CN117151352B - 风资源评估方法、系统及计算机存储介质和终端设备 - Google Patents

风资源评估方法、系统及计算机存储介质和终端设备 Download PDF

Info

Publication number
CN117151352B
CN117151352B CN202311433829.6A CN202311433829A CN117151352B CN 117151352 B CN117151352 B CN 117151352B CN 202311433829 A CN202311433829 A CN 202311433829A CN 117151352 B CN117151352 B CN 117151352B
Authority
CN
China
Prior art keywords
wind
simulated
grid
resource data
simulation
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
CN202311433829.6A
Other languages
English (en)
Other versions
CN117151352A (zh
Inventor
李军
杨超
罗昊
张孝腾
贾梦珠
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.)
Changsha Institute Of Computing And Digital Economy Peking University
Peking University
Original Assignee
Changsha Institute Of Computing And Digital Economy Peking University
Peking University
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 Changsha Institute Of Computing And Digital Economy Peking University, Peking University filed Critical Changsha Institute Of Computing And Digital Economy Peking University
Priority to CN202311433829.6A priority Critical patent/CN117151352B/zh
Publication of CN117151352A publication Critical patent/CN117151352A/zh
Application granted granted Critical
Publication of CN117151352B publication Critical patent/CN117151352B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • 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]
    • 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
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Fluid Mechanics (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Game Theory and Decision Science (AREA)
  • Primary Health Care (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及风资源评估方法、系统及计算机存储介质和终端设备，包括：获取场址一时间段的风资源数据；根据风资源数据，确定待模拟风场的加密区域；根据加密区域，将待模拟风场划分为若干片区，且加密区域的网格格距比非加密区域的网格格距小，LBM采用分片结构网格构建待模拟风场模型；根据风资源数据和待模拟风场模型，仿真模拟获取不同来流风向下模拟区域内的各网格点与观测点的模拟风场信息；根据风资源数据和不同来流风向下模拟区域内各网格点与观测点的模拟风场信息，确定当前风资源数据下，各网格点与观测点的实际风场信息，评估场址一时间段的风能。其是一种简单高效、模拟逼近实际情况的风资源评估方法。

