一种评价风速周期性的方法及系统技术方案

本发明专利技术提供一种评价风速周期性的方法及系统，所述方法包括：步骤1：数据提取；提取来流风速数据信息，并对原始数据进行验证和订正。得到一系列等时间间隔的风速数据，作为模型的样本时间序列；步骤2：尺度参数确定；确定风速周期性分析及评价的时间尺度；步骤3：小波变换及小波系数计算；按尺度参数对Morlet小波函数进行平移及伸缩变换，并计算每一尺度参数对应的小波系数；步骤4：周期评价指标计算及风速周期分布平面建立；计算周期强度PI并建立风速周期分布平面，根据风速周期分布平面计算显著周期区间的周期强度PI及相对周期强度RPI，定量评价样本序列的周期性强弱；步骤5：风速周期性评价；根据风速周期分布平面及周期评价指标，提取风速变化的显著周期并评价显著周期区间的周期强度特征。

【技术实现步骤摘要】
一种评价风速周期性的方法及系统
本专利技术属于风资源评估
，尤其涉及一种评价风速周期性的方法及系统。
技术介绍
在环境恶化、能源短缺的今天，风能作为一种清洁、无污染的可再生能源，已显现出极大优势。由于风力发电机组的输出功率与风速的三次方成正比关系，对风速的研究至关重要。自然界的风的最大特点是随机波动性，这给风电场运行维护及风电网调度带来巨大挑战。如何从随机波动的风速中挖掘出其内在的规律性，已成为风资源评估、风电场设计及风电场运行维护中亟需解决的问题，事关风电场项目的成败。事实上，在风速的随机波动性之中也蕴含着一定的规律性，周期性就是其重要表现之一。国内外学者已经对风速分布特性做了大量的研究，然而到目前，大多数对风资源特性的研究还主要集中在风速的整体变化趋势及分布规律，没有揭示风速变化的内在规律，没有找到风速变化的一致性和不变性特征。少数学者开始对风速周期性进行研究，但没有定量的衡量指标，只能局限在粗略的定性分析，无法进行不同地区不同季节周期性的比较，且这些研究主要集中在4～10年的大时间尺度上近地面的周期变化，其方法并不适用于风电场尺度下风速的周期性分析。为了解决上述问题，本专利技术基于Morlet小波分析法建立了风速周期分布平面模型，并提出评价风速变化周期特性的指标——周期强度PI及相对周期强度RPI。为定量地衡量风速变化周期的强度特征，提取显著周期，准确地比较不同地区不同季节风速周期性的强弱，描述风速在不同季节、不同时间尺度下的周期分布提供科学依据，同时为风资源评估及电网调度提供可靠的技术支撑。结果可作为风资源评估的有效衡量指标，并为风速风频分布函数的拟合及风电场出力特性的研究提供理论依据。
技术实现思路
本专利技术要解决的技术问题在于，针对现有技术对风速特性的分析研究主要集中在其整体的分布特征及其随时间的变化趋势，不能表达蕴含在风速波动性之中的不变性、一致性。为表达风速变化的内在规律，提供一种评价风速周期性的方法及系统。通过建立风速周期分布平面模型以及相应的周期评价指标，实现风速信号的拆解、显著周期的提取，以及周期强度特征的比较，为风资源评估，风电场设计及调度提供科学依据。为了实现以上目的，本专利技术通过以下技术方案实现：一种评价风速周期性的系统，该系统包括数据读取模块、尺度参数确定模块、建模分析模块、评价指标计算模块、周期分布平面建立模块及结果分析模块；其中，数据读取模块与建模分析模块相连，作为建模分析模块的输入；尺度参数确定模块也与建模分析模块相连，作为建模分析模块的输入；建模分析模块与评价指标计算模块相连，评价指标计算模块与曲面建立模块相连，评价指标计算模块与结果分析模块相连。所述数据读取模块，用于提取来流风速数据信息，并对原始数据进行验证和订正，得到一系列等时间间隔的风速数据，作为模型的样本时间序列；所述尺度参数确定模块，用于确定风速周期性分析及评价的时间尺度；所述建模分析模块，包含小波变换模块和小波系数计算模块，通过小波变换，对样本时间序列的周期性进行初步分析；其中，数据读取模块与建模分析模块相连，作为建模分析模块的输入；尺度参数确定模块也与建模分析模块相连，作为建模分析模块的输入；建模分析模块与评价指标计算模块相连，评价指标计算模块与周期分布平面建立模块相连，评价指标计算模块与结果分析模块相连所述小波变换模块，根据尺度参数确定模块确定的时间尺度，对母小波函数进行伸缩变换及平移变换，形成子小波函数；所述小波系数计算模块：用于计算每一个子小波函数的小波系数；所述评价指标计算模块，包含PI计算模块和RPI计算模块，分别用于PI及RPI的计算；根据小波系数计算模块输出的小波系数，计算周期强度PI及相对周期强度RPI，定量评价样本序列的周期性强弱；所述周期分布平面建立模块，根据风速周期评价指标PI及RPI，表达样本时间序列在不同周期上的分布特征；所述结果分析模块：用于风速序列周期性的评价及分析；该模块包含三个子模块：显著周期提取模块、周期强度评价模块及相对周期强度评价模块；其中所述显著周期提起模块：用于提取显著周期区间；所述周期强度评价模块：分析及评价某一时域(时间范围)频域(周期尺度范围)内风速变化周期的强弱；所述相对周期强度评价模块：分析及评价某一时域频域内风速变化周期的相对强弱。一种评价风速周期性的方法，包括以下步骤：步骤1：数据提取；提取来流风速数据信息，并对原始数据进行验证和订正。得到一系列等时间间隔的风速数据，作为模型的样本时间序列；步骤2：尺度参数确定；确定风速周期性分析及评价的时间尺度；步骤3：小波变换及小波系数计算；按尺度参数对Morlet小波函数进行平移及伸缩变换，并计算每一尺度参数对应的小波系数；步骤4：周期评价指标计算；计算周期强度PI及相对周期强度RPI，定量评价样本序列的周期性强弱；步骤5：风速周期性评价；根据风速周期分布平面及周期评价指标，提取风速变化的显著周期并评价显著周期区间的周期强度特征。进一步，所述步骤1包括：步骤11：数据验证：读取原始风速数据，挑选出不合理的、可疑的数据以及漏测的数据；步骤12：数据订正：利用代数差值法对步骤11中挑选出来的数据进行订正，形成长度为N的等时间步长序列：f(1),f(2),...,f(N)；具体方法如下：其中，t为待订正的风速数据对应的时间点，v(t)为修正后的风速值，t1和t2为待订正点前后相邻最近的有效数据观测点，且t1<t<t2，v(t1)和v(t2)分别为t1和t2对应的历史风速值。步骤13：为防止序列开始点与结尾点处的边界效应，在序列的两端支垫等长度的时间序列：向前延伸N点：f(-i)＝f(i+1)，其中i＝0,1,...,N-1向后延伸N点：f(i+N)＝f(N+1-i)，其中i＝1,2,...,N形成资料序列f(-N+1),f(-N),...,f(2N)。进一步，所述步骤2包括：步骤21：伸缩尺度确定：伸缩尺度表示风速周期变化的周期长度，也表示小波的周期长度。根据分析需要选定一系列等步长的伸缩尺度a1,a2,...an；步骤22：平移参数确定：平移参数表示小波在时间上的平移，平移参数序列即为时间序列，即b＝-N+1,-N,...,2N。进一步，所述步骤3包括：步骤31：取Morlet小波函数作为母小波函数，其中，t为时间；根据选定的伸缩尺度及平移参数对母小波函数进行伸缩及平移变换：其中：a为伸缩尺度，亦称尺度因子，表示小波的周期长度；b为平移参数，亦称时间因子，表示小波在时间上的平移，ψa,b(t)为对应伸缩尺度a及平移参数b的子小波函数。步骤32：计算每一子小波函数的小波系数：其中：f(t)为原始风速信号；ψ*(t)为ψa,b(t)的复共轭函数，W(a,b)为子小波函数ψa,b(t)的小波系数。进一步，所述步骤4涉及本专利技术提出的两个周期强度评价指标：周期强度PI：表示在频域(0,a0)时域(B1,B2)范围内，所有分布在时域(b1,b2)频域(a1,a2)的周期分量所占的比例之和，其定义如下：其中，W(a,b)为小波系数；周期强度PI表示某段时间内周期分量在所有周期分量中所占的比重，反映某一时域及频域范围内风速周期性的绝对强度，利用PI可以直接比较不同季节不同时间尺度下风速周期性的强弱。PI越大本文档来自技高网...

【技术保护点】
一种评价风速周期性的方法，包括以下步骤：步骤1：数据提取；提取来流风速数据信息，并对原始数据进行验证和订正，得到一系列等时间间隔的风速数据，作为模型的样本时间序列；步骤2：尺度参数确定；确定风速周期性分析及评价的时间尺度；步骤3：小波变换及小波系数计算；按尺度参数对Morlet小波函数进行平移及伸缩变换，并计算每一尺度参数对应的小波系数；步骤4：周期评价指标计算；计算周期强度PI及相对周期强度RPI，定量评价样本序列的周期性强弱；步骤5：风速周期性评价；根据风速周期分布平面及周期评价指标，提取风速变化的显著周期并评价显著周期区间的周期强度特征。

【技术特征摘要】
1.一种评价风速周期性的方法，包括以下步骤：步骤1：数据提取；提取来流风速数据信息，并对原始数据进行验证和订正，得到一系列等时间间隔的风速数据，作为模型的样本时间序列；步骤2：尺度参数确定；确定风速周期性分析及评价的时间尺度；步骤3：小波变换及小波系数计算；按尺度参数对Morlet小波函数进行平移及伸缩变换，并计算每一尺度参数对应的小波系数；步骤4：周期评价指标计算；计算周期强度PI及相对周期强度RPI，定量评价样本序列的周期性强弱；其中，周期强度PI：表示在频域(0,a0)时域(B1,B2)范围内，所有分布在时域(b1,b2)频域(a1,a2)的周期分量所占的比例之和，其定义如下：其中，W(a,b)为小波系数，a为伸缩尺度，亦称尺度因子，表示小波的周期长度；b为平移参数，亦称时间因子，表示小波在时间上的平移；相对周期强度RPI；RPI表示在(b1,b2)时域的范围，分布在频域(a1,a2)的周期分量在频域(0,a0)的所有周期分量所占比例，其定义如下：其中，W(a,b)为小波系数，a为伸缩尺度，亦称尺度因子，表示小波的周期长度；b为平移参数，亦称时间因子，表示小波在时间上的平移；所述步骤4包括：步骤41：按定义计算风速变化周期在各尺度上的周期强度，以表达风速变化周期的总体分布特征；将尺度参数区间(a1,a0)划分为n-1个等区间长度的区间：(a1,a2),(a2,a3),...(an-1,a0)，计算每一子区间(ai,ai+1)的周期强度：其中，W(a,b)为小波系数；i＝0,1,...,n-1步骤42：根据计算结果，建立风速周期分布平面；风速周期分布平面横轴为周期长度，纵轴为对应的周期强度PI，曲线上的极值点所在的区间即为显著周期区间；步骤43：按定义计算显著周期区间的周期强度PI及相对周期强度RPI；步骤5：风速周期性评价；根据风速周期分布平面及周期评价指标，提取风速变化的显著周期并评价显著周期区间的周期强度特征。2.根据权利要求1所述方法，其特征在于，所述步骤1包括：步骤11：数据验证：读取原始风速数据，挑选出不合理的、可疑的数据以及漏测的数据；步骤12：数据订正：利用代数差值法对步骤11中挑选出来的数据进行订正，形成长度为N的等时间步长序列：f(1),f(2),...,f(N)；具体方法如下：其中，t为待订正的风速数据对应的时间点，v(t)为修正后的风速值，t1和t2为待订正点前后相邻最近的有效数据观测点，且t1<t<t2，v(t1)和v(t2)分别为t1和t2对应的历史风速值；步骤13：为防止序列开始点与结尾点处的边界效应，在序列的两端支垫等长度的时间序列：向前延伸N点：f(-i)＝f(i+1)，其中i＝0,1,...,N-1；向后延伸n点：f(i+n)＝f(n+1-i)，其中i＝1,2,...,N；形成资料序列：f(-N+1),f(-N),...,f(2N)。3.根据权利要求1所述方法，其特征在于，所述步骤2包括：步骤21：伸缩尺度确定：伸缩尺度表示风速周期变化的周期长度，也表示小波的周期长度，根据分析需要选定一系列等步长的伸缩尺度a1,a2,...an；步骤22：平移参数确定：平移参数表示小波在时间上的平移，平移参数序列即为时间序列，即b＝-N+1,-N,...,2N。4.根据权利要求1所述方法，其特征在于，所述步骤3包括：步骤31：取Morlet小波函数作为母小波函数，其中...

【专利技术属性】
技术研发人员：刘永前，孙莹，韩爽，李莉，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：北京;11