风机叶轮面范围风速风向测量和预测方法、装置及存储介质

权利要求书： 1.一种风机叶轮面范围风速风向测量和预测方法，其特征在于，包括以下步骤：S1：将机舱式激光测风雷达安装至机舱的预设高度处，将机舱式激光测风雷达的探测角度分别设置为水平探测角度、仰角α探测角度和俯角α探测角度；

S2：利用激光测风雷达测量风电机组叶轮正前方的预设距离内三个高度不同空间点的风速和风向值，并生成实测风速矩阵和实测风向矩阵；

S3：利用实测风速矩阵进行风切变拟合，获得风切变拟合曲线函数矩阵，进而计算得到空间风速分布矩阵；利用实测风向矩阵进行风转向拟合，获得风转向拟合曲线函数矩阵，进而计算得到风向分布矩阵；

S4：分别建立上叶尖、轮毂和下叶尖高度的时间?风速?风向矩阵；

S5：通过n?1次曲线拟合寻找风速和风向随时间变化的最佳拟合曲线，最终得到风电机组叶轮面范围未来预设时间范围内的风速和风向随时间和空间的变化曲线。

2.如权利要求1所述的风机叶轮面范围风速风向测量和预测方法，其特征在于，d为激光雷达的探测距离，R为叶轮半径。

3.如权利要求2所述的风机叶轮面范围风速风向测量和预测方法，其特征在于，机舱式激光测风雷达的安装高度≥d2×tanα，d2为激光雷达的激光头距离轮毂前缘的水平距离。

4.如权利要求1所述的风机叶轮面范围风速风向测量和预测方法，其特征在于，S3中，空间风速分布矩阵由风切变函数矩阵和空间坐标值计算得出，所述风切变函数矩阵依据实测风速矩阵，按照对数曲线利用最小二乘法拟合得出。

5.如权利要求1所述的风机叶轮面范围风速风向测量和预测方法，其特征在于，S3中，风向分布矩阵由风转向拟合函数矩阵和空间坐标值计算得出，所述风转向拟合函数矩阵依1

据实测风向矩阵，按照圆柱面G插值曲线方法拟合得出。

6.如权利要求1所述的风机叶轮面范围风速风向测量和预测方法，其特征在于，S4中，上叶尖、轮毂和下叶尖高度的时间?风速?风向矩阵的时间项，是通过空间测量点距离轮毂的水平距离除以空间风速得到的。

7.如权利要求1所述的风机叶轮面范围风速风向测量和预测方法，其特征在于，S5中，风速和风向随时间变化的最佳拟合曲线，是通过对上叶尖、轮毂和下叶尖高度的时间?风速?风向矩阵分别进行n?1次多项式拟合，并选取最佳拟合曲线获得的。

8.如权利要求1所述的风机叶轮面范围风速风向测量和预测方法，其特征在于，S5中，预设时间长度根据机舱式激光雷达的探测距离和风电场大概率可能出现的最大10分钟平均风速确定。

9.一种计算机设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述的风机叶轮面范围风速风向测量和预测方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的风机叶轮面范围风速风向测量和预测方法的步骤。

说明书： 风机叶轮面范围风速风向测量和预测方法、装置及存储介质技术领域[0001] 本发明属于风力发电技术领域，具体涉及一种风机叶轮面范围风速风向测量和预测方法、装置及存储介质。

背景技术[0002] 风力发电已经成为除水电之外的第二大可再生能源发电电源。随着高效率低成本风电的不断发展，风力发电机组的单机容量不断增大，叶轮直径也不断增大。陆上风电机组

的叶轮直径已经达到160m以上，而海上风电机组的叶轮直径最大的已经超过210m。由于风

电机组的叶轮迎风面对的风流场在空间和时间上都不稳定，风电机组的叶轮面承受载荷不

均，对于超大直径叶轮的风电机组，受不均匀载荷的影响更大，其控制更加复杂。准确预测

风轮面的风速分布，对于提升风电机组的控制性能，提高功率输出稳定性有重要意义，尤其

是当阵风发生时，提前准确预知叶轮面的风速风向分布，对于改进控制性能，减小机组的载

荷激变十分重要。

[0003] 而现有的安装在风电机组机舱之上的风速、风向计，只能测量得到叶轮面下游的风速风向，而且该测量点的风速风向是受叶轮影响之后的值，并且仅仅是空间一个点，并不

