CN116563055B - 一种基于多源数据融合的风能潜力评估方法 - Google Patents
一种基于多源数据融合的风能潜力评估方法 Download PDFInfo
- Publication number
- CN116563055B CN116563055B CN202310830012.6A CN202310830012A CN116563055B CN 116563055 B CN116563055 B CN 116563055B CN 202310830012 A CN202310830012 A CN 202310830012A CN 116563055 B CN116563055 B CN 116563055B
- Authority
- CN
- China
- Prior art keywords
- wind
- evaluation
- data
- potential
- turbine
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 68
- 230000004927 fusion Effects 0.000 title claims abstract description 12
- 238000000034 method Methods 0.000 claims description 99
- 238000005070 sampling Methods 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 19
- 230000014509 gene expression Effects 0.000 claims description 19
- 238000004519 manufacturing process Methods 0.000 claims description 16
- 238000009826 distribution Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 9
- 238000005315 distribution function Methods 0.000 claims description 7
- 238000005520 cutting process Methods 0.000 claims description 6
- 238000011835 investigation Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 description 12
- 238000011160 research Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000010248 power generation Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000009423 ventilation Methods 0.000 description 3
- 238000012854 evaluation process Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000013179 statistical model Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000004836 empirical method Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
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
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- 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
-
- 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Wind Motors (AREA)
Abstract
本发明公开了一种基于多源数据融合的风能潜力评估方法,涉及风能评估技术领域,步骤包括:采集数据,进行技术潜力评估;基于技术潜力评估的数据,进行经济潜力评估;结合技术潜力评估、经济潜力评估以及可行性评估进行风能潜力评估。本发明结合了三种评估方法以及多种数据源,可以在风速数据不全或者中尺度风力资源评估中提供更加可靠的结果。相对于目前多数只注重于单个评估方面或者单个数据源的评估方法更加全面。
