CN115239105A - 一种在役风电场的风资源的评估方法以及装置 - Google Patents
一种在役风电场的风资源的评估方法以及装置 Download PDFInfo
- Publication number
- CN115239105A CN115239105A CN202210820250.4A CN202210820250A CN115239105A CN 115239105 A CN115239105 A CN 115239105A CN 202210820250 A CN202210820250 A CN 202210820250A CN 115239105 A CN115239105 A CN 115239105A
- Authority
- CN
- China
- Prior art keywords
- wind
- wind speed
- speed data
- unit
- data
- 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 33
- 238000012546 transfer Methods 0.000 claims abstract description 58
- 238000011156 evaluation Methods 0.000 claims abstract description 52
- 239000003550 marker Substances 0.000 claims abstract description 17
- 230000006870 function Effects 0.000 claims description 69
- 238000004422 calculation algorithm Methods 0.000 claims description 43
- 238000010248 power generation Methods 0.000 claims description 21
- 230000009467 reduction Effects 0.000 claims description 21
- 230000002159 abnormal effect Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 abstract description 24
- 238000004364 calculation method Methods 0.000 abstract description 18
- 238000005259 measurement Methods 0.000 abstract description 11
- 230000008901 benefit Effects 0.000 abstract description 9
- 238000012950 reanalysis Methods 0.000 abstract description 7
- 238000004088 simulation Methods 0.000 abstract description 7
- 238000010977 unit operation Methods 0.000 abstract description 7
- 238000005065 mining Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 12
- 230000003287 optical effect Effects 0.000 description 6
- 101100518501 Mus musculus Spp1 gene Proteins 0.000 description 5
- 238000012216 screening Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 3
- 238000005315 distribution function Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification 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
- G06Q10/0639—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
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Optimization (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Mathematics (AREA)
- Educational Administration (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Wind Motors (AREA)
Abstract
