【技术实现步骤摘要】
本专利技术涉及风电系统中风能评估领域，具体涉及一种计及季节性风速仿真的季度风能评估方法。
技术介绍
1、风能作为一种清洁能源，具有无污染、可再生、发电成本低等特点，受到全球广泛关注，风电装机总容量迅速增长。准确的描述风速的统计特征，可以量化风能资源，为准确评估某地区风能资源提供参考，进一步指导该地区风力发电站的投资建设。受到地球公转影响，由太阳照射地球表面受热不均匀产生的自然风与前几个时刻产生的自然风具有一定自相关性，且随季节变化具有不同季度均值、标准差等统计特征的特性称为风速的季节性。受风速季节性影响，风能资源也随之呈现出季度变化特征；同时风速还具有波动性和间歇性，使得风能资源呈现出较强的不可控性。因此，建立合理、准确的风速仿真模型是对该地区进行季节风能资源评估的前提。
2、目前，国内外许多学者针对风速的季节性特征对风速模型展开大量研究，但该风速模型不能同时考虑风速的随机性和季节性，使得仿真风速不能较好刻画风能资源的季节性。
技术实现思路
1、为解决上述技术问题，本专利技术提供一种计及季节性风速仿真的季度风能评估方法，通过计及风速的季节性对风速进行准确仿真后，计算季度风能资源评估指标，进而准确评估该地区的季度风能资源，为风电场投资规划和运行提供量化决策依据。
2、本专利技术采取的技术方案为：
3、一种计及季节性风速仿真的季度风能评估方法，包括以下步骤：
4、步骤1：基于粒子群优化算法(particle swarm optimizat
5、步骤2：利用步骤1中的聚类簇数和初始聚类中心，结合k均值聚类模型将日风速分为具有不同风速特征的簇，并结合各季节簇间的状态转移markov链计及风速季节性；
6、步骤3：对步骤2中的各类簇进行风速仿真，生成计及季节性的仿真风速样本；
7、步骤4：利用步骤3中的仿真风速样本，计算风能评估指标，评估该地区的风能资源。
8、所述步骤1包括以下步骤：
9、s1.1：收集某观测站的实测风速样本，以一天24小时对实测风速样本进行划分，得到日风速样本；
10、s1.2：应用pso优化算法优化canopy聚类算法中的两个距离阈值，得到最优canopy聚类算法；
11、s1.3：利用s1.2的最优canopy算法对日风速样本粗聚类，得到最佳的聚类簇数和初始聚类中心。
12、所述s1.1中，收集气象观测站长时段实测风速样本，记v1,v2,…vn为n组实测风速样本，该样本以一小时为时间间隔；将实测风速样本以天为单位进行划分，得到日风速矩阵v＝[v1,v2,…,vm],v1,v2,…,vm分别表示由第m天24小时风速样本构成的矩阵，其中，vm＝[v24(m-1)+1,v24(m-1)+2,…,v24(m-1)+24]为第m天的24小时实测风速样本，v24(m-1)+1,v24(m-1)+2,…,v24(m-1)+24分别表示第m天的第1小时到第24小时的实测风速样本，m＝1,2,…,m，m表示一年中拥有的天数，通常取值为365天。
13、所述s1.2中，x为单个粒子在一维坐标轴上的位置，其变化范围限于[xmin,xmax]，xmin,xmax分别表示单个粒子的位置下限和上限，v为单个粒子的运动速度，其变化范围限于[vmin,vmax]，vmin,vmax分别表示单个粒子运动速度的下限和上限，其中，xmin和xmax通过以下步骤得出：
14、(1)求均值：
15、根据如下公式计算日风速均值p＝[p1,p2,…,p24]；p1,p2,…,p24分别表示所有日风速样本第1至24小时的风速均值：
16、p＝(v1+v2+...+vm)/m
17、(2)计算欧氏距离：
18、根据如下公式计算第m天风速样本vm与p的欧氏距离l构成距离矩阵l＝[l1,l2,..,lm]，l1,l2,..,lm分别表示第m天风速样本vm与p的欧氏距离：
19、
20、(3)计算xmin和xmax，具体计算公式如下：
21、xmax＝(lmax-lmin)×0.6
22、xmin＝lmin×0.35
23、其中：lmax为l中的最大值，lmin为l中的最小值。
24、所述s1.2中，pso优化算法设定2组粒子种群，每组种群由k个粒子组成，以两组种群中第k个粒子为例，k＝1,2,…,k，k表示的两组种群的粒子数量，位置坐标向量为xk＝[x1k,x2k]，x1k,x2分别表示粒子种群1中第k个粒子的位置和种群2中第k个粒子的位置，其中x2k<x1k，适应度值为fk，fk计算过程如下：
25、1)聚类中心数q＝1，从日风速矩阵v随机选择一天作为第1个聚类中心cq，c＝[c1,c2,..,cq]，将该天风速标记为q后从v中删除该天数据；
26、2)历遍v，计算v中每日风速样本到c中q个聚类中心的距离。如果该日风速样本到聚类中心cq的距离小于x1k，q＝1,2,..,q，q表示聚类中心总数量；
27、将该天风速标记为q并从v中删除该天样本数据，后用标记为q的风速样本均值更新聚类中心cq；如果到各个聚类中心的距离大于x2k，则q＝q+1，并将该日风速样本作为新的聚类中心cq，将该天风速标记为q，然后从v中删除该天数据；
28、3)如果v为非空，重复步骤2)；否则结束算法；
29、4)计算戴维森堡丁指数(dbi)为适应度值fk，计算公式如下：
30、
31、其中：为第i类到其类中心的平均欧氏距离，i＝1,2,…q，q表示聚类中心总数量；表示第j类到其类中心的平均欧氏距离，wi表示第i类类中心欧氏距离，wj表示的第i类类中心欧氏距离。
32、所述s1.2包括以下步骤：
33、step1.初始化：最大迭代次数为n；在粒子位置范围[xmin,xmax]内随机生成初始粒子位置表示粒子种群1中第k个粒子的初始位置，表示粒子种群2中第k个粒子的初始位置，在粒子速度范围[vmin,vmax]内随机生成初始粒子速度表示粒子种群1中第k个粒子的初始运动速度，表示粒子种群2中第k个粒子的初始运动速度，粒子自我学习因子s1，群体学习因子s2，惯性权重最大值wmax，惯性权重最小值wmin；
34、step2.求适应度值fk：若初始粒子位置则根据适应度值计算过程，依次计算两组粒子种群中第k个粒子的适应度值fk，其中k＝(1,2,…,k)，否则适应度值fk为较大数，本专利技术中设为e10，两组粒子种群k个构成向量f＝[f1,f2,…,fk],f1,f2,…,fk分别表示两组种群中第k个粒子计算出的适应度值。...
【技术保护点】
1.一种计及季节性风速仿真的季度风能评估方法，其特征在于包括以下步骤：
2.根据权利要求1所述一种计及季节性风速仿真的季度风能评估方法，其特征在于：所述步骤1包括以下步骤：
3.根据权利要求2所述一种计及季节性风速仿真的季度风能评估方法，其特征在于：所述S1.1中，收集气象观测站长时段实测风速样本，记v1,v2,…vN为N组实测风速样本，该样本以一小时为时间间隔；将实测风速样本以天为单位进行划分，得到日风速矩阵V＝[V1,V2,…,VM],V1,V2,…,VM分别表示由第m天24小时风速样本构成的矩阵，其中，Vm＝[v24(m-1)+1,v24(m-1)+2,…,v24(m-1)+24]为第m天的24小时实测风速样本，v24(m-1)+1,v24(m-1)+2,…,v24(m-1)+24分别表示第m天的第1小时到第24小时的实测风速样本，m＝1,2,…,M，M表示一年中拥有的天数。
4.根据权利要求2所述一种计及季节性风速仿真的季度风能评估方法，其特征在于：所述S1.2中，x为单个粒子在一维坐标轴上的位置，其变化范围限于[Xmin,Xmax]，
5.根据权利要求4所述一种计及季节性风速仿真的季度风能评估方法，其特征在于：所述S1.2中，PSO优化算法设定2组粒子种群，每组种群由K个粒子组成，以两组种群中第k个粒子为例，k＝1,2,…,K，K表示的两组种群的粒子数量，位置坐标向量为Xk＝[x1k,x2k]，x1k,x2分别表示粒子种群1中第k个粒子的位置和种群2中第k个粒子的位置，其中x2k<x1k，适应度值为fk，fk计算过程如下：
6.根据权利要求2所述一种计及季节性风速仿真的季度风能评估方法，其特征在于：所述S1.2包括以下步骤：
7.根据权利要求2所述一种计及季节性风速仿真的季度风能评估方法，其特征在于：所述S1.3中，根据步骤S1.3求得的Canopy聚类算法的最佳阈值，利用S1.3所述过程将日风速样本进行粗聚类，得到最佳聚类簇数Q和初始聚类中心C。
8.根据权利要求1所述一种计及季节性风速仿真的季度风能评估方法，其特征在于：所述步骤2中，以步骤S1中的初始聚类中心为K均值聚类初始随机选择的聚类中心，对日风速样本进行K均值聚类，将日风速样本划分为具有不同特征的风速簇；根据得聚类结果，计算四季度的日风速状态转移Markov链；包括以下步骤：
9.根据权利要求1所述一种计及季节性风速仿真的季度风能评估方法，其特征在于：所述步骤3中，对步骤S2中的各类簇进行风速仿真，生成计及季节性、随机性和自相关性的仿真风速样本；包括以下步骤：
10.根据权利要求1所述一种计及季节性风速仿真的季度风能评估方法，其特征在于：所述步骤4中，根据仿真风速计算季度风速均值、季度风速标准差、季度风功率密度、平均有效风功率等季度风能评估指标，通过计算结果对该地区风能资源进行评估；包括以下：
...【技术特征摘要】
1.一种计及季节性风速仿真的季度风能评估方法，其特征在于包括以下步骤：
2.根据权利要求1所述一种计及季节性风速仿真的季度风能评估方法，其特征在于：所述步骤1包括以下步骤：
3.根据权利要求2所述一种计及季节性风速仿真的季度风能评估方法，其特征在于：所述s1.1中，收集气象观测站长时段实测风速样本，记v1,v2,…vn为n组实测风速样本，该样本以一小时为时间间隔；将实测风速样本以天为单位进行划分，得到日风速矩阵v＝[v1,v2,…,vm],v1,v2,…,vm分别表示由第m天24小时风速样本构成的矩阵，其中，vm＝[v24(m-1)+1,v24(m-1)+2,…,v24(m-1)+24]为第m天的24小时实测风速样本，v24(m-1)+1,v24(m-1)+2,…,v24(m-1)+24分别表示第m天的第1小时到第24小时的实测风速样本，m＝1,2,…,m，m表示一年中拥有的天数。
4.根据权利要求2所述一种计及季节性风速仿真的季度风能评估方法，其特征在于：所述s1.2中，x为单个粒子在一维坐标轴上的位置，其变化范围限于[xmin,xmax]，xmin,xmax分别表示单个粒子的位置下限和上限，v为单个粒子的运动速度，其变化范围限于[vmin,vmax]，vmin,vmax分别表示单个粒子运动速度的下限和上限，其中，xmin和xmax通过以下步骤得出：
5.根据权利要求4所述一种计及季节性风速仿真的季度风能评估方法，其特征在于：所述s1.2中，pso优化算法设定2组粒子种群，每组种群由k个粒子组成...
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。