一种评价风电场运行情况的新方法

合集下载

风电场建模和仿真研究

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。

风电场运行数据分析浅析

0　引言我国风电场运行特点：范围广，风电场较为分散，项目设备较多，项目规模大，机组台数多，导致占地面积增加，管理区域越来越大。

“运检合一、一岗多能”模式不能适应现代化风电场运行管理的要求，风电场工作内容较复杂，运检人员专业性不强，不利于风电场运行维护管理。

大量风电机组处在质保期内，设备检修维护主要依靠生产厂家；由于缺乏对核心技术的掌握，国内还没有形成成熟的专业运行检修队伍。

运行、维护工作不够深入，集中性故障频繁发生，发电效率有进一步提升空间。

面对日趋增加的风机台数及风机类型，通过风电场运行数据分析可提升机组性能，优化检修维护质量，提高检修人员工作效率，降低发电设备故障率。

1　风电场运行数据分析现状及问题1.1　目前风电场现场运行工作主要是日常值班监盘、远程操作及报表内容，其中监控过程中涉及各电气量、温度等数据变化情况是否在合理运行范围内，基本未开展运行数据分析工作，且故障处理，更依赖于外委单位，即使部分风电场已建设集中监控，运检分开模式，也未完全开展运行数据分析工作。

有关风电场运行数据分析可参考资料较少，风电场对运行数据分析仍停留在表格统计初级阶段。

1.2　风电机组或风电场的运行和评估分析不完善风电场涉及指标主要有发电量、风速、可利用小时、可利用率、损失时间、差异率、温度等，大多数为呈现型指标，无法说明风电机组或风电场实际问题，数据分析无效果。

风电场使用数据分析软风电场运行数据分析浅析董　惠（湖北龙源新能源有限公司，襄阳 441000）摘　要：风力发电是资源潜力巨大的可再生能源，一直备受国内外关注，并已在全球大规模开发利用。

随着我国风电能源的快速发展，风电场的陆续建成投产，风机数量的急剧增加。

如何提高风电场运行管理水平，保证机组可利用率，降低设备故障次数和故障时间，已经成为风电运营企业日常设备维护与检修的重要目标。

本文浅析风电场运行数据分析，达到对风电场运行设备的问题排查和提前预警，提高机组可利用率，确保风电场发电能力。

风力发电场并网评估

风力发电场并网评估摘要：随着能源是整个世界发展和经济增长的最基本驱动力，是人类赖以生存和发展的基础，在人类发展的历史长河中，能源消费结构一直以来是以石油、天然气、煤炭等作为常规能源为主，但是这些常规能源储存量是非常有限的，经济越是增长对能源的需求的越多，时不时出现了能源的危机。

出现能源危机的同时大量消耗常规能源还会给人类带来严重的环境污染问题、气候变暖温室效应等。

关键词：风电场有功功率；风电场无功功率评价；低电压电穿越能力评价；风电场频率评价；运行适应性评价；电能质量评价引言：进入21世纪以来，加快发展清洁能源已成为世界各国推动能源转型发展应对全球气候变化的普遍共识和一致行动。

风能作为一种清洁的可再生能源，其蕴藏量十分巨大，全球的风能量约为2.74×109MW，其中可利用的风能为2×107MW，比地球上可开发利用的水能总量还要大10倍。

我国幅员辽阔，海岸线长、风资源比较丰富，可开发利用的风能储量约为10亿KW。

我国正在大力度实施节能减排战略，推动能源转型，新能源发电装机容量迅猛发展，目前已成为世界上新能源发电装机容量最大的国家，给电力行业发展创造了无限生机，然而伴随而来的是大规模新能源电力并网给现代电力系统带来了诸多新的问题，如大规模新能源电力远距离输送问题，大量风电、光伏发电限电问题及新能源并网的稳定性问题等。

