CN115585107A - 风力发电机组叶片冻雾覆冰厚度的预测方法和系统 - Google Patents
风力发电机组叶片冻雾覆冰厚度的预测方法和系统 Download PDFInfo
- Publication number
- CN115585107A CN115585107A CN202211328801.1A CN202211328801A CN115585107A CN 115585107 A CN115585107 A CN 115585107A CN 202211328801 A CN202211328801 A CN 202211328801A CN 115585107 A CN115585107 A CN 115585107A
- Authority
- CN
- China
- Prior art keywords
- thickness
- preset time
- fog
- frozen
- time point
- 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
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D80/00—Details, components or accessories not provided for in groups F03D1/00 - F03D17/00
- F03D80/40—Ice detection; De-icing means
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2260/00—Function
- F05B2260/82—Forecasts
- F05B2260/821—Parameter estimation or prediction
- F05B2260/8211—Parameter estimation or prediction of the weather
-
- 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)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供一种风力发电机组叶片冻雾覆冰厚度的预测方法和系统。方法包括:获取待预测风力发电机组的环境参数,根据环境参数将待预测风力发电机组所在的风电场划分为等距离网格,以确定等距离网格的目标气象边界场条件和目标初始场条件;将目标气象边界场条件和目标初始场条件输入至天气预测模型,输出未来预设时间段内每个预设时间点的气象预测数据;根据气象预测数据确定待预测风力发电机组在未来预设时间段内每个预设时间点的冻雾覆冰厚度变化参数;获取待预测风力发电机组叶片的当前冻雾覆冰厚度;根据当前冻雾覆冰厚度和每个预设时间点的冻雾覆冰厚度变化参数确定未来预设时间段内每个预设时间点的冻雾覆冰厚度。
Description
技术领域
本申请涉及风电场覆冰监测领域,具体涉及一种风力发电机组叶片冻雾覆冰厚度的预测方法、系统、处理器以及存储介质。
背景技术
随着风力发电系统的发电比例的扩大,叶片覆冰导致的风力发电机组的大面积脱网停用,常常造成电力供应的危机。在高山等复杂地形下的风力发电机组,冻雾覆冰导致的风力发电机组停机是时常遇到的情况。
现有技术中针对风力发电机组叶片覆冰情况是根据实况数据进行风力发电机组的覆冰情况计算,预测时间仅数小时,电力供应系统在收到警示时往往来不及调整,引发电力供应不足的情况发生。因此,需要针对现有的风力发电机组的覆冰情况预测方法进行改进,得到预测时效更长的风力发电机组冻雾覆冰厚度预测,以应对在大规模风力发电机组覆冰停机造成的电力供应危机。
发明内容
本申请实施例的目的是提供一种风力发电机组叶片冻雾覆冰厚度的预测方法、系统、处理器以及存储介质。
为了实现上述目的,本申请第一方面提供一种风力发电机组叶片冻雾覆冰厚度的预测方法,包括:
获取待预测风力发电机组的环境参数,环境参数包括待预测风力发电机组所在的位置信息、相邻机组之间的间隔距离、地形高程数据以及土地利用数据;
根据位置信息和间隔距离将待预测风力发电机组的所在的风电场划分为等距离网格;
将地形高程数据和土地利用数据插值至等距离网格,以确定等距离网格的目标气象边界场条件和目标初始场条件;
将目标气象边界场条件和目标初始场条件输入至天气预测模型,以通过天气预测模型输出未来预设时间段内每个预设时间点的气象预测数据;
根据气象预测数据确定待预测风力发电机组在未来预设时间段内每个预设时间点的冻雾覆冰厚度变化参数;
获取待预测风力发电机组叶片的当前冻雾覆冰厚度;
根据当前冻雾覆冰厚度和每个预设时间点的冻雾覆冰厚度变化参数确定未来预设时间段内每个预设时间点的冻雾覆冰厚度。
在本申请实施例中,将地形高程数据和土地利用数据插值至等距离网格,以确定等距离网格的目标气象边界场条件和目标初始场条件,包括:将地形高程数据和土地利用数据插值至等距离网格,以确定等距离网格针对开展冻雾覆冰厚度预测的下边界条件;获取开展冻雾覆冰厚度预测的初始场数据,以根据初始场数据确定冻雾覆冰厚度数值计算模式的初始气象边界场条件和初始场条件初始值;将初始场数据插值至等距离网格,并根据下边界条件调整插值,以得到驱动数值计算的目标气象边界场条件和目标初始场条件。
在本申请是实施例中,方法还包括:确定待预测风力发电机组在未来预测时间点的轮毂温度、相对湿度以及液水含量;在轮毂温度小于第一温度、相对湿度大于基准相对湿度且液水含量大于基准液水含量的情况下,确定冻雾覆冰厚度处于增长状态;在轮毂温度大于第一温度,和/或相对湿度小于基准相对湿度,和/或液水含量小于基准液水含量的情况下,确定冻雾覆冰厚度处于非增长状态。
在本申请实施例中,方法还包括:在未来预测时间点的冻雾覆冰厚度处于增长状态的情况下,根据公式(1)计算在未来预设时间段内每个预设时间点的冻雾覆冰厚度的增长速度:
