风资源评估软件：WindFarmer二次开发_（2）.风资源评估基础理论.docx

PAGE1

PAGE1

风资源评估基础理论

1.风能资源的基本概念

风能资源是指自然界中可以利用的风能，是可再生能源的重要组成部分。风能资源的评估是风电场选址和设计的基础，涉及风速、风向、风能密度等关键参数的测量和分析。本节将详细介绍风能资源的基本概念，包括风速、风向、风能密度等，并探讨这些参数的测量方法和数据处理技术。

1.1风速

风速是指单位时间内空气的移动距离，通常以米/秒（m/s）为单位。风速的测量是风资源评估的核心，常见的风速测量方法包括风杯式风速计、超声波风速计和激光雷达等。

1.1.1风速测量设备

风杯式风速计：通过风杯的旋转来测量风速，适用于较低风速的测量。

超声波风速计：利用超声波在空气中的传播速度来测量风速，具有较高的精度和稳定性。

激光雷达：使用激光技术测量远距离和高空的风速，适用于大型风电场的风资源评估。

1.1.2风速数据处理

风速数据的处理包括数据清洗、统计分析和时间序列分析等步骤。数据清洗主要是去除异常值和缺失值，统计分析则包括计算平均风速、风速分布等，时间序列分析则用于识别风速的变化规律。

#示例：风速数据清洗

importpandasaspd

#读取风速数据

wind_speed_data=pd.read_csv(wind_speed_data.csv)

#查看数据的基本信息

print(wind_speed_data.info())

#去除缺失值

wind_speed_data.dropna(inplace=True)

#去除异常值

wind_speed_data=wind_speed_data[(wind_speed_data[wind_speed]0)(wind_speed_data[wind_speed]30)]

#重新查看数据的基本信息

print(wind_speed_data.info())

1.2风向

风向是指风的来向，通常以度（°）为单位。风向的测量同样重要，常见的风向测量设备包括风向标和超声波风向计。风向数据的处理包括风向分布的统计分析和风向频率的计算。

1.2.1风向测量设备

风向标：通过风向标的指向来测量风向，适用于较低高度的测量。

超声波风向计：利用超声波在空气中的传播速度和方向来测量风向，具有较高的精度和稳定性。

1.2.2风向数据处理

风向数据的处理主要包括风向分布的统计分析和风向频率的计算。风向分布的统计分析可以帮助了解某一区域的主导风向，风向频率的计算则可以确定不同风向的出现概率。

#示例：风向数据处理

importmatplotlib.pyplotasplt

#读取风向数据

wind_direction_data=pd.read_csv(wind_direction_data.csv)

#统计风向分布

wind_direction_data[wind_direction].hist(bins=36,range=(0,360),density=True,alpha=0.75,color=blue)

#计算风向频率

wind_direction_frequency=wind_direction_data[wind_direction].value_counts(bins=36,normalize=True)

#绘制风向频率分布图

plt.figure(figsize=(10,6))

plt.bar(wind_direction_frequency.index,wind_direction_frequency.values,width=10)

plt.xlabel(风向(度))

plt.ylabel(频率)

plt.title(风向频率分布)

plt.xticks(range(0,360,30))

plt.show()

1.3风能密度

风能密度是指单位面积风能的功率，通常以瓦特/平方米（W/m2）为单位。风能密度的计算公式为：

E

其中，E为风能密度，ρ为空气密度（一般取1.225kg/m3），v为风速。

1.3.1风能密度的计算

风能密度的计算需要风速和空气密度的数据，通过上述公式可以计算出不同风速下的风能密度。风能密度的计算结果可以用于评估某一区域的风能潜力。

#示例：风能密度计算

importnumpyasnp

#定义空气密度

rho=1.225#kg/m3

#读取风速数据

wind_speed_data=pd.read_csv(wind_speed_data.csv)

#计算风能密度