Description
技术领域
本发明涉及风能评估技术领域,尤其是涉及一种基于多源数据融合的风能潜力评估方法。
背景技术
近年来,由于产出规模效应、生产结构效应、人口规模效应、人均生活能源消费效应、使用结构效应和分配机制效应,中国能源消费持续增长。为了实现可持续发展,减少对传统能源的依赖。其中许多高原地区,虽然具有丰富的风能资源潜力,但是其海拔较高、气候多变的特点,使得对高原地区的风能开发研究以及评估较为困难。
风电的发展需要对当地的技术经济潜力进行评估,在潜力评估的过程中需要考虑多种要素,比如风速、土地利用情况、坡度等等,根据不同的评估环境会有不同的评估方法。但是,目前的方法大都适用于平原地区对于高海拔地区的评估方法较少,在高原环境中由于空气稀薄,生态环境脆弱,当地数据较少且质量不高的问题较多。
例如,公开号为CN115062955A的中国专利公开了一种风资源评估与风能开发潜力的分析方法,包括以下步骤:采集风场的风向、风速、大气压及气温;计算风场的风能资源总储量及估算发电量;当风能资源总储量及估算发电量不符合预期时,则认为风能资源不可利用;当风能资源总储量及估算发电量符合预期时,则根据风场的风向、风速、大气压及气温进行风场气流流动的模拟,得流场的特征,然后根据流场的特征布置风场内的风电机组。公开号为CN108764602A的中国专利公开了一种建筑群自然通风潜力评估方法及系统,其评估方法包括:获取全年不同时间段内的气象数据以及建筑群的建筑信息;根据气象数据建立全年不同时间段的风玫瑰图;根据风玫瑰图以及建筑信息建立建筑群的立面风压阈值超越概率统计模型;根据立面风压阈值超越概率统计模型,评估待测时间段内不同气象条件下建筑群的自然通风潜力。采用本发明所提供的评估方法及系统能够提高建筑群的自然通风潜力的评估精度。其仍存在前述现有技术问题,且使用范围比较小,无法有效适用高原环境,因此,需要提供一种对高原风能评估更好的基于多源数据融合的风能潜力评估方法。
发明内容
为了解决上述技术问题,本发明提供了一种基于多源数据融合的风能潜力评估方法。
为了实现本发明的目的,本发明采用的技术方案如下:
一种基于多源数据融合的风能潜力评估方法,包括以下步骤:
步骤1:采集数据,进行技术潜力评估;
步骤2:基于技术潜力评估的数据,进行经济潜力评估;
步骤3:结合技术潜力评估、经济潜力评估以及可行性评估进行风能潜力评估。
基于上述技术方案,更进一步地,步骤1中,采集的数据至少包括风资源分布数据、涡轮机型号选择、拟合地面站风速概率分布、涡轮机平均输出功率、阵列效率和土地利用系数。
基于上述技术方案,更进一步地,利用拟合地面站风速概率分布函数进行拟合地面站风速概率,拟合地面站风速概率分布函数为:
;式中,/>是风速,单位为m/s,/>是形状参数,无量纲;/>是比例参数,单位为m/s;其中,对形状参数/>和比例参数/>的计算,是通过平均风速/>与标准差/>进行估算:/>;/>;式中,/>为伽玛函数(Gamma函数),也叫欧拉第二积分,是阶乘函数在实数与复数上扩展的一类函数,实数域中的表达方式是:
。
基于上述技术方案,更进一步地,涡轮机平均输出功率计算过程如下:
步骤11:设定涡轮机的输出功率为:
;
式中,是切入速度,单位为m/s;/>是额定速度,单位为m/s;/>是切出速度,单位为m/s;/>是额定功率;
步骤12:根据输出功率计算涡轮机平均输出功率:
。
基于上述技术方案,更进一步地,利用地面站数据拟合前功率和平均风速之间的关系,获得当地风能技术功率函数:
,式中,x为平均风速;d=0;a是该涡轮机额定功率;c、d、g是通过拟合得出的结果。
基于上述技术方案,更进一步地,根据涡轮机平均输出功率计算预期电力输出功率:
,式中,ρ是空气密度,ρ0是标准空气密度;
根据预期电力输出功率计算容量系数:。
基于上述技术方案,更进一步地,阵列效率的计算过程如下:
步骤21:计算阵列效率的间距参数,间距表示为转子直径/>的倍数/>,
;/>为单个风机占地面积,单位为m2;
步骤22:结合间距参数进行非线性回归拟合计算获得阵列效率:
,A、B为计算参数,无量纲。
基于上述技术方案,更进一步地,土地利用系数计算公式为:
;
式中,为不同坡度下的土地利用系数,/>为土地类型利用系数,为坡度利用系数,/>为保护区利用系数,保护区系数取0或1。
基于上述技术方案,更进一步地,技术潜力评估公式为:
;式中,/>是阵列效率,/>是土地利用系数,/>是容量因子,/>是风电场运行的时间,/>是安装风机的区域面积,装机容量密度/>,其中,装机容量密度/>表示为额定功率/>和间距参数/>的函数,装机容量密度/>的表达式为:/>;式中,D表示转子直径。
基于上述技术方案,更进一步地,风力技术潜力评估的表达式为:
;
式中,技术潜力评估;/>时间8760h;/>研究区面积;/>土地利用系数;涡轮机效率系数;/>容量系数;/>装机容量密度。
基于上述技术方案,更进一步地,经济潜力评估式采用Song建立的COE模型;COE模型由年度生产成本APC和年度能源生产成本APE两部分组成;其中,年度生产成本的表达式为:
;
式中,是初始资本成本;/>是年度运营成本;/>是固定费率。
基于上述技术方案,更进一步地,所述初始资本成本由风力涡轮机成本和基础设施成本组成;/>的表达式为:/>,其中,/>是风力涡轮机成本;/>是基础设施成本。
基于上述技术方案,更进一步地,所述年度运营成本由重置成本、土地租赁成本和运营维护成本三部分组成;/>的表达式为:
;
式中,AEP是年能源产量;。
基于上述技术方案,更进一步地,可行性评估的过程,包括以下步骤:
步骤31:采用拒绝接受采样方法对样本点进行采样;
步骤32:基于修正后的熵权法对采样数据进行处理;
步骤33:获得可行性评估结果。
基于上述技术方案,更进一步地,步骤31中的样本点包括风电场指标数据和风力发电站数据,其中,风电场指标数据至少包括海拔高程、坡度、年平均风速、与道路距离、与铁路距离、与城市距离、人口密度和GDP。
基于上述技术方案,更进一步地,步骤31中的采样过程为:
步骤311:使用核密度函数作为密度函数曲线,进行核估计量:
;式中,/>是核函数,/>是带宽,/>是样本大小;
其中,核函数采用高斯核密度函数,表达式为:
;
步骤312:获取密度函数之后,采用接受拒绝采样法对随机点进行采样。
基于上述技术方案,更进一步地,步骤32中,基于采样后获取的样本点数据,利用熵权法进行处理获得权重,处理过程包括以下步骤:
步骤321:标准化处理:将海拔高程和坡度设置为负指标,将年平均风速、与道路距离、与铁路距离、与城市距离、人口密度和GDP参数设置为正指标,
根据正负指标对指标标准化:正指标:/>;负值标:;
步骤322:熵值计算:;/>;式中,/>为指标j的熵值;/>表示第j个指标下,第i个项目的指标值的权重。
步骤323:权重计算:。
与现有技术相比,本发明的有益效果具体体现在:
(1)本发明在计算当地风能资源的时候采用了(当地平均风速数据、气象地面站检测数据)两种数据进行融合,并通过逻辑斯蒂五参数多项式进行拟合,这样不仅可以解决传统高原平均风速数据时间尺度单一片面无法直接运用于风功率计算的缺点,同时还可以根据现实情况对数据源进行选择。传统的技术手段主要只是单纯利用再分析数据或者当地气象站点数据计算,但是这种方法在高原地区会因为当地地面站分布密度不高以及在分析数据分辨率不高等原因出现准确度不高的结果。相对而言,本技术结合多种数据源的优点可以提供更好更精细的结果。
(2)在传统的可行性分析中现有方法主要都是主观的方法比如层次分析法,这些方法缺乏客观性,传统的熵权法只是从数据层面的进行解释,通常只是单纯地对数据的离散型进行解释没有在研究对象意义方面进行解释,本采用修正后的熵权法,对样本点进行针对性的选择后可以通过经过对权重结果进行有实际意义的解释。
(3)本发明结合了三种评估方法以及多种数据源,可以在风速数据不全或者中尺度风力资源评估中提供更加可靠的结果。这相对于目前多数只注重于单个评估方面或者单个数据源的评估方法更加全面。
附图说明
图1为本发明风能潜力评估方法的流程图;
图2为本发明风能潜力评估方法的影响因素的框架图。
具体实施方式
值得说明的是,本发明中使用的原料均为普通市售产品,对其来源不做具体限定。
以下原料来源,为示例性说明:
实施例1
如图1所示,一种基于多源数据融合的风能潜力评估方法,包括以下步骤:
步骤1:采集数据,进行技术潜力评估;
具体而言,步骤1中,采集的数据至少包括风资源分布数据、涡轮机型号选择、拟合地面站风速概率分布、涡轮机平均输出功率、阵列效率和土地利用系数。
其中,风资源分布数据的数据集采用中国气象局风能资源数值模拟评估系统研制的,该系统包含典型地形分类模块、中尺度模式和动力诊断模式。结合该数据,首先从历史上出现过的天气类型中随机抽取典型日进行逐小时风速模拟,再根据天气型出现的频率统计分析得到风能资源的气候平均分布,其水平分辨率达到了1km×1km,相对于全球的相关数据再具体分析数据是否具有更高的准确性和质量。除此之外,还使用了中国地面气候资料日值数据集,该数据集记录了西藏地区地面站点自建站以来的气象数据,该数据时间精度相对较高,可以进行。而可以用平均风速数据集替代;中国地面气候资料日值数据集可以用地面站日数据集,其中,平均风速数据集是获取平均风速;地面站日数据集是获取高精度时间序列风速,从而获得相应地区风功率。而根据实际情况的不同,可以选择满足不同风速范围的风力涡轮机,并确定和选择不同风速范围下的陆上涡轮机。
