一种区域风能理论潜力评估方法、系统、终端及存储介质

本发明涉及数据处理，尤其涉及一种区域风能理论潜力评估方法、系统、终端及计算机可读存储介质。

背景技术：

1、区域风能资源评估是风电规划与能源管理的重要基础，理论风能潜力是后续各项约束分析的前提。传统方法通常基于固定高度处的平均风速或风功率密度估算资源总量，并结合土地利用、坡度、电网接入等条件识别可开发区。风速建模方面，weibull（威布尔）分布因结构简单、适用性强而被广泛采用，常用参数估计方法包括最大似然估计和矩估计，这些方法通常将分布参数估计为固定值。

2、然而，现有理论潜力评估存在以下不足：仅基于单一高度风速计算，忽略风机转子扫掠范围内的垂向风速变化；采用固定空气密度，未考虑高度和温度变化的影响；使用固定年可用小时数，未针对各网格实际统计有效运行时间；未充分考虑贝茨极限和风机功率曲线等物理约束；参数估计难以量化不确定性，也无法融合多年历史信息与目标年份观测数据，评估结果缺少可信区间和保守潜力，难以满足区域规划对潜力稳定性和风险差异的判断需求。

3、因此，现有技术还有待于改进和发展。

技术实现思路

1、本发明的主要目的在于提供一种区域风能理论潜力评估方法、系统、终端及计算机可读存储介质，旨在解决现有技术未考虑风机转子垂向风速变化、空气密度变化及有效运行小时数差异，未充分考虑风机功率提取的物理约束，且无法量化参数不确定性，导致区域风能理论潜力评估精度不足，缺乏可信区间和保守潜力信息的问题。

2、为实现上述目的，本发明提供一种区域风能理论潜力评估方法，所述一种区域风能理论潜力评估方法包括如下步骤：

3、获取待评估区域的多年历史风速数据、目标年份风速数据、气温数据、气压数据、数字高程模型数据和风机参数数据，根据所述风机参数数据中的轮毂高度进行风速高度订正，将风速数据订正至风机轮毂高度，生成各网格的数据集；

4、基于所述数据集中订正后的多年历史风速数据，按年份估计每个网格的weibull形状参数和weibull尺度参数，得到历史形状参数序列和历史尺度参数序列；

5、根据所述历史形状参数序列构建形状参数的gamma先验分布，根据所述历史尺度参数序列构建尺度参数的gamma先验分布，得到第一先验层，并以gamma超参数的jeffreys先验作为第二先验层，构建双层贝叶斯先验结构；

6、基于所述数据集中订正后的多年历史风速数据，建立每个网格的目标年份风速似然函数，根据贝叶斯定理，将所述双层贝叶斯先验结构与所述目标年份风速似然函数相乘，生成每个网格的联合后验概率密度分布；

7、将所述联合后验概率密度分布的正值参数转换至无约束对数空间，基于转换后的概率密度和对应梯度，采用哈密顿蒙特卡洛算法进行采样，得到初始样本集，对所述初始样本集执行多链收敛检验和有效样本量评价，生成weibull形状参数和weibull尺度参数的联合后验样本集；

8、根据所述数据集中的所述气温数据、所述气压数据、所述数字高程模型数据、所述风机参数数据和所述目标年份风速数据，执行空气密度计算和有效运行小时数统计，并根据所述联合后验样本集，通过转子垂向条带积分得到区域理论风能潜力的后验样本集合；

9、根据所述后验样本集合计算各网格的后验均值、p90潜力和不确定性等级，得到待评估区域的区域风能理论潜力评估结果。

10、可选地，所述的区域风能理论潜力评估方法，其中，所述根据所述历史形状参数序列构建形状参数的gamma先验分布，根据所述历史尺度参数序列构建尺度参数的gamma先验分布，得到第一先验层，并以gamma超参数的jeffreys先验作为第二先验层，构建双层贝叶斯先验结构，具体包括：

11、将所述历史形状参数序列作为形状参数观测样本，采用矩估计法计算所述形状参数观测样本的样本均值和样本方差，根据gamma分布的均值公式和方差公式，利用所述形状参数观测样本的样本均值和样本方差反推形状超参数初始值和先验率超参数初始值，生成weibull形状参数的gamma先验分布；

12、将所述历史尺度参数序列作为尺度参数观测样本，采用矩估计法计算所述尺度参数观测样本的样本均值和样本方差，根据gamma分布的均值公式和方差公式，利用所述尺度参数观测样本的样本均值和样本方差反推尺度超参数初始值和先验率超参数初始值，生成weibull尺度参数的gamma先验分布，将所述weibull形状参数的gamma先验分布和所述weibull尺度参数的gamma先验分布作为所述第一先验层；

