基于WindPRO软件的不同时间尺度下的风电场产能评估

测风数据的准确性对风电场的产能评估具有重要的意义。文章以某风电场一年内每10 min的测风数据为基准,通过WindPRO软件,分别对3种时间尺度(30 min,1 h,2 h)的测风数据进行评估,对比了不同时间尺度下的发电量误差,分析了不同时间尺度下测风数据发电量的误差范围。当风电场选址区域的测风数据不完整时,研究结果可为测风数据时间尺度的选取提供指导性意见。     

测风时间尺度对风电场设计参数的影响研究

文章以湖南地区多个风电场为例,选取10 min和1 h的测风时间序列采用单机计算法计算风电场风能资源参数、发电量和内部收益率指标,探讨测风时间尺度对风电场设计参数的影响。结果表明,10 min和1 h测风时间序列计算风能资源参数基本一致,但1 h测风时间序列计算发电量和内部收益率系统性偏小,同时差异随平均风速和风机叶片的减小有增大趋势。本成果可为风电场风能资源评估、发电量、内部收益率的不确定性及后评估提供参考,同时建议风电相关规程规范和风资源工程师采用10 min测风时间序列开展风能资源评估尤其是代表年订正及发电量计算工作。     

测风塔选址对复杂地形风电场风资源评估的影响

为研究复杂地形条件下风电场测风塔的代表性及其对风资源评估的影响,以陕西省靖边县境内某风电场为例,选取3座测风塔资料,利用WindSim软件模拟分析了2011年风电场风能资源分布,并估算了风电场年发电量。结果表明,复杂地形风电场处测风塔数量较少时风资源评估结果的不确定性显著增加,而在考虑地形因素情况下测风塔数量增多,估算发电量更为准确。在地形较为复杂的风电场应根据地形条件布设适当数量测风塔,以得到风电场内较为精准的风资源分布,减少因测风塔位置选择而造成的风资源评估的不确定性。     

WT软件在风电场测风塔选址及风能资源评估中的应用

本文以华北某风电场为例,运用WT软件讨论了测风塔在风能资源评估中的选址原则。并将场区内两座测风塔70m高度的测风数据综合,计算了风电场区域内风鞥资源状况,根据风电机组位置,评估尾流效应对测风塔的影响,对用于超短期功率预测的测风塔的选址提出了进一步要求。     

风电场缺失测风数据插补方法的分析

在对风电场进行风资源评估时,常需要对缺失测风数据进行插补,然后据此订正成代表年风速。文章以广东地区某风电场风资源分析为例,采用以下3种不同的线性相关插补方法 :方法一,相关关系构建基于主测风塔和参照测风塔同期所有的测风数据(除去缺测数据);方法二,相关关系构建基于不同季节的测风数据;方法三,相关关系构建基于不同风向扇区(一般16个)的测风数据。误差分析结果表明,方法三误差最小,方法二次之,方法一误差最大。     

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。     

近海风电场风能参数模型及其应用研究

针对近海风电场风资源评估的众多影响因素,利用风资源评估软件WAsP,结合某近海风电场工程实际并根据实测风数据,采用单变量分析方法对海面粗糙度模型、尾流耗散系数模型、逆温层模型、热通量模型等进行理论意义、取值原则和敏感性研究,旨在提升软件预测精度,提高风资源评估的准确性。结果表明:合理的风能参数模型和修正后的参数值可减小建模误差,提高风资源评估的精度,可为工程实际提供参考。     

复杂地形条件下风电场风能资源评估研究-以西南某风电场为例

对于复杂地形条件下的风电场风能资源评估,不能只局限于对测风塔及气象站资料的评估。本文通过讲述复杂地形条件下风能资源评估基本流程,利用已有的测风塔资料和先进的流体力学软件,对风电场进行风能资源分布研究,为进一步合理开发风电场风能资源提供了有利的技术支持。     

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WASP813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。     

测风数据间隔对风速预测精度影响的研究

风速预测对风电场控制和电网调度具有十分重要的意义。文章以不同时间间隔的测风数据为基础,采用时间序列法和人工神经网络法对风速进行预测,通过比较风速预测绝对平均误差,说明时间间隔较短时,采用BP神经网络预测精度较高;当时间间隔增大时,采用时间序列法预测精度较高;时间间隔过大,即风速数据太少时,两种预测方法误差都较大,须谨慎使用。该研究结果对风电机组控制系统的设计以及电网调度计划的制定具有参考价值。