本公开实施例提供一种在役风电场的风资源的评估方法、装置、存储介质以及电子设备,评估方法包括:获取风电场中的标杆机组的风速数据;将同一时间段的标杆机组的风速数据和测风塔的实测风速数据输入到多个传递函数模型中,获得多个结果风速序列;将结果风速序列与同期激光雷达实测风速数据进行比较,确定采用的传递函数模型及对应的结果风速序列;基于对应的结果风速序列评估风电场的风资源。本公开实施例对投运时期的机组运行数据的传递函数的挖掘使风电场风资源分析更加深入和准确;同时综合运行数据、实际测风、流场仿真分析的优点,对风电场的资源再分析提供有效的计算方式。
Description
技术领域
本公开涉及风力发电技术领域,具体地涉及一种在役风电场的风资源的评估方法、装置、存储介质以及电子设备。
背景技术
随着新能源发电受到国家的重视与扶持,风电场装机规模增大,且风电场的管理越来越完善,对风电机组运行数据的有效分析有助于风电场的资源再评估及合理的规划利用,传统的流场仿真方法已经不再适用于大型风电场的资源评估分析,准确计算实际环境条件下场址的风资源分布及后续发电量评估显得越来越重要,从而需要更加全面的分析方式和更加合理的计算方法。
具体地,风电机组在运行时会受到周围其他机组叶片的扰动从而产生的尾流影响,会使得风电机组所在位置处的风况参数与设计阶段存在较大的差异,为了能够更加精确地对风电场的风能资源及后续发电量分析评估,必须对场址流场环境条件、运行数据以及激光雷达实际测风结果三者联合分析。
目前关于风电场后评估方面,有关场址流场环境条件、运行数据以及激光雷达实际测风结果的研究相对比较薄弱,还未展开系统全面的联合分析研究。其主要原因在于对风电场的运行数据分析深度不足且分析方式单一,并未考虑到风电场实际运行之后与周边环境条件的相互影响,由此造成资源评价不到位,经济效益受到损失。上述不足主要表现在以下几个方面:一、风电场投运之后机组所受到的环境条件与规划阶段存在差异;二、建立传递函数方法较为单一且并未应用同期激光雷达测风数据进行验算比对;三、传递函数使用情况较为单一,仅用于功率曲线考核与测试方面;四、风电场运行期未进行资源再分析。
发明内容
本公开实施例的目的在于提供一种在役风电场的风资源的评估方法、装置、存储介质以及电子设备,以解决现有技术中存在的问题。
为了解决上述技术问题,本公开的实施例采用了如下技术方案:
一种在役风电场的风资源的评估方法,其包括:
获取所述风电场中的标杆机组的风速数据;
将同一时间段的所述标杆机组的风速数据和测风塔的实测风速数据输入到多个传递函数模型中,获得多个结果风速序列;
将所述结果风速序列与同期激光雷达实测风速数据进行比较,确定采用的传递函数模型及对应的结果风速序列;
基于对应的所述结果风速序列评估所述风电场的风资源。
在一些实施例中,所述获取所述风电场中的标杆机组的风速数据,包括:
获取所述风电场的基本信息;
基于所述基本信息确定所述风电机组中的标杆机组,获取所述标杆机组的风速数据。
在一些实施例中,所述标杆机组通过以下步骤确定:
确定所述风电场的主要来流风向;
基于所述主要来流方向对所述风电场进行地形评估,获取地形评估结果;
基于所述地形评估结果,确定初步拟选的标杆机组;
在所述初步拟选的标杆机组中确定最终的所述标杆机组。
在一些实施例中,在所述获取所述标杆机组的风速数据之后,基于所述风速数据筛选异常数据,所述异常数据根据机组状态码进行筛选,其至少包括限功率状态下的异常数据、机组零部件受损造成的故障运行数据、特殊条件下传感器受到影响造成的非正常状态运行数据中的至少一种。
在一些实施例中,在所述将同一时间段的所述标杆机组的风速数据和测风塔的实测风速数据输入到多个传递函数模型之前,包括:
将所述标杆机组的所述风速数据以及所述测风塔的实测风速数据,按照对应的风向划分为12扇区,逐一扇区构建所述传递函数模型并进行计算。
在一些实施例中,所述将同一时间段的所述标杆机组的风速数据和测风塔的实测风速数据输入到多个传递函数模型中,获得多个结果风速序列中,所述传递模型函数至少包括基于线性拟合算法的模型、基于风速分布算法的模型以及基于时间矩阵算法的模型中的一种,其中,所述基于线性拟合算法的模型至少包括基于最小二乘法的线性模型、基于方差比算法的线性模型、基于垂直分段算法的线性模型以及基于风速分类拟合算法的线性模型中的一种。
在一些实施例中,所述基于所述结果风速序列评估所述风电场的风资源,包括:
计算获取所述风电场的理论上网发电量。
确定场址的实际综合折减分项取值,其至少包括场用电和线损折减率、机组的时间可利用率以及实际限电率;
基于所述场用电和线损折减率、所述机组的时间可利用率、所述实际限电率以及综合折减率,对所述理论上网发电量进行修正以获得风电场最终发电量。
本公开实施例还提供一种在役风电场的风资源的评估装置,其包括:
风速数据获取模块,用于获取所述风电场中的标杆机组的风速数据;
结果风速序列获取模块,用于将同一时间段的所述标杆机组的风速数据和测风塔的实测风速数据输入到多个传递函数模型中,获得多个结果风速序列;
确定模块,用于将所述结果风速序列与同期激光雷达实测风速数据进行比较,确定采用的传递函数模型及对应的结果风速序列;
评估模块,用于基于对应的所述结果风速序列评估所述风电场的风资源。
