CN115238603A - 一种改进的大型风电场中尺度数值建模方法 - Google Patents
一种改进的大型风电场中尺度数值建模方法 Download PDFInfo
- Publication number
- CN115238603A CN115238603A CN202210802451.1A CN202210802451A CN115238603A CN 115238603 A CN115238603 A CN 115238603A CN 202210802451 A CN202210802451 A CN 202210802451A CN 115238603 A CN115238603 A CN 115238603A
- Authority
- CN
- China
- Prior art keywords
- wind
- wind turbine
- grid
- power plant
- momentum
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000008878 coupling Effects 0.000 claims abstract description 4
- 238000010168 coupling process Methods 0.000 claims abstract description 4
- 238000005859 coupling reaction Methods 0.000 claims abstract description 4
- 230000008859 change Effects 0.000 claims description 17
- 238000012937 correction Methods 0.000 claims description 12
- 230000009471 action Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000000694 effects Effects 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 10
- 230000006735 deficit Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 6
- 238000009792 diffusion process Methods 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 4
- 230000002238 attenuated effect Effects 0.000 claims description 3
- 230000001052 transient effect Effects 0.000 claims description 3
- 238000011144 upstream manufacturing Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 abstract description 12
- 238000011160 research Methods 0.000 abstract description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 101000585775 Homo sapiens Myoneurin Proteins 0.000 description 1
- 102100030166 Myoneurin Human genes 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- 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
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Mathematical Optimization (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Fluid Mechanics (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Pure & Applied Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Wind Motors (AREA)
Abstract
本发明公开了一种考虑风力机相互干涉的大型风电场中尺度数值模拟方法。该方法首先获取目标风电场风力机的基础数据;利用基础数据对每台风力机进行数值建模;然后在数值建模中,加入风力机亚网格干涉模型,通过修正同一网格内每台风力机的大气来流条件,从而提升大型风电场中尺度数值模拟的准确性。最后将建模结果耦合至数值天气预报模型,开展大型风电场的数值模拟研究。相比与传统风电场中尺度数值建模方法,本发明的建模方法的准确性及鲁棒性更好,更适合用于针对大型风电的场内干涉和整场的尾流特性等研究。
Description
技术领域
本发明属于数值模拟领域,具体涉及一种改进的大型风电场中尺度数值建模方法。
背景技术
风能作为一种清洁可再生能源正在飞速发展。然而,缺乏前期评估与规划的盲目发展容易造成经济与资源的浪费。因此,准确的评估和分析目标场址的风资源以及风电场自身运行特性变得极其重要。近些年,中尺度数值模拟分析方法凭借较低经济、时间成本以及研究范围广等优点,逐渐成为分析风资源以及风电场尾流特性的常用工具。例如,申请号:CN202011237572.3采用中尺度数值模型WRF结合前处理工具WPS开发了基于Linux系统开发了一套中尺度风资源分析自动化系统。申请号:CN202011237154.4依旧基于WRF模式,利用全球再分析数据集将2km的中尺度风资源信息降尺度至200m,得到更为精细化的区域风资源。
然而,上述方法都未考虑风电场本身对风资源的影响且无法分析风电场的运行特性。原因在于风力机运行对大气的影响并未考虑,即未针对风力机进行建模分析。目前,风电场模型多基于数据建模,未考虑风力机的物理特性。申请号:CN201710280318.3通过将风力机输出功率进行等值群分,针对不同区域利用数据算法构建一种风电场等值模型,并评估了其有效性。申请号:CN202011099920.5利用机器学习方法对不同风电场区域的速度和功率之间关系进行建模并相互关联。通过这样的方法构建了风电场的等效模型。然而,以上建模方法大多脱离实际大气环境,物理机理未得到解析,较难应对复杂多样的外界环境,导致模型实用性欠佳。
针对大规模风电场的中尺度数值模拟,国内外常用的模拟手段为耦合风电场参数化模型,即Fitch模型。该模型将风力机视为制动盘作用于来流大气,造成大气动量与湍流动能的变化。然而,由于模式的中尺度特性,存在多个风力机位于同一网格内,而网格内风机的亚网格特性未被解析,导致同一网格内的风力机具有相同的大气响应。这一近似高估了风力机的大气作用,造成了模拟的误差。因此,模型有待进一步的发展与改进。
发明内容
本发明的目的在于解决现在技术中存在的问题,并提供一种改进的大型风电场中尺度数值建模方法。
本发明的目的是通过以下技术方案来实现的:一种改进的大型风电场中尺度数值建模方法步骤如下:一种改进的大型风电场中尺度数值建模方法,该方法步骤如下:
(1)采集目标风电场各风力机的基础信息数据;所述基础信息数据包括地理位置信息、风力机几何物理信息以及风力机运行特性
(2)利用步骤(1)中基础信息数据对整个风电场进行参数化建模;每个风力机被视为制动盘(drag disk),风力机对来流大气施加一个动量汇,将来流大气动能转化为电能和湍流动能;通过基于步骤(1)的风力机基础信息数据计算获得风力机与大气的作用源项,即瞬态动量变化项、湍流动能变化项和功率输出;
(3)针对存在多台风力机的单一计算网格,需要考虑各风力机之间的相互干涉效应,通过修正每台风力机的来流大气速度以提高大型风电场数值建模的准确性;采用时间差分的思想构建亚网格内考虑风力机相互干涉的模型,以修正同一网格内的风力机的相互干涉所造成的来流速度误差。具体为:在某一计算时间步长内,将同一网格的风力机依次放置到网格中去;在每次放置的时间间隔内,将放置的风力机作为制动盘作用于来流大气,造成大气流场的动量亏损;该动量亏损以既定函数衰减,并扩散至下一个放置的风力机;以此往复,同一网格内每台风力机均将受到其上游风力机的作用,从而实现不同来流速度,最终获得修正后的动量变化项、湍流动能变化项和功率输出;
(4)将修正后的动量变化项、湍流动能变化项和功率输出耦合至数值预报模式WRF,将风电场建模过程嵌入WRF模式的行星大气边界层(PBL)参数化方案中,从而最终实现考虑风力机相互干涉的大规模风电场流动及运行特性的中尺度数值评估与预测。
进一步地,步骤(1)中,所述地理位置信息包括风电场场址以及各风力机的经纬度信息;所述风力机几何物理信息包括轮毂高度和风轮旋转面半径;所述风力机运行特性包括功率曲线和推力曲线。
进一步地,所述的WRF模型为天气预报模式,版本为WRF version 4.3。
进一步地,所述的大气边界层(PBL)参数化方案具体为MYNN2.5方案。
进一步地,所述的衰减函数为高斯衰减函数。
进一步地,步骤(3)中,单一计算网格中第n+1放置的风机的受到的来流速度为:
其中u,v为来流速度的水平速度分量,|U|为来流速度标量,Δu,Δv为已放置的第n个风力机造成的动量亏损量,其计算方法为:
其中,Nij为网格(i,j)内的风力机数量,Aijk为风轮旋转面在网格(i,j)垂直层k上截取的面积,Δzk为垂直层k与垂直层k+1之间的垂直距离,CT为推力系数,Δt为WRF模式的时间步长,Δt/(Nij-1)为放置时间间隔,α和β分别为空间和排布修正系数,空间修正因子限定了动量亏损完全扩散的最大范围(亚网格中最小尺度),排布修正因子规定了动量亏损以高斯函数的形式衰减并逐渐向周围扩散。
本发明的有益效果:本发明建立的改进大型风电场中尺度数值建模方法是对传统方法的创新和改进,具有更高准确性,对网格分辨率敏感性低以及强鲁棒性等优点。改进的风电场数值模型可针对大规模风电场或风电场群,模拟范围上百甚至上千平方公里,单个网格包含多个风力机情况时改进效果更优。
附图说明
图1为模型运行步骤的流程示意图;
图2为风机网格计算模拟精度示意图;
图3为模型网格敏感性对比验证图;
图4为模型流场对比图。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步阐述和说明。
本发明主要构建了一种改进的大型风电场中尺度数值建模方法,模拟和分析大规模风电场周围的大气运动以及风电场运行特性。具体步骤如下:
