基于概率分布转移的测风数据风速订正方法[发明专利]

(12)发明专利申请

(10)申请公布号(10)申请公布号 CN 104036121 A(43)申请公布日 2014.09.10

(21)申请号 201410214140.9(22)申请日 2014.05.20

(71)申请人江苏省电力设计院

地址210009 江苏省南京市鼓楼区新模范马

路5号(72)发明人潘晓春 蔡升华 李剑锋 王骢

张洋(74)专利代理机构南京纵横知识产权代理有限

公司 32224

代理人董建林 许婉静(51)Int.Cl.

G06F 19/00(2011.01)

权利要求书4页 说明书23页 附图6页权利要求书4页 说明书23页 附图6页

()发明名称

基于概率分布转移的测风数据风速订正方法(57)摘要

本发明公开了一种基于概率分布转移的测风数据风速订正方法。首先，通过Weibull分布函数对风速作统计描述；然后，分别计算第i序号对应的实测年长期气象站、实测年风场观测站、代表年长期气象站以及代表年风场观测站风速概率分布估计值；最后，对于逐时风速数据及概率分布估计值，由第i序号对应的实测年风场观测站实测风速，通过概率分布同差值转移法或概率分布同倍比转移法，计算得出第i序号对应的代表年风场观测站订正风速。本发明提出的风速订正的概率分布转移法，克服了现行相关分析类方法常见的相关系数过低但又不得不用于订正的弊端，可以适用于例如近海或海上风电场之类的工程地点和长期气象参证站距离较远或现行方法相关性较差等情形下的风速订正。CN 104036121 ACN 104036121 A

权 利 要 求 书

1/4页

1.一种基于概率分布转移的测风数据风速订正方法，其特征在于，包括以下步骤：1)利用Weibull分布对风速进行统计描述，Weibull分布概率密度函数f(v)和分布函数F(v)分别为

式中，v──随机变量，此处指风速；k──形状参数，无量纲，k＞0；C──尺度参数，C＞0；δ──位置参数，δ＜vmin，vmin──风速序列中的最小值，当δ＝0时则退化为双参数Weibull分布；

2)利用概率分布同差值转移法进行风速订正：由式(2)，若风速序列vi按递增排序v1≤v2≤…vi≤…≤vn，第i序号对应的风速估计值按下式计算

式中，g()──函数关系的符号表达；Pi──风速序列的经验频率；则有：

式中，n──风速序列的长度；

vdf,i──第i序号对应的代表年风场观测站订正风速；vsf,i──第i序号对应的实测年风场观测站实测风速；

──第i序号对应的代表年长期气象站风速概率分布估计值；──第i序号对应的实测年长期气象站风速概率分布估计值；

Cdc、Csc──分别表示代表年长期气象站、实测年长期气象站风速概率分布的尺度参数；

ksc──分别表示代表年长期气象站、实测年长期气象站风速概率分布的形状参kdc、

数；

δdc、δsc──分别表示代表年长期气象站、实测年长期气象站风速概率分布的位置参

2

CN 104036121 A

权 利 要 求 书

2/4页

数；

将式(6)简化为双参数Weibull分布形式为：

2)种用概率分布同倍比转移法进行风速订正：利用式(9)进行订正

将式(9)简化为双参数Weibull分布形式：

2.根据权利要求1所述的基于概率分布转移的测风数据风速订正方法，其特征在于：对于双参数weibull分布，利用3阶原点矩公式估计形状参数k、尺度参数c值，所述3阶原点矩参数估计公式如下：

式中，E(V)、──分别表示风速序列的数学期望和平均值；

伽马函数Γ(y)用斯特林(Stirling)渐进级数结合伽马函数性质求算：

式中，y──伽马函数的自变量。

3.根据权利要求1所述的基于概率分布转移的测风数据风速订正方法，其特征在于：对于三参数weibull分布，利用以下方法估计形状参数k、尺度参数c和位置参数δ的值：

