CN115204712B - 一种海上和沿海风电场选址评估方法 - Google Patents
一种海上和沿海风电场选址评估方法 Download PDFInfo
- Publication number
- CN115204712B CN115204712B CN202210885546.4A CN202210885546A CN115204712B CN 115204712 B CN115204712 B CN 115204712B CN 202210885546 A CN202210885546 A CN 202210885546A CN 115204712 B CN115204712 B CN 115204712B
- Authority
- CN
- China
- Prior art keywords
- wind
- typhoon
- wind power
- power plant
- distribution
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 75
- 238000004088 simulation Methods 0.000 claims abstract description 32
- 238000004364 calculation method Methods 0.000 claims abstract description 27
- 238000009826 distribution Methods 0.000 claims description 114
- 238000005070 sampling Methods 0.000 claims description 21
- 238000012937 correction Methods 0.000 claims description 14
- 238000011160 research Methods 0.000 claims description 10
- 239000002131 composite material Substances 0.000 claims description 6
- 238000012417 linear regression Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- 230000007774 longterm Effects 0.000 abstract description 3
- 238000012502 risk assessment Methods 0.000 description 10
- 239000003570 air Substances 0.000 description 7
- 238000005315 distribution function Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 239000012080 ambient air Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000001358 Pearson's chi-squared test Methods 0.000 description 1
- 241000233805 Phoenix Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011234 economic evaluation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 210000003746 feather Anatomy 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q10/0631—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
- 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
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Water Supply & Treatment (AREA)
- Bioinformatics & Computational Biology (AREA)
- Primary Health Care (AREA)
- Geometry (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Computer Hardware Design (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
Abstract
本发明涉及一种海上和沿海风电场选址评估方法,包括以下步骤:S1、历史台风最佳路径数据集获取;S2、风电场范围及历史影响台风的选取;S3、参数化台风风场模型;S4、风电场台风中尺度模拟风场订正;S5、风电场台风极端风况关键参数计算;S6、风电场风机选型;解决现有海上和沿海风电场风机选型时风电场区域缺乏长期连续的风塔风速观测、未能充分考虑风电场台风极端风况关键参数的统计值和不确定度,计算结果不够准确,指导性不强,无法对台风条件下风电场选址及风电机组选型提供有效帮助的问题。
Description
技术领域
