[发明专利]一种风廓线数据预测方法

说明书

本发明提供一种风廓线数据预测方法，在激光雷达测量风速风向的同时，能够自动进行是否缺失风速风向以及单个风速风向数据完整率是否足够的判定，并且可以自动选择适用的风速、风向预测模型进行风速风向数据的预测补充，从而很好地解决了目前测风数据预测常见的不科学问题，最大化减少因不同工程师水平参差不齐而对预测带来的主观影响，科学准确地预测激光雷达缺失以及单个风速风向数据完整率不足的测风数据。

技术领域

本发明涉及激光雷达技术领域，特别是激光雷达测风相关技术，尤其涉及在风力发电风资源评估中的应用。

背景技术

我国风能资源丰富，可开发的风电场分布广泛。为了保障风电场的经济运营，在包括风电场的投资建设之前、运行投产以及出质保在内的全生命周期的各个环节中，都有着对场址风能资源进行详细、准确、可靠评估的迫切需求。然而，实现上述有效准确的测量评估需要保证获得的风能资源数据必须满足最低数据完整率的要求，否则测量评估的结果将不能被使用。但在实际测量过程中，无论是采用传统的测风塔还是采用激光雷达测风来获取风能资源数据时，都会存在因设备不适应环境或设备损坏而造成数据缺失，从而原始风能资源数据无法达到数据完整率要求的情况。例如，地面多普勒激光雷达有其本身适用的大气环境，即大气不能太清洁但也不能是浓雾等状态。尽管能够适应我国很多地区，但当地面多普勒激光雷达遇到大气太清洁如西藏晴朗的高空或者遇到浓雾天气如四川盆地的气候等不利雷达测试的大气环境时，激光雷达数据就会产生缺失，并且不同高度的缺失情况也会有较大差异。通常面对这种情况时，就需要通过预测的手段将缺失的风能资源数据进行插补订正，以使得数据具有足够的完整率，这样才能获得准确可靠的测量评估结果。

显然，对于预测手段来说，其预测数据的准确性、可靠性和一致性对整体风能资源测评的影响是很大的。实践表明，1％的风速差别至少引起2％的发电量的差别，因为数据预测不合理的原因，目前国内预测数据产生的偏差平均值是2％-3％，这样如果某个高度测风数据有50％数据损坏缺失的话，将引起风场发电量测算偏差到4％-6％，这对最终结果的影响是巨大的。因此，本领域对准确可靠的预测手段的需求是非常明确的，即越准确越好。

一般来说，预测数据是否准确、可靠、一致，会受到预测模型的选择、参考数据的选择甚至使用软件的影响，特别是在执行预测过程中，预测模型和参考数据的选择还会受到工程师技术水平的制约，工程师是否经验丰富、训练有素及其主观的选择都会影响最终的预测结果。概括来说，目前测风数据预测中常见的不科学的方面主要包括：1、选择的预测模型不合理，例如针对同一个缺失数据高度的风速风向，不同的预测模型和风切变模型的效率是不同的；2、选择的参考数据不合理，针对同一个缺失数据高度的风速风向，即使使用同一个预测模型，参考数据的选择不同也会影响测量结果的准确性。

发明内容

针对现有技术存在的上述问题，为获得一种具有较高准确性、可靠性及一致性的风能资源数据预测方法，本发明提出了自动选择最科学的预测模型以及自动选择最合理的参考数据进行缺失数据预测的方法。具体地：

一种风廓线数据预测方法，用于对测风数据中无效或者缺失的风速测量输出值和/或风向测量输出值进行预测，具体包括如下步骤：

S1，采集风速值测量数据和风向值测量数据，确定向用户输出风速测量输出值和风向测量输出值的时间间隔；使用每一个时间间隔内的各个测风高度的风速值测量数据计算该时间间隔内的各个测风高度的风速测量输出值，使用每一个时间间隔内的各个测风高度的风向值测量数据计算该时间间隔内的各个测风高度的风向测量输出值；形成每一个时间间隔所对应的数据组；

S2，判断步骤S1中计算的所有风速测量输出值和风向测量输出值是否满足单个统计数据有效数据完整率的要求；对于不满足单个统计数据有效数据完整率要求的风速测量输出值和风向测量输出值标记为无效风速测量输出值和无效风向测量输出值，其它风速测量输出值和风向测量输出值被认为是有效风速测量输出值和有效风向测量输出值；对于没有风速值测量数据和风向值测量数据的时间间隔，相应地认定为缺失的风速测量输出值和缺失的风向测量输出值；