基于多尺度融合插值算法的風資源監(jiān)測方法

蔣何++沈潤杰++陳將威

摘 要 在可持續(xù)發(fā)展的背景下，風力發(fā)電規(guī)模迅速增大，風電基地占地面積迅速擴大，導致風資源監(jiān)測愈發(fā)困難。原有的測風塔已很難滿足對大型風電基地中細節(jié)風速分布的監(jiān)測，為風電場運維管理帶來一定困難。本文主要研究一種多尺度風資源立體監(jiān)測網(wǎng)絡。

【關鍵詞】風資源 多尺度 數(shù)據(jù)融合 大型風電基地

1 引言

風力是風力發(fā)電的基礎，對風電場風資源分布的有效監(jiān)測是風電場理論出力評估和預測準確性的保障。過往的風電場中簡單利用少量幾個測風塔監(jiān)測整個風電場的風資源情況，在大型風電基地中會導致風電場群內(nèi)部大部分區(qū)域的風資源情況與實際情況存在一定誤差，對風電場發(fā)電分析造成很大的影響。為解決上述問題，本文提出了風電場風資源多尺度立體監(jiān)測網(wǎng)絡。

為更好地實現(xiàn)對大型風電基地的風資源監(jiān)測，建立了基于測風塔、風機機頭監(jiān)測系統(tǒng)及雷達的多尺度立體監(jiān)測系統(tǒng)。

根據(jù)側(cè)風塔數(shù)據(jù)、風機機頭數(shù)據(jù)、雷達測量數(shù)據(jù)、地形數(shù)據(jù)、天氣數(shù)據(jù)等環(huán)境因素，利用多時空尺度的融合插值等算法，對大型風電基地整體風場進行模擬分析，構建環(huán)境因素在實際風機位置點的插值模型。風電基地監(jiān)測環(huán)境構架如圖1所示。

2 并行多尺度數(shù)據(jù)融合

風資源多尺度立體監(jiān)測系統(tǒng)是一個較簡單的分布式檢測系統(tǒng)，三種類別的監(jiān)測節(jié)點使用不同的監(jiān)測方法、原理和裝置，所以在集中分析之前會分別對三種類型的監(jiān)測數(shù)據(jù)進行預處理，例如數(shù)據(jù)最優(yōu)局部處理和融合處理等，以減小多尺度分布式監(jiān)測系統(tǒng)的性能損失。

2.1 檢測級融合并行結構

并行結構分布式監(jiān)測系統(tǒng)結構如圖2所示，當三種類型的監(jiān)測節(jié)點收集到未經(jīng)處理的原始數(shù)據(jù)，需在各自的分處理中心作出局部檢測判決等處理；最后，監(jiān)測中心對所有集中后的數(shù)據(jù)進行融合處理，得到相應的全局數(shù)據(jù)。

2.2 基于并行結構的數(shù)據(jù)融合算法

在并行結構局部判決融合處理中，使用貝葉斯假設檢驗獲得極小化系統(tǒng)運行的平均代價R（Γ），其判決規(guī)則集合為Γ={γ0，γ1，L，γN}，其中γ0表示融合規(guī)則，γ0（g=1，2，L，N）代表局部檢測的判決規(guī)則。

新的融合估算值基于以前的融合估算以及新的測量值，小波變換被用來連接不同尺度之間的測量數(shù)據(jù)。該算法對于多尺度數(shù)據(jù)濾波融合是很有效的。

4 基于多尺度數(shù)據(jù)的Kriging插值方法

經(jīng)多尺度數(shù)據(jù)融合處理，幾種采集時間間隔不同、范圍不同的數(shù)據(jù)被融合為相同時間、空間刻度上的數(shù)據(jù)，并得到插值方法所需要的風資源基礎數(shù)據(jù)。大型風電基地地形較為復雜，Kriging插值在該類三維空間插值分析中得到了廣泛的應用。

4.1 時空協(xié)方差函數(shù)

時空域隨機過程滿足二階平穩(wěn)或固有假設時，其協(xié)方差函數(shù)可表示為：

式中，U（s，t）表示定義在時空域的隨機過程，且U（s，t）∈Rk×T，其中Rk表示k維的歐氏空間，T代表時間；（s，t）為時空場中任意監(jiān)測節(jié)點的位置，△s為監(jiān)測節(jié)點空間中的距離，△t為時間上的距離。

同時，對應的變差函數(shù)可表示為：

實際中多采用簡化的樣本變差函數(shù)，如式（10）所示：

4.2 Kriging插值

Kriging方法假定采樣點之間的距離和方向可以反映一些空間相關性，對周圍的測量值進行加權分析得出未測量位置的預測，與反距離權重法類似。Kriging插值是一種線性的無偏估計，并且要求估計誤差的方差最小。在風資源監(jiān)測環(huán)境中，監(jiān)測節(jié)點的空間位置是三維的，所以監(jiān)測位置參數(shù)可表示為si={xi，yi，zi}，Kriging插值公式為：

式中，U*（s，t）為待測點（s，t）處的插值；λi為相應監(jiān)測點的加權系數(shù)，當然應滿足∑λi=1，該參數(shù)的計算式為：

5 實驗結果

使用上述多尺度插值融合算法，基于某一時刻（2015年1月22日03時10分）雷達監(jiān)測數(shù)據(jù)、風機機頭處監(jiān)測數(shù)據(jù)和測風塔測量數(shù)據(jù)，對某一樣本風電場中的風速分布進行分析，整個風電場中的風速的分布情況如圖3所示。從整體上可以看出，風電場上游為強風速區(qū)，下游為弱風速區(qū)；同時在距離上游一定的距離處，風電場中心的風速明顯小于風電場邊緣兩側(cè)的風速，一般風速差能達到1-2m/s。

選取該時刻該風電場的風場數(shù)據(jù)對整個風電場中風機尾流效應造成的風速衰減現(xiàn)象進行分析。如圖4所示，對該時段整個風電場中所有風機的機頭風速從大到小的排列，結果顯示風速從上游風機機頭風速的8.5 m/s 衰減為下游的3.2 m/s，風速下降率為62.4%。

6 結論

風資源立體監(jiān)測網(wǎng)絡使用多個尺度的監(jiān)測數(shù)據(jù)對大型風電基地風資源進行監(jiān)測，與過往單一的測風塔監(jiān)測方法相比更能監(jiān)測風電基地中風電群場內(nèi)部細節(jié)處的風資源分布情況，使風資源監(jiān)測的精度大大提高。

參考文獻

[1]胡毅，張建.風資源評估中風速分布方法研究[J].內(nèi)蒙古科技與經(jīng)濟，2010（12）：76-78.

[2]Yiahak Feliks，Ehud Gavze，Reuven Givati.Optional Vector Interpolation of Wind Fields.Journal of Applied Meteorology，1996，35：1153.

[3]王鵬偉，吳秀清，孫福明.基于多尺度Kalman數(shù)據(jù)融合濾波[J].光電工程，2008，35（01）：110-115.

[4]司長哲，任松.基于Kalman濾波的數(shù)據(jù)處理多尺度融合算法[J].計算機測量與控制，1999，25（05）：627-632.

[5]N.Cressie，G.Johannesson. Fixed rank kriging for very large spatial data sets[J].Journal of the Royal Statistical Society： Series B（Statistical Methodology），2008，70（01）：209-226.

[6]周彬彬，蔡建國，馮健.基于ARMA模型和時空Kriging插值聯(lián)合模擬大跨結構的脈動風速時程[J].脈動與沖擊，2014，33（03）：29-34.

作者簡介

蔣何（1992-），男，四川省人。碩士學位。研究方向為控制科學與工程。

作者單位

同濟大學電子與信息工程學院 上海市 201804