CN116341420B - 一种用于机组的地貌与风场的地-风耦合方法及系统 - Google Patents

一种用于机组的地貌与风场的地-风耦合方法及系统 Download PDF

Info

Publication number
CN116341420B
CN116341420B CN202310573677.3A CN202310573677A CN116341420B CN 116341420 B CN116341420 B CN 116341420B CN 202310573677 A CN202310573677 A CN 202310573677A CN 116341420 B CN116341420 B CN 116341420B
Authority
CN
China
Prior art keywords
area
flow field
unit
determining
flow
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
Application number
CN202310573677.3A
Other languages
English (en)
Other versions
CN116341420A (zh
Inventor
乔斌
王永康
潘强
张孝义
刘瑞
袁越
张宇
江启峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xi'an Xinfeng Power Technology Co ltd
Huaneng Xinjiang Qinghe Wind Power Generation Co ltd
Original Assignee
Xi'an Xinfeng Power Technology Co ltd
Huaneng Xinjiang Qinghe Wind Power Generation Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xi'an Xinfeng Power Technology Co ltd, Huaneng Xinjiang Qinghe Wind Power Generation Co ltd filed Critical Xi'an Xinfeng Power Technology Co ltd
Priority to CN202310573677.3A priority Critical patent/CN116341420B/zh
Publication of CN116341420A publication Critical patent/CN116341420A/zh
Application granted granted Critical
Publication of CN116341420B publication Critical patent/CN116341420B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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]
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M9/00—Aerodynamic testing; Arrangements in or on wind tunnels
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M9/00—Aerodynamic testing; Arrangements in or on wind tunnels
    • G01M9/08—Aerodynamic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Fluid Mechanics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Algebra (AREA)
  • Computer Graphics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Physics (AREA)
  • Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Optimization (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Remote Sensing (AREA)

Abstract

本发明提供了一种用于机组的地貌与风场的地‑风耦合方法及系统，涉及风力发电机组技术领域，包括：获取风机运行的历史数据和当地历史气象资料；基于无人机测量系统获取机组的所在区域的区域地形图和正射影像图，构建缩比地形地貌实体模型；根据所述实体模型进行风洞实验，获取机组所在区域的流场规律，并基于风机运行的历史数据和当地历史气象资料对流场规律进行验证和修改；基于修改后的流场规律确定机组所在区域的流场的流动及能量输运特性；根据所述流场的流动及能量输运特性确定机组的运行模式，对机组运行模式进行选择，可以实现高效的风能捕获和利用。

