[发明专利]基于多种传感器的风电场风速获取方法

权利要求书

1.一种基于多种传感器的风电场风速获取方法，其特征在于，所述方法包括如下步骤：

步骤1：对测风塔风速和机头风速进行卡尔曼滤波数据融合；具体过程如下：设系统有如下形式：

x(k+1)＝A(k)x(k)+w(k)

z(i,k)＝C(i,k)x(k)+v(i,k),i＝1,2,……N (1)

其中，x(k)为系统状态向量，A(k)是转移矩阵，z(i,k)表示第i个数据的观测向量，C(i,k)是观测矩阵，w(k),v(i,k)分别为系统噪声和观测噪声序列；

状态向量初始值x(0)为一随机向量，并且有：

E{[x(0)-x₀][x(0)-x₀]^T}＝P₀

E[x(0)]＝x₀ (2)

假设x(0)、w(k)和v(i,k)之间是统计独立的，i＝1,2,…，N表示传感器；数据融合的目的是通过合理利用这些传感器的观测信息，获得状态的最优估计值；设s(t)分别表示状态基于传感器i观测信息的Kalman滤波估计值和相应的估计误差协方差阵，对于i＝1,2,…,N,假设x(k|k)不相关，则最优联邦滤波器最优数据融合准则由下式给出：

其中，

相应的估计误差协方差矩阵为：

其中P(k|k)表示x(k|k)的估计误差协方差；最后通过卡尔曼数据融合方法得到最终的风速大小；

步骤2：对测风塔风速和机头风速进行贝叶斯估计法数据融合；

步骤3：对所述步骤1和步骤2中所述的融合数据的风速大小可以取平均值，得到最终的数据融合之后的风速。

2.如权利要求1所述的基于多种传感器的风电场风速获取方法，其特征在于，所述步骤2中所述对测风塔风速和机头风速进行贝叶斯估计法数据融合的具体过程如下：

设n个传感器测量同一参数所得数据中，最佳融合数为m(m＝n)，融合集为X＝{X₁,X2……X_m}，用贝叶斯估计方法由融合集中的数据融合成一个最佳融合数据，并把它作为被测量参数的最后结果；

若参数u服从N(μ₀，σ₀²)，并且X_k服从N(μ₀，σ₀²)，令其中a是与μ无关的常数，因此：

上式中的指数部分是关于μ的二次函数，因此f(μ|X₁,X₂……X_m)仍为正态分布，假设服从N(μ_N，σ_N²)，即

根据所述(2)、(3)两式可得：

根据上述公式得到μ贝叶斯估计为μ’：

其中，μ’为μ的最优估计。