基于尾流风速场风速矢量计算的风电场输出功率优化模型

针对尾流效应在风电机组之间产生影响的问题,为了更加合理利用风能,增加风场的输出功率,在风场面积不变的前提下对风场内风电机组进行布局优化,根据风场实际仿真数据训练建立尾流风速场风速矢量计算模型和尾流影响区域风速计算误差函数,迭代计算尾流区域的风速矢量最优解;然后,基于改进粒子群算法对粒子群进行参数密度熵分簇优化,对不同种群进行寻优,计算出最优的风场布局排列,提高计算机的计算效率;最后,通过CFD生变化时,模型能够计算出尾流效应区域的风速矢量,仿真结果及分析证明模型和优化算法的正确性。     

XE82直驱型风机在高风速下偏航系统可靠性分析

对XE82直驱型风机的整体运行情况作了简要介绍,描述了XE82直驱型风机的偏航系统组成、作用及控制过程.通过数据分析发现XE82直驱型风机的偏航系统在高风速下运行时存在的一些问题并给出解决方案.     

风力机最佳攻角与最大升阻比攻角非等同性研究

为提高风力机风能利用率,追求最大风能利用系数,对水平轴风力机最佳攻角与最大升阻比攻角的非等同性进行了理论分析,并采用叶素动量理论对其进行实例论证,以及通过计算流体力学(CFD)对结论进行仿真验证。研究结果表明,二者具有非等同性,最佳攻角略大于最大升阻比攻角,处于最佳工作点的风力机具有更高的风能利用系数,同时具有最大的速度比阈值区间。研究进一步发现,对于目前工作于最大升阻比攻角状态的风力机,通过减小叶尖速比的方式可以使其过渡到最佳攻角状态。     

风机叶片翼型大攻角下气动性能的数值分析

以NACA早期的翼型Clark Y为研究对象,采用数值模拟方法,对该翼型在20°攻角下的气体绕流情况进行稳态和瞬态计算,得到翼型的气动性能;通过对比分析稳态、瞬态计算结果,得出Clark Y翼型在20°攻角下的气体绕流运动本质上是一种具有涡街形式的准稳态物理现象,如果强制给它一种稳态模型,则计算将会出现收敛不好、结果不准确的问题.强调了在采集翼型大攻角下的升力阻力系数等参数时,必须注意采取非定常结果的合适时间段的平均值.     

基于人工神经网络模型的风速预测

利用在达坂城风电场30m轮毂高处的1min实测风速数据,采用人工神经网络模型ANN对未来短时间风速进行预报。通过对风速反复训练与检测来选择一组合适的模型参数,并对模型进行了误差分析。研究结果表明,使用BP神经网络对未来风速进行短时间预测能够达到较好的效果,误差较ARMA模型更精确,但是对于突变信息的处理能力仍然有限。     

基于有效风速估计的永磁直驱风力发电系统鲁棒控制研究

由于风力发电系统中的风速传感器存在测量误差,且风速测量值与施加在风机叶片上的有效风速不同,直接导致风力发电系统对风能利用率的降低。因此本文提出了一种基于滑模观测器的风机叶片风速有效值估计方法,在满足李雅普诺夫不等式的基础上设计了滑模观测器,从中提取出风力发电机转速和机械转矩的估计值。通过在线查表得到风机叶片上有效风速的估计值,将该估计值用于修正基于风速传感器的风力发电系统最大功率跟踪控制。仿真结果表明所提方法可有效提升风力发电系统对风能的利用率,具有一定的工程意义。     

基于模型的风电机组偏航系统故障检测方法

提出基于模型的风电机组偏航系统故障检测方法。首先以永磁同步电机(permanent magnet synchronous motor,PMSM)作为偏航驱动电机,建立包含电流环、转速环和位置环的三闭环偏航伺服系统的动态模型;然后将实际偏航系统的传感器采集量与所建模型对应状态量的输出进行比较得到残差,并将相应状态变量的残差作为故障检测变量;接着利用过程统计控制理论定义阈值作为偏航系统故障检测的判定准则;最后通过Matlab/Simulink仿真平台模拟3种典型故障:偏航系统传动机构卡死、驱动电机故障和传感器故障。仿真结果验证所提方法的有效性。     