(1)低阶不及PWM法：形状参数k按下式估计：

3

CN 104036121 A

权 利 要 求 书

3/4页

式中，

──第j阶样本不及概率权重矩(j＝0、1、2)；JM──中间变量；

尺度参数C、位置参数δ值按下式确定：

(2)低阶超过PWM法：

形状参数k按下式估计：

式中，──第l阶样本超过概率权重矩(l＝0、1、2)；

4.根据权利要求3所述的一种基于概率分布转移的测风数据风速订正方法，其特征在

于：

样本PWM估计方法为：

连序样本概率权重矩计算公式：

4

CN 104036121 A

权 利 要 求 书

4/4页

式中，Δpi──相应于风速vi的频率，取Δpi＝1/n；

──对应于风速vi的j阶累积频率；──对应于风速vi的l阶累积频率；设样本系列按递增排序(v1≤v2≤…≤vn)，

的无偏估计计算式

因q＝1-p＝(X≥x)，则的无偏估计式为

当样本系列按递减排序时，与估计式互换。

5.根据权利要求1所述的基于概率分布转移的测风数据风速订正方法，其特征在于：风速样本经验频率计算方法为：

经验频率Pi计算公式的形式为

式中，b、c──均为经验频率计算公式的调整参数；

为使式(19)所确定的n个风速序列的经验频率Pi相对于50％的经验频率呈对称分布，满足2b+c＝1，于是式(19)进一步写成

选用海森公式(Hazen公式)计算风速样本v1≤v2≤…vi≤…≤vn的经验频率，即

5

CN 104036121 A

说 明 书

基于概率分布转移的测风数据风速订正方法

1/23页

技术领域

[0001]

本发明涉及一种测风数据风速订正的概率分布转移方法，属于风电场风能资源评

估技术领域。背景技术

根据现行国家和行业标准－－风电场风能资源评估方法(GB/T18710－2002)、电

力工程气象勘测技术规程(DL/T5158—2012)，风电场和空冷电厂设计过程中，需要根据工程地点与附近同一气候区长期气象站同期的实测风速风向数据建立某种数量关系，并据此订正求得风电场场址代表年逐时风速风向序列，或空冷电厂厂址典型年和最近10年逐时风速风向序列，以用于风电场风能资源评估或空冷电厂设计气象参数统计分析。[0003] 为满足风电场风能资源评估和空冷电厂设计要求，一般要求工程地点积累连续一年的测风数据，而在较长时期内，这一年的数据有可能高于、低于或相当于长期平均水平，即实测年分别为大风年、小风年及平风年的情形。[0004] 根据《风电场风能资源评估方法》(GB/T18710－2002)第5.3.1条，风电场测风数据订正的目的，是根据附近长期气象观测站(即参证站)的观测数据，将验证后的风场站测风数据订正为一套反映场址长期平均水平的代表性数据，即风电场测风高度上代表年(亦即平风年)的逐小时风速风向数据。[0005] 根据《电力工程气象勘测技术规程》(DL/T5158－2012)第5.8.5条，应根据对比观测期间气象参证站与工程地点空冷气象观测站之间气温、风速和风向的差异分析结果和工程地点空冷气象观测站气温、风速和风向的垂直变化分析结果，对依据气象参证站最近10年的逐时气温、风速和风向资料分析统计的各项空冷气象参数进行修正，最终获得能够充分代表拟建空冷凝汽器分配管高度位置实际情况的空冷气象参数。[0006] 而现有风速订正法包括如下：[0007] 一.风速扇区相关分析订正法[0008] 由于风是矢量，既有大小(风速)，又有方向(风向)，而风速和风向在时间和空间上均具有高度的随机性。若按两站同期(时)风速风向采样并进行相关分析，其相关系数极小而显示不相关，只能退求其次：按各风向分类、逐时风速分级(级内同时风速取平均值聚合)采样建立线性方程(即分类分级聚合线性相关分析)，其相关系数可显著提高。

[0002]

由于风场站和参证站的测风数据均含有风向、风向信息，可组合有4套采样关系，如表1所示，表1为风场站和参证站分类分级聚合相关分析采样组合表，每套相关关系均有16个相关方程，我国规定按16个象限表征风向。[0010] 表1

[0009] [0011]

6

CN 104036121 A

说 明 书

2/23页

其中，“关系简称”栏内的“场”表示风场气象观测站，“站”表示长期气象参证站，

如“场向站速”表示以风场站风向分类、参证站风速分级。文献1为作者潘晓春的《风电场测风数据订正方法的比较研究[A]》.中国电机工程学会第九届青年学术会议论文集[C].北京：中国水利水电出版社，2006，1183-11。

[0013] 如何利用风场站和参证站间的相关关系进行数据订正，根据规范等的建议存在如表2所示的两类方法，表2为利用站场相关关系订正测风数据方法表。

[0012] [0014] [0015]

表2

[0016] [0017]

