风力发电系统的建模与优化研究

风电场建模和仿真研究

一、本文概述

随着全球能源结构的转型和可再生能源的大力发展，风电作为一种清洁、可再生的能源形式，在全球范围内得到了广泛的关注和应用。风电场作为风电能源的主要载体，其运行效率、经济效益及安全性直接决定了风电产业的健康发展。因此，对风电场进行精确建模与仿真研究，对于提升风电场的设计水平、优化运行策略、预测和评估风电场的性能具有重要的理论价值和现实意义。

本文旨在全面系统地探讨风电场的建模与仿真技术，通过对风电场各个组成部分的深入分析，构建一个真实反映风电场运行特性的仿真模型。本文首先对风电场的基本原理和结构进行概述，介绍风电场的主要组成部分及其功能；接着，详细阐述风电场建模的关键技术，包括风力发电机组模型、风电场电气系统模型、风电场控制系统模型等；然后，介绍风电场仿真的基本流程和方法，包括数据收集、模型构建、仿真实验及结果分析等；结合具体案例，展示风电场建模与仿真技术在风电场设计、运行优化和性能评估中的应用。

通过本文的研究，希望能够为风电场的设计、运行和管理提供有益的参考和指导，推动风电产业的可持续发展。 二、风电场建模基础

风电场建模是研究风电能转换、风电系统运行及风电场优化布局的重要手段。建模的准确性直接关系到风电场运行的安全性和经济性。风电场建模主要基于风电机组的运行特性、风电场的布局、地形地貌、气象条件以及电网接入方式等因素。

在风电场建模过程中，首先需要对风电机组进行单机建模。这通常涉及风电机组的空气动力学特性、机械动力学特性、电气控制特性等方面的研究。其中，空气动力学特性主要研究风轮对风能的捕获能力，机械动力学特性关注风电机组在风载荷作用下的动态响应，而电气控制特性则关注风电机组的能量转换和并网控制。

除了单机建模外，风电场建模还需要考虑风电场的整体布局。风电场的布局直接影响到风能的分布、风电机组之间的相互干扰以及风电场的整体发电效率。因此，在建模过程中，需要综合考虑地形地貌、风向风速分布、湍流强度等因素，以确保风电场布局的合理性。

风力发电场中的风力功率曲线建模与预测

风力发电是一种清洁、可再生的能源，在全球范围内得到了广泛的应用。然而，由于风力发电在不同风速下的发电功率存在一定的不确定性，因此建立准确的风力功率曲线模型及其预测方法对风力发电场的运维管理至关重要。本文将探讨风力发电场中的风力功率曲线建模与预测。

1. 介绍风力发电场及其问题背景

风力发电场是指将风能转化为电能的装置的集合体，由多个风力发电机组构成。但是，由于自然界中风速具有较大的不确定性，风力发电场存在着发电功率的波动性和不确定性，这对于电力系统的稳定性提出了一定的挑战。

2. 风力功率曲线建模方法

为了更好地理解风力发电场中风力与功率之间的关系，我们需要建立一个准确的风力功率曲线模型。一种常用的建模方法是基于物理原理的方法，即通过风速和机组特性参数来预测功率输出。另一种方法是基于统计学的方法，通过历史风速和功率数据建立统计模型进行预测。

3. 基于物理原理的风力功率曲线建模

基于物理原理的方法是通过风力发电机的特性参数和风速来预测功率输出。例如，根据风速、叶片面积、切入风速和额定风速等参数，可以建立一个数学模型来描述功率与风速之间的关系。这种方法需要准确的设备参数和风速数据，但能够较为精确地预测发电功率。

4. 基于统计学的风力功率曲线建模

基于统计学的方法则是通过分析历史风速和功率数据来建立功率曲线模型。这种方法不需要准确的设备参数，只需要足够的历史数据以及适当的统计方法。例如，可以使用回归分析、时间序列分析等方法来建立功率曲线的统计模型，并利用这些模型进行功率预测。

5. 风力功率曲线的预测方法

对于风力发电场来说，准确地预测功率曲线对于电网调度和运维管理非常重要。基于物理原理的模型通常需要较为准确的设备参数和气象数据，因此在实际应用中可能存在一定的难度。而基于统计学的模型则可以利用历史数据进行预测，但对于未来的风速和功率变化较难进行准确的预测。因此，结合这两种方法可以得到更准确、可靠的风力功率预测结果。