能代表叶轮面范围的风速、风向分布，风电机组依据该测量结果进行的运行控制相对滞后，

因此机组无法运行在最佳状态。

[0004] 激光雷达测风技术已经比较成熟，可将两波束或四波束的激光雷达安装在风电机组的机舱之上用来测量机组的叶轮面的来流风速，通常来说，可以测量得到机组轮毂前方

40m?200m空间范围的风况情况，但现有的机舱式激光雷达测风方法仅仅给出了轮毂正前方

的轮毂高度处位置水平不连续空间点的风速、风向测量结果，却无法得到叶轮面范围风切

变和分转向分布，不能为风电机组的优化控制提供足够的参考信息。

发明内容[0005] 为了解决上述问题，本发明的目的在于提供一种风机叶轮面范围风速风向测量和预测方法、装置及存储介质，可以提前数十秒准确预测作用在风电机组叶轮面上的风速风

向变化，并且提供叶轮面范围内的风切变曲线和风转向曲线，为风电机组的控制提供准确

风参数，提高了机组控制的精细化水平，降低机组载荷，并提高了发电量。

[0006] 本发明是通过以下技术方案来实现：[0007] 一种风机叶轮面范围风速风向测量和预测方法，包括以下步骤：[0008] S1：将机舱式激光测风雷达安装至机舱的预设高度处，将机舱式激光测风雷达的探测角度分别设置为水平探测角度、仰角α探测角度和俯角α探测角度；

[0009] S2：利用激光测风雷达测量风电机组叶轮正前方的预设距离内三个高度不同空间点的风速和风向值，并生成实测风速矩阵和实测风向矩阵；

[0010] S3：利用实测风速矩阵进行风切变拟合，获得风切变拟合曲线函数矩阵，进而计算得到空间风速分布矩阵；利用实测风向矩阵进行风转向拟合，获得风转向拟合曲线函数矩

阵，进而计算得到风向分布矩阵；

[0011] S4：分别建立上叶尖、轮毂和下叶尖高度的时间?风速?风向矩阵；[0012] S5：通过n?1次曲线拟合寻找风速和风向随时间变化的最佳拟合曲线，最终得到风电机组叶轮面范围未来预设时间范围内的风速和风向随时间和空间的变化曲线。

[0013] 优选地， d为激光雷达的探测距离，R为叶轮半径。[0014] 进一步优选地，机舱式激光测风雷达的安装高度≥d2×tanα，d2为激光雷达的激光头距离轮毂前缘的水平距离。

[0015] 优选地，S3中，空间风速分布矩阵由风切变函数矩阵和空间坐标值计算得出，所述风切变函数矩阵依据实测风速矩阵，按照对数曲线利用最小二乘法拟合得出。

[0016] 优选地，S3中，风向分布矩阵由风转向拟合函数矩阵和空间坐标值计算得出，所述1

风转向拟合函数矩阵依据实测风向矩阵，按照圆柱面G插值曲线方法拟合得出。

[0017] 优选地，S4中，上叶尖、轮毂和下叶尖高度的时间?风速?风向矩阵的时间项，是通过空间测量点距离轮毂的水平距离除以空间风速得到的。

[0018] 优选地，S5中，风速和风向随时间变化的最佳拟合曲线，是通过对上叶尖、轮毂和下叶尖高度的时间?风速?风向矩阵分别进行n?1次多项式拟合，并选取最佳拟合曲线获得

的。

[0019] 优选地，S5中，预设时间长度根据机舱式激光雷达的探测距离和风电场大概率可能出现的最大10分钟平均风速确定。

[0020] 本发明还公开了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的风

机叶轮面范围风速风向测量和预测方法的步骤。

[0021] 本发明还公开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计算机程序，所述计算机程序被处理器执行时实现上述的风机叶轮面范围风速风向测量和预测

方法的步骤。

[0022] 与现有技术相比，本发明具有以下有益的技术效果：[0023] 本发明公开的风机叶轮面范围风速风向测量和预测方法，在风电机组的机舱上安装机舱式激光测风雷达，利用激光雷达探测风电机组叶轮正前方的一定距离内不同空间点

的风速、风向变化情况，利用激光雷达探测得到的空间点的风速、风向数据，通过预测算法，

给出风电机组叶轮面范围未来预设时间范围内的风速、风向随时间和空间的变化曲线，为

风电机组的载荷和发电量控制提供精确的依据。本发明能够获得风电机组的叶轮面范围的

即时精确风速、风向数据，不存在滞后，无叶轮转动干扰，风速、风向测量精度极大提升。可

以精准连续预测未来一定时间范围内风电机组叶轮面所要面临的风速、风向变化，为风电

机组的偏航、变桨运行控制提供准确参考依据，可以减小机组载荷，提升发电量。

[0024] 进一步地，机舱式激光测风雷达的安装高度距离轮毂上缘要求有一定的高度，能够避免向下扫射的激光射线被轮毂遮挡。

附图说明[0025] 图1为本发明的风机叶轮面范围风速风向测量和预测方法的流程图；[0026] 图2为风电机组叶轮面高度范围风速、风向测量点示意图。具体实施方式[0027] 下面结合附图对本发明做进一步的详细说明，所述是对本发明的解释而不是限定。

[0028] 本发明的风机叶轮面范围风速风向测量和预测方法，流程图如图1，包括以下步骤：

[0029] 1)激光雷达探测角度确定方法：[0030] 为了获得整个叶轮面空间范围的风速、风向分布信息，对激光雷达设置3个探测角度，分别是水平探测角度、仰角α探测角度和俯角α探测角度。以叶轮的上叶尖高度和下叶尖

高度作为激光雷达探测范围的上下边界，激光雷达的探测距离为d，叶轮半径为R，则

[0031] 2)激光雷达安装高度的确定方法：[0032] 激光雷达的安装高度以激光雷达的激光头距离叶轮轮毂的上缘的竖直高度为依据，计为h1，激光雷达的激光头距离轮毂前缘的水平距离为d2，则h1≥d2×tanα。

[0033] 3)激光雷达测量的数据要求：[0034] 激光雷达探测的距离盲区为d0，探测距离为d，有效探测范围d?d0，在d?d0范围内，每隔一个d1距离，获得一个实时数据点，对于水平探测方向，数据点从雷达探测距离盲区到

最远端排列分别是M0、M1、…、Mn；对于仰角α探测方向，数据点从探测距离盲区到最远端方向

排列分别是H0、H1、…、Hn；对于俯角α探测方向，数据点从探测盲点向最远端方向排列分别是

L0、L1、…、Ln。每个数据点包含时间、风速和风向信息。d1为激光雷达射线的距离门，一般设

置为d1＝10米，n的取值取决于激光雷达的有效探测距离，一般在200m至400m之间，其中，

[0035] 利用激光雷达实时测量值建立实测风速矩阵：[0036][0037] 其中，h为轮毂高度，hHn为叶轮上叶尖高度，hHcn为激光雷达仰角α探测路径上的探测点的高度，hLn为叶轮下叶尖高度，hLcn为激光雷达俯角α探测路径上的探测点的高度，Hvcn

为激光雷达测量得到的仰角α探测路径上的探测点的风速值，Mvn为激光雷达测量得到的水

平探测路径上的探测点的风速值，Lvcn为激光雷达测量得到的俯角α探测路径上的探测点的

风速值。

[0038] hHcn＝h+R，[0039] hHcn?1＝h+R?d1×tanα，[0040] hHcn?2＝h+R?2d1×tanα，[0041] ……[0042] hHc0＝h±R±nd1×tanα，[0043] hLcn＝h?R，[0044] hLcn?1＝h?R+d1×tanα，[0045] hLcn?2＝h?R+2d1×tanα，[0046] ……[0047] hLc0＝H?R+nd1×tanα，[0048] 利用雷达实时测量值建立实测风向矩阵：[0049][0050] 其中，Hdircn为激光雷达测量得到的仰角α探测路径上的探测点的风向值，Mdirn为激光雷达测量得到的水平探测路径上的探测点的风向值，Ldircn为激光雷达测量得到的俯

角α探测路径上的探测点的风向值。

[0051] 4)风切变拟合：[0052] 利用实测风速矩阵的每一列数据，即H、M、L三个高度上的风速，拟合对数曲线，获得对数风切变廓线。拟合方法如下：

[0053] 风速随高度的变化称为风轮廓线，假设风速随高度的变化服从下面的公式：[0054][0055] 其中，其中，U(z)是在高度z[m]处的风速[m/s]，U*是摩擦速度[m/s]，k是onKarman常数(0.4)，z0是地表粗糙度[m]，ln是自然对数。

[0056] 用线性的最小二乘法来拟合，首先做代数变形。利用ln(1/A)＝?lnA，得到:[0057][0058] 现在这个公式是一般的斜?截式：y＝mx+b，把ln(z)绘制在x轴上，把U(z)绘制在y轴上，得到一条直线：

[0059][0060][0061] 求解地表粗糙度z0：[0062][0063] 对两个以上的高度，返回最佳拟合所有数据点的z0值。如果数据不能准确地拟合成对数风轮廓线(一般的情况)那么直线不会很准确地穿过所有的(ln(z),U(z))点，但它依

然是最佳拟合的直线并且由此得到的z0值是对粗糙度的最佳估计值。

[0064] 对于距离轮毂d、d?d1、d?2d1、……、d0测量点位置，分别进行风切变拟合，获得风切变拟合曲线函数矩阵[Un(z)Un?1(z)…U0(z)]；

[0065] 利用风切变廓线函数带入对应空间点高度得到空间风速分布矩阵：[0066][0067] 其中，[0068] hHn＝h+R，[0069] hLn＝h?R，[0070] Hvn＝Un(hHn)，[0071] Hvn?1＝Un?1(hHn)[0072] …[0073] Hv0＝U0(hHn)[0074] Lvn＝Un(hLn)，[0075] Lvn?1＝Un?1(hLn)[0076] …[0077] Lv0＝U0(hLn)[0078] 5)风转向拟合：[0079] 利用实测风向矩阵的每一列数据，即H、M、L三个高度上的风向，拟合圆柱面曲线，获得风转向廓线。拟合方法如下：

[0080] 风速随高度的变化称为风转向廓线，根据一般规律，在风电机组下叶尖至上叶尖空间高度范围内，风向随高度的变化服从线性分布。

[0081] 在H、M、L三个高度的风向分别记为Hdir、Mdir和Ldir，给定圆柱面S:x2+y2＝1，则三个高度的风向单位矢量可以看做S上的一个点列{Po＝(x，y，z)|Pi∈S，i＝H，M，L}，利用圆柱

1 1

面G插值曲线方法构造圆柱面S上的一条G连续的曲线，使其通过给定的该点列，获得风转

向拟合曲线函数矩阵：

[0082] [Gn(z)Gn?1(z)…G0(z)]；[0083] 利用风转向函数带入对应空间点高度得到空间风向分布矩阵：[0084][0085] 6)叶轮面范围风速风向预测算法：[0086] (1)轮毂高度风速预测[0087][0088][0089] ……[0090][0091] 建立轮毂高度的时间、风速、风向矩阵：[0092][0093] 取[0094][0095][0096] ……[0097][0098] 建立上叶尖高度的时间、风速、风向矩阵：[0099][0100] 取[0101][0102][0103] ……[0104][0105] 建立下叶尖高度的时间、风速、风向矩阵：[0106][0107] 利用以上矩阵对风速和风向随时间的变化关系进行n?1次曲线拟合，选取最佳拟合曲线，获得：

[0108] vMt＝fMv(t)，[0109] dirMt＝fMdir(t)，[0110] vHt＝fHv(t)，[0111] dirHt＝fHdir(t)，[0112] vLt＝fLv(t)，[0113] dirLt＝fLdir(t)，[0114] 其中，t根据机舱式激光雷达的探测距离和风电场大概率可能出现的最大10分钟平均风速确定，单位为秒。由此获得风轮面上叶尖、轮毂和下叶尖未来预设时间内的连续风

速、风向预测，为风电机组运行控制提供依据。

[0115] 如图2，下面结合具体实施例对本发明做进一步的详细说明：[0116] 本实例中，风电机组轮毂高度为h＝100m，叶轮半径为R＝60m。在风电机组的机舱顶部靠近轮毂的位置安装一台机舱式激光测风雷达，雷达探测方向为叶轮面正前方，雷达

安装高度距离轮毂上缘要求有一定的高度，避免向下扫射的激光射线被轮毂遮挡。本实例

采用探测距离为400m的激光测风雷达。

[0117] 1)激光雷达探测角度的确定：[0118] 为了获得整个叶轮面空间范围的风速、风向分布信息，对激光雷达设置3个探测角度，分别是水平探测角度、仰角α探测角度和俯角α探测角度。以叶轮的上叶尖高度和下叶尖

高度作为激光雷达探测范围的上下边界，激光雷达的探测距离为d＝400m，叶轮半径为R＝

60m，则ta 则α＝arctanα＝8.53°。

[0119] 2)激光雷达安装高度的确定：[0120] 激光雷达的安装高度以激光雷达的激光头距离叶轮轮毂的上缘的竖直高度为依据，计为h1，激光雷达的激光头距离轮毂前缘的水平距离为d2＝3m，则h1＝d2×tanα＝3×

0.15＝0.45m。

[0121] 3)激光雷达测量的数据要求：[0122] 激光雷达探测的距离盲区为d0＝40m，探测距离为d＝400m，有效探测范围d?d0＝360m，在d?d0范围内，每隔一个d1＝10m距离，获得一个实时数据点，对于水平探测方向，数据

点从雷达探测距离盲区到最远端排列分别是M0、M1、…、Mn；对于仰角α探测方向，数据点从探

测距离盲区到最远端方向排列分别是H0、H1、…、Hn；对于俯角α探测方向，数据点从探测盲点

向最远端方向排列分别是L0、L1、…、Ln。每个数据点包含时间、风速和风向信息。其中，

[0123] 利用激光雷达实时测量值建立实测风速矩阵：[0124][0125] 其中，h为轮毂高度，hHn为叶轮上叶尖高度，hHcn为激光雷达仰角α探测路径上的探测点的高度，hLn为叶轮下叶尖高度，hLcn为激光雷达俯角α探测路径上的探测点的高度，Hvcn

为激光雷达测量得到的仰角α探测路径上的探测点的风速值，Mvn为激光雷达测量得到的水

平探测路径上的探测点的风速值，Lvcn为激光雷达测量得到的俯角α探测路径上的探测点的

风速值。

[0126] hHcn＝h+R，[0127] hHcn?1＝h+R?d1×tanα，[0128] hHcn?2＝h+R?2d1×tanα，[0129] ……[0130][0131] hLcn＝h?R，[0132] hLcn?1＝h?R+d1×tanα，[0133] hLcn?2＝h?R+2d1×tanα，[0134] ……[0135] hLc0＝h?R+nd1×tanα，[0136] 利用雷达实时测量值建立实测风向矩阵：[0137][0138] 其中，Hdircn为激光雷达测量得到的仰角α探测路径上的探测点的风向值，Mdirn为激光雷达测量得到的水平探测路径上的探测点的风向值，Ldircn为激光雷达测量得到的俯

角α探测路径上的探测点的风向值。

[0139] 4)风切变拟合：[0140] 利用实测风速矩阵的每一列数据，即H、M、L三个高度上的风速，拟合对数曲线，获得对数风切变廓线。拟合方法如下：

[0141] 风速随高度的变化称为风轮廓线，假设风速随高度的变化服从下面的公式：[0142][0143] 其中，U(z)是在高度z[m]处的风速[m/s]，U*是摩擦速度[m/s]，k是onKarman常数(0.4)，z0是地表粗糙度[m]，ln是自然对数。

[0144] 用线性的最小二乘法来拟合，首先做代数变形。利用ln(1/A)＝?lnA，得到:[0145][0146] 现在这个公式是一般的斜?截式:y＝mx+b，把ln(z)绘制在x轴上，把U(z)绘制在y轴上,得到一条直线：

[0147][0148][0149] 求解地表粗糙度z0：[0150][0151] 对两个以上的高度，返回最佳拟合所有数据点的z0值。如果数据不能准确地拟合成对数风轮廓线(一般的情况)那么直线不会很准确地穿过所有的(ln(z),U(z))点,但它依

然是最佳拟合的直线并且由此得到的z0值是对粗糙度的最佳估计值。

[0152] 对于距离轮毂d、d?d1、d?2d1、……、d0测量点位置，分别进行风切变拟合，获得风切变拟合曲线函数矩阵[Un(z)Un?1(z)…U0(z)]。

[0153] 利用风切变廓线函数带入对应空间点高度得到空间风速分布矩阵：[0154][0155] 其中，[0156] hHn＝h+R，[0157] hLn＝h?R，[0158] Hvn＝Un(hHn)，[0159] Hvn?1＝Un?1(HHn)[0160] …[0161] Hv0＝U0(hHn)[0162] Lvn＝Un(hLn)，[0163] Lvn?1＝Un?1(hLn)[0164] …[0165] Lv0＝U0(hLn)[0166] 5)风转向拟合：[0167] 利用实测风向矩阵的每一列数据，即H、M、L三个高度上的风向，拟合圆柱面曲线，获得风转向廓线。拟合方法如下：

[0168] 风速随高度的变化称为风转向廓线，根据一般规律，在风电机组下叶尖至上叶尖空间高度范围内，风向随高度的变化服从线性分布。

[0169] 在H、M、L三个高度的风向分别记为Hdir、Mdir和Ldir，给定圆柱面S:x2+y2＝1，则三个高度的风向单位矢量可以看做S上的一个点列{pI＝(x，y，z)|pI∈S，i＝H，M，L}，利用圆柱

1 1

面G插值曲线方法构造圆柱面S上的一条G连续的曲线，使其通过给定的该点列，获得风转

向拟合曲线函数矩阵：

[0170] [Gn(z)Gn?1(z)…G0(z)][0171] 利用风转向函数带入对应空间点高度得到空间风向分布矩阵：[0172][0173] 6)叶轮面范围风速风向预测算法：[0174] (1)轮毂高度风速预测[0175][0176][0177] ……[0178][0179] 建立轮毂高度的时间、风速、风向矩阵：[0180][0181] 取[0182][0183][0184] ……[0185][0186] 建立上叶尖高度的时间、风速、风向矩阵：[0187][0188] 取[0189][0190][0191] ……[0192][0193] 建立下叶尖高度的时间、风速、风向矩阵：[0194][0195] 利用以上矩阵对风速和风向随时间的变化关系进行n?1次曲线拟合，选取最佳拟合曲线，获得：

[0196] vMt＝fMv(t)，[0197] dirMt＝fMdir(t)，[0198] vHt＝fHv(t)，[0199] dirHt＝fHdir(t)，[0200] vLt＝fLv(t)，[0201] dirLt＝fLdir(t)，[0202] 通常来说，，风电机组的运行风速在3m/s～25m/s或3m/s～20m/s之间，风电场出现25m/s以上风速的概率很小，在本算例中，风电场大概率可能出现的最大10分钟平均风速为

3m/s～25m/s，雷达探测距离400m，则tn的取值根据实测风速的变化情况落在113s～16s之

间的概率大于99％，当风况预测时间长度不超过16s的情况下，可以确保极高的预测精度。

一般风电机组的变桨控制执行机构的反应动作执行到位需要数秒时间，十数秒的风况提前

预测量足够风电机组做出反应，为了确保风况预测的准确性，取t∈(0,16)，单位为秒。由此

获得风轮面上叶尖、轮毂和下叶尖未来0～16s的连续风速、风向预测，为风电机组运行控制

提供依据。

[0203] 本发明还提供一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明所述

风机叶轮面范围风速风向测量和预测方法的步骤。

[0204] 本发明风机叶轮面范围风速风向测量和预测方法可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中

包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD?ROM、光

学存储器等)上实施的计算机程序产品的形式。本发明风机叶轮面范围风速风向测量和预

测方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个

计算机可读取存储介质中。

[0205] 基于这样的理解，在示例性实施例中，还提供了一种计算机可读存储介质，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完

成，所述的计算机程序可存储于该计算机可读存储介质中，该计算机程序在被处理器执行

时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述

计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机

可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实

现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。需要说明的

是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适

当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信

号和电信信号。其中，所述计算机存储介质可以是计算机能够存取的任何可用介质或数据

存储设备，包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器

(例如CD、DD、BD、HD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器

(NANDFLASH)、固态硬盘(SSD))等。

[0206] 在示例性实施例中，还提供计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述

风机叶轮面范围风速风向测量和预测方法的步骤。处理器可能是中央处理单元

(CentralProcessingUnit，CPU)，还可以是其他通用处理器、数字信号处理器

(DigitalSignalProcessor、DSP)、专用集成电路(ApplicationSpecificIntegratedCircu

it，ASIC)、现成可编程门阵列(Field?ProgrammableGateArray，FPGA)或者其他可编程逻辑

器件、分立门或者晶体管逻辑器件、分立硬件组件等。

[0207] 需要说明的是，以上所述仅为本发明实施方式的一部分，根据本发明所描述的系统所做的等效变化，均包括在本发明的保护范围内。本发明所属技术领域的技术人员可以

对所描述的具体实例做类似的方式替代，只要不偏离本发明的结构或者超越本权利要求书

所定义的范围，均属于本发明的保护范围。