CN111325376A - 风速预测方法及装置 - Google Patents

风速预测方法及装置 Download PDF

Info

Publication number
CN111325376A
CN111325376A CN201811530169.2A CN201811530169A CN111325376A CN 111325376 A CN111325376 A CN 111325376A CN 201811530169 A CN201811530169 A CN 201811530169A CN 111325376 A CN111325376 A CN 111325376A
Authority
CN
China
Prior art keywords
wind speed
area
point
distribution
group
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811530169.2A
Other languages
English (en)
Inventor
徐栋
郭田琳
敖娟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Goldwind Science and Creation Windpower Equipment Co Ltd
Original Assignee
Beijing Goldwind Science and Creation Windpower Equipment Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Goldwind Science and Creation Windpower Equipment Co Ltd filed Critical Beijing Goldwind Science and Creation Windpower Equipment Co Ltd
Priority to CN201811530169.2A priority Critical patent/CN111325376A/zh
Publication of CN111325376A publication Critical patent/CN111325376A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种风速预测方法及装置，其中，所述风速预测方法包括：获取目标区域在预定气象模式下的气象模拟数据；根据从所述气象模拟数据导出的目标区域的各个网格点处的模拟风速的风速变化特征，将所述目标区域的各个网格点划分到不同的群组中，其中，同一群组中的网格点具有相同或相似的风速变化特征；确定划分的各个群组分布的区域；基于在每个群组分布的区域中的任一点处观测到的实际风速，来预测每个群组分布的区域中的除所述点之外的另一点处的实际风速。采用本发明所述的风速预测方法及装置不仅能够在测风不足甚至不测风的情况下对风资源进行精确地评估，还能够有效地减小风电场发电量的计算的不确定性。

