一种结合大数据的复杂地形风电场设计平台及方法与流程

文档序号:12470724阅读:来源:国知局

技术特征:

1.一种结合大数据的复杂地形风电场设计平台,其特征在于,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。

2.如权利要求1所述的结合大数据的复杂地形风电场设计平台,其特征在于,还对所述的考虑地形的风场流动模型模块(8)和尾流模型模块(9)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(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。

3.如权利要求1所述的结合大数据的复杂地形风电场设计平台,其特征在于,所述数据分析模型模块(5)的输入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。

4.一种结合大数据的复杂地形风电场设计方法,其特征在于,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(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;

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;

3)基于降尺度风资源模型模块(7)给出的风资源分布(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(25);

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(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;

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(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)在内的因素与风机机组性能之间的相关关系,得到数据分析模型模块(5),确定风机机组性能受风机处风况(16)、风机处地形(17)、实际风机布置(18)等因素的定量影响大小;所述的风机机组性能包括实际发电量(19)和风机运行状态(20);

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:

<mrow> <mi>W</mi> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <mi>p</mi> <mrow> <mo>(</mo> <msub> <mi>v</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> </mrow>

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);其中,所述优化算法为遗传算法、蚁群算法或模拟退火算法。

5.如权利要求4所述的结合大数据的复杂地形风电场设计方法,其特征在于,以风机布局修正因子(22)为修正条件,其数学表达公式为:

<mrow> <mi>M</mi> <mi>a</mi> <mi>x</mi> <mrow> <mo>(</mo> <mi>W</mi> <mo>)</mo> </mrow> <mo>,</mo> <mi>W</mi> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <mi>E</mi> <mrow> <mo>(</mo> <msub> <mi>v</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mi>p</mi> <mrow> <mo>(</mo> <msub> <mi>v</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> </mrow>

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。

当前第2页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1