风向角变化量的Lorentz分布规律研究

基于雷达实测风向数据,采用统计学方法,通过拟合曲线和回归分析中拟合优度的对比,证明可用Lorentz分布函数来描述风向角变化量的分布。研究结果表明:相对于用Gauss函数描述自然风角度变化量的概率密度,用Lorentz分布来描述风向角变化量概率密度分布与Logistic分布的拟合优度基本相同,更符合风向角变化量的分布规律,并且得出风向角变化量的Lorentz概率密度函数;Lorentz分布概率密度函数中的特征角度是决定函数形状的参数,而特征角度是与采样时间间隔相对应的,进而得出特征角度与采样时间间隔的函数关系式。     

基于叶片应变感知的风力机动态风向跟踪算法

在风力机运行过程中,偏侧风状态会导致风能利用率降低,同时降低风机的疲劳寿命。在动态风向变化下,随着侧风角度的变化,风力机叶片上的应变信号存在着规律性变化趋势,但由于应变信号呈现出非平稳、非线性和多种频率成分叠加的复杂特性,使得通过应变信号来揭示侧风角度变化规律有一定难度。文章提出了一种基于应变感知和BP神经网络的风力机风向追踪算法（SPWDP）。首先,通过设计风力机叶片应变测试方案,采集侧风角度变化下的叶片表面的多点应变数据,对应变信号进行变分模态分解（VMD）,将叶片应变随侧风角度变化的规律提取出来,定义为风向-应变的特征;然后,使用BP神经网络作为建模算法,对风向-应变特征进行学习,并使用粒子群算法对BP神经网络的初始权值和阈值进行优化;最后,得到动态风向跟踪模型。经风洞实验数据验证,所提SPWPD算法在风力机侧风风向判断上具有可行性。     

风向偏差角对风机功率预测的影响

提高风电功率预测准确率对风电场和电力系统的稳定运行都具有重要意义。风机偏航系统理论上可使得风机叶片自动适应环境风向的变化,但风向偏差角仍普遍存在。应用国电集团江西省某风电场的实测数据,分析了风向偏差角的分布特征及其对风机输出功率的影响。结果表明：风向偏差角具有显著的正态分布特征及日变化规律,当风速一定时,风向偏差角越大,则风机输出功率越小。进一步将风向偏差角引入预测模型,发现可有效提升风电功率预测的准确性,预测相关系数提升0.9%,均方根误差降低7.9%、平均绝对误差降低8.6%,表明在风电功率预测模型中,考虑风向偏差角的影响具有积极意义。     

中国典型地区风能资源特性研究

利用西北地区和东南沿海地区具有代表性的测风塔资料,对比分析其风能资源特性差异,结果发现:①即使西北和东南沿海地区的年平均风速相同,西北地区的年平均风功率密度和年风能密度均显著大于东南沿海地区,其风功率密度可大1～2个等级,造成这种显著差异的关键因子是西北地区"大风速"的出现频率较东南沿海地区多;②西北地区和东南沿海地区的风向变化主要以小角度变化为主,但两地区的风向变化特征明显不同:西北地区的小风向变差角出现频率略少于东南沿海地区,而较大的风向变差角出现频率明显多于东南沿海地区.两类地区不同的风资源特性将影响风电场选址和设计、风电机组选型以及建成后的运行管理模式,具有重要的现实意义和使用价值.     

风电机组风向波动概率特性研究

波动性是风资源的固有特性。定量分析风向波动性对优化风电机组偏航系统控制参数有重要意义。文章采用风电机组自身测量的风资源数据,提出了基于波动幅值A和波动持续时间T的风向波动量描述方法。采用Weibull分布对风向波动量的边缘分布概率密度进行函数拟合,使用Frank-Copula函数对边缘分布进行连接,构建了二维风向波动量的联合概率密度函数。与实际运行数据比对分析,验证了该风向联合概率分布的正确性。文章提取了一组能够精确量化风电机组本地风向波动特性的概率指标集,为风电机组偏航系统的参数优化设置及提升机组发电效率提供了支持。     

考虑风向动态变化下风力机塔架应力特性分析

以课题组自行研制的风力机为研究对象，通过动态旋转平台模拟风向动态变化，研究在风向动态变化情况下塔顶和塔底的应力变化情况，同时分析风向动态变化对塔架应力的影响。对比发现：随着风向变化角速度的增大，最大主应力值呈先增大后减小的趋势，风向变化角速度为0.5（°）/s时最大主应力值变化程度最小，风向变化角速度为1（°）/s时，塔架稳定性最不利。随着风向变化角度的增大，最大主应力值先增大后减小，且最小主应力值随风向变化角度的增大而减小，风向变化角度为60°时最大主应力值最小，风向变化角度在30°以内应力波动较明显。     

