风电场50年一遇最大风速计算方法总结

正风电开发必须进行可行性研究,选择风能资源较好的区域进行风电场建设。风电场50年一遇最大风速是风电场风能资源分析的重要指标,是风电机组选型的重要参考,是保证风电机组安全有效运行的重要前提。本文主要按照《风电场风能资源评估方法》的要求取得的风能资源数据进行50年一遇最大风速的分析,总结的方法有WasP Engineering分析法、Windographer分析法、五日雷     

五十年一遇最大风速计算方法比较

本文介绍了在重现期最大风速计算时针对长年代序列的Weibull(韦布尔)分布、Gumbel(龚贝尔、极值I型)分布、皮尔逊III型分布,适应短期序列(15-20年)风暴大风的Poisson—Gumbel复合分布,以及适合超短期序列(1-2年)二项—对数正态分布的计算方法,并用受热带气旋影响明显的香港横澜岛气象站1973-2011年最大风速资料、1992-2011年热带气旋大风资料和1999年、2008年、2010年完整年风速资料,进行了实例计算分析。结果表明,在长序列计算中,拟合优度检验显示Weibull分布计算结果比Gumbel分布及皮尔逊III型分布结果更合理。Poisson—Gumbel复合分布计算结果略小于长序列计算结果。三个完整年计算的50年一遇最大风速差别较大,因此,在进行50年一遇最大风速计算中要选择适当的计算方法,使计算结果稳定、可靠。     

风电场50年一遇安全风速计算方法的对比分析

利用耿贝尔Ⅰ型极值概率法和MeteodynWT软件(CFD模型),结合气象站与风电场的风速关系,推算了不同复杂程度的风电场轮毂高度处50年一遇的安全风速,并将计算结果进行对比分析。分析结果显示:2种方法计算得到的风电场极大风速存在一定的差别;对于平坦地区,耿贝尔Ⅰ型极值概率法计算得到的极大风速与MeteodynWT推算结果相差较小,但对于一些复杂地区,2种方法计算得到的极大风速结果相差很大。     

基于模拟退火粒子群算法的风电场短期风速预测

针对风电场短期风速预测存在精度较低的问题,引入了一种基于灰色模型与模拟退火粒子群优化BP神经网络(SAPSO-BP)相互嵌入而成的预测模型。该方法在SAPSO-BP网络的输入层前增加一个灰化层,在网络输出层后增加一个白化层,以改进网络的拓扑结构,提高模型的容错能力。仿真试验结果表明,该预测模型具有较好的鲁棒性,其平均绝对误差及均方误差分别为18.7%和5.11%,可用于风电场短期风速的预测。     

基于MMAS BP算法的短期风速非线性组合预测模型

为提高风电场短期风速的预测精度,引入一种基于改进蚁群算法优化神经网络的非线性组合预测方法,按误差平方和最小原则对所建灰色GM(1,1)模型、BP网络和RBF网络三种单一预测数据进行非线性组合,并将其结果作为最终预测值。仿真结果表明,该方法的平均绝对误差及均方误差分别为17.76%和3.68%,均小于单一模型、线性组合模型及神经网络组合模型的预测结果,提高了网络的泛化能力,降低了预测风险,为风电场风速预测提供了一种新途径。     

基于短期风功率预测的数据预处理算法研究

针对实测风速和功率数据中包含奇异点以及同一风速下风功率存在较大范围波动的问题,文章提出一种数据预处理算法。首先,采用拉依达准则剔除风速和功率奇异点;再使用优化的一次指数平滑法及最大皮尔逊相关系数对风速进行平滑处理;最后,利用新疆阿勒泰地区某风电场单台风机的实测数据进行验证分析。以文章提出的预处理方法得到的风速作为BP神经网络预测模型的输入,风功率的预测准确度显著高于已有预处理方法得到的结果。     

基于改进粒子群优化算法与风速分布回归函数法的复杂地形风电场优化布置方法

为了研究在复杂地形下的风力机优化排布方法,提出一种改进粒子群（PSO）优化方法,并借助风速回归函数解决一部分复杂地形所致的问题,对实际尾流效应设置约束条件,判断风能利用的最优方案,从而快速确定风力机具体安放坐标,通过Matlab建模仿真,并借助WAsP软件对改进PSO优化算法和传统方法进行对比验证。结果表明,改进粒子群（PSO）优化方法与传统方法相比,年发电量提高了近5.2%,且对复杂地形下的风电场优化布局效果较好。     

基于时间序列模型的风电场风速预测研究

基于时间序列的方法,对风速的长期预测进行了研究,并在工程应用的基础上提出了新的预测思路:首先将风速信号分解成趋势信号和去趋势项随机信号,然后分别用滑动滤波和小波分析这2种方法对分解出的去趋势项随机信号进行数据处理并比较,再用时间序列的方法对趋势项信号和处理后的信号分别进行预测并叠加,得到最后的预测风速信号.结果表明:五项滑动滤波处理数据的方法与Daubechies小波分解法均能实现精度较高的风速长期预测;与小波分解法相比,滑动滤波方法算法的复杂性低,在工程应用上可行性更高.     

