基于YanMeng模型模拟台风的初步探索

利用风场模型对台风进行数值模拟得到极值风速这一方法已被广泛应用.首先详细介绍YanMeng风场模型物理模型及数值解法;着重强调该模型中的两个随机参数:Holland参数B、等效粗糙长度z_0,讨论了它们对气压场及风速的影响程度,并给出相应取值方法;最后以YanMeng风场模型作为技术背景,根据厦门气象局提供的实测台风数据对台风DAN进行数值模拟,得到梯度风场以及台风影响下厦门地区表面风速,以证明YanMeng 风场模型的可行性.     

风力机旋转叶片脉动风场建模与数值仿真

分析了风力机风场模型与普通建筑风场模型的相同点和不同点,指出叶片的转动将改变叶片上风速模拟点风速谱的能量分布,使相当部分的频率能量集中到风轮旋转频率及其倍频处.根据标准von Karman模型和旋转采样谱模型,推导并建立了风力机叶片的脉动风速谱功率矩阵,并在此基础上,采用谐波叠加法模拟了叶片脉动风速模拟点的风速时序数据.     

方形土楼夯土墙的风驱雨量分布

对方形土楼进行风洞试验和数值模拟,在数值模拟风场和试验风场达到较好一致性时引入降雨过程的计算模型.采用该方法研究方形土楼在不同风速、不同降雨量,以及不同屋檐悬挑长度下迎风墙面风驱雨量的分布特征.研究结果表明:风驱雨侵蚀因子与风速和降雨量有关,并随风速及雨强的增加而增加;悬挑屋盖对屋盖附近区域的墙面形成有效的遮蔽作用.     

CALPUFF在复杂地形条件下的近场大气扩散模拟研究

利用在湖南省丘陵河谷地区开展的高时空分辨率大气扩散综合实验资料, 研究美国国家环保局(USEPA)推荐的导则模式CALPUFF (California Puff Model)在复杂地形条件下近场应用的适用性。采用不同时间分辨率的诊断风场和不同扩散参数计算方案, 模拟不同气象条件下的近场地面浓度分布。通过与示踪实验实测采样浓度对比分析, 得到: 采用实测湍流廓线资料计算扩散参数能够较好地模拟近场浓度分布; 将实测湍流速度标准差与稳定度参数的拟合关系替代CALPUFF默认的湍流参数化方案, 能够改进默认相似性理论方案的模拟结果; 风速较大、风向稳定时, 模拟结果对风场的时间分辨率和扩散参数计算方案的敏感性较弱; 风速较小、风向多变时, 需采用逐10 min风场模拟地面浓度场分布, 且实测湍流方案模拟结果相较于相似性理论方案模拟值偏大, 并更接近实测值。总之, 采用逐时风场和实测湍流方案, 或逐10 min风场和修正后的相似性理论方案的CALPUFF模式能较好地模拟研究区域复杂地形的近场峰值浓度。     

CALPUFF在复杂地形条件下的近场大气扩散模拟研究

利用在湖南省丘陵河谷地区开展的高时空分辨率大气扩散综合实验资料,研究美国国家环保局(USEPA)推荐的导则模式CALPUFF(California Puff Model)在复杂地形条件下近场应用的适用性。采用不同时间分辨率的诊断风场和不同扩散参数计算方案,模拟不同气象条件下的近场地面浓度分布。通过与示踪实验实测采样浓度对比分析,得到:采用实测湍流廓线资料计算扩散参数能够较好地模拟近场浓度分布;将实测湍流速度标准差与稳定度参数的拟合关系替代CALPUFF默认的湍流参数化方案,能够改进默认相似性理论方案的模拟结果;风速较大、风向稳定时,模拟结果对风场的时间分辨率和扩散参数计算方案的敏感性较弱;风速较小、风向多变时,需采用逐10 min风场模拟地面浓度场分布,且实测湍流方案模拟结果相较于相似性理论方案模拟值偏大,并更接近实测值。总之,采用逐时风场和实测湍流方案,或逐10 min风场和修正后的相似性理论方案的CALPUFF模式能较好地模拟研究区域复杂地形的近场峰值浓度。     

龙卷风风场的数值模拟研究

基于同济大学研制的龙卷风物理模拟装置,运用数值模拟方法构建了物理模拟器的数值计算模型,并通过对比龙卷风风场的物理试验模拟结果和现场实测结果,验证了数值计算模型的可行性.在此验证基础上,研究了3种不同涡流比条件下的龙卷风风场结构,对比了不同涡流比条件下龙卷风的三维风场速度(切向速度、径向速度和轴向速度)分布形态、风压分布、龙卷风涡核半径和气流脉动特性.研究结果表明:随着涡流比的增大,龙卷风风场最大切向风速逐渐增大,涡核中心气压降明显降低,涡核半径随之变大,涡核中心附近切向风速的标准差变小;涡流比的增大使龙卷风单涡核逐渐破碎,发展到双涡核.     

Weibull统计特性风速条件下的自然通风实验

采用双参数Weibull统计模型对室外逐秒风速进行了拟合,结合频谱特性分析对实测自然风的典型性进行验证,并考虑到风向对通风效果的影响定义了风向因子参数。通过实际自然风条件下模型比例为1∶10的通风实验,对尺寸因子、形状因子及风向因子等自然风特性参数对自然通风效果的影响进行了研究,并建立了相应的影响模型。研究结果表明:逐秒自然风风速统计分布服从双参数Weibull统计模型;实际自然风条件下,通风效果随Weibull分布的尺寸因子及风向因子的增加而加强,随形状因子的增加而减弱。     

顾及下垫面特征的海坛岛近地面风场模拟

近地面风场模拟,目前多直接利用实测风速数据进行插值,其模拟结果不能反映地形特征对近地面风速的影响.综合考虑海拔高度、坡向、坡位等地形特征对风速的影响,提出了提高风场插值精度的方法:利用2013年10月份海坛岛离地2 m高风速实测数据进行反距离加权插值;基于数字高程模型数据,根据风速换算的指数律公式进行海拔高度的风速修订;对起伏地形区域,依据地形划分结果和不同的坡向、坡位条件进行水平方向的风速修订.对比风场修订前后结果,用本方法模拟的风场比直接内插的风场更接近实际风场分布,地形特征导致的风速分异得到了体现.     

内陆高山微地形区风速分布特征及其经验模型研究

特高压线路建设过程中的风偏设计参数主要依据以往标准;但以往标准并未就线路途经微地形、微气候的情况进行深入探讨,从而留下了安全隐患。为此研究了微地形条件下的风速分布特征,提出了内陆高山微地形下的风场模型;包括风速概率分布以及极值风速重现期。根据河南省电力公司尖山试验基地特高压真型试验塔的风速数据,分析了该模型的有效性与一年中不同时间段风速分布的变化,建立了尖山山区微地形下风加速模型。研究表明广义极大值模型在描述内陆高山风场特征方面效果最好,内陆高山风速随高度变化呈幂指数关系,微地形影响下风速放大比例最高可达30%。研究发现夏季时风速整体偏大,因此线路运行过程中应当更注意夏季时的风偏防范工作。     

SWAN模型风能输入项的改进与验证

为了分析第三代海浪数学模型——SWAN模型的风浪模拟能力,分别计算了恒定风场和台风时变风场下的波浪场.恒定风场中假定不同的风速及风区长度,通过比较SWAN模型与SMB方法等经验风浪公式的计算结果,得出SWAN模型风浪模拟的适用范围.针对大风速下计算波高偏大的情况,通过分析参考波速引起的输入风速变小及拖曳力系数饱和等因素,提出了风能输入项的修正方法,并采用同步观测的风、浪资料对修正前后的计算结果进行了比较验证.结果表明,在大风速情况下,修正后的SWAN模型的模拟波高更接近于经验公式结果及实测数据.在SWAN模型风能输入项中引入参考波速引起输入风速减小及对拖曳力系数饱和因素的修正,可以更好地模拟大风速下的波浪场.     

海洋地区风频模型探索

目前，可以当做风频模型的分布函数很多，但它们都不能准确地描述海洋地区的风频分布规律。根据海洋地区风频分布的特点，在Ｗｅｉｂｕｌｌ函数的基础上建立起新的风频模型，并给出它的参数估算方法。     

含风电场并考虑风速随机性的电力系统电压控制区域划分

提出了一种含风电场并考虑风速随机性的电力系统电压控制区域划分方法．根据风速的威布尔分布,推导出风力机的平均机械功率．考虑风力发电机滑差为状态量、风力发电机平均机械功率与电磁功率平衡,建立含风电场的潮流方程．基于系统的雅可比矩阵中有功和无功对电压幅值偏导数的子矩阵之和进行电压控制区域划分．采用最小特征值的方法计算节点的参与因子,从而判断出电压容易失稳的区域．最后以新英格兰10机39节点为例进行仿真,证明了本文方法的有效性和可行性．     

一种基于相关性分析的故障风机损失发电量估计方法的研究

研究并提出了一种故障风机损失发电量估计方法。该方法对故障风机的风速进行估计,结合风机的实际输出功率曲线给出故障风机故障期间损失发电量的估计值。在风速估计方面引入了相关性分析,选取与故障风机风速强线性相关的正常运行风机,对其风速应用回归分析方法获取故障风机风速的估计值。在估计方法的基础上,还给出了该方法在风机监控系统中的一个实现,并对估计效果进行了验证分析。     

基于多种分布对云南山区风速的综合评估

风速分布的准确评估在风能估算中起着十分重要的作用,选择合适的概率密度函数可以减小风能的估算误差。为了确定最适合云南山区风速数据的概率分布,提出使用多种常规分布进行建模;采用极大似然理论进行参数估计,提出一个综合评估准则,包括决定系数R2、Kolmogorov-Smirnov检验、卡方检验、均方根误差(RMSE)和贝叶斯信息准则(BIC)用于拟合优度检验,直方图和QQ图用于直观分析,与标准空气密度下风功率密度的相对误差用于比较。结果显示:威布尔分布对于云南山区的风速数据拟合效果最好,这也为下一步对云南山区风能的准确评估打好了基础。     

基于ARIMA模型的风电场短期风速预测

目前,风力发电的并网规模越来越大,但是鉴于风力发电特有的间歇性和随机性的特点,难免会对电力系统的稳定运行和电能质量造成巨大影响,也就限制了风电的发展速度与规模。对风力发电场的风速进行中、长、短期的预测可以在一定程度上有效的解决该问题,依据风速序列的自相关性以及时序性,本文提出了一种基于时间序列分析的风电场短期风速预测ARIMA模型,重点讨论了建模的过程、模型的识别、模型的定阶和模型参数的估计。最后结合风电场实际,对比于持续法预测给出了相应的预测结果和误差分析,验证了所提出的ARIMA模型用于风电场风速预测的可行性。     

实测风速分布特征及重现期模型评估

风荷载的模拟是风振响应分析的关键步骤,但缺乏实测风速数据的分析且风速存在一定的地域差异,精确的风荷载模型对于输电线路杆塔力学分析至关重要。本文通过统计在江苏省境内13个地市代表气象站的风速数据,运用GEV模型,Weibull模型、Rayleigh模型对其进行了统计规律的分析,拟合后提出了风速重现期的单变量控制方程,通过K-S方法检验得出单变量控制概率密度累积方程具有较强的稳定性,结果表明本文所采用的双指数高斯分布模型适用江苏大部分地区,可使用该模型作为计算风速重现期的参考。     

基于AM-LSTM模型的超短期风电功率预测

近年来,中国的风力发电产业高速发展。然而风力发电具有不稳定性,风电功率超短期预测结果的准确性直接影响到电网安全有效的运行。为了进一步提高风电功率超短期预测的精确度,提出了长短期记忆网络-注意力模型(AM-LSTM)风电功率预测模型,该模型将长短期记忆网络(long-term and short-term memory,LSTM)和注意力模型(attention model,AM)相结合, LSTM网络能够处理好风速、风向等时间序列变量与风电功率之间的非线性关系,注意力模型能够优化LSTM网络的权重,从而使预测结果更加准确。采用真实的风电场历史数据进行实验,结果表明:提出的AM-LSTM预测模型能够有效利用多变量时间序列数据进行风电场发电功率的超短期预测,比传统的BP神经网络和LSTM网络具有更精确的预测效果。该预测模型为风电场地电力调度提供了科学参考。     

基于实测数据分析的风电功率预测

由于风力发电所利用的近地风能具有波动性、间歇性、低能量密度等特点,对风电场的发电功率进行尽可能准确的预测是风电发展的关键.本文根据某风场的实测数据,采用了时间序列中的自回归移动平均模型(ARMA),对风电功率进行了实时预测;为进一步提高风电功率实时预测的精确性,本文提出了一种基于BP神经网络和ARMA组合模型的预测方法,并对上述实测数据采用该方法进行了实时预测.预测结果表明:组合模型的预测结果与单独的自回归移动平均模型相比,风电功率的实时预测的均方根误差和百分比误差分别减少了4.01%和3.25%,工程中可以采用该组合模型对风电功率进行预测.     

考虑风电不确定性的自适应MPC负荷频率控制方法

对风电不确定性引起的电力系统负荷频率控制变化问题展开研究.首先,对双馈风机(DFIG)虚拟惯性控制特征进行分析,构建风电参与的自动发电控制(AGC)系统模型;其次,讨论系统等效惯性时间常数H与风速变化的关联关系,描述风电不确定性对自动发电控制系统参数的影响;最后,进行自适应模型预测控制策略的设计,保证在风电输出不确定的情况下,控制器能够针对系统参数变化进行自适应调整,以保证最优的负荷频率控制效果.仿真结果表明:当风速变化而导致系统参数发生改变时,所提方法能够有效抑制高风速带来的等效惯性时间常数下降对频率控制的不利影响,并且具有更好的负荷频率控制能力.