[go: up one dir, main page]

CN112395812A - 一种评价风速时移性的方法 - Google Patents

一种评价风速时移性的方法 Download PDF

Info

Publication number
CN112395812A
CN112395812A CN202011343428.8A CN202011343428A CN112395812A CN 112395812 A CN112395812 A CN 112395812A CN 202011343428 A CN202011343428 A CN 202011343428A CN 112395812 A CN112395812 A CN 112395812A
Authority
CN
China
Prior art keywords
wind
time
point
speed
wind speed
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.)
Granted
Application number
CN202011343428.8A
Other languages
English (en)
Other versions
CN112395812B (zh
Inventor
韩爽
王函
刘永前
阎洁
李莉
孟航
张永蕊
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.)
North China Electric Power University
Original Assignee
North China Electric Power 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 North China Electric Power University filed Critical North China Electric Power University
Priority to CN202011343428.8A priority Critical patent/CN112395812B/zh
Publication of CN112395812A publication Critical patent/CN112395812A/zh
Application granted granted Critical
Publication of CN112395812B publication Critical patent/CN112395812B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/06—Wind turbines or wind farms

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • Evolutionary Computation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Primary Health Care (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Wind Motors (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了属于风电场技术领域的一种评价风速时移性的方法。通过建立不同空间位置处风速序列间的时移性模型，设计了评价风速时移性的步骤，并提出延迟时间DT和速度因子SF两个指标定量来评价不同空间位置处各风过程间的时间关系与速度变化情况。定量分析不同空间位置处风速序列间的时移特性，为风电场设计运行和电力系统调度提供了可靠的技术支撑。所提方法的研究结果可依据实际风况进行不断完善，且适用于任何风电场与任意空间尺度，结果可作为风资源评估的有效衡量指标，为风电场出力特性的研究提供了理论依据。

Description

一种评价风速时移性的方法
技术领域
本发明涉及风电场技术领域，尤其涉及一种评价风速时移性的方法。
背景技术
风电并网规模的快速扩大导致风电出力的随机波动性对电网调度、电力系统安全稳定运行及电能质量的影响日益彰显。由于风电机组出力与风速的三次方呈正相关关系，所以对风速的研究至关重要。如何从不同空间位置处随机波动的风速序列中挖掘出风速的时空耦合关系，对风电场(群)爬坡事件、可能出现的极端事件、降低风电并网对电网的冲击等均具有重要意义，也事关风电场效益与电网中风电的并网比例。
现有针对不同空间位置处风速序列间时空耦合关系的研究可分为基于模型驱动的物理方法与基于数据驱动的统计方法，存在以下问题及缺陷：
(1)物理方法无法依据实际风速的分布情况对模型进行实时优化，且模型精度与模型复杂度呈反比关系，难以适用于地形复杂的风电场与我国普遍存在的成片式开发的风电场群和风电基地。
(2)统计方法仅实现了风速序列间相关性的量化，风速间的时移性隐含在空间分布与映射关系内，尚未实现量化。
为了解决上述问题，本发明提供了一种基于风过程量化不同时空尺度下风速序列间时移性的方法，并提出了评价风速时移性的指标，即延迟时间DT与速度因子SF，为定量衡量不同空间位置处风速序列间的时间关系与速度变化情况提供了科学依据。所提方法的研究结果可依据实际风况进行不断完善，且适用于任何风电场与任意空间尺度，结果可作为风资源评估的有效衡量指标，为风电场出力特性的研究提供了理论依据。
发明内容
本发明的目的是提出一种评价风速时移性的方法，其特征在于，包括以下步骤：
步骤1：数据提取及预处理；采集不同空间位置处风况信息，包括风速与风向时间序列数据，并对上述数据进行清洗与预处理；
步骤2：时间窗口确定；考虑步骤1所获得数据的时间分辨率，确定风速时移性分析及评价的时间窗口Tw；
步骤3：起始点位p处风过程集合获取；依据时间窗口同时划分起始点位p处的风速序列与风向序列，获取风过程集合
Figure BDA0002799183680000021
其中
Figure BDA0002799183680000022
分别表示将起始点位p处的风序列按时间窗口Tw划分后的第1、2、…、n个风过程；
步骤4：终止点位q处风过程集合获取；依据点位p与点位q间的相对位置与距离和起始点位p处各风过程内的主风向与风速序列，计算起始点位p处各风过程至终止点位q处的理论延迟时间范围，据此构建终止点位q处相应时变时间窗口的风过程集合；
步骤5：时移评价指标计算；计算起始点位p各风过程下的时间延迟DT与速度因子SF，定量评价起始点位p处风速序列至终止点位q处的时移性；
步骤6：对所有空间点位重复步骤3至步骤5，得到可定量评价不同空间域度内各风过程时移性的指标：延迟时间DT与速度因子SF；
步骤7：风速时移性评价；依据步骤6中计算所得风过程时移性的指标，描绘不同空间点位间风速变化的时移性特征。
所述步骤1中的数据提取及预处理包括检验筛选、错误数据剔除及合理的插补与修正。
所述步骤3中的风过程
Figure BDA0002799183680000023
包含风速序列
Figure BDA0002799183680000024
与风向序列
Figure BDA0002799183680000025
其中
Figure BDA0002799183680000026
分别为起始点位p处风过程
Figure BDA0002799183680000027
内在t、t+1、…、t+Tw-1时刻的风速，
Figure BDA0002799183680000028
分别为起始点位p处风过程
Figure BDA0002799183680000029
内在t、t+1、…、t+Tw-1时刻的风向。
所述步骤4中起始点位p处各风过程主风向的计算方式为：将风向以360°/m为间隔分为m个扇区，分别统计起始点位p处各风过程内的风向分布，进而得出各风过程内的主风向；
理论延迟时间范围的计算方式为：若起始点位p处风过程
Figure BDA00027991836800000210
内的主风向与点位p至点位q间的相对位置一致，则起始点位p处风过程
Figure BDA00027991836800000211
至终止点位q的理论延迟时间范围定义如下：
Figure BDA00027991836800000212
其中，lp,q为两空间点位间的实际物理距离；
Figure BDA0002799183680000031
分别为将起始点位p处风过程
Figure BDA0002799183680000032
内的风速序列进行升序排列后，前a％风速数据的平均值与后b％风速数据的平均值；
若起始点位p处风过程
Figure BDA0002799183680000033
内的主风向与点位p至点位q间的相对位置不一致，则认为起始点位p处风过程
Figure BDA0002799183680000034
至终止点位q的理论延迟时间为：
Figure BDA0002799183680000035
所述步骤4中构建终止点位q处相应时变时间窗口的风过程集合包括：
步骤41：依据时间窗口Tw划分终止点位q处的风速序列，得到终止点位q在时间窗口Tw下的风过程集合；其中终止点位q处的风过程集合可表示为
Figure BDA0002799183680000036
风过程
Figure BDA0002799183680000037
包含的风速序列为
Figure BDA0002799183680000038
Figure BDA0002799183680000039
分别表示将终止点位q处的风序列按时间窗口Tw划分后的第1、2、…、n个风过程，
Figure BDA00027991836800000310
分别为终止点位q处风过程
Figure BDA00027991836800000311
内在t、t+1、…、t+Tw-1时刻的风速；
步骤42：将终止点位q在时间窗口Tw下的各风过程分别依据相应理论延迟时间范围进行延伸，构建终止点位q处时变时间窗口的风过程集合；其中终止点位q处时变时间窗口的风过程集合可表示为：
Figure BDA00027991836800000312
风过程
Figure BDA00027991836800000313
包含的风速序列为：
Figure BDA00027991836800000314
Figure BDA00027991836800000315
分别为终止点位q处时变时间窗口下的第1、2、…、n个风过程，
Figure BDA00027991836800000316
分别为终止点位q处风过程
Figure BDA00027991836800000317
内在
Figure BDA00027991836800000318
Figure BDA00027991836800000319
时刻的风速。
所述步骤5中时移评价指标的求解方法为：
步骤51：以起始点位p处风过程
Figure BDA00027991836800000320
内的实际风况及其至终止点位q处的理论延迟时间范围为约束条件，风过程
Figure BDA00027991836800000321
与风过程
Figure BDA00027991836800000322
内在时间窗口Tw下的风速序列间欧式距离最小为优化目标，采用优化算法对所提出的两个时移性评价指标进行求解，计算起始点位p处风过程
Figure BDA00027991836800000323
至终止点位q处的延迟时间
Figure BDA0002799183680000041
与速度因子
Figure BDA0002799183680000042
步骤52：对起始点位p处的所有风过程重复步骤51，得到起始点位p各风过程下的延迟时间DT与速度因子SF；其中，若点位风过程间的理论延迟时间为零，则认为点位风过程间的速度因子亦为零。
所述步骤7中的风速时移性评价包括基于全部风过程的风速时移性评价、基于主风向风过程的风速时移性评价与基于典型风过程的风速时移性评价。
基于全部风过程的风速时移性评价的方法为：对所获得的不同点位间各风过程时移性评价指标，延迟时间DT与速度因子SF进行统计分析。
所述基于主风向风过程的风速时移性评价包括：
步骤71：分别筛选出各起始点位处风过程集合中主风向与点位间相对位置一致的风过程；
步骤72：对步骤71中所获得风过程对应的时移性评价指标，延迟时间DT与速度因子SF进行统计分析。
所述基于典型风过程的风速时移性评价包括：
步骤7A：分别采用聚类方法对各起始点位处风过程集合中主风向与点位间相对位置一致的风过程进行聚类，得到各典型风过程集合；
步骤7B：对步骤7A中所获得各典型风过程集合所对应的时移性评价指标，延迟时间DT与速度因子SF分别进行统计分析。
本发明的有益效果在于：
1、实现不同空间位置处风速序列间时移性的定量分析
提出延迟时间DT和速度因子SF两个指标定量评价不同空间位置处各风过程间的时间关系与速度变化情况，定量分析不同空间位置处风速序列间的时移特性，为风资源评估、风电场设计运行和电力系统调度提供可靠的技术支撑。
2、时移性结果可依据实际风况不断完善，结果科学可靠
本发明所提供的评价风速时移性的方法属于基于数据驱动的统计方法，随着时间的推移，可用数据不断增加，所得时移性结果将依据实际风况不断完善，逐渐逼近真实情况，结果科学可靠。
3、适用于任何风电场与任意空间尺度
本发明所提供的风速时移性评价指标通过寻求不同空间位置处风过程间的欧氏距离最小得到，其计算方法的复杂度与地形、风电场(群)和风电基地的空间范围无关，可适用于任何风电场与任意空间尺度的风速时移性评价与分析。
附图说明
图1为本发明风速时移性评价方法流程图；
图2为实施例1中各空间点位相对位置分布图；
图3为实施例1中基于全部风过程的各点位风速序列间延迟时间分布图；
图4为实施例1中基于主风向风过程的各点位风速序列间延迟时间分布图；
图5为实施例1中基于主风向风过程的各风速段下起始点位1#至其余点位平均延迟时间图；
图6为实施例1中起始点位1#处6个典型风过程集合图；
图7为实施例1中起始点位1#处各典型风过程至其余点位平均延迟时间图；
图8为实施例1中各点位实际风速序列图；
图9为实施例1中各点位时移后风速序列图；
图10为实施例2中各空间点位相对位置分布图；
图11为实施例2中基于全部风过程的各点位风速序列间时移性延迟时间分布图；
图12为实施例2中基于全部风过程的各点位风速序列间时移性速度因子分布图；
图13为实施例2中基于主风向风过程的各点位风速序列间时移性延迟时间分布图；
图14为实施例2中基于主风向风过程的各点位风速序列间时移性速度因子分布图；
图15为实施例2中基于主风向风过程的各风速段下起始点位1#至其余点位时移性平均延迟时间图；
图16为实施例2中基于主风向风过程的各风速段下起始点位1#至其余点位时移性平均速度因子图；
图17为实施例2中起始点位1#处6个典型风过程集合图；
图18为实施例2中起始点位1#处各典型风过程至其余点位的时移性平均延迟时间图；
图19为实施例2中起始点位1#处各典型风过程至其余点位的时移性平均速度因子图；
图20为实施例2中各点位实际风速序列图；
图21为实施例2中各点位时移后风速序列图。
具体实施方式
本发明提出一种评价风速时移性的方法，下面结合附图和具体实施例对本发明做进一步说明。
图1为本发明风速时移性评价的方法流程图；
实施例1
评价远距离风电基地间风速时移性的方法(无速度因子SF影响时)，包括以下步骤：
步骤1：数据提取及预处理；分别采集5个空间位置处的风速与风向时间序列数据，数据时间范围为2004年1月1日至2018年10月31日，时间分辨率为1h；对上述数据进行清洗与预处理，包括检验筛选、错误数据剔除及合理的插补与修正。图2为实施例1中各空间点位相对位置分布图；
步骤2：时间窗口确定；设定时间窗口为1天，即在1天(24h)的时间窗口下对风速时移性进行分析及评价；
步骤3：起始点位1#处风过程集合获取；依据1天的时间窗口同时划分起始点位1#处的风速序列与风向序列，获取风过程集合：
Figure BDA0002799183680000061
其中，风过程
Figure BDA0002799183680000062
包含风速序列：
Figure BDA0002799183680000063
与风向序列：
Figure BDA0002799183680000064
步骤4：终止点位2#处风过程集合获取；根据点位1#与点位2#间的相对位置(274°)与距离(103.8km)、起始点位1#处各风过程内的主风向与风速序列，计算起始点位1#处各风过程至终止点位2#处的理论延迟时间范围，据此构建终止点位2#处相应时变时间窗口的风过程集合；
所述步骤4中起始点位1#处各风过程主风向计算方式为：将风向以360°/36为间隔分为36个扇区，分别统计起始点位1#处各风过程内的风向分布，进而得出各风过程内的主风向；
所述步骤4中起始点位1#处各风过程至终止点位2#处的理论延迟时间范围计算方式为：
若点位1#至点位2#间的相对位置(274°)在起始点位1#处风过程
Figure BDA0002799183680000065
主风向(265°-275°)的范围内，则起始点位1#处风过程
Figure BDA0002799183680000066
至终止点位2#的理论延迟时间范围为：
Figure BDA0002799183680000067
其中，l1,2为起始点位1#与终止点位2#间的实际物理距离，103.8km；
Figure BDA0002799183680000068
分别为将起始点位1#处风过程
Figure BDA0002799183680000071
内的风速序列进行升序排列后，前30％风速数据的平均值与后30％风速数据的平均值。
若点位1#至点位2#间的相对位置(274°)不在起始点位1#处风过程
Figure BDA0002799183680000072
主风向(45°-55°)的范围内，则起始点位1#风过程
Figure BDA0002799183680000073
至终止点位2#的理论延迟时间为
Figure BDA0002799183680000074
步骤41：依据1天的时间窗口划分终止点位2#处的风速序列，得到终止点位2#在时间窗口1天下的风过程集合
Figure BDA0002799183680000075
风过程
Figure BDA0002799183680000076
内包含的风速序列
Figure BDA0002799183680000077
步骤42：将终止点位2#在时间窗口1天下的各风过程分别依据相应理论延迟时间范围进行延伸，构建终止点位2#处时变时间窗口的风过程集合：
Figure BDA0002799183680000078
风过程
Figure BDA0002799183680000079
包含的风速序列为
Figure BDA00027991836800000710
步骤5：时移评价指标计算；由于此实施例中各点位间的距离均超过100km，可认为上游风电基地基本对下游风电基地风速无影响，故仅采用延迟时间DT作为时移性评价指标；计算起始点位1#各风过程下的延迟时间DT，定量评价起始点位1#至终止点位2#处风速序列间的时移性；
所述步骤5涉及本发明提出的一个时移性评价指标：
时间延迟DT：表示起始点位1#处在时间窗口1天下的风过程与终止点位2#处在相应时变时间窗口下的风过程在时间轴上的关联；
步骤51：以起始点位1#处风过程
Figure BDA00027991836800000711
内的实际风况及其至终止点位2#处的理论延迟时间范围为约束条件，风过程
Figure BDA00027991836800000712
与风过程
Figure BDA00027991836800000713
内在1天时间窗口下的风速序列间欧式距离最小为优化目标，采用萤火虫优化算法对所提出的一个时移性评价指标，延迟时间DT进行求解，计算起始点位1#处风过程
Figure BDA00027991836800000714
至终止点位2#处的延迟时间
Figure BDA00027991836800000715
步骤52：对起始点位1#处的所有风过程重复步骤51，得到起始点位1#各风过程下的延迟时间DT。
步骤6：对所有空间点位重复步骤3至步骤5(1#-3#，1#-4#，1#-5#，2#-3#，2#-4#，2#-5#，3#-4#，3#-5#，4#-5#)，得到不同空间域度各风过程的延迟时间DT。
步骤7：风速时移性评价；依据步骤6计算所得时移评价指标，描绘不同空间点位间风速变化的时移性特征。
所述步骤7中风速时移性评价包括基于全部风过程的风速时移性评价，基于主风向风过程的风速时移性评价，与基于典型风过程的风速时移性评价。
基于全部风过程的风速时移性评价方法为：对所获得的不同点位间各风过程时移性评价指标，时间延迟DT进行统计分析；图3为实施例1中基于全部风过程的各点位风速序列间延迟时间分布图。
基于主风向风过程的风速时移性评价包括：
步骤71：分别筛选出各起始点位处风过程集合中主风向与点位间相对位置一致的风过程；
步骤72：对步骤71中所获得风过程对应的时移性评价指标，时间延迟DT进行统计分析。图4为实施例1中基于主风向风过程的各点位风速序列间延迟时间分布图，图5为实施例1中基于主风向风过程的各风速段下起始点位1#至其余点位平均延迟时间图。
从图中可以看出，随着距离的增加，各点位风速序列间的延迟时间逐渐增长，其频率分布也更为分散。从1#点位至其余点位风速序列的延迟时间分别在0h-26h,0h-31h,0h-49h和0h-78h之间变化；各点位风速序列间的平均延迟时间与各点位间的距离和起始点位处的平均风速具有一定的相关性，但由于风速在空间中从一个点位传播至另一个点位时，其大小会不可避免的受到地形、障碍物等各种因素的影响，其传播时间并不直接等于距离与风速的商。且风过程是由不同大小的风速所组成的时间序列，其传播规律更为复杂。以1#点位处风速序列为例，若直接将1#点位至2#-5#点位间的距离分别与1#点位处的平均风速相除，所得时间分别为3h,7h,10h与13h。而采用本发明中所提供方法进行时移性分析时，1#点位处的风速序列至2#-5#点位处延迟时间的平均值分别为2h,5h,8h与14h。这是由于即使两风过程的平均风速相同，其风况亦会存在较大差别，而不同风过程下其时移特性亦会不同，分别计算各风过程下的延迟时间更加科学合理。
基于典型风过程的风速时移性评价包括：
步骤7A：分别采用聚类方法对各起始点位处风过程集合中主风向与点位间相对位置一致的风过程进行聚类，得到各典型风过程集合；图6为实施例1中起始点位1#处6个典型风过程集合图。
步骤7B：对步骤7A中所获得各典型风过程集合所对应的时移性评价指标，时间延迟DT进行统计分析。图7为实施例1中起始点位1#处各典型风过程至其余点位平均延迟时间图，表1为实施例1中起始点位1#处6个典型风过程集合至其余点位的平均延迟时间。
表1实施例1中起始点位1#处6个典型风过程集合至其余点位的平均延迟时间
Figure BDA0002799183680000081
Figure BDA0002799183680000091
基于上述所得时移性分析结果分别对点位1#处、点位2#处、点位3#处和点位4#处的风速序列进行时间轴上的变换。图8至图9为实施例1中各点位风速时移前后时间序列图。从图中可以看出，不同空间点位处的风速序列间确实存在时移特性，且采用本发明所提供的方法可很好的提取出风速时移性，实现对时移性的定量评价及分析。
实施例2
评价风电场内风速时移性的方法，包括以下步骤：
步骤1：数据提取及预处理；分别采集4个空间位置处的风速与风向时间序列数据，数据时间范围为2014年1月1日至2014年12月31日，时间分辨率为1min；对上述数据进行清洗与预处理，包括检验筛选、错误数据剔除及合理的插补与修正。图10为实施例2中各空间点位相对位置分布图。
步骤2：时间窗口确定；设定时间窗口为1h，即在1h(60min)的时间窗口下对风速时移性进行分析及评价；
步骤3：起始点位1#处风过程集合获取；依据1h时间窗口同时划分起始点位1#处的风速序列与风向序列，获取风过程集合：
Figure BDA0002799183680000092
其中，风过程
Figure BDA0002799183680000093
包含风速序列：
Figure BDA0002799183680000094
与风向序列：
Figure BDA0002799183680000095
步骤4：终止点位2#处风过程集合获取；根据点位1#与点位2#间的相对位置(136°)与距离(0.87km)、起始点位1#处各风过程内的主风向与风速序列，计算起始点位1#处各风过程至终止点位2#处的理论延迟时间范围，据此构建终止点位2#处相应时变时间窗口的风过程集合；
所述步骤4中起始点位1#处各风过程主风向计算方式为：将风向以360°/36为间隔分为36个扇区，分别统计起始点位1#处各风过程内的风向分布，进而得出各风过程内的主风向；
所述步骤4中起始点位1#处各风过程至终止点位2#处的理论延迟时间范围计算方式为：
若点位1#至点位2#间的相对位置(136°)在起始点位1#处风过程
Figure BDA0002799183680000096
主风向(130°-140°)的范围内，则起始点位1#处风过程
Figure BDA0002799183680000097
至终止点位2#的理论延迟时间范围为：
Figure BDA0002799183680000101
其中，l1,2为起始点位1#与终止点位2#间的实际物理距离，0.87km；
Figure BDA0002799183680000102
分别为将起始点位1#处风过程
Figure BDA0002799183680000103
内的风速序列进行升序排列后，前30％风速数据的平均值与后30％风速数据的平均值。
若点位1#至点位2#间的相对位置(136°)不在起始点位1#处风过程
Figure BDA0002799183680000104
主风向(130°-140°)的范围内，则起始点位1#风过程
Figure BDA0002799183680000105
至终止点位2#的理论延迟时间为
Figure BDA0002799183680000106
步骤41：依据1h时间窗口划分终止点位2#处的风速序列，得到终止点位2#在1h时间窗口下的风过程集合
Figure BDA0002799183680000107
风过程
Figure BDA0002799183680000108
内包含的风速序列为
Figure BDA0002799183680000109
步骤42：将终止点位2#在时间窗口1h下的各风过程分别依据相应理论延迟时间范围进行延伸，构建终止点位2#处时变时间窗口的风过程集合：
Figure BDA00027991836800001010
风过程
Figure BDA00027991836800001011
包含的风速序列为
Figure BDA00027991836800001012
步骤5：时移评价指标计算；计算起始点位1#各风过程下的延迟时间DT和速度因子SF，定量评价起始点位1#至终止点位2#处风速序列间的时移性；
所述步骤5涉及本发明提出的两个时移性评价指标：
时间延迟DT：表示起始点位1#处在时间窗口1h下的风过程与终止点位2#处在相应时变时间窗口下的风过程在时间轴上的关联；
速度因子SF：表示起始点位1#处在时间窗口1h下的风过程与终止点位2#处在相应时变时间窗口下的风过程在速度轴上的变化情况；
步骤51：以起始点位1#处风过程
Figure BDA00027991836800001013
内的实际风况及其至终止点位2#处的理论延迟时间范围为约束条件，风过程
Figure BDA00027991836800001014
与风过程
Figure BDA00027991836800001015
内在时间窗口1h下的风速序列间欧式距离最小为优化目标，采用萤火虫优化算法对所提出的两个时移性评价指标，延迟时间DT和速度因子SF进行求解，计算起始点位1#处风过程
Figure BDA00027991836800001016
至终止点位2#处的延迟时间
Figure BDA00027991836800001017
与速度因子
Figure BDA00027991836800001018
步骤52：对起始点位1#处的所有风过程重复步骤51，得到起始点位1#各风过程下的延迟时间DT和速度因子SF。
其中，若点位风过程间的理论延迟时间为零，则认为点位风过程间的速度因子亦为零。
步骤6：对所有空间点位重复步骤3至步骤5(1#-3#，1#-4#，2#-3#，2#-4#，3#-4#)，得到不同空间域度各风过程的延迟时间DT和速度因子SF。
步骤7：风速时移性评价；依据步骤6计算所得时移评价指标，描绘不同空间点位间风速变化的时移性特征。
所述步骤7中风速时移性评价包括基于全部风过程的风速时移性评价，基于主风向风过程的风速时移性评价，与基于典型风过程的风速时移性评价。
基于全部风过程的风速时移性评价方法为：对所获得的不同点位间各风过程时移性评价指标，时间延迟DT和速度因子SF进行统计分析；图11至图12为实施例2中基于全部风过程的各点位风速序列间时移性分布图。
基于主风向风过程的风速时移性评价包括：
步骤71：分别筛选出各起始点位处风过程集合中主风向与点位间相对位置一致的风过程；
步骤72：对步骤71中所获得风过程对应的时移性评价指标，时间延迟DT和速度因子SF进行统计分析。图13至图14为实施例2中基于主风向风过程的各点位风速序列间时移性分布图。图15至图16为实施例2中基于主风向风过程的各风速段下起始点位1#至其余点位时移性图。
从图中可以看出，对于延迟时间而言，随着距离的增加，各点位风速序列间的延迟时间逐渐增长，其频率分布也更为分散。对于速度因子而言，处于下游点位处的风速并不一定小于处于上游点位处的风速。如1#点位处的风速序列至2#-4#点位处速度因子的平均值分别为-0.62m/s，-0.16m/s和0.87m/s。这是因为此实施例中各点位所处地形为丘陵，自然风在不同空间点位处的传播受地形影响较大，且风电机组的尾流效应随着距离的增加、地形的起伏亦会有所减弱。
对于延迟时间而言，总体呈现当风速基本相同时，距离越远，延迟时间越长；当距离相同时，风速越大，延迟时间越短。但由于受到各点位间距离较近与数据时间分辨率较低两个因素的影响，出现了当距离相同时，两点位风速序列间的延迟时间并未随着风速的增大而缩短的情况，两点位间距离越近，此情况出现的频率越高。对于速度因子而言，不同空间点位处风速序列间的速度因子随风速的变化情况有所差异，但总体呈现在大风况下自然风在不同空间点位传播时速度变化较大，在小风况下速度变化较小的规律。
基于典型风过程的风速时移性评价包括：
步骤7A：分别采用聚类方法对各起始点位处风过程集合中主风向与点位间相对位置一致的风过程进行聚类，得到各典型风过程集合；图17为实施例2中起始点位1#处6个典型风过程集合图。
步骤7B：对步骤7A中所获得各典型风过程集合所对应的时移性评价指标，时间延迟DT和速度因子SF进行统计分析。图18至图19为实施例2中起始点位1#处各典型风过程至其余点位的时移性图，表2为实施例2中起始点位1#处6个典型风过程集合至其余点位的平均延迟时间与速度因子。
表2实施例2中起始点位1#处6个典型风过程集合至其余点位的时移性
Figure BDA0002799183680000121
基于上述所得时移性分析结果分别对点位1#处、点位2#处和点位3#处的风速序列进行时间轴和速度轴上的变换。图20至图21为实施例2中各点位风速时移前后时间序列图。从图中可以看出，不同空间点位处的风速序列间确实存在时移特性，且采用本发明所提供的方法可很好的提取出风速时移性，实现对时移性的定量评价及分析。
此实施例仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (10)

1.一种评价风速时移性的方法，其特征在于，包括以下步骤：
步骤1：数据提取及预处理；采集不同空间位置处风况信息，包括风速与风向时间序列数据，并对上述数据进行清洗与预处理；
步骤2：时间窗口确定；考虑步骤1所获得数据的时间分辨率，确定风速时移性分析及评价的时间窗口Tw；
步骤3：起始点位p处风过程集合获取；依据时间窗口同时划分起始点位p处的风速序列与风向序列，获取风过程集合
Figure FDA0002799183670000011
其中
Figure FDA0002799183670000012
分别表示将起始点位p处的风序列按时间窗口Tw划分后的第1、2、…、n个风过程；
步骤4：终止点位q处风过程集合获取；依据点位p与点位q间的相对位置与距离和起始点位p处各风过程内的主风向与风速序列，计算起始点位p处各风过程至终止点位q处的理论延迟时间范围，据此构建终止点位q处相应时变时间窗口的风过程集合；
步骤5：时移评价指标计算；计算起始点位p各风过程下的时间延迟DT与速度因子SF，定量评价起始点位p处风速序列至终止点位q处的时移性；
步骤6：对所有空间点位重复步骤3至步骤5，得到可定量评价不同空间域度内各风过程时移性的指标：延迟时间DT与速度因子SF；
步骤7：风速时移性评价；依据步骤6中计算所得风过程时移性的指标，描绘不同空间点位间风速变化的时移性特征。
2.根据权利要求1所述的评价风速时移性的方法，其特征在于，所述步骤1中的数据提取及预处理包括检验筛选、错误数据剔除及合理的插补与修正。
3.根据权利要求1所述的评价风速时移性的方法，其特征在于，所述步骤3中的风过程
Figure FDA0002799183670000013
包含风速序列
Figure FDA0002799183670000014
与风向序列
Figure FDA0002799183670000015
其中
Figure FDA0002799183670000016
分别为起始点位p处风过程
Figure FDA0002799183670000017
内在t、t+1、…、t+Tw-1时刻的风速，
Figure FDA0002799183670000018
分别为起始点位p处风过程
Figure FDA0002799183670000019
内在t、t+1、…、t+Tw-1时刻的风向。
4.根据权利要求1所述的评价风速时移性的方法，其特征在于，所述步骤4中起始点位p处各风过程主风向的计算方式为：将风向以360°/m为间隔分为m个扇区，分别统计起始点位p处各风过程内的风向分布，进而得出各风过程内的主风向；
理论延迟时间范围的计算方式为：若起始点位p处风过程
Figure FDA0002799183670000021
内的主风向与点位p至点位q间的相对位置一致，则起始点位p处风过程
Figure FDA0002799183670000022
至终止点位q的理论延迟时间范围定义如下：
Figure FDA0002799183670000023
其中，lp,q为两空间点位间的实际物理距离；
Figure FDA0002799183670000024
分别为将起始点位p处风过程
Figure FDA0002799183670000025
内的风速序列进行升序排列后，前a％风速数据的平均值与后b％风速数据的平均值；
若起始点位p处风过程
Figure FDA0002799183670000026
内的主风向与点位p至点位q间的相对位置不一致，则认为起始点位p处风过程
Figure FDA0002799183670000027
至终止点位q的理论延迟时间为：
Figure FDA0002799183670000028
5.根据权利要求1所述的评价风速时移性的方法，其特征在于，所述步骤4中构建终止点位q处相应时变时间窗口的风过程集合包括：
步骤41：依据时间窗口Tw划分终止点位q处的风速序列，得到终止点位q在时间窗口Tw下的风过程集合；其中终止点位q处的风过程集合可表示为
Figure FDA0002799183670000029
风过程
Figure FDA00027991836700000210
包含的风速序列为
Figure FDA00027991836700000211
Figure FDA00027991836700000212
分别表示将终止点位q处的风序列按时间窗口Tw划分后的第1、2、…、n个风过程，
Figure FDA00027991836700000213
分别为终止点位q处风过程
Figure FDA00027991836700000214
内在t、t+1、…、t+Tw-1时刻的风速；
步骤42：将终止点位q在时间窗口Tw下的各风过程分别依据相应理论延迟时间范围进行延伸，构建终止点位q处时变时间窗口的风过程集合；其中终止点位q处时变时间窗口的风过程集合可表示为：
Figure FDA00027991836700000215
风过程
Figure FDA00027991836700000216
包含的风速序列为：
Figure FDA00027991836700000217
Figure FDA00027991836700000218
分别为终止点位q处时变时间窗口下的第1、2、…、n个风过程，
Figure FDA0002799183670000031
分别为终止点位q处风过程
Figure FDA0002799183670000032
内在
Figure FDA0002799183670000033
时刻的风速。
6.根据权利要求1所述的评价风速时移性的方法，其特征在于，所述步骤5中时移评价指标的求解方法为：
步骤51：以起始点位p处风过程
Figure FDA0002799183670000034
内的实际风况及其至终止点位q处的理论延迟时间范围为约束条件，风过程
Figure FDA0002799183670000035
与风过程
Figure FDA0002799183670000036
内在时间窗口Tw下的风速序列间欧式距离最小为优化目标，采用优化算法对所提出的两个时移性评价指标进行求解，计算起始点位p处风过程
Figure FDA0002799183670000037
至终止点位q处的延迟时间
Figure FDA0002799183670000038
与速度因子
Figure FDA0002799183670000039
步骤52：对起始点位p处的所有风过程重复步骤51，得到起始点位p各风过程下的延迟时间DT与速度因子SF；其中，若点位风过程间的理论延迟时间为零，则认为点位风过程间的速度因子亦为零。
7.根据权利要求1所述的评价风速时移性的方法，其特征在于，所述步骤7中的风速时移性评价包括基于全部风过程的风速时移性评价、基于主风向风过程的风速时移性评价与基于典型风过程的风速时移性评价。
8.根据权利要求7所述的评价风速时移性的方法，其特征在于，基于全部风过程的风速时移性评价的方法为：对所获得的不同点位间各风过程时移性评价指标，延迟时间DT与速度因子SF进行统计分析。
9.根据权利要求7所述的评价风速时移性的方法，其特征在于，所述基于主风向风过程的风速时移性评价包括：
步骤71：分别筛选出各起始点位处风过程集合中主风向与点位间相对位置一致的风过程；
步骤72：对步骤71中所获得风过程对应的时移性评价指标，延迟时间DT与速度因子SF进行统计分析。
10.根据权利要求7所述的评价风速时移性的方法，其特征在于，所述基于典型风过程的风速时移性评价包括：
步骤7A：分别采用聚类方法对各起始点位处风过程集合中主风向与点位间相对位置一致的风过程进行聚类，得到各典型风过程集合；
步骤7B：对步骤7A中所获得各典型风过程集合所对应的时移性评价指标，延迟时间DT与速度因子SF分别进行统计分析。
CN202011343428.8A 2020-11-26 2020-11-26 一种评价风速时移性的方法 Expired - Fee Related CN112395812B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011343428.8A CN112395812B (zh) 2020-11-26 2020-11-26 一种评价风速时移性的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011343428.8A CN112395812B (zh) 2020-11-26 2020-11-26 一种评价风速时移性的方法

Publications (2)

Publication Number Publication Date
CN112395812A true CN112395812A (zh) 2021-02-23
CN112395812B CN112395812B (zh) 2024-03-26

Family

ID=74604183

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011343428.8A Expired - Fee Related CN112395812B (zh) 2020-11-26 2020-11-26 一种评价风速时移性的方法

Country Status (1)

Country Link
CN (1) CN112395812B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116658378A (zh) * 2023-05-11 2023-08-29 国电联合动力技术有限公司 风力发电机组风切变预警方法、系统及存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103605912A (zh) * 2013-12-10 2014-02-26 武汉大学 一种风电场功率外特性建模方法
CN105785792A (zh) * 2016-02-26 2016-07-20 中国电力科学研究院 一种仿真风电基地出力时空特性的方法
CN106227998A (zh) * 2016-07-15 2016-12-14 华北电力大学 一种基于优化时间窗口的风资源评估方法
CN108090614A (zh) * 2017-12-18 2018-05-29 哈尔滨工业大学 一种基于相关系数的空间风场预测模型建立方法
JP2018109369A (ja) * 2016-12-28 2018-07-12 三菱重工業株式会社 ウィンドファーム及びその運転方法
CN108615089A (zh) * 2018-03-27 2018-10-02 东北电力大学 一种基于递归量化分析的短期风速混合预测方法
CN110765703A (zh) * 2019-11-04 2020-02-07 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 一种风电场聚合特性建模方法
CN110826927A (zh) * 2019-11-11 2020-02-21 国网山东省电力公司日照供电公司 一种风电场可用惯量评估方法
EP3647588A1 (en) * 2018-10-31 2020-05-06 Vattenfall AB A dynamic optimisation strategy for improving the operation of a wind farm

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103605912A (zh) * 2013-12-10 2014-02-26 武汉大学 一种风电场功率外特性建模方法
CN105785792A (zh) * 2016-02-26 2016-07-20 中国电力科学研究院 一种仿真风电基地出力时空特性的方法
CN106227998A (zh) * 2016-07-15 2016-12-14 华北电力大学 一种基于优化时间窗口的风资源评估方法
JP2018109369A (ja) * 2016-12-28 2018-07-12 三菱重工業株式会社 ウィンドファーム及びその運転方法
CN108090614A (zh) * 2017-12-18 2018-05-29 哈尔滨工业大学 一种基于相关系数的空间风场预测模型建立方法
CN108615089A (zh) * 2018-03-27 2018-10-02 东北电力大学 一种基于递归量化分析的短期风速混合预测方法
EP3647588A1 (en) * 2018-10-31 2020-05-06 Vattenfall AB A dynamic optimisation strategy for improving the operation of a wind farm
CN110765703A (zh) * 2019-11-04 2020-02-07 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 一种风电场聚合特性建模方法
CN110826927A (zh) * 2019-11-11 2020-02-21 国网山东省电力公司日照供电公司 一种风电场可用惯量评估方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
FA LIU等: "On wind speed pattern and energy potential in China", APPLIED ENERGY, vol. 236, pages 867 - 876, XP085582677, DOI: 10.1016/j.apenergy.2018.12.056 *
HAN WANG等: "Evaluation Method of Wind Speed Time-Shifting Characteristics at Multiple Scales and Its Application in Wind Power System", MATHEMATICAL PROBLEMS IN ENGINEERING, vol. 2020, 21 November 2020 (2020-11-21), pages 1 - 17 *
JIALE LI等: "Onshore and offshore wind energy potential assessment near Lake Erie shoreline: A spatial and temporal analysis", ENERGY, vol. 147, pages 1092 - 1107, XP085358695, DOI: 10.1016/j.energy.2018.01.118 *
王函: "风光发电功率与用电负荷联合预测方法研究", 中国博士学位论文全文数据库（电子期刊）, no. 2022, pages 042 - 152 *
郑文书: "基于时空相关性的区域风电场群风速预测研究", 中国优秀硕士学位论文全文数据库（电子期刊）, no. 2015, pages 042 - 544 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116658378A (zh) * 2023-05-11 2023-08-29 国电联合动力技术有限公司 风力发电机组风切变预警方法、系统及存储介质

Also Published As

Publication number Publication date
CN112395812B (zh) 2024-03-26

Similar Documents

Publication Publication Date Title
Yang et al. Dual NWP wind speed correction based on trend fusion and fluctuation clustering and its application in short-term wind power prediction
CN111582551B (zh) 风电场短期风速预测方法、系统及电子设备
CN104657791A (zh) 一种基于相关性分析的风电场群风速分布预测方法
CN103278867B (zh) 一种基于经验模态分解的自动气象站数据去噪方法
CN107194600A (zh) 一种电力负荷季节特性分类方法
CN117151303B (zh) 一种基于混合模型的超短期太阳辐照度预测方法及系统
CN113809365B (zh) 氢燃料电池系统电压衰减的确定方法、系统及电子设备
CN105005825A (zh) 一种基于动态神经网络预测光伏功率的方法及系统
CN106600037A (zh) 一种基于主成分分析的多参量辅助负荷预测方法
CN115730524A (zh) 一种基于机器学习的数值模拟虚拟测风误差订正方法
CN119167039A (zh) 基于气象特征筛选与迁移学习的风光发电功率预测方法
CN110688963A (zh) 基于聚类算法的大跨度桥梁涡激振动自动识别方法
CN118981942A (zh) 考虑极端气候场景的水风光互补系统功率联合预报方法
CN118157123A (zh) 基于EMD分解的EMD-BiGRU超短期光伏发电功率预测方法
CN112395812A (zh) 一种评价风速时移性的方法
CN113722970A (zh) 一种光伏功率超短期在线预测方法
CN115965177A (zh) 基于注意力机制改进的自回归误差补偿风电功率预测方法
Wang et al. PV scenario generation based on K-means method
CN119831618A (zh) 一种碳排放量预测系统及方法
CN117972485A (zh) 一种基于动态模糊理论的风机健康度评估方法
CN114935788B (zh) 变电站一次设备多点位雷电联合预警方法与系统
CN114013285B (zh) 一种电动汽车实际续驶里程评估方法
CN113627682B (zh) 一种非居民用户日电量波动的预测方法及系统
CN114862177B (zh) 一种能源互联能源存储分配方法及系统
CN112070319B (zh) 一种基于时序动态回归的超短期光伏发电功率预测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20240326

CF01 Termination of patent right due to non-payment of annual fee