一种基于压缩传感的风场重建方法
【技术领域】
[0001 ]本发明设及风场预测领域，具体是一种基于压缩传感的风场重建方法。
【背景技术】
[0002] 风能是一种取之不竭，蕴藏巨大的清洁能源。参考来自世界风能协会的统计，全球 风电装机总容量在2008年达到1.20791亿kw，年增长速度为28.7%，甚至高于过去十年的平 均增长速度。在世界范围内风力发电得到了广泛的应用，到2008年底，全球70多个国家建设 了风电场。在世界范围内普遍接受风力发电作为替代能源技术。
[0003] 短期风场预测的目的是直接或简介地预测风力发电场的输出（先估测风场，然后 转换成电）。短期预测主要面向电网交易市场(每日交易和盘中交易），系统管理一些维护任 务调度，推动系统运营商，电力公司及风电场的利益。
[0004] 风场预测方法主要分为统计大气模型方法和物理大气模型方法。统计大气模型方 法依赖力学原理，是根据历史统计数据找出天气状况与风电场的关系，然后根据数值:天气 预报数据和实测数据，对风电场输出功率进行预测。运种方法因为预报速度快，所W经常用 于风电的超短期预测。统计模型方法主要包括时间序列、神经网络、支持向量机等。物理大 气模型方法主要依据质量守恒、动量、能量守恒基本物理原理及气体状态方程，对一系列微 分方程组进行数值求解，从初始状态进行迭代，预测未来某个时刻大气的状态，借助物理方 法将节点上的预报数据内插或外推到风场中相关的位置W及风力发电机奖叶轴屯、的高度。 目前有多种S维数值天气预报模型已经应用，包括MESO公司的MASS模型、宾西法尼亚州立 大学和国家大气中屯、的MM5模型等。物理模型的优势是不需要大量的、长期的测量数据，而 且更适用于复杂地形。应用统计方法预测风场的准确性依赖于大量数据样本，因而计算量 较大，特别是当参数的先验概率分布比较复杂，尤其参数维数比较高时，传统的统计方法计 算速度会比较慢。
[0005] 应用物理大气模型方法预测风场的缺点是需要科研人员具有丰富的气象知识，了 解物理特性，如果模型建立的比较粗糖，预测精度下降较快。然而，在风场运样大的尺度下， 求解流体力学的守恒方程组（例化Vier-Stokes方程组）并获取较高空间分辨率的风速分 布，将需要巨大数量的数据处理，因而会需要巨大的计算资源和能力，目前该方法尚难W提 供风电机尺度上的详细风速分布。
【发明内容】
[0006] 本发明的目的在于提供一种基于压缩传感的风场重建方法，W解决上述【背景技术】 中提出的问题，为实现上述目的，本发明提供如下技术方案：
[0007] -种基于压缩传感的风场重建方法，计算模型选择一块不小于7000m2的正方形风 场，风场两侧受到边界影响，会产生边界层。X方向为水平方向，y方向为风穿过风场方向；初 始时，风速方向垂直于入口处沿y方向进入风场，当进口风速发生变化后，对该场造成的影 响也将计入考虑中。假定某时刻后，进口处X = -S~-12m至x = 8~12m位置间风速增长为4~ 6m/s，方向仍垂直于入口处进入风场，再来考虑整个风场的风速情况。将发生进口风速变化 前后的速度场进行比较，在扰动向前推进的某一刻必会得到一个存在一些峰值区域且90% 点处净增值的场，即一个具有稀疏性矩阵，计算区域运用贝尔运算，从正方形区域切除圆柱 体部分作为计算区域，对于计算区域，网格划分采用四边形（Quad)网格，在平面内平铺 (Pave)生成，因此得至IjlOOOO个网格点数据;对于时间步长的选择，根据At =网格大小/流 动速度，确定时间步长。流体计算采用时间平均的N-S方程，描述流场的方程包括质量守恒 方程，动量守恒方程，W及端动能和端动能耗散率方程如下：
[000引
[0009] I
[0010]
[0011]
[0012]其中：端动能4=(111'11/)/2，端动能耗散聋
端流黏 度化= 0.09pCp化2A), Gk为由于平均速度梯度引起的端动能的产生项，(?为由于浮力引起的 端动能的产生项，Cis, C2s，C3s为经验常数，〇k，〇s分别为与端动能和耗散率对应点的Pramltl 数。流体计算区域二等主要动力为表面的风应力，时间步长设为A，每一个时间步长的最大 迭代次数为20次。整个流体计算过程设置为非稳态过程，当12000A时，整个风场的流动状况 已经趋于稳定，计算接近收敛。数据通过MTLAB软件进行可视化处理，将已得到的真实信息 矩阵转换成一维向量打开在一个矩阵中，利用高斯分布和小波分析对其进行均匀随机取样 和稀疏化处理，得到一个项的数量远小于真实信息矩阵的样本矩阵，利用压缩感知理论对 该样本矩阵进行重构，并将重构矩阵与真实信息矩阵进行相关度分析计算，得出误差值，基 于上述原理将模拟风场在2500A瞬间的速度矩阵作为真实信息矩阵，均匀随机选取其中的 一部分值(设为个)作为样本矩阵进行重构。压缩感知的两个关键要素，一个是原始信息 矩阵的稀疏表示，即待重建的矩阵具有一定的稀疏性;另一点是测量矩阵的选择，测量矩阵 和稀疏基矩阵的乘积应该满足等距约束条件(RIP)。有证明，高斯随机矩阵可W较大概率， 满足等距约束性条件。在计算中，使用高斯随机矩阵作为观测矩阵，并利用合适的小波基对 矩阵进行稀疏化处理。本算例中使用确定性算法进行重构。抽样时压缩率和真实信息矩阵 和重构矩阵之间的相关度呈正比关系，但为了保证矩阵的压缩度，不断调试欠抽样的样本 数量最后得到相关度很高的重构矩阵。事实上已知一个实际规则，即要想准确重构，每个未 知非零项需要3-6个不相关样本。通过用化UENT软件进行风场模拟和MATLAB软件对模拟结 果进行数据后处理，得到一个90%值为零的S-稀疏性矩阵作为压缩传感中的测量矩阵，运 个测量矩阵能够被看作是风场实际流动的真实信息矩阵。现在从测量矩阵中随机抽样得到 一个信息量远小于测量矩阵的样本矩阵。认为运个矩阵相当于在化UENT上基于C抑和传感 器数据在粗网格下计算得到的数据量较小的矩阵。运用压缩传感理论进行重构可W得到一 个与测量矩阵高相关度的重构矩阵。运里认为重构矩阵表示实际应用中，通过该方法实际 预测出的风速场。因此，测量矩阵与重构矩阵之间的重构误差也表示实际应用中的预测误 差。当预测误差足够小时，验证得出，本发明提出的压缩传感方法进行快速风场预测的方法 是可行的。
[0013] 作为本发明进一步的方案:计算模型为一块IOOmX IOOm的风场，风场两侧受到边 界影响，会产生边界层，X方向为水平方向，y方向为风穿过风场方向；初始时，风速方向垂直 于入口处沿y方向进入风场，当进口风速发生变化后，对该场造成的影响也将计入考虑中， 假定某时刻后，进口处X = -IOm至X=IOm位置间风速增长为5m/s，方向仍垂直于入口处进入 风场，再来考虑整个风场的风速情况，将发生进口风速变化前后的速度场进行比较，在扰动 向前推进的某一刻会得到一个存在一些峰值区域且90%点处净增值的场，即一个具有稀疏 性矩阵。
[0014] 与现有技术相比，本发明的有益效果是：
[0015] 1)运种方法更适合短期和超短期预测。它将对时间尺度超短的预测信息进行采样 并快速重构，得到各风机处各个时刻的风速和风向。
[0016] 2)该方法将传感器和CFD结合起来，即是基于物理流动模型和监测数据。而采用纯 数学的方法通过统计的规律在W往风况、气象资料基础上，拟合出功率输出曲线W预测向 前时间步的风场数据。
[0017] 3)该方法预测速度快速，通过少量计算重构大量网格上的数据。运算时间相比传 统预测方法更短。
【附图说明】
[0018] 图1为一种基于压缩传感的风场重建方法的示意图。
【具体实施方式】
[0019] 下面结合【具体实施方式】对本发明专利的技术方案作进一步详细地说明。
[0020] 请参阅图1，一种基于压缩传感的风场重建方法，本发明的计算模型选择一块IOOm X IOOm的风场，风场两侧受到边界影响，会产生边界层。X方向为水平方向，y方向为风穿过 风场方向。
[0021] 初始时，风速为Im/s方向垂直于入口处沿y方向进入风场。当进口风速发生变化 后，对该场造成的影响也将计入考虑中。假定某时刻后，进日处X = -IOm至X = IOm位置间风 速增长为5m/s，方向仍垂直于入口处进入风场，再来考虑整个风场的风速情况。将发生进口 风速变化前后的速度场进行比较，在扰动向前推进的某一刻必会得到一个存在一些峰值区 域且大部分点处净增值很小的场，即一个具有稀疏性矩阵。一个具有运种特性的速度场将 为压缩感知样本矩阵的选取带来可能性。
[0022] 计算区域运用贝尔运算，从正方形区域切除圆柱体部分作为计算区域，对于计算 区域，网格划分采用四边形(Quad)网格，在平面内平铺(Pave)生成，因此得到10000个网格 点数据。对于时间步长的选择，根据At =网格大小/流动速度，确定时间步长为0.01s。
[0023] 流体计算采用时间平均的N-S方程，描述流场的方程包括质量守恒方程，动量守恒 方程，W及端动能和端动能耗散率方程如下：
[002