CN116432093A - 风切变指数的确定方法、装置和电子设备 - Google Patents
风切变指数的确定方法、装置和电子设备 Download PDFInfo
- Publication number
- CN116432093A CN116432093A CN202111675801.4A CN202111675801A CN116432093A CN 116432093 A CN116432093 A CN 116432093A CN 202111675801 A CN202111675801 A CN 202111675801A CN 116432093 A CN116432093 A CN 116432093A
- Authority
- CN
- China
- Prior art keywords
- data
- wind
- stability
- anemometry
- wind measurement
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000011156 evaluation Methods 0.000 claims abstract description 55
- 238000013145 classification model Methods 0.000 claims abstract description 27
- 238000005259 measurement Methods 0.000 claims description 306
- 230000004907 flux Effects 0.000 claims description 46
- 230000015654 memory Effects 0.000 claims description 24
- 238000003860 storage Methods 0.000 claims description 14
- 238000012216 screening Methods 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 9
- 238000010248 power generation Methods 0.000 abstract description 2
- 239000010410 layer Substances 0.000 description 32
- 238000004364 calculation method Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000010008 shearing Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 239000002356 single layer Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
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
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本申请公开了一种风切变指数的确定方法、装置和电子设备,属于风力发电技术领域。方法包括:通过测风设备获取的测风数据,生成N个测风数据集;将N个测风数据集的测风数据输入至包括P个稳定度分类子模型的大气稳定度分类模型中,得到由大气稳定度分类模型输出的P个大气稳定度分类,各大气稳定度分类包括M个大气稳定度,P和M为大于1的整数;在P个大气稳定度分类中,确定大气稳定度分类满足预设的大气稳定度分类评价条件的目标大气稳定度分类;基于目标大气稳定度分类中目标大气稳定度下的测风数据子集中的测风数据,确定目标大气稳定度下的第一风切变指数。
Description
技术领域
本申请涉及风力发电技术领域,具体涉及一种风切变指数的确定方法、装置和电子设备。
背景技术
为响应对风能资源占比越来越高的电力***需求,增加开发容量除通过不断增加风力发电机组容量之外,提升风力发电机组的轮毂高度以获取更高空的风能资源也是实现途径之一。
在风能资源评估中,由于风力发电机组的轮毂高度不断提高,而测风塔高度增加将带来成本的指数级增加,通过测风塔直接测量轮毂高度的风速的方式性价比越发不明显,因此,采用风速切变推算轮毂高度处风速,即根据低层高度的测风塔数据计算得到风切变指数,再通过该风切变指数输入至风速推算模型中,输出轮毂高度的风速的需求越来越多。而在风能资源评估中,推算得到的轮毂高度的风速的准确性,与根据测风塔数据计算得到的风切变指数的准确性息息相关。因此,探索如何提升根据测风塔数据计算得到风切变指数的准确性,成为亟待解决的关键技术问题之一。
发明内容
本申请实施例的目的是提供一种风切变指数的确定方法、装置和电子设备,能够实现提升根据测风塔数据计算得到风切变指数的准确性。并且,可以提高风力发电机组的轮毂高度处的风参计算的准确性。
第一方面,本申请实施例提供了一种风切变指数的确定方法,包括:
通过测风设备获取的测风数据,生成N个测风数据集,所述N为大于1 的整数;
所述N个测风数据集的测风数据输入至包括P个稳定度分类子模型的大气稳定度分类模型中,得到由所述大气稳定度分类模型输出的P个大气稳定度分类,各所述大气稳定度分类包括M个大气稳定度,所述P和所述M均为大于1 的整数;
在所述P个大气稳定度分类中,确定大气稳定度分类满足预设的大气稳定度分类评价条件的目标大气稳定度分类;
基于所述目标大气稳定度分类中目标大气稳定度下的所述测风数据子集中的测风数据,确定所述目标大气稳定度下的第一风切变指数。
第二方面,本申请实施例提供了一种风切变指数的确定装置,包括:
数据集生成模块,用于通过测风设备获取的测风数据,生成N个测风数据集,所述N为大于1的整数;
大气稳定度分类模块,用于所述N个测风数据集的测风数据输入至包括P 个稳定度分类子模型的大气稳定度分类模型中,不同所述大气稳定度分类由不同所述稳定度分类子模型输出,所述P和所述M均为大于1的整数;
评价模块,用于在所述P个大气稳定度分类中,确定大气稳定度分类满足预设的大气稳定度分类评价条件的目标大气稳定度分类;
第一指数确定模块,用于基于所述目标大气稳定度分类中目标大气稳定度下的所述测风数据子集中的测风数据,确定所述目标大气稳定度下的第一风切变指数。
第三方面,本申请实施例提供了一种电子设备,该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。
第四方面,本申请实施例提供了一种可读存储介质,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。
本申请实施例中,通过将测风设备测得的测风数据生成N个测风数据集,将N个测风数据集输入至P个稳定度分类子模型,得到P个大气稳定度分类,并在得到的P个大气稳定度分类中确定满足预设的大气稳定度分类评价条件的目标大气稳定度分类,通过计算目标大气稳定度分类中各大气稳定度下的测风数据子集,确定该目标大气稳定度分类中各大气稳定度下的第一风切变指数。如此,可以基于测风设备测得的测风数据,同时通过多个稳定度分类子模型获取多个大气稳定度分类,并选取满足大气稳定度分类评价条件的大气稳定度分类确定风切变指数,从而可以有效提升确定的风切变指数的准确性。并且,可以提高风力发电机组的轮毂高度处的风参计算的准确性。
附图说明
图1是本申请提供的风切变指数的确定方法的实施例的流程示意图;
图2是本申请提供的风切变指数的确定方法的实施例的另一流程示意图;
图3是本申请提供的风切变指数的确定方法的实施例中部分流程的示意图;
图4是本申请提供的风切变指数的确定装置的实施例的结构示意图;
