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。     

测风塔与风力发电机组风速数据相关性分析

由于风力发电机组与测风塔所处位置不同,风速计高度和地形不同等原因,造成风力机与测风塔数据存在差异。对大唐国际卓资风电场一期工程32台风力发电机组与风电场内测风塔风速数据进行对比,确定二者的相关性。选用各自10 min间隔的风速平均值的最高分辨率数据作为比对数据,提取2011年全部数据导入Excel软件中,进行严格的数据可信度分析后对数据进行处理,并通过Pearson系数及平均差、绝对值差、均方根差、平均绝对百分比差等5种方法进行验证,结果证明了风力发电机组与风电场内测风塔风速数据具有极强的相关性。     

平均时间周期对风资源评估的影响

风资源评估是风电工程中的重要环节,直接关系着风电场微观选址的准确性,影响风电场的经济效益。然而,当测风塔的实际测风数据与邻近气象站同期观测数据的相关性不足时,将无法准确完成代表年风速的订正工作。为了提高风资源评估的准确性,研究测风数据的平均时间周期对测风塔与气象站相关性的影响,并提出一种基于平均时间周期的风电场长期风速订正方法。结果表明,两个站点同期测风数据的相关性随着风速平均时间周期的增大而提高,但增加的速度逐渐变缓,当平均时间周期为12 h,风电场代表年风速的准确性较高,为今后风资源评、风电场微观选址工作提供参考和借鉴。     

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。     

利用短期测风资料推算风电场设计风速的方法探讨

在确定风电场风区的过程中,分析风电场处50 年一遇10 min 平均最大风速是难点之一。介绍了利用短期测风资料推算风电场50 年一遇10 min 平均最大风速的数理统计方法,并以河北坝上地区、太行山山区及山前区、环渤海滨海区3 种不同地貌的10 个具有短期测风资料的地方进行了实例推算,并与常规风速推算方法进行了对比,验证了短期资料推算法的合理性。     

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。     

大气稳定度对山地风电场发电量影响研究

以云南分布式发电(DG)山地风电场为研究对象，应用改进的Park尾流模型，综合考虑不同大气稳定度等级下，测风塔模拟计算风轮廓线与实际测量风轮廓线的差值和趋势，选取最适宜风电场的大气稳定度等级。使用Meteodyn＿WT软件对最适宜大气稳定度等级下的平均风速、风能密度和发电量进行计算，将计算结果与采用中性大气稳定度的计算结果进行对比，结果发现，大气稳定度对山地风电场的各项性能指标都具有一定影响。     

基于机舱风速数据的风电场弃风电量计算方法研究

为准确评估风电场弃风时段的电量损失,提出了一种新的风电场理论功率与弃风电量计算方法—机舱风速法。该方法基于风电机组正常运行时段的输出功率与机舱风速计的测量风速建立映射关系,再应用到弃风时段,计算风电场的理论功率与弃风电量。为研究该方法的可靠性,分析了仪器测量偏差、风机尾流波动性、开停机状态对理论功率计算结果的影响,并给出了开、停机状态下机舱测量风速的换算方法。采用风电场实测数据对机舱风速法进行了验证,验证结果显示机舱风速法计算的理论功率的相关性系数平均为0.9960,均方根误差平均为1.87%,理论电量误差平均为0.68%。与已有方法相比,机舱风速法计算精度高,便于区分电量损失来源,能针对不同开机方案进行灵活设置。机舱风速法不需要建立测风塔,但如能引入测风塔数据修正机舱风速,有可能进一步提升计算精度。     

湘中地区风电场大小风年的定性判断

"十二五"以来,湖南省风电发展迅速,但地理环境特殊,冬季冰冻天气频发,测风数据缺失较为严重,大多数长期气象站均位于县城,与风电场测风数据相关性较差,难以使用测风数据进行风电场的代表年订正。通过南岳气象站长期的风速资料、3Tier数据与湘中地区3座时间序列较长的测风塔的实测风速资料进行对比分析,探索湘中地区风电场的大小风年定性判定的方法。     

样本选取对于风电场风资源评估的影响研究

以山东省某两个风电场作为计算实例,对于逐小时风速、整点前10 min风速、逐10 min风速作为取样样本对风资源评估的影响进行了研究。研究表明,三者计算得到的风资源基本一致,而且前两种样本取样方法与气象站的相关性也基本一致。笔者建议,在进行风资源评估时采用《风电场风能资源评估方法》（GB/T 18710-2002）中规定的逐小时风速作为计算依据。     

基于数据挖掘算法的风电场功率短期预测研究

本论文主要研究了两种不同的采样时间间隔下风电场功率预测的时间序列模型,如:间隔10分钟或1小时。文中的时间序列模型基于数据挖掘算法而构建,通过对五种不同数据挖掘算法在各种风电场数据集的测试比较,提出了效果最好的两种。其中支持向量机算法可以每隔10分钟准确地预测1小时以后的风力及风速,而多层感知器算法则可以每隔1小时准确地预测4小时后的风力及风速。虽然风速可以根据历史数据值准确地预测,但风电功率却不能依据给定的功率曲线函数和预测风速准确地确定。本文对多种时间序列模型和数据挖掘算法的测试结果进行了比较,并在100个风电机组进行了测试,可以为今后的研究提供参考。     

风电场理论功率计算方法的分析与讨论

近年来新疆电网风电装机快速增长,受网架、调峰等因素制约,部分时段存在风电出力受阻的情况,风电场弃风时段的理论发电量减去该时段的实际发电量即为弃风电量,为准确计算风电场弃风时段的电量损失,介绍了风电场理论功率计算方法,并对新疆西北部某风电场应用样板风机法、测风数据外推法进行了分析讨论,计算结果表明规则矩阵式排列风电场,采用样板风机法推测理论功率更加精确,计算的理论电量更接近实际,从而间接的对弃风电量的统计分析有很大的促进。     

WEPAS和WAsP在复杂地形条件下的适应性

利用WEPAS和WAsP软件分别计算了南澳风电场的发电量,在充分考虑岛屿型复杂地形地貌条件下对2个软件的计算结果进行对比分析,研究表明,对于地形复杂的南澳风电场,WEPAS和WAsP软件发电量计算结果与实际发电量差值分别为-15.18%和28.02%。其中,WEPAS软件计算的风电场风速和风功率密度上下限偏差较小,结果比较平滑;WAsP软件计算结果比实际值偏高,但是单台风机平均风速和发电量计算结果与实际风况变化趋势比较一致。对上述结论的可能原因进行分析,初步显示2种软件的风场风况计算模式在复杂地形条件下存在较大的不足,风场诊断模式不能较好地模拟复杂地形条件下大气边界层风廓线的实际流动状况。因此,需要改进模式,研发出适用于大气边界层流动计算的风廓线模型、湍流模型和地表函数模型。     

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。     

测风塔安装位置对复杂地形风电场风资源评估的影响

以内蒙古地区某典型复杂地形风电场为研究对象,应用本行业普遍使用的复杂地形条件下的风资源计算软件计算出测风塔处的风速、风向,再与测风塔处的实测风速、风向进行对比,确定了相对误差和绝对误差。分析研究了测风塔与拟安装风力发电机组位置处的距离及陡峭度RIX值对风电场风资源评估准确性的影响,认为由RIX值较大位置推算RIX值较小的位置处的数据时,相对误差一般为正值,即推算出的风速较真实值大;而由RIX值较小位置推算RIX值较大位置处的数据时,相对误差一般为负值,即推算出的风速较真实值小。建议在进行风电场风资源评估时,应尽量选择与预安装风力发电机组位置较近测风塔的RIX值进行计算。     

风电场测风数据的验证和处理方法

风电场测风数据的检验、插补、延长和处理,是风电场风能资源评估的一项重要工作。不合理风速的数据处理方法:主要是通过相关分析和风切变指数的计算方法对那些不合理的测风塔数据进行处理。     

基于时间序列法的风电场风速预测研究

采用Box.Jenkins时间序列分析方法,通过Matlab软件,利用达坂城风电场30 m处,每10 min采集1次得到的风速数据,建立ARMA模型,阐述了数据预处理、模型参数识别及模型诊断、检验。实现提前1 h的风速预测,为更长时间(0.5~2 d)的风速预测提供理论基础。     

基于概率测度变换的风速时间序列建模方法

结合中国东北某实际风电场多年测风数据,分析风电场风速的统计特性,得出多年月内同一时刻风速同样服从Weibull分布.通过概率测度变换衔接实际风速序列与回归分析模型时间序列,基于自回归滑动平均(ARMA)模型,建立单一风电场风速时间序列模型;基于向量自回归(VAR)模型,给出了不同风电场间风速相关性考虑方法,分别给出了模拟风速时间序列的模型及参数.通过对比得知,实际风电场风速数据与模拟得到的风速时间序列具有较好的一致性,基于概率测度变换构建模拟风速时间序列是可行、有效的.     

风切变指数的确定对风电场风速推算的影响分析

基于内蒙古地区地形相似、相距约18 km的两个风电场内2个测风塔共10个测风高度完整一年的测风资料,根据普朗特经验公式推导出的风切变指数关系式,采用4种不同的方法计算各相邻高度间的风切变指数.根据风切变指数的计算结果分析风速随高度的变化情况,通过不同方法的对比分析,选择合适的方法计算风切变,为确定风电场适宜的轮毂高度提供参考.     

风电场及机组出力损失计算模型与方法

提出了一种风电场及机组出力损失计算模型与方法。利用风电机组的历史运行数据建立风速、风向与功率间的专家数据库,基于该数据库建立风电机组出力损失计算模型,将机组故障或弃风期间的实测风速和风向代入该模型,计算得出风电机组以及该风电场的实时功率损失及在某时间段内损失的发电量。通过利用现场数据模拟计算,验证了该计算模型与方法的有效性,可对各种原因造成的机组出力损失做出准确计算。该方法既可提高风电场的运行管理水平,还可为风电场参与电网调峰调频提供准确的数据支持。