一种基于移动基站实测数据的风场预测方法与流程

1.本发明涉及风场预测领域，具体涉及一种基于移动基站实测数据的风场预测方法。


背景技术：

2.对于风电场来说，准确的风场预报数据是相关决策优化管理的基础信息，对于风电场的运营具有重要的意义，然而，风场预报所用的初始场的准确性在很大程度上决定了预报结果的精度，当前，初始场的确定多是依赖于固定观测站点实测数据进行优化，该方法仅能调整观测站附近的区域，对于离测点较远的区域基本没有效果；因此需要建立一种基于移动基站的短时风场预报模拟系统，综合考虑移动基站局部范围内实时风场要素变化，同化基站测量数据对风场环境进行实时预报，提高预报数据结果的精度。


技术实现要素：

3.本发明要解决的技术问题是当前初始场的确定多是依赖于固定观测站点实测数据进行优化，该方法仅能调整观测站附近的区域，对于离测点较远的区域基本没有效果，本发明提供一种基于移动基站实测数据的风场预测方法，在进行风场预报时除了考虑传统实测数据外，还将实时移动基站数据纳入进来，在进行风场预报时，采用滤波同化技术，基于移动基站测量数据，实现对风场预报初始场的优化，提高预报的精度，使得模型预报的初始场精度得到提高，能够提高短时风场预报模型的精度，用以解决现有技术导致的缺陷。
4.为解决上述技术问题本发明提供以下的技术方案：
5.一种基于移动基站实测数据的风场预测方法，其中，包含以下步骤：
6.步骤1：实时获取移动基站测量数据与固定观测站点数据后建立信息数据库；
7.步骤2：以所述移动基站测量数据与所述固定观测站点数据为观测值，计算所述观测值与风场数值预报模型计算的模拟值之间的偏差，以所述偏差为指标，采用滤波同化方法修正模拟值并建立风场预报修正模型；
8.步骤3：采用大气仿真软件根据风场区域建立计算网格；
9.步骤4：利用所述风场预报修正模型对所述计算网格进行修正后建立风场数据模拟模型；
10.步骤5：获取风场参数并输入至所述风场数据模拟模型中进行预测得到预测数据。
11.上述的一种基于移动基站实测数据的风场预测方法，其中，步骤1中的所述移动基站包含飞机、汽车、气球、船。
12.上述的一种基于移动基站实测数据的风场预测方法，其中，步骤2中采用滤波同化方法修正所述模拟值的具体计算过程如下：
13.滤波器基于数值模式微分方程的描述如下：x(k)＝ax(k-1)+bu(k)+w(k)；(式1)
14.观测值的描述如下：y(k)＝hx(k)+v(k)；(式2)
15.其中，x(k)是k时刻的风场要素状态，u(k)是k时刻的强迫场，a和b是系统参数，w
(k)是模拟结果，y(k)是k时刻的观测值，h是测量系统的参数，对于多测量系统，h为矩阵，v(k)是测量的噪声；
16.滤波器利用数值模式模拟下一时刻风场信息状态的计算公式如下：
17.x(k|k-1)＝ax(k-1|k-1)+bu(k)；(式3)
18.其中，x(k|k-1)是利用上一状态预测的结果，x(k-1|k-1)是上一状态最优的结果，u(k)为k时刻的强迫场；
19.协方差记为p的表达公式如下：p(k|k-1)＝ap(k-1|k-1)a’+q；(式4)
20.其中，p(k|k-1)是x(k|k-1)对应的协方差，p(k-1|k-1)是x(k-1|k-1)对应的协方差，a’表示a的转置矩阵，q是模拟结果的协方差；
21.通过式3、式4实现滤波器对系统的预测，随后再收集现在状态的测量值，结合模拟值和观测值，可以得到现在状态(k)的最优化估算值x(k|k)：
22.x(k|k)＝x(k|k-1)+kg(k)(z(k)-hx(k|k-1))；(式5)
23.其中，kg(k)＝p(k|k-1)h’/(hp(k|k-1)h’+r)；(式6)
24.即可得到k状态下最优的估算值x(k|k)，同时，更新k状态下x(k|k)的协方差：
25.p(k|k)＝(i-kg(k)h)p(k|k-1)；(式7)
26.其中，z(k)为观测值在网格上的插值矩阵，r为测量结果的协方差，i为1的矩阵，当系统进入k+1状态时，p(k|k)就是(式2)中的p(k-1|k-1)。
27.上述的一种基于移动基站实测数据的风场预测方法，其中，所述大气仿真软件为wrf(weather research&forecast model大气预报模式软件)。
28.上述的一种基于移动基站实测数据的风场预测方法，其中，所述风场参数包含气温数据、气压数据。
29.本发明通过将移动基站的实时数据和固定观测站点数据同化到短时风场预报模拟系统中，使得能够得到更准确的风场预报结果。
30.依据上述本发明一种基于移动基站实测数据的风场预测方法提供的技术方案具有以下技术效果：
31.本技术方案在进行风场预报时除了考虑传统实测数据外，还将实时移动基站数据纳入进来，在进行风场预报时，采用滤波同化技术，基于移动基站测量数据，实现对风场预报初始场的优化，提高预报的精度，使得模型预报的初始场精度得到提高，能够提高短时风场预报模型的精度。
附图说明
32.图1为滤波同化示意图；
33.图2为模拟及同化结果示意图。
具体实施方式