1)采集目标风电场各风力机的基础信息数据。主要包括地理位置信息(风电场场址以及各风力机的经纬度信息)、风力机几何物理信息(轮毂高度和风轮旋转面半径)以及风力机运行特性(功率曲线和推力曲线)。其中,位置信息用于确定计算域及每台风力机在计算域中的相对位置,风力机的几何物理和运行特性信息用于后续的参数化建模计算步骤。
2)利用步骤1)中基础数据对整个风电场进行参数化建模。WRF作为开源的中尺度数值模式,拥有一系列大气物理运动的参数化方法,例如,大气边界层、大气辐射、积云等。基于Fortran语言,WRF允许研究者自行开发新的参数化方案,其中包括前人开发的风电场参数化模型。然而,由于中尺度特性,WRF网格的水平尺寸通常设置为公里级,导致传统模型中一个网格可能包含多个风力机。然而,传统模型中忽略同一网格内的风力机相互作用,将同一个网格内风力机总的大气作用项简化为单个风机的Nij倍,其中Nij为网格(i,j)内的风力机总数,每个风力机被视为致动盘(drag disk),风力机对来流空气施加一个动量汇,将来流动能转化为电能和湍流动能。通过基于步骤1)的风力机基础信息数据计算获得风力机与大气的作用源项,即瞬态动量变化项、湍流动能变化项和功率输出。其总动量和湍流动能作用项表达式为:
其中uijk,vijk为网格中水平速度分量,|U|ijk为速度标量,TKEijk为湍流动能,CT为推力系数,CTKE为湍动能系数,其值CTKE=CT-CP,CP为功率系数。Aijk为风轮旋转面在网格(i,j)垂直层k上截取的面积;P为功率输出,|U|hub为轮毂高度处风速,Arotor为风轮扫掠面积。
3)在步骤2)的参数化过程中,处理方式无疑高估了该网格内的风力机作用。针对存在多台风力机的单一计算网格,需要考虑各风力机之间的相互干涉效应,为了弥补这一误差,本发明借用了“亚网格模型”以及“时间差分”的思想,构建独立网格内的风力机干涉模型,通过修正每台风力机的来流速度以提高大型风电场数值建模的准确性。结合图1,将详细说明风力机干涉模型的构建过程。首先,在一个时间步长内,本发明将网格(i,j,k)的Nij个风力机依次放置。放置的风力机在放置时间间隔内开始作用,放置的风力机作为制动盘作用于来流大气,造成大气流场的动量亏损;该动量亏损以高斯函数衰减,并扩散至下一个放置的风力机。以此往复,同一网格内每台风力机都将受到其上游风力机的作用,从而实现不同来流速度,最终获得相应的动量变化项、湍流动能变化项和功率输出。最终得到的网格总动量亏损以及湍流动能增量比传统模型更符合实际。分别计算造成的动量亏损量Δuijk和Δvijk,以及大气作用项——动量作用项和湍流动能作用项。
根据动量定理,速度水平分量的变化量分别为:
其中Δt/(Nij-1)为放置间隔时间,Δt为WRF模式的时间步长。由于放置风力机的影响范围有限,且干涉效果随着距离增大而减小,因此这里需要引入两个修正系数α和β,分别为空间修正因子和排布修正因子。空间修正因子限定了动量亏损完全扩散的最大范围(亚网格中最小尺度),排布修正因子规定了动量亏损以高斯函数的形式衰减并逐渐向周围扩散,因此已放置风力机对即将放置风力机的干涉效应还取决于两者的距离。修正因子的表达式如下:
α=dxdy/δx2
其中,dx和dy为WRF模式水平网格大小,δx2为限定范围面积。d表示风力机之间的距离,该模型假设当风机距离超过6δx时,风力机干涉效应忽略不计,即:Dcr=2.08δx。
因此,对于n个以放置风力机对第n+1台风力机造成的总动量干涉为:
4)结合步骤2)和3)并将其耦合至数值预报模式WRF(天气预报模式,版本为WRFversion4.3),将风电场建模过程嵌入WRF模式的行星大气边界层(PBL)参数化方案中(MYNN2.5方案),以实现模式封闭;进而模拟覆盖风电场在内的数百公里的气象场,从而最终实现考虑风力机相互干涉的大规模风电场流动及运行特性的中尺度数值评估与预测。
下面结合实施例证明上述方法的具体实现效果。
实施例
本实施例中,以位于浙江省杭州湾的某大型海上风电场为研究对象,探究了这种改进的大型风电场中尺度数值建模方法具体实现效果及其优势。采用的WRF version 4.3对应的参数设置如下:
表1 WRF参数设置
通过与实测数据对比,改进的大型风电场中尺度数值建模方法所需的参数δx设置为200m。模拟时间为2022-1-1-00:00至2022-1-7-24:00。
通过与实测数据比较,图2展示了具有风力机的网格处模拟风速的标准偏差SD,均方根误差RESM的计算结果。模型与网格中的百分比代表了改进模型的准确度提高百分比(仅显示大于1%)。结果表明,模拟风速与实测风速具有较高的一致性,平均相似性系数大于0.85,改进的参数化模型提高了风速预测准确性,尤其针对下游网格以及风力机数量较多的网格。图3展示了风场的尾流特性,由于考虑了单网格内的风力机干涉,部分尾流在亚网格中耗散,导致改进模型下的尾流长度变短。图4展示了模型对网格分辨率(1km,2km和3km)的敏感性,结果证明,改进模型对网格分辨率敏感度较低,因此改进模型模拟结果更具有鲁棒性,优于原始模型。
另外,本实施例中改进模型与传统模型相比,所耗费计算资源相当,可以使用在更大规模的风电场或场群研究,随着网格的增大,单个网格内风机数量增加,改进模型准确性较原模型更有优势。
以上所述的实施例只是本发明的一种较佳的方案,然其并非用以限制本发明。有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型。因此凡采取等同替换或等效变换的方式所获得的技术方案,均落在本发明的保护范围内。
Claims (6)
1.一种改进的大型风电场中尺度数值建模方法,其特征在于,该方法步骤如下:
(1)采集目标风电场各风力机的基础信息数据;所述基础信息数据包括地理位置信息、风力机几何物理信息以及风力机运行特性
(2)利用步骤(1)中基础信息数据对整个风电场进行参数化建模;每个风力机被视为制动盘(drag disk),风力机对来流大气施加一个动量汇,将来流大气动能转化为电能和湍流动能;通过基于步骤(1)的风力机基础信息数据计算获得风力机与大气的作用源项,即瞬态动量变化项、湍流动能变化项和功率输出;
(3)针对存在多台风力机的单一计算网格,需要考虑各风力机之间的相互干涉效应,通过修正每台风力机的来流大气速度以提高大型风电场数值建模的准确性;采用时间差分的思想构建亚网格内考虑风力机相互干涉的模型,以修正同一网格内的风力机的相互干涉所造成的来流速度误差。具体为:在某一计算时间步长内,将同一网格的风力机依次放置到网格中去;在每次放置的时间间隔内,将放置的风力机作为制动盘作用于来流大气,造成大气流场的动量亏损;该动量亏损以既定函数衰减,并扩散至下一个放置的风力机;以此往复,同一网格内每台风力机均将受到其上游风力机的作用,从而实现不同来流速度,最终获得修正后的动量变化项、湍流动能变化项和功率输出;
(4)将修正后的动量变化项、湍流动能变化项和功率输出耦合至数值预报模式WRF,将风电场建模过程嵌入WRF模式的行星大气边界层(PBL)参数化方案中,从而最终实现考虑风力机相互干涉的大规模风电场流动及运行特性的中尺度数值评估与预测。
2.根据权利要求1所述的一种改进的大型风电场中尺度数值建模方法,其特征在于,步骤(1)中,所述地理位置信息包括风电场场址以及各风力机的经纬度信息;所述风力机几何物理信息包括轮毂高度和风轮旋转面半径;所述风力机运行特性包括功率曲线和推力曲线。
3.根据权利要求1所述的一种改进的大型风电场中尺度数值建模方法,其特征在于,所述的WRF模型为天气预报模式,版本为WRF version 4.3。
4.根据权利要求1所述的一种改进的大型风电场中尺度数值建模方法,其特征在于,所述的大气边界层(PBL)参数化方案具体为MYNN2.5方案。
5.根据权利要求1所述的一种改进的大型风电场中尺度数值建模方法,其特征在于,所述的衰减函数为高斯衰减函数。
6.根据权利要求1所述的一种改进的大型风电场中尺度数值建模方法,其特征在于,步骤(3)中,单一计算网格中第n+1放置的风机的受到的来流速度为:
其中u,v为来流速度的水平速度分量,|U|为来流速度标量,Δu,Δv为已放置的第n个风力机造成的动量亏损量,其计算方法为:
其中,Nij为网格(i,j)内的风力机数量,Aijk为风轮旋转面在网格(i,j)垂直层k上截取的面积,Δzk为垂直层k与垂直层k+1之间的垂直距离,CT为推力系数,Δt为WRF模式的时间步长,Δt/(Nij-1)为放置时间间隔,α和β分别为空间和排布修正系数,空间修正因子限定了动量亏损完全扩散的最大范围(亚网格中最小尺度),排布修正因子规定了动量亏损以高斯函数的形式衰减并逐渐向周围扩散。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210802451.1A CN115238603A (zh) | 2022-07-07 | 2022-07-07 | 一种改进的大型风电场中尺度数值建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210802451.1A CN115238603A (zh) | 2022-07-07 | 2022-07-07 | 一种改进的大型风电场中尺度数值建模方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115238603A true CN115238603A (zh) | 2022-10-25 |
Family
ID=83671349
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210802451.1A Pending CN115238603A (zh) | 2022-07-07 | 2022-07-07 | 一种改进的大型风电场中尺度数值建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115238603A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117521282A (zh) * | 2023-11-07 | 2024-02-06 | 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 |
-
2022
- 2022-07-07 CN CN202210802451.1A patent/CN115238603A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117521282A (zh) * | 2023-11-07 | 2024-02-06 | 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 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102663251B (zh) | 基于计算流体力学模型的风电场功率物理预测方法 | |
Mirocha et al. | Implementation of a generalized actuator disk wind turbine model into the weather research and forecasting model for large-eddy simulation applications | |
Larsén et al. | A case study of wind farm effects using two wake parameterizations in the Weather Research and Forecasting (WRF) model (V3. 7.1) in the presence of low-level jets | |
Yang et al. | High-fidelity simulations and field measurements for characterizing wind fields in a utility-scale wind farm | |
Vanderwende et al. | Could crop height affect the wind resource at agriculturally productive wind farm sites? | |
CN113627101A (zh) | 一种基于改进型ad/rsm模型的风力机尾流模拟方法 | |
CN112862274A (zh) | 一种基于WRF-LES和DeepAR相结合的风功率预测方法 | |
Wang et al. | Inter-farm cluster interaction of the operational and planned offshore wind power base | |
CN115238603A (zh) | 一种改进的大型风电场中尺度数值建模方法 | |
CN105279384A (zh) | 一种基于风力机机舱风速的来流风速计算方法及装置 | |
Vollmer et al. | Transient LES of an offshore wind turbine | |
Feroz et al. | Wind speed and power forecasting of a utility-scale wind farm with inter-farm wake interference and seasonal variation | |
CN112100922A (zh) | 一种基于wrf和cnn卷积神经网络的风资源预测方法 | |
Tadie Fogaing et al. | A review of wind energy resource assessment in the urban environment | |
CN102236746B (zh) | 无测风记录区风资源模拟推算方法 | |
Frandsen et al. | Summary Report: The Shadow effect of large wind farms: measurements, data analysis and modelling: Risø-R-1615 (EN) | |
Rodrigo et al. | Validation of meso-wake models for array efficiency prediction using operational data from five offshore wind farms | |
CN112767194A (zh) | 一种建筑群太阳能利用潜力的分析方法 | |
Wang et al. | Statistics of wind farm wakes for different layouts and ground roughness | |
CN116861705A (zh) | 基于计算机模拟的风电场噪声和光影影响分析方法 | |
Singh et al. | Numerical generation of inflow turbulence by cell perturbation technique in WRF simulation | |
Rai et al. | A code-independent generalized actuator line model for wind farm aerodynamics over simple and complex terrain | |
Argyle | Computational fluid dynamics modelling of wind turbine wake losses in large offshore wind farms, incorporating atmospheric stability | |
Wagenaar | Dutch Offshore Wind Atlas Public final report | |
Li et al. | A modified vertical eddy diffusivity parameterization in the HWRF model based on large eddy simulations and its impact on the prediction of two landfalling hurricanes |
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 |