Description

一种用于机组的地貌与风场的地-风耦合方法及系统
技术领域
本发明涉及风力发电机组技术领域，特别涉及一种用于机组的地貌与风场的地-风耦合方法及系统。
背景技术
目前，随着风力发电占发电量的比重不断上升，风力发电越来越受到关注。但是，风力发电的风能的利用率并不高，存在当风速、风向等变化后，机组叶片风能捕获效率低下的情况，如何根据机组所在区域的地形地貌确定风场变化，从而高效的对风能进行捕获和利用是急需解决的问题。
因此，本发明提供了一种用于机组的地貌与风场的地-风耦合方法及系统。
发明内容
本发明提供一种用于机组的地貌与风场的地-风耦合方法及系统，用以通过获取所在区域的地形地貌实体模型进行风洞实验，确定流场规律，并根据风机运行的历史数据和当地历史气象资料对流场规律进行验证和修改，进而确定流场的流动及能量输运特性，对机组运行模式进行选择，可以实现高效的风能捕获和利用。
本发明提供一种用于机组的地貌与风场的地-风耦合方法，包括：
步骤1：获取风机运行的历史数据和当地历史气象资料；
步骤2：基于无人机测量系统获取机组的所在区域的区域地形图和正射影像图，构建缩比地形地貌实体模型；
步骤3：根据所述实体模型进行风洞实验，获取机组所在区域的流场规律，并基于风机运行的历史数据和当地历史气象资料对流场规律进行验证和修改；
步骤4：基于修改后的流场规律确定机组所在区域的流场的流动及能量输运特性；
步骤5：根据所述流场的流动及能量输运特性确定机组的运行模式。
优选的，基于无人机测量系统获取机组的所在区域的区域地形图和正射影像图，包括：
根据机组的所在区域的大小以及无人机型号，确定无人机数量以及每个无人机的测量区域；
根据同个无人机的测量区域的地形和海拔，确定对应无人机的测绘路径；
获取同个无人机沿相应测绘路径多次航行拍摄的地面影像；
对同个测量区域的同次拍摄的多个地面影像进行预处理，进行拼接获取对应区域的第一区域地形图和第一正射影像图；
对同个测量区域的所有的第一区域地形图进行两两差异对比以及对所有的第一正射影像图进行两两差异对比，获取得到第一区域地形图的所有第一差异率以及第二正射影像图的所有第二差异率；
；其中，/>表示第i个和第j个第一区域地形图的第一差异率；/>表示第i个和第j个第一区域地形图的相同部分的面积；/>表示第i个第一区域地形图的总面积；/>表示第j个第一区域地形图的总面积；/>表示以第i个第一区域地形图为标准与第j个第一区域地形图的差异；/>表示以第j个第一区域地形图为标准与第i个第一区域地形图的差异；/>表示相同部分的权重；/>表示差异部分的权重；；
判断所有的第一差异率和第二差异率是否超过预设率；
若超过预设率，判定对应无人机拍摄系统故障；
否则，判断对应无人机拍摄系统完好，并确定同个测量区域的所有第一区域地形图的第一相同部分以及第一差异部分，根据所述第一差异部分的位置以及对应无人机的测量误差对第一差异部分进行修正；
确定相邻测量区域修正后的第一区域地形图的第一重叠部分并进行差异比对，确定第一差异区域；
根据所述第一差异区域的位置以及对应无人机的测量误差对第一差异区域进行修正；
根据所有测量区域修正后的第一区域地形图的未重叠部分以及修正后的第一重叠部分，确定机组的所在区域的区域地形图；
确定同个测量区域的所有第一正射影像图的第二相同部分以及第二差异部分，根据所述第二差异部分的位置以及对应无人机的测量误差对第二差异部分进行修正；
确定相邻测量区域修正后的第一正射影像图的第二重叠部分并进行差异比对，确定第二差异区域；
根据所述第二差异区域的位置以及对应无人机的测量误差对第二差异区域进行修正；
根据所有测量区域修正后的第一正射影像图的未重叠部分以及修正后的第二重叠部分，确定机组的所在区域的正射影像图。
优选的，构建缩比地形地貌实体模型，包括：
对所述正射影像图根据地形特征进行分块，并对区域地形图进行相同分割；
基于所述正射影像图分块提取边界线，对所述区域地形图分块提取分块地形高度差；
根据所述边界线以及地形高度差进行等比例缩小进行实体模型的初步构建；
确定所述区域地形图分块确定对应分块的高度信息，对初步实体模型进行深度构建，确定实体模型。
优选的，根据所述实体模型进行风洞实验，获取机组所在区域的流场规律，包括：
根据所述实体模型，并基于机组叶片进行风洞实验，获取气体的流动信息以及叶片的运转信息；
基于所述气体的流动信息以及叶片的运转信息确定机组所在区域的流场信息；
基于所述流场信息以及实体模型的地形特征确定地形-流场拟合关系，获取机组所在区域的流场规律。
优选的，基于风机运行的历史数据和当地历史气象资料对流场规律进行验证和修改，包括：
根据所有同一时刻的风机运行的历史数据和当地历史气象资料对流场规律进行验证；
若存在不符合的情况，分析当地历史气象资料和风机运行的历史数据的耦合关系，并基于对应不符合的数据对所述流场规律进行修改。
优选的，基于修改后的流场规律确定机组所在区域的流场的流动及能量输运特性，包括：
根据修改后的流场规律确定机组所在区域的的流场流动路线以及对应的风速变化；
根据所述流场流动路线以及对应的风速变化确定流场的流动及能量输运特性。