Description

风速预测方法及装置
技术领域
本申请涉及风力发电技术领域，尤其涉及一种风速预测方法及装置。
背景技术
风电场发电量的计算的准确性问题是风电行业一直致力于解决的关键问题，并且风电场发电量的计算的准确性取决于测风数据的准确性。然而，随着针对风电场的投资和建设周期的缩短以及对测风数据重要性认识的不足，如果风电项目在测风不足或者完全不进行测风的情况下就开始进行风电场风资源评估，则会给风电场发电量的计算及其相应收益的预估带来极大的不确定性。
因此，迫切需要一种能够解决上述问题的风速预测方法及装置，以便为风电场的建设及其发电量的评估提供更为准确和可靠的数据依据。
发明内容
本发明的目的在于提供一种风速预测方法及装置。
据本发明的一方面，提供一种风速预测方法，所述方法包括：获取目标区域在预定气象模式下的气象模拟数据；根据从所述气象模拟数据导出的目标区域的各个网格点处的模拟风速的风速变化特征，将所述目标区域的各个网格点划分到不同的群组中，其中，同一群组中的网格点具有相同或相似的风速变化特征；确定划分的各个群组分布的区域；基于在每个群组分布的区域中的任一点处观测到的实际风速，来预测每个群组分布的区域中的除所述点之外的另一点处的实际风速。
优选地，所述确定划分的各个群组分布的区域的步骤包括：基于划分的各个群组中的网格点所包围的区域，来确定划分的各个群组分布的区域。
优选地，所述预测每个群组分布的区域中的除所述点之外的另一点处的实际风速的步骤包括：将在每个群组分布的区域中的任一点处观测到的实际风速相对于从所述气象模拟数据导出的针对所述点处的模拟风速的偏差确定为每个群组分布的区域中的实际风速的偏差；基于每个群组分布的区域中的实际风速的偏差以及从所述气象模拟数据导出的针对每个群组分布的区域中的除所述点之外的另一点处的模拟风速，来预测每个群组分布的区域中的除所述点之外的另一点处的实际风速。
优选地，所述预定气象模式为中尺度气象模式。
优选地，所述风速变化特征为风速随时间而变化的特征。
据本发明的另一方面，提供一种风速预测装置，所述装置包括：气象获取单元，获取目标区域在预定气象模式下的气象模拟数据；群组划分单元，根据从所述气象模拟数据导出的目标区域的各个网格点处的模拟风速的风速变化特征，将所述目标区域的各个网格点划分到不同的群组中，其中，同一群组中的网格点具有相同或相似的风速变化特征；区域确定单元，确定划分的各个群组分布的区域；风速预测单元，基于在每个群组分布的区域中的任一点处观测到的实际风速，来预测每个群组分布的区域中的除所述点之外的另一点处的实际风速。
优选地，所述区域确定单元基于划分的各个群组中的网格点所包围的区域，来确定划分的各个群组分布的区域。
优选地，所述风速预测单元包括：偏差确定子单元，将在每个群组分布的区域中的任一点处观测到的实际风速相对于从所述气象模拟数据导出的针对所述点处的模拟风速的偏差确定为每个群组分布的区域中的实际风速的偏差；风速预测子单元，基于每个群组分布的区域中的实际风速的偏差以及从所述气象模拟数据导出的针对每个群组分布的区域中的除所述点之外的另一点处的模拟风速，来预测每个群组分布的区域中的除所述点之外的另一点处的实际风速。
优选地，所述预定气象模式为中尺度气象模式。
优选地，所述风速变化特征为风速随时间而变化的特征。
据本发明的另一方面，提供一种存储有计算机程序的计算机可读存储介质，当所述计算机程序在被处理器执行时，实现如前面所述的风速预测方法。
据本发明的另一方面，提供一种计算机设备，所述计算机设备包括：处理器；存储器，存储有计算机程序，当所述计算机程序被处理器执行时，实现如前面所述的风速预测方法。
本发明所提供的风速预测方法及装置不仅能够在测风不足甚至不测风的情况下对风资源进行精确地评估，还能够有效地减小风电场发电量的计算的不确定性，从而为风电场的选址建设及其发电量的评估提供更为准确和可靠的数据依据。
附图说明
通过下面结合附图进行的描述，本发明的上述和其他目的和特点将会变得更加清楚，其中：
图1是示出根据本发明的示例性实施例的风速预测方法的流程图；
图2是示出根据本发明的示例性实施例的风速预测装置的结构框图。
具体实施方式
本发明的总体构思在于，在测风不足甚至不测风的情况下，使用预定气象模式下的气象模拟数据作为测风数据，通过对所述气象模拟数据进行关于风速变化特征的聚类分析并将所述聚类转换为对空间区域分布的聚类，以此来评估风电场中的各个位置点处的实际风速，从而实现对风电场发电量的评估。此外，本发明还考虑到这种气象模拟数据相对于实际风速的存在的偏差给风电场发电量的计算和评估所造成的不确定性，在评估实际风速的同时对评估的实际风速进行修正，以进一步确保风电场发电量的计算的精确性。
以下，将参照附图来详细说明本发明的实施例。
图1是示出根据本发明的示例性实施例的风速预测方法的流程图。
在步骤110中，可获取目标区域在预定气象模式下的气象模拟数据。
具体实施时，可针对目标地区选择各种气象模式来进行所需时间段内的针对风速的数值模拟，以获取目标区域内各个网格点处的模拟风速，从而为后续的聚类分析做准备。
