本发明属于风力发电技术领域，尤其涉及一种风电场虚拟测风塔构建方法。
背景技术：
高原山区风电场的风机排布，相比平原风电场要复杂得多。高原山区风电场的风机排布，没有统一的规律，其排布不但要满足平原风电场的间距和排距原则，还需要根据地形地貌的具体情况，尽量排布在山脊区域。于是，风机之间的距离没有规律，一般都比平原风电场的风机间距大，高原山区的风电场所占面积也大。此时，风机尾流的影响往往不是影响风电场出力的重要的因素，而风电场内风速风向的微观变化，对风电场出力影响很大。
由于高原山区风电场每一个风电机组所处的位置都有一定的特殊性，其湍流与回风的影响都不一样，导致高原山区同一测风塔不同高度间风速相关性好，而同一风电场各测风塔间的风速相关性不好，使得测风塔不具有足够的代表性，任何一个或几个测风塔或风机测风仪数据都无法全面代表复杂地形的整个山地风电场，而且由于高原山区的特殊地理位置和气象特征使得覆冰灾害频发，已立的测风塔因覆冰或年久失修而损坏或倒塔，或者覆冰造成测风仪器损坏或短时间工作失灵，测风数据明显异常、不可信。由于以上问题极易造成测风塔数据质量差导致风电场的风电功率预测精度较低。
技术实现要素：
：
本发明要解决的技术问题：提供一种风电场虚拟测风塔构建方法，以解决现有技术高原山区风电场的高原山区的特殊地理位置和气象特征下，任何一个或几个测风塔或风机测风仪数据都无法全面代表复杂地形的整个风电场，以及覆冰等灾害频发造成测风塔倒塌、测风仪器损坏或短时间工作失灵，造成测风塔数据质量差导致风电场的风电功率预测精度较低等技术问题。
本发明技术方案：
一种风电场虚拟测风塔构建方法，它包括：
步骤1、采集风电场n台风机的基础数据和历史数据；
步骤2、采集风电场n台风机实时数据，实时数据包括风电场所在区域内所有风机的风机测风仪测得风速数据Wssrt和风向数据Wdsrt、所有风机的风机温度传感器测得温度数据Tsrt、所有风机的实时出力数据Pwtrt、整个风电场的实时出力数据Pwfrt；
步骤3、根据风电场n台风机的历史数据和实时数据信息，模拟计算第ξ个时刻整个风电场轮毂高度的风速Wssrtξ和风向Wdsrtξ；
步骤4、根据风电场n台风机的历史数据和实时数据信息，模拟计算第ξ个时刻整个风电场轮毂高度的温度Tsrtξ；
步骤5、根据步骤3、4的计算结果，计算第ξ个时刻风电场空气密度、湿度和气压；
步骤6、汇总步骤3、4、5计算得到的数据，形成风电场第ξ时刻的虚拟测风塔数据。
步骤1所述基础数据包括风电场区域内所有风机的轮毂高度、历史数据包括风电场所在区域内所有风机的历史风速数据Wssh和风向数据Wdsh、所有风机的历史温度数据Tsh、所有风机的历史出力数据Pwth和整个风电场的历史出力数据Pwfh。
步骤3所述根据风电场n台风机的历史数据和实时数据信息，模拟计算第ξ个时刻整个风电场轮毂高度的风速Wssrtξ和风向Wdsrtξ的方法包括：
步骤3.1、利用风电场所有风电机组的历史风速风向数据，以及整个风电场的历史出力数据，建立所有风电机组风速风向‐风电场风电功率数据样本库；
步骤3.2、建立所有风电机组风速风向‐风电场风电功率模型；
步骤3.3、将3.1建立的所有风电机组风速风向‐风电场风电功率数据样本库作为训练集，对风电机组风速风向‐风电场风电功率模型进行训练，确定模型中n台风电机组的风速风向数据的权值；其中，第i台风机的风速风向数据的权值记做Wqzi，则有Wqz1+Wqz2+...Wqzi+...+Wqzn＝1；且有1≤i≤n；
步骤3.4、计算第ξ个时刻整个风电场轮毂高度的风速Wssrtξ和风向Wdsrtξ
第ξ个时刻整个风电场轮毂高度的风速Wssrtξ的计算公式为：
第ξ个时刻整个风电场轮毂高度的风向Wdsrtξ的表达式为：
步骤4所述的根据风电场n台风机的历史数据和实时数据信息，模拟计算第ξ个时刻整个风电场轮毂高度的温度Tsrtξ的计算方法包括：
步骤4.1、利用风电场所有风电机组的历史温度数据，以及所有风机的历史出力数据和整个风电场的历史出力数据，建立所有风电机组温度‐风电场风电功率数据样本库；
步骤4.2、建立所有风电机组温度‐风电场风电功率模型；
步骤4.3、将4.1建立的所有风电机组温度‐风电场风电功率数据样本库作为训练集，对风电机组温度‐风电场风电功率模型进行训练，确定模型中所有风电机组的温度数据的权值；
其中，第i台风机的温度数据的权值记做Tqzi，则有Tqz1+Tqz2+...Tqzi+...+Tqzn＝1；
且有1≤i≤n；
步骤4.4、模拟计算第ξ个时刻整个风电场轮毂高度的温度Tsrtξ
第ξ个时刻整个风电场轮毂高度的温度Tsrtξ的表达式为：
步骤5所述根据步骤3、4的计算结果，计算第ξ个时刻风电场空气密度、湿度和气压的计算方法包括：
步骤5.1、根据风电场第ξ个时刻的输出功率Pwfrtξ与风速Wssrtξ，计算第ξ个时刻的空气密度ρsrtξ
第ξ个时刻的空气密度ρsrtξ的计算表达式为：
其中F为风轮叶片旋转一周的扫掠面积；
步骤5.2、根据大气压力和空气密度计算公式，以及空气湿度公式，计算得到湿度和气压
第ξ个时刻的气压presrtξ的计算表达式为：
presrtξ＝ρsrtξ×(273.15+Tsrtξ)×R
式中，R为气体常数，其值为287；
第ξ个时刻的湿度Hsrtξ的计算表达式为：
本发明的有益效果：
针对本发明的技术问题，本发明提出了一种风电场虚拟测风塔构建方法，其主要是采集目标风电场整场的风电机组测风系统以及测温系统的观测数据，利用熵权法综合评价模型确定各台风机的权重系数来构建全场的虚拟测风塔，并给出虚拟测风塔的所有实时物理量的计算值，包括各高层的风速风向、温度湿度与气压等实时信息；解决了由于高原山区的特殊地理位置和气象特征下，任何一个或几个测风塔或风机测风仪数据都无法全面代表复杂地形的整个风电场，以及覆冰等灾害频发造成测风塔倒塌、测风仪器损坏或短时间工作失灵，造成测风塔数据质量差导致风电场的风电功率预测精度较低等问题。
具体实施方式：
一种风电场虚拟测风塔构建方法，它包括：
步骤1、采集风电场n台风机的基础数据和历史数据；步骤1所述基础数据包括风电场区域内所有风机的轮毂高度、历史数据包括风电场所在区域内所有风机的历史风速数据Wssh和风向数据Wdsh、所有风机的历史温度数据Tsh、所有风机的历史出力数据Pwth和整个风电场的历史出力数据Pwfh。
步骤2、采集风电场n台风机实时数据，实时数据包括风电场所在区域内所有风机的风机测风仪测得风速数据Wssrt和风向数据Wdsrt、所有风机的风机温度传感器测得温度数据Tsrt、所有风机的实时出力数据Pwtrt、整个风电场的实时出力数据Pwfrt；
