基于WAsP的风电场风能资源评估的应用及分析

介绍了风电场选址中风能资源评估的主要参数,介绍和分析了常用的风能资源评估软件的功能和特点,基于工程实测数据用风资源评估软件WASP8．3分析和评估了相关风能要素。     

风电场的风资源评估及产能预估

以新疆某风电场每10 min的测风数据为基准进行风电场风资源评估;基于3种不同时间间隔(30min,1 h,2 h)的测风数据,并考虑尾流影响,利用Wind PRO软件对该风电场产能进行了评估;通过对比不同时间间隔测风数据的发电量误差,得出与该风电场风机发电特性最接近的测风时间间隔。文章阐述了风电场风资源评估的基本流程,利用先进的风资源评估软件,对进一步开发低风速风资源提供了有力的技术支持。该研究结果能够对精细化评估风电场产能及测风数据时间间隔的选取提供指导。     

风能资源评估方法的分析及应用

阐述了风电场选址中的风能资源的评估程序,介绍和分析了风能资源评估技术方法和特点,基于工程实测数据,用国际通用的风资源评估软件WASP8．3分析和评估了相关风能要素。     

风电场变压器配置方案优化研究

风能随机性和间歇性的特性决定了风力发电机出力的时变性,也决定了风电场变压器配置的复杂性。建立了风电场变压器的经济性配置模型,并通过建立的基于热传递微分方程的变压器温升模型、基于热改性绝缘纸的老化率动态的寿命损失模型,利用风资源评估软件WT和Matlab软件给出了风电场变压器优化配置方案。     

中尺度风资源数值模拟试验分析

应用中尺度数值模式模拟地区的风资源状况是一种比较先进的方法。该模拟成果对大范围区域风能资源的宏观评估和风电场宏观选址具有很好的参考价值。着重介绍了WRF(Weather Research and Forecast)数值模式模拟方法,并采用该模拟方法对近海风电场的风资源进行了模拟。     

浅论WAsP软件在近海风力资源预测上的应用

近年来海上风电场开始迅速发展,但是由于海上测风困难,至今我省还没有海上风资源测量的详尽数据。引用丹麦国家实验室的研究结果,利用目前风电行业普遍使用的风资源预测软件WAsP（风资源分析与应用软件）对我省区域海域的计算,进一步了解WAsP软件在近海范围内对海上风资源情况的应用。     

基于风速-功率曲线模型风功率预报系统精度分析与改进

基于风电场运行数据,完成对风功率预报系统精度分析。通过量化对数值天气预报偏差、风电场整场功率输出模型偏差,提出了基于风速-功率曲线模型的风电场风功率预报系统精度的改进方法。采用文中提出的风功率精度分析与改进方法,对于现场准确评价风功率预报系统精度以及系统优化升级提供可靠的依据。为风电场的生产管理、提高发电量具有积极意义。     

基于Wasp的工业园区分散式风电场风资源评估应用

分散式风电是未来风力发电行业的新增长点。以企业建设用地为场址的分散式风电场也将迎来空前的发展。风电场与人类活动范围越来越近,相关的风资源评估研究却很少。结合实例,本文以粗糙度模型与障碍物模型研究某工业园区地貌的风资源影响,估算风场发电量,为今后类似工程提供借鉴。     

测风塔选址对复杂地形风电场风资源评估的影响

为研究复杂地形条件下风电场测风塔的代表性及其对风资源评估的影响,以陕西省靖边县境内某风电场为例,选取3座测风塔资料,利用WindSim软件模拟分析了2011年风电场风能资源分布,并估算了风电场年发电量。结果表明,复杂地形风电场处测风塔数量较少时风资源评估结果的不确定性显著增加,而在考虑地形因素情况下测风塔数量增多,估算发电量更为准确。在地形较为复杂的风电场应根据地形条件布设适当数量测风塔,以得到风电场内较为精准的风资源分布,减少因测风塔位置选择而造成的风资源评估的不确定性。     

风电场的风力资源分析以及场址选择

基于风电场场址选址过程,从宏观选址到微观选址等方面对投建在江苏东海县的风电场场址选择的问题进行研究。以该地实际测量数据为基础,采用柱状图以及气象玫瑰图对该风电场场址风能资源进行综合评价,以确定该风电场场址、风力发电机的选择以及风力发电机组的布置。采用风资源分析软件进行专业评估,证实场址选择的有效性。     

基于Scada数据的风电场改扩建数值模拟研究

风电技术发展速度远高于风电场衰老速度,随着技术的不断进步,多数风电场可以进行有针对性的改扩建,并以此来最大化利用已有风电场内风能资源,增加经济收益。根据已建成风电场运行特性对风电场进行精细化设计是已建成风电场改扩建的关键。针对已建成风电场的Scada数据进行统计分析,了解风电场风能资源特征及运行特性,随后根据风电场风资源特征及运行特性,建立CFD模型,并通过对比风电场模型与风电场各机位点实际测风数据的误差,确认风电场CFD模型的精确程度,最后应用修正为自由流的已建机位点机舱测风数据进行模型修正,达到精准模拟风电场的要求,并以此来确定风电场改扩建排布方案,确保风电场发电量。工程实例的数据与结果分析表明了该方法的可行性。     

内蒙古某风电场设计后评价

采用支持向量机方法对风电场短期风速设计后评估主要从技术方面对风电场设计进行综合评价．而不包括一般项目后评价中的财务评价、环境评价、经济评价和社会评价等内容,并且重点放在风能专业的风资源评价和发电量计算这两方面。在准确可靠的测风数据基础上,设计中的不确定性主要表现在3方面：1）风电场测风数据的代表年订正：2）风资源计算软件本身的误差;3）各种发电量折减系数的选取。对设计中的不确定性因素,结合风电场实际运行数据进行了比较分析,进一步给出了各种不确定因素的参考误差。     

基于优化CFD模型的风电场风速数值模拟

为了提高风资源普查的精度,更好地针对我国地形及风况,文章优化了现有风资源计算流体力学模型,并编写了相应计算模块。优化模型包括:(1)贴合复杂山地地形的网格化分器,可以对任意地形进行网格划分;(2)通过分析测风数据自动计算湍流模型系数;(3)增加温度运输方程,将大气边界层热稳定度耦合到动量方程和湍流模型中;(4)与实际大气边界层热稳定度分层效应一致的入口条件及壁面函数。为了验证优化后的风资源计算方法的精度,文章对一待开发风电场进行了风资源计算。计算结果显示,使用优化的模块可以更精确地计算风速,与优化前相比,可以将误差至少降低10%。     

基于Elman神经网络的短期风电功率预测

为提高风电场输出功率预测精度,提出一种动态基于神经网络的功率预测方法。根据实际运行的风电场相关风速、相关风向和风电功率的历史数据,建立了基于Elman神经元网络的短期风电功率预测模型。运用多层Elman神经网络模型对西北某风电场实际1h和24h的风电输出功率预测,与BP神经网络模型对比,经仿真分析证明前者具有预测精度高的特点,三隐含层Elman神经网络模型预测效果最佳。这表明利用Elman回归神经网络建模对风电功率进行预测是可行的,能有效提高功率预测精度。     

一种基于大气稳定度的风资源评估方法

在风资源评估过程中,平均风速、风切变指数、风功率密度等是必须测量的特性参数,这些参数的测量均受地形地貌、大气稳定度、测风时间、测风设备的影响。在目前的风资源评估中,大气稳定度的影响基本都被忽略,因此,影响了风资源评估的准确性,甚至会带来选址的决策性失误。文章研究了大气稳定度对风资源特性的影响,并以美国某地4年的测风数据为例,研究大气稳定度对风切变指数,风能玫瑰图,风功率密度等的影响,建立了考虑大气稳定度的轮毂高度风速外推模型,解决了目前风资源评估中外推轮毂高度风速时由于使用整个风电场的平均风切变指数而带来风资源评估误差的问题。算例结果表明,该模型结构简单,外推结果精度高,具有较强的工程实用价值。     

风电场微观选址及发电量预测的探讨

对风资源评估、选址地面情况和风机位置的排布等影响风电场微观选址的因素进行了分析.阐述了风电场发电量的预测方法,通过实例说明如何使用相关软件来预测风电场发电量,并根据预测结果对风电场微观选址注意事项进行了探讨.     

基于热稳定度风向标准差法的风速外推模型研究

针对风能评估中外推轮毂高度处风速的问题,分析了高层风切变指数特性,建立了基于风向标准差法的风速外推模型。该模型首先剔除小于3 m/s的低风速数据及大于25 m/s的高风速数据,再利用风向标准差法对该地区风资源进行热稳定度分类,计算相应的风切变指数,并进行轮毂高度处风速推算。计算结果表明,相对于没有进行数据筛选的计算模型,推算精度提高了5.46%,加强了风能评估的准确性,对风电场的风资源评估具有一定的指导意义。     

基于风电场等效平均风速的风电功率日前预测研究

提出风电机组风速模型及风电场等效平均风速模型,并由此得到基于风电场等效平均风速的风电功率预测方法,与以往基于平均风速的预测方法进行工程应用效果对比,该方法较基于平均风速的预测方法在预测精度方面有明显提高,且模型简易可行,具有通用性。     

WT软件在风电场测风塔选址及风能资源评估中的应用

本文以华北某风电场为例,运用WT软件讨论了测风塔在风能资源评估中的选址原则。并将场区内两座测风塔70m高度的测风数据综合,计算了风电场区域内风鞥资源状况,根据风电机组位置,评估尾流效应对测风塔的影响,对用于超短期功率预测的测风塔的选址提出了进一步要求。     

插补测风塔缺测数据的相关性计算方法讨论

风电场测风塔测风数据的质量直接影响风能资源评估的结果,进而影响整个风电场投产运行后的经济效益。因此,测风塔缺测数据的插补,在整个风电场的设计过程中具有重要的作用。文章主要讨论了在风电场工程中,采用直接相关法和统计相关法进行测风塔缺测数据插补的实用性。