风电实验报告

实验一 ：风力发电机组的建模与仿真

姓名：樊姗 学号：031240521

一、实验目的:

1掌握风力发电机组的数学模型

2掌握在MATLAB/Simulink环境下对风力发电机组的建模、仿真与分析；

二、实验内容:

对风速模型、风力机模型、传动模型和发电机模型建模，并研究各自控制方法及控制策略；如对风力发电基本系统，包括风速、风轮、传动系统、各种发电机的数学模型进行全面分析，探索风力发电系统各个部风最通用的模型、包括了可供电网分析的各系统的简单数学模型，对各个数学模型，应用 MATLAB 软件进行了仿真。

三、实验原理：

3.1风速模型的建立

自然风是风力发电系统能量的来源，其在流动过程中，速度和方向是不断变化的，具有很强的随机性和突变性。本课题不考虑风向问题，仅从其变化特点出发，着重描述其随机性和间歇性，认为其时空模型由以下四种成分构成:基本风速bV、阵风风速gV、渐变风速 rV和噪声风速nV。即模拟风速的模型为：

nrgbVVVVV （1-1）

（1）基本风速在风力机正常运行过程中一直存在，基本反映了风电场平均风速的变化。一般认为，基本风速可由风电场测风所得的韦尔分布参数近似确定，且其不随时间变化，因而取为常数

（2）阵风用来描述风速突然变化的特点，其在该段时间内具有余弦特性，其具体数学公式为：

00cosvgV

ggggggTttTttttt1111 （1-2）

式中： 风电实验报告

)(2cos121maxcosgggTtTtGv （1-3）

t 为时间，单位 s；T为阵风的周期，单位 s；cosv，gV为阵风风速，单位m /s；gt1为阵风开始时间，单位 s ；maxG为阵风的最大值，单位 m/s。

182电力技术

1　引言 现如今化石燃料的消耗正在逐渐加大，由此引发的严重的污染问题时刻挑战着人类，而人类还要面对着现存的资源正在不断干枯的挑战。而对环境无污染无消极作用的风能等洁净的可再生能源有可观的发展前景，能够在将来的发电比例中占有很大的成分，所以，未来关乎人类的生存与发展以及减少环境污染的问题，风力发电都有着至关重要的作用。灰色预测法是一种直接预测功率的方法，但其前提是以风电场的历史发电量预测模型为基础来进行预测。由于所有应用灰色理论进行研究的系统有一个共同的特性就是系统的已知和未知信息各占一部分，而风力发电系统中恰好影响其发电变化的原因是不能确定的，故而可以被视作一个灰色系统。目前电力负荷预测中大多应用灰色理论所以将其应用在中长期风电功率预测中也是可行的。本文主要对灰色GM（1,1）模型在富锦9号风机的年风力发电量预测中的应用进行了一定的研究。

2　灰色预测法简介 灰色预测法是一种直接预测功率的方法，但其前提是以风电场的历史发电量预测模型为基础来进行预测。灰色理论研究的系统具有系统的已知和未知信息各占一部分的特点，风力发电容量的变化受不确定因素影响，所表现出来的变化看似无任何规律可言，正是由于这个特点，可以将其视为一个灰色系统，进行研究。 灰色预测模型预测时需要较少的历史数据，模型结构相对简单，计算过程简易，虽然无需考虑其分布规律，但丝毫不影响其预测的准确度，有诸如上述的这些优点，所以得到了广泛的应用。本文利用新陈代谢GM(1󰀃,1)󰀃模型对富锦风电场某发电机组的年发电容量进行了预测及检验，还弥补了常规模型仅对最近几个数据预测精度高的缺点，对年风力发电量的预测具有重要意义。

3　新陈代谢GM(1,1)模型的应用 第一次样本数据选择富锦11号风电机组于1960年至1967年的年发电量，以此来建立灰色模型GM(1,1)，预测1968年的风电机组年发电量；第二次样本数据选择富锦9号风电机组于1960年至1967年的年发电量，以此来建立灰色模型GM(1,1)，预测1968年的风电机组年发电量；以此类推，将每次得到的最新数据代替最老的发电数据，以此方式进行新陈代谢，代谢到最终预测出2020年风电机组的年发电量结束。