13、将所述weibull形状参数的gamma先验分布的形状超参数和先验率超参数作为第一超参数对，将所述weibull尺度参数的gamma先验分布的形状超参数和先验率超参数作为第二超参数对，将所述第一超参数对和所述第二超参数对均设置为联合jeffreys超先验，以得到所述第二先验层；

14、基于所述第一先验层和所述第二先验层，构建双层贝叶斯先验结构；

15、其中，每一联合jeffreys超先验的密度函数正比于对应gamma分布的形状超参数和先验率超参数的fisher信息矩阵行列式的平方根。

16、可选地，所述的区域风能理论潜力评估方法，其中，所述根据贝叶斯定理，将所述双层贝叶斯先验结构与所述目标年份风速似然函数相乘，生成每个网格的联合后验概率密度分布，具体包括：

17、获取所述目标年份风速似然函数、所述weibull形状参数的gamma先验分布、所述weibull尺度参数的gamma先验分布、所述第一超参数对的联合jeffreys超先验密度和所述第二超参数对的联合jeffreys超先验密度；

18、将所述目标年份风速似然函数、所述weibull形状参数的gamma先验分布、所述weibull尺度参数的gamma先验分布以及两个超参数对的联合jeffreys超先验密度相乘，得到目标年份weibull参数及相应gamma超参数的联合后验概率密度函数表达式；

19、将所述联合后验概率密度函数表达式作为每个网格的联合后验概率密度分布。

20、可选地，所述的区域风能理论潜力评估方法，其中，所述将所述联合后验概率密度分布的正值参数转换至无约束对数空间，基于转换后的概率密度和对应梯度，采用哈密顿蒙特卡洛算法进行采样，得到初始样本集，对所述初始样本集执行多链收敛检验和有效样本量评价，生成weibull形状参数和weibull尺度参数的联合后验样本集，具体包括：

21、设置链间收敛条件和有效样本量阈值，将所述联合后验概率密度分布中的weibull形状参数、weibull尺度参数和gamma先验分布的形状超参数和先验率超参数转换至无约束对数参数空间，得到参数位置向量，并根据转换后的联合后验概率密度分布定义势能函数；

22、其中，转换至无约束对数参数空间的变量变换的雅可比修正项由后验采样程序在构建无约束参数空间的目标概率密度时自动计入；

23、为所述参数位置向量引入辅助动量变量，通过所述势能函数和所述辅助动量变量构造哈密顿量，根据所述哈密顿量的梯度生成动力学轨迹，基于所述动力学轨迹进行基于双层贝叶斯结构的哈密顿蒙特卡洛后验采样，获得初始样本集；

24、并行运行多条采样链，基于所有采样链上的weibull形状参数和weibull尺度参数，以及weibull形状参数和weibull尺度参数对应的gamma超参数，计算链间收敛指标，当所有参数的链间收敛指标均满足所述链间收敛条件时，判定对应空间网格的初始样本集通过收敛检验；

25、对通过收敛检验的所有参数计算有效样本量，当任一待估参数的有效样本量低于所述有效样本量阈值时，判定对应网格未通过采样质量检验，通过增加预热次数、增加正式采样次数或者调整采样控制参数重新执行后验采样，并将通过质量检验的采样链在预热期之后生成的样本作为有效联合后验样本集。

26、可选地，所述的区域风能理论潜力评估方法，其中，所述根据所述数据集中的所述气温数据、所述气压数据、所述数字高程模型数据、所述风机参数数据和所述目标年份风速数据，执行空气密度计算和有效运行小时数统计，具体包括：

27、获取所述风机参数数据中的轮毂高度、叶片半径、切入风速和切出风速；

28、根据所述轮毂高度和所述叶片半径确定转子扫掠下缘高度和转子扫掠上缘高度，将所述转子扫掠下缘高度至所述转子扫掠上缘高度的垂向区间作为转子扫掠垂向区间；

29、将所述转子扫掠垂向区间划分为多个微元条带，确定每个微元条带的条带中心高度；

30、对每个微元条带，利用所述气温数据、所述气压数据和所述数字高程模型数据，计算所述条带中心高度处的空气密度；

31、根据所述目标年份风速数据，统计每个网格内风速介于所述切入风速和所述切出风速之间的小时数累计值，得到有效运行小时数。

32、可选地，所述的区域风能理论潜力评估方法，其中，所述根据所述联合后验样本集，通过转子垂向条带积分得到区域理论风能潜力的后验样本集合，具体包括：

33、将所述联合后验样本集中的每组weibull形状参数和weibull尺度参数代入weibull概率密度函数，利用风切变指数将所述数据集中订正至轮毂高度的风速数据订正至各微元条带的条带中心高度，结合所述空气密度、所述有效运行小时数以及各微元条带的横截面积，对从所述切入风速至所述切出风速的风速区间进行积分，并对所有微元条带进行累加，生成样本对应的理论风能潜力估算值；

34、将全部样本各自对应的理论风能潜力估算值共同作为区域理论风能潜力的后验样本集合。

35、可选地，所述的区域风能理论潜力评估方法，其中，所述根据所述后验样本集合计算各网格的后验均值、p90潜力和不确定性等级，得到待评估区域的区域风能理论潜力评估结果，具体包括：

36、从所述后验样本集合中提取每个网格的10%分位数作为p90潜力；

37、根据所述后验样本集合，计算每个网格的后验均值和95%可信区间，并计算所述95%可信区间的上限值与下限值的差值；

38、根据95%可信区间的上限值与下限值的差值得到区间宽度，按预设分级阈值将所述区间宽度划分为低不确定性等级、中不确定性等级和高不确定性等级，并基于划分结果得到每个网格对应的不确定性等级；

39、将所述后验均值、所述p90潜力和所述每个网格对应的不确定性等级作为待评估区域的区域风能理论潜力评估结果并输出。

40、此外，为实现上述目的，本发明还提供一种区域风能理论潜力评估系统，其中，所述区域风能理论潜力评估系统包括：

41、多源数据获取模块，用于获取待评估区域的多年历史风速数据、目标年份风速数据、气温数据、气压数据、数字高程模型数据和风机参数数据，根据所述风机参数数据中的轮毂高度进行风速高度订正，将风速数据订正至风机轮毂高度，生成各网格的数据集；

42、风速分布拟合模块，用于基于所述数据集中订正后的多年历史风速数据，按年份估计每个网格的weibull形状参数和weibull尺度参数，得到历史形状参数序列和历史尺度参数序列；

43、先验结构构建模块，用于根据所述历史形状参数序列构建形状参数的gamma先验分布，根据所述历史尺度参数序列构建尺度参数的gamma先验分布，得到第一先验层，并以gamma超参数的jeffreys先验作为第二先验层，构建双层贝叶斯先验结构；

44、后验概率密度计算模块，用于基于所述数据集中订正后的多年历史风速数据，建立每个网格的目标年份风速似然函数，根据贝叶斯定理，将所述双层贝叶斯先验结构与所述目标年份风速似然函数相乘，生成每个网格的联合后验概率密度分布；

45、联合后验采样模块，用于将所述联合后验概率密度分布的正值参数转换至无约束对数空间，基于转换后的概率密度和对应梯度，采用哈密顿蒙特卡洛算法进行采样，得到初始样本集，对所述初始样本集执行多链收敛检验和有效样本量评价，生成weibull形状参数和weibull尺度参数的联合后验样本集；

46、风能潜力计算模块，用于根据所述数据集中的所述气温数据、所述气压数据、所述数字高程模型数据、所述风机参数数据和所述目标年份风速数据，执行空气密度计算和有效运行小时数统计，并根据所述联合后验样本集，通过转子垂向条带积分得到区域理论风能潜力的后验样本集合；

47、评估与输出模块，用于根据所述后验样本集合计算各网格的后验均值、p90潜力和不确定性等级，得到待评估区域的区域风能理论潜力评估结果。

48、此外，为实现上述目的，本发明还提供一种终端，其中，所述终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的区域风能理论潜力评估程序，所述区域风能理论潜力评估程序被所述处理器执行时实现如上所述的区域风能理论潜力评估方法的步骤。

49、此外，为实现上述目的，本发明还提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储有区域风能理论潜力评估程序，所述区域风能理论潜力评估程序被处理器执行时实现如上所述的区域风能理论潜力评估方法的步骤。

50、本发明中，获取研究区域的多源数据并经预处理生成各网格数据集；基于多年历史风速数据估计每个网格的weibull参数，构建gamma先验分布作为第一先验层，以jeffreys超先验作为第二先验层，形成双层贝叶斯先验结构；基于目标年份风速数据建立似然函数，与先验结构相乘生成联合后验分布；将后验分布参数转换至无约束空间后进行分层贝叶斯蒙特卡洛采样，经多链收敛检验和有效样本量筛选得到联合后验样本集；结合气温、气压、高程及风机参数，执行风速垂向订正、空气密度计算和有效运行小时数统计，再基于联合后验样本集通过转子垂向条带积分得到理论风能潜力的后验样本集合；计算后验均值、p90潜力和不确定性等级，输出评估结果。本发明能够在保留多年历史风况信息的同时，量化weibull参数、超参数以及理论风能潜力的不确定性，提高区域风能理论潜力评估准确率，适用于大范围、高空间分辨率区域风能资源评估和规划管理。