图5是本申请提供的风切变指数的确定装置的实施例的另一结构示意图;
图6是本申请提供的计算设备的实施例的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象,而不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,以便本申请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,且“第一”、“第二”等所区分的对象通常为一类,并不限定对象的个数,例如第一对象可以是一个,也可以是多个。此外,说明书以及权利要求中“和/或”表示所连接对象的至少其中之一,字符“/”,一般表示前后关联对象是一种“或”的关系。
下面结合附图,通过具体的实施例及其应用场景对本申请实施例提供的风切变指数的确定方法进行详细地说明。
请参见图1,是本申请提供的风切变指数的确定方法的实施例的流程示意图,该风切变指数的确定方法应用于电子设备,如服务器等。如图1所示,该风切变指数的确定方法至少包括如下步骤101至步骤104。
步骤101、通过测风设备获取的测风数据,生成N个测风数据集,且N为大于1的整数。
步骤102、N个测风数据集的测风数据输入至包括P个稳定度分类子模型的大气稳定度分类模型中,得到由大气稳定度分类模型输出的P个大气稳定度分类,各大气稳定度分类包括M个大气稳定度,P和M均为大于1的整数。
具体地,不同大气稳定度分类可以由不同稳定度分类子模型输出。
具体地,在各大气稳定度分类中,与其对应的测风数据集中的测风数据可以形成至少两个大气稳定度下的测风数据子集。
步骤103、在P个大气稳定度分类中,确定大气稳定度分类满足预设的大气稳定度分类评价条件的目标大气稳定度分类。
步骤104、基于目标大气稳定度分类中目标大气稳定度下的测风数据子集中的测风数据,确定目标大气稳定度下的第一风切变指数。
本申请实施例中,通过将测风设备测得的测风数据生成N个测风数据集,将N个测风数据集输入至P个稳定度分类子模型,得到P个大气稳定度分类,并在得到的P个大气稳定度分类中确定满足预设的大气稳定度分类评价条件的目标大气稳定度分类,通过计算目标大气稳定度分类中各大气稳定度下的测风数据子集,确定该目标大气稳定度分类中各大气稳定度下的第一风切变指数。如此,可以基于测风设备测得的测风数据,同时通过多个稳定度分类子模型获取多个大气稳定度分类,并选取满足大气稳定度分类评价条件的大气稳定度分类确定风切变指数,从而可以有效提升确定的风切变指数的准确性。并且,可以提高风力发电机组的轮毂高度处的风参计算的准确性。
在上述步骤101中,电子设备可以通过测风设备获取测风数据,并将测风设备获取的测风数据生成N个测风数据集。
其中,上述测风设备可以是任意能够实现测量两个高度层下的风力数据的设备。具体地,上述测风设备可以是包括设置在不同高度层的两台测风塔等。
另外,上述测风设备获取的测风数据可以是海量的测风数据,且各测风数据包括两个高度层下的风力数据。具体地,上述各测风数据由不同高度层的两台测风塔同时测量得到的测风塔数据,且测风塔数据可以包括时间、风速、风向以及风向标准差,等等;该测风塔数据还可以包括温度和热通量等中的至少一项,该热通量可以是与大气热力相关的指标,其可以包括太阳辐射量、云量以及地面风速等中的至少一项。
需要说明的是,上述通过测风设备获取的测风数据生成N个测风数据集,可以是将获取的的测风数据随机划分为N个测风数据集,且不同测风数据集中的数据量相同或者接近;或者,也可以是按照预设的规则,将上述测风设备划分为N个测风数据集。例如,可以是根据测风数据中各数据的大小或者时间等进行划分。
本申请实施例中,上述测风设备获取的测风数据,可以是测风设备在一段时间段内获取的全部测风数据;或者,也可以是该测风设备在一段时间内获取的部分测风数据。
在一些实施方式中,如图2所示,上述步骤101,可以包括:
步骤1011、对测风设备获取的测风数据进行筛选,得到风速以及天气波动关联参数满足预设条件的测风数据,其中,天气波动关联参数包括温度、湍流强度、风速、风向以及气压中的至少一项;
步骤1012、通过获取满足预设条件的测风数据,生成N个测风数据集。
基于此,通过根据风速以及天气波动关联参数对测风数据进行筛选,并将风速以及天气波动关联参数满足预设条件的测风数据分类至上述N个测风数据集,从而可以降低特殊风况下的测风数据对上述第一风切指数产生的影响,提升上述第一风切指数的准确度。
其中,天气波动关联参数可以是任意能够反映天气波动情况的参数,可以包括温度(包括单层温度和双层温度中的至少一项)、湍流强度、风速、风向以及气压等中的至少一项。
另外,上述对于测风数据进行筛选,可以是分别确定各测风数据是否满足上述预设条件。例如,针对各个时刻采集的测风数据,电子设备可以将各时刻采集的测风数据与预设风速进行比较,以及将该时刻采集的测风数据与上一时刻采集的测风数据之间的天气波动关联参数的差值,与预设参数值进行比较,若风速大于或者等于预设风速,且天气波动关联参数的差值小于或者等于预设参数值(例如,可以是温度差值大于或者等于预设温度、湍流强度差值大于或者等于预设湍流强度、风速差值大于或者等于预设风速、风向的角度差大于或者等于预设角度以及气压差大于或者等于预设气压),则确定该测风数据满足预设条件;反之,则确定该测风数据不满足预设条件,等等。
或者,上述对于测风数据进行筛选,也可以是确定一个时间窗口内的测风数据是否满足。例如,电子设备可以将各时间窗口内的测风数据中的最小风速与预设风速进行比较,以及将各时间窗口内的最大天气波动关联参数与最小天气波动关联参数之间的差值与预设参数差值比较,若最小风速小于或者等于预设风速,且差值小于或者等于预设参数差值,则确定该测风数据满足预设条件;反之,则确定该测风数据不满足预设条件,等等。
在一些实施方式中,如图3所示,上述步骤101,可以包括:
根据测风设备获取的各测风数据所处的扇区,将测风数据集中的测风数据划分为在至少两个扇区下的测风数据;
将目标扇区下的测风数据分类至N个测风数据集,目标扇区为至少两个扇区中的任一扇区。
基于此,通过将测风设备获取的测风数据划分至相应的扇区下,并将扇区下的测风数据分类至N个测风数据集,从而使得N个测风数据集中的测风数据之间的关联性更高,进一步提升确定的第一切变指数的准确定。
需要说明的是,上述测风设备获取的各测风数据所处的扇区,将测风数据集中的测风数据划分为在至少两个扇区下的测风数据,可以是将测风设备在一段时间段内获取的所有测风数据划分至相应的扇区下,也可以是将筛选后的满足上述预设条件的测风数据划分至相应的扇区下。
在上述步骤102中,在电子设备生成上述N个测风数据集之后,电子设备可以将N个测风数据集输入至P个稳定度分类子模型中,得到由P个稳定度分类子模型输出的P个大气稳定度分类。其中,不同大气稳定度分类由不同稳定度分类子模型输出,各大气稳定度分类包括M个大气稳定度,且在各大气稳定度分类中,与其对应的测风数据集中的测风数据形成至少两个所述大气稳定度下的测风数据子集。
本申请实施例中,上述P个稳定度分类子模型中各稳定度分类子模型,可以任意能够根据输入的测风数据,对在测风塔所在区域的大气稳定度进行分类得到M个大气稳定度的模型。
例如,上述P个大气稳定分类模型可以包括基于风向标准差的稳定度分类子模型以及基于风切变指数的大气稳定分类模型,等等。由于本申请对于各稳定度分类子模型并未做具体限定,而各稳定度分类子模型基于输入数据进行大气稳定度分类的过程为本领域技术人员熟知,在此并不进行赘述。
其中,上述M个大气稳定度可以是根据上述稳定度分类子模型以及实际需要确定。例如,可以是设置各大气稳定度分类包括强不稳定、不稳定、弱不稳定、中性、较稳定和稳定(即6个大气稳定度,M=6);又例如,可以是设置各大气稳定度分类包括不稳定、中性和稳定(即3个大气稳定度,M=3)等等,本实施例对此不做限定,可以根据实际需求确定。