Description

风资源评估方法、系统及计算机存储介质和终端设备
技术领域
本发明涉及风能技术领域，特别是涉及一种风资源评估方法。
背景技术
风能是一种绿色可再生能源，当前已成为主流发电方式之一。在风电场建立之初，风资源评估是风电场规划和建设很重要的一个环节。但是，目前风资源评估软件WT和WindSim等采用有限体积离散方法，需要构建高质量的体网格，复杂地形网格生成较为复杂，同时这种方法计算量大，计算时长较长，有诸多缺陷。
现有针对风电场流场的研究大多基于传统CFD方法，对于边界入流条件的设定一般选用均匀入流，精细度不够，传统CFD计算方法对复杂地形和风力机动态旋转边界处理困难。此外，地形模型与实际地形的误差也是影响数值计算精度的重要因素。而数值模拟方法中新兴的格子玻尔兹曼方法(Lattice Boltzmann Method，LBM)，经过最近几十年的发展，已经成为一门理论基础扎实和应用较为丰富的流体计算方法，是CFD领域的一个强有力分支，近年来受到国内外许多学者的重视并取得了开拓性进展，相较于一些传统数值模拟方法具有诸多优势，如编程简单、易于处理复杂边界特别是运动边界的问题等。所以，计算软件powerFlow，Paralos和OpenLB将LBM应用于通用的空气动力学仿真和传热仿真等领域。然而，针对风能资源评估具体问题采用LBM仿真的研究并不多。
因此，如何基于LBM对风资源进行评估，是当前亟待解决的技术问题。
发明内容
为解决上述技术问题，本发明提供一种风资源评估方法，包括：
获取场址一时间段的风资源数据；
根据风资源数据，确定待模拟风场的加密区域；
根据加密区域，将待模拟风场划分为若干片区，且加密区域的网格格距比非加密区域的网格格距小，LBM采用分片结构网格构建待模拟风场模型；
根据风资源数据和待模拟风场模型，仿真模拟获取不同来流风向下模拟区域内的各网格点与观测点的模拟风场信息；
根据风资源数据和不同来流风向下模拟区域内各网格点与观测点的模拟风场信息，确定当前风资源数据下，各网格点与观测点的实际风场信息，评估场址一时间段的风能。
进一步地，获取场址一时间段的风资源数据的步骤，包括：
根据场址当地的风速资料而直接获取；
或/和，根据场址当地的中尺度气象再分析数据而间接获取。
进一步地，根据风资源数据，确定待模拟风场的加密区域的步骤，包括：
确定待模拟风场的潜在机位；
将潜在机位排布区域及其周边区域和上游区域，确定为加密区域。
进一步地，加密区域的网格格距为8-12米，非加密区域的网格格距为80-120米。
进一步地，根据风资源数据和待模拟风场模型，仿真模拟获取不同来流风向下模拟区域内的各网格点与观测点的模拟风场信息的步骤，包括：
根据风资源数据，分析场址各个扇区的风向频率，确定待仿真模拟的来流风向；
在不同来流风向下，采用速度离散方式和格子玻尔兹曼方法求解LBM方程，仿真模拟获取不同来流风向下模拟区域内的各网格点与观测点的模拟风场信息。
进一步地，不同来流风向下各网格点与观测点的模拟风场信息，包括，不同来流风向下各网格点与观测点的模拟风向和模拟风速；
根据风资源数据和不同来流风向下模拟区域内各网格点与观测点的模拟风场信息，确定当前风资源数据下，各网格点与观测点的实际风场信息，评估场址一时间段的风能的步骤，包括：
根据不同来流风向下各网格点和观测点的模拟风向和模拟风速，计算不同来流风向下各网格点和观测点的风向偏转角和风速比例因子；
根据一时间段的风资源数据，获取各时刻观测点的实际风速和实际风向；
根据各时刻观测点的实际风向和不同来流风向下观测点的模拟风向，确定各时刻观测点的来流风向；
根据各时刻观测点的来流风向、实际风速、实际风向和该来流风向下各网格点和观测点的风向偏转角和风速比例因子，计算各时刻各网格点的实际风向和实际风速，以评估场址一时间段的风能。
进一步地，评估场址一时间段的风能，包括：
根据各时刻各网格点的实际风速和实际风向，计算一时间段的平均风能密度；风能评估等级高低与平均风能密度大小正相关。
另一方面，本发明还提供一种风资源评估系统，用于上述任意的风资源评估方法，包括：
获取模块，用于获取场址一时间段的风资源数据；
确定模块，与获取模块连接，用于根据风资源数据，确定待模拟风场的加密区域；
建模模块，与获取模块和确定模块连接，用于根据加密区域，将待模拟风场划分为若干片区，且加密区域的网格格距比非加密区域的网格格距小，LBM采用分片结构网格构建待模拟风场模型；
仿真模块，与获取模块和建模模块连接，用于根据风资源数据和待模拟风场模型，仿真模拟获取不同来流风向下模拟区域内的各网格点与观测点的模拟风场信息；
