2018年10月17日-19日，2018北京国际风能大会暨展览会（CWP 2018）在北京新国展隆重召开。本次大会由中国可再生能源学会风能专业委员会、中国循环经济协会可再生能源专业委员会、全球风能理事会、中国农业机械工业协会风力机械分会、国家可再生能源中心和中国电子信息产业发展研究院（赛迪集团）六大权威机构联合主办。
新疆金风科技股份有限公司首席GIS专家王乾坤在“复杂地形下的微观选址技术论坛”中发表主旨演讲。演讲主题为《GIS技术在风电领域的实践和应用》。
他在演讲中表示，GIS 风资源技术针对以下风电行业痛点：很多的风资源工程师拿到的地表数据是几年前甚至十几年前的土地利用数据，我国这些年的发展,地表信息特别是人工表面已经发生了翻天覆地的变化，特别是村庄的扩展、拆迁和合并，这种数据已经不能够真实反映地表信息。另外地形精度较差也是一个普遍存在的问题，直接制约着最终的风资源评估和风电场规划设计的精度,无人机高精数据越来越受到行业的推崇,但是无人机数据采集的成本却居高不下,无法实现大面积的推广应用,同时对高精度数据的处理、分析、呈现手段也严重滞后,数据信息不能得到有效的挖掘和评估。
以下为发言实录：
王乾坤：各位专家大家好，我是来自金风科技风电设计研究院的王乾坤，今天我演讲的题目是GIS技术在风电领域的实践和应用，前面几位风电行业专家的演讲非常精彩，让我对微观选址关于发电量提升、风机选址的相关技术有了更深的理解，受益匪浅，那么下面我就如何在风电场规划、设计、评估过程中如何GIS技术获取更高精度地理数据并进行分析、应用的一些心得和大家做一个分享。我的本次报告分为以下四个方面，首先是gis技术的行业应用概况，基于目前风电领域的一些痛点，我们做的一些风资源GIS创新技术和研究积累介绍，第三GIS技术的应用案例分享，最后是我对gis技术在未来风电行业应用的一些理解。
说到GIS，可能有些在座的嘉宾还比较陌生，什么是GIS？我们中文讲叫地理信息系统，在我们生活中感知最多的会把它定位为一个计算机系统技术,像高德、百度以及一些打车软件等都运用了地理信息系统技术，与传统的计算机系统不同是它包含了对空间位置信息的描述和分析,帮助我们快速了解在什么地方?有什么？它的过去、现在和将来会是一个怎样的变化状态，同时与一些计算机系统相比，它还是一个独立的学科，从这张图我们可以看到它与多个学科方向有紧密联系，包括数学、测绘、遥感、气象等,同时汲取了多个研究领域的方法论思想,GIS这种易开发实践，并具对其他学科具有广泛包容性的特质使它在现实生活中的应用领域非常广泛,可以迅速在一个新的领域找到应用场景。
目前的应用领域主要包括水利水电，水利设施的规划、选址，水利设施的管理监控，在农业上实施农业估产，农业种植布局规划;林业上实现了基于gis技术的病虫害监控,森林蓄积量评估等等，那么它在风电行业会有哪些应用点呢？
我们首先从风电行业的一些痛点开始分析，有以下几个方面，宏观选址，测风和微观选址工程设计，存在的问题包括限制因素不全面，很多的风资源工程师拿到的地表数据是几年前甚至十几年前的土地利用数据，我国这些年的发展,地表信息特别是人工表面已经发生了翻天覆地的变化，特别是村庄的扩展、拆迁和合并，这种数据已经不能够真实反映地表信息。另外地形精度较差也是一个普遍存在的问题，直接制约着最终的风资源评估和风电场规划设计的精度,无人机高精数据越来越受到行业的推崇,但是无人机数据采集的成本却居高不下,无法实现大面积的推广应用,同时对高精度数据的处理、分析、呈现手段也严重滞后,数据信息不能得到有效的挖掘和评估,针对这些问题我们对风资源GIS技术做了大量的研究和技术积累。
我们主要积累了四大核心的GIS技术，航空摄影测量技术、卫星遥感技术，地形数据智能分析技术和地形三维显示技术，基于这些技术我们实现了无人机的快速三维建模、卫星遥感数据的识别、对三维空间数据的智能分析和位置匹配，实现了三维大数据的可视化展示。
首先说一下航空摄影测量无人机数据建模技术,在测绘行业从事过工作的人应该比较了解，目前实现无人机三维建模技术商业化应用的基本都来自国外，但目前我们已经实现了从无人机航拍数据到无人机三维地形的建立的整自动化流程，并基于我们风电行业的应用场景实现了对相关风资源数据格式的支持，同时我们也实现了对多应用场景的支持,如倾斜三维建模和正射无人机建模，同时支持快速建模以及精细化建模，在保证精度的同时满足我们一些业务对时间上的要求。
首先说一下我们无人机自动化建模技术，整个建模过程操作流程非常简单，只需要三步，第一上传无人机映像数据，第二上传无人机pos数据，第三设置输出数据坐标系统，只需要点击开始即可实现一键完成数据建模.一次数据处理大概可以节省单个风电场建模成本大概在一万到两万左右。
其次自动化的数据在线检校计算，我们实现了对建模之前无人机数据的质量检查,剔除弱关联无人机数据，同时我们也实现了对无人机模型成果的精度评估，保证我们所有的建模成果对我们风电的设计规划是可用的，并满足相关的建模标准。
我们创新了无人机刺点功能，可能在座的不是很了解，这个功能是无人机建模过程中最为繁琐的一个过程,如何实现对于单个风电场上万张照片快速找到控制点所在影像直接影响着整个建模流程，我们基于共线方程的相关原理,建立了地表物空间坐标、控制像空间坐标及辅助坐标系统的统一方程,实现了控制点和无人机影像的对应,整个刺点效率提升到90%左右。
另外一个是自动化匀光匀色技术，我们知道无人机在进行航拍的时,航拍结果时刻受着天气因素我影响,如何真实再现地貌特征是无人机建模领域的一个核心技术难点,我们基于局域网平算法的原理构建了自动化匀光匀色技术，可以看一下右边是经过匀光匀色处理之后的无人机建模结果,处理完成之后各个局部亮度都比原始的影像有所提高。
另外对于高精度地形模型的建立，我们采用了国际先进的立体密集匹配算法，从图中的建模结果,我们可以看到道路、房屋等信息高程变化对比明显,纹理清晰,真正实现了对每个像元点高程的记录。
另外本无人机建模系统也支持像素极速处理技术,整个系统采用原生64位程序，运行效率更高，通过创新算法我们实现了处理过程支持多核处理器和GPU联合加速能力，同时支持GPU和CPU双模自动切换.通过创新数据结构，本系统可支持万张以上无人机影像同时处理。并且产生了DOM、DEM等相关数字化成果。
近年来我们一直在提大数据、人工智能，很多互联网公司，例如阿里、腾讯进行了大量的数据收集和分析研究，最终通过用户画像实现对用户习惯和用户需求的精确评估。那么我们在进行风资源评估过程也一样可以通过多数据源的叠加,从低精度到高精度，从高空间分辨率到高光谱分辨率等多源数据的融合，实现对风电场地理环境的画像，为了快速建立数据获取及分析能力,我们自主研发在线下载、处理、分析和入库等数据整合能力，并且完成了六大类数据的收集，我们不但是数据的搬运者，还是数据从生产者，基于已有数据源我们进行了一系列的空间数据挖掘和数据产品化工作。
首先基于全球夜间灯光数据集，我们通过亮度值的时空分析，评估了不同地区的用电量发展变化规律,其中表中所示为北京周边的几个地点从1996年到2017年整年夜间灯光亮度值变化情况,整个变化真实的反映了当地的电量消纳情况。
同时基于夜间灯光数据，我们整合了地表土地利用数据、全国GDP数据，实现了GDP在全国像素级别的评估，实现了多源数据在风电场开发过程中对风电场的投资决策提供数据支撑。
除了多元大数据的应用,下面说一下GIS技术与人工智能技术的结合，那么如何快速的获取地表限制性因素，对我们进行风险排查，进行风机的排布具有很重要的作用，传统GIS技术已经具备很多成熟的地表信息提取理论，包括监督分类、非监督分类，但基本都是基于光谱信息，提取精度低,并且不适合大区域范围数据的识别,我们基于多特征的学习的方式,实现对纹理、形状、波谱特征的多任务训练方式，最终实现对地物目标的快速识别，识别率在85%以上。
与地表限制性因素具有同等重要地位的另一种数据源就是地形,对地形特征的评价和分级不同的应用场景也业务模式要求不同,为了使地形分析更加贴合风电行业我们基于金风科技的一万余台运行风机,提取了其所在空间的地形特征并进行了定量化描述,该数据的获取为我们以后的风资源微观选址及风电场后评估提供一个地理空间大数据的支撑。
最后一个是困扰我们风资源很多年的一个地形数据处理问题，多源地形数据拼接,我们基于图像特征模式识别的相关算法,实现了不同地形数据同源地点的位置匹配,匹配精度达到了单个像元精度。
俗话说人靠衣装马靠鞍,好的数据更需要好的呈现平台,基于gis开源技术我们自主研发了一套三维呈现平台，该平台与商业化gis平台相比更加轻量化，并支持跨平台。
整个平台在前端构架上结合cesium和threejs的相关技术实现了对三维地形和工程设计模型的展示和编辑,基于webgl实现了对的cfd风能切片的渲染,定制化的实现了gis对风电场景的应用。
后台我们实现了三维模型的自动化构网和简化分级，实现了对obj模型的简化编辑,实现了地表dom数据的分层动态切片,满足百平方公里级风电场地形数据的快速分发。
下面说一下gis技术案例分享，主要是对风资源两个数字化平台的支撑，新版移动端freemeso智能选址平台和goldfarm一体化设计平台,如果大家感兴趣可以到金风的展台详细了解，到时候我也可以为大家做一个详细的解说.其次是gis技术在定制化风资源评估中的应用，主要基于地理信息空间分析的相关技术实现了对风电场限制区的快速分析和可开发区域的识别,截至目前2018年我们已累计共完成了40余项。最后一个应用是风电场工程规划设计，通过地形分析技术及对地表限制因素对快速识别,实现风电场工程设计。
下面是我对gis在风电行业未来应用的一些思考，包括数据获取、大数据分析处理、数据成本等方面,未来我们将更加专注于多源数据多融合,建立适合于风电应用的数据模型,实现gis技术和gis数据的落地和应用。
最后感谢大家的聆听.。