选取实测年无论从年际还是年内风速分布等均与多年平均非常接近的情形(亦即实测年恰好为代表年)，分别利用上文列举的8种方法对实测年数据进行订正，并对订正

数据计算风资源特征指标、发电量及风机排布影响等方面，分析各法成果与平风年“真值”成果间的偏离情况，提出了各方法的优劣排序。得出以“场向站速”采样相关的代数差值法成果最优，而GB/T18710-2002采用的“场向场速”采样相关的代数差值法成果优劣位列第3的结论，参见作者潘晓春的《风电场测风数据订正方法的比较研究[A]》，.中国电机工程学会第九届青年学术会议论文集[C].北京：中国水利水电出版社，2006，1183-11。

7

CN 104036121 A[0018]

说 明 书

3/23页

二.风速分月相关分析订正法

[0019] 以气象站逐时风速为自变量，以厂址观测点的逐时风速为因变量，建立厂址与气象站各月逐时风速的相关关系，得出各月风速回归方程、相关系数，进而据此进行风速风向订正和反演重建。

[0020] 长期气象参证站与电厂位置之间的风速和风向的相关程度一般都不高，一元线性回归方程各月的相关系数均在0.8以下，相关性并不显著，难以采用一元线性回归订正法进行反演还原。[0021] 因而，风速分月相关分析订正法难以作为普适的方法予以推广应用。[0022] 三.风矢量相关分析订正法

[0023] 根据观测期内空冷电厂厂址和长期气象参证站逐时风速资料，以气象站的逐时风矢量为自变量，以厂址观测点的逐时风矢量为因变量，分别建立观测期间厂址观测点各月逐时风矢量与气象站各月逐时风矢量的相关关系，利用逐时风u、v分量资料计算得出各月回归方程和相关系数，进而据此进行风速风向订正和反演重建。[0024] 该方法将风作为矢量来看待，期望将风速、风向一并进行订正。然而，根据《电力工程气象勘测技术规程》(DL/T5158－2012)第5.8.5条文说明，采用风矢量的相关分析方法反演重建的风速值在多数情况下偏小，主导风向有时可能出现失真的情况；此外，根据《空冷气象调研报告》(西北电力设计院，2010年3月)和文献2，文献2为李卫林的《影响空冷气象对比观测成果的几个问题[J]》，电力勘测设计，2008，(5)：28-31。总体上两地风速采用矢量方法相关，相关系数v分量小于0.8，u分量小于0.6，其数据相关程度也不高，合成新的风以后，其相关误差将更大。[0025] 因而，风矢量相关分析订正法同样难以作为普适的方法予以推广应用。[0026] 综上，对于风电场场址或空冷电厂厂址与附近同一气候区长期气象参证站同期测风数据，无论采用分月相关分析和风矢量相关分析订正，均存在相关系数过低甚或失真的弊端；风速扇区相关，表面上可使相关系数显著提高而“看上去很美”，但其本质上是一种风速“分类分级聚合”线性相关分析，并非真正地严格意义上的相关，即便如此，工程实践中仍可能存在个别扇区的相关系数过低但又不得不依据其进行订正的现实。并且，对工程地点测风数据的订正目的并非用于进行实时预报，而仅是求得能够代表当地长期平均风资源状态的一整年数据或需要重建的最近10年逐年的风况数据而已，无需去追逐诸如两地所谓“同时刻”、“同场次”的风速的所谓严格相关，实际上这样的做法在现实中几乎也是徒劳的。[0027] 因而，现有相关分析类方法存着常见的相关系数过低但又不得不用于订正的弊端的缺陷。发明内容

针对现有技术上存在的不足，本发明目的是在于提供一种测风数据风速订正方

法，可以克服现行相关分析类方法常见的相关系数过低但又不得不用于订正的弊端，适用于近海或海上风电场的工程地点和长期气象参证站距离较远或现行方法相关性较差等情形下的风速订正。

[0029] 为解决上述技术问题，本发明提供一种基于概率分布转移的测风数据风速订正方法，其特征在于，包括以下步骤：

[0028]

8

CN 104036121 A[0030]

说 明 书

4/23页

1)利用Weibull分布对风速进行统计描述，Weibull分布概率密度函数f(v)和分

布函数F(v)分别为

[0031]

[0032]

式中，v──随机变量，此处指风速；k──形状参数，无量纲，k＞0；C──尺度参

数，C＞0；δ──位置参数，δ＜vmin，vmin──风速序列中的最小值，当δ＝0时则退化为双参数Weibull分布。

[0034] 2)利用概率分布同差值转移法进行风速订正：[0035] 由式(2)，若风速序列按递增排序v1≤v2≤…vi≤…≤vn，第i序号对应的风速

[0033]

估计值按下式计算

[0036]

式中，g()──函数关系的符号表达；Pi──风速序列的经验频率。[0038] 则有：

[0037] [0039]

[0040] [0041]

式中，n──风速序列的长度；

vdf,i──第i序号对应的代表年风场观测站订正风速；

[0042] vsf,i──第i序号对应的实测年风场观测站实测风速；

[0043] [0044] [0045]

──第i序号对应的代表年长期气象站风速概率分布估计值；──第i序号对应的实测年长期气象站风速概率分布估计值；

Cdc、Csc──分别表示代表年长期气象站、实测年长期气象站风速概率分布的尺度kdc、ksc──分别表示代表年长期气象站、实测年长期气象站风速概率分布的形状δdc、δsc──分别表示代表年长期气象站、实测年长期气象站风速概率分布的位

9

参数；

[0046]

参数；

[0047]

CN 104036121 A

说 明 书

5/23页

置参数。

[0048] [0049]

将式(6)简化为双参数Weibull分布形式：

[0050] 2)种用概率分布同倍比转移法进行风速订正：利用式(9)进行订正

[0051]

[0052] 将式(9)简化为双参数Weibull分布形式：

[0053]

前述的一种基于概率分布转移的测风数据风速订正方法，其特征在于，

[0055] 对于双参数weibull分布，利用3阶原点矩公式估计形状参数k、尺度参数c值，所述3阶原点矩参数估计公式如下：

[00]

[0056]

[0057] [0058] [0059]

式中，E(V)、──分别表示风速序列的数学期望和平均值。

伽马函数Γ(y)用斯特林(Stirling)渐进级数结合伽马函数性质求算：

式中，y──伽马函数的自变量。

[0061] 前述的一种基于概率分布转移的测风数据风速订正方法，其特征在于：对于三参数weibull分布，利用以下方法估计形状参数k、尺度参数c和位置参数δ的值：[0062] (1)低阶不及PWM法：

[0060]

10

CN 104036121 A[0063]

说 明 书

6/23页

形状参数k按下式估计：

[00]

[0065] [0066]

式中，──第j阶样本不及概率权重矩(j＝0、1、2)。

尺度参数C、位置参数δ值按下式确定：

[0067]

(2)低阶超过PWM法：

[0069] 形状参数k按下式估计：

[0068]

[0070]

[0071] 式中，──第l阶样本超过概率权重矩(l＝0、1、2)。

[0072]

前述的一种基于概率分布转移的测风数据风速订正方法，其特征在于：样本PWM

估计方法为：

[0074] 连序样本概率权重矩计算公式：

[0073]

11

CN 104036121 A

说 明 书

7/23页

[0075]

[0076] [0077] [0078] [0079]

式中，Δpi──相应于风速vi的频率，取Δpi＝1/n；

──对应于风速vi的j阶累积频率；──对应于风速vi的l阶累积频率。设样本系列按递增排序(v1≤v2≤…≤vn)，

的无偏估计计算式

[0080]

[0081] 因q＝1-p，则的无偏估计式为

[0082]

[0083] [0084]

当样本系列按递减排序时，与估计式互换。

前述的一种基于概率分布转移的测风数据风速订正方法，其特征在于：风速样本

经验频率计算方法为：

[0085] 经验频率公式的一般形式为

[0086]

式中，b、c──经验频率计算公式的调整参数。

[0088] 为使式(19)所确定的n个Pi相对于50％的经验频率呈对称分布，可以证明应满足2b+c＝1，于是上式进一步写成

[0087] [00]

研究一整年逐时平均风速，样本长度一般为8760h。经分析比选，本申请选用海森公式(Hazen公式)计算风速样本v1≤v2≤…vi≤…≤vn的经验频率可以取得较好的效果，即

[0090] [0091]

本发明所达到的有益效果：

[0093] 本发明风速订正的概率分布转移法，提出了同差值概率分布转移法和同倍比概率

[0092]

12

CN 104036121 A

说 明 书

8/23页

分布转移法两种风速订正方法，工程实践中可以根据当地风况特征资料选用其中相对可靠的方法，所在地区长期平均风况的代表年风速Weibull分布参数可由当地风能资源普查等资料中获取，无需通过搜集气象参证站大量的逐时风速数据计算求得，因而概率分布转移法操作简便、易于施行，克服了现行相关分析类方法常见的相关系数过低但又不得不用于订正的弊端，可以适用于例如近海或海上风电场之类的工程地点和长期气象参证站距离较远或现行方法相关性较差等情形下的风速订正。附图说明

[0094] [0095] [0096] [0097] [0098] [0099] [0100] [0101]

下面结合附图和具体实施方式来详细说明本发明；图1为本实施例的各法订正成果逐月平均风速折线图；图2为本实施例的各法订正成果分风向平均风速折线图；图3为本实施例的各法订正成果风速概率密度分布曲线；