优选的，根据所述流场的流动及能量输运特性确定机组的运行模式，包括：
获取流场在每个机组叶片所在位置的流动及能量输运特性；
根据对应位置流场的流动及能量输运特性，分析对应机组叶片不同运行模式下的能量使用效率；
确定对应机组叶片能量使用效率最高的运行模式进行运行。
优选的，分析对应机组叶片不同运行模式下的能量使用效率，包括：
；其中，/>表示同一运行模式下对应机组叶片的能量使用效率；/>表示同一运行模式下对应机组叶片的半径；/>表示对应机组叶片位置的空气密度随时间变化的函数；/>表示风能利用率；/>表示浆距角；/>表示对应机组叶片位置的空气能量随时间变化的函数。
本发明提供一种用于机组的地貌与风场的地-风耦合系统，包括：
资料获取模块：获取风机运行的历史数据和当地历史气象资料；
模型构建模块：基于无人机测量系统获取机组的所在区域的区域地形图和正射影像图，构建缩比地形地貌实体模型；
流场规律确定模块：根据所述实体模型进行风洞实验，获取机组所在区域的流场规律，并基于风机运行的历史数据和当地历史气象资料对流场规律进行验证和修改；
流场特性确定模块：基于修改后的流场规律确定所在区域的流场的流动及能量输运特性；
运行模式确定模块：根据所述流程的流动及能量输运特性确定机组的运行模式。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种用于机组的地貌与风场的地-风耦合方法的流程图；
图2为本发明实施例中一种用于机组的地貌与风场的地-风耦合系统的结构图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例1
本发明实施例提供一种用于机组的地貌与风场的地-风耦合方法，如图1所示，包括：
步骤1：获取风机运行的历史数据和当地历史气象资料；
步骤2：基于无人机测量系统获取机组的所在区域的区域地形图和正射影像图，构建缩比地形地貌实体模型；
步骤3：根据所述实体模型进行风洞实验，获取机组所在区域的流场规律，并基于风机运行的历史数据和当地历史气象资料对流场规律进行验证和修改；
步骤4：基于修改后的流场规律确定机组所在区域的流场的流动及能量输运特性；
步骤5：根据所述流场的流动及能量输运特性确定机组的运行模式。
该实施例中，风机运行的历史数据包括：转速、功率等，当地历史气象资料是指机组所在区域的风向、风速等。
该实施例中，无人机测量系统是指基于多个无人机进行组合测量的系统，区域地形图是根据多个测量区域的区域地形图拼接得到的，正射影像图是根据多个测量区域的正射影像图拼接得到的，缩比地形地貌实体模型是根据区域地形图和正射影像图确定分块的边界线、地形高度差以及每个分块的高度信息共同缩小相同比例构建的，缩小的比例的确定是根据区域大小和风洞大小得到的，保证缩小的地形地貌实体模型可以进行风洞实验。
该实施例中，风洞实验是基于实体模型和机组叶片进行的，流场规律是指流场的流动路线以及对应的风速变化等规律，验证是根据风机运行的历史数据和当地的历史气象资料带入流场规律确定是否相符合，比如，将历史时刻1下的气象资料以及该时刻下所获取的风机的历史数据作为一条验证信息，对流场规律进行验证，修改是根据不符合流场规律的同时刻的气象资料以及所获取的风机的历史数据以及风机运行的历史数据和当地历史气象资料的耦合关系确定的，根据耦合关系确定不符合流场规律的同时刻的气象资料以及所获取的风机的历史数据是否符合耦合关系，若不符合将对应数据排除，使用符合的对应数据对流场规律的参数进行调整。
该实施例中，流动及能量输运特性是指流场的空气密度、风速等随位置和时间的变化情况以及流场的能量随位置和时间的变化情况，是根据流场规律确定区域内的流场流动路线和对应的风速得到的。
该实施例中，机组的运行模式是根据机组叶片不同的半径、浆距角不同确定的，是提前设置好的，运行模式的确定是根据机组对应位置的流动及能量输运特性确定不同运行模式下的能量使用效率，选择能量使用效率最大的模式进行运行。
上述技术方案的有益效果是：通过获取所在区域的地形地貌实体模型进行风洞实验，确定流场规律，并根据风机运行的历史数据和当地历史气象资料对流场规律进行验证和修改，进而确定流场的流动及能量输运特性，对机组运行模式进行选择，可以实现高效的风能捕获和利用。
实施例2
基于实施例1，基于无人机测量系统获取机组的所在区域的区域地形图和正射影像图，包括：
根据机组的所在区域的大小以及无人机型号，确定无人机数量以及每个无人机的测量区域；
根据同个无人机的测量区域的地形和海拔，确定对应无人机的测绘路径；
获取同个无人机沿相应测绘路径多次航行拍摄的地面影像；
对同个测量区域的同次拍摄的多个地面影像进行预处理，进行拼接获取对应区域的第一区域地形图和第一正射影像图；
对同个测量区域的所有的第一区域地形图进行两两差异对比以及对所有的第一正射影像图进行两两差异对比，获取得到第一区域地形图的所有第一差异率以及第二正射影像图的所有第二差异率；
