Matlab 官网培训 - 大型项目-风力发电机数据模型构建-Catching the Wind
前言:
这是Matlab在风力发电里面的研究风向变换并提供给风力发电机的DEMO,之前在Help文件里面推荐的后面下架了,在老版本里面翻出来看看。
在本章内容,除了介绍出MT在风能应用这种大型数据处理方法外,该培训工程师,还详细介绍了矩阵INDEX在Matlab里面的使用方法,如何在繁杂多维的数据中,进行数据清洗的,找到失效的数据在矩阵的位置,标记或者删除他,这是一个非常有用的方法,这章做了很细致的介绍。
在数据分析部分,培训课程还提到了韦伯分布等数据分布分析的方法,利用fitdist,和 methods,
1 在视觉领域并行处理数据的方法,针对不同规格、大小的数据进行设计
2 处理数据的特别的方法,构建数学模型:
模型介绍
工作流程:
这个是MT的标准的数据处理流程
目标
从Massachusetts州的风源拿数据,然后决定选择适合的风能产品
数据说明:
传感器位置说明
风力塔的位置说明
数据处理:
输入数据:
数据可视化:
【这里,可以看到有很多数据是不正确的,需要进行数据清洗】
数据清洗:
【数据清洗,将不在测量范围内的数据清除,并将非正常的数据找出来】
【这里显示了一个温度的数据错误,如上图。】
【这里是霜冻的数据,这些数据用来确保风机上 传感器的准确性】
【数据处理的基本原则,去除掉失效的数据,并通过采用平均值填补的方式补充上来】
【并确认数据的质量和有效性】
【静态数据分析】
【在完成了数据检测之后,可以着手进行数据分析的工作。】
【数据概要】
下面这个图,是表述不同的风力出现的范围和频率。
【在49米高度,风速最多出现的是5米/秒】
类似的有,
然后,更具多组数据,我们可以得出一个在360度范围内,风速大小的示意图。
并通过计算得出风力分析结果:
类似的,还有很多,例如,
再生成报告:
例如,月平均风速:
【或者,每小时的风速数据】
然后是,风速跳变的分时的曲线,用于预测风的稳定性。
然后,是风的立面的情况分析图。
再结合长时间的因子数据,由此可以预测得出风力发电机的装机容量:
。
电机容量分析,从短期,长期两个角度进行分析,
短期,可以定义出电机的输出电压,长期估计电机发电容量
【长期的数据都来自于波士顿的气象局】
源码部分详细分析:
- 1 我们引入的CSV的风速数据如下:
import Data
其中data中应该包含了4个高度位置的风速数据,第一栏,是49米高度的风速数据
textdata 如下:
从数据里面创建变量:
选择plot,直接进行图像绘制,
[将数据抓华为变量后,进行重写命名为v49
这里面有一个数据,前面我们提到的是失效的数据,
通过选取,我们去除这个数据,
同时,我们可以在图像上,选取最大值,这时候,最大值对应的x值为370。
然后,我们得到上述比较有意义的数据。【这是一个横坐标是INDEX,纵坐标是风速的表格】
输入数据为变量后,可以利用Matlab进行数据的一些操作,如下,
这里 370是index,表单的索引号码,370 + 1的原因是,数据有一个标题占用了一格。选取textdata 可以得到当时采用的数据。
数据INDEX的基本操作方法:
【这里介绍一下Matlab的基本操作】
点击,命令行窗口,fx,按钮,输入max搜索需要的functions,
然后,可以计算,v49的最大值,用max(v49)来查询,
通过向量[m i ]获取最大值,和index,这加粗一下,I的取值标记了我们需要数据的位置。
然后,我们选择所有的行展现图形,而列,因为速度数据只在【1 到 3 列】,第4列为温度数据,因此,我们取下列的数据:
然后,我们用 plot tools ,打开进行分析,因为有一个无效的数据:【案,这里又展示了一个MT的好用的工具】
添加标签:
【数据分析,我们可以看出橙色的曲线v20,也就是20m的风速整体上比49m要低很多】
【然后,可以利用MT,将图像的数据转换为矩阵文件,MT中直接选择生成M文件,算法部分也是自动生成】
【生成的Mfile如下】
然后,通过调用可以绘制图形出来。
【利用 data organization】函数进行数据组织,
然后,我们找到,dataset 这个函数,
现在,我们按照数据代码直接加载的方式,重写一下,
利用dataset 函数,装载csv的表格数据:
然后,我们得到wind的数据:
【后面,展示了MT的数据处理方法】【1到5行,所有列的数据】
【有意思的是,dataset给数据集的列向量给出了名称,这样,可以通过这些名称,进一步将数据进行归类】
【上图看到的是两种表述的方式】【然后,可以调用之间,自动生成的,图形转换函数,进行针对性的数据展示】
【现在,我们来处理这个失效的数据,这里直接用I 变量来去的数据位,下面等式的意义是:在wind的v49数据中,找到值等于-99的位置】
【在I 矩阵里面,只有0,1两种数据,其中1的位置就是所有风速不正常的位置】
index I 在之前已经构建了,【案,前面已经拿到了这个值】
为了说明I矩阵,这里额外举例,矩阵Index的使用方法2
然后,现在来处理,这个失效的数据,先通过index找到这个失效的数据:
下面的例子,介绍一下,MT里面index的表述方法
I 一般作为单位矩阵的表述,但,这里I 也作为矩阵的条件元素的index的表述。
【这里构建了一个3阶的幻方矩阵】
【Franklin案,有关幻方矩阵,可以参阅文末的参考链接,我花了一点时间研究一下】
【这样,I就找到了在幻方矩阵里面所有大于7的元素,然后直接可以找他们出来 ,注意写法a(I)】
也可以通过逻辑表达式的方法来设定index, 然后,可以,直接用这个index进行赋值,
这里将大于7的幻方元素,赋值为0,
数据清洗:
现在,我们用index的知识,来对风能的数据进行清洗,
首先,风能矩阵中,我们找到index,比如,我们现在在失效的风的速度数据,把所有风速等于-99的数据都在矩阵里面找到,
可以,写成,
这样,我们获取了所有=-99的速度的数据的矩阵位置,INDEX,
然后,我们还可以计算有几个数据是失效的,
【案,现在的内容,就是那四个无效的风速数据,这样,我们把他重名为nan (not an number)】
【或者,赋值为一个最小的V49里面的速度数据,以保证整个数组结构的完整性】
【Franikin案,这样我们就完成了一次数据清洗工作,去除了失效的数据】
然后,我们重新绘制一下这个图,现在,那个错误的数据就没有了,【被最小值取代了】
数据分析选择,
现在,我们想要分析10分钟的数据,或者1小时的数据,如果,在长周期的数据里面,找到我们需要的数据呢?
利用线性代数在MT中的实现,很容易实现,上述的要求,
- reshape 函数,
变成6行的数据,和不限的列数,这样原理的数据变成6*720了
- mean 取每个列的平均值【案,通常mean,就是均值的意思,在概率论里面,有时候也被称为数学期望】
plot(vhr),这样就把每个列的均值输出了。
长时间数据分析:
- hist 函数
【这个数据图表可以再优化,因为我们现在的步长是2,】
【这里,【0:1:20】这个意思是从0 到 20的范围内,步长选定为1】】
这样图像就跟细致多了。
【然后,对于长时间大数据,现在我们尝试从概率角度看一下他的分布情况】
- fit distribution [ 找到适合的分布函数】
【案,这个fitdist 是Matlab的一个函数,能够依据数据找到贴切的分布模型,fitdist返回一个分布模型的对象】
Fit probability distribution object to data
Fit probability distribution object to data - MATLAB fitdist (mathworks.com)https://www.mathworks.com/help/stats/fitdist.html Weibull probability distribution object - MATLAB (mathworks.com)https://www.mathworks.com/help/stats/prob.weibulldistribution.html
weibull distrbution,
【案,fitdist返回了一个概率分布对象给pd,然后pd的值,显示,他符合weibull分布,同时给出了韦伯分布的两个关键参数,这两个参数对双参数的威布尔分布来说应该就是shape,和scale,这些更具体的知识可以参照我文末的链接,我之前做过一点研究。
【pd的值如下】
这样,我们利用对北美风速的分布的数据进行了分析,找到了他概率分布函数和关键的图形阐述,利用这些参数,a,b可以将分布曲线画出,方便后面进行分析】
【Franklin 案,有个weibull 分布的详细论述,我写了一个系列的文章,感兴趣的哥们可以去参阅一下,链接放在文末:】
既然PD是对象,那么他一定有他的方法函数,我们可通过下面的方法,查询pd这个weibull 分布的对象,有哪些方法:
【案,我们可以看到,pd weibull的一些关键属性都在里面,包括pdf,cdf,mean,random等等】
现在,我们可以利用这些方法,比如random,我们用random可以生成符合pd weibull特性的随机数:
或者1百万个数据:
这些数据可以用来模拟环境和系统。
[Tips]
【可以选取上述命令,生成M文件】
增加一些缩进方便代码理解,【点击 report,能够自动生成一些文档】
、
文档包括了,图形,函数说明:
小结:
本章介绍了,风能数据处理,在这个例子里面,我们做了数据的分析和分析,生成了符合数据的分布模型,并通过分布模型,生成了更多的数据用来进行研究和分析。
本培训作者:Todd Schultz.PhD.
参考:
Wind Resource Assessment - Data Analysis Using MATLAB - Video - MATLAB (mathworks.cn)https://ww2.mathworks.cn/en/videos/wind-resource-assessment-data-analysis-using-matlab-81682.html
威布尔分布:
(1条消息) Weibull Distribution韦布尔分布的深入详述(1)原理和公式_Franklin的博客-CSDN博客
(1条消息) Weibull Distribution韦布尔分布的深入详述(2)参数和公式意义_Franklin的博客-CSDN博客
幻方矩阵
Matlab 基础应用01 - Python 基础应用 n阶幻方【MagicSquare】和构造_Franklin的博客-CSDN博客
Matlab 官网培训 - 大型项目-风力发电机数据模型构建-Catching the Wind相关推荐
- 利用 Matlab Simulink 平台搭建双馈风力发电机在电网中的模型
利用 Matlab Simulink 平台搭建双馈风力发电机在电网中的模型,双馈风力发电机在风速变化的影响下转矩.电流.电压等参数波形变化. 适用于风电并网时对风电场影响的研究. 详情请见文档. ID ...
- 小程序官网CMS开源项目出炉,Weixin-App-CMS 1.0 版本正式发布
小程序官网CMS开源项目出炉,Weixin-App-CMS 1.0 版本正式发布 Weixin-App-CMS 是捷微团队开发的微信小程序CMS开源项目,涵盖了微网站的基本功能,能够快速发布简单易用的 ...
- wordpress-主题商业中国总裁商业思维 培训商学院官网源码整站下载 培训商学院,教育培训官网 培训商学院整站资源
wordpress-主题商业中国总裁商业思维 培训商学院官网源码整站下载 培训商学院,教育培训官网 培训商学院整站资源 wordpress-主题商业中国总裁商业思维
- 利用 Matlab/Simulink 平台搭建双馈风力发电机在电网中的模型,双馈风力发电机在风速变化的影响下转矩、电流、电压等参数波形变化
利用 Matlab/Simulink 平台搭建双馈风力发电机在电网中的模型,双馈风力发电机在风速变化的影响下转矩.电流.电压等参数波形变化. 适用于风电并网时对风电场影响的研究. 详情请见文档. ID ...
- MATLAB/simulink 并网型双馈风力发电机(DFIG) 输出功率1.5MW 可实现单位因数并网
MATLAB/simulink 并网型双馈风力发电机(DFIG) 输出功率1.5MW 可实现单位因数并网 ID:88129674622171540波心当冷月无声
- 【SpringBoot 入门】 从spring官网下载springboot 项目 启动和访问
一. 去spring官网下载 SpringBoot项目 spring下载项目地址 二. 下载后没有springboot的项目标志 三.配置maven 路径 四.配置jdk 之后如果没有自动添加依赖,可 ...
- DFIG_Wind_Turbine:基于MATLAB/Simulink的双馈异步风力发电机仿真模型,控制方案采用矢量控制,电机的有功功率和无功功率由转子侧变换器控制
DFIG_Wind_Turbine:基于MATLAB/Simulink的双馈异步风力发电机仿真模型,控制方案采用矢量控制,电机的有功功率和无功功率由转子侧变换器控制. . 仿真条件:MATLAB/Si ...
- DFIG_Wind_Turbine:基于MATLAB/Simulink的双馈异步风力发电机仿真模型,控制方案采用矢量控制
DFIG_Wind_Turbine:基于MATLAB/Simulink的双馈异步风力发电机仿真模型,控制方案采用矢量控制,电机的有功功率和无功功率由转子侧变换器控制. . 仿真条件:MATLAB/Si ...
- MATLAB 在图像处理和机器视觉的应用举例01 - 官网培训视频笔记(上)-- 图像分割和图像配准
前言:笔记: 以下内容为Matlab的官网视频的笔记: 1课程大意: 2 图像处理的应用: 3 科学计算的基本流程: [案,Matlab的研究方法主要关注在算法的层面,但是,Matlab在数据的采集 ...
- 瞄准新机会--金山软件知名公司官网武汉公司项目
https://new.qq.com/rain/a/20220928A0A3J200.html https://new.qq.com/rain/a/20230512A02LAN00 一 .金山软件的消 ...
最新文章
- php常用20函数,PHP常用函数
- Lotus Notes应用经验谈
- how to export many stock data from Wind terminal
- 各種語系的unicode對應以及local編碼方式
- 车辆等红灯时是用N档还是D档呢?
- 51Nod-1014 X^2 Mod P【暴力】
- Cocos2d-xJson数据解析(读取和写入)
- iOS取证将如漫漫长夜
- 概率论综述(题型篇)
- hibernate中实体类对象的四种状态
- 【企业微信点餐系统】
- 亲测码支付第三方支付源码、完美对接日主题系列网站
- 心理学当中一些很有用的定律
- 16行,使用Python制作简易版QQ自动回复机器人(windows版)
- 计算机多媒体技术主要有什么特征,多媒体技术特征有哪些_多媒体技术的关键特性介绍...
- Sybase ASE 12.5.4数据库安装备份还原操作步骤
- Linux应该怎么快速学习?首推这份全网爆火的“Linux速成笔记”,阿里架构师都在用它!
- 学习笔记整理:Photoshop软件应用-基础-图像选择
- 解决minicom串口被锁Device /dev/ttyS? is locked
- Chrome关闭侧边栏