LiDAR与测风塔数据融合分析实战课程
📚 共计 30 章节
01
课程导论：为什么要做数据融合？
LiDAR与测风塔优缺点对比，课程目标与学习路径。
入门
全景
02
LiDAR测风原理
脉冲式与连续波式LiDAR，VAD/DBS模式，关键参数解读。
原理
激光雷达
03
测风塔测量原理
杯风速计、风向标、超声风速仪，塔影效应与安装规范。
测风塔
硬件
04
数据格式与预处理
NetCDF、CSV、TXT解析，时间戳对齐，缺失值标记。
数据
预处理
05
数据清洗基础
异常值检测(IQR/Z-Score)，物理合理性校验，野点剔除。
清洗
异常检测
06
时间同步与重采样
1Hz vs 10min对齐策略，线性插值与最近邻插值。
时间序列
插值
07
空间代表性分析
LiDAR测量体积 vs 点测量，风切变指数与粗糙度。
空间
风廓线
08
相关性分析基础
皮尔逊/斯皮尔曼相关系数，散点图矩阵，R²/RMSE。
统计
评估
09
线性回归融合模型
一元线性回归，加权最小二乘，回归系数物理意义。
回归
融合
10
机器学习融合模型
随机森林、XGBoost，特征工程(风向扇区/湍流强度)。
ML
XGBoost
11
深度学习融合模型
LSTM时序预测，CNN特征提取，注意力机制。
DL
LSTM
12
扇区划分与分区建模
12扇区划分，各扇区独立建模，扇区边缘处理。
扇区
分区
13
风速垂直外推
幂律风切变，对数风廓线，LiDAR多高度层利用。
垂直外推
风切变
14
湍流强度分析
湍流强度计算，LiDAR与测风塔对比，融合对TI影响。
湍流
TI
15
数据质量控制
QC标记体系，数据可用率，极端天气(台风/雷暴)处理。
QC
极端天气
16
长期订正方法
MCP(线性回归/方差比/秩相关)，ERA5/MERRA-2应用。
MCP
再分析
17
不确定性量化
A类/B类不确定度，模型不确定度，蒙特卡洛模拟。
不确定度
蒙特卡洛
18
数据可视化
时间序列对比，风玫瑰图，散点密度图，QQ图，泰勒图。
可视化
绘图
19
自动化处理Pipeline
Airflow/Dagster工作流，定时任务，日志与报警。
Pipeline
Airflow
20
API与微服务
Flask/FastAPI融合服务，RESTful接口，Docker部署。
API
微服务
21
大型风电场应用
多LiDAR与多塔组网，空间插值(Kriging/IDW)。
组网
插值
22
海上风电特殊问题
浮式LiDAR运动补偿，海上腐蚀，海气相互作用。
海上风电
浮式
23
复杂地形应用
山地气流分离，LiDAR光束遮挡，CFD耦合融合。
复杂地形
CFD
24
低风速与高湍流场景
低风速信噪比，高湍流数据筛选策略。
低风速
高湍流
25
数据融合标准与规范
IEC 61400-12-1，MEASNET，DNV GL推荐做法。
标准
IEC
26
开源工具与库
PyLidar、WindKit、OpenWind，自定义工具箱开发。
开源
PyLidar
27
案例实战：平原风电场
数据加载→清洗→建模→验证→报告全流程。
实战
平原
28
案例实战：山地风电场
扇区划分→垂直外推→长期订正。
实战
山地
29
案例实战：海上浮式融合
运动补偿→湍流对比→不确定性。
实战
海上
30
课程总结与未来展望
AI+物理信息网络，数字孪生，虚拟测风塔。
趋势
数字孪生