From 5c1146225cea1ad912c4e95e678e05d1c89fc315 Mon Sep 17 00:00:00 2001 From: liujia Date: Mon, 28 Apr 2025 08:22:03 +0800 Subject: [PATCH] =?UTF-8?q?=E6=9B=B4=E6=96=B0=20wind/wind2.py?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- wind/wind2.py | 272 +++++++++++++++++++++++++++----------------------- 1 file changed, 148 insertions(+), 124 deletions(-) diff --git a/wind/wind2.py b/wind/wind2.py index 5699177..d5c929a 100644 --- a/wind/wind2.py +++ b/wind/wind2.py @@ -1,40 +1,44 @@ import pandas as pd import math -from scipy.optimize import fsolve -import requests -import json -import os -def wind_farm_analysis(device_name, area_km2, electricity_price, file_path, latitude, longitude, - lateral_spacing_factor=5, longitudinal_spacing_factor=10, q=0.02, altitude=11, - hub_height=100, Cp=0.45, eta=0.8, cost_per_kw=5): +def wind_farm_analysis(device_name, area_km2, file_path, avg_temp, avg_wind_speed, + lateral_spacing_factor=5, longitudinal_spacing_factor=10, altitude=11, + hub_height=100, Cp=0.45, eta=0.8): """ - 封装函数：分析风电场的风机数量及各项经济和技术指标，使用 NASA POWER API 获取风速和温度数据 - + 封装函数：分析风电场的风机数量及各项经济和技术指标，直接输入年平均气温和年平均风速 参数： - device_name (str): 设备名称 + device_name (str): 风力发电机型号名称 area_km2 (float): 风电场面积（平方公里） - electricity_price (float): 电价（元/kWh） - file_path (str): 风机参数 Excel 文件路径 - latitude (float): 目标地点的纬度（度） - longitude (float): 目标地点的经度（度） - lateral_spacing_factor (float): 横向间距因子（默认为 5D） - longitudinal_spacing_factor (float): 纵向间距因子（默认为 10D） - q (float): 运维成本占初始投资成本的比例（默认 0.02 表示 2%） - altitude (float): 海拔高度（m），默认 11m - hub_height (float): 轮毂高度（m），默认 100m - Cp (float): 风能利用系数，默认 0.45 - eta (float): 总系统效率，默认 0.8 - cost_per_mw (float): 每 MW 投资成本（万元/MW），默认 5000 万元/MW - + file_path (str): 包含风机参数的Excel文件路径 + avg_temp (float): 年平均气温（摄氏度） + avg_wind_speed (float): 年平均风速（m/s） + lateral_spacing_factor (float): 横向间距因子（默认为5倍叶片直径，5D） + longitudinal_spacing_factor (float): 纵向间距因子（默认为10倍叶片直径，10D） + altitude (float): 海拔高度（m），默认11m + hub_height (float): 轮毂高度（m），默认100m + Cp (float): 风能利用系数（功率系数），默认0.45，反映风能转换效率 + eta (float): 总系统效率（包括机械和电气效率），默认0.8 返回： - dict: 包含风电场分析结果的字典 + dict: 包含风电场分析结果的字典，包括装机容量、发电量、环境效益等 """ def estimate_wind_turbine_count(area_km2, blade_diameter): + """ + 估算风电场可容纳的风机数量，基于面积和风机间距 + 参数： + area_km2 (float): 风电场面积（平方公里） + blade_diameter (float): 风机叶片直径（m） + + 返回： + int: 估算的风机数量 + """ + # 将面积从平方公里转换为平方米 area_m2 = area_km2 * 1_000_000 + # 计算横向和纵向间距（以叶片直径为单位） lateral_spacing = lateral_spacing_factor * blade_diameter longitudinal_spacing = longitudinal_spacing_factor * blade_diameter + # 单台风机占地面积 = 横向间距 * 纵向间距 turbine_area = lateral_spacing * longitudinal_spacing + # 风机数量 = 总面积 / 单台风机占地面积（取整数） turbine_count = int(area_m2 / turbine_area) print(f"单台风机占地面积: {turbine_area:,} 平方米 " f"(横向间距: {lateral_spacing} 米, 纵向间距: {longitudinal_spacing} 米)") @@ -42,13 +46,23 @@ def wind_farm_analysis(device_name, area_km2, electricity_price, file_path, lati return turbine_count def get_wind_turbine_specs(device_name, file_path): + """ + 从Excel文件中获取指定风机的参数 + 参数： + device_name (str): 风机型号名称 + file_path (str): Excel文件路径 + 返回： + tuple: 额定功率（kW）、扫风面积（m²）、叶片直径（m） + """ try: + # 读取Excel文件 df = pd.read_excel(file_path) + # 查找匹配的设备名称 match = df[df.iloc[:, 0] == device_name] if not match.empty: - rated_power = match.iloc[0, 1] - swept_area = match.iloc[0, 7] # 扫风面积 - blade_diameter = match.iloc[0, 6] # 叶片直径 + rated_power = match.iloc[0, 1] # 额定功率（kW） + swept_area = match.iloc[0, 7] # 扫风面积（m²） + blade_diameter = match.iloc[0, 6] # 叶片直径（m） print(f"找到设备 '{device_name}'，额定功率: {rated_power} KW, " f"扫风面积: {swept_area} m², 叶片直径: {blade_diameter} 米") return rated_power, swept_area, blade_diameter @@ -59,123 +73,135 @@ def wind_farm_analysis(device_name, area_km2, electricity_price, file_path, lati except Exception as e: raise Exception(f"发生错误: {str(e)}") - def fetch_nasa_data(latitude, longitude, start_year="2023", end_year="2023"): - """ - 从 NASA POWER API 获取 12 个月的平均气温和风速数据，不保存缓存 - """ - try: - url = (f"https://power.larc.nasa.gov/api/temporal/monthly/point?" - f"parameters=T2M,WS10M&community=RE&longitude={longitude}&latitude={latitude}&" - f"start={start_year}&end={end_year}&format=JSON") - response = requests.get(url) - response.raise_for_status() # 检查请求是否成功 - data = response.json() - - # 提取气温和风速数据 - year = start_year - temperatures = [data["properties"]["parameter"]["T2M"][f"{year}{str(i).zfill(2)}"] for i in range(1, 13)] - wind_speeds = [data["properties"]["parameter"]["WS10M"][f"{year}{str(i).zfill(2)}"] for i in range(1, 13)] - - # 检查数据完整性 - if len(temperatures) != 12 or len(wind_speeds) != 12: - raise ValueError("NASA 数据不完整，未包含 12 个月的数据") - - return temperatures, wind_speeds - except requests.exceptions.HTTPError as http_err: - raise Exception(f"HTTP 错误: {str(http_err)}\n响应内容: {response.text}") - except Exception as e: - raise Exception(f"从 NASA POWER API 获取数据时出错: {str(e)}") - - def adjust_wind_speed(v_10m, h_ref=10, h_hub=100, alpha=0.143): - """根据风切变公式调整风速：v_hub = v_ref * (h_hub/h_ref)^alpha""" - return v_10m * (h_hub / h_ref) ** alpha - def air_density(altitude, hub_height, T0): + """ + 计算空气密度，考虑海拔和轮毂高度的影响 + 参数： + altitude (float): 海拔高度（m） + hub_height (float): 轮毂高度（m） + T0 (float): 地面平均气温（摄氏度） + + 返回： + float: 空气密度（kg/m³） + 公式： + ρ = (353.05 / T) * exp(-0.034 * (z / T)) + 其中 T = T0 - LR * z + 273.15（T0为地面温度，LR为温度递减率，z为总高度） + """ + # 计算总高度（海拔 + 轮毂高度） z = altitude + hub_height + # 温度递减率（lapse rate），每升高1米温度降低0.0065°C LR = 0.0065 + # 计算绝对温度（K），考虑高度引起的温度变化 T = T0 - LR * z + 273.15 + # 计算空气密度 return (353.05 / T) * math.exp(-0.034 * (z / T)) - def wind_power_density(densities, wind_speeds): - sum_rho_v3 = sum(rho * (v ** 3) for rho, v in zip(densities, wind_speeds)) - return (1 / (2 * 12)) * sum_rho_v3 + def wind_power_density(density, velocity_avg): + """ + 计算风功率密度（单位面积的风能功率） + 参数： + density (float): 空气密度（kg/m³） + velocity_avg (float): 平均风速（m/s） + 返回： + float: 风功率密度（W/m²） + 公式： + P = 0.5 * ρ * v³（按照年平均风速来算） + """ + return 0.5 * density * velocity_avg**3 def estimated_wind_power(num_turbines, rated_power): + """ + 计算风电场总装机容量 + + 参数： + num_turbines (int): 风机数量 + rated_power (float): 单台风机额定功率（kW） + 返回： + float: 总装机容量（kW） + """ if not isinstance(num_turbines, int) or num_turbines < 0: raise ValueError("风机数量必须为非负整数") return rated_power * num_turbines - def calculate_power_output(S, w, Cp, eta,num_turbines): - return w * S * Cp * 8760 * eta *num_turbines + def calculate_power_output(S, w, Cp, eta, num_turbines): + """ + 计算风电场年发电量 + + 参数： + S (float): 扫风面积（m²） + w (float): 风功率密度（W/m²） + Cp (float): 风能利用系数 + eta (float): 系统效率 + num_turbines (int): 风机数量 + 返回： + float: 年发电量（Wh） + 公式： + E = w * S * Cp * 8760 * η * N (N为风机个数） + 其中 8760 为一年小时数 + """ + return w * S * Cp * 8760 * eta * num_turbines def calculate_equivalent_hours(P, P_r): + """ + 计算等效满负荷小时数 + 参数： + P (float): 年发电量（Wh） + P_r (float): 单台风机额定功率（kW） + 返回： + float: 等效小时数（小时） + """ if P_r == 0: raise ValueError("额定功率不能为 0") - #传入的P(发电量)wh,P_r(额定功率)Kw return (P / 1000) / P_r def calculate_environmental_benefits(E_p_million_kwh): + """ + 计算环境效益（减排量） + + 参数： + E_p_million_kwh (float): 年发电量（万kWh） + + 返回： + dict: 包含标准煤、CO₂、SO₂、NOx减排量的字典 + + 假设： + 每万kWh可节约标准煤0.404吨，减排CO₂ 0.977吨，SO₂ 0.03吨，NOx 0.015吨 + """ if E_p_million_kwh < 0: raise ValueError("年发电量需≥0") return { - "coal_reduction": E_p_million_kwh * 0.404 * 10, - "CO2_reduction": E_p_million_kwh * 0.977 * 10, - "SO2_reduction": E_p_million_kwh * 0.03 * 10, - "NOX_reduction": E_p_million_kwh * 0.015 * 10 + "coal_reduction": E_p_million_kwh * 0.404 * 10, # kg + "CO2_reduction": E_p_million_kwh * 0.977 * 10, # kg + "SO2_reduction": E_p_million_kwh * 0.03 * 10, # kg + "NOX_reduction": E_p_million_kwh * 0.015 * 10 # kg } - def calculate_reference_yield(E_p, electricity_price, IC, q, n=20): - def npv_equation(irr, p, w, ic, q_val, n=n): - term1 = (1 + irr) ** (-1) - term2 = irr * (1 + irr) ** (-1) if irr != 0 else float('inf') - pv_revenue = p * w * (term1 / term2) * (1 - (1 + irr) ** (-n)) - pv_salvage = q_val * ic * (term1 / term2) * (1 - (1 + irr) ** (-n)) - return pv_revenue - ic + pv_salvage - - irr_guess = 0.1 - irr = float(fsolve(npv_equation, irr_guess, args=(E_p, electricity_price, IC, q))[0]) - if not 0 <= irr <= 1: - raise ValueError(f"IRR计算结果{irr:.4f}不合理") - return irr * 100 - - # 获取设备信息 + # 获取风机参数 rated_power, swept_area, blade_diameter = get_wind_turbine_specs(device_name, file_path) # 估算风机数量 num_turbines = estimate_wind_turbine_count(area_km2, blade_diameter) - # 从 NASA POWER API 获取气温和风速数据 - monthly_temps, wind_speeds = fetch_nasa_data(latitude, longitude, start_year="2023", end_year="2023") - - # 调整风速到轮毂高度 - wind_speeds = [adjust_wind_speed(v) for v in wind_speeds] - # 计算空气密度 - densities = [air_density(altitude, hub_height, T0) for T0 in monthly_temps] - avg_density = sum(densities) / len(densities) + avg_density = air_density(altitude, hub_height, avg_temp) - # 计算风功率密度 w/m2 - wpd = wind_power_density(densities, wind_speeds) + # 计算风功率密度（W/m²） + wpd = wind_power_density(avg_density, avg_wind_speed) - # 计算装机容量 KW + # 计算总装机容量（kW） total_power = estimated_wind_power(num_turbines, rated_power) - # 计算初始投资成本 - IC = total_power * cost_per_kw * 1000 + # 计算年发电量（Wh） + P_test = calculate_power_output(swept_area, wpd, Cp, eta, num_turbines) - # 计算年发电量 Wh - P_test = calculate_power_output(swept_area, wpd, Cp, eta,num_turbines) - - # 计算等效小时数 年发电量(Wh)/额定功率(KW) + # 计算等效满负荷小时数 h = calculate_equivalent_hours(P_test, rated_power) - # 计算环境收益（转换为万 kWh） - E_p_million_kwh = P_test / 10000000 # 转换为 万 kWh - env_benefits = calculate_environmental_benefits(E_p_million_kwh) - # 计算 IRR - P_test_IRR = P_test/1000 - irr = calculate_reference_yield(P_test_IRR, electricity_price, IC, q) - # 返回结果 + # 转换为万kWh以计算环境效益 + E_p_million_kwh = P_test / 10000000 + env_benefits = calculate_environmental_benefits(E_p_million_kwh) + + # 返回结果字典 return { "device": device_name, "rated_power": rated_power, @@ -184,35 +210,34 @@ def wind_farm_analysis(device_name, area_km2, electricity_price, file_path, lati "num_turbines": num_turbines, "avg_density": avg_density, "wpd": wpd, - "total_power": total_power /1000, #变为了MW - "annual_power_output": P_test/10000000 , # 万 kWh + "total_power": total_power / 1000, # 转换为MW + "annual_power_output": P_test / 10000000, # 转换为万kWh "equivalent_hours": h, "coal_reduction": env_benefits["coal_reduction"], "CO2_reduction": env_benefits["CO2_reduction"], "SO2_reduction": env_benefits["SO2_reduction"], - "NOX_reduction": env_benefits["NOX_reduction"], - "IRR": irr + "NOX_reduction": env_benefits["NOX_reduction"] } # 主程序 if __name__ == "__main__": - file_path = r"/home/zhaojh/workspace/GreenTransPowerCalculate/wind/wind_product.xlsx" - - device_name = 'GW165-4.0' - area_km2 = 10 - electricity_price = 0.6 - latitude = 39 - longitude = 116 + # 定义输入参数 + file_path = r".\wind_product.xlsx" # 风机参数文件路径 + device_name = 'GW165-4.0' # 风机型号 + area_km2 = 10 # 风电场面积（平方公里） + avg_temp = 13.0 # 年平均气温（摄氏度） + avg_wind_speed = 6 # 年平均风速（m/s） + # 调用风电场分析函数 result = wind_farm_analysis( device_name=device_name, area_km2=area_km2, - electricity_price=electricity_price, file_path=file_path, - latitude=latitude, - longitude=longitude + avg_temp=avg_temp, + avg_wind_speed=avg_wind_speed ) + # 输出结果 print(f"\n设备: {result['device']}") print(f"额定功率: {result['rated_power']:.2f} KW") print(f"扫风面积: {result['swept_area']:.2f} m^2") @@ -223,8 +248,7 @@ if __name__ == "__main__": print(f"项目装机容量: {result['total_power']:.2f} MW") print(f"年发电量: {result['annual_power_output']:.3f} 万 kWh") print(f"等效小时数: {result['equivalent_hours']:.2f} 小时") + print(f"标准煤减排量：{result['coal_reduction']:,.0f} kg") print(f"CO₂减排量：{result['CO2_reduction']:,.0f} kg") print(f"SO₂减排量：{result['SO2_reduction']:,.0f} kg") - print(f"NOx减排量：{result['NOX_reduction']:,.0f} kg") - print(f"内部收益率 IRR: {result['IRR']:.2f}%") - + print(f"NOx减排量：{result['NOX_reduction']:,.0f} kg") \ No newline at end of file