1.本发明属于风电场测风数据分析领域，特别涉及一种不同大气热力稳定状态下的实地测风数据集构建方法和系统。
背景技术：
：：2.随着风力发电产业发展迅速，作为风电场建设的首要及关键环节，准确的风资源测量与评价直接关系着风电场建成后的发电效能与经济效益。实地测风是评价风能资源最直接的方法，它能同时考虑到风场区域性的环境因素、天气状况以及气候特征对大气边界层流动特性的影响,能够真实地反映出现场的风资源状况，是风电场前期建设中必不可少的步骤。3.典型的实地测风是将风速、风向、温度、气压、湿度等测量装置安装于测风塔的不同高度层面上，通过在拟开发风电场区域的代表性位置连续采集至少一年的数据，完整地记录下全年不同季节变化对大气流动的影响，通过整理、分析风速、风向等大气流动变量的统计性特征，真实定量地反映整个风场的历史风况。4.现阶段基于工程应用的风能资源评价，通常忽略了大气边界层热力状态对风流动状态的影响，将整场近似为中性大气结层来处理，即认为风场近地区域内的大气位温(potentialtemperature)不随高度变化且无温差状态。这种近似方式在高风速风场可认为是合理的，然而在一些中低风速风场中，由于地表的热辐射或冷却效应，局部近地区域产生较大的温度梯度，从而引起大气密度乃至热力学稳定型状态的变化，增强或减弱了流场动量在垂直方向的交换，其平均风速与风速标准差随离地高度的变化不再符合中性层下的理论规律，进而对风力机叶轮扫风区域范围的风切变与风速轮廓线特征产生影响，导致不同大气热力稳定状态下风电机组关键部件的受载状态产生变化，进而造成风力发电机组出力特性与输出功率的波动，从而使得风电场建成后整场实际发电能效与设计能效存在偏差。5.传统大气科学中对大气边界层的热力稳定性状态的判别，主要通过采集同一位置处不同高层的温度，根据计算出的垂向位温(potentialtemperature)梯度分为中性(neutral)、稳定(stable)与不稳定(unstable)结层三类。然而，常用的实地测风设备通常仅配有单点气温测量，若要以传统方式同步实现大气热力稳定度的判别，需要在现有测风设备多个测层上安装额外的测温仪，或者增置额外的大气温度激光雷达，造成测风设备与维护成本的大幅增加，故并未广泛应用于风电行业。6.综上所述，如何在风电场区域垂向温度梯度信息普遍缺乏的实际情况下，基于现有的风资源测量数据进行不同大气热力稳定状态下的分类与筛选，建立不同热力稳定状态下的实地测风数据集，从而分析大气热力稳定度对风统计特征的影响，并以此为基础开展针对性的数值模拟评估，亦将成为风能资源的精细化评价中亟待解决的热点问题。技术实现要素：7.本发明的目的在于提供了一种不同大气热力稳定状态下的实地测风数据集构建方法和系统，该方法可在风电场垂向温度采集信息缺乏的条件下，基于风电场实地测风数据的统计学特征，建立中性、稳定、不稳定大气热力状态下风数据的归类方法；通过构建整个风电场区不同大气热力稳定状态下对应的数据集，可对整个风电场区的风资源进行精细化评价，同时通过量化计算不同大气热力稳定状态下各测风点位的风统计廓线，为后续风资源数值模拟评估的定量验证提供数据支撑。8.为了达到上述目的，本发明采用的技术方案是：9.一种不同大气热力稳定状态下的实地测风数据集构建方法，包括以下步骤：10.根据风电场所在宏观区域的地形地貌特点以及区域内测风塔数量，选取代表性测风塔，并获取代表性测风塔在长期测风的第一数据集；11.基于现有实地测量的风速统计特征，建立代表性测风点位在特定测层高度、特定来流风向和风速区间内的条件性筛选方法，计算得到各个时间戳对应的湍流强度；12.根据代表性测风点位数据计算得到的湍流强度参数，建立目标场区的不同大气热力稳定状态的判别方法，同时联立其余离散点位的同期数据，筛选并构建整场在中性、稳定、不稳定大气热力状态下的实地测风数据库。13.作为本发明的进一步改进，第一数据集包含测量周期内不同测层高度上的风统计数据，包括各个测层在预设采集周期内记录的平均风向、风向标准差、平均风速、风速标准差时序数据。14.作为本发明的进一步改进，建立代表性测风点位在特定测层高度、特定来流风向和风速区间内的条件性筛选方法，包括：15.确定代表性测风塔的目标高度层，得到第二数据集；16.根据风场所在地区的气候与季风特征，对代表性测风塔在目标高度的第二数据集中的风统计数据进行季节性筛选，得到第三数据集；17.对第三数据集中，对在预设采集周期内记录的平均风向、风向标准差、平均风速、风速标准差四组时序数据进行概率密度函数分析，得到目标风矢量条件；18.基于得到的目标风矢量条件，在第三数据集中筛选出满足目标风矢量条件的数据，构成第四数据集；19.基于第四数据集，确定中性、稳定、不稳定大气热力状态的判别方式。20.作为本发明的进一步改进，基于概率密度函数分析得到的所述目标风矢量条件，具体包括：21.得到最高频风向在dm附近，最高频风向标准差在df左右；22.得到整体平均风速为vm，风速标准差的整体平均值为vf；23.进而确定待研究的目标风矢量条件为：平均风向位于目标风向扇区dc＝dm±df，且平均风速落于目标风速区间vc＝vm±vf。24.作为本发明的进一步改进，所述基于第四数据集，确定中性、稳定、不稳定大气热力状态的判别方式，包括：25.计算第四数据集中各个时间戳下对应的湍流强度；所述湍流强度的计算方法为：[0026][0027]结合当地气象记录，将第四数据集中落于目标季节内日出、日落所在时间段内对应的湍流强度ti数据进行提取并进行统计计算；[0028]得到代表性测风塔在目标高度、目标季节、目标风矢量条件下，处于中性状态大气边界层的判别方式为：[0029]ti值应满足：[0030]处于稳定状态大气边界层的判别方式为：[0031]ti值应满足：[0032]处于不稳定状态大气边界层的判别方式为：[0033]ti值应满足：[0034]其中，为中性状态大气边界层的判别中位值，为中性状态大气边界层ti中位值的浮动区域值。[0035]作为本发明的进一步改进，结合当地气象记录，将第四数据集中落于目标季节内日出、日落所在时间段内对应的湍流强度ti数据进行提取并进行统计计算，具体包括：[0036](a)通过求解其加权平均值，得到代表性测风塔在目标高度、目标季节、目标风矢量条件下的平均湍流强度，作为中性状态大气边界层的判别中位值；[0037](b)通过求解其标准差，得到代表性测风塔在目标高度、目标季节、目标风矢量条件下的湍流强度标准差，作为中性状态大气边界层ti中位值的浮动区域值。[0038]作为本发明的进一步改进，所述根据代表性测风点位数据计算得到的湍流强度参数，判别目标场区的大气热力稳定状态，同时联立其余离散点位的同期数据，筛选并构建整场在中性、稳定、不稳定大气热力状态下的实地测风数据库，具体包括：[0039]确定中性、稳定、不稳定大气热力状态的判别方式，得到的不同大气热力稳定状态的判别方式，根据湍流强度数据进行分类与筛选，提取代表性测风塔在目标高度、目标季节、目标风矢量条件下，处于中性、稳定、不稳定大气热力状态的日期时间戳序列；[0040]基于筛选出的不同大气热力稳定状态对应的时间戳，对代表性测风塔其余测层高度的同期数据进行提取，得到代表性测风塔所有测层高度在中性、稳定、不稳定大气热力状态下的数据集；[0041]基于选出的不同大气热力稳定状态对应的时间戳，对场区内剩余测风塔各测层高度的同期数据进行提取，得到其余测风塔所有测层高度在中性、稳定、不稳定大气热力状态下的数据集；[0042]结合构建的代表性测风塔在目标季节、目标风矢量条件下，所有测层高度在不同大气热力稳定状态下的数据集，与构建的其余测风塔同期相应数据集，构建风电场区所有测风塔各个测层高度，在中性、稳定、不稳定大气热力状态下的整体数据集。[0043]作为本发明的进一步改进，还包括：[0044]基于构建的整场区不同大气热力稳定状态下的数据集，在各个测风塔点位处，计算风速在竖直方向的统计轮廓线，用于后续不同热力湍流模型下风资源数值模拟评估结果的定量验证。[0045]一种不同大气热力稳定状态下的实地测风数据集构建系统，包括：[0046]获取模块，用于根据风电场所在宏观区域的地形地貌特点以及区域内测风塔数量，选取代表性测风塔，并获取代表性测风塔在长期测风的第一数据集；[0047]筛选模块，用于基于现有实地测量的风速统计特征，建立代表性测风点位在特定测层高度、特定来流风向和风速区间内的条件性筛选方法，同时计算经过筛选后的数据集中各个时间戳对应的湍流强度；[0048]构建模块，用于根据代表性测风点位数据计算得到的湍流强度参数，判别目标场区的大气热力稳定状态，同时联立其余离散点位的同期数据，筛选并构建整场在中性、稳定、不稳定大气热力状态下的实地测风数据库。[0049]一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述不同大气热力稳定状态下的实地测风数据集构建方法的步骤。[0050]与现有技术方法相比，本发明的有益效果是：[0051]本发明提供的一种不同大气热力稳定状态下的实地测风数据集构建方法，该方法针对风电行业内实地测风时缺少垂向温度梯度信息的普遍问题，可在不额外增加风场气温测量装置的条件下，通过现有代表性测风点位测风数据的一阶与二阶统计学特征，判别目标场区的大气热力稳定状态，并建立相应的整场实地测风数据集，有利于对不同大气热力稳定状态下的测风数据进行分类，有助于风能资源的精细化评价；基于构建的风电场实地测风数据集，可量化计算不同大气热力稳定状态下各测风点位平均风向、风速和风速标准差轮廓线，为后续风资源数值模拟评估结果的定量验证提供数据支撑；[0052]进一步地，根据所建数据集中参考测风塔在不同大气稳定状态下的风况特征，可明确用于风场流动数值模拟的精确的入流驱动信息与热力湍流模型，将模拟结果与其余测风塔点位的测风数据进行对比分析后，亦为湍流模型的适用性和准确性提供了一种可靠的验证方式。附图说明[0053]图1为本发明所涉及的一种不同大气热力稳定状态下的实地测风数据集构建方法的流程图；[0054]图2为风场区域内代表性测风塔长期测风数据集r的数据结构示意图；[0055]图3为风场区域内代表性测风塔在目标季节、目标风矢量条件下，在不同大气热力稳定状态时的风速统计轮廓线；[0056]图4为风场区域内剩余测风塔(之一)在不同大气热力稳定状态时，与代表性测风塔对应的同期风速统计轮廓线；[0057]图5为本发明不同大气热力稳定状态下的实地测风数据集构建系统结构示意图；[0058]图6为本发明电子设备结构示意图。具体实施方式[0059]为了使本发明的目的、技术方案和优点更加清楚明白，下面结合附图和具体实施例对本发明进一步详细说明：[0060]本发明第一个目的是提供一种不同大气热力稳定状态下的实地测风数据集构建方法，包括以下步骤：[0061]一种不同大气热力稳定状态下的实地测风数据集构建方法，包括以下步骤：[0062]根据风电场所在宏观区域的地形地貌特点以及区域内测风塔数量，选取代表性测风塔，并获取代表性测风塔在长期测风的第一数据集；[0063]基于现有实地测量的风速统计特征，建立代表性测风点位在特定测层高度、特定来流风向和风速区间内的条件性筛选方法，计算得到各个时间戳对应的湍流强度；[0064]根据代表性测风点位数据计算得到的湍流强度参数，建立目标场区的不同大气热力稳定状态的判别方法，同时联立其余离散点位的同期数据，筛选并构建整场在中性、稳定、不稳定大气热力状态下的实地测风数据库。[0065]该方法针对风电行业内实地测风时缺少垂向温度梯度信息的普遍问题，可在不额外增加风场气温测量装置的条件下，及在风电场垂向温度采集信息缺乏的条件下，基于现有实地测量的风速统计特征，建立代表性测风点位在特定测层高度、特定来流风向和风速区间内的条件性筛选方法；进而根据代表性测风点位的风速的一阶与二阶矩特征，研究不同大气热力稳定状态下风数据的归类方法；同时联立其余离散点位的同期数据，筛选并构建整场相应的实地测风数据库，为风能资源的精细化评价奠定基础。[0066]下面结合附图，对本发明进一步详细说明。[0067]如图1所示，本发明提供的一种不同大气热力稳定状态下的实地测风数据集构建方法，包括如下步骤：[0068]步骤1，根据风电场所在宏观区域的地形地貌特点以及区域内测风塔数量(通常为2个或2个以上)，选取1个代表性测风塔，并获取代表性测风塔在长期(至少1年)测风数据集r；[0069]所述代表性测风塔周围地形的局部崎岖度应相对较小，且无明显的障碍物或遮挡物；[0070]所述数据集r应至少应包含测量周期内不同测层高度上的风统计数据，包括各个测层以10分钟(iec标准建议)为间隔的平均风向、风向标准差、平均风速、风速标准差4组时序数据，如图2所示；[0071]步骤2，确定代表性测风塔的目标高度层，一般选择与风力机组轮毂高度相同或最近的测层，记为hhub；后续步骤中，将针对该测层高度记录的数据集rhub进行筛选与归类；[0072]步骤3，根据风场所在地区的气候与季风特征，对步骤2得到的代表性测风塔在目标高度测层数据集rhub中的风统计数据进行季节性筛选，筛选后的数据集记为[0073]具体地，若风电场位于北半球中纬度地区，且在6月至8月中存在着明显的夏季季风特征，则可将rhub中日期落于6、7、8三个月内的风统计数据进行筛选，筛选后的数据集记为[0074]步骤4，对步骤3筛选出数据集中的10分钟平均风向、风向标准差、平均风速、风速标准差四组时序数据进行概率密度函数(probabilitydensityfunction，pdf)分析：[0075](4-1)得到最高频风向在dm附近，最高频风向标准差在df左右；[0076](4-2)得到整体平均风速为vm，风速标准差的整体平均值为vf；[0077]进而确定待研究的目标风矢量条件为：平均风向位于目标风向扇区dc＝dm±df，且平均风速落于目标风速区间vc＝vm±vf；[0078]具体地，对数据集中的10分钟平均风向、风向标准差、平均风速、风速标准差四组时序数据分别进行pdf分析后得到：[0079](1)最高频风向在90°附近，最高频风向标准差在7.5°左右；[0080](2)整体平均风速在为8.0m/s，风速标准差的平均值为0.5m/s；[0081]则可将待研究的目标风矢量条件限定为：平均风向位于dc＝90°±7.5°扇区，且平均风速落于vc＝8.0±0.5m/s区间。[0082]步骤5，基于步骤4中得到的目标风矢量条件(包括目标风向扇区dc与目标风速区间vc)，在数据集中筛选出满足步骤4得到的目标风矢量条件(包括目标风向扇区dc与目标风速区间vc)的数据，构成数据集[0083]步骤6，基于数据集确定中性、稳定、不稳定大气热力状态的判别方式，主要分为以下几个环节：[0084](6-1)计算中各个时间戳对应的10分钟湍流强度(turbulenceintensity，ti)，所述湍流强度的计算方法为：[0085][0086](6-2)鉴于在大气动力学中，热力不稳定状态的大气边界层通常出现在白昼时段，热力稳定状态的大气边界层通常出现在夜晚时段，中性状态的大气边界层通常发生于热力不稳定与稳定状态的过渡阶段，即日出、日落时段。[0087]故结合当地气象记录，将中落于目标季节内日出、日落所在时间段(分别取日出、日落附近2小时，共计4小时)内对应的ti数据进行提取：[0088](a)通过求解其加权平均值，得到代表性测风塔在目标高度(hhub)、目标季节、目标风矢量条件下的平均湍流强度，作为中性状态大气边界层的判别中位值，记为[0089](b)通过求解其标准差，得到代表性测风塔在目标高度(hhub)、目标季节、目标风矢量条件下的湍流强度标准差，作为中性状态大气边界层ti中位值的浮动区域值，记为[0090](6-3)综合上述二者，得到代表性测风塔在目标高度(hhub)、目标季节、目标风矢量条件下，处于中性状态大气边界层的判别方式为：[0091]数据集中的ti值应满足：并由此得到处于稳定状态大气边界层的判别方式为：[0092]数据集中的ti值应满足：得到处于不稳定状态大气边界层的判别方式为：[0093]数据集中的ti值应满足：[0094]步骤7，基于步骤6得到的不同大气热力稳定状态的判别方式，根据中计算得到的ti数据进行分类与筛选，提取代表性测风塔在目标高度(hhub)、目标季节、目标风矢量条件下，处于中性、稳定、不稳定大气热力状态的日期时间戳序列，分别为tneutral、tstalbe、tunstalbe；[0095]步骤8，基于在中筛选出的不同大气热力稳定状态对应的时间戳(tneutral、tstalbe、tunstalbe)，对代表性测风塔其余测层高度的同期数据进行提取，得到代表性测风塔所有测层高度在中性、稳定、不稳定大气热力状态下的数据集，分别记作rs，v，neutral、rs，v，stable、rs，v，unstable；[0096]步骤9，基于在中筛选出的不同大气热力稳定状态对应的时间戳(tneutral、tstalbe、tunstalbe)，对场区内剩余测风塔各测层高度的同期数据进行提取，得到其余测风塔所有测层高度在中性、稳定、不稳定大气热力状态下的数据集(例如，对于测风塔m01，对应的数据集为m01s，v，neutral、m01s，v，stable、m01s，v，unstable，测风塔m02、m03以此类推)；[0097]步骤10，结合步骤8中构建的代表性测风塔在目标季节、目标风矢量条件下，所有测层高度在不同大气热力稳定状态下的数据集(rs，v，neutral、rs，v，stable、rs，v，unstable)，与步骤9中构建的其余测风塔同期相应数据集(如m01s,v,neutral、m01s,v,stable、m01s,v,unstable等)，构建风电场区所有测风塔各个测层高度，在中性、稳定、不稳定大气热力状态下的整体数据集；[0098]步骤11，基于步骤10中构建的整场区不同大气热力稳定状态下的数据集，在各个测风塔点位处，计算风速在竖直方向的统计轮廓线，如图3、图4所示，为后续不同热力湍流模型下风资源数值模拟评估结果的定量验证提供数据支撑。[0099]如图5所示，本发明第二个目的是提供一种不同大气热力稳定状态下的实地测风数据集构建系统，包括：[0100]获取模块，用于根据风电场所在宏观区域的地形地貌特点以及区域内测风塔数量，选取代表性测风塔，并获取代表性测风塔在长期测风的第一数据集；[0101]筛选模块，用于基于现有实地测量的风速统计特征，建立代表性测风点位在特定测层高度、特定来流风向和风速区间内的条件性筛选方法，得到各个时间戳对应的间隔湍流强度；[0102]构建模块，用于根据代表性测风点位数据计算得到的湍流强度参数，判别目标场区的大气热力稳定状态，同时联立其余离散点位的同期数据，筛选并构建整场在中性、稳定、不稳定大气热力状态下的实地测风数据库。[0103]如图6所示，本发明第三个目的是提供一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述不同大气热力稳定状态下的实地测风数据集构建方法的步骤。[0104]所述不同大气热力稳定状态下的实地测风数据集构建方法的步骤，包括以下步骤：[0105]根据风电场所在宏观区域的地形地貌特点以及区域内测风塔数量，选取代表性测风塔，并获取代表性测风塔在长期测风的第一数据集；[0106]基于现有实地测量的风速统计特征，建立代表性测风点位在特定测层高度、特定来流风向和风速区间内的条件性筛选方法，得到各个时间戳对应的间隔湍流强度；[0107]根据代表性测风点位数据计算得到的湍流强度参数，判别目标场区的大气热力稳定状态，同时联立其余离散点位的同期数据，筛选并构建整场在中性、稳定、不稳定大气热力状态下的实地测风数据库。[0108]本发明第四个目的是提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述不同大气热力稳定状态下的实地测风数据集构建方法的步骤。[0109]所述不同大气热力稳定状态下的实地测风数据集构建方法的步骤，包括以下步骤：[0110]根据风电场所在宏观区域的地形地貌特点以及区域内测风塔数量，选取代表性测风塔，并获取代表性测风塔在长期测风的第一数据集；[0111]基于现有实地测量的风速统计特征，建立代表性测风点位在特定测层高度、特定来流风向和风速区间内的条件性筛选方法，同时计算经过筛选后的数据集中各个时间戳对应的湍流强度；[0112]根据代表性测风点位数据计算得到的湍流强度参数，判别目标场区的大气热力稳定状态，同时联立其余离散点位的同期数据，筛选并构建整场在中性、稳定、不稳定大气热力状态下的实地测风数据库。[0113]本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。[0114]本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。[0115]这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。[0116]这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。[0117]最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。当前第1页12当前第1页12
背景技术：
：：2.随着风力发电产业发展迅速，作为风电场建设的首要及关键环节，准确的风资源测量与评价直接关系着风电场建成后的发电效能与经济效益。实地测风是评价风能资源最直接的方法，它能同时考虑到风场区域性的环境因素、天气状况以及气候特征对大气边界层流动特性的影响,能够真实地反映出现场的风资源状况，是风电场前期建设中必不可少的步骤。3.典型的实地测风是将风速、风向、温度、气压、湿度等测量装置安装于测风塔的不同高度层面上，通过在拟开发风电场区域的代表性位置连续采集至少一年的数据，完整地记录下全年不同季节变化对大气流动的影响，通过整理、分析风速、风向等大气流动变量的统计性特征，真实定量地反映整个风场的历史风况。4.现阶段基于工程应用的风能资源评价，通常忽略了大气边界层热力状态对风流动状态的影响，将整场近似为中性大气结层来处理，即认为风场近地区域内的大气位温(potentialtemperature)不随高度变化且无温差状态。这种近似方式在高风速风场可认为是合理的，然而在一些中低风速风场中，由于地表的热辐射或冷却效应，局部近地区域产生较大的温度梯度，从而引起大气密度乃至热力学稳定型状态的变化，增强或减弱了流场动量在垂直方向的交换，其平均风速与风速标准差随离地高度的变化不再符合中性层下的理论规律，进而对风力机叶轮扫风区域范围的风切变与风速轮廓线特征产生影响，导致不同大气热力稳定状态下风电机组关键部件的受载状态产生变化，进而造成风力发电机组出力特性与输出功率的波动，从而使得风电场建成后整场实际发电能效与设计能效存在偏差。5.传统大气科学中对大气边界层的热力稳定性状态的判别，主要通过采集同一位置处不同高层的温度，根据计算出的垂向位温(potentialtemperature)梯度分为中性(neutral)、稳定(stable)与不稳定(unstable)结层三类。然而，常用的实地测风设备通常仅配有单点气温测量，若要以传统方式同步实现大气热力稳定度的判别，需要在现有测风设备多个测层上安装额外的测温仪，或者增置额外的大气温度激光雷达，造成测风设备与维护成本的大幅增加，故并未广泛应用于风电行业。6.综上所述，如何在风电场区域垂向温度梯度信息普遍缺乏的实际情况下，基于现有的风资源测量数据进行不同大气热力稳定状态下的分类与筛选，建立不同热力稳定状态下的实地测风数据集，从而分析大气热力稳定度对风统计特征的影响，并以此为基础开展针对性的数值模拟评估，亦将成为风能资源的精细化评价中亟待解决的热点问题。技术实现要素：7.本发明的目的在于提供了一种不同大气热力稳定状态下的实地测风数据集构建方法和系统，该方法可在风电场垂向温度采集信息缺乏的条件下，基于风电场实地测风数据的统计学特征，建立中性、稳定、不稳定大气热力状态下风数据的归类方法；通过构建整个风电场区不同大气热力稳定状态下对应的数据集，可对整个风电场区的风资源进行精细化评价，同时通过量化计算不同大气热力稳定状态下各测风点位的风统计廓线，为后续风资源数值模拟评估的定量验证提供数据支撑。8.为了达到上述目的，本发明采用的技术方案是：9.一种不同大气热力稳定状态下的实地测风数据集构建方法，包括以下步骤：10.根据风电场所在宏观区域的地形地貌特点以及区域内测风塔数量，选取代表性测风塔，并获取代表性测风塔在长期测风的第一数据集；11.基于现有实地测量的风速统计特征，建立代表性测风点位在特定测层高度、特定来流风向和风速区间内的条件性筛选方法，计算得到各个时间戳对应的湍流强度；12.根据代表性测风点位数据计算得到的湍流强度参数，建立目标场区的不同大气热力稳定状态的判别方法，同时联立其余离散点位的同期数据，筛选并构建整场在中性、稳定、不稳定大气热力状态下的实地测风数据库。13.作为本发明的进一步改进，第一数据集包含测量周期内不同测层高度上的风统计数据，包括各个测层在预设采集周期内记录的平均风向、风向标准差、平均风速、风速标准差时序数据。14.作为本发明的进一步改进，建立代表性测风点位在特定测层高度、特定来流风向和风速区间内的条件性筛选方法，包括：15.确定代表性测风塔的目标高度层，得到第二数据集；16.根据风场所在地区的气候与季风特征，对代表性测风塔在目标高度的第二数据集中的风统计数据进行季节性筛选，得到第三数据集；17.对第三数据集中，对在预设采集周期内记录的平均风向、风向标准差、平均风速、风速标准差四组时序数据进行概率密度函数分析，得到目标风矢量条件；18.基于得到的目标风矢量条件，在第三数据集中筛选出满足目标风矢量条件的数据，构成第四数据集；19.基于第四数据集，确定中性、稳定、不稳定大气热力状态的判别方式。20.作为本发明的进一步改进，基于概率密度函数分析得到的所述目标风矢量条件，具体包括：21.得到最高频风向在dm附近，最高频风向标准差在df左右；22.得到整体平均风速为vm，风速标准差的整体平均值为vf；23.进而确定待研究的目标风矢量条件为：平均风向位于目标风向扇区dc＝dm±df，且平均风速落于目标风速区间vc＝vm±vf。24.作为本发明的进一步改进，所述基于第四数据集，确定中性、稳定、不稳定大气热力状态的判别方式，包括：25.计算第四数据集中各个时间戳下对应的湍流强度；所述湍流强度的计算方法为：[0026][0027]结合当地气象记录，将第四数据集中落于目标季节内日出、日落所在时间段内对应的湍流强度ti数据进行提取并进行统计计算；[0028]得到代表性测风塔在目标高度、目标季节、目标风矢量条件下，处于中性状态大气边界层的判别方式为：[0029]ti值应满足：[0030]处于稳定状态大气边界层的判别方式为：[0031]ti值应满足：[0032]处于不稳定状态大气边界层的判别方式为：[0033]ti值应满足：[0034]其中，为中性状态大气边界层的判别中位值，为中性状态大气边界层ti中位值的浮动区域值。[0035]作为本发明的进一步改进，结合当地气象记录，将第四数据集中落于目标季节内日出、日落所在时间段内对应的湍流强度ti数据进行提取并进行统计计算，具体包括：[0036](a)通过求解其加权平均值，得到代表性测风塔在目标高度、目标季节、目标风矢量条件下的平均湍流强度，作为中性状态大气边界层的判别中位值；[0037](b)通过求解其标准差，得到代表性测风塔在目标高度、目标季节、目标风矢量条件下的湍流强度标准差，作为中性状态大气边界层ti中位值的浮动区域值。[0038]作为本发明的进一步改进，所述根据代表性测风点位数据计算得到的湍流强度参数，判别目标场区的大气热力稳定状态，同时联立其余离散点位的同期数据，筛选并构建整场在中性、稳定、不稳定大气热力状态下的实地测风数据库，具体包括：[0039]确定中性、稳定、不稳定大气热力状态的判别方式，得到的不同大气热力稳定状态的判别方式，根据湍流强度数据进行分类与筛选，提取代表性测风塔在目标高度、目标季节、目标风矢量条件下，处于中性、稳定、不稳定大气热力状态的日期时间戳序列；[0040]基于筛选出的不同大气热力稳定状态对应的时间戳，对代表性测风塔其余测层高度的同期数据进行提取，得到代表性测风塔所有测层高度在中性、稳定、不稳定大气热力状态下的数据集；[0041]基于选出的不同大气热力稳定状态对应的时间戳，对场区内剩余测风塔各测层高度的同期数据进行提取，得到其余测风塔所有测层高度在中性、稳定、不稳定大气热力状态下的数据集；[0042]结合构建的代表性测风塔在目标季节、目标风矢量条件下，所有测层高度在不同大气热力稳定状态下的数据集，与构建的其余测风塔同期相应数据集，构建风电场区所有测风塔各个测层高度，在中性、稳定、不稳定大气热力状态下的整体数据集。[0043]作为本发明的进一步改进，还包括：[0044]基于构建的整场区不同大气热力稳定状态下的数据集，在各个测风塔点位处，计算风速在竖直方向的统计轮廓线，用于后续不同热力湍流模型下风资源数值模拟评估结果的定量验证。[0045]一种不同大气热力稳定状态下的实地测风数据集构建系统，包括：[0046]获取模块，用于根据风电场所在宏观区域的地形地貌特点以及区域内测风塔数量，选取代表性测风塔，并获取代表性测风塔在长期测风的第一数据集；[0047]筛选模块，用于基于现有实地测量的风速统计特征，建立代表性测风点位在特定测层高度、特定来流风向和风速区间内的条件性筛选方法，同时计算经过筛选后的数据集中各个时间戳对应的湍流强度；[0048]构建模块，用于根据代表性测风点位数据计算得到的湍流强度参数，判别目标场区的大气热力稳定状态，同时联立其余离散点位的同期数据，筛选并构建整场在中性、稳定、不稳定大气热力状态下的实地测风数据库。[0049]一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述不同大气热力稳定状态下的实地测风数据集构建方法的步骤。[0050]与现有技术方法相比，本发明的有益效果是：[0051]本发明提供的一种不同大气热力稳定状态下的实地测风数据集构建方法，该方法针对风电行业内实地测风时缺少垂向温度梯度信息的普遍问题，可在不额外增加风场气温测量装置的条件下，通过现有代表性测风点位测风数据的一阶与二阶统计学特征，判别目标场区的大气热力稳定状态，并建立相应的整场实地测风数据集，有利于对不同大气热力稳定状态下的测风数据进行分类，有助于风能资源的精细化评价；基于构建的风电场实地测风数据集，可量化计算不同大气热力稳定状态下各测风点位平均风向、风速和风速标准差轮廓线，为后续风资源数值模拟评估结果的定量验证提供数据支撑；[0052]进一步地，根据所建数据集中参考测风塔在不同大气稳定状态下的风况特征，可明确用于风场流动数值模拟的精确的入流驱动信息与热力湍流模型，将模拟结果与其余测风塔点位的测风数据进行对比分析后，亦为湍流模型的适用性和准确性提供了一种可靠的验证方式。附图说明[0053]图1为本发明所涉及的一种不同大气热力稳定状态下的实地测风数据集构建方法的流程图；[0054]图2为风场区域内代表性测风塔长期测风数据集r的数据结构示意图；[0055]图3为风场区域内代表性测风塔在目标季节、目标风矢量条件下，在不同大气热力稳定状态时的风速统计轮廓线；[0056]图4为风场区域内剩余测风塔(之一)在不同大气热力稳定状态时，与代表性测风塔对应的同期风速统计轮廓线；[0057]图5为本发明不同大气热力稳定状态下的实地测风数据集构建系统结构示意图；[0058]图6为本发明电子设备结构示意图。具体实施方式[0059]为了使本发明的目的、技术方案和优点更加清楚明白，下面结合附图和具体实施例对本发明进一步详细说明：[0060]本发明第一个目的是提供一种不同大气热力稳定状态下的实地测风数据集构建方法，包括以下步骤：[0061]一种不同大气热力稳定状态下的实地测风数据集构建方法，包括以下步骤：[0062]根据风电场所在宏观区域的地形地貌特点以及区域内测风塔数量，选取代表性测风塔，并获取代表性测风塔在长期测风的第一数据集；[0063]基于现有实地测量的风速统计特征，建立代表性测风点位在特定测层高度、特定来流风向和风速区间内的条件性筛选方法，计算得到各个时间戳对应的湍流强度；[0064]根据代表性测风点位数据计算得到的湍流强度参数，建立目标场区的不同大气热力稳定状态的判别方法，同时联立其余离散点位的同期数据，筛选并构建整场在中性、稳定、不稳定大气热力状态下的实地测风数据库。[0065]该方法针对风电行业内实地测风时缺少垂向温度梯度信息的普遍问题，可在不额外增加风场气温测量装置的条件下，及在风电场垂向温度采集信息缺乏的条件下，基于现有实地测量的风速统计特征，建立代表性测风点位在特定测层高度、特定来流风向和风速区间内的条件性筛选方法；进而根据代表性测风点位的风速的一阶与二阶矩特征，研究不同大气热力稳定状态下风数据的归类方法；同时联立其余离散点位的同期数据，筛选并构建整场相应的实地测风数据库，为风能资源的精细化评价奠定基础。[0066]下面结合附图，对本发明进一步详细说明。[0067]如图1所示，本发明提供的一种不同大气热力稳定状态下的实地测风数据集构建方法，包括如下步骤：[0068]步骤1，根据风电场所在宏观区域的地形地貌特点以及区域内测风塔数量(通常为2个或2个以上)，选取1个代表性测风塔，并获取代表性测风塔在长期(至少1年)测风数据集r；[0069]所述代表性测风塔周围地形的局部崎岖度应相对较小，且无明显的障碍物或遮挡物；[0070]所述数据集r应至少应包含测量周期内不同测层高度上的风统计数据，包括各个测层以10分钟(iec标准建议)为间隔的平均风向、风向标准差、平均风速、风速标准差4组时序数据，如图2所示；[0071]步骤2，确定代表性测风塔的目标高度层，一般选择与风力机组轮毂高度相同或最近的测层，记为hhub；后续步骤中，将针对该测层高度记录的数据集rhub进行筛选与归类；[0072]步骤3，根据风场所在地区的气候与季风特征，对步骤2得到的代表性测风塔在目标高度测层数据集rhub中的风统计数据进行季节性筛选，筛选后的数据集记为[0073]具体地，若风电场位于北半球中纬度地区，且在6月至8月中存在着明显的夏季季风特征，则可将rhub中日期落于6、7、8三个月内的风统计数据进行筛选，筛选后的数据集记为[0074]步骤4，对步骤3筛选出数据集中的10分钟平均风向、风向标准差、平均风速、风速标准差四组时序数据进行概率密度函数(probabilitydensityfunction，pdf)分析：[0075](4-1)得到最高频风向在dm附近，最高频风向标准差在df左右；[0076](4-2)得到整体平均风速为vm，风速标准差的整体平均值为vf；[0077]进而确定待研究的目标风矢量条件为：平均风向位于目标风向扇区dc＝dm±df，且平均风速落于目标风速区间vc＝vm±vf；[0078]具体地，对数据集中的10分钟平均风向、风向标准差、平均风速、风速标准差四组时序数据分别进行pdf分析后得到：[0079](1)最高频风向在90°附近，最高频风向标准差在7.5°左右；[0080](2)整体平均风速在为8.0m/s，风速标准差的平均值为0.5m/s；[0081]则可将待研究的目标风矢量条件限定为：平均风向位于dc＝90°±7.5°扇区，且平均风速落于vc＝8.0±0.5m/s区间。[0082]步骤5，基于步骤4中得到的目标风矢量条件(包括目标风向扇区dc与目标风速区间vc)，在数据集中筛选出满足步骤4得到的目标风矢量条件(包括目标风向扇区dc与目标风速区间vc)的数据，构成数据集[0083]步骤6，基于数据集确定中性、稳定、不稳定大气热力状态的判别方式，主要分为以下几个环节：[0084](6-1)计算中各个时间戳对应的10分钟湍流强度(turbulenceintensity，ti)，所述湍流强度的计算方法为：[0085][0086](6-2)鉴于在大气动力学中，热力不稳定状态的大气边界层通常出现在白昼时段，热力稳定状态的大气边界层通常出现在夜晚时段，中性状态的大气边界层通常发生于热力不稳定与稳定状态的过渡阶段，即日出、日落时段。[0087]故结合当地气象记录，将中落于目标季节内日出、日落所在时间段(分别取日出、日落附近2小时，共计4小时)内对应的ti数据进行提取：[0088](a)通过求解其加权平均值，得到代表性测风塔在目标高度(hhub)、目标季节、目标风矢量条件下的平均湍流强度，作为中性状态大气边界层的判别中位值，记为[0089](b)通过求解其标准差，得到代表性测风塔在目标高度(hhub)、目标季节、目标风矢量条件下的湍流强度标准差，作为中性状态大气边界层ti中位值的浮动区域值，记为[0090](6-3)综合上述二者，得到代表性测风塔在目标高度(hhub)、目标季节、目标风矢量条件下，处于中性状态大气边界层的判别方式为：[0091]数据集中的ti值应满足：并由此得到处于稳定状态大气边界层的判别方式为：[0092]数据集中的ti值应满足：得到处于不稳定状态大气边界层的判别方式为：[0093]数据集中的ti值应满足：[0094]步骤7，基于步骤6得到的不同大气热力稳定状态的判别方式，根据中计算得到的ti数据进行分类与筛选，提取代表性测风塔在目标高度(hhub)、目标季节、目标风矢量条件下，处于中性、稳定、不稳定大气热力状态的日期时间戳序列，分别为tneutral、tstalbe、tunstalbe；[0095]步骤8，基于在中筛选出的不同大气热力稳定状态对应的时间戳(tneutral、tstalbe、tunstalbe)，对代表性测风塔其余测层高度的同期数据进行提取，得到代表性测风塔所有测层高度在中性、稳定、不稳定大气热力状态下的数据集，分别记作rs，v，neutral、rs，v，stable、rs，v，unstable；[0096]步骤9，基于在中筛选出的不同大气热力稳定状态对应的时间戳(tneutral、tstalbe、tunstalbe)，对场区内剩余测风塔各测层高度的同期数据进行提取，得到其余测风塔所有测层高度在中性、稳定、不稳定大气热力状态下的数据集(例如，对于测风塔m01，对应的数据集为m01s，v，neutral、m01s，v，stable、m01s，v，unstable，测风塔m02、m03以此类推)；[0097]步骤10，结合步骤8中构建的代表性测风塔在目标季节、目标风矢量条件下，所有测层高度在不同大气热力稳定状态下的数据集(rs，v，neutral、rs，v，stable、rs，v，unstable)，与步骤9中构建的其余测风塔同期相应数据集(如m01s,v,neutral、m01s,v,stable、m01s,v,unstable等)，构建风电场区所有测风塔各个测层高度，在中性、稳定、不稳定大气热力状态下的整体数据集；[0098]步骤11，基于步骤10中构建的整场区不同大气热力稳定状态下的数据集，在各个测风塔点位处，计算风速在竖直方向的统计轮廓线，如图3、图4所示，为后续不同热力湍流模型下风资源数值模拟评估结果的定量验证提供数据支撑。[0099]如图5所示，本发明第二个目的是提供一种不同大气热力稳定状态下的实地测风数据集构建系统，包括：[0100]获取模块，用于根据风电场所在宏观区域的地形地貌特点以及区域内测风塔数量，选取代表性测风塔，并获取代表性测风塔在长期测风的第一数据集；[0101]筛选模块，用于基于现有实地测量的风速统计特征，建立代表性测风点位在特定测层高度、特定来流风向和风速区间内的条件性筛选方法，得到各个时间戳对应的间隔湍流强度；[0102]构建模块，用于根据代表性测风点位数据计算得到的湍流强度参数，判别目标场区的大气热力稳定状态，同时联立其余离散点位的同期数据，筛选并构建整场在中性、稳定、不稳定大气热力状态下的实地测风数据库。[0103]如图6所示，本发明第三个目的是提供一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述不同大气热力稳定状态下的实地测风数据集构建方法的步骤。[0104]所述不同大气热力稳定状态下的实地测风数据集构建方法的步骤，包括以下步骤：[0105]根据风电场所在宏观区域的地形地貌特点以及区域内测风塔数量，选取代表性测风塔，并获取代表性测风塔在长期测风的第一数据集；[0106]基于现有实地测量的风速统计特征，建立代表性测风点位在特定测层高度、特定来流风向和风速区间内的条件性筛选方法，得到各个时间戳对应的间隔湍流强度；[0107]根据代表性测风点位数据计算得到的湍流强度参数，判别目标场区的大气热力稳定状态，同时联立其余离散点位的同期数据，筛选并构建整场在中性、稳定、不稳定大气热力状态下的实地测风数据库。[0108]本发明第四个目的是提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述不同大气热力稳定状态下的实地测风数据集构建方法的步骤。[0109]所述不同大气热力稳定状态下的实地测风数据集构建方法的步骤，包括以下步骤：[0110]根据风电场所在宏观区域的地形地貌特点以及区域内测风塔数量，选取代表性测风塔，并获取代表性测风塔在长期测风的第一数据集；[0111]基于现有实地测量的风速统计特征，建立代表性测风点位在特定测层高度、特定来流风向和风速区间内的条件性筛选方法，同时计算经过筛选后的数据集中各个时间戳对应的湍流强度；[0112]根据代表性测风点位数据计算得到的湍流强度参数，判别目标场区的大气热力稳定状态，同时联立其余离散点位的同期数据，筛选并构建整场在中性、稳定、不稳定大气热力状态下的实地测风数据库。[0113]本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。[0114]本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。[0115]这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。[0116]这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。[0117]最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。当前第1页12当前第1页12
再多了解一些
本文用于企业家、创业者技术爱好者查询，结果仅供参考。
