基于威布尔分布的风速概率分布参数估计方法

准确地描述风速特性,直接影响风电场风能资源评估的结果.文章介绍了基于威布尔分布的平均风速及最大风速估计法、矩估计法、最小二乘估计法和极大似然估计法等4种风速概率分布参数估计的方法.通过对乌兰察布地区测风塔实际数据的分析,比较了4种方法的参数估计结果,得到以下结论:在风能资源较丰富地区,平均风速及最大风速估计法的风速拟合效果波动较大,对平均风能密度估计误差较大;矩估计法、最小二乘估计法和极大似然估计法拟合效果良好.     

神经网络模型在逐时太阳辐射预测中应用

设计了一种基于遗传算法的神经网络太阳辐射预测模型。该模型结合了历史逐时辐射数据和气象要素数据,并在训练和预测时加入了温度日较差和天气类型预报参数。还设计了预测因子选择方法、输入资料的处理方法和结果误差评估方法。利用武汉站2007年至2008年8月辐射数据对模型进行了训练,并对2009年8月的逐时辐射进行了诊断预报。预测结果表明,预测模型在天气类型稳定的情况下具有较高的精度,能够反映太阳辐射的日变化状况和辐射量级大小,但在天气类型剧烈变化的情况下预测精度有限。     

基于瑞利概率分布的风力发电系统中组合风速的改进及建模仿真

风速作为风力发电机组的输入信号,其模拟的正确性直接影响着整个风力发电系统的性能分析与研究。通常计算机仿真所得风速是通过对不同风速的简单组合而实现的某个地区及时间段的平均风速,仿真风速无法体现自然风的多样性。针对此问题,文章提出一种实现自然风的方法。依据某风电场风资源评估报告所给出的风频分布曲线,以瑞利分布规律随机配置各种风速信号,在Matlab/Simulink的运行环境下,仿真出改进的风速,使不同风速随机分配,并且在某个时间段内各种风速出现的概率符合瑞利概率分布。据此方法所得风速更加接近实际自然风,且涵盖从切入风速到切出风速范围内所有风速类型,对风力发电系统的性能分析与研究具有一定的实际意义。     

基于RBPN网络的日段室外逐时干球温度预测研究

通过改进递归神经网络,以气象站记录的室外干球温度日4值历史数据及部分影响因素为样本,结合室外干球温度日段部分的特性,建立了室外干球温度日段逐时预测模型.预测结果表明所建立的RBPN模型合理可靠.     

考虑风速风向联合概率分布的风电塔筒结构风致疲劳寿命评估

针对风向对风力机塔筒疲劳产生影响的问题,基于实测数据对考虑风速风向联合概率分布的风电塔筒结构的风致疲劳寿命展开研究。首先结合甘肃安西地区37 a的实测风速风向数据,给出风速风向联合概率分布。然后利用主S-N曲线法分别对不同风向和不同风速下风力机塔架结构法兰及门洞区域的响应规律进行分析。最后考虑风速风向联合概率分布,对风电塔筒结构风致疲劳寿命展开研究。结果表明：门洞朝向与风轮朝向的夹角变化和风速的改变均对风电塔筒的风致疲劳寿命有一定影响,其中门洞朝向与风轮朝向夹角为225°时疲劳寿命最长,风速为10~14 m/s时疲劳寿命变化幅度最大;考虑风速风向联合概率分布能更准确地计算风力机结构的风致疲劳寿命,且以此为依据对门洞朝向进行调整可延长其疲劳寿命,因此建议对风电塔架进行设计时,应考虑风电场所在地区的风速风向联合概率分布。     

基于卷积和共享权系数长短时记忆网络时融合机制在风速预测上的应用研究

针对对于风能规划和应用都具有重大影响的风速存在强随机性问题,该文提出结合卷积神经网络（CNN）和共享权重长短期记忆网络（SWLSTM）的空时融合模型（CSWLSTM）,充分提取风速序列中蕴含的空域和时域信息,以提升预测精度。此外,为了获得可靠的风速概率预测结果,提出一种新的结合CNN、SWLSTM和高斯过程回归（GPR）的混合模型,称为 CSWLSTM-GPR。将CSWLSTM-GPR应用于中国内蒙古风速预测案例,从点预测精度、区间预测适用性和概率预测综合性能3个方面与相同结构的CNN和SWLSTM模型的风速预测方法进行比较。CSWLSTM-GPR的可靠性测试保证了预测结果的可靠性和说服力。实验结果表明,CSWLSTM-GPR在风速预测问题上能获得高精度的点预测、合适的预测区间和可靠的概率预测结果,也充分展现了该研究所提出CSWLSTM在风速预测方面具有较好的应用潜力。     

基于“逐时负荷法”的空气源热泵工程优化

空气源热泵在我国北方清洁采暖领域正得到日益广泛的应用。为精确计算该系统实际运行能耗及费用,并进行方案比选和优化,文中提出一种基于逐时负荷的能耗计算方法,以济南市某住宅楼为例,进行了空气源热泵加电辅加热系统全年能耗量计算,并进行了多方案的比选和优化。该计算方法基于典型气象年逐时气象参数,考虑热泵主机的变工况性能和与电辅加热设备的匹配关系,整个计算过程完全依赖Excel表格完成,符合工程应用要求,可为该类工程设计和运行优化提供指导作用。     

平均风速时距取值对风电场出力计算的影响

针对风电场平均风速的时距取值与风电机组出力对风速的实际响应时间不匹配的问题,基于风机功率曲线、风电场风速测量及风电机组出力特性,分析了风电场测风频率与风机出力特性的匹配程度及不同的平均风速时距取值对风电场出力计算结果的影响,提出了平均风速时距合理取值的建议。     

基于融合长短时记忆网络的风电场超短期风速预测研究

准确的风速预测是风电功率预测的重要基础,对于电力系统的安全、稳定和经济运行有着十分重要的意义。文章通过考虑临近风电场之间的风速时空相关性,提出了一种融合长短时记忆网络的多风电场超短期风速预测模型。首先,通过堆叠的长短时记忆网络提取单个风电场的时间序列特征。之后,通过张量拼接层以及全连接层融合多个风电场的时间序列特征。最后,使用线性全连接层输出所有风电场的未来风速预测值。采用江苏省3个临近风电场两年的数据来验证文章提出的模型。与4种常用方法的对比结果表明:融合长短时记忆网络在四个季节内的超短期风速预测结果均能达到最优;通过序列特征融合的方式可以考虑多个风电场之间的时空相关性。文章提出的时间序列特征提取和空间特征融合方案直观、有效,多个风电场的风速预测精度得到明显提升。     

基于GA-BP神经网络的逐时总辐射分组模型研究

通过分析影响太阳辐射的主要因素,提出以太阳高度角、季节和天气（晴空指数）作为数据划分依据的分组模型建立方法。以拉萨和西安地区的逐时气象数据和辐射数据为例,基于遗传算法（genetic algorithm,GA）优化的BP神经网络,建立太阳高度角、季节和天气类型的逐时总辐射分组模型。该研究揭示分组模型误差变化的规律,并将其估算误差与AllData模型比较。结果显示,相较于AllData模型,分组模型的估算误差均有降低。其中,天气分组模型误差最小,且西安的天气分组模型结果优于拉萨。西安天气分组模型平均绝对百分比误差（MAPE）和相对均方根误差（rRMSE）相较AllData模型结果分别下降3.96%和4.18%。研究结果表明分组模型能够降低逐时总辐射估算误差,可为估算逐时总辐射提供方法借鉴。     

基于混合高斯分布的风功率横向时间序列概率密度建模研究

鉴于风功率概率分布模型对风电场规划及运行具有重要意义,提出了一种基于混合高斯分布的风功率横向时间序列概率密度建模方法,即利用风电运行数据样本,首先构建基于混合高斯分布的风功率横向时间序列的先验模型,然后利用最小二乘法对先验模型的参数进行估计,再利用相关建模精度指标确定混合高斯模型的最优维度。基于实际算例的仿真结果表明,所构建的风功率概率密度模型具有较高的精度和泛化性能。     

考虑风速分布与日非平稳性的风速 数据预处理方法研究

风电场采集的风速数据受到较多气象条件的影响,容易引入多种噪声信息,具有较强的不稳定性。因此,在进行风速预测前引入数据预处理的步骤是十分必要的。研究了一种考虑风速数据分布特性与日非平稳性的数据预处理方法,采用Box-Cox变换与分时标准化处理风速数据,基于最小二乘支持向量机(LSSVM)进行短期风速预测,实例证明,该方法能够有效提高LSSVM模型的预测精度。     

变速恒频风力发电系统风速短期预测方法研究

采用现有方法预测短期变速恒频风力发电系统的风速时,因未分析风力机的运行特性而导致无法准确预测系统的输出无功功率、输出有功功率和短期风速,且预测结果的平均绝对误差和均方误差大,为此提出变速恒频风力发电系统风速的预测方法。首先对风力机的运行特性进行分析,然后采用支持向量机回归算法构建风速预测模型,最后利用风速预测模型完成变速恒频风力发电系统风速的短期预测。实验结果表明,所提方法可准确地预测系统的输出无功功率、输出有功功率和短期风速,且预测结果的平均绝对误差和均方误差小,验证了所提方法的整体有效性。     

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。     

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。     

变速风力发电机组调频控制策略研究

根据变速风力发电机组的运行特点,提出一种调频备用功率控制策略。在正常情况下,调整机组最优功率-转速曲线,使机组运行在次优功率捕获曲线上,减少一部分有功输出,留作调频备用功率;当系统频率变化时,通过调节桨距角和机组有功功率参考值,改变风电机组有功输出,参与系统频率调整。通过一个具体仿真算例分析了风电机组增加惯性响应控制、一次调频控制与备用功率控制等多种控制环节对系统频率的调节作用,并研究了当频率突变时有无AGC控制对风电机组调节特性的影响。     

风电场风速及风电功率预测方法研究综述

由于风能的随机性以及电力系统的非线性等原因,预测风电功率时需要考虑众多的不确定因素影响。现有预测方法主要包括物理预测方法、统计预测方法以及学习预测方法、综合预测法等。基于数字天气预报(NWP-numerical weather prediction)的物理预测方法模型复杂、计算量大,较少用于短期预测;统计预测方法模型简单,数据需求量少,较适合于数据获取有一定困难的情况;人工智能预测方法不依赖于对象的精确模型,适合于随机非线性系统;综合预测方法可一定程度地扬长避短。本文主要就风电场风速及风电功率预测方法研究进行了综合阐述,并在总结前人研究的基础上提出了一些可进一步研究的问题。     

风电场风速对风机叶片性能影响的模拟分析

建立了风机叶片的三维数学模型,采用计算流体动力学软件Fluent对风机叶片流场进行了模拟分析,通过调用Static Structural模块进行叶片形变分析,并在Workbench平台下实现了流固耦合.基于该方法研究了不同风速下的流场分布情况和叶片变形情况.结果表明:本文计算值与文献[14]中的测量值吻合较好,两者最大误差不超过5%,验证了本文数学模型和计算方法的正确性;随着风速的增大,叶轮表面的速度值也在增大,气动压强分布的不均匀性更加明显;当风速由5m/s增大至12.5m/s时,叶片的最大形变量增大了0.91m,叶片形变量与风速呈非线性变化关系;挥舞是叶片的主要振动形式.     

风电场风速预测模型研究

介绍了两种风电场风速预测模型,分别是BP神经网络模型和小波-BP神经网络组合模型。BP神经网络模型是风速预测中常用的模型之一,小波技术和BP神经网络结合,即为组合模型。小波技术将风速时间序列按时间和频率两个方向展开,体现了各成分对预测值贡献率的不同。将BP神经网络模型和小波-BP神经网络组合模型分别应用到我国朱日和风电场的逐时风速预测中,从预测结果对比得出组合模型更适合该风电场的逐时风速预测。     

基于CFD和风洞实验对丘陵地形风资源分布的研究

随着新能源行业的深入发展,风电行业发展更为迅速,对于一个风电项目而言,研究其风资源分布特性尤为重要.中国内陆地形较为复杂,大部分为山地丘陵.受地形的影响,风资源分布特性较为复杂,评估较为困难.先建立余弦型的丘陵地形物理模型,分别采用CFD数值模拟、风洞实验2种方法对丘陵地形周围流场进行模拟仿真与实验测试,通过对丘陵迎风...