考虑到中尺度气象模式可提供这样一种气象模拟数据，所述气象模拟数据为所需时间段内的目标区域中的各个点处的模拟风速的时间序列数据，因此，在一个示意性实施例中，可获取目标区域在中尺度气象模式下的气象模拟数据，以使得获取的气象模拟数据更能够反映出目标区域内的流场及天气情况的变化，并且也更接近于目标区域内风速变化的实际情况。所述中尺度气象模式可选用包括但不限于以下模式中的一个：中尺度天气预报模式(Weather Research and Forecasting Model，WRF)、中尺度非流体静力模式(Mesoscale Modelversion5，MM5)、区域大气模拟***(Regional Atmospheric ModelingSystem，RAMS)等模式，此外，所述中尺度气象模式还可选用其它具有模拟仿真能力的各种气候模式、海洋模式、海气耦合模式等。
在步骤120中，可根据从所述气象模拟数据导出的目标区域的各个网格点处的模拟风速的风速变化特征，将所述目标区域的各个网格点划分到不同的群组中，其中，同一群组中的网格点具有相同或相似的风速变化特征。
步骤120中的风速变化特征取决于在气象模式下导出的气象模拟数据，例如，在中尺度气象模式下，所述风速变化特征可以是风速随时间而变化的特征，这是因为在该模式下获取的气象模拟数据(即，模拟风速的时间序列数据)更能够反映出目标区域内的流场及天气情况的变化。
在一个示意性实施例中，可通过对从所述气象模拟数据导出的目标区域的各个网格点处的模拟风速的风速变化特征进行聚类分析，将所述目标区域的各个网格点划分到不同的群组中。所使用的聚类算法可包括但不限于Timeseires KMeans、kernel KMeans、Kshape等聚类算法。例如，如果目标区域在预定气象模式下被划分为90×90的网格，则从所述气象模拟数据提取出相应的各个网格点处的模拟风速的时间序列数据进行聚类分析，具体实施时，可将聚类中心到每一个时间序列向量的距离之和作为聚类指标，并基于所述聚类指标将所述时间序列数据划分到n个不同的群组中。
在步骤130中，可确定划分的各个群组分布的区域。
在一个示意性实施例中，可基于划分的各个群组中的网格点所包围的区域，来确定划分的各个群组分布的区域。此外，为便于区分不同的群组所分布的区域，还可在***earth(Google公司开发的一种虚拟地球仪软件)中利用不同的颜色来标记不同的群组所分布的区域(同一种颜色区域表示同一个群组/类别)，从而绘制出目标区域的风速分布状况的空间区域聚类效果图。以这种方式，可将按风速变化特征的聚类转换成对风速分布状况的空间区域聚类，并且每个群组分布的区域中所包括的各个网格点处的模拟风速的时间序列数据具有相同/相似的风速变化特征。基于此，目标区域内各个位置处的风速变化特征得以进行空间分型。
应理解的是，上述确定群组分布区域的方式也仅仅只是示例性的，实际上本发明并不受限于此，只要是有助于确定群组分布区域的其它任何合适的方式均可被应用于本发明。
在步骤140中，可基于在每个群组分布的区域中的任一点处观测到的实际风速，来预测每个群组分布的区域中的除所述点之外的另一点处的实际风速。
在一个可选的实施例中，可将在每个群组分布的区域中的任一点处观测到的实际风速相对于从所述气象模拟数据导出的针对所述点处的模拟风速的偏差确定为每个群组分布的区域中的实际风速的偏差；然后，基于每个群组分布的区域中的实际风速的偏差以及从所述气象模拟数据导出的针对每个群组分布的区域中的除所述点之外的另一点处的模拟风速来预测每个群组分布的区域中的除所述点之外的另一点处的实际风速。例如，在所述偏差为正的情况下，将所述另一点处的模拟风速加上所述偏差所得的结果确定为所述另一点处的模拟风速；在所述偏差为负的情况下，将所述另一点处的模拟风速减去所述偏差所得的结果确定为所述另一点处的模拟风速。以这种方式，不仅可实现对预测风速的修正，而且可使得气象模拟数据与实际风速之间的偏差对风电场发电量的评估造成的影响最小化。
在进一步的实施例中，还可将目标区域内所有的同期观测的数据点位标注在上述聚类的区域分布图上，以此确定目标区域内可用的观测点，进而确定出与这些观测数据点的风速变化特征相同/相似的分布区域，以便为预测目标区域中的各个位置点处的实际风速而提供更多的数据依据。
应理解的是，上述预测实际风速的方式也仅仅只是示例性的，本发明并不受限于此，只要是有助于提高风速预测准确性的其它任何合适的方式均可被应用于本发明。
此外，在进行步骤140之前，还可按照预定的准则(例如，IEC标准)对在每个群组分布的区域中的任一点(例如，测风塔)处观测到的实际风速进行过滤，以滤除超出正常范围的异常数据。作为示例，可将包括但不限于风速大于50m/s、风速小于0m/s、温度小于-45℃、温度大于50℃、气压低于60kPa、气压高于120kPa的数据视为超出正常范围的数据，也可将一定时间范围内恒定不变的数据判定为冰冻数据，还可将风速趋势不一致、出现某通道值偏低的数据视为异常数据。以这种方式，可将这些异常数据从观测到的实际风速中筛选出来以进行清除，从而进一步确保数据的有效性和准确性。
按照上面所述的方式，可预测目标区域中的各个群组分布的区域的实际风速，并可基于预测的实际风速构建目标区域的风速预测模型。为使得构建的风速预测模型所预测的结果更为精准，还可使用各种方式来对所述风速预测模型进行效果检验和模型训练。
在一个示意性实施例中，首先可获取在目标区域的任一群组分布的区域S中的A点处观测的实际风速Y1以及从所述气象模拟数据导出的针对A点的同期模拟风速X1，并且基于所述实际风速Y1和同期模拟风速X1构建针对所述区域S的初始风速预测模型，训练所述初始风速预测模型，以获得针对所述区域S的风速预测模型M；然后可获取在所述区域S中的另一点(B点)处观测的实际风速Y2以及从所述气象模拟数据导出的针对B点的同期模拟风速X2，并使用所述实际风速Y2和同期模拟风速X2来对所述风速预测模型M进行效果检验。具体地，可将所述同期模拟风速X2输入风速预测模型M，以输出针对B点预测的实际风速P2，随后将所述预测的实际风速P2与所述获取的实际风速Y2进行对比，如果对比的指数达到预先设定的阈值T0(所述阈值可根据经验来被设定)，则表明风速预测模型M的效果通过检验，并且记录保存风速预测模型M并将所述风速预测模型M确定为所述区域的风速预测模型，以供未来的预测提供计算参考；如果对比的指数无法达到预先设定的阈值T0，则说明风速预测模型M的效果欠佳，可通过重新获取空间聚类特征或者修改风速预测模型参数或更换风速预测模型来重新构建风速预测模型。
作为示例，可使用包括但不限于Pearson相关系数、均方根误差、平均绝对误差等来作为上述对比的指数，所述Pearson相关系数、均方根误差、平均绝对误差可分别使用如下公式来被计算：
Figure BDA0001905468030000061
Figure BDA0001905468030000062
Figure BDA0001905468030000063
在以上各式中，r表示Pearson相关系数，RMSE表示均方根误差，MAE表示平均绝对误差，n表示样本数量，Xi和Yi分别表示在B点处的预测的实际风速和观测到的实际风速，
Figure BDA0001905468030000071
和
Figure BDA0001905468030000072
分别表示在B点处的预测的实际风速的均值和观测到的实际风速的均值，SX和SY分别表示在B点处的预测的实际风速的方差和观测到的实际风速的方差。
需要指出的是，还可根据实施的需要将本发明中上述描述的各个步骤拆分为更多步骤，也可将两个或多个步骤或者步骤的部分操作组合成新的步骤，以用于实现本发明。
可以看出，通过采用上述实施过程，不仅能够在测风不足甚至不测风的情况下对风资源进行精确地评估，还能够有效地减小风电场发电量的计算的不确定性，从而为风电场的选址建设及其发电量的评估提供更为准确和可靠的数据依据。
图2是示出根据本发明的示例性实施例的风速预测装置的结构框图。
参照图2，所述风速预测装置可包括气象获取单元210、群组划分单元220、区域确定单元230和风速确定单元240。气象获取单元210可被用于获取目标区域在预定气象模式下的气象模拟数据。群组划分单元220可被用于根据从所述气象模拟数据导出的目标区域的各个网格点处的模拟风速的风速变化特征，将所述目标区域的各个网格点划分到不同的群组中，其中，同一群组中的网格点具有相同或相似的风速变化特征。区域确定单元230可被用于确定划分的各个群组分布的区域。风速预测单元240可被用于基于在每个群组分布的区域中的任一点处观测到的实际风速，来预测每个群组分布的区域中的除所述点之外的另一点处的实际风速。
如前所述，在所述风速预测装置中，所述气象模式可采用中尺度气象模式，以使得获取的气象模拟数据更能够反映出目标区域内的流场及天气情况的变化，并且也更接近于目标区域内风速变化的实际情况。相应地，在所述中尺度气象模式下，所述风速变化特征可以是风速随时间而变化的特征。
如前所述，在所述风速预测装置中，区域确定单元230可基于划分的各个群组中的网格点所包围的区域，来确定划分的各个群组分布的区域。
如前所述，在所述风速预测装置中，风速预测单元240还可包括偏差确定子单元(未示出)和风速预测子单元(未示出)。偏差确定子单元可被用于将在每个群组分布的区域中的任一点处观测到的实际风速相对于从所述气象模拟数据导出的针对所述点处的模拟风速的偏差确定为每个群组分布的区域中的实际风速的偏差。风速预测子单元可被用于基于每个群组分布的区域中的实际风速的偏差以及从所述气象模拟数据导出的针对每个群组分布的区域中的除所述点之外的另一点处的模拟风速来预测每个群组分布的区域中的除所述点之外的另一点处的实际风速。
可以看出，通过采用上述实施过程，不仅能够在测风不足甚至不测风的情况下对风资源进行精确地评估，还能够有效地减小风电场发电量的计算的不确定性，从而为风电场的选址建设及其发电量的评估提供更为准确和可靠的数据依据。
根据本发明的示例性实施例还提供一种存储有计算机程序的计算机可读存储介质。该计算机可读存储介质存储有当被处理器执行时使得处理器执行根据本发明的确定风速的方法的计算机程序。该计算机可读记录介质是可存储由计算机***读出的数据的任意数据存储装置。计算机可读记录介质的示例包括：只读存储器、随机存取存储器、只读光盘、磁带、软盘、光数据存储装置和载波(诸如经有线或无线传输路径通过互联网的数据传输)。
根据本发明的示例性实施例还提供一种计算机设备。该计算机设备包括处理器和存储器。存储器用于存储计算机程序。所述计算机程序被处理器执行使得处理器执行根据本发明的确定风速的方法的计算机程序。
尽管已参照优选实施例表示和描述了本申请，但本领域技术人员应该理解，在不脱离由权利要求限定的本申请的精神和范围的情况下，可以对这些实施例进行各种修改和变换。

