基于区域内数座测风塔测风数据的风能资源推算方法
【专利摘要】本发明公开了一种基于区域内数座测风塔测风数据的风能资源推算方法，包括以下步骤：对各站点风速数据进行相关性分析，相关性分析是指对两个或多个具备相关性的变量元素进行分析，从而衡量两个变量因素的相关密切程度；根据相关性分析的结果，建立相关站点间风速关系式，即选出相关系数大于设定数字的站点并对其作曲线拟合，对函数表达式进行基于马尔科夫模型的风能资源推算。达到了在复杂地形以及气候条件下特定区域内多个高风能密度分布区的共性、特异性的量化分析的目的。
【专利说明】基于区域内数座测风塔测风数据的风能资源推算方法
【技术领域】
[0001]本发明涉及风力发电领域，具体地，涉及一种基于区域内数座测风塔测风数据的风能资源推算方法。
【背景技术】
[0002]风能资源具有很强的局地性和随机性，对区域风能资源进行评估和推算不仅有利于风能资源的开发利用而且为风力发电功率预测和并网调度提供参考。
[0003]现阶段的风电场风能资源评估技术一般局限于某特定风电场的年风况和月风况两大类，且由于风电场装机规模限制而带有显著的局地特征，从属于同一地理区域的风电场群所使用的历史测风塔数据大多无法实现时间同步，因而现有的风能资源评估结果的简单性汇总难以有效服务于区域风能资源分布的分析与整体把握。研究不同地形(尤其是复杂地形)和气候条件下的区域风能资源分布的计算和评估技术主要是针对较大范围的资源空间分布特性进行分析，依据自然条件差异和风流变化的局地强迫，形成特定范围内多个高风能密度分布区的共性、特异性的量化指标，而现有的技术无法实现复杂区域风能资源的判定。
【发明内容】
[0004]本发明的目的在于，针对上述问题，提出一种基于区域内数座测风塔测风数据的风能资源推算方法，实现在复杂地形以及气候条件下特定区域内多个高风能密度分布区的共性、特异性的量化分析。
[0005]为实现上述目的，本发明采用的技术方案是:
[0006]一种基于区域内数座测风塔测风数据的风能资源推算方法，包括以下步骤:
[0007]步骤1:对各站点风速数据进行相关性分析，相关性分析是指对两个或多个具备相关性的变量元素进行分析，从而衡量两个变量因素的相关密切程度；
[0008]步骤2:根据上述步骤I相关性分析的结果，建立相关站点间风速关系式，即选出相关系数大于设定数字的站点并对其作曲线拟合，曲线拟合包括以下步骤:
[0009]I)通过所读取的数据Ti (t)和1(0绘制散点图，并根据散点图中散点的大体走势确定曲线类型和曲线拟合方程式中的项数m ;拟合方程式为:
[0010]Ti (t) =BfflTjm (t) +aW-1 (t) + …+a0
[0011]式中，TJt)和L(t)分别t时刻i号测风塔和第j号测风塔的风速数据，％、……、 am为待确定的系数,m为项数；
[0012]2)建立目标函数:
[0013]
【权利要求】
1.一种基于区域内数座测风塔测风数据的风能资源推算方法，其特征在，包括以下步骤: 步骤1:对各站点风速数据进行相关性分析，相关性分析是指对两个或多个具备相关性的变量元素进行分析，从而衡量两个变量因素的相关密切程度； 步骤2:根据上述步骤I相关性分析的结果，建立相关站点间风速关系式，即选出相关系数大于设定数字的站点并对其作曲线拟合，曲线拟合包括以下步骤: 1)通过所读取的数据Tdt)和L(t)绘制散点图，并根据散点图中散点的大体走势确定曲线类型和曲线拟合方程式中的项数m ;拟合方程式为:
Ti (t) =amTjm (t) +a^Jj01 i (t) +...+a0 式中，Ti (t)和L(t)分别t时刻i号测风塔和第j号测风塔的风速数据，a0,……、 am为待确定的系数,m为项数； 2)建立目标函数:
2.根据权利要求1所述的基于区域内数座测风塔测风数据的风能资源推算方法，其特征在于，上述相关性分析具体如下，判定研究变量X和变量I的相关系数，该相关系数的计算公式:
3.根据权利要求2所述的基于区域内数座测风塔测风数据的风能资源推算方法，其特征在于，当|r|≤0.3为不存在线性相关；当0.3〈 Ir I≤0.5，为低度线性相关；当0.5<Ir I < 0.8，为显著线性相关；当Ir I >0.8为高度线性相关。
4.根据权利要求3所述的基于区域内数座测风塔测风数据的风能资源推算方法，其特征在于，步骤2中相关系数大于设定数字中设定数的数字为0.8，即选出|r| >0.8的站点并对其作曲线拟合。
5.根据权利要求1至4任一所述的基于区域内数座测风塔测风数据的风能资源推算方法，其特征在于，所述马尔科夫模型的研究对象是一个动态系统的状态及其状态转移；状态转移是指事物从一种状态到另一种状态的变化，如客观事物的状态有E1, E2, -,En*η个状态，当把事物状态变化过程作为事件离散和状态离散的过程，每一状态都有η个转移方向包括转向自身，即 E1 — E1, E1 — E2,...，Ei^1 — Εη，Elri — En ； 由于一种状态转移到另一种状态的随机性，必须要用概率描述状态转移的可能性，用概率描述状态转移的可能性称为状态转移概率； 一个动态系统的运动过程由状态Em — Em+1的概率常称为一步状态转移概率,简单记为Pij,其数学表达式为:
Pij=P (xn+i=j I xn=i) 将风速按大小划分为不同的状态，并设定大于等于i (m/s)小于j (m/s)风速的的风均是“i米风”，从而把原始风速时间序列数据化为“风速状态序列”如平均最大风速是N(m/s)，其中O < i < N，O < j < N，便得到一个N行N列的矩阵P，称之为状态转移概率矩阵，如下:
【文档编号】G06F19/00GK103473476SQ201310450661
【公开日】2013年12月25日 申请日期:2013年9月25日 优先权日:2013年9月25日
【发明者】曹银利, 陈震寰, 王玮, 付嘉渝, 陈志宝, 程序, 周海, 谭志萍, 陈颖, 贾怀森 申请人:国家电网公司, 甘肃省电力公司, 中国电力科学研究院, 国网宁夏电力公司银川供电公司