面对化石燃料不断消耗带来的挑战以及全球变暖问题日益严峻的威胁,新能源的发展势不可挡,其中,全球的风电行业保持快速而强劲的增长。尽管截至目前,我国的风电累计装机全球首屈一指,但风电利用率却低于其他国家。造成这一问题的主要原因是,风的波动性和不确定性导致风力发电机组的控制变得复杂,从而给风电并网带来一定困难。为了将风能物尽其用,最经济可行的方法是对三维空间中的自然风进行准确测量,由此得到全面的预览信息,进而对风机角度进行调整,给风机的调控带来一定的指导作用。为了获得全面精确的风预览信息,常见的方法是采用气象预测方法和基于雷达的测风方法。然而,气象法获得的信息实时性较差,且局部精确性较低;激光雷达则太昂贵,无法安装在每个风力设备中,其精度和分辨率也容易受到探测距离的影响。在针对风速风向测量方面,还存在着多种测量工具,常见的包括机械式风速计,热风速仪,超声波风速计等。其中,相比较而言,超声波传感器没有旋转的机械部件,因此维护成本较低,此外还具有使用寿命长、可靠性和准确性高、不易受外界环境干扰等优点,在实际中有着最为广泛的应用。目前,基于超声波传感器的测量方法包括涡流法、渡越时间法和阵列信号处理方法。其中,阵列信号处理方法可以增强有效信号、抑制噪声信号,具有较高的准确度,且受外界干扰较小。然而,基于该方法的测量实验较少,且仅仅针对水平风向和风速的测量,忽视了垂直风向。本课题将三维空间中的自然风视为一个矢量,其方向和大小分别对应于风向和风速,其中,风向的水平分量对应于方位角,垂直分量对应于俯仰角。本课题采用半圆锥体超声波传感器阵列,结合多重信号分类(Multiple Signal Classification,MUSIC)算法,提出一种在无人工干扰的情况下,对以上速度、方位角和俯仰角三个分量实现精准测量的方法。此外,由于MUSIC算法在三维空间进行谱峰搜索时计算量大,导致算法实现所需时间较长,因此我们利用粒子群优化(Particle Swarm Optimization,PSO)算法进行谱峰搜索,以此提高该三维测风方法的实时性。我们基于风速范围0～60 m/s,方位角和俯仰角的测量范围分别为(0,360°)和(0,90°)进行了仿真实验,结果表明,风速的分辨率达到了 0.1m/s,风向的分辨率达到1°。接下来,我们分别测试了在不同信噪比条件下测量结果的A型标准不确定度和均方根误差及平均绝对误差,验证该三维测风方法在不同环境下的稳定性和精确性。此外,我们将其与现有的二维风速风向测量方法进行了精确度比较,比较发现,该方法在增加了一个测量维度的同时,具有更高的精确性。最后,我们对比验证了 PSO算法对谱峰搜索效率的提升。