本发明属于风电场选址领域,涉及一种海上和沿海风电场选址评估方法,尤其涉及一种便于海上和沿海风电场选址及风机选型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。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。
50年一遇最大风速的计算方法有多种,根据样本的选取方式不同,极值风速的计算方法也不同。目前国际常用的极值风速计算方法主要有极值Ⅰ型分布(Gumbel分布)、极值Ⅱ型分布(Frechet分布)、极值Ⅲ型分布(Weibull分布)、Poisson-Gumbel分布、皮尔逊Ⅲ型分布、广义Pareto分布(Generalized Pareto Distribution,GPD)等。样本取样方法主要有年极值抽样法、跨阈法(Peaks Over Threshold approach,POT)、独立风暴法(The Methodof Independent Storm,MIS)等。然而,针对极值风速计算方法的选择问题上,目前尚无一套完整且被广泛认可的适用性强的理论方法,不同的极值分布计算出的结果各有不同。皮尔逊Ⅲ型分布由于其自身缺陷较大,在极值计算中已经较少使用;极值Ⅰ分布计算的极值风速结果偏大,而极值Ⅱ、Ⅲ型分布计算的极值风速结果偏小;Poisson-Gumbel分布的计算结果虽然较为稳定,但其使用的样本数量较少,计算结果的精度还有待验证;广义Pareto分布计算的极值风速结果会小于极值Ⅰ型分布的计算结果。同样,在样本选取的方法上,不同的取样方法也各有优劣势。广泛使用的年最大值抽样方法需要大量的数据样本做支撑;跨阈法(POT)虽能合理利用现存数据,却对不同的阈值过分敏感;独立风暴法虽然曲线较平滑,解决了阈值敏感性问题,但该方法在积分的过程中,可能出现最大阈值高出积分范围而导致无法计算的情况,同时该方法需要大量的数据作为基础。因此,由于不同的取样方法和不同的极值分布类型的计算结果各有差异,50年一遇最大风速值的计算具有很大的不确定性。虽然规范上推荐采用极值Ⅰ型分布(Gumbel分布)计算50年一遇最大风速,但是如何获取一个更为合理的50年一遇最大风速值并考虑该值的概率统计特征及不确定性,成为海上和沿海风电场风电机组选型的一个难题。
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,如何对台风条件下海上和沿海风电场选址及风电机组选型是一个难题。
发明内容
有鉴于此,本发明为了解决上述现有风电场风机选型时风电场区域缺乏长期连续的风塔风速观测、未能充分考虑风电场台风极端风况关键参数的统计值和不确定度,计算结果不够准确,指导性不强,无法对台风条件下风电场选址及风电机组选型提供有效帮助的问题,提供一种海上和沿海风电场选址评估方法。
为达到上述目的,本发明提供如下技术方案:
一种海上和沿海风电场选址评估方法,包括以下步骤:
S1、历史台风最佳路径数据集获取
通过中国气象局热带气旋资料中心获得1949年到2020年的台风最佳路径数据集资料;
S2、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步骤S1历史台风最佳路径数据集资料作为原始数据资料;
S3、参数化台风风场模型
将步骤S2风电场附近的步骤S1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,得到风电场台风中尺度模拟风场(公里级分辨率);
S4、风电场台风中尺度模拟风场订正
搜集风电场内或风电场周边的台风观测数据,利用多元线性回归订正方法对风电场台风中尺度模拟风场(公里级分辨率)进行订正;
S5、风电场台风极端风况关键参数计算
基于订正后的台风中尺度模拟风场(公里级分辨率),利用多种极值风速概率分布模型和多种数据取样方法计算风电场台风极端风况关键参数及其分布概率,得到多个台风极端风况关键参数并计算它们的统计特征值和不确定度;
S6、风电场风机选型
根据风电场台风极端风况关键参数的统计值和不确定度,参考中国国家标准GB/T31519-2015《台风型风力发电机组》进行风机选型,完成风电场宏观选址。
进一步,步骤S1为将1949年到2020年的历史台风最佳路径数据资料利用线性插值的方法转换得到1h时间间隔的台风最佳路径资料。
进一步,步骤S2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。
进一步,步骤S3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:
式中f为科氏力系数,K为单位向量,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,Pc为台风气压场,移动速度为 为大尺度环境气压场,与环境地转风的关系为: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:
具体为:
科氏力项:fv,-fu;
环境地转风的科氏力项:-fvg,fug;
进一步,步骤S5基于订正后的台风中尺度模拟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,最后利用极值风速概率分布模型和多种数据取样方法计算风电场台风极端风况关键参数及其分布概率,得到多个台风极端风况关键参数并计算它们的统计特征值和不确定度。
