基于对比分析法的内蒙古某风场风资源后评估

近年,风电项目后评估方面的研究已逐步开展起来,但多倾向于风电场运行安全性、经济性和发电量指标,以及用风电机组分布系数、风资源系数和损失系数来评价风电场运行情况。基于对比分析法,从平均风速、风向频率、最大风速、风速频率、有效风速小时数、风功率密度变化等评估要素,对内蒙古某风场风资源进行了后评估。研究表明：两阶段相比,风场参考气象站年平均风速、平均最大风速均趋于减小,趋势变化率分别为-0.015、-0.185;主风向一致均为SSE;静风频率降低21.6%;风场不同周期平均风速约减小0.80 m/s,白天风速减小10.00%,夜间风速减小约12.00%;3个风速区间有效风速小时数分别减小263 h、533 h和925 h,风速频率峰值区由6.50~7.50 m/s降至4.50~5.50 m/s,高频风速（超过7.00%）由4.50~9.50 m/s降至2.50~8.50 m/s;风功率密度与风速变化趋势较一致,其中,1月和下半年各月份2阶段风功率密度较接近,除5月外其他月份较设计阶段减小较明显;风功率密度频率峰值区对应风速区间由14.50~16.50 m/s减至9.50~10.50 m/s;高频区（超过7.00%）由10.50~13.50和14.50~16.50 m/s变为7.50~15.50 m/s。     

风电场风能资源评估

结合甘肃省玉门市低窝铺二期风电场工程对测风资料进行了分析,得出1年中各月份的平均风速,10m高及70m高处各等级风速的百分比,风向分布等,可得出主风向、年风功率密度及年风能可利用小时数,从而实现对风能资源的精确评估。     

风能资源评估软件WAsP和WT的适用性

基于内蒙古地区不同复杂程度的3个风电场内7个测风塔共21个测风高度完整1a的测风资料及该地区高分辨率的数字地形资料,结合风电场内一个参考塔的测风结果,采用WAsP和WT2种软件推导风场内目标塔的风资源,通过比较目标塔处推算结果和实际测量结果,分别得出WAsP和WT的计算误差。结果表明:对于计算年平均风速和风功率密度,除在C1测风塔处外,WT总体表现比WasP更准确;在风资源分布图上,2种软件计算的风资源丰富区的位置基本一致,均在风电场中海拔较高的地方,但WAsP计算的风资源丰富区面积大于WT计算的风资源丰富区面积,丰富区年平均风速和风功率密度也高于WT计算值。     

双参数威布尔分布风况中基于 k值分析的能量分布研究

在风力发电场风能资源分析中,仅采用年平均风速和年平均风功率密度来判断风电场风能资源的好坏是不全面的,其无法体现风电场风能资源的能量输出能力。通过对单峰双参数威布尔分布风况中形状参数k值的研究,找出其与风速、风能频率分布及风中蕴含能量的关系,并进一步分析对于不同风力发电机组Cp值曲线,k值与总体有效风能利用率的关系,从而在风电场建设的咨询、决策、设计等阶段对风电场风能资源评估和风机预选型作出科学的指导。     

气候变化对中低风速风电场发电出力影响分析

风力发电以风能为一次能源,易受气候条件的影,对长时间尺度下气候模式的变化比较敏感。气候变化可能明显地改变风速的统计分布特性,影响风力发电机组的功率输出。因风能与风速的立方呈比例,长时间尺度上气候模式变化导致的平均风速异动对中低风速风电场的影响更为突出。收集、整理了我国中、东部6个气象观测站点1973年-2012年间的气象数据,从长时间尺度上考察分析了气候变化对各调查站点风速、风功率密度等级以及典型机组容量系数的影响。仿真计算表明,内陆站点(衡山、泰山、黄山和庐山)受气候变化影响较大,风速和典型机组的容量系数均有不同程度的下降趋势,黄山和庐山的风功率密度等级退化明显;沿海站点(九仙山、成山头)无明显长期变化趋势,风功率密度等级一直维持在较高水准。     

利用STRM和NCEP数据提高风电场宏观选址的准确性

利用STRM数据得出风电场宏观地形,利用NCEP数据提取出风电场的气象数据,在WAsP8.3软件的支持下,计算出描述风资源概况的风速、风功率密度和威布尔分布参数值的分布概况。根据风速、风功率密度分布可以直观地看出风资源的分布情况,根据威布尔分布参数值能够计算出初步的发电量,进而为风电场的宏观选址和下一步测风塔的建立提供依据。     

江苏如东地区风速数据分析及风能发电储量

通过分析江苏如东气象局公布的 2 0 0 2年 1～ 1 2月沿海地区的风速数据及所选用的风电机特性 ,研究了该地区的风能发电储量。在选用最优型的风电机时 ,考虑了计算得出的最优风速 ,并通过对该种风电机进行建模来描述其特性。通过分析计算 ,得出如东沿海地区 70 m高处的平均风速、风能平均功率密度和所选用风电机的年发电量。计算结果表明该地区风能发电储量十分丰富     

基于波动互相关系数的风能资源评估组合模型

传统的风电场风能资源评估中测量–关联–预测(measure-correlate-predict,MCP)方法只能利用单组参考数据预测目标站长期风资源,但精度较差。为了充分利用多组参考数据所包含的信息,该文提出引入风速序列间的波动互相关系数来衡量参考站和目标站之间风速波动趋势的相关程度,并将其作为多参考站组合预测的权重分配依据,建立了基于波动互相关系数的风能资源评估组合模型。结合站间风速的相关性对目标站长期风速分布进行了组合预测,估算了目标站长期风功率密度分布和年平均风功率密度。研究结果表明,与线性相关系数相比,波动互相关系数可以更有效地衡量站间风速的相关性;将波动互相关系数作为多参考站组合预测的权重参数,可以更准确地对风电场的风能资源状况进行有效评估。     

梯度提升树算法在陕北风电场短期风电功率预测中的应用

为了对地形和气候条件复杂的陕北风电场短期风电功率进行准确预测,通过将（weather research and forecasting,WRF）模式输出结果和同期实测风电功率资料相结合,利用梯度提升树算法进行预报气象场和实测风电功率之间的统计关系分析,从而建立了一套陕北风电场短期风电功率预测模型。以陕北靖边某风电场为例,预测结果表明：所提模型年平均预测准确率伟15.7%;月平均归一化均方根误差在20%以下。模型对风电场风电功率预测精度较好。     

两种推导风电场10m高最大10min风速方法的讨论

根据察右中旗气象站及该地区的5座测风塔1 a的测风数据,采用2种方法推导出风电场10 m高50 a一遇最大10 min平均风速。方法1是使用气象站与测风塔测风年全部整小时测风数据做线性相关,由相关函数结合气象站50 a一遇最大10 min风速值推出风电场10 m高50 a一遇最大10 min平均风速;方法2是使用筛选出的测风塔测风年整小时测风数据中每日最大值及与其对应时刻的气象站测风数据做线性相关,由相关函数结合气象站50 a一遇最大10 min风速值推出风电场10 m高50 a一遇最大10 min平均风速。计算结果表明,在测风数据与气象站数据整体相关性较差的情况下,采用方法1得到的结果不稳定,而采用方法2稳定性得到了提高。