风场数值模拟及数据传输技术的研究

《风场数值模拟及数据传输技术的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

国内图书分类号：TK81国际图书分类号：621。5工学硕士学位论文学校代码：10079密级：公开风场数值模拟及数据传输技术的研究硕士研究生：导师：开y⋯：申请学位：学科：专业：所在学院：答辩日期：授予学位单位：曹丽平刘石教授工学硕士工学热能工程能源动力与机械工程学院2013年6月华北电力大学 ClassifiedIndex：TK81U．D．C：621．5DissertationfortheMasterDegreeinEngineeringWindFieldNumericalSimulationandResearchonDataTransmissionTechnologyCandidate：Supervisor：AcademicDegreeAppliedfor：Speciality：School：DateofDefence：Degree--Conferring--Institution：CaoLipingProf．LiuShiMasterofEngineeringThermalPowerEngineeringSchoolofEnergy,PowerAndMechanicalEngineeringJune，2012NorthChinaElectricPowerUniversity 华北电力大学硕士学位论文原创性声明本人郑重声明：此处所提交的硕士学位论文《风场数值模拟及数据传输技术的研究》，是本人在导师指导下，在华北电力大学攻读硕士学位期间独立进行研究工作所取得的成果。据本人所知，论文中除已注明部分外不包含他人已发表或撰写过的研究成果。对本文的研究工作做出重要贡献的个人和集体，均已在文中以明确方式注明。本声明的法律结果将完全由本人承担。作者签名：钙昏}日期：Ⅺ>年6月】Lf同华北电力大学硕士学位论文使用授权书《风场数值模拟及数据传输技术的研究》系本人在华北电力大学攻读硕士学位期间在导师指导下完成的硕士学位论文。本论文的研究成果归华北电力大学所有，本论文的研究内容不得以其它单位的名义发表。本人完全了解华北电力大学关于保存、使用学位论文的规定，同意学校保留并向有关部门送交论文的复印件和电子版本，允许论文被查阅和借阅。本人授权华北电力大学，可以采用影印、缩印或其他复制手段保存论文，可以公布论文的全部或部分内容。本学位论文属于(请在以上相应方框内打“√”)：保密口，在年解密后适用本授权书不保密口作者签名：导师签名：弯角平需纽日期：_哆年0月斗同日期：30l>年6月2中同 华北电力大学硕士学位论文摘要由于世界能源危机的加剧和日趋严重的环境问题，以及风能利用成本的低廉和技术的成熟，发展风电越来越受到各国政府的重视。近些年，风电产业兴起迅猛，风电场建设的规模也日渐扩大，而风电场风的测量是风电产业良好、高效发展的重要因素。无线传感器网络(WSN)能协作地实时感知、检测以及采集网络分布区域内的各种有关环境或监测对象的数据，并对这些数据做简单的处理，获取较为准确的信息，并将其传送给对这些信息有需求的用户。本文以风电场的无线传感器监测数据远距离传输为研究对象，将压缩传感理论应用在风电场数据远距离传输。本文通过CFD数值计算软件，对风电场风力机在不同来流速度下的绕流流场进行了全三维数值模拟，分析了多个jxL速工况下风力机叶片周围的速度和压力分布，对风力发电机叶片及整机的气动性能进行深入的了解。并在此基础上，将模拟计算得到的大量风速数据作为无线传感器监测到的初始数据，利用高斯分布的测量矩阵和小波分析方法进行均匀随机取样以及稀疏性处理，得到一个矩阵规模远小于真实信息矩阵的样本矩阵；本文中，对样本矩阵重构出与真实信息矩阵误差值均小于3％的重构矩阵。因此，根据压缩传输的少量信息可以重构得到与原始风场数据具有高度相关性的风场信息分布，从而在传输过程中能够有效降低信息量，快速准确地构建大量的风场信息，实现快速传输。关键词：风电场；风速；数据传输；压缩传感理论；数据重构 华北电力大学硕士学位论文曼曼!!曼曼曼曼曼量曼曼曼曼曼曼曼曼鼍量曼II皇曼曼!!曼曼曼!曼皇曼AbstractBecauseoftheintensificationofenergyresourcescrisisandthepressureofenvironmentprotection，windsourcehavebeenvaluedbymoreandmoregovenunents，anddevelopingfastestaswellasthelowcostofwindenergyanditstechnicalmaturity．Inrecentyears，windpowerindustryisdevelopingfast，andwindfarmconstructionhasarapidlyrise．WhilethemeasurementofwindfarmiSaveryimportantfactortoae伍cientdevelopmentwindpowerindustry．WirelesssensornetworkfWSN)Callcollaborativelymonitor,perceiveandcollectthedatainreal．timeofavarietyofenvironmentsormonitoringobjectinnetworkdistributionarea，andsimpledealwiththesedata，getthedetailedandaccurateinformation，then，sendthisinformationtotheusers．Thispaperdependsonthewindfarmdatalong-distancetransmissionasresearchobject，whichobtainedfromwirelesssensormonitoringandcollecting．Takeadvantageofthecompressivesensingtheoryinthelong．distancetransmissionofwindfarmdata．UsingtheCFDnumericalcomputingsoftware，simulatetheflowfieldaroundthewindturbineatdifferentwindspeedsinthree．dimension．Analysisthewindturbinebladesspeedandpressuredistributiononmultiplewindconditions，haveadepthunderstandingoftheaerodynamicperformanceofwindturbinebladesandmachine．Onthisbasis．usethedataobtainedfromthesimulationastheinitialdatacollectedbythewirelesssensormonitoring．ThenuniformrandomsamplingandsparselyprocessingwithGaussiandistributionmeasurementmatrixandwaveletanalysismethod1eadtoasamplematrixthatthesizeismuchsmallerthantheoriginalmatrix．Inthispaper,theerrorofreconstructionmatrixbasedoncompressivesamplingare1essthan3％．Therefore．accordingtoasmallamountofinformationbycompressionandtransmissionCanreconstructthewindfielddatainformationwithflhighcorrelationwiththeoriginalwindfield．andthuscaneffectivelyreducetheamountofjnformationinthetransmissionprocess，buildalargenumberofwindfieldinformationquicklyandaccurately,achievefasttransmission．Keywords：windfarm；windspeed；datatransmission；compressivesensingtheory；datareconstruction 华北电力大学硕士学位论文目录摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．IAbstract⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．II目录⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯III第l章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．11．1课题研究的背景及意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．11．2课题研究的目的⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一21．3国内外研究概况⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一21．3．1传统的无线传感器网络数据传输⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯31．3．2无线传感器网络数据融合技术⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯31．4压缩传感理论简介及应用⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．41．5本文研究的内容⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一6第2章风场数据传输的理论基础⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯72．1压缩感知理论的基本思想⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一72．2压缩感知的前提条件．稀疏性和不相干性⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．82．2．1稀疏性⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．82．2．2不相关性取样⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．1O2．3欠抽样和稀疏信号恢复⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1l2．4压缩采样⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯142．4．1约束等距性⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．142．4．2来自欠抽样数据的一般性信号构造⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．152。4．3来自噪声数据的稳健的信号恢复⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。152．5随机传感⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯162．6本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯18第3章CFD模型的建立和模拟⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．193．1模拟工具简介⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．193．2风场模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯193．2．1自然风的形成⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．193．2．2流动模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．203．3风场物理模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯223．3．1物理参数⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．223．3．2叶轮流场计算区域⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．243．3．3网格的生成⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．243．4数学模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯263．4．1湍流模型选择⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．26 华北电力大学硕士学位论文3．4．2边界条件设定⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．273．5结果处理与分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯273．6本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．33第4章基于压缩传感方法的数据重构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．344．1基于Matlab编程的数据处理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯344．2风场数据重构结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯364．3本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯45第5章结论与展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．465．1结论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一465．2展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．46参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯47致谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯50IV 华北电力大学硕士学位论文第1章绪论1．1课题研究的背景及意义20世纪70年代发生的世界性能源危机以及气候环境的变化，使得社会各界越来越重视风电、生物质能、太阳能等可再生能源的发展。生态平衡与生态环境的破坏，令人们更加明白减少污染气体排放的重要性，因而当前世界能源发展的一个主题便是加大力度发展各种可再生能源。而风电，作为一种储量巨大的可再生能源，已经得到广泛的应用。风电开发利用历史长远，技术比较成熟，与其他可再生能源相比，技术经济性高，具备大规模开发的条件。风能是一种蕴藏巨大的，取之不竭的清洁能源。据有关协会统计，在2008年，全世界的风电装机总容量将近近1．2079l亿KW，其年增长速度将近28．7％，高出过去十多年。至2008年年底，全世界已有70多个国家建成风场，几乎各地都已认可了风力发电这一新的能源技术。全世界2．74×109MW的风能总量中，可被开发利用的约为2×107MW，远远大于全球水能的总能量，若是使用风能，仅1％即可满足全世界对能源的需求【l‘2】。因此，在所有的可再生能源之中，风能具有极大的发展潜力，其应用前景也相当广泛。我国可开发的风能资源约2．53亿KW，至2008年年底，我国已有200多个风电场，上力．台风电机组，装机总容量高达1221万KW，位居世界第四位。至2009年年底，装机总量已达到2500万KW，成为世界第二。因此，风能资源的开发利用已成为当前各国各地应对能源环境问题的措施之一[3】。随着风力发电的快速发展，风电场的建设正在不断增多。风力发电整个过程中一个重要环节就是风的测量，主要包括风向与风速的测量，其有关数据的来源主要有两个，一是风电场内的测风塔实测所得数据，时间为连续2年，一是风电场所在地的气象部门30年统计的气象数据[41。在我国，风电场的所需的关于风向、风速的数据，通常只采用当地气象部门的数据资料，不能全部满足建设风电场对数据的两个特殊要求。此外，由于大多数风电场都位于环境恶劣、交通不便的偏远地区，采集数据很不方便，因此，希望在采取较少的投入之后，就能获得当地近几年的风向、风速等数据(51。近些年发生的气候恶化以及极端天气频繁，加重了风力发电由于天气影响导致的风电场风机故障发生的频率，所以采集具体、连续地风电场气象参数对风力发电的长期发展具有重大意义【6】。 华北电力大学硕士学位论文传感器是获取和采集信息的一个重要工具，通过使用传感器，可以自动采集风电场的风向、风速等气象数据，并使所获得的信息加工与传输更加便捷，所以，具有高可靠性与高精度的风向风速传感器，是风力发电得以发展的一个不可缺少的因素【7j。并且，随着通信技术的飞速发展，无线通信技术各行各业得到广泛使用，令信息的无线传输更加便利，所以，探索风电场数据的无线传输也十分重要【8】。无线传感器网络(wSN)【乳11】是一种新型的信息感知、采集和处理的技术。它可以实时感知、检测和采集网络分布区域内有关数据，然后对这些数据做简单的处理，获取较为准确的信息，并将这些信息传送给需要用户。如果说因特网的出现令数字世界的联网得以实现，那么传感器网络的出现则能够令模拟世界与数字世界的联网得以实现，这标志着普适计算时代的到来。由于传感器节点产生的传感数据与时|’自J相关性，使得数据之间存在着一定冗余。因此，对原始采集数据做压缩或聚合处理，是十分必要的。1．2课题研究的目的本文以风力发电的飞速发展为背景，以风电场的无线传感器网络气象数据远距离传输为研究对象，将压缩传感理论应用在风电场数据远距离传输。其方法是：利用大量无线传感器测量的数据，进行压缩再重构，在传输过程中能够有效降低信息量，并且根据少量的传递信息能够快速准确地构建大量的风场信息，从而实现风场数据的传输。由于缺乏风电场实地气象信息，本文以CFD模拟的风场为依据，分析风场流体特性，并依靠CFD提供的大量数据，应用压缩传感理论，压缩并以少量信息重构风场，实现风场数据的快速传输。1．3国内外研究概况当前形势下，无线传感器网络已经发展成为一种极具潜力的用于信息测量的工具。其主要通过微型并且能量受限、廉价的传感器节点组成，利用以无线方式进行通信的多跳网络，从而达到对所覆盖区域内的感知信息的采集、处理以及传递的目的。但是，由于传感器节点体积小，需要依靠电池供电，并且由于更换电池困难，如何高效率地使用能量并延长提高传感器节点的生命周期，是传感器网络面临的一个首要问题。无线传感器网络(WSN)所具有的大规模密集部署、节点资源受限、无线带宽小、拓扑结构动态变化等特点使拥塞控制成为传感器网络中的关键问题之一。 华北电力大学硕士学位论文1．3．1传统的无线传感器网络数据传输1)直接传输模型直接传输模型是对信息数据进行集中式处理，是指传感器节点通过消耗较大的功率直接一跳将采集到的信息数据传递到汇聚节点上。这种方法的不足之处是：针对离汇聚节点较远的传感器节点时，需要耗费很大的发送功率，才可以达到与汇聚节点通信传输的目的；然而传感器节点的通信距离一般来说都是有限的，因此离汇聚较远的节点经常不能与之进行较为稳妥可靠的通信，故使得这种传输模型难以广泛应用。并且，对较大的通信距离上的节点，其需要耗费更大的能量，从而将很快将有关一些节点的能量消耗殆尽，这同样使得传感器网络难以应用于在实际中。2)多跳传输模型这种传输模型与AD．Hoe网络模型相类似。此模型中每个节点本身对数据都不进行任何处理，而是通过调节发送功率，只需消耗较小的功率就可以经过多跳的形式将测量信息数据传递到汇聚节点上，然后再对数据进行集中式处理。此模型与直接传输相比，更加趋于完善，充分节省能耗，因此这也成为传感器网络得以广泛应用的前提。但是，这种模型的缺点是：对于较大规模的网络，有可能会导致热点问题产生，即在两条或多条路径交叉处的节点、以及距汇聚节点一跳的节点(称之为瓶颈节点1，一方面它们要承担自身的传输，另一方面他们还要作为多跳传递环节中的中介。在这种情形下，这些节点的能量将很快会完全消耗。而对于节能的角度考虑的传感器网络而言，这种传输方式显然不是很可取的【l21．1．3。2无线传感器网络数据融合技术随着科学技术的进步，气象数据采集系统的数据采集、存储部分以及传输技术分别有着各自的发展方向。其中数据采集的发展方向为高精度、多参数，数据存储的发展方向为微型化、大容量、便于携带，而数据传输技术则向着多通讯(有线和无线)方式发展。在大规模的无线传感器网络中，因为每个传感器的可靠性与检测范围有限，在放置传感器节点时，为了增加整个网络所采集信息的准确性与鲁棒性，有时要令传感器节点的监测范围相互交叠。那么，在无线传感器网络中的感知数据会因此而具有一定的空间相关性，即对于相隔较近的节点所传输的信息数据，其具有一定的冗余度。在传统的数据传输模式中，每一个节点把感 华北电力大学硕士学位论文测到的全部信息传输，而这些信息中有很大一部分的信息数据存在冗余，因此使得很大的一部分能量浪费在不必要的数据传输过程中。而在传感器网络中，数据传输的消耗的能量又远大于数据的处理，有研究表明数据传输消耗了总能量的70％。在大规模的无线传感器网络之中，在节点将感测数据到汇聚节点之前，先将数据进行融合处理是十分必要而且是可行的，因此可以通过某种可靠算法将传感器节点检测采集到的大量原始数据在网内处理，去除掉其中的冗余信息，只将少量的有意义的处理结果传输给汇聚节点【l引。运用这种技术可以大大减少无线传感器网络中传输的数据量，从而有效减少能耗，延长网络寿命【14J。本文将压缩传感理论应用在无线传感网络数据传输，由于无线传感器接收采集的大量数据中存在着大量的数据冗余，通过应用压缩传感理论压缩传输少量的真实信息，降低复杂度，使之适合在资源有限的传感器节点运行。1．4压缩传感理论简介及应用由于无线传感器网络(WSN)节点能量与带宽均非常有限，不适用于大量数据长时问传输，所以非常有必要对原始采集到的信息数据进行聚合或压缩处理。信号采样是联系数字信息与模拟信源的桥梁。而信号在采样、传输和存储的过程中，存在巨大的压力。怎样缓解这种压力，并且又能有效提取信号中所包含的有用信息以及重构出与原始数据误差很小的信息数据，是信号与信息处理中需急迫解决一个问题。实际应用中，人们常常将信源信号进行压缩处理，以便于信号可以用较小的比特数表示，因此可以达到降低存储、处理和传输成本的目的。在这一过程当中，很大一部分非重要的数据都被抛弃去除。传统的信号获取和处理过程有四个部分：采样、压缩、传输和解压缩，其过程可以表示为图1．1。其中采样过程必须满足香农采样定理，即信号采样率必须不小于最高频率的两倍(也就是奈奎斯特采样率)，才能不失真地恢复原始信号。通常为了满足该定理，大多在采样之前，为了达到带限的目的，先对信号进行抗混低通滤波，这一过程是以降低信号质量为代价的。随着科学技术的进步与发展，被处理信号的带宽在不断地增加，对于某些本质上非带限的信号，其带宽并不能事先估计，这使得传统的采样系统受到巨大的挑战。针对上述多列问题，学者Cand+s、Tao并难1Rombergtl51、Donoho[16】等提出4 华北电力大学硕士学位论文了一种信息获取的新理论，即压缩传感理论：对于可压缩的信号，可通过远低于Nyquist标准的方式来进行数据采样，仍然能够通过重构得到精确的原始信号。压缩传感的优点是，信号的投影测量数据量远小于通过传统采样方法所获的数据量，这一优点突破了香农采样定理的瓶颈，令采集高分辨率信号有可能得以实现。如图1．2所示，为压缩传感的理论图。鬈鳟壤缭矮缩，一羧数攥粼§一．陋⑨刚哆孬徊一⑨图1．1传统的信息获取与处理流程l}!缩图1．2压缩传感理论框架与传统的图像压缩不同，图像压缩传感由于在采样之前不能知道显著系数，也不能够直接抽取，所以需要对图像进行随机投影采样，重构图像时需结合图像的先验知识，在尽可能满足随机投影观测值的约束条件下，令信号的稀疏性最大¨6|。目前，压缩传感理论已经很好地应用于压缩成像、医疗成像、雷达(Radar)[17，1引、信道估计【19,20】、模／信A／I(Analog．to．information)转换和遥测【21】等各个方面，在图像重建领域，压缩传感应用主要是先对原始的图像进行随机投影，来获得少量观测值，并利用图像具有稀疏性表示的先验知识，然后再求解一个非线性方程，进行图像重建。在数据采样的同时，实现压缩的新 华北电力大学硕士学位论文技术、新理论，具有低能量消耗、低采样速率和低计算复杂度等特性。1．5本文研究的内容本课题综合计算精度、运算时间、计算机资源，对风电场进行CFD模拟，分析了不同工况下风场风速的特性以及风力机工作特性。在此基础上，利用CFD模拟数据，在初始风速下，将模拟计算得到的大量风速值数据抽取一些数据作为无线传感器监测到的风场初始风速值数据，利用高斯分布的测量矩阵和小波分析方法进行均匀随机取样以及稀疏性处理，得到一个矩阵规模远小于真实信息矩阵的样本矩阵；本文中，对样本矩阵重构恢复得到的重构矩阵与真实风速值信息矩阵误差值的标准均设置为小于3％的重构矩阵。因此，根据压缩传输的少量信息可以重构得到与原始风场数据具有高度相关性的风场信息分布，从而在传输过程中能够有效降低信息量，快速准确地构建大量的风场信息，减小能耗，实现快速传输。 华北电力大学硕士学位论文第2章风场数据传输的理论基础由于压缩传感存在非自适应性和抗干扰性的特性，因此可以根据相对于传统方法中的数据量少得多的样本矩阵数据，以较小误差获得重构原始信号。如果采用适当的算法，可以方便快速地进行数据重构。压缩传感可以实现这一点主要根据两个原理：感兴趣信号的稀疏性；感知方式的不相关性【22】。2．1压缩感知理论的基本思想在编解码的思想创新上，压缩感知(compressivesensing)理论是一个非常重要的突破。传统的信号采集与编解码过程表示如图2．1所示：首先，编码端对信号进行采样，再对所有采样值进行变换，并根据其中重要系数的位置与幅度进行编码，最后，将获得的编码值存储或者传输。信号的解码过程则是编码的逆过程，即接收的信号经解压缩与反变换之后，得到恢复的信号。这种传统的编解码方法有两个缺点：1)因信号的采样速率不能低于信号带宽的2倍，使得硬件系统面临着较大的来自采样速率的压力；2)在压缩编码的过程中，大量由变换计算得到的小系数被抛弃，从而造成了数据计算与内存资源的浪费。编码端解码端图2．1传统编解码理论的框架在信号编解码框架上，CS理论与传统理论也不大相同。如下图2．2所示，CS理论对信号的采样与压缩编码过程是发生在同一个步骤中，利用信号的稀疏性，以低于Nyquist采样率的采样速率对采样信号进行非自适应的测量编码。但测量值并不是信号本身，而是从高维到低维的投影值，因此从数学的角度分析，可以大大地减少信息量。在解码端，其解码过程也不仅仅是编码的简单逆过程，而是依据盲源分离 华北电力大学硕士学位论文中的求逆思想，利用信号稀疏分解中存在的重构方法，在概率意义上实现的信号的精确重构或具有一定误差的近似重构【23】。因此解码所需要测量值的数目将远远少于传统理论下的样本数。编码端解码端图2．2基于CS理论的编解码框图2．2压缩感知的前提条件一稀疏性和不相干性CS隐含的两个基本前提：稀疏性和不相关性。前者属于信号的性质，后者和感知(观测)形式有关【24J。稀疏性：稀疏性表达了这样一个思想，一个连续时间信号的“信息速率”可能比由带宽所决定的香农采样率要低很多，或者，一个离散时间信号所依赖的自由度数目远远低于它的长度。更准确简单地说，CS利用了许多自然信号在某个合适的基少下具有简洁的表达这样一个事樊24】。不相关性：不相关性说明用于采样信号的波在基吵下有很稠密的表达【2引。不相关性表达了这样的思想，正如时间域的Dirac或者冲击信号可以在频域展开那样，在基lf，下具有稀疏表示的信号一定可以在获得它们的某个域中展开。2．2．1稀疏性根据调和分秽r理论口]知，一个长度为N的一维呙散时间信号／’，司以表不为一组标准正交基的线性组合：N厂=∑‘少，orf=Vx(2-1)扛l其中y由一组基向量{甲，如构成的正交基，例如，sinusoids，尖峰spikes、B—splines，wavelets。N×1的列向量X是f的加权系数序列，石，==沙，厂。可见x是信号厂的等价表示，如图2-3所示。如果x只有很少的大系数，厂则称信号厂是可压壁回裂F 华北电力大学硕士学位论文缩的。如果x只有K个元素为非零，则称x为信号厂的K稀疏表示。另外，当信号不能用正交基稀疏表示时，可以采用冗余字典稀疏表示[25'26’271。3慈l黼l溪图2—3用基、王，进行稀疏表示(3．稀疏)许多自然信号在一些基下有简洁的表达。图2—4展示了一个例子：从一个百万像素的图像到它丢弃了的97．5％的系数的近似成像在感知上的损失是难以察觉的【28】。-'t、’。、n～。o4f‘。“F(a)512x512的elaine的图像(b)elaine图像的9／7d,波系数在一维下的表示(c)1／16系数重构图像(峰值信噪比PSNR=29．09dB)图24稀疏图像案例图2．4(a)是一幅具有N(N=512×512)个像素点的elaine图像向量f∈RⅣ，我ff]：i生9／7d',波基妙=[沙，，少”．．，yⅣ】下展开该向量，如式(2-1)，其中妙是∥。，y：，．．．，∥Ⅳ为列向量构成的Ⅳ×M拘矩阵，是正交基。图2．4(b)是elaine图像的9／7d、波系数在一维下的表示。图2．4(c)展示了这样一个事实：将图像在9／7dx波变换域丢掉93．75％的小系数后得到的逼近图像尽管信噪LLPSNR只有29．09dB，但肉眼很难察觉到失真。由此可见，尽管原图中几乎所有的像素都是非零值，它在9／7dx波域中却是稀疏的：大部分小波系数都很小，少数的大系数(1／16)就可以捕获信号的大部分信息。 华北电力大学砍士学位论文图2．4(c)所示告诉我们，可以丢弃除了少数几个系数外的所有小系数而不会带来视觉上的损失。我们称至多有K个非零项的向量为尽稀疏，且有ll厂一铡=|IX--吒II。稀疏性原理是大部分现代有损压缩编码算法和许多其它应用的基础。不过在传统编码中，这K个大系数的位置必须事先确定。更一般地，稀疏性是一个基本的建模工具，可以进行信号的精确统计估计和分类、有效的数据压缩等等。而近几年来Cand6s等人提出的压缩感知理论使得稀疏性有了更加令人惊奇的深远含义，即信号稀疏性对采样本身有重要意义，稀疏性决定了我们可以摆脱奈奎斯特采样频率的约束，并可以做到高效地非自适应地采样信号。2．2．2不相关性取样Cand色s，Romberg[29】等人已经证明一个降维的投影集合包含了重构稀疏信号的足够信息。这就是压缩感知(CS)理论的核心内容。在CS中，假定信号在某个变换域的系数是K项稀疏的，我们不直接对K个重要的系数f直接编码，而是将信号的系数向量投影到另一个基函数集合{≯一m=1,2，．．．，膨)上，观测得到M(<<Ⅳ)个投影y。=<《，x>然后再编码。用矩阵表示，则有Y=姆=矽缈萨9s。其中Y是一个M×1的列向量，测量矩阵≯是一个以每个基向量矽。作为行向量的M×Ⅳ矩阵，S是K稀疏的。由于M<<Ⅳ，从测量值y中重构信号x是一个欠定问题，然而信号稀疏的附加假设使得恢复成为可能也是可行的。cs理论告诉我们，当满足一定条件时，也即是基缈。)不能稀疏表示{九)(该条件被称为两组基不相关(29,30,3I])。并且测量值个数M足够大，那么就可以从一个相似规模的集合抄。)中恢复大系数集合{吒)，继而也就可以得到信号x。许多对基都满足不相关性质，例如，三角尖峰和傅里叶基中的正弦波不相关，傅晕叶基和小波基不相关。重要的是，任意一个固定的基和一个随机产生的基也以高概率满足这种不相关。因此在CS理论中随机矩阵被广泛应用于CS观测中。在框架下或者基下可以找到稀疏表示的信号都可以以同样的方式从不相关观察中恢复。相关性度量的具体定义如下。测量矩阵①和稀疏矩阵甲之间的相关性度量用∥表示，则有：∥p，甲)=n‘，妥臻I<吼，y』>I(2-2)简单来讲，相关性度量是两个矩阵。和甲的元素之间的最大相关性。如果①和甲包含了相关的元素，则相关性很大；否则，就很小。相关系数取值范围为10 华北电力大学石贞士学位论文∥细，甲)∈[1，√Ⅳ]。压缩采样研究的是具有低相关性的两个系统。下面给出一些例子。(1)≯是尖峰基纯(t)=a(t—k)，沙为傅立叶基，沙心)=1．1-1／2e汜砂h，则有∥仕，甲)=1。进一步讲，尖峰信号和正弦信号不仅在一维而且在任何维，例如2D，3D空间都具有最大的不相关性。(2)】；f，为小波基，≯是noiselet小波基。这里，noisdets和Haardx波基问的相关系数是√2，noiselet和Daubeehiesdb4及db8d'波基间的相关性分别是2．2和2．9。这也可以扩展到高维情况。noiselets也和尖峰信号及傅立叶基高度不相关。人们对noiselets感兴趣基于以下两个事实：(1)它们和为图像数据和其它类型的数据提供稀疏表示的系统不相关；(2)它们具有快速算法。noiselet变换的时间复杂度为O(N)，而且类似于傅立叶变换，noiselet矩阵不需要存储。这一点对于高效的数字计算是至关重要的。如果没有高效的计算，CS的实用性就会大打折扣。(3)矽为随机矩阵，则沙可以是任何固定的基。此时它们之间具有极大不相关。例如，矽可以通过在单位球面上独立均匀地采样并做规范正交化得到，此时，矽和I／J间的相关性以很高的概率为√2logN。各项服从独立同分布的随机波形{仇(t))，例如高斯分布或者±1，也表现出和任何固定基lf，具有很小的相关性。研究者们通过大量的实验分析，得出如下结论：精确重构所需要的观测值个数依赖于稀疏变换基和观测基之间的不相关性。不相关性越强，所需的个数越少；反之，相关性越强，例如矽=j；f，，则需要采样所有的系数才能保证精确重构【31】。2．3欠抽样和稀疏信号恢复理想的情况下，希望测量，的所有n系数，但是只能观察到这些系数的子集并且收集数据：Y女=，k∈M(2-3)这里Mc{1，．．．，，l}是基数川<甩的子集。基于这个信息，决定通过，l范数最小化重构信号；重构矩阵厂‘"满ffzf+=纸+，这里x+是凸优化程序的解(删。=∑?Iz0)m—in俐，subjecttoYI2<吼，慨>，Vk∈M(2-4)因此可以得到稀疏系数的估计。，l最小范数下在一定条件下和／0最小范数具有等价性，可得到相同的解。将，l格式用作促进稀疏的函数可以追溯到几十年前。一个领先的早期应用是地 华北电力大学硕士学位论文震反射，在这里稀疏性反射方程(说明地下岩层之间的有意义的变化)是从带限数据中得来的【321。但是，，l最小化不是重构稀疏解的唯一途径；其它方法，例如贪婪算法也已提出。第一个结论表明当足够稀疏，通过，l最小化的重构可以证明其是精确的。定理l【33】令f∈胄”，且假设，在基沙的系数序列x是．孓稀疏的。均匀随机地选择在矽域中的m测量矩阵。那么如果m≥C·∥2(伊，少)·S·logn(2-5)对一些J下常数C来说，(2．5)的解是极其可能正确的。(这表明如果聊≥C·∥2(p，少)·S·log(∥6)，成功的可能性将可以超过1．6。另外，其结果保证对于几乎所有的有固定支撑的信号序列√331。由此我们可以得出三点评论：(1)相关性的作用是能够达到完全透明的；由此也可知相关性越小，需要的样本数量将会越少，因此我前面部分强调低相关系统。(2)只测量任何一组可能会远少于信号看起来所需的大小的m系数无信息丢失。如果∥(≯，少)是等于或近似等于1，那么样本数量大约为Slogn而不是n能够满足。(3)通过最小化一个不假定关于x轴上非零点坐标的数目、位置的任何信息或是假设他们的幅值是事先完全不知道的凸函数信号可以从压缩的数据集中精确地重构出来。只是运行算法，且如果信号足够稀疏可以实现精确重构。定理确实提出了一个非常具体的抽样协议：样本在非相关域中是非适应性地，而且在抽样步骤后采用线性规划。按照此协议基本上会获得一个压缩格式的信号。所需要的知识是一个解码器以解压数据；这就是，，最小化的作用。诚然，这种随机不相关的抽样定理扩展了关于光谱稀疏信号抽样的早期结果[34】，这说明随机性：(1)会是一个非常有效的传感机制，(2)是经得起严格的证明，从而可能引发许多压缩传感的有目共睹的并将继续见证的发展。假设关注对象为抽样超宽带，但是光谱稀疏性信号的形式是／O)=厶一-_：n瑚-Ix』gm∥”，仁o，．．．，，2—1，这里咒很大，但是非零元素xi的个数小于或等于S(可能会相对较小)。我们既不知道什么频率是活跃的，也不知道本次活动集上的振幅。因为活动集不必要是一个连续整数的子集，奈奎斯特或是香农理论几乎是没有帮助的(因为无法先验地限制带宽，这可能会导致我们认为所有n时间样本都是需要的)。在这个特殊例子中，定理一声12 华北电力大学硕士学位论文称可以从时间顺序为Slogn的样本重构一个任意未知频率，大小为S的信号。另外，这些样本不必仔细挑选；几乎这种规模的任意样本集都会成功。图2．5描述了一个不同方式的重构例子。2．皇竺型。：—一3·。·喇il·’承铲涮＼⋯⋯一jI≈釉蝻嫦峨l}‘．{1‘。’}一．‘·，·一。’’，。O·一o___簟____-___________掣___。·+．·‘·．1k··I'*图2．5中(a)是一个稀疏的真实值信号；(b)是通过，l最小化来自60(复值)个傅里叶系数的重构，重构是准确地；(c)是从将Zl标准替换成／2标准中得到的最小能量重构，，l和如提供完全不同的答案，如的解没有提供一个合理的近似原始信口丐。现在开始讨论概率性在所有这些中所起的作用。关键是需要凭借概率表达来得到有用和强有力的结果，因为无法对所有大小为m的测量集都能得到类似结果报以希望。原因如下：有一些特殊的稀疏信号会在矽域中几乎所有位置消失。换句话说，可以找到所有稀疏信号和大小几乎为n的很大的子集(如，z．S)，其中Y。=<万缈。>=0，且有k∈M。一方面，考虑到子集的情况，可能会看到值为零的数据流，且没有任何算法是一定能够重建信号的。另一方面，定理保证了精确的重构不会发生的子集部分实际上是可以被忽略的(，z的一个很大的负面效应)。因此，只需要承担一个极小的失败概率。在实际应用中，由于样本数量足够大，失败的概率可以看做是零。以上讨论的特殊稀疏信号的研究也表明同样需要至少大约∥2Slogn个样本。(也认识到在时间域中存在着基数为2S的子集可以重建任何频率域中的S．稀疏信号。只取2S个连续时间点[35,36]。但是这不是要讨论的问题。只想要大部分某个大小的自己提供精确的重构。)利用更少的样本，信息可能会丢失的概率就是过高，且采用任何方法的重构，不管多么的难以操作，都是不可能的。总之，当相关性为1时，不需要多于Slogn的样本但是也没办法在更少的情况下做到。 华北电力大学硕士学位论文对本节这个不相关抽样得出结论，并且考虑图2．5(c)的只有25，000个非零小波系数的稀疏性图像。通过测量96，000个不相关测量矩阵和求解取得信息。最小化，l重构是误差很小的；即，f+=．厂。这个例子说明大约样本仅约4×稀疏水平足以。许多研究者已经报告称有相关的成功经验。事实上已知一个4．1实际规则，即要想准确重构，每个未知非零项需要大约4个不相关样本。2．4压缩采样已经证明可以从仅仅一些测量矩阵中重构稀疏性信号，但是为了真正强有力得重构，压缩传感要能够处理近似稀疏性信号和白噪声。第一，一般性的研究对象不是完全稀疏而是大致稀疏的。现在的问题是它是否可能从高度欠抽样测量矩阵中得到这些对象的准确重构。第二，在任何实际应用中测量数据都会被至少一小部分噪声破坏，因此传感度不是无限精确的。因此，对于这样的非理想特性，压缩传感必须是稳健的。最起码，数据的小扰动引起的应只引起重构的小扰动。本节同时检验这两个问题。然而，在丌始之前，将进行考虑恢复向量抽象问题的论述，样本数据来源：Y=Ax+z(2-6)其中彳是一个mx咒的“传感矩阵”，表示X和Z是一个随机或确定性的未知误差项。采用这种形式是因为f=戮和Y=R妒厂(R是一个抽取M中采样坐标为mxn的矩阵)，可以写作Y=Ax，此处A=只9吵。因此，可以使用抽象模型，但可能是在一个适当的向量基上的对象系数序列。2．4．1约束等距性本节中，引入了一个证明对研究压缩传感普适稳健性非常有用的关键概念，即约束等距性(RIP)[37J。对每一个整数S=J，2，．．．，，定义矩阵A的等距常数古。为最小值，因此：(1-艿s)Ilx||“2≤II么x||；：2．≤(1+d。)|lx||；：2．(2-7)适用于所有的S．稀疏性向量X。如果6。不是太接近1，那么矩阵A遵循S顺序的约束等距性。当符合这个特性时，么大概保留的孓稀疏性信号的欧几罩得长度，这反过来也意味着墨稀疏性向量不能在彳的无效空间中。(这点很有用，因为否则重构这些向量是不可能的。)一个关于RIP的等效描述是说来自么的S列的所有子集事实上是正交的(由于列向量多14 华北电力大学硕士学位论文余行向量，彳的列向量无法是完全正交的)。观察到RIP和CS之问的联系，想象希望得到彳的孓稀疏性信号图像。假设是充分小于l的。这意味着所有成对的S．稀疏性信号之间的距离必须妥善保存在测量空间。即(J『一6sIIx,一X2Il：：l-0，要使失败的概率不大于。协邓)，那么(2．12)中最著名的指数就是5而不是4。一般认为(2—12)只保持log以。这证明从不相关域中的明显欠抽样的数据中稳定准确地重建近似稀疏的信号是可行的。最后，等距约束性也适用于传感矩阵A=够吵。其中，少是一个任意正交基，而矽是一个从合适的分布中随机抽取的m×／,／的测量矩阵。如果能够像(1)～(4)中修复和填充，那么当满足(2．11)时，其中c仍是取决于实际情况的常数，矩阵A=妒少就以压倒性的概率符合等距约束性。这些随机测量矩阵矽是普适的。这样在设计测量系统时，不需要知道稀疏基。数据采集的一般工作原理如下：采集的大量数据中的大部分只是用来在压缩阶段丢弃以便于储存和传输。在本文中，人们可以获得一个高分辨率像素数组f计算一套完整的变换系数，对最大系数进行编码而丢弃其它的，基本上得出居。在压缩后的大量数据获取过程是及其浪费的，可以认为有上百万个图像传感器，即像素的数码相机，但是最终得到只有几百千字节的图片。压缩传感操作起来非常不同，而且会以有可能直接获取有关感兴趣对象的重要信息的方式运行。通过像在随机传感中一样取大约o(s．(109咒))个随机信号，有足够的信息来重建至少和矗提供的一样精度的信号，研究对象的最佳项近似即最佳的压17 华北电力大学硕士学位论文缩表达。换句话说，压缩传感测量协议基本上将模拟数据转化为已压缩数码形式，因此可以最少原则上可以从仅仅几台传感器中获得超分辨信号。压缩传感和编码理论之间，更准确地说是和Reed．Solomon(RS)编码的理论和实践之间，有些表面上的相关性【61】。众所周知人们可以从编码理论中调整思想，并建立以下理论。只能从S一稀疏性信号的第一个傅里叶系数中重构，Y女=Z2x，e．-i2xM，k=o，1，2，．．．，2S．1，或者从它的2S个连续频率的任何集合中，重构的计算成本基本上是解一个S×S的Toeplitz系统，而且建立一个咒点的快速傅里叶变换。但这是并不意味着，人们可以利用这种技术来感知可压缩信号，其中有两个主要原因。首先，RS解码是一个代数方法，不能处理非稀疏性信号(解码需借助根多项式完成)。其次，即使当信号是完全稀疏的，从它的第一个2S傅罩叶系数中寻找信号支持的问题是非常不适定的，这个问题和从少数高度聚集的值推知高多项式是一样的。这些系数的微小扰动将带来完全不同的答案，所以根据有限精度的数据，对这个支持的可靠估计几乎是不可能的。然而这种纯代数的方法忽略了使用信息中的调节，含良态矩阵在压缩传感中是一个关键的考虑，约束等距性可以证明这一点。2．6本章小结本章介绍了压缩传感理论及其系统的实现，详细阐明了进行图像重建时，压缩传感所必需的条件，包括稀疏性、随机投影以及稀疏信号的恢复等。通过对压缩采样重建相关知识的了解，为后续对压缩传感应用在传感器网络传输中的研究奠定了基础。 华北电力大学硕士学位论文第3章CFD模型的建立和模拟模拟复杂山地风场的流动时，群山地形的三维模型的建立存在一定困难。复杂地形流场的分析预测，在工程应用中发挥着重要的作用。例如，在风能的利用和风力机的结构安全运行等方面。本文利用Fluent数值模拟软件来模拟研究风力机处于静止状态在不同工况下的三维流场的流动状态，其模拟计算结果为压缩传感的应用提供原始数据，同时准确地了解到风力机叶片的三维流场的详细信息，为风力的发展提供基础支持。首先，在Gambit中对风场进行细网格划分，利用Fluent对风场进行模拟，计算结果可认为表示风场精确分布。然后，对上一步中得到的信息进行均匀随机取样，得到一个数据量远远少于原信息量的子集。将这些数据传输到控制中心，最后，再利用压缩传感理论从子集中进行重构，得到一个与第一步中风场精确分布信息相关的数据集合。重构数据与原数据之间的偏差认为是重构所造成的误差。以上是本文利用压缩传感方法进行风场数据传输的理论准备，下面将用实例说明上述方法的有效性。3．1模拟工具简介Fluent是模拟流体流动最成熟的CFD软件，其内部包含多种流动模型、流体相变以及传热传质模型，可应用于多种流体问题的数值模拟。在数值计算时，有限体积法(FiniteVolumeMethod，，FVM)为Fluent的主要解决方法，这就使非结构化网格体系可以用于的数值求解，大大减少体积离散化的时间。Fluent的前处理器Gambit可以对建模对象进行不同结构形式的网格离散化，几乎能适应不同的复杂形状以及形式。另外，Fluent还提供了丰富的数据接口，有利于增导入外部图像以及模拟结果数据导出的后处理。3．2风场模型3．2．1自然风的形成当空气速度温度场不均匀时，空气向均匀状态转化导致空气流动就形成了自然风，动态性强、可控制性弱。风的流动虽然是动态的过程，但风场的速度变化和以及流场的分布也是可以预测和计算的，空气流动看似不可琢磨，但在统计学上也存在着一定的法则。目前国内外有很多学者建立了模型对风力特性进行研究计算。19 华北电力大学硕士学位论文在顺风向时程曲线中包含脉动风与平均风。平均风的大小在时间上是稳定的，而脉动风在时间上是动态的，因此对风的研究主要是对脉动风的研究模拟。坎：)2㈨+V(z)(3-1)其中矿(：)一平均风风速，v㈧一脉动风风速。在接近地球表面的风层中，风速在垂直高度上变化明显，造成这一现象的主要原因是因为地面对空气的摩擦阻力等动力因素以及大气与地面相互作用的热力因素。当大气趋于热平衡状态时，气流的扰动则主要是由动力引发的，这时高度对风速的影响可以用普朗特乱流中经验理论公式来表示，高度为h处的风速的指数形式可以表示为【4l】：／h、I“‰刮Ml刮(3．2)式中：以一高度对风速影响的指数系数，“。一所求风速。U。。一已知Jlz的风速；下图3．1为风速随高度方向的变化规律。图3-1风场流动随高度方向的变化由文献[421可知，对于大功率水平轴风力机风轮，可忽略较远处风速沿高度变化的影响，设计风速可采用即轮毂处的速度值。这样稳定可靠并且可以缩短计算时间。3．2．2流动模型下面以实例说明，风场模型如下：假设该风场为夹道风场，两侧为障碍物，风从正面的一侧进入穿过整个风场而从另一侧离开，模拟山谷间通风效果。在风场中，利用风力发电机进行发电，通过在发电机的周围布置感知器，对所20 华北电力大学硕士学位论文在位置处的风向和风速进行测量，并通过线路将数据传输到终端数据处理器上以待进一步的计算。堑§蠡盘盘．盘盘盘盘⋯jL盘盘盘盔互盘盘盘堑．．．j已i§§§蠢生盘垒盔篓．⋯jo生羹叠盘查。。．量。．蠢．—!A．，鱼童盘立叁．盘，。．茎．盘一盘叁⋯j[_1盘查盘蠢．．盘．。．童盘一．鱼一堑。～．立专图3-2某风电场装机分布为了说明上述方法，这里提供模拟计算实例。z方向为远场风速的来流方向，Y为水平面上垂直X的方向，Z方向为垂直高度方向。Z方向上风速则会随高度增加发生如图3．1所示变化。初始时，风速以方向垂直于入口处沿X方向进入风场(本文章中风速大小的选取与选取的风力机额定旋转功率有关)。当进口风速发生变化后，对该场造成的影响也将计入考虑中。由于选取计算域较大，为扩大扰动的影响，本文将计算扰动持续的时问较长情况，即假定经过某时间段(例如12秒)后，进口处乒一25m至x=25m、z=50m到z=150m位置间风速增长5m／s，方向仍垂直于入口处进入风场，再来考虑整个风场的风速情况。将发生进口风速变化前后的速度场进行比较，在扰动向前推进的某一刻必会得到一个存在一些峰值区域且大部分点处净增值很小的场，即一个具有稀疏性矩阵。一个具有这种特性的速度场将为压缩传感样本矩阵的选取带来可能性。为了增加可信度，将计算四种不同的工况，当流场达到稳定后，加入扰动。其中扰动的加入由UDF完成。将不同工况和扰动持续时间内的扰动形式列于下表3．1。表3．1入口边界扰动形式风速人,J,(m／s)11．815．118．120扰动形式在入E1沪．25m与x=25m、z=50m与z=150m之间速度增加量为5m／s为了在能充分了解在不同扰动下风场的特殊以及减少本文中的计算工作量的条件下，本文只选取了入口风速边界为15．1m／s的工况下加入了另外一种扰动形式：在入口沪．25m与x=25m、z=50m与z=150m之间速度随时间的变化的增加量为21 华北电力大学硕士学位论文5+5．0木sin(10．木t)(m／s)。3．3风场物理模型3．3．1物理参数本文采用某大型失速调节水平轴风力机作为研究对象，将不同工况下风力机流动状况的进行数值模拟研究。风力机的风轮参数和部分叶片截面参数【431分别见表3．2和表3．3。由于叶片各个截面的参数形式上是一样的，只是数值上有所差异，故本文只给出了叶片的前、后部分共6个截面的数据。表3．2风轮参数表3—3叶片截面数据截面号到叶片根部距离／m弦，K／m安装角／(o)厚度／％2627280．001．802．9528．9029．OO29．101．6901．8080．2160．112O．0120．005．410．00O．000．OOlOO10079162550由于叶片的扭曲率较大，加大了风力机几何建模的难度，网格精度要提高。叶片模型的生成主要有以下几步：首先确定各截面的弦长和扭角等参数，然后基于各参数通过几何变换求出叶片的三维坐标，最后在前处理软件Gambit中生成叶片的几何模型。其中图3．3为NACAAerofiolsection软件导出翼型(NACA634)的翼型坐标图，并将翼型坐标以．dat格式文件导出。 华北电力大学硕士学位论文图3—3翼型坐标显不图采用excel中的多项式拟合方法把扭角和弦长随半径位置变化拟合成公式，求的大部分半径位置处的弦长分布和扭角，得到更多的三维数据，来生成达到要求的较为平滑的三维叶片表面。在Excel中通过几何变换来生成半径矢量的空间坐标，将dat空间坐标数据输入Gambit中生成叶片的几何表面。如图3-4所示。通过不同的叶片来建立了风力机的整体模型Ⅲ】。巳、(a)翼型截面图(b)叶片三维实体图图3_4风力机的整机模型23(d)风力机正面 华北电力大学硕士学位论文3．3．2叶轮流场计算区域风力机叶轮绕流属于外部流动，需要选择合理的流动区域，计算区域如图3．5所示。其中计算域进口部分长度和出口长度均为240m，风力机两侧宽度为150m，计算域高度为200m。风力机架杆底中心所处位置设为原点，风轮参数如表3．2所示。本文将计算区域扩展为无限远处使风轮入12处的流动得到充分的发展，来消除局部边界速度对计算的影响。自由大气在Fluent中一般设为压力远场，同时为了消除风力机气动性能受风力机下游尾流的影响，下游的计算区域尽可能大。为了更好的得到准确精密的网格，本文将风力机周围划分成多个环形小区域，风力机周围划分的圆形的区域是为了更好的观察风力机周围流场，最终选取的计算区域如图3．5所示。r——⋯⋯一一一一}＼、‘ii、、‘一⋯一⋯一一————————⋯一图3．5计算区域3．3．3网格的生成网格离散化是模拟工作主要工作量，高质量的网格有助于计算精度的提高。复杂计算区域内要产生高质量的网格存在一定的困难，因此需要较高的技巧，使网格有较好的正交性、长宽比以及延展比。因此从简单地考虑物理问题角度出发，流动状态复杂的区域需要布置比较密集的网格，例如风力机叶片的尖端部位和前后缘等附近区域。从低雷诺数湍流模型的问题角度来看，要求叶片表面的第一层网格厚度能够足够的小，从而以精确模拟粘性底层以及边界层厚度方向的流动发展状况。风力机叶轮叶片扭曲率高，贴体网格生成较为复杂。本文在Gambit对叶轮进行网格离散化。对叶轮的离散化需反复的生成实验，本文生成了图3-6和图3．7所示的网格结构。将整个区域等位内区和外区。内区如图3-6所示，外区如图3．7所示。 华北电力大学硕士学位论文通过检查得知网格质量良好。图3-6内域计算网格图譬≤銮至二三=二三要霉≥秘图3．7外域计算网格 华北电力大学硕士学位论文3．4数学模型3．4．1湍流模型选择这里只考虑了叶片在静态时的绕流情况，不考虑叶轮的旋转运动。①连续方程：②动量方程：亟趔：oOx‘(3．3)矗(p叩小一鲁+协形c等+等，一；∥∥等，净4，③能量方程：寿∞川=毒H畅若]]+考卜[若+善)_j2瓦0uk]俘5，标准的k．s双方程模型需要求解湍动能七和耗散率s的输运方程㈣：p譬+pui兰：兰i(互+堕)罢1+鼍(c。iPk-C2，"》￡)p瓦瓦2瓦脚+蒉夕瓦J7+力se删a—(p—k)}O—(pk—u),：—皂一iiI}堡Ll—Ok—l}Gk—p￡OtOxlOxi‘lok1Oxi’’。掣+掣=毒M等夕专M≯鲫譬表示湍动耗散率(tul-bulentdissipationrate)e为：s：一脚～_u—l八iOu—j)Po‰班o(3．6)(3．7)(3．8)(3．9)其中∥铂Ⅵ¨=哪2／8’Gt确f，等+¨O％Uj啊OUi)峭为湍流涡团粘性系数，G。是平均速度梯度引起的湍动能尼的产生项，Cl。、C。。、C：。、仃。和盯。为经验常数。分别取值为：Cl。=1．44，C2。=1．92，C。=0．09，盯^=1．00，盯。=1．30。26 华北电力大学硕士学位论文3．4．2边界条件设定在本文的三维模型的气动数值模拟计算中，选择采用分离式求解器(Segregated)，三维稳态流动(3D，Steady)。速度是绝对速度(Absolute)。采用隐式算法(Implicit)，湍流模型采用标准k—s模型。将流动近似为空气的单相流动，并且忽略重力对流动的影响。动量采用二阶迎风离散格式(SecondOrderUpwind)。压力和速度耦合选择SIMPLE算法。因此将进口边界条件设置为速度入口：11．8m／s；出口边界条件为压力出口：OPa。残差取为10e．3，对四种工况进行模拟。3．5结果处理与分析下面图3．8(a)(b)图为入口风速为15．1m／s时叶片表面上的动压力和静压力分布图。由图(a)可知，在叶片风速入口侧风速较大，出口风速变小。而叶片的静压力分稚『F好相反，在入口处静压力小于出口侧。黔燃i耋*●·∞ll一$；2如}·0'＆‘疆霖：：：蓊戮囊薹；l鬻黑罂蓁鬟{蛙L、；蛾L、孽；f：。。。：．：⋯⋯⋯+。。，：一．．．：F．0tvT：jtk⋯●‘“⋯”’“””“i”“’¨EfJT53l拶垛j躐(a)叶片表面上的动压力分布图(b)叶片表面上的静压力分布图图3．8叶片表面压力分布图下图3．9描述了来流风速分别为11．8m／s、15．1m／s、18．1m／s、20m／s绕风力机叶片周围风速分布，四种不同工况的显示图中风速最大值都设置为33m／s，最小值为0。由这四个不同工况下风轮旋转平面上的速度分布图可以看出，风速增大，风轮机周围的风速也相应增大，速度梯度的变化也增大。且每一工况下3个叶片之间的速度分布基本相同，以入口风速15．1m／s为例，在来流风速为15．1m／s的情况下，由于叶片形状导流特性，叶片附近静压力的减小，风速的动压也相应增加，风速在叶片表面附近风速的最大值甚至达到了24．4m／s。 华北电力大学硕士学位论文(a)初始风速为11．8m／s风轮旋转中心平面上的速度分布图(b)初始风速为15．1m／s风轮旋转中心平面上的速度分布图(c)初始风速为18．1m／s风轮旋转中心平面(d)初始风速为20m／s风轮旋转中心平面上上的速度分布图的速度分布图图3-9四种不同工况下风轮旋转平面上的速度分布图下图3．10为叶片在不同工况下截面的压力分布，来分析叶片绕流的压力变化，其四种不同工况的显示图中动压力的最大值都设置为750pascal，最小值为0。从图中可以看出，每一工况3个叶片周围流场的压力分布差别不大，在叶轮静止时，3个叶片之间没有互相影响。叶片附近数值变化明显，先显示了叶片贴面压力变化较大，符合实际状况。且随着风速的增加，压力等值线加密，压力梯度增大。聪蠢j(a)初始风速为11．8m／s风轮旋转中，tl,平面上的动压力等值线图28蛙麓：=jii⋯睡j【二二!二二二二：!竺：，型笙l(b)初始风速为15．1m／s风轮旋转中心平面上的动压力等值线图 华北电力大学硕士学位论文赡瓣．：羞；霎Yj(c)初始风速为18．1m／s风轮旋转中心平面上的动压力等值线图蛙羹爰鬻：=鹾l=：===：竺!!兰兰|(d)初始风速为20m／s风轮旋转中心平面上的动压力等值线图图3．10四种不同工况下风轮旋转中心平面上的动压力等值线图为了更好的观察风力机叶片周围风速的绕流情况，下图3．1l描述了叶片半径为8m截面处(约为叶片的1／3处)时叶片周围的速度矢量图。黪鬻⋯嵯L匡三三三二二二j(a)初始风速为11．8m／s半径为8m叶片周围的速度矢量图黩⋯嵯LI=’=!=：==：：r竺!墨兰l(C)初始风速为18．1m／s半径为8mnt‘片周围的速度矢量图瞧蹙：：：，睡IIllidOL。7(b)初始风速为15．1m／set生径为8m叶片周围的速度矢量图醛纛=鹾L(d)初始风速为20m／s半径为8m叶片周围的速度矢量图图3-11四种不同工况下半径为8m叶片周围的速度矢量图一；蘸 华北电力大学硕士学位论文由上图3—11可以看出，气流从翼型前缘流向尾缘。在r=8m的叶片截面处，气流表现为较好的附着流动。风速较小的情况下，各个截面没有分离失速现象的发生，风速增加时功率随之增加；当风速超过设计风速，随着风速的增大，分离失速逐渐向叶尖方向扩展。为了能够更加清楚得看到风场前后流动的变化以及流场区域里的峰值情况，将风场上每个网格点的风速从Fluent中输出，并将这个数据输入Matlab里重新作图得到了风场流动情况的三维图像，其中X方向为远场风速的来流方向，y为水平面上垂散的方向，z方向为垂直高度方向。不同的颜色代表不同的风速大小。下图3．12和图3．13分别为入口风速为15．1m／s计算收敛后时截面厅．5m、z=75m处的风速分布。爨薰鲨薹，j一一V一图3—12(a)入口风速为15．1m／s计算收敛后时截面沪．5m的Fluent模拟风速分布图∞一董15i薹10鲁墨5害暑o>·52∞150图3—12(b)入口风速为15．1m／s计算收敛后时截面炉一5m的matlab中风速分布图 华北电力大学硕士学位论文E骥i∞m鹾L。E====————一——～。1f“E-T13口．，IH．}嘲图3—13(a)入口风速为15．1m／s计算收敛后时截面z=75m的Fluent风速分布图图3—13(b)入口风速为15．1m／s计算收敛后时截面z=75m的matlab风速分布图图3—12、3一13分别显示了在风场中初始风速为15．1m／s计算收敛后所取两截面沪．5m、z=75m的风速分布，其中图形中由于风力机的位置关系，使得风力机所处位置的影响，风力机附近的风速发生变化。下图3—14为初始风速15．1m／s在入口边界f．25m与x=25m、z=50rn与z=150m之间速度增加量为5m／s，扰动持续12s后截面沪一5m的速度分布图。■_■丽懋。～一⋯聪隧●-■■∞佰帕50与∞一竹、￡一∞芍三Iu瑚付Ej13。面> 华北电力大学硕士学位论文聪””1∞e+0I47e-●0l38e+0l20e+Ol1lee+O’105e+0t9∞e+00840e+00735e+00B30e-mO#．525e+00鹾蒌图3—14扰动为常数N删12s后截面F一5m的F1uent风速分布图为了方便进行后面的数据矩阵压缩传感计算，满足压缩传感中样本矩阵的稀疏性要求，需要一个与扰动前的风场的大部分数据近似相等，只在某些区域产生明显峰值的数据矩阵。本文选取了进口风速扰动持续时间为12s后的瞬态风场作为对前后风场数据进行叠差的第二个风场数据，下图3—15为利用matlab软件显示入口边界速度为15．1m／s在沪一25m与x=25m、z=50m与z=150m间速度增]JH5rn／s持续12s后截面f．5m风速净增值图。150图3．15住萨．25m与x=25m、z=50m与z=150ml、刚速度增力115rrgs持续12s后截面萨．5m风速净增值图 华北电力大学硕士学位论文3．6本章小结本章节主要利用Gambit建立了风轮的三维几何模型，并对模型进行非结构网格划分。介绍了水平轴风力机数值计算模型的建立过程，分析了不同状况下的模拟结果，了解了风力机周围流场特性。 华北电力大学硕士学位论文第4章基于压缩传感方法的数据重构上一章利用CFD模拟风场，因为缺乏传感器现场数据，本论文中将使用Fluent模拟得到的数据，在模拟结果中取出易计算且具有代表性的截面，欠抽样得到较少的数据，根据这些数据，利用压缩传感原理，说明压缩传感在风场数据传输中的应用。本文中利用Fluent进行风场模拟，利用tecplot软件录]excel对风速模拟结果中提出的数据进行处理，得到一个可压缩的风速信息矩阵，然后利用Matlab对该矩阵进行稀疏化处理，得到一个大部分值为零的S．稀疏性矩阵。这个稀疏矩阵可以看作是风场实际流动的样本矩阵。运用压缩传感理论进行重构可以得到一个与真实信息矩阵高相关度的重构矩阵。因此，当真实信息矩阵与重构矩阵之间的重构误差足够小时，我们可以认为压缩传感方法在风场数据传输上面，利用较少的真实数据反映真实的信息场是可行的。因此能够实现传感器在采样中即对采样数据进行处理，压缩数据，大大减少在无线传感器中传输量，减少网络的能耗，实现对风场采集数据的快速传输。4．1基于Matlab编程的数据处理将上一章中得到模拟数据，利用CFD后处理软件tecplot抽取某个截面的4万个数据，这4万个数据可以作为传感器监测到的真实风速信息矩阵，并将这个矩阵的风速信息的风速值按照一定位置的排列转换成一组一维向量，利用高斯分布和小波分析对其进行均匀随机取样和稀疏化处理，得到一个项的数量远小于真实信息矩阵的稀疏矩阵。然后用压缩传感理论对该稀疏矩阵进行重构，并将重构矩阵与真实信息矩阵数据之间进行比较分析，得出两者之间的误差值。图4．1是原始数据经过压缩再重构处理的流程图，具体实现的步骤如下：(1)读取风场数据恤。这里X是一组风速值，是将其位置按照一定的排列方式排列而成的一维向量。(2)构造离散小波基矽，本为采用db8d'波基。对输入的原始信号进行稀疏化处理，即对信号x在基{沙，巴上展开为S-稀疏的表示，f峪，x为原始信号，S为信号X的髟稀疏表示，大小为Ⅳ×1。(3)产生随机高斯矩阵矽，得到测量值y，尸咖x。其qby是一个M×1的列向量，少是一个以每个基向量咖川作为行向量的M×Ⅳ矩阵，即测量矩阵。由于M<，Vk∈M和条件公式(2·5)：m≥C·112(伊，少)·S·logn以及正则公式、STR算法与经验值，迭代获得解S。(6)重构原始风场数据x，即利用沪US。∥为第一步骤中构造的离散小波基。并通过设定上下限胤进行修正。图4．1基于压缩传感理论的数据压缩重构处理流程图本文中，基于上述原理将第3章中叠差得到的风场速度变化的净增值矩阵作为真实的风场信息矩阵，均匀随机选取其中的一部分值(设为NN个)作为样本矩阵进行重构。差值风场矩阵这个向量矩阵是严格意义上稀疏的，因为除了一部分数值外，其他值均为零(如图4—2为入口风速为15．1m／s，在特定的位置处风速扰动持续 华北电力大学硕士学位论文12s后截面沪．5m风速净增值图)，这符合了稀疏性的定义，可以对其进行欠抽样形成样本矩阵。由上述可知，抽样满足高斯分布，具有随机性。因此，样本矩阵满足了压缩传感的基本前提：稀疏性，可以进行重构。抽样时压缩率和真实信息矩阵和重构矩阵之间的相关度呈正比关系【22】，但为了保证矩阵的压缩度，不断调试欠抽样的样本数量最后得到相关度的重构矩阵。事实上实际规则是要想准确重构，每个未知非零项需要大约4个不相关样本。这种经验规律已经得到许多研究学者的支持【221。本文中，由于程序的完成不太完善，具有不稳定性，对数据的处理可能需要反复调试程序，本文在平衡了压缩率和误差率之后得到压缩率均保持在30～45％，与理想压缩率稍有差距，这是本课题下一步需要进行的工作，这里暂不讨论。4．2风场数据重构结果这里通过上文对Matlab处理后的风场数据进行随机抽样获得的样本数据，将原始风场速度矩阵转换成一维向量输入Matlab中，进行程序运算，调试NN值的大小使重构矩阵和真实信息矩阵之间的误差为达到3％以下。而在实际应用中，这些风场数据可以通过无线传感器独立测量得到，因此压缩传感重构的结果和原始数据之问重构结果存在一定的误差。本文将风场入口风速以11．8m／s、15．1m／s、18．1m／s、20m／s为例，当风场风速分布趋于稳定后，在入口边界．25m≤y≤25m、50m≤z≤150m范围内将风速增力H5m／s，在此扰动经过12s后，风速的扰动基本传达到风力机周围，以及为了更好的体现数据之间的非恒定状态，本文以入口风速为15．1rn／s为例，将扰动以『F弦波动方式加入，即入El边界．25m≤y≤25m、50m≤z≤150m范围内，风速的增加量为5+5sin(10*t)。本文重点考虑风力机周围风速的分布情况，选取离风力机叶轮中心5m远，即沪．5m、高度为75m即z=75m的两个截面。将重构风场矩阵数据读入Matlab中，按照Fluent网格中原始坐标位置进行排列，并对扰动前后两风速场风速对应进行相减，得到的风速净增值图，净增值图能很好的表明持续扰动对原始风场带来的影响。以风速值为z轴进行三维作图，本文将入El风速大小为15．1m／s的原始图和重构结果分别以图形形式列出，如下的三维云图图4．1，图4．2，图4．3，图4．4，其中x方向为远场风速的来流方向，y为水平面上垂直x的方向，z方向为垂直高度方向，高度方向标注为不同的颜色代表不同的风速大小。表格4．1、4．2、4．3为在入口边界．25m≤y≤25m、50m≤z≤150m范围内，扰动风速的净增值为5m／s持续时间长为12s后，在截面乒．5m、z=75m抽取部分数据利用压缩传感原理重构计算所得结果与两截面原始数据对应之间的分析表。36 华北电力大学硕士学位论文5g4邑罢3星昌2篓壹1g≥0-12005拿J|S岩3主蛊2l壹1S≥0·12∞图4_1扰动为常数形式持续12S后截面F．5m风速净增值图图4．2扰动为常数形式持续12s后截面萨．5m风速净增值重构3"／1504543．532．5215105日5432，0D■■ll隰麟一一一一一㈣隧鍪●●■ 华北电力大学硕士学位论文黧墓羹鬟鬟篓l鬻ll㈧≤霪羹麓学l鬻麓掬图4．3扰动为常数形式持续12s后截面z=75m风速净增值图3130图4_4扰动为常数形式持续12s后截面z=75m风速净增值重构图38■■_丽隧．一一．隧一隧誓I●●6420之Ⅺ一n＼uJ一∞奄三IU。∞L“参130|a>l 华北电力大学硕士学位论文表4．1扰动为常数形式时原始数据与重构结果之间的压缩率结果分析表表4．2扰动为常数形式时原始数据与重构结果之间的方差与标准差结果分析表39 华北电力大学硕士学位论文表4．3扰动与常数形式时原始数据与重构结果之间的误差值结果分析表由上述结果分析表可得到在不同初始风速工况下数据重构的压缩率的关系图。，憝。舞簿，一穆1『i囊j秘霸。∥”I；i：i《。糕。一”、雾誊j鬻；埘妒薯秽掣i躲∥一”i：爹雾}，9峨∞。i～11。、鑫壤臻。嚣爨黪i溪i罐矿≈、逋尹l董一⋯：藕潮隧≈“锑《H“。。豫赫鬻?糯落鹱萎j獠：：{暖粼。褥*魁∞c。瓣i溯j■o§‘州o》．I；{11戮。．鬻鹣籁潍《蘧瓣l篱图4—5截面炉．5m初始风速大小与压缩率的关系图图4．6截面2=75m初始风速大小与压缩率的关系图 华北电力大学硕士学位论文为了体现风速扰动的不稳定性，本文选取另外一种扰动方式：当风场风速分布趋于稳定后，在入121边界．25m≤y≤25m、50m≤z≤150m范围内将扰动以正弦波动方式加入，即入口边界．25m≤y≤25m、50m≤z≤150m范围内，风速的增加量为5+5sin(10*t)，扰动持续一段时间。并将持续时间12s与持续15s后两风场数据进行比较。下图图4．7、图4．8、图4．9、图4．10、图4．11、图4．12给出不同截面的风速净增图和压缩重构后的结果图。图4．7扰动为正弦形式持续12s后截面f．5m风速净增值图图4-8扰动为正弦形式持续15s后截面萨．5m风速净增值图4l—■I臆隰燃黪一一_一隧篷I5432，00玎一∞＼E一∞≈nllu。∞∈暑13。f8>刀 华北电力大学硕士学位论文图4-9扰动为正弦形式持续12—15s之间截面沪．5m风速净增值图图4．10扰动为正弦形式持续12～15s之间截面萨．5m风速净增值重构图42■墨_睡麟縻r一⋯麟一隧幽誓_—■7．．i．·j_。。2--．．薹i‘㈡：?t5、一||_I|熊|_『；：『oo}100≥一o|_-⋯0-三{、∥■●■L，0。5、、园、1{；1§；鞣l。-0．5、一—畿麟麓篱瀚7黝黝霹．●!!．．-_}，∞#‰i臻r，1‘、|·．∑、jiI200，一Ⅻ渤《∞Ⅻ诮靠崩。．．—_ 华北电力大学硕士学位论文4霉2邑罢0罢昌-2l壹‘48≥’6习15口300图4-ll扰动为止弦形式持续12～15s之间截面z=75m风速净增值图图4-12扰动为正弦形式在12～15s之间截面z=75m风速净增值重构图将上述正弦扰动形式下所得到的原始数据和重构结果进行分析，得到下列原始数据和重构数据的结果分析表。432，045岳—■-曝臁燃缫．一～一一隧隧■■■420之4占名∞(8、E—mpn毛牙uJ皇g|。>， 华北电力大学硕士学位论文表4_4扰动为正弦形式时原始数据与重构结果之间的压缩率结果分析表12s-15sx-=．5mz=75m155001395037．84％34．06％表4．5扰动为正弦形式时原始数据与重构结果之间的方差与标准差结果分析表表4-6扰动为正弦形式时原始数据与重构结果之间的误差值结果分析表利用第三章风场三维数值模拟结果，从两截面乒．5m、z=75m的风速净增图与此后进行压缩重构后的结果图进行比较可以看出，风场重构图基本与原图非常好得相 华北电力大学硕士学位论文吻合，很难看出其细微的差别，只有极少的位置处出现一些毛刺，这些毛刺正是压缩传感带来的误差。从表4．1到表4．6中的分析结果中我们可以看出，且在不同风速大小的边界条件下，压缩率和误差率发生较大的变化，在数据的处理过程中由于欠抽样数据具有一定的随机性，误差率和压缩率之间不会呈现出规整的线性变化，大体上随着压缩率的增大，误差值有所减小，方差和标准差也相应减小。当NN值较小时，即压缩率较小时，误差值增大。在扰动形式为常数时所重构得到的结果分析图图4．5、图4．6可以看出，随着风速的增大，压缩率也增大，这是由于随着风速的增大，在相同的扰动时间里，扰动影响更大，风速传递更快，使得风速净增值数据之间的稀疏性变差，需要更多的数据重构原始风速数据，从而使得数据更难压缩。并且重构结果和原始数据之问的平均误差、最大误差、方差和标准差值都很小，重构风场值和原始风场值很好得吻合。且误差值均在3％以下，较好地满足压缩重构的经验准确度。(E．Cand6s，J．Romberg，andT．Tao的关于压缩传感重构矩阵与测量矩阵相关度的研究成果【22】表明，误差值低于3％时，可以认为实现了对真实信息矩阵的重构。)因此通过压缩传感较好得重建了原始风场。4．3本章小结本章节主要从不同扰动形式下的模拟结果中取出4万个数据作为无线传感器的接收的初始数据，利用压缩传感方法对数据进行压缩处理，减少在无线传感网络中的数据传输量，最后进行风场重构，对风场重构数据进行分析，平衡误差值和压缩率之间的关系，得到误差均小于3％的重构数据，即可以通过少量数据利用压缩传感可以重构得到误差值很小的重构风场风速数据。45 华北电力大学硕士学位论文5．1结论第5章结论与展望本文通过介绍压缩传感理论，提出将压缩传感应用在无线传感器的数据采集与传输中，减少网络中数据的传输量，节约能源，提高传输速度。本论文研究的主要内容和成果可以总结如下：(1)本文首先对风场数据融合技术进行了分析，阐述了基于压缩传感理论方法的数据传输的优越性：通过应用压缩传感理论压缩传输少量的真实信息，使少量合适的数据在资源有限的传感器节点进行传输，降低复杂度，减少能耗。(2)详细分析了压缩传感方法，充分探讨了稀疏性和不相关性等特性，并将其考虑到风场数据压缩传输中应用的情况。从上述分析中，提出了将压缩传感方法的应用于风场数据的传输过程中。。(3)以水平轴风力机为研究对象利用CFDi瓠J"处理软件Gambit建立了风轮的三维几何模型，并进行非结构网格划分。描述了水平轴风力机采用的三维湍流流动的数值计算模型，对不同工况下的模拟结果进行分析，了解风力机周围风速分布情况和压力分布规律以及空气在风力机叶片的绕流情况。(4)从模拟结果中取出部分数据作为传感器监测接收的初始数据，利用压缩传感方法对数据进行压缩处理，最后进行了风场重构，对风场重构数据进行分析，平衡误差值和压缩率之间的关系，得到误差均小于3％的重构结果。5．2展望本文提出将压缩传感应用在风电场气象数据传输中，这种算法的应用使得无线传感网络具有功耗低、速度快、精确性高、便于操作等优点。但因为时问有限，一些工作的实现还不是很完善，有待于在以后做进一步的研究：(1)本文中由于缺乏风电场监测采集系统的真实数据，通过CFD简单的模拟数据来代替了真实的原始数据。在数据的处理工程中，可以将Matlab中的压缩传感计算可以将一维矩阵计算换成二维矩阵计算，从而可以在很大程度上加快风场重构的速度。(2)为了能够更加快速地进行计算，应不断改进算法和程序，使压缩率不断降低。这样除了可以提高计算速度外，也能够减轻信号传输的负担，减少传输过程中的数据丢失。 华北电力大学硕士学位论文参考文献[1]吴丰林，方创琳．中国风能资源价值评估与开发阶段划分研究[J]．自然资源学报，2009，24(8)：1412．1420[2]中国电信集团公司电源技术支撑中心．风力发电技术[J】．广东通信技术，2009，(10)：51—53[3]蒋莉萍．2008年国内外风电发展情况综述[J]．战略与规划，2009，21(2)：12-14[4】GB／T18710-2002．风电场风能资源评估方法[S][5]包能胜，蔡俊涛，唐昌研等．风电场风况无线数据采集系统的研制【J]．汕头大学学报(自然科学版)，2004，19(2)：52．57[6]杨斌．风电场气象参数采集与管理系统．哈尔滨理工大学，2011．03：1．2[7]时强．风场气象参数采集及无线通信系统研究[D]．黑龙江：哈尔滨理工大学，2009[8】岳乐鹏．风电场风速风向采集及无线通信系统研究[M]．黑龙江：哈尔滨理工大学，2010．03：1．2[9】WangYC，HsiehYY，TsengYC．Multiresolutionspatialandtemporalcodinginawirelesssensornetworkforlongtermmonitoringapplications[J]IEEETrans．Comput．2009(6)：827-838[10】PotdarV，SharifA，ChangE．Wirelesssensornetworks：ASurvey[C]／／proceedingsofthe2009InternationalConferenceonAdvancedInformationNetworkingandApplicationsWorkshops，Bradford，UK，2009，05—29：636—641[11]SongL，KalogerakiVGunopulosD，eta1．onlineInformationCompressioninSensorNetworks[c]／／ProceedingsofIEEEIntemationalconferenceonCommunications(ICC’06)，Istanbul，Turkey,2006，7：3371-3376[12]章书勤，郭迪，肖明波．无线传感器网络数据传输及融合技术[J】．现代电子技术：2009，18：188．191[13】俞黎阳．无线传感器网络网格状分簇路由协议和数据融合算法的研究[D]．华东师范大学博士学位论文．2007[14]罗能．无线传感器网络数据融合技术研究[D]．哈尔滨工业大学．2009．12[15]Cand6sEJ,RombergJ,TaoT．Robustuncertaintyprinciples：Exactsignalreconstructionfi'omhighlyincompletefrequencyinformation[J】．IEEETransactionsonInformationTheory,2006，52(2)：489-50947 华北电力大学硕士学位论文[16]DonohoDL．Compressedsensing[J]．IEEETransactionsonInformationTheory，2006，52(4)：1289-1306[17]R．Baraniuk，ESteeghs．CompressiveRadarImaging[C]．IEEERadarConference，Waltham，Massachusetts，2007：128—133[18】L．Potter,ESchniter,J．Ziniel．Sparse．ReconstructionforRadar．SPIEAlgorithmsforSyntheticApertureRadarImageryXV[J】，2008，6(7)：O-15[19】S．ECotter,B．D．Rao．SparseChannelEstimationviaMatchingPursuitwithApplicationtoEqualization[J]．IEEETrans．onCommunications，2002，50(3)：374—377[20】W．U．Bajwa，J．Haupt，GRaz，ate1．CompressedChannelSensing．Con￡onInfo．SciencesandSysterns(CISS)，Princeton，NewJersey,2008：5—10[21]J．Ma，ELeDimet．DeblurringfromHighlyIncompleteMeasurementsforRemoteSensing[J]．IEEETrans．GeoscienceandRemoteSensing，2008，46(12)：51—69[22]EmmanuelJ．Candrs，MichaelB．Wakin．AnIntroductiontocompressivesampling【J]．IEEESignalProcessingMagazine，2008(3)：21-31[23]DONOHODCompressedsensing2006(04)[24]E．Cand6s，J．Romberg．Sparsityandincoherenceincompressivesampling．InverseProblems，2007，23(3)：969—985[25】孙玉宝，肖亮，韦志辉，邵文泽．基于Gabor感知多成份字典的图像稀疏表示算法研究[J】．自动化学报，2008，34(11)：1379．1389[26]AharonM，EladM，BrucksteinAM．TheK—SVD：Analgorithmfordesigningofovercompletedictionariesforsparserepresentations[J】．IEEETransactionsonImageProcessing，2006，54(11)：43l1-4322[27]RauhutH，SchnassKVP．Compressedsensingandredundantdictionaries[J]．IEEETransactionsonInformationTheory,2008，54(5)：2210-2219[28】EmmanuelJ．Cand6s，MichaelB．Wakin．AnIntroductiontocompressivesampling[J]．IEEESignalProcessingMagazine，2008(3)：21-31[29]E．J．Candrs，JRomberg，TerenceTao．Robustuncertaintyprinciples：Exactsignalreconstructionfromhighlyincompletefrequencyinformation[J】．IEEETrans．onInformationTheory,2006，52(2)：489—509[30】E．Cand+s，J．Romberg，T．Tao．Stablesignalrecoveryfromincompleteandinaccuratemeasurements[J]．CommunicationsonPureandAppliedMathematics，2006，59(8)：1207-122348 华北电力大学硕士学位论文[3l】E．J．Cand6sandTTao．Nearoptimalsignalrecoveryfromrandomprojections：Universalencodingstrategies[J]．IEEETrans．onInformationTheory．2006，52(12)：5406．5425[32】F．SantosaandW．W．Symes．Linearinversionofband-limitedreflectionseismograms[J】．SIAMJ．Sci．Statist．Comput．1986，7(4)：1307—1330[33]E．Cand6sandJ．Romberg，Sparsityandincoherenceincompressivesampling[J]．InverseProb，2007，23(3)：969—985【34】彭鸣明，李榕，李军．应用压缩传感理论的交通视频图像处理【J】．激光杂志，2012，33(2)：19-21[351P．FengandY．Bresler．Spectrum-blindminimum-ratesamplingandreconstructionofmultibandsignals[C]．inProc．IEEEInt．Conf．AcousticsSpeechSignalProcessing，Atlanta，1996，2：1689—1692[36]M．Vetterli，P．Marziliano，andT．Blu．Samplingsignalswithfiniterateofinnovation【J】．IEEETrans．SignalProcessing，2002，50(6)：1417—1428，[37]E．Cand6sandT．Tao．Decodingbylinearprogramming[J】IEEETrans．Inform．Theory,2005，51(12)：4203-4215，．[38]T_军华，黄知涛，周一宇等．压缩感知理论中的广义不相关性准则[J]．信号处理，2012，28(5)：675．679[39】E．Cand6sandT．Tao．Nearoptimalsignalrecoveryfromrandomprojections：Universalencodingstrategies[J]．IEEETrans．Inform．Theory,2006，52(12)．5406-5425[40】D．Donoho．Compressedsensing[J]．IEEETrans．Inform．2006，52(4)1289．1306[4l】黄鹏．等：大气边界层风场模拟及测试技术的研究[J】．同济大学学报．2001，29(1)：11．16[421张玉良，程兆雪，杨从新，盂繁中．风力机风轮设计中风速的处理[J]．沈阳工业大学学报，2006(28)6：687．689[43]陈严，刘雄，刘吉辉，等．动态尾流模型在水平轴风力机气动性能计算中的应用[J]．太阳能学报，2008，(10)：1297-1232．[44】陈家权，杨新彦．风力机叶片立体图设计[J]．机电工程，2006，(4)：37．40．[45]t福军．计算流体动力学分析[M】．北京：清华大学出版社．2004：211．212，49 华北电力大学硕士学位论文致谢在本论文完成之时，我要向帮助和关心过我的人们表达我的感激之情。首先，我感谢导师刘石教，因为本论文的选题、研究过程离不开导师刘石教授的帮助与指导。同时我还要感谢实验室里的老师，如李志宏老师、韩振兴老师，感谢他们对我在课题上的悉心教导与帮助。感谢学院的各位领导和老师对我在校期间课程的培训和教育，因为他们正确的引导与教育让我拥有正确的人生观、价值观和世界观。感谢陈江涛、王泽璞、李培娟、黄耀松、贾磊、刘乾、刘晓晴等实验室的师兄师弟们在生活及学习上的帮助。最后，还应该特别地感谢我的家人以舍友，感谢他们在我完成论文的那些R子对我的支持与帮助，在今后的日子里，我一定更加努力，以更好的成绩来回报他们。