TWI476430B - 具極端風速預測功能之風能預報方法 - Google Patents
具極端風速預測功能之風能預報方法 Download PDFInfo
- Publication number
- TWI476430B TWI476430B TW099128145A TW99128145A TWI476430B TW I476430 B TWI476430 B TW I476430B TW 099128145 A TW099128145 A TW 099128145A TW 99128145 A TW99128145 A TW 99128145A TW I476430 B TWI476430 B TW I476430B
- Authority
- TW
- Taiwan
- Prior art keywords
- wind
- wind speed
- extreme
- typhoon
- forecast
- Prior art date
Links
- 238000013277 forecasting method Methods 0.000 title claims description 21
- 238000000034 method Methods 0.000 claims description 15
- 238000012544 monitoring process Methods 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000003247 decreasing effect Effects 0.000 claims description 2
- 238000010248 power generation Methods 0.000 description 22
- 230000008901 benefit Effects 0.000 description 8
- 238000012423 maintenance Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 101100004644 Arabidopsis thaliana BAT1 gene Proteins 0.000 description 1
- 239000002028 Biomass Substances 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- 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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2260/00—Function
- F05B2260/82—Forecasts
- F05B2260/821—Parameter estimation or prediction
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Environmental & Geological Engineering (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Atmospheric Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Biodiversity & Conservation Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Environmental Sciences (AREA)
- Ecology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Wind Motors (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本發明係關於一種具極端風速預測功能之風能預報方法。
由於全球能源短缺,且正面臨嚴重的溫室效應與氣候變遷問題,再生能源發電已成為解決問題的利器。再生能源的來源包括風能、太陽能、生質能及地熱等,其中風能發電因成本較低且具經濟性,近幾年來發展十分迅速。
風力機通常包含風葉輪、變速箱、發電機、偏移裝置以及控制系統等部件。風葉輪是具有良好流體力學設計的葉片裝在輪軸上,當風通過葉片,風力將轉動風葉輪,通過傳動系統經由齒輪箱將動力傳導給發電機發電。控制器可根據風向感測儀測得的風向信號,來控制偏移裝置,使風力機可自動控制保持適合之迎風面向,發揮發電效益。
良好且穩定的風能是風力發電開發的首要條件。然而,風力發電的來源是自然生成的風,變動性大,需有良好的預報機制,才能發揮應有之發電效益,並維護整體供電系統安全。
短期風能預報在營運上可預測並掌握未來0~48小時風電場風能變化情形,以提升風電場的整體發電量。在維護上可用較長時間的預測尺度來決定維護時間點,以減少電廠營運成本。在歐洲風能運用發達的國家,非常重視相關的研究,經評估風能預報效益顯示,就單一風電場而言,在西班牙,風能短期預報每千度電(MWh)可以產生7歐元的效益,換算成台幣即是每度電約可產生台幣0.3元以上的效益,而多個風電場組合的風能預報效益將更高,可見風能短期預報對風能發電的經濟性有很大的影響,也間接影響風能發電的成功與否,所以許多風能先進國家皆致力於發展風能預報系統和技術,來加強風電場的營運效能。
台灣是位於西太平洋岸的島國,台灣的氣候環境和地理條件與歐洲各國大大不同。台灣每年遭受許多颱風侵襲,且台灣的地形起伏變化大,有許多高度逾3000公尺的山脈。因此當颱風經過台灣附近時,路徑與強度常有戲劇性的變化,如此特殊的地形障礙,很難適用於一般其他國家開發的風能預報系統。不同的風機設計所能承受的風力強度也不同,若極端風速超過風機可負荷的標準,將造成風力機運轉的安全問題。
因此,如何提供一種具極端風速預測功能之風能預報方法,以產出風能預報,發揮風能發電最大效益,當颱風來臨時,可預測颱風期間可能最大極端風速,進而維護風能發電系統的安全,已成為風能發展領域中之重要課題。
有鑑於上述課題,本發明之目的為提供一種具極端風速預測功能之風能預報方法,以產出風能預報,發揮風能發電最大效益,當颱風來臨時,可預測颱風期間可能最大極端風速,進而維護風能發電系統的安全。
為達上述目的,依據本發明之一種具極端風速預測功能之風能預報方法,配合一中央電腦使用,方法包含下列步驟:輸入一氣象資料,氣象資料包含一數值氣象預報資料;進行一第一模式輸出統計修正;進行一物理模式修正,並依第一模式輸出統計修正後之風向風速,進行更大範圍之風向風速計算;進行一第二模式輸出統計修正;以及進行颱風危害預測,其包含下列子步驟:利用一風與颱風資料庫,找出一標的颱風之一定距離內複數歷史颱風的徑跡資料;利用一極端風速與風能預報工具,求出標的颱風往後將會發生的至少一極端風速,並推算出發生極端風速的可能性;以及利用物理模式修正極端風速,至一風機的高度或位置。
於本發明之一實施例中,中央電腦裝設有一極端風速與風能預報工具、一風與颱風資料庫以及一風機資料庫。
於本發明之一實施例中,中央電腦接收一氣象單位資料、或至少一風電場現場電腦資料、或數值氣象預報資料、或一風氣象監測資料。
於本發明之一實施例中,氣象資料更包含一風氣象監測資料。
於本發明之一實施例中,預測結果包含一風電場之一風機之極端風速。
於本發明之一實施例中,極端風速與風能預報工具至少包含一風能預報模組、或一風機效能分析模組、或一極端風速預報模組。
於本發明之一實施例中,颱風危害預測步驟更包含依據極端風速判斷危害風險大小。
於本發明之一實施例中,推算出發生極端化風速的可能性,係依據下列公式:各歷史颱風與標的颱風之距離為R1、R2、R3....、Rn,發生各歷史颱風的極端風速機率比為1/R1:1/R2:1/R3...:1/Rn,Σ=(1/R1+1/R2+1/R3...+1/Rn)/100,發生各歷史颱風的極端風速率為Σ/R1、Σ/R2、Σ/R3...、Σ/Rn。
於本發明之一實施例中,更包含產生一預報結果,並將預報結果發佈。
於本發明之一實施例中,中央電腦具有一預報資料庫,預報結果儲存於預報資料庫。
承上所述,依據本發明之一種具極端風速預測功能之風能預報方法,係將依統計模式修正後之風向風速,進行複數個角度之風向計算,以產生足以涵蓋因風向變動造成風能產出變動的範圍預報與機率,達到系集風能預報的效益。另外,為了因應颱風氣候對風機發電的影響,此方法可依據颱風路徑位置與歷史資料分析,以進行颱風的極端風速預測,並建立危害風險警戒機制以維護風能發電系統的安全。另外,本發明之實施例中更可讓使用者藉由風機效能分析模組,以對使用中的風機做風速與產電量的效能分析,提供風機效能曲線調整與維護作業參考。
以下將參照相關圖式,說明依本發明較佳實施例之一種具極端風速預測功能之風能預報方法,其中相同的元件將以相同的參照符號加以說明。
請參照圖1所示,其係為本發明較佳實施例之一種具極端風速預測功能之風能預報(wind power prediction)方法之流程示意圖,本實施例中,具極端風速預測功能之風能預報方法係配合一中央電腦(central computer)使用,方法包含下列步驟:輸入一氣象資料,氣象資料包含一數值氣象預報(numerical weather prediction,NWP)資料(S10);進行一第一模式輸出統計(model output statistics,MOS)修正(S30);進行一物理模式(physical model)修正,並依第一模式輸出統計修正後之風向風速,進行更大範圍之風向風速計算(S50);進行一第二模式輸出統計修正(S70);以及進行颱風危害預測(S80),其係包含下列子步驟:利用一風與颱風資料庫,找出一標的颱風之一定距離內複數歷史颱風的徑跡資料(S81);利用一極端風速與風能預報工具(extreme wind and wind energy prediction tool,EWWEPT),求出標的颱風往後將會發生的至少一極端風速,並推算出發生極端風速的可能性(S82);以及利用物理模式修正極端風速,至一風機的高度或位置(S83)。其中,詳細的實施方法,將於後面敘述。
如圖2所示,其為本發明較佳實施例中與風能預報配合之中央電腦的示意圖,中央電腦10裝載有一極端風速與風能預報工具11、一風與颱風資料庫12、一風機資料庫(wind turbine database)13以及一預報資料庫(forecasts database)14,並具有介面可接收管理風氣象監測(wind monitoring)21、數值氣象預報22、颱風報告23及現場電腦(in situ computers)24等傳來之資料。
其中,中央電腦10可操作極端風速與風能預報工具11,並發佈極端風速及風能預報報告給使用者30,同時將結果貯存至預報資料庫14。使用者30可能為風電場經營者、輸配電業者或電力市場利益攸關者(stakeholder)。
極端風速與風能預報工具11包含一第一模式輸出統計模組111、一物理模式模組112、一第二模式輸出統計模組113、一風能預報模組114及一極端風速預報(extreme wind prediction)模組115。
風與颱風資料庫12係儲存上述之現場電腦24與氣象監測站提供之氣象資料,氣象資料包含風氣象監測21之數據、數值氣象預報22所預測之風氣象資料以及颱風報告23。其中風氣象監測21之數據例如包含風速方向計、都卜勒雷達、光達(雷射雷達)等儀器實際監測結果。須特別說明的是,數值氣象預報22為一種習知之天氣預報方法,其利用常規的觀測及雷達、船舶、衛星等觀測方式獲取氣象資料,再透過數值計算求解描寫天氣演變過程的流體力學和熱力學方程組,以預報未來天氣。而颱風報告23可為多個機構的報告,其為氣象機構提供之颱風現在或未來幾天可能的颱風位置與強度資料(typhoon position & strength data)及原有之風地圖資料(wind map data)。颱風位置與強度資料,包含資料有經過校正的颱風徑跡(track)時間位置與當時中心最高風速。風地圖資料則包含對應颱風位置同時間的地面網格點經歸一化後的風速資料,原有地面網格點風速資料係由颱風徑跡與風速等分佈圖數位化而來,不管颱風位置變動,網格點位置固定不變,每一颱風的不同時間位置,都有一相對地面風速分佈圖可數位化,所以每個網格點在每一個颱風徑跡位置都有一相對應之風速資料,該風速除以颱風中心最高風速即得到一般化(normalized)風速資料。
風機資料庫13則儲存上述來自各風電場現場電腦24的風機相關資訊,包含風機位置、風機風速、風機產電量、風機運轉時間、風機基本資料、風機風強度耐受規格及風機維修記錄等。
請同時參照圖1及圖2,以詳細說明具極端風速預測功能之風能預報方法之實施方式。首先,於步驟S10中,中央電腦10接受一氣象資料,其包含一數值氣象預報22資料,接著輸入氣象資料至極端風速與風能預報工具11以進行資料彙整。其中,氣象資料更包含一風氣象監測21資料,中央電腦10更可將接受即時之風氣象監測21資料,輸入至極端風速與風能預報工具11一併進行資料彙整。
於步驟S30中,由極端風速與風能預報工具11內之第一模式輸出統計模組111,來進行第一模式輸出統計修正。第一模式輸出統計模組111係利用儲存於風與颱風資料庫12內的數值氣象預報22資料與風氣象監測21資料,進行統計模式修正至鄰近各風電場進行風能預報所需之特定地理網格地點高度之風速和風向。一般而言,數值氣象預報22每12小時更新評估一次,加入實際的風氣象監測21資料不僅可增強預報準確度,同時可縮短重新評估所需要時間,增快更新頻率,例如可達每十分鐘一次。
於步驟S50中,係由極端風速與風能預報工具11內之物理模式模組112自第一模式輸出統計模組111提供的修正後的風速風向,再根據已於物理模式模組112中建立好的地形、地表粗糙度及障礙物模型來進行計算,將風速修正到風機位置與高度的風速。其中,由於預報或監測到的風向結果,一般簡化只會有一個角度的呈現(例如是東北方或北北東方這種八方位或十六方位的風向),且預報有一定程度之不準確度。故本發明經由物理模式模組112來進行複數個風向角度的計算(例如為原預報或監測風向的角度加減1度至15度,並進行每個風向角度的資料計算),以求更能掌握因風向角度變動而造成風能預報結果變動的狀況與機率,達到系集預報的目的,可掌握風能變動範圍,並支援風力應用決策。
於步驟S70中,第二模式輸出統計模組113係事先將預報及風機產出的歷史資料應用統計模式(非線性統計模式,例如倒傳遞類神經網路模式(back propagation artificial neural network,BP))和混合遺傳演算法/類神經網路模式
(hybrid genetic algorithm-BP neural networks,GABP)處理訓養(Training),可由累積的預報數值與誤差資料,不斷調整參數,而精進風能預報的準確度。
步驟S80為一颱風危害預測步驟,於步驟S80中,極端風速預報模組115可找出與標的颱風(例如最新發現的颱風或是需要注意的颱風)的相關颱風,再利用風地圖資料計算出整個颱風侵襲期間之極端風速。在本實施例中,步驟S80更可包含S81~S84四個子步驟,敘述如下。
於步驟S81中,當有新的颱風警報出現時,可將氣象專業機構所發佈報告的颱風中心位置或未來位置輸入極端風速預報模組115中,然後以該颱風為標的颱風T,輸入一距離R為半徑,以標的颱風T的中心位置為圓心、半徑為R內之圓為關注範圍(interested range)。因每個颱風位置徑跡不盡相同,應用關注範圍找出位置相近之颱風資料,可以擴大極端風速評估的數據基礎。如圖3A所示,極端風速預報模組115可依照颱風位置與關注範圍,找到所有曾經經過關注範圍的關注的歷史颱風T1、T2、T3。再將每一個關注的歷史颱風T1、T2、T3接下來經過的徑跡位置對應之地理網格點的一般化風速資料找出。
於步驟S82中,同樣如圖3A所示,接著比較分析求得每一個網格點在關注的歷史颱風T1、T2、T3往後過程中所發生的一般化極端風速。而後針對所有關注的歷史颱風T1、T2、T3比較每一個網格點所發生的極端風速的最大值,來獲得關注範圍內每一個網格點的一般化極端風
速,並以標的颱風T實際或被預期強度將一般化極端風速轉化成此颱風所帶來在每一個網格點的極端風速。接著利用標的颱風T與關注的歷史颱風T1、T2、T3的最近徑跡距離R1、R2、R3關係,推算各關注的歷史颱風T1、T2、T3所帶來極端風速的可能性,再將所有由各關注的歷史颱風T1、T2、T3換算得到最大風速(極端風速),依照大小排序後,將可能性累積計算,即可得出發生每一個網格點發生一定風速以上的機率。
如圖3B及圖3C所示,其係依據上述之颱風危害預測步驟,以關注範圍內取得20個關注的歷史颱風為例,所得之某網格點發生極端風速之機率,計算方法如下:關注範圍內的颱風有20個,關注的歷史颱風距離分別為R1、R2、R3、...RN,於此,N=20,距離越遠發生同樣結果的機會就越低,假設與距離成反比,那麼標的颱風T發生與各關注的歷史颱風極端風速類似風況的機率比1/R1:1/R2:1/R3....:1/RN,如果Σ=(1/R1+1/R2+1/R3+....+1/RN)/100,那發生類似各關注的歷史颱風的機會可用以換算成百分率分別為1/R1Σ、1/R2Σ、1/R3Σ.....、1/RNΣ,累加值會剛好等於100%。因此,要發生大於或等於某一大小以上風速的機率,則以從小到大遞減的方式處理數據即可,亦可利用數據繪圖,加上趨勢曲線,獲得發生機率曲線如圖3C。需特別說明的是,發生機率的運算只可知道特定風速以上的發生機率。
於步驟S83中,利用物理模式112可將各網格點的極
端風速,修正到風機所在位置及高度,以得到風機實際位置高度的極端風速。
本實施例中,具極端風速預測功能之風能預報方法更可包含:依據該極端風速判斷危害風險大小(S84)。如圖2所示,極端風速與風能預報工具11可自風機資料庫13取得風機風強度耐受規格,與在步驟S83所得之風機所在位置高度極端風速大小與可能性比較之後,可判斷出極端風速所造成危害風險大小。如果風險大過所設定風險程度,即透過中央電腦10將訊息傳播給使用者30以及現場電腦24。所設定風險程度可以多層級,如注意、警戒或是緊急行動等。廣播的方式可透過網路或簡訊等方式進行。另外,依照不同的風機機型與風機風強度耐受規格,可查詢相對應之風速下可能適當之風機運轉方案,作為使用者30決策參考。
本實施例中,具極端風速預測功能之風能預報方法更可包含:產生一預報結果,並將預報結果發佈(S90)。統合經物理模式模組112修正後的風機位置之風速資料後,即可利用上述應用統計模式進行再運算,以產生個別風機或風電場的極端風速與風能預報結果。其中,預報結果包含每一風電場之每一風機之風能產出,再存入一預報資料庫14中,以提供預報準確度評估以及第二模式輸出統計模組113之訓養所需。將預報結果發佈例如將風能預報告結果傳送給使用者30,供使用者30作為運轉、配電、維修、調整及關閉風機的參考,以提高風電場或風力機應用
效能與經濟效益。
請參照圖4所示,其為依據本發明較佳實施例之另一種與風能預報方法配合之中央電腦示意圖,與圖2的架構不同之處在於,本實施例中,中央電腦10a中之極端風速與風能預報工具11a更包含一風機效能分析(wind turbine performance analysis)模組116,風機資料庫13a更包含風機效能之現有與歷史曲線(current and historical performance curve)。風機效能分析模組116可依據風機資料庫13a中的風機風速及風機產電量資料,統計分析並編輯個別風機的效能曲線。其產生之風機效能曲線以及自現場電腦24監測的風機資料輸出皆儲存至風機資料庫13a。
對於剛出廠之風機,極端風速與風能預報工具11a係依據原始的(出廠值,default值)風機風速與產電量效能曲線及風速的預報值,來預測每一個風機的電力產出。一段時間之後,即可利用前述現場電腦24的實際量測資料,經極端風速與風能預報工具11a內的風機效能分析模組116,將該段時間內所蒐集之風機風速與該風機產電量統計分析,繪製出新的且較符合實際狀況的風機風速與產電量效能曲線,調整風機後可提升風能預報的準確度。而不再使用的風機效能曲線依然保存,可由風機效能分析模組116作風機的新舊效能曲線比對,以瞭解風機長久使用以後的產電效能變化,作為日後維修、更新與肇因分析的參考。以上分析結果更可透過網路回饋給每個風電場。
綜上所述,依據本發明之一種具極端風速預測功能之
風能預報方法,係將依統計模式修正後之風向風速,進行複數個角度之風向計算,可使預報範圍涵蓋因風向變動造成風能產出可能變化範圍與機率,以達到系集風能預報的效果,幫助配電決策更可靠。另外,為了因應颱風氣候對風機發電的影響,此方法可依據颱風路徑位置與歷史資料分析,以進行颱風的極端風速預測,並建立危害風險警戒機制以維護風能發電系統的安全。另外,本發明之實施例中更可讓使用者藉由風機效能分析模組,以對使用中的風機做產電量的效能分析,結果可作為發電趨勢變化評估、儀具調整、保養維護之參考。
以上所述僅為舉例性,而非為限制性者。任何未脫離本發明之精神與範疇,而對其進行之等效修改或變更,均應包含於後附之申請專利範圍中。
10、10a‧‧‧中央電腦
11、11a‧‧‧極端風速與風能預報工具
111‧‧‧第一模式輸出統計
112‧‧‧物理模式
113‧‧‧第二模式輸出統計
114‧‧‧風能預報模組
115‧‧‧極端風速預報模組
116‧‧‧風機效能分析模組
12‧‧‧風與颱風資料庫
13、13a‧‧‧風機資料庫
14‧‧‧預報資料庫
21‧‧‧風氣象監測
22‧‧‧數值氣象預報
23‧‧‧颱風報告
24‧‧‧現場電腦
30‧‧‧使用者
T‧‧‧標的颱風
T1、T2、T3‧‧‧關注的歷史颱風
R‧‧‧關注範圍的半徑
R1、R2、R3、…RN‧‧‧關注的歷史颱風距離
S10~S90、S81~S84‧‧‧步驟
圖1為依據本發明較佳實施例之一種具極端風速預測功能之風能預報方法的流程示意圖;圖2為依據本發明較佳實施例中與風能預報配合之中央電腦的示意圖;圖3A、圖3B及圖3C為依據本發明較佳實施例之一種風能預報的數據圖;以及圖4為依據本發明較佳實施例之另一種與風能預報方法配合之中央電腦示意圖。
S10~S90、S81~S84...步驟
Claims (10)
- 一種具極端風速預測功能之風能預報方法,配合一中央電腦使用,該方法包含下列步驟:輸入一氣象資料,該氣象資料包含一數值氣象預報資料;進行一第一模式輸出統計修正;進行一物理模式修正,並依該第一模式輸出統計修正後之風向風速,進行更大範圍之風向風速多角度運算;進行一第二模式輸出統計修正;以及進行颱風危害預測,包含下列子步驟:利用一風與颱風資料庫,找出一標的颱風之一定距離內複數歷史颱風的徑跡資料;利用一極端風速與風能預報工具,求出該標的颱風往後將會發生的至少一極端風速,並推算出發生該極端風速的可能性;以及利用該物理模式修正該極端風速,至一風機的高度或位置。
- 如申請專利範圍第1項所述之具極端風速預測功能之風能預報方法,其中該中央電腦裝設有一極端風速與風能預報工具、一風與颱風資料庫以及一風機資料庫。
- 如申請專利範圍第1項所述之具極端風速預測功能之風能預報方法,其中該中央電腦係接收至少一風電場現場電腦資料、或該數值氣象預報資料、或一風氣象 監測資料、或一颱風報告。
- 如申請專利範圍第1項所述之具極端風速預測功能之風能預報方法,其中該中央電腦具有一預報資料庫,該預報結果儲存於該預報資料庫。
- 如申請專利範圍第1項所述之具極端風速預測功能之風能預報方法,其中該氣象資料更包含一風氣象監測資料。
- 如申請專利範圍第1項所述之具極端風速預測功能之風能預報方法,其中該預報結果包含一風電場之一風機之極端風速。
- 如申請專利範圍第1項所述之具極端風速預測功能之風能預報方法,其中該極端風速與風能預報工具包含一風能預報模組、或一風機效能分析模組、或一極端風速預報模組。
- 如申請專利範圍第1項所述之具極端風速預測功能之風能預報方法,其中該颱風危害預測步驟更包含:依據該極端風速判斷危害風險大小。
- 如申請專利範圍第1項所述之具極端風速預測功能之風能預報方法,其中推算出發生該極端風速的可能性,係依據下列公式:各歷史颱風與該標的颱風之距離為R1、R2、R3....、Rn,發生各歷史颱風的極端風速機率比為1/R1:1/R2:1/R3...:1/RN,Σ=(1/R1+1/R2+1/R3+...+1/RN)/100,發生各歷史颱 風的極端風速率為1/R1Σ、1/R2Σ、1/R3Σ.....、1/RNΣ,以從小到大遞減的方式處理各歷史颱風的極端風速值,並獲得超出一特定極端風速的可能值,或利用各歷史颱風的極端風速值繪圖,以獲得一趨勢曲線公式,並以該趨勢曲線公式推算超出該特定極端風速的可能值。
- 如申請專利範圍第1項所述之具極端風速預測功能之風能預報方法,更包含:產生一預報結果,並將該預報結果發佈。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW099128145A TWI476430B (zh) | 2010-08-23 | 2010-08-23 | 具極端風速預測功能之風能預報方法 |
US13/161,828 US20120046917A1 (en) | 2010-08-23 | 2011-06-16 | Wind energy forecasting method with extreme wind speed prediction function |
US14/447,094 US9230219B2 (en) | 2010-08-23 | 2014-07-30 | Wind energy forecasting method with extreme wind speed prediction function |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW099128145A TWI476430B (zh) | 2010-08-23 | 2010-08-23 | 具極端風速預測功能之風能預報方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201209441A TW201209441A (en) | 2012-03-01 |
TWI476430B true TWI476430B (zh) | 2015-03-11 |
Family
ID=45594749
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW099128145A TWI476430B (zh) | 2010-08-23 | 2010-08-23 | 具極端風速預測功能之風能預報方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20120046917A1 (zh) |
