CN117709038A - 一种风资源分布的确定方法和相关装置 - Google Patents

一种风资源分布的确定方法和相关装置 Download PDF

Info

Publication number
CN117709038A
CN117709038A CN202211055039.4A CN202211055039A CN117709038A CN 117709038 A CN117709038 A CN 117709038A CN 202211055039 A CN202211055039 A CN 202211055039A CN 117709038 A CN117709038 A CN 117709038A
Authority
CN
China
Prior art keywords
wind
target
tower
data
virtual
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
Application number
CN202211055039.4A
Other languages
English (en)
Inventor
刘钊
董海萍
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.)
Beijing Goldwind Science and Creation Windpower Equipment Co Ltd
Original Assignee
Beijing Goldwind Science and Creation Windpower Equipment 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 Beijing Goldwind Science and Creation Windpower Equipment Co Ltd filed Critical Beijing Goldwind Science and Creation Windpower Equipment Co Ltd
Priority to CN202211055039.4A priority Critical patent/CN117709038A/zh
Publication of CN117709038A publication Critical patent/CN117709038A/zh
Pending legal-status Critical Current

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
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Power Engineering (AREA)
  • Primary Health Care (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Indicating Or Recording The Presence, Absence, Or Direction Of Movement (AREA)

Abstract

本申请公开了一种风资源分布的确定方法和相关装置，将目标区域的风资源相关参数输入至WRF模型中，WRF模型能够模拟出目标区域的气象特征，从而基于气象特征在目标区域中确定出多个待定虚拟测风塔。待定虚拟测风塔的风资源数据与中尺度数据的相关性能够表征待定虚拟测风塔受宏观尺度影响是否显著，待定虚拟测风塔所处位置的局地地形数据能够表征待定虚拟测风塔是否能够代表周围区域的环境，从而基于多个待定虚拟测风塔分别所处的位置的局地地形数据和多个待定虚拟测风塔的风资源数据与中尺度数据的相关性，得到能够代表周围区域的优选的虚拟测风塔，并根据该虚拟测风塔确定目标区域的风资源分布。

Description

一种风资源分布的确定方法和相关装置
技术领域
本发明涉及风力发电技术领域，尤其是涉及一种风资源分布的确定方法和相关装置。
背景技术
风电场选址是风电场建设项目的前期工作，确定风电场所处的场区(如大规模开发的风电基地或整县)的风资源分布，能够识别出优势区域，将风力发电机建立在优势区域中，从而提高后续风电场效益。
但是，在场区的风资源分布的确定过程中，往往面临着场区的空间广，从而导致测量得到的风资源数据有限问题，从而导致确定出的风资源分布的准确性较低。
发明内容
针对上述问题，本申请提供一种风资源分布的确定方法和相关装置，用于提高风资源分布的准确性。
基于此，本申请实施例公开了如下技术方案：
一方面，本申请实施例提供一种风资源分布的确定方法，所述方法包括：
获取目标区域的风资源数据；
根据所述风资源数据，通过天气研究和预报WRF模型模拟所述目标区域的气象特征，并根据所述气象特征确定多个待定虚拟测风塔；
根据所述多个待定虚拟测风塔分别所处位置的局地地形数据和所述多个待定虚拟测风塔的风资源数据与中尺度数据的相关性，从所述多个待定虚拟测风塔中确定虚拟测风塔；
根据所述虚拟测风塔确定所述目标区域的风资源分布。
可选的，所述方法还包括：
获取所述目标区域中多个真实测风塔的风资源数据；
根据所述多个真实测风塔的风资源数据分别所处位置的局地地形数据、所述多个真实测风塔的风资源数据与所述中尺度数据的相关性，以及所述真实测风塔的风资源数据的准确程度，从所述多个真实测风塔中确定目标真实测风塔。
可选的，所述根据所述虚拟测风塔确定所述目标区域的风资源分布，包括：
根据所述目标真实测风塔的风资源数据和所述虚拟测风塔的风资源数据，确定所述目标真实测风塔和所述虚拟测风塔间的关联性；
根据所述目标真实测风塔和所述虚拟测风塔间的关联性，确定所述目标区域的风资源分布。
可选的，所述根据所述目标真实测风塔的风资源数据和所述虚拟测风塔的风资源数据，确定所述目标真实测风塔和所述虚拟测风塔间的关联性，包括：
从所述目标真实测风塔的风资源数据中获取所述目标真实测风塔的目标数据，从所述虚拟测风塔的风资源数据中获取所述虚拟测风塔的目标数据；
根据所述目标真实测风塔的目标数据和所述虚拟测风塔的目标数据，确定所述目标真实测风塔和所述虚拟测风塔的关联性，所述目标数据包括局地地形数据、区域气象数据和典型气象数据中的至少一种。
可选的，所述根据所述目标真实测风塔的目标数据和所述虚拟测风塔的目标数据，确定所述目标真实测风塔和所述虚拟测风塔的关联性，包括：
若所述目标真实测风塔的目标数据和所述虚拟测风塔的目标数据处于同一阈值区间，则所述目标真实测风塔和所述虚拟测风塔在所述目标数据维度具有关联性；和/或，
根据所述目标真实测风塔的目标数据和所述虚拟测风塔的目标数据进行聚类，若所述目标真实测风塔的目标数据和所述虚拟测风塔的目标数据属于一类，则所述目标真实测风塔和所述虚拟测风塔在所述目标数据维度具有关联性。
可选的，所述根据所述目标真实测风塔和所述虚拟测风塔间的关联性，确定所述目标区域的风资源分布，包括：
根据所述目标真实测风塔和所述虚拟测风塔间的关联性，确定所述目标真实测风塔和所述多个虚拟测风塔间分别对应的权重；
根据所述目标真实测风塔和所述多个虚拟测风塔间分别对应的权重，确定所述目标区域的风资源分布。
可选的，所述根据所述风资源数据，通过天气研究和预报WRF模型模拟所述目标区域的气象特征，包括：
根据所述风资源数据，调整所述WRF模型的参数，得到确定适用于所述目标区域的目标WRF模型；
将所述风资源数据输入至所述目标WRF模型，得到所述目标区域的气象特征。
另一方面，本申请提供了一种风资源分布的确定装置，所述装置包括：获取单元、第一确定单元、第二确定单元和第三确定单元；
所述第一获取单元，用于获取目标区域的风资源数据；
所述第一确定单元，用于根据所述风资源数据，通过天气研究和预报WRF模型模拟所述目标区域的气象特征，并根据所述特征情况确定多个待定虚拟测风塔；
所述第二确定单元，用于根据所述多个待定虚拟测风塔分别所处位置的局地地形数据和所述多个待定虚拟测风塔的风资源数据与中尺度数据的相关性，从所述多个待定虚拟测风塔中确定虚拟测风塔；
所述第三确定单元，用于根据所述虚拟测风塔确定所述目标区域的风资源分布。
可选的，所述装置还包括：第二获取单元和第四确定单元；
所述第二获取单元，用于获取所述目标区域中多个真实测风塔的风资源数据；
所述第四确定单元，用于根据所述多个真实测风塔的风资源数据分别所处位置的局地地形数据、所述多个真实测风塔的风资源数据与所述中尺度数据的相关性，以及所述真实测风塔的风资源数据的准确程度，从所述多个真实测风塔中确定目标真实测风塔。
可选的，所述第三确定单元，具体用于：
根据所述目标真实测风塔的风资源数据和所述虚拟测风塔的风资源数据，确定所述目标真实测风塔和所述虚拟测风塔间的关联性；
根据所述目标真实测风塔和所述虚拟测风塔间的关联性，确定所述目标区域的风资源分布。
可选的，所述第三确定单元，具体用于：
从所述目标真实测风塔的风资源数据中获取所述目标真实测风塔的目标数据，从所述虚拟测风塔的风资源数据中获取所述虚拟测风塔的目标数据；
根据所述目标真实测风塔的目标数据和所述虚拟测风塔的目标数据，确定所述目标真实测风塔和所述虚拟测风塔的关联性，所述目标数据包括局地地形数据、区域气象数据和典型气象数据中的至少一种。
可选的，所述第三确定单元，具体用于：
若所述目标真实测风塔的目标数据和所述虚拟测风塔的目标数据处于同一阈值区间，则所述目标真实测风塔和所述虚拟测风塔在所述目标数据维度具有关联性；和/或，
根据所述目标真实测风塔的目标数据和所述虚拟测风塔的目标数据进行聚类，若所述目标真实测风塔的目标数据和所述虚拟测风塔的目标数据属于一类，则所述目标真实测风塔和所述虚拟测风塔在所述目标数据维度具有关联性。
可选的，所述第三确定单元，具体用于：
根据所述目标真实测风塔和所述虚拟测风塔间的关联性，确定所述目标真实测风塔和所述多个虚拟测风塔间分别对应的权重；
根据所述目标真实测风塔和所述多个虚拟测风塔间分别对应的权重，确定所述目标区域的风资源分布。
可选的，所述第一确定单元，具体用于：
根据所述风资源数据，调整所述WRF模型的参数，得到确定适用于所述目标区域的目标WRF模型；
将所述风资源数据输入至所述目标WRF模型，得到所述目标区域的气象特征。
另一方面，本申请提供了一种计算机设备，所述设备包括处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行上述方面所述的方法。
另一方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行上述方面所述的方法。
另一方面，本申请实施例提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述方面所述的方法。
本申请上述技术方案的优点在于：
由上述技术方案可知，为了测量目标区域的风资源分布，可以获取目标区域的风资源数据，将风资源数据输入至WRF模型中，WRF模型能够模拟出目标区域的气象特征，从而可以基于气象特征在目标区域中确定出多个待定虚拟测风塔。通过对待定虚拟测风塔进行尺度分析评估，待定虚拟测风塔的风资源数据与中尺度数据的相关性能够表征待定虚拟测风塔受宏观尺度影响是否显著，待定虚拟测风塔所处位置的局地地形数据能够表征待定虚拟测风塔是否能够代表周围区域的环境，从而基于多个待定虚拟测风塔分别所处的位置的局地地形数据和多个待定虚拟测风塔的风资源数据与中尺度数据的相关性，能够从多个待定虚拟测风塔中筛选并去掉受局地地形影响较为严重的虚拟测风塔，进而得到能够代表周围区域的虚拟测风塔，并根据该虚拟测风塔确定目标区域的风资源分布。由此，根据气象特征引入虚拟测风塔确定目标区域的风资源分布，通过虚拟测风塔增加风资源数据的数据量，降低了风资源数据有限对准确性的影响，而且，删除受局地地形影响较为严重的虚拟测风塔，避免在后续风资源分布的确定过程中引入偏差，进一步提高了风资源分布确定的准确性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，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为本申请实施例提供的一种真实测风塔分布的示意图；
图2为本申请实施例提供的一种真实测风塔和虚拟测风塔分布的示意图；
图3为本申请提供的一种风资源分布的确定方法的流程图；
图4为本申请提供的一种风资源分布的确定装置的示意图；
图5为本申请实施例提供的一种计算机设备的结构图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
风电场选址是风电场建设项目的前期工作，确定风电场所处的场区(如大规模开发的风电基地或整县)的风资源分布，能够识别出优势区域，将风力发电机建立在优势区域中，从而提高后续风电场效益。
但是，在场区的风资源分布的确定过程中，往往面临着场区的空间广，从而导致测量得到的风资源数据有限问题，从而导致确定出的风资源分布的准确性较低。
参见图1，该图为本申请实施例提供的一种真实测风塔分布的示意图。在图1中，实线框内为风电场的场区示意图，以大规模风电基地开发区域为例，长宽可达50km～80km(即场区的空间广)，A1、A2为场区内真实测风塔位置分布示意图。B1-B8为场区外真实测风塔位置示意图。在此示意图中，场区东部、南部均无测风塔，场区外部的测风塔对场区的代表性有限(图中上方为场区北部)。但是仅通过A1、A2获得风资源数据，有限的风资源数据无法准确得出整个场区的风资源分布，即确定出的风资源分布的准确性较低。
相关技术中，为了弥补风资源数据有限的问题，会采用中尺度模型，如中尺度天气研究和预报模型(Weather Research and Forecasting Model，WRF模型)得到虚拟测风塔，并结合虚拟测风塔周围的真实测风塔(如图1场区外的真实测风塔B1-B8)的风资源数据作为经验进行场区内部的风资源分布的确定。参见图2，该图为本申请实施例提供的一种真实测风塔和虚拟测风塔分布的示意图。相比于图1，图2中的M1-M4为虚拟测风塔的位置。
但是由于中尺度模型并非为风资源评估而开发，其研究的影响局地天气的中尺度过程(如雷暴、飑线、暴雨、台风等)空间尺度约为5公里至数百公里，使得中尺度模型通常使用1-10公里的网格间距进行建模。这就意味着在风资源分布的确定过程中，需面对中尺度模型的千米级别分辨率的问题。
为此，部分研究机构采用WRF-LES或Calmet或Wasp或算法模型等进一步降尺度，进一步提升分辨率。但是由于中尺度模型是三维建模，降低尺度会大大增加计算量，使得上述方法往往耗时、耗计算资源等问题。此外，在实际业务中，从高效率和低成本角度，大多数中尺度模型的优化直接基于场区内及周边一定范围内的测风资料进行对比后偏差订正。但部分观测资料的引入反而引入了较大的偏差。
经过研究发现，是因为一些虚拟测风塔受局地影响严重，而中尺度模型分辨率在公里级无法识别，引入受局地影响严重的虚拟测风塔的风资源数据进入中尺度模型优化只能引入偏差，依然会出现确定出的风资源分布的准确性较低的问题。
基于此，本申请实施例提供一种风资源分布的确定方法，根据气象特征引入虚拟测风塔确定目标区域的风资源分布，通过虚拟测风塔增加风资源数据的数据量，降低了风资源数据有限对准确性的影响，而且，删除受局地地形影响较为严重的虚拟测风塔，避免在后续风资源分布的确定过程中引入偏差，进一步提高了风资源分布确定的准确性。
下面结合图3，对本申请实施例提供的一种风资源分布的确定方法进行介绍。参见图3，该图为本申请实施例提供的一种风资源分布的确定方法的流程图，该方法可以包括S301-S304。
S301：获取目标区域的风资源数据。
其中，目标区域为需要确定风资源分布的区域。例如，风电场计划开发区域。风资源数据可以为时间段或目标区域内一些兴趣点的经纬度等，例如，开发区域内及周边(如50公里内)测风资料的时段、多个兴趣点经纬度。兴趣点可以是想要确定为待定虚拟测风塔的位置。
S302：根据风资源数据，通过天气研究和预报WRF模型模拟目标区域的气象特征，并根据气象特征确定多个待定虚拟测风塔。
WRF模型为前述所述的中尺度WRF模型，后续为了方便说明，简称为WRF模型。WRF模型是由美国环境预测中心(NCEP)、美国国家大气研究中心(NCAR)等科研机构开发的开源中尺度天气预报模式。WRF模式系统具有的可移植，易维护，可扩充，高效率，方便等特点，使其成为改进从云尺度到各种不同天气尺度的重要天气特征预报精度的工具。在风电领域广泛应用于区域风资源评估及兴趣点时间序列分析。
将如风资源相关参数等风资源数据输入至WRF模型中，建立目标区域的三维场时间序列，通过三维场中气象特征从兴趣点中确定出多个待定虚拟测风塔。其中，虚拟测风塔的点位选择可参考测风塔选址相关方法，优先选择上风向自由流较好的位置等，本申请对此不做具体限定，本领域技术人员可以根据实际需要进行设置。
其中，待定虚拟测风塔是还未确定用于确定目标区域风资源分布的虚拟测风塔。
作为一种可能的实现方式，可以根据风资源数据，调整WRF模型的参数，得到确定适用于目标区域的目标WRF模型；将风资源数据输入至目标WRF模型，得到目标区域的气象特征。例如可以根据分辨率、垂直分层、区域特点等调整WRF模型的相关参数，进而使得调整得到的目标WRF模型更适用于目标区域，从而提高后续风资源分布的准确性。
S303：根据多个待定虚拟测风塔分别所处位置的局地地形数据和多个待定虚拟测风塔的风资源数据与中尺度数据的相关性，从多个待定虚拟测风塔中确定虚拟测风塔。
为了避免一些待定虚拟测风塔受局地影响严重，而中尺度模型分辨率在公里级无法识别，引入受局地影响严重的待定虚拟测风塔的风资源数据进入中尺度模型优化只能引入偏差，依然会出现确定出的风资源分布的准确性较低的问题。基于此，本申请实施例根据局地地形数据和风资源数据与中尺度数据的相关性，确定每个待定虚拟测风塔是否受局地影响严重。
其中，多个待定虚拟测风塔分别所处位置的局地地形数据能够确定出待定虚拟测风塔是否受周围物体的遮挡。例如，获取以待定虚拟测风塔为中心计算周边1km内待定虚拟测风塔和其周围物体的高程差，若该待定虚拟测风塔海拔低于周边海拔10m以上(不同省份和地形等此阈值可调整)，则认为该待定虚拟测风塔受遮挡，不便进行后续分析，则不会将此待定虚拟测风塔确定为虚拟测风塔。作为一种可能的实现方式，若场区的机位及测风塔均处于此类位置，则可替代以主风向无遮挡的作为筛选条件，并标记遮挡扇区。
多个待定虚拟测风塔的风资源数据与中尺度数据的相关性作为宏观尺度特征，能够确定出每个待定虚拟测风塔是否受宏观尺度特征影响严重。例如，若多个待定虚拟测风塔的风资源数据与中尺度数据相关性差(如ERA5相关性R低于0.5，具体省份区域结合实际情况分析)则可认为该区域受宏观尺度影响不显著或中尺度模型评估不确定性较大。不建议采用该待定虚拟测风塔进行下一步分析，即不会将此待定虚拟测风塔确定为虚拟测风塔。
其中，ERA5是ECMWF对全球气候的第五代大气再分析。再分析将模型数据与来自世界各地的观测数据结合起来，形成一个全球完整的、一致的数据集。ERA5取代了其前身ERA-Interim再分析。ERA5 DAILY可以提供每天7个ERA5气候再分析参数的汇总值：2米空气温度、2米露点温度、总降水量、平均海平面气压、表面气压、10米u风分量和10米v风分量。
由此，基于多个待定虚拟测风塔分别所处的位置的局地地形数据和多个待定虚拟测风塔的风资源数据与中尺度数据的相关性，能够从多个待定虚拟测风塔中筛选并去掉受局地地形影响较为严重的虚拟测风塔，进而得到能够代表周围区域的虚拟测风塔，并根据该虚拟测风塔确定目标区域的风资源分布。
作为一种可能的实现方式，还可以根据各个待定虚拟测风塔的经纬度信息、局地地形数据、中尺度再分析数据、中尺度高精度仿真时序数据、观测数据等，得到各个待定虚拟测风塔是否受局地地形影响显著。
S304：根据虚拟测风塔确定目标区域的风资源分布。
由此，在真实测风塔的基础上，增加了基本不会引入偏差的虚拟测风塔，进而根据虚拟测风塔和真实测风塔确定目标区域的风资源分布，在增加数据量的同时，降低了引入偏差的概率，从而提高了确定目标区域风资源分布的准确性。
由上述技术方案可知，为了测量目标区域的风资源分布，可以获取目标区域的风资源数据，将风资源数据输入至WRF模型中，WRF模型能够模拟出目标区域的气象特征，从而可以基于气象特征在目标区域中确定出多个待定虚拟测风塔。通过对待定虚拟测风塔进行尺度分析评估，待定虚拟测风塔的风资源数据与中尺度数据的相关性能够表征待定虚拟测风塔受宏观尺度影响是否显著，待定虚拟测风塔所处位置的局地地形数据能够表征待定虚拟测风塔是否能够代表周围区域的环境，从而基于多个待定虚拟测风塔分别所处的位置的局地地形数据和多个待定虚拟测风塔的风资源数据与中尺度数据的相关性，能够从多个待定虚拟测风塔中筛选并去掉受局地地形影响较为严重的虚拟测风塔，进而得到能够代表周围区域的虚拟测风塔，并根据该虚拟测风塔确定目标区域的风资源分布。由此，根据气象特征引入虚拟测风塔确定目标区域的风资源分布，通过虚拟测风塔增加风资源数据的数据量，降低了风资源数据有限对准确性的影响，而且，删除受局地地形影响较为严重的虚拟测风塔，避免在后续风资源分布的确定过程中引入偏差，进一步提高了风资源分布确定的准确性。
作为一种可能的实现方式，获取目标区域中多个真实测风塔的风资源数据；根据多个真实测风塔的风资源数据分别所处位置的局地地形数据、多个真实测风塔的风资源数据与中尺度数据的相关性，以及真实测风塔的风资源数据的准确程度，从多个真实测风塔中确定目标真实测风塔。
相关之处可以参照S303的说明，在此不再赘述。由于真实测风塔的风资源数据可能会存在不完整有误差等问题，即真实测风塔的风资源的准确程度会影响后续的评估结果，基于此，进一步引入了真实测风塔的风资源数据的准确程度，从多个真实测风塔中确定目标真实测风塔，即确定出更为准确的真实测风塔，其中，目标真实测风塔可以为一个或多个，本申请对此不做具体限定。
例如，若风资源数据为真实测风塔的观测数据，则还可评估I15湍流是否超B类以及逐小时风切变为负切变的时刻是否超出20小时。
此外，从实际应用的可客观量化角度，不同地形、不同省份可能有所不同。针对目标区域的不同情况，可进行专家经验引入。
例如，若该真实测风塔为测风塔数据，本着利用一切可用观测数据原则，仅对数据完整率进行类别区分，如完整率较高为A类，完整率次之为B类，完整率较差为C类。
在此基础上，可比较性指标的定义也十分关键。非同期测风塔即使数据很完整，对模型参考价值有限，故考虑从可比较性角度，若非同期测风塔，则降2个参考级别。具体参见表1。
表1测风资料适应性量化分析标准
作为一种可能的实现方式，还可以为真实测风塔增加测风塔评估适用性标签。
经过分析发现，确定目标区域风资源分布的准确性除了因为引入受局地影响严重的虚拟测风塔的风资源数据进入中尺度模型优化只能引入偏差外，还由于中尺度模型模拟的是网格平均值，对不同地形起伏的区域偏差不同，直接引入测风资料而不做分类无法获得最优的偏差订正结果。
基于此，本申请实施例提供通过真实测风塔和虚拟测风塔间的关联性，确定每个虚拟测风塔的参考优先级，以便弥补不同地形起伏的区域偏差不同的问题。下面具体进行说明。
作为一种可能的实现方式，本申请实施例提供一种S304，即根据虚拟测风塔确定目标区域的风资源分布的具体实现方式，具体参见S3041-S3042：
S3041：根据目标真实测风塔的风资源数据和虚拟测风塔的风资源数据，确定目标真实测风塔和虚拟测风塔间的关联性。
在筛选出不受局地影响或受局地影响较小的虚拟测风塔后，可以评估不同虚拟测风塔中尺度模型分析结果与实际差异的相似性。本评估以中尺度仿真结果为主，目的是找到与目标真实测风塔最为相似的虚拟测风塔进行针对性优化。
作为一种可能的实现方式，目标数据可以从各经纬度WRF、ERA5时间序列、WRF仿真其他参数、局地地形数据等获得。进一步地，还可以根据局地地形数据、区域气象数据和典型气象数据中的一种或多种组合确定目标真实测风塔和虚拟测风塔间的关联性。具体地，从目标真实测风塔的风资源数据中获取目标真实测风塔的目标数据，从虚拟测风塔的风资源数据中获取虚拟测风塔的目标数据；根据目标真实测风塔的目标数据和虚拟测风塔的目标数据，确定目标真实测风塔和虚拟测风塔的关联性。其中，目标数据包括局地地形数据、区域气象数据和典型气象数据中的至少一种。下面分别进行说明。
1)局地地形数据用于进行地理环境特征分析，可以为海拔、wrf海拔、与场区中心距离、与某兴趣点距离等。
2)区域气象数据用于进行区域气象特征分析，可以为平均风速、主风能风向、威布尔分布参数等。
3)典型气象数据用于进行其他典型气象特征分析，可以为特殊扇区特征、特殊威布尔分布拟合特征(如双峰分布)等。
本申请实施例不具体限定确定目标真实测风塔和虚拟测风塔间的关联性的方式，下面以两种方式为例进行说明。
方式一：分类分析法。
若目标真实测风塔的目标数据和虚拟测风塔的目标数据处于同一阈值区间，则目标真实测风塔和虚拟测风塔在目标数据维度具有关联性。
例如，目标真实测风塔和虚拟测风塔的海拔差异在50m内，则二者可分为一组。或者主风向扇区相似可分为一组，又或者平均风切变相似分为一组等。
方式二：聚类分析法。
根据目标真实测风塔的目标数据和虚拟测风塔的目标数据进行聚类，若目标真实测风塔的目标数据和虚拟测风塔的目标数据属于一类，则目标真实测风塔和虚拟测风塔在目标数据维度具有关联性。
例如，根据目标数据进行特征构建并聚类，得到目标真实测风塔和虚拟测风塔是否在一类的聚类结果，进而确定目标真实测风塔和虚拟测风塔是否具有关联性。
进一步的，还可以将循环进行多次聚类，如K-means方法参考k值循环选择分2-N/2类的结果数据集进行计算。由此，通过多次聚类保证聚类结果的稳定性。另外，本申请实施例也不具体限定聚类方法，本领域技术人员可以根据实际需要进行设置。
S3042：根据目标真实测风塔和虚拟测风塔间的关联性，确定目标区域的风资源分布。
由此，可以根据目标真实测风塔和虚拟测风塔间是否具有关联性，甚至是关联性大小确定目标区域的风资源分布。
作为一种可能的实现方式，可以根据目标真实测风塔和虚拟测风塔间的关联性，确定目标真实测风塔和多个虚拟测风塔间分别对应的权重；根据目标真实测风塔和多个虚拟测风塔间分别对应的权重，确定目标区域的风资源分布。为了方便后续说明，将该方式称之为聚类方法。
作为一种可能的实现方式，还可以将具有关联性的虚拟测风塔的权重设置为等权重，并根据目标真实测风塔和多个虚拟测风塔间分别对应的权重，确定目标区域的风资源分布。即不区分多个虚拟测风塔对目标真实测风塔的重要程度，确定目标区域的风资源分布。为了方便后续说明，将该方式称之为系统平均偏差方法。
下面以一个实例对对两种方式进行说明。
本申请实施例通过S301-S303等筛选方式，共有16个测风塔(包括目标真实测风塔和虚拟测风塔)进入后续优化，随机选取75％个塔作为目标真实测风塔，25％个塔作为虚拟测风塔；共进行3次随机实验。
以K-means方法为例，对两两测风塔分组关系进行统计，相同组记为1，不同组记为0，可得表2所示的聚类结果。可以进行2～N/2次聚类并将得到的聚类结果进行统计，得到两两相同分组的次数，形成测风塔间的关联性的统计表格如下。
表2中，0表示两个位置在7次分组中均为分在一组，两者之间代表性较差，7表示两者在每次分组中均分在同一组，两者之间代表性较好。
表2
A1 A2 A3 A4 A5 A6 A7 A8 …
A1 0 0 0 2 0 3 0
A2 0 1 1 1 7 0 1
A3 0 1 2 0 1 0 2
A4 0 1 2 0 1 0 7
A5 2 1 0 0 1 4 0
A6 0 7 1 1 1 0 1
A7 3 0 0 0 4 0 0
A8 0 1 2 7 0 1 0
…
多次重复上述分类实验，验证聚类的分类结果具备稳定性。
参见表3，该表为聚类方法与系统平均偏差方法的效果对比。以第一组为例，将测风塔A1、A5、A9和A10作为虚拟测风塔，其余为目标真实测风塔。其他不再赘述。其中，绝对平均偏差为偏差绝对值的均值。
表3
从上述随机选择的实验结果中可见，每组中聚类方法的风速绝对平均偏差均低于参考其余塔平均值。即对目标区域风资源评估而言，聚类方法均优于系统平均偏差方法的效果，且均优于直接应用中尺度模型的结果。
本申请实施例除了提供的风资源分布的确定方法外，还提供了风资源分布的确定装置，如图4所示，所述装置包括：第一获取单元401、第一确定单元402、第二确定单元403和第三确定单元404；
所述第一获取单元401，用于获取目标区域的风资源数据；
所述第一确定单元402，用于根据所述风资源数据，通过天气研究和预报WRF模型模拟所述目标区域的气象特征，并根据所述气象特征确定多个待定虚拟测风塔；
所述第二确定单元403，用于根据所述多个待定虚拟测风塔分别所处位置的局地地形数据和所述多个待定虚拟测风塔的风资源数据与中尺度数据的相关性，从所述多个待定虚拟测风塔中确定虚拟测风塔；
所述第三确定单元404，用于根据所述虚拟测风塔确定所述目标区域的风资源分布。
作为一种可能的实现方式，所述装置还包括：第二获取单元和第四确定单元；
所述第二获取单元，用于获取所述目标区域中多个真实测风塔的风资源数据；
所述第四确定单元，用于根据所述多个真实测风塔的风资源数据分别所处位置的局地地形数据、所述多个真实测风塔的风资源数据与所述中尺度数据的相关性，以及所述真实测风塔的风资源数据的准确程度，从所述多个真实测风塔中确定目标真实测风塔。
作为一种可能的实现方式，所述第三确定单元404，具体用于：
根据所述目标真实测风塔的风资源数据和所述虚拟测风塔的风资源数据，确定所述目标真实测风塔和所述虚拟测风塔间的关联性；
根据所述目标真实测风塔和所述虚拟测风塔间的关联性，确定所述目标区域的风资源分布。
作为一种可能的实现方式，所述第三确定单元404，具体用于：
从所述目标真实测风塔的风资源数据中获取所述目标真实测风塔的目标数据，从所述虚拟测风塔的风资源数据中获取所述虚拟测风塔的目标数据；
根据所述目标真实测风塔的目标数据和所述虚拟测风塔的目标数据，确定所述目标真实测风塔和所述虚拟测风塔的关联性，所述目标数据包括局地地形数据、区域气象数据和典型气象数据中的至少一种。
作为一种可能的实现方式，所述第三确定单元404，具体用于：
若所述目标真实测风塔的目标数据和所述虚拟测风塔的目标数据处于同一阈值区间，则所述目标真实测风塔和所述虚拟测风塔在所述目标数据维度具有关联性；和/或，
根据所述目标真实测风塔的目标数据和所述虚拟测风塔的目标数据进行聚类，若所述目标真实测风塔的目标数据和所述虚拟测风塔的目标数据属于一类，则所述目标真实测风塔和所述虚拟测风塔在所述目标数据维度具有关联性。
作为一种可能的实现方式，所述第三确定单元404，具体用于：
根据所述目标真实测风塔和所述虚拟测风塔间的关联性，确定所述目标真实测风塔和所述多个虚拟测风塔间分别对应的权重；
根据所述目标真实测风塔和所述多个虚拟测风塔间分别对应的权重，确定所述目标区域的风资源分布。
作为一种可能的实现方式，所述第一确定单元402，具体用于：
根据所述风资源数据，调整所述WRF模型的参数，得到确定适用于所述目标区域的目标WRF模型；
将所述风资源数据输入至所述目标WRF模型，得到所述目标区域的气象特征。
由上述技术方案可知，为了测量目标区域的风资源分布，可以获取目标区域的风资源数据，将风资源数据输入至WRF模型中，WRF模型能够模拟出目标区域的气象特征，从而可以基于气象特征在目标区域中确定出多个待定虚拟测风塔。通过对待定虚拟测风塔进行尺度分析评估，待定虚拟测风塔的风资源数据与中尺度数据的相关性能够表征待定虚拟测风塔受宏观尺度影响是否显著，待定虚拟测风塔所处位置的局地地形数据能够表征待定虚拟测风塔是否能够代表周围区域的环境，从而基于多个待定虚拟测风塔分别所处的位置的局地地形数据和多个待定虚拟测风塔的风资源数据与中尺度数据的相关性，能够从多个待定虚拟测风塔中筛选并去掉受局地地形影响较为严重的虚拟测风塔，进而得到能够代表周围区域的虚拟测风塔，并根据该虚拟测风塔确定目标区域的风资源分布。由此，根据气象特征引入虚拟测风塔确定目标区域的风资源分布，通过虚拟测风塔增加风资源数据的数据量，降低了风资源数据有限对准确性的影响，而且，删除受局地地形影响较为严重的虚拟测风塔，避免在后续风资源分布的确定过程中引入偏差，进一步提高了风资源分布确定的准确性。
本申请实施例还提供了一种计算机设备，参见图5，该图示出了本申请实施例提供的一种计算机设备的结构图，如图5所示，所述设备包括处理器510以及存储器520：
所述存储器510用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器520用于根据所述程序代码中的指令执行上述实施例提供的任一种风资源分布的确定方法。
本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序于执行上述实施例提供的任一种风资源分布的确定方法。
本申请实施例还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述方面的各种可选实现方式中提供的风资源分布的确定方法。
需要说明的是，本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统或装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (11)

1.一种风资源分布的确定方法，其特征在于，所述方法包括：
获取目标区域的风资源数据；
根据所述风资源数据，通过天气研究和预报WRF模型模拟所述目标区域的气象特征，并根据所述气象特征确定多个待定虚拟测风塔；
根据所述多个待定虚拟测风塔分别所处位置的局地地形数据和所述多个待定虚拟测风塔的风资源数据与中尺度数据的相关性，从所述多个待定虚拟测风塔中确定虚拟测风塔；
根据所述虚拟测风塔确定所述目标区域的风资源分布。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述目标区域中多个真实测风塔的风资源数据；
根据所述多个真实测风塔的风资源数据分别所处位置的局地地形数据、所述多个真实测风塔的风资源数据与所述中尺度数据的相关性，以及所述真实测风塔的风资源数据的准确程度，从所述多个真实测风塔中确定目标真实测风塔。
3.根据权利要求2所述的方法，其特征在于，所述根据所述虚拟测风塔确定所述目标区域的风资源分布，包括：
根据所述目标真实测风塔的风资源数据和所述虚拟测风塔的风资源数据，确定所述目标真实测风塔和所述虚拟测风塔间的关联性；
根据所述目标真实测风塔和所述虚拟测风塔间的关联性，确定所述目标区域的风资源分布。
4.根据权利要求3所述的方法，其特征在于，所述根据所述目标真实测风塔的风资源数据和所述虚拟测风塔的风资源数据，确定所述目标真实测风塔和所述虚拟测风塔间的关联性，包括：
从所述目标真实测风塔的风资源数据中获取所述目标真实测风塔的目标数据，从所述虚拟测风塔的风资源数据中获取所述虚拟测风塔的目标数据；
根据所述目标真实测风塔的目标数据和所述虚拟测风塔的目标数据，确定所述目标真实测风塔和所述虚拟测风塔的关联性，所述目标数据包括局地地形数据、区域气象数据和典型气象数据中的至少一种。
5.根据权利要求4所述的方法，其特征在于，所述根据所述目标真实测风塔的目标数据和所述虚拟测风塔的目标数据，确定所述目标真实测风塔和所述虚拟测风塔的关联性，包括：
若所述目标真实测风塔的目标数据和所述虚拟测风塔的目标数据处于同一阈值区间，则所述目标真实测风塔和所述虚拟测风塔在所述目标数据维度具有关联性；和/或，
根据所述目标真实测风塔的目标数据和所述虚拟测风塔的目标数据进行聚类，若所述目标真实测风塔的目标数据和所述虚拟测风塔的目标数据属于一类，则所述目标真实测风塔和所述虚拟测风塔在所述目标数据维度具有关联性。
6.根据权利要求3所述的方法，其特征在于，所述根据所述目标真实测风塔和所述虚拟测风塔间的关联性，确定所述目标区域的风资源分布，包括：
根据所述目标真实测风塔和所述虚拟测风塔间的关联性，确定所述目标真实测风塔和所述多个虚拟测风塔间分别对应的权重；
根据所述目标真实测风塔和所述多个虚拟测风塔间分别对应的权重，确定所述目标区域的风资源分布。
7.根据权利要求1所述的方法，其特征在于，所述根据所述风资源数据，通过天气研究和预报WRF模型模拟所述目标区域的气象特征，包括：
根据所述风资源数据，调整所述WRF模型的参数，得到确定适用于所述目标区域的目标WRF模型；
将所述风资源数据输入至所述目标WRF模型，得到所述目标区域的气象特征。
8.一种风资源分布的确定装置，其特征在于，所述装置包括：获取单元、第一确定单元、第二确定单元和第三确定单元；
所述第一获取单元，用于获取目标区域的风资源数据；
所述第一确定单元，用于根据所述风资源数据，通过天气研究和预报WRF模型模拟所述目标区域的气象特征，并根据所述气象特征确定多个待定虚拟测风塔；
所述第二确定单元，用于根据所述多个待定虚拟测风塔分别所处位置的局地地形数据和所述多个待定虚拟测风塔的风资源数据与中尺度数据的相关性，从所述多个待定虚拟测风塔中确定虚拟测风塔；
所述第三确定单元，用于根据所述虚拟测风塔确定所述目标区域的风资源分布。
9.一种计算机设备，其特征在于，所述设备包括处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行权利要求1-7任意一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行权利要求1-7任意一项所述的方法。
11.一种计算机程序产品，其特征在于，包括计算机程序或指令；当所述计算机程序或指令被处理器执行时，执行权利要求1-7任意一项所述的方法。
CN202211055039.4A 2022-08-31 2022-08-31 一种风资源分布的确定方法和相关装置 Pending CN117709038A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211055039.4A CN117709038A (zh) 2022-08-31 2022-08-31 一种风资源分布的确定方法和相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211055039.4A CN117709038A (zh) 2022-08-31 2022-08-31 一种风资源分布的确定方法和相关装置

Publications (1)

Publication Number Publication Date
CN117709038A true CN117709038A (zh) 2024-03-15

Family

ID=90150254

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211055039.4A Pending CN117709038A (zh) 2022-08-31 2022-08-31 一种风资源分布的确定方法和相关装置

Country Status (1)

Country Link
CN (1) CN117709038A (zh)

Similar Documents

Publication Publication Date Title
CN106651036A (zh) 空气质量预报系统
CN107688906B (zh) 多方法融合的输电线路气象要素降尺度分析系统及方法
Zhang et al. A new statistical precipitation downscaling method with Bayesian model averaging: a case study in China
Monteiro et al. Bias correction techniques to improve air quality ensemble predictions: focus on O 3 and PM over Portugal
CN111260111A (zh) 基于气象大数据的径流预报改进方法
CN109543907B (zh) 一种复杂地形风资源评估方法及其装置
CN112541654B (zh) 一种区域风能资源精细化评估方法
CN109472283B (zh) 一种基于多重增量回归树模型的危险天气预测方法和装置
CN110347671A (zh) 构建海上风能数据资料库及海上风能发电量数据库的方法
CN111639803A (zh) 一种应用于气候变化情景下区域未来植被指数的预估方法
CN108764527B (zh) 一种土壤有机碳库时空动态预测最优环境变量筛选方法
CN112100922A (zh) 一种基于wrf和cnn卷积神经网络的风资源预测方法
CN109191408B (zh) 快速循环地面气象融合方法、装置及服务器
CN112700349A (zh) 测风塔选址方法和装置
CN116609859A (zh) 一种气象灾害高分辨率区域模式预报系统及方法
Figurski et al. The impact of initial and boundary conditions on severe weather event simulations using a high-resolution WRF model. Case study of the derecho event in Poland on 11 August 2017
Tyralis et al. Merging satellite and gauge-measured precipitation using LightGBM with an emphasis on extreme quantiles
CN115795912A (zh) 毫米波雷达数据同化覆冰预测方法及系统
CN117709038A (zh) 一种风资源分布的确定方法和相关装置
CN115034159A (zh) 一种海上风电场的功率预测方法、装置、存储介质及系统
Neykov et al. Linking atmospheric circulation to daily precipitation patterns over the territory of Bulgaria
Christakis et al. On the performance of the WRF numerical model over complex terrain on a high performance computing cluster
CN112700134A (zh) 一种测风塔代表性分析的方法、系统及设备
CN114693022A (zh) 一种基于深度学习的分布式光伏出力估算方法及系统
Shashikanth et al. Fine resolution Indian summer monsoon rainfall projection with statistical downscaling

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