评估模块，与获取模块和仿真模块连接，用于根据风资源数据和不同来流风向下模拟区域内各网格点与观测点的模拟风场信息，确定当前风资源数据下，各网格点与观测点的实际风场信息，评估场址一时间段的风能。
另一方面，本发明还提供一种计算机存储介质，存储有可执行程序代码；所述可执行程序代码，用于执行上述任意的风资源评估方法。
另一方面，本发明还提供一种终端设备，包括存储器和处理器；所述存储器存储有可被处理器执行的程序代码；所述程序代码用于上述任意的风资源评估方法。
本发明提供的风资源评估方法、系统及计算机存储介质和终端设备，一方面首先根据风资源数据确定待模拟风场的加密区域，采用分片结构网格加密来构建待模拟风场，能够对待模拟风场的关键核心区域进行智能加密，更好捕捉该模拟风场的物理特征，提高后续风能评估的精确度和准确性；另一方面，其首先根据风资源数据和待模拟风场模型，仿真模拟各来流风向下各网格点与观测点的模拟风场信息，再根据当前实际情况结合模拟情况，确定实际风场信息，评估场址一时间段的风能，其模拟和评估过程简单有效。进一步的，其创新性地采用分片结构网格加密的LBM构建待模拟风场，相较于传统有限体积CFD算法往往要求网格不能出现悬点的情况，该LBM模型可方便地处理不同尺度网格交接的情况，是对构建模拟风场模型的进一步改进和创新。
附图说明
图1为本发明分片结构网格加密LBM的风资源评估系统的一个实施例的流程图；
图2为场址风场的分片划分示意图；
图3为仿真过程中D3Q19等速度离散方式的示意图；
图4为仿真过程中D3Q27等速度离散方式的示意图。
具体实施方式
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的一部分实施例，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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明，若本发明实施例中有涉及方向性指示，诸如上、下、左、右、前、后……，则该方向性指示仅用于解释在某一特定姿态下，各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。另外，若本发明实施例中有涉及“第一、第二”、“S1、S2”、“步骤一、步骤二”等的描述，则该类描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量或者表明方法的执行顺序等，本领域技术人员可以理解的凡是在发明技术构思下，不违背其发明要点的，都应该列入本发明的保护范围。
如图1 所示，本发明提供一种风资源评估方法，包括：
S1：获取场址一时间段的风资源数据；
具体的，可选但不仅限于包括某月、某年等一时间段内，50m至200m范围各层风速和风向，以及湍流强度等参数变量。值得注意的，上述时间段的时间长短、具体时间以及参数变量的数量、具体参数种类等可由本领域技术人员根据实际情况而任意设定，并不以示例为限。
更为具体的，上述风资源数据，可选但不仅限于根据场址当地的风速资料而直接获取，如场址内及附近的测风塔、地面测风点以及卫星等设备所实际测得的风资源数据；或者根据场址当地的中尺度气象再分析数据而间接获取，如通过气象模式等等情况而模拟得到风资源数据。
优选的，上述直接获取或间接模拟的风资源数据，还需要查漏补缺、筛选清洗，以进一步提高后续风能评估的准确性和精度。示例的：参数变量可能只有某个时间点或某个时间段的数据，则需要查漏补缺、插补数据；上述参数变量也可能由于漏写、误写等，存在明显错误，则需要质量控制、清洗筛选。
S2：根据风资源数据，确定待模拟风场的加密区域；具体的，可选但不仅限于根据风资源数据按照风力发电机的常规排列规则、地形高程数据自动分析确定该场址的潜在机位排布区域，并将潜在机位的相关区域确定为后续建模仿真中的待加密区域。
优选的，可选但不仅限于具体为：
S21：确定待模拟风场的潜在机位；优选的，可选但不仅限于包括：
S211：根据风资源数据确定预潜在机位；更为具体的，可选但不仅限于根据风速、风向、湍流强度等，示例的：以风速大、正对风向、湍流强度大的场址位置，为预潜在机位；
S212：根据风力发电机的排列规则，在预潜在机位中，确定潜在机位；示例的，根据预计设置风机数量、相邻风机之间间隔距离等，在N个预潜在机位中，确定M个潜在机位；M≤N。
S22：可选但不仅限于将潜在机位排布区域及其周边区域、上游区域等，确定为加密区域。具体的，可选但不仅限于将潜在风机排布区域及其周边1-2 km范围内、潜在机位上游区域来流风速方向上游方向2-4km范围内确定为加密区域。
