一种风电场测风塔的优化布局方法与流程

1.本发明属于风资源监测装置布局领域，尤其涉及一种风电场测风塔的优化布局方法。


背景技术：

2.风电场设立测风塔一般是为了对场内风资源状况进行合理监测和准确反映，从而为风电场的风资源评估和风机选址提供数据支撑。测风塔的优化选址在前期设计中，风电场还未建成，风力发电机组还没有开始运行，风电场内的流场主要受场址地形特征和场内障碍物分布影响，因此可以先通过分析风电场的地形特征和障碍物分布来初步判断场址内的流场状况，然后根据流场状况选择最能够代表整个风电场风资源状况的位置作为测风点。而后期生产运行测风塔选址问题较为复杂，进而导致已建成的风电场中风力发电机组已经开始运行，运行中的风力发电机组产生的尾流效应会严重扰乱风电场内的流场状况。因此，当风电场建设完成后，场区内前期建设的测风塔会受到风电机组尾流的影响，使得现有的测风数据已经无法代表风电场真实风资源状况，进而对之后的发电量后评估、超短期功率预测结果的精度产生负面影响，同时有数据表明，测风数据10％的误差可能会造成风电场年产能30％左右的误差。
3.由此可见，前期设计阶段的测风塔难以沿用到风电场投入运行。在风电场建设后期，选择更具代表性，且尽量避免受到风机尾流影响的测风塔位置，可以更为客观准确地反映区域风能状况，进而实现更有效的风电场运行情况后评估活动，对风场的风能开发具有重要的意义。


技术实现要素：

4.为了解决现有技术中存在的缺点和不足，本发明提出了一种风电场测风塔的优化布局方法，所述优化布局方法包括：
5.s100：确定风电场所在区域和风机排布位置；
6.s200：基于风机排布位置，通过dbscan算法在风电场所在区域中划分出测风区域；
7.s300：根据地形数据和历史测风数据建立测风塔选址量化标准，结合网格化筛选方法在测风区域中筛选出符合预设选址标准的测风点；
8.s400：建立测风塔的布局评价指标，根据布局评价指标在备选测风点中确定测风塔位置。
9.可选的，所述确定风电场所在区域，包括：
10.确定风电场的占地区域；
11.将所述占地区域的极西与极东之间的距离按预设比例延长，得到风电场所在区域的长度；
12.将所述占地位置的极南与极北之间的距离按预设比例延长，得到风电场所在区域的宽度；
13.基于得到的长度和宽度，将包含所述占地区域在内的矩形区域作为风电场所在区域。
14.可选的，所述s200包括：
15.s210：根据风机排布位置的地形变化、风机之间的历史排布距离远近，结合测风塔布点的预设基本原则，对风电场可划分的测风区域数量进行预估；
16.s220：根据风机排布位置的分布疏密，确定聚类密度阈值的预估范围，为聚类密度阈值在所述预估范围中进行取值；
17.s230：根据聚类密度阈值的取值确定聚类半径的取值，基于聚类密度阈值和聚类半径的取值，通过dbscan算法将风机排布位置划分成若干个簇；
18.s240：判断簇的个数是否符合测风区域数量的预估结果，若符合，则根据划分出的簇确定测风区域，否则在预估范围内调整聚类密度阈值的取值，重复s230。
19.可选的，所述通过dbscan算法将风机排布位置划分成若干个簇，包括：
20.s231：将风机排布位置处理成三维坐标，对三维坐标进行归一化处理；
21.s232：在归一化处理后的三维坐标中随机选取一个坐标点；
22.s233：根据领域半径和聚类密度阈值判断选取的坐标点是否为核心点，若为核心点，将与所述核心点密度可达的坐标点构成一个簇；
23.s234：若选取的坐标点不是核心点，则重新选取其他坐标点，重复s233；
24.s235：选取未成簇的其他坐标点，重复s233和s234，直至没有可选取的坐标点。
25.可选的，所述s231包括：
26.获取风机排布位置中的大地坐标和海拔高度，将大地坐标作为风机排布位置的横坐标和纵坐标，将海拔高度作为风机排布位置的竖坐标；
27.分别对三维坐标中的横坐标、纵坐标、竖坐标进行归一化处理，所述归一化处理的计算公式为：
[0028][0029]
式中，a表示某风机归一化处理前的三维坐标，min(a)表示所有风机归一化处理前的三维坐标中的最小值，max(a)表示所有风机归一化处理前的三维坐标中的最大值，b为某风机归一化处理后的三维坐标。
[0030]
可选的，所述根据划分出的簇确定测风区域，包括：
[0031]
将不属于任何簇的坐标点标记为噪声点去除；
[0032]
沿东、南、西、北四个方向生成每个簇的矩形包络，将矩形包络的西南角顶点将西南方向延伸预设比例，将矩形包络的东北角顶点将东北方向延伸预设比例，得到测风区域。
[0033]
可选的，所述s300包括：
[0034]
在测风区域中以固定间隔划分网格，将网格的交点作为备选测风点；
[0035]
根据备选测风点处的地形数据和历史测风数据计算风流参数、与风机的水平距离、与风机的海拔差以及尾流效应折减率，将计算结果不符合测风塔选址量化标准的备选测风点筛除；
[0036]
将筛除后剩余的备选测风点作为最终确定的测风点。
[0037]
可选的，所述风流参数包括风加速因数、湍流强度和入流角。
[0038]
可选的，所述s500包括：
[0039]
建立测风点在风速维度、形状维度以及尺度维度上的布局评价指标，所述布局评价指标的计算公式为：
[0040][0041][0042][0043][0044][0045][0046][0047]
其中，x为布局评价指标，x1为风速维度上的布局评价指标，x2为形状维度上的布局评价指标，x3为尺度维度上的布局评价指标，v
t
为所有风机点位的平均风速，vm为待评价的测风点的风速，v1、v2、...、vn依次为各风机点位的风速，k
t
为所有风机点位的平均形状参数，km为待评价的测风点的形状参数，k1、k2、...、kn依次为各风机点位的形状参数，c
t
为所有风机点位的平均尺度参数，cm为待评价的测风点的尺度参数，c1、c2、...、cn依次为各风机点位的尺度参数，n为风电机组总数；
[0048]
分别在每个测风区域中选取布局评价指标最大的测风点作为测风塔位置。
[0049]
本发明提供的技术方案带来的有益效果是：
[0050]
本发明通过对风电场测风塔的合理布点，提升了风电场测风塔选址的精度，保证测风数据更具代表性且相对可靠，对发电量后评估和超短期功率预测预测精度都具有重要意义。同时，所提分区方法还为确定测风塔的数量提供依据，减少了过度建设测风塔造成的资金浪费。
附图说明
[0051]
为了更清楚地说明本发明的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0052]
图1为本发明实施例提出的一种风电场测风塔的优化布局方法的流程示意图；
[0053]
图2为基于dbscan算法的风电机组聚类计算流程；
[0054]
图3为风电场的测风区域分区结果；
[0055]
图4为经网格化筛选和布点评价后选取的最佳测风塔位置。
具体实施方式
[0056]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0057]
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
[0058]
应当理解，在本发明的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
[0059]
应当理解，在本发明中，“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0060]
应当理解，在本发明中，“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含a、b和c”、“包含a、b、c”是指a、b、c三者都包含，“包含a、b或c”是指包含a、b、c三者之一，“包含a、b和/或c”是指包含a、b、c三者中任1个或任2个或3个。
[0061]
应当理解，在本发明中，“与a对应的b”、“与a相对应的b”、“a与b相对应”或者“b与a相对应”，表示b与a相关联，根据a可以确定b。根据a确定b并不意味着仅仅根据a确定b，还可以根据a和/或其他信息确定b。a与b的匹配，是a与b的相似度大于或等于预设的阈值。
[0062]
取决于语境，如在此所使用的“若”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”或“响应于检测”。
[0063]
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
[0064]
如图1所示，本实施例提出了一种风电场测风塔的优化布局方法，包括：
[0065]
s100：确定风电场所在区域和风机排布位置；
[0066]
s200：基于风机排布位置，通过dbscan算法在风电场所在区域中划分出测风区域；
[0067]
s300：根据地形数据和历史测风数据建立测风塔选址量化标准，结合网格化筛选方法在测风区域中筛选出符合预设选址标准的测风点；
[0068]
s400：建立测风塔的布局评价指标，根据布局评价指标在备选测风点中确定测风塔位置。
[0069]
本实施例为了解决风电场建设前期的测风塔位置难以在后期投入使用的弊端，提出了一种风电场测风塔的优化布局方法，首先获取风电场所在区域的strm dem海拔高程数
据、globe land30地表覆盖数据、历史测风数据以及风机排布坐标信息；其次基于风机历史排布，采用dbscan算法进行宏观区域划分，确定测风塔数量；随后采用网格化筛选方法，利用cfd软件计算风电场微尺度风流参数，从而考虑流场尾流效应、盛行风向风况参数建立微观的测风塔选址量化标准，实现测风点的筛选；最后建立测风塔优化布局量化评价指标，在测风点中确定最终的测风塔位置。本实施例通过对风电场测风塔的合理布点，保证测风数据更具代表性且相对可靠，对发电量后评估和超短期功率预测预测精度都具有重要意义。
[0070]
在本实施例中，风电场所在区域的确定过程包括：
[0071]
确定风电场的占地区域；
[0072]
将所述占地区域的极西与极东之间的距离按预设比例延长，得到风电场所在区域的长度；将所述占地位置的极南与极北之间的距离按预设比例延长，得到风电场所在区域的宽度；基于得到的长度和宽度，将包含所述占地区域在内的矩形区域作为风电场所在区域。
[0073]
具体的，本实施例中以风电场场址极西与极东之间的距离为风电场场址的长度，以极南与极北之间的距离为其宽度，分别将其长度和宽度向东南西北四个方向延长它们的5％，由此得到的矩形区域作为风电场所在区域。
[0074]
本实施例将风电站所在区域划分为矩形，方便后续的测风区域划分以及坐标位置的确定。
[0075]
在本实施例中，以风电场所在区域中风机分布密度的角度出发，采用dbscan算法划分测风区域，dbscan(density-based spatial clustering of applications with noise)算法是一种基于密度的空间聚类算法。该算法将具有足够密度的区域划分为簇，并在具有噪声的空间数据库中发现任意形状的簇，它将簇定义为密度相连的点的最大集合。该算法的基本思想是：任意选取数据集中的某个数据对象，查询其给定半径的邻域密度，如果邻域密度超过给定阈值，则将其定义为一个聚类，并对其邻域数据对象进行同样的密度计算，然后进行聚类扩展与合并。在本实施例中dbscan算法的总体算法流程如图2所示，算法开始时输入风机的三维坐标数据，随后定义算法参数，根据两台风机之间的距离标记数据点的类型，并通过判断与核心点是否密度可达将区域划分为簇。最后处理噪声数据，画出聚类图后结束算法。
[0076]
在本实施例中，所述s200包括：
[0077]
s210：根据风机排布位置的地形变化、风机之间的历史排布距离远近，结合测风塔布点的预设基本原则，对风电场可划分的测风区域数量进行预估；
[0078]
s220：根据风机排布位置的分布疏密，确定聚类密度阈值的预估范围，为聚类密度阈值在所述预估范围中进行取值；
[0079]
s230：根据聚类密度阈值的取值确定聚类半径的取值，基于聚类密度阈值和聚类半径的取值，通过dbscan算法将风机排布位置划分成若干个簇；
[0080]
s240：判断簇的个数是否符合测风区域数量的预估结果，若符合，则根据划分出的簇确定测风区域，否则在预估范围内调整聚类密度阈值的取值，重复s230。
[0081]
dbscan算法相关定义包括：
[0082]
(1)根据对象的ε邻域：空间中任意一个数据对象p的邻域是指：以数据对象p为圆心、ε为半径的区域内包含的所有数据对象q的集合。记作：
[0083]nε
(p)＝{q∈c|dist(p,q)≤ε}；
[0084]
式中，c为空间数据集。
[0085]
(2)三类数据点：
[0086]
核心点：若数据对象p的ε邻域至少包含d个数据对象，即|ns(p)|≥d，则称数据对象p为核心点。
[0087]
边界点：若数据对象p的ε邻域小于d个数据对象，但是它在其他核心点的邻域内，则称数据对象p为边界点。
[0088]
噪音点：既非核心点也非边界点的点。
[0089]
(3)密度直达：给定一个空间数据集c，对于任意两个数据对象p,q∈c，如果满足：
[0090]
|n
ε
(q)|≥d；
[0091]
p∈n
ε
(q)；
[0092]
则称，p是从q关于ε和d密度直达的。
[0093]
(4)密度可达：如果存在一个对象链p1，p2，...，pn，其中
[0094]
p1＝q,pn＝p；
[0095]
且满足对所有的i＝1,2,
…
,n-1，p
i+1
是从pi关于ε和d密度直达的，则称p是从q关于ε和d密度可达的。
[0096]
(5)簇和噪声：从数据集c中任取一对象p，从对象p开始在数据集c中搜索满足ε和d条件且密度可达的所有点构成一个簇，不属于任何簇的对象则被标记为噪声点。
[0097]
基于上述定义，首先估计dbscan算法中重要参数——聚类密度阈值d的取值范围，聚类半径ε根据d的取值确定。具体的，分析风电场场址的地形图和风电机组排布方式，根据场址内风电机组排布位置的地形变化，以及风电机组之间的距离远近，考虑测风塔布点的一些基本原则，预估该风场可划分的测风区域数的范围。然后，通过观察风电机组的分布疏密，估计dbscan算法中d的取值范围。在之后划分区域的过程中，在预估的d的取值范围内取值，将d不同取值下得到的区域划分结果，与测风区域数量的预估结果进行对比，取符合预估的结果为合适的测风区域划分结果。
[0098]
如图2所示，所述通过dbscan算法将风机排布位置划分成若干个簇，包括：
[0099]
s231：将风机排布位置处理成三维坐标，对三维坐标进行归一化处理；
[0100]
s232：在归一化处理后的三维坐标中随机选取一个坐标点；
[0101]
s233：根据领域半径和聚类密度阈值判断选取的坐标点是否为核心点，若为核心点，将与所述核心点密度可达的坐标点构成一个簇；
[0102]
s234：若选取的坐标点不是核心点，则重新选取其他坐标点，重复s233；
[0103]
s235：选取未成簇的其他坐标点，重复s233和s234，直至没有可选取的坐标点。
[0104]
具体的，由于风机的海拔高度与经过经纬度转换的大地坐标相比要小几个数量级，而海拔高度对测风塔的影响要比距离大一些，所以可以对风机的海拔高度坐标与位置坐标进行归一化处理，从而放大海拔高度的影响权重。归一化处理的过程具体包括：
[0105]
获取风机排布位置中的大地坐标和海拔高度，将大地坐标作为风机排布位置的横坐标和纵坐标，将海拔高度作为风机排布位置的竖坐标；
[0106]
分别对三维坐标中的横坐标、纵坐标、竖坐标进行归一化处理，所述归一化处理的计算公式为：
[0107][0108]
式中，a表示某风机归一化处理前的三维坐标，min(a)表示所有风机归一化处理前的三维坐标中的最小值，max(a)表示所有风机归一化处理前的三维坐标中的最大值，b为某风机归一化处理后的三维坐标。
[0109]
最后，根据划分出的簇确定测风区域，包括：
[0110]
将不属于任何簇的坐标点标记为噪声点去除；
[0111]
沿东、南、西、北四个方向生成每个簇的矩形包络，将矩形包络的西南角顶点将西南方向延伸预设比例，将矩形包络的东北角顶点将东北方向延伸预设比例，得到测风区域。
[0112]
本实施例利用dbscan算法对风电机组进行聚类后，根据得到的各个风机簇类的位置计算测风区域的位置。为了便于计算，取每个测风区域的形状为矩形。在本实施例中，将每簇风机的西南点和东北点坐标分别向西、南、东、北四个方向外扩展东西与南北方向差值的5％，就可得到每片矩形测风区域的具体位置。最终如图3所示，本实施例将风电场所在区域划分为2个测风区域。
[0113]
在本实施例中，测风区域的个数即为最终确定的测风塔位置的个数，即每个测风区域中设置1个测风塔。
[0114]
在本实施例中，为了确定每个测风区域中测风点的位置，采用网格筛选方法得到一系列备选测风点，再依据预设的测风塔选址量化标准筛除不符合要求的备选测风点，具体的包括：
[0115]
在测风区域中以固定间隔划分网格，将网格的交点作为备选测风点。本实施例中，每个测风区域为网格划分区域，确定网格形状为正方形。为了尽量不遗漏每个可能适合建立测风塔的位置，根据以下公式中的长度l作为正方形的边长划分网格：
[0116]
l＝min{l1，l2，...ln}
[0117][0118]
式中，l1、l2、...ln为风电场中两两风机间的距离(m)；n为风电场中的风电机组数量。
[0119]
其次，根据空间一致性原则、盛行风向风况参数代表性原则、考虑尾流效应折减的筛选原则，考虑六大指标——距风机水平距离、与风机海拔差、盛行风向风加速因、盛行风向湍流强度、盛行风向入流角、尾流效应折减率，提出备选测风点量化筛选策略，建立测风塔量化选址标准。
[0120]
在本实施例中，将风电场的海拔高程数据、地表粗糙度数据、测风数据输入至计算流体力学软件windsim或meteodyn wt中，计算风加速因数、湍流强度、入流角等微尺度风流参数。所述海拔高程数据为strm dem海拔高程数据，所述地表粗糙度数据是由globe land30地表覆盖数据转化为30m分辨率的数据，globe land30地表覆盖数据与地表粗糙度的对应关系如表1所示。
[0121]
表1
[0122][0123]
在本实施例中，历史测风数据可以通过风电场区域内早期建立的测风塔获取，或者通过3tier再分析数据获取。数据包括风电场内某备选测风点位地表垂直高度为80m的位置处所对应的近3年以上的风速风向序列。通过3tier再分析数据获取近3年以上的风速风向序列的方法具体是：利用3tier的数值天气预报模式(nwp)进行获取，该模式使用的输入数据是过去50年的全球天气数据；高分辨率的地形、土壤和植被数据；以及现场实测数据；采用气候变化分析、长时段历史数据以及空间分布图，可以获取项目区域风能状况长期变化。
[0124]
在本实施例中，基于六大指标建立的测风塔量化选址标准如下：
[0125]
①
排除掉与风机距离2倍风轮直径以内的备选测风点：
[0126][0127]
r＜2d
[0128]
式中，x为风机坐标的横坐标；y风机坐标的纵坐标；x0为备选测风点的横坐标；y0为备选测风点的纵坐标；d为风轮直径(m)；r为备选测风点与风电机组的距离(m)。
[0129]
②
排除掉海拔与风电机组海拔差大于100米的备选测风点：
[0130]
δh＝|h-h0|
[0131]
δh＞100
[0132]
式中，h为风电机组的海拔高度；h0为备选测风点的海拔高度。
[0133]
③
在盛行风向上，保留风加速因数在风电场内所有风电机组处风加速因数的平均
值的正负5％范围以内的备选测风点：
[0134][0135]
a1＝-a*5％
[0136]
a2＝a*5％
[0137]ai
∈(a1,a2)(i＝1,2,...,m)
[0138]
式中，a1,a2,...,an为风电机组在盛行风向上的风加速因数；n为风电场内风电机组的数量；m为通过之前的筛选工作保留下来的备选测风点数量。
[0139]
④
在盛行风向上，保留湍流强度在所有备选测风点湍流强度平均水平以下的备选测风点：
[0140][0141]ri
＜r(i＝1,2,...,m)
[0142]
式中，r1,r2,...,rm为盛行风向上保留下来的备选测风点的湍流强度。
[0143]
⑤
在盛行风向上，保留入流角在所有备选测风点入流角平均水平以下的备选测风点：
[0144]
λ
a1
＝|λ1|,λ
a2
＝|λ2|,...
[0145][0146]
λ
ai
＜λ
av
(i＝1,2,...,m)
[0147]
式中，λ1,λ2,...,λm为盛行风向上保留下来的备选测风点的入流角。
[0148]
⑥
保留尾流效应引起的平均折减率低于所有备选测风点平均水平的备选测风点：
[0149][0150]
wi＜w(i＝1,2,...,m)
[0151]
式中，w1,w2,...wm——备选测风点尾流效应引起的平均折减率。
[0152]
最后，根据备选测风点处的地形数据和历史测风数据计算风流参数、与风机的水平距离、与风机的海拔差以及尾流效应折减率，将计算结果不符合测风塔选址量化标准的备选测风点筛除，将筛除后剩余的备选测风点作为最终确定的测风点。
[0153]
考虑平均风速分布是风资源监测的重要参数，基于风机和备选测风点的平均风速以及风速威布尔分布的形状参数k、尺度参数c等数据，建立测风塔量化评估指标，根据评估结果在最终筛选留下的备选测风点中确定各分区内测风塔位置。威布尔分布用下式表示：
[0154][0155]
式中，p(v)表示风速分布。
[0156]
由此建立测风点在风速维度、形状维度以及尺度维度上的布局评价指标，所述布局评价指标的计算公式为：
[0157][0158][0159][0160][0161][0162][0163][0164]
其中，x为布局评价指标，x1为风速维度上的布局评价指标，x2为形状维度上的布局评价指标，x3为尺度维度上的布局评价指标，v
t
为所有风机点位的平均风速，vm为待评价的测风点的风速，v1、v2、...、vn依次为各风机点位的风速，k
t
为所有风机点位的平均形状参数，km为待评价的测风点的形状参数，k1、k2、...、kn依次为各风机点位的形状参数，c
t
为所有风机点位的平均尺度参数，cm为待评价的测风点的尺度参数，c1、c2、...、cn依次为各风机点位的尺度参数，n为风电机组总数；所述风机点位即各个风电机组所在位置。
[0165]
分别在每个测风区域中选取布局评价指标最大的测风点作为测风塔位置。
[0166]
指标x的值在[0,1]范围内，备选测风点的x值越接近1，其位置越适合建立测风塔。经网格化筛选和量化评价，选取的测风塔最佳布点如图4所示。
[0167]
上述实施例中的各个序号仅仅为了描述，不代表各部件的组装或使用过程中的先后顺序。
[0168]
以上所述仅为本发明的实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。