；其中，/>表示第i个和第j个第一区域地形图的第一差异率；/>表示第i个和第j个第一区域地形图的相同部分的面积；/>表示第i个第一区域地形图的总面积；/>表示第j个第一区域地形图的总面积；/>表示以第i个第一区域地形图为标准与第j个第一区域地形图的差异；/>表示以第j个第一区域地形图为标准与第i个第一区域地形图的差异；/>表示相同部分的权重；/>表示差异部分的权重；；
判断所有的第一差异率和第二差异率是否超过预设率；
若超过预设率，判定对应无人机拍摄系统故障；
否则，判断对应无人机拍摄系统完好，并确定同个测量区域的所有第一区域地形图的第一相同部分以及第一差异部分，根据所述第一差异部分的位置以及对应无人机的测量误差对第一差异部分进行修正；
确定相邻测量区域修正后的第一区域地形图的第一重叠部分并进行差异比对，确定第一差异区域；
根据所述第一差异区域的位置以及对应无人机的测量误差对第一差异区域进行修正；
根据所有测量区域修正后的第一区域地形图的未重叠部分以及修正后的第一重叠部分，确定机组的所在区域的区域地形图；
确定同个测量区域的所有第一正射影像图的第二相同部分以及第二差异部分，根据所述第二差异部分的位置以及对应无人机的测量误差对第二差异部分进行修正；
确定相邻测量区域修正后的第一正射影像图的第二重叠部分并进行差异比对，确定第二差异区域；
根据所述第二差异区域的位置以及对应无人机的测量误差对第二差异区域进行修正；
根据所有测量区域修正后的第一正射影像图的未重叠部分以及修正后的第二重叠部分，确定机组的所在区域的正射影像图。
该实施例中，测量区域是根据无人机型号确定无人机的拍摄范围，并根据机组所在区域的大小和形状，确定需要划分几个测量区域，测量区域可重叠。
该实施例中，测绘路径是指无人机的飞行路径，是根据对应测量区域的地形和海拔自动生成的。
该实施例中，预处理是指对地面影像进行影像分析，确定影像特征，方便进行拼接。
该实施例中，第一差异率是表示两个第一区域地形图的差异，是根据两个第一差异地形图的面积等计算得到的。
该实施例中，；其中，/>表示第i个和第j个第一正射影像图的第二差异率；/>表示第i个和第j个第一正射影像图的相同部分的面积；/>表示第i个第一正射影像图的总面积；/>表示第j个第一正射影像图的总面积；/>表示以第i个第一正射影像图为标准与第j个第一正射影像图的差异；/>表示以第j个第一正射影像图为标准与第i个第一正射影像图的差异；/>表示相同部分的权重；/>表示差异部分的权重；/>；
该实施例中，预设率是提前设置好的。
该实施例中，当判断无人机拍摄系统故障时，用判断正常的无人机拍摄系统对对应区域进行再次测量。
该实施例中，第一差异部分是指同个测量区域的所有第一区域地形图除第一相同部分的部分，第一差异部分的修正是根据第一差异部分的位置，并基于位置-误差表确定对应无人机的测量误差随机一个第一区域地形图的对应差异部分进行修正的，位置-误差表是根据无人机测量系统提前确定的。
该实施例中，第一重叠部分是指相邻测量区域修正后的第一区域地形图的重叠的两个部分，第一差异区域是指相邻测量区域的对应第一重叠部分不相同的两个区域。
该实施例中，第一差异区域的修正是根据第一差异区域在对应测量区域的位置确定对应无人机的测量误差对对应第一差异区域进行修正，直到相邻测量区域的第一差异区域的两个区域相同，确定为修正后的第一差异区域。
该实施例中，区域地形图是根据所有测量区域修正后的第一区域地形图的未重叠部分以及修正后的第一重叠部分拼接得到的，正射影像图的确定和区域地形图类似。
上述技术方案的有益效果是：通过每个测量区域的多次测绘结果确定对应区域的多个区域地形图和正射影像图，当同个测量区域的多个区域地形图的差异率和正射影像图的差异率超过预设率是判断无人机拍摄系统故障，对完好的区域地形图和正射影像图进行修正，根据相邻区域的区域地形图和正射影像图重叠部分的差异区域进行修正，得到机组所在区域的区域地形图和正射影像图，提供了一种无人机拍摄系统故障检测方法，提高了区域地形图和正射影像图的精度。
实施例 3
基于实施例1，构建缩比地形地貌实体模型，包括：
对所述正射影像图根据地形特征进行分块，并对区域地形图进行相同分割；
基于所述正射影像图分块提取边界线，对所述区域地形图分块提取分块地形高度差；
根据所述边界线以及地形高度差进行等比例缩小进行实体模型的初步构建；
确定所述区域地形图分块确定对应分块的高度信息，对初步实体模型进行深度构建，确定实体模型。
该实施例中，地形特征是指平原、丘陵等。
该实施例中，边界线是指正射影像图的相邻两个分块的边界线，地形高度差是指在区域地形图中相邻两个分块的对应位置的高度差。
该实施例中，实体模型的初步构建是根据边界线以及对应的地形高度差进行边界构建。
该实施例中，高度信息是指区域地形图中分块的每个位置的基于地形最低点的高度，深度构建是将对应分块的所有高度信息进行填充。
上述技术方案的有益效果是：通过正射影像图和区域地形图的对应分块的边界线和地形高度差对实体模型进行初步构建，根据每个分块的高度信息进行深度构建，得到机组所在区域的实体模型，为后续确定机组所在区域的流场规律奠定了基础。
实施例4
基于实施例1，根据所述实体模型进行风洞实验，获取机组所在区域的流场规律，包括：
根据所述实体模型，并基于机组叶片进行风洞实验，获取气体的流动信息以及叶片的运转信息；
基于所述气体的流动信息以及叶片的运转信息确定机组所在区域的流场信息；
基于所述流场信息以及实体模型的地形特征确定地形-流场拟合关系，获取机组所在区域的流场规律。
该实施例中，风洞实验是根据吹向实体模型的风后吹出的风，再吹向机组叶片进行的，气体的流动信息是指风洞中气体的流速等信息，叶片的运转信息是指叶片运转的速度等信息。
该实施例中，流场信息是根据叶片的运转信息反推并结合气体的流动信息确定的。
该实施例中，地形-流场拟合关系是根据地形和对应的流场信息进行拟合得到的，比如，根据地形的海拔和坡度等参数与对应流场的流速等参数进行拟合，流场规律是根据地形-流场拟合关系确定的流场的流动路线以及对应的风速变化等规律。
上述技术方案的有益效果是：通过实体模型并基于机组叶片进行风洞实验，确定机组所在区域的流场信息，进而确定地形-流场拟合关系，得到机组所在区域的流场规律，为后续确定流场的流动及能量输运特性奠定了基础。
实施例5
基于实施例1，基于风机运行的历史数据和当地历史气象资料对流场规律进行验证和修改，包括：
根据所有同一时刻的风机运行的历史数据和当地历史气象资料对流场规律进行验证；
若存在不符合的情况，分析当地历史气象资料和风机运行的历史数据的耦合关系，并基于对应不符合的数据对所述流场规律进行修改。
该实施例中，对流场规律进行验证是将当地气象资料的数据带入流场规律中，并确定得出的流场数据是否可以让该时刻的风机以历史数据进行运行。该实施例中，耦合关系是指当地历史气象资料的变化所引起的风机运行的历史数据的变化，不符合的数据是指验证流场规律中不符合流场规律的同一时刻的风机运行的历史数据和当地历史气象资料，修改是根据耦合关系筛选符合耦合关系的不符合数据对流场规律的参数进行调整。
上述技术方案的有益效果是：通过当地历史气象资料和风机运行的历史数据对流场规律进行验证，当存在不符合的情况，确定当地历史气象资料和风机运行的历史数据的耦合关系，并基于对应不符合的数据对流场规律进行修改，使得获取到的流场规律更加准确。
实施例6
基于实施例1，基于修改后的流场规律确定机组所在区域的流场的流动及能量输运特性，包括：
根据修改后的流场规律确定机组所在区域的的流场流动路线以及对应的风速变化；
根据所述流场流动路线以及对应的风速变化确定流场的流动及能量输运特性。
该实施例中，流动及能量输运特性是指流场的空气密度、风速等随位置和时间的变化情况以及流场的能量随位置和时间的变化情况。
上述技术方案的有益效果是：通过修改后的流场规律确定流场流动路线以及对应的风速变化，确定流场的流动及能量输运特性，为后续确定对应机组叶片的运行模式奠定了基础。
实施例7
基于实施例1，根据所述流场的流动及能量输运特性确定机组的运行模式，包括：
获取流场在每个机组叶片所在位置的流动及能量输运特性；
根据对应位置流场的流动及能量输运特性，分析对应机组叶片不同运行模式下的能量使用效率；
确定对应机组叶片能量使用效率最高的运行模式进行运行。
该实施例中，运行模式是根据机组叶片的半径和浆距角的不同确定的，能量使用效率是指机组叶片在同一模式下对风能的利用效率。
上述技术方案的有益效果是：通过每个机组叶片所在位置的流动及能量输运特性，确定对应机组叶片不同模式下的能量使用效率，选择能量使用效率最高的运行模式进行运行，可以对风能利用最大化。
实施例8
基于实施例7，分析对应机组叶片不同运行模式下的能量使用效率，包括：
；其中，/>表示同一运行模式下对应机组叶片的能量使用效率；/>表示同一运行模式下对应机组叶片的半径；/>表示对应机组叶片位置的空气密度随时间变化的函数；/>表示风能利用率；/>表示浆距角；/>表示对应机组叶片位置的空气能量随时间变化的函数。
该实施例中，是根据流场的流动特性确定的，/>是根据流场的能量输运特性确定的。
上述技术方案的有益效果是：通过同一运行模式下的机组叶片的半径和浆距角等，并根据对应位置的空气密度、能量，确定同一运行模式下的机组叶片的能量使用效率，为后续确定最佳运行模式奠定了基础。
实施例9
本发明实施例提供一种用于机组的地貌与风场的地-风耦合系统，如图2所示，包括：
资料获取模块：获取风机运行的历史数据和当地历史气象资料；
模型构建模块：基于无人机测量系统获取机组的所在区域的区域地形图和正射影像图，构建缩比地形地貌实体模型；
流场规律确定模块：根据所述实体模型进行风洞实验，获取机组所在区域的流场规律，并基于风机运行的历史数据和当地历史气象资料对流场规律进行验证和修改；
流场特性确定模块：基于修改后的流场规律确定所在区域的流场的流动及能量输运特性；
运行模式确定模块：根据所述流程的流动及能量输运特性确定机组的运行模式。
上述技术方案的有益效果是：通过获取所在区域的地形地貌实体模型进行风洞实验，确定流场规律，并根据风机运行的历史数据和当地历史气象资料对流场规律进行验证和修改，进而确定流场的流动及能量输运特性，对机组运行模式进行选择，可以实现高效的风能捕获和利用。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (5)

1.一种用于机组的地貌与风场的地-风耦合方法，其特征在于，包括：
步骤1：获取风机运行的历史数据和当地历史气象资料；
步骤2：基于无人机测量系统获取机组的所在区域的区域地形图和正射影像图，构建缩比地形地貌实体模型；
步骤3：根据所述实体模型进行风洞实验，获取机组所在区域的流场规律，并基于风机运行的历史数据和当地历史气象资料对流场规律进行验证和修改；
步骤4：基于修改后的流场规律确定机组所在区域的流场的流动及能量输运特性；
步骤5：根据所述流场的流动及能量输运特性确定机组的运行模式；
其中，根据所述实体模型进行风洞实验，获取机组所在区域的流场规律，包括：
根据所述实体模型，并基于机组叶片进行风洞实验，获取气体的流动信息以及叶片的运转信息；
基于所述气体的流动信息以及叶片的运转信息确定机组所在区域的流场信息；
基于所述流场信息以及实体模型的地形特征确定地形-流场拟合关系，获取机组所在区域的流场规律；
其中，基于风机运行的历史数据和当地历史气象资料对流场规律进行验证和修改，包括：
根据所有同一时刻的风机运行的历史数据和当地历史气象资料对流场规律进行验证；
若存在不符合的情况，分析当地历史气象资料和风机运行的历史数据的耦合关系，并基于对应不符合的数据对所述流场规律进行修改；
其中，根据所述流场的流动及能量输运特性确定机组的运行模式，包括：
获取流场在每个机组叶片所在位置的流动及能量输运特性；
根据对应位置流场的流动及能量输运特性，分析对应机组叶片不同运行模式下的能量使用效率；
确定对应机组叶片能量使用效率最高的运行模式进行运行；
其中，分析对应机组叶片不同运行模式下的能量使用效率，包括：
；其中，/>表示同一运行模式下对应机组叶片的能量使用效率；/>表示同一运行模式下对应机组叶片的半径；/>表示对应机组叶片位置的空气密度随时间变化的函数；/>表示风能利用率；/>表示浆距角；/>表示对应机组叶片位置的空气能量随时间变化的函数。
2.如权利要求1所述的一种用于机组的地貌与风场的地-风耦合方法，其特征在于，基于无人机测量系统获取机组的所在区域的区域地形图和正射影像图，包括：
根据机组的所在区域的大小以及无人机型号，确定无人机数量以及每个无人机的测量区域；
根据同个无人机的测量区域的地形和海拔，确定对应无人机的测绘路径；
获取同个无人机沿相应测绘路径多次航行拍摄的地面影像；
对同个测量区域的同次拍摄的多个地面影像进行预处理，进行拼接获取对应区域的第一区域地形图和第一正射影像图；
对同个测量区域的所有的第一区域地形图进行两两差异对比以及对所有的第一正射影像图进行两两差异对比，获取得到第一区域地形图的所有第一差异率以及第二正射影像图的所有第二差异率；
；其中，/>表示第i个和第j个第一区域地形图的第一差异率；/>表示第i个和第j个第一区域地形图的相同部分的面积；/>表示第i个第一区域地形图的总面积；/>表示第j个第一区域地形图的总面积；/>表示以第i个第一区域地形图为标准与第j个第一区域地形图的差异；/>表示以第j个第一区域地形图为标准与第i个第一区域地形图的差异；/>表示相同部分的权重；/>表示差异部分的权重；；
判断所有的第一差异率和第二差异率是否超过预设率；
若超过预设率，判定对应无人机拍摄系统故障；
否则，判断对应无人机拍摄系统完好，并确定同个测量区域的所有第一区域地形图的第一相同部分以及第一差异部分，根据所述第一差异部分的位置以及对应无人机的测量误差对第一差异部分进行修正；
确定相邻测量区域修正后的第一区域地形图的第一重叠部分并进行差异比对，确定第一差异区域；
根据所述第一差异区域的位置以及对应无人机的测量误差对第一差异区域进行修正；
根据所有测量区域修正后的第一区域地形图的未重叠部分以及修正后的第一重叠部分，确定机组的所在区域的区域地形图；
确定同个测量区域的所有第一正射影像图的第二相同部分以及第二差异部分，根据所述第二差异部分的位置以及对应无人机的测量误差对第二差异部分进行修正；
确定相邻测量区域修正后的第一正射影像图的第二重叠部分并进行差异比对，确定第二差异区域；
根据所述第二差异区域的位置以及对应无人机的测量误差对第二差异区域进行修正；
根据所有测量区域修正后的第一正射影像图的未重叠部分以及修正后的第二重叠部分，确定机组的所在区域的正射影像图。
3.如权利要求1所述的一种用于机组的地貌与风场的地-风耦合方法，其特征在于，构建缩比地形地貌实体模型，包括：
对所述正射影像图根据地形特征进行分块，并对区域地形图进行相同分割；
基于所述正射影像图分块提取边界线，对所述区域地形图分块提取分块地形高度差；
根据所述边界线以及地形高度差进行等比例缩小进行实体模型的初步构建；
确定所述区域地形图分块确定对应分块的高度信息，对初步实体模型进行深度构建，确定实体模型。
4.如权利要求1所述的一种用于机组的地貌与风场的地-风耦合方法，其特征在于，基于修改后的流场规律确定机组所在区域的流场的流动及能量输运特性，包括：
根据修改后的流场规律确定机组所在区域的的流场流动路线以及对应的风速变化；
根据所述流场流动路线以及对应的风速变化确定流场的流动及能量输运特性。
5.一种用于机组的地貌与风场的地-风耦合系统，其特征在于，包括：
资料获取模块：获取风机运行的历史数据和当地历史气象资料；
模型构建模块：基于无人机测量系统获取机组的所在区域的区域地形图和正射影像图，构建缩比地形地貌实体模型；
流场规律确定模块：根据所述实体模型进行风洞实验，获取机组所在区域的流场规律，并基于风机运行的历史数据和当地历史气象资料对流场规律进行验证和修改；
流场特性确定模块：基于修改后的流场规律确定所在区域的流场的流动及能量输运特性；
运行模式确定模块：根据所述流场的流动及能量输运特性确定机组的运行模式；
其中，流场规律确定模块，用于：
根据所述实体模型，并基于机组叶片进行风洞实验，获取气体的流动信息以及叶片的运转信息；
基于所述气体的流动信息以及叶片的运转信息确定机组所在区域的流场信息；
基于所述流场信息以及实体模型的地形特征确定地形-流场拟合关系，获取机组所在区域的流场规律；
其中，流场规律确定模块，还用于：
根据所有同一时刻的风机运行的历史数据和当地历史气象资料对流场规律进行验证；
若存在不符合的情况，分析当地历史气象资料和风机运行的历史数据的耦合关系，并基于对应不符合的数据对所述流场规律进行修改；
其中，运行模式确定模块，用于：
获取流场在每个机组叶片所在位置的流动及能量输运特性；
根据对应位置流场的流动及能量输运特性，分析对应机组叶片不同运行模式下的能量使用效率；
确定对应机组叶片能量使用效率最高的运行模式进行运行；
其中，分析对应机组叶片不同运行模式下的能量使用效率，包括：
；其中，/>表示同一运行模式下对应机组叶片的能量使用效率；/>表示同一运行模式下对应机组叶片的半径；/>表示对应机组叶片位置的空气密度随时间变化的函数；/>表示风能利用率；/>表示浆距角；/>表示对应机组叶片位置的空气能量随时间变化的函数。
CN202310573677.3A 2023-05-22 2023-05-22 一种用于机组的地貌与风场的地-风耦合方法及系统 Active CN116341420B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310573677.3A CN116341420B (zh) 2023-05-22 2023-05-22 一种用于机组的地貌与风场的地-风耦合方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310573677.3A CN116341420B (zh) 2023-05-22 2023-05-22 一种用于机组的地貌与风场的地-风耦合方法及系统

Publications (2)

Publication Number Publication Date
CN116341420A CN116341420A (zh) 2023-06-27
CN116341420B true CN116341420B (zh) 2023-08-15

Family

ID=86889744

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310573677.3A Active CN116341420B (zh) 2023-05-22 2023-05-22 一种用于机组的地貌与风场的地-风耦合方法及系统

Country Status (1)

Country Link
CN (1) CN116341420B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016023527A1 (zh) * 2014-08-14 2016-02-18 国家电网公司 一种基于测风塔测风数据的风电场弃风电量确定方法
CN111091298A (zh) * 2019-12-20 2020-05-01 华北电力大学 一种风电场流场耦合特性评估与智能分群方法及系统
CN113205210A (zh) * 2021-04-29 2021-08-03 西安热工研究院有限公司 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
CN113868971A (zh) * 2021-08-13 2021-12-31 中国人民解放军国防科技大学 一种基于数值仿真模型及历史风场特征的机场区域三维精细化风场重构方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016057859A1 (en) * 2014-10-10 2016-04-14 The Penn State Research Foundation Identifying visual storm signatures form satellite images

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016023527A1 (zh) * 2014-08-14 2016-02-18 国家电网公司 一种基于测风塔测风数据的风电场弃风电量确定方法
CN111091298A (zh) * 2019-12-20 2020-05-01 华北电力大学 一种风电场流场耦合特性评估与智能分群方法及系统
CN113205210A (zh) * 2021-04-29 2021-08-03 西安热工研究院有限公司 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
CN113868971A (zh) * 2021-08-13 2021-12-31 中国人民解放军国防科技大学 一种基于数值仿真模型及历史风场特征的机场区域三维精细化风场重构方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
迟继峰 ; 钟天宇 ; 刘庆超 ; 张伟 ; .复杂地形多测风塔综合地貌及风切变拟合修正的风资源评估方法研究.华电技术.2012,(11),全文. *

Also Published As

Publication number Publication date
CN116341420A (zh) 2023-06-27

Similar Documents

Publication Publication Date Title
CN108536881B (zh) 用于计算风电场发电量的方法和设备
CN110136259A (zh) 一种基于倾斜摄影辅助bim和gis的三维建模技术
CN109813335A (zh) 数据采集系统的标定方法、装置、系统及存储介质
CN106762451A (zh) 基于无人机的风机叶片损伤检测方法、装置及系统
CN109556569B (zh) 地形图测绘方法及装置
EP3876189A1 (en) Geographic object detection device, geographic object detection method, and geographic object detection program
CN108894933A (zh) 通过无人机对风机叶尖跟踪检测时跟丢再捕捉方法及系统
CN108196285A (zh) 一种基于多传感器融合的精确定位系统
CN104966281A (zh) 多视影像的imu/gnss引导匹配方法
KR102053659B1 (ko) 기계학습과 이미지 프로세싱을 이용한 지도 제작 장치
CN109657686A (zh) 车道线生成方法、装置、设备以及存储介质
CN109978275B (zh) 一种混合cfd和深度学习的极端大风风速预测方法及系统
CN109256028A (zh) 一种用于无人驾驶的高精度路网自动生成的方法
CN107480373A (zh) 输电线路选线方法及系统
CN113342041A (zh) 一种无人机实现自动化巡检风叶发电设备的方法及系统
CN109961510A (zh) 一种基于三维点云重构技术的高切坡地质快速编录方法
CN111696156B (zh) 一种免控制点的遥感影像坐标转换方法
CN116341420B (zh) 一种用于机组的地貌与风场的地-风耦合方法及系统
US20230237208A1 (en) Method for constructing a wind farm in a predetermined space
CN114428518A (zh) 一种用于无人机风机叶片自动巡检的风机定向方法
CN111985691B (zh) 一种风电场升压站选址方法
CN113885573A (zh) 基于三维模型和北斗cors差分定位的无人机自主巡检方法
CN116420063A (zh) 用于物体检测的方法和系统
CN115185290B (zh) 一种无人机悬索桥主缆巡检路径规划的方法及装置
CN111784838A (zh) 一种基于倾斜摄影的超长线性结构三维实景模型处理方法

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 836204 10 km south of sartohai Township, Qinghe County, Altay Prefecture, Xinjiang Uygur Autonomous Region 228 km provincial highway 103 km

Applicant after: Huaneng Xinjiang Qinghe Wind Power Generation Co.,Ltd.

Applicant after: XI'AN XINFENG POWER TECHNOLOGY Co.,Ltd.

Address before: No. 18-22102, No. 1, Jindihu City Dajing, Qujiang New District, Xi'an, Shaanxi 710061

Applicant before: XI'AN XINFENG POWER TECHNOLOGY Co.,Ltd.

Applicant before: Huaneng Xinjiang Qinghe Wind Power Generation Co.,Ltd.

GR01 Patent grant
GR01 Patent grant