TW (1) | TWI476430B (zh) |
Families Citing this family (71)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120001428A1 (en) * | 2010-07-02 | 2012-01-05 | Calhoon Scott W | Wind energy system |
US9230219B2 (en) * | 2010-08-23 | 2016-01-05 | Institute Of Nuclear Energy Research Atomic Energy Council, Executive Yuan | Wind energy forecasting method with extreme wind speed prediction function |
JP5625853B2 (ja) * | 2010-12-10 | 2014-11-19 | ソニー株式会社 | 分散処理システム、演算装置、演算制御装置、演算制御方法、演算タスクの完了確率算出方法、及びプログラム |
KR101177435B1 (ko) | 2012-03-06 | 2012-08-27 | 전북대학교산학협력단 | 풍력발전단지의 풍황 예측 방법 |
CN103389388B (zh) * | 2012-05-08 | 2015-08-19 | 华锐风电科技(集团)股份有限公司 | 风电场风速预测方法及其装置和功率预测方法及其*** |
CN102914969B (zh) * | 2012-09-28 | 2014-12-10 | 南方电网科学研究院有限责任公司 | 一种短期风电功率预测***的综合误差修正方法 |
US10318558B2 (en) * | 2012-11-16 | 2019-06-11 | International Business Machines Corporation | Automating weather model configurations |
US9460478B2 (en) | 2012-12-17 | 2016-10-04 | Arizona Board Of Regents On Behalf Of Arizona State University | System and method for wind generation forecasting |
US10181101B2 (en) | 2012-12-17 | 2019-01-15 | Arizona Board Of Regents On Behalf Of Arizona State University | Support vector machine enhanced models for short-term wind farm generation forecasting |
CN103020743B (zh) * | 2012-12-27 | 2016-01-13 | 中国科学院电工研究所 | 风电场超短期风速预测方法 |
CN104021424B (zh) | 2013-02-28 | 2018-12-07 | 乌托巴斯洞察公司 | 用于预测风场中的风机的输出功率的方法和装置 |
US10203219B2 (en) | 2013-04-04 | 2019-02-12 | Sky Motion Research Ulc | Method and system for displaying nowcasts along a route on a map |
US10330827B2 (en) | 2013-04-04 | 2019-06-25 | Sky Motion Research, Ulc | Method and system for displaying weather information on a timeline |
US10495785B2 (en) | 2013-04-04 | 2019-12-03 | Sky Motion Research, Ulc | Method and system for refining weather forecasts using point observations |
US10324231B2 (en) | 2013-04-04 | 2019-06-18 | Sky Motion Research, Ulc | Method and system for combining localized weather forecasting and itinerary planning |
CN103365958B (zh) * | 2013-05-31 | 2016-12-28 | 南京信大高科技发展有限公司 | 台风预报平台及台风路径检索方法 |
TWI582454B (zh) | 2013-06-26 | 2017-05-11 | 天勢研究無限公司 | 用於在時間軸上顯示氣象資訊之方法及系統 |
CN103500366B (zh) * | 2013-09-29 | 2016-05-11 | 上海电机学院 | 一种短期风电功率预测***及方法 |
CN103616734B (zh) * | 2013-12-11 | 2015-11-18 | 山东大学 | 大范围同步实时气象数据测量及风速风向预测***与方法 |
US9920742B2 (en) * | 2014-02-20 | 2018-03-20 | General Electric Company | Dynamic cut-in wind speed for wind turbines |
CN104112166A (zh) * | 2014-05-22 | 2014-10-22 | 国家电网公司 | 一种风电场的短期风速预测方法及*** |
CN103996079B (zh) * | 2014-05-29 | 2017-02-15 | 东南大学 | 一种基于条件概率的风电功率加权预测方法 |
KR20160017681A (ko) * | 2014-07-31 | 2016-02-17 | 두산중공업 주식회사 | 풍력플랜트 관리 시스템 및 그 방법 |
CN104345355B (zh) * | 2014-09-30 | 2016-05-18 | 天青公司 | 一种采集与处理天气数据和图像的装置、方法和*** |
CN104410658B (zh) * | 2014-10-13 | 2018-04-27 | 北京彩彻区明科技有限公司 | 定点环境状态预报方法和装置 |
CN105469216B (zh) * | 2015-12-15 | 2020-04-24 | 深圳供电局有限公司 | 一种结合天气及风速评价风电场运行风险的方法和*** |
CN105676313B (zh) * | 2016-02-16 | 2017-12-22 | 中铁大桥科学研究院有限公司 | 用于跨海大桥施工海域波浪场、风速场的区域预测方法 |
US11242842B2 (en) * | 2016-05-23 | 2022-02-08 | General Electric Company | System and method for forecasting power output of a wind farm |
US11144835B2 (en) | 2016-07-15 | 2021-10-12 | University Of Connecticut | Systems and methods for outage prediction |
CN106547976B (zh) * | 2016-10-28 | 2019-04-16 | 许继集团有限公司 | 极端风速模型风种子选择方法及装置 |
CN106780104B (zh) * | 2016-11-18 | 2021-02-09 | 中国电建集团成都勘测设计研究院有限公司 | 一种基于概率统计的平均风向计算方法 |
CN108536881B (zh) * | 2017-03-06 | 2020-10-16 | 新疆金风科技股份有限公司 | 用于计算风电场发电量的方法和设备 |
CN107133687A (zh) * | 2017-04-11 | 2017-09-05 | 广东电网有限责任公司江门供电局 | 一种输电线路不均匀风压实时监测与台风预警*** |
EP3604799A4 (en) * | 2017-04-26 | 2020-04-15 | Mitsubishi Electric Corporation | AI DEVICE, LASER RADAR DEVICE, AND WIND FARM CONTROL SYSTEM |
CN107273334B (zh) * | 2017-06-09 | 2020-07-10 | 哈尔滨工业大学深圳研究生院 | 移动台风边界层三分量风速解析方法 |
CN107767030B (zh) * | 2017-09-25 | 2021-10-01 | 浙江大学 | 一种基于多源遥感卫星风速校正的海上风能资源评估方法 |
US10565605B2 (en) * | 2017-10-25 | 2020-02-18 | Nemo Partners Nec | Apparatus and method to build power station of resident with FinTech platform module |
CN109989883B (zh) | 2017-12-29 | 2020-07-17 | 新疆金风科技股份有限公司 | 风力发电机组的控制方法、装置及*** |
CN108520269A (zh) * | 2018-03-10 | 2018-09-11 | 华北电力大学(保定) | 一种风速预测方法及风速预测*** |
EP3803111A1 (en) | 2018-06-11 | 2021-04-14 | Vestas Wind Systems A/S | Power production forecasting for a wind turbine |
CN110632680B (zh) * | 2018-06-22 | 2022-08-19 | 中国电力科学研究院有限公司 | 一种输电线路微区域风速估算方法及*** |
CN109033027B (zh) * | 2018-08-08 | 2022-07-29 | 长春工程学院 | 一种高速阵风导致风电功率下爬坡事件的预测方法 |
US10796252B2 (en) | 2018-09-06 | 2020-10-06 | Arizona Board Of Regents On Behalf Of Arizona State University | Induced Markov chain for wind farm generation forecasting |
US11367053B2 (en) * | 2018-11-16 | 2022-06-21 | University Of Connecticut | System and method for damage assessment and restoration |
US11353624B2 (en) * | 2018-11-20 | 2022-06-07 | Vestas Wind Systems A/S | Calculating a return period wind speed |
CN111222662A (zh) * | 2018-11-26 | 2020-06-02 | 中国电力科学研究院有限公司 | 一种电网台风洪涝灾害预警方法和装置 |
CN109978222B (zh) * | 2019-01-04 | 2021-04-27 | 国网山东省电力公司电力科学研究院 | 一种基于贝叶斯网络的风电爬坡事件概率预测方法及*** |
CN109840634B (zh) * | 2019-01-29 | 2019-09-03 | 宁波市气象台 | 登陆福建台风***环流中宁波强对流天气的概率预报方法 |
CN109886488B (zh) * | 2019-02-21 | 2022-10-18 | 南方电网科学研究院有限责任公司 | 考虑风速时滞性的分散式风电场分层混合短期预测方法 |
CN110059867B (zh) * | 2019-03-27 | 2021-01-19 | 华中科技大学 | 一种swlstm结合gpr的风速预测方法 |
CN110991701A (zh) * | 2019-11-12 | 2020-04-10 | 国电陕西新能源有限公司 | 一种基于数据融合的风电场风机风速预测方法及*** |
CN110778456B (zh) * | 2019-12-11 | 2021-07-02 | 湘电风能有限公司 | 风力发电机组偏航制动***及其控制方法 |
CN111178601B (zh) * | 2019-12-18 | 2024-03-26 | 上海能源科技发展有限公司 | 一种基于气象数据后处理的风电机组功率预测方法 |
CN111833011B (zh) * | 2020-06-18 | 2023-07-11 | 福建省气象科学研究所 | 一种应用于工程建设的抗风评估方法及装置 |
CN111950764B (zh) * | 2020-07-03 | 2024-03-22 | 国网冀北电力有限公司 | 一种极端天气条件电网风电功率预测修正方法 |
US11676051B2 (en) | 2020-07-23 | 2023-06-13 | International Business Machines Corporation | Predict solutions for potential hazards of stored energy |
CN111832840B (zh) * | 2020-07-27 | 2024-03-12 | 南方电网科学研究院有限责任公司 | 基于可微成本函数的超短期风电功率区间预测方法、装置 |
CN112149891B (zh) * | 2020-09-16 | 2023-05-23 | 南京信息工程大学 | 一种简捷的台风移动方向预测方法 |
CN112580870A (zh) * | 2020-12-17 | 2021-03-30 | 广东电网有限责任公司电力科学研究院 | 一种受灾杆塔确定方法及装置 |
CN112632773B (zh) * | 2020-12-21 | 2024-04-05 | 北京华能新锐控制技术有限公司 | 一种风电机组可靠性预测方法 |
CN113516829A (zh) * | 2021-06-18 | 2021-10-19 | 广东电网有限责任公司佛山供电局 | 一种强台风环境下电网防灾应急监视与决策***及方法 |
CN113505460B (zh) * | 2021-07-30 | 2024-04-30 | 广东电网有限责任公司 | 电力断线倒塔概率模型建立方法及概率预测方法 |
CN113780661B (zh) * | 2021-09-14 | 2023-11-21 | 中国电建集团华东勘测设计研究院有限公司 | 一种针对突变风速的风电超短期功率预测方法 |
CN114198267B (zh) * | 2021-11-08 | 2023-11-03 | 华能大理风力发电有限公司 | 用于极端阵风的风力发电机组的运行控制方法及*** |
CN114611812A (zh) * | 2022-03-21 | 2022-06-10 | 澜途集思生态科技集团有限公司 | 一种基于流体动力学的风能资源预测***与方法 |
CN114942481B (zh) * | 2022-06-08 | 2023-07-18 | 中国气象局上海台风研究所(上海市气象科学研究所) | 热带气旋过程极值风速概率预报方法、装置和计算机设备 |
CN115203596B (zh) * | 2022-09-19 | 2023-01-03 | 南京信大气象科学技术研究院有限公司 | 一种基于最短距离匹配的台风路径段相似匹配方法及设备 |
CN115358639B (zh) * | 2022-10-20 | 2023-01-24 | 国网山东省电力公司烟台供电公司 | 一种基于数据分析的海上风电运行风险分析*** |
CN115526429A (zh) * | 2022-10-28 | 2022-12-27 | 国网湖南省电力有限公司电力科学研究院 | 风电功率预测误差解耦分析方法、处理器及存储介质 |
CN115409291B (zh) * | 2022-10-31 | 2023-04-18 | 山东大学 | 一种风速修正的风电功率预测方法及*** |
CN115587326B (zh) * | 2022-12-12 | 2023-08-25 | 湖南赛能环测科技有限公司 | 一种噪声环境风电场数据修正方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070223841A1 (en) * | 2006-03-23 | 2007-09-27 | Weinzapfel Robert A | Methods of characterizing the probability of wind impact |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DK1681463T3 (da) * | 2003-10-22 | 2013-12-02 | Global Energy Co Ltd | Vindmølle med vertikal aksel |
US8224768B1 (en) * | 2008-04-18 | 2012-07-17 | Wsi, Corporation | Tropical cyclone prediction system and method |
JP5244502B2 (ja) * | 2008-08-25 | 2013-07-24 | 三菱重工業株式会社 | 風車の運転制限調整装置及び方法並びにプログラム |
US8280633B1 (en) * | 2009-02-10 | 2012-10-02 | Strategic Design Federation W, Inc. | Weather risk estimation system and method |
US8620634B2 (en) * | 2009-07-24 | 2013-12-31 | Honeywell International Inc. | Energy resource allocation including renewable energy sources |
-
2010
- 2010-08-23 TW TW099128145A patent/TWI476430B/zh not_active IP Right Cessation
-
2011
- 2011-06-16 US US13/161,828 patent/US20120046917A1/en not_active Abandoned
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070223841A1 (en) * | 2006-03-23 | 2007-09-27 | Weinzapfel Robert A | Methods of characterizing the probability of wind impact |
Also Published As
Publication number | Publication date |
---|---|
TW201209441A (en) | 2012-03-01 |
US20120046917A1 (en) | 2012-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI476430B (zh) | 具極端風速預測功能之風能預報方法 | |
Lledó et al. | Seasonal forecasts of wind power generation | |
US9230219B2 (en) | Wind energy forecasting method with extreme wind speed prediction function | |
Nor et al. | Feasibility assessment of wind energy resources in Malaysia based on NWP models | |
US7523001B2 (en) | Method and apparatus for operating wind turbine generators | |
Yoder et al. | Short‐term forecasting of categorical changes in wind power with Markov chain models | |
Weisser et al. | Implications of seasonal and diurnal variations of wind velocity for power output estimation of a turbine: a case study of Grenada | |
CN113205210B (zh) | 复杂地形风电场风速与功率预测方法、***、设备及存储介质 | |
CN108062722B (zh) | 基于风速变异系数的山地风电场模型风机机械功率计算方法 | |
Ramenah et al. | Reliably model of microwind power energy output under real conditions in France suburban area | |
Memon et al. | Assessment of wind power potential based on Raleigh distribution model: an experimental investigation for coastal zone | |
Shreif et al. | Wind resource assessment for southern part of Libya: Case study of Hun | |
Kheder-Haddouche et al. | Feasibility study of a wind farm in el golea region in the Algerian sahara | |
Mezidi et al. | Influence of wind data temporal variation in wind resource assessment. two case studies in the southern part of Algeria | |
Kassem et al. | Wind energy resource assessment based on the use of multiple satellite data for sustainable energy production in Sudan | |
Abbes et al. | Investigation of wind characteristics and wind power potential in El-Kef region, Tunisia | |
Dayal | Offshore wind resource assessment, site suitability and technology selection for Bligh Waters Fiji using WindPro | |
Tambke et al. | Short-term forecasting of offshore wind farm production–developments of the Anemos project | |
Fossem | Short-term wind power prediction models in complex terrain based on statistical time series analysis | |
Ayar et al. | Harvesting the Wind: A Study on the Feasibility and Advancements of Wind Energy in Turkey | |
Lang et al. | Verification of wind power forecasts provided in real-time to the Irish Transmission System Operator | |
Ghazanfari-Rad et al. | Wind Speed Forecasting and Probability Distribution Analysis Using Measured Data at Weather Stations in Iran | |
Mamedova | Methodology for Assessing Meteorological Observation Data to Account for Wind Potential in The Design of a Wind Power Plant | |
Sireesha et al. | Operational performance of a 8-MW scale grid integrated Wind Energy conversion system | |
Agabus et al. | ESTIMATION OF WIND POWER PRODUCTION THROUGH SHORT-TERM FORECAST. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | Annulment or lapse of patent due to non-payment of fees |