34.为了使发明实现的技术手段、创造特征、达成目的和功效易于明白了解，下结合具体图示，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。
35.基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所
获得的所有其他实施例，都属于本发明保护的范围。
36.须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
37.同时，本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。
38.本发明的一较佳实施例是提供一种基于移动基站实测数据的风场预测方法，目的是在进行风场预报时除了考虑传统实测数据外，还将实时移动基站数据纳入进来，在进行风场预报时，采用滤波同化技术，基于移动基站测量数据，实现对风场预报初始场的优化，提高预报的精度，使得模型预报的初始场精度得到提高，能够提高短时风场预报模型的精度。
39.一种基于移动基站实测数据的风场预测方法，其中，包含以下步骤：
40.步骤1：实时获取移动基站测量数据与固定观测站点数据后建立信息数据库；
41.步骤2：以移动基站测量数据与固定观测站点数据为观测值，计算观测值与风场数值预报模型计算的模拟值之间的偏差，以偏差为指标，采用滤波同化方法修正模拟值并建立风场预报修正模型，滤波同化的算法如图1-2所示，其中，x
ta
＝x
tf
+k
t
(y
t-h
t
x
tf
)，k
t
＝p
tahttrt-1
为增益值，下标t表示不同时刻；
42.步骤3：采用大气仿真软件根据风场区域建立计算网格；
43.步骤4：利用风场预报修正模型对计算网格进行修正后建立风场数据模拟模型；
44.步骤5：获取风场参数并输入至风场数据模拟模型中进行预测得到预测数据。
45.上述的一种基于移动基站实测数据的风场预测方法，其中，步骤1中的移动基站包含飞机、汽车、气球、船。
46.上述的一种基于移动基站实测数据的风场预测方法，其中，步骤2中采用滤波同化方法修正模拟值的具体计算过程如下：
47.滤波器基于数值模式微分方程的描述如下：x(k)＝ax(k-1)+bu(k)+w(k)；(式1)
48.观测值的描述如下：y(k)＝hx(k)+v(k)；(式2)
49.其中，x(k)是k时刻的风场要素状态，u(k)是k时刻的强迫场，a和b是系统参数，w(k)是模拟结果，y(k)是k时刻的观测值，h是测量系统的参数，对于多测量系统，h为矩阵，v(k)是测量的噪声；
50.滤波器利用数值模式模拟下一时刻风场信息状态的计算公式如下：
51.x(k|k-1)＝ax(k-1|k-1)+bu(k)；(式3)
52.其中，x(k|k-1)是利用上一状态预测的结果，x(k-1|k-1)是上一状态最优的结果，u(k)为k时刻的强迫场；
53.协方差记为p的表达公式如下：p(k|k-1)＝ap(k-1|k-1)a’+q；(式4)
54.其中，p(k|k-1)是x(k|k-1)对应的协方差，p(k-1|k-1)是x(k-1|k-1)对应的协方差，a’表示a的转置矩阵，q是模拟结果的协方差；
55.通过式3、式4实现滤波器对系统的预测，随后再收集现在状态的测量值，结合模拟值和观测值，可以得到现在状态(k)的最优化估算值x(k|k)：
56.x(k|k)＝x(k|k-1)+kg(k)(z(k)-hx(k|k-1))；(式5)
57.其中，kg(k)＝p(k|k-1)h’/(hp(k|k-1)h’+r)；(式6)
58.即可得到k状态下最优的估算值x(k|k)，同时，更新k状态下x(k|k)的协方差：
59.p(k|k)＝(i-kg(k)h)p(k|k-1)；(式7)
60.其中，z(k)为观测值在网格上的插值矩阵，r为测量结果的协方差，i为1的矩阵，当系统进入k+1状态时，p(k|k)就是(式2)中的p(k-1|k-1)。
61.上述的一种基于移动基站实测数据的风场预测方法，其中，大气仿真软件为wrf(weather research&forecast model大气预报模式软件)，对需要预报的风场区域建立计算网格，加入第二步风场预报修正模型所建立发方法对每一部风场预报值进行修正，提高风场模拟的精准度，预报流程可采用成熟的大气仿真软件的运行步骤进行风场预报。
62.上述的一种基于移动基站实测数据的风场预测方法，其中，风场参数包含气温数据、气压数据。
63.综上，本发明的一种基于移动基站实测数据的风场预测方法，在进行风场预报时除了考虑传统实测数据外，还将实时移动基站数据纳入进来，在进行风场预报时，采用滤波同化技术，基于移动基站测量数据，实现对风场预报初始场的优化，提高预报的精度，使得模型预报的初始场精度得到提高，能够提高短时风场预报模型的精度。
64.以上对发明的具体实施例进行了描述。需要理解的是，发明并不局限于上述特定实施方式，其中未尽详细描述的设备和结构应该理解为用本领域中的普通方式予以实施；本领域技术人员可以在权利要求的范围内做出各种变形或修改做出若干简单推演、变形或替换，这并不影响发明的实质内容。

技术特征：
1.一种基于移动基站实测数据的风场预测方法，其特征在于，包含以下步骤：步骤1：实时获取移动基站测量数据与固定观测站点数据后建立信息数据库；步骤2：以所述移动基站测量数据与所述固定观测站点数据为观测值，计算所述观测值与风场数值预报模型计算的模拟值之间的偏差，以所述偏差为指标，采用滤波同化方法修正模拟值并建立风场预报修正模型；步骤3：采用大气仿真软件根据风场区域建立计算网格；步骤4：利用所述风场预报修正模型对所述计算网格进行修正后建立风场数据模拟模型；步骤5：获取风场参数并输入至所述风场数据模拟模型中进行预测得到预测数据。2.如权利要求1所述的一种基于移动基站实测数据的风场预测方法，其特征在于，步骤1中的所述移动基站包含飞机、汽车、气球、船。3.如权利要求2所述的一种基于移动基站实测数据的风场预测方法，其特征在于，步骤2中采用滤波同化方法修正所述模拟值的具体计算过程如下：滤波器基于数值模式微分方程的描述如下：x(k)＝ax(k-1)+bu(k)+w(k)；(式1)观测值的描述如下：y(k)＝hx(k)+v(k)；(式2)其中，x(k)是k时刻的风场要素状态，u(k)是k时刻的强迫场，a和b是系统参数，w(k)是模拟结果，y(k)是k时刻的观测值，h是测量系统的参数，对于多测量系统，h为矩阵，v(k)是测量的噪声；滤波器利用数值模式模拟下一时刻风场信息状态的计算公式如下：x(k|k-1)＝ax(k-1|k-1)+bu(k)；(式3)其中，x(k|k-1)是利用上一状态预测的结果，x(k-1|k-1)是上一状态最优的结果，u(k)为k时刻的强迫场；协方差记为p的表达公式如下：p(k|k-1)＝ap(k-1|k-1)a’+q；(式4)其中，p(k|k-1)是x(k|k-1)对应的协方差，p(k-1|k-1)是x(k-1|k-1)对应的协方差，a’表示a的转置矩阵，q是模拟结果的协方差；通过式3、式4实现滤波器对系统的预测，随后再收集现在状态的测量值，结合模拟值和观测值，可以得到现在状态(k)的最优化估算值x(k|k)：x(k|k)＝x(k|k-1)+kg(k)(z(k)-hx(k|k-1))；(式5)其中，kg(k)＝p(k|k-1)h’/(hp(k|k-1)h’+r)；(式6)即可得到k状态下最优的估算值x(k|k)，同时，更新k状态下x(k|k)的协方差：p(k|k)＝(i-kg(k)h)p(k|k-1)；(式7)其中，z(k)为观测值在网格上的插值矩阵，r为测量结果的协方差，i为1的矩阵，当系统进入k+1状态时，p(k|k)就是(式2)中的p(k-1|k-1)。4.如权利要求3所述的一种基于移动基站实测数据的风场预测方法，其特征在于，所述大气仿真软件为wrf。5.如权利要求1所述的一种基于移动基站实测数据的风场预测方法，其特征在于，所述风场参数包含气温数据、气压数据。

技术总结
本发明公开了一种基于移动基站实测数据的风场预测方法，包含以下步骤：步骤1：实时获取移动基站测量数据与固定观测站点数据后建立信息数据库；步骤2：以移动基站测量数据与固定观测站点数据为观测值，计算观测值与风场数值预报模型计算的模拟值之间的偏差，以偏差为指标，采用滤波同化方法修正模拟值并建立风场预报修正模型；步骤3：采用大气仿真软件根据风场区域建立计算网格；步骤4：利用风场预报修正模型对计算网格进行修正后建立风场数据模拟模型；步骤5：获取风场参数并输入至风场数据模拟模型中进行预测得到预测数据。拟模型中进行预测得到预测数据。拟模型中进行预测得到预测数据。


技术研发人员：胡川 向新桃 郭世鑫
受保护的技术使用者：上海鹰达信息科技有限公司
技术研发日：2022.12.26
技术公布日：2023/7/12