CN115329667A - 一种风机点位确定方法、装置、设备及存储介质 - Google Patents
一种风机点位确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115329667A CN115329667A CN202210946182.6A CN202210946182A CN115329667A CN 115329667 A CN115329667 A CN 115329667A CN 202210946182 A CN202210946182 A CN 202210946182A CN 115329667 A CN115329667 A CN 115329667A
- Authority
- CN
- China
- Prior art keywords
- fan
- data
- area
- distributed
- point location
- 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 59
- 238000011156 evaluation Methods 0.000 claims description 32
- 238000010248 power generation Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012216 screening Methods 0.000 claims description 14
- 239000000126 substance Substances 0.000 claims description 2
- 238000011161 development Methods 0.000 abstract description 7
- 238000004458 analytical method Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000013461 design Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- 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
- G06F2113/00—Details relating to the application field
- G06F2113/06—Wind turbines or wind farms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- Medical Informatics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Control Of Positive-Displacement Air Blowers (AREA)
Abstract
本发明公开了一种风机点位确定方法、装置、设备及存储介质。该方法包括:获取待排布区域的地形数据、待排布区域的风资源数据以及风机数据;根据所述待排布区域的地形数据、所述待排布区域的风资源数据以及所述风机数据确定至少一个风机点位集合;根据每个风机点位集合对应的评价指标对至少一个风机点位集合进行筛选,得到目标风机点位集合,通过本发明的技术方案,以解决设计人员根据经验确定风机位点,导致土地资源浪费的问题,能够自动生成最优的风机点位,且生成的风机点位满足土地资源的最大化利用开发,提升土地资源的利用率。
Description
技术领域
本发明实施例涉及新能源技术领域,尤其涉及一种风机点位确定方法、装置、设备及存储介质。
背景技术
在风电项目的开发建设间,区域内限制性因素的排查和风机点位的资源分析及优选是衡量风电项目可行性及价值的重要依据。
传统的设计方案是:设计人员根据经验限制性因素的判别和手动进行机位点的排布。随着风电基地项目规划越来越大,风机台数越来越多,规划所需考虑的因素成几何倍增加。受设计人员的工作经验的局限性和设计周期等因素影响,风机点位选择通常难以达到最优的排布方案以及土地资源的最大化利用开发。
发明内容
本发明实施例提供一种风机点位确定方法、装置、设备及存储介质,以解决设计人员根据经验确定风机位点,导致土地资源浪费的问题,能够自动生成最优的风机点位,且生成的风机点位满足土地资源的最大化利用开发,提升土地资源的利用率。
根据本发明的一方面,提供了一种风机点位确定方法,包括:
获取待排布区域的地形数据、待排布区域的风资源数据以及风机数据;