其中,为单位时间内冻雾覆冰厚度的增长速度,ε为冻雾覆冰冻结效率系数,β为转换系数,q为液水含量,ρi为标准冰密度,P为待预测风力发电机组轮毂高度处的气压,R为理想气体常数,T为待预测风力发电机组轮毂温度,U∞为待预测风力发电机组入流风速,α为入流风速与待预测风力发电机组叶片的夹角。
在本申请实施例中,非增长状态包括消减状态和零变化状态,消减状态包括融化状态、升华状态以及脱落状态,方法还包括:在轮毂温度大于第一温度且小于第二温度,且相对湿度小于基准相对湿度的情况下,确定冻雾覆冰厚度处于融化状态;在轮毂温度小于或等于第一温度,且相对湿度小于基准相对湿度的情况下,确定冻雾覆冰厚度处于升华状态;在轮毂温度大于第二温度的情况下,确定冻雾覆冰厚度处于脱落状态;根据当前冻雾覆冰厚度和每个预设时间点的冻雾覆冰厚度变化参数确定未来预设时间段内每个预设时间点的冻雾覆冰厚度包括:采用与冻雾覆冰厚度变化参数对应的计算公式确定未来预设时间段内每个预设时间点的冻雾覆冰厚度的增长速度;根据当前冻雾覆冰厚度以及增长速度确定未来预设时间段内每个预设时间点的冻雾覆冰厚度。
在本申请实施例中,采用与冻雾覆冰厚度变化参数对应的计算公式确定未来预设时间段内每个预设时间点的冻雾覆冰厚度的增长速度包括:在确定冻雾覆冰厚度处于融化状态的情况下,根据公式(2)计算在未来预设时间段内每个预设时间点的冻雾覆冰厚度的增长速度:
其中,为单位时间内冻雾覆冰厚度的增长速度,η1为根据待预测风力发电机组叶片翼型特性确定的效率系数,E1为融化速率。在确定冻雾覆冰厚度处于升华状态的情况下,根据公式(3)计算在未来预设时间段内每个预设时间点的冻雾覆冰厚度的增长速度:
其中,D为水蒸气在空气中的扩散系数,fv为水蒸气的通风系数,ρs(T)为环境空气温度T下的饱和蒸汽密度,ρi为标准冰密度,LS为升华潜热,k为空气的导热系数,fh为热的通风系数,ρ′s为ρs(T)的微分。在确定冻雾覆冰厚度处于脱落状态的情况下,根据公式(4)计算在未来预设时间段内每个预设时间点的冻雾覆冰厚度的增长速度:
其中,η2为根据待预测风力发电机组叶片翼型特性确认的效率系数,E2为脱落速率。
在本申请是实施例中,采用与冻雾覆冰厚度变化参数对应的计算公式确定未来预设时间段内每个预设时间点的冻雾覆冰厚度的增长速度包括:在根据轮毂温度、相对湿度以及液水含量确定冻雾覆冰厚度处于非增长状态,且不处于融化状态、升华状态以及脱落状态中的任意一者的情况下,确定冻雾覆冰厚度处于零变化状态;在确定冻雾覆冰厚度处于零变化状态的情况下,根据公式(5)计算在未来预设时间段内每个预设时间点的冻雾覆冰厚度的增长速度:
本申请第二方面提供一种处理器,被配置成执行上述的风力发电机组叶片冻雾覆冰厚度的预测方法。
本申请第三方面提供一种风力发电机组叶片冻雾覆冰厚度的预测系统,包括:
数据收集模块,用于获取待预测风力发电机组的环境参数,环境参数包括待预测风力发电机组所在的位置信息、相邻机组之间的间隔距离、地形高程数据以及土地利用数据。
数据网格划分模块,用于根据位置信息和间隔距离将待预测风力发电机组的所在的风电场划分为等距离网格。
数据前处理模块,用于将地形高程数据和土地利用数据插值至等距离网格,以确定等距离网格的目标气象边界场条件和目标初始场条件。
数值计算模块,用于将目标气象边界场条件和目标初始场条件输入至天气预测模型,以通过天气预测模型输出未来预设时间段内每个预设时间点的气象预测数据。
冻雾覆冰厚度计算模块,用于根据气象预测数据确定待预测风力发电机组在未来预设时间段内每个预设时间点的冻雾覆冰厚度变化参数;根据当前冻雾覆冰厚度和每个预设时间点的冻雾覆冰厚度变化参数确定未来预设时间段内每个预设时间点的冻雾覆冰厚度。
本申请第四方面提供一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令在被处理器执行时使得处理器被配置成执行上述的风力发电机组叶片冻雾覆冰厚度的预测方法。
通过上述风力发电机组叶片冻雾覆冰厚度的预测方法、系统、处理器以及存储介质,获取待预测风力发电机组的环境参数,环境参数包括待预测风力发电机组所在的位置信息、相邻机组之间的间隔距离、地形高程数据以及土地利用数据;根据位置信息和间隔距离将待预测风力发电机组的所在的风电场划分为等距离网格;将地形高程数据和土地利用数据插值至等距离网格,以确定等距离网格的目标气象边界场条件和目标初始场条件;将目标气象边界场条件和目标初始场条件输入至天气预测模型,以通过天气预测模型输出未来预设时间段内每个预设时间点的气象预测数据;根据气象预测数据确定待预测风力发电机组在未来预设时间段内每个预设时间点的冻雾覆冰厚度变化参数;获取待预测风力发电机组叶片的当前冻雾覆冰厚度;根据当前冻雾覆冰厚度和每个预设时间点的冻雾覆冰厚度变化参数确定未来预设时间段内每个预设时间点的冻雾覆冰厚度。通过上述方法,可以获取到未来预设天数的风力发电机组叶片的冻雾覆冰厚度,在得到未来某一时间点叶片冻雾覆冰厚度超过预警值时,电力供应系统可以进行及时调整,保证电力系统稳定供应。
本申请实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本申请实施例的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本申请实施例,但并不构成对本申请实施例的限制。在附图中:
图1示意性示出了根据本申请实施例的风力发电机组叶片冻雾覆冰厚度的预测方法的流程示意图;
图2示意性示出了根据本申请实施例的冻雾覆冰厚度随时间变化的曲线图;
图3示意性示出了根据本申请实施例的风力发电机组叶片冻雾覆冰厚度的预测系统的结构框图;
图4示意性示出了根据本申请实施例的计算机设备的内部结构图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解的是,此处所描述的具体实施方式仅用于说明和解释本申请实施例,并不用于限制本申请实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1示意性示出了根据本申请实施例的一种风力发电机组叶片冻雾覆冰厚度的预测方法的流程示意图。如图1所示,在本申请一实施例中,提供了一种风力发电机组叶片冻雾覆冰厚度的预测方法,包括以下步骤:
