线性模型的风电场发电量计算研究
风电功率预测问题
风电功率预测问题摘要本文对风电场的发电功率进行了分析和研究，并进行尽可能准确地预测，分别以时点与电机组数量为相对单一变量，给出了较为精确的风电场发电功率的预测模型，并根据预测误差和对其他因素的考虑，构建了具有更高精确度的预测模型。
对于问题一，分别采用了时间序列法、卡尔曼滤波法、BP神经网络预测算法三种方法对风电场的发电功率进行预测及误差分析。
通过对三种预测方法的比较，考虑到时间序列模型建模简单，具有较好的短期预测精度，是最常用的线性预测模型；根据某风机的输出功率，首先利用时间序列分析建立一个能反映序列信号变化规律的ARMA模型，从该模型的预测方程入手，直接推导出卡尔曼滤波的状态和量测方程，利用卡尔曼递推模型可以实现风电功率的预测；神经网络模型能较好的应对序列的波动，具有理论丰富和高精度等特点，是常用的非线性模型。
结果算出，神经网络模型应用于风电功率预测能够较好地达到预测效果，因此推荐。
对于问题二，通过问题一中的预测，综合时间序列法、BP神经网络预测算法和卡尔曼滤波法，可以看出四台机组总输出功率（P4）预测的准确率与合格率均小于对A、B、C、D四台风电机组分别预测的输出功率（PA，PB，PC，PD），而对全场58台机组总输出功率（P58）预测的准确率与合格率又小于对四台机组预测的输出功率（P4），即风电机组台数越多，预测得到的输出功率误差越大。
因此我们分析风电机组汇聚给风电功率预测误差带来正面影响，即使预测功率误差增大。
对于问题三，因为风速是影响风电功率的的重要因素，因此采用计及风速的神经网络预测方法。
由于风电功率的波动性很大，并且与风速有很大的相关性，仅仅利用功率本身数据进行预测，使预测效果受到一定的限制，因此设计了在神经网络中加入风速因素，找出风速的最优估计值，然后用模型输出统计模块，减少存在的误差，最后根据风电场的功率曲线计算得到风电场的输出功率，以期提高预测精度。
关键词：风电功率预测、时间序列、卡尔曼滤波、神经网络、风速一：问题重述：根据百度百科，“风”是“跟地面大致平行的空气流动，是由于冷热气压分布不均匀而产生的空气流动现象”。
风电场理论模拟与实际发电量差距的原因分析
【摘要】当前风电场前期选址的地形越来越复杂，对前期评估的准确性要求越来越高。
由于风资源评估的不确定性现象普遍存在，本文结合实际案例，根据前期测风塔选址、测风塔风速代表性、微观选址合理性、机组运维结果等因素，对风电场前期理论计算发电量与后期实际运行发电量之间的差值原因进行分析，既可以为本风电场提升发电量提供理论依据，也可以对其他项目的前期、后期评估提供一定的帮助。
【关键词】发电量误差原因分析准确性1综述分析背景发电量评估作为风资源分析中最重要的环节，其结果的准确性直接关系到项目的投资开发，而由于评估过程中的种种不确定性因素的存在，使得评估结果难以把握，本报告根据某风电场理论模拟与实际发电量，综合测风塔、SCADA数据、运维记录等资料对发电量差距的原因进行分析。
1.1分析方案（1）测风塔代表性分析：根据测风塔的位置代表性、风速代表性、测风塔周边环境变迁情况等角度对测风塔的综合代表性进行分析；（2）微观选址合理性评估：评价点位微观选址方案的合理性；（3）机组运行指标：对机组的运维结果进行分析，初步评价风场及机组的运行状况；（4）WT模拟设置影响：对WT模型的森林密度、粗糙度典型值进行调整，观察不同的模型设置对发电量的影响。
1.2项目综述该风电场位于属于复杂山地项目，安装25台机组，轮毂高度80m，总装机容量50MW。
风电场的地理位置如下图所示。
图1：风电场地形地貌图2理论模拟与实际发电量对比2.1Meteodyn WT模拟计算2.1.1 测风塔信息风电场内及附近共有2座测风塔，编号为：0001#、0002#，测风塔的基本信息如下表所示。
表1：测风塔基本信息测风塔有效数据完整率达到99%以上，满足GB/T18710-2002《风电场风能资源评估方法》中对数据完整率大于90%的要求，风电场的地形及测风塔分布如下图所示。
图2：风电场的地形及测风塔分布2.1.2 测风塔参照年订正风电场的年平均风速具有年际变化特征，由于收集到的风电场运行数据为2020年数据，所以理论计算发电量前需要将测风塔数据订正到2020年水平。
干货风电场发电量计算须知，包括算前资料、计算方法、影响因素……
干货风电场发电量计算须知，包括算前资料、计算方法、影响因素……风电场的建设工程是大项，每一步都需要做大量的工作：当企业拿到标书或可研报告等资料后，我们首先要提澄清——向业主索要详细发电量计算所需的资料；然后选择机型，即确定该风电场适合用什么类型的风机（日前风哥已经整理的相关内容）；最后进行发电量计算（这就是风哥今天要带给大家的内容~）1、澄清需要获取的计算资料要计算当然首先得有资料啦，向业主要资料的时候都需要哪些呢？下面列出了发电量计算需要的所有内容，提澄清的时候，缺什么就列出来。
1、风电场的可研报告；2、风电场内的测风塔各高度处完整一年实测风速、风向、风速标准偏差数据，以及测风塔的地理位置坐标；3、测风塔测风数据的密码；4、风电场是否已确定风机布置位置，若已确定风机位置，需提供相应的固定风机点位坐标；5、风电场的边界拐点坐标；6、风电场内预装轮毂高度处的50年一遇最大风速；7、风电场场址处的空气密度；8、预装轮毂高度处15m/s湍流强度特征值；9、风电场的海拔高度以及累年极端最低温度；10、风电场内测风塔处的综合风切变指数；11、风电场影响发电量结果的各项因素的折减系数。
注意：对于“预装轮毂高度处”的“50年一遇最大风速”“15m/s”湍流强度特征值，业主资料中很可能提供的高度比我们选用风机的轮毂高度低，我们可以根据综合风切变推算（湍流无法推算），如果高度相差不大根据我们的经验，采用业主资料中的数据即可。
2、机组选型主要参数关于机组选型，风哥之前已经发过相关内容，今天就不专门再列一次了，如有需要请点击蓝字：“风电机组”选型攻略，有哪些注意事项？史上最全机组造型名录！（部分业内人士反应风哥整理的机型不全，对此风哥还是希望大家能够给风哥提供更完整的机型信息；谢谢大家~）以下是风机机型选择的一些主要参数：a、功率、叶轮直径、轮毂高度b、IEC等级（50年一遇最大风速、多年平均风速、湍流强度）c、常温型低温型d、平原型高原型注意：如果几种机型都适用，选叶片直径最大的（叶片越大，功率越大）3、风电量估算3大方面直接测风估算法：估算风电场发电量最可靠的方法：是在预计要安装风电机组的地点建立测风塔，其塔高应达到风电机组轮毂高度，在塔顶端安装测风仪传感器连续测风一年。
N020用于频域辨识的风电场异步发电机准确线性模型
用于频域辨识的风电场异步发电机准确线性模型夏梦，金宇清，鞠平（河海大学电气工程学院，江苏省南京市210098）摘 要：由于风电装机容量在整个发电量中的比重越来越大，为研究其对电网的影响，风电场等值建模也愈发重要。
传统的等值建模方法必须知道各个异步发电机的电机参数，而本文对风电场异步发电机机电暂态模型进行变换，推导出了以有功电流和无功电流为状态向量的异步发电机线性模型。
该模型是线性的，但却是准确的，因为并没有进行线性化而是进行的偏差化。
为频域辨识法对风电场进行建模打下了基础。
关键词：风电场；异步发电机；有功和无功电流；线性模型；频域辨识0 引言风能作为一种清洁的可再生能源，开始受到各国的重视，风力发电因而发展迅速，成为最具开发前景的新能源产业。
这几年来，我国的风电产业发展迅猛，风电装机容量逐年递增。
按照我国《可再生能源发展战略》，到2020年，总装机达3000万千瓦，占全国总发电量的1%-2%。
风电装机容量越来越大，其对电网的影响也越来越大，所以在研究含有风电机组的电力系统稳定性时，必须对风电场进行等值建模。
风电场中异步发电机常用的动态等值方法有基于相关概念的同调等值法、基于特征值分析的模态法和基于在线测量的辨识法。
文献[1]运用了同调等值法中电机传递函数的概念，建立了异步发电机的传递函数，但是运用该方法必须知道风电场中各电机参数，才能进行等值。
在风电场中，有功电流和无功电流和电压是非常容易测量的，本文将推导出以有功电流和无功电流为状态向量的异步发电机线性模型，以这个模型为基础我们就可以方便的运用在线测量的辨识法对风电场直接进行等值建模，而无须知道各电机具体参数。
1 风力异步发电机状态方程风力发电机多为异步电机，对于异步发电机，我们考虑其机电暂态模型[2-3]，定子坐标取d q −轴同步速坐标，定子电流流出为正。
其电压方程为：sd s ds s qs s qs s qs s ds s qU R i L i E U R i L i E ωωωω′′=−++⎧⎪⎨′′=−−+⎪⎩d （1）式中，md q rrL E L r ψ′=− mq d rrL E L r ψ′=2m ss rrL L L L ′=−s d U ，，，为定子，轴电压和电流；qs U ds i qs i d q dr ψ，qr ψ为转子d ，q 轴磁链； s ω为定子同步转速；ss L ，rr L 分别为d q −坐标下定子和转子两相绕组自感；为定转互感。
一种新型的风电场稳态统计模型的研究
一种新型风电场静态统计模型严干贵，李鸿博，穆钢，崔杨（东北电力大学,吉林市132012 ）A new statistic Model of Wind FarmsYAN Gan-gui,LI Hong-bo, Mu Gang, Cui Yang（1.Northeast Dianli University,Jilin 132012,China）ABSTRACT：The prediction of power of wind farm is beneficial for the grid to make countermeasures to the adverse effects to the grid of wind farms. Calculating the power of the wind farm through static model of wind farm is an important part of the prediction of power of wind farm .In this paper, the equivalent wind speed and the equivalent coefficient of performance of wind energy in wind farm have been presented to show the features of the wind farm, which is based on, a new statistic model of wind farms was established to characterize the features of transforming from wind energy to electricity in wind farms, and the effectiveness of this model was verified.KEY WORDS：prediction of output power of wind farm ，the equivalent wind speed ，the equivalent coefficient of performance of wind energy in wind farm ，statistic model摘要：对风电场输出功率的预估有利于电力系统对风电场对电网的不利影响做出相应有效的调度对策。
风电场发电功率的建模和预测研究综述
第37卷第13期电力系统保护与控制Vol.37 No.13 2009年7月1日 Power System Protection and Control July 1,2009 风电场发电功率的建模和预测研究综述王丽婕1，廖晓钟1，高 阳2，高 爽 1（1．北京理工大学自动化学院，北京 100081； 2．沈阳工程学院，辽宁 沈阳 110136）摘要：随着大量风电并入电网中，为了合理制定发电计划，保证电力系统稳定运行，需要对风电输出功率进行预测。
首先根据建模的方法和预测模型的对象两个分类标准，归纳总结了目前风电功率预测研究的模型和方法，然后简要概括了国内外的研究现状，最后提出了风电功率预测模型的改进方向。
关键词: 风力发电功率；预测模型；现状；改进方向Summarization of modeling and prediction of wind power generationWANG Li-jie1, LIAO Xiao-zhong1 , GAO Yang2, GAO Shuang1(1.School of Automation, Beijing Institute of Technology,Beijing 100081, China; 2.Shenyang Institute of Engineering, Shenyang 110136, China)Abstract: As more and more wind power is integrated into power grids, it is very important to predict the wind power generation in order to make a reasonable generation scheme and ensure stability of the power system. This paper summarizes some prediction methods of wind power generation according to two classified criterions, i.e. method of modeling and object of model,then generalizes its actuality, and finally advances some improvements for the future.This project is supported by the National Natural Science Foundation of China (No.50777003).Key words: wind power generation； prediction model； actuality； improvement中图分类号： TM614 文献标识码：A 文章编号： 1674-3415(2009)13-0118-040 引言风能是一种干净的可再生能源，它的优势在于不需要燃料、不占用耕地、污染少、储量大。
复杂地形山地风电场的CFD分析
复杂地形山地风电场的CFD分析刘凯;曾杰;叶任时;刘璟;苏毅;李德【摘要】利用基于CFD的Meteodyn_WT对湖北恩施某复杂地形条件下的山地风电场进行模拟分析,并依据分析成果进行风机布置和发电量计算。
经与风电场的1 a实际运行结果对比,各机位点实测平均风速为6.02 m/s,与WT计算结果相比偏小0.06 m/s,表明Meteodyn_WT模拟得到的总体结果较好。
同时,Meteodyn_WT能够模拟出21、22号机位风速减小的趋势,未能准确模拟出其大小,但对8~11号机位的模拟结果存在较大误差,初步认为是由于缺少2号测风塔的测风数据所致。
%This paper simulates and analyzes the wind farm in mountainous area under complex terrain in Enshi, Hubei Prov-ince by using Meteodyn_WT and based on the analysis results, discuses the wind turbine arrangement and calculates the genera-tion quantity. Compared with the practical operation over a year, the average measured wind speed of all positions is 6. 02 m/s, 0. 06 m/s smaller than the calculated results of WT. So the simulated results are satisfied in general. The Meteodyn_WT can re-veal the downward trend of wind speed at No. 21 and 22 positions, but the decreasing value can not be simulated. The errors of the simulation results of No. 8 to No. 11 positions are large, which may be caused by the lack of measured wind speed data of No. 2 wind tower.【期刊名称】《人民长江》【年(卷),期】2016(000)003【总页数】4页(P56-58,102)【关键词】CFD;Meteodyn_WT;复杂地形;风资源评价【作者】刘凯;曾杰;叶任时;刘璟;苏毅;李德【作者单位】长江勘测规划设计研究有限责任公司，湖北武汉430010;长江勘测规划设计研究有限责任公司，湖北武汉430010;长江勘测规划设计研究有限责任公司，湖北武汉430010;长江勘测规划设计研究有限责任公司，湖北武汉430010;长江勘测规划设计研究有限责任公司，湖北武汉430010;长江勘测规划设计研究有限责任公司，湖北武汉430010【正文语种】中文【中图分类】TP391风电开发的关键问题是要清楚地了解拟选风电场的风资源状况，一般的做法是利用测风塔实地测量当地的风资源条件，但风电场范围大，测风仪器设备投入较高，风场观测只是有限测风[1]。
风电场等值建模和参数辨识研究
精品文档供您编辑修改使用专业品质权威编制人：______________审核人：______________审批人：______________编制单位：____________编制时间：____________序言下载提示：该文档是本团队精心编制而成，希望大家下载或复制使用后，能够解决实际问题。
文档全文可编辑，以便您下载后可定制修改，请根据实际需要进行调整和使用，谢谢!同时，本团队为大家提供各种类型的经典资料，如办公资料、职场资料、生活资料、学习资料、课堂资料、阅读资料、知识资料、党建资料、教育资料、其他资料等等，想学习、参考、使用不同格式和写法的资料，敬请关注!Download tips: This document is carefully compiled by this editor. I hope that after you download it, it can help you solve practical problems. The document can be customized and modified after downloading, please adjust and use it according to actual needs, thank you!And, this store provides various types of classic materials for everyone, such as office materials, workplace materials, lifestylematerials, learning materials, classroom materials, reading materials, knowledge materials, party building materials, educational materials, other materials, etc. If you want to learn about different data formats and writing methods, please pay attention!风电场等值建模和参数辨识探究关键词：风电场，等值建模，参数辨识，最小二乘法，矢量控制1. 引言随着我国对可再生能源的进步越来越重视，风电已成为我国电力行业的重要组成部分。
风电场模型研究及应用
风力发电作为21世纪发展最快的一种可再生能源,随着风电场的容量越来越大,对系统的影响也越来越明显,研究风电并网对系统的影响已成为重要课题.早期风电的单机容量较小,大多采用结构简单、并网方便的异步发电机,直接和配电网相连.而风电场所在地区往往人口稀少,处于供电网络的末端,承受冲击的能力很弱,因此,风电很有可能给配电网带来谐波污染、电压波动及闪变问题,风电的随机性给发电和运行计划的制定带来很多困难.本文介绍了风力机组并网技术和风力发电机并网及运行试验,分析了风力发电机组并网对电网电能质量的影响,深入探讨了引起波动与闪变的机理,并详细论述了电压波动与闪变的抑制方法。
,提出了多风电场系统风电容量可信度的计算方法.可靠性标准算例的仿真计算结果证明了所提出的评估体系的正确性和实用性.
10.学位论文刁瑞盛风力发电对电网的影响研究2006
本文主要进行了以下几方面的研究工作: 首先对我国现有的能源储量和结构进行了统计,阐明能源和环境问题的严重性以及发展可再生能源的必要性;结合国内外风力发电的发展现状指出了影响我国风力发电进一步发展的主要因素,并简要了介绍几种适用于风力发电分析的仿真软件。其次,详细阐述风力发电原理,分析风力发电的系统结构,建立风速模型、风轮模型、传动部分模型,讨论不同风况下风力机组的控制方式,并简要回顾了异步发电机模型、同步发电机模型以及常见的换流器模型。讨论了8种不同风力发电系统的结构及其特点,重点分析和对比了目前3种风力发电机组的特点;对“定桨距风机+异步电机”模式的风力机组进行了仿真分析。再次,综述了陆地风电场和海上风电场的各自特点,阐明风电场的主要选址原则;在介绍几种风力机组排列方式的同时详细分析了3种风电场与电网间的连接方式的特点,建立了适用于电网分析的风电场等效模型。最后,通过几个例子对风电场引起的电压波动、电网短路电流变化、网损变化和电压闪变等几方面影响进行了理论分析和公式推导,并利用PSCAD/EMTDC进行仿真,揭示了风力发电对电网产生影响的原因和规律。
10108.001风电场理论发电量计算方法
I
Q/CRNE 10108.001—2013
前
言
本标准由华润新能源控股有限公司运营部标准化工作组提出。 本标准由运营部归口并负责解释。 本标准由运营部负责起草。 本标准主要编写人：管理标准工作小组 本标准主要审核人：辛文达、翁廓、袁炜、张艳峰、沃仲磊、万井江、杨喜民、朱宏强、蔡松禹、 张民、李振豹 本标准审定人：刘日新 本标准批准人：张沈文
II
Q/CRNE 10108.001—2013
风电场理论发电量计算方法
1 范围 本标准规定了风电场理论发电量的评估方法。 2 规范性引用文件 下列文件对于本标准的应用是必不可少的。 凡是注日期的引用文件， 仅注日期的版本适用于本标准。 凡是不注日期的引用文件，其最新版本（包括所有的修改单）适用于本标准。 GB/T 18709-2002 风电场风能资源测量方法 GB/T 18710-2002 风电场风能资源评估方法 发改能源[2003]1403 号 风电场风能资源测量和评估技术规定 QX/T 74-2007 风电场气象观测及资料审核、订正技术规范 GB/T 18451.2-2003/IEC 61400-12:1998 风力发电机组 功率特性实验 3 术语和定义 下列术语和定义适用于本文件。 3.1 轮毂高度（风机） hub height (wind turbine) 从地面到风轮扫掠面中心的高度。 3.2 有功功率 active power 发电机发出电能中可转化为热能、光能、机械能或化学能，用于做功被消耗的部分，本规范简称功 率。 3.3 功率曲线 power curve 描绘风电机组有功功率输出与风速的函数关系图和表， 功率曲线包括设计功率曲线、 计算功率曲线。 3.4 风速 wind speed 空气微团的移动速度。根据测量时距的长短，包括瞬时风速、平均风速等，单位为米每秒（m/s） 。 3.5 风向 wind direction 风的来向，单位为度（° ） ，静风以C表示。 3.6 地形 terrain 地表以上分布的固定性物体共同呈现出的高低起伏的各种状态。 3.7 复杂地形 complex terrain
风力发电机组动态模型研究
风力发电机组动态模型研究随着人们对可再生能源的重视和风能技术的不断发展，风力发电机组动态模型的研究变得越来越重要。
本文将围绕风力发电机组动态模型展开情节，介绍相关的数学模型、理论知识和算法，并适当总结前文的主要观点和证据。
风力发电机组动态模型描述了风力发电机组在风速、功率输出、空气动力学等方面的性能。
通过建立动态模型，可以对风力发电机组进行模拟和分析，以优化其性能、控制策略及可靠性。
在本文中，我们将介绍一种基于数学模型和理论知识的风力发电机组动态模型。
风力发电机组动态模型的数学模型通常包括风速模型、发电机组功率模型、控制模型等。
风速模型描述了风力发电机组所处风场的特性，包括平均风速、风速谱等。
常用的风速模型包括威布尔分布、瑞利分布等。
通过对风速模型进行分析，可以了解风场的风能特性和风力发电机组的可靠性。
发电机组功率模型描述了风力发电机组如何将风能转化为电能的过程。
根据贝茨理论，风能转换为电能的效率取决于风轮直径、风速、空气密度等因素。
通过建立功率模型，可以分析风力发电机组的功率输出性能，从而优化其设计。
控制模型描述了风力发电机组的控制策略，包括最大功率追踪、载荷控制等。
通过建立控制模型，可以实现风力发电机组的智能控制，提高其运行效率和可靠性。
风力发电机组动态模型的理论知识主要包括空气动力学、机械传动、电力电子技术等。
空气动力学是研究气体与固体表面相互作用的科学。
在风力发电机组中，空气动力学用于分析风轮在风场中的表现，包括升力、阻力等。
通过优化风轮的空气动力学设计，可以提高风力发电机组的功率输出和运行效率。
机械传动是实现风能转换为电能的关键环节。
在风力发电机组中，机械传动将风轮的动力传递给发电机，使其转化为电能。
机械传动的性能直接影响到风力发电机组的效率和可靠性。
电力电子技术是实现风力发电机组控制和并网的关键技术。
通过电力电子技术，可以实现发电机的矢量控制和最大功率追踪等功能，从而提高风力发电机组的运行效率和可靠性。
风电场发电量预测技术研究综述(dd)
风电场发电量预测技术研究综述高阳1，陈华宇2, 欧阳群 3（1．沈阳工程学院，辽宁沈阳 110136；2.中电投东北电力有限公司，辽宁沈阳 110017；3.辽宁省电力有限公司，辽宁沈阳 110006；）摘要：随着百万千瓦的大型风电场投入运行，以及千万千瓦的“陆上三峡”的风电基地的建设，为了保持电网经济、可靠运行，对于风电场发电量预测技术的研究显得越来越重要。
本文首先综述了风电在我国的发展现状，分析了目前风电场接入电网急需解决的问题,然后总结了现在风电场发电量预测模型的研究方法。
接着分析了风电场发电量预测技术国内外的研究现状和发展趋势，最后提出了基于混沌理论的风电场发电量预测的方法。
关键词：风力发电；现状；发电量预测；混沌理论Study of wind power predictionGAO Yang1, CHEN Huayu2,OUYANG Qun3(1.Shenyang Institute of Engineering, Shenyang 110136, China ;2. China Power Investment Corporation Northeast Branch,Shenyang 110017, China ;3.State Grid Liaoning Branch, Shenyang 110006, China,;)Abstract：As plenty of million-kilowatt wind farms have been integrating into power grids, and10 million kilowatt wind power base beginning construction，the study of wind power prediction become more and more seriously for keeping the economical and reliable operation of grid. This paper summarizes the status of wind power developed in China firstly, then analyzes the urgent need for the solution of impacts on power grids caused by wind farm integration. After that it analyzes the actuality and development trend of wind power prediction technology, and finally proposes some methods of wind power prediction based on chaos theory.This project is supported by the Liaoning Department of Education (No. 2008z165).Key words: wind power generation；actuality；wind power prediction ；chaos theory中图分类号: TM614 文献标识码: A科技项目：辽宁省教育厅资助项目(2008z165)1 我国风电发展现状日益严重的全球能源危机，使可再生能源的开发显得越来越重要。
科技成果——大型风电场发电功率的建模和预测研究
科技成果——大型风电场发电功率的建模和预测研究技术开发单位北京理工大学适用范围风电场风电功率预测成果简介针对风电场风力发电功率不确定性对电网造成的影响，本项目在国家自然科学基金“大型风电场发电功率的建模和预测研究”（50777003）和北京市教委产学研资助项目“风光互补发电控制系统”的支持下，开展风电场风力发电功率预测系统研究与应用，重点研究了风力发电的特点、数值天气预报模型及预报模式、风力发电功率预测对电网稳定性的影响、风力发电功率预测的误差评价指标、风力发电功率预测的理论基础、风力发电功率预测的方法，以及在多个大型风电场应用测试与评价。
在风力发电功率超短期预测方面，首次验证了风力发电功率时间序列具有混沌属性，以此为基础提出了基于混沌相空间重构的神经网络模型对风力发电功率进行预测，为神经网络模型结构的设计和调整提供理论依据。
随后提出了基于多嵌入维数的神经网络集成预测模型，为多个模型进行组合预测提供一种方式。
考虑风力发电功率数据的非平稳性，提出了具有多分解层次的神经网络模型。
该技术目前4h预测误差小于5%。
在风力发电功率短期预测方面，结合专业的数值天气预报（NWP），分析了风速和风功率的日相似性，提出了基于聚类分析的短期风功率多步预测模型。
考虑NWP的位置对风功率预测的影响，提出了基于多位置NWP约简的短期风功率多步预测模型。
与目前主要采用单一位置、单一高度的气象信息进行预测的方法不同，该方法考虑了风电场区域水平方向和垂直方向气象因素的变化，有利于提高模型的预测精度。
通过对未来72h风力发电功率预测方法的研究，预测误差小于20%，时间分辨率为15min。
在风力发电功率中长期预测方面，综合考虑风速时间序列的内部特性（混沌特性）和风速的外部影响因素（气象信息），提出了基于粗糙集理论的中期风速和发电量预测模型、基于灰色理论的中期风速和发电量预测模型，可以为风电场安排风机检修、风电场储能和优化备用容量提供一定的参考依据，其年预测误差小于13%。
风电场发电量预测模型的研究
风电场发电量预测模型的研究随着气候变化的加剧和能源供应的紧张，新能源的开发和利用成为全世界各国的共同需求。
其中，风能作为一种绿色、可再生、成本低廉的能源，近年来受到了广泛的关注和重视。
而风电场的发电量预测模型则是保障风电发电可靠性和稳定性的重要手段之一。
一、背景风电场是利用风能进行发电的装置，由一系列的风力发电机组成，其工作原理是通过转动发电机的转子来产生电能。
由于风速不稳定、风向难以控制等因素的影响，风电场的发电量具有较大的不确定性。
因此，在风电场的建设和管理中，如何准确地预测风电场的发电量，对于电力系统的平稳运行至关重要。
二、现有研究目前，国内外学者对风电场发电量预测模型的研究已经取得了一定的进展。
其中，比较常见的模型有气象学模型、统计学模型和人工神经网络模型等。
以下是对这几种模型的简要介绍。
1.气象学模型气象学模型是指利用气象数据对风电场发电量进行预测的模型。
这种模型主要基于大气物理学原理，通过对流场、湍流场、大气边界层、地表热通量等进行建模和仿真，预测出风能和风电场的发电量。
气象学模型通常根据不同的气象数据进行分类，比如基于宏观天气变化的气象学模型和基于微观风速变化的气象学模型等。
但是，气象学模型需要复杂的物理模型和大量的计算，因此往往需要消耗较大的时间和计算资源，同时预测结果也往往比较粗略。
2.统计学模型统计学模型从风速和发电量之间的关系出发，对风电场的发电量进行预测。
常用的统计学模型包括回归模型、时间序列模型和协整模型等。
这种模型的优点是简单、易于理解，预测结果与实际值相比较为精准；但是，由于其基于历史数据进行预测，因此对于新的情况预测表现往往不够理想。
3.人工神经网络模型人工神经网络模型是利用人工神经网络对风电场发电量进行预测的一种方法。
这种模型通过模拟人脑神经元的构造和功能，对风速、风向和发电功率等进行建模，并通过训练和优化学习到预测模型的参数。
人工神经网络模型具有自适应性和非线性能力强的特点，适用于非线性和不确定的问题。
基于线性模型的风电场发电量计算与分析
基于线性模型的风电场发电量计算与分析王远;陆志良;郭同庆【摘要】The flow field of simple terrain is described by a linearization of the flow equations. And the computational method is further simplified based on the characteristic of atmospheric boundary layer (ABL), namely, with a so-called topographic effects coefficient, the flow velocity is obtained quickly on the point (generally wind turbine's sites) being interested in. For wake effects, a modified Park model is used, which has been involved in wind farm design. The wake effects of wind turbines are linearly su-perimposed and the smaller ones are neglected. A typical-built seashore wind farm is introduced, include-ing its total rated capacity, roughness of the ground and wind data measuring situation. Then as a calcu-lating example, the power production of the wind farm is predicted by using different wind data. Most predicted values coincide well with the measured ones. Finally, it is explored why the output of each wind turbine is so different, and the conclusion presents that the size of topographic maps can influence the accuracy of wind field simulation. Also, definite suggestion about this is proposed for engineering design.%针对相对平坦地形,采用线性化流体方程描述流场,并根据大气边界层特性进一步简化计算方法,即利用所谓地形影响系数快速求解感兴趣点(一般为风机位置)的流动速度;针对尾流影响,采用工程上广泛使用的修正Park模型来求解,尾流线性叠加并忽略较弱的尾流影响.文中介绍了一个已建典型海滨风电场的装机规模、地表粗糙度以及测风情况,并以此风电场为算例采用不同测风数据进行发电量计算,预测结果与实际发电量较好地吻合.最后探索了算例风电场各风机发电量不均衡原因,提出地形图大小对风场模拟准确性的影响,并从工程设计角度提出具体意见.【期刊名称】《南京航空航天大学学报》【年(卷),期】2011(043)005【总页数】6页(P655-660)【关键词】风场模拟;地形影响;尾流影响;测风数据;发电量【作者】王远;陆志良;郭同庆【作者单位】南京航空航天大学江苏省风力机设计高技术研究重点实验室,南京,210016;广东省水利电力规划勘测设计研究院,广州,510635;南京航空航天大学江苏省风力机设计高技术研究重点实验室,南京,210016;南京航空航天大学江苏省风力机设计高技术研究重点实验室,南京,210016【正文语种】中文【中图分类】TM614在风电场开发过程中,风资源评估的准确性至关重要。
基于AP-SVM多模型建模的风电场负荷预测研究