本公开还提供一种存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述方法的步骤。
本公开还提供一种电子设备,至少包括存储器、处理器,所述存储器上存储有计算机程序,所述处理器在执行所述存储器上的计算机程序时实现上述任一项所述方法的步骤。
本公开实施例与传统的风电场场址前期规划阶段采用个别测风塔数据对整个风电场区域进行风资源评估的方式相比,对投运时期的机组运行数据的传递函数的挖掘使风电场风资源分析更加深入和准确;同时综合运行数据、实际测风、流场仿真分析的优点,对风电场的资源再分析提供有效的计算方式。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本公开实施例的在役风电场的风资源的评估方法的步骤示意图;
图2为本公开实施例的在役风电场的风资源的评估方法的步骤示意图;
图3为本公开实施例的在役风电场的风资源的评估方法的步骤示意图。
具体实施方式
此处参考附图描述本公开的各种方案以及特征。
应理解的是,可以对此处申请的实施例做出各种修改。因此,上述说明书不应该视为限制,而仅是作为实施例的范例。本领域的技术人员将想到在本公开的范围和精神内的其他修改。
包含在说明书中并构成说明书的一部分的附图示出了本公开的实施例,并且与上面给出的对本公开的大致描述以及下面给出的对实施例的详细描述一起用于解释本公开的原理。
通过下面参照附图对给定为非限制性实例的实施例的优选形式的描述,本公开的这些和其它特性将会变得显而易见。
还应当理解,尽管已经参照一些具体实例对本公开进行了描述,但本领域技术人员能够确定地实现本公开的很多其它等效形式,它们具有如权利要求所述的特征并因此都位于借此所限定的保护范围内。
当结合附图时,鉴于以下详细说明,本公开的上述和其他方面、特征和优势将变得更为显而易见。
此后参照附图描述本公开的具体实施例;然而,应当理解,所申请的实施例仅仅是本公开的实例,其可采用多种方式实施。熟知和/或重复的功能和结构并未详细描述以避免不必要或多余的细节使得本公开模糊不清。因此,本文所申请的具体的结构性和功能性细节并非意在限定,而是仅仅作为权利要求的基础和代表性基础用于教导本领域技术人员以实质上任意合适的详细结构多样地使用本公开。
本说明书可使用词组“在一种实施例中”、“在另一个实施例中”、“在又一实施例中”或“在其他实施例中”,其均可指代根据本公开的相同或不同实施例中的一个或多个。
本公开的第一实施例提供一种在役风电场的风资源的评估方法,主要基于所述风电场中的风电机组的风速数据进行场址风资源计算和发电量评估,具体地,将所述风电机组的风速数据与测风塔的实测风速数据建立多种传递函数模型,并经过与同期激光雷达实测风速对比分析确定最终的传递函数模型,将最终选用的传递函数修正所述风电机组的风速数据,将修正后的风速数据作为虚拟测风塔输入场址流场仿真软件中,输出得到风电场运行时期的理论发电量,再结合基于所述机组的其他运行数据分析得到的全场机组可利用率、场用电及线损等实际折减项进行修正,最终得到比较贴合实际情况的上网电量,从而实现对于风电场风资源及发电量的的准确评估,如图1所示,具体步骤如下:
S101,获取所述风电场中的标杆机组的风速数据。
在本步骤中,获取所述风电场中的标杆机组的风速数据。具体地,这里的所述标杆机组是指所述风电场的风电机组中具有代表性的风电机组,通过以下步骤获取所述风电场中的标杆机组的风速数据,如图2所示,包括:
S201,获取所述风电场的基本信息。
在本步骤中,获取所述风电场以及风电机组的基本信息。具体地,根据所述风电场的基本情况进行数据的收集,这里的所述基本信息包括但不限于测风塔数据、风电机组的基本信息与坐标数据、风电场地形图数据、风电机组的运行数据、激光雷达数据、电量结算单数据等,这里的所述运行数据至少包括风速数据、风向数据、机组运行状态码等。
S202,基于所述基本信息确定所述风电机组中的标杆机组,获取所述标杆机组的风速数据。
在通过上述步骤S201获取所述风电场的基本信息之后,在本步骤中,基于所述基本信息确定所述风电机组中的标杆机组以及所述标杆机组的风速数据。
具体地,在获取所述基本信息中的多类数据后,例如可以将所述基本信息中不同类的数据确定对应的重要性系数,从而综合性考虑并进行所述标杆机组的选取;当然还可以基于预定的基本原则进行所述标杆机组的选择,例如这里选取的基本原则为设置在来流方向的前排位置,且对所述风电场的场区地形条件具有一定的代表性,具体地,如图3所示,所述标杆机组的选取步骤如下:
S301,确定所述风电场的主要来流风向。
在本步骤中,确定所述风电场的主要来流风向。这里可以在所述风电场针对的多个来流方向中确定一个或者多个主要来流方向。
S302,基于所述主要来流方向对所述风电场进行地形评估,获取地形评估结果。
在本步骤中,基于所述主要来流方向对所述风电场进行地形评估,获取地形评估结果。这里的所述地形评估尤其可以对所述风电场中的测风塔、所述风电场中机位点的进行地形评估,这里的所述地形评估的方式如下:其中,在风电机组所在的基础平面内,以风电机组为圆心,半径为4D(D为风轮直径)画圆,将半径4D分成若干均等份做环形垂直剖面,其中Z1为均等分垂直剖面处的海拔高度,Z2为风电机组基础所在平面的海拔高度;di为第Zi个垂直剖面所在位置与风电机组的距离。将所述测风塔、每个所述风电装机组位置处的最大坡度(即SLOPEmax)、高程差的方差σ(z1-z2)统计成如下表格,这里的表格可以作为地形评估结果。