根据所述待排布区域的地形数据、所述待排布区域的风资源数据以及所述风机数据确定至少一个风机点位集合;
根据每个风机点位集合对应的评价指标对至少一个风机点位集合进行筛选,得到目标风机点位集合。
根据本发明的另一方面,提供了一种风机点位确定装置,该风机点位确定装置包括:
数据获取模块,用于获取待排布区域的地形数据、待排布区域的风资源数据以及风机数据;
风机点位集合确定模块,用于根据所述待排布区域的地形数据、所述待排布区域的风资源数据以及所述风机数据确定至少一个风机点位集合;
筛选模块,用于根据每个风机点位集合对应的评价指标对至少一个风机点位集合进行筛选,得到目标风机点位集合。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的风机点位确定方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的风机点位确定方法。
本发明实施例通过获取待排布区域的地形数据、待排布区域的风资源数据以及风机数据;根据所述待排布区域的地形数据、所述待排布区域的风资源数据以及所述风机数据确定至少一个风机点位集合;根据每个风机点位集合对应的评价指标对至少一个风机点位集合进行筛选,得到目标风机点位集合,以解决设计人员根据经验确定风机位点,导致土地资源浪费的问题,能够自动生成最优的风机点位,且生成的风机点位满足土地资源的最大化利用开发,提升土地资源的利用率。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1是本发明实施例中的一种风机点位确定方法的流程图;
图2是本发明实施例中的一种风机点位确定装置的结构示意图;
图3是本发明实施例中的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以其他顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例提供的一种风机点位确定方法的流程图,本实施例可适用于风机点位确定的情况,该方法可以由本发明实施例中的风机点位确定装置来执行,该装置可采用软件和/或硬件的方式实现,如图1所示,该方法具体包括如下步骤:
S110,获取待排布区域的地形数据、待排布区域的风资源数据以及风机数据。
其中,所述风机数据包括:轮毂高度、叶片长度、转速以及风机功率。
其中,所述风资源数据可以包括:覆盖区域的中尺度风资源数据和测风塔数据,或者仅包括测风塔数据。
其中,所述风资源数据还可以包括:风向、风频、风速以及空气密度中的至少一种。
其中,所述待排布区域的地形数据为当前项目对应的区域的地形数据,地形数据为三维数据,所述待排布区域的地形数据包括:风电可选区域范围和区域三维地形地貌勘察图。
S120,根据所述待排布区域的地形数据、所述待排布区域的风资源数据以及所述风机数据确定至少一个风机点位集合。
具体的,根据所述待排布区域的地形数据、所述待排布区域的风资源数据以及所述风机数据确定至少一个风机点位集合的方式可以为:根据所述待排布区域的地形数据和所述待排布区域的风资源数据确定风资源分布数据;根据所述待排布区域的地形数据、所述待排布区域的图像以及所述规划图确定目标区域;根据所述风资源分布数据和所述待排布区域的地形数据确定所述目标区域对应的风资源数据和所述目标区域对应的地形数据;根据所述目标区域对应的风资源数据、所述目标区域对应的地形数据以及所述风机数据对所述目标区域进行划分,得到至少一个地块和每个地块的等级信息;根据每个地块的等级信息依次获取每个地块对应的风机点位;根据每个地块对应的风机点位生成至少一个风机点位集合。根据所述待排布区域的地形数据、所述待排布区域的风资源数据、所述待排布区域的图像、所述规划图以及所述风机数据确定至少一个风机点位集合的方式还可以为:根据所述待排布区域的地形数据和所述待排布区域的风资源数据确定风资源分布数据;根据所述待排布区域的地形数据、所述待排布区域的图像以及所述规划图确定所述待排布区域中的每个子区域对应的可用概率;根据每个子区域对应的风资源数据、每个子区域对应的地形数据以及所述风机数据对每个子区域进行划分,得到至少一个地块和每个地块的等级信息;根据每个地块的等级信息依次获取每个地块对应的风机点位;根据每个地块对应的风机点位生成至少一个风机点位集合。
S130,根据每个风机点位集合对应的评价指标对至少一个风机点位集合进行筛选,得到目标风机点位集合。
具体的,根据每个风机点位集合对应的评价指标对至少一个风机点位集合进行筛选,得到目标风机点位集合的方式可以为:将评价指标最高的风机点位集合确定为目标风机点位集合。
可选的,根据所述待排布区域的地形数据、所述待排布区域的风资源数据以及所述风机数据确定至少一个风机点位集合,包括:
根据所述待排布区域的地形数据和所述待排布区域的风资源数据确定风资源分布数据;
根据所述待排布区域的地形数据、所述待排布区域的图像以及所述规划图确定目标区域;
根据所述风资源分布数据和所述待排布区域的地形数据确定所述目标区域对应的风资源数据和所述目标区域对应的地形数据;
根据所述目标区域对应的风资源数据、所述目标区域对应的地形数据以及所述风机数据对所述目标区域进行划分,得到至少一个地块和每个地块的等级信息;
根据每个地块的等级信息依次获取每个地块对应的风机点位;
根据每个地块对应的风机点位生成至少一个风机点位集合。
其中,待排布区域的图像为待排布区域的卫星图或航拍图像。
其中,规划图为待排布区域的规划图,例如可以是,待排布区域的国土规划图。
具体的,根据所述待排布区域的地形数据和所述待排布区域的风资源数据确定风资源分布数据的方式可以为:根据所述待排布区域的测风塔数据修正所述待排布区域的中尺度风资源数据,得到所述待排布区域的风资源的点密度数据;根据所述待排布区域的风资源的点密度数据和所述待排布区域的地形数据确定风资源分布数据。
具体的,根据所述待排布区域的地形数据、所述待排布区域的图像以及所述规划图确定目标区域的方式可以为:将所述待排布区域的地形数据、所述待排布区域的图像以及所述规划图输入目标模型,得到所述待排布区域中的每个子区域对应的可用概率;根据所述待排布区域中的每个子区域对应的可用概率确定目标区域。
具体的,根据所述目标区域对应的风资源数据、所述目标区域对应的地形数据以及所述风机数据对所述目标区域进行划分,得到至少一个地块和每个地块的等级信息的方式可以为:根据所述风机数据和所述目标区域对应的风资源数据确定风机遮挡范围;根据所述目标区域对应的风资源数据、所述目标区域对应的地形数据、所述风机遮挡范围以及所述风机数据对所述目标区域进行划分,得到至少一个地块和每个地块的等级信息。
具体的,根据每个地块的等级信息依次获取每个地块对应的风机点位的方式可以为:按照地块等级从高到低的顺序,依次获取每个地块的最佳风机点位(最佳风机点位为风资源最好且坡度变化最小的位置)。
具体的,根据每个地块对应的风机点位生成至少一个风机点位集合,例如可以是,若共有5个地块,分别为:地块1、地块2、地块3、地块4以及地块5,获取地块1对应的一个风机点位、地块2对应的一个风机点位、地块3对应的一个风机点位、地块4对应的一个风机点位以及地块5对应的一个风机点位;根据地块1对应的一个风机点位、地块2对应的一个风机点位、地块3对应的一个风机点位、地块4对应的一个风机点位以及地块5对应的一个风机点位生成一个风机点位集合。重复执行上述过程(每次获取的地块的风机点位不同),直至得到至少一个风机点位集合。
在获取地块对应的风机点位时,需要遵循以下规则:1、越靠近最佳风机点位所生成的潜在点位越密;2、所生成点位之间距离自适应调节,亦可用户指定。如点位距离范围在200米~1000米之间,风资源越好,间距越小;3、在垂直于当前风机点位的主导风向的方向确定相邻风机点位,其中,所述当前风机点位与相邻风机点位之间的间距为预设倍数的风机高度(例如可以是,预设倍数为1.2-1.5);4、任意两个风机点位不在主导风向的同一纵向直线上。
可选的,根据所述待排布区域的地形数据、所述待排布区域的图像以及所述规划图确定目标区域,包括:
将所述待排布区域的地形数据、所述待排布区域的图像以及所述规划图输入目标模型,得到所述待排布区域中的每个子区域对应的可用概率;
根据所述待排布区域中的每个子区域对应的可用概率确定目标区域。
其中,所述规划图为所述待排布区域的规划图。所述目标模型能够自动框选出待排布区域的图像中的限制性因素。
其中,所述目标模型的训练方式可以为:预先建立目标样本集,其中,所述目标样本集包括:样本区域对应的地形数据、样本区域对应的图像、规划图以及样本区域对应的限制性因素(例如可以是,在样本区域对应的图像中框选出限制性因素),建立神经网络模型,将样本区域对应的地形数据、样本区域对应的图像以及规划图输入神经网络模型,得到预测限制性因素,根据预测限制性因素和样本区域对应的限制性因素生成的目标函数训练所述神经网络模型的参数,重复执行将样本区域对应的地形数据、样本区域对应的图像以及规划图输入神经网络模型,得到预测限制性因素的操作,直至得到目标模型。
其中,每个子区域对应的可用概率的确定方式可以为:预先设定概率确定规则,根据概率确定规则确定每个子区域对应的可用概率。例如可以是,概率确定规则为:无人的山地等场景赋予“100%-不限制地块”、存在风沙/水流冲击风险无人区域“80%-需特殊处理区域”、在靠近居民区的可利用区域等“20%-谨慎使用地块”。
