【技術實現步驟摘要】
本申請涉及氣象測量，具體而言，涉及一種測風儀的校準方法及裝置、存儲介質、電子裝置。
技術介紹
1、在氣象測量
，尤其是涉及到風速和風向測量的設備，測風儀扮演著至關重要的角色。測風儀，如超聲波風速風向儀，利用超聲波在空氣中的傳播速度受風速影響的原理進行測量，其準確性對于氣象預報、風電場運營、航空安全、環境監測及科學研究等眾多領域具有重大意義。
2、隨著科技的進步和氣象觀測需求的增加，測風儀的精確度和可靠性成為了業界關注的焦點。在實際使用過程中，測風儀的工作環境復雜多變，如溫度、濕度和氣壓等環境因素的微小變化都可能影響到風速和風向的測量結果。這些因素不僅會導致測量數據的偏差，還可能增加設備的維護成本和降低其使用壽命。
3、目前，測風儀的校準方法大多是在標準環境下進行靜態校準，即將測風儀測得的風力參數和設定的標參數進行比對，獲得一組校準參數。這種靜態校準方法的校準效果較差，影響了測風儀的測量精度。
4、因此，如何提升測風儀校準過程中的校準準確性，以提高測風儀的測量精度，成為了目前亟待解決的問題。
技術實現思路
1、本申請實施例提供了一種測風儀的校準方法，以至少解決相關技術中測風儀校準過程中的校準準確性較低，影響測風儀的測量精度的問題。
2、根據本申請實施例的一個實施例，提供了一種測風儀的校準方法，包括：獲取采集的風場環境下的環境數據，以及由測風儀輸出的所述風場環境的風力數據；基于所述風力數據和預先設定的標準風力數據進行比對，確定所述測
3、在一個示例性實施例中，所述風力數據包括風向數據和風速數據；所述基于所述風力數據和預先設定的標準風力數據進行比對，確定所述測風儀的初始補償系數，包括：將所述風力數據和預先設定的標準風力數據進行比對，確定風力誤差；將所述風向數據和預先設定的標準風速數據進行比對，確定風速誤差；基于所述風力誤差和風力權重，以及所述風速誤差和風速權重進行加權，得到所述測風儀的初始補償系數。
4、在一個示例性實施例中，所述確定所述環境數據對應的影響因子，包括：將所述環境數據輸入至預先訓練的神經網絡模型，基于所述神經網絡模型，確定所述環境數據對應的影響因子。
5、在一個示例性實施例中，所述環境數據包括溫度、濕度以及壓力；所述基于所述神經網絡模型，確定所述環境數據對應的影響因子，包括：基于所述神經網絡模型對所述溫度、所述濕度以及所述濕度進行風力數據計算，得到預測風力數據；將所述預測風力數據與標準風力數據進行比較，確定誤差；將所述誤差與預設的環境影響信息進行匹配，確定影響因子，其中，所述環境影響信息包括多個預設誤差，以及所述多個預設誤差分別對應的預設影響因子。
6、在一個示例性實施例中，所述神經網絡模型的訓練步驟，包括：獲取多組樣本環境數據；其中，每組樣本環境數據均包括樣本溫度、樣本濕度以及樣本壓力；將所述多組樣本環境數據輸入至待訓練的神經網絡模型，由所述待訓練的神經網絡模型針對每組樣本環境數據計算其對應的訓練風力數據；將各所述訓練風力數據與預設的樣本風力數據進行比較，確定每組樣本環境數據分別對應的誤差；在存在任意一個誤差未滿足設定的損失條件的情況下，按照所述誤差調整所述待訓練的神經網絡模型的參數，直至滿足預設條件時停止，獲得訓練完成的神經網絡模型。
7、在一個示例性實施例中，所述基于所述環境補償系數和所述初始補償系數，得到目標補償系數，包括：基于所述環境補償系數和所述初始補償系數的和，得到目標補償系數。
8、根據本申請實施例的另一個實施例，還提供了一種測風儀的校準系統，系統包括風源單元、測風儀、補償單元以及環境采集單元；所述風源單元，用于在風場環境中向所述測風儀提供風源；所述環境采集單元，用于采集所述風場環境下的環境數據，并將所述環境數據發送至所述補償單元；所述測風儀接收所述風場環境的風源，并輸出所述風場環境的風力數據至所述補償單元；所述補償單元，用于獲取所述環境采集單元輸出的風場環境下的環境數據，以及由所述測風儀輸出的所述風場環境的風力數據；基于所述風力數據和預先設定的標準風力數據進行比對，確定所述測風儀的初始補償系數；確定所述環境數據對應的影響因子，并根據所述影響因子確定環境補償參數；其中，所述影響因子用于表征所述環境數據對所述測風儀的輸出的影響程度的參數；基于所述環境補償系數和所述初始補償系數，得到目標補償系數，并根據所述目標補償系數對所述測風儀進行校準。
9、根據本申請實施例的另一個實施例，還提供了一種測風儀的校準裝置，包括：獲取模塊，用于獲取采集的風場環境下的環境數據，以及由測風儀輸出的所述風場環境的風力數據；補償模塊，用于基于所述風力數據和預先設定的標準風力數據進行比對，確定所述測風儀的初始補償系數；所述補償模塊，還用于確定所述環境數據對應的影響因子，并根據所述影響因子確定環境補償參數；其中，所述影響因子用于表征所述環境數據對所述測風儀的輸出的影響程度的參數；所述補償模塊，還用于基于所述環境補償系數和所述初始補償系數，得到目標補償系數，并根據所述目標補償系數對所述測風儀進行校準。
10、根據本申請實施例的又一方面，還提供了一種計算機可讀的存儲介質，該計算機可讀的存儲介質中存儲有計算機程序，其中，該計算機程序被設置為運行時執行上述方法。
11、根據本申請實施例的又一方面，還提供了一種電子裝置，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其中，上述處理器通過計算機程序執行上述的方法。
12、根據本申請實施例的又一方面，還提供了一種計算機程序產品，包括計算機程序，所述計算機程序被處理器執行時實現上述任一項方法實施例中的步驟。
13、在本申請實施例中，獲取采集的風場環境下的環境數據，以及由測風儀輸出的風場環境的風力數據；基于風力數據和預先設定的標準風力數據進行比對，確定測風儀的初始補償系數；確定環境數據對應的影響因子，并根據影響因子確定環境補償參數；其中，影響因子用于表征環境數據對測風儀的輸出的影響程度的參數；基于環境補償系數和初始補償系數，得到目標補償系數，并根據目標補償系數對測風儀進行校準。在測風儀的校準過程中，結合靜態校準參數和由環境數據產生的環境補償系數，得到目標校準系數，提高了測風儀的校準精度，進而確保在各種環境條件下，測風儀都能提供準確、可靠的風力數據，這對于氣象觀測、風能利用等領域的數據準確性至關重要。
本文檔來自技高網...【技術保護點】
1.一種測風儀的校準方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述風力數據包括風向數據和風速數據；
3.根據權利要求1所述的方法，其特征在于，所述確定所述環境數據對應的影響因子，包括：
4.根據權利要求3所述的方法，其特征在于，所述環境數據包括溫度、濕度以及壓力；所述基于所述神經網絡模型，確定所述環境數據對應的影響因子，包括：
5.根據權利要求3所述的方法，其特征在于，所述神經網絡模型的訓練步驟，包括：
6.根據權利要求1所述的方法，其特征在于，所述基于所述環境補償系數和所述初始補償系數，得到目標補償系數，包括：
7.一種測風儀的校準系統，所述系統包括風源單元、測風儀、補償單元以及環境采集單元，其特征在于，包括：
8.一種測風儀的校準裝置，其特征在于，包括：
9.一種計算機可讀的存儲介質，其特征在于，所述計算機可讀的存儲介質包括存儲的程序，其中，所述程序運行時執行上述權利要求1至6任一項中所述的方法。
10.一種電子裝置，包括存儲器和處理器，其特征
...【技術特征摘要】
1.一種測風儀的校準方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述風力數據包括風向數據和風速數據；
3.根據權利要求1所述的方法，其特征在于，所述確定所述環境數據對應的影響因子，包括：
4.根據權利要求3所述的方法，其特征在于，所述環境數據包括溫度、濕度以及壓力；所述基于所述神經網絡模型，確定所述環境數據對應的影響因子，包括：
5.根據權利要求3所述的方法，其特征在于，所述神經網絡模型的訓練步驟，包括：
6.根據權利要求1所述的方法，其特征在于，所述基于所述環境補...
【專利技術屬性】
技術研發人員：田起良，沙德生，張慶，李芊，韓艷水，浦永卿，石永利，張鑫赟，張家輝，林航冰，董恩雷，馬斌，李曉波，王瀚晨，張萬磊，祁磊，
申請(專利權)人：華能陳巴爾虎旗風力發電有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。