进一步,步骤S5中多种极值风速概率分布模型有:极值Ⅰ型分布(Gumbel分布)、极值Ⅱ型分布(Frechet分布)、极值Ⅲ型分布(Weibull分布)、Poisson-Gumbel分布、广义Pareto分布。
进一步,步骤S5中数据取样方法有年极值抽样法、独立风暴法和阈值法。
进一步,步骤S5中台风极端风况关键参数的统计特征值包括最大值、最小值、平均值、中位数;不确定度包括标准差、极差。
进一步,步骤S6将得到的50年一遇最大风速统计特征值与中国国家标准GB/T31519-2015《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。
本发明的有益效果在于:
1、本发明所公开的海上和沿海风电场选址评估方法,可实现海上和沿海任意风电场宏观选址: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。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选址困难的难题。
2、本发明所公开的海上和沿海风电场选址评估方法,可为海上和沿海风电场内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机选型、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、极值风速计算方法单一的不足,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为本发明海上和沿海风电场选址评估方法的流程图。
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。
一种海上和沿海风电场选址评估方法,包括以下步骤:
S1、历史台风最佳路径数据集获取
通过中国台风网(中国台风网(http://typhoon.org.cn))台风资料窗口,进入中国气象局热带气旋资料中心,然后在最佳路径数据集选项中进入资料窗口,在最佳路径数据集下载中的1949-2020年打包文件及为本专利所用的历史台风最佳路径数据,格式为txt文本格式。由于中国气象局热带气旋资料中心提供的台风最佳路径资料时间间隔一般为6h,而参数化台风风场模型的模拟台风的时间间隔为1h,因此需要将实际的台风路径资料利用线性插值的方法得到1h时间间隔。
S2、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。
S3、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,得到台风中尺度模拟风场(公里级分辨率);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:
式中f为科氏力系数,K为单位向量,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,Pc为台风气压场,移动速度为 为大尺度环境气压场,与环境地转风的关系为: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:
具体为:
科氏力项:fv,-fu;
环境地转风的科氏力项:-fvg,fug;
S4、风电场台风中尺度模拟风场订正
搜集风电场内或风电场周边的台风观测数据,利用多元线性回归订正方法对风电场台风中尺度模拟风场(公里级分辨率)进行订正;即:
(1)首先,以参数化台风风场的模拟误差作为因变量,从参数化台风风场模型(如CE风场模型)数值模拟结果中选取10m风速、10m风向、10m气压、10m温度、10m湿度,从实际观测中选取测站海拔高度、经纬度、坡角、网格地形标准差等作为影响因子。
(2)然后,以历史台风的实测及模拟资料(建议不少于5个台风),建立对参数化台风风场模型近地面风速的线性回归订正模型1;由于统计订正模型的建立与训练样本有很大关系,为了尽量避免由于样本分布不均匀所造成的订正模型过于粗糙,建立训练样本随机抽取的模型2。理论上,多元线性回归方程中的因子越多,方程本身的不稳定性越明显,这可能会导致最终预报质量的下降,而且参数化台风风场模型(如CE风场模型)近地面模拟风速在不同风速等级下的误差特征也不尽相同,故建立风速分级的逐步回归订正模型3(静风、低风速、小于六级风和大于等于六级风)。
(3)接下来,利用最新的实测及模拟资料(建议不少于2个台风)对以上3种不同的回归订正模型进行检验,选出最优的多元回归订正模型;
(4)最后,利用优选出的多元回归订正模型对风电场台风中尺度模拟风场(公里级分辨率)进行订正,得到订正后的风电场台风中尺度模拟风场。
S5、风电场台风极端风况关键参数计算
基于订正后的台风中尺度模拟风场(公里级分辨率),利用多种极值风速概率分布模型(具体就是:Gumbel分布、Frechet分布、Weibull分布、Poisson-Gumbel复合分布、广义Pareto分布)和多种数据取样方法(具体就是:年极值抽样法、独立风暴法和阈值法)计算风电场台风极端风况关键参数及其分布概率,得到多个台风极端风况关键参数并计算它们的统计特征值(如最大值、最小值、平均值、中位数等)和不确定度(如标准差、极差等);
根据风电场测风现状和我国气象站的测风状况,结合国内外公认的最大风速概率分布模型,按样本序列的不同分为三种:长年代序列极值计算、短期序列极值计算、超短期序列极值计算,不同的样本序列使用的概率计算方法也不同。对于长年代序列(30年以上),常用计算方法有Weibull分布、Gumbel分布和广义Pareto分布,短期序列(15~20年)使用Poisson-Gumbel复合分布进行计算。
对于长年代序列极值计算方法
广义极值分布(GEV)函数为:
其中ξ位置参数决定分布的位置,a是尺度参数是分布曲线伸展范围的体现,k是形状参数决定极端分布的类型。k=0的时候是Gumbel分布,k>0的时候是Weibull分布,k<0的时候是Frechet分布。在风速极值计算中主要被推荐的是Gumbel分布和Weibull分布,另外在水文行业一般推荐皮尔逊III型分布,这些概率分布适应于长年代大风速序列,即每年挑选一个大风样本,资料年代不低于30年。对于拟建风电场,一般只进行1年或几年的现场连续观测,通常在风电场领近寻找合适的观测站通过相关获得长年代资料风速序列。
S51、其中极值Ⅰ型Gumbel分布中概密度函数:f(x)=αexp{-α(x-δ)-exp[-α(x-δ)]};
分布函数:F(x)=exp{-exp[-α(x-δ)]} -∞<x<∞;
a0为位置参数,α为形状参数,β为尺度参数,各参数计算采用最小二乘法和概率权重法。
广义Pareto分布的函数表达式为:G(x)=1-[1+γ(x-u)/b]-1/γb>0且1+γ(x-u)>0;式中u为阈值,b和γ为尺度参数和形状参数。
设{X1,X2,X3,...,Xn}为取值样本母体概率分布为F(x)子样,设定足够大的阈值u,使得超越u的次数服从泊松分布,则{Xi|Xi>u}的渐近分布为GPD,其超越量Yi=Xi-u的均值为给定重现期T年,则T年一遇最大值为:
xT=u-b[1-(nT)γ]/γ
式中n为样本中大于u的样本数的年均值,即n=k/m,k是大于u的样本总数,m为样本年数。
以上概率模型各有优势,Gumbel分布为纯理论分布,但样本符合的条件较为苛刻,用于实际资料时往往对中间部分适应性较好,而对1~3个最大值适应性差一些,当资料实际较短时需注意。广义Pareto分布对阈值非常敏感,在分位数函数中,相对较大的阈值虽然样本之间可以保持较好的独立性,但对应的POT样本较小,也就导致了样本的不确定性较大。而较小的阈值,有时会使独立性减弱,同时极值风速也很难服从广义Pareto分布。Weibull分布的分布函数是从理论上推导出来的,而分布的三个参数则是根据实际资料确定的,即理论与经验相结合的产物,灵活、适应,它的长处是可通过位置参数a0的设置,使序列更符合Weibull分布,但计算比较复杂,因此很多情况下都假设a0=0。海上风电项目由于风险、投资大,建议同时使用多种方法,通过拟合优度检验确定计算结果。
当工程点和领近海域可利用的资料序列不足20年,使用上述3中长序列概率分布模型计算的结果不稳定,Poisson-Gumbel复合分布模型就成为最好的选择,Poisson-Gumbel复合分布模型是针对风暴或台风等随机性很大的事件而设计,即风暴事件每年可能出现几次,也可能一次都不出现。假定风暴的影响频次n符合Poisson分布,记为:式中N为风暴影响总次数,n为总年数。
综合整理得到概率为P的大风极值为:
本方法首先要保证大风速序列中样本间的相互独立性,即大风样本来源于不同的大风天气过程。为了使得样本序列符合Poisson分布,需确定一个风速阈值,大于该阈值入选大风速序列,根据经验,该阈值大小应使资料年限中个别年份没有风暴出现但不能超过总年数的1/10。
S52、数据取样方法有年极值抽样法、独立风暴法和阈值法,其中年极值抽样法具体为:年最大值抽样方法可以采用皮尔逊III型分布、正态分布和极值分布。前两种方法目前已较少使用,一方面,皮尔逊统计的频率曲线在两端往往与经验点有较大的偏离,与小概率的对应值往往较经验点偏小。这是偏于不安全的,也是此分布一个重要的缺陷。另一方面,正态分布的中值与众值重合于一点,这与物理现象不符。
年最大风速为一年中各时刻风速的最大值。一年可以分为n个时段,每个时段风速(最大值或平均值)假设为独立且具有相同分布FV(v)的随机变量,划年最大风速的理论分布为:FM(v)=FV(v)n准确地估计年最大风速概率分布决定于准确的风速母体分布FV(v)和相应的时段数n。对满足变量独立和同分布条件的不同的区间数n1与n2及相应的母体分布FV1(v)和FV2(v),理论上应有即年最大风速分布是唯一的,但时段数及相应母体分布却不是唯一的。合理的时段数n的确定需遵循以下两条原则:
a.时段长度足够长,使各时段风速(最大值或平均值)满足独立性要求;
b.不同时段长度适当,使各时段风速满足同分布要求。
阈值法取样具体为:对于取自风速母体的子样{V1,V2,V3,...,Vn},选取足够高的阈值u,使得{Vi,i=1,2,3,..,m≤n|Vi>u}满足独立性要求,并使风速超越阈值成为泊松分布事件,则当n→∞时,跨域风速渐近于GPD。确定阈值的原则就是在满足跨越阈值次数服从泊松分布的前提下保留尽可能多的独立子样本个体。
在进行极值风速的研究中,广义跨域法由于能够更有效地利用数据,因此可以很好的替代现广泛采用的极值方法,但是阈值的敏感性是主要的研究问题。
独立风暴法具体为:Cook应用独立风暴法提取样本并应用Gumbel分布依据阈值u划分成独立的风暴,具体方法是首先把连续的超出u的风速段,记为一个独立风暴,独立风暴法只考虑每个独立风暴的最大值作为一个极值样本,忽略其它小的,但是高于阈值u的风速。
S6、风电场风机选型
根据风电场台风极端风况关键参数的统计值和不确定度,参考中国国家标准GB/T31519-2015《台风型风力发电机组》进行风机选型,完成风电场宏观选址。即将得到的50年一遇最大风速统计特征值与中国国家标准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。
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 (4)
1.一种海上和沿海风电场选址评估方法,其特征在于,包括以下步骤:
S1、历史台风最佳路径数据集获取:
通过中国气象局热带气旋资料中心获得1949年到2020年的台风最佳路径数据集资料;
S2、风电场研究范围及历史影响台风的选取:
确定风电场研究范围及风电场研究范围内步骤S1历史台风最佳路径数据集资料作为原始数据资料;
S3、参数化台风风场模型:
将步骤S2风电场附近的步骤S1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,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,得到风电场台风中尺度模拟风场;
S4、搜集风电场内或风电场周边的台风观测数据,对风电场台风中尺度模拟风场进行订正:
S41:以参数化台风风场的模拟误差作为因变量,从参数化台风风场模型数值模拟结果中选取10m风速、10m风向、10m气压、10m温度和10m湿度,以及从实际观测中选取观测站的数据作为影响因子,其中观测站的数据包括观测站海拔高度、经纬度、坡角和网格地形标准;
S42:以历史台风的实测及模拟资料,对参数化台风风场模型分别建立近地面风速的线性回归订正模型,和训练样本随机抽取的模型,以及风速分级的逐步回归订正模型;
S43:利用最新的实测及模拟资料对步骤S42中的三种不同的回归订正模型进行检验,选出最优的多元回归订正模型;
S44:利用步骤S43中选出的最优的多元回归订正模型对风电场台风中尺度模拟风场进行订正,得到订正后的风电场台风中尺度模拟风场;
S5、风电场台风极端风况关键参数计算:
基于订正后的台风中尺度模拟风场,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,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的序列;所述极值风速序列包括长年代序列极值计算、短期序列和超短期序列;
不同的极值风速序列对应采用不同的极值风速概率分布模型;
同时,将一年分为n个时段,每个时段风速的最大值和平均值均设定为独立且具有相同分布的随机变量,并使得不同时段风速对应的母体分布均与年最大风速的理论分布相等;
所述极值风速概率分布模型包括Gumbel分布、Frechet分布、Weibull分布、Poisson-Gumbel分布和广义Pareto分布;
对于30年以上的长年代序列同时使用Weibull分布、Gumbel分布、广义Pareto分布和Frechet分布模型,并通过拟合优度检验以确定计算结果;对于15~20年的短期序列使用Poisson-Gumbel复合分布进行计算;
之后再结合数据取样方法计算得到风电场的台风极端风况关键参数的统计特征值;
所述数据取样方法包括年极值抽样法、独立风暴法和阈值法;其中,选用年极值抽样法时不考虑皮尔逊III型分布和正态分布;
所述台风极端风况关键参数的统计特征值包括分布概率、不确定度、最大值、最小值、平均值和中位数;
所述不确定度包括标准差和极差;
S6、风电场风机选型:
将得到的50年一遇最大风速的统计特征值,与中国国家标准GB/T31519-2015《台风型风力发电机组》中机组能承受的VTref进行对比,其中VTref表示为轮毂高度处50年一遇10分钟平均极端风速,从而确定风电场需要使用的风力发电机的等级,以进行风机选型,并完成风电场宏观选址。
2.如权利要求1所述海上和沿海风电场选址评估方法,其特征在于,
所述步骤S1为将1949年到2020年的历史台风最佳路径数据资料利用线性插值的方法转换得到1h时间间隔的台风最佳路径资料。
3.如权利要求1所述海上和沿海风电场选址评估方法,其特征在于,
所述步骤S2中风电场研究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风速大于等于17.2m/s的所有台风,
并提取该圆范围内每一个台风的最佳路径数据资料作为原始数据资料。
4.如权利要求1所述海上和沿海风电场选址评估方法,其特征在于,
所述步骤S3中参数化台风风场模型为Batts风场模型、YanMeng风场模型、Shapiro风场模型及CE风场模型中一种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210885546.4A CN115204712B (zh) | 2022-07-26 | 2022-07-26 | 一种海上和沿海风电场选址评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210885546.4A CN115204712B (zh) | 2022-07-26 | 2022-07-26 | 一种海上和沿海风电场选址评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115204712A CN115204712A (zh) | 2022-10-18 |
CN115204712B true CN115204712B (zh) | 2023-02-03 |
Family
ID=83583953
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210885546.4A Active CN115204712B (zh) | 2022-07-26 | 2022-07-26 | 一种海上和沿海风电场选址评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115204712B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117196265A (zh) * | 2023-11-07 | 2023-12-08 | 国网浙江省电力有限公司宁波供电公司 | 电动汽车充电站选址规划方法、系统和可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107944632A (zh) * | 2017-12-06 | 2018-04-20 | 北京天润新能投资有限公司 | 一种基于开发地图的风电场选址系统及选址方法 |
WO2018161626A1 (zh) * | 2017-03-06 | 2018-09-13 | 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 |
CN111680408A (zh) * | 2020-05-26 | 2020-09-18 | 中国能源建设集团广东省电力设计研究院有限公司 | 一种用于海上风电的风资源图谱绘制方法及装置 |
CN111723464A (zh) * | 2020-05-15 | 2020-09-29 | 南京师范大学 | 一种基于遥感影像特征的台风椭圆型风场参数化模拟方法 |
CN112633544A (zh) * | 2019-11-28 | 2021-04-09 | 北京金风慧能技术有限公司 | 预测风速订正方法及其装置 |
CN113176420A (zh) * | 2021-02-08 | 2021-07-27 | 国网北京市电力公司 | 一种针对电网杆塔点的风速预报订正系统 |
CN114707796A (zh) * | 2022-02-23 | 2022-07-05 | 国网浙江省电力有限公司温州供电公司 | 一种弹性配电网运行风险的滚动评估方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104036121B (zh) * | 2014-05-20 | 2017-02-15 | 中国能源建设集团江苏省电力设计院有限公司 | 基于概率分布转移的测风数据风速订正方法 |
CN106227998B (zh) * | 2016-07-15 | 2018-08-28 | 华北电力大学 | 一种基于优化时间窗口的风资源评估方法 |
CN108009689A (zh) * | 2017-12-22 | 2018-05-08 | 北京金风慧能技术有限公司 | 风速修正模型训练、风速修正方法、装置及风力发电机组 |
CN108197394A (zh) * | 2018-01-05 | 2018-06-22 | 上海电气分布式能源科技有限公司 | 一种风速曲线仿真方法 |
CN109614718A (zh) * | 2018-12-14 | 2019-04-12 | 国网山东省电力公司经济技术研究院 | 一种风电出力仿真模拟模型与方法 |
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 |
CN111914424B (zh) * | 2020-08-05 | 2022-06-07 | 中国能源建设集团江苏省电力设计院有限公司 | 一种基于短期测风资料的设计风速取值方法及系统 |
CN114428986A (zh) * | 2020-10-29 | 2022-05-03 | 中国能源建设集团江苏省电力设计院有限公司 | 一种无实测风速资料地区的设计风速分析方法和装置 |
-
2022
- 2022-07-26 CN CN202210885546.4A patent/CN115204712B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018161626A1 (zh) * | 2017-03-06 | 2018-09-13 | 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 |
CN107944632A (zh) * | 2017-12-06 | 2018-04-20 | 北京天润新能投资有限公司 | 一种基于开发地图的风电场选址系统及选址方法 |
CN112633544A (zh) * | 2019-11-28 | 2021-04-09 | 北京金风慧能技术有限公司 | 预测风速订正方法及其装置 |
CN111723464A (zh) * | 2020-05-15 | 2020-09-29 | 南京师范大学 | 一种基于遥感影像特征的台风椭圆型风场参数化模拟方法 |
CN111680408A (zh) * | 2020-05-26 | 2020-09-18 | 中国能源建设集团广东省电力设计研究院有限公司 | 一种用于海上风电的风资源图谱绘制方法及装置 |
CN113176420A (zh) * | 2021-02-08 | 2021-07-27 | 国网北京市电力公司 | 一种针对电网杆塔点的风速预报订正系统 |
