考虑风功率密度和风向特征的风能资源MCP评估方法

在区域风电场风能资源评估方法中,传统的测量—关联—预测(MCP)方法未充分使用参考站的观测数据建立参考站和目标站之间风功率密度的映射关系,导致目标站长期风能资源的预测精度不高。在传统MCP组合方法的基础上,综合考虑参考站风功率密度和风向的特征组合,利用支持向量回归机(SVR)理论,建立2种不同的MCP模型,并将传统的考虑参考站风速、风向特征组合的MCP模型作为对比模型来验证所提出模型的有效性和准确性。实例研究表明,考虑参考站的风功率密度和风向特征输入的MCP模型对目标站风功率密度预测决定系数高于0.9,预测精度和适用性要明显优于传统的MCP模型,因而,该模型可用于评估区域风电场风能资源分布状况。

融合多维气象信息的风能资源评估方法

由于风速具有明显的年际变化,因此风电场项目建设在可行性分析过程中需要对场址区域长期的资源状况进行评价。为此,在传统测量-关联-预测方法的基础上,研究提出了一种基于多维气象信息交互的方法,将多个参考气象站风速、风向、气温、空气密度等观测信息与待评估风场同期风速信息进行融合,得到待评估风场长期的风况信息,进而推算出待评估风场长期的风能资源储量。首先,使用Pearson相关系数对待评估风场和参考气象站进行相关性分析;然后,结合因素分析法对重要性特征进行筛选,以避免冗余信息对结果准确性和计算效率造成影响;最后,采用随机森林模型和XGBoost模型分别构建不同规则的集成模型,并与实际观测数据进行对比分析。研究结果表明,多维气象特征的引入可以有效提升待建风电场长期风速的拟合效果,进而提升风能资源评估结果的精度,满足实际工程的需要。

风电场测风数据插补方法研究及插补结果偏差分析

为解决在风资源评估阶段,数据插补应用条件及插补结果偏差难以量化、插补算法难以选择等相关问题,通过大量数据模拟实际缺失情况,采用插补方法将数据补全,利用均方误差(MSE)、威布尔分布k值、平均风速、风功率密度、风电机组发电量5个评价指标构建指标体系,与真实数据进行了对比及偏差分析,在此基础上得出了数据插补应用的相关系数水平,并推荐了最优的测风月份及最优的测风数据插补算法。