CN103886179A - 一种基于尾流效应分群的风电场风机聚合方法 - Google Patents

Abstract

本发明公开了一种基于尾流效应分群的风电场风机聚合方法，主要包括：获取待测风电场对应测风塔1年以上的历史测风数据，通过风速玫瑰图分析法，计算待测风电场的主导风向；基于计算得到的待测风电场的主导风向，采用Larsen模型计算尾流对风速的影响；基于计算得到的待测风电场的主导风向、以及计算得到的尾流对风速的影响，对风电场风机进行分群；基于分群结果，根据尾流模型分别计算等值后每台风机的风速。本发明所述基于尾流效应分群的风电场风机聚合方法，可以克服现有技术中稳定性低、安全性差和适用范围小等缺陷，以实现稳定性高、安全性好和适用范围大的优点。

Description

一种基于尾流效应分群的风电场风机聚合方法

技术领域

本发明涉及风力发电过程中风电场建模技术领域，具体地，涉及一种基于尾流效应分群的风电场风机聚合方法。

背景技术

我国风电进入规模化发展阶段以后所产生的大型风电基地多数位于“三北地区”（西北、东北、华北），大型风电基地一般远离负荷中心，其电力需要经过长距离、高电压输送到负荷中心进行消纳。由于风资源的间歇性、随机性和波动性，导致大规模风电基地的风电出力会随之发生较大范围的波动，进一步导致输电网络充电功率的波动，给电网运行安全带来一系列问题。

截至2013年11月，甘肃电网并网风电装机容量已达到668万千瓦，约占甘肃电网总装机容量的21%，成为仅次于火电的第二大主力电源。随着风电并网规模的不断提高，风力发电的不确定性和不可控性给电网的安全稳定经济运行带来诸多问题。因此需要对大规模风力发电的相关问题进行深入分析研究，尤其需要研究大规模风电集中并网情况下的风电场聚合模型问题，在进行聚合模型研究时需要对风电场的风机进行分群，因此，研究风电场风机分群方法有助于大规模风电场进行聚合建模。

在实现本发明的过程中，发明人发现现有技术中至少存在稳定性低、安全性差和适用范围小等缺陷。

发明内容

本发明的目的在于，针对上述问题，提出一种基于尾流效应分群的风电场风机聚合方法，以实现稳定性高、安全性好和适用范围大的优点。

为实现上述目的，本发明采用的技术方案是：一种基于尾流效应分群的风电场风机聚合方法，主要包括：

a、获取待测风电场对应测风塔1年以上的历史测风数据，通过风速玫瑰图分析法，计算待测风电场的主导风向；

b、基于计算得到的待测风电场的主导风向，采用Larsen模型计算尾流对风速的影响；

c、基于计算得到的待测风电场的主导风向、以及计算得到的尾流对风速的影响，对风电场风机进行分群；

d、基于上述分群结果，根据尾流模型分别计算等值后每台风机的风速。

进一步地，在所述步骤b中，所述Larsen模型，是基于普朗特边界层方程的渐近表达式，是一种解析模型。

进一步地，所述步骤b，具体包括：

假定下风向不同位置的风速衰减具有相似性，并且风速只会发生中等程度的衰减，则通过下式计算下风向L=x处的尾流影响区域半径：

$\left\{\begin{array}{c}{R}_w=\left[{\frac{35}{2\mathrm{\π}}]}^{\frac{1}{5}}\right[{{3c}_1^2]}^{\frac{1}{5}}[C_T{\mathrm{Ax}]}^{\frac{1}{3}}\\ c_1=l{\left(C_T\mathrm{Ax}\right)}^{-\frac{1}{3}}\end{array}\right.---\left(1\right);$

公式（1）中，c₁为无量纲混合长，l为普朗特混合长，A为风力机扫风面积，C_T为风电机组推力系数。

进一步地，所述步骤b，具体还包括：

为了避免计算普朗特混合长，在工程中常由下式来计算c₁：

$C_1=[{\frac{D}{2}]}^{-\frac{1}{2}}{\left(C_T{\mathrm{Ax}}_0\right)}^{-\frac{5}{6}}---\left(2\right);$

公式（2）中，x₀为近似参数，通过下式计算：

$x_0=\frac{9.5D}{{\left(\frac{{2R}_{9.5}}{D}\right)}^3-1}---\left(3\right);$

在公式（3）中，参数R_9.5由下式确定：

$\left\{\begin{array}{c}{R}_{9.5}=0.5[R_{\mathrm{nb}}+\min (h,R_{\mathrm{nb}})]\\ R_{\mathrm{nb}}=\max [1.08D,1.08D+21.7(I_a-0.05)]\end{array}\right.---\left(4\right);$

在公式（4）中，I_a为测风点处的环境湍流强度，表达式为：

$I_a=\frac{{\mathrm{\σ}}_u}{U_{10}}---\left(5\right);$

在公式（5）中，σ_u为风速标准偏差，U₁₀为风速10分钟平均值。

进一步地，所述步骤b，具体还包括：

缺乏实测风数据时，环境湍流强度由下式近似确定：

$I_a=\mathrm{\λ\κ}\left[\frac{1}{1n[z/z_0]}\right]---\left(6\right);$

在公式（6）中，参数λ大约处于2.5到1.8之间，一般取1.0，κ=0.4为卡曼常数，z₀为粗糙度。

进一步地，在步骤b中，所述Larsen模型，具体包括Larsen尾流模型；

所述Larsen尾流模型最终的风速衰减表达式为：

$\mathrm{\ΔU}=-\frac{U_{\mathrm{WT}}}{9}{\left(C_T{\mathrm{Ax}}^{-2}\right)}^{\frac{1}{3}}[R_w^{\frac{3}{2}}{\left({3c}_1^2{C}_T\mathrm{Ax}\right)}^{-\frac{1}{2}}{\left({\frac{35}{2\mathrm{\π}}}^{\frac{3}{10}}{\left({3c}_1^2\right)}^{-\frac{1}{5}}\right)]}^2---\left(7\right);$

公式（7）中，UWT为测风点的平均风速。

进一步地，所述步骤c，具体包括：

当主导风向为西风或东风时，按列将风电场内的风机划分为三个区段，每列为一个区段，假设每个区段上的风速大致相同，则每个区段上的风机聚合为一台风机；

当主导风向为东北风或西南风时，风力发电机组按阶梯状划分为三个区段进行分群；按区段划分后的风电场，认为每个区段的风速大致相同，风力发电机组在相同运行点上运行，因此每区段内的全部风力发电机组等效为一台风力机对应一台发电机。

进一步地，所述步骤d，具体包括：

假设第一排风力发电机迎风面的风速V1、轮毂高度50m、风轮直径49m、每排风力发电机组相距300m，根据Larsen模型，计算可得第二排风力发电机的迎风面风速为0.9281V1，第三排风力发电机的迎风面风速为0.8614V1；

依次类推，分别计算聚合后的每台机组的风速，完成风电场内风机的聚合，并能根据测风数据计算出聚合后每台风机的功率值。

本发明各实施例的基于尾流效应分群的风电场风机聚合方法，由于主要包括：获取待测风电场对应测风塔1年以上的历史测风数据，通过风速玫瑰图分析法，计算待测风电场的主导风向；基于计算得到的待测风电场的主导风向，采用Larsen模型计算尾流对风速的影响；基于计算得到的待测风电场的主导风向、以及计算得到的尾流对风速的影响，对风电场风机进行分群；基于分群结果，根据尾流模型分别计算等值后每台风机的风速；可以对大规模风力发电的相关问题进行深入分析研究，在大规模风电集中并网情况下，在进行聚合模型时对风电场的风机进行分群；从而可以克服现有技术中稳定性低、安全性差和适用范围小的缺陷，以实现稳定性高、安全性好和适用范围大的优点。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明基于尾流效应分群的风电场风机聚合方法中11#测风塔风速风向玫瑰图；

图2为本发明基于尾流效应分群的风电场风机聚合方法中2#测风塔风速风向玫瑰图；

图3为本发明基于尾流效应分群的风电场风机聚合方法中风电场接线图；

图4为本发明基于尾流效应分群的风电场风机聚合方法的流程图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

尾流是运动物体后面或物体下游的紊乱旋涡流，又称尾迹。风电领域中，尾流除了指风流经风电机组后增加下风向湍流水平，改变风力机承受的载荷外，更重要在于描述风电机组从风中抽取能量后，风能得不到有效恢复，而在风电机组下风向的较长区域内风速显着降低的情况，这一现象被称为尾流效应（wake effect）。尾流效应对风速的影响与风电机组的风能转换效率、风电机组排布、风电场地形特点、风特性等因素有关。

根据本发明实施例，如图1、图2、图3和图4所示，提供了一种基于尾流效应分群的风电场风机聚合方法。

本实施例的基于尾流效应分群的风电场风机聚合方法，包括：

步骤1：计算风电场的主导风向。

取风电场对应测风塔1年以上的测风数据，通过风速玫瑰图分析其主导风向。参见图1和图2。

步骤2：计算尾流对风速的影响。

采用Larsen模型计算尾流对风速的影响。Larsen模型基于普朗特边界层方程的渐近表达式，是一种解析模型。假定下风向不同位置的风速衰减具有相似性，并且风速只会发生中等程度的衰减，则可通过下式计算下风向L=x处的尾流影响区域半径：

$\left\{\begin{array}{c}{R}_w=\left[{\frac{35}{2\mathrm{\π}}]}^{\frac{1}{5}}\right[{{3c}_1^2]}^{\frac{1}{5}}[C_T{\mathrm{Ax}]}^{\frac{1}{3}}\\ c_1=l{\left(C_T\mathrm{Ax}\right)}^{-\frac{1}{3}}\end{array}\right.---\left(1\right);$

公式（1）中，c₁为无量纲混合长，l为普朗特混合长，A为风力机扫风面积，C_T为风电机组推力系数。

为了避免计算普朗特混合长，在工程中常由下式来计算c₁：

$C_1=[{\frac{D}{2}]}^{-\frac{1}{2}}{\left(C_T{\mathrm{Ax}}_0\right)}^{-\frac{5}{6}}---\left(2\right);$

公式（2）中，x₀为近似参数，可通过下式计算：

$x_0=\frac{9.5D}{{\left(\frac{{2R}_{9.5}}{D}\right)}^3-1}---\left(3\right);$

在公式（3）中，参数R_9.5由下式确定：

$\left\{\begin{array}{c}{R}_{9.5}=0.5[R_{\mathrm{nb}}+\min (h,R_{\mathrm{nb}})]\\ R_{\mathrm{nb}}=\max [1.08D,1.08D+21.7(I_a-0.05)]\end{array}\right.---\left(4\right);$

在公式（4）中，I_a为测风点处的环境湍流强度，表达式为：

$I_a=\frac{{\mathrm{\σ}}_u}{U_{10}}---\left(5\right);$

在公式（5）中，σ_u为风速标准偏差，U₁₀为风速10分钟平均值。缺乏实测风数据时，环境湍流强度可由下式近似确定：

$I_a=\mathrm{\λ\κ}\left[\frac{1}{1n[z/z_0]}\right]---\left(6\right);$

在公式（6）中，参数λ大约处于2.5到1.8之间，一般取1.0，κ=0.4为卡曼常数，z₀为粗糙度。

Larsen尾流模型最终的风速衰减表达式为：

$\mathrm{\ΔU}=-\frac{U_{\mathrm{WT}}}{9}{\left(C_T{\mathrm{Ax}}^{-2}\right)}^{\frac{1}{3}}[R_w^{\frac{3}{2}}{\left({3c}_1^2{C}_T\mathrm{Ax}\right)}^{-\frac{1}{2}}{\left({\frac{35}{2\mathrm{\π}}}^{\frac{3}{10}}{\left({3c}_1^2\right)}^{-\frac{1}{5}}\right)]}^2---\left(7\right);$

公式（7）中，U_WT为测风点的平均风速。

步骤3：基于主导风向和尾流效应对风电场风机进行分群

如图3所示，例如风电场由三排风力发电机组成，每排有5台风力发电机组。考虑主导风向和风机的尾流效应，对风电场内的风电机组进行分群。

当主导风向为西风或东风时，可以按列将风电场内的风机划分为三个区段，每列为一个区段，假设每个区段上的风速大致相同，则每个区段上的风机可以聚合为一台风机。

当主导风向为东北风或西南风时，风力发电机组可按图中虚线进行分群。按区段划分后的风电场，认为每个区段的风速大致相同，风力发电机组在相同运行点上运行，因此每区段内的全部风力发电机组等效为一台风力机对应一台发电机。

步骤4：根据尾流模型分别计算等值后每台风机的风速

假设第一排风力发电机迎风面的风速V1、轮毂高度50m、风轮直径49m、每排风力发电机组相距300m，根据Larsen模型，计算可得第二排风力发电机的迎风面风速为0.9281V1，第三排风力发电机的迎风面风速为0.8614V1。

依次类推，可以通过公式（1）至公式（7），分别计算聚合后的每台机组的风速，则可完成风电场内风机的聚合，并能根据测风数据计算出聚合后每台风机的功率值。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于尾流效应分群的风电场风机聚合方法，其特征在于，主要包括：

a、获取待测风电场对应测风塔1年以上的历史测风数据，通过风速玫瑰图分析法，计算待测风电场的主导风向；

b、基于计算得到的待测风电场的主导风向，采用Larsen模型计算尾流对风速的影响；

c、基于计算得到的待测风电场的主导风向、以及计算得到的尾流对风速的影响，对风电场风机进行分群；

d、基于上述分群结果，根据尾流模型分别计算等值后每台风机的风速。

2.根据权利要求1所述的基于尾流效应分群的风电场风机聚合方法，其特征在于，在所述步骤b中，所述Larsen模型，是基于普朗特边界层方程的渐近表达式，是一种解析模型。

3.根据权利要求1或2所述的基于尾流效应分群的风电场风机聚合方法，其特征在于，所述步骤b，具体包括：

假定下风向不同位置的风速衰减具有相似性，并且风速只会发生中等程度的衰减，则通过下式计算下风向L=x处的尾流影响区域半径：

$\left\{\begin{array}{c}{R}_w=\left[{\frac{35}{2\mathrm{\π}}]}^{\frac{1}{5}}\right[{{3c}_1^2]}^{\frac{1}{5}}[C_T{\mathrm{Ax}]}^{\frac{1}{3}}\\ c_1=l{\left(C_T\mathrm{Ax}\right)}^{-\frac{1}{3}}\end{array}\right.---\left(1\right);$

公式（1）中，c₁为无量纲混合长，l为普朗特混合长，A为风力机扫风面积，C_T为风电机组推力系数。

4.根据权利要求3所述的基于尾流效应分群的风电场风机聚合方法，其特征在于，所述步骤b，具体还包括：

为了避免计算普朗特混合长，在工程中常由下式来计算c₁：

$C_1=[{\frac{D}{2}]}^{-\frac{1}{2}}{\left(C_T{\mathrm{Ax}}_0\right)}^{-\frac{5}{6}}---\left(2\right);$

公式（2）中，x₀为近似参数，通过下式计算：

$x_0=\frac{9.5D}{{\left(\frac{{2R}_{9.5}}{D}\right)}^3-1}---\left(3\right);$

在公式（3）中，参数R_9.5由下式确定：

$\left\{\begin{array}{c}{R}_{9.5}=0.5[R_{\mathrm{nb}}+\min (h,R_{\mathrm{nb}})]\\ R_{\mathrm{nb}}=\max [1.08D,1.08D+21.7(I_a-0.05)]\end{array}\right.---\left(4\right);$

在公式（4）中，I_a为测风点处的环境湍流强度，表达式为：

$I_a=\frac{{\mathrm{\σ}}_u}{U_{10}}---\left(5\right);$

在公式（5）中，σ_u为风速标准偏差，U₁₀为风速10分钟平均值。

5.根据权利要求4所述的基于尾流效应分群的风电场风机聚合方法，其特征在于，所述步骤b，具体还包括：

缺乏实测风数据时，环境湍流强度由下式近似确定：

$I_a=\mathrm{\λ\κ}\left[\frac{1}{1n[z/z_0]}\right]---\left(6\right);$

在公式（6）中，参数λ大约处于2.5到1.8之间，一般取1_.0，κ=0.4为卡曼常数，z₀为粗糙度。

6.根据权利要求1或2所述的基于尾流效应分群的风电场风机聚合方法，其特征在于，在步骤b中，所述Larsen模型，具体包括Larsen尾流模型；

所述Larsen尾流模型最终的风速衰减表达式为：

$\mathrm{\ΔU}=-\frac{U_{\mathrm{WT}}}{9}{\left(C_T{\mathrm{Ax}}^{-2}\right)}^{\frac{1}{3}}[R_w^{\frac{3}{2}}{\left({3c}_1^2{C}_T\mathrm{Ax}\right)}^{-\frac{1}{2}}{\left({\frac{35}{2\mathrm{\π}}}^{\frac{3}{10}}{\left({3c}_1^2\right)}^{-\frac{1}{5}}\right)]}^2---\left(7\right);$

公式（7）中，U_WT为测风点的平均风速。

7.根据权利要求6所述的基于尾流效应分群的风电场风机聚合方法，其特征在于，所述步骤c，具体包括：

当主导风向为西风或东风时，按列将风电场内的风机划分为三个区段，每列为一个区段，假设每个区段上的风速大致相同，则每个区段上的风机聚合为一台风机；

当主导风向为东北风或西南风时，风力发电机组按阶梯状划分为三个区段进行分群；按区段划分后的风电场，认为每个区段的风速大致相同，风力发电机组在相同运行点上运行，因此每区段内的全部风力发电机组等效为一台风力机对应一台发电机。

8.根据权利要求7所述的基于尾流效应分群的风电场风机聚合方法，其特征在于，所述步骤d，具体包括：

假设第一排风力发电机迎风面的风速V1、轮毂高度50m、风轮直径49m、每排风力发电机组相距300m，根据Larsen模型，计算可得第二排风力发电机的迎风面风速为0.9281V1，第三排风力发电机的迎风面风速为0.8614V1；

依次类推，分别计算聚合后的每台机组的风速，完成风电场内风机的聚合，并能根据测风数据计算出聚合后每台风机的功率值。

Images