风功率密度预测方法
【技术领域】
[0001] 本发明涉及风功率密度预测方法。
[0002] 更为详细地，第一，本发明涉及利用逐步回归分析法的风功率密度预测方法，上述 逐步回归分析法使用逐步选择变量法来提供可推定任意地点的风功率密度的回归模型，上 述逐步选择变量法为利用属于数据集合的变量之间的线性关系来选择用于多元回归分析 的变量的方法，通过添加统计方面重要的项或去除没有统计意义的项来执行分析。第二，本 发明涉及利用主成分分析法的风功率密度预测方法，上述主成分分析法利用方差、协方差 关系来将输入变量分类为以线性结合的方式形成的多个主成分，并将所分类的主成分输入 变量用作不存在多元共线性的新的输入变量，来提供可推定与作为输出变量的风功率密度 之间的线性关系的线性回归模型。第三，本发明涉及利用神经网络分析法的风功率密度预 测方法，上述神经网络分析法通过将借助逐步选择变量法选择的变量用作输入变量、将转 换风功率密度的值用作输出变量，来将具有复杂结构的变量之间的非线性关系模型化，从 而预测任意地点的风功率密度。
【背景技术】
[0003] 全球风能研发的中心正从欧洲转向太平洋地区。欧洲的传统风能强国的地位正面 临美国、中国及印度的挑战，英国等"追赶者"在海上风能方面的研宄也取得了令人瞩目的 成果。
[0004] 美国为了判断陆地风能资源的蕴藏量，将地形学、气象学因子选为核心要素来进 行着分析。美国国家可再生能源实验室（NREL ;National Renewable Energy Laboratory) 则以风功率密度为基准来区分风力等级，从而提供风力发电可行性方面的参考指标。
[0005] 丹麦为了准确判断和评价风能资源并树立计划，利用实测风和数值风，即利用微 观规模的大气流动模型和与广泛地区相对应的中等规模的大气流动模型来研宄了风功率 密度的空间分布特性。其中，在本发明中具有研宄意义的是，用于计算实测风和数值风的最 基本也是共同的数据是地形高程、地形倾斜度、地面粗糙度等地形因素。研宄中明确指出， 将地形数据和地面数据用作核心输入数据，上述地形数据为表示山或沟壑等地形特征的炜 度、经度、等高线等，上述地面数据为表示草地、森林、城市等地面特征的地面粗糙度等。
[0006] 在计算微观规模或中等规模数值风方面，同样使用地形及地面数据，这被判断为 是以风能资源与地形及地面特征之间具有高度的关联性作为前提，本发明中，以这种科学 推论作为基础，考虑气象相关因、以及地形高程、地形倾斜度、地面粗糙度等地形相关因素 纳入分析数据。
[0007] 像韩国，在狭窄的国土面积上呈现出多元复杂的地形特征，因而大部分都只是研 宄了局地规模的地形与风力资源之间的关系。尤其，对出现强风的江原道太白山脉的研宄 形成主流。并且，大部分的研宄，只是利用实测风来计算在设置风力发电机时能够生产出的 电量，而没有利用对多种地形因素的分析。
[0008] 金正勋等（2006)的研宄指出，春季出现在韩国荣洞地区的强风大部分为西风系 列，与山岳有关。韩善豪等（2007)就太白山脉的地形向着西侧形成缓坡、向着东侧形成陡 坡，通过数字模拟实验来分析了这种地形的不对称性对风场的影响。
[0009] 结果，与左右对称型山岳相比，在不对称型山岳地形提前2个小时左右出现最强 风力，在以垂直方式低〇. 5km左右的地点持续了约4个小时的最强风力。
[0010] 并且，在地表面风速方面，在下风侧，山岳倾斜面的倾斜度不对称的不对称倾斜地 形的风速到某个程度的地区为止增加，过了该地区，风速反而减小。
[0011] 该研宄不仅考虑到倾斜度，还考虑到地形的不对称性，可视为是提出了多种地形 因素对风能资源产生影响的事例。
[0012] 郑佑植等（2009)利用数值风来将具有相同气象特征的地区划分为一个风系，南 韩存在10种以上的风系地区，并说明了划分这些风系地区的重要因素是地形特征。
[0013] 另一方面，还有金贤九（2011)的研宄，在该研宄中以计算韩国风能资源的蕴藏量 并选择适合建设风力发电园区的候补地区为目的，利用考虑多种气象及地形因素的中等规 模的大气流动模型来计算出数值风，从而制作了韩半岛风能资源地图。
[0014] 为了在日后将会变得激烈的国家之间的风力发电竞争行列中占据主导位置，各国 都在竞争性地制作风能资源地图来用作树立国家风力发电战略和实施政策的核心资料。
[0015] 对此，根据风能资源地图的精密化作业需要，从陆地地区的气象、地形及地面特性 中提取对风功率密度产生影响的主要变量来确保统计模型，相当于提高对风能资源的理解 程度的风能领域的基础研宄。
[0016] 在韩国登录特许第10-1020638号（"未来能源消耗量预测方法"，以下称为现 有文献1)中，公开了与未来能源消耗量预测方法相关的技术内容，在韩国公开特许第 2005-0063616号（"风能资源地图化方法"，以下称为现有文献2)中，公开了与利用数值风 的风能资源地图化方法相关的技术内容。
[0017] 但是，为了以数值解析方式解析大气流动的支配方程式，丹麦的研宄及现有文献2 等的计算利用微观规模或中等规模的大气流动模型的数值风，来计算出风功率密度的现有 技术需要庞大的电子运算资源和计算时间，因而存在用于预测任意地区的风功率密度而需 支付庞大的费用的缺点。
[0018] [现有技术文献]
[0019] [专利文献]
[0020] 韩国登录特许第10-1020634号
[0021] 韩国公开特许第2005-0063616号
【发明内容】
[0022] 要解决的问题
[0023] 因此，本发明是为了解决如上所述的问题而提出的，本发明的目的在于，提供能够 预测任意地点的风功率密度的风功率密度预测方法，提供利用逐步回归分析法对作为地理 要素的输入变量进行统计分析的与风功率密度相关的地理统计方法论，提供执行主成分分 析法将作为地理要素的输入变量分类为多个主成分输入变量，并对被分类的主成分输入变 量及变量进行回归分析，从而与作为输出变量的风功率密度相关的地理统计方法论，提供 通过使用逐步选择变量法的神经网络分析法的与风功率密度相关的地理统计方法论。
[0024] 解决问题的手段
[0025] 本发明的第一实施例的风功率密度预测方法，利用逐步回归分析法，以程序的形 态借助包括计算机在内的运算处理单元来实施，上述风功率密度预测方法的特征在于，包 括：变量输入步骤S1，输入作为输出变量的风功率密度、及选自地面粗糙度（rl?r6)、高 程、相对高程差、开放度、广域开放度、方向（al?a7)、倾斜度、相对倾斜度、平均标高、最高 标高、最低标高、起伏量、距海岸的距离及重新解析的气象资料中的一个以上的输入变量； 逐步回归分析步骤S2,接收在上述变量输入步骤Sl中输入的输出变量及输入变量，来执行 基于逐步选择变量法的回归分析法；以及多元回归方程推定步骤S3,利用在上述逐步回归 分析步骤S2中计算出的回归系数来推定决定系数（R 2，R_square)值最大的多元回归方程。
[0026] 此时，本发明的特征在于，上述地面粗糙度（rl?r6)表示基于土地利用的地表 面的形态；上述方向（al?a7)表示倾斜面的方向；上述高程（DEM, Digital Elevation Model)为将地形分为规定大小的格子来表示的标高值；上述相对高程差表示相应地区的 高程与周边地区的高程的比较值；上述平均标高表示相应地区的高程的平均；上述最高标 尚表不相应地区的尚程的最尚值；上述最低标尚表不相应地区的尚程的最低值；上述起伏 量表示上述最高标高和最低标高之差；上述开放度表示对相应地区与周边地区进行比较 来测定的相应地区在地形方面未被阻挡的程度的值；上述广域开放度表示对相应地区与 比上述开放度广的周边地区进行比较来测定的相应地区在地形方面未被阻挡的程度的值； 上述倾斜度表示相应地区的坡度最急的下滑面；上述相对倾斜度表示相应地区和周边的 第一平均倾斜度、与相应地区和比上述第一平均倾斜度更广的周边地区的第二平均倾斜度 之差；上述距海岸的距离表示分别从韩国的东海、西海及南海到相应地区的直线距离；上 述重新解析的气象资料以数十公里（km)以上的空间分辨率重新加工用于天气预报的全球 气象观测资