风场特性机理分析及风电机组输出功率优化研究

发布时间：2020-08-05 20:31

【摘要】：作为一种对环境无污染的可再生清洁能源,风能在一次能源中的比重不断增大。如何更高效的利用风能,达到发电量的最大化成为风力发电研究中的热点话题。然而,由于风具有较强的随机性,且风电机组的装机容量不断增大,使得机组的控制难度大大增加。风力发电发展至今遇到的难题在于:风电机组性能的优化依赖于多维控制参数的优化,然而传统控制方法的改进难以达到预期的目标。本文基于风电场运行大数据,对风电机组的输出功率预测模型、功率优化及评估等进行了研究,主要内容包括:基于风资源基本参数、地形地貌、机组阵列分布以及尾流等风能捕获特性的影响因素,对风场特性进行分析。基于现场大数据,建立了风电机组BP神经网络、支持向量机及长短时记忆网络功率模型,并进行了验证分析比较,结果表明:长短时记忆网络功率模型能够更加准确地预测风电机组输出功率。提出了一种遗传算法优化支持向量机的风向预测和风速分段控制偏航策略相结合的功率优化模型。在多种风向情况下,对风向预测模型进行了验证,结果表明:风向预测误差都在5以内,表明该模型能够较好的对风向进行预测,且预测性能优于神经网络。利用风电机组运行大数据,对风力机的偏航误差进行了分析,结合风速分段偏航控制策略对风电机组输出功率进行优化。验证结果表明,机组输出功率得到了一定的提升。利用某风场大数据,根据风电机组输出功率特性设计了风电机组输出功率优化评估模型,对该风场机组输出功率优化进行了评估分析,经计算得到该机组的输出功率提升比例为3.36%,表明该优化方法可以有效的提高风电机组对风能的吸收效率,提升机组的输出功率。
【学位授予单位】：华北电力大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TM614;TP311.13
【图文】：

国风,装机容量,比例,风电

华北电力大学硕士学位论文全世界范围内拉开了风力发电的序幕。上个世纪 90 年以来，大型风力机在我得到推广和使用，到目前为止，也取得了可喜的成就[6-7]。风力发电在我国发迅猛，仅是在 2004 年到 2017 年期间，中国风电装机容量从 742.6MW 增长195213MW，翻了近 263 倍，而且全球累计风电装机容量的比例也从 1.56%增到 36.14%，如图 1-1 所示[8]。截至 2017 年，中国风电产业取得了令人瞩目的果，风电装机容量位居全球前列。

风场,风向

华北电力大学硕士学位论文来向，对风场风向及其变化范围进行统计，有助定程度上，偏航角可以决定各台风电机组的输出对风向进行统计时，一般采用方位法对风向进行16 方位表示，就是先是将值为0 ~360 的风向离散化后的风向值划分到相对应的初始设置划分。

风廓线,粗糙程度,山体,风场

3）地形条件基本理论地形条件主要分为山体和平原。在平原上建立的风场主要考虑的是结合风场的风况对风电机组机型的选取、阵列分布等情况进行研究，使得风电机组能够最大化地利用风场风能，实现风场整体的发电量最大化，下文再对这一地形进行研究。而山体地形情况比较复杂，现其进行详细说明。山体地形条件大致可分为山丘、山坡和峡谷三大类。山体地形在中国建筑结构荷载规范中主要考虑的典型山体是山脊，如图 2-7[27]。不同山体地形对风场风速的影响不同，在这三种地形条件下的风场主要是分为爬坡风和峡谷风。zABC AB CH 图 2-6 不同粗糙程度下的风廓线比较

【参考文献】