Rekonstruktion der Kinematik von Aerosolen aus den Empfangsspektren eines bistatischen Wind-Lidar-Systems

Paul Wilhelm (Autor)

Meinhard Schilling (Herausgeber)

Buch | Softcover

228 Seiten

2025 | 1. Aufl.
Mensch & Buch (Verlag)
978-3-96729-267-1 (ISBN)

Infos

Das bistatische Wind-Lidar-System der PTB ist ein optisches Fernmessinstrument der nächsten Generation, welches die ‎Rekonstruktion des Windgeschwindigkeitsvektors anhand von Aerosolpartikeln in mittleren Messhöhen zwischen 5m und ‎‎250m mit bisher unerreichter räumlicher und zeitlicher Auflösung ermöglicht. Die Dissertation adressiert die ‎Herausforderungen, die sich aus dem optischen Messprinzip selbst und aus den Einflüssen variabler atmosphärischer ‎Bedingungen wie Turbulenz und Hydrometeoren (z. B. Regentropfen, Schneeflocken) ergeben. Aufgrund dieser Einflüsse ‎unterliegen sowohl die Verfügbarkeit als auch die Messabweichung der Rekonstruktion mit dem bislang eingesetzten (alten) ‎Verfahren signifikanten Schwankungen. Turbulenz resultiert in hohen Detektionsfehlerraten von bis zu 80%, wodurch die ‎Datenrate drastisch sinkt. Hydrometeore verursachen signifikante Messabweichungen, wodurch Messungen bei Regen oder ‎Schnee bislang nicht möglich waren. Zur Lösung dieser Probleme werden Methoden der digitalen Signal- und ‎Bildverarbeitung sowie statistische Ansätze kombiniert, die durch Prüf- und Feldmessungen validiert werden. Zentral sind ‎dabei die Charakterisierung des Messvorgangs mittels Monte-Carlo-Simulationen, die innovative Verwendung von ‎Spektrogrammen in Kombination mit einer auf der Gauß-Filterung basierenden Turbulenz- und Hydrometeorfilterung zur ‎Minimierung von Störeinflüssen, sowie die Anwendung eines Kalman-Filters zum Entrauschen und Extrapolieren der Daten. ‎Die Effektivität der Turbulenz- und Hydrometeorfilterung wird anhand von Feldmessungen mit um mindestens 30% ‎reduzierten Detektionsfehlerraten demonstiert. Die verzerrungsfreie Rekonstruktion für trockene Wetterbedingungen wird ‎durch einen Vergleich mit dem alten Verfahren bestätigt und die Dynamik des Kalman-Filters wird für empirisch ermittelte ‎Amplituden des Prozess- und Messrauschens durch Prüfmessungen charakterisiert. Ferner wird demonstriert, dass die ‎Wetterbedingungen am Messort anhand spektraler Charakteristika mittels Machine Learning mit einer Trefferquote von 97% ‎klassifiziert werden können, was die Perspektive einer adaptiven Filterung eröffnet. Das mehrstufige Verfahren erlaubt die ‎Rekonstruktion der Kinematik des Aerosols als zeitlich hoch aufgelöste Vektorzeitreihe mit hoher Verfügbarkeit und ‎Datenrate sowie mit geringer Messabweichung auch unter Wetterbedingungen wie Regen und Schnee, was für die ‎Windindustrie und Meteorologie von großer Bedeutung ist.‎ PTB’s bistatic wind lidar system is a next-generation optical remote sensing instrument that enables the reconstruction of ‎the wind velocity vector based on aerosol particles at mean measurement heights between 5m and 250m with ‎unprecedented spatial and temporal resolution. The dissertation addresses the challenges arising from the optical ‎measurement principle itself and from the influences of variable atmospheric conditions such as turbulence and ‎hydrometeors (e.g., raindrops, snowflakes). Due to these influences, both the availability and the measurement deviation of ‎the reconstruction with the previously used (old) method, are subject to significant fluctuations. Turbulence results in high ‎detection error rates of up to 80%, which drastically reduces the data rate. Hydrometeors cause significant measurement ‎deviations, rendering measurements in rain or snow impossible until now. To solve these problems, digital signal and image ‎processing methods are combined with statistical approaches, which are validated by test and field measurements. Central ‎to this are the characterization of the measurement process using Monte Carlo simulations, the innovative use of ‎spectrograms in combination with turbulence and hydrometeor filtering based on Gaussian filtering to minimize ‎interference, and the application of a Kalman filter to de-noise and extrapolate the data. The effectiveness of the turbulence ‎and hydrometeor filtering is demonstrated by field measurements, with detection error rates reduced by at least 30%. The ‎distortionfree reconstruction for dry weather conditions is confirmed by a comparison with the old method and the ‎dynamics of the Kalman filter are characterized for empirically determined amplitudes of the process and measurement ‎noise by test measurements. Furthermore, it is demonstrated that the weather conditions at the measurement location can ‎be determined on the basis of spectral characteristics using machine learning with a hit rate of 97%, which opens up the ‎prospect of adaptive filtering. The multi-stage method allows the reconstruction of the kinematics of the aerosol as a high-‎resolution vector time series with high availability and data rate as well as low measurement deviation even under weather ‎conditions such as rain and snow, which is of great importance for the wind industry and meteorology.‎

Produkt-Details

• Erscheinungsdatum: 02.08.2025
• Reihe/Serie: Elektrische Messtechnik und Grundlagen der Elektrotechnik ; 88
• Verlagsort: Berlin
• Sprache: deutsch
• Maße: 148 x 210 mm
• Gewicht: 300 g
• Themenwelt: Technik ► Elektrotechnik / Energietechnik
• Schlagworte: Adaptive Filterung • Atmosphärische Bedingungen • bistatische Wind-Lidar-System • Detektionsfehlerraten • digitale Signal- und Bildverarbeitung • Hydrometeoren • Kinematik des Aerosols • Messabweichung • Messungen • Meteorologie ‎ • Prozess- und Messrauschen • Prüf- und Feldmessungen • PTB • Regen • Schnee • Statistik • Störeinflüsse • Turbulenz • Turbulenz- und Hydrometeorfilterung • Verfügbarkeit • verzerrungsfreie Rekonstruktion • Wetterbedingungen • Windgeschwindigkeitsvektor • Windindustrie ‎ • Wind-Lidar-System
• ISBN-10: 3-96729-267-3 / 3967292673
• ISBN-13: 978-3-96729-267-1 / 9783967292671
• Zustand: Neuware