[发明专利]基于EMD和修正高斯函数的时变平均风提取方法

说明书

一种基于EMD和修正高斯函数的时变平均风提取方法，利用EMD将实测非平稳风速信号u(t)分解，获得时变平均风TVM_S对应的脉动风速m_S(t)；将修正标准差σ＝k·α引入到标准高斯分布函数中，获得修正高斯函数g[m_s(t)]；获得用于量化实测脉动风速m_S(t)的概率分布与所述修正高斯函数之间的相关性的修正高斯偏差系数p_s；获得多个不同的修正阶数k，计算各修正阶数k在S取不同值时对应的修正高斯偏差系数p_s；获取各修正阶数k对应的修正高斯偏差系数p_s中的最小值，并获取所述最小值对应的时变平均风TVM_S作为修正阶数k对应的备选项；再根据极值点从备选项中筛选最优时变平均风。本发明为最优态的时变平均风的提取提供了判别条件，保证了最终获得的时变平均风的精确。

技术领域

本发明涉及风场特性提取技术领域，尤其涉及一种基于EMD和修正高斯函数的时变平均风提取方法。

背景技术

时变平均反映了风速时程的非平稳特征，因而基于风速时程提取时变平均风成为构建非平稳风速模型的重要环节。实践中一般将风速的低频分量视作时变平均风，可采用多项式曲线拟合,滑动平均,高阶滤波和小波变换等方式从实测风速记录中提取，这些处理方式往往缺乏统一的定量提取准则，提取效果依赖于使用者的经验以及计算参数的选择，例如多项式的阶数，滤波器的类型和截止频率。近年来，Chen and xu(2004)将EMD技术应用于提取实测风速的时变平均风，将分解得到的余量和最后几阶本征模态函数(IMF)之和作为时变平均风。Chen er al.(2007)用EMD将传统平稳和非平稳风速模型进行对比研究.Chen and Wu(2012)结合EMD算法提出了用脉动风平稳度指标来确定时变平均风的方法。Su et al(2015)运用集成经验模态分解获得了两组全尺度非平稳下击暴流风速数据的时变平均风。然而需要说明的是，基于EMD提取时变平均风的效果同样取决于使用者的工程经验，并且EMD分解所得的余量并不一定就是时变趋势,仍然需采用相应判定条件进行识别。对于具有复杂变化趋势或者具有随机变化趋势的非平稳风速时程来说，如何确定相应判定条件并非易事。因此，研究有效的风速时变平均风提取方法成为建立非平稳风速模型的一项迫切的任务。

发明内容

为了解决上述现有技术中缺乏有效的风速时变平均风提取方法的缺陷，本发明提出了一种基于EMD和修正高斯函数的时变平均风提取方法。

本发明采用以下技术方案：

一种基于EMD和修正高斯函数的时变平均风提取方法，包括以下步骤：

A1、利用EMD将实测非平稳风速信号u(t)分解为若干个固有模态分量IMF和余量r_n(t)，n表示固有模态分量IMF的数量；

A2、将最后S-1个固有模态分量加上余量作为u(t)的时变平均风TVM_S， 1≤S≤n，并计算S取不同值时的时变平均风TVM_S对应的脉动风速m_S(t)；

A3、将修正标准差σ＝k·α引入到标准高斯分布函数中，获得修正高斯函数 g[m_s(t)]：

其中，k为修正阶数，当k＝1时，修正高斯函数为高斯分布的概率密度函数；α是m_s(t)的概率密度分布函数的标准差；

A4、获得用于量化实测脉动风速m_S(t)的概率分布与所述修正高斯函数之间的相关性的修正高斯偏差系数p_s；

A5、获得多个不同的修正阶数k，针对每一个修正阶数k循环执行步骤A2 到A4，计算各修正阶数k在S取不同值时对应的修正高斯偏差系数p_s；