进一步的,对于风速概率分布采用威布尔函数表征了风速的频率分布,基于中国地面气候资料日值数据集在西藏的地面站数据;利用拟合地面站风速概率分布函数进行拟合地面站风速概率,拟合地面站风速概率分布函数具体为:;式中,/>是风速,单位为m/s;/>是形状参数,无量纲;/>是比例参数,单位为m/s;其中,采用经验的方法对形状参数/>和比例参数/>的计算,是通过平均风速/>与标准差/>进行估算:
;/>;式中,/>为伽玛函数(Gamma函数),也叫欧拉第二积分,是阶乘函数在实数与复数上扩展的一类函数,实数域中的表达方式是:
。通过地面站风速概率分布函数可以得到相应型号风机在该地面站区域的理论输出功率,也可以获得当地的平均风速,然后就可以获得平均风速-理论输出功率之间的关系,此处默认研究区域只有地面站数据可以获得功率结果、其他地区只有平均风速。进一步的,对于每种类型的涡轮机,提供功率曲线,该功率曲线描述了根据当前风速可以产生的能量,但是因为风速与能源生产之间存在非线性关系不能将平均风速插入功率曲线,该功率曲线不能用于本方案。本方案从统计角度研究了观测到的风速与产生的产量之间的关系,获得当地风能技术功率函数/>。具体的,涡轮机平均输出功率是通过地面站的数据获得,而地面站有各个时刻的风速数据,具体过程如下:步骤11:设定涡轮机的输出功率为:/>;式中,/>是切入速度,单位为m/s;/>是额定速度,单位为m/s;/>是切出速度,单位为m/s;/>是额定功率;步骤12:根据输出功率计算涡轮机平均输出功率:/>。再进一步利用地面站数据可以计算平均风速与潜在函数之间的关系,根据涡轮机在瞬时速度下的平均输出功率关系,以及在选择涡轮机时,将相应地区平均速度处于涡轮机的切入速度以及额定速度之间,使用逻辑斯蒂五参数多项式进行局部回归拟合,是为了拟合前功率和平均风速之间的关系,进而获得当地风能技术功率函数:
,式中,x为平均风速,单位为m/s;d=0;a是该涡轮机额定功率,单位为Mw;c、d、g是通过拟合得出的结果;其中,对于拟合前函数和拟合后函数的理解在于,打个比方y=ax+b当a和/或b都不知道的时候为拟合前,通过两个点比如(1,1)(0,0),知道a=1b=0时y=x称为拟合后。由于西藏地处青藏高原海拔较高,其空气密度也相较于低海拔地区较低,因此需要特别进行考虑,假设高海拔地区涡轮机转化率不变,空气密度公式具体如下:
;其中ρ是空气密度;z是高程。设定标准空气密度1.225kg/m3,预期真实电力输出功率与空气密度成正比,然后再根据涡轮机平均输出功率计算预期电力输出功率:/>,式中,ρ是空气密度,ρ0是标准空气密度;根据预期电力输出功率计算容量系数,容量系数/>定义为涡轮机实际产生的能量与给定时间段内以其额定功率运行时可能产生的能量之比,也即是/>。
进一步的,在研究大型风电场时,随着越来越多的涡轮机放置在风电场中,当风力涡轮机从风中捕获能量时,存在对风能生产有重大影响的尾流效应。尾流效应意味着,如果涡轮机的位置太近,它们将相互干扰,从而降低整个风电场的能量输出。因此,在计算风电场的生产效率时,需要考虑到受到尾流影响的整体阵列效率,根据研究阵列的规模、涡轮机尺寸、涡轮机之间的间距都会影响尾流效应从而影响阵列效率。其中,阵列效率的关键参数是转子扫掠面积与陆面面积之比,通常被表示为间距参数,具体的,阵列效率的计算过程如下:
步骤21:计算阵列效率的间距参数,间距表示为转子直径/>的倍数/>,
;/>为单个风机占地面积,单位为m2;
步骤22:为了计算特定风电场大小情况下的阵列效率,结合间距参数/>进行非线性回归拟合计算获得阵列效率/>:
,A、B为计算参数,无量纲。
进一步的,为了计算西藏当地的风能发电潜力,需要对各种不同土地利用类型数据进行处理,通过地理信息系统工具计算出风能可利用开发土地以及各类型土地的利用率。
由于过于陡峭的坡度不利于风机的运行工作对于坡度的利用系数,因此设定不同坡度下的土地利用系数,具体的,土地利用系数计算公式为:
;式中,/>为不同坡度下的土地利用系数,为土地类型利用系数,/>为坡度利用系数,/>为保护区利用系数,保护区系数取0或1。如表1为土地类型利用系数,表2为斜坡利用系数。
表1土地类型利用系数
表2斜坡利用系数
具体而言,对于风力技术潜力评估,可以使用预期年度能源产量来进行评估,具体技术潜力评估公式表示为:
;式中,/>是阵列效率,/>是土地利用系数,/>是容量因子,/>是风电场运行的时间,/>是安装风机的区域面积,装机容量密度/>,其中,装机容量密度/>表示为额定功率/>和间距参数/>的函数,装机容量密度/>的表达式为:/>;式中,D表示转子直径。
而根据风力技术潜力评估式子可以由上面已知参数进一步表示为:
;
式中,技术潜力评估;/>时间8760h;/>研究区面积;/>土地利用系数;涡轮机效率系数;/>容量系数;/>装机容量密度。也即是,当风力技术潜力评估结果/>越大,越有利于最终的风能潜力评估。
步骤2:基于技术潜力评估的数据,进行经济潜力评估;
具体而言,经济潜力评估式采用Song建立的COE模型;因为该模型考虑到了在高海拔风力发电情况下随着海拔高度的增加,空气密度和压力发生变化,这一变化使得建造成本和发电成本不断增加。因此,COE模型加入了与高度因子相关的表达式,而西藏地处青藏高原地区海拔普遍较高,与通常的风电选址相比海拔成为了新的影响要素。COE模型由年度生产成本APC和年度能源生产成本APE两部分组成;其中,年度生产成本的表达式为:
;式中,/>是初始资本成本;/>是年度运营成本;/>是固定费率,其中固定费率设为每年0.1158。该模型成本数据以为Song的模型基准。初始资本成本/>由风力涡轮机成本和基础设施成本组成;/>,其中,/>是风力涡轮机成本;/>是基础设施成本。具体的,模型中风力涡轮机成本分别由机械系统(叶片、齿轮箱、低速轴、主轴承、机械制动)、电气系统(发电机、功率变换器及电气连接)、控制系统(俯仰系统、偏航系统、控制安全系统)、辅助系统(冷却系统、轮毂、前锥、主机、机舱盖、塔架)组成,具体的表达式如:
同样,可以得到基础设施成本的表达式:
而年度运营成本AOE由重置成本、土地租赁成本和运营维护成本三部分组成;
;式中,AEP是年能源产量,halt为高程,单位为m;/>。也即是,当经济潜力评估结果越大,更具有极高的经济开发价值,也越有利于最终的风能潜力评估。
步骤3:结合技术潜力评估、经济潜力评估以及可行性评估进行风能潜力评估。
具体而言,由于风能开发的评估要素除了需要考虑当地风力可开发的技术潜力大小,还要评估当地可开发水平,可是目前可开发水平难以直接量化,需要建立一定的评价体系,因此对于西藏不同地区风能的可开发水平综合评估,基于修正后的熵权法结合国内风力发电厂的数据,在设定不同条件约束情境下,对风电场的各项指标进行赋权。考虑到西藏处于中国内陆,以及海上风电选址与陆上风电选址的区别,本发明使用中国境内并排除中国海岸线50公里缓冲区范围内的风力发电站的数据。
具体的,可行性评估的过程,包括以下步骤:步骤31:采用拒绝接受采样方法对样本点进行采样;步骤32:基于修正后的熵权法对采样数据进行处理;步骤33:获得可行性评估结果。其中,步骤31中的样本点包括风电场指标数据和风力发电站数据,其中,风电场指标数据至少包括海拔高程、坡度、年平均风速、与道路距离、与铁路距离、与城市距离、人口密度和GDP。而步骤31中的采样过程为:步骤311:使用核密度函数作为密度函数曲线,进行核估计量:
;式中,/>是核函数,/>是带宽,/>是样本大小;其中,核函数采用高斯核密度函数,其表达式为:
;步骤312:获取密度函数/>之后,采用接受拒绝采样法对随机点进行采样。接受拒绝采样法主要用来生成一个密度为/>,/>的随机变量/>。此外,需要假设存在一个密度函数/>,采用均匀分布,同时需要一个常数,使得/>≥/>对于所有的/>,然后通过接受拒绝算法进行全国范围内的随机选点,共计100万个采样点,并对不同搜索半径的/>进行采样。针对采样点的指标选取,本发明采用了风电站的海拔高程、坡度、年平均风速、与道路距离、与铁路距离、与城市距离、人口密度、GDP等8项指标,这些指标能够较为全面地反映采样点在地理、经济、人文方面的特征。在指标权重的计算方面,基于熵权法的基本思想进行调整。传统熵值法进行指标权重估计时,根据各指标数据的分散程度,利用信息熵计算各指标的权重。本方法根据之前的风电场数据,选取了适合风电厂可能性较大的采样点。因此,在权重的选取上,将采样点中信息量较小的指标赋予更大的权重,因为在针对性的采样中熵值更小,则表示该指标在风电开发中关注度更高。
具体的,步骤32中,基于采样后获取的样本点数据,利用熵权法进行处理获得权重,处理过程包括以下步骤:
步骤321:标准化处理:将海拔高程和坡度设置为负指标,将年平均风速、与道路距离、与铁路距离、与城市距离、人口密度和GDP参数设置为正指标,根据正负指标对指标标准化:正指标:/>;负值标:/>;
步骤322:熵值计算:
;
,
;
式中,为指标j的熵值;/>为表示第j个指标下,第i个项目的指标值的权重。步骤323:权重计算:/>。传统的熵权法指标权重计算以信息熵越大权重越大,而本发明设定样本中熵值越小,其包含的信息量越小的指标对风电场建设就更重要,其通过计算处地的权重,再获得的评估得分,权重越大,得分越高,可开发性越好。
最后应当说明的是,以上内容仅用以说明本发明的技术方案,而非对本发明保护范围的限制,本领域的普通技术人员对本发明的技术方案进行的简单修改或者等同替换,均不脱离本发明技术方案的实质和范围。
Claims (4)
1.一种基于多源数据融合的风能潜力评估方法,其特征在于,包括以下步骤:
步骤1:采集数据,进行技术潜力评估;其中,采集的数据至少包括风资源分布数据、涡轮机型号选择、拟合地面站风速概率、涡轮机平均输出功率、阵列效率和土地利用系数;
其中,阵列效率的计算过程为:
步骤21:计算阵列效率的间距参数,间距表示为转子直径/>的/>倍,
;式中,/>为单个风机占地面积,单位为m2;
步骤22:结合间距参数进行非线性回归拟合计算获得阵列效率:
,A、B为计算参数,无量纲;
土地利用系数计算公式为:
;式中,
为不同坡度下的土地利用系数,/>为土地类型利用系数,/>为坡度利用系数,/>为保护区利用系数,保护区系数取0或1;
其中,利用拟合地面站风速概率分布函数进行拟合地面站风速概率,拟合地面站风速概率分布函数为:
;
式中,是风速,单位为m/s;/>是形状参数,无量纲;/>是比例参数,单位为m/s;
其中,对形状参数和比例参数/>的计算,是通过平均风速/>与标准差/>进行估算:;
;
式中,为伽玛函数;
其中,涡轮机平均输出功率计算过程如下:
步骤11:设定涡轮机的输出功率为:
;
式中,是切入速度,单位为m/s;/>是额定速度,单位为m/s;/>是切出速度,单位为m/s;/>是额定功率;
步骤12:根据输出功率计算涡轮机平均输出功率:
;
根据涡轮机平均输出功率计算预期电力输出功率:
,式中,ρ是空气密度,ρ0是标准空气密度;
根据预期电力输出功率计算容量系数:;
步骤2:基于技术潜力评估的数据,进行经济潜力评估;
其中,经济潜力评估式采用Song建立的COE模型;COE模型由年度生产成本APC和年度能源生产成本APE两部分组成;其中,
年度生产成本APC的表达式为:
;
式中,是初始资本成本;/>是年度运营成本;/>是固定费率;
所述初始资本成本由风力涡轮机成本和基础设施成本组成;
的表达式为:/>,其中,/>是风力涡轮机成本;/>是基础设施成本;
其中,年度运营成本由重置成本、土地租赁成本和运营维护成本三部分组成;
的表达式为:
;
式中,halt为高程,单位为m;AEP是年能源产量;
;
步骤3:结合技术潜力评估、经济潜力评估以及可行性评估进行风能潜力评估;
其中,技术潜力评估的表达式为:
;式中,/>技术潜力评估;/>时间8760h;/>研究区面积;装机容量密度/>,其中,装机容量密度/>表示为额定功率/>和间距的函数,
装机容量密度的表达式为:
,式中,/>表示转子直径。
2.根据权利要求1所述的一种基于多源数据融合的风能潜力评估方法,其特征在于,可行性评估的过程,包括以下步骤:
步骤31:采用接受拒绝采样方法对样本点进行采样;其中,样本点包括风电场指标数据和风力发电站数据,其中,风电场指标数据至少包括海拔高程、坡度、年平均风速、与道路距离、与铁路距离、与城市距离、人口密度和GDP;
步骤32:基于修正后的熵权法对采样数据进行处理;
步骤33:获得可行性评估结果。
3.根据权利要求2所述的一种基于多源数据融合的风能潜力评估方法,其特征在于,步骤31中的采样过程为:
步骤311:使用核密度函数作为密度函数曲线,进行核估计;其中,核函数采用高斯核函数;
步骤312:获取密度函数之后,采用接受拒绝采样方法进行采样。
4.根据权利要求3所述的一种基于多源数据融合的风能潜力评估方法,其特征在于,步骤32中,基于采样后获取的样本点数据,利用熵权法进行处理获得权重,处理过程包括以下步骤:
步骤321:标准化处理:将海拔高程和坡度设置为负指标,将年平均风速、与道路距离、与铁路距离、与城市距离、人口密度和GDP参数设置为正指标;根据正负指标对指标j标准化;
步骤322:熵值计算;
步骤323:权重计算;,其中,/>为指标j的熵值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310830012.6A CN116563055B (zh) | 2023-07-07 | 2023-07-07 | 一种基于多源数据融合的风能潜力评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310830012.6A CN116563055B (zh) | 2023-07-07 | 2023-07-07 | 一种基于多源数据融合的风能潜力评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116563055A CN116563055A (zh) | 2023-08-08 |
CN116563055B true CN116563055B (zh) | 2023-11-03 |
Family
ID=87498555
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310830012.6A Active CN116563055B (zh) | 2023-07-07 | 2023-07-07 | 一种基于多源数据融合的风能潜力评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116563055B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103225588A (zh) * | 2012-01-31 | 2013-07-31 | 北京能高自动化技术股份有限公司 | 基于模式识别技术的风力发电功率曲线优化方法 |
CN105958538A (zh) * | 2016-06-12 | 2016-09-21 | 南京工程学院 | 基于蒙特卡洛法的配电网孤岛划分方法 |
CN107644116A (zh) * | 2017-08-02 | 2018-01-30 | 广东电网有限责任公司肇庆供电局 | 一种适应于间歇性能源接入的随机生产模拟算法 |
CN110837977A (zh) * | 2019-11-15 | 2020-02-25 | 国网能源研究院有限公司 | 一种光伏发电基地理论、技术、经济三维开发潜力评估方法 |
CN113887974A (zh) * | 2021-10-11 | 2022-01-04 | 华中师范大学 | 一种基于多源时空数据集成的城市资源环境承载力综合评价方法 |
WO2022021470A1 (zh) * | 2020-07-28 | 2022-02-03 | 南京东博智慧能源研究院有限公司 | 一种风电调频潜力预测误差分布估计方法 |
CN116205127A (zh) * | 2022-12-01 | 2023-06-02 | 北京航空航天大学 | 一种基于时间序列分解与相似性度量的装备剩余寿命方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112347657B (zh) * | 2020-11-19 | 2023-09-29 | 自然资源部第一海洋研究所 | 一种风能理论储量评估方法 |
-
2023
- 2023-07-07 CN CN202310830012.6A patent/CN116563055B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103225588A (zh) * | 2012-01-31 | 2013-07-31 | 北京能高自动化技术股份有限公司 | 基于模式识别技术的风力发电功率曲线优化方法 |
CN105958538A (zh) * | 2016-06-12 | 2016-09-21 | 南京工程学院 | 基于蒙特卡洛法的配电网孤岛划分方法 |
CN107644116A (zh) * | 2017-08-02 | 2018-01-30 | 广东电网有限责任公司肇庆供电局 | 一种适应于间歇性能源接入的随机生产模拟算法 |
CN110837977A (zh) * | 2019-11-15 | 2020-02-25 | 国网能源研究院有限公司 | 一种光伏发电基地理论、技术、经济三维开发潜力评估方法 |
WO2022021470A1 (zh) * | 2020-07-28 | 2022-02-03 | 南京东博智慧能源研究院有限公司 | 一种风电调频潜力预测误差分布估计方法 |
CN113887974A (zh) * | 2021-10-11 | 2022-01-04 | 华中师范大学 | 一种基于多源时空数据集成的城市资源环境承载力综合评价方法 |
