一种复杂山地风资源快速评估方法、装置、设备及介质与流程

摘要: 本技术涉及风能资源评估,尤其是涉及一种复杂山地风资源快速评估方法、装置、设备及介质。背景技术:1、风资源快速评估是风电场宏观选址、微观布机、机组载荷预判和发电量...
一种复杂山地风资源快速评估方法、装置、设备及介质与流程

本技术涉及风能资源评估,尤其是涉及一种复杂山地风资源快速评估方法、装置、设备及介质。

背景技术:

1、风资源快速评估是风电场宏观选址、微观布机、机组载荷预判和发电量测算的前置环节。传统复杂山地风资源评估通常基于数字高程模型、地表粗糙度和边界来流建立计算域,通过计算流体动力学或中微尺度耦合模型进行网格剖分和迭代求解。但每一个候选场址、风向或高度方案通常需要重新设置边界条件并执行数值迭代;当场址数量增加或布机方案频繁调整时,计算周期和专业人员投入显著增加。近年来也出现了基于深度学习的风场代理或降尺度模型,通过学习输入条件与流场之间的映射,以神经网络前向推理替代部分重复数值求解。但是,面向复杂山地快速筛查场景,现有技术仍存在以下不足:1. 在线评估对数值求解或外部背景风场依赖较强:传统cfd、中微尺度耦合以及部分智能增强方案仍需在评估阶段运行数值模型,或者需要输入低分辨率背景风场、初始流场等外部场信息,难以在仅具备地形资料和预设来流工况时直接完成场级快速重建。2. 地形条件的任务化表征不足:单一高程、坡度或一般地形特征向量能够描述局部几何形态,但对于地表粗糙度以及沿来流方向连续抬升、遮挡和通道效应的显式表达不足,导致相似高差但不同来流路径结构的地形在模型输入端不易区分。3. 全局风场格局与局部高频结构难以兼顾:普通卷积或标准注意力结构容易优先拟合较平滑的大尺度主分布,而坡顶加速、峡谷射流、剪切层、分离再附、局部回流和垂直速度突变等局部结构容易被过度平滑。4. 目标高度与解码过程结合不足:部分方案将目标高度作为后处理插值参数,或者分别训练多个固定高度模型,使网络内部难以直接学习不同高度切片之间的相关性和局部地形响应差异,同时增加模型维护成本。因此,需要一种能够在预设来流工况下,无需在在线阶段重新执行cfd迭代且无需外部粗分辨率背景风场的快速评估技术。

技术实现思路

1、有鉴于此,本技术的目的在于提供一种复杂山地风资源快速评估方法、装置、设备及介质,在线阶段无需提供cfd初始流场、外部背景风场或进行cfd迭代求解,从而显著提升复杂山地风资源评估效率,通过多通道地形条件与目标高度的协同表征,结合编码器和解码器的架构,实现了在仅输入地形数据和目标高度的前提下,准确地确定出山地风资源的评估结果。

2、本技术实施例提供了一种复杂山地风资源快速评估方法,所述复杂山地风资源快速评估方法包括:

3、构建预设来流工况下的多通道地形条件张量;其中,所述多通道地形条件张量至少包括相对高程、地表粗糙度以及来流通道正高差累积特征;

4、将所述多通道地形条件张量输入至预先训练的风场评估模型中,基于编码器对所述多通道地形条件张量进行多尺度频率调制编码得到共享编码特征,基于解码器对所述共享编码特征以及注入的目标高度进行解码,得到多通道风场预测结果;其中,所述多通道风场预测结果包括压力扰动、湍动能和三个方向的风速;

5、将所述多通道风场预测结果进行反归一化处理,得到目标高度的复杂地形风资源快速评估。

6、在一种可能的实施方式之中,通过以下步骤构建预设来流工况下的多通道地形条件张量:

7、获取目标区域的数字高程模型和地表粗糙度数据,基于所述数字高程模型计算相对高程;

8、基于预设来流工况和所述数字高程模型,计算沿来流方向的来流通道累积特征;

9、将所述相对高程、地表粗糙度和来流通道累积特征组合,构建所述多通道地形条件张量。

10、在一种可能的实施方式之中,所述基于编码器对所述多通道地形条件张量进行多尺度频率调制编码得到共享编码特征,包括:

11、将所述多通道地形条件张量经卷积特征提取与尺度适配转换为m×m编码特征,并保留低分辨率地形特征和高分辨率地形特征;

12、将所述编码特征按预设patch划分映射为token序列并加入位置信息;

13、对所述token序列进行包含注意力主响应、补充残差和频域动态缩放的联合编码,得到共享编码特征。

14、在一种可能的实施方式之中,所述对所述token序列进行包含注意力主响应、补充残差和频域动态缩放的联合编码,得到共享编码特征,包括:

15、对所述token序列进行线性映射,得到查询特征、键特征和值特征,根据所述查询特征和键特征计算注意力矩阵;

16、生成由当前token序列确定的动态门控,并按照所述动态门控将注意力主响应与补充残差进行融合,得到注意力融合特征;

17、对所述token序列进行频域变换,并按照内容相关路由权重对频域变换后的特征进行分组动态缩放,再经频域逆变换映射回空间域,得到频率调制特征;

18、将所述token序列、所述注意力融合特征和所述频率调制特征按融合系数加权组合得到当前编码块的输出特征,将多个所述编码块串联,确定出所述共享编码特征。

19、在一种可能的实施方式之中,所述基于解码器对所述共享编码特征以及注入的目标高度进行解码,得到多通道风场预测结果,包括:

20、将所述共享编码特征分别输入五个独立解码分支,在低分辨率阶段融合低分辨率地形特征并注入由所述目标高度生成的第一组高度调制参数,在高分辨率阶段融合高分辨率地形特征并注入由所述目标高度生成的第二组高度调制参数,各分支生成预测场;

21、将各预测场高分辨率恢复并对齐到工程网格,得到多通道风场预测结果。

22、在一种可能的实施方式之中,每个独立解码分支采用基场—残差形式生成对应预测场:

23、

24、其中,为预测场的类别,,表示第c个类别在当前解码尺度下的预测结果,为较平滑背景分布的基场分量,为受局部地形影响形成的修正分量,分别对应压力扰动、湍动能、x方向的风速分量、y方向的风速分量以及z方向的风速分量。

25、在一种可能的实施方式之中,通过以下步骤确定出所述风场评估模型:

26、获取训练样本,所述训练样本包括多通道地形条件样本、目标高度样本以及通过计算流体动力学计算得到的五通道物理量真实场;

27、对所述五通道物理量真实场进行通道独立归一化处理,得到监督数据;

28、将所述多通道地形条件样本和目标高度样本输入神经网络模型,得到五通道预测结果;

29、通过损失函数计算所述五通道预测结果与所述监督数据之间的误差;

30、根据所述误差统一更新所述神经网络模型的网络参数,使共享的所述编码器与各独立解码分支协同训练,确定出所述风场评估模型。

31、本技术实施例还提供了一种复杂山地风资源快速评估装置,所述复杂山地风资源快速评估装置包括:

32、条件构建模块,用于构建预设来流工况下的多通道地形条件张量;其中,所述多通道地形条件张量至少包括相对高程、地表粗糙度以及来流通道正高差累积特征;

33、风场评估模块,用于将所述多通道地形条件张量输入至预先训练的风场评估模型中,基于编码器对所述多通道地形条件张量进行多尺度频率调制编码得到共享编码特征,基于解码器对所述共享编码特征以及注入的目标高度进行解码,得到多通道风场预测结果;其中,所述多通道风场预测结果包括压力扰动、湍动能和三个方向的风速;

34、输出模块,用于将所述多通道风场预测结果进行反归一化处理,得到目标高度的复杂地形风资源快速评估。

35、本技术实施例还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如上述的复杂山地风资源快速评估方法的步骤。

36、本技术实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如上述的复杂山地风资源快速评估方法的步骤。

37、本技术实施例提供的一种复杂山地风资源快速评估方法、装置、设备及介质,所述复杂山地风资源快速评估方法包括:构建预设来流工况下的多通道地形条件张量;其中,所述多通道地形条件张量至少包括相对高程、地表粗糙度以及来流通道正高差累积特征;将所述多通道地形条件张量输入至预先训练的风场评估模型中,基于编码器对所述多通道地形条件张量进行多尺度频率调制编码得到共享编码特征,基于解码器对所述共享编码特征以及注入的目标高度进行解码,得到多通道风场预测结果;其中,所述多通道风场预测结果包括压力扰动、湍动能和三个方向的风速;将所述多通道风场预测结果进行反归一化处理,得到目标高度的复杂地形风资源快速评估。在线阶段无需提供cfd初始流场、外部背景风场或进行cfd迭代求解,从而显著提升复杂山地风资源评估效率,通过多通道地形条件与目标高度的协同表征,结合编码器和解码器的架构,实现了在仅输入地形数据和目标高度的前提下,准确地确定出山地风资源的评估结果。

38、为使本技术的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。