风速时程序列变换

实际中的风速时程通常是非平稳的序列，对风速进行短期预测时，需考虑时程序列的自相关性、非高斯分布特性和日非平稳特性。Brown提出一种风速时程序列变换的方法，将非高斯的时程序列转换成高斯时程序列，然后利用AR模型对风速进行短期预测（Brown, 1984）。

假定测风塔某高度的实测时均风速序列为，表示第个小时的时均风速值，表示实测数据的记录天数。对该风速时程序列进行如下变换处理：

首先，对非高斯序列进行指数变换得到序列：

式中，常取0、0.25、0.5或1。

然后，去除日非平稳性得到序列：

式中，和是周期为24 h的函数，即：

最后，利用一定的模型对序列进行预测，将预测序列恢复成原始风速时程。

下图为中电工程陕西延安安塞建坪100 MW风电项目中测风塔2716#的2016年5月11日到2016年11月24日期间的风速时程序列处理前后的频谱对比图。可以看出，原信号在1.15E-5 Hz处幅值较大，即对应24 h的周期，说明原风速时程序列具有很强的24 h的日周期性，而经过Brown方法处理后的风速序列不再具有明显周期性，说明该方法很好地将原风速序列的周期性去除了，从而为单个风速预测模型提供了便利性。