CN116205127A (zh) * | 2022-12-01 | 2023-06-02 | 北京航空航天大学 | 一种基于时间序列分解与相似性度量的装备剩余寿命方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116563055A (zh) | 2023-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wan et al. | Development of an equivalent wind plant power-curve | |
CN102914969B (zh) | 一种短期风电功率预测系统的综合误差修正方法 | |
CN102182629A (zh) | 基于风资源实时监测数据的弃风电量评估方法 | |
CN115358606B (zh) | 一种平缓地形下在役风电场能效评估方法及系统 | |
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 | |
CN105825002A (zh) | 一种基于动态灰关联分析法的风电场动态等值建模方法 | |
CN110991701A (zh) | 一种基于数据融合的风电场风机风速预测方法及系统 | |
CN116451454A (zh) | 一种基于风-浪资源的风机和波浪能装置联合开发最优配置选型方法 | |
Roy | Impact of short duration wind variations on output of a pitch angle controlled turbine | |
CN105023099A (zh) | 一种考虑湍流强度的风力发电机出力评估方法 | |
Rahmani et al. | Wind power assessment and site matching of wind turbines in Lootak of Zabol | |
CN103699804A (zh) | 一种实时监测风电机组运行时的功率出力偏差的方法 | |
CN116563055B (zh) | 一种基于多源数据融合的风能潜力评估方法 | |
CN106677985A (zh) | 一种风力发电机组评估系统及其预测控制服务系统 | |
Grah et al. | Potential for wind energy generation in Piracicaba, SP, Brazil | |
Khan et al. | Wind energy potential estimation for different regions of Bangladesh | |
CN113887839A (zh) | 一种基于聚类的风电场超短期风功率预测方法及系统 | |
CN107491860B (zh) | 一种衡量区域风电场发电能力指标的方法 | |
CN111738556A (zh) | 一种基于机头微气候评估风机发电能力的方法 | |
Jamdade et al. | Extreme value distribution model for analysis of wind speed data for four locations in Ireland | |
Kubik et al. | Reanalysis: an improved data set for simulating wind generation | |
Olomiyesan | Performance evaluation of Weibull function for wind data analysis in two selected locations in North-Western, Nigeria | |
Ayodele et al. | Capacity Factor Estimation and Appropriate Wind Turbine Matching for Napier and Prince Albert in The Western Cape of South Africa | |
Laryea et al. | Investigation of Wind Energy Potential at Selected Locations in the Volta Region of Ghana | |
CN118132526A (zh) | 一种基于大数据的风电场数据采集系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |