CN116663786B - 一种风光资源评估方法、装置、电子设备和存储介质 - Google Patents
一种风光资源评估方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN116663786B CN116663786B CN202310961586.7A CN202310961586A CN116663786B CN 116663786 B CN116663786 B CN 116663786B CN 202310961586 A CN202310961586 A CN 202310961586A CN 116663786 B CN116663786 B CN 116663786B
- Authority
- CN
- China
- Prior art keywords
- data
- historical
- wind
- meteorological
- atmospheric stability
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000008859 change Effects 0.000 claims abstract description 86
- 238000011156 evaluation Methods 0.000 claims abstract description 69
- 239000000443 aerosol Substances 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 12
- 230000003287 optical effect Effects 0.000 claims description 10
- 239000003344 environmental pollutant Substances 0.000 claims description 9
- 238000012986 modification Methods 0.000 claims description 9
- 230000004048 modification Effects 0.000 claims description 9
- 231100000719 pollutant Toxicity 0.000 claims description 9
- 239000000809 air pollutant Substances 0.000 claims description 8
- 231100001243 air pollutant Toxicity 0.000 claims description 8
- 239000000356 contaminant Substances 0.000 claims description 5
- 230000000875 corresponding effect Effects 0.000 description 42
- 238000004891 communication Methods 0.000 description 14
- 230000000694 effects Effects 0.000 description 10
- 238000010248 power generation Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 6
- 230000002596 correlated effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 230000005855 radiation Effects 0.000 description 4
- 230000001932 seasonal effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- 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)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请实施例提供一种风光资源评估方法、装置、计算机设备和存储介质,风光资源评估方法应用于风光发电站,风光资源评估方法包括:获取待评估区域的历史大气稳定度数据、历史气象数据和预测气象数据;基于历史大气稳定度数据的时间特征变化维度和空间特征变化维度进行预测,得到预测大气稳定度数据;提取历史大气稳定度数据与历史气象数据的第一气象对应关系;基于预测大气稳定度数据和第一气象对应关系对预测气象数据进行修正,得到修正气象数据;基于修正气象数据进行风光资源评估,得到评估结果。本申请的上述方案,能够在进行风光资源评估时考虑大气稳定度的变化对风光资源评估的影响。
Description
技术领域
本发明涉及新能源领域,具体涉及一种风光资源评估方法、装置、电子设备和存储介质。
背景技术
风力资源评估是风力发电站前期规划阶段的重要环节,太阳能资源评估是光伏发电站前期规划的重要环节;准确的风力资源评估、太阳能资源评估能够有效降低风电场和光伏发电站的投资风险,能够提高收益水平;因此,针对风力发电站和/或光伏发电站的选址以及建造,通常需要在选址前进行风光资源的全面评估。
现有的针对风光资源评估方法,通常通过考虑待评估区域的近期的气象数据进行评估;针对风力资源的评估,通常关注地形、地貌、纬度和海拔等地理特征以及风速、温度、湿度、气压等气象特征的影响进而导致的对风能的强度和稳定性的影响;而针对太阳能资源的评估,通常关注地理特征和气象特征对日照时数和太阳辐射的影响。
上述风光资源评估方法,在进行风光资源评估时不区分大气稳定度,所有数据均在同一大气稳定度下(如中性)进行计算;然而,大气稳定度的变化一方面会直接导致例如风向、风垂直分布、温度和/或辐射度等影响风光资源评估的气象参数的改变,另一方面会通过影响其他气象参数进而导致上述影响风光资源评估的气象参数的改变;因此,现有的风光资源的评估方法未考虑大气稳定度时,存在风光资源评估不准确的问题。
因此,目前亟需提出一种风光资源评估方法、装置、电子设备和存储介质,以解决相关技术中存在的未考虑大气稳定度变化导致风光资源评估不准确的问题。
发明内容
本申请实施例提供一种风光资源评估方法、装置、电子设备和存储介质,以解决相关技术中存在的未考虑大气稳定度变化导致风光资源评估不准确的问题。
根据本申请的第一方面,提供一种风光资源评估方法,所述风光资源评估方法应用于风光发电站,所述风光资源评估方法包括:获取待评估区域的历史大气稳定度数据、历史气象数据和预测气象数据;基于所述历史大气稳定度数据的时间特征变化维度和空间特征变化维度进行预测,得到预测大气稳定度数据;提取所述历史大气稳定度数据与所述历史气象数据的第一气象对应关系;基于所述预测大气稳定度数据和所述第一气象对应关系对所述预测气象数据进行修正,得到修正气象数据;基于所述修正气象数据进行风光资源评估,得到评估结果。
可选地,所述提取所述历史大气稳定度数据与所述历史气象数据的第一气象对应关系包括:提取所述历史大气稳定度数据与表征着风力资源变化状况的所述历史气象数据的第一风力气象对应信息;提取所述历史大气稳定度数据与表征着光能资源变化状况的所述历史气象数据的第一光能气象对应信息。
可选地,所述表征着风力资源变化状况的所述历史气象数据包括历史水平风速数据、历史垂直风速数据,所述第一风力气象对应信息包括水平风速对应信息和垂直风速对应信息,所述提取所述历史大气稳定度数据与表征着风力资源变化状况的所述历史气象数据的第一风力气象对应信息包括:基于时空变化维度提取所述历史大气稳定度数据与所述历史水平风速数据的水平风速对应信息;基于垂直变化维度提取所述历史大气稳定度数据与所述历史垂直风速数据的垂直风速对应信息。
可选地,所述表征着光能资源变化状况的所述历史气象数据包括历史空气污染物数据,所述提取所述历史大气稳定度数据与表征着光能资源变化状况的所述历史气象数据的第一光能气象对应信息包括:基于时空变化维度提取所述历史大气稳定度数据与所述历史空气污染物数据的平均污染物对应信息。
可选地,所述方法还包括:获取待评估区域的历史区域演变信息和预测区域演变信息;提取所述历史区域演变信息与所述历史区域演变信息的演变对应关系;基于所述演变对应关系和所述预测区域演变信息对所述预测大气稳定度进行修正。
可选地,所述方法还包括:在所述历史气象数据中,提取表征着气溶胶光学厚度演变状况的第一气溶胶演变信息;提取所述历史区域演变信息与所述第一气溶胶演变信息的第二气象对应关系;基于所述第二气象对应关系和所述预测区域演变信息对所述预测气象数据进行修正。
可选地,所述方法还包括:获取待评估区域的历史下沉面数据;基于所述历史下沉面数据对所述平均污染物对应信息进行修正。
根据本申请的第二方面,提供一种风光资源评估装置,所述风光资源评估装置包括:数据获取模块,用于获取待评估区域的历史大气稳定度数据、历史气象数据和预测气象数据;大气稳定度预测模块,用于基于所述历史大气稳定度数据的时间特征变化维度和空间特征变化维度进行预测,得到预测大气稳定度数据;气象对应关系提取模块,用于提取所述历史大气稳定度数据与所述历史气象数据的第一气象对应关系;气象修正模块,用于基于所述预测大气稳定度数据和所述第一气象对应关系对所述预测气象数据进行修正,得到修正气象数据;风光资源评估模块,用于基于所述修正气象数据进行风光资源评估,得到评估结果。
根据本申请的第三方面,提供一种电子设备,所述电子设备包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上述中任意一项所述的风光资源评估方法。
根据本申请的第四方面,提供一种计算机可读的存储介质,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行如上述中任意一项所述的风光资源评估方法。
本申请实施例提供一种风光资源评估方法,所述风光资源评估方法应用于风光发电站,所述风光资源评估方法包括:获取待评估区域的历史大气稳定度数据、历史气象数据和预测气象数据;基于所述历史大气稳定度数据的时间特征变化维度和空间特征变化维度进行预测,得到预测大气稳定度数据;提取所述历史大气稳定度数据与所述历史气象数据的第一气象对应关系;基于所述预测大气稳定度数据和所述第一气象对应关系对所述预测气象数据进行修正,得到修正气象数据;基于所述修正气象数据进行风光资源评估,得到评估结果。本申请的上述方案,一方面,基于所述历史大气稳定度数据的时间特征变化维度和空间特征变化维度进行预测,得到预测大气稳定度数据,以通过历史大气稳定度数据中包含的随时序的变化关系进行预测得到预测大气稳定度数据,使得在进行风光资源评估时考虑大气稳定度的变化对风光资源评估的影响;另一方面,基于所述预测大气稳定度数据和所述第一气象对应关系对所述预测气象数据进行修正,使得在进行风光资源评估时考虑大气稳定度的变化对气象数据的影响从而对风光资源评估的影响。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本申请实施例的一种示例性风光资源评估方法的流程示意图;
图2为根据本申请实施例的一种示例性的风光资源评估装置的示意图;
图3是根据本申请实施例的一种可选的电子设备的结构框图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图说明本发明的具体实施方式,在各图中相同的标号表示结构相同或结构相似但功能相同的部件。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
在以下的描述中,将描述本发明的多个不同的方面,然而对于本领域内的普通技术人员而言,可以仅仅利用本发明的一些或者全部结构或者流程来实施本发明。为了解释的明确性而言,阐述了特定的数目、配置和顺序,但是很明显,在没有这些特定细节的情况下也可以实施本发明。在其他情况下,为了不混淆本发明,对于一些众所周知的特征将不再进行详细阐述。
现有的风光资源评估方法,在进行风光资源评估时通常不区分大气稳定度,所有数据均在同一大气稳定度下(如中性)进行计算;然而,大气稳定度的变化一方面会直接导致例如风向、风垂直分布、温度和/或辐射度等影响风光资源评估的气象参数的改变,或通过影响其他气象参数进而导致上述影响风光资源评估的气象参数的改变。
考虑大气稳定度对风力资源评估的影响,经发明人研究发现,一方面,大气稳定度会影响风速的分布:在稳定大气条件下,上升气流受到阻碍,抑制了风速的增加;而在不稳定大气条件下,对流发展较好,风速较高。因此,稳定大气条件下风速通常较低,而不稳定大气条件下风速较高。一方面,大气稳定度直接影响风能的利用,稳定大气条件下,风能密度较低,限制了风能的利用和风力发电的产能。相反,在不稳定大气条件下,风能密度较高,有利于风能的利用。一方面,大气稳定度还会影响风速的动力梯度,其中,动力梯度指的是风速随高度变化的速率。在稳定大气条件下,动力梯度较小,风速的变化相对较缓。相反,在不稳定大气条件下,动力梯度较大,风速的变化较为剧烈;另一方面,大气稳定度还会影响局部风***的形成。在稳定大气条件下,上升气流受到阻碍,限制了局部风***的发展。这可能导致缺乏热力触发的局部风***,影响风能分布的空间特征。
例如,针对风资源通常采用Meteodyn WT软件进行CFD分析,在分析时,通常将所有预测数据均在同一大气稳定度下进行计算;例如,针对低风速区域的风速预测,通常采用例如中性的均一大气稳定度进行风速预测,得到的轮毂高度处(70-80m)的平均风速为6m/s,但实测得到的风速与6m/s有较大的分布偏差,例如,小于6m/s的比例很大,甚至有时占总实测数据的一半以上。因此,在进行风光资源评估时,在同一大气稳定度进行计算会导致错误预估风力资源方面的发电量。
并且,考虑大气稳定度对光能资源评估的影响,经发明人研究发现,大气稳定度会对空气质量造成影响;在不稳定大气的条件下,空气上升形成对流,有利于气体混合和空气污染物的扩散;在稳定大气条件下,上升气流受到阻碍,形成较弱的对流或局部上升气流,这会导致污染物在较低层中积聚,影响空气质量。此时,一方面,空气中的PM2.5等悬浮颗粒物形成了气溶胶,这会阻挡阳光穿透空气,影响辐射量;另一方面,大颗粒灰尘则会积累在太阳能面板上,显著降低太阳能面板的输出功率。因此,在进行风光资源评估时,采用同一大气稳定度进行计算会导致错误预估光能资源方面的发电量。
基于上述问题,根据本申请的一个方面,提供一种风光资源评估方法,所述风光资源评估方法应用于风光发电站;图1为本申请实施例的一种示例性风光资源评估方法的流程示意图,如图1所示,所述风光资源评估方法包括:
S100.获取待评估区域的历史大气稳定度数据、历史气象数据和预测气象数据。
示例性的,所述历史大气稳定度数据、历史气象数据和预测气象数据可以通过例如中国气象局等的气象网站直接获取;所述历史大气稳定度数据和所述历史气象数据还可以通过仪器采集相关数据并计算得到;在本实施例中,可以获取历史近1年、2年、3年……N年的历史大气稳定度数据、历史气象数据,获取未来近1年的预测气象数据,上述大气稳定度数据、历史气象数据以数据源记录的气象数据的时间尺度为准;其中,N为正整数。
S200.基于所述历史大气稳定度数据的时间特征变化维度和空间特征变化维度进行预测,得到预测大气稳定度数据。
在本实施例中,为了实现对大气稳定度数据的预测,基于所述历史大气稳定度数据的时间特征变化维度和空间特征变化维度进行预测,得到预测大气稳定度数据;示例性的,所述时间特征变化维度包括大气稳定度的平均值的日变化规律、月变化规律、季节变化规律以及年度变化规律四个时间维度至少之一,所述空间特征变化维度包括历史大气稳定度数据随不同高度的变化关系。示例性的,在得到上述大气稳定度的平均值的日变化规律、月变化规律、季节变化规律和/或年度变化规律以及历史大气稳定度数据随不同高度的变化关系后,根据上述变化关系和变化规律进行预测,得到预测大气稳定度数据。
示例性的,所述预测大气稳定度数据的时间尺度可以根据预测需求确定;作为可能的实现方式,所述大气稳定度数据的时间尺度与所述预测气象数据的时间尺度一致。
S300.提取所述历史大气稳定度数据与所述历史气象数据的第一气象对应关系。
在本实施例中,为了在进行风光资源评估时考虑大气稳定度对风力资源方面及光能资源评估的影响,提取所述历史大气稳定度数据与所述历史气象数据的第一气象对应关系。
在本实施例中,所述第一气象对应关系为所述历史大气稳定度数据与对风力资源评估和/或光能资源评估有影响的历史气象数据的函数关系;所述函数关系可以为历史大气稳定度数据与历史气象数据的线性对应关系,也可以为所述历史气象数据随所述大气稳定的时序变化率关系;所述历史气象数据包括不同种类的气象数据,至少包括风速类数据和气温数据。
S400.基于所述气象对应信息对所述预测气象数据进行修正,得到修正气象数据。
在本实施例中,可以根据所述气象对应信息确定历史大气稳定度数据与历史气象数据的时间特性和空间特性,其中,所述时间特性包括所述历史气象数据伴随历史大气稳定度数据在整体上的日变化规律、月变化规律、周变化规律、季节变化规律和年变化规律;所述空间特性包括历史气象数据伴随历史大气稳定度数据在整体的平均值、波动程度间歇程度;在确定上述时间特性和空间特性后,根据所述时间特性和空间特性单独对所述实测气象数据进行修正,或根据所述时间特性和空间特性共同对所述实测气象数据进行修正,以使得所述预测气象数据能够适应于大气稳定度的变化。
S500.基于所述修正气象数据进行风光资源评估,得到评估结果。
在本实施例中,可以将所述修正气象数据输入至预先训练好的风光资源评估模型进行评估,得到评估结果;其中,所述风光资源评估模型可以通过历史气象数据、历史风力发电数据、历史光伏发电数据作为数据集进行训练得到;示例性的,所述风光资源评估模型可以为预先训练好的神经网络模型、深度学习模型或其他可选的模型。
本申请的上述方案,一方面,基于所述历史大气稳定度数据的时间特征变化维度和空间特征变化维度进行预测,得到预测大气稳定度数据,以通过历史大气稳定度数据中包含的随时序的变化关系进行预测得到预测大气稳定度数据,使得在进行风光资源评估时考虑大气稳定度的变化对风光资源评估的影响;另一方面,基于所述预测大气稳定度数据和所述第一气象对应关系对所述预测气象数据进行修正,使得在进行风光资源评估时考虑大气稳定度的变化对气象数据的影响从而对风光资源评估的影响。
作为示例性的实施例,所述提取所述历史大气稳定度数据与所述历史气象数据的第一气象对应关系包括:提取所述历史大气稳定度数据与表征着风力资源变化状况的所述历史气象数据的第一风力气象对应信息;提取所述历史大气稳定度数据与表征着光能资源变化状况的所述历史气象数据的第一光能气象对应信息。
在本实施例中,所述第一风力气象对应信息和所述第一光能气象对应信息可以为历史大气稳定度数据与不同类型的所述历史气象数据的函数关系;所述函数关系可以为线性对应关系,也可以为所述历史气象数据随所述大气稳定的时序变化率关系。
风能资源具有间歇性、随机性和不稳定性等特点;风速分布形式随高度的变化而变化,因此,为了实现风力资源的全面评估,不仅要考虑风资源的平均值,还要考虑风资源在水平层面以及垂直层面的影响;在本申请中,为了研究大气稳定度对上述风资源在水平层面以及垂直层面的影响,作为示例性的实施例,所述表征着风力资源变化状况的所述历史气象数据包括历史水平风速数据、历史垂直风速数据,所述第一风力气象对应信息包括水平风速对应信息和垂直风速对应信息,所述提取所述历史大气稳定度数据与表征着风力资源变化状况的所述历史气象数据的第一风力气象对应信息包括:基于时空变化维度提取所述历史大气稳定度数据与所述历史水平风速数据的水平风速对应信息;基于垂直变化维度提取所述历史大气稳定度数据与所述历史垂直风速数据的垂直风速对应信息。
示例性的,所述历史水平风速数据和所述历史垂直风速数据可以通过气象数据网站进行下载,也可以通过历史平均风速采用算法进行特征提取、数值计算得到。
在本实施例中,作为可能的实现方式,可以通过计算所述历史大气稳定度数据与历史垂直风速数据的第一映射关系确定所述垂直风速对应信息,通过计算历史大气稳定度数据与历史水平风速数据的第二映射关系确定所述第二垂直风速对应信息;作为另一种可能的实现方式,可以通过构建模型来提取所述基于时空变化维度提取所述历史大气稳定度数据与所述历史水平风速数据的水平风速对应信息;基于垂直变化维度提取所述历史大气稳定度数据与所述历史垂直风速数据的垂直风速对应信息。
为了考虑大气稳定度对空气质量造成影响,作为示例性的实施例,所述表征着光能资源变化状况的所述历史气象数据包括历史空气污染物数据,提取所述历史大气稳定度数据与表征着光能资源变化状况的所述历史气象数据的第一光能气象对应信息包括:基于时空变化维度提取所述历史大气稳定度数据与所述历史空气污染物数据的平均污染物对应信息。
在本实施例中,作为一种可能的实现方式,可以通过计算所述历史大气稳定度数据与历史空气污染物数据的第一映射关系确定所述平均污染物对应信息,作为另一种可能的实现方式,可以通过构建模型来基于时空变化维度提取所述历史大气稳定度数据与历史空气污染物数据的第一映射关系确定所述平均污染物对应信息。
人类活动会导致例如二氧化碳、甲烷等温室气体的排放,温室气体的增加导致大气中的温室效应加强,可能导致极端气候事件的频次和严重程度增加,而极端气候事件的频次和严重程度增加会导致大气稳定度变化,进而影响风光发电站的发电效果;因此,在本申请中,为了对待进行风光资源评估的区域进行适应于人类活动的评估,作为示例性的实施例,所述方法还包括:获取待评估区域的历史区域演变信息和预测区域演变信息;提取所述历史区域演变信息与所述历史区域演变信息的演变对应关系;基于所述演变对应关系和所述预测区域演变信息对所述预测大气稳定度进行修正。
在本实施例中,所述历史区域演变信息可以由人类活动造成地理特征数据的变化,进而改变大气稳定度数据的信息。例如,所述历史区域演变信息可以为由人类活动导致的植被类型等改变而影响大气稳定度的演变程度信息,还可以为城市发展状况和/或城市发展规划中的城市扩建指数、城市工业化比重、城市工业类型等的变化程度信息。
在本实施例中,另一方面,所述历史区域演变信息会直接对所述风能资源的分布存在影响,基于此,作为示例性的实施例,所述方法还包括:提取所述历史区域演变信息与表征着风力资源变化状况的修正气象对应关系;基于所述修正气象对应关系和所述预测区域演变信息对所述预测气象数据进行修正。
在本实施例中,在采用所述第一气象对应关系和修正气象对应关系对同时对所述预测区域演变信息进行修正时,可以通过加权融合的方式进行修正;在该实施方式中,所述第一气象对应关系的第一权重与所述预测大气稳定度数据和历史大气稳定度数据的差异程度呈正相关,即,所述第一气象对应关系的第一权重的与所述历史大气稳定度数据呈正相关;所述修正气象对应关系的第二权重与所述预测区域演变信息与历史区域演变信息的差异程度呈正相关,即,所述修正气象对应关系的第二权重与所述历史区域演变信息的变化程度呈正相关。
作为可能的实现方式,可以通过判断上述大气稳定度数据、历史区域演变信息中的每一数据与其他数据的欧氏距离、余弦距离等来分别确定历史大气稳定度数据的第一数据差异程度和历史区域演变信息的第二数据差异程度;示例性的,以欧氏距离为例对本申请的技术方案进行说明:在确定每一历史历史大气稳定度数据与其他历史大气稳定度数据的欧氏距离后,对每一所述第一数据差异程度进行求和得到总第一数据差异程度,并确定每一历史区域演变信息与其他历史区域演变信息的欧氏距离后,对每一所述第二数据差异程度进行求和得到总第二数据差异程度,所述第一权重为总第一数据差异程度占所述总第一数据差异程度和第二数据差异程度的和的比例,所述第二权重为总第二数据差异程度占所述总第一数据差异程度和第二数据差异程度的和的比例。
作为进一步的实现方式,在本申请中,还可以为所述比例赋可调的第一权重系数和第二权重的第二权重系数;在进行风光资源评估时,若更关注大气稳定度数据对风光资源评估的影响,可以增加所述第一权重系数的取值,保持第二权重系数不变或减小;若更关注于待评估区域的人类活动对大气稳定度的影响,进而导致的对风光资源评估的影响,可以增加所述第二权重系数的取值,保持第一权重系数不变或减小。
作为示例性的实施例,所述方法还包括:在所述历史气象数据中,提取表征着气溶胶光学厚度演变状况的第一气溶胶演变信息;提取所述历史区域演变信息与所述第一气溶胶演变信息的第二气象对应关系;基于所述第二气象对应关系和所述预测区域演变信息对所述预测气象数据进行修正。
针对风光资源的评估,在风力资源方面通常关注风速、风向与风力发电机的发电效果强相关的气象数据,在光伏资源方面通常关注气象特征对日照时数和太阳辐射的影响;经研究发现,上述气象数据中,针对光伏资源方面,在纬度不发生较大改变的选址确定的情况下,日照时数通常不变;但是,经研究发现,气溶胶光学厚度对太阳辐射的有较大的影响,并且针对风力资源方面,气溶胶光学厚度对风速有较大的影响,基于此,作为示例性的实施例,所述方法还包括:在所述历史气象数据中,提取表征着气溶胶光学厚度演变状况的第一气溶胶演变信息;提取所述历史区域演变信息与所述第一气溶胶演变信息的第二气象对应关系;基于所述第二气象对应关系和所述预测区域演变信息对所述预测气象数据进行修正。
在本实施例中,可以基于所述第一气溶胶演变信息与所述历史区域演变信息进行多元回归拟合,得到历史区域演变信息与所述第一气溶胶演变信息的第二气象对应关系;并根据预测的未来城市发展状况和/或城市发展规划中的城市扩建指数、城市工业化比重、城市工业类型等的变化程度预测得到预测区域演变信息,之后基于所述预测区域演变信息与所述第二气象对应关系对所述预测气象数据进行修正。
在本实施例中,还可以采用模型训练的方法对所述预测气象数据进行修正。
下沉面是指在大气中温度随着高度的增加而增加的情况,与一般情况下随高度升高而减小的温度垂直分布相反。下沉面通常是指下沉逆温层,是指大气中的一个较稳定的温度层。在下沉逆温层中,空气不易上升,形成了一个类似于“盖子”的层,阻碍了对流的发展和上升气流的形成。这导致污染物在下沉逆温层下方积聚,容易引起空气质量问题;在本申请中,为了在考虑大气稳定度对风光资源评估的同时考虑历史下沉面数据的影响,作为示例性的实施例,所述方法还包括:获取待评估区域的历史下沉面数据;基于所述历史下沉面数据对所述平均污染物对应信息进行修正。
在本实施例中,在获取所述待评估区域的历史下沉面数据后,基于所述历史下沉面的时间特征变化维度和空间特征变化维度进行预测,得到预测历史下沉面数据;示例性的,所述时间特征变化维度包括历史下沉面的平均值的日变化规律、月变化规律、季节变化规律以及年度变化规律四个时间维度至少之一,所述空间特征变化维度包括历史下沉面随不同高度的变化关系。示例性的,在得到上述历史下沉面数据的平均值的日变化规律、月变化规律、季节变化规律以及年度变化规律以及历史下沉面数据随不同高度的变化关系后,根据上述变化关系和变化规律进行预测,得到预测历史下沉面数据。
示例性的,在获取所述待评估区域的历史下沉面数据后,提取所述下沉面数据与所述空气污染物的对应关系,并基于所述下沉面数据与所述空气污染物的对应关系与所述预测下沉面数据对所述平均污染物对应信息进行修正。
根据本申请的第二方面,提供一种风光资源评估装置,图2为根据本申请实施例的一种示例性的风光资源评估装置的示意图,如图2所示,所述风光资源评估装置包括:
数据获取模块201,用于获取待评估区域的历史大气稳定度数据、历史气象数据和预测气象数据;
大气稳定度预测模块202,用于基于所述历史大气稳定度数据的时间特征变化维度和空间特征变化维度进行预测,得到预测大气稳定度数据;
气象对应关系提取模块203,用于提取所述历史大气稳定度数据与所述历史气象数据的第一气象对应关系;
气象修正模块204,用于基于所述预测大气稳定度数据和所述第一气象对应关系对所述预测气象数据进行修正,得到修正气象数据;
风光资源评估模块205,用于基于所述修正气象数据进行风光资源评估,得到评估结果。
需要说明的是,该实施例中的数据获取模块201可以用于执行上述步骤S100,该实施例中的大气稳定度预测模块202可以用于执行上述步骤S200,该实施例中的气象对应关系提取模块203可以用于执行上述步骤S300,该实施例中的气象修正模块204可以用于执行上述步骤S400,该实施例中的风光资源评估模块205可以用于执行上述步骤S500。
此处需要说明的是,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例所公开的内容。需要说明的是,上述模块作为装置的一部分可以通过软件实现,也可以通过硬件实现,其中,硬件环境包括网络环境。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM(Read-Only Memory,只读存储器)/RAM(Random Access Memory,随机存取存储器)、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
根据本申请的第三方面,提供一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,所述处理器、所述通信接口和所述存储器通过所述通信总线完成相互间的通信,所述存储器,用于存储计算机程序;所述处理器,用于通过运行所述存储器上所存储的所述计算机程序来执行如上述任一项所述的实施例中的方法。
图3是根据本申请实施例的一种可选的电子设备的结构框图,如图3所示,包括处理器302、通信接口304、存储器306和通信总线308,其中,处理器302、通信接口304和存储器306通过通信总线308完成相互间的通信,其中,
存储器306,用于存储计算机程序;
处理器302,用于执行存储器306上所存放的计算机程序时,实现如下步骤:
获取待评估区域的历史大气稳定度数据、历史气象数据和预测气象数据;
基于所述历史大气稳定度数据的时间特征变化维度和空间特征变化维度进行预测,得到预测大气稳定度数据;
提取所述历史大气稳定度数据与所述历史气象数据的第一气象对应关系;
基于所述预测大气稳定度数据和所述第一气象对应关系对所述预测气象数据进行修正,得到修正气象数据;
基于所述修正气象数据进行风光资源评估,得到评估结果。
可选地,在本实施例中,上述的通信总线可以是PCI (Peripheral ComponentInterconnect,外设部件互连标准)总线、或EISA (Extended Industry StandardArchitecture,扩展工业标准结构)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括RAM,也可以包括非易失性存储器(non-volatile memory),例如,至少一个磁盘存储器。可选地,存储器还可以是至少一个位于远离前述处理器的存储装置。
作为一种示例,如图3所示,上述存储器302中可以但不限于包括上述数据获取模块201、大气稳定度预测模块202、气象对应关系提取模块203、气象修正模块204、风光资源评估模块205,还可以包括上述实施例中的其他模块单元,本示例中不再赘述。
上述处理器可以是通用处理器,可以包含但不限于:CPU (Central ProcessingUnit,中央处理器)、NP(Network Processor,网络处理器)等;还可以是DSP (DigitalSignal Processing,数字信号处理器)、ASIC (Application Specific IntegratedCircuit,专用集成电路)、FPGA (Field-Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可选地,本实施例中的具体示例可以参考上述实施例中所描述的示例,本实施例在此不再赘述。
本领域普通技术人员可以理解,图3所示的结构仅为示意,实施上述实施例中任意一项所述的方法的设备可以是终端设备,该终端设备可以是智能手机(如Android手机、IOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile Internet Devices,MID)、PAD等终端设备。图3其并不对上述电子装置的结构造成限定。例如,终端设备还可包括比图3中所示更多或者更少的组件(如网络接口、显示装置等),或者具有与图3所示的不同的配置。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:闪存盘、ROM、RAM、磁盘或光盘等。
作为示例性的实施例,本申请还提供一种计算机可读的存储介质,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行本实施例中任意一项所述的方法步骤。
可选地,在本实施例中,上述存储介质可以用于执行本申请实施例的方法步骤的程序代码。
可选地,在本实施例中,上述存储介质可以位于上述实施例所示的网络中的多个网络设备中的至少一个网络设备上。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:
获取待评估区域的历史大气稳定度数据、历史气象数据和预测气象数据;
基于所述历史大气稳定度数据的时间特征变化维度和空间特征变化维度进行预测,得到预测大气稳定度数据;
提取所述历史大气稳定度数据与所述历史气象数据的第一气象对应关系;
基于所述预测大气稳定度数据和所述第一气象对应关系对所述预测气象数据进行修正,得到修正气象数据;
基于所述修正气象数据进行风光资源评估,得到评估结果。
可选地,本实施例中的具体示例可以参考上述实施例中所描述的示例,本实施例中对此不再赘述。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、ROM、RAM、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在上述计算机可读取的存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在存储介质中,包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的客户端,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例中所提供的方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (8)
1.一种风光资源评估方法,其特征在于,所述风光资源评估方法应用于风光发电站,所述风光资源评估方法包括:
获取待评估区域的历史大气稳定度数据、历史气象数据和预测气象数据;
基于所述历史大气稳定度数据的时间特征变化维度和空间特征变化维度进行预测,得到预测大气稳定度数据;所述预测大气稳定度数据的时间尺度与所述预测气象数据的时间尺度一致;
获取待评估区域的历史区域演变信息和预测区域演变信息;
提取所述历史区域演变信息与所述历史区域演变信息的演变对应关系;
基于所述演变对应关系和所述预测区域演变信息对所述预测大气稳定度进行修正;
提取所述历史大气稳定度数据与所述历史气象数据的第一气象对应关系;
基于所述预测大气稳定度数据和所述第一气象对应关系对所述预测气象数据进行修正,得到修正气象数据;
在所述历史气象数据中,提取表征着气溶胶光学厚度演变状况的第一气溶胶演变信息;
提取所述历史区域演变信息与所述第一气溶胶演变信息的第二气象对应关系;
基于所述第二气象对应关系和所述预测区域演变信息对所述预测气象数据进行修正;
基于所述修正气象数据进行风光资源评估,得到评估结果。
2.如权利要求1所述的风光资源评估方法,其特征在于,所述提取所述历史大气稳定度数据与所述历史气象数据的第一气象对应关系包括:
提取所述历史大气稳定度数据与表征着风力资源变化状况的所述历史气象数据的第一风力气象对应信息;
提取所述历史大气稳定度数据与表征着光能资源变化状况的所述历史气象数据的第一光能气象对应信息。
3.如权利要求2所述的风光资源评估方法,其特征在于,所述表征着风力资源变化状况的所述历史气象数据包括历史水平风速数据、历史垂直风速数据,所述第一风力气象对应信息包括水平风速对应信息和垂直风速对应信息,所述提取所述历史大气稳定度数据与表征着风力资源变化状况的所述历史气象数据的第一风力气象对应信息包括:
基于时空变化维度提取所述历史大气稳定度数据与所述历史水平风速数据的水平风速对应信息;
基于垂直变化维度提取所述历史大气稳定度数据与所述历史垂直风速数据的垂直风速对应信息。
4.如权利要求2所述的风光资源评估方法,其特征在于,所述表征着光能资源变化状况的所述历史气象数据包括历史空气污染物数据,所述提取所述历史大气稳定度数据与表征着光能资源变化状况的所述历史气象数据的第一光能气象对应信息包括:
基于时空变化维度提取所述历史大气稳定度数据与所述历史空气污染物数据的平均污染物对应信息。
5.如权利要求4所述的风光资源评估方法,其特征在于,所述方法还包括:
获取待评估区域的历史下沉面数据;基于所述历史下沉面数据对所述平均污染物对应信息进行修正。
6.一种风光资源评估装置,其特征在于,所述风光资源评估装置包括:
数据获取模块,用于获取待评估区域的历史大气稳定度数据、历史气象数据和预测气象数据;
大气稳定度预测模块,用于基于所述历史大气稳定度数据的时间特征变化维度和空间特征变化维度进行预测,得到预测大气稳定度数据;所述大气稳定度数据的时间尺度与所述预测气象数据的时间尺度一致;
所述大气稳定度预测模块还用于获取待评估区域的历史区域演变信息和预测区域演变信息;提取所述历史区域演变信息与所述历史区域演变信息的演变对应关系;基于所述演变对应关系和所述预测区域演变信息对所述预测大气稳定度进行修正;
气象对应关系提取模块,用于提取所述历史大气稳定度数据与所述历史气象数据的第一气象对应关系;
气象修正模块,用于基于所述预测大气稳定度数据和所述第一气象对应关系对所述预测气象数据进行修正,得到修正气象数据;
所述气象修正模块还用于在所述历史气象数据中,提取表征着气溶胶光学厚度演变状况的第一气溶胶演变信息;提取所述历史区域演变信息与所述第一气溶胶演变信息的第二气象对应关系;基于所述第二气象对应关系和所述预测区域演变信息对所述预测气象数据进行修正;
风光资源评估模块,用于基于所述修正气象数据进行风光资源评估,得到评估结果。
7.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至5中任意一项所述的风光资源评估方法。
8.一种计算机可读的存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行如权利要求1至5中任意一项所述的风光资源评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310961586.7A CN116663786B (zh) | 2023-08-02 | 2023-08-02 | 一种风光资源评估方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310961586.7A CN116663786B (zh) | 2023-08-02 | 2023-08-02 | 一种风光资源评估方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116663786A CN116663786A (zh) | 2023-08-29 |
CN116663786B true CN116663786B (zh) | 2023-11-21 |
Family
ID=87713999
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310961586.7A Active CN116663786B (zh) | 2023-08-02 | 2023-08-02 | 一种风光资源评估方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116663786B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117634972B (zh) * | 2023-12-07 | 2024-04-19 | 国网西藏电力有限公司 | 一种基于气象数据的风光发电资源评估方法及*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107273995A (zh) * | 2016-04-08 | 2017-10-20 | 株式会社日立制作所 | 空气质量预报方法 |
CN113937763A (zh) * | 2021-10-14 | 2022-01-14 | 远景智能国际私人投资有限公司 | 风电功率预测方法、装置、设备及存储介质 |
CN114744623A (zh) * | 2022-06-09 | 2022-07-12 | 深圳万甲荣实业有限公司 | 一种基于深度学习的新能源发电预测方法和*** |
CN115423252A (zh) * | 2022-07-29 | 2022-12-02 | 交通运输部规划研究院 | 一种风光资源供给潜力评估方法、装置及计算机设备 |
CN115660233A (zh) * | 2022-12-26 | 2023-01-31 | 尚特杰电力科技有限公司 | 光伏功率预测方法、装置、电子设备及存储介质 |
CN115809728A (zh) * | 2022-11-22 | 2023-03-17 | 广州禾信仪器股份有限公司 | 大气污染扩散条件预测方法、装置、计算机设备 |
CN116224473A (zh) * | 2023-05-09 | 2023-06-06 | 北京东润环能科技股份有限公司 | 一种风速预报方法、模型训练方法、装置和存储介质 |
-
2023
- 2023-08-02 CN CN202310961586.7A patent/CN116663786B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107273995A (zh) * | 2016-04-08 | 2017-10-20 | 株式会社日立制作所 | 空气质量预报方法 |
CN113937763A (zh) * | 2021-10-14 | 2022-01-14 | 远景智能国际私人投资有限公司 | 风电功率预测方法、装置、设备及存储介质 |
WO2023063888A2 (en) * | 2021-10-14 | 2023-04-20 | Envision Digital International Pte. Ltd. | Method and apparatus for predicting wind power, and device and storage medium thereof |
CN114744623A (zh) * | 2022-06-09 | 2022-07-12 | 深圳万甲荣实业有限公司 | 一种基于深度学习的新能源发电预测方法和*** |
CN115423252A (zh) * | 2022-07-29 | 2022-12-02 | 交通运输部规划研究院 | 一种风光资源供给潜力评估方法、装置及计算机设备 |
CN115809728A (zh) * | 2022-11-22 | 2023-03-17 | 广州禾信仪器股份有限公司 | 大气污染扩散条件预测方法、装置、计算机设备 |
CN115660233A (zh) * | 2022-12-26 | 2023-01-31 | 尚特杰电力科技有限公司 | 光伏功率预测方法、装置、电子设备及存储介质 |
CN116224473A (zh) * | 2023-05-09 | 2023-06-06 | 北京东润环能科技股份有限公司 | 一种风速预报方法、模型训练方法、装置和存储介质 |
Non-Patent Citations (1)
Title |
---|
一种基于大气稳定度的风资源评估方法;马晓梅;王博;刘永前;;可再生能源(01);第47-52页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116663786A (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107194139B (zh) | 大气污染源分级方法及计算设备 | |
Russo et al. | Neural network forecast of daily pollution concentration using optimal meteorological data at synoptic and local scales | |
Luo et al. | Impacts of climate change on distributions and diversity of ungulates on the Tibetan Plateau | |
KR101383617B1 (ko) | 일사량 예측 방법 및 장치 | |
CN102184337B (zh) | 一种受气象信息影响的新能源发电能力动态组合分析方法 | |
Yoder et al. | Short‐term forecasting of categorical changes in wind power with Markov chain models | |
CN116663786B (zh) | 一种风光资源评估方法、装置、电子设备和存储介质 | |
EP1851571A2 (en) | System and method for enhanced measure-correlate-predict for a wind farm location | |
CN116224473B (zh) | 一种风速预报方法、模型训练方法、装置和存储介质 | |
Vassallo et al. | Utilizing physics-based input features within a machine learning model to predict wind speed forecasting error | |
CN109799193A (zh) | 污染分布立体监测方法及*** | |
CN117526274A (zh) | 极端气候下新能源功率预测方法、电子设备和存储介质 | |
Soler-Bientz | Preliminary results from a network of stations for wind resource assessment at North of Yucatan Peninsula | |
CN114236643B (zh) | 基于天气预报***的气象预测方法、装置、设备及介质 | |
Khilar et al. | Improving the efficiency of photovoltaic panels using machine learning approach | |
CN112700349A (zh) | 测风塔选址方法和装置 | |
CN116628519B (zh) | 一种生态脆弱区识别方法及*** | |
CN105069292B (zh) | 一种局部山地区域的温度日变化基线的构建方法 | |
Muhammad Lawan et al. | Wind energy assessment and mapping using terrain nonlinear autoregressive neural network (TNARX) and wind station data | |
Khan et al. | Evaluation of statistical downscaling models using pattern and dependence structure in the monsoon‐dominated region of Pakistan | |
Santos et al. | The dependence of hydropower planning in relation to the influence of climate in Northeast Brazil | |
Gualtieri et al. | The role of emissions and meteorology in driving CO 2 concentrations in urban areas | |
CN115912334A (zh) | 风电场出力保证率的预测模型创建方法及预测方法 | |
Werth et al. | The application of a genetic algorithm to the optimization of a mesoscale Model for emergency response | |
Ueyama | Radiative cooling scale method for correcting hourly surface air temperature error in numerical weather prediction models |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Tian Wei Inventor after: Guo Wei Inventor after: Liu Luning Inventor after: Qian Zhiguo Inventor before: Tian Wei Inventor before: Guo Wei Inventor before: Liu Luning Inventor before: Qian Zhiguo |