CN117332204A - 风力发电场对地表温度影响的确定方法、装置及设备 - Google Patents
风力发电场对地表温度影响的确定方法、装置及设备 Download PDFInfo
- Publication number
- CN117332204A CN117332204A CN202311606704.9A CN202311606704A CN117332204A CN 117332204 A CN117332204 A CN 117332204A CN 202311606704 A CN202311606704 A CN 202311606704A CN 117332204 A CN117332204 A CN 117332204A
- Authority
- CN
- China
- Prior art keywords
- surface temperature
- wind power
- temperature data
- historical
- data set
- 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 65
- 238000010248 power generation Methods 0.000 claims abstract description 103
- 238000004458 analytical method Methods 0.000 claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 27
- 230000008030 elimination Effects 0.000 claims abstract description 9
- 238000003379 elimination reaction Methods 0.000 claims abstract description 9
- 230000001932 seasonal effect Effects 0.000 claims description 28
- 230000000694 effects Effects 0.000 claims description 23
- 238000000354 decomposition reaction Methods 0.000 claims description 11
- 230000004622 sleep time Effects 0.000 claims description 8
- 230000005059 dormancy Effects 0.000 claims description 6
- 238000000926 separation method Methods 0.000 claims description 5
- 238000001228 spectrum Methods 0.000 claims description 5
- 238000011426 transformation method Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 4
- 230000008859 change Effects 0.000 description 18
- 238000007689 inspection Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000012360 testing method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 238000010998 test method Methods 0.000 description 6
- 230000000284 resting effect Effects 0.000 description 5
- 229910052799 carbon Inorganic materials 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000000540 analysis of variance Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 239000000443 aerosol Substances 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000000546 chi-square test Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Biology (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Artificial Intelligence (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Wind Motors (AREA)
Abstract
本公开提供一种风力发电场对地表温度影响的确定方法、装置及设备；涉及遥感技术领域。包括：获取风力发电场的历史运行数据及从风力发电场所在区域的历史遥感图像中获取对应的历史地表温度数据；根据历史运行数据确定风力发电场的运转时间和休眠时间，将历史地表温度数据去干扰处理后，对处于运转时间和休眠时间的不同地表温度数据集进行差异性分析，以确定风力发电场的运行是否对风力发电场所在区域的地表温度产生影响。本公开通过对风力发电场中的同一个区域在风力发电场发电和未发电两种运行状态下的地表温度进行比较分析，可以准确地判断风力发电场的运行对该区域地表温度的影响，从而便于对风力发电场所在区域的生态环境进行更好的维护。
Description
技术领域
本公开涉及遥感技术领域，具体而言，涉及一种风力发电场对地表温度影响的确定方法、装置及设备。
背景技术
目前，为了应对全球气候变化，可再生能源大力发展。以风能为例，风力发电可以带来大量的低碳能源，但在风力发电场运行的过程中，风力发电设备的叶片在大气边界层的转动会引起湍动能上升，造成风力发电场所在区域的热量、水分和物质的交换，从而影响该区域的地表温度。由于地表温度可以指征当地的热环境，而热环境的变化又会对当地的生态环境产生重大影响。因此，监测风力发电场对地表温度的影响成为了值得研究的课题。
相关技术中，一般是通过风力发电场与周边环境、地形和气候相近的区域相对比的方式来研究风力发电场带来的气候与环境影响。但是由于风力发电场与周边区域存在海拔和植被覆盖度等方面的差异，会使得无法准确地判断风力发电场对地表温度的影响，进而会在一定程度上影响对当地生态环境的维护。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种风力发电场对地表温度影响的确定方法、风力发电场对地表温度影响的确定装置、计算机可读存储介质及设备，可以在一定程度上解决相关技术中存在的评估风力发电场对地表温度影响的准确性较低的问题。
根据本公开的第一方面，提供一种风力发电场对地表温度影响的确定方法，包括：
获取所述风力发电场中各风力发电设备在预设时间段内的历史运行数据，并从所述风力发电场所在区域在所述预设时间段内的历史遥感图像中获取对应的历史地表温度数据；
根据各所述风力发电设备的历史运行数据确定所述风力发电场的运转时间和休眠时间；
将所述历史地表温度数据进行去干扰处理，得到所述风力发电场分别处于所述运转时间时对应的第一地表温度数据集和处于所述休眠时间时对应的第二地表温度数据集；