具体的,将所述待排布区域的地形数据、所述待排布区域的图像以及所述规划图输入目标模型,得到所述待排布区域中的每个子区域对应的可用概率的方式可以为:将所述待排布区域的地形数据、所述待排布区域的图像以及所述规划图输入目标模型,得到框选出限制性因素后的待排布区域的图像;根据框选出限制性因素后的待排布区域的图像进行区域划分,得到至少一个子区域;根据每个子区域中的限制性因素确定每个子区域的可用概率。
具体的,根据所述待排布区域中的每个子区域对应的可用概率确定目标区域的方式可以为:结合待排布区域中的子区域的规划用途及限制性因素,考虑噪音、阴影遮挡等因素,进一步对待排布区域中的子区域进行筛选,标记可用区域(即:目标区域)及禁用区域,方便后续风电点位规划。
本发明实施例通过将原本人工处理的地形数据转化为三维地形数据与二维图像,将三维地形数据与二维图像输入目标模型能够达到自动快速框选限制性因素的目的。
可选的,根据所述目标区域对应的风资源数据、所述目标区域对应的地形数据以及所述风机数据对所述目标区域进行划分,得到至少一个地块和每个地块的等级信息,包括:
根据所述风机数据和所述目标区域对应的风资源数据确定风机遮挡范围;
根据所述目标区域对应的风资源数据、所述目标区域对应的地形数据、所述风机遮挡范围以及所述风机数据对所述目标区域进行划分,得到至少一个地块和每个地块的等级信息。
其中,所述风机数据包括:轮毂高度、叶片长度以及转速,所述目标区域对应的风资源数据包括:空气密度和风速。
具体的,根据所述风机数据和所述目标区域对应的风资源数据确定风机遮挡范围的方式可以为:所述风机数据包括:轮毂高度、叶片长度以及转速,根据轮毂高度和叶片长度确定风机高度(例如可以是,风机高度=轮毂高度+叶片长度),所述目标区域对应的风资源数据包括:空气密度和风速;根据空气密度、风速、风机高度、转速以及叶片长度确定风机遮挡范围(例如可以是,风机遮挡范围=F(空气密度,风速,风机高度,叶片转速,叶片长度))。
需要说明的是,若某个地块靠近居民区,属于谨慎使用类型,初始推荐等级较低,经分析,虽然靠近居民区,但在确定风机遮挡范围之后,根据风机遮挡范围可推算出对居民区无影响或影响极小,则该地块影响等级将适当提高至中等或较高等级。具体推荐等级及规则用户定义即可,例如可以是,可以采用【地块默认级别】+【风机遮挡范围】+【风资源数据】的3级累加评估方式,可采用但不限于0%,20%,40%,60%,80%,100%的6种推荐级别。示例1:可利用区域但靠近居民区默认推荐等级20%,经风数据及噪声分析之后,对居民区无影响,则上升一个等级,变成40%,经分析风资源极好,则再升一级,推荐级别变成60%。示例2:远离居民区的山地、丘陵等级,默认推荐等级100%,无环境噪声影响,等级升一级,经评估风资源中等,等级不变,最终分析结果是推荐等级升一级,但由于已经最高级别,所以维持100%的推荐级别。
可选的,根据所述目标区域对应的风资源数据、所述目标区域对应的地形数据、所述风机遮挡范围以及所述风机数据对所述目标区域进行划分,得到至少一个地块和每个地块的等级信息,包括:
根据所述目标区域对应的地形数据绘制地形三角网格;
根据所述目标区域的坡度数据和所述地形三角网格确定至少一个地块;
根据所述目标区域对应的风资源数据、所述风机遮挡范围以及所述风机数据确定每个地块的等级信息。
具体的,根据所述目标区域对应的地形数据绘制地形三角网格的方式可以为:采用三角网格分析法对所述目标区域对应的地形数据进行绘制,得到地形三角网格。例如可以是,采用三角网格分析法,即先获取目标区域等高线地形数据,再用插值方式,获取高精度等高线数据,最后以等高线为基础,绘制地形三角网格,对于地形变化剧烈区域,网格密度可适当密集。
具体的,根据所述目标区域的坡度数据和所述地形三角网格确定至少一个地块的方式可以为:根据目标区域的坡度和坡向等数据,对地形三角网格进行划分,得到至少一个地块。例如可以是,在俯视图上,以地形三角网格为基础,进行相邻地形三角网格合并,确保合并后区域坡度变化在一定范围内即可,如任意相邻三角网格坡度变化均在5°内,则认为属于同一块,否者重新归类另一块。
可选的,所述风资源数据包括:中尺度风资源数据和测风塔数据;
根据所述待排布区域的地形数据和所述待排布区域的风资源数据确定风资源分布数据,包括:
根据所述待排布区域的测风塔数据修正所述待排布区域的中尺度风资源数据,得到所述待排布区域的风资源的点密度数据;
根据所述待排布区域的风资源的点密度数据和所述待排布区域的地形数据确定风资源分布数据。
具体的,利用测风塔数据修正中尺度风资源数据,实现中尺度风资源数据降维,生成风资源的点密度数据(包括:风速、风向、风能等),再结合地形数据,建立流体力学的仿真模型,得到风资源分布数据。