步骤102,获取待预测风力发电机组的环境参数,环境参数包括待预测风力发电机组所在的位置信息、相邻机组之间的间隔距离、地形高程数据以及土地利用数据。
步骤104,根据位置信息和间隔距离将待预测风力发电机组的所在的风电场划分为等距离网格。
步骤106,将地形高程数据和土地利用数据插值至等距离网格,以确定等距离网格的目标气象边界场条件和目标初始场条件。
步骤108,将目标气象边界场条件和目标初始场条件输入至天气预测模型,以通过天气预测模型输出未来预设时间段内每个预设时间点的气象预测数据。
步骤110,根据气象预测数据确定待预测风力发电机组在未来预设时间段内每个预设时间点的冻雾覆冰厚度变化参数。
步骤112,获取待预测风力发电机组叶片的当前冻雾覆冰厚度。
步骤114,根据当前冻雾覆冰厚度和每个预设时间点的冻雾覆冰厚度变化参数确定未来预设时间段内每个预设时间点的冻雾覆冰厚度。
冻雾覆冰指的是具有较小粒径的过冷却水滴,随气流浮动,冻结在物体上形成雾淞,或者混合淞。要想获取到未来预设时间段内预设时间点的风力发电机组叶片冻雾覆冰给厚度,首先,获取风力发电机组当前的环境参数,该环境参数包括风力发电机组所在的位置信息、相邻机组之间的间隔距离、地形高程数据以及土地利用数据。位置信息即风力发电机组的经纬度坐标,地形高程为待预测风力发电机组的海拔高度,土地利用数据为待预测风力发电机组所在区域的土地利用情况,为沙石、植被种植或者城市,会影响到待预测风力发电机组所在位置的空气湿度。然后,根据位置信息和间隔距离将待预测风力发电机组的所在的风电场划分为等距离网格。比如说在一个风力发电场,相邻风力发电机组之间的距离为900米,那么该等距离网格设定为30米×30米的正方形网格,以确保每台风力发电机组都处于一个独立的网格之中。随后,将地形高程数据和土地利用数据插值至等距离网格,以确定等距离网格的目标气象边界场条件和目标初始场条件。进一步地,将目标气象边界场条件和目标初始场条件输入至天气预测模型,以通过天气预测模型输出未来预设时间段内每个预设时间点的气象预测数据。该气象预测数据包括有待预测风力发电机组所在位置未来时间点的温度、湿度、液水含量、风速、风向等。然后,根据气象预测数据确定待预测风力发电机组在未来预设时间段内每个预设时间点的冻雾覆冰厚度变化参数。在已知未来预设时间段内每个时间点的气象预测数据之后,可以得到该风力发电机组叶片冻雾覆冰厚度的变化情况,冻雾覆冰厚度增加、消减或者不变,变化速度是多少。随后,获取待预测风力发电机组叶片的当前冻雾覆冰厚度。最后,根据当前冻雾覆冰厚度和每个预设时间点的冻雾覆冰厚度变化参数确定未来预设时间段内每个预设时间点的冻雾覆冰厚度。得到未来预设时间段内预设时间点的风力发电机组叶片冻雾覆冰厚度的变化参数后,对变化参数进行积分得到得到未来预设时间段内的冻雾覆冰增长量,再与当前的风力发电机组叶片冻雾覆冰厚度相加,可以得到未来预设时间段内预设时间点的风力发电机组叶片冻雾覆冰厚度。
采用上述方法,可以获取到未来较长时间的风力发电机组叶片的冻雾覆冰厚度,在得到未来某一时间点叶片冻雾覆冰厚度超过预警值时,电力供应系统可以进行及时调整,保证电力系统稳定供应。
在一个实施例中,将地形高程数据和土地利用数据插值至等距离网格,以确定等距离网格的目标气象边界场条件和目标初始场条件,包括:将地形高程数据和土地利用数据插值至等距离网格,以确定等距离网格针对开展冻雾覆冰厚度预测的下边界条件。获取开展冻雾覆冰厚度预测的初始场数据,以根据初始场数据确定冻雾覆冰厚度数值计算模式的初始气象边界场条件和初始场条件初始值。将初始场数据插值至等距离网格,并根据下边界条件调整插值,以得到驱动数值计算的目标气象边界场条件和目标初始场条件。将地形高程数据插入值网格中,当网格内地形高程数据与实际测量数据存在差别时,调整网格内地形高程数据,保证预测精准。
在一个实施例中,方法还包括:确定待预测风力发电机组在未来预测时间点的轮毂温度、相对湿度以及液水含量;在轮毂温度小于第一温度、相对湿度大于基准相对湿度且液水含量大于基准液水含量的情况下,确定冻雾覆冰厚度处于增长状态;在轮毂温度大于第一温度,和/或相对湿度小于基准相对湿度,和/或液水含量小于基准液水含量的情况下,确定冻雾覆冰厚度处于非增长状态。相对湿度是指指空气中水汽压与相同温度下饱和水汽压的百分比。液水含量是指空气中液态水中的密度,即1立方米空气中的液态水质量。第一温度指的是冻雾覆冰的基准温度。当轮毂温度、相对湿度以及液水含量三个参数是引起冻雾转化为覆冰的三个标准参数,在轮毂温度小于第一温度、相对湿度大于基准相对湿度且液水含量大于基准液水含量的情况下,确定冻雾覆冰厚度处于增长状态。在三个标准参数中,在轮毂温度大于第一温度,和/或相对湿度小于基准相对湿度,和/或液水含量小于基准液水含量的情况下,确定冻雾覆冰厚度处于非增长状态。增长状态与非增长状态来衡量冻雾覆冰的变化情况。
在一个实施例中,方法还包括:在未来预测时间点的冻雾覆冰厚度处于增长状态的情况下,根据公式(1)计算在未来预设时间段内每个预设时间点的冻雾覆冰厚度的增长速度:
其中,为单位时间内冻雾覆冰厚度的增长速度,ε为冻雾覆冰冻结效率系数,β为转换系数,q为液水含量,ρi为标准冰密度,P为待预测风力发电机组轮毂高度处的气压,R为理想气体常数,T为待预测风力发电机组轮毂温度,U∞为待预测风力发电机组入流风速,α为入流风速与待预测风力发电机组叶片的夹角。
在一个实施例中,非增长状态包括消减状态和零变化状态,消减状态包括融化状态、升华状态以及脱落状态,方法还包括:在轮毂温度大于第一温度且小于第二温度,且相对湿度小于基准相对湿度的情况下,确定冻雾覆冰厚度处于融化状态。在轮毂温度小于或等于第一温度,且相对湿度小于基准相对湿度的情况下,确定冻雾覆冰厚度处于升华状态。在轮毂温度大于第二温度的情况下,确定冻雾覆冰厚度处于脱落状态。根据当前冻雾覆冰厚度和每个预设时间点的冻雾覆冰厚度变化参数确定未来预设时间段内每个预设时间点的冻雾覆冰厚度包括:采用与冻雾覆冰厚度变化参数对应的计算公式确定未来预设时间段内每个预设时间点的冻雾覆冰厚度的增长速度。根据当前冻雾覆冰厚度以及增长速度确定未来预设时间段内每个预设时间点的冻雾覆冰厚度。第二温度指的是预设冻雾覆冰会脱落的温度值,在一个实施例中,第二温度等于274.15K。在得到未来预设时间段内预设时间点的冻雾覆冰厚度计算公式后,可以针对计算公式进行积分,确定每个预设时间点间隔内的冻雾覆冰厚度增长量。对上述增长量累加,即为在该预设时间点相对于初始冻雾覆冰厚度的累计的增长量。然后,该累计的增长量与初始冻雾覆冰厚度相加,得到未来预设时间段内预设时间点冻雾覆冰厚度。
在一个实施例中,采用与冻雾覆冰厚度变化参数对应的计算公式确定未来预设时间段内每个预设时间点的冻雾覆冰厚度的增长速度包括:在确定冻雾覆冰厚度处于融化状态的情况下,根据公式(2)计算在未来预设时间段内每个预设时间点的冻雾覆冰厚度的增长速度:
其中,为单位时间内冻雾覆冰厚度的增长速度,η1为根据待预测风力发电机组叶片翼型特性确定的效率系数,E1为融化速率。在确定冻雾覆冰厚度处于升华状态的情况下,根据公式(3)计算在未来预设时间段内每个预设时间点的冻雾覆冰厚度的增长速度:
其中,D为水蒸气在空气中的扩散系数,fv为水蒸气的通风系数,ρs(T)为环境空气温度T下的饱和蒸汽密度,ρi为标准冰密度,LS为升华潜热,k为空气的导热系数,fh为热的通风系数,ρ′s为ρs(T)的微分。在确定冻雾覆冰厚度处于脱落状态的情况下,根据公式(4)计算在未来预设时间段内每个预设时间点的冻雾覆冰厚度的增长速度:
其中,η2为根据待预测风力发电机组叶片翼型特性确认的效率系数,E2为脱落速率。
在一个实施例中,采用与冻雾覆冰厚度变化参数对应的计算公式确定未来预设时间段内每个预设时间点的冻雾覆冰厚度的增长速度包括:在根据轮毂温度、相对湿度以及液水含量确定冻雾覆冰厚度处于非增长状态,且不处于融化状态、升华状态以及脱落状态中的任意一者的情况下,确定冻雾覆冰厚度处于零变化状态;在确定冻雾覆冰厚度处于零变化状态的情况下,根据公式(5)计算在未来预设时间段内每个预设时间点的冻雾覆冰厚度的增长速度:
在一个具体的实施例中,获取湖南某风力发电厂的位置为东经111.7°~112.5°,北纬26.3°~27.4°,风机叶片长度为45m,轮毂高度为88.5m,收集了该地区的30m分辨率地形高程数据和土地利用数据。以风电场所在的区域作为计算区域,水平方向划分成东西、南北方向距离均为30m的等距离网格。将收集的风电场区域的地形高程、土地利用数据插值转换到上述的等距离网格中,并结合风力发电机组所在位置,对网格点的海拔进行修正,获取等距离网格的目标气象边界场条件和目标初始场条件。随后,获取一种气象预测模型,将气象边界场条件和目标初始场条件作为插值插入至气象预测模型中,得到风力发电机组在未来3天每15分钟的气象预测数据。根据该气象预测数据,分析每15分钟冻雾覆冰厚度变化情况,得到冻雾覆冰厚度变化的计算公式,如在t1时刻为增长状态、t2时刻为升华状态、t3时刻为融化状态、t4时刻为脱落状态。t1时刻的变化参数为0.9,t2时刻的变化参数为-0.1,t3时刻的变化参数为-0.3,t4时刻的变化参数为-5.0。对上述参数进行积分计算,计算结果与初始冻雾覆冰厚度相加得到3天后的风力发电机组叶片冻雾覆冰厚度。输出结果如图2所示的冻雾覆冰厚度随时间变化的曲线图,纵坐标为冻雾覆冰厚度,横坐标为时间点,其中该实施例中每个时间点间隔15分钟。
通过上述方法,可以获取到较长时间的风力发电机组叶片未来冻雾覆冰厚度的情况,预测数据精准,计算结果可视化。在得到预测结果后,方便电力供应系统根据风力发电机组的冻雾覆冰厚度情况进行调整,增大或者减小火力发电量、针对未来时刻冻雾覆冰厚度超预警值的风力发电机组停机维护等,可以有效避免故障发生和保证电力供应稳定。
图1为一个实施例中风力发电机组叶片冻雾覆冰厚度的预测方法的流程示意图。应该理解的是,虽然图1的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图3所示,提供一种风力发电机组叶片冻雾覆冰厚度的预测系统300,包括:
数据收集模块301,用于获取待预测风力发电机组的环境参数,环境参数包括待预测风力发电机组所在的位置信息、相邻机组之间的间隔距离、地形高程数据以及土地利用数据。
数据网格划分模块302,用于根据位置信息和间隔距离将待预测风力发电机组的所在的风电场划分为等距离网格。
数据前处理模块303,用于将地形高程数据和土地利用数据插值至等距离网格,以确定等距离网格的目标气象边界场条件和目标初始场条件。
数值计算模块304,用于将目标气象边界场条件和目标初始场条件输入至天气预测模型,以通过天气预测模型输出未来预设时间段内每个预设时间点的气象预测数据。
冻雾覆冰厚度计算模块305,用于根据气象预测数据确定待预测风力发电机组在未来预设时间段内每个预设时间点的冻雾覆冰厚度变化参数。根据当前冻雾覆冰厚度和每个预设时间点的冻雾覆冰厚度变化参数确定未来预设时间段内每个预设时间点的冻雾覆冰厚度。
所述风力发电机组叶片冻雾覆冰厚度的预测系统包括处理器和存储器,上述数据收集模块、数据网格划分模块、数据前处理模块、数值计算模块和冻雾覆冰厚度计算模块均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序模块中实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来实现对风力发电机组叶片冻雾覆冰厚度的预测方法。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本申请实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现上述风力发电机组叶片冻雾覆冰厚度的预测方法。
本申请实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述风力发电机组叶片冻雾覆冰厚度的预测方法。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器A01、网络接口A02、显示屏A04、输入装置A05和存储器(图中未示出)。其中,该计算机设备的处理器A01用于提供计算和控制能力。该计算机设备的存储器包括内存储器A03和非易失性存储介质A06。该非易失性存储介质A06存储有操作系统B01和计算机程序B02。该内存储器A03为非易失性存储介质A06中的操作系统B01和计算机程序B02的运行提供环境。该计算机设备的网络接口A02用于与外部的终端通过网络连接通信。该计算机程序被处理器A01执行时以实现一种风力发电机组叶片冻雾覆冰厚度的预测方法。该计算机设备的显示屏A04可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置A05可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,本申请提供的风力发电机组叶片冻雾覆冰厚度的预测系统可以实现为一种计算机程序的形式,计算机程序可在如图4所示的计算机设备上运行。计算机设备的存储器中可存储组成该风力发电机组叶片冻雾覆冰厚度的预测系统的各个程序模块,比如,图3所示的数据收集模块、数据网格划分模块和数据前处理模块。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的风力发电机组叶片冻雾覆冰厚度的预测方法中的步骤。
本申请实施例提供了一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:获取待预测风力发电机组的环境参数,环境参数包括待预测风力发电机组所在的位置信息、相邻机组之间的间隔距离、地形高程数据以及土地利用数据;根据位置信息和间隔距离将待预测风力发电机组的所在的风电场划分为等距离网格;将地形高程数据和土地利用数据插值至等距离网格,以确定等距离网格的目标气象边界场条件和目标初始场条件;将目标气象边界场条件和目标初始场条件输入至天气预测模型,以通过天气预测模型输出未来预设时间段内每个预设时间点的气象预测数据;根据气象预测数据确定待预测风力发电机组在未来预设时间段内每个预设时间点的冻雾覆冰厚度变化参数;获取待预测风力发电机组叶片的当前冻雾覆冰厚度;根据当前冻雾覆冰厚度和每个预设时间点的冻雾覆冰厚度变化参数确定未来预设时间段内每个预设时间点的冻雾覆冰厚度。
在一个实施例中,将地形高程数据和土地利用数据插值至等距离网格,以确定等距离网格的目标气象边界场条件和目标初始场条件,包括:将地形高程数据和土地利用数据插值至等距离网格,以确定等距离网格针对开展冻雾覆冰厚度预测的下边界条件;获取开展冻雾覆冰厚度预测的初始场数据,以根据初始场数据确定冻雾覆冰厚度数值计算模式的初始气象边界场条件和初始场条件初始值;将初始场数据插值至等距离网格,并根据下边界条件调整插值,以得到驱动数值计算的目标气象边界场条件和目标初始场条件。
在一个实施例中,方法还包括:确定待预测风力发电机组在未来预测时间点的轮毂温度、相对湿度以及液水含量;在轮毂温度小于第一温度、相对湿度大于基准相对湿度且液水含量大于基准液水含量的情况下,确定冻雾覆冰厚度处于增长状态;在轮毂温度大于第一温度,和/或相对湿度小于基准相对湿度,和/或液水含量小于基准液水含量的情况下,确定冻雾覆冰厚度处于非增长状态。
在一个实施例中,方法还包括:在未来预测时间点的冻雾覆冰厚度处于增长状态的情况下,根据公式(1)计算在未来预设时间段内每个预设时间点的冻雾覆冰厚度的增长速度:
其中,为单位时间内冻雾覆冰厚度的增长速度,ε为冻雾覆冰冻结效率系数,β为转换系数,q为液水含量,ρi为标准冰密度,P为待预测风力发电机组轮毂高度处的气压,R为理想气体常数,T为待预测风力发电机组轮毂温度,U∞为待预测风力发电机组入流风速,α为入流风速与待预测风力发电机组叶片的夹角。
在一个实施例中,非增长状态包括消减状态和零变化状态,消减状态包括融化状态、升华状态以及脱落状态,方法还包括:在轮毂温度大于第一温度且小于第二温度,且相对湿度小于基准相对湿度的情况下,确定冻雾覆冰厚度处于融化状态;在轮毂温度小于或等于第一温度,且相对湿度小于基准相对湿度的情况下,确定冻雾覆冰厚度处于升华状态;在轮毂温度大于第二温度的情况下,确定冻雾覆冰厚度处于脱落状态;根据当前冻雾覆冰厚度和每个预设时间点的冻雾覆冰厚度变化参数确定未来预设时间段内每个预设时间点的冻雾覆冰厚度包括:采用与冻雾覆冰厚度变化参数对应的计算公式确定未来预设时间段内每个预设时间点的冻雾覆冰厚度的增长速度;根据当前冻雾覆冰厚度以及增长速度确定未来预设时间段内每个预设时间点的冻雾覆冰厚度。
在一个实施例中,采用与冻雾覆冰厚度变化参数对应的计算公式确定未来预设时间段内每个预设时间点的冻雾覆冰厚度的增长速度包括:在确定冻雾覆冰厚度处于融化状态的情况下,根据公式(2)计算在未来预设时间段内每个预设时间点的冻雾覆冰厚度的增长速度:
其中,为单位时间内冻雾覆冰厚度的增长速度,η1为根据待预测风力发电机组叶片翼型特性确定的效率系数,E1为融化速率。在确定冻雾覆冰厚度处于升华状态的情况下,根据公式(3)计算在未来预设时间段内每个预设时间点的冻雾覆冰厚度的增长速度:
其中,D为水蒸气在空气中的扩散系数,fv为水蒸气的通风系数,ρs(T)为环境空气温度T下的饱和蒸汽密度,ρi为标准冰密度,LS为升华潜热,k为空气的导热系数,fh为热的通风系数,ρ′s为ρs(T)的微分。在确定冻雾覆冰厚度处于脱落状态的情况下,根据公式(4)计算在未来预设时间段内每个预设时间点的冻雾覆冰厚度的增长速度:
其中,η2为根据待预测风力发电机组叶片翼型特性确认的效率系数,E2为脱落速率。
在一个实施例中,采用与冻雾覆冰厚度变化参数对应的计算公式确定未来预设时间段内每个预设时间点的冻雾覆冰厚度的增长速度包括:在根据轮毂温度、相对湿度以及液水含量确定冻雾覆冰厚度处于非增长状态,且不处于融化状态、升华状态以及脱落状态中的任意一者的情况下,确定冻雾覆冰厚度处于零变化状态;在确定冻雾覆冰厚度处于零变化状态的情况下,根据公式(5)计算在未来预设时间段内每个预设时间点的冻雾覆冰厚度的增长速度:
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:获取待预测风力发电机组的环境参数,环境参数包括待预测风力发电机组所在的位置信息、相邻机组之间的间隔距离、地形高程数据以及土地利用数据;根据位置信息和间隔距离将待预测风力发电机组的所在的风电场划分为等距离网格;将地形高程数据和土地利用数据插值至等距离网格,以确定等距离网格的目标气象边界场条件和目标初始场条件;将目标气象边界场条件和目标初始场条件输入至天气预测模型,以通过天气预测模型输出未来预设时间段内每个预设时间点的气象预测数据;根据气象预测数据确定待预测风力发电机组在未来预设时间段内每个预设时间点的冻雾覆冰厚度变化参数;获取待预测风力发电机组叶片的当前冻雾覆冰厚度;根据当前冻雾覆冰厚度和每个预设时间点的冻雾覆冰厚度变化参数确定未来预设时间段内每个预设时间点的冻雾覆冰厚度。
在一个实施例中,将地形高程数据和土地利用数据插值至等距离网格,以确定等距离网格的目标气象边界场条件和目标初始场条件,包括:将地形高程数据和土地利用数据插值至等距离网格,以确定等距离网格针对开展冻雾覆冰厚度预测的下边界条件;获取开展冻雾覆冰厚度预测的初始场数据,以根据初始场数据确定冻雾覆冰厚度数值计算模式的初始气象边界场条件和初始场条件初始值;将初始场数据插值至等距离网格,并根据下边界条件调整插值,以得到驱动数值计算的目标气象边界场条件和目标初始场条件。
在一个实施例中,方法还包括:确定待预测风力发电机组在未来预测时间点的轮毂温度、相对湿度以及液水含量;在轮毂温度小于第一温度、相对湿度大于基准相对湿度且液水含量大于基准液水含量的情况下,确定冻雾覆冰厚度处于增长状态;在轮毂温度大于第一温度,和/或相对湿度小于基准相对湿度,和/或液水含量小于基准液水含量的情况下,确定冻雾覆冰厚度处于非增长状态。
在一个实施例中,方法还包括:在未来预测时间点的冻雾覆冰厚度处于增长状态的情况下,根据公式(1)计算在未来预设时间段内每个预设时间点的冻雾覆冰厚度的增长速度:
其中,为单位时间内冻雾覆冰厚度的增长速度,ε为冻雾覆冰冻结效率系数,β为转换系数,q为液水含量,ρi为标准冰密度,P为待预测风力发电机组轮毂高度处的气压,R为理想气体常数,T为待预测风力发电机组轮毂温度,U∞为待预测风力发电机组入流风速,α为入流风速与待预测风力发电机组叶片的夹角。
在一个实施例中,非增长状态包括消减状态和零变化状态,消减状态包括融化状态、升华状态以及脱落状态,方法还包括:在轮毂温度大于第一温度且小于第二温度,且相对湿度小于基准相对湿度的情况下,确定冻雾覆冰厚度处于融化状态;在轮毂温度小于或等于第一温度,且相对湿度小于基准相对湿度的情况下,确定冻雾覆冰厚度处于升华状态;在轮毂温度大于第二温度的情况下,确定冻雾覆冰厚度处于脱落状态;根据当前冻雾覆冰厚度和每个预设时间点的冻雾覆冰厚度变化参数确定未来预设时间段内每个预设时间点的冻雾覆冰厚度包括:采用与冻雾覆冰厚度变化参数对应的计算公式确定未来预设时间段内每个预设时间点的冻雾覆冰厚度的增长速度;根据当前冻雾覆冰厚度以及增长速度确定未来预设时间段内每个预设时间点的冻雾覆冰厚度。
在一个实施例中,采用与冻雾覆冰厚度变化参数对应的计算公式确定未来预设时间段内每个预设时间点的冻雾覆冰厚度的增长速度包括:在确定冻雾覆冰厚度处于融化状态的情况下,根据公式(2)计算在未来预设时间段内每个预设时间点的冻雾覆冰厚度的增长速度:
其中,为单位时间内冻雾覆冰厚度的增长速度,η1为根据待预测风力发电机组叶片翼型特性确定的效率系数,E1为融化速率。在确定冻雾覆冰厚度处于升华状态的情况下,根据公式(3)计算在未来预设时间段内每个预设时间点的冻雾覆冰厚度的增长速度:
其中,D为水蒸气在空气中的扩散系数,fv为水蒸气的通风系数,ρs(T)为环境空气温度T下的饱和蒸汽密度,ρi为标准冰密度,LS为升华潜热,k为空气的导热系数,fh为热的通风系数,ρ′s为ρs(T)的微分。在确定冻雾覆冰厚度处于脱落状态的情况下,根据公式(4)计算在未来预设时间段内每个预设时间点的冻雾覆冰厚度的增长速度:
其中,η2为根据待预测风力发电机组叶片翼型特性确认的效率系数,E2为脱落速率。
在一个实施例中,采用与冻雾覆冰厚度变化参数对应的计算公式确定未来预设时间段内每个预设时间点的冻雾覆冰厚度的增长速度包括:在根据轮毂温度、相对湿度以及液水含量确定冻雾覆冰厚度处于非增长状态,且不处于融化状态、升华状态以及脱落状态中的任意一者的情况下,确定冻雾覆冰厚度处于零变化状态;在确定冻雾覆冰厚度处于零变化状态的情况下,根据公式(5)计算在未来预设时间段内每个预设时间点的冻雾覆冰厚度的增长速度:
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种风力发电机组叶片冻雾覆冰厚度的预测方法,其特征在于,所述预测方法包括:
获取待预测风力发电机组的环境参数,所述环境参数包括所述待预测风力发电机组所在的位置信息、相邻机组之间的间隔距离、地形高程数据以及土地利用数据;
根据所述位置信息和所述间隔距离将所述待预测风力发电机组的所在的风电场划分为等距离网格;
将所述地形高程数据和所述土地利用数据插值至所述等距离网格,以确定所述等距离网格的目标气象边界场条件和目标初始场条件;
将所述目标气象边界场条件和所述目标初始场条件输入至天气预测模型,以通过所述天气预测模型输出未来预设时间段内每个预设时间点的气象预测数据;
根据所述气象预测数据确定所述待预测风力发电机组在所述未来预设时间段内每个预设时间点的冻雾覆冰厚度变化参数;
获取所述待预测风力发电机组叶片的当前冻雾覆冰厚度;
根据所述当前冻雾覆冰厚度和每个预设时间点的冻雾覆冰厚度变化参数确定未来预设时间段内每个预设时间点的冻雾覆冰厚度。
2.根据权利要求1所述的方法,其特征在于,所述将所述地形高程数据和所述土地利用数据插值至所述等距离网格,以确定所述等距离网格的目标气象边界场条件和目标初始场条件,包括:
将所述地形高程数据和所述土地利用数据插值至所述等距离网格,以确定所述等距离网格针对开展冻雾覆冰厚度预测的下边界条件;
获取开展冻雾覆冰厚度预测的初始场数据,以根据所述初始场数据确定冻雾覆冰厚度数值计算模式的初始气象边界场条件和初始场条件初始值;
将所述初始场数据插值至所述等距离网格,并根据所述下边界条件调整插值,以得到驱动数值计算的目标气象边界场条件和目标初始场条件。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
确定所述待预测风力发电机组在未来预测时间点的轮毂温度、相对湿度以及液水含量;
在所述轮毂温度小于第一温度、所述相对湿度大于基准相对湿度且所述液水含量大于基准液水含量的情况下,确定所述冻雾覆冰厚度处于增长状态;
在所述轮毂温度大于所述第一温度,和/或所述相对湿度小于基准相对湿度,和/或所述液水含量小于所述基准液水含量的情况下,确定所述冻雾覆冰厚度处于非增长状态。
5.根据权利要求3所述的方法,其特征在于,所述非增长状态包括消减状态和零变化状态,所述消减状态包括融化状态、升华状态以及脱落状态,所述方法还包括:
在所述轮毂温度大于第一温度且小于第二温度,且所述相对湿度小于基准相对湿度的情况下,确定所述冻雾覆冰厚度处于所述融化状态;
在所述轮毂温度小于或等于所述第一温度,且所述相对湿度小于所述基准相对湿度的情况下,确定所述冻雾覆冰厚度处于所述升华状态;
在所述轮毂温度大于所述第二温度的情况下,确定所述冻雾覆冰厚度处于所述脱落状态;
所述根据所述当前冻雾覆冰厚度和每个预设时间点的冻雾覆冰厚度变化参数确定未来预设时间段内每个预设时间点的冻雾覆冰厚度包括:
采用与冻雾覆冰厚度变化参数对应的计算公式确定所述未来预设时间段内每个预设时间点的冻雾覆冰厚度的增长速度;
根据所述当前冻雾覆冰厚度以及所述增长速度确定所述未来预设时间段内每个预设时间点的冻雾覆冰厚度。
6.根据权利要求5所述的方法,其特征在于,所述采用与冻雾覆冰厚度变化参数对应的计算公式确定未来预设时间段内每个预设时间点的冻雾覆冰厚度的增长速度包括:
在确定所述冻雾覆冰厚度处于所述融化状态的情况下,根据公式(2)计算在所述未来预设时间段内每个预设时间点的冻雾覆冰厚度的增长速度:
在确定所述冻雾覆冰厚度处于所述升华状态的情况下,根据公式(3)计算在所述未来预设时间段内每个预设时间点的冻雾覆冰厚度的增长速度:
其中,D为水蒸气在空气中的扩散系数,fv为水蒸气的通风系数,ρs(T)为环境空气温度T下的饱和蒸汽密度,ρi为标准冰密度,LS为升华潜热,k为空气的导热系数,fh为热的通风系数,ρ′s为ρs(T)的微分;
在确定所述冻雾覆冰厚度处于所述脱落状态的情况下,根据公式(4)计算在所述未来预设时间段内每个预设时间点的冻雾覆冰厚度的增长速度:
其中,η2为根据所述待预测风力发电机组叶片翼型特性确认的效率系数,E2为脱落速率。
8.一种处理器,其特征在于,被配置成执行根据权利要求1至7中任意一项所述的方法。
9.一种风力发电机组叶片冻雾覆冰厚度的预测系统,其特征在于,包括:
数据收集模块,用于获取待预测风力发电机组的环境参数,所述环境参数包括所述待预测风力发电机组所在的位置信息、相邻机组之间的间隔距离、地形高程数据以及土地利用数据;
数据网格划分模块,用于根据所述位置信息和所述间隔距离将所述待预测风力发电机组的所在的风电场划分为等距离网格;
数据前处理模块,用于将所述地形高程数据和所述土地利用数据插值至所述等距离网格,以确定所述等距离网格的目标气象边界场条件和目标初始场条件;
数值计算模块,用于将所述目标气象边界场条件和所述目标初始场条件输入至天气预测模型,以通过所述天气预测模型输出未来预设时间段内每个预设时间点的气象预测数据;以及
冻雾覆冰厚度计算模块,用于根据所述气象预测数据确定所述待预测风力发电机组在所述未来预设时间段内每个预设时间点的冻雾覆冰厚度变化参数;根据当前冻雾覆冰厚度和所述每个预设时间点的冻雾覆冰厚度变化参数确定未来预设时间段内每个预设时间点的冻雾覆冰厚度。
10.一种机器可读存储介质,该机器可读存储介质上存储有指令,其特征在于,该指令在被处理器执行时使得所述处理器被配置成执行根据权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211328801.1A CN115585107A (zh) | 2022-10-27 | 2022-10-27 | 风力发电机组叶片冻雾覆冰厚度的预测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211328801.1A CN115585107A (zh) | 2022-10-27 | 2022-10-27 | 风力发电机组叶片冻雾覆冰厚度的预测方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115585107A true CN115585107A (zh) | 2023-01-10 |
Family
ID=84782274
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211328801.1A Pending CN115585107A (zh) | 2022-10-27 | 2022-10-27 | 风力发电机组叶片冻雾覆冰厚度的预测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115585107A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117407634A (zh) * | 2023-10-18 | 2024-01-16 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种基于结霜特征曲线的平板结霜厚度快速预测方法 |
-
2022
- 2022-10-27 CN CN202211328801.1A patent/CN115585107A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117407634A (zh) * | 2023-10-18 | 2024-01-16 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种基于结霜特征曲线的平板结霜厚度快速预测方法 |
CN117407634B (zh) * | 2023-10-18 | 2024-05-03 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种基于结霜特征曲线的平板结霜厚度快速预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ali et al. | Statistical analysis of wind characteristics using Weibull and Rayleigh distributions in Deokjeok-do Island–Incheon, South Korea | |
US20200018289A1 (en) | Forecasting output power of wind turbine in wind farm | |
Li et al. | A physical approach of the short-term wind power prediction based on CFD pre-calculated flow fields | |
Park et al. | A synoptic and dynamical characterization of wave-train and blocking cold surge over East Asia | |
JP5439450B2 (ja) | 発電予測装置およびその方法 | |
Kruyt et al. | Potential contributions of wind power to a stable and highly renewable Swiss power supply | |
CN116662748A (zh) | 风机覆冰厚度的预测方法、预测装置、存储介质及处理器 | |
CN113205210B (zh) | 复杂地形风电场风速与功率预测方法、系统、设备及存储介质 | |
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 | |
Lee et al. | A numerical simulation of flow field in a wind farm on complex terrain | |
US20180101147A1 (en) | Forecasting solar power generation using weather forecasts | |
CN115585107A (zh) | 风力发电机组叶片冻雾覆冰厚度的预测方法和系统 | |
US20180248380A1 (en) | Forecasting solar power generation using real-time power data | |
CN112884601A (zh) | 一种基于天气区划策略的电力系统运行风险评估方法 | |
Penmetsa et al. | Climate change effects on solar, wind and hydro power generation | |
Giunta et al. | Hourly weather forecasts for gas turbine power generation | |
CN115600522A (zh) | 用于风机结冰厚度的预测方法、装置、处理器及存储介质 | |
CN116760009A (zh) | 风电覆冰停机脱网风险的预测方法、装置及处理器 | |
Abbes et al. | Investigation of wind characteristics and wind power potential in El-Kef region, Tunisia | |
CN114862043A (zh) | 风电场发电功率预测方法及其系统及计算机可读存储介质 | |
Malmsten | Wind turbine production losses in cold climate: Case study of ten wind farms in sweden | |
CN110942218A (zh) | 计算风电场上网电量的方法、装置以及系统 | |
CN114493171B (zh) | 一种动态增容设备安装选址方案生成方法及系统 | |
Alghamdi et al. | Investigation and statistical analysis of electrical energy production from the wind farm | |
Jin et al. | Wind Turbine Ice Detection Using AEP Loss Method–A 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 |