S3：根据加密区域，将待模拟风场划分为若干片区，且加密区域的网格格距比非加密区域的网格格距小，LBM采用分片结构网格构建待模拟风场模型；
具体的，如图2所示，首先根据确定的加密区域，将整个风电场需要流场仿真模拟的区域智能划区，即待模拟风场分成若干片区，片内格距可选均一，不同片区采用不同网格格距，LBM建模采用分片结构网格对模拟区域进行空间离散，构建待模拟风场模型。更为具体的，在上述确定的加密区域，即待模拟风场的核心区域，设置细网格；在非加密区域，即待模拟风场的非核心区域，设置粗网格。示例的：最小的网格格距可以为10米左右，最大网格格距可以为100米左右。
S4：根据风资源数据和待模拟风场模型，仿真模拟获取不同来流风向下模拟区域内的各网格点与观测点的模拟风场信息；
具体的，在构建好待模拟风场模型后，还可选但不仅限于包括：
S41：根据风资源数据，分析各个扇区的风向频率，确定待仿真模拟的来流风向；示例的，可选但不仅限于根据风资源数据，分析各个扇区，如36个风向或72个风向，的风向频率，确定哪些扇区风向、来流风向为主导风风向，再在此基础上，以主导风风向为需要仿真模型的主要情况，以仿真模拟获取不同来流风向下模拟区域内各网格点与观测点的模拟风场信息。
S42：在不同来流风向下，采用速度离散方式和格子玻尔兹曼BGK方法求解LBM方程，仿真模拟获取不同来流风向下模拟区域内的各网格点与观测点的模拟风场信息。具体的，可选但不仅限于为：在LBM采用分片结构网格构建待模拟风场模型后，可选但不仅限于，如图3所示采用D3Q19或如图4所示采用D3Q27等速度离散方式，采用非平衡外推、壁面反弹、或浸没边界法等考虑大气边界层入口、地面和建筑等边界情况，按照格子玻尔兹曼BGK方法，如公式1所示显式迭代并行求解LBM方程，获取不同来流风向下模拟区域内的模拟风场信息。
（1）
其中，X是格子位置，t是格子时间，τ是松弛时间。fi 是分子密度分布函数，fi eq是分子平衡分布函数，Fi是外力项。
S5：根据风资源数据和不同来流风向下模拟区域内各网格点与观测点的模拟风场信息，确定当前风资源数据下，各网格点与观测点的实际风场信息，评估场址一时间段的风能。
具体的，步骤S4中，不同来流风向下各网格点与观测点的模拟风场信息，可选但不仅限于包括，各网格点与观测点的模拟风向和模拟风速。优选的，可选但不仅限于根据不同来流风向下的仿真模拟，构建各网格点与观测点的模拟风向和模拟风速表，如表1所示。
表1 基于LBM方法获取模拟风场各网格点与观测点的模拟风向和模拟风速表（示例）
则步骤S5，可选但不仅限于包括：
S51：根据不同来流风向下各网格点和观测点的模拟风向和模拟风速，计算不同来流风向下各网格点和观测点的风向偏转角和风速比例因子；示例的，在上述构建各网格点与观测点的模拟风向和模拟风速表，表1基础上，可选但不仅限于一一对应计算各网格点和观测点的风向偏转角和风速比例因子，如表2所示。
表2基于LBM方法获取模拟风场各网格点与观测点的风偏转角与风速比例因子表（示例）
S52：根据一时间段的风资源数据，获取各时刻观测点的实际风速和实际风向；具体的，根据一时间段的风资源数据，以起点时刻为起点、终点时刻为终点，设定时间间隔g，将该段时间分配为若干时刻a1-ak，获取各时刻a1-ak观测点的实际风速和实际风向；
S53：根据各时刻观测点的实际风向和不同来流风向下观测点的模拟风向，确定各时刻观测点的来流风向；具体的，以表格统计为例，可选但不仅限于以上述表1示例，将各时刻，如时刻a1观测点的实际风向代入表1中，判断当前时刻观测点的实际风向为模拟的哪个来流风向，示例为表1中来流扇区0-风向、1-风向、2-风向中具体的哪个风向。值得注意的，上述来流扇区的具体数量、分割方式，可由本领域技术人员任意设定，如36扇区、72扇区，则确定该时刻a1观测点的实际风向为上述36或72扇区中的哪个来流扇区风向。
S54：根据各时刻观测点的来流风向、实际风速、实际风向和该来流风向下各网格点和观测点的风向偏转角和风速比例因子，计算各时刻各网格点的实际风向和实际风速；具体的，同样以表格统计为例，可选但不仅限于在步骤S53基础上，假设已确定时刻a1观测点的实际风向为来流扇区0-风向，则根据表2可获取该来流风向下——来流扇区0-风向下的——来流0-风向偏转角和来流0-风速比例因子，据此即可将时刻a1观测点的实际风向和实际风速代入，得到其他各网格点的实际风向和实际风速。