风电场电力并网要进过标准符合性评价，满足相关要求才能介入电网运行。

依据《风电场接入电力系统技术规定》（GB/T19963—2011）、《风电场并网性能评价方法》（NB/T31078—2016）认证机构对风电场并网特性开展评价，主要评价项目有:风电场有功功率评价、无功功率评价、低电压穿越能力评价、风电场运行适应性评价、风电场运行频率评价、风电场电能质量评价。

一、风电场有功功率评价1、风电机组有功功率控制能力。

根据风电机组功率控制检测报告，计算风电场内各个型号风力发电机组有功功率设定值来控制最大偏差和响应时间，下面是具体指标的要求：（1）风力发电机机组有功功率设定值控制允许最大偏差不超过风电机组的额定功率P N的5%。

考虑风资源影响的风电场电压波动和闪变评估

压波动情况进行了仿真计算，采用Ｍｔｂａａ闪变计算ｌ
程序，获得对应于所测得电压波动的短时间闪变水平值。
２１风速模型．
在连续运行状态下的单台机组所产生闪变按式
（）２进行折算，取概率分布为０９．对应的分布位数：９
风的影响）即，
＝ｒＧＮ＾＋卜（）８
式中，（・）ＣＶ为给定轮毂高度年平均风速和给定电网连接点处的电网阻抗角时，机组闪变系数，Ｓ为机组额定视在功率，ｓ为电网连接点的短路视在功率。对于实际和ｖ（应的机组闪变系统可根据￣５ｆ机组厂商提供的数据，插值法得出。用如果电网连接点处并有多台风电机组，其闪则变系数按式（）３计算：
闪检测变从是否存在的度，简单实角最用的方
法是用白炽灯观察，但直观方法无法给出闪变的参数描述［国际电工标准ＩＣ１０ — １６１。Ｅ６４０２中根据并网风电机组电能质量的规定，分析了风电场的闪变计算方法，这也是闪变评估的主要方法之一嘲文献『针。６１
问
。 ’。。。Ｈ
． … 一… … ０ … 一
ｔｄｄｆ６０—）ｉｔ。ｔｉ。ｗｄａＩ１０２，ｋｈｎ。ｆｉｎｒ＿４１ｔ。。ｎＥｃ
。。。ｈｔｎｉ。ａ。．ｈｏａｔｗｄ。ｃｔＴ。ｌｇ。。ｉｔｃｔｅｌｔｔｎｉｃｓｗｄｕｄｉｒｔｉｗｒｆｃａ０ｓｎｕｄｂｇｔｉｎｅｄｅｎｗｄｏｅｕｕｉｄｅｙｕｎｒｆｅｎｐｏｐｔｉｃｃａｄａｈｔｔｍｆｋａｅＰｓｕｕｓａｕｔｎｓｒ— ｒｉｅｖｕｓｉｔｓｌｌｅｄｏｅｌｒｌｔｃｏｔｎｄｒｅＥｉｅｅｒＡｎｗｗｎｒｈａｂｉｏｔＣｆｋｒｔ．ｅｉｆｉＣｉａｅｆｍｈＩｌｍｅｃｄａｎｎｍ

风力资源调查新方法与数据处理工具

风力资源调查新方法与数据处理工具随着全球对可再生能源的需求不断增长，风能作为一种清洁且可再生的能源形式，受到了广泛的关注。

为了更好地利用风能资源，对风力资源的准确调查和评估变得尤为重要。

在传统的风力资源调查方法基础上，本文将介绍一些新的风力资源调查方法以及用于处理风能数据的工具。

一、新的风力资源调查方法1. 高空测风技术传统的风力资源调查主要依靠测量塔上的测风仪器收集数据，但这种方法受到测量高度限制，无法全面了解高层风能资源的分布情况。

高空测风技术通过使用无人机或卫星搭载的风速测量装置，可以在较大范围内获取高层风能资源数据。

这种方法可以提供更全面、稳定的高层风能资源数据，为风电场的选址和布局提供更科学的依据。

2. 气象模型和数值风场模拟利用气象模型和数值风场模拟技术，可以对特定地区的风能资源进行预测和模拟。

这些模型基于气象学原理和大量的观测数据，能够准确模拟出特定地区的风速、风向、风能分布情况。

通过使用这些模型，可以提前评估特定地区的风能资源潜力，指导风电场的规划和设计工作。

3. 激光雷达技术激光雷达技术可以通过测量风场中气体微粒的速度和方向，实时获取高精度的风速和风向数据。

相比传统的测量方法，激光雷达技术具有全天候、非接触、高精度等优势。

这种方法可以用于风电场的运维管理和风能资源的调查评估，提高风电场的利用效率和经济效益。

二、风能数据处理工具1. GIS（地理信息系统）GIS是一种用于处理和分析地理信息的计算机软件工具。

在风力资源调查中，GIS可以用于建立数字地形模型和三维风能资源分布图。

通过对风能资源数据进行地理空间分析，可以更好地了解风能资源的分布规律，为风电场的选址和布局提供决策支持。

2. 大数据分析工具大数据分析工具可以从大量的风能数据中提取有价值的信息，并进行深入的数据挖掘和分析。

通过构建适用的算法模型，可以预测风能资源的变化趋势，提高风电场的运维管理效率，降低能源成本。

3. 风能预测软件风能预测软件通过整合多种数据源，包括气象数据、风电场运行数据等，进行风能资源的预测和模拟。

风电场发电量后评估的指标评估方法

风电场发电量后评估的指标评估方法摘要：经过这几年风能的开发与发展，我国风电场的总装机规模在2010 年已达到全世界第一，但风电的迅猛发展无疑带来了巨大的机遇，但同时也带来了巨大的挑战，已建风电场实际运行效益与设计效益存在较大的差异，如何减少差异成为影响风电场效益的重要因素，因此迫切要求对已建风电场进行后评估，开展基于风能资源的风电场后评估能从多种可见因素中寻找差异的因素，减少风电场设计阶段可能出现的可避免因素，缩短设计效益与运行效益之间的差异，尽量提高风电场的效益。

关键词：风电场发电量后评估；指标评估方法；风力发电机组的发电量指标是体现风电场运营的重要指标之一。

对风电场项目后评价应集中于发电指标评价，由于发电量与风能资源联系紧密，而风能是随机变化、无法预估的，对发电量指标的评估有一定难度。

一、研究现状国内将风电场风能资源评估和规划、可行性研究等前期工作逐步规范，并根据一系列前期技术规定，规范了风电开发的前期管理。

但整个中国风电产业仍面临缺乏有效的机组检测认证、运行评估、安全鉴定与后评估等一系列问题，并在一定程度上构成了风电发展的瓶颈。

近年来，我国加大了对风力发电的投资力度，而风能资源评价和发电量的估算作为风电项目可行性研究阶段的重要工作，直接关系到风电场建成后的实际发电量和经济效益，因此引起了更多研究学者的关注。

目前我国风力发电场对风资源评估和发电量估算的研究遵循等有关的规范制定可行性报告。

设计发电量的获取则采用当地风速频率曲线和机组的功率曲线获得，通过这种方法计算求得的只是理论计算值，还应根据实际情况对其做出相应的折减。

这样对风况的描述与实际风资源的符合程度越高，折减指标给定得越准确，得到的值才能越接近实际发电量。

因此只有尽可能详细的了解和分析风况和工况，才能使风资源和风力发电机的配合达到最佳状态，使发电量得到提高。

对于建设项目的后评估工作，一般都是针对项目的整体经济性的后评估，而单纯针对某些技术指标的后评估则很少进行。

2024年风电场安全性评价工作管理办法（3篇）

2024年风电场安全性评价工作管理办法____年风电场安全性评价工作管理办法第一章总则第一条为了加强对风电场安全性的评价工作，保障风电场运营的安全性和可靠性，提出本管理办法。

