CN110580586A - 计及尾流效应和集电系统的风电场功率计算方法 - Google Patents

计及尾流效应和集电系统的风电场功率计算方法 Download PDF

Info

Publication number
CN110580586A
CN110580586A CN201910864984.0A CN201910864984A CN110580586A CN 110580586 A CN110580586 A CN 110580586A CN 201910864984 A CN201910864984 A CN 201910864984A CN 110580586 A CN110580586 A CN 110580586A
Authority
CN
China
Prior art keywords
state
wind
wind turbine
power
turbine generator
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.)
Withdrawn
Application number
CN201910864984.0A
Other languages
English (en)
Inventor
李峰
韩伟
王轩
雷文宝
祁佟
张飞
蒋海峰
张曼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
HuaiAn Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
HuaiAn Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
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 HuaiAn Power Supply Co of State Grid Jiangsu Electric Power Co Ltd filed Critical HuaiAn Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Priority to CN201910864984.0A priority Critical patent/CN110580586A/zh
Publication of CN110580586A publication Critical patent/CN110580586A/zh
Withdrawn legal-status Critical Current

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Wind Motors (AREA)

Abstract

本发明公开一种计及尾流效应和集电系统的风电场功率计算方法，该方法考虑风电场内尾流效应、集电系统元件等因素，提出风电机组输出功率计算方法。步骤为：1、建立等值风电机组和集电系统的可靠性模型，并对各元件状态进行抽样；2、基于深度优先搜索法对元件进行连通性分析，得到风电机组状态矩阵；3、建立尾流效应模型，计算每台风机的风速；4、建立风速和风机出力模型，计算整个风电场的输出功率。本发明在一般只考虑风电机组故障的风电场可靠性建模的基础上，提出一种新的结合尾流效应和集电系统元件的风电场输出功率计算方法，提高了对风场输出功率计算的真实性和准确性，为之后风电场并网求解更高精度的可靠性指标奠定基础。