值得注意的，步骤S53、S54中以时刻a1的观测点为例做解释说明，同样的以此类推，可将一时间段的风资源数据进行统计外推，获得所有时刻a1-ak各网格点的实际风向和实际风速，即当前风资源数据下，各网格点与观测点的实际风场信息，据此即可对场址该该时间段内的风能进行评估。具体风能评估的参数指标，可由本领域技术人员任意设定。示例的，可选但不仅限于根据各时刻各网格点的实际风速和实际风向，计算一时间段的平均风能密度，示例的：风能评估等级高低与平均风能密度大小正相关，以此作为风能评估的参数指标。即：平均风能密度高则该风能评估等级高；平均风能密度低则该风能评估等级低。
在该实施例中，给出了本发明的风资源评估方法的具体和优选实施例，一方面其首先根据风资源数据确定待模拟风场的加密区域，采用分片结构网格加密来构建待模拟风场，能够对待模拟风场的关键核心区域进行智能加密，更好捕捉该模拟风场的物理特征，提高后续风能评估的精确度和准确性；另一方面，其首先根据风资源数据和待模拟风场模型，仿真模拟各来流风向下各网格点与观测点的模拟风场信息，再根据当前实际情况结合模拟情况，确定实际风场信息，评估场址一时间段的风能，其模拟和评估过程简单有效。进一步地，其创新性地采用分片结构网格加密的LBM构建待模拟风场，相较于传统有限体积CFD算法往往要求网格不能出现悬点的情况，该LBM模型可方便地处理不同尺度网格交接的情况，是对构建模拟风场模型的进一步改进和创新，是基于分片结构网格加密LBM的风资源评估方法。总而言之，LBM的流场计算方法不需体网格和边界层网格，建模简单，便于高度并行化。本方案采取分片结构网格加密的LBM，进一步考虑来流风向、地形高程和潜在机位的智能加密方法，可以保留传统LBM模型计算高效的特点，又能保证风资源评估对仿真精度的要求。在此基础上，优选以风向和风速为风场信息指标，以风向偏转角和风速比例因子为网格点和观测点的关系转换指标，将模拟与实际结合，据此统计外推，当前时间段风资源数据下，各网格点与观测点的实际风场信息，如实际风向和实际风速。进一步优选的，以平均风能密度为评价指标，评估场址该时间段的风能情况，是一种简单高效、模拟逼近实际情况的风资源评估方法。
另一方面，本发明还提供一种风资源评估系统，用于实现上述任意的风资源评估方法，包括：
获取模块，用于获取场址一时间段的风资源数据；
确定模块，与获取模块连接，用于根据风资源数据，确定待模拟风场的加密区域；
建模模块，与获取模块和确定模块连接，用于根据加密区域，将待模拟风场划分为若干片区，且加密区域的网格格距比非加密区域的网格格距小，LBM采用分片结构网格构建待模拟风场模型；
仿真模块，与获取模块和建模模块连接，用于根据风资源数据和待模拟风场模型，仿真模拟获取不同来流风向下模拟区域内的各网格点与观测点的模拟风场信息；
评估模块，与获取模块和仿真模块连接，用于根据风资源数据和不同来流风向下模拟区域内各网格点与观测点的模拟风场信息，确定当前风资源数据下，各网格点与观测点的实际风场信息，评估场址一时间段的风能。
另一方面，本发明还提供一种计算机存储介质，存储有可执行程序代码；所述可执行程序代码，用于执行上述任意的风资源评估方法。
另一方面，本发明还提供一种终端设备，包括存储器和处理器；所述存储器存储有可被处理器执行的程序代码；所述程序代码用于执行上述任意的风资源评估方法。
示例性的，所述程序代码可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述程序代码在终端设备中的执行过程。
所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，终端设备还可以包括输入输出设备、网络接入设备、总线等。
所述处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器可以是终端设备的内部存储单元，例如硬盘或内存。所述存储器也可以是终端设备的外部存储设备，例如终端设备上配备的插接式硬盘，智能存储卡（SmartMedia Card, SMC），安全数字（Secure Digital, SD）卡，闪存卡（Flash Card）等。进一步地，所述存储器还可以既包括终端设备的内部存储单元也包括外部存储设备。所述存储器用于存储所述程序代码以及终端设备所需的其他程序和数据。所述存储器还可以用于暂时地存储已经输出或者将要输出的数据。
上述风资源评估系统、计算机存储介质和终端设备基于上述风资源评估方法而创造，其技术作用和有益效果在此不再赘述，以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种风资源评估方法，其特征在于，包括：
获取场址一时间段的风资源数据；
根据风资源数据，确定待模拟风场的加密区域；
