【技术实现步骤摘要】
本专利技术涉及风力发电，具体涉及一种大基地式风电场宏观尾流效应评估方法。
技术介绍
1、传统基于cfd的尾流模型能够精确解析叶素尺度、风力机尺度以及(独立)风电场尺度的流动细节，即适用于实验室尺度或大型风力机叶片旋转、较小尺度区域的风力机或风力机群的模拟。若探究大规模风电场的流动及运行特性及大气环境效应，该方法将面临风电场建模难度大、所需的网格数据大、消耗计算资源大且计算能力要求高等诸多的局限性。
2、但随着风电场规模化发展，对大基地式风电场(装机容量通常在100万千瓦及以上)的宏观评估、相邻风电场之间及风电场内部风力机的尾流效应评估需求迫切。
3、有鉴于此，本申请的专利技术人设计了一种大基地式风电场宏观尾流效应评估方法，以期克服上述技术问题。
技术实现思路
1、本专利技术要解决的技术问题是为了克服现有技术中传统模型面临风电场建模难度大、所需的网格数据大、消耗计算资源大且计算能力要求高等诸多的局限性的缺陷，提供一种大基地式风电场宏观尾流效应评估方法。
2、本专利技术是通过下述技术方案来解决上述技术问题的：
3、本专利技术提供一种大基地式风电场宏观尾流效应评估方法，其特点在于，所述评估方法包括如下步骤：s1、获取气象再分析数据、地形和土地利用数据、以及风机数据；s2、对获取的数据进行预处理，对气象再分析数据进行校正，获得模拟区域更准确的初始和边界条件气象数据集；s3、定义模型域，生成计算网格；对空间层进行加密；将数据插值到计算网格中，从
4、根据本专利技术的一个或多个实施方式，所述步骤s1中：所述气象再分析数据，为通过全球气象再分析数据集获取的模拟时间段的初始和边界条件数据；所述地形和土地利用数据，为高分辨率地形数据；所述地形和土地利用数据用于定义模型域的地形特征；所述风机数据包括目标风电场中每个风电机组的机位坐标、风机型号、风机轮毂高度、风机额定功率、风机推力系数、风机叶轮直径和发电功率。
5、根据本专利技术的一个或多个实施方式，所述步骤s2包括如下步骤：s21、对作为初始和边界条件的气象再分析数据进行校正，利用测风塔数据对所述气象再分析数据进行误差修正，获得模拟区域更准确的初始和边界条件气象数据集；s22、对获得的所述气象数据集进行空间统计降尺度，提高空间分辨率。
6、根据本专利技术的一个或多个实施方式，所述步骤s21通过风廓线拟合公式进行系统误差修正；其中，为来自测风塔的观测数据,vz为再分析数据；中z为地表粗糙度、α为风切变指数、zr为海拔高度；对再分析数据的误差修正针对进行：选取某历史年为修正模型建立年，基于所述修正模型建立年的时间段计算然后利用计算所得的对模拟年的再分析数据进行修正，从而获得模拟区域更准确的初始和边界条件气象数据集。
7、根据本专利技术的一个或多个实施方式，所述步骤s22包括如下步骤：s221、使用双线性插值法对低分辨率气象数据集进行插值，使其与高分辨率数据空间点位进行对应，将格点场转换到离散场；s222、基于低分辨率气象数据，标准化数据后，利用经验正交函数分析方法对大尺度预报因子进行降维及滤波处理，采用的经验正交函数为：pt＝pct×eoft+nt；其中，pt代表低分辨率气象数据t时间的因子场的数值矩阵；eoft代表此因子场的空间模态矩阵；pct代表eoft随时间变化的系数矩阵；nt代表噪声矩阵；选取pct作为进入逐步回归模型的因子；s223、基于多个观测站点的实测数据集和通过所述步骤s222筛选出的逐步回归模型的因子，建立逐步回归模型，关系式可表示为：其中，a和b为滑动训练中确定的回归系数；pct为回归模型因子；为第n个观测站点的实测数据集；s224、对于插值后的气象数据集各个格点，逐时刻按照所述步骤s223建立的逐步回归模型进行回归修正，获得高空间分辨率的气象数据。
8、根据本专利技术的一个或多个实施方式，所述步骤s3包括如下步骤：s31、确定尾流模拟的空间范围和分辨率，选择嵌套模型的数量和配置，生成计算网格；s32、进行空间层加密，通过基于质量的混合压力坐标系将计算空间划分为若干个垂直层，对各个层进行加密；s33、将所述步骤s1中的所述地形和土地利用数据，以及所述步骤s2中处理后的初始和边界条件气象数据，插值到所述步骤s31和所述步骤s32生成的网格中，转化数据格式形成多个计算域。
9、根据本专利技术的一个或多个实施方式，所述步骤s31中：所述计算域的水平网格采用荒川-c网格，使用多个3-4层单向嵌套网格计算域叠加，每个计算域水平网格分辨率从风电场区域到覆盖周边的范围区域，取值在200米-15千米之间；其中，风电场区域内水平网格分辨率小于风轮直径的5倍；不同计算域对不同区域的风电场进行嵌套定义域调整；对计算域叠加区域的最终模拟结果的处理计算公式如下：其中，v为最终获得的模拟气象要素结果；n为在同一网格区域重叠的计算域个数；是第n个计算域中第i行第j列第z高度层的气象要素模拟结果。
10、根据本专利技术的一个或多个实施方式，所述步骤s32中：利用整个计算域内的地形数据，通过基于质量的混合压力坐标系将计算空间划分为若干个垂直层，计算公式为其中，p为气压，pt为层顶气压，ps为地表气压，η为大气垂直坐标系；对所述垂直层的大气边界层内1km以下加密至少20层。
11、根据本专利技术的一个或多个实施方式，所述步骤s4包括如下步骤：s41、基于所述步骤s3生成的所述计算域，设置各层网格的积分时间步长和物理过程的参数化方案，通过不断更新和求解物理方程，从评估时段的起始时刻向结束时刻进行时间积分，获得计算域的目标时间段的模拟结果；s42、采用所述步骤s31的方法处理重叠网格结果，得到目标风电场区域没有风电机组情况下的自然风资源情况；所述目标风电场区域没有风电机组情况下的自然风资源情况包括目标区域目标时间段内的模拟风速。
12、根据本专利技术的一个或多个实施方式，所述步骤s5中所述风机模型采用fitch模型，所述步骤s5包括如下步骤：s51、基于步骤s3生成的所述计算域，在目标区域内增加步骤s1中的风机数据，采用中尺度气象模型耦合fitch模型来模拟风机的尾流效应和功率输出特征，获得计算域的目标时间段的模拟结果；s52、采用所述步骤s31的方法处理重叠网格结果，得到目标区域风电场建成后的风资源情况；所述目标区域风电场建成后的风资源情况包括目标区域目标时间段内的模拟风速；s53、通过判定尾流效应长度，并量化发电量损失，从而评估宏观尾流效应。
13、根据本专利技术的一个或多个实施方式，所述步骤s53中尾流效应长度采用风速损失比判定，风速损失比公式为：其中，vwith out fitch为步骤s42中获得的目标区域目标时间段内的模拟风速，vwith本文档来自技高网...
【技术保护点】
1.一种大基地式风电场宏观尾流效应评估方法，其特征在于，所述评估方法包括如下步骤：
2.如权利要求1所述的大基地式风电场宏观尾流效应评估方法，其特征在于，所述步骤S1中：
3.如权利要求1所述的大基地式风电场宏观尾流效应评估方法，其特征在于，所述步骤S2包括如下步骤：
4.如权利要求3所述的大基地式风电场宏观尾流效应评估方法，其特征在于，所述步骤S21通过风廓线拟合公式进行系统误差修正；
5.如权利要求3所述的大基地式风电场宏观尾流效应评估方法，其特征在于，所述步骤S22包括如下步骤：
6.如权利要求3所述的大基地式风电场宏观尾流效应评估方法，其特征在于，所述步骤S3包括如下步骤：
7.如权利要求6所述的大基地式风电场宏观尾流效应评估方法，其特征在于，所述步骤S31中：
8.如权利要求7所述的大基地式风电场宏观尾流效应评估方法，其特征在于，所述步骤S32中：
9.如权利要求7所述的大基地式风电场宏观尾流效应评估方法，其特征在于，所述步骤S4包括如下步骤：
10.如权利要求9
11.如权利要求10所述的大基地式风电场宏观尾流效应评估方法，其特征在于，所述步骤S53中尾流效应长度采用风速损失比判定，风速损失比公式为：
12.如权利要求10所述的大基地式风电场宏观尾流效应评估方法，其特征在于，所述步骤S53中量化发电量损失的方法包括如下步骤：
13.如权利要求1所述的大基地式风电场宏观尾流效应评估方法，其特征在于，所述步骤S6中检验宏观尾流效应的评估结果采用模拟风速损失结果与观测数据的平均偏差，以及均方根误差作为评估指标，所述步骤S6包括如下步骤：
...【技术特征摘要】
1.一种大基地式风电场宏观尾流效应评估方法，其特征在于，所述评估方法包括如下步骤：
2.如权利要求1所述的大基地式风电场宏观尾流效应评估方法，其特征在于，所述步骤s1中：
3.如权利要求1所述的大基地式风电场宏观尾流效应评估方法，其特征在于，所述步骤s2包括如下步骤：
4.如权利要求3所述的大基地式风电场宏观尾流效应评估方法，其特征在于，所述步骤s21通过风廓线拟合公式进行系统误差修正；
5.如权利要求3所述的大基地式风电场宏观尾流效应评估方法，其特征在于，所述步骤s22包括如下步骤：
6.如权利要求3所述的大基地式风电场宏观尾流效应评估方法，其特征在于，所述步骤s3包括如下步骤：
7.如权利要求6所述的大基地式风电场宏观尾流效应评估方法，其特征在于，所述步骤s31中：
8.如权利要求7所述的大基地式风电场宏观尾流效应评估方...
【专利技术属性】
技术研发人员：李婉嘉，李霄，杜星龙，王冠，于殿富，
申请(专利权)人：上海能源科技发展有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。