【技术实现步骤摘要】
本公开涉及新能源发电，尤其涉及一种基于机器学习的激光雷达测风数据插补方法和装置。
技术介绍
1、目前，风电机组多使用风速计和风向标监测风力，对于机组来流风况的捕捉具有滞后性，测风数据受到机组尾流影响，无法准确刻画机组来流风况。激光雷达作为新兴的风力监测设备，可以直接测量风轮前方来流风的风速风向数据，相较于传统的机械式测风仪器而言具有一定优势，当前已广泛用于风电场的性能优化和整体控制。然而，激光雷达利用多普勒频移效应测风，易受环境因素(地形、天气状况)影响，其测风数据有效性受到空气中气溶胶粒子的浓度影响。激光雷达的远距离层数据受到风轮阻滞效应的影响小，更接近于来流风况，适合作为风电场性能优化或整体控制的来流数据，但远距离层数据有效率低，难以满足工程需要。
技术实现思路
1、为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种基于机器学习的激光雷达测风数据插补方法和装置。
2、本公开提供了一种基于机器学习的激光雷达测风数据插补方法，包括：
3、获取激光雷...
【技术保护点】
1.一种基于机器学习的激光雷达测风数据插补方法，其特征在于，包括：
2.根据权利要求1所述的基于机器学习的激光雷达测风数据插补方法，其特征在于，所述对所述所有距离层激光雷达数据进行预处理，得到各个距离层的数据规律，包括：
3.根据权利要求1所述的基于机器学习的激光雷达测风数据插补方法，其特征在于，所述基于预设的相关算法和所述各个距离层的数据规律计算其他距离层和最远距离层之间的目标相关系数，包括：
4.根据权利要求1所述的基于机器学习的激光雷达测风数据插补方法，其特征在于，所述基于所述目标相关系数从所述其他距离层中确定目标距离层，包括
5....
【技术特征摘要】
1.一种基于机器学习的激光雷达测风数据插补方法，其特征在于，包括：
2.根据权利要求1所述的基于机器学习的激光雷达测风数据插补方法，其特征在于，所述对所述所有距离层激光雷达数据进行预处理，得到各个距离层的数据规律，包括：
3.根据权利要求1所述的基于机器学习的激光雷达测风数据插补方法，其特征在于，所述基于预设的相关算法和所述各个距离层的数据规律计算其他距离层和最远距离层之间的目标相关系数，包括：
4.根据权利要求1所述的基于机器学习的激光雷达测风数据插补方法，其特征在于，所述基于所述目标相关系数从所述其他距离层中确定目标距离层，包括：
5.根据权利要求1所述的基于机器学习的激光雷达测风数据插补方法，其特征在于，基于所述目标距离层的激光雷达数据、所述最远...
【专利技术属性】
技术研发人员：许源，付晓敏，喇启明，周强，权锦章，周元贵，高鑫，贾宇航，阎洁，
申请(专利权)人：大唐国际都兰新能源有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。