另外,上述将N个测风数据集的测风数据输入至P个稳定度分类子模型中,得到由P个稳定度分类子模型输出的P个大气稳定度分类,可以是各稳定度分类子模型根据输入的测风数据,确定测量各测风数据时测风塔所在区域的大气稳定度,并将各测风数据分类至该大气稳定度下的测风数据子集,形成上述P 个测风数据子集,即各测风数据子集中包括在同一稳定度下测量得到的测风数据。
需要说明的是,上述将N个测风数据集的测风数据输入至P个稳定度分类子模型中,可以是将各测风数据集随机输入至各稳定度分类子模型,且P个稳定度分类子模型输入N个测风数据集中至少一个测风数据集的测风数据,不同稳定度分类子模型输入的测风数据可以是完全不相同或者部分相同。
例如,可以是设置上述P为N,电子设备可以是随机将N个测风数据集分别输入至N个稳定度分类子模型中,且不同测风数据集输入至不同的稳定度分类子模型,等等。
在一些实施方式中,上述将N个测风数据集的测风数据输入至包括P个稳定度分类子模型的大气稳定度分类模型中,可以包括:
在P个稳定度分类子模型中,确定与N个测风数据集中各测风数据集对应的稳定度分类子模型;
将各测风数据集的测风数据,输入至与测风数据集对应的稳定度分类子模型中。
基于此,通过将各测风数据集的测风数据,输入至与该测风数据集对应的稳定度分类子模型中,使得各测风数据集中可以输入至合适的稳定度分类子模型,从而可以进一步提升确定的风切变指数的准确性。并且,可以进一步提高风力发电机组的轮毂高度处的风参计算的准确性。
需要说明的是,在P个稳定度分类子模型中,确定与N个测风数据集中各测风数据集对应的稳定度分类子模型,可以是根据预设规则,确定各测风数据集与稳定度分类子模型的对应关系。
例如,可以是电子设备中预先设置有不同稳定度分类子模型与时间段的对应关系的情况下,若在上述N个测风数据集是按照时段(如白天和夜晚等)进行分类,则电子设备可以将与各测风数据集所处的时段对应的稳定度分类子模型,确定为与该测风数据集对应的稳定度分类子模型。
在一些实施方式中,上述步骤101,可以包括:
通过测风设备获取测风数据;
基于测风设备获取的测风数据所包含数据的数据类型,将测风设备获取的测风数据分类至N个测风数据集。
上述将各测风数据集的测风数据,输入至与测风数据集对应的稳定度分类子模型中,可以包括:
将目标测风数据集的测风数据,输入至目标稳定度分类子模型中,其中,目标测风数据集中的测风数据包括目标数据类型的数据,且目标稳定度分类子模型与目标数据类型关联。
基于此,通过将测风数据包括目标数据类型的数据的目标测风数据集,输入至与目标数据类型关联的目标稳定度分类子模型中,从而使得方式更灵活。
其中,上述测风数据所包含数据的数据类型,可以包括上述时间、风速、风向以及风向标准差等中的至少一项。
另外,上述基于测风设备获取的测风数据所包含数据的数据类型,将测风设备获取的测风数据分类至N个测风数据集,可以是根据各测风数据中是否包含目标数据类型的数据,对上述测风设备获取的测风数据分类至N个测风数据集。
具体地,上述基于各含数测风数据所包据的数据类型,将测风设备获取的测风数据分类至N个测风数据集,可以包括:
基于各测风数据中是否包含双层温度和热通量关联参数中至少一项,将测风设备获取的测风数据分类至N个测风数据集。
基于此,可以通过测风数据中是否包含双层温度和热通量关联参数中至少一项,实现将测风塔测风设备获取的测风数据,从而使得电子设备可以根据测风数据中是否包含双层温度和热通量关联参数中至少一项选取对应的稳定度分类子模型进行大气稳定度分类。
其中,上述基于上述测风数据中是否包含双层温度和热通量关联参数中至少一项,将测风设备获取的测风数据分类至N个测风数据集,可以是将包含双层温度和热通量关联参数中至少一项的测风数据加入测风数据集1中,而将未包含双层温度和热通量关联参数的测风数据加入至测风数据集2中。
或者,上述基于上述测风数据中是否包含双层温度和热通量关联参数中至少一项,将测风设备获取的测风数据分类至N个测风数据集,如图3所示,可以是将上述测风设备获取的测风数据分类形成如下测风数据集:
一、测风数据包含双层温度和热通量的测风数据集3;
二、测风数据包含双层温度但未包含热通量的测风数据集4;
三、测风数据包含热通量但未包含双层温度的测风数据集5;
四、测风数据未包含双层温度和热通量,但包含单层温度的测风数据集6;
五、测风数据未包含温度和热通量的测风数据7。
另外,在电子设备基于各测风数据中是否包含双层温度和热通量关联参数中至少一项,将测风设备获取的测风数据分类至N个测风数据集的情况下,上述电子设备将各测风数据集可以输入与其对应的稳定度分类子模型中。
具体地,可以是电子设备中预设有与上述双层温度和热通量关联的稳定度分类子模型1,以及预设有与上述双层温度的热通量不关联的稳定度分类子模型2,在上述电子设备将测风设备获取的测风数据分类至测风数据集1和测风数据集2的情况下,则电子设备可以将测风数据集1的测风数据输入至稳定度分类子模型1,以及,将测风数据集2的测风数据输入至稳定度分类子模型2。
在一些实施方式中,上述将目标测风数据集的测风数据,输入至目标稳定度分类子模型中,可以包括:
将第一测风数据集中的测风数据,输入至第一稳定度分类子模型中,其中,第一测风数据集中的测风数据包括热通量关联参数,第一稳定度分类子模型为基于热通量关联参数进行稳定度分类的模型;或者,
将第二测风数据集中的测风数据,输入至第二稳定度分类子模型中,其中,第二测风数据集中的测风数据包括双层温度,第二稳定度分类子模型为基于双层温度进行稳定度分类的模型;或者
将第三测风数据集中的测风数据,输入至第三稳定度分类子模型中,其中,第二测风数据集中的测风数据不包括热通量关联参数和温度,第三稳定度分类子模型为基于热通量关联参数和温度之外的参数进行稳定度分类的模型。
基于此,可以通过上述第一稳定度分类子模型、上述第二稳定度分类子模型以及上述第三稳定度分类子模型进行大气稳定度分类,可以使进行大气稳定度分类的方式更丰富,同时,各测风数据集与稳定度分类子模型之间的关联性更强,从而可以获取到更合适的大气稳定度分类,进一步提升确定的第一风切变指数的准确性。并且,可以进一步提高风力发电机组的轮毂高度处的风参计算的准确性。
其中,上述第一测风数据集、第二测风数据集和第二测风数据集可以是包括上述N个测风数据集中的一个或者多个测风数据集。
示例性地,如图3所示,电子设备可以是将上述测风数据集3和测风数据集5(即上述第一测风数据集包括测风数据集3和测风数据集5)的测风数据输入至第一稳定度分类子模型中;将测风数据集4和测风数据集5(即上述第一测风数据集包括测风数据集4和测风数据集5)的测风数据输入至第二稳定度分类子模型中;测风数据集7(即上述第三测风数据集包括测风数据集7) 的测风数据输入至第三稳定度分类子模型中,当然,也可以将测风数据集6 的测风数据也输入至第三稳定度分类子模型中。
另外,上述第一稳定度分类子模型为基于热通联关联参数进行稳定度分类的模型,可以包括Pasquill模型、Pasquill-Turner模型以及P-S模型等中的至少一项;上述第二稳定度分类子模型为基于双层温度进行稳定度分类的模型,其所采用的大气稳定度分类参数可以包括莫宁奥布霍夫长度、梯度理查森数以及总体理查森数等中的至少一项;上述第三稳定度分类子模型为基于热通量关联参数和双层温度之外的参数进行稳定度分类的模型,且其所采用的大气稳定度分类参数可以包括风向标准差和风切变指数等中的至少一项。由于本申请实施例对于上述各稳定度分类子模型并未做具体限定,而上述各稳定度分类子模型的处理过程为本领域技术人员熟知,在此并不进行赘述。
在一些实施方式中,上述将第二测风数据集中的测风数据,输入至第二稳定度分类子模型中之前,还可以包括:
获取与N个测风数据集中的待处理测风数据对应的中尺度数据,待处理测风数据为不包括热通量关联参数和双层温度的测风数据;
基于各待处理测风数据以及与待处理测风数据对应的中尺度数据,生成包含双层温度的已处理测风数据,并形成包括各已处理测风数据的第四测风数据集。