图4为本实施例的各法订正成果风功率密度与有效风功率密度柱状图；图5为本实施例的F风场站风向玫瑰图；图6为本实施例的各订正方法风能玫瑰图；

图7为本实施例的各法订正成果单机年均理论发电量柱状图；

[0102] 图8为本实施例的某100MW风电场各法订正成果毛发电量柱状图；[0103] 图9为本实施例的某100MW风电场各法订正成果尾流影响柱状图。[0104] 图中：SCN──实测年；DSC_CXCS──“场向场速”代数差值法；DSC_CXZS──“场向站速”代数差值法；GLZY_TCZ──同差值概率分布转移法；GLZY_TBB──同倍比概率分布转移法。

具体实施方式

[0105] 风作为矢量，其大小和风向均具有高度的随机性。风速可通过概率分布来描述其统计特征。风速的概率分布一般为正偏态分布。Weibull分布被普遍认为适用于对风速作统计描述，在风能资源评估、年发电量(AEP，Annual Energy Production)预测、风力发电机组(WTGS)选型、WTGS结构设计和风电并网技术研究等方面得到广泛应用。[0106] Weibull分布是一种单峰函数簇，其概率密度函数和分布函数分别为

[0107]

[0108]

式中，v──随机变量，此处指风速；k──形状参数，无量纲，k＞0；C──尺度参数，C＞0；δ──位置参数，δ＜vmin，vmin──风速序列中的最小值，当δ＝0时则退化为双参数Weibull分布。

[0110] 1.概率分布同差值转移法：[0111] 由式(2)，若风速序列按递增排序(v1≤v2≤…vi≤…≤vn)，第i序号对应的风

[0109]

13

CN 104036121 A

说 明 书

9/23页

速估计值可按下式计算

[0112] [0113] [0114]

式中，Pi──风速序列的经验频率。

则第i序号对应的实测年长期气象站风速概率分布估计值

代表年长期气象站风速概率分布估计值分别可按下式计算

实测年风场观测以及代表年风场

站风速概率分布估计值观测站风速概率分布估计值

[0115]

第i序号对应的实测年风场观测站实测风速、代表年风场观测站订正风速分别用

vsf,i和vdf,i表示。

[0117] 对于逐时风速数据及概率分布估计值，假定代表年和实测年风场观测站与长期气象站两地同序号风速的代数差值相同，亦即

[0116] [0118] [0119] [0120]

从而

对于上式，花括号内的计算项由风速概率分布确定，系概率估计的“理论”差值，具平滑特性，加上vsf,i后便可得出vdf,i，同时赋予了风速序列的随机波动特性。[0122] 特别地，对于双参数Weibull分布，式(6)可以简化为

[0121]

14

CN 104036121 A

说 明 书

10/23页

[0123]

2.概率分布同倍比转移法：

[0125] 各变量符号含义同前。

[0126] 对于逐时风速数据及概率分布估计值，假定代表年和实测年风场观测站与长期气象站两地同序号风速的倍比值相同，亦即

[0124] [0127]

[0128] 从而

[0129]

[0130] 特别地，对于双参数Weibull分布，式(9)可以简化为

[0131]

对于上式，分数项由风速概率分布确定，系概率估计的“理论”倍比值，具平滑特性，乘上vsf,i后便可得出vdf,i，同时赋予了风速序列的随机波动特性。[0133] 式(6)、(7)和式(9)、(10)中的Weibull概率分布参数可根据长期气象站实测年和代表年的风速实测资料进行估计，其中气象站代表年风速分布参数也可从当地风资源普查资料中获得。

[0132] [0134]

将

的实测或订正风向序列移置给vsf,i，便构成风场站代表年矢量风的时间序

列

[0135]

可供风场风能资源评估、发电量计算等。

风速概率分布参数估计

[0136] 风速订正的概率分布转移法计算公式，即式(6)、式(9)和式(7)、式(10)分别涉及风速三参数Weibull分布和双参数Weibull分布的参数估计，可分别按本申请发明人得出的下列方法计算。

[0137] 双参数weibull分布

[0138] 风速双参数Weibull分布参数估计方法有多种，可根据风速资料的不同情况作出选择。当有一年左右的连续风速序列时，可采用最小二乘法(即累积分布函数拟合威布尔分布曲线法)、均值和方差估算法，以及最小误差逼近算法和极大似然法等。

15

CN 104036121 A[0139]

说 明 书

11/23页

根据双参数Weibull分布的各阶矩仍然服从该分布这一重要的统计学性质，拟定

了基于矩函数的三个关于k值估计经验公式。经过理论和实例计算表明：基于矩函数的参数估计方法系遵循Weibull分布的统计学特性而拟定，精度检验及算例均显示，三套公式对于风能利用领域具有较高的精度，且适应范围较广、计算简便，均不失为优良方法。其中3阶原点矩公式风能指标与实测统计极为贴近，风功率正比于风速的立方是该法最为“神似”的内在原因。

[0140] 在实际风能利用工作中，使用基于矩函数的公式估计Weibull分布参数，本申请即利用3阶原点矩公式估计形状参数k、尺度参数c值。3阶原点矩参数估计公式如下：

[0141]

[0142] [0143]

式中，伽马函数Γ(y)用斯特林(Stirling)渐进级数结合伽马函数性质求算：

三参数weibull分布：[0145] 近年来，我国正积极进行海上风电场的开发建设，海面风速一般要高于沿岸陆域，其概率分布有呈整体向高风速区偏移的现象。为提高风速概率模型的适应性，采用三参数Weibull分布来描述风的统计特性是必要的。[0146] 对于三参数Weibull分布的参数估计，目前主要有极大似然法、矩法、相关系数优化法、灰色模型法以及双线性回归法等。这些方法往往比较繁琐，一般需编程求解，从事应用工作的人不易掌握，制约了三参数Weibull分布的广泛应用。[0147] 基于0、1、2阶PWM与分布参数的关系，提出两种具有较高精度的三参数Weibull分布参数估计的低阶概率权重矩显式计算关系，可以方便地应用于工程实践。

[0144]

(1)低阶不及PWM法

[0149] 形状参数k按下式估计：

[0148]

[0150]

[0151] 式中，──第j阶样本不及概率权重矩(j＝0、1、2)。

16

CN 104036121 A[0152]

说 明 书

12/23页

尺度参数C、位置参数δ值按下式确定。

[0153]

(2)低阶超过PWM法

[0155] 形状参数k按下式估计：

[01]

[0156]

[0157] 式中，──第l阶样本超过概率权重矩(l＝0、1、2)。

[0158]

(3)样本PWM估计

[0160] 连序样本概率权重矩计算公式：

[0159]

[0161]

[0162]

式中，Δpi为相应于风速vi的频率，可取Δpi＝1/n；为对应于vi的j

阶和l阶累积频率，与样本排序有关。

[0163]

设样本系列按递增排序(v1≤v2≤…≤vn)，

的无偏估计计算式

17

CN 104036121 A[01]

说 明 书

13/23页

[0165] 因q＝1-p，则的无偏估计式为

[0166]

[0167] [0168]

当样本系列按递减排序时，与估计式互换即可。

风速样本经验频率计算

[0169] 风速订正的概率分布转移法计算公式，即式(6)、(7)和式(9)、(10)涉及风速序列的经验频率Pi的估计。经验频率公式的一般形式为

[0170]

式中，b、c──经验频率计算公式的调整参数。

[0172] 为使式(19)所确定的n个Pi相对于50％的经验频率呈对称分布，可以证明应满足2b+c＝1。于是上式进一步写成

[0171] [0173]

当b分别取0、0.3、1/3、3/8、0.44和0.5时，式(20)分别对应于数学期望公式

(Weibull公式)、中值公式(Chegodayev公式)、Tukey公式、Blom公式、Gringorten公式以及海森公式(Hazen公式)。

[0175] 研究一整年逐时平均风速，样本长度一般为8760h。经分析比选，本申请选用海森公式(Hazen公式)计算风速样本v1≤v2≤…vi≤…≤vn的经验频率可以取得较好的效果，即

[0174] [0176]

具体实施例：

[0178] F风电场场址树有一座70m高测风塔，于70m等高度处安装有测风设备。对测风资料进行验证，整理出2005年一整年逐时测风数据，取验证后的70m高度风速风向数据计算分析。

[0177]

长期气象站C属于国家基本气象站，与F风电场距离最近，处于同一气候区，作为

风电场工程的气象参证站。据气象站C近30年实测风速资料分析，1998年为距今最近的平均风速与多年平均风速最接近的年份，可以认作当地风资源评价的代表年。[0180] 分别应用同差值和同倍比两种概率分布转移法进行风速订正，同时用GB/T18710-2002附录A给出的“场向场速”采样相关的代数差值法和文献推荐的“场向站速”采样相关的代数差值法订正，并对订正成果按风资源特征和发电量指标统计分析。[0181] 代数差值法订正：[0182] 本申请应用“场向站速”与“场向场速”采样相关的代数差值法进行订正，对F风

[0179]

18

CN 104036121 A

说 明 书

14/23页

场站和C参证站风速进行分类分级聚合线性相关分析，相关分析成果见图1和图2以及表1和表2。

[0183] 各风向(象限)相关系数统计列于表3，表3为F风场站和C参证站风速特征相关系数统计表。[0184] 表3

[0185]

由上表可见，SSW～SW～WSW～W的偏西南方向的两地风速相关性最差，以其用

于计算代数差并订正风速，可能带来难以预知的订正误差。

[0187] 应用相关分析成果计算各风向风速订正的代数差差值，成果列于表4，表4为F风场站和C参证站分风向风速代数差值统计表。[0188] 表4单位：m/s

[0186] [01]

[0190] [0191]

以上表数据对F风场站逐时实测风速施以代数订正，从而得出各法代表年风速数

据。

概率分布转移法订正方法：[0193] 根据分析，采用双参数Weibull分布描述本算例风速可以取得较好的效果，即采用式(11)进行参数估计，成果如表5所示，表5为F风场站和C参证站实测风速Weibull分布参数估计成果表。[0194] 表5

[0192] [0195]

19

CN 104036121 A

说 明 书

15/23页

将上表参数代入式(7)和式(10)。

[0197] 从而，风速订正概率分布同差值转移法计算公式为

[0196]

[0198]

[0199] 风速订正概率分布同倍比转移法计算公式为

[0200]

上述两式经验频率按海森(Hazen)公式，即式(21)计算。[0202] 成果对比分析[0203] 合理性检查：

[0204] 统计各方法订正风速极值以及为负数及小于0.5m/s(风场站仪器精度)的不合理数据数量，列于表6，表6为各法订正的风速极值与不合理数据统计表。[0205] 表6

[0201] [0206]

20

CN 104036121 A

说 明 书

16/23页

由此可见，GB/T18710-2002附录A给出的“场向场速”代数差值法订正数据中不合

理数据最多，同差值概率分布转移法订正成果中没有出现突破“边界”的不合理数据，“场向站速”代数差值法和同倍比概率分布转移法订正出的不合理数据大致相当。[0208] 需要指出的是，上表统计的不合理数据仅仅是越过0和0.5m/s的“边界”的一部分数据，实际上，其内部仍然存有大量难以检出的不合理数据。[0209] 对于小于零的不合理的订正数据，直接以“0”替换，参与下文风资源特征统计分析和发电量计算等。

[0210] 各月与分风向风速：表7为各法订正成果逐月平均风速成果统计表。[0211] 表7[0212] 单位：m/s

[0207] [0213]

[0214]

据上表数据绘制的折线图如图1所示。图1中，SCN──实测年；DSC_CXCS──“场向场速”代数差值法；DSC_CXZS──“场向站速”代数差值法；GLZY_TCZ──同差值概率分布转移法；GLZY_TBB──同倍比概率分布转移法。下同。[0216] 由表7、图1可见，全年平均风速及年内各月平均风速，同差值概率分布转移法成果与“场向站速”代数差值法成果接近，同倍比概率分布转移法成果与“场向场速”代数差值法成果接近。

[0217] 表8为各法订正成果分风向平均风速成果统计表

[0215]

21

CN 104036121 A[0218] [0219]

说 明 书

17/23页

表8单位：m/s

[0220] [0221]

续表8

[0222]

据上表数据绘制如图2所示。

[0224] 由表8、图2可见，对于各风向平均风速，与实测年相比，代数差值法变化较大，其中尤以“场向场速”代数差值法在NE、ENE、E、SE、WSW、W以及NW等风向的平均风速改变最为显著。

[0225] 风速概率分布参数：

[0226] 表9为各法订正成果风速Weibull分布参数估计成果比较表[0227] 表9

[0223] [0228]

22

CN 104036121 A

说 明 书

18/23页

据上表数据绘制如图3所示。

[0230] 平均风功率密度计算：[0231] 平均风功率密度W：

[0232] 按式(24)或按式(25)计算

[0229] [0233]

式中：n──设定时段内的风速记录数；

[0235] ρ──空气密度，本算例取标准状态下ρ＝1.225kgm3。

[0234]

[0236]

[0237]

风能可利用时间te：

[0238]

式中，Ta──统计时段内的总时间，平年一整年为8760小时，闰年为8784小时；[0240] V1、V2──分别为有效的上、下限风速，一般分别取3m/s和25m/s。

[0239] [0241]

平均有效风功率密度

[0242]

式中，积分号下为不完全伽马函数，直接求解比较困难，可以通过Monte Carlo求解，亦可离散化求算。

[0244] 表10为各法订正成果风能特征指标比较表。[0245] 表10

[0243] [0246]

23

CN 104036121 A

说 明 书

19/23页

据上表成果，绘制图4。

[0248] 由表10、图4可见，全年平均风功率密度和有效风功率密度，“场向站速”代数差值法成果最低，与同差值概率分布转移法成果接近；同倍比概率分布转移法成果最大，与“场向场速”代数差值法成果接近。

[0247]

风向与风能的方向分布分析：[0250] 本申请不涉及风向订正，直接移用F风场站实测2005年逐时风向资料，由此统计并绘制的风向频率分布见表11和图5，表11为F风场站风向频率统计表。[0251] 表11

[0249] [0252]

[0253] [02] [0255]

风能密度DWE按下式计算：

式中：m──风速区间记录数；

[0257] tj──某扇区或全方位第j个风速区间的风速发生时间，h。[0258] 计算16个扇区内风能密度，风能密度方向分布为各扇区的风能密度与全方位总风能密度的百分比，简称为“风能方向分布”。各法订正成果风能方向分布成果见表12，表12为各法订正成果风能方向分布统计表。[0259] 表12[0260] 单位：％

[0256] [0261]

24

CN 104036121 A

说 明 书

20/23页

[0262] [0263]

续表12

据上表数据绘制图6。

[0265] 由表12、图6可见，对于风能方向分布，与实测年相比，代数差值法变化较大，其中尤以“场向场速”代数差值法在ENE、SE等风向的风能频率改变最为显著。[0266] 全年发电量分析：

[0267] 单机年均理论发电量AEP(Annual Energy Production)按下式计算：

[02] [0268]

式中，P(Vi)──风速Vi时的WTGS(风电发电机组，Wind Turbine Generator

System)的平均输出功率；f(Vi)──风速Vi出现的概率；ΔVi──风速的离散步长。[0270] 丹麦RisΦ国家实验室研发的WAsP软件附带的风电机组数据库汇集了70余种风电机组(WTGS)特性参数，可利用WAsP-Turbine Editor调用之。以Vestas三种型号的WTGS为例，用各法参数成果按式(29)计算各单机理论AEP，成果见表13，表13为各法订正成果单机年均理论发电量比较表。[0271] 表13

[0269] [0272]

25

CN 104036121 A

说 明 书

21/23页

据上表成果，绘制图7。

[0274] 由表13、图7可见，Vestas三种机型单机理论AEP，“场向站速”代数差值法成果最低，与同差值概率分布转移法成果接近；同倍比概率分布转移法成果最大，与“场向场速”代数差值法成果接近。

[0275] 风电场发电量与尾流影响：仍以Vestas的三种WTGS为例，在一长约10km岸线的滩涂场地分别布设总装机为100MW的风电场。三种机型台数分别为118、67及50台。根据风能方向分布，三种机型的行列间距均取7:5倍于叶轮直径。利用WAsP软件计算各订正成果的尾流影响，如表14所示，表14为某100MW风电场各法订正成果毛发电量与尾流影响成果比较表。[0276] 表14

[0273] [0277]

据上表成果，绘制图8、图9。

[0279] 由表14、图8和图9可见，某1000MW风电场各机型全场毛发电量，“场向站速”代数差值法成果最低，与同差值概率分布转移法成果接近；同倍比概率分布转移法成果最大，与“场向场速”代数差值法成果接近；而尾流影响，“场向站速”代数差值法成果最高，同倍比概率分布转移法成果最低，同差值概率分布转移法成果与“场向场速”代数差值法接近。[0280] 表15为“场向场速”采样的F风场站和C参证站风速相关成果表。

[0278]

26

CN 104036121 A[0281] [0282]

说 明 书

22/23页

表15

[0283]

表16为“场向站速”采样的F风场站和C参证站风速相关成果表。

[0285] 表16

[0284] [0286]

27

CN 104036121 A

说 明 书

23/23页

[0287]

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术

人员应该了解，本发明不受上述实施例的，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

[0288]

28

CN 104036121 A

说 明 书 附 图

1/6页

图1

图2

29

CN 104036121 A

说 明 书 附 图

2/6页

图3

图4

30

CN 104036121 A

说 明 书 附 图

3/6页

图5

31

CN 104036121 A

说 明 书 附 图

4/6页

图6

32

CN 104036121 A

说 明 书 附 图

5/6页

图7

图8

33

CN 104036121 A

说 明 书 附 图

6/6页

图9

34