風力發(fā)電隨機風速時間序列生成方法研究

風力發(fā)電隨機風速時間序列生成方法研究

1國內(nèi)外風速分布的研究風景風速建模對風景場和電氣系統(tǒng)的運行分析非常重要，尤其是在分析風景場互聯(lián)運行的能耗和網(wǎng)絡運行方式對電網(wǎng)的影響時。風速作為一種隨機現(xiàn)象,必然存在總體分布。雖然無法從成因上和理論上證明它服從于何種分布,但根據(jù)大量資料通過統(tǒng)計推斷,并采用某種理論分布與實際的經(jīng)驗分布擬合的方法,是可以近似地分析它的分布形式的。國內(nèi)外對風速分布曾有過不少的研究和探索,可用一定的統(tǒng)計模型來進行擬合。本文將討論目前常見的3種隨機風速建模方法,分別為基于威布爾分布模型、組合風速模型和風輪等效風速模型的風力發(fā)電隨機風速時間序列生成方法,為了對3種不同方法獲得的隨機風速模型進行合理評價,采用風功率譜密度分析技術(shù),對隨機風速數(shù)據(jù)進行分析,以研究不同的隨機風速建模方法獲得的隨機風速時間序列的特點和適用風力發(fā)電研究的情況。2隨機風速時間序列生成威布爾(Weibull)分布被普遍認為是一種形式簡單且與實際風速分布能較好地擬合的概率模型,是目前風能計算中普遍采用的一種分布模型。威布爾分布函數(shù)的概率密度為式中:c是標度參數(shù),單位是m/s,k是形狀參數(shù),v是風速,單位是m/s。如果知道了風速平均值對于Gamma函數(shù)由風速的分布密度函數(shù)可以求得其累積分布函數(shù)為隨機風速的具體算法如下:設X為隨機變量,概率分布為那么,變量對于平均風速為11m/s,風速標準差為2.27m/s,風電機組塔架的高度為60m,紊流強度為0.15的風速模型,通過式(2)、(3)計算可以得到威布爾參數(shù)k=5.6,c=12m/s,由式(5)可知,取P(進一步求得其反函數(shù),得到于是,在Matlab的Workspace中,直接采用其自帶的函數(shù)rand(1)來生成一個[0,1]之間的隨機數(shù),然后代入該式子就可以產(chǎn)生一連續(xù)的隨機風速時間序列。生成隨機風速模型如圖1所示。功率譜密度(powerspectraldensity,PSD)定義了信號或者時間序列的功率如何隨頻率分布。功率譜密度譜是一種概率統(tǒng)計方法,是對隨機變量功率(均方值)的量度,描述出現(xiàn)某水平響應所對應的概率。運用Matlab的功率譜分析工具箱,對威布爾分布的隨機風速進行功率譜密度分析,可得如圖2所示的威布爾分布風速模型的功率譜密度分布。從圖1可以直觀感覺到威布爾分布風速模型的脈動較大,而通過功率譜分析得到的如圖2所示的結(jié)果顯示該風速模型的頻譜分布較廣,在高頻區(qū)域的風功率譜密度值基本沒有下降,這與自然界的風速相差較大。實際上,威布爾分布常常用來分析中長時間的風能資源,其時間尺度已經(jīng)大大超過了風力發(fā)電控制系統(tǒng)的動態(tài)響應時間常數(shù),使得基于威布爾分布假設的風速模型不足以用于風力發(fā)電系統(tǒng)的動態(tài)控制仿真研究。3綜合風速模型組合風速模型把風速分解為以下4個分量:基本風速V3.1平均風速變化基本風速分量在風電機組正常運行過程中一直存在,基本上反映了風電場平均風速的變化。風力發(fā)電機向系統(tǒng)輸送的額定功率的大小也主要由基本風速來決定,可由風電場測風所得的威布爾分布參數(shù)近似確定,即一般認為基本風速不隨時間變化,因而可以取V3.2內(nèi)風速下的電壓波動特性為描述風速突然變化的特性,可用陣風來模擬,在該時間段內(nèi)風速具有余弦特性,在電力系統(tǒng)動態(tài)穩(wěn)定分析中,特別是在分析風力發(fā)電系統(tǒng)對電網(wǎng)電壓波動的影響時,通常用它來考核在較大風速變化情況下的動態(tài)特性(電壓波動特性)。