对所述第一地表温度数据集和所述第二地表温度数据集进行差异性分析，并根据所述差异性分析的结果确定所述风力发电场的运行是否对所述风力发电场所在区域的地表温度产生影响。
在本公开的一种示例性实施例中，所述将所述历史地表温度数据进行去干扰处理，包括：
对所述历史地表温度数据进行季节性分解，以将所述历史地表温度数据分解为地表温度趋势项数据、地表温度季节项数据和地表温度残差项数据；
去除所述地表温度趋势项数据和所述地表温度季节项数据，并保留所述地表温度残差项数据；
其中，所述地表温度残差项数据包括所述风力发电场分别处于所述运转时间时对应的第一地表温度数据集和处于所述休眠时间时对应的第二地表温度数据集，以利用所述第一地表温度数据集和所述第二地表温度数据集进行差异性分析。
在本公开的一种示例性实施例中，所述对所述第一地表温度数据集和所述第二地表温度数据集进行差异性分析，包括：
通过参数检验方法对所述第一地表温度数据集和所述第二地表温度数据集进行差异性分析。
在本公开的一种示例性实施例中，所述对所述第一地表温度数据集和所述第二地表温度数据集进行差异性分析，并根据所述差异性分析的结果确定所述风力发电场的运行是否对所述风力发电场所在区域的地表温度产生影响，包括：
分别计算所述第一地表温度数据集的第一均值和所述第二地表温度数据集的第二均值，并根据所述第一均值和所述第二均值计算得到所述第一地表温度数据集和所述第二地表温度数据集之间的第一统计差值；
分别计算所述第一地表温度数据集的第一方差和所述第二地表温度数据集的第二方差，并根据所述第一地表温度数据集的大小、所述第二地表温度数据集的大小、所述第一方差和所述第二方差计算得到所述第一地表温度数据集和所述第二地表温度数据集之间的第二统计差值；
根据所述第一统计差值和所述第二统计差值计算得到所述第一地表温度数据集和所述第二地表温度数据集之间的实际差异值；
根据所述第一地表温度数据集的大小和所述第二地表温度数据集的大小确定对应的自由度，并根据所述自由度、所述实际差异值以及预设的显著性水平确定所述风力发电场的运行是否对所述风力发电场所在区域的地表温度产生影响。
在本公开的一种示例性实施例中，所述根据所述自由度、所述实际差异值以及预设的显著性水平确定所述风力发电场的运行是否对所述风力发电场所在区域的地表温度产生影响，包括：
根据所述自由度和所述实际差异值进行差异值分布查表，得到对应的概率值和参考差异值；
若所述概率值小于或等于所述预设的显著性水平和/或所述实际差异值大于所述参考差异值，则确定所述风力发电场的运行对所述风力发电场所在区域的地表温度产生影响；
若所述概率值大于所述预设的显著性水平和/或所述实际差异值小于或等于所述参考差异值，则确定所述风力发电场的运行对所述风力发电场所在区域的地表温度未产生影响。
在本公开的一种示例性实施例中，所述历史运行数据包括历史输出功率；
所述根据各所述风力发电设备的历史运行数据确定所述风力发电场的运转时间和休眠时间，包括：
根据各所述风力发电设备的历史输出功率确定所述风力发电场的历史发电总功率；
若所述历史输出总功率大于或等于预设输出功率值，则所述历史输出总功率对应的时间为所述风力发电场的所述运转时间；
若所述历史输出总功率小于所述预设输出功率值，则所述历史输出总功率对应的时间为所述风力发电场的所述休眠时间。
在本公开的一种示例性实施例中，所述从所述风力发电场所在区域在所述预设时间段内的历史遥感图像中获取对应的历史地表温度数据，包括：
获取所述风力发电场所在区域在所述预设时间段内的历史遥感图像；
利用光谱变换方法检测所述历史遥感图像中包含云和阴影的遮挡区域，并去除所述遮挡区域，得到目标遥感图像，并从所述目标遥感图像中提取所述历史地表温度数据。
根据本公开的第二方面，提供一种风力发电场对地表温度影响的确定装置，包括：
数据获取模块，用于获取所述风力发电场中各风力发电设备在预设时间段内的历史运行数据，并从所述风力发电场所在区域在所述预设时间段内的历史遥感图像中获取对应的历史地表温度数据；
时间分析模块，用于根据各所述风力发电设备的历史运行数据确定所述风力发电场的运转时间和休眠时间；
数据分离模块，用于将所述历史地表温度数据进行去干扰处理，得到所述风力发电场分别处于所述运转时间时对应的第一地表温度数据集和处于所述休眠时间时对应的第二地表温度数据集；
影响判断模块，用于对所述第一地表温度数据集和所述的第二地表温度数据集进行差异性分析，并根据所述差异性分析的结果确定所述风力发电场的运行是否对所述风力发电场所在区域的地表温度产生影响。
根据本公开的第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理单元执行时实现以上任一项所述的风力发电场对地表温度影响的确定方法。
根据本公开的第四方面，提供一种电子设备，包括处理单元；以及存储单元，用于存储所述处理单元的可执行指令；其中，所述处理单元配置为经由执行所述可执行指令来执行以上任一项所述的风力发电场对地表温度影响的确定方法。
本公开示例性实施例可以具有以下部分或全部有益效果：
在本公开示例实施方式所提供的风力发电场对地表温度影响的确定方法中，通过获取所述风力发电场中各风力发电设备在预设时间段内的历史运行数据，并从所述风力发电场所在区域在所述预设时间段内的历史遥感图像中获取对应的历史地表温度数据；根据各所述风力发电设备的历史运行数据确定所述风力发电场的运转时间和休眠时间；将所述历史地表温度数据进行去干扰处理，得到所述风力发电场分别处于所述运转时间时对应的第一地表温度数据集和处于所述休眠时间时对应的第二地表温度数据集；对所述第一地表温度数据集和所述第二地表温度数据集进行差异性分析，并根据所述差异性分析的结果确定所述风力发电场的运行是否对所述风力发电场所在区域的地表温度产生影响。本公开通过对风力发电场中的同一个区域在风力发电场发电和未发电两种运行状态下的地表温度进行比较分析，相比于相关技术中通过对风力发电场与周边区域的地表温度进行分析，规避了风力发电场与周边区域存在的海拔、植被覆盖等属性差异，因此可以准确地判断风力发电场的运行与否对该区域地表温度的影响，从而便于对风力发电场所在区域的生态环境进行更好的维护。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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它的附图。
图1示出了可以应用本公开实施例的风力发电场对地表温度影响的确定方法的系统架构示意图。
图2示出了本公开实施例中一种风力发电场对地表温度影响的确定方法的流程示意图。
图3示出了本公开实施例中某风力发电场在2018年1月到2022年12月的每天10：30的地表温度变化图及季节性分解图。
图4示出了本公开实施例中某风力发电场在2018年1月到2022年12月的每天13：30的地表温度变化图及季节性分解图。
图5示出了本公开实施例中某风力发电场在2018年1月到2022年12月的每天22：30的地表温度变化图及季节性分解图。
图6示出了本公开实施例中某风力发电场在2018年1月到2022年12月的每天01：30的地表温度变化图及季节性分解图。
图7示出了本公开实施例中一种风力发电场对地表温度影响的确定装置的示意图。
图8示出了适于用来实现本公开实施例的电子设备的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
在本说明书使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书。在本说明书和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本说明书可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