可选的,根据每个风机点位集合对应的评价指标对至少一个风机点位集合进行筛选,得到目标风机点位集合,包括:
根据待排布区域的地形数据、所述待排布区域的风资源数据以及所述风机数据确定每个风机点位集合对应的每台风机的发电量;
根据每个风机点位集合对应的每台风机的发电量确定每个风机点位集合对应的每台风机的发电时间;
根据每个风机点位集合对应的每台风机的发电时间、集电线路成本以及路径规划成本确定每个风机点位集合对应的目标评价值;
将目标评价值最高的风机点位集合确定为目标风机点位集合。
具体的,根据待排布区域的地形数据、所述待排布区域的风资源数据以及所述风机数据确定每个风机点位集合对应的每台风机的发电量的方式可以为:将待排布区域的地形数据、所述待排布区域的风资源数据以及所述风机数据输入CFD流体分析模型,得到每个风机点位集合对应的每台风机的发电量。
其中,所述集电线路成本可以通过启发式算法计算得到。需要说明的是,在风机点位确定的情况下,以两风机之间近似地以直线连接为原则,计算最优集电线路连接方案,近似计算线缆及杆塔等成本。
其中,所述路径规划成本为以已有道路为基础,新修道路的成本。路径规划成本为确保所有风机位置可达的最低成本。
具体的,根据每个风机点位集合对应的每台风机的发电时间、集电线路成本以及路径规划成本确定每个风机点位集合对应的目标评价值的方式可以为:将每个风机点位集合对应的每台风机的发电时间、集电线路成本以及路径规划成本输入评价函数,得到每个风机点位集合对应的目标评价值。例如可以是,经过过程处理之后,得到多个风机点位集合,获取每个风机点位集合对应的总发电小时数、集电线路成本以及道路成本,由于这几个参数不在同一个维度,用户自定义评价函数,比如:评价值=总发电小时数*电价*k1–集电线路成本*k2–道路成本*k3,其中,k1为总发电小时数对应的系数,k2为集电线路成本对应的系数,k3为道路成本对应的系数;将各个方案的评价值进行对比,选择最大的一个即可。
可选的,所述风机数据包括:单风机功率和风机台数;
根据待排布区域的地形数据、所述待排布区域的风资源数据以及所述风机数据确定每个风机点位集合对应的每台风机的发电量,包括:
根据所述单风机功率和风机台数确定风电场容量;
根据所述风机台数、待排布区域的地形数据、所述待排布区域的风资源数据以及所述风机数据确定每个风机点位集合对应的每台风机的发电量;
根据每台风机的发电量和风电场容量确定风机的平均发电时间。
具体的,根据所述单风机功率和风机台数确定风电场容量,例如可以是:风机台数=风电场容量/单风机功率*k,k为用户自定义的系数,可以是一个值,也可以是个数值范围,如:0.8~1.2。
可选的,在根据每个风机点位集合对应的评价指标对至少一个风机点位集合进行筛选,得到目标风机点位集合之后,还包括:
根据所述目标风机点位集合对应的每台风机的发电时间构建风机序列,其中,所述风机序列按照发电时间从大到小的顺序排列;
将风机序列中预设位数的风机点位进行调整,得到调整后的目标风机点位集合;
获取调整后的风机点位集合对应的目标评价值;
若调整后的风机点位集合对应的目标评价值大于风机点位集合对应的目标评价值,则将风机点位集合更新为调整后的风机点位集合。
需要说明的是,所述风机序列也可以是按照发电时间从小到大的顺序排列,本发明实施例对此不进行限制。
其中,将风机序列中预设位数的风机点位进行调整,例如可以是,对排位后20%的风机进行局部调整。
其中,将风机序列中预设位数的风机点位进行调整的方式可以为将风机点位替换为任一潜在点位,其中,所述潜在点位是靠近最佳风机点位的点位,潜在点位的确定原则为靠近最佳风机点位所生成的潜在点位越密。
需要说明的是,以总发电小时数最大为原则,对最佳方案发电不佳的风机进行点位局部微调,找出更佳方案。如果找不到更佳方案,则直接输出原有方案即可,例如可以是,首先对风机发电小时数进行排序,如对排位后20%的风机进行局部调整。
可选的,所述风机数据包括:轮毂高度、叶片长度、转速以及风机功率,所述风资源数据包括:风向、风频、风速以及空气密度。
本实施例的技术方案,通过获取待排布区域的地形数据、待排布区域的风资源数据、待排布区域的图像、规划图以及风机数据;根据所述待排布区域的地形数据、所述待排布区域的风资源数据、所述待排布区域的图像、所述规划图以及所述风机数据确定至少一个风机点位集合;根据每个风机点位集合对应的评价指标对至少一个风机点位集合进行筛选,得到目标风机点位集合,以解决设计人员根据经验确定风机位点,导致土地资源浪费的问题,能够自动生成最优的风机点位,且生成的风机点位满足土地资源的最大化利用开发,提升土地资源的利用率。
实施例二
图2为本发明实施例提供的一种风机点位确定装置的结构示意图。本实施例可适用于风机点位确定的情况,该装置可采用软件和/或硬件的方式实现,该装置可集成在任何提供风机点位确定功能的设备中,如图2所示,所述风机点位确定装置具体包括:数据获取模块210、风机点位集合确定模块220和筛选模块230。
其中,数据获取模块,用于获取待排布区域的地形数据、待排布区域的风资源数据以及风机数据;
风机点位集合确定模块,用于根据所述待排布区域的地形数据、所述待排布区域的风资源数据以及所述风机数据确定至少一个风机点位集合;
筛选模块,用于根据每个风机点位集合对应的评价指标对至少一个风机点位集合进行筛选,得到目标风机点位集合。
上述产品可执行本发明任意实施例所提供的方法,具备执行方法相应的功能模块和有益效果。
本实施例的技术方案,通过获取待排布区域的地形数据、待排布区域的风资源数据以及风机数据;根据所述待排布区域的地形数据、所述待排布区域的风资源数据以及所述风机数据确定至少一个风机点位集合;根据每个风机点位集合对应的评价指标对至少一个风机点位集合进行筛选,得到目标风机点位集合,以解决设计人员根据经验确定风机位点,导致土地资源浪费的问题,能够自动生成最优的风机点位,且生成的风机点位满足土地资源的最大化利用开发,提升土地资源的利用率。
实施例三
图3示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图3所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如风机点位确定方法。
在一些实施例中,风机点位确定方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的风机点位确定方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行风机点位确定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储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计算机程序。计算机可读存储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。备选地,计算机可读存储介质可以是机器可读信号介质。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。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (14)
1.一种风机点位确定方法,其特征在于,包括:
获取待排布区域的地形数据、待排布区域的风资源数据以及风机数据;
根据所述待排布区域的地形数据、所述待排布区域的风资源数据以及所述风机数据确定至少一个风机点位集合;
根据每个风机点位集合对应的评价指标对至少一个风机点位集合进行筛选,得到目标风机点位集合。
2.根据权利要求1所述的方法,其特征在于,根据所述待排布区域的地形数据、所述待排布区域的风资源数据以及所述风机数据确定至少一个风机点位集合,包括:
根据所述待排布区域的地形数据和所述待排布区域的风资源数据确定风资源分布数据;
根据所述待排布区域的地形数据、所述待排布区域的图像以及规划图确定目标区域;
根据所述风资源分布数据和所述待排布区域的地形数据确定所述目标区域对应的风资源数据和所述目标区域对应的地形数据;
根据所述目标区域对应的风资源数据、所述目标区域对应的地形数据以及所述风机数据对所述目标区域进行划分,得到至少一个地块和每个地块的等级信息;
根据每个地块的等级信息依次获取每个地块对应的风机点位;
根据每个地块对应的风机点位生成至少一个风机点位集合。
3.根据权利要求2所述的方法,其特征在于,根据所述待排布区域的地形数据、所述待排布区域的图像以及所述规划图确定目标区域,包括:
将所述待排布区域的地形数据、所述待排布区域的图像以及所述规划图输入目标模型,得到所述待排布区域中的每个子区域对应的可用概率;
根据所述待排布区域中的每个子区域对应的可用概率确定目标区域。
4.根据权利要求3所述的方法,其特征在于,将所述待排布区域的地形数据、所述待排布区域的图像以及所述规划图输入目标模型,得到所述待排布区域中的每个子区域对应的可用概率,包括:
将所述待排布区域的地形数据、所述待排布区域的图像以及规划图输入目标模型,得到限制性因素的位置信息;
根据所述限制性因素的位置信息对所述待排布区域进行划分得到至少一个子区域;
根据每个子区域中的限制性因素确定每个子区域的可用概率。
5.根据权利要求2所述的方法,其特征在于,根据所述目标区域对应的风资源数据、所述目标区域对应的地形数据以及所述风机数据对所述目标区域进行划分,得到至少一个地块和每个地块的等级信息,包括:
根据所述风机数据和所述目标区域对应的风资源数据确定风机遮挡范围;
根据所述目标区域对应的风资源数据、所述目标区域对应的地形数据、所述风机遮挡范围以及所述风机数据对所述目标区域进行划分,得到至少一个地块和每个地块的等级信息。
6.根据权利要求5所述的方法,其特征在于,根据所述目标区域对应的风资源数据、所述目标区域对应的地形数据、所述风机遮挡范围以及所述风机数据对所述目标区域进行划分,得到至少一个地块和每个地块的等级信息,包括:
根据所述目标区域对应的地形数据绘制地形三角网格;
根据所述目标区域的坡度数据和所述地形三角网格确定至少一个地块;
根据所述目标区域对应的风资源数据、所述风机遮挡范围以及所述风机数据确定每个地块的等级信息。
7.根据权利要求2所述的方法,其特征在于,所述风资源数据包括:中尺度风资源数据和测风塔数据;
根据所述待排布区域的地形数据和所述待排布区域的风资源数据确定风资源分布数据,包括:
根据所述待排布区域的测风塔数据修正所述待排布区域的中尺度风资源数据,得到所述待排布区域的风资源的点密度数据;
根据所述待排布区域的风资源的点密度数据和所述待排布区域的地形数据确定风资源分布数据。
8.根据权利要求1所述的方法,其特征在于,根据每个风机点位集合对应的评价指标对至少一个风机点位集合进行筛选,得到目标风机点位集合,包括:
根据待排布区域的地形数据、所述待排布区域的风资源数据以及所述风机数据确定每个风机点位集合对应的每台风机的发电量;
根据每个风机点位集合对应的每台风机的发电量确定每个风机点位集合对应的每台风机的发电时间;
根据每个风机点位集合对应的每台风机的发电时间、集电线路成本以及路径规划成本确定每个风机点位集合对应的目标评价值;
将目标评价值最高的风机点位集合确定为目标风机点位集合。
9.根据权利要求8所述的方法,其特征在于,所述风机数据包括:单风机功率和风机台数;
根据待排布区域的地形数据、所述待排布区域的风资源数据以及所述风机数据确定每个风机点位集合对应的每台风机的发电量,包括:
根据所述单风机功率和风机台数确定风电场容量;
根据所述风机台数、待排布区域的地形数据、所述待排布区域的风资源数据以及所述风机数据确定每个风机点位集合对应的每台风机的发电量;
根据每台风机的发电量和风电场容量确定风机的平均发电时间。
10.根据权利要求1所述的方法,其特征在于,在根据每个风机点位集合对应的评价指标对至少一个风机点位集合进行筛选,得到目标风机点位集合之后,还包括:
根据所述目标风机点位集合对应的每台风机的发电时间构建风机序列,其中,所述风机序列按照发电时间从大到小的顺序排列;
将风机序列中预设位数的风机点位进行调整,得到调整后的目标风机点位集合;
获取调整后的风机点位集合对应的目标评价值;
若调整后的风机点位集合对应的目标评价值大于风机点位集合对应的目标评价值,则将风机点位集合更新为调整后的风机点位集合。
11.根据权利要求1所述的方法,其特征在于,所述风机数据包括:轮毂高度、叶片长度、转速以及风机功率,所述风资源数据包括:风向、风频、风速以及空气密度。
12.一种风机点位确定装置,其特征在于,包括:
数据获取模块,用于获取待排布区域的地形数据、待排布区域的风资源数据以及风机数据;
风机点位集合确定模块,用于根据所述待排布区域的地形数据、所述待排布区域的风资源数据以及所述风机数据确定至少一个风机点位集合;
筛选模块,用于根据每个风机点位集合对应的评价指标对至少一个风机点位集合进行筛选,得到目标风机点位集合。
13.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-11中任一项所述的风机点位确定方法。
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-11中任一项所述的风机点位确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210946182.6A CN115329667A (zh) | 2022-08-08 | 2022-08-08 | 一种风机点位确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210946182.6A CN115329667A (zh) | 2022-08-08 | 2022-08-08 | 一种风机点位确定方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115329667A true CN115329667A (zh) | 2022-11-11 |
Family
ID=83922659
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210946182.6A Pending CN115329667A (zh) | 2022-08-08 | 2022-08-08 | 一种风机点位确定方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115329667A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117010284A (zh) * | 2023-10-07 | 2023-11-07 | 云南电投绿能科技有限公司 | 基于风电场噪声的机位排布方法、装置、设备及存储介质 |
CN117521387A (zh) * | 2023-11-17 | 2024-02-06 | 北京瑞科同创能源科技有限公司 | 风机布置方法及装置 |
-
2022
- 2022-08-08 CN CN202210946182.6A patent/CN115329667A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117010284A (zh) * | 2023-10-07 | 2023-11-07 | 云南电投绿能科技有限公司 | 基于风电场噪声的机位排布方法、装置、设备及存储介质 |
CN117010284B (zh) * | 2023-10-07 | 2024-01-05 | 云南电投绿能科技有限公司 | 基于风电场噪声的机位排布方法、装置、设备及存储介质 |
CN117521387A (zh) * | 2023-11-17 | 2024-02-06 | 北京瑞科同创能源科技有限公司 | 风机布置方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112285807B (zh) | 一种气象信息预测方法及装置 | |
CN115131566A (zh) | 基于超像素和改进模糊c均值聚类的自动图像分割方法 | |
CN109815611B (zh) | 一种基于数字流域的流域边界生成方法 | |
CN110134907B (zh) | 一种降雨缺失数据填补方法、系统及电子设备 | |
CN101853485A (zh) | 一种基于近邻传播聚类的非均匀点云简化处理方法 | |
CN112585505A (zh) | 确定用于农学决策支持的位置特定的天气信息 | |
CN109977545A (zh) | 一种电网规划图展示方法及系统 | |
CN112598883A (zh) | 基于贝叶斯网络的输电线路落雷概率预警方法及预警系统 | |
CN112148774A (zh) | 一种高分辨率空间多区域气象数据处理系统及方法 | |
CN115329667A (zh) | 一种风机点位确定方法、装置、设备及存储介质 | |
CN114648617A (zh) | 一种基于数字高程模型dem的水系提取方法 | |
CN110263791B (zh) | 一种识别功能区的方法和装置 | |
CN116738669A (zh) | 城市地表径流模拟方法、装置、设备以及存储介质 | |
CN115079307A (zh) | 一种基于多模式最优集成的风电场气象预报方法和系统 | |
CN112700349A (zh) | 测风塔选址方法和装置 | |
CN113987969A (zh) | 多高程尺度水流网的陆地水动态仿真模型 | |
CN117332291A (zh) | 一种面向分布式光伏的区域资源监测布局方法及系统 | |
CN112541047A (zh) | 一种适用于多级网格化管理系统的海量数据聚合方法 | |
CN115511343A (zh) | 一种城市核心区域的确定方法、装置、设备以及存储介质 | |
CN115882451A (zh) | 新能源电站的发电功率预测方法、装置、以及设备 | |
CN111696330B (zh) | 一种用于输电线路风灾的分类方法和系统 | |
CN110925147B (zh) | 一种风力发电机尾流追踪方法 | |
CN110413656B (zh) | 一种基于高空间分辨率数值模式的急流轴自动识别方法 | |
CN117521387B (zh) | 风机布置方法及装置 | |
CN115329428A (zh) | 一种风机排布方式的确定方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |