WO2023062899A1 - クラッター検出装置、気象観測システム、クラッター検出方法、及びプログラム - Google Patents

クラッター検出装置、気象観測システム、クラッター検出方法、及びプログラム Download PDF

Info

Publication number
WO2023062899A1
WO2023062899A1 PCT/JP2022/027376 JP2022027376W WO2023062899A1 WO 2023062899 A1 WO2023062899 A1 WO 2023062899A1 JP 2022027376 W JP2022027376 W JP 2022027376W WO 2023062899 A1 WO2023062899 A1 WO 2023062899A1
Authority
WO
WIPO (PCT)
Prior art keywords
clutter
weather
wind turbine
data
windmill
Prior art date
Application number
PCT/JP2022/027376
Other languages
English (en)
French (fr)
Inventor
卓 末澤
文彦 水谷
Original Assignee
株式会社 東芝
東芝インフラシステムズ株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 株式会社 東芝, 東芝インフラシステムズ株式会社 filed Critical 株式会社 東芝
Priority to CN202280059484.XA priority Critical patent/CN117940803A/zh
Priority to CA3229022A priority patent/CA3229022A1/en
Publication of WO2023062899A1 publication Critical patent/WO2023062899A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Definitions

  • Embodiments of the present invention relate to clutter detection devices, weather observation systems, clutter detection methods, and programs.
  • wind power generators also called windmills
  • the weather radar expands the observation range and the windmill increases the amount of power generation, they are often installed in places with good visibility and good ventilation. In other words, the weather radar and the windmill may be installed in adjacent locations.
  • MTI Microving Target Indicator
  • Non-Patent Document 1 has been proposed as a technique for removing windmill clutter. Application of this method requires location information of wind turbine clutter.
  • the problem to be solved by the present invention is to provide a clutter detection device, a weather observation system, a clutter detection method, and a program that can automatically detect the position of wind turbine clutter.
  • a clutter detection device receives observation data obtained by observing weather conditions, and a first determination unit that determines a plurality of clear weather data that are observation data during fine weather based on the observation data, and a radar coverage range bin a second discriminating unit that calculates clutter statistical values based on the plurality of fine weather data and discriminates wind turbine clutter, which is an echo from the wind turbine, based on the variance of the statistical values.
  • FIG. 1 is a block diagram of a weather observation system according to the first embodiment.
  • FIG. 2 is a block diagram of the clutter detection device shown in FIG.
  • FIG. 3 is a block diagram showing a hardware configuration example of the weather analysis device and the clutter detection device shown in FIG.
  • FIG. 4 is a flowchart for explaining the overall flow of the wind turbine clutter detection operation by the clutter detection device.
  • FIG. 5 is a flowchart for explaining the fine weather data discrimination operation by the fine weather data discrimination section.
  • FIG. 6 is a graph showing an example of the relationship between the number of echoes and the frequency of occurrence in the fine weather data determination operation.
  • FIG. 7 is a schematic diagram for explaining observation data in fine weather.
  • FIG. 8 is a schematic diagram for explaining observation data during precipitation.
  • FIG. 1 is a block diagram of a weather observation system according to the first embodiment.
  • FIG. 2 is a block diagram of the clutter detection device shown in FIG.
  • FIG. 3 is a block diagram showing a hardware
  • FIG. 9 is a flowchart for explaining the windmill clutter discrimination operation by the windmill clutter discrimination unit.
  • FIG. 10 is a diagram illustrating sectors and range bins in radar coverage.
  • FIG. 11 is a graph illustrating statistical values of clutter with velocity components.
  • FIG. 12 is a graph illustrating statistics of clutter with no velocity component.
  • FIG. 13 is a diagram illustrating an example of a wind turbine clutter map.
  • FIG. 14 is a graph for explaining statistical values of clutter having velocity components according to the second embodiment.
  • FIG. 15 is a graph for explaining statistical values of clutter without velocity components according to the second embodiment.
  • FIG. 16 is a graph for explaining statistical values of clutter having velocity components according to the third embodiment.
  • FIG. 17 is a graph for explaining statistical values of clutter without velocity components according to the third embodiment.
  • each functional block can be implemented as either hardware or software, or a combination of both. It is not essential that each functional block is distinguished as in the example below. For example, some functions may be performed by functional blocks other than those illustrated. Moreover, the illustrated functional blocks may be divided into finer functional sub-blocks. In the following description, elements having the same functions and configurations are denoted by the same reference numerals, and overlapping descriptions are omitted.
  • FIG. 1 is a block diagram of a weather observation system 1 according to the first embodiment.
  • the weather observation system 1 includes a weather radar 10 , a weather analysis device 20 and a clutter detection device 30 .
  • the weather radar 10 is a radar device installed on the ground.
  • the weather radar 10 observes the weather conditions (rain, snow, rain clouds, rainy areas, wind direction, wind speed, etc.) in a predetermined range (radar coverage) centering on the installation location, and generates meteorological observation data related to the weather conditions. do.
  • the weather radar 10 observes precipitation particles by transmitting and receiving radio waves. Also, the weather radar 10 scans for precipitation particles at predetermined time intervals.
  • the weather radar 10 includes an antenna section 11 and a radar signal processing section 12.
  • the antenna unit 11 transmits radio waves and receives reflected waves (echoes) thereof.
  • the radar signal processing unit 12 performs general signal processing such as modulation, signal strength amplification, and frequency conversion on echoes received by the antenna unit 11 .
  • the weather radar 10 is, for example, a phased array weather radar (PAWR).
  • a phased array weather radar electronically changes the directivity angle by controlling the phase of a signal input to an array of antenna elements forming a phased array antenna.
  • the weather radar 10 transmits and receives radio waves while changing the directivity angle of the antenna.
  • the weather radar 10 varies the directivity angle in the elevation direction (vertical direction) within a certain angular range (eg, 90 degrees) by electrical phase control.
  • the weather radar 10 mechanically changes the directivity angle in the azimuth direction (horizontal direction) by a drive mechanism.
  • the weather radar 10 may be a Multi Parameter Phased Array Weather Radar (MP-PAWR).
  • MP-PAWR is also called Dual Polarization Phased Array Weather Radar (DP-PAWR).
  • MP-PAWR is a method of simultaneously transmitting a horizontally polarized pulse signal and a vertically polarized pulse signal using a fan beam. By using MP-PAWR, it is possible to more accurately observe the three-dimensional structure of rain clouds and more accurately estimate the precipitation intensity.
  • the weather radar 10 may be a parabolic weather radar.
  • the weather analysis device 20 analyzes the weather observation data obtained by the weather radar 10.
  • the weather analysis device 20 includes a communication interface (communication I/F) 21 , a RAW data processing section 22 , a RAW data storage section 23 , a data analysis section 24 and an analysis data storage section 26 .
  • the communication interface 21 is an interface for communicating with the weather radar 10 and the like.
  • the communication interface 21 repeatedly receives weather observation data from the weather radar 10 .
  • the weather observation data received by the communication interface 21 is sent to the RAW data processing section 22 .
  • the RAW data processing unit 22 uses the weather observation data sent from the communication interface 21 to generate RAW data including three-dimensional data.
  • the three-dimensional data includes multiple pieces of two-dimensional polar coordinate data.
  • the polar coordinate data includes elevation data.
  • RAW data generated by the RAW data processing unit 22 is stored in the RAW data storage unit 23 .
  • the data analysis unit 24 sequentially acquires one cycle of RAW data from the RAW data storage unit 23 .
  • the data analysis unit 24 uses the RAW data to analyze and digitize weather conditions in units of meshes.
  • the data analysis unit 24 analyzes, for example, precipitation intensity, types of precipitation particles (including rain, snow, and hail), movement of rain clouds, wind direction, and wind speed.
  • the analysis data generated by the data analysis section 24 is stored in the analysis data storage section 26 . Also, the analysis data generated by the data analysis unit 24 is transmitted to the outside as appropriate.
  • the data analysis unit 24 also includes a wind turbine clutter map storage unit 25 that stores the wind turbine clutter map. Clutter is echoes from objects other than the target.
  • the windmill clutter map includes location information of clutter caused by windmills installed on the ground (referred to as windmill clutter).
  • the data analysis unit 24 analyzes the weather conditions by removing clutter reflected by the wind turbines. Thereby, a weather condition can be analyzed more accurately.
  • FIG. 2 is a block diagram of the clutter detection device 30 shown in FIG.
  • the clutter detection device 30 includes an analysis data acquisition unit 31 , a clear weather data determination unit 32 , and a windmill clutter determination unit 33 .
  • the analysis data acquisition unit 31 acquires observation data from the weather analysis device 20 . Specifically, the analysis data acquisition unit 31 sequentially acquires observation data for a predetermined period stored in the analysis data storage unit 26 .
  • the fine weather data discrimination unit 32 discriminates the observation data during fine weather based on the observation data acquired by the analysis data acquisition unit 31 . That is, the fine weather data determination unit 32 extracts the observation data in fine weather from the observation data acquired by the analysis data acquisition unit 31 .
  • the windmill clutter discrimination unit 33 detects and discriminates the position of the windmill clutter based on the fine weather observation data discriminated by the fine weather data discrimination unit 32 . Then, the windmill clutter determination unit 33 generates a determination result including the position of the windmill clutter.
  • FIG. 3 is a block diagram showing an example hardware configuration of the weather analysis device 20 and the clutter detection device 30 shown in FIG.
  • the weather analysis device 20 and the clutter detection device 30 include a processor 40, a ROM (Read Only Memory) 41, a RAM (Random Access Memory) 42, an input/output interface (input/output I/F) 43, an input device 44, a display device 45, It includes an auxiliary storage device 46, a communication interface (communication I/F) 21, and the like.
  • the processor 40 , ROM 41 , RAM 42 , input/output interface 43 and communication interface 21 are connected via a bus 47 .
  • the processor 40 is a CPU (Central Processing Unit) that controls the operations of the weather analysis device 20 and the clutter detection device 30 in an integrated manner.
  • the processor 40 uses programs and data stored in the ROM 41, the RAM 42, and the auxiliary storage device 46 to perform various arithmetic processes.
  • a specific program that implements the functions of this embodiment is stored in the ROM 41 and/or the auxiliary storage device 46 .
  • the functions of this embodiment are realized by the processor 40 executing the specific program stored in the ROM 41 and/or the auxiliary storage device 46 .
  • the ROM 41 is a read-only non-volatile storage device that stores basic programs and environment files for operating the computer.
  • the RAM 42 is a volatile storage device that stores programs executed by the processor 40 and data necessary for executing the programs, and is capable of high-speed reading and writing.
  • the input/output interface 43 is a device that mediates connections between various hardware and the bus 47 .
  • Hardware such as an input device 44 , a display device 45 , and an auxiliary storage device 46 are connected to the input/output interface 43 .
  • the input device 44 is a device that processes input from the user, such as a keyboard and mouse.
  • the display device 45 is a device that displays calculation results, images, and the like to the user, and is, for example, a liquid crystal display device or an organic EL display device.
  • the auxiliary storage device 46 is a large-capacity nonvolatile storage device that stores programs and data, such as a HDD (Hard Disk Drive) or an SSD (Solid State Drive).
  • the communication interface 21 transmits and receives data to and from an external device by wire and wireless.
  • the data analysis unit 24 continuously analyzes the weather conditions for each cycle.
  • One cycle is a period during which the radar coverage around the weather radar 10 is observed for one round (azimuth angle of 360 degrees).
  • One period of observation data is three-dimensional data.
  • the analysis data storage unit 26 stores the analysis data as the analysis result by the data analysis unit 24 for a long period of time such as monthly or yearly.
  • the clutter detection device 30 uses the analysis data stored in the analysis data storage unit 26 to perform the wind turbine clutter detection operation.
  • FIG. 4 is a flowchart explaining the overall flow of the wind turbine clutter detection operation by the clutter detection device 30.
  • FIG. 4 is a flowchart explaining the overall flow of the wind turbine clutter detection operation by the clutter detection device 30.
  • the analysis data acquisition unit 31 sequentially acquires analysis data (also referred to as observation data) for a predetermined period stored in the analysis data storage unit 26 (step S100).
  • the predetermined period of step S100 is weekly, monthly, or yearly, such as one week, one month, six months, or one year.
  • the predetermined period can be set as appropriate.
  • the fine weather data discrimination unit 32 discriminates the observation data in fine weather (also called fine weather data) based on the observation data acquired by the analysis data acquisition unit 31 (step S101).
  • the fine weather data discriminated by the fine weather data discriminator 32 are sequentially sent to the windmill clutter discriminator 33 .
  • the windmill clutter discrimination unit 33 discriminates the position of the windmill clutter based on a plurality of fine weather data (step S102).
  • the location of the windmill clutter is consistent with the location of the windmill.
  • the windmill clutter discrimination unit 33 transmits the windmill clutter discrimination result including the position information of the windmill clutter to the data analysis unit 24 (step S103).
  • the data analysis unit 24 uses the received wind turbine clutter determination result to register the wind turbine clutter position in the wind turbine clutter map.
  • Fine weather data determination operation The Doppler velocity of precipitation echoes observed during rain varies with time. This feature is similar to that of windmill clutter. If wind turbine clutter detection is performed using observation data during rainfall, there is a possibility that the location where rainfall echoes are observed may be erroneously determined to be wind turbine clutter. In the present embodiment, the observation data used for wind turbine clutter detection is observation data during fine weather (no precipitation echo).
  • the fine weather data determination unit 32 plays a role of passing the observation data determined to be fine weather among the observation data acquired from the analysis data storage unit 26 to the downstream windmill clutter determination unit 33 .
  • FIG. 5 is a flowchart for explaining the fine weather data determination operation by the fine weather data determination unit 32.
  • FIG. The processing in FIG. 5 corresponds to the processing in step S101 in FIG.
  • the observation data acquired by the analysis data acquisition unit 31 includes received power data for each of multiple echoes.
  • the fine weather data determination unit 32 receives, for example, one cycle of echo information corresponding to the radar coverage from the analysis data acquisition unit 31 (step S200).
  • the echo information includes echo received power data.
  • the fine weather data determination unit 32 measures the number of echoes having received power equal to or higher than the threshold T1 based on one cycle of echo information (step S201).
  • the threshold T1 is set based on the statistical value of the received power of the windmill clutter and is set lower than the received power of the windmill clutter. Also, the threshold T1 is set lower than the received power of echoes due to rain clouds. That is, echoes having received power equal to or greater than the threshold T1 include echoes caused by windmill clutter and echoes caused by rain clouds.
  • the fine weather data discrimination unit 32 discriminates observation data in which the number of echoes is equal to or greater than the threshold value E1 and equal to or smaller than the threshold value E2 as fine weather observation data (referred to as fine weather data) (step S202).
  • FIG. 6 is a graph showing an example of the relationship between the number of echoes and the frequency of occurrence in the clear weather data determination operation.
  • the curve in FIG. 6 is obtained by connecting the vertices of a plurality of histograms. For simplification, illustration of a plurality of histograms is omitted. The same applies to other diagrams related to frequency distribution.
  • the fine weather data determination unit 32 determines observation data in which the number of echoes is less than the threshold E1 as abnormal data.
  • the threshold value E1 is set to a value that enables determination of data that has extremely little echo and is not used for weather analysis.
  • Fig. 7 is a schematic diagram explaining the observation data in fine weather.
  • the outer circumference of FIG. 7 indicates the radar coverage of the weather radar 10 .
  • the weather is clear, there is no echo due to rain clouds, etc., so echoes are relatively small.
  • the weather is fine, clutter having received power equal to or greater than the threshold T1 is observed.
  • the fine weather data determination unit 32 determines observation data in which the number of echoes is equal to or greater than the threshold value E1 and equal to or less than the threshold value E2 as fine weather data.
  • FIG. 8 is a schematic diagram explaining the observation data during precipitation.
  • the dot hatched areas shown in FIG. 8 represent rain clouds.
  • the fine weather data determination unit 32 determines observation data in which the number of echoes is greater than the threshold value E2 as observation data during precipitation (also referred to as rainfall data).
  • the threshold E2 is set to a value that allows it to be determined that there are rain clouds.
  • the fine weather data determination unit 32 outputs the fine weather data determined in step S201 (step S203). After that, the fine weather data determination unit 32 repeats the above operation over a plurality of cycles.
  • the processing unit of the fine weather data determination unit 32 is not limited to one period corresponding to the radar coverage, and may be a part of the period obtained by dividing one period.
  • FIG. 9 is a flowchart for explaining the wind turbine clutter determination operation by the wind turbine clutter determination unit 33 .
  • the processing in FIG. 9 corresponds to the processing in step S102 in FIG.
  • the windmill clutter determination unit 33 receives a plurality of fine weather data from the fine weather data determination unit 32 (step S300).
  • the windmill clutter determination unit 33 collects fine weather data at a plurality of times over a predetermined period for each range bin to be observed.
  • FIG. 10 is a diagram illustrating sectors and range bins in radar coverage.
  • FIG. 10 shows radar coverage, where N is north and E is east.
  • the weather analysis device 20 processes received signals in a radar coverage area of 360 degrees centered on the weather radar 10 .
  • a sector is a processing unit in the azimuth direction, and is a processing unit obtained by dividing the radar coverage area in the azimuth direction.
  • a range bin is a unit of data obtained by sampling a received signal in the range direction (distance direction) at predetermined time intervals (i.e., a predetermined distance). It is a unit cell when divided by .
  • the size of sectors and range bins can be set arbitrarily.
  • the windmill clutter determination unit 33 calculates clutter statistical values related to Doppler speed using a plurality of clear weather data (including clutter information) corresponding to a plurality of periods for each range bin (step S301).
  • the Doppler speed is a parameter representing the moving speed of the observation target, and is calculated based on the phase of the signal received by the weather radar 10 .
  • the observation data received by the windmill clutter discrimination unit 33 includes echo Doppler velocity information. If Doppler velocity information is not included in the observation data received by the windmill clutter discriminator 33, the windmill clutter discriminator 33 calculates the Doppler velocity of the echo.
  • the wind turbine clutter discrimination unit 33 calculates the variance of the statistical values calculated in step S301 (step S302).
  • the variance is the square of the standard deviation, which is the average of the squares of the differences between the mean value and the individual data in a certain group of numerical data. To simplify the process, the variance may be calculated by sampling a part of the target data.
  • the windmill clutter determination unit 33 determines whether or not the variance calculated in step S302 is equal to or greater than the threshold value T2 (step S303).
  • the windmill clutter determination unit 33 determines that the range bin whose variance is equal to or greater than the threshold value T2 is the position of the windmill clutter (referred to as the windmill clutter position) (step S304). Further, the windmill clutter determination unit 33 determines a range bin whose variance is smaller than the threshold value T2 as the position of a clutter other than the windmill. The position here is the position where the echo is generated.
  • FIG. 11 is a graph explaining statistical values of clutter with velocity components.
  • the horizontal axis of FIG. 11 is the Doppler velocity of clutter, and the vertical axis is the occurrence frequency.
  • the speed component is the moving speed of the target.
  • Fig. 11 corresponds to the statistics of wind turbine clutter.
  • Windmill clutter has a Doppler velocity due to the rotation of the windmill.
  • Windmill clutter has a relatively large Doppler velocity variance.
  • FIG. 12 is a graph explaining statistical values of clutter without velocity components.
  • FIG. 12 corresponds to statistics of clutter reflected by buildings and the like.
  • a clutter that does not have a velocity component has a frequency peak near the Doppler velocity of 0 (m/s), and the Doppler velocity dispersion is relatively small.
  • a threshold value T2 is set that can distinguish the variance between FIG. 11 and FIG. Accordingly, wind turbine clutter can be determined by comparing the variance with the threshold value T2.
  • the wind turbine clutter discrimination unit 33 generates a wind turbine clutter discrimination result (step S305).
  • the wind turbine clutter determination result includes wind turbine clutter position information and position information of clutter other than the wind turbine.
  • the wind turbine clutter discrimination unit 33 transmits the wind turbine clutter discrimination result to the weather analysis device 20 .
  • the data analysis unit 24 of the weather analysis device 20 updates the wind turbine clutter map stored in the wind turbine clutter map storage unit 25 based on the wind turbine clutter determination result transmitted from the wind turbine clutter determination unit 33 .
  • FIG. 13 is a diagram illustrating an example of a windmill clutter map.
  • the outer circumference of FIG. 13 indicates the radar coverage of the weather radar 10 .
  • the windmill clutter map registers the position of the windmill clutter (the windmill clutter in the figure) and the positions of the structures other than the windmill (the clutter other than the windmill in the figure).
  • the data analysis unit 24 uses the windmill clutter map to remove the windmill clutter. Then, the data analysis unit 24 analyzes the weather conditions using the observation data from which the windmill clutter has been removed. Thereby, a weather condition can be analyzed more accurately.
  • the fine weather data determination unit 32 determines observation data for fine weather from a plurality of observation data regarding weather conditions.
  • the windmill clutter determination unit 33 calculates a statistical value of clutter related to the Doppler velocity using observation data during fine weather.
  • the windmill clutter discriminating unit 33 discriminates the windmill clutter, which is the echo from the windmill, based on the variance of the statistical values.
  • the wind turbine clutter position within the radar coverage can be automatically detected.
  • the work and labor required to identify the wind turbine clutter position can be reduced.
  • the wind turbine clutter position can be detected using the observation data of the weather radar 10 that is always observed.
  • the position of the newly installed wind turbine can be identified without waiting for the map to be updated.
  • the position of a newly installed wind turbine can be registered in the wind turbine clutter map without using a map.
  • wind turbine clutter position information can be used to remove wind turbine clutter.
  • the weather conditions can be analyzed more accurately.
  • the second embodiment is a modification of the wind turbine clutter determination operation.
  • the received power of clutter is used to calculate the variance.
  • the windmill clutter determination unit 33 uses a plurality of clear weather data corresponding to a plurality of periods for each range bin to calculate clutter statistical values related to received power.
  • the observation data received by the windmill clutter determination unit 33 includes echo received power information.
  • the windmill clutter determination unit 33 determines the range bins with the variance equal to or greater than the threshold value T2 to be the windmill clutter positions.
  • FIG. 14 is a graph explaining statistical values of clutter with velocity components.
  • the horizontal axis of FIG. 14 is the received power of clutter, and the vertical axis is the occurrence frequency.
  • Fig. 14 corresponds to the statistics of wind turbine clutter. Windmill clutter causes variations in received power due to the rotation of the windmill. That is, windmill clutter has a relatively large dispersion of received power.
  • FIG. 15 is a graph explaining statistical values of clutter without velocity components.
  • FIG. 15 corresponds to statistics of clutter reflected from buildings and the like. Clutter without a velocity component has relatively small received power variance.
  • a threshold value T2 is set that can determine the variance between FIG. 14 and FIG. Accordingly, wind turbine clutter can be determined by comparing the variance with the threshold value T2.
  • the third embodiment is another modification of the wind turbine clutter determination operation.
  • the radar reflectance factor of clutter is used to calculate the dispersion.
  • the windmill clutter discrimination unit 33 uses a plurality of clear weather data corresponding to a plurality of periods for each range bin to calculate clutter statistical values related to radar reflection factors.
  • the observation data received by the windmill clutter discrimination unit 33 includes echo radar reflectance factor information. If the observation data does not contain radar reflection factor information, the windmill clutter determination unit 33 calculates the radar reflection factor of the echo.
  • the windmill clutter determination unit 33 determines the range bins with the variance equal to or greater than the threshold value T2 to be the windmill clutter positions.
  • FIG. 16 is a graph explaining statistical values of clutter with velocity components.
  • the horizontal axis of FIG. 16 is the radar reflection factor of clutter, and the vertical axis is the occurrence frequency.
  • Fig. 16 corresponds to the statistics of wind turbine clutter.
  • Windmill clutter is a variation in the radar reflectivity factor due to rotation of the windmill. That is, the windmill clutter has a relatively large dispersion of the radar reflection factor.
  • FIG. 17 is a graph explaining statistical values of clutter without velocity components.
  • FIG. 17 corresponds to statistics of clutter reflected by buildings and the like. Clutter with no velocity component has a relatively small variance in the radar reflectance factor.
  • a threshold value T2 is set that can distinguish the variance between FIG. 16 and FIG. Accordingly, wind turbine clutter can be determined by comparing the variance with the threshold value T2.
  • Doppler velocity, reception intensity, and radar reflection factor are used as types of observation data for discriminating wind turbine clutter, but this embodiment is limited to these. isn't it.
  • wind turbine clutter may be determined using other observation data that can determine the velocity component of clutter.

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Atmospheric Sciences (AREA)
  • Environmental Sciences (AREA)
  • Ecology (AREA)
  • Electromagnetism (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

実施形態のクラッター検出装置は、気象状況を観測した観測データを受け、前記観測データに基づいて快晴時の観測データである複数の快晴データを判別する第１判別部３２と、レーダ覆域のレンジビンごとに、前記複数の快晴データに基づいて、クラッターの統計値を算出し、前記統計値の分散に基づいて、風車によるエコーである風車クラッターを判別する第２判別部３３とを含む。

Description

クラッター検出装置、気象観測システム、クラッター検出方法、及びプログラム
　本発明の実施形態は、クラッター検出装置、気象観測システム、クラッター検出方法、及びプログラムに関する。
　近年、再生可能エネルギーへの需要増に伴い、風力発電機（風車ともいう）が各地に設置されている。気象レーダは観測範囲を広げるため、風車は発電量を増やすため、それぞれが見通し及び風通しのよい場所に設置されることが多い。すなわち、気象レーダと風車とは隣接した場所に設置されることがある。
　従来の気象レーダでは、地上建造物等により生成される非降水エコーを除去するために、ドップラー速度がゼロとなるエコーを除去する処理、いわゆるＭＴＩ（Moving Target Indicator）処理が利用されている。
　風車は回転による速度成分を持つため、従来のＭＴＩ処理では風車からのエコー（風車クラッターという）を除去できない。風車クラッターを除去する技術として、非特許文献１が提案されている。当該手法の適用には、風車クラッターの位置情報が必要である。
　従来、風車クラッターの位置情報を検出するためには、地図等を用いて手動で登録する必要がある。この作業は、労力が大きく、時間を要する。また、新たに風車が建設された場合、当該風車が地図に反映されておらず、風車クラッターの位置情報を登録できない。この場合、風車クラッターを判別することが難しくなり、気象状況をより正確に観測できない。
Kong, F., Y. Zhang, R. Palmer, "Wind Turbine Clutter Mitigation for Weather Radar by Adaptive Spectrum Processing," 2012 IEEE Radar Conference, Atlanta, GA, 2012.
　本発明が解決しようとする課題は、風車クラッターの位置を自動的に検出することが可能なクラッター検出装置、気象観測システム、クラッター検出方法、及びプログラムを提供することである。
　実施形態に係るクラッター検出装置は、気象状況を観測した観測データを受け、前記観測データに基づいて快晴時の観測データである複数の快晴データを判別する第１判別部と、レーダ覆域のレンジビンごとに、前記複数の快晴データに基づいて、クラッターの統計値を算出し、前記統計値の分散に基づいて、風車によるエコーである風車クラッターを判別する第２判別部とを具備する。
図１は、第１実施形態に係る気象観測システムのブロック図である。 図２は、図１に示したクラッター検出装置のブロック図である。 図３は、図１に示した気象解析装置及びクラッター検出装置のハードウェア構成例を示すブロック図である。 図４は、クラッター検出装置による風車クラッター検出動作の全体的な流れを説明するフローチャートである。 図５は、快晴データ判別部による快晴データ判別動作を説明するフローチャートである。 図６は、快晴データ判別動作におけるエコー数と発生頻度との関係の一例を示すグラフである。 図７は、快晴時観測データを説明する模式図である。 図８は、降水時観測データを説明する模式図である。 図９は、風車クラッター判別部による風車クラッター判別動作を説明するフローチャートである。 図１０は、レーダ覆域におけるセクタ及びレンジビンを説明する図である。 図１１は、速度成分を持つクラッターの統計値を説明するグラフである。 図１２は、速度成分を持たないクラッターの統計値を説明するグラフである。 図１３は、風車クラッターマップの一例を説明する図である。 図１４は、第２実施形態に係る速度成分を持つクラッターの統計値を説明するグラフである。 図１５は、第２実施形態に係る速度成分を持たないクラッターの統計値を説明するグラフである。 図１６は、第３実施形態に係る速度成分を持つクラッターの統計値を説明するグラフである。 図１７は、第３実施形態に係る速度成分を持たないクラッターの統計値を説明するグラフである。
　以下、実施形態について図面を参照して説明する。以下に示す幾つかの実施形態は、本発明の技術思想を具体化するための装置および方法を例示したものであって、構成部品の形状、構造、配置等によって、本発明の技術思想が特定されるものではない。各機能ブロックは、ハードウェア及びソフトウェアのいずれかまたは両者を組み合わせたものとして実現することができる。各機能ブロックが以下の例のように区別されていることは必須ではない。例えば、一部の機能が例示の機能ブロックとは別の機能ブロックによって実行されてもよい。さらに、例示の機能ブロックがさらに細かい機能サブブロックに分割されていてもよい。なお、以下の説明において、同一の機能及び構成を有する要素については同一符号を付し、重複する説明は省略する。
　［１］　第１実施形態
　［１－１］　気象観測システム１の構成
　図１は、第１実施形態に係る気象観測システム１のブロック図である。気象観測システム１は、気象レーダ１０、気象解析装置２０、及びクラッター検出装置３０を備える。
　気象レーダ１０は、地上に設置されたレーダ装置である。気象レーダ１０は、設置箇所を中心にした所定範囲（レーダ覆域）の気象状況（雨、雪、雨雲、雨域、風向、及び風速等）を観測し、この気象状況に関する気象観測データを生成する。気象レーダ１０は、電波を送信及び受信することで、降水粒子（precipitation particle）を観測する。また、気象レーダ１０は、所定時間毎に、降水粒子をスキャンする。
　気象レーダ１０は、アンテナ部１１と、レーダ信号処理部１２とを備える。アンテナ部１１は、電波を送信し、その反射波（エコー）を受信する。レーダ信号処理部１２は、アンテナ部１１により受信されたエコーに対して、変調、信号強度の増幅、及び周波数変換等の一般的な信号処理を行う。
　気象レーダ１０は、例えば、フェーズドアレイ気象レーダ（ＰＡＷＲ：phased array weather radar）で構成される。フェーズドアレイ気象レーダは、フェーズドアレイアンテナを構成するアレイ状のアンテナ素子に入力する信号の位相を制御することによって、指向角を電子的に変動させる。気象レーダ１０は、アンテナの指向角を変動させながら電波を送受信する。例えば、気象レーダ１０は、電気的な位相制御によって、エレベーション方向（垂直方向）における指向角を、一定の角度範囲（例えば９０度）内で変動させる。また、気象レーダ１０は、アジマス方向（水平方向）における指向角を、駆動機構によって機械的に変動させる。
　また、気象レーダ１０は、マルチパラメータ・フェーズドアレイ気象レーダ（Multi Parameter Phased Array Weather Radar, MP-PAWR）であってもよい。ＭＰ－ＰＡＷＲは、二重偏波フェーズドアレイ気象レーダ（Dual Polarization Phased Array Weather Radar, DP-PAWR）とも呼ばれる。ＭＰ－ＰＡＷＲは、水平偏波のパルス信号と垂直偏波のパルス信号とを、ファンビームにより同時に送信する方式である。ＭＰ－ＰＡＷＲを用いることで、雨雲の３次元構造をより精度よく観測することができ、また、降水強度をより精度よく推定することができる。なお、気象レーダ１０は、パラボラ型気象レーダでもよい。
　気象解析装置２０は、気象レーダ１０よって得られた気象観測データの解析を行う。気象解析装置２０は、通信インターフェース（通信Ｉ／Ｆ）２１、ＲＡＷデータ処理部２２、ＲＡＷデータ格納部２３、データ解析部２４、及び解析データ格納部２６を備える。
　通信インターフェース２１は、気象レーダ１０等と通信するためのインターフェースである。通信インターフェース２１は、気象レーダ１０から気象観測データを繰り返し受信する。通信インターフェース２１により受信された気象観測データは、ＲＡＷデータ処理部２２に送られる。
　ＲＡＷデータ処理部２２は、通信インターフェース２１から送られる気象観測データを用いて、３次元データを含むＲＡＷデータを生成する。３次元データは、複数の２次元極座標データを含む。極座標データは、仰角方向のデータを含む。ＲＡＷデータ処理部２２により生成されたＲＡＷデータは、ＲＡＷデータ格納部２３に格納される。
　データ解析部２４は、ＲＡＷデータ格納部２３から１周期分のＲＡＷデータを順次取得する。データ解析部２４は、ＲＡＷデータを用いて、メッシュ単位で気象状況を解析し、数値化する。データ解析部２４は、例えば、降水強度、降水粒子の種類（雨、雪、ひょうを含む）、雨雲の動き、風向、及び風速などを解析する。データ解析部２４により生成された解析データは、解析データ格納部２６に格納される。また、データ解析部２４により生成された解析データは、適宜外部に送信される。
　また、データ解析部２４は、風車クラッターマップを格納する風車クラッターマップ格納部２５を備える。クラッターとは、目標以外の物体によるエコーである。風車クラッターマップは、地上に設置された風車によるクラッター（風車クラッターという）の位置情報を含む。データ解析部２４は、風車によって反射されるクラッターを除去するようにして、気象状況を解析する。これにより、より精度よく気象状況を解析することができる。
　［１－１－１］　クラッター検出装置３０
　図２は、図１に示したクラッター検出装置３０のブロック図である。クラッター検出装置３０は、解析データ取得部３１、快晴データ判別部３２、及び風車クラッター判別部３３を備える。
　解析データ取得部３１は、気象解析装置２０から観測データを取得する。具体的には、解析データ取得部３１は、解析データ格納部２６に格納された所定期間分の観測データを順次取得する。
　快晴データ判別部３２は、解析データ取得部３１が取得した観測データに基づいて、快晴時の観測データを判別する。すなわち、快晴データ判別部３２は、解析データ取得部３１が取得した観測データから、快晴時の観測データを抽出する。
　風車クラッター判別部３３は、快晴データ判別部３２により判別された快晴時の観測データに基づいて、風車クラッターの位置を検出及び判別する。そして、風車クラッター判別部３３は、風車クラッターの位置を含む判別結果を生成する。
　［１－１－２］　ハードウェア構成
　図３は、図１に示した気象解析装置２０及びクラッター検出装置３０のハードウェア構成例を示すブロック図である。
　気象解析装置２０及びクラッター検出装置３０は、プロセッサ４０、ＲＯＭ（Read Only Memory）４１、ＲＡＭ（Random Access Memory）４２、入出力インターフェース（入出力Ｉ／Ｆ）４３、入力装置４４、表示装置４５、補助記憶装置４６、及び通信インターフェース（通信Ｉ／Ｆ）２１等を備える。プロセッサ４０、ＲＯＭ４１、ＲＡＭ４２、入出力インターフェース４３、及び通信インターフェース２１は、バス４７を介して接続される。
　プロセッサ４０は、気象解析装置２０及びクラッター検出装置３０の動作を統括的に制御するＣＰＵ（Central Processing Unit）である。プロセッサ４０は、ＲＯＭ４１、ＲＡＭ４２、及び補助記憶装置４６に格納されたプログラム及びデータを用いて、各種の演算処理を実行する。
　本実施形態の機能を実現する特定のプログラムは、ＲＯＭ４１及び／又は補助記憶装置４６に格納される。本実施形態の機能は、プロセッサ４０が、ＲＯＭ４１及び／又は補助記憶装置４６に格納された上記特定のプログラムを実行することより実現される。
　ＲＯＭ４１は、コンピュータを機能させるための基本プログラムや環境ファイルなどを格納する、読み取り専用の不揮発性記憶装置である。ＲＡＭ４２は、プロセッサ４０が実行するプログラム及びプログラムの実行に必要なデータを格納する揮発性記憶装置であり、高速な読み出しと書き込みが可能である。
　入出力インターフェース４３は、各種のハードウェアとバス４７との接続を仲介する装置である。入出力インターフェース４３には、入力装置４４、表示装置４５、及び補助記憶装置４６などのハードウェアが接続される。
　入力装置４４は、ユーザからの入力を処理する装置であり、例えばキーボード及びマウスなどである。表示装置４５は、ユーザに対して演算結果及び画像などを表示する装置であり、例えば液晶表示装置、又は有機ＥＬ表示装置などである。補助記憶装置４６は、プログラムやデータを格納する大容量の不揮発性記憶装置であり、例えばＨＤＤ（Hard Disk Drive）、又はＳＳＤ（Solid State Drive）などである。
　通信インターフェース２１は、有線及び無線により外部装置との間でデータの送受信を行う。
　［１－２］　動作
　次に、上記のように構成された気象観測システム１の動作について説明する。
　データ解析部２４は、周期毎に連続して気象状況を解析する。１周期とは、気象レーダ１０を中心としたレーダ覆域を１周（方位角３６０度）観測する期間である。１周期の観測データは、３次元データである。解析データ格納部２６は、データ解析部２４による解析結果としての解析データを、月単位、又は年単位などの長期間にわたって格納する。
　クラッター検出装置３０は、解析データ格納部２６に格納された解析データを用いて、風車クラッター検出動作を行う。
　図４は、クラッター検出装置３０による風車クラッター検出動作の全体的な流れを説明するフローチャートである。
　解析データ取得部３１は、解析データ格納部２６に格納された所定期間分の解析データ（観測データともいう）を順次取得する（ステップＳ１００）。ステップＳ１００の所定期間は、週単位、月単位、又は年単位であり、例えば、１週間、１ヶ月、６ヶ月、又は１年などである。当該所定期間は、適宜設定可能である。
　続いて、快晴データ判別部３２は、解析データ取得部３１が取得した観測データに基づいて、快晴時の観測データ（快晴データともいう）を判別する（ステップＳ１０１）。快晴データ判別部３２により判別された快晴データは、風車クラッター判別部３３に順次送られる。
　続いて、風車クラッター判別部３３は、複数の快晴データに基づいて、風車クラッターの位置を判別する（ステップＳ１０２）。風車クラッターの位置は、風車の位置と同意である。
　続いて、風車クラッター判別部３３は、風車クラッターの位置情報を含む風車クラッター判別結果を、データ解析部２４に送信する（ステップＳ１０３）。データ解析部２４は、受信した風車クラッター判別結果を用いて、風車クラッター位置を風車クラッターマップに登録する。
　［１－２－１］　快晴データ判別動作
　降雨時に観測される降水エコーは、ドップラー速度が時変動する。この特徴は、風車クラッターの特徴に類似している。降雨時の観測データを用いて、風車クラッター検出を行うと、降水エコーが観測された地点を風車クラッターと誤判定する可能性がある。本実施形態では、風車クラッター検出に用いる観測データは、快晴時（降水エコー無し）の観測データとする。快晴データ判別部３２は、解析データ格納部２６から取得された観測データのうち快晴時と判別された観測データを、後段の風車クラッター判別部３３に渡す役割を担う。
　図５は、快晴データ判別部３２による快晴データ判別動作を説明するフローチャートである。図５の処理は、図４のステップＳ１０１の処理に対応する。
　解析データ取得部３１により取得された観測データは、複数のエコーごとの受信電力データを含む。
　快晴データ判別部３２は、例えばレーダ覆域に対応する１周期分の複数のエコー情報を、解析データ取得部３１から受ける（ステップＳ２００）。エコー情報は、エコーの受信電力データを含む。
　続いて、快晴データ判別部３２は、１周期分のエコー情報に基づいて、閾値Ｔ１以上の受信電力を有するエコー数を計測する（ステップＳ２０１）。閾値Ｔ１は、風車クラッターの受信電力の統計値に基づいて設定され、風車クラッターの受信電力より低く設定される。また、閾値Ｔ１は、雨雲によるエコーの受信電力より低く設定される。すなわち、閾値Ｔ１以上の受信電力を有するエコーは、風車クラッターによるエコー、及び雨雲によるエコーを含む。
　続いて、快晴データ判別部３２は、エコー数が閾値Ｅ１以上かつ閾値Ｅ２以下である観測データを快晴時観測データ（快晴データという）と判別する（ステップＳ２０２）。
　図６は、快晴データ判別動作におけるエコー数と発生頻度との関係の一例を示すグラフである。図６の曲線は、複数のヒストグラムの頂点を結んで得られる。簡略化のため、複数のヒストグラムについては図示を省略する。度数分布に関する他の図についても同様である。
　快晴データ判別部３２は、エコー数が閾値Ｅ１未満の観測データを、異常データと判定する。閾値Ｅ１は、エコーが極端に少なく、気象解析に用いられないデータを判別可能な値に設定される。
　図７は、快晴時観測データを説明する模式図である。図７の外周は、気象レーダ１０のレーダ覆域を示している。快晴時は、雨雲等によるエコーがないため、エコーが相対的に少ない。快晴時は、閾値Ｔ１以上の受信電力を有するクラッターが観測される。図７の場合、快晴、すなわち雨が降っていないと判定される。快晴データ判別部３２は、エコー数が閾値Ｅ１以上かつ閾値Ｅ２以下である観測データを、快晴データと判定する。
　図８は、降水時観測データを説明する模式図である。図８に示したドットハッチングの領域は、雨雲を表している。降水時は、雨雲等によるエコーが相対的に多い。図８の場合、雨が降っていると判定される。
　快晴データ判別部３２は、エコー数が閾値Ｅ２より多い観測データを、降水時観測データ（降雨データともいう）と判定する。閾値Ｅ２は、雨雲があることを判別可能な値に設定される。
　続いて、快晴データ判別部３２は、ステップＳ２０１で判定された快晴データを出力する（ステップＳ２０３）。その後、快晴データ判別部３２は、複数周期に亘って上記動作を繰り返す。
　なお、快晴データ判別部３２の処理単位は、レーダ覆域に対応する１周期に限らず、１周期を分割した一部の期間であってもよい。
　［１－２－２］　風車クラッター判別動作
　図９は、風車クラッター判別部３３による風車クラッター判別動作を説明するフローチャートである。図９の処理は、図４のステップＳ１０２の処理に対応する。
　風車クラッター判別部３３は、快晴データ判別部３２から複数の快晴データを受ける（ステップＳ３００）。風車クラッター判別部３３は、観測対象のレンジビンごとに、所定期間にわたって複数の時刻の快晴データを収集する。
　図１０は、レーダ覆域におけるセクタ及びレンジビンを説明する図である。図１０は、レーダ覆域を示しており、Ｎが北、Ｅが東である。気象解析装置２０は、気象レーダ１０を中心にした３６０度のレーダ覆域における受信信号を処理する。セクタとは、方位角方向の処理単位であり、レーダ覆域を方位角方向に複数に分割した処理単位である。レンジビンとは、受信信号をレンジ方向（距離方向）に所定の時間（すなわち、所定の距離）ごとにサンプリングしたデータの単位であり、レーダ覆域を距離方向に受信信号のサンプリング周期に相当する間隔で区切ったときの単位セルである。セクタ及びレンジビンのサイズは、任意に設定可能である。
　続いて、風車クラッター判別部３３は、レンジビンごとに、複数の周期に対応する複数の快晴データ（クラッターの情報を含む）を用いて、ドップラー速度に関するクラッターの統計値を算出する（ステップＳ３０１）。ドップラー速度は、観測対象物の移動速度を表すパラメータであり、気象レーダ１０が受信した信号の位相に基づいて算出される。風車クラッター判別部３３が受ける観測データには、エコーのドップラー速度情報が含まれる。風車クラッター判別部３３が受ける観測データにドップラー速度情報が含まれていない場合は、風車クラッター判別部３３は、エコーのドップラー速度を算出する。
　続いて、風車クラッター判別部３３は、ステップＳ３０１で算出した統計値の分散を算出する（ステップＳ３０２）。分散とは、標準偏差の平方であり、ある１つの群の数値データにおいて、平均値と個々のデータとの差の２乗の平均である。処理を簡略化するために、分散は、対象データのうち一部をサンプリングして算出してもよい。
　続いて、風車クラッター判別部３３は、ステップＳ３０２で算出した分散が閾値Ｔ２以上であるか否かを判定する（ステップＳ３０３）。
　続いて、風車クラッター判別部３３は、分散が閾値Ｔ２以上であるレンジビンを、風車クラッターの位置（風車クラッター位置という）と判定する（ステップＳ３０４）。また、風車クラッター判別部３３は、分散が閾値Ｔ２より小さいレンジビンを、風車以外のクラッターの位置と判定する。ここでいう位置とは、エコーの発生位置である。
　図１１は、速度成分を持つクラッターの統計値を説明するグラフである。図１１の横軸がクラッターのドップラー速度、縦軸が発生頻度である。速度成分とは、目標の移動速度である。
　図１１は、風車クラッターの統計値に対応する。風車クラッターは、風車の回転に起因するドップラー速度を有する。風車クラッターは、ドップラー速度の分散が相対的に大きい。
　図１２は、速度成分を持たないクラッターの統計値を説明するグラフである。図１２は、建造物などで反射されたクラッターの統計値に対応する。速度成分を持たないクラッターは、ドップラー速度が０（ｍ／ｓ）付近に発生頻度のピークを有し、ドップラー速度の分散が相対的に小さい。
　本実施形態では、図１１と図１２との分散を判別できる閾値Ｔ２を設定する。これにより、分散と閾値Ｔ２とを比較することで、風車クラッターを判別できる。
　続いて、風車クラッター判別部３３は、風車クラッター判別結果を生成する（ステップＳ３０５）。風車クラッター判別結果は、風車クラッター位置情報と、風車以外のクラッターの位置情報とを含む。
　その後、風車クラッター判別部３３は、風車クラッター判別結果を気象解析装置２０に送信する。
　気象解析装置２０のデータ解析部２４は、風車クラッター判別部３３から送信された風車クラッター判別結果に基づいて、風車クラッターマップ格納部２５に格納された風車クラッターマップを更新する。
　図１３は、風車クラッターマップの一例を説明する図である。図１３の外周は、気象レーダ１０のレーダ覆域を示している。風車クラッターマップには、風車クラッター位置（図の風車クラッター）と、風車以外の建造物などの位置（図の風車以外のクラッター）とが登録される。
　データ解析部２４は、風車クラッターマップを用いて、風車クラッターを除去する。そして、データ解析部２４は、風車クラッターが除去された観測データを用いて、気象状況を解析する。これにより、より精度よく気象状況を解析することができる。
　［１－３］　第１実施形態の効果
　第１実施形態では、快晴データ判別部３２は、気象状況に関する複数の観測データから、快晴時の観測データを判別する。風車クラッター判別部３３は、快晴時の観測データを用いて、ドップラー速度に関するクラッターの統計値を算出する。風車クラッター判別部３３は、統計値の分散に基づいて、風車によるエコーである風車クラッターを判別するようにしている。
　従って第１実施形態によれば、レーダ覆域内の風車クラッター位置を自動的に検出できる。これにより、風車クラッター位置を特定するための作業及び労力を削減できる。
　また、常時観測している気象レーダ１０の観測データを用いて、風車クラッター位置を検出できる。これにより、地図が更新されるのを待たずに、新設の風車の位置を特定することができる。また、地図を用いずに、新設の風車の位置を風車クラッターマップに登録することができる。
　また、気象状況を解析する際に、より正確な風車クラッター位置情報を用いて風車クラッターを除去することができる。これにより、気象状況をより正確に解析することができる。
　［２］　第２実施形態
　第２実施形態は、風車クラッター判別動作の変形例である。第２実施形態は、クラッターの受信電力を用いて、分散を算出するようにしている。
　風車クラッター判別部３３は、レンジビンごとに、複数の周期に対応する複数の快晴データを用いて、受信電力に関するクラッターの統計値を算出する。風車クラッター判別部３３が受ける観測データには、エコーの受信電力情報が含まれる。
　続いて、風車クラッター判別部３３は、分散が閾値Ｔ２以上であるレンジビンを、風車クラッター位置と判定する。
　図１４は、速度成分を持つクラッターの統計値を説明するグラフである。図１４の横軸がクラッターの受信電力、縦軸が発生頻度である。
　図１４は、風車クラッターの統計値に対応する。風車クラッターは、風車の回転に起因して受信電力が変動する。すなわち、風車クラッターは、受信電力の分散が相対的に大きい。
　図１５は、速度成分を持たないクラッターの統計値を説明するグラフである。図１５は、建造物などで反射されたクラッターの統計値に対応する。速度成分を持たないクラッターは、受信電力の分散が相対的に小さい。
　本実施形態では、図１４と図１５との分散を判別できる閾値Ｔ２を設定する。これにより、分散と閾値Ｔ２とを比較することで、風車クラッターを判別できる。
　その他の動作は、第１実施形態と同じである。第２実施形態においても、第１実施形態と同じ効果を得ることができる。
　なお、第２実施形態は、第１実施形態と併用してもよい。
　［３］　第３実施形態
　第３実施形態は、風車クラッター判別動作の他の変形例である。第３実施形態は、クラッターのレーダ反射因子を用いて、分散を算出するようにしている。
　風車クラッター判別部３３は、レンジビンごとに、複数の周期に対応する複数の快晴データを用いて、レーダ反射因子に関するクラッターの統計値を算出する。風車クラッター判別部３３が受ける観測データには、エコーのレーダ反射因子情報が含まれる。観測データにレーダ反射因子情報が含まれていない場合、風車クラッター判別部３３は、エコーのレーダ反射因子を算出する。
　レーダ反射因子は、電波を反射する粒子の粒径に応じて変動するパラメータである。降雨強度Ｒ（ｍｍ／ｈ）とすると、レーダ反射因子Ｚ（ｍｍ６／ｍ３）は、以下に式で表される。　
　Ｚ＝ａ×Ｒｂ
　ａ、ｂは定数である。
　続いて、風車クラッター判別部３３は、分散が閾値Ｔ２以上であるレンジビンを、風車クラッター位置と判定する。
　図１６は、速度成分を持つクラッターの統計値を説明するグラフである。図１６の横軸がクラッターのレーダ反射因子、縦軸が発生頻度である。
　図１６は、風車クラッターの統計値に対応する。風車クラッターは、風車の回転に起因してレーダ反射因子が変動する。すなわち、風車クラッターは、レーダ反射因子の分散が相対的に大きい。
　図１７は、速度成分を持たないクラッターの統計値を説明するグラフである。図１７は、建造物などで反射されたクラッターの統計値に対応する。速度成分を持たないクラッターは、レーダ反射因子の分散が相対的に小さい。
　本実施形態では、図１６と図１７との分散を判別できる閾値Ｔ２を設定する。これにより、分散と閾値Ｔ２とを比較することで、風車クラッターを判別できる。
　その他の動作は、第１実施形態と同じである。第３実施形態においても、第１実施形態と同じ効果を得ることができる。
　なお、第３実施形態は、第１実施形態と併用してもよい。
　上記第１乃至第３実施形態では、風車クラッターを判別するための観測データの種類として、ドップラー速度、受信強度、及びレーダ反射因子を用いているが、本実施形態は、これらに限定されるものではない。本実施形態は、クラッターの速度成分を判定可能な他の観測データを用いて、風車クラッターを判別するようにしてもよい。
　本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。
 

Claims (10)

  1. 　気象状況を観測した観測データを受け、前記観測データに基づいて快晴時の観測データである複数の快晴データを判別する第１判別部と、
    　レーダ覆域のレンジビンごとに、前記複数の快晴データに基づいて、クラッターの統計値を算出し、前記統計値の分散に基づいて、風車によるエコーである風車クラッターを判別する第２判別部と、
    　を具備するクラッター検出装置。
  2. 　前記統計値は、ドップラー速度に関するクラッターの統計値、受信強度に関するクラッターの統計値、又はレーダ反射因子に関するクラッターの統計値である
    　請求項１に記載のクラッター検出装置。
  3. 　前記第１判別部は、気象レーダの１周期ごとに、受信電力が第１閾値以上であるエコー数を計測し、
    　前記計測したエコー数が第２閾値以上かつ第３閾値以下である観測データを前記快晴データと判定する
    　請求項１に記載のクラッター検出装置。
  4. 　前記第２判別部は、前記分散が第４閾値以上である場合に、対応するレンジビンを風車クラッター位置と判定する
    　請求項１に記載のクラッター検出装置。
  5. 　前記第２判別部は、風車クラッター位置情報を含む風車クラッター判別結果を生成する
    　請求項４に記載のクラッター検出装置。
  6. 　請求項５に記載のクラッター検出装置と、
    　風車クラッター位置が登録された風車クラッターマップを用いて、風車クラッターを除去するようにして気象状況を解析する解析部と、
    　を具備する気象観測システム。
  7. 　前記解析部は、前記風車クラッター判別結果を用いて、前記風車クラッターマップを更新する
    　請求項６に記載の気象観測システム。
  8. 　前記風車クラッターマップを格納する格納部をさらに具備し、
    　前記解析部は、前記格納部に格納された前記風車クラッターマップを更新する
    　請求項７に記載の気象観測システム。
  9. 　気象状況を観測した観測データを受け、前記観測データに基づいて快晴時の観測データである複数の快晴データを判別し、
    　レーダ覆域のレンジビンごとに、前記複数の快晴データに基づいて、クラッターの統計値を算出し、
    　前記統計値の分散に基づいて、風車によるエコーである風車クラッターを判別する
    　クラッター検出方法。
  10. 　コンピュータに、
    　気象状況を観測した観測データを受け、前記観測データに基づいて快晴時の観測データである複数の快晴データを判別する処理と、
    　レーダ覆域のレンジビンごとに、前記複数の快晴データに基づいて、クラッターの統計値を算出する処理と、
    　前記統計値の分散に基づいて、風車によるエコーである風車クラッターを判別する処理と、
    　を実行させるプログラム。
     
PCT/JP2022/027376 2021-10-14 2022-07-12 クラッター検出装置、気象観測システム、クラッター検出方法、及びプログラム WO2023062899A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202280059484.XA CN117940803A (zh) 2021-10-14 2022-07-12 杂波检测装置、气象观测系统、杂波检测方法以及程序
CA3229022A CA3229022A1 (en) 2021-10-14 2022-07-12 Clutter detection apparatus, weather observation system, clutter detection method, and program

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2021168886A JP2023059019A (ja) 2021-10-14 2021-10-14 クラッター検出装置、気象観測システム、クラッター検出方法、及びプログラム
JP2021-168886 2021-10-14

Publications (1)

Publication Number Publication Date
WO2023062899A1 true WO2023062899A1 (ja) 2023-04-20

Family

ID=85988237

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/027376 WO2023062899A1 (ja) 2021-10-14 2022-07-12 クラッター検出装置、気象観測システム、クラッター検出方法、及びプログラム

Country Status (4)

Country Link
JP (1) JP2023059019A (ja)
CN (1) CN117940803A (ja)
CA (1) CA3229022A1 (ja)
WO (1) WO2023062899A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102721954A (zh) * 2012-07-05 2012-10-10 中国民航大学 基于动态杂波图的风电场杂波识别与抑制方法
JP2013545084A (ja) * 2010-10-12 2013-12-19 ティーエムディー・テクノロジーズ・リミテッド レーダシステム
US20160069993A1 (en) * 2013-04-24 2016-03-10 Bae Systems Plc Wind turbine mitigation in radar systems

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013545084A (ja) * 2010-10-12 2013-12-19 ティーエムディー・テクノロジーズ・リミテッド レーダシステム
CN102721954A (zh) * 2012-07-05 2012-10-10 中国民航大学 基于动态杂波图的风电场杂波识别与抑制方法
US20160069993A1 (en) * 2013-04-24 2016-03-10 Bae Systems Plc Wind turbine mitigation in radar systems

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
FANXING KONG ; YAN ZHANG ; R. PALMER: "Wind Turbine Clutter mitigation for weather radar by Adaptive Spectrum Processing", RADAR CONFERENCE (RADAR), 2012 IEEE, IEEE, 7 May 2012 (2012-05-07), pages 471 - 474, XP032449504, ISBN: 978-1-4673-0656-0, DOI: 10.1109/RADAR.2012.6212187 *
HOOD KENTA, TORRES SEBASTIÁN, PALMER ROBERT: "Automatic Detection of Wind Turbine Clutter for Weather Radars", JOURNAL OF ATMOSPHERIC AND OCEANIC TECHNOLOGY, AMERICAN METEOROLOGICAL SOCIETY, BOSTON, MA, US, vol. 27, no. 11, 1 November 2010 (2010-11-01), US , pages 1868 - 1880, XP093057911, ISSN: 0739-0572, DOI: 10.1175/2010JTECHA1437.1 *
KONG, F.Y. ZHANGR. PALMER: "Wind Turbine Clutter Mitigation for Weather Radar by Adaptive Spectrum Processing", 2012 IEEE RADAR CONFERENCE, 2012
SQIONGQIONG JIA ; SRENBIAO WU ; SXIAOLIANG WANG: "Recognition and supression of wind farm clutter via dynamic clutter map", SIGNAL PROCESSING (ICSP), 2012 IEEE 11TH INTERNATIONAL CONFERENCE ON, IEEE, 21 October 2012 (2012-10-21), pages 1949 - 1952, XP032353618, ISBN: 978-1-4673-2196-9, DOI: 10.1109/ICoSP.2012.6491961 *

Also Published As

Publication number Publication date
CA3229022A1 (en) 2023-04-20
CN117940803A (zh) 2024-04-26
JP2023059019A (ja) 2023-04-26

Similar Documents

Publication Publication Date Title
Heinselman et al. High-temporal-resolution capabilities of the national weather radar testbed phased-array radar
US9097805B2 (en) Systems and methods for calibrating dual polarization radar systems
US20170082732A1 (en) Radar system and method
WO2018019278A1 (zh) 基于小型雷达的输电线路雷电监测预警方法及存储介质
US20160025841A9 (en) Systems and methods for calibrating dual polarization radar systems
US20140028496A1 (en) Apparatus and method for using radar to evaluate wind flow fields for wind energy applications
JP6941187B2 (ja) 降水粒子判別装置、降水粒子判別方法、及び降水粒子判別プログラム
CN101957449B (zh) 一种星载topsar模式下方位向模糊度的优化方法
JP6466480B2 (ja) 探知装置、および、探知方法
McRoberts et al. Detecting beam blockage in radar-based precipitation estimates
WO2018168165A1 (ja) 気象予測装置、気象予測方法、およびプログラム
CN114397636B (zh) 一种地基雷达反射率因子均一性评估方法、系统及设备
CN110726980A (zh) 一种机载相控阵天气雷达对地表杂波的分析方法
EP2607923B1 (en) A method and arrangment for calculating speed distributions with multi-PRI and SMPRF radars
JP2023047319A (ja) 気象レーダーのためのノイズ除去装置および方法
Lim et al. Real-time implementation of a network-based attenuation correction in the CASA IP1 testbed
WO2023062899A1 (ja) クラッター検出装置、気象観測システム、クラッター検出方法、及びプログラム
Yoshikawa et al. Dual-directional radar observation for preliminary assessment of the Ku-band broadband radar network
CN105527624B (zh) 一种雷达回波动态估算噪声的方法和气象雷达系统
Hengstebeck et al. The mesocyclone detection algorithm of DWD
Hagen et al. Cloud and Precipitation Radar
Torres et al. 14B. 2 UPDATE ON SIGNAL PROCESSING UPGRADES FOR THE NATIONAL WEATHER RADAR TESTBED PHASED-ARRAY RADAR
JP2023044787A (ja) 気象レーダ装置およびコンピュータプログラム
CN116821623A (zh) 一种短时强降水识别方法、装置及设备
Dixon et al. Short-term forecasting of airport surface visibility using radar and ASOS

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22880604

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 3229022

Country of ref document: CA

WWE Wipo information: entry into national phase

Ref document number: 202280059484.X

Country of ref document: CN

WWE Wipo information: entry into national phase

Ref document number: 2022880604

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2022880604

Country of ref document: EP

Effective date: 20240514