Claims (12)

1.一种风速预测方法，其特征在于，所述方法包括：
获取目标区域在预定气象模式下的气象模拟数据；
根据从所述气象模拟数据导出的目标区域的各个网格点处的模拟风速的风速变化特征，将所述目标区域的各个网格点划分到不同的群组中，其中，同一群组中的网格点具有相同或相似的风速变化特征；
确定划分的各个群组分布的区域；
基于在每个群组分布的区域中的任一点处观测到的实际风速，来预测每个群组分布的区域中的除所述点之外的另一点处的实际风速。
2.如权利要求1所述的风速预测方法，其特征在于，所述确定划分的各个群组分布的区域的步骤包括：
基于划分的各个群组中的网格点所包围的区域，来确定划分的各个群组分布的区域。
3.如权利要求1所述的风速预测方法，其特征在于，所述预测每个群组分布的区域中的除所述点之外的另一点处的实际风速的步骤包括：
将在每个群组分布的区域中的任一点处观测到的实际风速相对于从所述气象模拟数据导出的针对所述点处的模拟风速的偏差确定为每个群组分布的区域中的实际风速的偏差；
基于每个群组分布的区域中的实际风速的偏差以及从所述气象模拟数据导出的针对每个群组分布的区域中的除所述点之外的另一点处的模拟风速，来预测每个群组分布的区域中的除所述点之外的另一点处的实际风速。
4.如权利要求1所述的风速预测方法，其特征在于，所述预定气象模式为中尺度气象模式。
5.如权利要求4所述的风速预测方法，其特征在于，所述风速变化特征为风速随时间而变化的特征。
6.一种风速预测装置，其特征在于，所述装置包括：
气象获取单元，获取目标区域在预定气象模式下的气象模拟数据；
群组划分单元，根据从所述气象模拟数据导出的目标区域的各个网格点处的模拟风速的风速变化特征，将所述目标区域的各个网格点划分到不同的群组中，其中，同一群组中的网格点具有相同或相似的风速变化特征；
区域确定单元，确定划分的各个群组分布的区域；
风速预测单元，基于在每个群组分布的区域中的任一点处观测到的实际风速，来预测每个群组分布的区域中的除所述点之外的另一点处的实际风速。
7.如权利要求6所述的风速预测装置，其特征在于，所述区域确定单元基于划分的各个群组中的网格点所包围的区域，来确定划分的各个群组分布的区域。
8.如权利要求6所述的风速预测装置，其特征在于，所述风速预测单元包括：
偏差确定子单元，将在每个群组分布的区域中的任一点处观测到的实际风速相对于从所述气象模拟数据导出的针对所述点处的模拟风速的偏差确定为每个群组分布的区域中的实际风速的偏差；
风速预测子单元，基于每个群组分布的区域中的实际风速的偏差以及从所述气象模拟数据导出的针对每个群组分布的区域中的除所述点之外的另一点处的模拟风速，来预测每个群组分布的区域中的除所述点之外的另一点处的实际风速。
9.如权利要求6所述的风速预测装置，其特征在于，所述预定气象模式为中尺度气象模式。
10.如权利要求9所述的风速预测装置，其特征在于，所述风速变化特征为风速随时间而变化的特征。
11.一种存储有计算机程序的计算机可读存储介质，其特征在于，当所述计算机程序在被处理器执行时实现如权利要求1-5中的任意一项所述的风速预测的方法。
12.一种计算机设备，其特征在于，所述计算机设备包括：
处理器；
存储器，存储有计算机程序，当所述计算机程序被处理器执行时，实现如权利要求1-5中的任意一项所述的风速预测的方法。
CN201811530169.2A 2018-12-14 2018-12-14 风速预测方法及装置 Pending CN111325376A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811530169.2A CN111325376A (zh) 2018-12-14 2018-12-14 风速预测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811530169.2A CN111325376A (zh) 2018-12-14 2018-12-14 风速预测方法及装置

Publications (1)

Publication Number Publication Date
CN111325376A true CN111325376A (zh) 2020-06-23

Family

ID=71166743

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811530169.2A Pending CN111325376A (zh) 2018-12-14 2018-12-14 风速预测方法及装置

Country Status (1)

Country Link
CN (1) CN111325376A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111932400A (zh) * 2020-08-06 2020-11-13 南通大学 风/储一体功率调度计划优化实现方法
CN112613633A (zh) * 2020-09-30 2021-04-06 江苏金风软件技术有限公司 风电场的气象要素预测方法和装置
CN114137636A (zh) * 2021-11-11 2022-03-04 四川九通智路科技有限公司 一种环形压力传感器的区域气象监测管理方法及***
CN116258023A (zh) * 2023-05-15 2023-06-13 中国船舶集团风电发展有限公司 风电场的风速预测方法及终端设备

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102236795A (zh) * 2011-06-30 2011-11-09 内蒙古电力勘测设计院 风电场风速预测方法
CN102930177A (zh) * 2012-11-23 2013-02-13 南京信息工程大学 一种基于精细边界层模式的复杂地形风电场风速预测方法
CN102945508A (zh) * 2012-10-15 2013-02-27 风脉（武汉）可再生能源技术有限责任公司 一种基于模型校正的风电功率预测预报***及方法
CN104933483A (zh) * 2015-06-17 2015-09-23 中国电力科学研究院 一种基于天气过程划分的风电功率预测方法
CN105389634A (zh) * 2015-12-01 2016-03-09 广东智造能源科技研究有限公司 一种组合式短期风电功率预测***及方法
CN106326625A (zh) * 2015-07-09 2017-01-11 中国电力科学研究院 一种耦合WRF与OpenFOAM模式的风场模拟方法
CN106886564A (zh) * 2017-01-03 2017-06-23 北京国能日新***控制技术有限公司 一种基于空间聚类订正nwp风能图谱的方法及装置
CN106934191A (zh) * 2015-12-30 2017-07-07 中国电力科学研究院 一种基于自相似性的wrf模式风速订正方法
CN107153894A (zh) * 2017-06-02 2017-09-12 北京金风科创风电设备有限公司 一种风电场的预测风速校正方法及装置
CN108009689A (zh) * 2017-12-22 2018-05-08 北京金风慧能技术有限公司 风速修正模型训练、风速修正方法、装置及风力发电机组
CN108062595A (zh) * 2017-11-28 2018-05-22 重庆大学 基于wrf/cfd/sahde-rvm耦合的复杂地貌区域短时风能预测方法
CN108983320A (zh) * 2018-04-08 2018-12-11 浙江大学 一种沿海台风极值风速的数值天气预报-人工智能耦合预测方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102236795A (zh) * 2011-06-30 2011-11-09 内蒙古电力勘测设计院 风电场风速预测方法
CN102945508A (zh) * 2012-10-15 2013-02-27 风脉（武汉）可再生能源技术有限责任公司 一种基于模型校正的风电功率预测预报***及方法
CN102930177A (zh) * 2012-11-23 2013-02-13 南京信息工程大学 一种基于精细边界层模式的复杂地形风电场风速预测方法
CN104933483A (zh) * 2015-06-17 2015-09-23 中国电力科学研究院 一种基于天气过程划分的风电功率预测方法
CN106326625A (zh) * 2015-07-09 2017-01-11 中国电力科学研究院 一种耦合WRF与OpenFOAM模式的风场模拟方法
CN105389634A (zh) * 2015-12-01 2016-03-09 广东智造能源科技研究有限公司 一种组合式短期风电功率预测***及方法
CN106934191A (zh) * 2015-12-30 2017-07-07 中国电力科学研究院 一种基于自相似性的wrf模式风速订正方法
CN106886564A (zh) * 2017-01-03 2017-06-23 北京国能日新***控制技术有限公司 一种基于空间聚类订正nwp风能图谱的方法及装置
CN107153894A (zh) * 2017-06-02 2017-09-12 北京金风科创风电设备有限公司 一种风电场的预测风速校正方法及装置
CN108062595A (zh) * 2017-11-28 2018-05-22 重庆大学 基于wrf/cfd/sahde-rvm耦合的复杂地貌区域短时风能预测方法
CN108009689A (zh) * 2017-12-22 2018-05-08 北京金风慧能技术有限公司 风速修正模型训练、风速修正方法、装置及风力发电机组
CN108983320A (zh) * 2018-04-08 2018-12-11 浙江大学 一种沿海台风极值风速的数值天气预报-人工智能耦合预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张旭鹏;孙莉;于佳涵;太淑杰;蒋挺;: "基于聚类分析和神经网络的风电场日前功率预测研究", 黑龙江科技信息, no. 29 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111932400A (zh) * 2020-08-06 2020-11-13 南通大学 风/储一体功率调度计划优化实现方法
CN111932400B (zh) * 2020-08-06 2021-04-30 南通大学 风/储一体功率调度计划优化实现方法
CN112613633A (zh) * 2020-09-30 2021-04-06 江苏金风软件技术有限公司 风电场的气象要素预测方法和装置
CN114137636A (zh) * 2021-11-11 2022-03-04 四川九通智路科技有限公司 一种环形压力传感器的区域气象监测管理方法及***
CN114137636B (zh) * 2021-11-11 2022-08-12 四川九通智路科技有限公司 一种环形压力传感器的区域气象监测管理方法及***
CN116258023A (zh) * 2023-05-15 2023-06-13 中国船舶集团风电发展有限公司 风电场的风速预测方法及终端设备
CN116258023B (zh) * 2023-05-15 2023-07-18 中国船舶集团风电发展有限公司 风电场的风速预测方法及终端设备

Similar Documents

Publication Publication Date Title
CN111325376A (zh) 风速预测方法及装置
US10795056B2 (en) Local weather forecast
CN112285807B (zh) 一种气象信息预测方法及装置
CN110705115B (zh) 一种基于深度置信网络的气象预报方法和***
CN107563554B (zh) 一种统计降尺度模型预报因子的筛选方法
Vanem A regional extreme value analysis of ocean waves in a changing climate
CN112232495A (zh) 预测模型的训练方法、装置、介质和计算设备
JP6884318B2 (ja) 気象予測システム、気象予測方法、気象予測プログラム
CN112613633A (zh) 风电场的气象要素预测方法和装置
CN112700349B (zh) 测风塔选址方法和装置
CN116578660A (zh) 一种基于稀疏数据的电磁目标态势地图构建方法
CN111400845B (zh) 风电机组的发电性能评估方法和装置
Guanche et al. Climate-based Monte Carlo simulation of trivariate sea states
CN116628519B (zh) 一种生态脆弱区识别方法及***
CN115391746B (zh) 针对气象要素数据的插值方法、装置、电子设备及介质
CN114325877B (zh) 气象预报数据的评估方法和装置
CN113222276B (zh) 覆冰情况预测方法、装置、计算机设备和存储介质
CN115034159A (zh) 一种海上风电场的功率预测方法、装置、存储介质及***
CN115239105A (zh) 一种在役风电场的风资源的评估方法以及装置
CN112700134A (zh) 一种测风塔代表性分析的方法、***及设备
Oesting et al. Spatial modeling of heavy precipitation by coupling weather station recordings and ensemble forecasts with max-stable processes
JPH08163778A (ja) 電力需要予測システム
KR102396283B1 (ko) 계절내 규모 예측인자의 원격상관 진단 및 평가 매트릭스
CN116260140B (zh) 一种在役风电场理论净发电量的快速估算方法及***
JP7473837B2 (ja) 劣化推定装置及び劣化推定方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination