基于神经网络算法的测风塔布置方案确定方法技术

本发明专利技术公开了一种基于神经网络算法的测风塔布置方案确定方法，涉及风力发电技术领域,提供一种利于使拟建风场测风塔位置和数量更加合理的测风塔布置方案确定方法。该方法包括以下步骤：A、确定拟建风电场的范围和每台风电机组的位置；B、选取首座测风塔的位置；C、选取拟建风电场附近或与拟建风电场地形相似的某一个已建风电场，读取并整理该已建风电场数据；D、已建风电场神经网络拟合得到训练好的神经网络模型；E、拟建风电场神经网络预测；F、测风塔布置方案设计。本发明专利技术提出测风塔布置方案确定的算法和标准，可避免测风塔布置方案确定过多地受人为因素影响，避免出现误判，能够较为准确地确定拟建风场测风塔的位置和数量。

【技术实现步骤摘要】
基于神经网络算法的测风塔布置方案确定方法
本专利技术涉及风力发电
，尤其涉及一种基于神经网络算法的测风塔布置方案确定方法。
技术介绍
目前，风电场风能资源评估普遍采用的做法是：在场址区域设立测风塔，以测风塔数据及地形信息为基础，通过风能资源评估软件(WT、Windsim、wasp等)推算整个风电场区域的风能资源分布，并进行发电量计算。测风塔数据作为基础数据，测风塔设置方案直接影响整个风电场风能资源评估的精度，进而影响风电项目发电量计算的精度。测风塔设置方案涉及测风塔的数量和位置，针对风电场开发而言，测风塔设置应对全场具备代表性。测风塔代表性一般从范围代表性、海拔代表性、粗糙度代表性、高度配置代表性四个方面来考虑，特殊地形则单独设置功能性测风塔，以控制整个风电场的风能资源。针对复杂地形风电场的测风塔代表范围，国内外的研究较少。刘昌华对内蒙某一平坦地形风电场的测风塔数据和机舱测风仪数据进行相关性分析，结果证明了平坦地形条件下风力发电机组与风电场内测风塔风速数据具有极强的相关性。该研究仅针对平坦地形，且未对测风塔的代表范围进行定义。王蕊等提出，风电场中山脊明显且相对平坦、开阔，测风塔代表范围：2km～5km；风电场中山脊明显、狭长，测风塔代表范围：狭长5km；风电场山脊不明显、山顶浑圆，测风塔代表范围：5km2。但并未提出该数据的计算方法。在现有技术方法中，测风方案的制定多凭借设计者经验初步确立测风塔覆盖范围，尤其对于地形复杂的区域，缺乏定量参数来评估测风塔的代表性。该类做法会造成设计结果不精确，不能正确反映该区域的实际风能资源状况，造成各风电机组发电量的设计值与项目投产后的实测值存在明显差异。主要存在以下弊端：(1)、设计人员根据实际工程经验，主要以海拔、固定的距离作为参考标准，选择测风塔的位置。其主要弊端体现为：受人为因素影响较大，无统一标准，针对不同的地形条件，测风塔能代表的距离范围应具有较大差异，借设计人员工程经验，容易造成误判。(2)出现测风塔的仅对部分机位具备代表性的现象。大型风电场一般是开发范围为几公里到十几公里不等，测风塔布置不当，容易造成测风塔仅对部分机位具备代表性的现象。采用上述方法主要弊端为：测风塔数量设置不足，或设置的测风塔数量虽然多，但其代表性不能覆盖场区内的所有机组。测风塔代表性不足主要造成的后果为：①设计阶段模拟的风能资源分布与实际风能资源分布有较大差异，因为风能资源评估需要以测风塔数据作为基础数据，对测风塔不具备代表性的区域，经常存在数据高估及低估的现象；②容易产生低效机组。在测风塔代表性不足的区域布设风电机组，具有较大风险，在风能资源被高估的区域布置风电机组，其发电量会低于设计值。低效机组现象在西南复杂山地地区尤为明显，部分机组设计年等效利用小时为2000小时，而实际发年等效利用小时只有500小时。综上所述，通过设计人员凭借工程经验选取测风塔布置方案，存在较大的风险，直接造成测风塔的代表性不足，进而影响风电场风能资源评估的精度，造成风电场低效机组的出现。
技术实现思路
本专利技术要解决的技术问题是：提供一种利于使拟建风场测风塔位置和数量更加合理的测风塔布置方案确定方法。为解决上述问题采用的技术方案是：基于神经网络算法的测风塔布置方案确定方法包括以下步骤：A、确定拟建风电场的范围和每台风电机组的位置；B、选取首座测风塔的位置；拟建风电场位于复杂地形处时，首座测风塔位于海拔最高点；拟建风电场位于平坦地形处时，首座测风塔位于拟建风电场的范围的中心点；C、选取拟建风电场附近或与拟建风电场地形相似的某一个已建风电场，读取并整理该已建风电场数据；读取并整理已建风电场数据包括以下步骤：C1、读取已建风电场各个生产用测风塔和各台风电机组一段时期内间隔一段时间的多个时间点的风速数据，从而得到与各个生产用测风塔对应的一组生产用测风塔风速数据和与各台风电机组对应的一组风电机组风速数据；C2、读取已建风电场各个生产用测风塔和各台风电机组的大地坐标及高程；C3、确定已建风电场的主风向；C4、将每台风电机组与每个测风塔之间的距离向量进行分解得到多组距离数据，该距离数据包括垂直主风向方向的行距X1、主风向方向同向的列距Y1和高差Z1；C5、计算每组风电机组风速数据与每组生产用测风塔风速数据的相关系数，得到多个相关系数，一个相关系与一个距离数据对应；D、已建风电场神经网络拟合，将已建风电场的相关系数设置为输出参数，距离数据设置为输入参数，设置神经网络参数并进行神经网络拟合，得到训练好的神经网络模型；E、拟建风电场神经网络预测，拟建风电场神经网络预包括以下步骤：E1、确定拟建风电场的主风向；E2、将拟建风电场每台风电机组与首座测风塔之间的距离向量进行分解得到多组距离数据，该距离数据包括垂直主风向方向的行距X2、主风向方向同向的列距Y2和高差Z2；E3、将拟建风电场的距离数据设置为输入参数并输入训练好的神经网络模型，预测拟建风电场各台风电机组与首座测风塔的相关系数R2，得到多个相关系数{R21、R22、……R2N}；F、测风塔布置方案设计，测风塔布置方案设计包括以下步骤：F1、读取min{R21、R22、……R2N}，若小于0.8，则在最小值对应的风电机组上风向二倍风轮直径处增设一座测风塔；F2、对于增设的测风塔，按照步骤E进行相关系数R3预测，预测值为{R31、R32、……R3N}；F3、读取min{max(R21、R31)、max(R22、R32)、……max(R2N、R3N)}，若小于0.8，则在最小值对应的的机组上风向2倍风轮直径处增设一座测风塔；F4、重复F2和F3，直至读取的相关系数最小值大于0.8。进一步的是：步骤C1为，读取已建风电场各个生产用测风塔和各台风电机组一年内间隔10min的多个时间点的风速数据，从而得到与各个生产用测风塔对应的一组生产用测风塔风速数据和与各台风电机组对应的一组风电机组风速数据。本专利技术的有益效果是：本专利技术提出测风塔布置方案确定的算法和标准，可避免测风塔布置方案确定过多地受人为因素影响，避免出现误判。2、本专利技术能够较为准确地确定拟建风场测风塔的位置和数量，使得各风电机组均具有代表性高的测风塔与之对应。根据本专利技术方法确定并设置测风塔后，能够准确较为评估风电机组处的风能，利于准确设置风电机组。附图说明图1是基于神经网络算法的测风塔布置方案确定方法的流程图；具体实施方式下面结合附图和具体实施方式对本专利技术进一步说明。基于神经网络算法的测风塔布置方案确定方法包括以下步骤：A、确定拟建风电场的范围和每台风电机组的位置；B、选取首座测风塔的位置；拟建风电场位于复杂地形处时，首座测风塔位于海拔最高点；拟建风电场位于平坦地形处时，首座测风塔位于拟建风电场的范围的中心点；C、选取拟建风电场附近或与拟建风电场地形相似的某一个已建风电场，读取并整理该已建风电场数据；读取并整理已建风电场数据包括以下步骤：C1、读取已建风电场各个生产用测风塔和各台风电机组一段时期内间隔一段时间的多个时间点的风速数据，从而得到与各个生产用测风塔对应的一组生产用测风塔风速数据和与各台风电机组对应的一组风电机组风速数据；C2、读取已建风电场各个生产用测风塔和各台风电机组的大地坐标及高程；C3、确定已建风电场的主本文档来自技高网...

【技术保护点】
1.基于神经网络算法的测风塔布置方案确定方法：其特征在于：包括以下步骤：A、确定拟建风电场的范围和每台风电机组的位置；B、选取首座测风塔的位置；拟建风电场位于复杂地形处时，首座测风塔位于海拔最高点；拟建风电场位于平坦地形处时，首座测风塔位于拟建风电场的范围的中心点；C、选取拟建风电场附近或与拟建风电场地形相似的某一个已建风电场，读取并整理该已建风电场数据；读取并整理已建风电场数据包括以下步骤：C1、读取已建风电场各个生产用测风塔和各台风电机组一段时期内间隔一段时间的多个时间点的风速数据，从而得到与各个生产用测风塔对应的一组生产用测风塔风速数据和与各台风电机组对应的一组风电机组风速数据；C2、读取已建风电场各个生产用测风塔和各台风电机组的大地坐标及高程；C3、确定已建风电场的主风向；C4、将每台风电机组与每个测风塔之间的距离向量进行分解得到多组距离数据，该距离数据包括垂直主风向方向的行距X1、主风向方向同向的列距Y1和高差Z1；C5、计算每组风电机组风速数据与每组生产用测风塔风速数据的相关系数，得到多个相关系数，一个相关系与一个距离数据对应；D、已建风电场神经网络拟合，将已建风电场的相关系数设置为输出参数，距离数据设置为输入参数，设置神经网络参数并进行神经网络拟合，得到训练好的神经网络模型；E、拟建风电场神经网络预测，拟建风电场神经网络预包括以下步骤：E1、确定拟建风电场的主风向；E2、将拟建风电场每台风电机组与首座测风塔之间的距离向量进行分解得到多组距离数据，该距离数据包括垂直主风向方向的行距X2、主风向方向同向的列距Y2和高差Z2；E3、将拟建风电场的距离数据设置为输入参数并输入训练好的神经网络模型，预测拟建风电场各台风电机组与首座测风塔的相关系数R2，得到多个相关系数{R21、R22、……R2N}；F、测风塔布置方案设计，测风塔布置方案设计包括以下步骤：F1、读取min{R21、R22、……R2N}，若小于0.8，则在最小值对应的风电机组上风向二倍风轮直径处增设一座测风塔；F2、对于增设的测风塔，按照步骤E进行相关系数R3预测，预测值为{R31、R32、……R3N}；F3、读取min{max(R21、R31)、max(R22、R32)、……max(R2N、R3N)}，若小于0.8，则在最小值对应的的机组上风向2倍风轮直径处增设一座测风塔；F4、重复步骤F2和F3，直至读取的相关系数最小值大于0.8。...

【技术特征摘要】
1.基于神经网络算法的测风塔布置方案确定方法：其特征在于：包括以下步骤：A、确定拟建风电场的范围和每台风电机组的位置；B、选取首座测风塔的位置；拟建风电场位于复杂地形处时，首座测风塔位于海拔最高点；拟建风电场位于平坦地形处时，首座测风塔位于拟建风电场的范围的中心点；C、选取拟建风电场附近或与拟建风电场地形相似的某一个已建风电场，读取并整理该已建风电场数据；读取并整理已建风电场数据包括以下步骤：C1、读取已建风电场各个生产用测风塔和各台风电机组一段时期内间隔一段时间的多个时间点的风速数据，从而得到与各个生产用测风塔对应的一组生产用测风塔风速数据和与各台风电机组对应的一组风电机组风速数据；C2、读取已建风电场各个生产用测风塔和各台风电机组的大地坐标及高程；C3、确定已建风电场的主风向；C4、将每台风电机组与每个测风塔之间的距离向量进行分解得到多组距离数据，该距离数据包括垂直主风向方向的行距X1、主风向方向同向的列距Y1和高差Z1；C5、计算每组风电机组风速数据与每组生产用测风塔风速数据的相关系数，得到多个相关系数，一个相关系与一个距离数据对应；D、已建风电场神经网络拟合，将已建风电场的相关系数设置为输出参数，距离数据设置为输入参数，设置神经网络参数并进行神经网络拟合，得到训练好的神经网络模型；E、拟建风电场神经网络预测，拟建风电场神经网络预包...

【专利技术属性】
技术研发人员：郁永静，李良县，熊万能，
申请(专利权)人：中国电建集团成都勘测设计研究院有限公司，
类型：发明
国别省市：四川,51