图1示出了可以应用本公开实施例的风力发电场对地表温度影响的确定方法的系统架构示意图。
如图1所示，系统架构100可以包括智能手机101、便携式计算机102、台式计算机103等终端设备中的一个或多个，网络104和服务器105。网络104用以在终端设备和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。终端设备可以是各种具有数据处理功能的电子设备，该电子设备上具有显示屏，该显示屏用于向用户展示风力发电场对地表温度影响的评估结果，该电子设备包括但不限于上述的台式计算机、便携式计算机、智能手机和平板电脑等等。服务器105可以与遥感设备进行通信，以获取风力发电场范围内的地表温度等相关数据。应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。比如服务器105可以是多个服务器组成的服务器集群等。
本公开实施例所提供的风力发电场对地表温度影响的确定方法可以由终端设备执行，相应地，风力发电场对地表温度影响的确定装置可以设置于终端设备中。但本领域技术人员容易理解的是，本公开实施例所提供的风力发电场对地表温度影响的确定方法也可以由服务器105执行，相应的，风力发电场对地表温度影响的确定装置也可以设置于服务器105中，本示例性实施例中对此不做特殊限定。
本示例性实施例提供了一种风力发电场对地表温度影响的确定方法。参考图2所示，该风力发电场对地表温度影响的确定方法可以包括以下步骤S210至步骤S240：
步骤S210.获取所述风力发电场中各风力发电设备在预设时间段内的历史运行数据，并从所述风力发电场所在区域在所述预设时间段内的历史遥感图像中获取对应的历史地表温度数据；
步骤S220.根据各所述风力发电设备的历史运行数据确定所述风力发电场的运转时间和休眠时间；
步骤S230.将所述历史地表温度数据进行去干扰处理，得到所述风力发电场分别处于所述运转时间时对应的第一地表温度数据集和处于所述休眠时间时对应的第二地表温度数据集；
步骤S240.对所述第一地表温度数据集和所述第二地表温度数据集进行差异性分析，并根据所述差异性分析的结果确定所述风力发电场的运行是否对所述风力发电场所在区域的地表温度产生影响。
在本公开示例实施方式所提供的风力发电场对地表温度影响的确定方法中，通过对风力发电场中的同一个区域在风力发电场发电和未发电两种运行状态下的地表温度进行比较分析，相比于相关技术中通过对风力发电场与周边区域的地表温度进行分析，规避了风力发电场与周边区域存在的海拔、植被覆盖等属性差异，因此可以准确地判断风力发电场的运行与否对该区域地表温度的影响，从而便于对风力发电场所在区域的生态环境进行更好的维护。
下面，对于本示例实施方式的上述步骤进行更加详细的说明。
在步骤S210中，获取所述风力发电场中各风力发电设备在预设时间段内的历史运行数据，并从所述风力发电场所在区域在所述预设时间段内的历史遥感图像中获取对应的历史地表温度数据。
在风力发电场，相应的风力发电设备可以是风力发电机，在本公开示例实施方式中，风力发电场中可包括任意数量的风力发电机，本公开可以对风力发电场中任意数量的风力发电机所在区域的地表温度进行研究。示例性的，风力发电机的历史运行数据可以是历史输出功率、历史发电量、历史负荷数据等数据，本公开对此不做具体限定。例如，可以获取近五年、近一年等任意历史时间段内的各风力发电机的历史运行数据以及各风力发电机所在区域的历史地表温度数据，本公开对此也不做限定。
示例性的，为了便于确定风力发电场的运行状态，可以获取风力发电场的输出功率并根据风力发电场的输出功率进行判断。具体的，可以根据风力发电场运维厂商提供的风力发电场的位置数据对风力发电场进行初步定位，然后，结合Google EarthEngine地图工具人工识别风力发电场的风力发电机，将各个风力发电机进行标记，再根据标记结果对各个风力发电机进行实地考察，以进一步确定风力发电机的具体位置。
例如，确定风力发电场所在区域共有33台风力发电机，可以从风力发电机的运维厂商获取每台风力发电机的额定输出功率，也即获取每台风力发电机的历史输出功率，如获取每台风力发电机在2018-2022五年之间每天10：30、13：30、22：30和1：30这四个时相的历史输出功率，也可以提取更多其他时相的数据，以提高研究结果的准确性。
获取风力发电场所在区域的历史地表温度数据时，可以将获得的风力发电场所在区域的位置数据上传至地理云平台，利用地理云平台的数据库获取历史时间段内如近五年内该区域的历史地表温度数据。
需要注意的是，本公开示例实施方式中，风力发电场所在区域的位置数据可以包括风力发电场所在区域的历史遥感图像。例如，可以将获得的风力发电场所在区域的历史遥感图像上传至Google Earth Engine地图工具，从而可以通过Google EarthEngine地图工具的数据库提取MODIS(Moderate-resolution Imaging Spectroradiometer, 中分辨率成像光谱仪)中2018-2022年中该区域每天10：30、13：30、22：30和1：30这四个时相的历史地表温度数据，也可以提取更多与历史运行数据对应的其他时相的数据，以提高研究结果的准确性。其中，MODIS地表温度产品的时间分辨率可以是一天，空间分辨率可以是一千米。在一些示例实施方式中，时间分辨率和空间分辨率还可以采取其他数值，但需要注意的是，时间分辨率的取值不宜过大，通过避免采用多日合成的地表温度产品，可以保证地表温度数据的精度。可以理解的是，不同的遥感产品获取历史地表温度数据时的空间分辨率可以是不同的，本公开对不同遥感产品的空间分辨率不做具体限定。
需要注意的是，获取风力发电场所在区域的历史遥感图像之后，可以利用光谱变换方法检测历史遥感图像中包含云和阴影的遮挡区域，并去除该遮挡区域，得到目标遥感图像，并从目标遥感图像中提取历史地表温度数据。其它示例中，根据用户的实际需求，去除的遮挡区域中还可以包括气溶胶等其它因素，本公开对此也不做限定。而且，还可以利用卫星等温度遥感产品的质量控制位对历史遥感图像进行质量控制，去除受到云和阴影等不利因素影响的像元，以保证参与运算像元的质量。
该示例中，获取了风力发电场所在区域内的多个时相的历史运行数据和历史地表温度数据，以便于通过同一区域内不同时相的历史运行数据和历史地表温度数据来研究风力发电场对地表温度的影响，相比于相关技术中通过对风力发电场与周边区域的地表温度进行分析，规避了风力发电场与周边区域存在的海拔、植被覆盖等属性差异，因此可以准确地判断风力发电场的运行与否对该区域地表温度的影响。
在步骤S220中，根据各所述风力发电设备的历史运行数据确定所述风力发电场的运转时间和休眠时间。
假设风力发电场对地表温度的影响主要来自于风力发电机的运行，可以认为在风力发电机基本不运转时，即风力发电机的输出功率为零或较低时，地表温度基本不受影响，而当风力发电机的输出功率大于额定输出功率的一定比例时，开始对地表温度产生影响，所以可以根据风力发电机的输出功率将风力发电场的历史时间分为运转时间和休眠时间，也即根据风力发电机的输出功率确定风力发电场运行与否。
具体的，首先可以根据风力发电场中的各风力发电机的历史输出功率确定风力发电场的历史发电总功率，若历史输出总功率大于或等于预设输出功率值，则历史输出总功率对应的时间为风力发电场的运转时间，若历史输出总功率小于预设输出功率值，则历史输出总功率对应的时间为风力发电场的休眠时间。
例如，可以将风力发电场中所有风力发电机的额定输出功率总和的百分之十作为预设输出功率值。当风力发电场的历史输出总功率大于或等于预设输出功率值时，表明风力发电场的历史输出总功率对应的时间为风力发电场的运转时间，当历史输出总功率小于预设输出功率值时，表明风力发电场的历史输出总功率对应的时间为风力发电场的休眠时间。
该示例中，将风力发电场的历史运行状态分为了运转状态和休眠状态，以通过风力发电场在运转状态和休眠状态下的历史地表温度数据进行对比，通过风力发电场同一个区域在不同状态下的地表温度数据差异来表征风力发电场运转对地表温度的影响，提高了判断风力发电场对地表温度影响的准确性和可靠性。
在步骤S230中，将所述历史地表温度数据进行去干扰处理，得到所述风力发电场分别处于所述运转时间时对应的第一地表温度数据集和处于所述休眠时间时对应的第二地表温度数据集。
本公开示例实施例在提取历史地表温度数据的过程中横跨了五年的时间，因此在提取的过程中，历史地表温度数据可能会受到年际变化和季节性波动的影响，使得无法准确地判断风力发电场的运行与否对该区域地表温度的影响。因此，需要将这些数据去趋势化和季节化之后再对风力发电场在运转状态和休眠状态下的历史地表温度数据进行对比。
本公开示例实施方式中，对历史地表温度数据进行季节性分解，以将历史地表温度数据分解为地表温度趋势项数据、地表温度季节项数据和地表温度残差项数据，其次去除地表温度趋势项数据和地表温度季节项数据，并保留地表温度残差项数据。其中，地表温度残差项数据包括风力发电场所在区域分别处于运转时间时对应的第一地表温度数据集和处于休眠时间时对应的第二地表温度数据集，以利用第一地表温度数据集和第二地表温度数据集进行差异性分析。
其中，温度季节项数据代表了历史时间段的每年周期内地表温度的波动，温度趋势项数据代表了历史时间段内历史地表温度数据的总变化趋势。
举例而言，可以利用STL (Seasonal-Trend decomposition using LOESS, 季节趋势分解) 方法将地表温度数据分解为初始的地表温度季节项数据、地表温度趋势项数据和地表温度残差项数据，并将地表温度季节项数据和地表温度趋势项数据去除，以得到地表温度残差项数据，从而实现对历史地表温度数据进行去季节化和去趋势化。
具体的，首先导入STL模块和历史地表温度数据，然后定义季节趋势分解模型，提取出地表温度趋势项数据、地表温度季节项数据和地表温度残差项数据，去除其中的地表温度趋势项数据和地表温度季节项数据，仅保留地表温度残差项数据。可以理解的是，保留的地表温度残差项数据包括处于运转时间时对应的第一地表温度数据集和处于休眠时间时对应的第二地表温度数据集，后续通过对第一地表温度数据集和第二地表温度数据集进行差异性分析，以便于确定风力发电场运行与否对地表温度的影响。
可选的，在一些示例实施方式中，可以通过用于将时间序列数据分解为趋势项、季节项和随机项的X-11季节分解方法、奇异谱分解方法或经典分解方法等对历史地表温度数据进行季节性分解，实现去季节化和去趋势化。也可以通过多项式拟合、分段回归和移动平均等方法实现对历史地表温度数据的去趋势化处理，本公开对此不做具体限定。
该示例中，将历史地表温度数据中的地表温度趋势项数据和地表温度季节项数据去除后，保留了地表温度残差项数据，可以避免历史时间段内的年际变化和季节性波动对历史地表温度数据造成的影响，提高了风力发电场对地表温度影响研究结果的准确性。
在步骤S240中，对所述第一地表温度数据集和所述第二地表温度数据集进行差异性分析，并根据所述差异性分析的结果确定所述风力发电场的运行是否对所述风力发电场所在区域的地表温度产生影响。
本公开示例实施方式中，可以通过参数检验方法对第一地表温度数据集和第二地表温度数据集进行差异性分析。其中，参数检验方法可以包括T检验方法、Z检验方法和方差分析方法等等。
以T检验方法中的双样本T检验方法为例，通过双样本T检验方法对得到的第一地表温度数据集和第二地表温度数据集进行差异性检验时，首先确定假设情况，根据差异性检验的结果是否符合假设情况来确定判断风力发电场对所在区域的地表温度是否造成显著影响。
以零假设为例，若检验结果符合零假设，则第一地表温度数据集和第二地表温度数据集之间没有显著性差异，即风力发电场对所在区域的地表温度未造成显著影响；若检验结果不符合零假设，则第一地表温度数据集和第二地表温度数据集之间有显著性差异，即风力发电场对所在区域的地表温度造成了显著影响。
示例性的，可以分别计算第一地表温度数据集的第一均值和第二地表温度数据集的第二均值，并根据第一均值和第二均值计算得到第一地表温度数据集和第二地表温度数据集之间的第一统计差值。其次分别计算第一地表温度数据集的第一方差和第二地表温度数据集的第二方差，并根据第一地表温度数据集的大小、第二地表温度数据集的大小、第一方差和第二方差计算得到第一地表温度数据集和第二地表温度数据集之间的第二统计差值。再次根据第一统计差值和第二统计差值计算得到第一地表温度数据集和第二地表温度数据集之间的实际差异值，最后根据第一地表温度数据集的大小和第二地表温度数据集的大小确定对应的自由度，并根据自由度、实际差异值以及预设的显著性水平确定风力发电场是否对风力发电场所在区域的地表温度产生影响。
具体的，可以根据自由度和实际差异值进行差异值分布查表，得到对应的概率值和参考差异值。若查表得到的概率值小于或等于预设的显著性水平和/或实际差异值大于参考差异值，则确定风力发电场对风力发电场所在区域的地表温度产生影响，若查表得到的概率值大于预设的显著性水平和/或实际差异值小于或等于参考差异值，则确定风力发电场对风力发电场所在区域的地表温度未产生影响。
可以通过公式（1）计算得到第一地表温度数据集和第二地表温度数据集之间的实际差异值：
（1）
其中，和/>分别表示第一地表温度数据集的第一均值和第二地表温度数据集的第二均值，/>和/>分别表示第一地表温度数据集的第一方差和第二地表温度数据集的第二方差，/>和/>分别表示第一地表温度数据集的大小和第二地表温度数据集的大小，/>表示第一统计差值，/>表示第二统计差值，/>表示第一地表温度数据集和第二地表温度数据集之间的实际差异值。
得到实际差异值之后，可以根据实际差异值和显著性水平，通过T分布表或者统计软件计算概率值。其中，显著性水平用于估计总体参数落在某一区间内可能犯错误的概率，显著性水平通常在0.01到0.05之间，需要根据实际情况选择，显著性水平的数值越小代表差异的检验越严格。
最后，可以根据概率值与显著性水平的比较，判断是否符合假设情况。若概率值小于显著性水平，则拒绝零假设，确定第一地表温度数据集和第二地表温度数据集之间存在显著性差异，即风力发电场对地表温度造成了显著影响；若概率值大于或等于显著性水平，则接受零假设，确定第一地表温度数据集和第二地表温度数据集之间不存在显著性差异，即风力发电场对地表温度未造成显著影响。
在本公开的另一种示例实施方式中，在计算实际差异值之前，首先要确定第一地表温度数据集的第一方差和第二地表温度数据集的第二方差/>是否相等，不相等时可以采用修正后的双样本T检验方法，即无界T检验方法对得到的第一地表温度数据集和第二地表温度数据集进行差异性检验。使用无界T检验方法计算第一地表温度数据集和第二地表温度数据集之间的实际差异值的方法如公式（2）所示：
（2）
其中，和/>分别表示第一地表温度数据集的第一均值和第二地表温度数据集的第二均值，/>和/>分别表示第一地表温度数据集的第一标准差和第二地表温度数据集的第二标准差，/>和/>分别表示第一地表温度数据集的大小和第二地表温度数据集的大小，/>表示第一地表温度数据集和第二地表温度数据集之间的实际差异值。
进一步的，计算得到第一地表温度数据集和第二地表温度数据集之间的实际差异值之后，可以根据公式（3）计算得到第一地表温度数据集和第二地表温度数据集的自由度：
（3）
其中，和/>分别表示第一地表温度数据集的大小和第二地表温度数据集的大小。
得到自由度之后，可以根据自由度和实际差异值查找T分布表找到对应的临界值作为参考差异值。最后，可以根据实际差异值与参考差异值的比较，判断是否符合假设情况。若实际差异值大于参考差异值，则拒绝零假设，确定第一地表温度数据集和第二地表温度数据集之间存在显著性差异，即风力发电场对地表温度造成了显著影响；若实际差异值小于或等于参考差异值，则接受零假设，确定第一地表温度数据集和第二地表温度数据集之间不存在显著性差异，即风力发电场对地表温度未造成显著影响。
在一些示例实施方式中，还可以通过非参数检验、方差分析和卡方检验等其他差异性分析方法对得到的第一地表温度数据集和第二地表温度数据集进行差异性分析，本公开对此不做具体限定。
该示例中，通过简单易用的双样本T检验方法对得到的第一地表温度数据集和第二地表温度数据集进行差异性检验，且在第一地表温度数据集和第二地表温度数据集的方差不相等的情况下，也可以采用修正后的双样本T检验方法进行检验，以根据检验结果确定风力发电场对地表温度是否造成显著影响。使得检验更加简单方便，研究结果更加直观，易于理解。
图3-图6分别示出了某风力发电场在2018-2022年内四种不同时相的历史地表温度数据及季节性分解图。每种时相对应的历史地表温度数据又可以分解为三部分，依次为地表温度趋势项变化趋势图、地表温度季节项变化趋势图和地表温度残差项变化趋势图，各部分图的横坐标均为时间，纵坐标均为地表温度。
图3示出了本公开实施例中某风力发电场在2018年1月到2022年12月的每天10：30的地表温度变化图及季节性分解图。其中，310部分表示该时相对应的历史地表温度数据即地表温度变化趋势图，320部分表示该时相对应的地表温度趋势项变化趋势图，330部分表示该时相对应的地表温度季节项变化趋势图，340部分表示该时相对应的地表温度残差项变化趋势图；341部分表示风力发电场处于休眠时间对应的地表温度扰动的平均值，342部分表示风力发电场处于运行时间对应的地表温度扰动的平均值，343部分表示风力发电场处于休眠时间对应的地表温度扰动，344部分表示风力发电场处于运行时间对应的地表温度扰动。
通过计算得到风力发电场处于运行时间和处于休眠时间的地表温度差值为3.01℃，此时的参考显著性水平为0.001。且通过图3中341部分和342部分之间的对比可以看出，风力发电场处于运行时间和休眠时间对地表温度的扰动平均值差异较大，说明风力发电场在白天运行时会对地表温度造成较大的影响。
图4示出了本公开实施例中某风力发电场在2018年1月到2022年12月的每天13：30的地表温度变化图及季节性分解图。其中，410部分表示该时相对应的地表温度变化趋势图，420部分表示该时相对应的地表温度趋势项变化趋势图，430部分表示该时相对应的地表温度季节项变化趋势图，440部分表示该时相对应的地表温度残差项变化趋势图；441部分表示风力发电场处于休眠时间对应的地表温度扰动的平均值，442部分表示风力发电场处于运行时间对应的地表温度扰动的平均值，443部分表示风力发电场处于休眠时间对应的地表温度扰动，444部分表示风力发电场处于运行时间对应的地表温度扰动。
通过计算得到风力发电场处于运行时间和处于休眠时间的地表温度差值为2.85℃，此时的参考显著性水平为0.001，相比于图3、图5和图6的其他时相，在图四对应的时相对各个温度数据进行差异性分析时，对应的显著性水平最小，差异性分析的结果也更加准确。且通过图4中442部分和442部分之间的对比可以看出，风力发电场处于运行时间和休眠时间对地表温度的扰动平均值差异较大，说明风力发电场在白天运行时会对地表温度造成较大的影响。
图5示出了本公开实施例中某风力发电场在2018年1月到2022年12月的每天22：30的地表温度变化图及季节性分解图。其中，510部分表示该时相对应的地表温度变化趋势图，520部分表示该时相对应的地表温度趋势项变化趋势图，530部分表示该时相对应的地表温度季节项变化趋势图，540部分表示该时相对应的地表温度残差项变化趋势图；541部分表示风力发电场处于运行时间对应的地表温度扰动的平均值，542部分表示风力发电场处于休眠时间对应的地表温度扰动的平均值，543部分表示风力发电场处于休眠时间对应的地表温度扰动，544部分表示风力发电场处于运行时间对应的地表温度扰动。
通过计算得到风力发电场处于运行时间和处于休眠时间的地表温度差值为0.44℃，此时的参考显著性水平为0.008。且通过图5中541部分和542部分之间的对比可以看出，风力发电场处于运行时间和休眠时间对地表温度的扰动平均值差异较小，说明风力发电场在夜晚运行时会对地表温度造成较小的影响。
图6示出了本公开实施例中某风力发电场在2018年1月到2022年12月的每天01：30的地表温度变化图及季节性分解图。其中，610部分表示该时相对应的地表温度变化趋势图，620部分表示该时相对应的地表温度趋势项变化趋势图，630表示该时相对应的地表温度季节项变化趋势图，640部分表示该时相对应的地表温度残差项变化趋势图；641部分表示风力发电场处于休眠时间对应的地表温度扰动的平均值，642部分表示风力发电场处于运行时间对应的地表温度扰动的平均值，643部分表示风力发电场处于休眠时间对应的地表温度扰动，644部分表示风力发电场处于运行时间对应的地表温度扰动。
通过计算得到风力发电场处于运行时间和处于休眠时间的地表温度差值为0.26℃，此时的参考显著性水平为0.64。且通过图6中641部分和642部分之间的对比可以看出，风力发电场处于运行时间和休眠时间对地表温度的扰动平均值差异较小，说明风力发电场在夜晚运行时会对地表温度造成较小的影响。
由图3-图6可知，风力发电场在白天对地表温度造成了显著性的影响，而风力发电场在夜晚对地表温度造成的影响不明显。
本示例实施方式中通过对比同一历史时间段内不同时相的地表温度数据、地表温度季节项数据、地表温度趋势项数据和地表温度残差项数据，得到了不同时相对应的风力发电场对地表温度影响的研究结果，使得风力发电场对地表温度影响的研究结果更加详细和准确。
本示例实施方式中，还提供了一种风力发电场对地表温度影响的确定装置。参考图7所示，该风力发电场对地表温度影响的确定装置700可以包括数据获取模块710、时间分析模块720、数据分离模块730和影响判断模块740，其中：
数据获取模块710，用于获取所述风力发电场中各风力发电设备在预设时间段内的历史运行数据，并从所述风力发电场所在区域在所述预设时间段内的历史遥感图像中获取对应的历史地表温度数据；
时间分析模块720，用于根据各所述风力发电设备的历史运行数据确定所述风力发电场的运转时间和休眠时间；
数据分离模块730，用于将所述历史地表温度数据进行去干扰处理，得到所述风力发电场分别处于所述运转时间时对应的第一地表温度数据集和处于所述休眠时间时对应的第二地表温度数据集；
影响判断模块740，用于对所述第一地表温度数据集和所述的第二地表温度数据集进行差异性分析，并根据所述差异性分析的结果确定所述风力发电场的运行是否对所述风力发电场所在区域的地表温度产生影响。
在一种可选的实施方式中，数据分离模块730包括：
季节性分解模块，用于对所述历史地表温度数据进行季节性分解，以将所述历史地表温度数据分解为地表温度趋势项数据、地表温度季节项数据和地表温度残差项数据；
干扰项去除模块，用于去除所述地表温度趋势项数据和所述地表温度季节项数据，并保留所述地表温度残差项数据；
其中，所述地表温度残差项数据包括所述风力发电场分别处于所述运转时间时对应的第一地表温度数据集和处于所述休眠时间时对应的第二地表温度数据集，以利用所述第一地表温度数据集和所述第二地表温度数据集进行差异性分析。
在一种可选的实施方式中，影响判断模块740包括：
差异分析模块，用于通过参数检验方法对所述第一地表温度数据集和所述第二地表温度数据集进行差异性分析。
在一种可选的实施方式中，影响判断模块740包括：
第一统计差值确定模块，用于分别计算所述第一地表温度数据集的第一均值和所述第二地表温度数据集的第二均值，并根据所述第一均值和所述第二均值计算得到所述第一地表温度数据集和所述第二地表温度数据集之间的第一统计差值；
第二统计差值确定模块，用于分别计算所述第一地表温度数据集的第一方差和所述第二地表温度数据集的第二方差，并根据所述第一地表温度数据集的大小、所述第二地表温度数据集的大小、所述第一方差和所述第二方差计算得到所述第一地表温度数据集和所述第二地表温度数据集之间的第二统计差值；
数据差异值确定模块，用于根据所述第一统计差值和所述第二统计差值计算得到所述第一地表温度数据集和所述第二地表温度数据集之间的实际差异值；
影响确定模块，用于根据所述第一地表温度数据集的大小和所述第二地表温度数据集的大小确定对应的自由度，并根据所述自由度、所述实际差异值以及预设的显著性水平确定所述风力发电场的运行是否对所述风力发电场所在区域的地表温度产生影响。
在一种可选的实施方式中，影响确定模块包括：
参考值计算子模块，用于根据所述自由度和所述实际差异值进行差异值分布查表，得到对应的概率值和参考差异值；
第一影响确定子模块，用于在所述概率值小于或等于所述预设的显著性水平，和/或所述实际差异值大于所述参考差异值时，确定所述风力发电场的影响对所述风力发电场所在区域的地表温度产生影响；
第二影响确定子模块，用于在所述概率值大于所述预设的显著性水平，和/或所述实际差异值小于或等于所述参考差异值时，确定所述风力发电场的运行对所述风力发电场所在区域的地表温度未产生影响。
在一种可选的实施方式中，时间分析模块720包括：
发电总功率确定模块，用于根据各所述风力发电设备的历史输出功率确定所述风力发电场的历史发电总功率；
运转时间确定模块，用于在所述历史输出总功率大于或等于预设输出功率值时，确定所述历史输出总功率对应的时间为所述风力发电场的运转时间；
休眠时间确定模块，用于在所述历史输出总功率小于所述预设输出功率值时，确定所述历史输出总功率对应的时间为所述风力发电场的休眠时间。
在一种可选的实施方式中，数据获取模块710包括：
遥感图像获取模块，用于获取所述风力发电场所在区域在所述预设时间段内的历史遥感图像；
温度数据提取模块，用于利用光谱变换方法检测所述历史遥感图像中包含云和阴影的遮挡区域，并去除所述遮挡区域，得到目标遥感图像，并从所述目标遥感图像中提取所述历史地表温度数据。
上述风力发电场对地表温度影响的确定装置中各模块的具体细节已经在对应的风力发电场对地表温度影响的确定方法中进行了详细的描述，因此此处不再赘述。
本公开的示例性实施方式还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在电子设备上运行时，程序代码用于使电子设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。该程序产品可以采用便携式紧凑盘只读存储器（CD-ROM）并包括程序代码，并可以在电子设备，例如个人电脑上运行。然而，本公开的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、C#、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网（LAN）或广域网（WAN），连接到用户计算设备，或者，可以连接到外部计算设备（例如利用因特网服务提供商来通过因特网连接）。
本公开的示例性实施方式还提供了一种能够实现上述方法的电子设备。下面参照图8来描述根据本公开的这种示例性实施方式的电子设备800。图8显示的电子设备800仅仅是一个示例，不应对本公开实施方式的功能和使用范围带来任何限制。
如图8所示，电子设备800可以以通用计算设备的形式表现。电子设备800的组件可以包括但不限于：至少一个处理单元810、至少一个存储单元820、连接不同系统组件（包括存储单元820和处理单元810）的总线830和显示单元840。
存储单元820存储有程序代码，程序代码可以被处理单元810执行，使得处理单元810执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如，处理单元810可以执行本公开示例实施方式中的方法步骤。存储单元820可以用于处理数据库中的两个地表温度数据集、对两个地表温度数据集进行差异性分析等，本公开对此不做限定。
存储单元820可以包括易失性存储单元形式的可读介质，例如随机存取存储单元（RAM）821和/或高速缓存存储单元822，还可以进一步包括只读存储单元（ROM）823。
存储单元820还可以包括具有一组（至少一个）程序模块825的程序/实用工具824，这样的程序模块825包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线830可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备800也可以与一个或多个外部设备900（例如键盘、指向设备、蓝牙设备等）通信，还可与一个或者多个使得用户能与该电子设备800交互的设备通信，和/或与使得该电子设备800能与一个或多个其它计算设备进行通信的任何设备（例如路由器、调制解调器等等）通信。这种通信可以通过输入/输出（I/O）接口850进行。并且，电子设备800还可以通过网络适配器860与一个或者多个网络（例如局域网（LAN），广域网（WAN）和/或公共网络，例如因特网）通信。如图所示，网络适配器860通过总线830与电子设备800的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备800使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是CD-ROM，U盘，移动硬盘等）中或网络上，包括若干指令以使得一台计算设备（可以是个人计算机、服务器、终端装置、或者网络设备等）执行根据本公开示例性实施方式的方法。
此外，上述附图仅是根据本公开示例性实施方式的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
本领域技术人员在考虑说明书及实践这里申请的发明后，将容易想到本说明书的其它实施方案。本说明书旨在涵盖本说明书的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本说明书的一般性原理并包括本说明书未申请的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本说明书的真正范围和精神由下面的权利要求指出。
应当理解的是，本说明书并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本说明书的范围仅由所附的权利要求来限制。
以上所述仅为本说明书的较佳实施例而已，并不用以限制本说明书，凡在本说明书的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本说明书保护的范围之内。
Claims (10)
1.一种风力发电场对地表温度影响的确定方法，其特征在于，所述方法包括：
获取所述风力发电场中各风力发电设备在预设时间段内的历史运行数据，并从所述风力发电场所在区域在所述预设时间段内的历史遥感图像中获取对应的历史地表温度数据；
根据各所述风力发电设备的历史运行数据确定所述风力发电场的运转时间和休眠时间；
将所述历史地表温度数据进行去干扰处理，得到所述风力发电场分别处于所述运转时间时对应的第一地表温度数据集和处于所述休眠时间时对应的第二地表温度数据集；
对所述第一地表温度数据集和所述第二地表温度数据集进行差异性分析，并根据所述差异性分析的结果确定所述风力发电场的运行是否对所述风力发电场所在区域的地表温度产生影响。
2.根据权利要求1所述的风力发电场对地表温度影响的确定方法，其特征在于，所述将所述历史地表温度数据进行去干扰处理，包括：
对所述历史地表温度数据进行季节性分解，以将所述历史地表温度数据分解为地表温度趋势项数据、地表温度季节项数据和地表温度残差项数据；
去除所述地表温度趋势项数据和所述地表温度季节项数据，并保留所述地表温度残差项数据；
其中，所述地表温度残差项数据包括所述风力发电场分别处于所述运转时间时对应的第一地表温度数据集和处于所述休眠时间时对应的第二地表温度数据集，以利用所述第一地表温度数据集和所述第二地表温度数据集进行差异性分析。
3.根据权利要求1所述的风力发电场对地表温度影响的确定方法，其特征在于，所述对所述第一地表温度数据集和所述第二地表温度数据集进行差异性分析，包括：
通过参数检验方法对所述第一地表温度数据集和所述第二地表温度数据集进行差异性分析。
4.根据权利要求1所述的风力发电场对地表温度影响的确定方法，其特征在于，所述对所述第一地表温度数据集和所述第二地表温度数据集进行差异性分析，并根据所述差异性分析的结果确定所述风力发电场的运行是否对所述风力发电场所在区域的地表温度产生影响，包括：
分别计算所述第一地表温度数据集的第一均值和所述第二地表温度数据集的第二均值，并根据所述第一均值和所述第二均值计算得到所述第一地表温度数据集和所述第二地表温度数据集之间的第一统计差值；
分别计算所述第一地表温度数据集的第一方差和所述第二地表温度数据集的第二方差，并根据所述第一地表温度数据集的大小、所述第二地表温度数据集的大小、所述第一方差和所述第二方差计算得到所述第一地表温度数据集和所述第二地表温度数据集之间的第二统计差值；
根据所述第一统计差值和所述第二统计差值计算得到所述第一地表温度数据集和所述第二地表温度数据集之间的实际差异值；
根据所述第一地表温度数据集的大小和所述第二地表温度数据集的大小确定对应的自由度，并根据所述自由度、所述实际差异值以及预设的显著性水平确定所述风力发电场的运行是否对所述风力发电场所在区域的地表温度产生影响。
5.根据权利要求4所述的风力发电场对地表温度影响的确定方法，其特征在于，所述根据所述自由度、所述实际差异值以及预设的显著性水平确定所述风力发电场的运行是否对所述风力发电场所在区域的地表温度产生影响，包括：
根据所述自由度和所述实际差异值进行差异值分布查表，得到对应的概率值和参考差异值；
若所述概率值小于或等于所述预设的显著性水平和/或所述实际差异值大于所述参考差异值，则确定所述风力发电场的运行对所述风力发电场所在区域的地表温度产生影响；
若所述概率值大于所述预设的显著性水平和/或所述实际差异值小于或等于所述参考差异值，则确定所述风力发电场的运行对所述风力发电场所在区域的地表温度未产生影响。
6.根据权利要求1所述的风力发电场对地表温度影响的确定方法，其特征在于，所述历史运行数据包括历史输出功率；
所述根据各所述风力发电设备的历史运行数据确定所述风力发电场的运转时间和休眠时间，包括：
根据各所述风力发电设备的历史输出功率确定所述风力发电场的历史发电总功率；
若所述历史输出总功率大于或等于预设输出功率值，则所述历史输出总功率对应的时间为所述风力发电场的所述运转时间；
若所述历史输出总功率小于所述预设输出功率值，则所述历史输出总功率对应的时间为所述风力发电场的所述休眠时间。
7.根据权利要求1所述的风力发电场对地表温度影响的确定方法，其特征在于，所述从所述风力发电场所在区域在所述预设时间段内的历史遥感图像中获取对应的历史地表温度数据，包括：
获取所述风力发电场所在区域在所述预设时间段内的历史遥感图像；
利用光谱变换方法检测所述历史遥感图像中包含云和阴影的遮挡区域，并去除所述遮挡区域，得到目标遥感图像，并从所述目标遥感图像中提取所述历史地表温度数据。
8.一种风力发电场对地表温度影响的确定装置，其特征在于，包括：
数据获取模块，用于获取所述风力发电场中各风力发电设备在预设时间段内的历史运行数据，并从所述风力发电场所在区域在所述预设时间段内的历史遥感图像中获取对应的历史地表温度数据；
时间分析模块，用于根据各所述风力发电设备的历史运行数据确定所述风力发电场的运转时间和休眠时间；
数据分离模块，用于将所述历史地表温度数据进行去干扰处理，得到所述风力发电场分别处于所述运转时间时对应的第一地表温度数据集和处于所述休眠时间时对应的第二地表温度数据集；
影响判断模块，用于对所述第一地表温度数据集和所述的第二地表温度数据集进行差异性分析，并根据所述差异性分析的结果确定所述风力发电场的运行是否对所述风力发电场所在区域的地表温度产生影响。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理单元执行时实现权利要求1-7中任一项所述的风力发电场对地表温度影响的确定方法。
10.一种电子设备，其特征在于，包括：
处理单元；以及
存储单元，用于存储所述处理单元的可执行指令；
其中，所述处理单元配置为经由执行所述可执行指令来执行权利要求1-7中任一项所述的风力发电场对地表温度影响的确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311606704.9A CN117332204A (zh) | 2023-11-29 | 2023-11-29 | 风力发电场对地表温度影响的确定方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311606704.9A CN117332204A (zh) | 2023-11-29 | 2023-11-29 | 风力发电场对地表温度影响的确定方法、装置及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117332204A true CN117332204A (zh) | 2024-01-02 |
Family
ID=89279553
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311606704.9A Pending CN117332204A (zh) | 2023-11-29 | 2023-11-29 | 风力发电场对地表温度影响的确定方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117332204A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160073945A (ko) * | 2016-06-03 | 2016-06-27 | 두산중공업 주식회사 | 풍력플랜트 관리 시스템 및 그 방법 |
| CN108335471A (zh) * | 2018-01-19 | 2018-07-27 | 深圳市鑫汇达机械设计有限公司 | 风电场远程实时监测系统 |
| CN111489063A (zh) * | 2020-03-25 | 2020-08-04 | 北京师范大学 | 一种评估风力发电机对周边环境影响的方法及系统 |
| CN115249972A (zh) * | 2022-09-22 | 2022-10-28 | 南京江行联加智能科技有限公司 | 一种大数据下的风电场风力发电机组性能评估系统及方法 |
| CN115861845A (zh) * | 2022-12-29 | 2023-03-28 | 思创数码科技股份有限公司 | 一种湿地监测方法及系统 |
-
2023
- 2023-11-29 CN CN202311606704.9A patent/CN117332204A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160073945A (ko) * | 2016-06-03 | 2016-06-27 | 두산중공업 주식회사 | 풍력플랜트 관리 시스템 및 그 방법 |
| CN108335471A (zh) * | 2018-01-19 | 2018-07-27 | 深圳市鑫汇达机械设计有限公司 | 风电场远程实时监测系统 |
| CN111489063A (zh) * | 2020-03-25 | 2020-08-04 | 北京师范大学 | 一种评估风力发电机对周边环境影响的方法及系统 |
| CN115249972A (zh) * | 2022-09-22 | 2022-10-28 | 南京江行联加智能科技有限公司 | 一种大数据下的风电场风力发电机组性能评估系统及方法 |
| CN115861845A (zh) * | 2022-12-29 | 2023-03-28 | 思创数码科技股份有限公司 | 一种湿地监测方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| LIMING ZHOU ET AL.: "Impacts of wind farms on land surface temperature", NATURE CLIMATE CHANGE, pages 539 * |
| 李国庆;李晓兵;: "风电场对环境的影响研究进展", 地理科学进展, no. 08, pages 1017 - 1026 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Aryaputera et al. | Very short-term irradiance forecasting at unobserved locations using spatio-temporal kriging | |
| Zhang et al. | Subgrid variations of the cloud water and droplet number concentration over the tropical ocean: satellite observations and implications for warm rain simulations in climate models | |
| Yang et al. | Analyzing big time series data in solar engineering using features and PCA | |
| Huang et al. | Assessing the value of simulated regional weather variability in solar forecasting using numerical weather prediction | |
| CN114219847B (zh) | 基于物候特征的作物种植面积确定方法、系统及存储介质 | |
| CN109543907B (zh) | 一种复杂地形风资源评估方法及其装置 | |
| CN113884961A (zh) | Soc校准方法、建模方法、建模装置、计算机设备及介质 | |
| JP5931830B2 (ja) | 停電戸数予測装置、停電戸数予測方法およびプログラム | |
| CN114330110A (zh) | 模型训练方法、光伏发电功率预测方法及系统 | |
| Lean et al. | Understanding atmospheric motion vector vertical representativity using a simulation study and first-guess departure statistics | |
| CN114036157A (zh) | 输电线路树障监控方法、装置、计算机设备和存储介质 | |
| US20090326754A1 (en) | Systems and methods for engine diagnosis using wavelet transformations | |
| Lee et al. | Feature tracking and visualization of the Madden-Julian Oscillation in climate simulation | |
| Shephard et al. | A high-resolution Canadian lightning climatology | |
| Pandit et al. | Comparative analysis of binning and support vector regression for wind turbine rotor speed based power curve use in condition monitoring | |
| CN117332204A (zh) | 风力发电场对地表温度影响的确定方法、装置及设备 | |
| Kuter et al. | A progressive approach for processing satellite data by operational research | |
| Liu et al. | Sampling errors in satellite-derived infrared sea-surface temperatures. Part II: Sensitivity and parameterization | |
| CN116125556A (zh) | 基于卫星遥感数据的厄尔尼诺诊断方法及系统 | |
| Narvaez et al. | An interactive tool for visualization and prediction of solar radiation and photovoltaic generation in Colombia | |
| Yip et al. | Evaluation of the CAM6 climate model using cloud observations at McMurdo Station, Antarctica | |
| US20230102406A1 (en) | System and method for automated forest inventory mapping | |
| CN114876731A (zh) | 风电场低效运行风电机组排查方法、系统、设备和介质 | |
| Upadhyaya et al. | Classifying precipitation from GEO satellite observations: Prognostic model | |
| CN114841077A (zh) | 一种风电功率预测方法、装置、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 |