基于偏航尾流模型的风电场功率协同优化研究

为减小风电场尾流效应的影响,提升风电场整体发电量,提出一种基于偏航尾流模型的风电场功率协同优化方法。首先建立风电场偏航尾流模型,该模型包括用于计算单机组尾流速度分布的Jensen-Gaussian尾流模型、尾流偏转模型及多机组尾流叠加模型,对各机组风轮前来流风速进行求解;再根据来流风速计算风电场输出功率,并以风电场整体输出功率最大为优化目标,利用拟牛顿算法协同优化各机组轴向诱导因子和偏航角度。以4行4列方形布置的16台NREL-5 MW风电机组为对象进行仿真研究。结果表明,所提出的基于偏航尾流模型的风电场功率协同优化方法能显著提升风电场整体输出功率。     

偏航偏差角对风力机轮毂载荷的影响

偏航工况是风力机正常运行中的典型工况,为研究偏航工况下风力机轮毂载荷的特性,文章以某实验型3.0 MW机组为研究对象,通过叶片气动分析和Bladed软件仿真的方法,对不同偏航偏差角下的风力机载荷进行仿真分析,得到了风力机的输出功率及轮毂My和Mz的载荷。研究结果表明：当风力机运行在额定风速以下时,偏航偏差角的存在会降低风力机输出功率;当风力机运行在额定风速以上时,一定范围内的偏航偏差角能维持风力机满功率稳定运行。风力机在不同偏航方向下有不同的载荷表现,相比于负向的偏航偏差角,正向的偏航偏差角会导致更大的风力机轮毂载荷。该研究为大型风力机优化偏航控制及保护提供了参考。     

大偏航角下基于IPC的风力机变速率停机控制研究

通过分析机组在触发偏航超限停机过程中,叶片在不同方位角下的受力情况,指出大偏航角下叶片受载不均衡是导致轮毂中心出现极限载荷的根源,并研究桨距角与偏航角方向对不均衡受载的影响,在原始控制策略的基础上,引入基于叶轮方位角的独立变桨控制（IPC）变速率停机策略,减小机组在负向大偏航下的气动不平衡,大大降低了轮毂与偏航轴承中心极限载荷,依据IEC标准,并以某7.0 MW海上风力机为研究对象,通过偏航超限工况载荷计算,对比分析发现,基于叶轮方位角IPC变速率停机策略,可减小不平衡推力引入的倾覆弯矩,达到减小机组载荷的目的,为此特定风况下的降载提供了可靠依据。     

基于NWAPSO参数全局寻优的LS-SVM电站风机性能预测

风机的性能曲线是风机选型和优化运行的重要依据.通常该曲线通过试验试验数据和性能图表上的数据进行曲线拟合获得.由于该曲线非线性很强,传统方法复杂昂贵,而且拟合精度不高。针对以上不足,提出了一种基于非线性权重自适应粒子群优化(NWAPSO)参数全局寻优的最小二乘支持向量机(LS-SVM)风机性能预测方法。通过最小二乘支持向量机建模,并应用非线性权重自适应粒子群优化算法对模型参数进行全局寻优,得到具有较高精度的风机性能曲线。计算结果表明,根据本文方法建立的模型很简洁,只需要知道少量的训练样本就能建立,可以比较精确的预测风机性能,具有较显著的工程应用价值。     

基于误差预测的风速集成学习模型

受风能随机性和预测模型的影响,风速预测时不可避免地会出现误差,通过挖掘误差特性可探索新的风速预测模型,提高预测精度。提出一种基于误差预测的风速集成学习模型。该模型首先采用快速集合经验模态分解来降低风速序列的随机性,其次采用布谷鸟算法优化最小二乘支持向量机对分解得到的各分量分别建立学习预测模型。同时将历史预测误差作为一个新序列,进行建模预测。最后将原序列的风速预测结果和误差序列预测结果进行叠加得到最终风速预测结果。算例结果表明,与传统方法相比,所提集成预测模型具有更好的预测精度,证明了在风速预测中,精细化挖掘预测误差对于提高预测精度的有效作用。     