S303,基于所述地形评估结果,确定初步拟选的标杆机组。
在通过上述步骤S302基于所述主要来流方向对所述风电场进行地形评估,获取地形评估结果之后,在本步骤中,基于所述地形评估结果,确定初步拟选的标杆机组。具体地,根据上述步骤中的地形评估计算表格统计结果,例如可以选择与所述测风塔的地形评估结果较为一致的前5个机位点的风电机组作为初步拟选标杆机组。
S304,在所述初步拟选的标杆机组中确定最终的标杆机组。
在通过上述步骤S303在所述初步拟选的标杆机组中确定最终的标杆机组之后,在本步骤中,所述初步拟选的标杆机组中确定最终的标杆机组。具体地,对初步拟选的例如5个标杆机组进行进一步分析,选择距离所述测风塔较近,且来流方向无障碍物的机组作为最终的标杆机组。
此外,在另一个实施方式中,由于风电机组的运行数据往往存在偶然或者异常的情况,为此,在获取所述标杆机组的运行数据之后,还可以针对所述标杆机组的运行数据进行数据筛选,这里对于所述标杆机组的运行数据进行筛选主要考虑到,
所述标杆机组的周围环境及地理条件或者当地政策等会影响所述标杆机组的工作状态,而在以下将所述运行数据输入传递函数模型中时候,需要剔除异常数据,因此,需要提取所述标杆机组的正常工作状态下的运行数据,这里的异常数据主要根据机组状态码进行筛选,主要包括以下几个方面:(1)限功率状态下的异常数据;(2)机组零部件受损造成的故障运行数据;(3)特殊条件下传感器受到影响造成的非正常状态运行数据。
S102,将同一时间段的所述标杆机组的风速数据和测风塔实测风速数据输入到多个传递函数模型中,获得多个结果风速序列。
在通过上述步骤S101获取所述标杆机组的风速数据之后,在本步骤中,将同一时间段的所述标杆机组的风速数据和测风塔实测风速数据输入到多个传递函数模型中,获得多个结果风速序列。
进一步地,在将所述标杆机组的例如风速数据经过上述筛选条件进行筛选后,并且在在输入传递函数模型之前,将筛选后的所述风速数据进行分析,首先将输入所述传递函数模型的所述标杆机组的所述风速数据以及所述测风塔的实测风速数据,按照对应的风向(0°~360°)划分为12扇区,逐一扇区构建所述传递函数模型并进行计算。
将例如经过筛选等预处理的所述风速数据与所述测风塔的实测风速数据进行分类,将所述标杆机组的所述风速数据中的风速时间序列定义为参考风速序列,设为xi;将所述测风塔的实测风速数据中的风速时间序列定义为目标风速序列,设为yi;将经过传递函数模型生成的新函数序列定义为结果风速序列,设为
具体地,将所述标杆机组的所述风速数据与所述测风塔的实测风速数据输入到包括至少一种类型的多个传递函数模型中,这里例如可以包括三类的传递函数模型,所述传递函数模型可以包括基于线性拟合算法的模型、基于风速分布算法的模型以及基于时间矩阵算法的模型,其中,所述基于线性拟合算法的模型包括基于最小二乘法(LLS,LinearLeast Squares)的线性模型、基于方差比算法(VR,Variance Ratio)的线性模型、基于垂直分段算法(VS,Vertical Slice)的线性模型以及基于风速分类拟合算法(SS,Speed-Sort)的线性模型。
进一步地,基于每个划分的扇区内的所述标杆机组的所述风速数据和所述测风塔的实测风速数据进行以下计算,通过上述6个基于数学函数的模型获得所述标杆机组的结果风速序列的具体方式如下:
(a)线性最小二乘法
这里的最小二乘法作为一种数学优化方法,可以简单并且高效的求得未知变量,在风能分析及利用应用广泛。在本实施例的采用线性二乘法进行线性模型的建立和计算过程中,基于目标风速和参考风速的散点图直接建立最小二乘模型从而进行计算,函数型式如下公式所示:
yi=kxi+b (公式1)
(b)方差比算法
这里的方差比检验方法应用函数基于线性模型,基本公式为线性方程,通过计算得到函数相关参数,在结果风速序列的方差等于目标风速序列的方差以及结果风速序列的均值等于参考风速序列的均值的基础上获得所述结果风速序列,公式如下:
(c)垂直分段算法
这里的垂直分段算法类似于常规分析方法中的bin区间划分的方式。为更好的得到区间段内的曲线拟合关系,在目标风速与参考风速的散点图上执行分段线性曲线拟合的处理方式。其方法如下:
在二维坐标系中,将目标风速序列与参考风速序列的散点图沿x轴(以所述参考风速为x轴)分成N个大小相等的区间段。在本实施例中采用的区间长度为0.5m/s。
进一步地,计算出每个所述区间段内数值点Nj(x,y),其中,x值是区间线段在x轴上的中点,y值是区间段Nj内的目标风速的平均值。
然后,将每个区间段内的点用直线连接,最终形成分段线性曲线,相邻两个区间段内的方程参考以下公式:
b为线性方程常量。
在实际数据处理过程中,通常情况下每个区间段内要有足够的数据样本进行可靠的分析。然而,在真实的数据集中,尤其是当数据集较短、过滤严重或被划分为大量方向扇区时通常会存在数据样本量不足的情况。因此,本算例中对于区间段Nj内数据量n小于5的情况下,应用线性最小二乘拟合预测目标风速的中点值,
本实施例中对于区间段内数值点的数量小于5的情况下应用上述的线性最小二乘拟合结果风速序列。
(d)风速分类拟合算法
这里的风速分类拟合算法类似于bin区间算法,其将参考风速时间序列中的每一个风速样本分布到目标风速的全风向的扇区内,基本步骤如下:在每个风向扇区内,将目标风速和参考风速进行排序,风速分类拟合算法对于参考风速和目标风速的函数关系建立在分类排序后的散点图上,而非原始数据序列的散点图。
为此,这就需要对风速设定计算起始阈值,在本实施例中,将风速起始阈值设为4m/s,对于大于所述起始阈值的风速样本点按照上述最小二乘法拟合出一条过原点的直线,同时计算出每个划分的bin区间内的数据均值;对于小于所述起始阈值的风速样本点,按照以下公式进行计算得到所述结果风速序列:
(e)风速分布算法
这里的风速分布算法又称为威布尔分布拟合算法(WBL,Weibull Fit),其考虑到风速时间序列符合威布尔分布,在本实施例中建立一种基于双参数威布尔分布规律的参数计算模型,该方法基于参考风速序列和目标风速序列均服从双参数威布尔分布,采用极大似然法估计风速序列的威布尔分布双参数如公式(13)-(14),结果风速序列的函数关系式采用幂指数函数,如公式(15),参考公式如下:
其中:K为威布尔分布的形状参数;
A为威布尔分布的尺度参数;
这里的Ui为风速序列,其可以是参考风速序列或者目标风速序列。
(f)矩阵时间算法
这里的矩阵时间序列算法是对经典矩阵方法的改变,其通过整合分析后得真实的时间序列数据,矩阵时间算法算法与经典矩阵算法的主旨都为生成某一时间序列的真实分布。在本实施例中,采用矩阵时间算法获取所述结果风速序列的步骤如下:
1.在每个子扇区内利用目标风速和参考风速的二维联合矩阵来生成目标数据集,其中每个参考风速矩阵Uij内包含着多个目标风速;
2.构造目标风速的累计分布函数CPMFj(Cumulative Distribution Function),在每一个时间步长中,根据目标风速确定CPMFj上对应的百分位数,迭代并产生包含百分位的时间序列;
3.根据产生的百分位时间序列,再次应用累计分布函数确定相应的百分位数值对应的数值,构建最终的结果风速序列Pi。
S103,将所述结果风速序列与实测风速数据进行比较,确定采用的传递函数模型及对应的结果风速序列。
在通过上述步骤S102将所述标杆机组的风速数据和测风塔实测风速数据分别输入到多个传递函数模型中,获得多个结果风速序列之后,在本步骤中,将所述结果风速序列与实测风速数据进行比较,确定采用的传递函数模型及对应的结果风速序列。
具体地,基于采用的不同的传递函数模型,将应用对应模型输出得到的结果风速序列与同时期的所述测风塔中激光雷达实测的实测风速数据进行比较和验证,从而选出适宜所述风电场场址的传递函数模型,并将所述传递函数模型的结果序列作为该所述风电场场址的虚拟测风塔数据源。这样,通过采用不同的传递函数模型获取的结果风速序列,并结合同期激光雷达采集的实测风速数据进行验证比对,选择出拟合效果最好的函数模型以及对应的结果风速序列数据以进行后续的分析。
S104,基于对应的所述结果风速序列评估所述风电场的风资源。
在通过上述步骤S103将所述结果风速序列与同一时期实测激光雷达风速数据进行比较,确定采用的传递函数模型及对应的结果风速序列之后,在本步骤中,基于对应的所述结果风速序列评估所述风电场的风资源。这里的所述风资源可以通过发电量表示,当然也可以通过其他参数进行表示。
这里具体地可以通过CFD流场仿真软件对所述风电场的场址进行建模分析,将经过确定的所述传递函数模型修正过的结果风速序列作为虚拟测风塔数据输入流场仿真软件中,计算获取所述风电场的理论上网发电量W1。
在获取所述理论上网发电量之后,还需要通过对风电场所有机组的运行数据进行分析,计算得到场址的实际综合折减分项取值,这里包括场用电和线损折减率η1、机组的时间可利用率η2以及实际限电率η3。
其中,所述用电和线损折减率η1计算方法为:场用电和线损折减率=(上网电量结算单中统计值/全场机组运行数据中的发电量统计值)*100%;所述机组的时间可利用率η2的计算方法为:单台风机年平均时间可利用率=[(8760-风机维护和故障未工作时数)/8760]*100%,风电场年平均时间可利用率=所有单台风机年平均时间可利用率的平均值或者总和/总台数;所述实际限电率η3通常由所述风电场提供具体的数值供参考。
这样,根据上述得到的场用电和线损折减率η1、机组的时间可利用率η2以及实际限电率η3,并结合综合折减率η(不考虑厂用电和线损折减率、机组的时间可利用率、实际限电率),对所述理论上网发电量W1进行修正以获得风电场最终发电量,从而最终获取所述风电场的风资源,其修正公式如下:风电场最终发电量W=W1*η*η1*η2*η3。
本公开实施例与传统的风电场场址前期规划阶段采用个别测风塔数据对整个风电场区域进行风资源评估的方式相比,对投运时期的机组运行数据的传递函数的挖掘使风电场风资源分析更加深入和准确;同时综合运行数据、实际测风、流场仿真分析的优点,对风电场的资源再分析提供有效的计算方式。
本公开的第二实施例涉及一种风电场的风资源的评估装置,其包括风速数据获取模块、结果风速序列获取模块、确定模块以及评估模块,其中:
风速数据获取模块,用于获取所述风电场中的标杆机组的风速数据;
结果风速序列获取模块,用于将同一时间段的所述标杆机组的风速数据和测风塔的实测风速数据输入到多个传递函数模型中,获得多个结果风速序列;
确定模块,用于将所述结果风速序列与实测风速数据进行比较,确定采用的传递函数模型及对应的结果风速序列;
评估模块,用于基于对应的所述结果风速序列评估所述风电场的风资源。
所述风速数据获取模块,包括:
基本信息获取单元,用于获取所述风电场以及风电机组的基本信息;
风速数据获取单元,用于基于所述基本信息确定所述风电机组中的标杆机组,获取所述标杆机组的风速数据。
进一步地,所述标杆机组通过以下步骤确定:
确定所述风电场的主要来流风向;
基于所述主要来流方向对所述风电场进行地形评估,获取地形评估结果;
基于所述地形评估结果,确定初步拟选的标杆机组;
在所述初步拟选的标杆机组中确定最终的标杆机组。
所述风速数据获取模块,还用于基于所述风速数据筛选异常数据,所述异常数据根据机组状态码进行筛选,至少包括限功率状态下的异常数据、机组零部件受损造成的故障运行数据、特殊条件下传感器受到影响造成的非正常状态运行数据中的至少一种。
所述结果风速序列获取模块,还包括:
构建模块,用于将所述标杆机组的所述风速数据以及所述测风塔的实测风速数据,按照对应的风向划分为12扇区,逐一扇区构建所述传递函数模型并进行计算。
进一步地,所述传递模型函数至少包括基于线性拟合算法的模型、基于风速分布算法的模型以及基于时间矩阵算法的模型中的一种,其中,所述基于线性拟合算法的模型至少包括基于最小二乘法的线性模型、基于方差比算法的线性模型、基于垂直分段算法的线性模型以及基于风速分类拟合算法的线性模型中的一种。
所述评估模块,包括:
计算单元,用于计算获取所述风电场的理论上网发电量W1。
折减分项取值确定单元,用于确定场址的实际综合折减分项取值,其至少包括场用电和线损折减率η1、机组的时间可利用率η2以及实际限电率η3;
修正单元,用于基于所述场用电和线损折减率η1、所述机组的时间可利用率η2、所述实际限电率η3以及综合折减率η,对所述理论上网发电量W1进行修正以获得风电场最终发电量。
本公开实施例与传统的风电场场址前期规划阶段采用个别测风塔数据对整个风电场区域进行风资源评估的方式相比,对投运时期的机组运行数据的传递函数的挖掘使风电场风资源分析更加深入和准确;同时综合运行数据、实际测风、流场仿真分析的优点,对风电场的资源再分析提供有效的计算方式。
本公开的第三实施例提供了一种存储介质,该存储介质为计算机可读介质,存储有计算机程序,该计算机程序被处理器执行时实现本公开第一实施例提供的方法,包括如下步骤S11至S14:
S11,获取所述风电场中的标杆机组的风速数据;
S12,将同一时间段的所述标杆机组的风速数据和测风塔的实测风速数据输入到多个传递函数模型中,获得多个结果风速序列;
S13,将所述结果风速序列与同期激光雷达实测风速数据进行比较,确定采用的传递函数模型及对应的结果风速序列;
S14,基于对应的所述结果风速序列评估所述风电场的风资源。
进一步地,该计算机程序被处理器执行时实现本公开第一实施例提供的其他方法
本公开实施例与传统的风电场场址前期规划阶段采用个别测风塔数据对整个风电场区域进行风资源评估的方式相比,对投运时期的机组运行数据的传递函数的挖掘使风电场风资源分析更加深入和准确;同时综合运行数据、实际测风、流场仿真分析的优点,对风电场的资源再分析提供有效的计算方式。
本公开的第四实施例提供了一种电子设备,该电子设备至少包括存储器和处理器,存储器上存储有计算机程序,处理器在执行存储器上的计算机程序时实现本公开任意实施例提供的方法。示例性的,电子设备计算机程序步骤如下S21至S24:
S21,获取所述风电场中的标杆机组的风速数据;
S22,将同一时间段的所述标杆机组的风速数据和测风塔的实测风速数据输入到多个传递函数模型中,获得多个结果风速序列;
S23,将所述结果风速序列与同期激光雷达实测风速数据进行比较,确定采用的传递函数模型及对应的结果风速序列;
S24,基于对应的所述结果风速序列评估所述风电场的风资源。
进一步地,处理器还执行上述第四实施例中的计算机程序
本公开实施例与传统的风电场场址前期规划阶段采用个别测风塔数据对整个风电场区域进行风资源评估的方式相比,对投运时期的机组运行数据的传递函数的挖掘使风电场风资源分析更加深入和准确;同时综合运行数据、实际测风、流场仿真分析的优点,对风电场的资源再分析提供有效的计算方式。
上述存储介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述存储介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取至少两个网际协议地址;向节点评价设备发送包括至少两个网际协议地址的节点评价请求,其中,节点评价设备从至少两个网际协议地址中,选取网际协议地址并返回;接收节点评价设备返回的网际协议地址;其中,所获取的网际协议地址指示内容分发网络中的边缘节点。
或者,上述存储介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:接收包括至少两个网际协议地址的节点评价请求;从至少两个网际协议地址中,选取网际协议地址;返回选取出的网际协议地址;其中,接收到的网际协议地址指示内容分发网络中的边缘节点。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在乘客计算机上执行、部分地在乘客计算机上执行、作为一个独立的软件包执行、部分在乘客计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到乘客计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
需要说明的是,本公开上述的存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何存储介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
以上对本公开多个实施例进行了详细说明,但本公开不限于这些具体的实施例,本领域技术人员在本公开构思的基础上,能够做出多种变型和修改实施例,这些变型和修改都应落入本公开所要求保护的范围。
Claims (10)
1.一种在役风电场的风资源的评估方法,其特征在于,包括:
获取所述风电场中的标杆机组的风速数据;
将同一时间段的所述标杆机组的风速数据和测风塔的实测风速数据输入到多个传递函数模型中,获得多个结果风速序列;
将所述结果风速序列与同期激光雷达实测风速数据进行比较,确定采用的传递函数模型及对应的结果风速序列;
基于对应的所述结果风速序列评估所述风电场的风资源。
2.根据权利要求1所述的评估方法,其特征在于,所述获取所述风电场中的标杆机组的风速数据,包括:
获取所述风电场的基本信息;
基于所述基本信息确定所述风电机组中的标杆机组,获取所述标杆机组的风速数据。
3.根据权利要求2所述的评估方法,其特征在于,所述标杆机组通过以下步骤确定:
确定所述风电场的主要来流风向;
基于所述主要来流方向对所述风电场进行地形评估,获取地形评估结果;
基于所述地形评估结果,确定初步拟选的标杆机组;
在所述初步拟选的标杆机组中确定最终的所述标杆机组。
4.根据权利要求2所述的评估方法,其特征在于,在所述获取所述标杆机组的风速数据之后,基于所述风速数据筛选异常数据,所述异常数据根据机组状态码进行筛选,其至少包括限功率状态下的异常数据、机组零部件受损造成的故障运行数据、特殊条件下传感器受到影响造成的非正常状态运行数据中的至少一种。
5.根据权利要求1所述的评估方法,其特征在于,在所述将同一时间段的所述标杆机组的风速数据和测风塔的实测风速数据输入到多个传递函数模型之前,包括:
将所述标杆机组的所述风速数据以及所述测风塔的实测风速数据,按照对应的风向划分为12扇区,逐一扇区构建所述传递函数模型并进行计算。
6.根据权利要求1所述的评估方法,其特征在于,所述将同一时间段的所述标杆机组的风速数据和测风塔的实测风速数据输入到多个传递函数模型中,获得多个结果风速序列中,所述传递模型函数至少包括基于线性拟合算法的模型、基于风速分布算法的模型以及基于时间矩阵算法的模型中的一种,其中,所述基于线性拟合算法的模型至少包括基于最小二乘法的线性模型、基于方差比算法的线性模型、基于垂直分段算法的线性模型以及基于风速分类拟合算法的线性模型中的一种。
7.根据权利要求1所述的评估方法,其特征在于,所述基于所述结果风速序列评估所述风电场的风资源,包括:
计算获取所述风电场的理论上网发电量。
确定场址的实际综合折减分项取值,其至少包括场用电和线损折减率、机组的时间可利用率以及实际限电率;
基于所述场用电和线损折减率、所述机组的时间可利用率、所述实际限电率以及综合折减率,对所述理论上网发电量进行修正以获得风电场最终发电量。
8.一种在役风电场的风资源的评估装置,其特征在于,包括:
风速数据获取模块,用于获取所述风电场中的标杆机组的风速数据;
结果风速序列获取模块,用于将同一时间段的所述标杆机组的风速数据和测风塔的实测风速数据输入到多个传递函数模型中,获得多个结果风速序列;
确定模块,用于将所述结果风速序列与同期激光雷达实测风速数据进行比较,确定采用的传递函数模型及对应的结果风速序列;
评估模块,用于基于对应的所述结果风速序列评估所述风电场的风资源。
9.一种存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。
10.一种电子设备,至少包括存储器、处理器,所述存储器上存储有计算机程序,其特征在于,所述处理器在执行所述存储器上的计算机程序时实现权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210820250.4A CN115239105A (zh) | 2022-07-13 | 2022-07-13 | 一种在役风电场的风资源的评估方法以及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210820250.4A CN115239105A (zh) | 2022-07-13 | 2022-07-13 | 一种在役风电场的风资源的评估方法以及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115239105A true CN115239105A (zh) | 2022-10-25 |
Family
ID=83674105
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210820250.4A Pending CN115239105A (zh) | 2022-07-13 | 2022-07-13 | 一种在役风电场的风资源的评估方法以及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115239105A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115713211A (zh) * | 2022-11-21 | 2023-02-24 | 中国南方电网有限责任公司超高压输电公司广州局 | 基于电力能源的资源转移方法、装置、计算机设备 |
CN117057489A (zh) * | 2023-10-12 | 2023-11-14 | 中国船舶集团风电发展有限公司 | 一种测风时长对风资源误差的评估方法、系统及设备 |
-
2022
- 2022-07-13 CN CN202210820250.4A patent/CN115239105A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115713211A (zh) * | 2022-11-21 | 2023-02-24 | 中国南方电网有限责任公司超高压输电公司广州局 | 基于电力能源的资源转移方法、装置、计算机设备 |
CN115713211B (zh) * | 2022-11-21 | 2024-03-19 | 中国南方电网有限责任公司超高压输电公司广州局 | 基于电力能源的资源转移方法、装置、计算机设备 |
CN117057489A (zh) * | 2023-10-12 | 2023-11-14 | 中国船舶集团风电发展有限公司 | 一种测风时长对风资源误差的评估方法、系统及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112686464A (zh) | 短期风电功率预测方法及装置 | |
CN115239105A (zh) | 一种在役风电场的风资源的评估方法以及装置 | |
CN112285807B (zh) | 一种气象信息预测方法及装置 | |
CN110134907B (zh) | 一种降雨缺失数据填补方法、系统及电子设备 | |
CN110390343B (zh) | 一种空间气象数据的订正方法及系统 | |
Shahriari et al. | Using the analog ensemble method as a proxy measurement for wind power predictability | |
US10318558B2 (en) | Automating weather model configurations | |
CN116739172B (zh) | 一种基于爬坡识别的海上风电功率超短期预测方法及装置 | |
CN112700349B (zh) | 测风塔选址方法和装置 | |
CN114065634A (zh) | 一种数据驱动的电能质量监测布点优化方法及装置 | |
CN113988398A (zh) | 一种风电机组功率预测方法、装置、电子设备和存储介质 | |
CN106529700A (zh) | 一种基于时空相关的风电场预测模型构建方法和系统 | |
CN115456289A (zh) | 一种风电超短期功率预测方法、系统、设备及介质 | |
CN111294841A (zh) | 一种无线网络问题的处理方法、装置及存储介质 | |
CN110968929A (zh) | 风电场风速的预测方法、装置及电子设备 | |
CN113313304A (zh) | 一种基于大数据决策树的电网事故异常分析方法及系统 | |
CN110019167A (zh) | 一种中长期新能源资源资料库构建方法及系统 | |
CN112017090A (zh) | 雷电活动强度表征方法、装置、计算机设备和存储介质 | |
CN113011098B (zh) | 一种输电走廊区域雷电活动规律分析显示模型及系统 | |
CN115983478A (zh) | 分布式光伏发电功率预测分析方法、系统、终端及介质 | |
CN115391746A (zh) | 针对气象要素数据的插值方法、装置、电子设备及介质 | |
CN115564115A (zh) | 一种风电场功率预测方法及相关设备 | |
CN114841077A (zh) | 一种风电功率预测方法、装置、介质 | |
CN112163695A (zh) | 基于copula函数的风力光伏发电预测方法、系统和介质 | |
CN117057520A (zh) | 一种海上风能资源观测站点选址方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |