新一代天气雷达风轮机杂波识别和剔除.pdf

第 卷 第 期 年 月海 洋 气 象 学 报 .苏添记葛俊祥.新一代天气雷达风轮机杂波识别和剔除.海洋气象学报():.():.:./.()新一代天气雷达风轮机杂波识别和剔除苏添记葛俊祥(.山东省气象防灾减灾重点实验室山东 济南.烟台市气象局山东 烟台.南京信息工程大学电子与信息工程学院江苏 南京)摘要:针对新一代天气雷达数据存在风轮机杂波污染问题统计分析了 种雷达基数据特征量风轮机杂波具有较高的反射率因子隆起度和水平通道信噪比隆起度以及较大的速度奇异率其信号质量指数接近 谱宽接近 或大于.以特征量统计结果为基础使用模糊逻辑算法对雷达基数据中的风轮机杂波进行特征识别结果显示模糊逻辑算法能有效地把风轮机杂波从各种强度的气象降水回波和固定地物杂波中识别出来 针对被识别出来的风轮机杂波使用区域平均插值方法对雷达基数据中的风轮机杂波进行剔除杂波剔除结果显示气象降水条件下获得了较好的风轮机杂波剔除效果关键词:多普勒天气雷达风轮机杂波杂波特征和识别雷达数据质量控制中图分类号:.文献标志码:文章编号:():./.收稿日期:修回日期:基金项目:山东省气象局科研项目()第一作者简介:苏添记男硕士高级工程师研究方向为气象雷达运行保障和数据应用开发.通信作者简介:葛俊祥男博士教授研究方向为毫米波雷达系统、电磁散射理论与天线技术等.(.):().().:()海 洋 气 象 学报第 卷引言目前公认由人类驱动的全球气候变化的威胁为许多绿色能源技术发展铺平了道路风力发电是一个例子 根据全球风能理事会的报告全球风电装机容量保持 以上的快速增长而中国的风电规模是最大的其风电总装机容量和每年新增装机容量在全世界占比均超过三分之一 虽然风电产业取得了许多积极成果但这种扩张的负面影响也不容忽视其中一个影响是风力涡轮机(简称“风轮机”)对天气雷达系统的干扰 风轮机工作时转动的叶片能使雷达载波产生多普勒频移导致雷达回波数据中出现位置固定并且具有很高径向速度的杂波称为风轮机杂波()目前使用的天气雷达杂波滤波器难以滤除此类杂波 风轮机杂波会影响天气雷达观测的基数据及其后续反演产品例如雷达定量降水估计等 为降低风轮机杂波对天气雷达的影响国外一些学者已提出一些杂波识别和抑制方法如 等以风轮机杂波的时域和频域特征为基础利用模糊逻辑算法实现风轮机杂波的自动识别 等基于天气目标雷达回波信号的空间连续性特征使用距离多普勒谱和回归的处理方法实现风轮机杂波的抑制 等把天气目标信号和风轮机杂波信号分别模型化为时域稀疏群和稀疏时间导数模型来分离这两种信号在美国下一代天气雷达进行了模拟和实测数据计算改善了反射率因子、径向速度和速度谱宽数据的质量 等把风轮机杂波模型化为一个广义循环平稳过程实现了风轮机杂波与降水回波和地杂波的分离 等利用广义似然比检验方法检测受风轮机杂波影响的库然后使用信号子空间估计的方法实现风轮机杂波抑制 国内一些学者利用国外的天气雷达数据研究了风轮机杂波的识别和抑制方法如何炜琨等使用美国 雷达数据利用模糊逻辑算法实现基于多时次采集基数据的风轮机杂波识别基于气象目标回波空间均匀的假设改进基于最大后验概率()方法使用未受杂波污染的气象回波对风轮机杂波污染区进行插值实现天气雷达基数据风轮机杂波的剔除在风轮机杂波周期特性抑制算法的基础上使用风电场附近未受杂 波 污 染 区 的 ()数据对基于周期特性的风轮机杂波数据进行杂波抑制 吴仁彪等利用匹配追踪算法实现仿真天气雷达风轮机杂波信号的抑制截至 年中国已建成由 部多普勒天气雷达组成的世界最大的业务化天气雷达监测网而随着中国风电工业的快速发展风轮机杂波对多普勒天气雷达数据质量的影响也不断加重 目前多普勒天气雷达业务运行的基于高斯模型的自适应滤波器()对风轮机杂波处理效果不理想 国内很多学者研究了多普勒天气雷达固定地物杂波、超折射回波、生物回波、电磁干扰杂波等非气象回波的特征和识别、抑制方法但针对风轮机杂波的研究却很少本文使用/型多普勒天气雷达基数据根据风轮机杂波的特点构建基数据风轮机杂波特征量统计各特征量的数值分布特征 利用模糊逻辑算法识别不同天气条件下基数据中的风轮机杂波基于气象降水回波在一定范围内均匀的假设使用平均值插值法剔除基数据风轮机杂波 由于目前尚缺有效的多普勒天气雷达风轮机杂波的抑制方法本研究结果可望对进一步提高多普勒天气雷达的数据质量提供参考 数据和方法业务运行的/型新一代多普勒天气雷达采用体扫描模式进行数据采集常用的 体扫模式约每 完成一次扫描探测数据以标准格式保存到基数据文件中 基数据中包含反射率因子、径向速度、谱宽、信号质量指数、水平通道信噪比等数据类型双偏振雷达还包含差分反射率、相关系数、差分传播相移率、垂直通道信噪比等数据类型 基数据代表的最小目标单元是距离库个距离库是 个波束宽度(约)和 个脉冲有效照射 深 度(如 )所 围 成 的 空 间 体 烟 台/型新一代多普勒天气雷达(简称“烟台雷达”)基数据除了受到周围高山引起的固定地物杂波污染外还受到风轮机杂波污染以雷达为中心的 半径范围内有 处风电场对雷达有影响 本文选用烟台雷达的基数据进行风轮机杂波特征分析、识别和杂波数据剔除进行特征分析的不同第 期苏添记等:新一代天气雷达风轮机杂波识别和剔除目标类型数据包括风轮机杂波、固定地物杂波和降水回波 类数据的获取方法是:首先利用卫星地图获得 处风电场和 座高山的区域边界数据然后转换成雷达的方位距离信息并在雷达软件中记录依据定位信息可从基数据中获得风轮机杂波数据和固定地物杂波数据降水数据则从完全避开任何杂波污染的位置获取.模糊逻辑算法模糊逻辑算法把只取 和 二值的普通逻辑集合概念推广到在区间上可连续取值的模糊集合并使用隶属度概念来精确描述元素与模糊集合之间的包含关系 算法包括 个过程:模糊化、规则推断、权重集成和退模糊即依据量化特征设置隶属度函数然后进行逻辑推理和隶属度输出加权最后进行逻辑归类实现解模糊输出 模糊逻辑算法应用广泛在天气雷达回波分类、降水相态识别、杂波识别等方面均有应用 特征量对模糊逻辑算法至关重要风轮机杂波既具有固定地物杂波的特点其位置固定反射率因子很大又具有气象降水回波的特点有一定的径向速度信号质量指数高因此用于风轮机杂波特征识别的特征量必须既能分辨气象降水回波与风轮机杂波又能分辨固定地物杂波与风轮机杂波.雷达基数据特征量根据风轮机杂波的特点构建反射率因子隆起度()、速度奇异率()、水平通道信噪比隆起度()、信号质量指数()和谱宽()等 个特征量 这 个特征量中、和 是利用基数据反演的特征量反映了目标距离库与其周围距离库基数据的差异程度 而 和 是直接来自基数据的特征量反映的是目标距离库的数据特征.反射率因子隆起度()和水平通道信噪比隆起度()风轮机杂波的反射率因子值很大并且区域不均匀构建的反射率因子隆起度()要能反映目标距离库反射率因子的这种特点因此构建式()计算得到:()()式中:表示目标距离库的反射率因子表示以目标距离库为中心方位和距离分别变化 和 个最小分辨单元的距离库的反射率因子当 和 同时为 时即为 表示 对应的所有距离库数目其大小由 和 确定 表示目标距离库的外围距离库反射率因子的平均值由式()计算得到:()式中:为外围距离库中的最大反射率因子值计算时剔除 的目的是降低孤立极大值对平均值的影响 当 时直接赋 值即只考虑数据的区域隆起而不考虑凹陷因为只有风轮机杂波反射率因子大于周围晴空回波或降水回波时才会产生不利影响 的单位是 风轮机杂波的水平通道信噪比具有与反射率因子相似的特征因此将式()和式()中的 换成 即可计算水平通道信噪比隆起度()的单位是.速度奇异率()风轮机杂波的径向速度在区域内是不均匀的速度奇异率要能反映这种不均匀特征由式()计算得到:()式中:表示目标距离库的径向速度表示以目标距离库为中心距离变化 个最小分辨单元的距离库的径向速度当 为 时即为 根据 与 的符号差异取不同值当 与 异号时 取 否则 取 取值的依据是当参与比对的两个径向速度值为异号时其差值的绝对值超过 即认为奇异度较高而同号时其差值的绝对值超过 才认为奇异度较高 的单位是 速度奇异率 可以表征 在区域内的奇异程度 当目标区域为大范围气象降水回波时 的连续性好将接近于 而当目标为高山时由于地表树木随风摆动会产生一定的径向速度大于当目标为风轮机时受风向的影响雷达波束与风车叶片的转动平面有不同的夹角产生的径向速度取决于环境风向和风速、风轮机与雷达的相对位置海 洋 气 象 学报第 卷以及风轮机叶片长度距离库间的径向速度差异会比较大导致 也很大 因此当目标为有植被的高山和风轮机时径向速度的方向多变所以相对于气象降水的 这两种目标物的 值会较大 在气象回波的速度突变区域如速度模糊和风切变边界等虽然也存在速度大小和方向的突变但目标距离库的径向速度在突变前或突变后的区域内是均匀的因此速度模糊区域的速度奇异率依然比风轮机杂波的小.信号质量指数()表示在目标距离库内相邻两次脉冲采样回波信号的相似程度 在新一代天气雷达业务运行的扫描策略中最小脉冲重复频率()通常为 对应采样间隔(/)约为 个采样周期发射 个采样脉冲用时约 在 个采样周期内风轮机叶片受环境风驱动做匀速圆周运动 个 内叶片转动约.由于运动速度的大小和方向都不会发生明显变化因此 个含风轮机距离库有接近于 的 值 对于气象回波虽然也可以有很高的取值但因为其弥散目标特性各散射体间有相对运动导致 接近于 的比例要低得多 而固定地物杂波因为受其表面植被和空气湍流等影响值比前两种目标明显更低.谱宽()谱宽表示目标距离库内所有散射体径向速度的离散程度 考虑波束展宽距离雷达 处的 个目标距离库在雷达方位上展宽到约 (/)当 个距离库内只存在 个风轮机时雷达回波主要由风轮机产生则多个脉冲对目标距离库进行持续采样后其径向速度的一致性会很高因此谱宽会很小 但当目标距离库内存在多个风轮机或有其他不同类型的目标物时即使环境风向一致但风轮机的布局大概率受地形影响而导致产生差异很大的径向速度从而谱宽也很大 基数据特征量的统计特征为了获得风轮机杂波区别于降水回波、固定地物杂波的特征量数值分布特征选取烟台雷达在 年 月 日晴空、年 月 日弱降水、年 月 日强降水、年 月 日大范围降水、年 月 日弱对流以及 年 月 日强对流等 种典型天气条件下若干个连续体扫的基数据提取和计算获得降水、固定地物和风轮机这 类目标回波的特征量 在各种天气条件下所选取的降水回波避开已知风电场和固定地物确保所选的降水回波不含风轮机杂波和固定地物杂波 但是在有降水时一些风轮机杂波距离库和固定地物杂波距离库会混杂有降水回波 而因为风电场布设在较高处导致风轮机杂波中可能混杂有固定地物杂波所选择的 处高山确定没有布设风电场所以统计的固定地物杂波必然不包含风轮机杂波 表 为风轮机杂波、固定地物杂波和降水回波 种类型目标回波对应的 种特征量所积累的距离库数同一目标类型的距离库其特征量的距离库数对不同天气条件进行累积表 不同类型目标回波的 种特征量积累的距离库数 单位:个回波类型距离库数距离库数距离库数 距离库数距离库数风轮机杂波 固定地物杂波 降水回波 不同目标性质的特征量其取值范围不同但可能发生取值区间重叠 这里用落在各取值区间的距离库频数分布来表征各特征量的统计特征 另外定义 个特征量取值的“二八区间”概念即特征量值落入二八区间内的距离库数目比例为 而落在二八区间外左右两边的距离库数目比例各为.反射率因子隆起度统计特征图 为统计的风轮机杂波、固定地物杂波和降水回波的反射率因子隆起度()在各取值区间的距离库频数分布 种目标类型 取值的二八区间分别为.、.和.可见降水回波的 较其他两种目标物的值明显较小风轮机杂波的 较固定第 期苏添记等:新一代天气雷达风轮机杂波识别和剔除地物杂波的 略小这是因为风轮机杂波和固定地物杂波都是不均匀的强回波而气象降水回波较均匀但对风轮机的探测雷达波束的充塞度一般较固定地物小 从数值上看当.时风轮机杂波的分布比例为.固定地物杂波的分布比例为.气象降水回波的分布比例为.进一步提高 当.时则风轮机杂波的分布比例为.固定地物杂波的分布比例为.气象降水回波的分布比例为.因此使用 可从气象回波中把风轮机杂波和固定地物杂波检测出来但风轮机杂波和固定地物杂波的 特征较接近特征值区间重叠二者不易分辨 结合二八区间风轮机杂波的 取值区间选为.)3 5003 0002 5002 0001 5001 000050010 0 10 20 30 40 50 60 70 80 90M(KBdBZUBUMD6 0005 0004 0003 0002 0001 000010 0 10 20 30 40 50 60 70 80 90M(KBdBZUDUK!50045040035030025002001505010010 0 10 20 30 40 50 60 70 80 90M(KBdBZUCUK3图 不同目标类型的 频数分布特征.速度奇异率统计特征图 为统计的风轮机杂波、固定地物杂波和气象降水回波的速度奇异率()在各取值区间的距离库频数分布 种目标类型 取值的二八区间分别为.、.和.可见降水回波的 比其他的小主要集中在 附近因此使用 可以从降水中将风轮机杂波和固定地物杂波检测出来 虽然风轮机杂波和固定地物杂波的 频数分布规律相似但考虑.的情况则风轮机杂波的分布比例为.固定地物杂波的分布比例为.气象降水回波的分布比例为.考虑到风轮机杂波中可能含有固定地物杂波和气象降水回波因此.可作为风轮机杂波的特征取值区间选为.).水平通道信噪比隆起度统计特征图 为统计的风轮机杂波、固定地物杂波和降水回波的水平通道信噪比隆起度()在各取值区间的距离库频数分布 种目标类型 取值的二八区间分别为.、.和.可以看出三者分布特征较接近 仍然考虑到风轮机杂波中可能含有固定地物杂波和气象降水回波的情况当.时风轮机杂波的分布比例为.固定地物杂波的分布比例为.气象降水回波的分布比例为.进一步提高 当.时则风轮机杂波的分布比例为.固定地物杂波的分布比例为.气象降水回波的分布比例为.因此.可作为风轮机杂波的特征其取值区间选为.).谱宽统计特征图 为统计的风轮机杂波、固定地物杂波和降水回波的谱宽()在各取值区间的距离库频数分布 种目标类型 取值的二八区间分别为.、.和.区别不大但是 是单距离库特征量如前所述风轮机杂波的谱宽可能趋向于 也可能很大 当.时则风轮机杂波的分布比例为.固定地物杂波的分布比例为.气象降水回波的分布比例为.当.时则风轮机杂波的分布比例为.固定地物杂波的分布比例为.气象降水回波的分布比例为.因此 趋于 或大于.可作为风轮机杂波的特征取值区间为.)海 洋 气 象 学报第 卷9 0008 0007 0006 0005 0004 00003 0002 0001 00050510 15 20 25 30 35 40ME(UNeTUUCU101049104810471046104510441043104210411040ME(UNeTUUBUMD50510 15 20 25 30 35 40101049104810471046104510441043104210411040ME(UNeTUUDUK!50510 15 20 25 30 35 40K3图 不同目标类型的 频数分布特征.6 0005 0004 0003 0002 0001 000010 0 10 20 30 40 50 60 70 80 90M!EE!KBdBUBUMD4 5004 0003 5003 0002 5002 0001 5001 000500010 0 10 20 30 40 50 60 70 80 90M!EE!KBdBUDUK!600500400300020010010 0 10 20 30 40 50 60 70 80 90M!EE!KBdBUCUK3图 不同目标类型的 频数分布特征.810471046104510441043104210411040MAUNeTUUBUMD5051015202503.01042.51042.01041.51041.01040.5104MAUNeTUUDUK!505101520254 5004 0003 5003 0002 5002 00001 5001 00050050510152025MAUNeTUUCUK3图 不同目标类型的谱宽频数分布特征.信号质量指数统计特征图 为统计的风轮机杂波、固定地物杂波和降水回波的信号质量指数()在各取值区间的距离库频数分布 种目标类型 取值的二八区间分别为.、.和.由图可见风轮机杂波的 主要集中于.附近 当.时则风轮机杂波的分布比例为.固定地物杂波的分布比例为.气象降水回波的分布比例为.因此.可作为风轮机杂波的特征对应的取值区间为.)第 期苏添记等:新一代天气雷达风轮机杂波识别和剔除9104810471046104510441043104210411040M BFUBUMD 0.1 0.2 0.30.60.40.80.70.51.00.9 0.1 0.2 0.30.60.40.80.70.51.00.9 0.1 0.2 0.30.60.40.80.70.51.00.91 2001 000800600400200M BFUCU0010 0009 0008 0007 0006 0005 0004 0003 0002 0001 000M BFUDUK!K3图 不同目标类型的 频数分布特征.基数据风轮机杂波识别利用雷达基数据风轮机杂波的统计特征使用模糊逻辑算法对基数据的风轮机杂波进行识别.风轮机杂波隶属度函数隶属度主要体现风轮机杂波的属性特征以特征量的取值判断目标距离库回波为风轮机杂波的可能性大小隶属度为 表示肯定不属于隶属度为 表示肯定属于隶属度的取值区间为即为隶属度函数的值域区间 图 为依据各特征量的统计特征设计的基数据风轮机杂波 个特征量的隶属度函数隶属度函数自变量区间直接由各特征量的统计特征决定K(KBdBZUBU(KBK120.042.80KE(UmesUUCUE(K12.595.000K!EE!KBdBUDU!EE!KBK129.44000KAUNeTUUEUAK10.55.0 7.00KBFUFUBFK10.981.000图 风轮机杂波各特征量的隶属度函数.海 洋 气 象 学报第 卷.风轮机杂波识别的模糊逻辑实现输入雷达基数据提取反射率因子、径向速度、水平通信噪化、谱宽和信号质量指数等 类数据分别生成、和 等 种特征量作为各自隶属度函数的自变量输入 目标距离库各个特征量经过隶属度函数的计算分别输出 个隶属度值 给这 个隶属度值分配合适的权重经过隶属度加权计算后输出的数值即为风轮机杂波的识别指数 结合已知风电场的位置选择合适的识别指数值作为风轮机杂波的判断指标实现输出结果的解模糊在模糊逻辑计算中权重的分配影响重大合适的权重有利于特征的显现 这里从风轮机杂波特征量与其他目标的特征量的差异程度来考虑权重分配表 列出由特征量统计特征决定的隶属度函数区间分布 选择隶属度函数区间的原则是能把风轮机杂波与其他类型目标回波区分开来表 不同类型目标回波的特征量在隶属度函数区间占有的距离库比例 单位:回波类型不同特征量在隶属度函数区间占有的距离库比例 (.).风轮机杂波.固定地物杂波.降水回波.综合考虑风轮机杂波各特征量落入所选的隶属度函数区间内的距离库的绝对比例以及与其他类型目标同一特征量落入对应隶属度函数区间内的距离库的相对比例以此决定风轮机杂波的各特征量的权重分配 由表 可见风轮机杂波 和 的特征与其他目标对比最突出因为绝对比例较高且相对比例较大和 次之其相对比例较大但绝对比例较小最差其绝对比例和相对比例与固定地物杂波接近 因此给 和 分配最多的权重均为 给 和 分别分配 的权重最后给 分配 另外增加了一些距离库的限制措施以便减少计算量 一是反射率因子值小于 的距离库不参与隶属度判断 二是在加权时同一距离库的 种特征量隶属度为 的特征量数多于 个时加权结果乘以 个衰减因子即要求风轮机杂波的各项特征表现均衡.识别结果为了检验对不同天气条件下采集的基数据风轮机杂波识别算法的有效性分别选取 年 月 日晴间小阵雨、年 月 日弱降水、年 月 日强对流和 年 月 日大范围降水等 种不同天气条件下烟台雷达采集的基数据图 显示了所选取的 种不同天气条件下采集的基数据对其风轮机杂波的识别结果 图、均为未进行地物杂波滤除的反射率因子图、均为风轮机杂波识别指数指数取值范围为指数越大风轮机杂波的可能性越大为了定量化描述风轮机杂波识别的准确性取风轮机杂波识别指数不小于.作为标准在识别指数符合标准的所有距离库中定义落入风电场区域的比例为风轮机杂波识别命中率落入 处高山区域和选取降水区域的比例分别为固定地物误识别率和降水误识别率 选取的降水区域分别包含了速度模糊边界、风切变边界等径向速度突变边界并且区域面积均大于风电场区域总面积如图 所示由图 和表 可见 种天气条件下风电场区域的风轮机杂波识别指数均高于其他区域被识别为风轮机杂波的距离库有 左右落入事先确认过的风电场区域 降水回波区域对应的风轮机杂波识别指数很低包括强对流降水回波选取的包含径向速度突变边界区域的降水误识别率低于 处标注的高山强回波其风轮机杂波识别指数也很低高山区域固定地物误识别率也低于 因此设置合适的风轮机杂波识别指数阈值可以把识别指数超过阈值的距离库回波识别为风轮机杂波从而实现解模糊输出识别结果 对于风电场区域外存在较多风轮机杂波识别指数超过标准的情况主要原因是雷达附近新建设了未被标注的风电场另外高山上树木随风摆动产生了类似风轮机的杂波 而风电场区域内有的距离库虽然反射率因第 期苏添记等:新一代天气雷达风轮机杂波识别和剔除子很大但未被识别为风轮机杂波原因是风电场区域内多为高山而风轮机不可能布满所有区域并且遇到环境风速超过风轮机工作的额定风速时风轮机会停止工作这时反射率因子很大的距离库均为固定地物杂波这从另一个侧面也证明了算法的固定地物误识别率很低100806040202040600100 80 60 40 200204060504030201001060C.kmC.kmUBU(U7KUUE#;U1201008060204020406001005000.91.00.80.70.60.50.40.30.20.1050C.kmC.kmUCUMDU7KU黄色框各风电场区域边界红色框 处高山区域边界天蓝色框选取的降水区域边界图 晴间小阵雨回波的风轮机杂波识别结果.402002040608010012060 40 20020406050403020100106080100C.kmC.kmUBU(U7KUUE#;U6040202040608010012005000.91.00.80.70.60.50.40.30.20.1050100C.kmC.kmUCUMDU7KU黄色框各风电场区域边界红色框 处高山区域边界天蓝色框选取的降水区域边界图 弱降水回波的风轮机杂波识别结果.风轮机杂波识别算法构建特征量、杂波识别是在单个雷达基数据文件的基础上进行的与文献的风电场杂波检测与识别方法相比特征量更少构建复杂度更低有更高的时间效率 基数据风轮机杂波剔除相对于风轮机杂波气象降水回波是一定范围内回波强度比较均匀的回波而晴空回波也比风轮机杂波平滑 在生成基数据前天气雷达一般已对固定地物杂波进行滤波很少有固定地物杂波再保存在基数据中 因此剔除夹杂在气象降水回波或晴空回波基数据中的风轮机杂波可以使用平均值插值的方法来处理 以风轮机杂波距离库为中心取其周围一定数量的非风轮机杂波距离库回波数据去掉突变量再取平均值用这个平均值替换风轮机杂波距离库的回波数据值以此达到风轮机杂波剔除的目的海 洋 气 象 学报第 卷8060402020406080080 60 40 20020406050403020100106080C.kmC.kmUBU(U7KUUE#;U100806020402040608010001005000.91.00.80.70.60.50.40.30.20.1050100C.kmC.kmUCUMDU7KU黄色框各风电场区域边界红色框 处高山区域边界天蓝色框选取的降水区域边界图 强对流回波的风轮机杂波识别结果.402020406080100120060 40 20020406050403020100106080100C.kmC.kmUBU(U7KUUE#;U6020402040608010012005000.91.00.80.70.60.50.40.30.20.1050100C.kmC.kmUCUMDU7KU黄色框各风电场区域边界红色框 处高山区域边界天蓝色框选取的降水区域边界图 大范围降水回波的风轮机杂波识别结果.1001208060402020406001005005020100102030C.kmC.kmUBUKKLUU60204020406080100120050050100C.kmC.kmUCUK!UU20100102030第 期苏添记等:新一代天气雷达风轮机杂波识别和剔除100806040202040608010001005005020100102030C.kmC.kmUDUUU60204020406080100120050050100C.kmC.kmUEU8K!UU20100102030黄色框各风电场区域边界红色框 处高山区域边界天蓝色框选取的降水区域边界色阶径向速度单位:图 种不同天气条件下的径向速度.表 种不同天气条件下风轮机杂波识别准确率 单位:天气类型风轮机杂波命中率固定地物误识别率降水误识别率强对流(年 月 日).大范围降水(年 月 日).弱降水(年 月 日).晴间小阵雨(年 月 日).平均值.注:“平均值”由 种天气类型总样本数计算得到选择烟台雷达在弱降水、强对流降水、大范围降水和晴空 种不同天气条件下采集并经过固定地物杂波滤除后的基数据在雷达全覆盖范围内计算出各距离库的风电杂波识别指数然后进行以下步骤的操作:()在风电场区域内设定一个风轮机杂波识别指数判断阈值()风电场区域内各距离库的风轮机杂波识别指数分别与 进行比对大于或等于 距离库的回波被判断为风轮机杂波 该距离库的反射率因子数据记为()代表方位 代表距离而小于的距离库回波被判断为非风轮机杂波()用()表示以()对应的目标距离库为中心周围 个方位 个距离库共 个距离库的反射率因子中风轮机杂波识别指数小于 的距离库的反射率因子并取出这些反射率因子数据()取()中对应风轮机杂波识别指数小于 距离库的反射率因子的平均值然后用这个平均值给()重新赋值即为反射率因子的区域平均值插值以此达到剔除风轮机杂波的目的 图 给出了 种天气条件的反射率因子剔除风轮机杂波前后的对比图、为雷达业务运行中保存的不同强度和范围的气象降水回波反射率因子它们均预先经过了固定地物杂波滤除其中红色框内为风电场区域其回波强度较大的距离库存在风轮机杂波污染 图、为使用区域平均值插值方法剔除风轮机杂波后的反射率因子 可见风电场区域内的风轮机杂波被较有效地剔除并且气象降水回波基本未受影响 气象降水反射率因子的风轮机杂波剔除效果较好 图 为晴空回波经过固定地物杂波滤除后的反射率因子风电场区域内回波强度较大的距离库存在风轮机杂波污染 图 为使用区域平均值插值方法剔除风轮机杂波后的反射率因子可见风电场区域内的风轮机杂波强度被削弱但其剔除效果没有气象降水的好 根据调查有气象降水时风电场将关闭部分风轮机而天气晴好时可用的风轮机将全部开启 因此有气象降水时的风轮机杂波面积一般比晴空时的小导致用区域平均值插值剔除风轮机杂波时晴空时的效果弱于有气象降水时的效果海 洋 气 象 学报第 卷10152025504045353025605040302010010C.kmC.kmUBUMDK10152025504045353025605040302010010C.kmC.kmUCUMDK红色框风电场区域色阶雷达反射率因子单位:图 弱降水反射率因子风轮机杂波剔除前后对比.1015202550404550553530605040302010010C.kmC.kmUBUMDK1015202550605040302010010C.kmC.kmUCUMDK404550553530红色框风电场区域色阶雷达反射率因子单位:图 强对流回波反射率因子风轮机杂波剔除前后对比.结论与讨论()以/型多普勒天气雷达基数据风轮机杂波的统计特征为基础利用模糊逻辑算法对基数据风轮机杂波进行识别并在风电场区域使用区域平均插值法实现基数据风轮机杂波的剔除 剔除效果显示有气象降水时的风轮机杂波面积较小杂波剔除效果较好晴空时处理效果不如有气象降水时好 该杂波剔除算法只需要单个基数据的输入数据处理算法较简单杂波识别和剔除时间效率更高()关于反射率因子的使用在风轮机杂波特征量统计和杂波识别过程中使用的是滤波前反射率因子()数据但是在杂波剔除应用时是在滤波后反射率因子()上进行的主要原因是风轮机杂波的滤波后反射率因子隆起度()与其他两种目标物 的区别比之 更不明显 考虑到风轮机杂波具有位置固定的特征而基数据的后端应用使用的是滤波后反射率因子因此使用 进行风轮机杂波识别然后在滤波后反射率因子上进行杂波剔除()由于风电场区域外存在较多风轮机杂波识别指数超过了设定的标准虽然其中可能存在部分未被确认的新建风电场但是为了尽量减少风轮机杂波剔除处理可能对气象降水回波产生不利影响第 期苏添记等:新一代天气雷达风轮机杂波识别和剔除只在风电场区域进行风轮机杂波剔除目前新一代天气雷达正在进行大规模的双偏振升级风轮机杂波的双偏振参量特征是值得研究的方向 后续需要开发适用于所有数据类型的基数据风轮机杂波剔除机制为多普勒天气雷达数据质量的持续提高提供支撑253035404550505101015605040302010010C.kmC.kmUBUMDK253035404550505101015605040302010010C.kmC.kmUCUMDK红色框风电场区域色阶雷达反射率因子单位:图 大范围降水回波反射率因子风轮机杂波剔除前后对比.2530354045505101015605040302010010C.kmC.kmUBUMDK2530354045505101015605040302010010C.kmC.kmUCUMDK红色框风电场区域色阶雷达反射率因子单位:图 晴空回波反射率因子风轮机杂波剔除前后对比.参考文献:./.().:/./.():.():.():.何炜琨吴仁彪王晓亮等.风电场对雷达设备的影响评估与干扰抑制技术研究现状与展望.电子与信息学报():.海 洋 气 象 学报第 卷 .():.():.():.():./().:.何炜琨郭双双王晓亮等.基于 数据和模糊逻辑推理的气象雷达风电场杂波检测与识别方法.电子与信息学报():.何炜琨高丽王晓亮等.基于改进 方法的气象雷达风电场杂波抑制.系统工程与电子技术():.何炜琨高丽王晓亮.基于一次回波数据的气象雷达风轮机杂波抑制.中国民航大学学报():.吴仁彪丁红何炜琨等.气象雷达风电场杂波抑制的匹配追踪算法.信号处理():.孙召平张持岸张建云.一种基于高斯模型的自适应地物杂波滤波算法.太赫兹科学与电子信息学报():.陈艳李柏何建新等.在天气雷达信号处理器中用 信号消减地物杂波.气象科技():.马中元朱春巧刘熙明等.雷达数据质量控制方法初探.气象():.李丰刘黎平王红艳等.波段多普勒天气雷达非降水气象回波识别.应用气象学报():.张林杨洪平.波段 双偏振雷达观测非降水回波识别方法研究.气象():.杜言霞于子敏温继昌等.基于神经网络技术的天气雷达超折射回波识别.气象科技():.周雪松孟金姚蔚.一种基于快速傅里叶变换的多普勒天气雷达弱杂波识别方法.海洋气象学报():.苏添记葛俊祥杨传凤.新一代天气雷达电磁干扰特征识别和剔除.现代雷达():.姚文张晶余清波等.辽河三角洲湿地鸟类活动的双偏振天气雷达回波特征.气象():.龚佃利朱君鉴王俊等.年 月 日山东强雹暴过程双偏振雷达观测分析.海洋气象学报():.刁秀广.年 月 日和 月 日山东强冰雹风暴双极化特征分析.海洋气象学报():.刁秀广张磊孟宪贵等.两次强降水风暴双偏振参量特征分析.海洋气象学报():.曹俊武刘黎平葛润生.模糊逻辑法在双线偏振雷达识别降水粒子相态中的研究.大气科学():.张秉祥李国翠刘黎平等.基于模糊逻辑的冰雹天气雷达识别算法.应用气象学报():.文浩张乐坚梁海河等.基于模糊逻辑的新一代天气雷达径向干扰回波识别算法.气象学报():.李滨波段向阳.风力发电机原理及风力发电技术.湖北电力():.刘巨姚伟文劲宇等.大规模风电参与系统频率调整的技术展望.电网技术():.汤雪松殷明慧李冬运等.变速与变桨协调的风电机组平滑功率控制.电力系统自动化():.郑丽娜刘畅宿秋兰等.年 月黄河口 次局地冰雹实例分析.海洋气象学报():.梅婵娟张灿许可等.山东半岛秋季一次脉冲风暴下击暴流观测分析.海洋气象学报():.杨传凤张骞陈庆亮等.济南/雷达双偏振升级关键技术分析.海洋气象学报():.