Weibull适用于风机动态分析的脉动风速模拟(3)

菜单

随着风电从竞争前状态进入竞争阶段，大多数产品和部件研发将在公司内部完成。然而，基础研究仍需在公司以外进行。风力发电研发初期，研究所和大学的研究成果让工业界应接不暇，主要研究现有知识在风能领域中的应用。市场驱动及离岸应用带来了更多问题，超出了研究人员现有知识能够处理的程度。例如：发电、并网、空气动力学、结构力学等，必须处理的问题有三维空气流场、大型旋转结构，运行于其他风轮机尾流当中的风轮机将要承受额外的负载等。

1.2 风速模型建立的意义[3-5]

1.2.1 风速模型建立的意义

随着风力发电装机容量的迅速增长，其动态性能及对电网的影响日益成为该技术领域的一个主要课题。而风力发电机组的原动机受自然界风的驱动，由于风速的易变性和不可控性，风力发电机组几乎时刻遭受到较大程度的扰动，这种扰动无论对机组本身还是对与之相连的电力系统，都将产生一定程度的影响。因此，建立与之相适应的风速模型，从而能够对风速的变化进行模拟就显得尤为重要。

风力发电与传统能源发电的最大区别在于风能资源是一种不能很好预测、不可调度的间歇性能源。根据研究期长短及用途的不同，可将风特征分为长期、中期和短期特征。长期风特征是指时间范围长达数十年的风况变化规律，需要用大气环流模型或区域气候模型进行数值仿真，其用途是探索风力发电的长期可利用性。中期风特征是指时间范围在数天至数年的风速、风向分布规律(如常用Weibull分布来表征年或多年的小时平均风速分布)，其用途是对区域风能资源进行评估及风电场选址。短期风特征是指时间范围在数天以内的风速变化规律，其中，数分钟至数天的短期风特征主要用于评估风力发电对电力系统运行的影响(如可靠性及备用、对传统发电运行经济性的影响、储能的可行性与经济性等)；数分钟以内的短期平均风速、风向变化规律及阵风、湍流、塔影等特征主要用于风力发电控制、风电质量评估及风轮机机械部件设计(如强度、疲劳等)。论文网

由于风力发电机组控制主要任务是:根据风速的实时变化,调整风力发电机组设备,使其对风速达到最佳响应,确保稳定运行、最大可能的捕获风能和保证最优的功率输出。因此，采用数分钟中以内的短期风速的研究适用于风机动态分析。

1.2.2 风速样本获取方法

对于风速进行分析必须要利用风速随时间变化的样本，而风速时程样本的获取只能通过实际强风记录、风洞实验或数值模拟来得到。由于实际记录到的强风作用过程应用于工程实际还不能普遍实现，因此风洞实验和风速时程数值模拟是解决问题的有效方法。在没有风洞实验数据的情况下，利用已知的信息通过计算机数值模拟重现时程样本是比较好的解决办法。因此本论文采用数值模拟的方法。而时程样本模拟的好坏，即所模拟的风与自然风在统计特性、时间相关性和空间相关性等方面是否一致或接近，对于时程分析的结果具有较大的影响。因此模拟出尽可能接近和满足自然风特性的时程样本具有重要意义。

风速时程的模拟主要针对脉动风速而言。其具有随机性，随时间和空间随机地变化。一般将脉动风速分为平均风速和湍流风速，通常将湍流假定为具有零均值的平稳随机过程。

1.3 风速研究现状

关于风电场风速问题的研究,国内外的学者在各个领域，从不同角度进行了大量的研究。

在已有的研究中,文献[23]和[24]分别使用Weibull分布函数方法，对我国不同地区的风速分布特征参数估计进行研究，认为我国Weibull分布的值大部分集中在1.7～2.4之间。文献[25]将风速分解为4种分量，其中基本风表示慢速变化分量，阵风、斜坡分量和背景噪声组成了快速变化分量，且阵风是快速变化分量的主要部分。文献[14]就AR模型对空间结构风速时程的模拟及其快速实现进行了讨论。文献[26]提出了用Confidence interval probability衡量AR模型模拟的精确性，并给出AR模型的最优阶数。文献[27]利用AR模型对大跨桥梁风速时程进行了模拟。文献[28]研究了AR模型模拟空间结构风速时程时最优模型参数的取值问题。文献[11]将风速序列看作白噪声序列通过整形滤波器的输出,建立了风速模型,并给出了计算整形滤波器参数的方法。文献[12]进一步给出了两种用数字方法实现滤波器的过程。文献[18]采用自回归滑动平均(ARMA)模型方法建立了满足一定功率谱密度特性的风速模型,为风力发电系统的全数字仿真或数字-物理混合仿真提供风速时间序列。但是,文献[18]提供的算法需要考虑ARMA模型的阶数,阶数选择的主观因素很强,影响模型的应用效果。文献[11]和[12]给出的方法中,滤波器阶数选择和实现同样需要反复试验调整,并且对于不同场址不同谱密度的风速模拟通用性不强。