第二条本管理办法适用于____年度对全国范围内的风电场进行安全性评价工作。

第三条风电场安全性评价工作应坚持科学、合理、公正、公开的原则，依法合规进行。

第四条风电场安全性评价工作应与相关部门的风电场监管工作相协调，互为补充。

第五条风电场安全性评价工作应由具备相应技术和资格的专业机构负责实施。

第六条风电场安全性评价工作应按照本管理办法规定的要求进行，可根据实际情况进行适度调整。

第七条评价结果应及时向风电场管理者和相关部门报告，并依据评价结果采取相应的安全管理措施。

第二章评价内容和标准第八条风电场安全性评价工作应包括以下内容：（一）风电场的基本信息，包括场址、装机容量、风机型号等；（二）风电场的设备和系统的技术状态，包括风机的运行稳定性、发电机的工作状态、变流器系统的运行情况等；（三）风电场的安全管理措施，包括监测、预警、报警等系统的运行情况，及时处理异常情况的能力等；（四）风电场的运行数据，包括风速、风向、风机运行状态、发电量等；（五）风电场的环境影响评价，包括对周边环境的影响情况，对鸟类、蝙蝠等动物的保护情况等；（六）其他与风电场安全性相关的内容。

第九条风电场安全性评价的标准应符合国家相关标准和规定，同时考虑行业实际情况，具体包括以下方面：（一）设备和系统的技术可靠性达到国家标准要求；（二）安全管理措施完善，能够及时预警和处理异常情况；（三）运行数据记录完整、准确；（四）对周边环境的影响降低到最低限度；（五）其他与风电场安全性相关的标准。

第十条风电场安全性评价工作应进行定期评价和不定期评价相结合，定期评价一般为每年一次，不定期评价根据实际情况进行。

第三章评价程序和方法第十一条风电场安全性评价工作的程序包括以下几个环节：（一）确定评价目标和内容；（二）组织评价实施机构进行评价工作；（三）收集风电场相关资料并调查实地情况；（四）根据评价内容和标准进行评价；（五）编制评价报告并进行评审；（六）报告评价结果并采取相应的管理措施。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

一种评价风电场运行情况的新方法申洪，王伟胜（中国电力科学研究院，北京100085）摘要：提出了一种基于实际年发电量和故障停运时间来评价风电场实际运行情况的新方法。

首先根据风电场的历史运行数据来计算风电场的年理想发电量，然后引入衡量风电机组分布、风资源和故障停运对风电场年发电量影响的三个新指标—风电机组分布系数、风资源系数和损失系数，并推导出风电场容量系数与这三个系数之间的表达式。

所提出的三个新指标具有明确的物理意义，可以定量评价风电场风资源、风电机组分布和风电机组故障对风电场运行情况的影响。

最后对两个实际风电场进行了计算和分析，结果表明了所提出方法的正确性和实用性。

关键词：风电场；发电量；风资源；容量系数1 引言近年来风力发电得到了迅速的发展。

与常规发电厂相比，风力发电场有其独有的特点。

常规火电厂的燃料供应（如煤、石油等）和水电厂的水量供应一般认为是安全的，在无故障情况下可以始终工作在满负荷状态下，调度员可以根据系统负荷的实际需求对发电机组的发电功率进行调节，使整个电力系统工作于比较安全与经济的运行方式下。

而风电机组是由风能驱动的，风能是一种间歇性能源，风速大小是随机波动的，因而风电机组的有功出力是随机波动的。

虽然通过优化的方法可以增加风电场安装容量[1]，但由于受风速条件的限制，风电场的发电功率不能够随意调度，所以不能用风电场的容量来考虑它对系统做出的贡献，而只能通过其在一段时间内的发电量来衡量其价值。

风电场的投资较大，但它不需要原料，启停机方便，运行和维护费用低。

然而风电场不能始终工作于满负荷状态，一般情况下发电功率都远低于额定容量，因而只有让风电场尽可能多的发电，才能使发电成本降低到最低水平。

考核风电场运行情况的重要指标是风电场容量系数[2]。

风电场容量系数是风电场一段时间内的实际发电量与这段时间内的额定发电量的比值，它等价于风电场在一段时间内满负荷工作的时间，代表了风电场总的发电情况。

然而风电场的发电量不仅受风速大小的影响，而且受风电机组的分布位置以及风电机组计划或强迫停机情况等因素的影响，只用容量系数不能完全描述上述因素对风电场发电量的影响。

