法，其特征在于，步骤S6提取风电机组点位在3种不同风场情景下CFD模拟所产生的最大风速值；将3个不同情景下风电机组点位处的最大风速值与风力发电机等级中的50年一遇10分钟平均极端风速(VTref)值进行对比，定义其比值系数作为风险系数；
以风险系数对风电场进行安全等级评估：若风险系数小于0.5，说明风电场在该情景下的台风风况中是非常安全的；若风险系数在0.5～0.9之间，说明风电场在该情景下的台风风况中是安全的；若风险系数在0.9～1.0之间，说明风电场在该情景下的台风风况中是较为安全的；若风险系数在1.0～1.1之间，说明风电场在该情景下的台风风况中是较为不安全的；若风险系数在1.1～1.2之间，说明风电场在该情景下的台风风况中是不安全的；若风险系数大于1.2，说明风电场在该情景下的台风风况中是非常不安全的。
CN202210883609.2A 2022-07-26 2022-07-26 一种便于风电场选址的台风风险评估方法 Active CN115204709B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210883609.2A CN115204709B (zh) 2022-07-26 2022-07-26 一种便于风电场选址的台风风险评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210883609.2A CN115204709B (zh) 2022-07-26 2022-07-26 一种便于风电场选址的台风风险评估方法

Publications (2)

Publication Number Publication Date
CN115204709A CN115204709A (zh) 2022-10-18
CN115204709B true CN115204709B (zh) 2023-04-07

Family

ID=83584570

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210883609.2A Active CN115204709B (zh) 2022-07-26 2022-07-26 一种便于风电场选址的台风风险评估方法

Country Status (1)

Country Link
CN (1) CN115204709B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117521282B (zh) * 2023-11-07 2024-04-12 国家气候中心 用于风电场气候特征模拟的密度依赖型风机参数化方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103514341A (zh) * 2012-06-14 2014-01-15 华锐风电科技(集团)股份有限公司 基于数值天气预报和计算流体动力学的风资源评估方法
CN103955009B (zh) * 2014-04-25 2016-03-09 宁波市气象台 一种从数值预报产品中提取出台风客观预报信息的方法
CN110298115B (zh) * 2019-07-02 2022-05-17 中国气象局上海台风研究所 一种基于简化地形气动参数的风场动力降尺度方法
CN112685977B (zh) * 2021-01-14 2023-12-08 国家气候中心 风电场风资源非定常数值模拟方法和装置
CN114139391A (zh) * 2021-12-03 2022-03-04 华能新能源股份有限公司 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

Also Published As

Publication number Publication date
CN115204709A (zh) 2022-10-18

Similar Documents

Publication Publication Date Title
Vollmer et al. Estimating the wake deflection downstream of a wind turbine in different atmospheric stabilities: an LES study
Baseer et al. Wind power characteristics of seven data collection sites in Jubail, Saudi Arabia using Weibull parameters
Li et al. Onshore and offshore wind energy potential assessment near Lake Erie shoreline: A spatial and temporal analysis
CN109376389A (zh) 一种基于2D_k Jensen模型的三维尾流数值模拟方法
He et al. Spatiotemporal analysis of offshore wind field characteristics and energy potential in Hong Kong
Syed et al. Partial repowering analysis of a wind farm by turbine hub height variation to mitigate neighboring wind farm wake interference using mesoscale simulations
Bilal et al. Determination of wind potential characteristics and techno-economic feasibility analysis of wind turbines for Northwest Africa
CN115204709B (zh) 一种便于风电场选址的台风风险评估方法
CN110009736A (zh) 三维尾流模型的建立方法、装置、设备及存储介质
Arteaga-López et al. Innovative virtual computational domain based on wind rose diagrams for micrositing small wind turbines
CN115204712B (zh) 一种海上和沿海风电场选址评估方法
Abraham et al. Characterization of atmospheric coherent structures and their impact on a utility-scale wind turbine
Obhrai et al. A review of current guidelines and research on wind modelling for the design of offshore wind turbines
Belu Assessment and analysis of offshore wind energy potential
CN114943174A (zh) 一种用于寒潮小样本情况下的风机出力损失预测方法
Kim et al. Analysis of atmospheric stability for the prevention of coastal disasters and the development of efficient coastal renewable energy
Li et al. Tropical cyclone wind hazard assessment for Donghaitang wind farm (Zhejiang Province, China): Case study
Uzunoglu et al. The effect of high-altitude wind forecasting models on power generation, structural loads, and wind farm optimisation
Külüm et al. Evaluation of wind measurement methods for determination of realistic wind shear: A case study in Aksaray, Turkey
CN110174713A (zh) 一种电力线路强对流天气监测预警方法及装置
Agbormbai A vortex ring theory for horizontal-axis wind turbines and experimental investigation of the performance characteristics of a novel vertical-axis wind turbine
Bogdanović et al. Winds of Change: A Study on the Resource Viability of Offshore Wind Energy in Montenegro
Liu et al. Research on Representative Engineering Applications of Anemometer Towers Location in Complex Topography Wind Resource Assessment
Seroka et al. Sea breeze, coastal upwelling modeling to support offshore wind energy planning and operations
Chaudhry et al. Numerical analysis of the integration of wind turbines into the design of the built environment

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