本发明属于风电技术领域，具体涉及一种结合大数据的复杂地形风电场设计平台及方法。
背景技术：
早期的风电场多建在风能资源丰富、地形较为平坦的地方，但是随着风电场规模越来越大、数量越来越多，风电场开始建设在复杂地形区域。目前我国复杂风电场优化设计的关键技术(包括宏观选址、测风、微观选址等)还比较薄弱，依据国外经验进行风电场设计与控制并不能适应我国特殊地形、风况和国情的需要，从已建成的风力发电项目来看，风电场的设计控制方面仍存在较大的优化空间，尤其是复杂地域的风电场，主要表现在宏观选址方案粗糙、测风塔布置缺乏科学依据导致风资源等基础测风数据不完善、测风成本高，尾流模型精度低，风机位置不够优化等方面。
改善这些问题的关键在于提升设计各步骤实施的科学性。近年来，随着计算机计算能力的快速提高以及对数值计算的深入研究，计算流体动力学(CFD)获得了长足的发展，可以基于其提供的一系列基础机理模型对风场流场进行精确模拟。另外，由于风机运行过程中会受到多种实际因素的干扰，因此机理计算的风机发电量通常与实际存在差别。基于大数据的模型校正技术是近年来研究的热点，但还未被用于风场的设计优化中。风场数据包含影响风机发电量的信息，从强大的数据量中提取有用信息来校正发电量计算模型可以增强模型的预测能力，从而提升微观选址精度。
技术实现要素：
本发明解决的问题在于提供一种结合大数据的复杂地形风电场设计平台及方法，通过基于模型的机理分析与数据分析结合的方式提升复杂地形风电场设计的科学合理性，提升风电场经济效益，降低维护成本。
本发明是通过以下技术方案来实现：
一种结合大数据的复杂地形风电场设计平台，包括数据工作站、模拟平台和优化布局平台；
所述的模拟平台包括依次相连接的中尺度数值模型模块、降尺度风资源模型模块、考虑地形的风场流动模型模块和尾流模型模块；所述的中尺度数值模型模块向降尺度风资源模型模块输出风资源分布状况及风资源储量；降尺度风资源模型模块向考虑地形的风场流动模型模块输出测风数据；尾流模型模块接收初始风机布置和考虑地形的风场流动模型模块输出的风场流动分布；
所述数据工作站包括风电场大数据平台和数据分析模型模块，数据分析模型模块接收风电场大数据平台发送的自变量和因变量，向优化布局平台输出理论发电量和风机布局修正因子；
所述的优化布局平台包括风电场发电量计算模型模块和风电场优化布局计算模型模块，风电场发电量计算模型模块接收尾流模型模块的输出，并接收风机布局修正因子，向风电场优化布局计算模型模块输出修正的发电量；风电场优化布局计算模型模块输出风电场优化布局结果。
还对所述的考虑地形的风场流动模型模块和尾流模型模块进行降阶；
所述风电场发电量计算模型与降阶后的尾流模型模块和考虑地形的风场流动模型模块相匹配，所述风电场优化布局计算模型模块与风电场发电量计算模型模块和遗传优化算法相匹配。
所述数据分析模型模块的输入自变量为风机处风况、风机处地形、实际风机布置和理论发电量等，模型的因变量为实际发电量、风机运行状态和风机布局修正因子，风机布局修正因子在0～1之间。
一种结合大数据的复杂地形风电场设计方法，包括以下操作：
1)以包括大气压力、海拔高度、温度、风向、风速在内的气象数据作为输入，利用中尺度数值模型模块进行高分辨率的模拟计算；获得复杂地形区域的风资源分布状况及风资源储量；
2)降尺度风资源模型模块获取中尺度数值模型模块6所给出的结果中尺度数据，并以其作为降尺度流体动力学模拟的边界条件，对备选风场进行降尺度模拟，获得风资源分布，结合系统接入、道路运输、环境保护在内的建场条件，建立综合评价指标体系，指导风场的宏观选址；
3)基于降尺度风资源模型模块给出的风资源分布，划分典型区域，确定测风塔布置方案，包括测风塔数量、安装位置、测风仪器安装高度在内的参数，从而获得测风数据；
4)针对复杂地形生成高质量贴体网格，基于CFD分析软件建立考虑地形的风场流动模型模块，以测风数据为边界条件进行计算，同时应用测风数据对所用的湍流模型参数进行标定；其中考虑地形的风场流动模型模块描述设计区域里风流动的质量、动量、能量及空气状态，输出设计区域内的风况、风速、风向、湍流度的三维分布；
5)以考虑地形的风场流动模型模块8计算出的风场流动分布14和初始风机布置15作为尾流模型模块9计算的初始条件，基于CFD分析软件建立不同典型地形下尾流模型模块9；其中尾流模型描述空气经过障碍物后流动特性变化，输出障碍物后一定范围内风况、风速、风向、湍流度的三维分布；
6)建立风电场大数据平台，应用相关数据分析方法获取风机处风况、风机处地形、实际风机布置在内的因素与风机机组性能之间的相关关系，得到数据分析模型，确定风机机组性能受风机处风况、风机处地形、实际风机布置等因素的定量影响大小；所述的风机机组性能包括实际发电量和风机运行状态；
7)根据尾流模型模块(9)和考虑地形的风场流动模型模块(8)的输出数据，获得风机位置处的风况，并将其作为风机功率曲线的输入计算风机的发电量；风电场发电量计算模型如下：
风电场发电量计算模型如下：
其中，vi代表输入向量，包括风况、地形和风机布置；p(·)代表风机发电量；i代表风机编号；N代表最大风机数；W代表风电场总功率；
基于数据分析模型模块(5)输出的风机布局修正因子(22)对理论发电量(21)进行修正；
8)应用相关优化算法建立风电场优化布局计算模型，并将修正后的发电量作为风电场优化布局计算模型的输入，经过优化获得复杂地形下的风电场优化布局方案；其中，所述优化算法为遗传算法、蚁群算法或模拟退火算法。
以风机布局修正因子为修正条件，其数学表达公式为
其中，vi代表输入向量，包括风况、地形和风机布置；E(·)代表风机布局修正因子；p(·)代表风机发电量；i代表风机编号；N代表最大风机数；W代表风电场总功率。
与现有技术相比，本发明具有以下有益的技术效果：
1)提升了宏观选址精度。目前，在国内宏观选址主要依据当地气象部门的历史观测数据和国家或地区风能资源分布图，对于复杂地形存在精度低、不确定性高的缺点。本设计方法通过中、微尺度模拟能够获得高精度的风资源分布数据，更加有利于指导风场的宏观选址。
2)提高了测风数据的代表性，降低了测风成本。在复杂地形区域，风况随地形变化较大，因此单一测风塔测量出的数据只能反映有限地域的风况。若要得到整个复杂地域的风资源分布情况，需要的测风塔数量可能大大增加，使得风电开发的前期成本增加。本设计方法中通过机理分析手段划分风气候相似区域，科学地确定测风塔数量及位置，能够提高测风数据的代表性，降低测风成本。
3)提升风资源分布及尾流计算的精确度。目前微观选址主要的商业化计算软件均来自国外，所采用的风况模型、湍流模型和尾流模型等均是针对平坦地形开发的。应用于复杂地形特点的风电场设计时具有局限性。本设计方法通过CFD软件建立起精确的风场流体动力学模型和尾流模型，能够准确获得风场的风资源分布和尾流大小，为准确计算发电量并合理优化风机配置提供了基础。
4)合理优化风机布置，降低维护成本。由于风机运行过程中会受到多种因素的干扰(如湍流)，因此理论计算的风机发电量通常与实际存在差别。风场数据包含影响风机发电量的所有信息，本设计方法基于风电运行数据校正发电量模型，将对风机设备造成影响的运行方式和地理因素体现在发电量计算中以降低风机疲劳载荷率，从而降低维护成本，合理优化风机布置。
附图说明
图1为本发明的复杂地形风电场设计平台结构示意图；
其中，1为数据工作站；2为模拟平台；3为优化布局平台；4为风电场大数据平台；5为数据分析模型模块；6为中尺度数值模型模块；7为降尺度风资源模型模块；8为考虑地形的风场流动模型模块；9为尾流模型模块；10为发电量计算模型模块；11为优化布局计算模型模块；12为中尺度数据；13为风资源分布；14为风场流动分布；15为初始风机布置；16为风机处风况；17为风机处地形；18为实际风机布置；19为实际发电量；20为风机运行状态；21为理论发电量；22为风机布局修正因子23为风电场优化布局方案；24为测风塔布置方案；25为测风数据；26为修正后的发电量。
具体实施方式
下面结合具体的实施例对本发明做进一步的详细说明，所述是对本发明的解释而不是限定。
一种结合大数据的复杂地形风电场设计平台，包括数据工作站1、模拟平台2和优化布局平台3；
所述的模拟平台2包括依次相连接的中尺度数值模型模块6、降尺度风资源模型模块7、考虑地形的风场流动模型模块8和尾流模型模块9；所述的中尺度数值模型模块6向降尺度风资源模型模块7输出风资源分布状况及风资源储量；降尺度风资源模型模块7向考虑地形的风场流动模型模块8输出测风数据；尾流模型模块9接收初始风机布置和考虑地形的风场流动模型模块8输出的风场流动分布；
所述数据工作站1包括风电场大数据平台4和数据分析模型模块5，数据分析模型模块5接收风电场大数据平台4发送的自变量和因变量，向优化布局平台3输出实际发电量和风机布局修正因子；
所述的优化布局平台3包括风电场发电量计算模型模块10和风电场优化布局计算模型模块11，风电场发电量计算模型模块10接收尾流模型模块9的输出，并接收风机布局修正因子，向风电场优化布局计算模型模块11输出修正的发电量；风电场优化布局计算模型模块11输出风电场优化布局结果。
根据本发明优选的实施例，用来提升复杂地形下风电场宏观和微观选址精度的设计平台结构组成如图1所示，主要包括数据工作站1、模拟平台2和优化布局平台3。所述数据工作站中装有某大型企业运营的风电场大数据平台4和数据分析模型模块5，用于对在运行风电场的数据进行分析，并输出风机布局修正因子。
其中所述数据分析模型模块5的自变量为风机处风况16、风机处地形17、实际风机布置18和理论发电量21等，模型的因变量为实际发电量19、风机运行状态20和风机布局修正因子22，风机布局修正因子在0～1之间。
所述模拟平台2包含中尺度数值模型模块6、基于Fluent软件开发的降尺度风资源模型模块7、考虑地形的风场流动模型模块8和尾流模型模块9。
所述优化布局平台3包含风电场发电量计算模型10和风电场优化布局计算模型11。
由于考虑地形的风场流动模型模块8和尾流模型模块9较为复杂，故对其进行降阶，以同时满足优化对精度和实时性的要求。所述风电场发电量计算模型与降阶后的尾流模型模块9和考虑地形的风场流动模型模块8相匹配，所述风电场优化布局计算模型模块11与风电场发电量计算模型模块10和遗传优化算法相匹配。
基于上述设计平台的设计方法包括如下步骤：
步骤1，以包括大气压力、海拔高度、温度、风向、风速在内的气象数据作为输入，利用中尺度数值模型模块6进行高分辨率的模拟计算；获得复杂地形区域的风资源分布状况及风资源储量；
步骤2，降尺度风资源模型模块7获取中尺度数值模型模块6所给出的结果中尺度数据12，并以其作为降尺度流体动力学模拟的边界条件，对备选风场进行降尺度模拟，获得风资源分布13；结合系统接入、道路运输、环境保护在内的建场条件，建立综合评价指标体系，指导风场的宏观选址；
具体的，以中尺度模拟结果——中尺度数据12作为降尺度流体动力学模拟的边界条件，对备选风场进行降尺度模拟。
步骤3，基于降尺度流体动力学模拟获得的风资源分布13，划分典型区域，确定测风塔布置方案24，包括测风塔(或测风雷达)数量、安装位置、测风仪器安装高度等参数，并获得测风数据25。
步骤4，针对复杂地形生成高质量贴体网格，基于CFD软件建立考虑地形的风场流动模型模块8，以测风数据25为边界条件进行计算，同时应用测风数据25对所用的湍流模型参数进行标定；其中考虑地形的风场流动模型模块8描述设计区域里风流动的质量、动量、能量及空气状态，输出设计区域内的风况、风速、风向、湍流度的三维分布；
步骤5，以考虑地形的风场流动模型模块8计算出的风场流动分布14和初始风机布置15作为尾流模型模块9计算的初始条件，基于CFD分析软件建立不同典型地形下尾流模型模块9；其中尾流模型描述空气经过障碍物后流动特性变化，输出障碍物后一定范围内风况、风速、风向、湍流度的三维分布；
步骤6，建立风电场大数据平台4，应用相关数据分析方法获取风机处风况16、风机处地形17、实际风机布置18等因素和风机机组性能包括实际发电量19、风机运行状态20之间的相关关系即所述数据分析模型5，确定风机机组性能包括实际发电量19、风机运行状态20受风机处风况16、风机处地形17、实际风机布置18等因素的定量影响大小。
步骤7，基于CFD建立不同典型地形下尾流模型模块9，以考虑地形的风场流动模型模块8计算出的风场流动分布14和初始风机布置15作为尾流模型9计算的初始条件。
基于尾流模型模块9和考虑地形的风场流动模型8建立风电场发电量计算模型10用于风电场理论发电量的计算，并基于数据分析模型输出的风机布局修正因子22对理论发电量21进行修正。
风电场发电量计算模型如下：
其中，vi代表输入向量，包括风况、地形和风机布置；p(·)代表风机发电量；i代表风机编号；N代表最大风机数；W代表风电场总功率；
步骤8，应用相关优化算法建立风电场优化布局计算模型11，并将修正后的发电量26作为风电场优化布局计算模型的输入，经过优化获得复杂地形下的风电场优化布局方案23。
以风机布局修正因子22为修正条件，其数学表达公式为：
其中，vi代表输入向量，包括风况、地形和风机布置；E(·)代表风机布局修正因子；p(·)代表风机发电量；i代表风机编号；N代表最大风机数；W代表风电场总功率。
基于本设计平台实现的设计方法同常规设计方法的主要不同之处在于：
1)宏观选址和测风更加科学合理。由于采用了中、微尺度的数值计算，对风资源的评估更加准确，对相似风况区域的划分也就更加合理。
2)复杂地形下风资源分布及尾流的计算精度提高。由于应用了CFD软件，能够从机理上对风的流动进行分析，全面考虑了地形、粗糙度等因素对风流动和尾流的影响。
3)布局优化方案更加合理。通过对多个风电机组长时间的运行数据进行分析，获得地形、风况等因素对风机发电量影响的信息，并以修正因子的形式修正发电量(比如在某种地形、风况下，风机会长时间处于湍流区，从而导致运行状况差，在进行理论计算时可能会忽略这种影响。通过修正因子的修正，使处于类似地形和风况下的风机发电量减少，从而降低将风机布置在该类地形和风况下的可能性)，得到更加准确的发电量计算值，从而使得最终的布局优化方案更加合理。
将本发明技术应用于某复杂地形风电场设计，比未应用本发明技术的同类型风电场发电量提高5％以上，运行维护费用降低10％以上。
以上给出的实施例是实现本发明较优的例子，本发明不限于上述实施例。本领域的技术人员根据本发明技术方案的技术特征所做出的任何非本质的添加、替换，均属于本发明的保护范围。