风场风谱模型的分形维数研究

为定量地描述湍流风场,降低湍流风谱模型选用时的盲目性,采用基于分形学的计盒维数法和Hausdorff维数法计算并分析风场风速时间序列数据的分形维数。选用Kaimal、SMOOTH和NWTCUP等湍流风谱模型,在不同风速和不同湍流强度的条件下进行风场仿真,得出不同波动程度的风速。利用MATLAB求解出每组数据的分形维数,并与某一风场的实测风速数据的分形维数进行对比,得出NWTCUP模型的分形维数与实测数据的分形维数最为接近。初步研究结果表明,分形维数可以作为选择湍流风谱模型的一个重要定量参数。     

基于分形学的湍流风谱特性对比研究

为定量描述湍流风场和解决湍流风谱模型选择时存在盲目性和不准确性等问题,基于多种湍流风谱模型并考虑湍流强度、地表粗糙度及空间高度的影响,生成不同程度的风速时间序列曲线。基于图像识别技术和计盒维数法对各条件下风速曲线分形维数进行计算。结果表明:不同湍流风谱模型具有不同的分形特性;湍流风分形特性受湍流强度和地表粗糙度影响;相同地貌特征和气候条件下,不同高度处风速时间序列数据具有不同的分形维数。     

自相似性和分形维数在风场分析中的应用

通过探究风速时间序列的自相似性和分形维数,将分形学运用到湍流风场分析中,从风速时间序列的局部与整体关系和风速时间序列的分形维数2个角度解决选用湍流风谱模型时存在的盲目性问题.选用某一风场风速时间序列,基于Kaimal、Von Karman、SMOOTH和NWTCUP湍流风谱模型得到风速时间序列,采用Hurst值验证风速时间序列的自相似性,用计盒维数法计算风速时间序列的分形维数.结果表明:不同的湍流风谱模型具有不同的分形维数,湍流风谱模型可定量描述;风速时间序列内部波动不是随机的,是有自相似性的长程相关过程;分形维数与参考风速有关.     

湍流风分形特性对比研究

基于多种湍流风谱模型并考虑湍流强度、地表粗糙度及空间高度对湍流风的影响,获取各种环境条件下的湍流风风速时间序列数据并生成相应的时域风速曲线。应用图像识别技术和盒子计数法,对各风速曲线分形维数进行计算与分析。结果可揭示湍流风风速时间序列的分形特性,且研究了湍流强度、地表粗糙度及空间高度对湍流风分形维数产生的影响,可为湍流风的分析及湍流风谱的准确选择提供一种新思路。     

风力机叶片动态特性与分形维数关系研究

为探究风力机叶片动态特性与分形维数之间的关系,基于湍流风谱模型Von Karman和NWTCUP生成2种风场,通过多体动力学软件FAST仿真出不同风速条件下的风力机叶片挥舞和摆振时域动态响应,采用计盒维数法求解其分形维数。用发电机输出功率验证分形维数描述风力机叶片动态特性的可行性。结果表明:挥舞时域动态响应的分形维数随风速的增大逐渐减小,而摆振则相反,当达到额定功率时挥舞和摆振的分形维数变化都较小;相同风速下不同湍流风谱模型的功率虽几乎相同,但其对应的分形维数却不同,表明不同的湍流风谱模型有其特定的分形维数。     

高原山地风电场脉动风特性实测研究

文章基于四川省高原山地风电场实测风速数据,对平均风速与风向、湍流强度、阵风因子、湍流积分尺度等脉动风特性进行了研究分析。研究结果表明:当平均风速较低时,随着风速的增大,湍流强度和阵风因子均呈现出明显的减小趋势,而当风速超过临界值时,减小趋势逐渐平缓,两者的临界风速分别为8 m/s和10m/s;随着湍流强度的增大,阵风因子呈现增大的趋势,且随实测高度增加两者相关性更好;随着平均风速的增大,湍流积分尺度呈现增大的趋势,实测数据计算得到的30 m和80 m高度层顺风方向湍流积分尺度分别为114.8 m和168.7 m,更为接近日本风载荷规范计算结果。     

基于Windographer的某区域风电场风资源分析评估

根据甘肃省某区域风电场测风塔10 m、40 m、60 m、80 m高度的实测风数据,利用Windographer4.2风资源分析软件计算空气密度、平均风速和风功率密度年内变化和日变化、风速和风能频率分布、风向频率和风能频率方向分布、风切变指数、湍流强度和50年一遇最大风速等指标参数。其计算结果表明测风塔80 m高度年平均风速为6.93 m/s,年平均风功率密度为354 W/m~2,年有效风速(3.0～25.0 m/s)时数为7 200 h以上,盛行风向稳定。60～80 m高度湍流强度在0.072～0.080之间,小于0.12,湍流强度较小。综合判定该区域风能资源较为丰富,符合大型风电场建设条件,适宜进行大规模风电开发利用。     

基于风速时间序列分形与传统插值对比研究

风速时间序列具有波动强烈、数学上处处连续、处处不可导特征,为解决风速时间序列的插值问题及提高其精度,采用数学分形学理论的分形插值方法,基于Kaimal和NWTCUP湍流风谱模型进行风场模拟。从得到的风速时间序列中随机抽取数据作为初始点,将分形插值方法与三次样条和Hermite传统插值方法进行对比。结果表明:分形插值方法不仅具有保持原始风速时间序列所具有的本质和内在联系,如自相似性、长程相关性和标度不变性等非线性动力学系统特征信息,而且比三次样条和Hermite传统插值方法更适合剧烈震荡的风速时间序列的插值。     

湍流风场的分形维数分析

为定量分析风速时间序列的内在波动性,采用分形维数方法进行研究。就分形维数结果的准确程度比较了盒维数法和结构函数法,当曲线维数大于1.3时,使用盒维数求分形维数误差较大,而利用结构函数法求分形维数,误差小于1%。使用结构函数法计算了地表粗糙度分别为0.01~2.5 m下不同风数据的分形维数,在相同平均风速条件下,风速序列随地表粗糙度增大,其分形维数减小。     

新疆达坂城风电场风能资源特性分析

对新疆达坂城风电场的风能资源特性进行了详细的研究。基于在达坂城风电场实测的10m和24m高程的10min平均风速数据,分析了原始风速的分布特性。根据地表风速沿高度呈风剪指数分布的特性,计算了在各个轮毂高度上的风速分布。采用最小误差逼近算法原理,计算了风速韦布尔分布的参数以及平均风速和分布方差。通过对韦布尔分布的分析,计算了各个高度上风电场的平均风功率密度、有效平均风功率密度和可利用小时数等风能资源特性参数,为当地的风能开发提供分析基础。     

基于ArcGIS与多因子模型的风力发电场选址评估

基于地理信息系统，研究并提出一种基于ArcGIS与多因子模型的风力发电场选址评估方法，以实现对不同地区风能资源空间分布情况、开发适宜性和理论发电量的有效评估，进而为风电场的选址提供理论依据。首先，基于不同地区的风资源气象数据，通过引入地形、道路等地理限制因素，提出一种多因子模型，以实现对不同地区风能资源开发适宜性评估。然后，基于10 m高度处的风速分布，通过风速外推得到80 m高度处的风速分布，进而用于评估80 m高度处的风能理论发电量。最后，综合上述开发适宜性和理论发电量评估结果，可较为准确地给出计及风速、风功率密度、地形、道路等多因子模型的风电场选址建议。结果发现：风电场选址主要集中在西北部、东北部以及内蒙古等地。     

基于实测数据的风电场稳态等值建模研究

针对大型风电场仿真模型复杂,计算量大的特点,提出一种利用实测数据建立大型风电场稳态等值模型的新方法。通过粒子滤波算法对原始风速数据进行预处理,消除噪声干扰对真实数据的影响;考虑到风电场内风机的风况差异问题,采用K-均值聚类算法提取反映风电机组风况差异的特征风速,以简化建模过程;选择特征风速和实测风电功率为输入、输出信号,应用BP神经网络拟合风电场稳态等值模型。该模型考虑了风电场地形地貌、机组分布因素,利用实测数据对模型进行泛化能力分析和精度验证,仿真结果表明,该方法具有一定的准确性与合理性。     

不同风剪切特性下的尾流分布

针对风剪切对尾流的影响研究不充分的问题,文章在某风电场进行了风场实验,分析了不同风速下的风剪切现象以及在不同来流条件下的尾流变化特征,并使用了三维尾流模型对垂直尾流剖面进行了验证。结果表明：风速大小对风剪切的影响较为明显,风剪切效应随着风速的增加而加强,风速每增加1 m/s,风剪切指数增加0.05;风剪切效应对尾流的分布有较大影响,风剪切效应越强,尾流的速度沿着高度方向上的梯度越大,尾流的宽度和长度也越大;在轮毂中心线附近的模型预测曲线和尾流实测数据拟合较好,相对误差基本在10%以内,受地形的影响,近地侧预测的相对误差较大。     

南澳岛风电场流场的数值计算

采用RANS模型和标准k-ε湍流模型研究南澳岛风场的风速分布。基于中性大气稳定性条件,对来流风廓线、湍流模型参数和壁面函数进行分析,将风向划分为16个扇区,进行多风向流场数值计算。基于实际测风数据的时间序列和流场数值计算结果,建立全风向月(年)平均风速的计算方法。利用风场内6个测风塔上12个测点的实测数据,对数值计算结果进行对比分析,所有测点的平均计算偏差为4.41%,其中与基准点相同高度的测点计算偏差均在3.7%以内。     

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SCADA数据的风电机组群尾流效应计算与验证研究

准确评估风电机组尾流导致的发电量损失是风电场设计的重要环节。基于高斯尾流模型,根据动量守恒,引入有效风速衰减计算叶轮面内风速衰减,利用国内某海上风电场SCADA数据,从径向和轴向尾流损失分布两方面进行验证和分析。结果表明,高斯有效风速衰减尾流模型模拟的尾流分布更符合实测尾流损失规律,径向和轴向模拟结果与实测结果相关性超过0.92,有效风速衰减法的精度比叶轮中心风速衰减法提升30%～40%;与Jensen和Frandsen模型相比,高斯有效风速衰减尾流模型的表现更为稳定,有效风速衰减法提高了高斯模型计算精度,更适用于风电场产能评估。     

GA优化ELM神经网络的风电场测风数据插补

针对风电场待插补测风塔与参考塔或气象站的数据间具有非线性相关关系的特点,采用遗传算法(GA)对极限学习机(ELM)神经网络的权值和阈值进行优化,建立用于风电场测风数据插补的GA-ELM模型。选取原始参考数据相关性不同的4个插补实例对基于GA-ELM模型的插补方法进行验证,并与ELM方法和线性回归法进行对比。结果表明:GA-ELM方法较ELM方法的插补精度有一定提高;GA-ELM方法与线性回归法相比,对于相关性较强的参考数据,插补风速与实测风速的均方根误差减少的绝对值和相对值分别可达0.06 m/s和30%以上,对于相关性较弱的参考数据,均方根误差减少的绝对值为0.1~0.3 m/s,相对值为7%~19%。GA-ELM方法较传统插补方法的精度有较大提高,且对相关性较弱的风电场测风数据的插补更有优势。     

风电场平均风速变化对利用小时数的影响研究

本文分别采用两种方法,对风电场实测数据进行处理,得到平均风速依次递增的风速数据集序列,并提出一种结合数据集Weibull分布拟合结果及风电机组功率曲线数据,计算其对应发电量的数值积分方法;然后,本文结合3个风电场的实测风速数据,采用上述数据集处理和发电量计算方法,对其不同高度处的等效利用小时数进行了计算和对比分析研究,并与现有软件计算结果进行了对比验证。研究结果表明,本文提出的发电量计算方法可靠性较高,且平均风速每增加0.1m/s,等效利用小时数大致增加50h～60h。此研究结果也可为风能资源数据不同订正方法所造成的计算利用小时数变化规律的研究提供重要依据。     

基于分段图像识别的风电场异常运行数据清洗方法

风电场异常运行数据清洗对风电场功率预测、理论功率计算以及发电性能评估至关重要。针对现有数据清洗方法中基于统计特征的清洗算法无法有效清洗风功率曲线中部的堆积型异常数据,基于图像识别的直接清洗算法会忽略不同风速区间的像素点密度分布差异等问题,文章提出了基于分段图像识别的风电场异常运行数据清洗方法。首先,以切入风速和额定风速为数据集分段点,生成分段二值图像集,构建基于Canny边缘检测的分散型像素点辨识模型;然后,基于边缘内图像集,构建基于数学形态学的堆积型异常像素点辨识模型;最后,以中国西北地区某两个风电场的实际运行数据为算例,与四分位法、基于密度的空间聚类（DBSCAN）法、基于图像的直接清洗算法进行对比分析,验证了所提算法的有效性和适用性。所提方法采用数学形态学分割图像的主要部分和突起部分,从而有效辨识风功率曲线中部的堆积型异常数据;通过设置不同分段图像的清洗参数以改进图像直接清洗算法对局部细节的识别性能,清洗后的正常数据散点分布更为平滑。     

风电场风切变指数研究

根据山东某风电场实测资料,对风电场逐月、逐时、不同风速下的风切变指数进行研究并探究风切变指数不同取值对风电场轮毂高度处风资源的影响。在分析轮毂高度风资源时,建议采用高差较小的高度处风速根据综合风切变指数进行推导。