[发明专利]基于超分辨率重建技术的风电场风速降尺度方法

说明书

本发明提供了一种基于超分辨率重建技术的风电场风速降尺度方法，包括：获取风电场地形数据，并提取地形特征，同时，获取全球场数值天气预报数据并进行第一质量控制以及获取风电场风速高分辨率图像数据并进行第二质量控制；对提取的地形特征、第一质量控制结果以及第二质量控制结果进行数据预处理，得到训练集、验证集以及测试集；基于所述训练集以及验证集，建立降尺度模型；基于所述降尺度模型对所述测试集进行预测，预报全球场数值天气预报数据的风速降尺度结果；利用风廓线模型对所述风速降尺度结果进行反归一化；根据反归一化结果获取每台风电机组轮毂所处高度的风速。提高风电场风速预报的准确性和时效性。

技术领域

本发明涉及图像视觉技术领域，特别涉及一种基于超分辨率重建技术的风电场风速降尺度方法。

背景技术

数值天气预报是短期风电功率预测的必要输入。现有的中尺度数值天气预报模式均基于纯粹的物理模式，是在给定初值和边界条件下，求解描写天气演变过程的流体力学和热力学的方程组，从而获得未来时刻各个天气要素预报数值，该过程需要大型计算机进行大规模数值计算，且空间分辨率有限，很难考虑风电场尺度的局地信息。高原山区风电场的风电机组排布，相比平原风电场要复杂的多，其排布不但要满足风电场风电机组的间距和排距原则，还需要根据地形地貌的具体情况，尽量排布在山脊区域。因此，风电机组之间的距离没有规律，导致一般都比平原风电场的风电机组间距大，风电场占地面积也随之增大。此时，风电机组尾流的影响往往不是影响风电场出力的重要的因素，而风电场内风速风向的微小变化，对风电场出力影响很大。由于高原山区风电场每一个风电机组所处的位置都有一定的特殊性，任何一个或几个测风塔数据都无法全面代表复杂地形的整个山地风电场。综上所述，不论采取提高数值天气预报空间网格分辨率还是近地面风速校正，都无法实现高原山区风电场内更精细的风速风向预报，从而无法进一步提高风电场的风电功率预测精度。

因此，本发明提出了一种基于超分辨率重建技术的风电场风速降尺度方法。

发明内容

本发明提供一种基于超分辨率重建技术的风电场风速降尺度方法，用以通过超分辨率重建技术有效的建立降尺度模型，来预报风俗降尺度结果大幅提升数值天气预报计算效率，提高风电场风速预报的准确性和时效性。

本发明提供一种基于超分辨率重建技术的风电场风速降尺度方法，包括：

步骤1：获取风电场地形数据，并提取地形特征，同时，获取全球场数值天气预报数据并进行第一质量控制以及获取风电场风速高分辨率图像数据并进行第二质量控制；

步骤2：对提取的地形特征、第一质量控制结果以及第二质量控制结果进行数据预处理，得到训练集、验证集以及测试集；

步骤3：基于所述训练集以及验证集，建立降尺度模型；

步骤4：基于所述降尺度模型对所述测试集进行预测，预报全球场数值天气预报数据的风速降尺度结果；

步骤5：利用风廓线模型对所述风速降尺度结果进行反归一化；

步骤6：根据反归一化结果获取每台风电机组轮毂所处高度的风速。

优选的，基于所述训练集以及验证集，建立降尺度模型，包括：

基于训练集以及验证集，建立初始模型；

对所述初始模型进行损失函数的建立，并判断所述初始模型是否满足损失标准；

若满足，将所述初始模型视为降尺度模型；

否则，对所述初始模型进行损失优化直到满足损失标准，得到降尺度模型。

优选的，获取风电场风速高分辨率图像数据并进行第二质量控制，包括：

识别风电场所处地形的独立山脉、重叠山脉，并获取每个独立山脉的第一矢量边界以及每个重叠山脉的第二矢量边界以及存在重叠阴影的第三矢量边界；