基于ARMA模型的风电场风速短期预测

通过分析达坂城风电场风速数据并建立ARMA模型,基于时间序列分析法实现了提前1h风速预测,分析预测结果证明预测时间和风速震荡性是影响风速预测精度的主要因素,为更长时间的风速预测提供理论基础。     

基于激光测风雷达及SSA-ELM的风电场短期风速预测

基于激光测风雷达数据,针对风速的非线性特性,提出麻雀搜索算法（sparrow search algorithm, SSA）优化极限学习机（extreme learning machine,ELM）进行风速预测。搭建预测模型,根据预测风速对风电机组进行预变桨,分析风电机组叶根矩载荷。采用新疆某风电场激光测风雷达数据仿真并与其他预测模型分析对比。结果表明,麻雀算法优化的极限学习机可精确预测风速,且显著提升极限学习机预测速度及不同风速条件下的动态性能;预变桨后,风电机组叶根矩载荷大幅减小,提升了桨叶使用寿命及运行安全性。     

基于加权正则极限学习机的短期风速预测

精确的风速预测是风电功率预测的基础,对保障风电场并网运行和维护电力系统的安全、稳定具有重要意义。针对风速时间序列强烈的波动性、随机性,难以预测的特点,建立了一种基于加权正则极限学习机(WRELM)的短期风速预测新方法。首先,采用与风速相关性大的历史风速、风向以及温度、气压、湿度等气象因素构成候选特征集;采用最大相关最小冗余(mRMR)准则选取与风速序列相关性最大的特征集作为预测输入,由此确定预测网络的训练集和测试集,建立WRELM;采用训练集数据训练网络参数,构建WRELM预测模型;最后,采用WRELM网络预测短期风速。通过风电场实测风速数据试验,验证了该方法的有效性,可用于短期风速预测实践。     

基于核极端学习机的短期风电功率预测研究

随着风力发电的大规模发展和并网运行,风电场输出功率的精确预测对电力系统的运行具有重大意义。针对风力发电功率具有非线性和非平稳的特性,利用经验模态分解和核极端学习机结合的方法对短期风力发电功率预测进行研究。通过经验模态分解把风电功率时间序列分解成为一系列相对平稳的子数据序列,对每个子数据序列采用核极端学习机算法分别进行模型建立与预测,把每个预测模型得到的子数据序列预测值相加获得最终的风电功率预测值。基于此方法的某风电场输出功率实例数据预测仿真结果表明,该方法的预测模型能更好地跟踪风电功率的变化,预测误差比单独KELM方法减小7.6%,比EMD-SVM方法减小1.7%,能够在一定程度上提高风电功率预测的准确性。     

基于Web Services的风电场网络化监测和控制

为实现风电场中多个厂商不兼容设备的统一维护与管理,IEC61400-25标准详细描述了风电场信息模型、信息交换模型以及向不同协议映射方法。Web Service是该标准中提出的能够完善支持模型功能的方法,其具有适合分布式环境,支持不同平台等十分适合风电场的特点。在IEC61400-25标准的基础上详细描述了一种风电场通信结构,并基于Web Services建立了风电场风机的信息模型和信息交换模型并实现基本的风电场设备的监测和控制。     

基于环境效益的风电场经济效益分析

为了对风力发电的经济性有进一步的认识,在现有排污收费标准和美国环境价值标准的基础上,从火电厂的污染物排放出发,测算出火电厂的污染物排放费用,进而推算出风电场的环境效益值,通过实例计算得到某风电场的环境效益值,如果考虑风电的环境效益,当火电厂的成本大于两者（生产期内单位电度成本与环境效益值）之差时,风力发电具有较好的经济性和广阔的发展前景。     

风电场风力发电机组优化选型的方法研究

基于风电场的风资源状况、风电机组功率曲线的各参数以及机组的单机容量和塔架高度,建立了风机与场址匹配指数的数学模型,同时也提出了一种新的计算容量系数的方法.以乌拉特后旗乌力吉风电场选型为例,对该方法进行了论证分析,结果表明该方法是可行的,并具有实际意义.     

基于FCM-等值风速模型的风功率日前预测

由于风速的随机性、间歇性,以及风电场内各机组风速、功率的分散性,给风功率预测带来了较大难度。在计算风速线性相关的权值基础上,提出了改进模糊C均值聚类算法（fuzzy c-means,FCM）的风速模型,建立了风电场等值风速与改进FCM风速的关系函数。以某风电场实测数据进行验证,结果表明：所提风电功率预测方法算法简单;该方法预测精度提高了71.35%。在该风电场不同日周期下,验证了所提预测方法的有效性和普适性。