式中:G3.3風速修正對風速的漸變變化特性用漸變風來模擬。式中:MAXR為漸變風最大值、T3.4組合風速模型為描述在指定相對高度上風速變化的隨機特性,可用隨機噪聲風速來模擬。其中式中:w綜合上述四種風速,可得組合風速數(shù)學模型為其中陣風是快速變化分量的主要部分。為了使用組合風速模型產(chǎn)生隨機風速時間序列,設置了組合風速模型參數(shù),如表1所示。根據(jù)表1的參數(shù)建模并得到平均風速為11m/s的隨機風速時間序列數(shù)據(jù),如圖3所示。對組合風速進行功率譜密度分析,可以得到如圖4所示的功率譜密度分布。從圖4可見在低頻區(qū)組合風速的功率譜密度較高,而在高頻區(qū)其功率譜密度比威布爾風速模型大為減少。由于組合風速模型中存在陣風和噪聲分量,使其在高頻區(qū)還具有一定的功率譜密度分布。組合風速模型的突出優(yōu)點是物理概念比較清晰,應用靈活,可根據(jù)需要對不同的風速分量進行組合,比較適合用于風力發(fā)電機動態(tài)控制的研究。4風輪等效風速模型通過常用速度功率譜密度如VonKarman速度譜、Kaimal速度譜等模型來逼近目標隨機過程模型,實現(xiàn)風輪隨機風速的離散化數(shù)值模擬是一種較為常見的做法。而丹麥Ris?實驗室提出了一種基于風的功率譜分布描述的更為簡單的風輪等效風速模型生成方法?；贛atlab/Simulink建立的風速模型如圖5所示,該風速模型的主要部分是正規(guī)分布的白噪聲發(fā)生器和Kaimal濾波器,利用Kaimal濾波器將一個白噪聲信號轉(zhuǎn)化為帶有正規(guī)化的Kaimal譜信號。Kaimal譜信號已被廣泛用來表示風的湍流,通過修改Kaimal濾波器的參數(shù)可以用來考慮不同的風速、湍流強度和長度范圍。用該方法獲得的任意時間序列風速,其自然界風功率譜密度基本相同,這是該模型重要的特性。圖中:d=R/V式中:a=L/(2在風輪風模型中考慮了風作用在風電機組上的等效效果,使該等效風速被視作為瞬間作用于風電機組葉片,同時還考慮了旋轉(zhuǎn)采樣和風電機組葉片本身的旋轉(zhuǎn)相互作用產(chǎn)生的影響。旋轉(zhuǎn)采樣是風電機組連續(xù)運行時產(chǎn)生快速功率波動的重要因素,是風速產(chǎn)生高次諧波的主要原因。如圖5所示的三葉片風電機組模型中,除了0次(基波)諧波濾波器,主要應用了3次諧波濾波器,如果是兩葉片風電機組,則主要考慮基波和2次諧波。設平均風速為11m/s,湍流強度為0.15,通過風輪等效風速模型,可以得到等效風速時間序列的波形,如圖6所示。對其進行功率譜密度分析,可以發(fā)現(xiàn)在頻率為2.84Hz處有個很大的波動。這是由于此時設置的風電機組的轉(zhuǎn)速為5.95rad/s,可知其基波頻率為由于風電機組相當于一個低通濾波器,因此在高頻區(qū)的能量較小,而由威布爾分布模型和組合風速模型得到的隨機風速在高頻區(qū)存在較大的能量不甚合理。另外,威布爾分布模型和組合風速模型在3次諧波處譜密度沒有明顯的增加,這與實際風速作用在風電機組上的等效效果有很大差別。圖7所示的等效風速模型在高頻區(qū)的能量很小,且在3次諧波附近有較大能量,這與考慮了三葉片風電機組旋轉(zhuǎn)作用效果的實際相一致。因此,相比于前面討論的兩種風速模型,等效風速模型不僅更接近自然界風速,而且還考慮到了風作用在風電機組槳葉上的等效效果,在風力發(fā)電研究中適用的范圍更廣,特別是在研究風電場電能質(zhì)量以及并網(wǎng)運行方式對電網(wǎng)影響的場合。對3種風速模型生成隨機風速時間序列的方法進行了闡述,運用不同方法獲得了平均風速為11m/s的隨機風速時間序列,通過風功率譜分析技術(shù),對3組風速時間序列數(shù)據(jù)進行了分析。結(jié)果表明:威布爾分布適合分析中長時間的風能資源,基于威布爾分布假設的風速模型不足以用于風力發(fā)電系統(tǒng)的動態(tài)控制仿真研究;組