上述将第二测风数据集中的测风数据,输入至第二稳定度分类子模型中,可以包括:
将第二测风数据集和第四测风数据集中的测风数据,输入至第二稳定度分类子模型中。
基于此,通过上述待处理测风数据和中尺度数据,可以生成包含双层温度的已处理测风数据,得到第四测风数据集,并将第四测风数据集与第二测风数据集的测风数据输入至第二稳定度分类子模型进行大气稳定度分类,从而使得输入的数据量更丰富和全面,进一步提升准确度。
其中,上述中尺度数据是利用中尺度数值模式并结合测风数据所计算出的典型网格精度在中尺度量级的风资源等数据。例如,中尺度数据可以为 MERRA-2(Modern-EraRetrospective analysis for Research and Applications,Version 2)数据,即美国国家航空和太空管理局NASA(National Aeronautics and Space Administration)的全球模拟与同化办公室(Global Modeling and Assimilation Office)的再分析资料,等等。
另外,上述基于各待处理测风数据以及与待处理测风数据对应的中尺度数据,生成已处理测风数据,可以是根据上述测风设备的坐标位置以及待处理测风数据的时间,确定坐标位置与测风设备的坐标位置相同且时间与待处理测风数据的时间相同的中尺度数据,并将在上述两个高度层下的中尺度数据中的温度,加入至上述待处理测风数据,从而生成已处理测风数据。
示例性地,如图3所示,电子设备可以获取上述测风数据集6和测风数据集7中的测风数据(即待处理测风数据),并通过各测风数据与其对应的中尺度数据,生成包括双层温度的已处理测风数据,并将由测风数据集6和测风数据集7中的测风数据生成的已处理测风数据,输入至上述第二稳定度分类子模型中。
在上述步骤103中,在电子设备获取到上述P个大气稳定度分类之后,电子设备可以判断各大气稳定度分类是否满足预设的大气稳定度分类评价条件,以确定满足预设的大气稳定度分类评价条件的目标大气稳定度分类。
其中,上述大气稳定度分类评价条件可以是预设的用于评价大气稳定度分类的质量的条件。具体地,上述大气稳定度分类评价条件,包括如下至少一项:
上述大气稳定度分类中至少一个稳定度下的测风数据子集的风切变指数之间的差异是否满足差异性要求;
大气稳定度分类中各稳定度下的测风数据子集的风切变指数的单调性,是否与各稳定度的单调性相匹配;以及
大气稳定度分类中至少一个稳定度下的测风数据子集的风切变指数的分布是否集中。
基于此,可以通过上述至少一项条件对上述P个大气稳定度中各大气稳定度进行评价,从而使得评价方式更灵活多样。
本实施方式中,上述确定大气稳定度分类中至少一个稳定度下的测风数据子集的风切变指数之间的差异是否满足差异性要求,可以是获取各稳定度下的测风数据子集中的最大切变指数与最小切变指数的差值,若该差值小于或者等于预设差值,则确定该风数据子集的风切变指数之间的差异满足差异性要求;反之,则确定该测风数据子集的风切变指数之间的差异不满足差异性要求。
另外,上述至少一个稳定度可以是该大气稳定度分类下至少两个大气稳定度(即该大气稳定度分类中包括测风数据的大气稳定度)中的部分或者全部稳定度。
例如,在上述大气稳定度分类中全部稳定度下的测风数据子集的风切变指数之间的差异均满足差异性要求的情况下,确定该大气稳定度分类满足预设的大气稳定度分类评价条件,否则,则确定该大气稳定度分类不满足预设的大气稳定度分类评价条件。
当然,在上述至少一个稳定度是上述至少两个大气稳定度的部分稳定度的情况下,可以是设置一定条件,根据至少一个稳定度下的测风数据子集的风切变指数之间的差异是否满足差异性要求,确定上述该大气稳定度分类是否满足预设的大气稳定度分类评价条件。
例如,可以是在该大气稳定度下的测风数据子集中的数据量超过预设数据量的情况下,若该测风数据子集的风切变指数之间的差异满足差异性要求,则确定上述大气稳定度分类是满足预设的大气稳定度分类评价条件;反之,则确定大气稳定度分类不满足预设的大气稳定度分类评价条件。
本实施方式中,由于上述大气稳定度分类下各大气稳定度的稳定度参数呈单调递增或者单调递减,因此,上述电子设备还可以根据大气稳定度分类中各稳定度下的测风数据子集的风切变指数的单调性,是否与各稳定度的单调性相匹配,确定该大气稳定度分类是否满足预设的大气稳定度分类评价条件。
例如,上述第三稳定度分类子模型可以采用风向标准差进行稳定度分类,将第三测风数据集的测风数据分类至与强不稳定、不稳定、弱不稳定、中性、较稳定和稳定中至少两个稳定度下的测风数据子集,由于强不稳定、不稳定、弱不稳定、中性、较稳定和稳定的风向标准差依次递减,若由该至少两个稳定度下的测风数据子集计算得到的平均风切变指数也依次递减,则确定该大气稳定度分类满足预设的大气稳定度分类评价条件;反之,则确定上述大气稳定度分类不满足预设的大气稳定度分类评价条件。
本实施方式中,上述确定大气稳定度分类中至少一个稳定度下的测风数据子集的风切变指数的分布是否集中,可以是电子设备获取各测风数据子集中各测风数据的风切变指数,再通过预设的统计学模型(如正态分布函数等),确定各测风数据子集中测风数据的风切变指数的分布是否集中。
同样地,上述至少一个稳定度可以是该大气稳定度分类下至少两个大气稳定度(即该大气稳定度分类中包括测风数据的大气稳定度)中的部分或者全部稳定度。
例如,在上述大气稳定度分类中全部稳定度下的测风数据子集的风切变指数均集中的情况下,确定该大气稳定度分类满足预设的大气稳定度分类评价条件,否则,确定该大气稳定度分类不满足预设的大气稳定度分类评价条件。
当然,在上述至少一个稳定度是上述至少两个大气稳定度的部分稳定度的情况下,可以是设置一定条件,根据至少一个稳定度下的测风数据子集的风切变指数是否集中,确定上述该大气稳定度分类是否满足预设的大气稳定度分类评价条件。
例如,可以是在该大气稳定度下的测风数据子集中的数据量超过预设数据量的情况下,若该测风数据子集的风切变指数集中,则确定上述大气稳定度分类满足预设的大气稳定度分类评价条件;反之,则确定大气稳定度分类不满足预设的大气稳定度分类评价条件。
需要说明的是,上述P个大气稳定度分类中,可以存在一个或者多个大气稳定度分类满足上述预设的大气稳定度分类评价。而在存在多个大气稳定度分类满足上述预设的大气稳定度分类评价的情况下,上述目标大气稳定度分类可以是该多个大气稳定度分类中的任一大气稳定度分类;或者,也可以是该多个大气稳定度分类中满足预设条件的一个大气稳定度分类,例如,将所包含的测风数据子集中风切变指数分布集中的稳定度的数量最多的大气稳定度分类,确定为上述目标大气稳定度分类,等等。
当然,上述P个大气稳定度分类中,也可以不存在大气稳定度分类满足上述预设的大气稳定度分类评价。此时,上述方法还可以包括:
在P个大气稳定度分类均未满足大气稳定度分类评价条件的情况下,对M 个大气稳定度进行更新,并重新执行N个测风数据集的测风数据输入至包括P 个稳定度分类子模型的大气稳定度分类模型中,得到由大气稳定度分类模型输出的P个大气稳定度分类;以及,在P个大气稳定度分类中,确定大气稳定度分类满足预设的大气稳定度分类评价条件的目标大气稳定度分类。
基于此,在P个大气稳定度分类均未满足大气稳定度分类评价条件的情况下,通过对上述M个大气稳定度进行更新,直至可以确定满足大气稳定度分类评价条件的目标大气稳定度分类,从而可以保证能够获取到合适的大气稳定度分类,进而保证上述第一风切变指数的准确性。并且,可以保证风力发电机组的轮毂高度处的风参计算的准确性。
其中,上述对M个大气稳定度进行更新,可以是调节至少两个稳定度对应的稳定度参数。例如,在采用风向标准差进行大气稳定度分类的情况下,调节至少两个大气稳定度对应的风向标准差,如M个大气稳定度中弱不稳定、中性对应的风向标准差分别为大于或者等于12.5且小于17.5、大于或者等于9.5 且小于12.5,则可以更新弱不稳定、中性对应的风向标准差分别为大于或者等于13.5且小于17.5、大于或者等于9.5且小于13.5,等等。
