System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【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。