近地面风力特征提取与特性分析.docxVIP

近地面风力特征提取与特性分析 0 精度 风负荷是影响工程结构的主要负荷之一。只有更好地理解强制的性质和规律，才能估算风的结构作用和风场模拟的精度，才能获得更高的精度。近年来, 我国许多学者在上海、广东和浙江等省开展了大量的近地边界层风场特性的实测研究, 取得了较为丰硕的研究成果 在对风场特性进行统计分析时, 我国普遍采用10min时距 文中基于两次台风风场的实测数据, 以3s、10s、1min和10min为间隔, 进行了强风特性的10min滑动平均统计特性对比分析, 以期获得对近地面强风风场特性及其数据处理方法的新认识。 1 台风过程部分观测数据说明 本文以2008年7月实测获得的台风“海鸥”和“凤凰”的风场数据进行分析, 其中台风“海鸥”于18日18时在福建长春镇登录, 登陆时中心附近最大风力为10级 (25m/s) ;台风“凤凰”于28日22时在福建东瀚镇登录, 登陆时中心附近最大风力为12级 (33m/s) 。两次台风过程的部分观测数据相关说明见表1。 近地风场观测点设置在温州大学建工楼顶部, 属于城市市郊地形。在建工楼5层楼顶同一高度设置了两台WJ-3型风速风向仪, 将其分别固定在9m高的直杆上 (避免风速仪处风场受建工楼干扰) 。两风速仪离地总高度约为30m, 水平相距约17m。采用DH-5937数据采集系统进行数据采集, 采样频率为20Hz。 2 不同间距滑动平均法 2.1 基于局部滤波的测量数据处理 在动态测试数据中, 对确定性成分和不确定成分进行分离时, 如若只要消除动态测试数据中的随机起伏, 而无需用某种函数或某些函数之和的形式来表示其变化规律, 可采用平滑与滤波的数据处理方法, 即滑动平均法来实现。该方法虽然是一种古典的数据处理方法, 但在试验数据处理中经常被采用。 假定动态测试数据y (t) 由确定性成分f (t) 和随机性成分e (t) 组成, 且前者为所需的测量结果或有效信号, 后者为随机起伏的测试误差或噪声。经离散化采样后, 可相应地将动态测试数据写成 为了精确地表示测量结果, 抑制随机误差e (i) 的影响, 常对动态测试数据y (i) 作平滑和滤波处理。如对非平稳的数据y (i) , 在适当的小区间上近似为平稳的, 而作某种局部平均, 以减小e (i) 所造成的随机起伏。这样对沿全长N个数据以某一拟定的滑动间隔在逐一小区间上进行不断的局部平均, 即可得出较平滑的测量结果f (i) , 而滤掉频繁起伏的随机误差 2.2 散平均统计分析 众多的研究者在进行风场特性分析时都采用10min离散平均的方式计算出相应的风场特性, 即将风场数据根据时间序列按10min一段分成若干段 (各段数据无重合) , 然后进行统计分析, 以减小或消除测试误差、噪声以及短时距脉动的影响, 得到风场的统计特征。但分析表明10min离散平均的统计分析结果不能很好的反映出强风风场的脉动性和变化规律, 尤其是在实测风场数据较少的时候缺陷尤为明显, 如绘制出来的结果图形数据点较少, 不能连续地反映出风场的变化情况和脉动规律等。 因滑动平均法可有效地消除动态测试数据中的随机起伏得到较为平滑的测量结果, 是一种简便而常用的数据处理方法。在此, 为了解决10min离散平均进行风场特性统计分析的不足, 本文提出采用滑动平均法对近地强风特性进行统计分析。如以10min为基本时距, 将实测风场数据根据时间序列以某一时距为间隔进行滑动平均。如以1min间隔进行10min时距滑动平均时, 截取的第一段数据即为0到10min之间的时间序列, 第二段数据即为1min到11min之间的时间序列, 依此类推。为了研究不同滑动间隔的影响, 本文将以3s、10s、1min和10min为间隔进行滑动平均对比分析, 其中以10min为间隔进行滑动平均实际上与10min离散平均方法相同。 3 近地面大风滑动平均统计特性对比分析 以下对实测获得的台风“海鸥”和“凤凰”的风场数据, 以3s、10s、1min和10min为间隔, 进行近地面强风特性的10min滑动平均的对比分析, 其中风场参数 (如平均风速和风向角、湍流度、阵风因子和湍流积分尺度) 的相关定义及计算公式详见文献[6-7]。限于篇幅, 文中只给出了部分对比分析图形和结果分析。 3.1 测试数据的连续性 图1~图3给出了台风“海鸥”和“凤凰”以3s、10s、1min和10min为滑动间隔的部分10min平均风速和风向角时程。结果表明, 以3s、10s和1min为间隔的滑动平均对实测风场数据利用更加充分, 如计算出的10min平均统计值更多, 图像连续性非常好, 能较好地反映出平均速度、风向角随时间的连续变化趋势和短时段内的脉动规律, 从而更加充分地揭示出近地强风平均风速和风向角的统计特性和脉动规律。相对而言