CN114707796A (zh) * | 2022-02-23 | 2022-07-05 | 国网浙江省电力有限公司温州供电公司 | 一种弹性配电网运行风险的滚动评估方法 |
Non-Patent Citations (3)
Title |
---|
中国东南沿海区域台风数值模拟与危险性分析;郭云霞 等;《海洋科学》;20200415(第04期);第108-113页 * |
五十年一遇最大风速计算方法比较;高梓淇 等;《风能》;20140406(第4期);第70-75页 * |
基于数值模拟的台风危险性分析综述--台风风场模型;肖玉凤 等;《自然灾害学报》;20110430;第20卷(第2期);第82-89页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115204712A (zh) | 2022-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
He et al. | Spatiotemporal analysis of offshore wind field characteristics and energy potential in Hong Kong | |
EP3545193B1 (en) | Improving annual energy production of wind turbine sites | |
Li et al. | A model-based climatology analysis of wind power resources at 100-m height over the Bohai Sea and the Yellow Sea | |
CN103778572A (zh) | 一种基于wrf模式的海上风资源评估方法 | |
Karamanis et al. | Wind energy resources in the Ionian Sea | |
CN111612315A (zh) | 一种新型电网灾害性大风预警方法 | |
CN108062722B (zh) | 基于风速变异系数的山地风电场模型风机机械功率计算方法 | |
CN115204712B (zh) | 一种海上和沿海风电场选址评估方法 | |
CN111666725A (zh) | 一种适应非复杂地形风电场的测风塔规划选址方法及系统 | |
CN107944188A (zh) | 基于气象站实测数据的台风近地面风眼半径辨识方法 | |
Shreif et al. | Wind resource assessment for southern part of Libya: Case study of Hun | |
Özkan et al. | Evaluation of wind loads and the potential of Turkey's south west region by using log-normal and gamma distributions | |
Wang et al. | Comparing different boundary layer schemes of WRF by simulation the low-level wind over complex terrain | |
CN115204709B (zh) | 一种便于风电场选址的台风风险评估方法 | |
Salvação et al. | Offshore wind energy assessment for the Iberian coast with a regional atmospheric model | |
Vincent et al. | Forecasting intrahourly variability of wind generation | |
Belu | Assessment and analysis of offshore wind energy potential | |
Hadžiahmetović et al. | Statistical analysis and assessment of wind energy potential in Sarajevo, Bosnia and Herzegovina | |
CN115912334A (zh) | 风电场出力保证率的预测模型创建方法及预测方法 | |
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 | |
CN115438978A (zh) | 一种考虑风能资源分布特征的风电基地规划方法 | |
Rohatgi et al. | Extreme wind speeds and their prediction for wind turbines | |
Fossem | Short-term wind power prediction models in complex terrain based on statistical time series analysis | |
Li et al. | Tropical cyclone wind hazard assessment for Donghaitang wind farm (Zhejiang Province, China): Case study |
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 |