另外,上述至少两个稳定度可以是上述M个大气稳定度中的部分或者全部。具体地,在上述M个大气稳定度中部分大气稳定度下的测风数据子集的风切变指数不集中或者差异性不满足要求的情况下,则可以是将测风数据子集的风切变指数不集中或者差异性不满足要求的稳定度进行调节;在上述M个大气稳定度中各稳定度下的测风数据子集的风切变指数的单调性与各稳定度的单调性不匹配的情况下,可以是对全部的稳定度进行调节。
上述步骤104中,在电子设备确定目标大气稳定度分类之后,电子设备可以计算该目标大气稳定度分类中各大气稳定度下的测风数据子集,确定该大气稳定度下的第一风切变指数,以使电子设备可以通过第一风切变指数推算对应大气稳定度下高层高度的风速。
在一些实施方式中,上述方法还可以包括:
基于风速以及天气波动关联参数中至少一项不满足预设条件的测风数据,确定在特殊风况下的第二风切变指数。
基于此,可以通过风速以及天气波动关联参数中至少一项不满足预设条件的测风数据,获取特殊风况下的第二风切变指数,从而可以实现通过第二风切变指数推算特殊风况下高层高度的风速。
另外,本申请还可以得到如下具体的有益效果:
(1)通过对数据筛选,一方面筛掉了小风数据,增加了整体计算结果的稳定性,另一方面,筛掉了特殊风况的影响,只针对平稳天气过程做稳定度分类计算,得到的稳定度筛选结果风切变一致性更优。
(2)不同稳定度计算结果差异性大且与逐时刻切变对应结果有差异,通过引入多种稳定度计算方法及稳定度计算方法的评价模块,有效保障切变分类效果,进一步优化了稳定度分类的切变分布效果。
请参见图4,是本申请提供风切变指数的确定装置的实施例的结构示意图。如图4所示,装置400包括:
数据集生成模块401,用于通过测风设备获取的测风数据,生成N个测风数据集,N为大于1的整数;
大气稳定度分类模块402,用于N个测风数据集的测风数据输入至包括P 个稳定度分类子模型的大气稳定度分类模型中,得到由大气稳定度分类模型输出的P个大气稳定度分类,各大气稳定度分类包括M个大气稳定度,P和M均为大于1的整数;
评价模块403,用于在P个大气稳定度分类中,确定大气稳定度分类满足预设的大气稳定度分类评价条件的目标大气稳定度分类;
第一指数确定模块404,用于目标大气稳定度分类中基于目标大气稳定度下的测风数据子集中的测风数据,确定目标大气稳定度下的第一风切变指数。
在一些实施方式中,稳定度分类模块402,包括:
稳定度分类子模型确定单元,用于在P个稳定度分类子模型中,确定与N 个测风数据集中各测风数据集对应的稳定度分类子模型;
输入单元,用于将各测风数据集的测风数据,输入至与测风数据集对应的稳定度分类子模型中。
在一些实施方式中,数据集生成模块401,包括:
数据获取单元,用于通过测风设备获取测风数据;
数据分类单元,用于基于测风设备获取的测风数据所包含数据的数据类型,将测风设备获取的测风数据分类至N个测风数据集;
输入单元,具体用于:
将目标测风数据集的测风数据,输入至目标稳定度分类子模型中,其中,目标测风数据集中的测风数据包括目标数据类型的数据,且目标稳定度分类子模型与目标数据类型关联。
在一些实施方式中,数据分类单元,具体用于:
基于各测风数据中是否包含双层温度和热通量关联参数中至少一项,将测风设备获取的测风数据分类至N个测风数据集。
在一些实施方式中,输入单元,具体用于:
将第一测风数据集中的测风数据,输入至第一稳定度分类子模型中,其中,第一测风数据集中的测风数据包括热通量关联参数,第一稳定度分类子模型为基于热通量关联参数进行稳定度分类的模型;或者,
将第二测风数据集中的测风数据,输入至第二稳定度分类子模型中,其中,第二测风数据集中的测风数据包括双层温度,第二稳定度分类子模型为基于双层温度进行稳定度分类的模型;或者
将第三测风数据集中的测风数据,输入至第三稳定度分类子模型中,其中,第二测风数据集中的测风数据不包括热通量关联参数和温度,第三稳定度分类子模型为基于热通量关联参数和温度之外的参数进行稳定度分类的模型。
在一些实施方式中,装置还包括:
中尺度数据获取模块,用于获取与N个测风数据集中的待处理测风数据对应的中尺度数据,待处理测风数据为不包括热通量关联参数和双层温度的测风数据;
测风数据生成模块,用于基于各待处理测风数据以及与待处理测风数据对应的中尺度数据,生成包含双层温度的已处理测风数据,并形成包括各已处理测风数据的第四测风数据集。
输入单元,具体可以用于:
将第二测风数据集和第四测风数据集中的测风数据,输入至第二稳定度分类子模型中。
在一些实施方式中,大气稳定度分类评价条件,包括如下至少一项:
大气稳定度分类中至少一个稳定度下的测风数据子集的风切变指数之间的差异是否满足差异性要求;
大气稳定度分类中各稳定度下的测风数据子集的风切变指数的单调性,是否与各稳定度的单调性相匹配;以及
大气稳定度分类中至少一个稳定度下的测风数据子集的风切变指数的分布是否集中。
在一些实施方式中,装置400还包括:
大气稳定度更新模块,用于在P个大气稳定度分类均未满足大气稳定度分类评价条件的情况下,对M个大气稳定度进行更新,并重新执行N个测风数据集的测风数据输入至包括P个稳定度分类子模型的大气稳定度分类模型中,得到由大气稳定度分类模型输出的P个大气稳定度分类;以及,在P个大气稳定度分类中,确定大气稳定度分类满足预设的大气稳定度分类评价条件的目标大气稳定度分类。
在一些实施方式中,数据集生成模块401,包括:
数据划分单元,用于根据测风设备获取的各测风数据所处的扇区,将测风数据集中的测风数据划分为在至少两个扇区下的测风数据;
数据分类单元,用于将目标扇区下的测风数据分类至N个测风数据集,目标扇区为至少两个扇区中的任一扇区。
在一些实施方式中,如图5所示,数据集生成模块401,包括:
数据筛选单元4011,用于对测风设备获取的测风数据进行筛选,得到风速以及天气波动关联参数满足预设条件的测风数据,其中,天气波动关联参数包括温度、湍流强度、风向、风速以及气压中的至少一项;
数据集生成单元4012,用于通过获取满足预设条件的测风数据,生成N 个测风数据集。
在一些实施方式中,装置400还包括:
第二指数确定模块,用于基于风速以及天气波动关联参数中至少一项不满足预设条件的测风数据,确定在特殊风况下的第二风切变指数。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,且各实施方式能够达到的效果也已经在上述方法的实施例中进行了详细描述,此处将不做详细阐述说明。
基于同一发明构思,本公开实施例还提供了一种计算设备,具体结合图6 进行详细说明。
图6是本申请提供的计算设备的实施例的结构示意图。
如图6所示,该计算设备600能够实现根据本公开实施例中的风切变指数的确定方法以及风切变指数的确定装置的计算设备的示例性硬件架构的结构图。该计算设备600可以指代本公开实施例中的电子设备。
该计算设备600可以包括处理器601以及存储有计算机程序指令的存储器 602。
具体地,上述各处理器可以包括中央处理器(CPU),或者特定集成电路(application specific integrated circuit,ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
上述各存储器可以包括用于信息或指令的大容量存储器。举例来说而非限制,存储器可包括硬盘驱动器(hard disk drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(universal serial bus,USB)驱动器或者两个及其以上这些的组合。在合适的情况下,存储器可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器可在综合网关设备的内部或外部。在特定实施例中,存储器是非易失性固态存储器。在特定实施例中,存储器包括只读存储器(ROM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存,或者两个或及其以上这些的组合。
处理器601通过读取并执行存储器602中存储的计算机程序指令,以执行如下步骤:
处理器601,执行通过测风设备获取的测风数据,生成N个测风数据集, N为大于1的整数;
N个测风数据集的测风数据输入至包括P个稳定度分类子模型的大气稳定度分类模型中,得到由所述大气稳定度分类模型输出的P个大气稳定度分类,各所述大气稳定度分类包括M个大气稳定度,所述P和所述M均为大于1的整数;
在所述P个大气稳定度分类中,确定大气稳定度分类满足预设的大气稳定度分类评价条件的目标大气稳定度分类;
基于所述目标大气稳定度分类中目标大气稳定度下的所述测风数据子集中的测风数据,确定所述目标大气稳定度下的第一风切变指数。
在一些实施方式中,处理器601,执行在P个稳定度分类子模型中,确定与所述N个测风数据集中各测风数据集对应的稳定度分类子模型;
将各所述测风数据集的测风数据,输入至与所述测风数据集对应的稳定度分类子模型中。
在一些实施方式中,处理器601,执行通过测风设备获取测风数据;
基于所述测风设备获取的测风数据所包含数据的数据类型,将所述测风设备获取的测风数据分类至N个测风数据集;
将目标测风数据集的测风数据,输入至目标稳定度分类子模型中,其中,所述目标测风数据集中的测风数据包括目标数据类型的数据,且所述目标稳定度分类子模型与所述目标数据类型关联。
在一些实施方式中,处理器601,执行基于各所述测风数据中是否包含双层温度和热通量关联参数中至少一项,将所述测风设备获取的测风数据分类至 N个测风数据集。
在一些实施方式中,处理器601,执行将第一测风数据集中的测风数据,输入至第一稳定度分类子模型中,其中,所述第一测风数据集中的测风数据包括所述热通量关联参数,所述第一稳定度分类子模型为基于所述热通量关联参数进行稳定度分类的模型;或者,
将第二测风数据集中的测风数据,输入至第二稳定度分类子模型中,其中,所述第二测风数据集中的测风数据包括所述双层温度,所述第二稳定度分类子模型为基于所述双层温度进行稳定度分类的模型;或者
将第三测风数据集中的测风数据,输入至第三稳定度分类子模型中,其中,所述第二测风数据集中的测风数据不包括所述热通量关联参数和温度,所述第三稳定度分类子模型为基于所述热通量关联参数和所述温度之外的参数进行稳定度分类的模型。
在一些实施方式中,处理器601,执行获取与所述N个测风数据集中的待处理测风数据对应的中尺度数据,所述待处理测风数据为不包括所述热通量关联参数和所述双层温度的测风数据;
基于各所述待处理测风数据以及与所述待处理测风数据对应的中尺度数据,生成包含双层温度的已处理测风数据,并形成包括各所述已处理测风数据的第四测风数据集;
将第二测风数据集和所述第四测风数据集中的测风数据,输入至第二稳定度分类子模型中。
在一些实施方式中,所述大气稳定度分类评价条件,包括如下至少一项:
所述大气稳定度分类中至少一个稳定度下的测风数据子集的风切变指数之间的差异是否满足差异性要求;
所述大气稳定度分类中各稳定度下的测风数据子集的风切变指数的单调性,是否与各稳定度的单调性相匹配;以及
所述大气稳定度分类中至少一个稳定度下的测风数据子集的风切变指数的分布是否集中。
在一些实施方式中,处理器601,执行在所述P个大气稳定度分类均未满足所述大气稳定度分类评价条件的情况下,对所述M个大气稳定度进行更新,并重新执行所述N个测风数据集的测风数据输入至包括P个稳定度分类子模型的大气稳定度分类模型中,得到由所述大气稳定度分类模型输出的P个大气稳定度分类;以及,在所述P个大气稳定度分类中,确定大气稳定度分类满足预设的大气稳定度分类评价条件的目标大气稳定度分类。
在一些实施方式中,处理器601,执行根据所述测风设备获取的各测风数据所处的扇区,将所述测风数据集中的测风数据划分为在至少两个所述扇区下的测风数据;
将目标扇区下的测风数据分类至N个测风数据集,所述目标扇区为所述至少两个扇区中的任一扇区。
在一些实施方式中,处理器601,执行对所述测风设备获取的测风数据进行筛选,得到风速以及天气波动关联参数满足预设条件的测风数据,其中,所述天气波动关联参数包括温度、湍流强度、风向、风速以及气压中的至少一项;
通过获取满足所述预设条件的测风数据,生成N个测风数据集。
在一些实施方式中,处理器601,执行基于风速以及天气波动关联参数中至少一项不满足所述预设条件的测风数据,确定在特殊风况下的第二风切变指数。
关于上述实施例中的计算设备,其中处理器执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,且各实施方式能够达到的效果也已经在上述方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本公开实施例还提供了一种计算机存储介质,所述计算机存储介质中存储有计算机可执行指令,所述计算机可执行指令用于实现本公开实施例所记载的风切变指数的确定方法。
其中,所述处理器为上述实施例中所述的计算设备中的处理器。所述可读存储介质,包括计算机可读存储介质,如计算机只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等。计算机可读存储介质的示例包括非暂态计算机可读存储介质,如只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等。
本公开实施例还提供了一种计算机程序产品,包括计算机程序/指令,所述计算机程序/指令被处理器执行时实现如第一方面所述的风切变指数的确定方法。
其中,所述计算机程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是但不限于:电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器 (CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本公开是参照根据本公开的方法、设备和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程交易数据的统计设备的处理器以产生一个机器,使得通过计算机或其他可编程交易数据的统计设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程交易数据的统计设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程交易数据的统计设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (24)
1.一种风切变指数的确定方法,其特征在于,包括:
通过测风设备获取的测风数据,生成N个测风数据集,所述N为大于1的整数;
将所述N个测风数据集的测风数据输入至包括P个稳定度分类子模型的大气稳定度分类模型中,得到由所述大气稳定度分类模型输出的P个大气稳定度分类,各所述大气稳定度分类包括M个大气稳定度,所述P和所述M均为大于1的整数;
在所述P个大气稳定度分类中,确定大气稳定度分类满足预设的大气稳定度分类评价条件的目标大气稳定度分类;
基于所述目标大气稳定度分类中目标大气稳定度下的所述测风数据子集中的测风数据,确定所述目标大气稳定度下的第一风切变指数。
2.根据权利要求1所述的方法,其特征在于,所述将所述N个测风数据集的测风数据输入至P个稳定度分类子模型中,包括:
在P个稳定度分类子模型中,确定与所述N个测风数据集中各测风数据集对应的稳定度分类子模型;
将各所述测风数据集的测风数据,输入至与所述测风数据集对应的稳定度分类子模型中。
3.根据权利要求2所述的方法,其特征在于,所述通过测风设备获取测风数据,生成N个测风数据集,包括:
通过测风设备获取测风数据;
基于所述测风设备获取的测风数据所包含数据的数据类型,将所述测风设备获取的测风数据分类至N个测风数据集;
所述将各所述测风数据集的测风数据,输入至与所述测风数据集对应的稳定度分类子模型中,包括:
将目标测风数据集的测风数据,输入至目标稳定度分类子模型中,其中,所述目标测风数据集中的测风数据包括目标数据类型的数据,且所述目标稳定度分类子模型与所述目标数据类型关联。
4.根据权利要求3所述的方法,其特征在于,所述基于所述测风设备获取的测风数据所包含数据的数据类型,将所述测风设备获取的测风数据分类至N个测风数据集,包括:
基于各所述测风数据中是否包含双层温度和热通量关联参数中至少一项,将所述测风设备获取的测风数据分类至N个测风数据集。
5.根据权利要求4所述的方法,其特征在于,所述将所述N个测风数据集的测风数据输入至包括P个稳定度分类子模型的大气稳定度分类模型中,包括:
将第一测风数据集中的测风数据,输入至第一稳定度分类子模型中,其中,所述第一测风数据集中的测风数据包括所述热通量关联参数,所述第一稳定度分类子模型为基于所述热通量关联参数进行稳定度分类的模型;或者,
将第二测风数据集中的测风数据,输入至第二稳定度分类子模型中,其中,所述第二测风数据集中的测风数据包括所述双层温度,所述第二稳定度分类子模型为基于所述双层温度进行稳定度分类的模型;或者
将第三测风数据集中的测风数据,输入至第三稳定度分类子模型中,其中,所述第二测风数据集中的测风数据不包括所述热通量关联参数和温度,所述第三稳定度分类子模型为基于所述热通量关联参数和所述温度之外的参数进行稳定度分类的模型。
6.根据权利要求5所述的方法,其特征在于,所述将第二测风数据集中的测风数据,输入至第二稳定度分类子模型中之前,还包括:
获取与所述N个测风数据集中的待处理测风数据对应的中尺度数据,所述待处理测风数据为不包括所述热通量关联参数和所述双层温度的测风数据;
基于各所述待处理测风数据以及与所述待处理测风数据对应的中尺度数据,生成包含双层温度的已处理测风数据,并形成包括各所述已处理测风数据的第四测风数据集;
所述将第二测风数据集中的测风数据,输入至第二稳定度分类子模型中,包括:
将第二测风数据集和所述第四测风数据集中的测风数据,输入至第二稳定度分类子模型中。
7.根据权利要求1所述的方法,其特征在于,所述大气稳定度分类评价条件,包括如下至少一项:
所述大气稳定度分类中至少一个稳定度下的测风数据子集的风切变指数之间的差异是否满足差异性要求;
所述大气稳定度分类中各稳定度下的测风数据子集的风切变指数的单调性,是否与各稳定度的单调性相匹配;以及
所述大气稳定度分类中至少一个稳定度下的测风数据子集的风切变指数的分布是否集中。
8.根据权利要求1所述的方法,其特征在于,所述基于所述目标大气稳定度分类中目标大气稳定度下的所述测风数据子集中的测风数据,确定所述目标大气稳定度下的第一风切变指数之前,还包括:
在所述P个大气稳定度分类均未满足所述大气稳定度分类评价条件的情况下,对所述M个大气稳定度进行更新,并重新执行将所述N个测风数据集的测风数据输入至P个稳定度分类子模型中,得到由所述P个稳定度分类子模型输出的P个大气稳定度分类;以及,在所述P个大气稳定度分类中,确定大气稳定度分类满足预设的大气稳定度分类评价条件的目标大气稳定度分类。
9.根据权利要求1所述的方法,其特征在于,所述通过测风设备获取的测风数据,生成N个测风数据集,包括:
根据所述测风设备获取的各测风数据所处的扇区,将所述测风数据集中的测风数据划分为在至少两个所述扇区下的测风数据;
将目标扇区下的测风数据分类至N个测风数据集,所述目标扇区为所述至少两个扇区中的任一扇区。
10.根据权利要求1所述的方法,其特征在于,所述通过测风设备获取的测风数据,生成N个测风数据集,包括:
对所述测风设备获取的测风数据进行筛选,得到风速以及天气波动关联参数满足预设条件的测风数据,其中,所述天气波动关联参数包括温度、湍流强度、风速、风向以及气压中的至少一项;
通过获取满足所述预设条件的测风数据,生成N个测风数据集。
11.根据权利要求10所述的方法,其特征在于,所述方法,还包括:
基于风速以及天气波动关联参数中至少一项不满足所述预设条件的测风数据,确定在特殊风况下的第二风切变指数。
12.一种风切变指数的确定装置,其特征在于,包括:
数据集生成模块,用于通过测风设备获取的测风数据,生成N个测风数据集,且所述N为大于1的整数;
大气稳定度分类模块,用于所述N个测风数据集的测风数据输入至包括P个稳定度分类子模型的大气稳定度分类模型中,得到由所述大气稳定度分类模型输出的P个大气稳定度分类,各所述大气稳定度分类包括M个大气稳定度,所述P和所述M均为大于1的整数;
评价模块,用于在所述P个大气稳定度分类中,确定大气稳定度分类满足预设的大气稳定度分类评价条件的目标大气稳定度分类;
第一指数确定模块,用于基于所述目标大气稳定度分类中目标大气稳定度下的所述测风数据子集中的测风数据,确定所述目标大气稳定度下的第一风切变指数。
13.根据权利要求12所述的装置,其特征在于,所述稳定度分类模块,包括:
稳定度分类子模型确定单元,用于在P个稳定度分类子模型中,确定与所述N个测风数据集中各测风数据集对应的稳定度分类子模型;
输入单元,用于将各所述测风数据集的测风数据,输入至与所述测风数据集对应的稳定度分类子模型中。
14.根据权利要求13所述的装置,其特征在于,所述数据集生成模块,包括:
数据获取单元,用于通过测风设备获取测风数据;
数据分类单元,用于基于所述测风设备获取的测风数据所包含数据的数据类型,将所述测风设备获取的测风数据分类至N个测风数据集;
所述输入单元,具体用于:
将目标测风数据集的测风数据,输入至目标稳定度分类子模型中,其中,所述目标测风数据集中的测风数据包括目标数据类型的数据,且所述目标稳定度分类子模型与所述目标数据类型关联。
15.根据权利要求14所述的装置,其特征在于,所述数据分类单元,具体用于:
基于各所述测风数据中是否包含双层温度和热通量关联参数中至少一项,将所述测风设备获取的测风数据分类至N个测风数据集。
16.根据权利要求15所述的装置,其特征在于,所述输入单元,具体用于:
将第一测风数据集中的测风数据,输入至第一稳定度分类子模型中,其中,所述第一测风数据集中的测风数据包括所述热通量关联参数,所述第一稳定度分类子模型为基于所述热通量关联参数进行稳定度分类的模型;或者,
将第二测风数据集中的测风数据,输入至第二稳定度分类子模型中,其中,所述第二测风数据集中的测风数据包括所述双层温度,所述第二稳定度分类子模型为基于所述双层温度进行稳定度分类的模型;或者
将第三测风数据集中的测风数据,输入至第三稳定度分类子模型中,其中,所述第二测风数据集中的测风数据不包括所述热通量关联参数和温度,所述第三稳定度分类子模型为基于所述热通量关联参数和所述温度之外的参数进行稳定度分类的模型。
17.根据权利要求16所述的装置,其特征在于,还包括:
中尺度数据获取模块,用于获取与所述N个测风数据集中的待处理测风数据对应的中尺度数据,所述待处理测风数据为不包括所述热通量关联参数和所述双层温度的测风数据;
测风数据生成模块,用于基于各所述待处理测风数据以及与所述待处理测风数据对应的中尺度数据,生成包含双层温度的已处理测风数据,并形成包括各所述已处理测风数据的第四测风数据集;
所述输入单元,具体用于:
将第二测风数据集和所述第四测风数据集中的测风数据,输入至第二稳定度分类子模型中。
18.根据权利要求12所述的装置,其特征在于,所述大气稳定度分类评价条件,包括如下至少一项:
所述大气稳定度分类中至少一个稳定度下的测风数据子集的风切变指数之间的差异是否满足差异性要求;
所述大气稳定度分类中各稳定度下的测风数据子集的风切变指数的单调性,是否与各稳定度的单调性相匹配;以及
所述大气稳定度分类中至少一个稳定度下的测风数据子集的风切变指数的分布是否集中。
19.根据权利要求12所述的装置,其特征在于,还包括:
大气稳定度更新模块,用于在所述P个大气稳定度分类均未满足所述大气稳定度分类评价条件的情况下,对所述M个大气稳定度进行更新,并重新执行所述N个测风数据集的测风数据输入至包括P个稳定度分类子模型的大气稳定度分类模型中,得到由所述大气稳定度分类模型输出的P个大气稳定度分类;以及,在所述P个大气稳定度分类中,确定大气稳定度分类满足预设的大气稳定度分类评价条件的目标大气稳定度分类。
20.根据权利要求12所述的装置,其特征在于,所述数据集生成模块,包括:
数据划分单元,用于根据所述测风设备获取的各测风数据所处的扇区,将所述测风数据集中的测风数据划分为在至少两个所述扇区下的测风数据;
数据分类单元,用于将目标扇区下的测风数据分类至N个测风数据集,所述目标扇区为所述至少两个扇区中的任一扇区。
21.根据权利要求12所述的装置,其特征在于,所述数据集生成模块,包括:
数据筛选单元,用于对所述测风设备获取的测风数据进行筛选,得到风速以及天气波动关联参数满足预设条件的测风数据,其中,所述天气波动关联参数包括温度、湍流强度、风速、风向以及气压中的至少一项;
数据集生成单元,用于通过获取满足所述预设条件的测风数据,生成N个测风数据集。
22.根据权利要求21所述的装置,其特征在于,还包括:
第二指数确定模块,用于基于风速以及天气波动关联参数中至少一项不满足所述预设条件的测风数据,确定在特殊风况下的第二风切变指数。
23.一种电子设备,其特征在于,所述电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如权利要求1至11中任一项所述的风切变指数的确定方法的步骤。
24.一种可读存储介质,其特征在于,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如权利要求1至11中任一项所述的风切变指数的确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111675801.4A CN116432093A (zh) | 2021-12-31 | 2021-12-31 | 风切变指数的确定方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111675801.4A CN116432093A (zh) | 2021-12-31 | 2021-12-31 | 风切变指数的确定方法、装置和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116432093A true CN116432093A (zh) | 2023-07-14 |
Family
ID=87093036
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111675801.4A Pending CN116432093A (zh) | 2021-12-31 | 2021-12-31 | 风切变指数的确定方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116432093A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116912459A (zh) * | 2023-09-13 | 2023-10-20 | 中国海洋大学 | 一种变网格多尺度混合式资料同化方法 |
-
2021
- 2021-12-31 CN CN202111675801.4A patent/CN116432093A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116912459A (zh) * | 2023-09-13 | 2023-10-20 | 中国海洋大学 | 一种变网格多尺度混合式资料同化方法 |
CN116912459B (zh) * | 2023-09-13 | 2023-12-19 | 中国海洋大学 | 一种变网格多尺度混合式资料同化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109751206B (zh) | 风机叶片结冰故障预测方法、装置及存储介质 | |
CN107909211B (zh) | 基于模糊c均值聚类算法的风场等值建模及优化控制方法 | |
CN112186761B (zh) | 一种基于概率分布的风电功率场景生成方法及*** | |
US20230155378A1 (en) | Reliability calculation method of power distribution system considering hierarchical decentralized control of demand-side resources | |
CN106874602B (zh) | 气象数据处理方法和装置 | |
CN108269197B (zh) | 风电机组功率特性评估方法及装置 | |
CN116432093A (zh) | 风切变指数的确定方法、装置和电子设备 | |
Zhang et al. | Tropical cyclone intensity estimation using RVM and DADI based on infrared brightness temperature | |
CN115498660A (zh) | 风电场调频动态建模方法、装置及电子设备 | |
CN113868935A (zh) | 湍流强度计算方法、模型训练方法、装置、设备及介质 | |
CN116739172A (zh) | 一种基于爬坡识别的海上风电功率超短期预测方法及装置 | |
CN108932554B (zh) | 一种风电场流场量测点的配置优化方法及装置 | |
CN109242218B (zh) | 一种基于svm的高原山区的风电功率预测方法和装置 | |
CN113051845B (zh) | 在役山地风电场实时风资源可视化评估方法、***、设备及存储介质 | |
WO2024041409A1 (zh) | 确定代表风力发电机组的方法和装置以及控制方法和装置 | |
CN110765640B (zh) | 一种转子有效风速的计算方法、***及设备 | |
CN116885711A (zh) | 一种风电功率预测方法、装置、设备和可读存储介质 | |
CN109344875B (zh) | 基于聚类分析的日风电出力时序生成方法及装置 | |
Munguia et al. | Improvement in output power assessment by wind turbine power curve modeling based on data mining | |
CN115495895A (zh) | 光伏采暖***的设计方法、装置、电子设备及存储介质 | |
CN114462333A (zh) | 配网线路局域微地形风场分布模拟方法、装置及设备 | |
CN113902228A (zh) | 基于逐步回归与深度学习的风电功率预测方法及相关设备 | |
CN116151130B (zh) | 风电场最大频率阻尼系数计算方法、装置、设备及介质 | |
CN112836900A (zh) | 风电预测误差概率计算方法、装置及可读存储介质 | |
CN110991083A (zh) | 一种光伏电站模型确定方法、装置、设备及储存介质 |
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 |