CN106815773A - 一种风电场功率特性评估方法 - Google Patents
一种风电场功率特性评估方法 Download PDFInfo
- Publication number
- CN106815773A CN106815773A CN201510876136.3A CN201510876136A CN106815773A CN 106815773 A CN106815773 A CN 106815773A CN 201510876136 A CN201510876136 A CN 201510876136A CN 106815773 A CN106815773 A CN 106815773A
- Authority
- CN
- China
- Prior art keywords
- wind
- data
- wind turbines
- typical
- wind speed
- Prior art date
- Legal status (The legal status 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 status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B10/00—Integration of renewable energy sources in buildings
- Y02B10/30—Wind power
Abstract
本发明涉及一种风电场功率特性评估方法,选择典型风电机组;对典型风电机组进行测试,获取标准空气密度下的轮毂风速;基于数据挖掘理论和方法,使用典型风电机组的测量数据和SCADA数据,建立轮毂高度风速模型;将典型风电机组的轮毂高度风速的数据模型应用于风电场内其他风电机组,结合SCADA数据,计算待评估风电机组的轮毂高度自由流风速;计算待评估风电机组的功率曲线,最终实现对风电场内所有风电机组功率特性的评估。本发明大大降低了逐台测试的成本和时间费用,并且保证了自由流风速评估的准确度,能够对风电场所有风电机组的功率特性进行高效、准确地评估。
Description
技术领域
本发明涉及一种评估方法,具体涉及一种风电场功率特性评估方法。
背景技术
风力发电作为可再生能源开发中技术最成熟的、最具有规模开发和商业化发展前景的发电方式之一,越来越受到世界各国的重视并得到了广泛的开发和应用。近年来我国风力发电发展势头迅猛,风电装机容量连年大幅增长。
随着风电装机台数的增加,每年有越来越多的风电机组面临出质保期的情况。出质保时,风电场业主和风电机组制造商需要共同对风电机组的特性进行评估和确认。其中,由于风电机组的功率特性与风电场后期的发电能力和收益直接相关,所以风电机组的功率特性评估方法就成为了双方关注的焦点之一。双方都希望能有一个准确、高效、公平的方法对风电场的功率特性进行评估。
目前,风电场功率特性常用的评估方法有两种。第一,按照IEC 61400-12-1:2005标准对风电场内的风电机组逐台进行测试和评估。这种方法的优点是准确度高,检测结果能够在国际上获得普遍认可。但是这种方法比较复杂,需要的测试周期相对较长,需要的测试费用也较高,这就给风电场业主和风电机组制造商都带来了很大的成本压力,双方都很难接受;第二,利用风电机组SCADA数据的机舱风速数据和功率数据绘制功率曲线。这种方法的优点是数据便于获得,不需要测试周期,花费的成本较低。但是,由于机舱风速数据在运行时,受到风轮的干扰,准确度很差,这种方法得到的功率曲线与实际准确度差别很大,评估结果不能被风电场业主认可。
发明内容
针对现有技术的不足,本发明提供一种风电场功率特性评估方法,结合风电机组测试数据和SCADA数据进行分析,保证评估结果的准确度的同时,大大降低了测试的时间和费用成本,非常适合于在风电场出质保时大规模推广应用。
本发明的目的是采用下述技术方案实现的:
一种风电场功率特性评估方法,所述方法包括:
步骤1.选择典型风电机组;
步骤2.对典型风电机组进行测试,获取标准空气密度下的轮毂风速;
步骤3.基于数据挖掘理论和方法,使用典型风电机组的测量数据和SCADA数据,建立轮毂高度风速模型;
步骤4.将典型风电机组的轮毂高度风速的数据模型应用于风电场内其他风电机组,结合SCADA数据,计算待评估风电机组的轮毂高度自由流风速;
步骤5.计算待评估风电机组的功率曲线。
优选的,所述步骤1中,选择典型风电机组的条件为:在风电场中选择不同型号的典型风电机组各一台;所述典型风电机组满足IEC 61400-12-1:2005附录B的要求;上风向障碍物少,可用扇区大。
优选的,所述步骤2具体包括:
2-1在典型风电机组主风向的上风向安装测风塔,距离在2倍风轮直径至4倍风轮直径之间;
2-2在与典型风电机组轮毂高度相同的测风塔上,安装风速计、风向标、温度计和气压计测试获得风向数据,满足测试采样率和平均周期分别不低于1Hz和10min;
2-3根据风向数据,剔除受影响扇区的风速数据;
2-4按照下式对风速数据规格化,获得标准空气密度下的轮毂风速;
式中,Vn-标准空气密度下的轮毂风速,
V10min为轮毂风速测量值的10min平均值,
B10min为气压测量值的10mn平均值,
T10min为气温测量值的10mn平均值,
R为干燥空气的气体常数287.05J/(kg×K),
ρ0为标准空气密度1.225kg/m3。
优选的,所述步骤3包括:
3-1获得典型风电机组与测试同步的SCADA数据;
3-2数据清洗,剔除无效数据和故障数据;
3-3基于数据挖掘的理论建立轮毂高度风速模型。
进一步地,所述步骤3-2数据清洗具体包括:根据风电机组运行状态剔除数据,仅保留风电机组在正常发电状态的数据;根据偏航位置和偏航偏差角度,剔除风轮受到障碍物影响的数据。
进一步地,所述步骤3-3建立轮毂高度风速模型包括:以SCADA数据的转速、桨距角、功率、偏航偏差角度为输入,以典型风电机组测量的标准化轮毂高度自由流风速为输出,分别通过人工神经网络、支持向量机SVM法以及最小二乘法进行建模,并以不同模型的测试均方根误差为指标,选择均方根误差最小的模型。
优选的,所述步骤4具体包括:
4-1获取风电场内与典型风电机组同型号的其他风电机组长期的SCADA数据;其中,所述SCADA参数与步骤3-1中的数据参数相同;
4-2数据清洗,剔除无效数据和故障数据;根据风电机组运行状态剔除数据,只保留风电机组在正常发电状态的数据;根据偏航位置和偏航偏差角度,剔除风轮受到障碍物影响的数据。
4-3根据步骤3获得的典型风电机组的轮毂高度风速的数据模型和待评估风电机组的SCADA数据,计算待评估风电机组的轮毂高度自由流风速。
优选的,所述步骤5计算待评估风电机组的功率曲线包括:使用区间法基于步骤4获得的待评估风电机组的轮毂高度自由流风速,以及与其同步的SCADA数据中的功率数据,确定风速区间0.5m/s,计算功率曲线,其表达式为:
式中:Vi为第i个区间的平均风速;Vn,i,j为第i个区间数据j的风速;Pi为第i个区间的平均输出功率;Pn,i,j为第i个区间数据j的平均输出功率;Ni为第i个区间内10min数据的数目。
与现有技术比,本发明达到的有益效果是:
与最接近的现有技术进行比较:申请号201410294915.8的专利基于BP神经网络,获得自由流风速和机舱风速的非线性关系,同时测量风电机组输出功率,从而获得功率曲线,与本专利评估自由流风速和功率的方法不相同。
申请号201310613419.X的专利使用流体力学的方法修正机舱风速,获得功率曲线,未涉及SCADA数据的使用,与本专利评估自由流风速和功率的方法不相同。申请号201210527809.0、201410727095.7是针对风电机组功率曲线的测试方法,未涉及风电场评估的内容。
本发明具有进步性的有益效果在于:(1)结果准确度高:典型风电机组的数据来源于实际测试数据,轮毂高度自由流风速的数据模型基于测试数据和必需的SCADA参数,并且通过控制模型的均方根误差选择最合适的模型,可以提高风速评估的准确度。
(2)评估效率高:避免了逐台对风电场内的风电机组进行测试,降低了测试所需的时间和设备成本。对典型风电机组的建模完成后,其他风电机组的评估工作可以同步开展;轮毂高度风速的建模和其他风电机组的评估工作,不需使用测试设备,可以通过编程自动实现,极大地提高了评估的效率。
附图说明
图1为本发明提供的一种风电场功率特性评估方法流程图;
图2为本发明提供的建立轮毂高度风速的模型流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
如图1所示,一种风电场功率特性评估方法,其特征在于,所述方法包括:
步骤1.选择典型风电机组;
所述步骤1中,选择典型风电机组的条件为:在风电场中选择不同型号的典型风电机组各一台;所述典型风电机组的周围地形较平坦,应满足IEC 61400-12-1:2005附录B的要求;上风向障碍物少,可用扇区大。
步骤2.对典型风电机组进行测试,获取标准空气密度下的轮毂风速,具体包括:
2-1在典型风电机组主风向的上风向安装测风塔,距离在2倍风轮直径至4倍风轮直径之间;
2-2在与典型风电机组轮毂高度相同的测风塔上,安装风速计、风向标、温度计和气压计测试获得风向数据,满足测试采样率和平均周期分别不低于1Hz和10min;
2-3根据风向数据,剔除受影响扇区的风速数据;
2-4按照下式对风速数据规格化,获得标准空气密度下的轮毂风速;
式中,Vn-标准空气密度下的轮毂风速,
V10min为轮毂风速测量值的10min平均值,
B10min为气压测量值的10mn平均值,
T10min为气温测量值的10mn平均值,
R为干燥空气的气体常数287.05J/(kg×K),
ρ0为标准空气密度1.225kg/m3。
步骤3.基于数据挖掘理论和方法,使用典型风电机组的测量数据和SCADA数据,建立轮毂高度风速模型;
所述步骤3包括:
3-1获得典型风电机组与测试同步的SCADA数据;以10min为测量周期,SCADA参数包括:
变量 | 平均值 | 标准差 |
转速 | ● | ● |
桨距角 | ● | ● |
功率 | ● | ● |
偏航位置 | ● | |
偏航偏差角度 | ● | |
风电机组状态 | ● |
3-2数据清洗,剔除无效数据和故障数据;根据风电机组运行状态剔除数据,仅保留风电机组在正常发电状态的数据;根据偏航位置和偏航偏差角度,剔除风轮受到障碍物影响的数据。
3-3基于数据挖掘的理论建立轮毂高度风速模型。以SCADA数据的转速、桨距角、功率、偏航偏差角度为输入;根据实际需要,通过计算机语言编写的方式定义不同比例的输入量进行数据训练和数据测试;通过人工神经网络、支持向量机SVM法以及最小二乘法分别建模,输出典型风电机组测量的标准化轮毂高度自由流风速;并以不同模型的测试均方根误差为指标,选择均方根误差最小的模型;如图2所示。
步骤4.将典型风电机组的轮毂高度风速的数据模型应用于风电场内其他风电机组,结合SCADA数据,计算待评估风电机组的轮毂高度自由流风速;具体包括:
4-1获取风电场内与典型风电机组同型号的其他风电机组长期的SCADA数据;其中,所述SCADA参数与步骤3-1中的数据参数相同;
4-2数据清洗,剔除无效数据和故障数据;根据风电机组运行状态剔除数据,只保留风电机组在正常发电状态的数据;根据偏航位置和偏航偏差角度,剔除风轮受到障碍物影响的数据。
4-3根据步骤3获得的典型风电机组的轮毂高度风速的数据模型和待评估风电机组的SCADA数据,计算待评估风电机组的轮毂高度自由流风速。
步骤5计算待评估风电机组的功率曲线包括:使用区间法基于步骤4获得的待评估风电机组的轮毂高度自由流风速,以及与其同步的SCADA数据中的功率数据,确定风速区间0.5m/s,计算功率曲线,其表达式为:
式中:Vi为第i个区间的平均风速;Vn,i,j为第i个区间数据j的风速;Pi为第i个区间的平均输出功率;Pn,i,j为第i个区间数据j的平均输出功率;Ni为第i个区间内10min数据的数目。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.一种风电场功率特性评估方法,其特征在于,所述方法包括:
步骤1.选择典型风电机组;
步骤2.对典型风电机组进行测试,获取标准空气密度下的轮毂风速;
步骤3.基于数据挖掘理论和方法,使用典型风电机组的测量数据和SCADA数据,建立轮毂高度风速模型;
步骤4.将典型风电机组的轮毂高度风速的数据模型应用于风电场内其他风电机组,结合SCADA数据,计算待评估风电机组的轮毂高度自由流风速;
步骤5.计算待评估风电机组的功率曲线。
2.如权利要求1所述的方法,其特征在于,所述步骤1中,选择典型风电机组的条件为:在风电场中选择不同型号的典型风电机组各一台;所述典型风电机组满足IEC61400‐12‐1:2005附录B的要求。
3.如权利要求1所述的方法,其特征在于,所述步骤2具体包括:
2‐1在典型风电机组主风向的上风向安装测风塔,距离在2倍风轮直径至4倍风轮直径之间;
2‐2在与典型风电机组轮毂高度相同的测风塔上,安装风速计、风向标、温度计和气压计测试获得风向数据,满足测试采样率和平均周期分别大于或等于1Hz和10min;
2‐3根据风向数据,剔除受影响扇区的风速数据;
2‐4按照下式对风速数据规格化,获得标准空气密度下的轮毂风速;
式中,Vn-标准空气密度下的轮毂风速,
V10min为轮毂风速测量值的10min平均值,
B10min为气压测量值的10mn平均值,
T10min为气温测量值的10mn平均值,
R为干燥空气的气体常数287.05J/(kg×K),
ρ0为标准空气密度1.225kg/m3。
4.如权利要求1所述的方法,其特征在于,所述步骤3包括:
3‐1获得典型风电机组与测试同步的SCADA数据;
3‐2数据清洗,剔除无效数据和故障数据;
3‐3基于数据挖掘的理论建立轮毂高度风速模型。
5.如权利要求4所述的方法,其特征在于,所述步骤3‐2数据清洗具体包括:根据风电机组运行状态剔除数据,仅保留风电机组在正常发电状态的数据;根据偏航位置和偏航偏差角度,剔除风轮受到障碍物影响的数据。
6.如权利要求4所述的方法,其特征在于,所述步骤3‐3建立轮毂高度风速的模型包括:以SCADA数据的转速、桨距角、功率、偏航偏差角度为输入,以典型风电机组测量的标准化轮毂高度自由流风速为输出,分别通过人工神经网络、支持向量机SVM法以及最小二乘法进行建模,并以不同模型的测试均方根误差为指标,选择均方根误差最小的模型。
7.如权利要求1所述的方法,其特征在于,所述步骤4具体包括:
4‐1获取风电场内与典型风电机组同型号的其他风电机组长期的SCADA数据;其中,所述SCADA参数与步骤3‐1中的数据参数相同;
4‐2数据清洗,剔除无效数据和故障数据;根据风电机组运行状态剔除数据,只保留风电机组在正常发电状态的数据;根据偏航位置和偏航偏差角度,剔除风轮受到障碍物影响的数据。
4‐3根据步骤3获得的典型风电机组的轮毂高度风速的数据模型和待评估风电机组的SCADA数据,计算待评估风电机组的轮毂高度自由流风速。
8.如权利要求1所述的方法,其特征在于,所述步骤5计算待评估风电机组的功率曲线包括:使用区间法基于步骤4获得的待评估风电机组的轮毂高度自由流风速,以及与其同步的SCADA数据中的功率数据,确定风速区间0.5m/s,计算功率曲线,其表达式为:
式中:Vi为第i个区间的平均风速;Vn,i,j为第i个区间数据j的风速;Pi为第i个区间的平均输出功率;Pn,i,j为第i个区间数据j的平均输出功率;Ni为第i个区间内10min数据的数目。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510876136.3A CN106815773A (zh) | 2015-12-02 | 2015-12-02 | 一种风电场功率特性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510876136.3A CN106815773A (zh) | 2015-12-02 | 2015-12-02 | 一种风电场功率特性评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106815773A true CN106815773A (zh) | 2017-06-09 |
Family
ID=59105935
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510876136.3A Pending CN106815773A (zh) | 2015-12-02 | 2015-12-02 | 一种风电场功率特性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106815773A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109239452A (zh) * | 2018-07-06 | 2019-01-18 | 零零二信息科技(沧州)有限责任公司 | 一种风力机功率性能测试系统及测试方法 |
CN109726802A (zh) * | 2018-12-29 | 2019-05-07 | 中南大学 | 一种铁路和风电场环境风速机器学习预测方法 |
CN111400845A (zh) * | 2018-12-27 | 2020-07-10 | 北京金风科创风电设备有限公司 | 风电机组的发电性能评估方法和装置 |
CN111488712A (zh) * | 2020-04-13 | 2020-08-04 | 中国船舶重工集团海装风电股份有限公司 | 一种基于迁移学习的风力发电机功率曲线建模方法 |
CN111709644A (zh) * | 2020-06-16 | 2020-09-25 | 华能威宁风力发电有限公司 | 一种利用机组scada数据的风电场风资源计算方法 |
CN112598210A (zh) * | 2020-10-23 | 2021-04-02 | 河北新天科创新能源技术有限公司 | 一种风电机组发电机性能评估及预警方法 |
CN112632851A (zh) * | 2020-12-14 | 2021-04-09 | 中国船舶重工集团海装风电股份有限公司 | 一种评估塔筒变化影响风电机组闪变的分析方法 |
CN112800103A (zh) * | 2020-12-09 | 2021-05-14 | 华能陕西发电有限公司 | 一种scada数据挖掘的风电机组功率曲线的获取系统及方法 |
CN114219299A (zh) * | 2021-12-16 | 2022-03-22 | 重庆大学 | 考虑区间不确定性的多风轮风电机组传动效率评估方法 |
CN111400845B (zh) * | 2018-12-27 | 2024-05-17 | 北京金风科创风电设备有限公司 | 风电机组的发电性能评估方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103001249A (zh) * | 2012-11-15 | 2013-03-27 | 中国电力科学研究院 | 基于bp神经网络的风电场短期功率预测方法 |
CN103150473A (zh) * | 2013-03-01 | 2013-06-12 | 风脉(武汉)可再生能源技术有限责任公司 | 一种风电机组发电效率实时监控诊断方法及装置 |
US20140103654A1 (en) * | 2012-10-16 | 2014-04-17 | Kabushiki Kaisha Toshiba | Output control device, method and program for wind farm |
CN104091209A (zh) * | 2014-06-26 | 2014-10-08 | 沈阳工业大学 | 基于bp神经网络的风电机组功率特性评估方法 |
-
2015
- 2015-12-02 CN CN201510876136.3A patent/CN106815773A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140103654A1 (en) * | 2012-10-16 | 2014-04-17 | Kabushiki Kaisha Toshiba | Output control device, method and program for wind farm |
CN103001249A (zh) * | 2012-11-15 | 2013-03-27 | 中国电力科学研究院 | 基于bp神经网络的风电场短期功率预测方法 |
CN103150473A (zh) * | 2013-03-01 | 2013-06-12 | 风脉(武汉)可再生能源技术有限责任公司 | 一种风电机组发电效率实时监控诊断方法及装置 |
CN104091209A (zh) * | 2014-06-26 | 2014-10-08 | 沈阳工业大学 | 基于bp神经网络的风电机组功率特性评估方法 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109239452A (zh) * | 2018-07-06 | 2019-01-18 | 零零二信息科技(沧州)有限责任公司 | 一种风力机功率性能测试系统及测试方法 |
CN111400845B (zh) * | 2018-12-27 | 2024-05-17 | 北京金风科创风电设备有限公司 | 风电机组的发电性能评估方法和装置 |
CN111400845A (zh) * | 2018-12-27 | 2020-07-10 | 北京金风科创风电设备有限公司 | 风电机组的发电性能评估方法和装置 |
CN109726802A (zh) * | 2018-12-29 | 2019-05-07 | 中南大学 | 一种铁路和风电场环境风速机器学习预测方法 |
CN109726802B (zh) * | 2018-12-29 | 2020-11-20 | 中南大学 | 一种铁路和风电场环境风速机器学习预测方法 |
CN111488712A (zh) * | 2020-04-13 | 2020-08-04 | 中国船舶重工集团海装风电股份有限公司 | 一种基于迁移学习的风力发电机功率曲线建模方法 |
CN111709644A (zh) * | 2020-06-16 | 2020-09-25 | 华能威宁风力发电有限公司 | 一种利用机组scada数据的风电场风资源计算方法 |
CN112598210A (zh) * | 2020-10-23 | 2021-04-02 | 河北新天科创新能源技术有限公司 | 一种风电机组发电机性能评估及预警方法 |
CN112800103A (zh) * | 2020-12-09 | 2021-05-14 | 华能陕西发电有限公司 | 一种scada数据挖掘的风电机组功率曲线的获取系统及方法 |
CN112800103B (zh) * | 2020-12-09 | 2023-03-03 | 华能陕西发电有限公司 | 一种scada数据挖掘的风电机组功率曲线的获取系统及方法 |
CN112632851B (zh) * | 2020-12-14 | 2022-05-03 | 中国船舶重工集团海装风电股份有限公司 | 一种评估塔筒变化影响风电机组闪变的分析方法 |
CN112632851A (zh) * | 2020-12-14 | 2021-04-09 | 中国船舶重工集团海装风电股份有限公司 | 一种评估塔筒变化影响风电机组闪变的分析方法 |
CN114219299A (zh) * | 2021-12-16 | 2022-03-22 | 重庆大学 | 考虑区间不确定性的多风轮风电机组传动效率评估方法 |
CN114219299B (zh) * | 2021-12-16 | 2024-04-19 | 重庆大学 | 考虑区间不确定性的多风轮风电机组传动效率评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106815773A (zh) | 一种风电场功率特性评估方法 | |
Lee et al. | Influence of the vertical wind and wind direction on the power output of a small vertical-axis wind turbine installed on the rooftop of a building | |
CN102663251B (zh) | 基于计算流体力学模型的风电场功率物理预测方法 | |
CN101684774B (zh) | 一种风力发电系统及风力发电机的测风方法 | |
CN104091209B (zh) | 基于bp神经网络的风电机组功率特性评估方法 | |
Tizpar et al. | Wind resource assessment and wind power potential of Mil-E Nader region in Sistan and Baluchestan Province, Iran–Part 1: Annual energy estimation | |
CN106815456A (zh) | 一种风电机组功率特性评价方法 | |
CN103745024B (zh) | 基于三维尾流模型修正风电机组尾部风速功率特性评估法 | |
CN104319807B (zh) | 一种基于Copula函数获取多风电场容量可信度的方法 | |
CN104699936A (zh) | 基于cfd短期风速预测风电场的扇区管理方法 | |
CN101949363A (zh) | 计及风电场输入风速和风向随机波动的风电机组分组方法 | |
St Martin et al. | Atmospheric turbulence affects wind turbine nacelle transfer functions | |
CN108717593A (zh) | 一种基于风轮面等效风速的微观选址发电量评估方法 | |
CN107394809A (zh) | 基于风速时间周期特征的风电并网系统风险评估方法 | |
CN105160060A (zh) | 一种基于实际功率曲线拟合的风电场理论功率确定方法 | |
CN105022909A (zh) | 一种基于机舱风速功率曲线的风电场理论功率评估方法 | |
CN105279384A (zh) | 一种基于风力机机舱风速的来流风速计算方法及装置 | |
CN113627101A (zh) | 一种基于改进型ad/rsm模型的风力机尾流模拟方法 | |
CN105023099B (zh) | 一种考虑湍流强度的风力发电机出力评估方法 | |
CN103699804B (zh) | 一种实时监测风电机组运行时的功率出力偏差的方法 | |
CN105587474A (zh) | 一种风电机组风轮等效风速的测试方法和装置 | |
CN109636019B (zh) | 基于神经网络算法的测风塔布置方案确定方法 | |
CN105354763A (zh) | 风电机组来流风速测量方法及装置 | |
Antoniou et al. | Influence of wind characteristics on turbine performance | |
CN108734367A (zh) | 一种用于计算风电场弃风电量的方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170609 |