【技术实现步骤摘要】
本专利技术属于风速预测，具体的为一种基于wrf和cfd数据耦合的中期风速预测方法。
技术介绍
1、随着化石能源的日渐枯竭，风电能清洁新能源的发展加快。由于风速的间歇性和随机性增加了电力系统的运行风险，需要准确预测未来一段时间的风速。目前学者研究主要集中于超短期和短期风速预测。国家标准gb/t 19963.1-2021首次增加风电中期功率预测的定义，为预测未来10天的发电功率。wrf模式在超短期和短期时间尺度的风速预报中表现优异，但仍存在网格分辨率差、难以捕捉局部地形特征等问题，且对于近地面风场的预测精度较差。为此，有必要引入微尺度数值模型，以综合考虑中尺度气象效应和微尺度地形效应对风场的综合影响，从而实现中期风速的准确预测。如公开号为cn111324936a的中国专利公开的风机风速预测方法、计算机可读存储介质和计算装置，利用wrf预报数据为cfd提供入流边界条件。尽管已有部分研究提出了利用wrf模式为微尺度cfd模式提供入口边界的方法，但仍没有解决近地面风场模拟精度的的根本问题，且计算效率较低。
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种基于wrf和cfd数据耦合的中期风速预测方法，结合wrf和cfd的各自优势，提升中期风速预测结果的准确性和稳定性。
2、为达到上述目的，本专利技术提供如下技术方案：
3、一种基于wrf和cfd数据耦合的中期风速预测方法，包括如下步骤：
4、步骤一：采集数据：
5、收集nwp中期预测数据，
6、收集gis地形数据，分辨率为30m；
7、收集目标位置风速风向序列实测数据；
8、步骤二：获取wrf高空数据和cfd高空数据：
9、wrf高空数据获取方法为：
10、wrf模拟：针对目标位置，建立wrf预报模式，以nwp中期预测数据作为输入源，得到考虑中尺度气象效应的未来一段时间目标位置附近的气象信息，即得到wrf中期模拟数据；
11、wrf高空数据：针对wrf中期模拟数据，以目标位置为中心，识别附近的关键网格节点位置，提取关键网格节点位置处wrf模拟的高空风速数据，记为uwrf(i,θ,t)，其中u表示风速，i表示第i个关键网格节点，t表示时刻，θ表示t时刻的风向；
12、cfd高空数据获取方法为：
13、cfd模拟：针对目标位置，建立微尺度cfd地形模型，并开展16个风向角的风场数值模拟，得到cfd全风向风场模拟数据库；
14、cfd高空数据：从cfd全风向风场模拟数据库内提取每个关键网格节点以及目标位置在16个风向上的cfd高空数据，计算目标位置相对于关键网格节节点位置的风速比，记为rcfd(i,θ)；
15、步骤三：订正后低空数据：
16、采用距离反比例加权法，结合wrf高空数据和cfd高空数据，得到目标位置的高空数据ucfd(θ,t)，利用指数律变换得到订正后的目标位置低空数据u(θ,t)，即得到了中期风速预测结果。
17、进一步，所述目标位置为测风塔或风电场。
18、进一步，wrf模拟采用3层网格嵌套，以目标测位置为模拟中心。
19、进一步，wrf高空数据和cfd高空数据的离地高度h为450m。
20、进一步，关键网格节点位置为包围目标位置的最近的4个wrf节点。
21、进一步，cfd模拟采用realizable k-ε湍流模型
22、进一步，采用距离反比例加权法计算目标位置的高空数据ucfd(θ,t)的方法为：
23、
24、
25、
26、其中，ui(θ,t)表示第i个节点在时刻t的风速u，其风向角为θ；wi表示距离权重系数；m表示关键网格节点数；xi、yi表示第i个关键网格节点的水平坐标；x、y表示目标位置的水平坐标；di表示目标位置与第i个关键网格节点之间的水平距离。
27、进一步，利用指数律变换得到订正后的目标位置低空数据u(θ,t)的方法为：
28、u(θ,t)＝ucfd(θ,t)×(h/h)α
29、其中，h表示目标位置的低空离地高度；α为指数律变换系数，根据目标位置风速风向实测数据推算得到；h表示高空数据离地高度。
30、本专利技术的有益效果在于：
31、本专利技术基于wrf和cfd数据耦合的中期风速预测方法，考虑中尺度气象效应，一方面利用wrf模拟针对目标位置开展中期预报，识别得到关键网格节点的wrf模拟高空预报风数据；另一方面，针对目标位置建立微尺度cfd模型，开展16个风向的cfd数值模拟，以考虑局部地形效应，得到关键网格节点和目标位置的cfd模拟高空预报风数据；基于距离反比例加权法得到目标位置的高空预报风速；最后，利用目标位置近期观测数据推算得到指数律系数，计算得到目标位置的低空中期预测风速，以避免wrf模式对于近地面风场模拟精度差的问题；综合以上，本专利技术可同时考虑中尺度气象效应和微尺度地形效应，能够有效避免wrf模式对于近地面风场模拟精度差的问题，大大提高风速预测的准确性和可靠性；实际应用中，可通过准确预测风速u(θ,t)为风电并网提供参考，从而节约用电成本。
本文档来自技高网...【技术保护点】
1.一种基于WRF和CFD数据耦合的中期风速预测方法，其特征在于：包括如下步骤：
2.根据权利要求1所述基于WRF和CFD数据耦合的中期风速预测方法，其特征在于：所述目标位置为测风塔或风电场。
3.根据权利要求1所述基于WRF和CFD数据耦合的中期风速预测方法，其特征在于：WRF模拟采用3层网格嵌套，以目标测位置为模拟中心。
4.根据权利要求1所述基于WRF和CFD数据耦合的中期风速预测方法，其特征在于：WRF高空数据和CFD高空数据的离地高度H为450m。
5.根据权利要求1所述基于WRF和CFD数据耦合的中期风速预测方法，其特征在于：关键网格节点位置为包围目标位置的最近的4个WRF节点。
6.根据权利要求1所述基于WRF和CFD数据耦合的中期风速预测方法，其特征在于：CFD模拟采用Realizable k-ε湍流模型。
7.根据权利要求1所述基于WRF和CFD数据耦合的中期风速预测方法，其特征在于：采用距离反比例加权法计算目标位置的高空数据UCFD(θ,t)的方法为：
8.根据权利要求1所述基
...【技术特征摘要】
1.一种基于wrf和cfd数据耦合的中期风速预测方法，其特征在于：包括如下步骤：
2.根据权利要求1所述基于wrf和cfd数据耦合的中期风速预测方法，其特征在于：所述目标位置为测风塔或风电场。
3.根据权利要求1所述基于wrf和cfd数据耦合的中期风速预测方法，其特征在于：wrf模拟采用3层网格嵌套，以目标测位置为模拟中心。
4.根据权利要求1所述基于wrf和cfd数据耦合的中期风速预测方法，其特征在于：wrf高空数据和cfd高空数据的离地高度h为450m。
5.根据权利要求1所述基于wrf和cfd数据耦...
【专利技术属性】
技术研发人员：胡伟成，李天，杨庆山，陈华鹏，张鹏飞，高革命，聂彪，
申请(专利权)人：华东交通大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。