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。     

基于组合模型的短期风速预测研究

风速具有较大的随机波动性,影响了电网的稳定性,风速预测对于风电并网问题至关重要。本研究采用灰色-马尔可夫链(GM-Markov)与最小二乘支持向量机(LSSVM)预测模型分别对风速进行预测,比较了各单一预测模型的精度;在此基础上研究了动态权重组合模型与0-1法组合预测模型。然后以国内某风电场的实测风速数据为例进行分析,结果表明,单一预测方法时好时坏,稳定性较差,组合预测模型总体效果较好,具有较大的实用价值。     

定风速下偏航失控和叶轮过速时的塔架载荷分析

风力发电机组的工作环境和条件比较恶劣,常常存在着不确定性。风机运行的过程中,偏航失控和叶轮过速是经常出现的。文章针对偏航失控和叶轮过速两种情况,将现场实测数据导入风机专业软件,模拟风机运行和停机工况,得出塔架扭矩和受力图谱,并分析比较了塔顶和塔底的载荷情况。经分析比较表明,在偏航失控和叶轮过速情况下,塔架底部和顶部扭矩的变化量要明显大于塔架受力的变化,而且塔架底部的受力要大于顶部的受力,塔架顶部和底部的扭矩与受力基本相同。     

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.     

基于贝叶斯随机波动模型的短期风速预测

提出一种基于随机波动(SV)模型的短期风速预测方法。该方法引入贝叶斯推理以解决SV参数的估计问题,并以我国西北某风电场实采风速数据作为样本,建立标准SV模型和某一参数服从t分布的SV-t模型。对所建模型与标准广义自回归条件异方差(GARCH)模型的预测能力做了综合比较分析。算例表明:SV模型不但参数辨识简便易行,而且更适合于描述风速序列的波动性。     

基于优化CFD模型的风电场风速数值模拟

为了提高风资源普查的精度,更好地针对我国地形及风况,文章优化了现有风资源计算流体力学模型,并编写了相应计算模块。优化模型包括:(1)贴合复杂山地地形的网格化分器,可以对任意地形进行网格划分;(2)通过分析测风数据自动计算湍流模型系数;(3)增加温度运输方程,将大气边界层热稳定度耦合到动量方程和湍流模型中;(4)与实际大气边界层热稳定度分层效应一致的入口条件及壁面函数。为了验证优化后的风资源计算方法的精度,文章对一待开发风电场进行了风资源计算。计算结果显示,使用优化的模块可以更精确地计算风速,与优化前相比,可以将误差至少降低10%。     

基于灰色GMDH网络组合模型的风速预测

风电场风速具有较大的间歇性和波动性,其预测精度有待提高。针对这一问题,文章基于灰色系统理论与GMDH数据分组处理技术,建立了灰色GMDH网络组合风速预测模型;采用某风电场实测风速数据进行预测,并与灰色Verhulst模型预测方法和传统GMDH网络模型预测方法的预测结果进行了对比。算例结果表明,灰色GMDH网络组合风速预测模型能够更精确地预测风速,显示了其可行性与高效性。     

基于NWAPSO参数全局寻优的LS—SVM电站风机性能预测

风机的性能曲线是风机选型和优化运行的重要依据．通常该曲线通过试验试验数据和性能图表上的数据进行曲线拟合获得．由于该曲线非线性很强,传统方法复杂昂贵,而且拟合精度不高。针对以上不足,提出了一种基于非线性权重自适应粒子群优化（NWAPSO）参数全局寻优的最小二乘支持向量机（LS—SVM）风机性能预测方法。通过最小二乘支持向量机建模,并应用非线性权重自适应粒子群优化算法对模型参数进行全局寻优,得到具有较高精度的风机性能曲线。计算结果表明,根据文中方法建立的模型很简洁,只需要知道少量的训练样本就能建立,可以比较精确的预测风机性能,具有较显著的工程应用价值。