一种考虑年内分布订正的测风数据代表年订正方法及系统

摘要

本发明公开了一种考虑年内分布订正的测风数据代表年订正方法及系统，通过3Tier再分析数据获取16扇区的代表年年平均风速和威布尔分布特征值，之后通过蒙特卡洛模拟，获取16扇区满足代表年年平均风速和威布尔分布特征值的风速序列，最后合成完整一年的风速、风向序列。本发明不仅提升了测风数据代表年订正的精度，还提高了代表年风功率密度计算的精度，降低投资风险。

说明书

技术领域

本发明涉及风电场测风数据代表年订正方法，具体涉及一种考虑年内分布订正的测风数据代表年订正方法及系统。

背景技术

我国国土面积辽阔，风能资源储量较为丰富。随着新能源平价上网时间节点的临近，以及风力发电机组技术的进步、开发建设成本的降低，全国迎来了风电场开发建设的高峰期。

随着风电平价上网时间节点的临近以及风电补贴的逐渐下降，对风能资源的准确评估提出了更高的要求，准确评估场址的风能资源条件对项目开发的成败尤为重要。据统计分析，测风数据10％的误差可能导致风电场发电量30％左右的误差，而因风能资源评估不准确，导致发电量等计算不准，对机组选型的结果造成偏差，会造成投资回报达不到预期的风险。

目前，针对风电场测风数据代表年订正，常规做法如下：利用风电场当地气象站数据或再分析数据，通过与测风塔测风数据建立分扇区相关关系，进行测风数据年平均风速的订正。

上述技术的不足之处在于：1.不能对测风数据的威布尔分布进行订正，若风电场所在区域风速年内分布的年际波动较剧烈，会造成测风数据的年内分布特征评估不准确；2不能对测风数据的风功率密度进行准确订正，会造成场址风能资源评估不准确，若风电场发电量高估，会造成投资回报达不到预期的风险。

发明内容

本发明的目的在于提供一种考虑年内分布订正的测风数据代表年订正方法及系统，以克服现有技术的缺陷，本发明不仅提升了测风数据代表年订正的精度，还提高了代表年风功率密度计算的精度，降低投资风险。

为达到上述目的，本发明采用如下技术方案：

一种考虑年内分布订正的测风数据代表年订正方法，包括以下步骤：

步骤1：获取测风塔完整的测风数据；

步骤2：根据步骤1获取的测风塔完整的测风数据，选取测风塔完整年测风数据；

步骤3：获取测风塔位置所对应的3Tier再分析数据；

步骤4：根据步骤2获取的测风塔完整年测风数据；利用与完整年同期的3Tier数据，分16扇区建立相关关系，对16个扇区分别进行代表年风速订正，分别得到16个扇区的代表年年平均风速(V1，V2，V3…V14，V15，V16)；

步骤5：根据步骤3得到的3Tier再分析数据，分16扇区统计近20年的威布尔分布参数，分别得到16个扇区的威布尔分布参数[(A1，K1)，(A2，K2)，(A3，K3)…(A14，K14)，(A15，K15)，(A16，K16)]；

步骤6：分16扇区进行蒙特卡洛模拟，生成各扇区满足(V1，A1，K1)，(V2，A2，K2)，(V3，A3，K3)…(V14，A14，K14)，(V15，A15，K15)，(V16，A16，K16)]分布特征的风速序列；

步骤7：根据步骤6得到的16扇区风速序列，将各扇区的风速、风向序列合并，得到代表年完整一年的风速、风向序列。

进一步地，步骤1中测风数据为：测风塔各高度10min间隔的风速、风向及风速标准差数据。

进一步地，步骤2中测风塔完整年测风数据选取原则为：测风数据完整率≥98％、有效数据完整率≥90％且不跨日历年。

进一步地，步骤3中所述3Tier再分析数据包括地表垂直高度为测风塔塔高的位置处所对应的20年以上的风速风向序列。

进一步地，步骤6中所述16扇区风速序列样本数与完整年16扇区风速样本数相同。

进一步地，步骤7中各扇区的风向序列对应的风向值取该扇区的中心对应的风向值。

一种考虑年内分布订正的测风数据代表年订正系统，包括以下模块：

测风数据获取模块：用于获取测风塔完整的测风数据；

测风塔完整年测风数据选取模块：用于根据测风数据获取模块获取的测风塔完整的测风数据，选取测风塔完整年测风数据；

3Tier再分析数据获取模块：用于获取测风塔位置所对应的3Tier再分析数据；

各扇区代表年年平均风速模块：用于根据测风塔完整年测风数据选取模块获取的测风塔完整年测风数据；利用与完整年同期的3Tier数据，分16扇区建立相关关系，对16个扇区分别进行代表年风速订正，分别得到16个扇区的代表年年平均风速(V1，V2，V3…V14，V15，V16)；

威布尔分布特征值获取模块：用于根据3Tier再分析数据获取模块所得到的3Tier再分析数据，分16扇区统计近20年的威布尔分布参数，分别得到16个扇区的威布尔分布参数[(A1，K1)，(A2，K2)，(A3，K3)…(A14，K14)，(A15，K15)，(A16，K16)]；

蒙特卡洛模拟模块：用于分16扇区进行蒙特卡洛模拟，生成各扇区满足(V1，A1，K1)，(V2，A2，K2)，(V3，A3，K3)…(V14，A14，K14)，(V15，A15，K15)，(V16，A16，K16)]分布特征的风速序列；

风速风向合并模块：用于根据蒙特卡洛模拟模块得到的16扇区风速序列，将各扇区的风速、风向序列合并，得到代表年完整一年的风速、风向序列。

进一步地，测风数据获取模块得到的测风数据为：测风塔各高度10min间隔的风速、风向及风速标准差数据；

测风塔完整年测风数据选取模块中，测风塔完整年测风数据选取原则为：测风数据完整率≥98％、有效数据完整率≥90％且不跨日历年。

进一步地，3Tier再分析数据获取模块，所述3Tier再分析数据包括地表垂直高度为测风塔塔高的位置处所对应的20年以上的风速风向序列；

蒙特卡洛模拟模块中，所述16扇区风速序列样本数与完整年16扇区风速样本数相同。

进一步地，风速风向合并模块中，各扇区的风速序列对应的风向值取该扇区的中心对应的风向值。

与现有技术相比，本发明具有以下有益的技术效果：

本发明通过3Tier再分析数据获取16扇区的代表年年平均风速和威布尔分布特征值，之后通过蒙特卡洛模拟，获取16扇区满足代表年年平均风速和威布尔分布特征值的风速序列，最后合成完整一年的风速、风向序列。通过对测风数据年内分布特征的订正，不仅提升了测风数据代表年订正的精度，还提高了代表年风功率密度计算的精度，降低投资风险；同时，提升了风电场风能资源评估的准确性，降低发电量计算的不确定性。

附图说明

图1是本发明方法的流程图；

图2是本发明系统的结构图。

具体实施方式

下面结合附图及具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。

如图1所示，本发明提供的一种考虑年内分布订正的测风数据代表年订正方法，包括测风塔数量及塔高的确定，测风塔位置的选择。

具体地：

步骤1，获取测风塔完整的测风数据；所述测风数据为：测风塔各高度10min间隔的风速、风向及风速标准差数据。

步骤2，根据步骤1获取的测风塔完整的测风数据，选取测风塔完整年测风数据；测风塔完整年测风数据选取原则为：测风数据完整率≥98％、有效数据完整率≥90％且不跨日历年。

步骤3，获取测风塔位置所对应的3Tier再分析数据，所述3Tier再分析数据包括地表垂直高度为测风塔塔高的位置处所对应的20年以上的风速风向序列；

近20年以上的风速风向序列获取方法具体是:

利用3Tier的数值天气预报模式(NWP)进行获取，该模式使用的输入数据是过去50年的全球天气数据；高分辨率的地形、土壤和植被数据；以及现场实测数据；采用气候变化分析、长时段历史数据以及空间分布图，可以获取项目区域风能状况长期变化。

步骤4，根据步骤2获取的测风塔完整年测风数据；利用与完整年同期的3Tier数据，分16扇区建立相关关系，对16个扇区分别进行代表年风速订正，分别得到16个扇区的代表年年平均风速(V1，V2，V3…V14，V15，V16)。

步骤5，根据步骤3得到的3Tier再分析数据，分16扇区统计近20年的威布尔分布参数，分别得到16个扇区的威布尔分布参数[(A1，K1)，(A2，K2)，(A3，K3)…(A14，K14)，(A15，K15)，(A16，K16)]。

步骤6，分16扇区进行蒙特卡洛模拟，生成各扇区满足(V1，A1，K1)，(V2，A2，K2)，(V3，A3，K3)…(V14，A14，K14)，(V15，A15，K15)，(V16，A16，K16)]分布特征的风速序列；所述16扇区风速序列样本数与完整年16扇区风速样本数相同。

步骤7，根据步骤6得到的16扇区风速序列，将各扇区的风速、风向序列合并，得到代表年完整一年的风速、风向序列，各扇区的风向序列对应的风向值取该扇区的中心对应的风向值(0°,22.5°，45°，…，292.5°，315°，337.5°)。

如图2所示，本发明还提供一种实现上述方法的系统，包括测风数据获取模块、测风塔完整年测风数据选取模块、3Tier再分析数据获取模块、各扇区代表年年平均风速模块、威布尔分布特征值获取模块、蒙特卡洛模拟模块和风速风向合并模块。

测风数据获取模块用于获取测风塔完整的测风数据；测风塔完整年测风数据选取模块用于根据测风数据获取模块获取的测风塔完整的测风数据，选取测风塔完整年测风数据；3Tier再分析数据获取模块用于获取测风塔位置所对应的3Tier再分析数据；各扇区代表年年平均风速模块用于根据测风塔完整年测风数据选取模块获取的测风塔完整年测风数据；利用与完整年同期的3Tier数据，分16扇区建立相关关系，对16个扇区分别进行代表年风速订正，分别得到16个扇区的代表年年平均风速(V1，V2，V3…V14，V15，V16)；威布尔分布特征值获取模块用于根据3Tier再分析数据获取模块所得到的3Tier再分析数据，分16扇区统计近20年的威布尔分布参数，分别得到16个扇区的威布尔分布参数[(A1，K1)，(A2，K2)，(A3，K3)…(A14，K14)，(A15，K15)，(A16，K16)]；蒙特卡洛模拟模块用于分16扇区进行蒙特卡洛模拟，生成各扇区满足(V1，A1，K1)，(V2，A2，K2)，(V3，A3，K3)…(V14，A14，K14)，(V15，A15，K15)，(V16，A16，K16)]分布特征的风速序列；风速风向合并模块用于根据蒙特卡洛模拟模块得到的16扇区风速序列，将各扇区的风速、风向序列合并，得到代表年完整一年的风速、风向序列。