[发明专利]一种基于空间聚类订正NWP风能图谱的方法及装置

说明书

本发明提供了一种基于空间聚类订正NWP风能图谱的方法级装置，方法包括对气象站和测风塔的实测数据进行分类以及处理，建立实测数据序列；计算NWP风能图谱，并对NWP网格点进行空间聚类，将风能图谱划分为不同的区域；利用建立的实测数据序列对NWP风能图谱里的每个格点的数据进行订正。本发明用实测数据对数值模拟风速做订正,提高风速的准确率；用K值空间聚类对区域进行划分，使格点风速能找到属性最接近的实测站点进行订正，提高了订正的可靠性和合理性；通过订正，提高了风资源图谱的精确度，为宏观选址提供可靠的依据。

技术领域

本发明属于风电功率技术领域，尤其是涉及一种基于空间聚类订正NWP风能图谱的方法及装置。

背景技术

风力发电是我国重要的后续能源之一,大力发展风电对我国能源供应和环境保护极为重要。NWP模式通过大量计算得出的风能图谱为宏观选址提供依据，帮助投资者找到风资源丰富适合开发的区域。解决人工现场踏勘工作量大、耗时长、可靠性低的问题。

目前行业常规的风资源图谱大多是利用全球环流的再分析数据，采用中尺度大气模式,对所在区域进行模拟计算，获得分辨率1～3km范围的风资源图谱。数值模式是在一定的初始和边界条件下，通过数值求解大气运动方程，从而预知大气运动状态的技术。受初始边界条件及地形、粗糙度描述的准确性，次网格尺度物理过程的引入和数值方法自身的误差等因素的限制，数值模式的误差是客观存在的，并具有较大的不确定性。而且中尺度数值模式水平分辨率太低，无法体现出局地地形和粗糙度对风速分布的影响。由于这些原因，现在的风资源图谱存在较大的误差。

数值模式是在一定的初始和边界条件下，通过数值求解大气运动方程，从而预知大气运动状态的技术。受初始边界条件及地形、粗糙度描述的准确性，次网格尺度物理过程的引入和数值方法自身的误差等因素的限制，数值模式的误差是客观存在的，并具有较大的不确定性。而且中尺度数值模式水平分辨率太低，无法体现出局地地形和粗糙度对风速分布的影响。由于这些原因，现在的风资源图谱存在较大的误差。

用实测数据订正风资源风速分布时，研究人员通常找距离最近的气象站数据来进行订正。气象要素是典型的时空数据，在时间和空间上有很强的相关性。用最邻近的点订正只考虑了空间距离，忽略了周围环境差异造成的较近两点气象特征差异大、相关性低。

空间聚类是指将空间数据集中的对象分成由相似对象组成的类。同类中的对象间具有较高的相似度，而不同类中的对象间差异较大。通过空间聚类，将属性相似、空间邻近的点聚成一簇，划为一个区域，用这一区域里的气象站数据订正NWP风速序列。聚类后的这一区域不仅距离相近，气象属性相似度高，从理论上来说同一簇里的测风塔与格点之间风速相关性较高，能有效的订正NWP数值模拟风速序列。

发明内容

有鉴于此，本发明旨在提出一种基于空间聚类订正NWP风能图谱的方法，用实测数据对NWP数值模拟风速序列进行订正后，以减小数值模式产生的误差，极大的提高风能图谱的准确性，为风场前期选址提供依据。

为达到上述目的，本发明的技术方案是这样实现的：

一种基于空间聚类订正NWP风能图谱的方法，包括如下步骤：

(1)对气象站和测风塔的实测数据进行分类以及处理，建立实测数据序列；

(2)计算NWP风能图谱，并对NWP网格点进行空间聚类，将风能图谱划分为不同的区域；

(3)利用步骤(1)建立的实测数据序列对NWP风能图谱里的每个格点的数据进行订正。

进一步的，所述步骤(1)具体包括如下步骤：

(a1)对实测数据进行分类，分为气象站数据和测风塔数据；

(a2)对气象站自动观测数据进行检验，删除掉无效数据；