基于长时间序列卫星数据的海面风能参数计算摘要:在有效的风能预测中,遥感卫星数据的海面风能参数是很重要的一部分,为促进风能源的更深次的利用提供基础。卫星数据来源于以微波散射计和微波辐射计作为主要器件的遥感卫星。本文对这两者的数据与浮标数据进行了线性比较,结果显示卫星数据与浮标数据具有高度的线性相一致,表明卫星数据具有一定的可信度。由于微波散射计属于一种主动式传感器,其自身发射并接收能量,因此不受天气干扰。本文中韦伯函数分布的形状参数k与尺度参数a的数值是经过微波散射计与地表浮标数据处理后计算得出。随后推算出风速的平均速度和总功率密度。47713
毕业论文关键词:浮标数据; 卫星数据; 形状参数k; 尺度参数a; 风功率密度;
Abstract:Effective wind forecast, the sea wind parameters remote sensing satellite data is a very important part, provide the basis for promoting a deeper use of wind energy in times. Satellite data from the microwave scatter meter and radiometer as a remote sensing satellite of the main device. In this paper, these two data with a linear comparison buoy data showed that satellite data and buoy data are consistent with a high degree of linearity, satellite data show a certain credibility. Because microwave scatter meter is a form of active sensors, transmit and receive energy of its own, and therefore not subject to weather interference. K value of the distribution function in this article Webber shape parameter and scale parameter is the result of a microwave scatter meter data processing and surface buoy calculated. Then calculate the average wind speed and total power density.
Key words:Buoy data; satellite data; shape parameter k; scale parameter a; wind power density.
目录目 录
引言 6
一.数据收集 7
(一)卫星数据收集 8
1.QUICKSCAT数据收集 8
2. WINDSAT数据收集 8
(二)浮标数据及整合 9
二.卫星数据的真实性检验与质量评价 9
(一)微波散射计(Quikscat)接收的风速与浮标测得的风速偏差比较 9
(二)微波辐射计(Windsat)接收的风速数据与浮标测得的风速数据偏差比较 14
三.风能参数计算 17
四、形状参数k与尺度参数c的计算 24
五、平均风速,风功率密度的估算 35
(一)平均速度的计算 35
(二)风功率密度的计算结果 37
六、总结 40
七、致谢 40
八、参考文献 40引言
随着科技的迅猛发展,人们生活水平的显著提高,能源的消耗正以增长的速度进行着。我们所处的时代正以信息化的形式进化着。而遥感的发展恰恰为信息化社会提供良好的基础。自从20世纪以来,在世界各个范围内出现了两次的石油危机。也正是这两次的石油危机使我们意识到了利用科技寻找和研制出新的能源来代替不可再生能源是及其重要和紧迫的事情。当然,大范围的开发和利用化石等不长久性能源的同时也对我们所处环境的气候变化,环境污染造成了严重的影响。众多的能源中,风能是比较清洁的可再生能源,风力发电技术这种可再生能源技术具有很大的发展潜力从而受到广泛的关注。美国对于风能的投资这一点上做的比较有先见性。过去其能源部门在风力能源的项目上投资了近25亿美元。同时规定了很多扶助计划和对风力发电用户及企业基于一定的补助来推动风能的利用。例如:若用户购买风力发电机超过1万美元,可以免税相当于7年间退还机组售价的40%,同时规定各电力公司可以优惠的进行风力发电机的回收。风力发电中最基础也是最重要的部分便是风电场的建设。这几年,风电场的建设相对以往不断的增加,对于风电场的建设需要风能资源评估作为基础[8]。风能资源评估的越精确,其风电场的建设越有利于风能的开发与收集。风能资源的评估关系到风力机的配置、发电量的计算等等。风能参数计算是整体风能资源评估中的一部分。例如风速,风矢量的均值,方差,极值等风能参数的计算都是采用了地面气象站点和遥感卫星每年接收的数据。遥感卫星有以微波辐射计和微波散射计为主要元器件两类。而微波散射计是一种主动式雷达探测计,它自身发射出能量波至海洋和地球表面,然后接收从海洋和地球表面回射来的反射波。通过转换装置将接收到的波信息分解出多维度的风相关信息。鉴于空气中的微分子对波回射的影响,我们需要对卫星数据受影响程度做一个分析。一般是用地表浮标测得的风相关数据和要进行检验的卫星数据做偏差计算。当计算结果符合指定指标时进一步的利用具有一定可信度的卫星数据来确定韦伯概率分布函数的形状参数k和尺度参数a。值得说明的是形状参数k和尺度参数a是韦伯概率分布函数的不确定因素。我们所获得的风速和风矢量数据具有时间上的排列特性,长时间序列的数据其计算精度会高于短时期数据。在美国气象网站上下载的最原始的数据是按每一年每时每刻所记录下的信息,所以需要将其在时间序列上进行重组。国外已多次将韦伯分布函数应用于风速概率的研究,风电场里的风力机其风功率输出与风速分布密不可分。1945年托马斯与1974年里德用全国各网站的统计数据计算出平均风速来估测美国的风力发电潜力。他们认为一个以风为动力的发电机组其平均功率取决于平均风速,并且受平均风速的偏差影响。[9]本文就是通过利用检验合格的卫星数据来估测韦伯分布函数的形状参数k与尺度参数a,从而得出风速概率分布函数,最后利用风速概率分布来演算风功率密度。风功率密度的价值是可以为风电场的选址做一个参考。