Description

计及尾流效应和集电系统的风电场功率计算方法
技术领域
本发明计及尾流效应和集电系统的风电场功率计算方法属于风电场技术领域，特别涉及考虑尾流效应和集电系统对风电场出力的影响，增加了后续风场接入电力系统可靠性指标计算的准确性，计算结果更符合实际情况。
背景技术
风能作为可再生能源，已成为当前研究的热点内容和方向。风能的随机性、波动性和不可控性使得对于风电接入电网的可靠性分析尤为重要，因此，建立精准、完善的风电场可靠性模型是对风电接入电网可靠性分析的重要前提。
为建立更加准确的风电场可靠性模型，应充分考虑到影响风电场输出功率的因素。有文献在建立风电场可靠性模型时只考虑了风电机组的故障，未计及集电系统元件故障。中国发明专利（申请号：201610979361.4）提出一种风电场集电系统可靠性计算方法，得到风电场可靠性指标，所考虑的集电系统元件为两状态模型，不能完全反映断路器等元件的多状态情况，并且未考虑尾流效应对风电场模型的影响。集电系统元件故障对风机停运的影响以及尾流效应对风机风速的影响都直接影响到了风电场的输出功率，是重要的影响因素。
发明内容
本发明的目的在于，提供一种计及尾流效应和集电系统的风电场输出功率的计算方法，综合考虑了对风场输出功率产生影响的多种因素，解决现有计算方法的不足。
本发明是采取以下技术方案实现的：
计及尾流效应和集电系统的风电场功率计算方法，包括如下步骤：
步骤1，建立等值风电机组和集电系统的可靠性模型，并对各元件状态进行抽样；
包括建立等值风机组和包括断路器、母线、变压器的集电系统的可靠性模型，基于非序贯蒙特卡洛法对等值风机组和集电系统状态进行抽样；
步骤2，利用深度优先搜索对风电场连通性进行分析，找出处于正常工作状态并不受集电系统元件故障影响的风电机组，以1和0表示运行状态，得到运行矩阵；
步骤3，建立风电场尾流效应模型，计算每台风机获得的风速；
步骤4，建立风速功率模型，计算风电场的输出功率。
进一步，所述建立等值风电机组和集电系统的可靠性模型并抽样包括建立等值风电机组的可靠性模型并抽样和建立集电系统的可靠性模型并抽样。
等值风电机组包括风电机组、集电变压器和塔架电缆；等值风电机组中各元件采用两状态模型，各元件间串联连接，等值风电机组通过断路器与汇流母线连通。
建立等值风电机组的可靠性模型并抽样包括以下步骤：
步骤1，建立等值风电机组的可靠性模型；
等值风电机组的可靠性模型由正常运行状态和故障状态两状态模型描述；等值风电机组的随机停运率表示等值风电机组处于不可用的概率，等值风电机组的随机停运率表示为：
（1）
（2）
式中，i表示等值风电机组中元件的个数；为第i个元件的随机停运率，根据元件故障率和修复率计算得到；为第i个元件的修复率，体现元件修复时间，为元件的运行参数；为第i个元件的故障率，体现元件无故障工作时间，为元件的运行参数。
所述随机停运率、故障率和修复率是元件自身的运行参数，与元件自身无故障工作时间、修复需要时间有关，具体参见表1。
表1
步骤2，对等值风电机组进行非序贯蒙特卡洛抽样；
对于第i个等值风机组，产生一个随机数，若，则该等值风电机组处于故障状态；对第i个断路器，产生一个随机数，产生的随机数和断路器状态对应如下，
（3）；
集电系统模型考虑辐射性接线方式；断路器采用5状态可靠性模型；变压器采用3状态模型；馈线和汇流母线采用2状态模型。
建立集电系统的可靠性模型并抽样包括以下步骤：
步骤1，建立断路器5状态可靠性模型；
断路器5状态模型包括，正常运行状态（N）、非扩大型故障停运状态（R）、扩大型故障状态（S）、拒动状态（F）和计划检修状态（M）；断路器只能处于其中一种状态，其处于各状态的概率总和为1，即：
（4）
式中，表示断路器处于正常运行状态的概率：表示断路器处于非扩大型故障停运状态的概率；表示断路器处于扩大型故障状态的概率；表示断路器处于拒动状态的概率；表示断路器处于计划检修状态的概率；上述概率、、、和根据以下式（5）-（6）计算获得；
断路器各状态间的转换概率方程为：
（5）
式中，为非扩大型故障停运率；为扩大型故障概率；为计划检修率；为拒动故障率；为故障修复率；为计划检修修复率；为扩大型故障状态和拒动状态转移到非扩大型故障停运状态的概率；上述断路器各概率、、、、、和的数值为断路器自身的运行参数（参照表1）。
断路器各状态概率如下：
（6）
步骤2，建立变压器3状态可靠性模型；
变压器的3个状态包括：正常运行状态（N）、故障状态（S）和计划检修状态（M），处于各状态的概率之和为1，表示为：
（7）
式中，表示变压器处于正常运行状态的概率：表示变压器处于故障状态的概率；表示变压器处于计划检修状态的概率；上述各概率、、根据以下式（8）-（9）计算获得。
变压器的3个状态间的转换概率方程为：
（8）
式中，为计划检修率；为计划检修修复率；为故障率；为故障状态修复率。、和为变压器各概率数值，是变压器自身的运行参数（参见表1）。
变压器的3个状态概率如下：
（9）
步骤3，建立馈线和汇流母线两状态可靠性模型；馈线和汇流母线的2状态包括正常运行状态（N）和故障状态（S），其正常运行概率和不可用率计算同两状态元件：
（10）
式中：表示馈线正常运行概率；表示馈线不可用率；为故障率；为故障状态修复率。上述和为馈线自身的运行参数，参照表1得到。
步骤4，对集电系统元件进行非序贯蒙特卡洛抽样；对第i个断路器，产生一个随机数，产生的随机数于断路器状态对应如下，
（11）
对第i个变压器，产生一个随机数，随机数大小与变压器状态对应如下：
（12）
对汇流母线和第i段馈线，产生一个随机数，若，则汇流母线和该段馈线处于故障状态。
所述基于深度优先搜索法对元件进行连通性分析，得到风电机组状态矩阵的方法，包括以下步骤：
步骤1，输入各元件的当前状态和各元件间的连接矩阵，组成系统状态；
步骤2，判断汇流母线和变压器是否正常工作，若汇流母线或变压器处于故障状态，则整个风电场的输出功率为0，结束计算；若汇流母线和变压器均处于正常工作状态，则继续执行步骤3；
步骤3，找出处于非正常工作状态的元件，判断各元件所处状态是否会影响风电机组的输出功率，若不会产生影响，则元件工作状态为1，反之为0；
步骤4，对等值风电机组和集电系统元件进行深度优先搜索，找出能正常运行并能往电网输入功率的风电机组，风电机组状态为1；若风电机组处于故障状态或由于集电系统元件故障等原因不能向电网输入功率，则风电机组状态为0；
步骤5，根据风电机组的排列规律得到风电机组的状态矩阵。
所述建立尾流效应模型，计算每台风机的风速的方法，包括以下步骤：
步骤1，风电场的尾流效应是指坐落在下风向的风电机组的风速，由于受到尾流的影响，会低于坐落在上风向的风电机组的风速。
尾流效应模型为：
（13）
式中，为吹向风电机组的风速；为离开风电机组的风速；d为风速下降系数，大小与风力机组推力系数、风电机组叶片半径R、相邻风电机组间距离X和尾流下降系数K有关
（14）
与风速和风电机组的结构有关；K与风的湍流强度成正比，对于陆上风电场取K=0.075；
步骤2，根据风向确定风电机组间的距离；
步骤3，根据得到的风电机组的状态矩阵，对每列风机风速分别进行计算，首先根据每台风机的吹向风速确定推力系数，若风机处于正常工作状态，则按上式计算，若风机处于停运状态，则风速经过此风机时不会发生变化；
步骤4，得到与风电机组的状态矩阵相应的风电机组的速度矩阵。
建立风速功率模型，计算风电场的输出功率即利用风电机组的输出功率曲线计算每台风电机组的输出功率。
风电机组的输出功率计算公式为：
（15）
式中：为切入风速；为额定风速；为切出风速；
得到每台风电机组的输出功率后，将所有风电机组功率相加即为风电场并入电网的功率。
本发明的优点：本发明在复杂尾流效应模型的基础上，综合考虑了集电系统内部的拓扑结构，考虑集电系统元件故障对风机运行状态的影响。本发明提出的计算方法对风电场功率的计算更为精确，计算结果更符合实际情况。
附图说明
以下将结合附图对本发明作进一步说明：
图1是考虑多种因素印象的风电场输出功率计算方法流程图；
图2是风电机组电气接线及其等效模型；
图3是集电系统等效模型；
图4是断路器的可靠性模型是各元件故障率和修复率；
图5是变压器可靠性模型；
图6是两状态元件可靠性模型；
图7是风电场排列图；
图8是尾流效应模型；
图9是风力机推力系数系数特性图；
图10是风电机组输出功率曲线。
具体实施方式
下面结合附图，对实例做详细说明。下述说明仅仅是示例性，并未限制本发明的范围和其应用。
参照附图1，本实施例的计及尾流效应和集电系统的风电场功率计算方法，包括如下步骤：
步骤1：建立等值风电机组和集电系统模型，并对状态进行抽样。
风电机组电气接线及其等效模型如图2所示，集电系统模型如图3所示，表1列出了本发明涉及的各元件故障率和修复率计算所需数据。
表1
等值风电机组的随机停运率表示为：
式中：为风电机组、集电变压器和塔架电缆的的随机停运率，，为风电机组、集电变压器和塔架电缆的修复率；n为串联元件个数，n=3。
等值风电机组的随机停运率为0.0938。
断路器可靠性模型如图4，断路器各状态概率：
式中：表示断路器处于正常运行状态的概率：表示断路器处于非扩大型故障停运状态的概率；表示断路器处于扩大型故障状态的概率；表示断路器处于拒动状态的概率；表示断路器处于计划检修状态的概率；为非扩大型故障停运率；为扩大型故障概率；为计划检修率；为拒动故障率；为故障修复率；为计划检修修复率；为扩大型故障状态和拒动状态转移到非扩大型故障停运状态的概率。
断路器正常状态概率为0.9973，处于非扩大型故障状态概率为7.5139×10-7，处于扩大型故障概率为3.08×10-6，处于故障概率为2×10-7，处于计划检修状态概率为2.459×10-3。
变压器可靠性模型如图5，变压器各状态概率：
式中：表示变压器处于正常运行状态的概率：表示变压器处于故障状态的概率；表示变压器处于计划检修状态的概率；为计划检修率；为计划检修修复率；为故障率；为故障状态修复率。
变压器正常状态概率为0.9966，处于故障概率为0.0017，处于计划检修概率为0.0017；
馈线和汇流母线两状态可靠性模型如图6，正常运行概率和不可用率计算同两状态元件：
式中：表示馈线正常运行概率；表示馈线不可用率；为故障率；为故障状态修复率。
馈线不可用率为0.0024；汇流母线不可用率为0.0002。
对于第i个等值风机组，产生一个随机数，若，则该等值风电机组处于故障状态；对第i个断路器，产生一个随机数，产生的随机数于断路器状态对应如下
对第i个变压器，产生一个随机数，随机数大小与变压器状态对应如下：
对第i段馈线，产生一个随机数，若，则该段馈线处于故障状态；对汇流母线，产生一个随机数，若，则汇流母线处于故障状态。
步骤2：风电场排列如图7所示，每列有15台风机，共7列。若汇流母线和变压器处于故障状态，则整个风电场出力为0，结束计算；否则根据风电场排列，分列对正常运行的元件进行连通性分析，判断哪些风电机组处于正常运行状态，形成风电机组状态矩阵；
步骤3：尾流效应模型如图8，尾流效应模型为：
式中：为吹向风电机组的风速；为离开风电机组的风速；d为风速下降系数，大小与风力机组推力系数、风电机组叶片半径R、相邻风电机组间距离X和尾流下降系数K有关；与风速和风电机组的结构有关，风电机组推力系数特征曲线如图9所示；K与风的湍流强度成正比，对于陆上风电场取K=0.075；每列风电机前后间的距离为350m，相邻两列风电机的距离为850m；风电机组叶片半径R=37m。
根据风机状态矩阵，若风机处于正常工作状态，则按尾流效应模型计算风机的风速；若风机处于停运状态，则风速经过此风机时不会发生变化，风电机组间的距离变为2倍X。
步骤4：风电机组的输出功率曲线如图10，计算公式为：
式中：为切入风速；为额定风速；为切出风速；
计算每台风机输出功率后，求出风电场的所有正常运行风机功率之和即为风电场的输出功率。

Claims (7)

1.一种计及尾流效应和集电系统的风电场功率计算方法，其特征在于，包括如下步骤：
步骤1，建立等值风电机组和集电系统的可靠性模型，并对各元件状态进行抽样；
步骤2，基于深度优先搜索法对元件进行连通性分析，得到风电机组状态矩阵；
步骤3，建立尾流效应模型，计算每台风机的风速；
步骤4，建立风速和风机出力模型，计算整个风电场的输出功率。
2.根据权利要求1所述的计及尾流效应和集电系统的风电场功率计算方法，其特征在于：所述建立等值风电机组和集电系统的可靠性模型并抽样包括建立等值风电机组的可靠性模型并抽样和建立集电系统的可靠性模型并抽样；
等值风电机组包括风机、集电变压器和塔架电缆，等值风电机组中上述各元件间串联连接，等值风电机组通过断路器与汇流母线连通。
3.根据权利要求2所述的计及尾流效应和集电系统的风电场功率计算方法，其特征在于，建立等值风电机组的可靠性模型并抽样的过程，包括以下步骤：
步骤1，建立等值风电机组的可靠性模型；
等值风电机组的可靠性模型由正常运行状态和故障状态两状态模型描述；等值风电机组的随机停运率表示等值风电机组处于不可用的概率，等值风电机组的随机停运率表示为，
（1）
（2）
式中，为第i个元件的随机停运率，根据元件故障率和修复率计算得到；i为表示等值风电机组中串联元件的个数；为第i个元件的修复率，体现元件修复时间，为元件的运行参数；为第i个元件的故障率，体现元件无故障工作时间，为元件的运行参数；
步骤2，对等值风电机组进行非序贯蒙特卡洛抽样；
对于第i个等值风机组，产生一个随机数，若，则该等值风电机组处于故障状态；对第i个断路器，产生一个随机数，产生的随机数于断路器状态对应如下，
（3）；
集电系统模型考虑辐射性接线方式；断路器采用5状态可靠性模型；变压器采用3状态模型；馈线和汇流母线采用2状态模型。
4.根据权利要求2所述的计及尾流效应和集电系统的风电场功率计算方法，其特征在于，建立集电系统的可靠性模型并抽样的过程，包括如下步骤：
步骤1，建立断路器5状态可靠性模型；
断路器5状态模型包括，正常运行状态N、非扩大型故障停运状态R、扩大型故障状态S、拒动状态F和计划检修状态M；断路器只能处于其中一种状态，其处于各状态的概率总和为1，即，
（4）；
式中，表示断路器处于正常运行状态的概率：表示断路器处于非扩大型故障停运状态的概率；表示断路器处于扩大型故障状态的概率；表示断路器处于拒动状态的概率；表示断路器处于计划检修状态的概率；上述概率、、、和根据以下式（5）-（6）计算获得；
断路器各状态间的转换概率方程为，
（5），
式中，为非扩大型故障停运率；为扩大型故障概率；为计划检修率；为拒动故障率；为故障修复率；为计划检修修复率；为扩大型故障状态和拒动状态转移到非扩大型故障停运状态的概率；上述断路器各概率、、、、、和的数值为断路器自身的运行参数；
断路器各状态概率通过下式计算得到，
（6）；
步骤2，建立变压器3状态可靠性模型；
变压器的3个状态包括，正常运行状态N、故障状态S和计划检修状态M，处于各状态的概率之和为1，表示为，
（7），
式中，表示变压器处于正常运行状态的概率：表示变压器处于故障状态的概率；表示变压器处于计划检修状态的概率；上述各概率、、根据以下式（8）-（9）计算获得；
变压器的3个状态间的转换概率方程为：
（8）
式中，为计划检修率；为计划检修修复率；为故障率；为故障状态修复率；所述、和为变压器各概率数值，是变压器自身的运行参数，
变压器的3个状态概率计算式如下，
（9）；
步骤3，建立馈线和汇流母线两状态可靠性模型；
馈线和汇流母线的2状态包括正常运行状态N和故障状态S，其正常运行概率和不可用率计算同两状态元件，
（10）；
式中，表示馈线正常运行概率；表示馈线不可用率；为故障率；为故障状态修复率；上述和为馈线自身的运行参数；
步骤4，对集电系统元件进行非序贯蒙特卡洛抽样；对第i个断路器，产生一个随机数，产生的随机数于断路器状态对应如下，
（11）；
对第i个变压器，产生一个随机数，随机数大小与变压器状态对应如下，
（12）；
对汇流母线和第i段馈线，产生一个随机数，若，则汇流母线和该段馈线处于故障状态。
5.根据权利要求1所述的计及尾流效应和集电系统的风电场功率计算方法，其特征在于，所述基于深度优先搜索法对元件进行连通性分析，得到风电机组状态矩阵的过程，包括以下步骤：
步骤1，输入各元件的当前状态和各元件间的连接矩阵，组成系统状态；
步骤2，判断汇流母线和变压器是否正常工作，若汇流母线或变压器处于故障状态，则整个风电场的输出功率为0，结束计算；若汇流母线和变压器均处于正常工作状态，则继续执行步骤3；
步骤3，找出处于非正常工作状态的元件，判断各元件所处状态是否会影响风电机组的输出功率，若不会产生影响，则元件工作状态为1，反之为0；
步骤4，对等值风电机组和集电系统元件进行深度优先搜索，找出能正常运行并能往电网输入功率的风电机组，风电机组状态为1；若风电机组处于故障状态或由于集电系统元件故障等原因不能向电网输入功率，则风电机组状态为0；
步骤5，根据风电机组的排列规律得到风电机组的状态矩阵。
6.根据权利要求1所述的计及尾流效应和集电系统的风电场功率计算方法，其特征在于，所述建立尾流效应模型，计算每台风机的风速包括以下步骤：
步骤1，风电场的尾流效应是指坐落在下风向的风电机组的风速，由于受到尾流的影响，会低于坐落在上风向的风电机组的风速；
尾流效应模型为，
（13），
式中，为吹向风电机组的风速；为离开风电机组的风速；d为风速下降系数，大小与风力机组推力系数、风电机组叶片半径R、相邻风电机组间距离X和尾流下降系数K有关；
（14），
与风速和风电机组的结构有关；K与风的湍流强度成正比，对于陆上风电场取K=0.075；
步骤2，根据风向确定风电机组间的距离；
步骤3，根据得到的风电机组的状态矩阵，对每列风机风速分别进行计算，首先根据每台风机的吹向风速确定推力系数，若风机处于正常工作状态，则按上式计算，若风机处于停运状态，则风速经过此风机时不会发生变化；
步骤4，得到与风电机组的状态矩阵相应的风电机组的速度矩阵。
7.根据权利要求1所述的计及尾流效应和集电系统的风电场功率计算方法，其特征在于，所述步骤4建立风速功率模型，计算风电场的输出功率即利用风电机组的输出功率曲线计算每台风电机组的输出功率；
风电机组的输出功率计算公式为，
（15）；
式中，为切入风速；为额定风速；为切出风速；
得到每台风电机组的输出功率后，将所有风电机组功率相加即为风电场并入电网的功率。
CN201910864984.0A 2019-09-12 2019-09-12 计及尾流效应和集电系统的风电场功率计算方法 Withdrawn CN110580586A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910864984.0A CN110580586A (zh) 2019-09-12 2019-09-12 计及尾流效应和集电系统的风电场功率计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910864984.0A CN110580586A (zh) 2019-09-12 2019-09-12 计及尾流效应和集电系统的风电场功率计算方法

Publications (1)

Publication Number Publication Date
CN110580586A true CN110580586A (zh) 2019-12-17

Family

ID=68812009

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910864984.0A Withdrawn CN110580586A (zh) 2019-09-12 2019-09-12 计及尾流效应和集电系统的风电场功率计算方法

Country Status (1)

Country Link
CN (1) CN110580586A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111614088A (zh) * 2020-06-09 2020-09-01 三一重能有限公司 考虑尾流影响的能量管理方法
CN111682592A (zh) * 2020-05-13 2020-09-18 九江学院 一种分布式风电场功率优化方法及装置
CN116523349A (zh) * 2023-05-19 2023-08-01 北京协合运维风电技术有限公司 一种风力电站可靠性分析方法及系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111682592A (zh) * 2020-05-13 2020-09-18 九江学院 一种分布式风电场功率优化方法及装置
CN111682592B (zh) * 2020-05-13 2022-04-01 九江学院 一种分布式风电场功率优化方法及装置
CN111614088A (zh) * 2020-06-09 2020-09-01 三一重能有限公司 考虑尾流影响的能量管理方法
CN116523349A (zh) * 2023-05-19 2023-08-01 北京协合运维风电技术有限公司 一种风力电站可靠性分析方法及系统
CN116523349B (zh) * 2023-05-19 2024-01-23 北京协合运维风电技术有限公司 一种风力电站可靠性分析方法及系统

Similar Documents

Publication Publication Date Title
Wang et al. Estimation methods review and analysis of offshore extreme wind speeds and wind energy resources
Fleming et al. Computational fluid dynamics simulation study of active power control in wind plants
CN110259646B (zh) 一种基于历史数据的风力发电机组部件状态预警方法
Sørensen et al. Modular structure of wind turbine models in IEC 61400-27-1
CN110580586A (zh) 计及尾流效应和集电系统的风电场功率计算方法
Jin et al. Modeling of wind speeds inside a wind farm with application to wind farm aggregate modeling considering LVRT characteristic
CN112231361B (zh) 一种基于风机运行数据的风电项目发电量评估方法
Dong et al. Probabilistic load flow analysis for power system containing wind farms
CN104156892A (zh) 一种有源配电网电压跌落仿真与评估方法
CN104281737A (zh) 一种海上风电场集电系统拓扑结构选型方法
CN103441527A (zh) 一种基于实测数据的风电接入系统模型
CN106410862B (zh) 基于有功恢复斜率校正的风电场单机等值方法
CN114033617B (zh) 一种控制参量自适应调整的可控风力发电方法及系统
Mathew et al. Matching the characteristics of low wind speed turbines with candidate wind regimes
Sun et al. Overview of power system operational reliability
El-Naggar et al. Ranking subassemblies of wind energy conversion systems concerning their impact on the overall reliability
Shi et al. Reliability assessment of interconnected generation systems based on hourly wind speed probability model
CN117473883A (zh) 测风塔数据的处理方法、设备、存储介质及程序产品
Asgarpour et al. O&M modeling of offshore wind farms—State of the art and future developments
Topić et al. Reliability model of different wind power plant configuration using sequential Monte Carlo simulation
Sun et al. Study on three wake models’ effect on wind energy estimation in Hong Kong
CN109657380A (zh) 一种基于扩展卡尔曼滤波的双馈风电场动态等值方法
Karki et al. Impact of renewable energy unit availability on power system adequacy
Liu et al. Wind-solar micro grid reliability evaluation based on sequential Monte Carlo
Dangar et al. Site matching of offshore wind turbines-a case study

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20191217