买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：兰州大学

摘要：本发明涉及一种同化机舱雷达测风资料改进风电功率预测的方法，包括以下步骤：⑴生成背景场和背景误差协方差矩阵；⑵使用核主成分分析方法提取机舱雷达径向风观测资料主模态：①构造出核矩阵；②将累积方差接近80%的特征向量排列成矩阵；③计算主分量；④计算机舱雷达径向风主模态资料；⑶通过机器学习方法构建近地层垂直风廓线模型；⑷将近地层垂直风廓线模型作为约束条件引入变分目标泛函；⑸风电功率预测：获得预测的风电功率和观测的风电功率，将二者进行对比，不断检验并优化即可。本发明既可解决局地、高频和高密度观测资料有效信息丢失的问题，也可实现对目标泛函中近地层风场的约束，可为使用同化方法提高风电功率的预测水平提供新的思路。

主权项：1.一种同化机舱雷达测风资料改进风电功率预测的方法，包括以下步骤：⑴生成背景场和背景误差协方差矩阵；使用全球模式资料生成背景场；并采用NMC方法对全球模式资料进行统计，得到背景误差协方差矩阵；⑵使用核主成分分析方法提取机舱雷达径向风观测资料主模态：①将机舱雷达径向风资料Am，n去中心化后得到距平场Xm，n，并使用高斯核函数将机舱雷达径向风资料Am，n映射到高维空间，使其在高维空间近似为线性数据： 式中：表示高斯核函数；下标m,n表示径向风观测资料矩阵的行数和列数；下标i,j表示行号和列号；yi表示Xm，n第i行所有数据的平均值；参数γ取0.02，表征核函数中数据各点的离散程度；由此构造出如下核矩阵： 式中：Km，n为构造的核矩阵；为机舱雷达资料径向风的距平场；②计算核矩阵Km，n前k个特征值λ和特征向量v，并将累积方差接近80％的特征向量v排列成矩阵Pk，m；③计算主分量：Yk，n＝Pk，mXm，n；式中：Yk，n为主分量；④计算机舱雷达径向风主模态资料： 式中：Zm，n是机舱雷达径向风资料主模态的距平场；Bm，n为机舱雷达径向风资料的主模态；为机舱雷达径向风资料Am，n的平均值；T表示对矩阵进行转置；⑶通过机器学习方法构建近地层垂直风廓线模型；训练阶段：基于多高度层、长时间序列的观测资料，以不同高层上的风速作为训练对象，以过去1小时变温，过去1小时的风速方差，过去1小时的温度、湿度和气压时间序列作为训练因子，使用机器学习方法，构建不同高度层上垂直风速变化的模型；检验与优化阶段：选择与训练阶段不同时段的观测资料作为检验集，构造的垂直风廓线模型与检验集中观测的不同高度层的风速进行对比，当使用垂直风廓线模型计算的风速与检验集观测风速之间的误差不显著或小于某一阈值时，即得最终近地层垂直风廓线模型；⑷将近地层垂直风廓线模型作为约束条件引入变分目标泛函：将步骤⑶中的近地层垂直风廓线模型表达为矩阵，形成约束条件Jc；该约束条件引入到目标泛函J四维变分同化系统中，得到如下表达式： 式中：xa表示分析场；xb表示背景场；T表示对矩阵进行转置；B为背景场协方差矩阵；H为观测算子；M为数值天气预报模式；x0为大气状态变量；为观测资料；O为观测资料的协方差矩阵；F为观测算子协方差矩阵；⑸风电功率预测：ⅰ使用步骤⑷中的目标泛函，对将机舱雷达径向风主模态资料进行同化，同化的时间窗为2h；将同化得到的分析场作为数值预报模式的初始场，并更新侧边界条件，即得未来时刻的预报风速；ⅱ将预报风速代入风机功率曲线，即得预测的风电功率；ⅲ使用速度方位显示方法将机舱雷达径向风反演成全风场，并代入下式得到观测的风电功率： 式中：vci、vr、vco分别为切入风速、额定风速、切出风速，并分别设为3.5ms-1、12ms-1、25ms-1；pr、D、ρ、Cp分别为额定功率、转子直径、空气密度、功率系数，并分别设为1730kW、77m、1kgm-3、0.43；将观测的风功率与预测的风电功率进行对比，不断检验并优化即可。

全文数据：

权利要求：

百度查询： 兰州大学 一种同化机舱雷达测风资料改进风电功率预测的方法