为此，本文根据文献[3]中对风电场发电量的计算方法，提出了风电场理想发电量的概念，并提出了风电机组分布系数、风资源系数和损失系数三种新的指标，应用这三个指标，可以定量描述风电场运行分别受风电机位置分布、风资源以及风电机组停机情况影响的程度。

应用上述模型和指标，本文对两个实际风电场进行了计算分析。

2 风电场理想发电量某一时间段T内一台风电机组的发电量W th可以表示为[3]式中P(u)为风电机组的功率输出特性曲线，由风电机组制造厂商提供；f(u)为风电机组轮毂高度的风速分布特性，通常可以用Weibull函数来表示。

如果风电场没有测风装置，风电场的风速分布特性可以通过附近的气象站的测量数据，应用神经网络方法[4]或根据空间相关性模型[5]等方法求得。

由于受下列因素的影响，风电机组的实际发电量将比由式(1)计算出的发电量要小。

（1）风电机组位置周围的地形地貌、地表粗糙度以及其它风电机组的建立、植树、新建筑物等都会影响风电机组所在位置处的风速分布，降低风电机组的发电量。

（2）因风电机组或接入的电力系统发生故障，以及风电机组计划检修而引起的停机，将降低风电机组的发电量。

如果风电机组在一段时间内一直处于运行状态，没有计划或非计划的停机事件发生，则每台风电机组的发电量将只受上述第(1)种因素的影响。

这种情况下，对风电机组而言，此时的发电量是在它所处的位置及其风速分布特性下所能发出的最大发电量，称之为风电机组理想发电量，记为W id。

风电机组停机情况下损失的发电量，可以通过理想运行状态下的平均发电功率和停机时间求得，如式(2)所示。

式中W loss为停机损失电量；T out为时间段T内计划和强迫停运时间的总和。

风电机组实际测得的发电量可以由理想发电量和停机损失电量得出，如式(3)所示。

3 评价风电场运行情况的新指标在衡量一个风电场的运行情况时，通过风电场一年的累计发电量可以求出该风电场的容量系数，它可以说明该风电场总的发电情况，并可以在不同的风电场之间对发电情况进行定量的比较。

然而，人们在由容量系数了解了某一风电场总的发电情况后，经常要提出如下一些问题：是风电场的风资源对它的发电量影响大，还是风电机组分布位置对它的发电量影响大？风电机组停机损失对发电量的影响如何？等等。

显然，只应用容量系数一个指标并不能说明在风电场总的发电情况中，风资源、风电机组分布位置以及风电机组停机情况对发电量的影响。

为此，本文提出了三个新的衡量风电场运行情况的指标：风电机组分布系数、风资源系数和损失系数。

对一有N台风电机组的风电场，若每台风电机组的容量相同，则每台机组的理想发电量可以由式(5)得出电量，相应的风电机组称为参考机组。

参考机组的理想发电量是所有风电机组中最大的，在该风电机组位置处的风资源是风电场所有风电机组所在位置的风资源中最好的，因而可用它近似描述风电场的风资源情况。

若第k台风电机组为参考机，令式中a i称为第i台机相对于参考机组的位置系数，显然a k=1。

它体现了每台风电机组位置不同对发电量的影响。

则风电场的理想发电量为由式(7)可得式中P r为风电机组的额定容量；T一般取为一年的小时数，即为8760。

令式中c s是由风电场风电机组分布位置决定的，称为风电机组分布系数；c w是由参考风电机组的发电量决定的，它近似表明了该风电场的风资源情况，称为风资源系数；c loss描述的是风电场由于计划或非计划停机所造成的相对于理想发电量的损失，因而称为损失系数。

则风电场容量系数可以表示为这样，根据风电场的历史运行数据从容量系数中分离出三个系数，通过这三个系数，可以定量描述该风电场中风电机组选址是否合理，风资源是否充足以及各种原因导致的风电机组停机造成的损失情况。

c s、c w、c loss都为小于1的数，c s越大，说明该风电场的风电机组分布越合理；c w越大，说明该风电场的风资源越好；c loss越小，说明风电机组的运行情况越好。

实际计算中，可以先取年发电量最大的风电机组作为参考机组，如果计算所得其他风电机组的位置系数a i都小于等于1，则所选的机组就是参考机组；如果计算所得的位置系数a i中有大于1的，则选择位置系数最大的风电机组为参考机组，同时调整参考电量和各台风电机组的位置系数，方法如下：4 算例分析应用本文提出的计算风电场理想发电量的数学模型，对两个实际风电场进行了计算分析。

1号风电场中安装有33台600kW的风电机组，分布于山区，其每台机组某年的发电量和故障时间如图1、2所示；2号风电场中安装有11台660kW的风电机组，分布于平原地区，其每台机组某年的发电量和故障时间如图3、4所示。

应用本文所述方法，对该风电场的运行情况进行了分析。

通过计算得出的两个风电场中各风电机组的位置系数a i如图5，图6所示。

两个风电场的风电机组分布系数和风资源系数以及相关的计算结果如表1所示。

从计算结果中可以看出，1号风电场的4号机组和2号风电场的7号机组是各自风电场的参考机组。

1号风电场的风电机组分布位置对其发电量的影响较大，其位置系数中最小的为0.49，而2号风电场受风电机组分布的影响则相对较小，其位置系数中最小的为0.87。

从表1中可知，1号风电场的风电机组总体分布对风电场发电量的影响很大，其风电机组分布系数为0.74，而2号风电场的情况则较好，风电机组分布系数为0.94；两个风电场的风资源情况大致差不多，风资源系数分别为0.224和0.237，但1号风电场的停机情况比2号风电场严重，损失系数分别为0.007和0.0003。

5 结论本文提出了用于描述风电场运行情况的三个新的指标¾¾风电机组分布系数、风资源系数和损失系数。

风电机组分布系数说明了风电场中风电机组分布位置对发电量的影响，风资源系数近似说明了风电场的风资源情况，损失系数说明了风电机组各种停机情况导致的发电量损失情况。

这种分析风电场运行情况的方法可以通过上述三个新指标的计算在不同风电场之间进行定量比较，为决策部门评价风电场运行情况提供量化依据，具有一定的实用价值。

本文分别计算了两个实际风电场的风电机组分布系数和风资源系数，并对计算结果进行了比较分析。

从算例中可知，尽管两个风电场的风资源情况相差不大，但不同的地形地貌对风电场实际运行情况的影响很大。

一般风电场在进行可行性研究时，测风点比较少，其测量数据并不能描述整个风电场区域内的风速分布，尤其是在地形复杂的山区，若以相同的风速分布特性来推算风电场的发电量将和实际情况产生较大的差别。

所以，在进行风资源评估时必须采用更科学有效的方法，准确计算风电场所有风电机组位置的风速分布情况。

参考文献[1] 雷亚洲，王伟胜，印永华，等（Lei Yazhou，Wang Weisheng，Yin Yonghua，et al）．一种静态安全约束下确定电力系统风电准入功率极限的优化方法（An optimization method for determining wind power penetration limit in power system under static security constraints）[J]．中国电机工程学报（Proceedings of the CSEE），2001，21(6)：25-28．[2] 李俊峰．中国可再生能源技术评价[M]．北京：中国环境科学出版社，1999．[3] Tande J O，Hunter R．Expert group study on recommended practices for wind turbine testing and evaluation—estimation of cost of energy from wind energy conversion systems[R]．1994．[4] Alexiadis M C，Dokopoulos P S，Sahsamanoglou H S．Wind speed and power forecasting based on spatial correlation models[J]．IEEE Transactions on Energy Conversion，1999，14(3)：836-842．[5] Li Shuhui，Wunsch D C，O' Hair E A，et al．Using neural networks to estimate wind turbine power generation[J]. IEEE Transactions on Energy Conversion，2001，16(3)：276-282．中国电机工程学报。