考虑风速、风向变化及尾流效应的风电场建模

对风电场建模过程中,确立准确的输入风速模型至关重要。风电场中机组排列密集,风机之间存在尾流效应使得各台风机的输入风速不可能完全相同,尾流效应的强弱与很多因素有关,如:风速、风向、机组的排列布置等。利用MATLAB程序实现在不同风速、风向、风机排列情况下输入风速的计算,模拟实现对风速、风向变化情况下风电场的快速建模。可以较准确地描述出当风速、风向变化时风电场功率输出的变化。通过仿真验证了此方法的正确性,该方法的可移植性高,可用于各种规模风电场输入风速模型的计算。     

BP神经网络在风力发电机风向预测中的应用

根据新疆达坂城风电场某风力发电机2012年6月的某段风向数据,构建风向预测的BP神经网络模型。仿真结果表明,BP网络用于风向预测具有较高的精度和泛化能力,它为风力发电机偏航控制的设计提供了新的思路和方法。     

基于MATLAB系统辨识工具箱的风信号预测

利用MATLAB系统辨识工具箱的ARMA模型对主要影响风机输出的风速和风向时间序列分别进行数据预处理、相关性分析以及ARMA模型参数估计和模型定阶,最后得出风信号预测结果.将MATLAB系统辨识工具箱用于建立ARMA模型实现对风信号的预测是一种新的尝试,由简单的几行程序就可以达到很好的预测效果.说明将MATLAB系统辨识工具箱的ARMA模型用于风信号的预测是合适的,能反映出风电场的未来风速和风向分布特性.     

摇摆式垂直轴风力机气动特性数值模拟

针对垂直轴风力机无需对风,湍流风风向不断变化的情况,提出转轮轴向力随风向摇摆的垂直轴风力机,利用摇摆产生的切向风和来流风共同作用下的风能,提高气动性能.采用RNG k-ε湍流模型对三叶片摇摆式风力机进行模拟,研究风向变化的周期、幅角以及摇摆迟滞时间对固定式和摇摆式垂直轴风力机力矩系数的影响规律.结果表明:与固定式垂直轴...     

计及随机波动风速、风向的风电场建模方法研究

提出风电场建模方法建立风电场随机模型,对风电场运行特性进行仿真,为实现大规模风力发电的可预测、可控制目标服务。通过对风电场等值模型与详细模型的仿真比较,验证建模方法的合理性,并得出在研究风电场动态特性及其对电网影响时应考虑风速、风向的随机波动建立风电场模型。     

Evaluation of the wind direction uncertainty and its impact on wake modeling at the Horns Rev offshore wind farm

Accurately quantifying wind turbine wakes is a key aspect of wind farm economics in large wind farms. This paper introduces a new simulation post‐processing method to address the wind direction uncertainty present in the measurements of the Horns Rev offshore wind farm. This new technique replaces the traditional simulations performed with the 10 min average wind direction by a weighted average of several simulations covering a wide span of directions. The weights are based on a normal distribution to account for the uncertainty from the yaw misalignment of the reference turbine, the spatial variability of the wind direction inside the wind farm and the variability of the wind direction within the averaging period. The results show that the technique corrects the predictions of the models when the simulations and data are averaged over narrow wind direction sectors. In addition, the agreement of the shape of the power deficit in a single wake situation is improved. The robustness of the method is verified using the Jensen model, the Larsen model and Fuga, which are three different engineering wake models. The results indicate that the discrepancies between the traditional numerical simulations and power production data for narrow wind direction sectors are not caused by an inherent inaccuracy of the current wake models, but rather by the large wind direction uncertainty included in the dataset. The technique can potentially improve wind farm control algorithms and layout optimization because both applications require accurate wake predictions for narrow wind direction sectors. © 2013 The Authors. Wind Energy published by John Wiley & Sons, Ltd.     

风力机塔架的结构动力分析

阐述了风力机塔架的固有和固有振型、顺风向下塔架的风效应和位移响应，横风向塔架在尾涡激励下的风效应和位移响应以及由风轮旋转而引起的位移响应，给出了计算实例，为风力机塔架结构动力设计提供了有效方法。     

金紫山风电场风机基础沉降观测与资料分析

结合金紫山风电场工程,介绍了金紫山风电场风机基础监测具体方法、监测时间和密度及监测数据分析。分析结果表明：风机基础在最初时期,由于风机基础本身自重、回填土重量、风机塔筒及风机机舱垂直荷载,呈现出下沉状态。沉降经过一段时间后,下降趋向稳定,风机基础沉降主要与主风向呈有规律变化,与主风同向的监测点上升,与主风反向的监测点下沉。     

考虑风速风向联合概率分布的风电塔筒结构风致疲劳寿命评估

针对风向对风力机塔筒疲劳产生影响的问题,基于实测数据对考虑风速风向联合概率分布的风电塔筒结构的风致疲劳寿命展开研究。首先结合甘肃安西地区37 a的实测风速风向数据,给出风速风向联合概率分布。然后利用主S-N曲线法分别对不同风向和不同风速下风力机塔架结构法兰及门洞区域的响应规律进行分析。最后考虑风速风向联合概率分布,对风电塔筒结构风致疲劳寿命展开研究。结果表明：门洞朝向与风轮朝向的夹角变化和风速的改变均对风电塔筒的风致疲劳寿命有一定影响,其中门洞朝向与风轮朝向夹角为225°时疲劳寿命最长,风速为10~14 m/s时疲劳寿命变化幅度最大;考虑风速风向联合概率分布能更准确地计算风力机结构的风致疲劳寿命,且以此为依据对门洞朝向进行调整可延长其疲劳寿命,因此建议对风电塔架进行设计时,应考虑风电场所在地区的风速风向联合概率分布。     

风力发电机调向控制系统

对风力发电机风向标准和风向传感器、调向控制系统的设计进行了讨论。两年的运行表明，风力发电机调向平稳，工作安全可靠。     

Time‐adaptive wind turbine model for an LES framework

Most large‐eddy simulation studies related to wind energy have been carried out either by using a fixed pressure gradient to ensure that mean wind direction is perpendicular to the wind turbine rotor disk or by forcing the flow with a geostrophic wind and timely readjusting the turbines' orientation. This has not allowed for the study of wind farm characteristics with a time‐varying wind vector. In this paper, a new time‐adaptive wind turbine model for the large‐eddy simulation framework is introduced. The new algorithm enables the wind turbines to dynamically realign with the incoming wind vector and self‐adjust the yaw orientation with the incoming wind vector similar to real wind turbines. The performance of the new model is tested first with a neutrally stratified atmospheric flow forced with a time‐varying geostrophic wind vector. A posteriori, the new model is used to further explore the interaction between a synthetic time‐changing thermal atmospheric boundary layer and an embedded wind farm. Results show that there is significant potential power to be harvested during the unstable time periods at the cost of designing wind turbines capable of adapting to the enhanced variance of these periods. Stable periods provide less power but are more constant over time with an enhanced lateral shear induced by an increased change in wind direction with height. Copyright © 2015 John Wiley & Sons, Ltd.     

Statistical wind direction modeling for the analysis of large scale wind power generation

Understanding the effects of large‐scale wind power generation on the electric power system is growing in importance as the amount of installed generation increases. In addition to wind speed, the direction of the wind is important when considering wind farms, as the aggregate generation of the farm depends on the direction of the wind. This paper introduces the wrapped Gaussian vector autoregressive process for the statistical modeling of wind directions in multiple locations. The model is estimated using measured wind direction data from Finland. The presented methodology can be used to model new locations without wind direction measurements. This capability is tested with two locations that were left out of the estimation procedure. Through long‐term Monte Carlo simulations, the methodology is used to analyze two large‐scale wind power scenarios with different geographical distributions of installed generation. Wind generation data are simulated for each wind farm using wind direction and wind speed simulations and technical wind farm information. It is shown that, compared with only using wind speed data in simulations, the inclusion of simulated wind directions enables a more detailed analysis of the aggregate wind generation probability distribution. Copyright © 2016 John Wiley & Sons, Ltd.     

采用时间序列预测风电场出力

基于时间序列的方法,采用自回归滑动平均(ARMA)模型进行短期风速预测;考虑风力发电机组排列布置时尾流效应的影响、风电场址地面粗糙程度、空气密度、风向变化以及不同型号风机功率特性的差异等因素,采用Jasen尾流模型建立了大型风电场的综合模型。结果表明,合理的风电场布置方案有利于减小尾流效应的影响,从而提高风电场出力。