一种风速随机模拟方法、装置、设备及介质与流程

本发明属于风速模拟，具体涉及一种风速随机模拟方法、装置、设备及介质。

背景技术：

1、常见的风有：季风、龙卷风、热带气旋、台风、飓风等，其中台风对沿海地区超高层建筑影响最大、也最广泛。值得注意的是，大气边界层的风的速度和方向总在不断变化，表现较为随机，一般以顺风向、横风向和竖向三分量来表达。在工程实际中，为了方便一般采用平稳风速模型来进行抗风分析和设计。但在台风等强风气象条件下实测获得的风速实际往往是非平稳的。如实测台风的顺风向风速分量依据是否平稳，可分解为确定平均风速或时变平均风速和脉动风速之和，而横风向和竖向分量一般为零均值随机序列。风速的变化特性不但对高层建筑、高耸结构、大跨屋盖和大跨桥梁结构等风荷载确定有着主要影响，而且影响着风力机的发电性能。因此，风速时程的模拟对于风工程和风能领域都有重要的意义。由于控制边界层风速的ns方程组是非线性的，难以得到其精确的理论解，通过数学模型构建单点或多点风速时程成为主要的模拟手段。

2、在气象和风工程领域，风速时程生成方法大致可分为以下4类：

3、(1)谐波叠加法，谐波叠加法是根据谱分解和余弦函数叠加的思想模拟随机风速时程，适用于指定谱特征的平稳高斯随机过程，算法简单直观，数学基础严密，通过叠加一系列具有随机相位角的三角函数来模拟多变量或多维随机过程，其模拟效果较好，但是计算量大；

4、(2)线性滤波法，线性滤波法将随机过程抽象为满足一定条件的白噪声，通过某一假定系统进行适当变换而拟合出该过程。最常见采用的是自回归ar模型，直接从时域的角度入手模拟，因而计算量小、模拟速度快，尤其在对大型复杂结构进行风场模拟时应用广泛，但相较于谐波叠加法，其模拟质量略显不足；

5、(3)基于实测历史数据的人工智能机器学习类方法，如神经网络、支持向量机等，这类方法主要是通过大量的实测风速样本，训练得到可以描述其内在关联的模型，进而模拟生成更多的风速样本。

6、(4)基于分形函数的风速模拟，此类方法就是利用已知weierstrass-mandelbrot(wm)函数表达式和对应的谱公式，确定待定系数，进而模拟脉动风速时程。

7、以上四类方法中，每一种方法都是基于不同的理论和机制发展而来的，所得到的风速时程均揭露风本身不同的本质属性。近些年的研究发现，风表现出明显的分形混沌特性，且分形维度的值是与地貌类型和风本身属性相关的。1-3类风速模拟方法并不能直观地反映出风速时程的分形特性，第4类方法中，均采用统一的分形维数d＝1.7代入到wm函数中，且其采用的weierstrass谱表达式不准确。

技术实现思路

1、针对以上背景技术的不足，本发明的目的在于提供一种风速随机模拟方法、装置、设备及介质，本方案以能准确计算weierstrass函数分形维度的结构函数法，获得需要模拟点的实测风速的分形维度，替代第四类方法中的固定分形维度1.7，采用更准确的weierstrass谱表达式来计算待定参数，进而得到模拟的风速时程样本。

2、为了实现上述目的，本发明采用如下技术方案：

3、本发明第一方面，提供了一种风速随机模拟方法，包括以下步骤：

4、确定模拟点位置，采集模拟点位置的风速数据，计算所述风速数据的脉动风速分量；

5、确定脉动风速方差和湍流积分尺度；基于风速数据的脉动风速分量，通过结构函数法计算得到脉动风速分量的分形维数；

6、构建wm函数，设定wm函数的待定系数，以及确定wm函数的渐进谱；采用冯卡门谱作为目标谱；基于待定系数构建渐进谱和目标谱的差异化函数，通过最小化差异化函数来确定最优待定系数；

7、将最优待定系数带入wm函数的实部表达式，生成脉动风速时程；将脉动风速时程叠加一致平均风速或时变平均风速，得到全风速时程。

8、进一步的，计算所述风速数据的脉动风速分量的步骤中：

9、使用轮次检验法对风速数据进行平稳性检验；

10、如果风速数据平稳，则计算预设时间范围的平均风速并提取得到脉动风速分量；

11、如果风速数据非平稳，则利用小波变换方法提取风速数据最优时变均值，从而得到脉动风速分量。

12、进一步的，确定脉动风速方差和湍流积分尺度，包括：

13、所述脉动风速方差通过对脉动风速分量进行时间平均的平方差来计算得到；

14、所述湍流积分尺度基于风速自相关函数的积分进行得到。

15、进一步的，构建的所述wm函数如下：

16、

17、其中：d为复数w(t)的分形维数；γn是频率；是相位；t是函数的自变量；γ是一个大于1的实数；n是求和的索引变量；φn是相位角；i是虚数单位；e是自然对数的底数。

18、进一步的，所述wm函数的实部表达式表示如下：

19、

20、式中，r(t)表示脉动风速时程；nmin和nmax分别表示最小索引值、最大索引值；a表示待定系数。

21、进一步的，确定wm函数的渐进谱，采用冯卡门谱作为目标谱，包括：

22、wm函数所对应的渐进谱sr(f)记为：

23、sr(f)＝a2m(f)(m(f)～1/(2πf)5-2d)

24、其中，m(f)表示与频率f和分形维数d相关的渐近函数。

25、冯卡门谱作为目标谱，表达式为：

26、

27、其中，为十分钟平均风速；lu湍流积分尺度；σu为脉动速度方差；fn为归一化频率。su(f)表示风速谱密度函数。

28、进一步的，基于待定系数构建渐进谱和目标谱的差异化函数，通过最小化差异化函数来确定最优待定系数，包括如下：

29、引入系数g(a)来表征目标谱和近似谱的差异：

30、g(a)＝σ(sr(f)-su(f))2

31、待定系数a，是使得目标谱和近似谱最为接近的参数，因此取系数g(a)对a2的偏导：

32、

33、使偏导数为0，可以确定得到最优待定系数a。

34、本发明第二方面，提供了一种风速随机模拟装置，包括：

35、第一确定模块，用于确定模拟点位置，采集模拟点位置的风速数据，计算所述风速数据的脉动风速分量；

36、第二确定模块，用于确定脉动风速方差和湍流积分尺度；基于风速数据的脉动风速分量，通过结构函数法计算得到脉动风速分量的分形维数；

37、系数求解模块，用于构建wm函数，设定wm函数的待定系数，以及确定wm函数的渐进谱；采用冯卡门谱作为目标谱；基于待定系数构建渐进谱和目标谱的差异化函数，通过最小化差异化函数来确定最优待定系数；

38、风速模拟模块，用于将最优待定系数带入wm函数的实部表达式，生成脉动风速时程；将脉动风速时程叠加一致平均风速或时变平均风速，得到全风速时程。

39、本发明第三方面，提供了一种电子设备，包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序以实现如上述的风速随机模拟方法。

40、本发明第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现如上述的风速随机模拟方法。

41、与现有技术相比，本发明至少包括以下有益效果：

42、本发明采用脉动风速方差和湍流积分尺度采用结构函数法计算分形，与传统的谐波叠加和线性滤波方法相比，该方法能直观、准确的表达脉动风速中隐含的分形维数特征，且非采用固定的分形维数1.7，更能模拟出贴合模拟点风速原有属性的风速序列；

43、本发明采用了随机wm函数得到更为准确的谱表达式，提高了模拟结果的准确性；

44、采用偏导数的方法计算待定系数相较于其余方法计算更加便捷，使用方便。

45、本发明提供的一种风速随机模拟装置、电子设备和计算机可读存储介质同样解决了背景技术部分提出的问题。