[发明专利]基于大数据的风电场微观选址研究方法

摘要

本发明涉及一种基于大数据的风电场微观选址研究方法，能够实现对某一待建风电场进行微观选址的功能。本发明结合了大数据分析方法，检测和采集风机的运行数据、风场的运营数据等变量，基于风电机组之间的尾流效应以及遮挡面积原理，考虑了复杂地形对风速的影响，将其应用到风电机组的功率特性模型中，对风电场的输出功率进行计算。并且基于风电场输出总功率最大化的原则，对风电场进行微观选址研究，得到了风能利用率最优时的风电机组布置方案。

主权项

1.基于大数据的风电场微观选址研究方法，其特征在于包括以下步骤：S1：基于大数据方法统计风电场的历史风速，生成风电场的模拟风速数据：采用历史数据模拟风速的随机性，是通过采集待建风电场地区1年之内每L分钟之内的平均风速V_x，代入威布尔分布中计算，威布尔分布的概率密度函数为：通过平均风速和标准差法计算威布尔尺度参数c和形状参数k的值，从而将参数c和k代入到威布尔风速发生器V_i＝c(‑lnX_i)^1/k中，生成每L分钟之内的随机风速作为风电场的输入风速，X_i为0‑1随机数；S2：生成风电场的风向数据：风电场的风向变化会造成风电机组之间的尾流遮挡面积变化，从而影响风电机组接收到的风速。通过统计待建风电场地区在一段时间的风向，得到风电场的历史风向数据，用分度法对风向角进行分类，将风向角分为m等份，即每个扇区基于历史风向数据得到每L分钟之内风向角在扇区出现的概率，将统计得到的概率值作为待建风电场地区的风向频率；S3：采集风电场的地形数据，将待建风电场地区的地域划分为n×n的网格，并且对每个网格从1～n2进行编号，并且采集每个网格中心的对应位置的经纬度坐标以及海拔高度，得到每个网格中心位置的三维坐标数据，这些位置将作为风电机组的备选摆放位置；S4：分析尾流效应对风电场选址的影响，已知上游风速的情况下下游风电机组WTG_i风速的计算如下式：式中，v_ki为被风电机组WTG_k影响下风电机组WTG_i的风速，v_0k为风电机组WTG_k在复杂地形下的输入风速，r为叶轮半径，x为两个风电机组间的距离，C_T是风电机组的推力系数，K是尾流下降系数；S5：分析复杂地形对风电场微观选址的影响，在风电场中，风速随着高度的变化有相应的增加，因此在复杂的山体地形中，不同海拔高度的风速也不同，进而影响整个风电场的风功率，风电机组WTG_k在高度为h_0k处的风速v_0k的计算方法为：其中v₀为风电机组WTG_k在平坦地形的输入风速，h₁为平坦地形的海拔高度，a为地面粗糙度；S6：确定待建风电场的最终微观选址方案：在划分为n×n的网格中通过排列组合的方式随机放置风电机组，风电机组放置完成后，计算考虑了尾流效应、复杂地形和随机风向情况下，每台风电机组的输入风速，在不同风向下，每两台风电机组之间的尾流影响不同，尾流遮挡面积A_S也不同，通过对遮挡面积A_S的计算，计算下游第i台风电机组WTG_i的每L分钟之内的输入风速式中，β_k为遮挡系数，且β_k＝A_sk/A_ri，A_sk是第i台风电机组WTG_i被第k台风电机组WTG_k遮挡的遮挡面积，A_ri是风电机组WTG_i的扫风面积，A_ri＝πr²；n是风电机组的总数；v_0i为第i台风电机组WTG_i在复杂地形下的风电场的输入风速；v_ki是被WTG_k影响的WTG_i的风速；确定每台风电机组的输入风速后，通过风电机组的功率特性计算每台风电机组的输出功率，从而得到该排布情况下风电场的输出功率，重新通过排列组合的方式选取另一种微观选址方案，通过上述方法计算新的微观选址方案下的风电场输出功率，通过循环选择不同的微观选址方案，并计算比较风电场输出功率最大时的方案，将其作为最终选定的微观选址方案。