基于AP-SVM多模型建模的风电场负荷预测研究陈蓓;宋坤【摘要】针对风电场中期负荷预测模型复杂多工况的情况,提出了基于仿射传播聚类和最小二乘支持向量机的多模型建模负荷预测方法.该方法先用仿射传播聚类算法对样本聚类,再用最小二乘支持向量机算法进行子模型建模.测试样本先根据相似性的度量方法进行归类,再用其所属子模型进行预测输出.最后利用某风场数据进行了建模和预测实验,结果表明该多模型建模方法有较高的预测精度和良好的泛化能力.【期刊名称】《电力学报》【年(卷),期】2017(032)005【总页数】6页(P376-381)【关键词】风功率预测;最小二乘支持向量机;多模型;仿射传播聚类【作者】陈蓓;宋坤【作者单位】中国人民解放军陆军工程大学理学院,南京210007;国电南京自动化股份有限公司,南京210009【正文语种】中文【中图分类】TM714风电场中期负荷预测系统是电力部门制定发用电计划的重要依据。
我国风资源分布往往远离负荷中心，弃风现象严重。
在进行跨区域电力交易以解决大规模风电消纳的过程中，区域风电场的负荷预测是个关键环节。
风电场负荷预测系统的核心是预测模型的建立。
风电场预测模型受地形和气象条件复杂的影响，会包含非线性和多工况的特点。
单一模型存在预测精度不高、以及泛化能力差的问题。
针对非线性、多工况的复杂模型对象，有学者提出了多模型建模方法[1]。
先用聚类算法将样本分类，再利用子类样本分别建立模型。
总体模型的预测结果是将各子模型的预测值加权平均后输出。
这种加权输出方法的前提是假设全局模型为各个子模型的线性组合，但在实际情况下，对于复杂的对象，该假设不一定成立[2]。
基于切换开关方式的多模型建模，排除了子模型间的相互影响，具有较好的适应能力，可以克服对象非线性问题。
聚类和子模型的建立是多模型建模的重要组成部分。
仿射传播聚类(Affinity Propagation Clustering,AP)[3]较传统的聚类方法，如K-means方法、模糊C均值方法，具有能自动选取聚类中心，减少了人工干预带来的主观缺陷。
对风电场运行状况的数学模型分析
对风电场运行状况的数学模型分析【摘要】本文旨在对风电场运行状况的数学模型进行分析。
在介绍了研究背景、研究意义和研究目的。
在分别介绍了风电场运行状况分析模型、影响因素分析、数学模型建立、参数优化方法和应用案例分析。
结论部分总结了分析结果，展望了未来研究方向和研究成果的意义。
通过对风电场运行状况的数学模型进行建立和优化，可以更好地提高风电场的利用率和运行效率，为风电行业的发展和可持续发展提供理论支持和指导。
本文的研究对于深入了解风电场运行状况和优化运行具有重要意义，为未来风电领域的研究和应用提供了有益参考。
【关键词】风电场、运行状况、数学模型、分析、因素、建立、参数优化、应用案例、总结、展望、研究方向、研究成果、意义1. 引言1.1 研究背景风力发电是一种清洁能源，在全球范围内得到了广泛的应用和发展。
随着风力发电技术的不断成熟和发展，风力发电场的规模也不断扩大，成为了现代社会不可或缺的重要能源之一。
随着风力发电场规模的扩大和接入电网的增多，风力发电场运行状况的稳定性和可靠性成为了亟待解决的问题。
为了更好地理解和改善风电场的运行状况，需要建立科学的数学模型来分析和优化风电场的运行情况。
对风电场运行状况的数学模型进行分析和研究具有重要的理论和实际意义。
通过建立有效的数学模型，可以更好地预测和控制风电场的运行状况，提高其发电效率和经济性。
对风电场运行状况的数学模型进行研究还可以为未来的风力发电技术和政策制定提供参考和指导。
1.2 研究意义研究风电场运行状况的数学模型具有重要的意义。
风电场是目前重要的可再生能源发电方式之一，其运行状况直接影响到能源生产效率和稳定性。
通过建立有效的数学模型分析风电场的运行状况，可以帮助提高风电场的运行效率，减少能源生产成本，提高能源利用率。
随着社会对可持续发展的追求和对清洁能源的需求不断增加，风电场的发展前景十分广阔。
研究风电场运行状况的数学模型不仅有利于优化现有风电场的运行，还可以为未来风电场建设提供重要参考依据。
线性模型的风电场发电量计算研究
线性模型的风电场发电量计算研究作者：张亚军来源：《科技资讯》 2014年第26期张亚军（云南省电力设计院云南昆明 650000）摘要：风力发电机组电量的计算是风电场性能评估的重要组成部分，而发电量的计算对风电场性能优化以及提高营运效益具有非常重要作用。
但是在实际的工作环节中，相关人员不能够正确、合理计算风电场的发电量，进而导致各种问题的出现，致使风电场工作效率得不到提升。
基于此，本文通过对线性模型的风电场发电量计算进行研究，以期能够进一步提升风电场经济以及社会经济效益。
关键词：线性模型风电场发电量计算中图分类号：TM611.3 文献标识码：A 文章编号:1672-3791(2014)09(b)-0095-02风力发电机组发电量计算是衡量风力发电机组性能的重要指标。
由于风能具有密度低、稳定性差等缺点，所以在实际的工作中，很难确定风机的发电量。
对于已经投产发电的风电场来说，不同风况下的发电量是存在差异。
在发电机组停工或者降出力工作状态下时，精准计算风电机发电量对提高风电场安全运作以及加强安全管理等具有重要的意义。
目前，计算机风电场发电量的方法有样板机计算法、便准曲线计算法以及拟合功率曲线计算法等。
1 样板计算法分析近年来，风电监察局相继出台风电场风力计算方法的相关标准。
风电场弃风电量是指受电网在传输通道以及安全运行所必须的环境影响下，风电场本可以发电而并没有发出的电量，称之为弃风电量不包含风电场由于风机本身故障而导致不能发出的电量。
在实际的工作中，所采用的计算电量的方法受到限制时，应该采用样板计算方法计算受阻的电量，即调度机构在对风电场进行发电量控制时，应该保持样板机不受限制，并将其发电量作为同类型的风机发电的理论基础依据，同时减去风电场弃风受限电量的计算方法，其具体计算方法如下：式中：N为样板机组的数量；为样板机的实际发电量；N为风电场中所用风电机组的数量；Q为风电场全场应发电量。
样板计算法规定中风电场由于限电而损失的全场发电量，可以将方法推广应用到限电、故障以及检修等因素导致单台风机损失的电量的计算中，如：为单台风电机组的应发电量。
计及风向不确定性的海上风电场年发电量计算
使 得 海上 风 电 场 的尾 流 效应 影 响更 为显 著圜。尾 尾流效应 的风电场功率预测方法 ，可从解析 的
流效应造成机组输 出功率降低 ，限制 了风 电场年 Ｊｅｎｓｅｎ．Ｌａｒｓｅｎ．Ａｉｎｓｌｉｅ等工 程尾 流 模 型 方 法 变 化
发 电量 ａｎｎｕａｌ ｅｎｅｒｇｙ ｐｒｏｄｕｃｔｉｏｎ，ＡＥＰ）。为 获得 准 至复杂的大涡模拟 、分离涡模拟、雷诺 时均方程等
Ｅ－ｍａｉｌ：ｗｙｍ０５０４＠１２６．ｃｏｍ
· ６０３·
可 再 生 能
以及发 电量计算分析 ，ＧＡ方 法显著提高 了原 尾 流模型全风况下功率计算结果的准确性 。并加速 了尾流作用下 的风电场发电量计算的收敛 ．为基 于尾 流模 型 的风 电场 功率计 算 方法 的工 程应 用 奠 定 了基础 。 １ 研 究 对象 １．１ Ｌｉｌｌｇｒｕｎｄ海上 风 电场
电量计算方法 ，提高了计算准确性。尹诗¨５１结合风 组及整场输 出功率的快速计算模型：为平衡风电
电机组可能的运行状态 ，对 比了样板机法 、标准功 场尾 流测 量数 据 中风 向不确定 性 的影 响 。采 用高
率曲线法 以及拟合功率曲线法等 ３种应发电量的 斯 平 均 （Ｇａｕｓｓｉａｎ Ａｖｅｒａｇｉｎｇ，ＧＡ）方法 对尾 流模 型
选用位于丹麦和瑞典海岸间 Ｏｒｅｓｕｎｄ海域中 的 Ｌｉｌｌｇｒｕｎｄ海上风电场作为算例 ，对其进行尾 流 效应分析及后续计算。风电场内共有 ４８台 ｓｗＴ＿ ２．３—９３系 列 风 电 机 组 。 总 装 机 容 量 为 １１Ｏ．４ ＭＷ，场 内机组排布如图 １所示 ，风电机组之间的 列 间 距 （Ａ，Ｂ… 为 列 号 ）和 行 间距 （０１，０２… 为 行 号 ）分别 为 ３．３Ｄ 和 ４．３Ｄ（Ｄ 为风 轮直 径 ）。风 电机 组额定功率为 ２－３ ＭＷ，风轮直径为 ９３ ｍ．轮毂 高 度 为 ６５ ｉｎ，机 组 的输 出功 率及 推 力 系数 曲线 如 图 ２所 示
两种时间序列预测模型在风力发电量上的探究
两种时间序列预测模型在风力发电量上的探究梁霞【摘要】根据全国月度风力发电量的历史数据,利用季节时间序列模型和模糊时间序列模型两种非平稳时间序列预测法对风力发电量进行预测,并与预留的2016年实际发电量数据进行对比,比较两种方法预测误差的方差MSE,优选预测模型.结果表明:模糊时间序列模型的预测误差较小,预测结果较为准确.该模型可作为预测风力发电量的有效工具.【期刊名称】《兰州工业学院学报》【年(卷),期】2017(024)004【总页数】5页(P82-86)【关键词】模糊时间序列模型;FCM聚类算法;季节时间序列模型;MSE.【作者】梁霞【作者单位】兰州交通大学数理学院,甘肃兰州 730070【正文语种】中文【中图分类】TM614风电是一种潜力很大的新型能源，越来越受到世界各国的重视.而风力发电量的预测对生产具有重要的指导意义.1965年由Zadeh[1]教授提出的模糊集理论，为模糊时间序列模型的提出奠定了理论基础.1993年，Song和Chissom[2]首次提出了模糊时间序列模型，该模型广泛的用在股票指数、温度、客流量等领域,预测结果较为显著.英国天文学家William Hersched首次对时间序列中季节性行为进行了研究，许多学者在此基础上进行了深入探究，提出了季节模型，它包括季节性水平模型、季节性交乘趋向模型和季节性迭加趋向模型.该模型对有季节性的时间序列有较好的预测效果.全国风力发电量月度数据，呈现出一定的趋势性和季节性，既有季节变动又有趋势变动，且每年出现的季节变动的幅度随趋势变动而加大.本文分别利用两种模型对国家风力发电量进行预测，然后对预测结果进行分析评价.1.1 风力发电量月度数据根据国家统计局最新发布的数据，2010—2016全国年风能发电量月度数据如表1所示.1.2 初步分析将风力发电量月度数据绘制成曲线图,如图1所示.风力发电量从2010—2016年呈长期增长趋势, 又有季节变动，如5月和12月发电量多处于高峰,7月和8月发电量多处于低谷，且每年出现季节变动的幅度随趋势变动而加大，因此需要采取基于交乘趋势的季节分析方法.综上，风力发电量数据所表现出来的性质，可利用季节趋向模型来进行预测分析.2.1 季节性交乘趋向模型季节性交乘趋向模型[3]，其表达式为Ft=Vt·Ii.Vt是时间序列趋势变动部分,Ii是时间序列各月的季节指数.为了方便模型的验证和预测,预留2016年的风力发电量数据进行分析评价.在选择趋势线时,有多种选项,如直线型、指数型、幂型、对数型和多项型等.确定最准确趋势线的标准是拟合优度R2, R2值越大,表示趋势线拟合的准确度越高.通过EXCEL计算找出拟合优度较高的趋势线，如图2所示，分别有线性趋势线，指数趋势线，多项式趋势线，拟合优度R2分别为0.826 2, 0.800 5, 0.827 9，当多项式次数变高时，拟合优度变化不大，所以为了模型简单计算，选取的多项式为二次多项式.其表达式为Vt=-0.005 8 t2+2.304 4 t+26.72.Ii是由同月的平均数除以所给年份的各月的总平均数得到,反映了受季节影响实际值高于或低于趋势值的比例,季节指数如表2所示.历史月度发电量数据为70个，t=1,2,…,70分别与每年月度数据相对应，故t=61,62,…,70分别与2016年月度风力发电量相对应.得到趋势线Vt和季节指数Ii 后，将t=61,62,…70带入公式(1)中，得到2016年风力发电量的预测结果如表3所示.2.2 模糊时间序列模型Song和Chissom提出，模糊时间序列模型预测包括以下4个步骤：1) 确定和划分论域;2) 定义模糊集以及模糊化数据;3) 建立模糊逻辑关系;4) 去模糊化得到预测值[4-5].定义U为模糊时间序列的论域，将论域U划分为有限n个有序子集，即为模糊区间，可表示为U={u1,u2,…,un}，定义A为论域U上的语义变量集并记为.其中，fA是定义在A上的隶属函数，.0≤i≤1，ui是模糊集A的元素，表示ui对模糊集A的隶属度.1) 确定和划分论域.设Dmin，Dmax是历史数据中的最小值和最大值，则Dmin=24.1,Dmax=208.4,D1,D2为适当的正数，然后取D1=0.1,D2=1.6.定义U为模糊时间序列的论域，将论域U划分为有限n个有序子集，即为模糊区间，可表示为U={u1,u2,…,un}，定义A为论域U上的模糊集并记为.其中，fA是定义在A上的隶属函数，fA(ui)∈[0,1].1≤i≤n，ui是模糊集A的元素，fA(ui)表示ui对模糊集A的隶属度.论域,然后将所有历史数据进行升序排列，通过MATLAB仿真FCM聚类算法[6]，得到16个聚类中心，结果由图3所示，然后根据聚类数将论域划分为多个子区间，首先计算聚类数[7]k=16，它由(2)式决定.].其中，k为聚类数，Dmin，Dmax为风力发电量数据中的最小值和最大值，Xt为月度风力发电量数据.Matlab 仿真FCM 聚类算法得出16个聚类中心，排序后得到的一维数组为: (30.2,46.0,48.2,63.7,65.9,76.5,90.3,92.4,107.6,109.1,114.0,123.1,145.8,156.7,1 88.1,205.2 )，分别计算相邻2个聚类中心的中间值进而得到 15个中值点依次是:38.1、47.1、44.95、64.8、71.2、83.4、91.35、100、108.35、111.55、118.55、134.45、151.25、172.4、196.65 ，将这15个中值点与通过调整后得到的论域空间的 2个边界点组成空间 17 个边界点，从而将样本空间划分成 16个部分，分别为u1=(24,38.1), u2=[38.1,47.1),u3=[47.1,45.0), u4=[45.0,64.8),u5=[64.8,71.2), u6=[71.2,83.4),u7=[83.4,91.3), u8=[91.3,100),u9=[100,108.3), u10=[108.3,111.6),u11=[111.6,118.6), u12=[118.6,134.5),u13=[134.5,151.3), u14=[151.3,172.4),u15=[172.4,196.7), u16=[196.7,210).2) 定义模糊集以及模糊化数据.根据三角隶属函数，在论域U上定义16个模糊集A1,A2,A3,…,A16，每一个模糊集是由u1,u2,u3,…,u16定义的......模糊化结果如表4所示.3) 建立模糊逻辑关系.由所定义的模糊关系组，可以得到模糊逻辑关系组为A1→A1,A2,A4;A2→A1,A2A3;A3→A4;A4→A2,A4,A5,A6;A5→A4,A5,A6;A6→A4,A6,A8;A7→A7,A8;A8→A8,A9,A10;A9→A7,A9,A11;A10→A9,A10,A11;A11→A9,A11,A12,A13;A12→A11,A12,A14;A13→A9,A10,A13,,A14,A15;A14→A13,A14,A15;A15→A15,A16;A16→A15,A16.4) 去模糊化得到预测值.利用平均值法去模糊化得到预测值如表5.根据表1提供的数据，分别运用季节性交乘趋向模型和模糊时间序列模型对2016年的风力发电量进行了预测，通过两种预测方法的比较，为了更加清晰的看到预测值与真实值的拟合情况，画出了在两种预测方法下的真实值与预测值的趋势图，如图4所示.为了更具体的说明两种方法的预测效果，进而计算出了两种预测误差的方差MSE [8] ,由(3)式决定，结果如表6所示..从图4可以看出，模糊时间序列预测模型的预测效果要优于季节交乘趋向模型的预测效果，根据表6所得到的MSE值，也证明了模糊预测方法的有效性.通过对2016年风力发电量进行预测分析发现，相对季节交乘趋向模型而言，模糊时间序列预测模型的预测误差较小，其原因是：国家风力发电量数据有明显的趋势变动，而季节性则表现的相对不太稳定.例如，每年的发电量的高峰和低谷都有所变动，再加上异常点的变化，使得季节交乘趋向模型的预测值不够理想，而模糊时间序列模型对数据要求低，而应用又很广泛，它的预测范围具有一般性，所以预测结果较为有效.【相关文献】[1] Zadeh L A.Fuzzy set[J].Information and Control,1965, 8(3):338-353.[2] Song Q,Chissom BS.Fuzzy time series and its models[J].Fuzzy sets andSytems,1993,54(3):269-277.[3] 田锐峰.用季节性交乘模型预测奥迪汽车在华销量[J].统计与管理，2016(8)：70-71.[4] 罗艺,张韬,李晓松.基于模糊C均值聚类算法的模糊时间序列分析在戊肝发病率预测中的应用初探 [J]. 四川大学报，2016,47(3):406-410.[5] 刘建军.几种时间序列模型在客流量预测上的比较[D].武汉：武汉邮电科学研究院,2015.[6] 蔺玉佩,杨一文.基于模糊时间序列模型的股票市场预测[J].统计与决策,2010(8):34-37.[7] 陈刚，曲宏巍. 一种新的模糊时间序列模型的预测方法[J].控制与决策，2013,28(1)：105-108.[8] 徐国祥.统计预测与决策[M].上海:上海财经大学出版社,2008.。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
线性模型的风电场发电量计算研究
摘要：风力发电机组电量的计算是风电场性能评估的重要组成部分，而发电量的计算对风电场性能优化以及提高营运效益具有非常重要作用。
但是在实际的工作环节中，相关人员不能够正确、合理计算风电场的发电量，进而导致各种问题的出现，致使风电场工作效率得不到提升。
基于此，本文通过对线性模型的风电场发电量计算进行研究，以期能够进一步提升风电场经济以及社会经济效益。
关键词：线性模型风电场发电量计算
风力发电机组发电量计算是衡量风力发电机组性能的重要指标。
由于风能具有密度低、稳定性差等缺点，所以在实际的工作中，很难确定风机的发电量。
对于已经投产发电的风电场来说，不同风况下的发电量是存在差异。
在发电机组停工或者降出力工作状态下时，精准计算风电机发电量对提高风电场安全运作以及加强安全管理等具有重要的意义。
目前，计算机风电场发电量的方法有样板机计算法、便准曲线计算法以及拟合功率曲线计算法等。
1 样板计算法分析
近年来，风电监察局相继出台风电场风力计算方法的相关标准。
风电场弃风电量是指受电网在传输通道以及安全运行所必须的环境影响下，风电场本可以发电而并没有发出的电量，称之为弃风电量不包含风电场由于风机本身故障而导致不能发出的电量。
在实际的工作
中，所采用的计算电量的方法受到限制时，应该采用样板计算方法计算受阻的电量，即调度机构在对风电场进行发电量控制时，应该保持样板机不受限制，并将其发电量作为同类型的风机发电的理论基础依据，同时减去风电场弃风受限电量的计算方法，其具体计算方法如下：
式中：
N为样板机组的数量；
为样板机的实际发电量；
N为风电场中所用风电机组的数量；
Q为风电场全场应发电量。
样板计算法规定中风电场由于限电而损失的全场发电量，可以将方法推广应用到限电、故障以及检修等因素导致单台风机损失的电量的计算中，如：
为单台风电机组的应发电量。
2 标准功率曲线计算方法
根据相关标准对标准相关曲线计算法的定义：风电机组功率曲线
是其输出功率与每10分钟平均风速的变化之间的关系曲线图。
在对风电机进行设计的过程中，需要对风力发电机的性能进行准确的评估预算，同时还应该对风电发电机的性能进行模拟仿真，在这种情况下，得到的功率曲线被称作为标准功率曲线，其中，风电机组的风速与功率的关系如：
式中：
P为输入风机的能量；
P为空气密度；
A为风电机风叶片扫掠的面积；
V为风速。
根据标准曲线将其转化为应发电量的计算方法如下：
式中：
为单台风电机应发电量；
为风电机组标准功率9曲线。
3 拟合功率曲线计算法
风电场风电机组在运行的过程中，会受到海拔、气温、湿度、空气质量等因素的影响，在这个过程中，应该应用风电机工作时的历史数据对风机工作功率进行曲线拟合，使该风机功率曲线能够符合风机工作运行的特性。
如：表1中风电机组拟合功率曲线计算该风场风机实际功率与理论有功功率误差。
在实际工作中，拟合功率曲线的误差会低于标准功率曲线以及样板机组计算法的误差，其中，样板计算法存在的误差最大,如图1。
4 线性模型的风电场发电量模型分析
4.1 流体模型
对风电场内部大气边界层来说，在实际的计算过程中可以根据风电场的物理特性将其简化为无粘性外场以及粘性内场。
其中，靠近地表的内场由于受地面粗糙程度的影响，流动较为复杂，而靠近地面的内场又可以划分为应力层和近地层，虽然应力层的剪应力较小，但最大风电机最大绕动速度还是发生在这一层；而近地层作为一薄层，层内的剪应力梯度变化的速度飞快，使风电机的绕动速度取向与零。
离地表较远的外场在实际的运作中可以将其视为完全没有粘度的位势流，这就造很大程度上简化了流场的计算。
图2所示的是流过低山的流畅结构图，图2中的各种物理量如
下:W为大气边界层厚度;u0为平面地形上的基本流动,对数方程(5)对其进行描述描述;l为内场厚度,由式(6）确定;z=f(x,y)为障碍物形状函数;h为障碍物高度;L为障碍物特征长度。
式中:z0为地面粗糙度系数;κ≈0.4,为冯·卡门常数;u*为表面摩擦速度,由来流雷诺数决定的常数。
对一个典型例子,L=500 m,z0=0.1 m,则内场高度l≈28 m。
风电场安装的风机轮毂离地面高度通常都高于50 m,因此，可以认为风机工作主要是在无粘外场。
4.2 尾流模型
对于大型的风电场，在主风向的位置会设置有多排风机共同运转，这就使下游风电机处于上游风电机的尾流中[2]。
尾流模型主要研究自由来流，尾流相应发生变化的规律。
主要采用经修正过的Park 模型,其是由著名学者Jensen早在1984年就提出的一种理想模型，其计算的原理可以总结为：首先，对风电机的下游提出假设，尾流的变化是线性膨胀；然后，利用一维动量以及质量守恒定律计算风电机下游位置的速度。
值得注意的是，Park模型在使用的过程中，只是针对尾流有效，其要求距离应该不小于风电机风轮的直径的2倍，风电机主风向的间距应该大于风电机风轮直径的5倍，垂直于主风向的间距应该不小于风电机直径的3倍。
风电场下游风机会受到上游风机尾流的影响，所以在实际的操作
过程中，应该考虑尾流叠加的问题。
如果，研究的风电机的风轮处于上游风电机的尾流中，则风电机的入流风速就是真实的尾流速度；如果，研究的风电机的风轮只有一部分处于上游风电机的尾流中，则风电机流入的速度是尾流速度与自由来流速度的乘积。
多排风电机在风电场中，风机之间的距离应该保持一致，使人们在计算下游风机尾流是可以直接推算出上游风机尾流的速度。
总而言之，随着社会经济的不断发展，人们对线性模型的风电场发电量计算越来越注重。
但在实际的工作中，不能够科学、合理的计算风电场的发电量，进而导致风电场的工作效率低下、管理水平不高以及计算方法不合理，唯有根据文中提到的几种算法，才能够合理的计算风电场的应发定量、实际发电量以及弃发电量，提高风电场的发电量的计算精度和效益，从而较好地指导业主投资。
参考文献
[1] 王丹,孙昶辉.风电场发电量计算的物理模型[J].中国电力,2011,44(1):94-95.
[2] 王远,陆志良,郭同庆.基于线性模型的风电场发电量计算与分析[J].南京航空航天大学学报,2011,34(5):657-659.。