步骤3、根据风电场n台风机的历史数据和实时数据信息，模拟计算第ξ个时刻整个风电场轮毂高度的风速Wssrtξ和风向Wdsrtξ；
步骤3.1、利用风电场所有风电机组的历史风速风向数据，以及整个风电场的历史出力数据，建立所有风电机组风速风向‐风电场风电功率数据样本库；
步骤3.2、建立所有风电机组风速风向‐风电场风电功率模型；可采用熵权法综合评价模型，建立所有风电机组风速风向‐风电场风电功率模型；
步骤3.3、将3.1建立的所有风电机组风速风向‐风电场风电功率数据样本库作为训练集，对风电机组风速风向‐风电场风电功率模型进行训练，确定模型中n台风电机组的风速风向数据的权值；其中，第i台风机的风速风向数据的权值记做Wqzi，则有Wqz1+Wqz2+...Wqzi+...+Wqzn＝1；且有1≤i≤n；
步骤3.4、模拟计算第ξ个时刻整个风电场轮毂高度的风速Wssrtξ和风向Wdsrtξ
第ξ个时刻整个风电场轮毂高度的风速Wssrtξ的计算公式为：
式中：Wssrtiξ为第ξ个时刻第i台风机轮毂高度的风速。
第ξ个时刻整个风电场轮毂高度的风向Wdsrtξ的表达式为：
式中：Wdsrtiξ为第ξ个时刻第i台风机的轮毂高度的风向。
步骤4、根据风电场n台风机的历史数据和实时数据信息，模拟计算第ξ个时刻整个风电场轮毂高度的温度Tsrtξ；
步骤4所述的根据风电场n台风机的历史数据和实时数据信息，模拟计算第ξ个时刻整个风电场轮毂高度的温度Tsrtξ的计算方法包括：
步骤4.1、利用风电场所有风电机组的历史温度数据，以及所有风机的历史出力数据和整个风电场的历史出力数据，建立所有风电机组温度‐风电场风电功率数据样本库；
步骤4.2、建立所有风电机组温度‐风电场风电功率模型；本发明采用熵权法综合评价模型，建立所有风电机组温度‐风电场风电功率模型；
步骤4.3、将4.1建立的所有风电机组温度‐风电场风电功率数据样本库作为训练集，对风电机组温度‐风电场风电功率模型进行训练，确定模型中所有风电机组的温度数据的权值；
其中，第i台风机的温度数据的权值记做Tqzi，则有Tqz1+Tqz2+...Tqzi+...+Tqzn＝1；
且有1≤i≤n；
步骤4.4、模拟计算第ξ个时刻整个风电场轮毂高度的温度Tsrtξ
第ξ个时刻整个风电场轮毂高度的温度Tsrtξ的表达式为：
式中：Tsrtiξ为第ξ个时刻第i台风机轮毂高度的温度。
步骤5、根据步骤3、4的计算结果，计算第ξ个时刻风电场空气密度、湿度和气压；
步骤5所述根据步骤3、4的计算结果，计算第ξ个时刻风电场空气密度、湿度和气压的计算方法包括：
步骤5.1、根据风电场第ξ个时刻的输出功率Pwfrtξ与风速Wssrtξ，计算第ξ个时刻的空气密度ρsrtξ
第ξ个时刻的空气密度ρsrtξ的计算表达式为：
其中F为风轮叶片旋转一周的扫掠面积；
步骤5.2、根据大气压力和空气密度计算公式，以及空气湿度经验公式，计算得到湿度和气压
第ξ个时刻的气压presrtξ的计算表达式为：
presrtξ＝ρsrtξ×(273.15+Tsrtξ)×R
式中，R为气体常数，其值为287；
第ξ个时刻的湿度Hsrtξ的计算表达式为：
步骤6、汇总步骤3、4、5计算得到的数据，形成风电场第ξ时刻的虚拟测风塔数据。其中风电场第ξ时刻的虚拟测风塔数据的表达式为：
VAT＝{Wssrtξ、Wdsrtξ、Tsrtξ、ρsrtξ、Hsrtξ、presrtξ}。