根据加密区域，将待模拟风场划分为若干片区，且加密区域的网格格距比非加密区域的网格格距小，LBM采用分片结构网格构建待模拟风场模型；
根据风资源数据和待模拟风场模型，仿真模拟获取不同来流风向下模拟区域内的各网格点与观测点的模拟风场信息；
根据风资源数据和不同来流风向下模拟区域内各网格点与观测点的模拟风场信息，确定当前风资源数据下，各网格点与观测点的实际风场信息，评估场址一时间段的风能。
2.根据权利要求1所述的风资源评估方法，其特征在于，获取场址一时间段的风资源数据的步骤，包括：
根据场址当地的风速资料而直接获取；
或/和，根据场址当地的中尺度气象再分析数据而间接获取。
3.根据权利要求1所述的风资源评估方法，其特征在于，根据风资源数据，确定待模拟风场的加密区域的步骤，包括：
确定待模拟风场的潜在机位；
将潜在机位排布区域及其周边区域或/和上游区域，确定为待模拟风场的加密区域。
4.根据权利要求3所述的风资源评估方法，其特征在于，加密区域的网格格距为8-12米，非加密区域的网格格距为80-120米。
5.根据权利要求1所述的风资源评估方法，其特征在于，根据风资源数据和待模拟风场模型，仿真模拟获取不同来流风向下模拟区域内的各网格点与观测点的模拟风场信息的步骤，包括：
根据风资源数据，分析场址各个扇区的风向频率，确定待仿真模拟的来流风向；
在不同来流风向下，采用速度离散方式和格子玻尔兹曼方法求解LBM方程，仿真模拟获取不同来流风向下模拟区域内的各网格点与观测点的模拟风场信息。
6.根据权利要求1所述的风资源评估方法，其特征在于，不同来流风向下各网格点与观测点的模拟风场信息，包括，不同来流风向下各网格点与观测点的模拟风向和模拟风速；
根据风资源数据和不同来流风向下模拟区域内各网格点与观测点的模拟风场信息，确定当前风资源数据下，各网格点与观测点的实际风场信息，评估场址一时间段的风能的步骤，包括：
根据不同来流风向下各网格点和观测点的模拟风向和模拟风速，计算不同来流风向下各网格点和观测点的风向偏转角和风速比例因子；
根据一时间段的风资源数据，获取各时刻观测点的实际风速和实际风向；
根据各时刻观测点的实际风向和不同来流风向下观测点的模拟风向，确定各时刻观测点的来流风向；
根据各时刻观测点的来流风向、实际风速、实际风向和该来流风向下各网格点和观测点的风向偏转角和风速比例因子，计算各时刻各网格点的实际风向和实际风速，以评估场址一时间段的风能。
7.根据权利要求1-6任意一项所述的风资源评估方法，其特征在于，评估场址一时间段的风能，包括：
根据各时刻各网格点的实际风速和实际风向，计算一时间段的平均风能密度；风能评估等级高低与平均风能密度大小正相关。
8.一种风资源评估系统，其特征在于，用于执行权利要求1-7任意一项所述的风资源评估方法，包括：
获取模块，用于获取场址一时间段的风资源数据；
确定模块，与获取模块连接，用于根据风资源数据，确定待模拟风场的加密区域；
建模模块，与获取模块和确定模块连接，用于根据加密区域，将待模拟风场划分为若干片区，且加密区域的网格格距比非加密区域的网格格距小，LBM采用分片结构网格构建待模拟风场模型；
仿真模块，与获取模块和建模模块连接，用于根据风资源数据和待模拟风场模型，仿真模拟获取不同来流风向下模拟区域内的各网格点与观测点的模拟风场信息；
评估模块，与获取模块和仿真模块连接，用于根据风资源数据和不同来流风向下模拟区域内各网格点与观测点的模拟风场信息，确定当前风资源数据下，各网格点与观测点的实际风场信息，评估场址一时间段的风能。
9.一种计算机存储介质，其特征在于，存储有可执行程序代码；所述可执行程序代码，用于执行权利要求1-7任意一项所述的风资源评估方法。
10.一种终端设备，其特征在于，包括存储器和处理器；所述存储器存储有可被处理器执行的程序代码；所述程序代码用于执行权利要求1-7任意一项所述的风资源评估方法。
CN202311433829.6A 2023-11-01 2023-11-01 风资源评估方法、系统及计算机存储介质和终端设备 Active CN117151352B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311433829.6A CN117151352B (zh) 2023-11-01 2023-11-01 风资源评估方法、系统及计算机存储介质和终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311433829.6A CN117151352B (zh) 2023-11-01 2023-11-01 风资源评估方法、系统及计算机存储介质和终端设备

Publications (2)

Publication Number Publication Date
CN117151352A CN117151352A (zh) 2023-12-01
CN117151352B true CN117151352B (zh) 2024-01-30

Family

ID=88906639

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311433829.6A Active CN117151352B (zh) 2023-11-01 2023-11-01 风资源评估方法、系统及计算机存储介质和终端设备

Country Status (1)

Country Link
CN (1) CN117151352B (zh)

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1696356A1 (en) * 2005-02-24 2006-08-30 Siemens Aktiengesellschaft Flow acoustic simulation with the Lattice-Boltzmann method
WO2008155779A2 (en) * 2007-06-20 2008-12-24 Sanjeev Krishnan A method and apparatus for software simulation
WO2009057190A1 (ja) * 2007-10-29 2009-05-07 Japan Agency For Marine-Earth Science And Technology 気象シミュレーション装置、及び、方法
CA2673160A1 (en) * 2008-07-22 2010-01-22 Siemens Aktiengesellschaft Method and arrangement for the forecast of wind-resources
CA2746648A1 (en) * 2008-12-10 2010-06-17 V Squared Wind, Inc. Efficient systems and methods for construction and operation of accelerating machines
CA2765435A1 (en) * 2011-01-30 2012-07-30 Sinovel Wind Group Co., Ltd. Comprehensive assessment system and assessment method for vibration and load of wind generating set
JP2013108462A (ja) * 2011-11-22 2013-06-06 Fuji Electric Co Ltd 風力発電量予測システム、そのプログラム
WO2016082838A1 (en) * 2014-11-24 2016-06-02 Vestas Wind Systems A/S Determination of wind turbine configuration
CN106778846A (zh) * 2016-12-02 2017-05-31 华北电力大学 一种基于支持向量机的风电场风速预测方法
CN111651896A (zh) * 2020-06-18 2020-09-11 浙江理工大学 一种基于实际风速及实际复杂地形的风电场流场计算方法
CN114139391A (zh) * 2021-12-03 2022-03-04 华能新能源股份有限公司 基于分离涡湍流模型的风能资源评估方法、装置及存储介质
CN114169576A (zh) * 2021-11-12 2022-03-11 国电联合动力技术有限公司 风资源计算方法、装置及电子设备
WO2022151890A1 (zh) * 2021-01-13 2022-07-21 中国长江三峡集团有限公司 一种风电场发电量评估及微观选址模型建立方法
CN115438978A (zh) * 2022-09-14 2022-12-06 国网黑龙江省电力有限公司经济技术研究院 一种考虑风能资源分布特征的风电基地规划方法
EP4219302A1 (en) * 2022-02-01 2023-08-02 Dassault Systemes Simulia Corp. Representing full-scale wind turbine noise

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100119370A1 (en) * 2009-11-17 2010-05-13 Modi Vivendi As Intelligent and optimized wind turbine system for harsh environmental conditions
US20140335505A1 (en) * 2011-09-25 2014-11-13 Theranos, Inc. Systems and methods for collecting and transmitting assay results

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1696356A1 (en) * 2005-02-24 2006-08-30 Siemens Aktiengesellschaft Flow acoustic simulation with the Lattice-Boltzmann method
WO2008155779A2 (en) * 2007-06-20 2008-12-24 Sanjeev Krishnan A method and apparatus for software simulation
WO2009057190A1 (ja) * 2007-10-29 2009-05-07 Japan Agency For Marine-Earth Science And Technology 気象シミュレーション装置、及び、方法
CA2673160A1 (en) * 2008-07-22 2010-01-22 Siemens Aktiengesellschaft Method and arrangement for the forecast of wind-resources
CA2746648A1 (en) * 2008-12-10 2010-06-17 V Squared Wind, Inc. Efficient systems and methods for construction and operation of accelerating machines
CA2765435A1 (en) * 2011-01-30 2012-07-30 Sinovel Wind Group Co., Ltd. Comprehensive assessment system and assessment method for vibration and load of wind generating set
JP2013108462A (ja) * 2011-11-22 2013-06-06 Fuji Electric Co Ltd 風力発電量予測システム、そのプログラム
WO2016082838A1 (en) * 2014-11-24 2016-06-02 Vestas Wind Systems A/S Determination of wind turbine configuration
CN106778846A (zh) * 2016-12-02 2017-05-31 华北电力大学 一种基于支持向量机的风电场风速预测方法
CN111651896A (zh) * 2020-06-18 2020-09-11 浙江理工大学 一种基于实际风速及实际复杂地形的风电场流场计算方法
WO2022151890A1 (zh) * 2021-01-13 2022-07-21 中国长江三峡集团有限公司 一种风电场发电量评估及微观选址模型建立方法
CN114169576A (zh) * 2021-11-12 2022-03-11 国电联合动力技术有限公司 风资源计算方法、装置及电子设备
CN114139391A (zh) * 2021-12-03 2022-03-04 华能新能源股份有限公司 基于分离涡湍流模型的风能资源评估方法、装置及存储介质
EP4219302A1 (en) * 2022-02-01 2023-08-02 Dassault Systemes Simulia Corp. Representing full-scale wind turbine noise
CN116541971A (zh) * 2022-02-01 2023-08-04 达索系统西姆利亚公司 表示全标度风力涡轮机噪声
CN115438978A (zh) * 2022-09-14 2022-12-06 国网黑龙江省电力有限公司经济技术研究院 一种考虑风能资源分布特征的风电基地规划方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Accelerating_the_Lattice_Boltzmann_Method;Wesson Altoyan;2023 IEEE Aerospace Conference;1-20 *
基于LBM-LES方法风力机流场的数值模拟;邹森;刘勇;冯欢欢;赵广;;南昌航空大学学报(自然科学版);第31卷(第02期);20-25 *

Also Published As

Publication number Publication date
CN117151352A (zh) 2023-12-01

Similar Documents

Publication Publication Date Title
Astolfi et al. Data mining techniques for performance analysis of onshore wind farms
Tabrizi et al. Performance and safety of rooftop wind turbines: Use of CFD to gain insight into inflow conditions
CN107507097A (zh) 一种风电功率短期预测方法
CN103514341A (zh) 基于数值天气预报和计算流体动力学的风资源评估方法
Shen et al. Investigation of response surface methodology for modelling ventilation rate of a naturally ventilated building
CN110187363B (zh) 适用于大型风电基地的测风方法、系统、设备和存储介质
CN110264002B (zh) 基于聚类分析的风电场微观选址方案评价方法
CN112700349B (zh) 测风塔选址方法和装置
CN111651896B (zh) 一种基于实际风速及实际复杂地形的风电场流场计算方法
CN113205210A (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
Park et al. Wind farm layout optimization using genetic algorithm and its application to Daegwallyeong wind farm
CN115293424A (zh) 一种新能源最大发电能力计算方法、终端及存储介质
CN112052604A (zh) 风机等效疲劳载荷的预测方法、系统、设备及可读介质
CN115239105A (zh) 一种在役风电场的风资源的评估方法以及装置
Haupt et al. First year report of the a2e mesoscale to microscale coupling project
CN104951798A (zh) 基于emd的lssvm非平稳脉动风速预测方法
Shende et al. Estimation of wind characteristics at different topographical conditions using doppler remote sensing instrument—A comparative study using optimization algorithm
CN108932554B (zh) 一种风电场流场量测点的配置优化方法及装置
CN117151352B (zh) 风资源评估方法、系统及计算机存储介质和终端设备
CN113051845A (zh) 在役山地风电场实时风资源可视化评估方法、系统、设备及存储介质
CN113177325A (zh) 复杂地形下校正标准k-ε模型可调参数方法、装置及存储介质
CN114295320B (zh) 测风点确定方法、系统和可读存储介质
Hakimi et al. Wind environment at a roof-mounted wind turbine on a peaked roof building
CN114169576A (zh) 风资源计算方法、装置及电子设备
CN113961540A (zh) 不同大气热力稳定状态下的实地测风数据集构建方法和系统

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