基于權重算法篩選無效測風數據的方法研究

文 | 李長亮

測風數據的處理直接關系到風電場發電量的測算，進而影響整個項目的決策。國標GB/T18709－2002《風電場風能資源測量方法》和GB/T18710－2002《風電場風能資源測量方法》中規定了風能資源測風數據的一些原則，具體指標如表1所示。

國標中規定的參數是小時平均值，而實際中獲取的測風數據是10分鐘平均值，所以，根據國標參數進行處理時首先需要進行時間轉化。此外，國標發布時間較早，隨著近15年風電的發展，測風高度和地點發生了較大變化，在較為復雜的山地地形得到的測風數據也是非常復雜的，單獨使用國標方法處理已經不能滿足要求。

在實際工作中，對于測風數據中的無效數據，一般都是工程師根據經驗手動進行剔除，這種方法對工程師的數據處理能力要求較高。本文提出了一種篩選無效數據的新方法，將風切變規律運用于逐時刻數據，并采用權重算法對每個通道每個時刻數據（10分鐘平均）進行權重計算，篩選無效數據，使數據更具有可信度，并采用某項目測風塔驗證了其可行性。

表1 測風數據合理性判斷原則

方法說明

在風能資源研究中，風切變指數表征風速隨高度的變化程度，由于受地形與大氣層穩定度等因素的影響，風速隨高度變化的程度不同，風切變指數的大小也各異。因此，風切變是當今測風數據分析中的一項重要指標。一般情況下，風速同測風高度的關系如式（1）所示：

假設z0＝1，那么，以上公式就轉化為：

基于權重算法篩選無效測風數據的方法是采用逐時刻數據（10分鐘平均）計算風切變值，然后依次去除本時刻某個通道的值，對剩余的通道求取風切變，通過計算這兩個風切變的差值，得到本通道的權重值（表征這個通道對風切變影響的程度）。若是影響程度過大，則表示此數據嚴重偏離統計規律，應視為無效數據。具體步驟為：

假設現有一組測風數據，時間序列為10分鐘，每組數據包括N個高度通道的風速信息（其余風向、湍流等實測信息與本處理方法無關，因此不提及），下面的數據處理不包含同一高度上有兩個通道的情況。

一、對測風數據進行數據范圍判斷

按照國標規定，對小時平均風速≧40m/s的數據進行標記，并刪除標記所涉及的10分鐘數據的異常值。

若是測風數據由機械風杯測得，則測風數據最小值一般為0.4m/s（具體精確值查詢標定值），因此，對測風數據中小于0.4m/s的數據進行刪除。

二、分類篩選各個時間序列通道

對每個時刻的各個通道進行處理判斷：

a.若是數據覆蓋個數小于等于3，對此通道不做處理；

b.若是數據覆蓋個數大于3，則采用以下方法進行數據處理。

（一）求取每一時刻的風切變

直接對10分鐘原始數據進行處理：對風速數據和高度數據進行取自然對數操作，x軸代表高度lnz，y軸代表速度lnv，采用最小二乘法擬合直線。根據公式（2）得知，直線的斜率代表測風數據本時刻的風切變α，如圖1所示。

（二）求取每一個通道的權重值

對于給定的m個通道數據，有m個權重值。下面是針對每一時刻各通道數據進行操作（同理以圖1中4個點為例進行說明）。

去除通道a的數值，對剩余的通道b、 c 、d求取風切變α1。

求取本時刻本通道數據的權重值：

同理求取本時刻其余三個通道b、c、d的權重值Δi2、Δi3、Δi4。

（三）篩選無效數據

通過對測風數據每個時刻的處理，得到測風數據所有點的權重值，規定一個合理值Δi，將超出合理值Δi范圍的值標記為異常值，將所涉及的測風數據定義為無效數據。

圖1 風切變計算示意圖

圖2 a通道風切變計算示意圖

（四）對數據進行插補

去除無效數據后，為了保證數據完整性，對缺失數據進行插補。

項目驗證

本文采用基于權重算法篩選無效測風數據的方法對1#測風塔（本測風塔位于江蘇，數據截取范圍為2016年6月6日－2017年6月5日，數據有90m、80m、70m、50m、30m、10m共6個通道。由于30m通道數據損壞，質量較差，因此，處理過程中去除了該通道值）測風數據進行處理，首先對測風數據進行無效數據剔除，然后在Windographer里進行數據插補，數據處理結果如圖3－圖12所示。

可以看出70m通道數據偏離風切變統計曲線較多，這種現象一般由幾種原因引起：（1）本地區真實風速確實是這種現象。（2）測量裝置發生漂移。（3）測量數據中某部分的時間數據異常。在實際處理中，因為使用統計規律，要依靠風切變數值進行后續的計算以及評判，所以，會手動對偏離統計的數據進行剔除（一般是目測數據，然后剔除異常值，以及目測相關性，并剔除相關性較差的數據）。

圖3 處理前風切變

圖4 處理后風切變

圖5 處理前90m與80m相關性

圖6 處理后90與80m相關性

圖7 處理前90m與70m相關性

圖8 處理后90m與70m相關性

通過采用本方法進行處理后，各通道數據質量明顯提高，數據相關性也顯著提高。同時，各個通道的風速略有變化，90m通道風速降低了0.11m/s，80m通道風速降低了0.13m/s，70m通道風速升高了0.1m/s，50m通道風速降低了0.15m/s，10m通道風速降低了0.04m/s。風切變規律更加符合統計規律。

圖9 處理前90m與50m相關性

圖10 處理后90m與50m相關性

圖11 處理前90m與10m相關性

圖12 處理后90m與10m相關性

表2 1#測風塔處理前風速信息

表3 1#測風塔處理后風速信息

結論

本文提出的方法，重點在于基于統計規律思想，識別和剔除質量較差的測風數據。從現在工程師的目測和手動剔除方式轉變為機器識別和自動處理，是一種新的自動識別方法，可以大幅度提高工程師的工作效率。通過項目驗證可知，本方法可以顯著提高測風數據的質量，增加通道相關性，快速剔除無效數據，得到較好的處理效果。需要注意的是，本方法具有一定的適用范圍，適用于少數無效數據分散在眾多測風數據的情況，對于某個時刻多個通道數據無規律異常的情況，從原理上講本方法是不適用的。另外，由于尚未經過大量的樣本驗證，因此，對于如何設定約束條件及適用何種類型的測風數據等內容，都需要進行深入研究。