风能,作为太阳能的一种转化形式,是一种储量大、分布广、成本低廉的可再生清洁能源,其开发和利用受到了世界各国的普遍重视。充分释放风力发电潜力对于应对气候变化、实现能源可持续发展具有重要意义。风场是风机的能量源头,对风场物理信息的及时准确获取是是风机可靠运行的基础,由于空间尺度及环境和手段制约,直接检测风场信息目前不具有可行性。风场重建是指仅应用少量实时测量数据,通过科学方法实现风场内风向、风速等物理信息的整体重现,可广泛应用于风电场选址、风资源评估、风机负载平衡调整、风场预测等多个风电发展领域。本课题主要研究了从风速预测应用角度考虑的风速场重建方法。提出了一种将CFD先验信息融合至Gappy POD算法中实现对风场的实时重建方法。该方法不仅具有数理统计预测方法响应速度快的特点,还兼具物理预测方法预测范围大、准确性高、对随机突发情况敏感性高的优点,可以实现风场速度信息由点至面在空间维度上的扩展,为未来的风速预测提供了一种新的思路。本文以风速场实时预测为背景,围绕风场重建方法,开展了以下研究:(1)在Gappy POD重建算法中融入CFD先验信息,结合极少量的数据源信息实现对风场的实时重建,通过模拟仿真和物理实验对该方法进行了验证。首先根据地形对风场进行多组CFD仿真,得到一系列计算结果,构成原始数据库,再应用Gappy POD算法对原始数据库进行降维,使用反问题求解实现对少量数据源信息的高维度重建过程,并分析了采用上述方法进行风场重建时,截断阶数、传感器数量与噪声信号等因素对风场重建效果的影响。(2)针对风场重建过程中存在的病态问题、维度不足陷入局部最优的问题以及实际预测中的经济性问题,提出了两种不同条件下数据源优化布局算法,提高了重建的准确性,使重建的速度场中反映出更多的细节信息。两种数据源寻优算法考虑了不同的应用条件:1)在实验室理想条件下,可以将反问题的过程看作矩阵的欠定方程求解问题,条件数会影响到矩阵的正交性和稳定性,提出了一种可通过寻找约束矩阵在每一步计算中的最小条件数的数据源优化布局方法;2)考虑到实际环境中的误差,通过理论分析揭示重建误差的影响因素,提出一种寻找约束矩阵在每一步计算中的最大特征值实现数据源位置优化的方法。通过仿真和物理实验对两种数据源寻优方法与随机数据源进行风场重建的效果进行了比较,结果表明:在相同的传感器数量和同一组快照矩阵时,与随机测点数据源重建的风场结果相比,基于两种优化数据源的风场重建结果均能反映出更多的风场细节信息(包括速度突变的区域),而且其中优化算法二在不同的重建条件下重建误差可以始终保持在较低水平,重建效果更具普适性。(3)提出了一种基于数值模拟网格变化的快速重建方法,解决了使用计算流体力学原理对风场进行精密模拟的过程中会出现的计算域过大、时间复杂度高等问题。使用该方法对风场进行重建不仅可以大大节省实时重建过程的数据量与计算时间,还可节省离线工作量,与直接使用粗糙网格进行的计算流体力学仿真或重建的风场结果相比,该方法的风场重建误差更小,数据信息分辨率更高。(4)设计并搭建了一套完整的风洞实验台,并用来对上述算法的实用性及可行性进行了验证。完成了风洞设计、风机与传感器选型、数据采集程序设计及实验设计等工作。为解决均流问题,在扩压段增设了导流板和稳流装置,为多种传感器布置及不同高度层的风速信息采集提供了空间可能性;并设计系列实验分别验证了前文中提出的两种风场重建方法和两种优化数据源选择方法,通过对测试点的实时测量风速与重建风速的相对误差对比分析,验证了本文重建方法在实际的风场预测中应用的可行性。