CN117521282B - 用于风电场气候特征模拟的密度依赖型风机参数化方法 - Google Patents
用于风电场气候特征模拟的密度依赖型风机参数化方法 Download PDFInfo
- Publication number
- CN117521282B CN117521282B CN202311473781.1A CN202311473781A CN117521282B CN 117521282 B CN117521282 B CN 117521282B CN 202311473781 A CN202311473781 A CN 202311473781A CN 117521282 B CN117521282 B CN 117521282B
- Authority
- CN
- China
- Prior art keywords
- wind
- fan
- kinetic energy
- wind speed
- power generation
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 230000001419 dependent effect Effects 0.000 title claims abstract description 23
- 238000004088 simulation Methods 0.000 title claims description 28
- 238000010248 power generation Methods 0.000 claims abstract description 85
- 238000010408 sweeping Methods 0.000 claims abstract description 68
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 238000004364 calculation method Methods 0.000 claims description 33
- 238000012216 screening Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 6
- 238000004379 similarity theory Methods 0.000 claims description 6
- 238000003908 quality control method Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 13
- 238000011156 evaluation Methods 0.000 abstract description 4
- 238000005457 optimization Methods 0.000 abstract description 4
- 230000008859 change Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000013077 scoring method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/06—Wind turbines or wind farms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
Abstract
本发明公开了一种用于大型风电场气候特征仿真模拟的密度依赖型风机参数化方法,包括大型风电场多源观测数据预处理;根据观测的风廓线计算叶轮扫风面内的等效风速;利用空气密度、等效风速和风电功率曲线簇计算理论发电功率;引入风电场实测发电量,修正发电系数,对风机转动产生的实际发电量进行数值参数化;确定湍流动能占比系数,根据该系数对叶轮扫风扰动引起的湍流动能进行数值参数化;在能量平衡条件约束下,对风机的机械和电力损耗进行数值参数化。基于上述步骤而建立的密度依赖型风机参数化方法,既可以对已建风电场的气候特征进行模拟仿真,也可以对拟建风电场的尾流效应开展预评估,为风电场选址及风机排布提供优化建议。
Description
技术领域
本发明属于气象数据分析与处理技术领域,涉及一种用于大型风电场气候特征仿真模拟的密度依赖型风机参数化方法,尤其涉及一种基于风机发电、叶轮扫风扰动和机械电力损耗等能量平衡关系而建立的密度依赖型风机参数化方法。
背景技术
大型风电场气候特征模拟仿真,是风能开发和利用的重要技术手段,主要包括风电场的风资源评估、风电场的微气候效应分析、风电场的气候响应机理研究等方面。其中,风电场的微气候效应,不仅影响风电场的发电效率和寿命,也影响风电场周边的气象环境和生态系统。因此,针对风电场尾流效应的模拟评估,不仅是老旧风电场提质增效及拟建风场选址设计的技术核心,也是风电场气候特征模拟仿真的重要内容。
风电场尾流效应是指风机从大气中提取动能后,叶轮扫风区域内风速降低、湍流增强、压力升高的现象,以及这些现象对下游风机和周边气象环境的影响。风电场尾流效应的模拟评估,需要考虑风机的结构参数、运行状态、风场布局、地形地貌、大气稳定度等多种因素,是一项复杂的数值模拟问题。
早期针对风电场气候特征的数值模拟研究大多通过增加地表动力学粗糙长度的方式(简称为Z0方案)对风机进行数值参数化,模拟结果在一定程度上可以再现地表风速减弱、表面潜热通量增加、2m气温升高等微气候特征。但由于数值模式贴地层的气象条件被直接进行了修改,相关的陆-气状态参数(如模式最低层高度及热力学粗糙长度等)变化直接依赖于预设的地表粗糙度,而不是对风机发电和叶轮扫风扰动的物理反馈,造成Z0方案模拟的近地层气象变量的变化幅度与观测结果偏差较大。
近年来,在大涡模拟和观测资料分析基础上,Fitch等研究者通过动量汇(momentum sink)和湍流源(turbulence source)对风机发电和叶轮扫风扰动物理过程进行显式的数值参数化,为定量开展风电场气候特征的数值模拟工作奠定了基础。Fitch风机模型主要通过风机推力系数(平均风速的函数)对每个格点处风机从大气中提取的动能进行解析计算,借助水平风速趋势项实现对水平风速、平均动量和湍流动能等物理要素的传递。可见,Fitch方案将风机的动量汇和湍流源直接作用于叶轮扫风高度(离地约40-150m),由此产生的尾流及其对贴地层气象变量的影响是通过中尺度气象模式的边界层物理过程来模拟计算的,且模拟结果与观测特征更接近。因此,Fitch风机模型被广泛应用于北美、欧洲、亚洲的陆上及海上风电场气候特征模拟研究中。
尽管如此,Fitch风机模型仍具有很大的优化空间:(1)模型中采用单一空气密度下的风功率曲线计算风机发电量,且将该电量等同于风电场的实际发电量,忽略了风机的运行效率和电网的输送损耗,与现实差异较大;(2)叶轮扫风范围内不同高度风速推算均采用线性插值,与近地层相似理论存在较大偏离,无法准确反映风速的垂直分布;(3)模型中假设风机从大气中捕获的动能一部分转化为电能,剩余部分全部转为湍流动能,导致湍流动能系数显著偏大,无法考虑风机的功率系数和尾流的扩散过程;(4)模型中未考虑风机的机械和电力损耗,如叶轮的阻力、齿轮箱的摩擦、发电机的磁阻等,这些损耗会影响风机的发电效率和尾流的动能。上述不足极大地限制了该模型对风电场气候响应机理的科学认识,也影响了风电场气候特征模拟仿真的精度和可靠性,是亟待解决的技术问题。
发明内容
(一)发明目的
针对现有数值参数化方法中所存在的上述技术问题,本发明提出了一种用于大型风电场气候特征仿真模拟的密度依赖型风机参数化方法,包括大型风电场多源观测数据预处理;根据观测的风廓线计算叶轮扫风面内的等效风速;利用空气密度、等效风速和风电功率曲线簇计算理论发电量;引入风电场实测发电量,修正发电系数,并利用该系数及风机捕获的大气动能对风机的实际发电量进行数值参数化;确定湍流动能占比系数,根据该系数对叶轮扫风扰动引起的湍流动能进行数值参数化;根据风机捕获的大气动能、风机的实际发电量和湍流动能,通过残差计算的方式,对风机的机械和电力损耗进行数值参数化。基于上述步骤而建立的密度依赖型风机参数化方法,为大型风电场气候特征仿真模拟,尤其是风电场尾流效应模拟提供了一种新方法,且模拟方法具有较强的普适性。采用该数值参数化方法,既可以对已建风电场的气候特征进行模拟仿真,也可以对拟建风电场的尾流效应开展预评估,为风电场选址及风机排布提供优化建议。
(二)技术方案
本发明为解决参数化方法问题、实现上述发明目的所采用的技术方案为:
一种用于大型风电场气候特征仿真模拟的密度依赖型风机参数化方法,所述参数化方法基于大型风电场的气候特征仿真模拟而开展,其特征在于,所述方法至少包括如下步骤:
SS1.大型风电场多源观测数据预处理:
采集并对原始观测数据进行质量控制并确保仿真模拟所需数据的质量和可靠性,所述原始观测数据至少包括风机SCADA数据、测风塔梯度观测数据及风机基本参数资料,剔除超过合理阈值的虚假值和连续多个时次固定不变的僵值;对于风机SCADA数据,至少根据风机的运行状态和发电功率,筛选出有效的风速数据;对于测风塔梯度观测数据,根据风速的垂直分布和风向的水平分布,至少筛选出代表风电场区域的风廓线数据;
SS2.根据观测的风廓线计算叶轮扫风面内的等效风速:
利用风电场区域测风塔的多层风速观测资料,根据近地层相似理论,拟合最优风切变指数;并至少根据风切变指数、风机轮毂高度风速、风机轮毂高度及风机叶片长度,推算叶轮扫风面内自下而上n个高度层的风速并进行加权平均,得到叶轮扫风面内的等效风速;
SS3.利用空气密度、等效风速和风电功率曲线簇计算理论发电量及理论发电系数:
将风机的风电功率曲线簇整理成随空气密度和平均风速变化的两维度对照表;根据实测或模拟的空气密度和等效风速,对标风机的风电功率曲线簇,在风机功率曲线对照表中,插值计算风机理论发电量;通过风机理论发电量与风机捕获的大气动能之比,计算得到风机的理论发电系数;
SS4.利用修正后的发电系数对风机的实际发电量进行数值参数化:
对比风电场实测发电量与步骤SS3中的理论发电量的差异,对理论发电系数进行修正,得到修正后的发电系数,并利用该修正后的系数及风机捕获的大气动能,对风机转动产生的实际发电量进行数值参数化;
SS5.确定湍流动能占比系数,根据该系数对叶轮扫风扰动引起的湍流动能进行数值参数化:
通过实测或理论假设的方式,对叶轮扫风扰动产生的湍流动能占比系数进行估计;在此基础上,通过风机捕获的大气总动能及上述占比系数,对叶轮扫风扰动引起的湍流动能进行数值参数化;
SS6.通过残差计算的方式,对风机的机械和电力损耗进行数值参数化:
基于能量平衡,从风机捕获的总动能中扣除转化为电能的部分及转化为湍流动能的部分,余下的部分即为风机旋转产生的机械和电力损耗,并通过残差计算的方式对风机的机械和电力损耗进行数值参数化。
优选地,上述步骤SS1中,对于风机SCADA数据,除了根据风机的运行状态和发电功率以筛选出有效的风速数据外,还至少根据包括风机周围大气的温度、湿度、压力在内的环境参数筛选出符合实际气象条件的风速数据,以提高风速数据的可靠性和准确性。
优选地,上述步骤SS1中,对于测风塔梯度观测数据,除了根据风速的垂直分布和风向的水平分布,筛选出代表风电场区域的风廓线数据外,还根据风速的时空变化趋势筛选出稳定性较高的风廓线数据,以减少风速数据的随机性和不确定性。
优选地,所述步骤SS1中,对原始观测数据进行质量控制时,首先通过各个变量的气候阈值剔除原始观测数据中的超过合理阈值的虚假值,之后进行时空一致性检查,对于连续多个时次的探测值固定不变的僵值,通过计算式|ut+1-ut|<ε比较相邻时刻的探测值是否在一定范围内波动进行筛选和剔除,其中,ut+1表示t+1时刻的探测值,ut表示t时刻的探测值,ε表示允许的波动范围并根据实际观测数据的统计特征或者专家经验赋值。通过上述方式对原始观测数据进行质量控制,可进一步减少风速数据的随机性和不确定性,提高风速数据的稳定性和可信度。
优选地,所述步骤SS2中,利用测风塔的多层风速观测资料及所在高度,拟合最优风切变指数α,其计算公式为:
式中,α为风切变指数,z1,z2为离地高度,v1,v2为高度z1,z2处的平均风速;
根据上述风切变指数α、风机轮毂高度风速vh、风机轮毂高度h及风机叶片长度l,推算叶轮扫风面内自下而上n个高度层的风速vk,n≥3,其计算公式为:
式中,vk为叶轮扫风面内第k个高度层的风速,Δz为高度层间隔;
之后,通过如下公式将其进行加权平均,获得叶轮扫风面内的等效风速:
式中,v为叶轮扫风面内的等效风速,γk为叶轮扫风面内第k个高度层风速的加权系数并通过专家打分法或风电场运行实践经验赋值。
优选地,上述步骤SS2中,利用风电场区域测风塔的多层风速观测资料,除了根据近地层相似理论拟合最优风切变指数α外,还根据风速的垂直廓线拟合最优风速廓线函数f(z),其计算公式为:
f(z)=vh×g(z)α
式中,f(z)为风速廓线函数,vh为风机轮毂高度风速,g(z)为风速廓线形状函数,α为风切变指数,z为离地高度,并根据风速廓线函数f(z),推算叶轮扫风面内自下而上n个高度层的风速vk,其计算公式为:
vk=f(h-l+k×Δz)
式中,Δz为高度层间隔并取10m左右。该技术方案的目的是更准确地反映风速的垂直变化规律,提高风速数据的精度和适应性。
优选地,所述步骤SS3中,引入随空气密度变化的一组风电功率曲线簇,将其整理成随空气密度和平均风速变化的两维度对照表,根据实测或模拟的空气密度和等效风速,对标上述风电功率曲线簇,在风机功率曲线对照表中,插值计算风机理论发电量EP,其计算公式为:
EP=P(ρ,v)
式中,EP为风机理论发电量,P(ρ,v)为风机的风电功率曲线簇,是空气密度ρ和平均风速v的函数;
最终,通过风机推力系数、空气密度和等效风速,计算风机捕获的大气动能RKE,进而通过风机理论发电量EP与风机捕获的大气动能RKE之比,计算得到风机的理论发电系数Ce,其计算公式为:
式中,v为叶轮扫风面内的等效风速,S为叶轮扫风面积,ρ为空气密度,CT为风机的推力系数。
优选地,所述步骤SS4中,引入风电场风机SCADA发电量数据,通过SCADA实测发电量与步骤SS3中的理论发电量之比,通过如下公式计算得到风力发电修正系数及修正后的发电系数:
式中,Cp为修正后的发电系数,Ce-corr为风力发电修正系数,ES为风电场实测发电量,EP为风机理论发电量;
利用该修正后的发电系数Cp及风机捕获的大气动能RKE对风机转动产生的实际电能EE进行数值参数化,其计算公式为:
EE=Cp×RKE
式中,EE为风机转动产生的实际发电量,RKE为风机捕获的大气动能,Cp为修正后的发电系数。
优选地,所述步骤SS5中,若风电场内设有湍流动能的观测设备,则直接利用场内观测的湍流动能与风机捕获的大气动能之比,确定湍流动能占比系数,其计算公式为:
式中,CTKE为湍流动能占比系数,TKEo为风电场内观测的湍流动能,RKE为风机捕获的大气动能;
若风电场内无湍流动能观测资料,则采用如下经验公式确定湍流动能占比系数,即:
CTKE=0.25×(CT-Cp)
式中,CTKE为湍流动能占比系数,CT为风机的推力系数,Cp为修正后的发电系数;
在此基础上,再通过湍流动能占比系数乘以风机捕获的大气动能的方式对叶轮扫风扰动引起的湍流动能进行数值参数化,其计算公式为:
TKE=CTKE×RKE
式中,TKE为叶轮扫风扰动引起的湍流动能,CTKE为湍流动能占比系数;RKE为风机捕获的大气动能。
优选地,所述步骤SS6中,风机从大气中捕获的总能量RKE可分解为风转电的能量EE、湍流动能TKE和机械电力损耗MEL三部分,因此通过如下残差计算的方式对风机的机械和电力损耗进行数值参数化:
MEL=RKE-EE-TKE
式中,MEL为风机的机械和电力损耗;RKE为风机捕获的大气动能;EE为风机转动产生的实际发电量;TKE为叶轮扫风扰动引起的湍流动能。
(三)技术效果
同现有技术相比,本发明的用于大型风电场气候特征仿真模拟的密度依赖型风机参数化方法,其有益效果为:
(1)本发明基于风机发电、叶轮扫风扰动和机械电力损耗等能量平衡关系而建立的密度依赖型风机参数化方法,能够根据不同的空气密度和风速条件,对风机的理论发电量、实际发电量、叶轮扫风湍流动能和系统损耗等关键物理参量进行数值参数化,从而更准确地反映风机的能量转化效率和叶轮扫风对大气的影响。该方法为大型风电场气候特征仿真模拟,尤其是风电场尾流效应模拟提供了一种新方法,有利于风电场的选址、设计和运行管理。
(2)本发明的参数化方案采用显式完备的技术方法对叶轮扫风面上的等效风速进行解析,即利用风电场区域测风塔的多层风速观测资料,根据近地层相似理论,拟合最优风切变指数和风速廓线函数,推算叶轮扫风面内不同高度层的风速,避免了使用经验公式或者统计方法的不确定性和局限性,能够更精确地计算风机捕获的大气动能,为风机的能量转化效率和风电场尾流效应的评估提供了可靠的输入数据。
(3)本发明的技术方案在观测约束下,引入空气密度、发电修正系数、湍流动能占比系数、机械电力损耗等关键参数对风机的实际发电量、叶轮扫风湍流动能和系统损耗等关键物理参量进行数值参数化,降低了参数化方法的时空依赖性,提升了普适性。采用该数值参数化方法,既可以对已建风电场的气候特征进行模拟仿真,也可以对拟建风电场的尾流效应开展预评估,为风电场选址及风机排布提供优化建议。
附图说明
图1为本发明的用于大型风电场气候特征仿真模拟的密度依赖型风机参数化方法的实施流程示意图。
图2为密度依赖型风机风电功率曲线簇。
图3为本发明基于能量平衡关系而建立的风机数值参数化方法示意图。
具体实施方式
为使本发明实施的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行更加详细的描述。所描述的实施例是本发明一部分实施例,而不是全部的实施例。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
如图1所示,本发明基于风机发电、叶轮扫风扰动和机械电力损耗等能量平衡关系而建立的密度依赖型风机参数化方法,构建时至少包括如下步骤:
SS1.大型风电场多源观测数据预处理,主要包括采集并对原始观测数据进行质量控制并确保仿真模拟所需数据的质量和可靠性,所述原始观测数据至少包括风机SCADA数据、测风塔梯度观测数据及风机基本参数资料,剔除超过合理阈值的虚假值和连续多个时次固定不变的僵值;对于风机SCADA数据,至少根据风机的运行状态和发电功率,筛选出有效的风速数据;对于测风塔梯度观测数据,根据风速的垂直分布和风向的水平分布,至少筛选出代表风电场区域的风廓线数据;
SS2.根据观测的风廓线计算叶轮扫风面内的等效风速:
利用风电场区域测风塔的多层风速观测资料,根据近地层相似理论,拟合最优风切变指数;并至少根据风切变指数、风机轮毂高度风速、风机轮毂高度及风机叶片长度,推算叶轮扫风面内自下而上n个高度层的风速并进行加权平均,得到叶轮扫风面内的等效风速;
SS3.利用空气密度、等效风速和风电功率曲线簇计算理论发电量:
将风机的风电功率曲线簇整理成随空气密度和平均风速变化的两维度对照表;根据实测或模拟的空气密度和等效风速,对标风机的风电功率曲线簇,在风机功率曲线对照表中,插值计算风机理论发电量;通过风机理论发电量与风机捕获的大气动能之比,计算得到风机的理论发电系数;
SS4.利用修正后的发电系数对风机的实际发电量进行数值参数化:
对比风电场实测发电量与步骤SS3中的理论发电量的差异,对理论发电系数进行修正,得到修正后的发电系数,并利用该修正后的系数及风机捕获的大气动能,对风机转动产生的实际发电量进行数值参数化;
SS5.确定湍流动能占比系数,根据该系数对叶轮扫风扰动引起的湍流动能进行数值参数化:
通过实测或理论假设的方式,对叶轮扫风扰动产生的湍流动能占比系数进行估计;在此基础上,通过风机捕获的大气总动能及上述占比系数,对叶轮扫风扰动引起的湍流动能进行数值参数化;
SS6:通过残差计算的方式,对风机的机械和电力损耗进行数值参数化:
基于能量平衡,从风机捕获的总动能中扣除转化为电能的部分及转化为湍流动能的部分,余下的部分即为风机旋转产生的机械和电力损耗,并通过残差计算的方式对风机的机械和电力损耗进行数值参数化。
实施例2
在实施例1的基础上,本实施例是对其中各实施步骤的进一步细化。
1、上述步骤SS1中,大型风电场多源观测数据预处理
针对大型风电场内的塔式梯度观测系统和风机SCADA系统探测的气象资料,如风速、发电功率、湍流动能等,首先通过各个变量的气候阈值剔除原始数据中的超过合理阈值的虚假值;对于连续多个时次的探测值固定不变的僵值,通过ut+1-ut=0进行筛选和剔除,其中,ut+1表示t+1时刻的探测值,ut表示t时刻的探测值。同时,对于连续多个时次的探测值固定不变的僵值,也可以通过计算式|ut+1-ut|<ε比较相邻时刻的探测值是否在一定范围内波动进行筛选和剔除,其中,ut+1表示t+1时刻的探测值,ut表示t时刻的探测值,ε表示允许的波动范围并根据实际观测数据的统计特征或者专家经验赋值。通过上述方式对原始观测数据进行质量控制,可进一步减少风速数据的随机性和不确定性,提高风速数据的稳定性和可信度。
2、上述步骤SS2中,根据观测的风廓线计算叶轮扫风面内的等效风速
利用风电场内测风塔的多层风速观测资料及其所在离地高度,根据如下简单指数律拟合计算风电场区域的风切变指数α:
α=lg(v2/v1)/lg(z2/z1)
式中,α为风切变指数;z1,z2为离地高度,单位为米;v1,v2为高度z1,z2处的平均风速,单位为m/s。
根据上述风切变指数及轮毂高度处的风速,推算叶轮扫风面内自下而上,n个高度层的风速(n≥3),其计算公式为:
式中,vk为叶轮扫风面内第k个高度层的风速,Δz为高度层间隔;
之后,通过如下公式进行加权平均,获得叶轮扫风面内的等效风速:
式中,v为叶轮扫风面内的等效风速,vk为叶轮扫风面内第k个高度层的风速,γk为叶轮扫风面内第k个高度层风速的加权系数,一般可通过专家打分法或风电场运行实践经验赋值。
3、上述步骤SS3中,利用空气密度、等效风速和风电功率曲线簇计算理论发电量
引入随空气密度变化的一组风电功率曲线簇,将风机的发电功率曲线簇(图2)整理成随空气密度和平均风速变化的两维度对照表;获取叶轮扫风面内实测或数值模拟的空气密度及n层风速,根据SS2所述方法,推算叶轮扫风面内的等效风速;依据空气密度和等效风速,在风机功率曲线对照表中,插值计算风机理论发电量,记录为EP;进一步,通过如下公式计算风机从大气中捕获的动能:
RKE=0.5×ρ×V3×S×CT
式中,RKE为风机捕获的大气动能;V叶轮扫风面内的等效风速,S为叶轮扫风面积,ρ为空气密度,CT为风机的推力系数。
最终,通过如下公式计算得到风机的理论发电系数Ce:
Ce=EP/RKE
4、上述步骤SS4中,利用修正后的发电系数对风机的实际发电量进行数值参数化
利用SS1中质量控制之后的SCADA实测发电量ES及SS3中计算的理论发电量EP,通过如下公式计算得到风力发电修正系数Ce-corr及修正后的发电系数Cp:
Ce-corr=ES/EP; Cp=Ce×Ce-corr
因此,风机的实际发电量则可通过如下公式进行参数化:
EE=Cp×RKE
式中,EE为风机转动产生的实际发电量;RKE为风机捕获的大气动能;Cp为修正后的发电系数。
5、上述步骤SS5中,确定湍流动能占比系数,根据该系数对叶轮扫风扰动引起的湍流动能进行数值参数化
若能获取风电场内的湍流动能观测数据,则通过如下公式计算确定湍流动能占比系数:
CTKE=TKEo/RKE
式中,CTKE为湍流动能占比系数;TKEo为风电场内观测的湍流动能;RKE为风机捕获的大气动能。
若风电场内无湍流动能观测资料,则通过如下公式计算确定湍流动能占比系数:
CTKE=0.25×(CT-Cp)
因此,叶轮扫风扰动引起的湍流动能则可通过如下公式进行参数化:
TKE=CTKE×RKE
式中,TKE为叶轮扫风扰动引起的湍流动能;CTKE为湍流动能占比系数;RKE为风机捕获的大气动能。
6、通过残差计算的方式,对风机的机械和电力损耗进行数值参数化
风机从大气中捕获的总能量RKE,可分解为风转电的能量EE、湍流动能TKE和机械电力损耗MEL(图3)三部分。因此,风机的机械和电力损耗可通过如下公式进行参数化:
MEL=RKE-EE-TKE
此实施例仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种用于大型风电场气候特征仿真模拟的密度依赖型风机参数化方法,所述参数化方法基于大型风电场的气候特征仿真模拟而开展,其特征在于,所述方法至少包括如下步骤:
SS1. 大型风电场多源观测数据预处理:
采集并对原始观测数据进行质量控制并确保仿真模拟所需数据的质量和可靠性,所述原始观测数据至少包括风机SCADA数据、测风塔梯度观测数据及风机基本参数资料,剔除超过合理阈值的虚假值和连续多个时次固定不变的僵值;对于风机SCADA数据,至少根据风机的运行状态和发电功率,筛选出有效的风速数据;对于测风塔梯度观测数据,根据风速的垂直分布和风向的水平分布,至少筛选出代表风电场区域的风廓线数据;
SS2. 根据观测的风廓线计算叶轮扫风面内的等效风速:
利用风电场区域测风塔的多层风速观测资料,根据近地层相似理论,拟合最优风切变指数;并至少根据风切变指数、风机轮毂高度风速、风机轮毂高度及风机叶片长度,推算叶轮扫风面内自下而上n个高度层的风速并进行加权平均,得到叶轮扫风面内的等效风速;
SS3. 利用空气密度、等效风速和风电功率曲线簇计算理论发电量及理论发电系数:
将风机的风电功率曲线簇整理成随空气密度和平均风速变化的两维度对照表;根据实测或模拟的空气密度和等效风速,对标风机的风电功率曲线簇,在风机功率曲线对照表中,插值计算风机理论发电量;通过风机理论发电量与风机捕获的大气动能之比,计算得到风机的理论发电系数;
SS4. 利用修正后的发电系数对风机的实际发电量进行数值参数化:
对比风电场实测发电量与步骤SS3中的理论发电量的差异,对理论发电系数进行修正,得到修正后的发电系数,并利用该修正后的系数及风机捕获的大气动能,对风机转动产生的实际发电量进行数值参数化;
SS5. 确定湍流动能占比系数,根据该系数对叶轮扫风扰动引起的湍流动能进行数值参数化:
通过实测或理论假设的方式,对叶轮扫风扰动产生的湍流动能占比系数进行估计;在此基础上,通过风机捕获的大气总动能及上述占比系数,对叶轮扫风扰动引起的湍流动能进行数值参数化;
SS6. 通过残差计算的方式,对风机的机械和电力损耗进行数值参数化:
基于能量平衡,从风机捕获的总动能中扣除转化为电能的部分及转化为湍流动能的部分,余下的部分即为风机旋转产生的机械和电力损耗,并通过残差计算的方式对风机的机械和电力损耗进行数值参数化。
2.根据权利要求1所述的用于大型风电场气候特征仿真模拟的密度依赖型风机参数化方法,其特征在于,上述步骤SS1中,对于风机SCADA数据,除了根据风机的运行状态和发电功率以筛选出有效的风速数据外,还至少根据包括风机周围大气的温度、湿度、压力在内的环境参数筛选出符合实际气象条件的风速数据,以提高风速数据的可靠性和准确性。
3.根据权利要求1所述的用于大型风电场气候特征仿真模拟的密度依赖型风机参数化方法,其特征在于,上述步骤SS1中,对于测风塔梯度观测数据,除了根据风速的垂直分布和风向的水平分布,筛选出代表风电场区域的风廓线数据外,还根据风速的时空变化趋势筛选出稳定性较高的风廓线数据,以减少风速数据的随机性和不确定性。
4.根据权利要求1所述的用于大型风电场气候特征仿真模拟的密度依赖型风机参数化方法,其特征在于,所述步骤SS1中,对原始观测数据进行质量控制时,首先通过各个变量的气候阈值剔除原始观测数据中的超过合理阈值的虚假值,之后进行时空一致性检查,对于连续多个时次的探测值固定不变的僵值,通过计算式比较相邻时刻的探测值是否在一定范围内波动进行筛选和剔除,其中,/>表示t+1时刻的探测值,/>表示t时刻的探测值,ε表示允许的波动范围并根据实际观测数据的统计特征或者专家经验赋值。
5.根据权利要求1所述的用于大型风电场气候特征仿真模拟的密度依赖型风机参数化方法,其特征在于,所述步骤SS2中,利用测风塔的多层风速观测资料及所在高度,拟合最优风切变指数α,其计算公式为:
式中,α为风切变指数,z 1,z 2为离地高度,v 1,v2为高度z 1,z 2处的平均风速;
根据上述风切变指数α、风机轮毂高度风速v h 、风机轮毂高度h及风机叶片长度l,推算叶轮扫风面内自下而上n个高度层的风速v k ,n≥3,其计算公式为:
式中,v k 为叶轮扫风面内第k个高度层的风速,Δz为高度层间隔;
之后,通过如下公式将其进行加权平均,获得叶轮扫风面内的等效风速:
式中,v为叶轮扫风面内的等效风速,γ k 为叶轮扫风面内第k个高度层风速的加权系数并通过专家打分法或风电场运行实践经验赋值。
6.根据权利要求1所述的用于大型风电场气候特征仿真模拟的密度依赖型风机参数化方法,其特征在于,上述步骤SS2中,利用风电场区域测风塔的多层风速观测资料,除了根据近地层相似理论拟合最优风切变指数α外,还根据风速的垂直廓线拟合最优风速廓线函数f(z),其计算公式为:
式中,f(z)为风速廓线函数,v h 为风机轮毂高度风速,g(z)为风速廓线形状函数,α为风切变指数,z为离地高度,并根据风速廓线函数f(z),推算叶轮扫风面内自下而上n个高度层的风速v k ,其计算公式为:
式中,Δz为高度层间隔并取10m左右。
7.根据权利要求1所述的用于大型风电场气候特征仿真模拟的密度依赖型风机参数化方法,其特征在于,所述步骤SS3中,引入随空气密度变化的一组风电功率曲线簇,将其整理成随空气密度和平均风速变化的两维度对照表,根据实测或模拟的空气密度和等效风速,对标上述风电功率曲线簇,在风机功率曲线对照表中,插值计算风机理论发电量EP,其计算公式为:
式中,EP为风机理论发电量,P(ρ,v)为风机的风电功率曲线簇,是空气密度ρ和平均风速v的函数;
最终,通过风机推力系数、空气密度和等效风速,计算风机捕获的大气动能RKE,进而通过风机理论发电量EP与风机捕获的大气动能RKE之比,计算得到风机的理论发电系数Ce,其计算公式为:
式中,v为叶轮扫风面内的等效风速,S为叶轮扫风面积,ρ为空气密度,C T 为风机的推力系数。
8.根据权利要求1所述的用于大型风电场气候特征仿真模拟的密度依赖型风机参数化方法,其特征在于,所述步骤SS4中,引入风电场风机SCADA发电量数据,通过SCADA实测发电量与步骤SS3中的理论发电量之比,通过如下公式计算得到风力发电修正系数及修正后的发电系数:
式中,C p 为修正后的发电系数,C e−corr 为风力发电修正系数,E S 为风电场实测发电量,E P 为风机理论发电量;
利用该修正后的发电系数C p 及风机捕获的大气动能RKE对风机转动产生的实际电能EE进行数值参数化,其计算公式为:
式中,EE为风机转动产生的实际发电量,RKE为风机捕获的大气动能,C p 为修正后的发电系数。
9.根据权利要求1所述的用于大型风电场气候特征仿真模拟的密度依赖型风机参数化方法,其特征在于,所述步骤SS5中,若风电场内设有湍流动能的观测设备,则直接利用场内观测的湍流动能与风机捕获的大气动能之比,确定湍流动能占比系数,其计算公式为:
式中,C TKE 为湍流动能占比系数,TKE o为风电场内观测的湍流动能,RKE为风机捕获的大气动能;
若风电场内无湍流动能观测资料,则采用如下经验公式确定湍流动能占比系数,即:
式中,C TKE 为湍流动能占比系数,C T 为风机的推力系数,C p 为修正后的发电系数;
在此基础上,再通过湍流动能占比系数乘以风机捕获的大气动能的方式对叶轮扫风扰动引起的湍流动能进行数值参数化,其计算公式为:
式中,TKE为叶轮扫风扰动引起的湍流动能,C TKE 为湍流动能占比系数;RKE为风机捕获的大气动能。
10.根据权利要求1所述的用于大型风电场气候特征仿真模拟的密度依赖型风机参数化方法,其特征在于,所述步骤SS6中,风机从大气中捕获的总能量RKE可分解为风转电的能量EE、湍流动能TKE和机械电力损耗MEL三部分,因此通过如下残差计算的方式对风机的机械和电力损耗进行数值参数化:
式中,MEL为风机的机械和电力损耗;RKE为风机捕获的大气动能;EE为风机转动产生的实际发电量;TKE为叶轮扫风扰动引起的湍流动能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311473781.1A CN117521282B (zh) | 2023-11-07 | 2023-11-07 | 用于风电场气候特征模拟的密度依赖型风机参数化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311473781.1A CN117521282B (zh) | 2023-11-07 | 2023-11-07 | 用于风电场气候特征模拟的密度依赖型风机参数化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117521282A CN117521282A (zh) | 2024-02-06 |
CN117521282B true CN117521282B (zh) | 2024-04-12 |
Family
ID=89743105
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311473781.1A Active CN117521282B (zh) | 2023-11-07 | 2023-11-07 | 用于风电场气候特征模拟的密度依赖型风机参数化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117521282B (zh) |
Citations (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514341A (zh) * | 2012-06-14 | 2014-01-15 | 华锐风电科技(集团)股份有限公司 | 基于数值天气预报和计算流体动力学的风资源评估方法 |
CN104156575A (zh) * | 2014-07-28 | 2014-11-19 | 国家电网公司 | 基于测风塔数据外推法的风电场理论功率计算方法 |
CN104699936A (zh) * | 2014-08-18 | 2015-06-10 | 沈阳工业大学 | 基于cfd短期风速预测风电场的扇区管理方法 |
CN104978453A (zh) * | 2015-06-18 | 2015-10-14 | 广东明阳风电产业集团有限公司 | 一种风机认证测试系统分析平台 |
WO2016023527A1 (zh) * | 2014-08-14 | 2016-02-18 | 国家电网公司 | 一种基于测风塔测风数据的风电场弃风电量确定方法 |
CN105786850A (zh) * | 2014-12-23 | 2016-07-20 | 南车株洲电力机车研究所有限公司 | 风力机性能数据获取方法及系统 |
CN106321368A (zh) * | 2016-08-12 | 2017-01-11 | 峰能斯格尔(北京)可再生能源科技有限公司 | 基于运营风机scada数据的海上风电场尾流损失测量方法 |
CN108536881A (zh) * | 2017-03-06 | 2018-09-14 | 新疆金风科技股份有限公司 | 用于计算风电场发电量的方法和设备 |
CN108717593A (zh) * | 2018-04-16 | 2018-10-30 | 浙江运达风电股份有限公司 | 一种基于风轮面等效风速的微观选址发电量评估方法 |
CN111445055A (zh) * | 2019-12-06 | 2020-07-24 | 中电投电力工程有限公司 | 一种风力发电机组优化选型的方法 |
EP3771822A1 (en) * | 2019-08-01 | 2021-02-03 | Siemens Gamesa Renewable Energy A/S | A method for computer-implemented determination of a vertical speed wind profile of a wind field |
CN112633347A (zh) * | 2020-12-17 | 2021-04-09 | 国家气候中心 | 登陆台风近地层风特性及其与晴空风特性差异的分析方法 |
CN112784509A (zh) * | 2021-03-04 | 2021-05-11 | 中国大唐集团科学技术研究院有限公司华中电力试验研究院 | 基于改进高斯分布尾流模型的风力发电机功率计算方法 |
CN112926212A (zh) * | 2021-03-10 | 2021-06-08 | 航天科工智慧产业发展有限公司 | 一种内陆平原风能资源评估方法、系统及风机选址方法 |
CN113239646A (zh) * | 2021-05-25 | 2021-08-10 | 华能新能源股份有限公司 | 一种基于等效粗糙度风电场建模方法、介质和设备 |
CN113536474A (zh) * | 2021-06-04 | 2021-10-22 | 四川大学 | 一种离心式风机叶轮参数化设计系统及方法 |
CN113836762A (zh) * | 2021-08-25 | 2021-12-24 | 中国大唐集团新能源科学技术研究院有限公司 | 一种风力机及风电场数字镜像模拟展示系统 |
CN113987823A (zh) * | 2021-11-08 | 2022-01-28 | 国家气候中心 | 陆上集中式光伏电站气候效应评估的中尺度数值模拟方法 |
CN114154325A (zh) * | 2021-11-30 | 2022-03-08 | 华能新能源股份有限公司 | 一种定常与非定常混合风能资源评估方法及系统 |
CN114398843A (zh) * | 2022-01-18 | 2022-04-26 | 中国大唐集团科学技术研究院有限公司中南电力试验研究院 | 一种适用于多种地形的三维尾流风速分布计算方法 |
CN114996943A (zh) * | 2022-06-06 | 2022-09-02 | 国家气候中心 | 一种用于水库蓄水气候效应评估的中尺度数值模拟方法 |
CN115130243A (zh) * | 2022-07-01 | 2022-09-30 | 中国科学院西北生态环境资源研究院 | 一种考虑网格阻塞效应的中尺度风电场参数化方法 |
CN115204709A (zh) * | 2022-07-26 | 2022-10-18 | 中国气象局上海台风研究所(上海市气象科学研究所) | 一种便于风电场选址的台风风险评估方法 |
CN115238603A (zh) * | 2022-07-07 | 2022-10-25 | 浙江大学 | 一种改进的大型风电场中尺度数值建模方法 |
CN115329690A (zh) * | 2022-07-25 | 2022-11-11 | 华北电力大学 | 风电场的尾流模拟方法、系统、控制装置及可读存储介质 |
CN115470731A (zh) * | 2022-09-29 | 2022-12-13 | 福建国电风力发电有限公司 | 一种基于微气象的风场风电功率预测方法及系统 |
CN115859864A (zh) * | 2022-12-23 | 2023-03-28 | 大连理工大学 | 一种适用于海上风机结构方案设计分项系数的修正方法 |
CN115906616A (zh) * | 2022-10-28 | 2023-04-04 | 浙江浙能技术研究院有限公司 | 一种风电场理论功率和应发电量的计算方法 |
CN116561903A (zh) * | 2023-03-13 | 2023-08-08 | 郑州轻工业大学 | 基于ffd自由变形方法的离心通风机叶型参数化方法 |
CN116722533A (zh) * | 2023-05-26 | 2023-09-08 | 中国电建集团华东勘测设计研究院有限公司 | 一种基于随机风电预测区间的参数化暂态稳定预防控制求解方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3545193B1 (en) * | 2016-11-28 | 2022-10-12 | Vestas Wind Systems A/S | Improving annual energy production of wind turbine sites |
-
2023
- 2023-11-07 CN CN202311473781.1A patent/CN117521282B/zh active Active
Patent Citations (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514341A (zh) * | 2012-06-14 | 2014-01-15 | 华锐风电科技(集团)股份有限公司 | 基于数值天气预报和计算流体动力学的风资源评估方法 |
CN104156575A (zh) * | 2014-07-28 | 2014-11-19 | 国家电网公司 | 基于测风塔数据外推法的风电场理论功率计算方法 |
WO2016023527A1 (zh) * | 2014-08-14 | 2016-02-18 | 国家电网公司 | 一种基于测风塔测风数据的风电场弃风电量确定方法 |
CN104699936A (zh) * | 2014-08-18 | 2015-06-10 | 沈阳工业大学 | 基于cfd短期风速预测风电场的扇区管理方法 |
CN105786850A (zh) * | 2014-12-23 | 2016-07-20 | 南车株洲电力机车研究所有限公司 | 风力机性能数据获取方法及系统 |
CN104978453A (zh) * | 2015-06-18 | 2015-10-14 | 广东明阳风电产业集团有限公司 | 一种风机认证测试系统分析平台 |
CN106321368A (zh) * | 2016-08-12 | 2017-01-11 | 峰能斯格尔(北京)可再生能源科技有限公司 | 基于运营风机scada数据的海上风电场尾流损失测量方法 |
CN108536881A (zh) * | 2017-03-06 | 2018-09-14 | 新疆金风科技股份有限公司 | 用于计算风电场发电量的方法和设备 |
CN108717593A (zh) * | 2018-04-16 | 2018-10-30 | 浙江运达风电股份有限公司 | 一种基于风轮面等效风速的微观选址发电量评估方法 |
EP3771822A1 (en) * | 2019-08-01 | 2021-02-03 | Siemens Gamesa Renewable Energy A/S | A method for computer-implemented determination of a vertical speed wind profile of a wind field |
CN111445055A (zh) * | 2019-12-06 | 2020-07-24 | 中电投电力工程有限公司 | 一种风力发电机组优化选型的方法 |
CN112633347A (zh) * | 2020-12-17 | 2021-04-09 | 国家气候中心 | 登陆台风近地层风特性及其与晴空风特性差异的分析方法 |
CN112784509A (zh) * | 2021-03-04 | 2021-05-11 | 中国大唐集团科学技术研究院有限公司华中电力试验研究院 | 基于改进高斯分布尾流模型的风力发电机功率计算方法 |
CN112926212A (zh) * | 2021-03-10 | 2021-06-08 | 航天科工智慧产业发展有限公司 | 一种内陆平原风能资源评估方法、系统及风机选址方法 |
CN113239646A (zh) * | 2021-05-25 | 2021-08-10 | 华能新能源股份有限公司 | 一种基于等效粗糙度风电场建模方法、介质和设备 |
CN113536474A (zh) * | 2021-06-04 | 2021-10-22 | 四川大学 | 一种离心式风机叶轮参数化设计系统及方法 |
CN113836762A (zh) * | 2021-08-25 | 2021-12-24 | 中国大唐集团新能源科学技术研究院有限公司 | 一种风力机及风电场数字镜像模拟展示系统 |
CN113987823A (zh) * | 2021-11-08 | 2022-01-28 | 国家气候中心 | 陆上集中式光伏电站气候效应评估的中尺度数值模拟方法 |
CN114154325A (zh) * | 2021-11-30 | 2022-03-08 | 华能新能源股份有限公司 | 一种定常与非定常混合风能资源评估方法及系统 |
CN114398843A (zh) * | 2022-01-18 | 2022-04-26 | 中国大唐集团科学技术研究院有限公司中南电力试验研究院 | 一种适用于多种地形的三维尾流风速分布计算方法 |
CN114996943A (zh) * | 2022-06-06 | 2022-09-02 | 国家气候中心 | 一种用于水库蓄水气候效应评估的中尺度数值模拟方法 |
CN115130243A (zh) * | 2022-07-01 | 2022-09-30 | 中国科学院西北生态环境资源研究院 | 一种考虑网格阻塞效应的中尺度风电场参数化方法 |
CN115238603A (zh) * | 2022-07-07 | 2022-10-25 | 浙江大学 | 一种改进的大型风电场中尺度数值建模方法 |
CN115329690A (zh) * | 2022-07-25 | 2022-11-11 | 华北电力大学 | 风电场的尾流模拟方法、系统、控制装置及可读存储介质 |
CN115204709A (zh) * | 2022-07-26 | 2022-10-18 | 中国气象局上海台风研究所(上海市气象科学研究所) | 一种便于风电场选址的台风风险评估方法 |
CN115470731A (zh) * | 2022-09-29 | 2022-12-13 | 福建国电风力发电有限公司 | 一种基于微气象的风场风电功率预测方法及系统 |
CN115906616A (zh) * | 2022-10-28 | 2023-04-04 | 浙江浙能技术研究院有限公司 | 一种风电场理论功率和应发电量的计算方法 |
CN115859864A (zh) * | 2022-12-23 | 2023-03-28 | 大连理工大学 | 一种适用于海上风机结构方案设计分项系数的修正方法 |
CN116561903A (zh) * | 2023-03-13 | 2023-08-08 | 郑州轻工业大学 | 基于ffd自由变形方法的离心通风机叶型参数化方法 |
CN116722533A (zh) * | 2023-05-26 | 2023-09-08 | 中国电建集团华东勘测设计研究院有限公司 | 一种基于随机风电预测区间的参数化暂态稳定预防控制求解方法 |
Non-Patent Citations (5)
Title |
---|
BCC_GCM2.1模式对平流层环流变化特征的数值模拟及其模式评估;陆春晖;丁一汇;张莉;;气象学报;20140215(第01期);全文 * |
Chen, F ; Huang, GH and Fan, YR. A linearization and parameterization approach to tri-objective linear programming problems for power generation expansion planning.《ENERGY》.2015,第87卷第240-250页. * |
台风型风电机组设计中Vref和湍流模型研究;张秀芝;张容焱;高梓淇;;今日科苑;20140915(第09期);全文 * |
大型风力发电场对华北地区大气影响的数值模拟研究;李思;章晓冬;尕藏程林;王文鹏;吴敏;;高原气象;20200414(第02期);全文 * |
山地复杂条件下三种边界层参数化方案对近地层风模拟精度初步评估分析;穆清晨;王咏薇;邵凯;王恪非;高雅琪;;资源科学;20170715(第07期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117521282A (zh) | 2024-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107194097B (zh) | 基于风电场气动模拟和风速风向数据的分析方法 | |
CN102663251B (zh) | 基于计算流体力学模型的风电场功率物理预测方法 | |
Quarton et al. | Turbulence in wind turbine wakes | |
CN105894391B (zh) | 基于scada运行数据提取的风电机组转矩控制性能评估方法 | |
CN104699936A (zh) | 基于cfd短期风速预测风电场的扇区管理方法 | |
CN108388962A (zh) | 一种风电功率预测系统及方法 | |
CN105825002B (zh) | 一种基于动态灰关联分析法的风电场动态等值建模方法 | |
CN110088463A (zh) | 风力涡轮电场级载荷管理控制 | |
CN111091298B (zh) | 一种风电场流场耦合特性评估与智能分群方法及系统 | |
CN111173686A (zh) | 确定配备有LiDAR传感器的风力涡轮机的感应因子的方法 | |
CN113627101A (zh) | 一种基于改进型ad/rsm模型的风力机尾流模拟方法 | |
CN110991701A (zh) | 一种基于数据融合的风电场风机风速预测方法及系统 | |
Migoya et al. | Comparative study of the behavior of wind-turbines in a wind farm | |
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 | |
Stewart | Design load analysis of two floating offshore wind turbine concepts | |
Iungo et al. | Machine-learning identification of the variability of mean velocity and turbulence intensity for wakes generated by onshore wind turbines: Cluster analysis of wind LiDAR measurements | |
CN109255361B (zh) | 一种考虑不可行区域的潮汐流能发电场机组布局方法 | |
CN114169718A (zh) | 一种基于风电机组状态评估提高机组可靠性的方法 | |
GB2555010B (en) | Determining loads on a wind turbine | |
CN117521282B (zh) | 用于风电场气候特征模拟的密度依赖型风机参数化方法 | |
WO2024041409A1 (zh) | 确定代表风力发电机组的方法和装置以及控制方法和装置 | |
CN105354763A (zh) | 风电机组来流风速测量方法及装置 | |
CN115204712B (zh) | 一种海上和沿海风电场选址评估方法 | |
CN110414734A (zh) | 一种计及风资源利用率预测评估的方法 | |
Bao et al. | Iterative modeling of wind turbine power curve based on least‐square B‐spline approximation |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |