风电场风速概率分布参数计算新方法

合集下载

风电场风速概率分布参数计算方法的研究

风电场风速概率分布参数计算方法的研究摘要：风电场的实际发电量主要受局部风的各个方面的特性影响。

风速对风电质量和电力系统的正常运行有很大的影响，风速具体数据的预测对风电场的市场发展具有重要意义。

因此，相关预测方法的发展呈现出活跃的趋势。

关键词：风速预测；人工神经网络;小波预测模糊逻辑方法随着社会的不断发展，人们的资源消耗也在增加。

因此，绿色能源获取模式目前符合环境保护和资源获取的精神，而风力发电是非常有代表性的性例子。

如果能够准确地预测风速，则可以提前知道未来发电量的变化，并且可以针对各种趋势及时进行调整，这对于发电厂的发展非常重要。

本文主要旨在介绍多种不同的预测方法，解释不同方法的特征，并帮助植物在使用不同方法时具有更科学的基础。

1一些基本的风速预测方法从空间的角度来看，风速的安排通常是不规则的，并且表现出较大的波动，在此功能下，通常难以通过建立适当的物理模型来对其进行解释和准预测。

从分析时间的角度来看，风速时间序列中包含趋势和随机分量，趋势分量主要是大气条件下的连续稳定，随机分量受大气运动的影响更大，因此存在无法从以前的数据中获得的特征。

预测结果中发生错误。

总之，风的规律分为物理数据和历史数据的统计方法。

1.1神经网络法风速的变化受各种自然因素的影响，例如气候背景，地形，陆地和海洋分布，并且风速在时间分布方面具有不确定性和不连续性。

但是，风速仍然具有很强的变化特性。

通常，月平均风速的空间分布与引起风速的气候背景，地形以及陆地和海洋分布直接相关。

例如，以内蒙古的风场为例，风的高度为1000-2000米，气候条件主要是温和的大陆性季风气候。

夏季（6月至9月），秋季和冬季和春季（10月至1月）的风速很小。

5月2日）风速相对较高。

因此，在预测风速之前，需要充分考虑风速中风速变化的特性。

1.1.1方法简介众所周知，人类最神奇的系统是神经系统，可以通过实际工作通过使用神经系统的相关属性通过特殊的拓扑结构模拟神经网络的某些属性来构建。

风电场威布尔参数的不同估计方法研究

风电场威布尔参数的不同估计方法研究发表时间：2019-01-08T16:20:27.403Z 来源：《电力设备》2018年第24期作者：郭妙晁锐[导读] 摘要：双参数威布尔分布模型被普遍认为是适合于对风速频率做出准确描述的概率统计模型，本文介绍四种不同威布尔参数估计方法，并根据威布尔参数计算表征风资源特征指标的物理量。

（中国能源建设集团陕西省电力设计院有限公司陕西西安 710054）摘要：双参数威布尔分布模型被普遍认为是适合于对风速频率做出准确描述的概率统计模型，本文介绍四种不同威布尔参数估计方法，并根据威布尔参数计算表征风资源特征指标的物理量。

通过与实测数据计算得到的风能指标进行对比，分析各种方法的特点及适用情况。

关键词：威布尔分布模型、风速频率、风能特征量1、概述开发利用可再生能源是国家能源发展战略的重要组成部分，风能作为一种清洁的可再生能源，是目前最具发展前景和开发价值的新能源。

在风电场建设中，风能资源评估是十分重要的步骤，风速频率分布是确定风能资源分布的重要指标，本文主要介绍根据不同的风统计资料，研究用于拟合风速频率分布的威布尔参数估计方法，计算表征风资源特征指标的物理量，并对各种方法进行比较分析。

2、威布尔分布风速频率分布一般为正偏态分布，研究表明双参数威布尔分布模型被普遍认为是适合于对风速作统计描述的概率模型，对不同形状的频率分布有很强的适应性，能较好的描述风速分布[1-3]。

威布尔分布的概率密度函数可表达为：（2.1）其中，k为形状参数，是无量纲量；c为尺度参数，单位m/s。

3、威布尔参数的估计根据威布尔分布函数可以确定风速的分布形式，进而对风能资源做出评估。

威布尔参数的估计方法有：最小二程法、平均风速和标准偏差法、平均风速和最大风速法、分位数法等，可根据风速统计资料的不同选择不同的方法进行威布尔参数的估计。

以下根据陕西延安两座测风塔80m十分钟数据，分别用四种方法对威布尔参数进行估计，并对各种方法进行对比分析。

风电场风速概率Weibull分布的参数估计研究

风电场风速概率Weibull分布的参数估计研究杨富程;韩二红;王彬滨;刘海坤;黄博文【摘要】风电场风速概率分布是描述风能特征的主要指标,其准确程度直接影响风电场风能资源的评估结果.主要介绍了两参数威布尔分布的极大似然估计法、最小二乘估计法和WASP估计法3种风速概率分布参数的估计方法.通过对四川广元地区低风速区域测风塔实测数据分析,结果表明,极大似然估计法与实测数据统计结果最为接近,拟合效果良好;Weibull参数c、k存在相对较为明显的季节变化;尺度参数c值随高度呈现幂指数形式,形状参数k值随高度呈现二次函数形式变化特征,在80～90 m高度左右,曲线出现拐点,k值取得最大值.【期刊名称】《江西科学》【年(卷),期】2019(037)002【总页数】7页(P264-269,299)【关键词】Weibull分布;概率分布;形状参数;尺度参数;参数估计【作者】杨富程;韩二红;王彬滨;刘海坤;黄博文【作者单位】四川电力设计咨询有限责任公司,610041,成都;四川电力设计咨询有限责任公司,610041,成都;四川电力设计咨询有限责任公司,610041,成都;四川电力设计咨询有限责任公司,610041,成都;四川电力设计咨询有限责任公司,610041,成都【正文语种】中文【中图分类】TM6140 引言随着世界工业经济的快速发展，化石能源燃烧排放出的大量温室气体导致全球气候发生巨大变化，已经严重危害到人类生存环境和健康安全[1]。

因此，可再生能源已成为解决能源与环境问题的主要途径之一，其中风力发电相比其它形式的可再生能源，因具有技术较为成熟、成本相对较低、对环境影响小等优势，成为世界各国大力发展可再生能源关注的重点之一[2]。

国家能源局在新能源“十三五”规划中提出“至2020年，我国风电装机容量将达到2.1亿kW以上，风电价格与煤电上网电价相当”。

同时，伴随着IV类复杂地形区域风资源相对较差及风电上网补贴电价不断下降的状况，准确评估风电场的经济性尤为关键。

三种风速威布尔分布参数算法的比较概要

三种风速威布尔分布参数算法的比较徐卫民, 孔新红,桂保玉(江西省气象科学研究所,江西南昌 330046摘要:介绍计算威尔分布参数的累积分布函数拟合法、平均风速和标准差估计法和平均风速和最大风速估计等三种算法,并应用此算法计算了都阳气象站的风速威布尔分布参数。

根据分布参数拟合了都阳县气象站的三种风速概率分布,将拟合的风速概率分布与同期的风速实际频率分布结果进行相关分析,依据相关系数判断拟合效果的好坏。

通过比较得到了以下结论:平均风速和标准差估计法效果最好,累积分布函数拟合法次之,由于最大风速变化比较随机,平均风速和最大风速估计法效果波动最大,整体效果差。

通过多年最大风速的平均数与平均风速计算,能减少最大风速抽样的随机性误差,结果更具代表性。

关键词:风速;分布规律;威布尔;比较0 引言近年来,我国并网运行的大中型风力发电厂建设逐渐纳入有计划、规范化发展的轨道。

鄱阳湖风力发电站建设项目已经纳人江西省“十一五”规划重大建设项目中。

为此,有必要开展风能分析及风电场设计等方面的研究工作。

威布尔(Weibull分布双参数曲线,是一种形式简单且又能较好拟合实际风速分布的概率模型,只要给定了威布尔分布参数 k 和 c ,风速的分布形式便给定了, 而毋需逐一查阅和统计所有的风速观测资料, 可方便地求得平均风能密度、有效风能密度、风能可利用小时数, 给实际使用带来许多方便[1-3], 使得威布尔分布概率模型在风能分析及风电场设计过程中得到了广泛的应用。

但是威布尔分布参数有许多算法,因此采用哪种算法进行计算更能使拟合接近真实值, 是值得讨论的问题。

本文通过收集都阳气象站的风速数据, 对计算 Weibull 参数的三种常用的算法进行了比较,得出了一些有益的结论。

1 估算参数 k 和 c 的方法介绍 [4-7]威布尔分布单峰的,两参数的分布函数簇。

其概率密度函数可表达为⎥⎦⎤⎢⎣⎡−=−k k c x c x c k x P (exp ( (1 (1 式中:k 和 c 为威布尔分布的两个参数, k 称作形状参数, c 称作尺度参数。

一种新型的风电场50年一遇安全风速计算方法的对比分析

一种新型的风电场50年一遇安全风速计算方法的对比分析摘要：采用极值I型函数和EWM模型，结合气象站与风电场测风塔的数据，推算风电场轮毂高度处50年一遇的最大风速，并将计算结果进行对比分析。

结果显示：对于山地风电场，采用极值I型推算得到50年一遇最大风速与通过EWM 模型测试得到的50年一遇最大风速的结果存在较大差异。

而对于地势平坦的风电场，这两种测算50年一遇的最大风速的结果比较接近。

关键词：50年一遇最大风速; 极值I型函数、EWM模型ABSTRACT:With the data of meteorological station and meteorology mast on the wind farm, The extreme wind speed of 50 years at hub height is calculated using extreme value type I function and EWM model.The results show that there is a big difference for mountain wind farm between extreme wind speed of 50 years using extreme value type I function and extreme wind speed of 50 years using EWM model, but there is a close result for flat wind farm between extreme wind speed of 50 years using extreme value type I function and extreme wind speed of 50 years using EWM model.KEY WORDS: The 50-year Extreme Wind Speed ;Extreme Value type I Function.EWM model前言：风电场建设的最基本要求是风能资源丰富，风向较稳定的区域。

基于蒙特卡罗方法的Weibull分布参数计算研究

基于蒙特卡罗方法的Weibull分布参数计算研究作者：潘坤年来源：《华东科技》2013年第10期【摘要】本文用蒙特卡罗法产生随机风速数据，并用最小二乘法和极大似然法对Weibull 模型的参数计算进行分析比较，说明采用Weibul1分布模型能较好的拟合风能的状况。

【关键词】Weibul1分布模型；最小二乘法；极大似然法；蒙特卡罗法1 风速概率分布模型的参数估计1.1 风速概率分布评估风电场的风能资源状况，是开发风力发电项目最基础的工作。

其中风速概率分布参数是体现风能资源统计特性的最重要指标之一，也是在风电场规划设计和并网技术研究中所必须的重要参数。

用于拟合风速概率分布的模型很多，有威布尔（Weibull）分布、瑞利（Rayleigh）分布等，其中双参数威布尔（Weibull）分布模型应用最为广泛。

实际上，由于我国地域辽阔，气候地理条件差异很大，各地区风速分布并不都服从威布尔（Weibull）分布，而是呈多种分布形式。

双参数Weibull分布的密度函数和分布函数分别为：其中c和k分别为Weibull分布的尺度参数和形状参数；尺度参数c反映了风电场的平均风速；V是给定风速。

利用风速观测数据，可以通过最小二乘法、极大似然估计法等确定参数k和c。

1.2 最小二乘法对分布函数取对数整理得取，则（3）可以转化为，于是由最小二乘法拟合求出参数k、c。

将观测到的风速出现范围划分为n个风速间隔：，统计每个间隔风速观测值出现的频率以及累积频率，令，根据（3）式及风速累积频率观测资料，便可以得到a和b的最小二乘估计值：由（3）和（4）式得。

1.3 极大似然估计法由密度函数取对数构造对数似然函数最大似然方程组为：这是一个非线性方程组（n为样本容量）。

我们采用牛顿法迭代求解，根据（4）可得相应的修正方程式：式中雅可比矩阵元素分别为根据修正方程式，选取合适的初值，经过反复迭代，收敛后就可得出Weibul1分布的参数k和c。

风电场风能资源评估中重要参数的计算与应用

风电场风能资源评估中重要参数的计算与应用随着人们环保意识的不断提高，风能发电成为了备受关注的重点。

在风能发电中，风能资源的评估是非常关键的一步。

而在这个过程中，有一些重要的参数需要计算和应用，这些参数对于我们评估和利用风能资源具有重要的作用。

本文将重点介绍一下这些参数的计算和应用。

一、风能密度风能密度是指单位时间内风能在某一面积上的平均能量。

常用单位有瓦特每平方米（W/m2）、千瓦每平方米（kW/m2）等。

风能密度的计算需要考虑到风速和空气密度等因素。

风能密度是风能资源评估中一个非常基本的参数。

通过对风能密度的测量和分析，可以帮助我们评估风能资源的潜力和价值，来决定是否要进行风力发电。

此外，风能密度也可以帮助我们设计风电场的发电功率、风机数量和布局等。

二、风速分布风速分布是指在某一给定高度的风速出现频率和概率分布。

根据气象学理论，通常使用Weibull概率分布函数来描述风速分布情况。

风速分布是风能资源评估中另一个重要的参数。

通过对风速分布的分析，我们可以确定风电场的发电潜力和风能利用效率，以及选择最适合的风机类型。

此外，风速分布还可以帮助我们进行风险评估和风电场的经济评估。

三、风向分布风向分布是指在某一给定高度的风向出现频率和概率分布。

通常使用Rose图或风向频率分布图来表示。

风向分布是风能资源评估中另一个重要的参数。

通过对风向分布的测量和分析，我们可以确定风电场的风机布局和风能利用效率，以及选择适合的风机转向。

此外，风向分布还可以帮助我们进行风险评估和风电场的经济评估。

四、风能利用系数风能利用系数是指在一定时间内风电机组实现的平均输出功率与其额定功率之比。

风能利用系数的大小受到多种因素的影响，如风速、风向、风机的切入和切出风速等。

风能利用系数是风能资源评估中非常关键的一个参数。

通过对风能利用系数的分析，我们可以确认每台风机的实际输出功率，并确定整个风电场的发电潜力和风能利用效率。

此外，风能利用系数还可以帮助我们评估风电场的经济效益和维护成本。

风电场综合统计指标计算公式

风电场综合统计指标计算公式风电场的综合统计指标计算公式主要包括风速概率分布函数、风能利用率、容量因子、负荷因子、等效利用小时数等。

本文将详细介绍这些指标的计算公式。

首先，介绍风速概率分布函数的计算公式。

风速概率分布函数是描述风速出现的频率和概率分布情况的函数。

常见的风速概率分布函数有韦布尔分布、雷诺兹分布等。

其中，韦布尔分布是最常用的风速概率分布函数。

韦布尔分布函数的计算公式如下：F(v) = 1 - exp(-[v/v0]^A)其中，F(v)表示风速小于等于v的累积概率，v是风速，v0是标准风速，A是韦伯指数，它反映了风速分布的偏态。

其次，介绍风能利用率的计算公式。

风能利用率是指风电场实际发电量与理论最大发电量之间的比值。

风能利用率的计算公式如下：E=(G/(ρ*A*V^3))*100%其中，E表示风能利用率，G表示风电场实际发电量，ρ表示空气密度，A表示风轮叶片面积，V表示平均风速。

风能利用率越高，说明风电场的发电效率越高。

接下来，介绍容量因子的计算公式。

容量因子是指风电场实际发电量与装机容量之间的比值。

容量因子的计算公式如下：C.F.=(G/P)*100%其中，C.F.表示容量因子，G表示风电场实际发电量，P表示风电场的装机容量。

容量因子越接近于1，说明风电场的利用率越高。

然后，介绍负荷因子的计算公式。

负荷因子是指风电场实际发电量与最大可能发电量之间的比值。

负荷因子的计算公式如下：L.F. = (G/Gmax)*100%其中，L.F.表示负荷因子，G表示风电场实际发电量，Gmax表示最大可能发电量。

负荷因子越接近于1，说明风电场的发电能力越强。

最后，介绍等效利用小时数的计算公式。

等效利用小时数是指风电场实际发电量与装机容量之间的比值，再乘以365天，表示风电场一年中的等效利用小时数。

等效利用小时数的计算公式如下：E.Y.=(G/P)*365其中，E.Y.表示等效利用小时数，G表示风电场实际发电量，P表示风电场的装机容量。

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)。

重要指标之一。在认为风电场风速服从双参数韦布尔（ｉｕ１分布前提下，了提高参数计算精度，智能Ｗｅｌｂ）为从
化的角度提出尝试采用改进的微粒群算法对Ｗｅｕｌ参数进行建模和优化。由此参数估算能直接反映出ｉｌ双ｂ
ｏｐｍｅａｕｅＩｒｅＯｉｐｏｅｃｍｐｕａｉｒｃｓｏｎｏａｍｅｅｓ，ｅｃｍｐｕａｉｅｈｄｗａｏｓｄｎｔｖｌ．ｎｏｄｒｔｍｒｖｏｔｔｏｎｐｅｉｉｆｐｒｔｒａｎｗｏｔｔｏｎｍｔｏｓｐｒｐｏｅ
关键词：电场；风风速概率分布；布尔分布；进微粒群算法韦改
中图分类号：ＴＭ８１文献标志码：Ａ文章编号：０３８３（０１０ — ０６０１０— ９０２１）１０４— ６
ＮｅＣｏｐｕａｉｎＭｅｈｏｆＷｉｄＳｅｏａｉｉｙｗｍｔｔｏｔｄｏｎｐｅｄＰｒｂｂｌｔ
陈国初，杨维，张延迟，余法徐
（海电机学院电气学院，上海２０４）上０２０
摘要：风能资源评估关系到风电的经济性和开发价值，个地区的风速概率分布是该地区风能资源状况的最一
ＤｉｔｉｕｉｎＰａａｅｅｓｉｉｄＦａｍｓｒｂｔｏｒｍｔｒｎＷｎｒ
ＣＨＥＮＵ — ｈｕ，ＹＡＮＧｅ，ＺＨＡＮＧａ — ｈｉＧＯｃＷｉＹｎｃ，ＸＵｕｆＹ —ａ
（ｃｏｌｆＥｌｃｒｃＥｎｉｅｒｎＳｈｏｅｔｉｇｎｅｉｇ，ＳａｇａａｊＵｎｖｒｉｙｈｎｈｉ２０４ｏｈｎｈｉｎｉｉｅｓｔ，Ｓａｇａ０２０，Ｃｈｎ）Ｄｉｉａ
风能资源特性的风能特征指标，由常规最小二乘法、麦ＷＡＰ软件以及历史风速数据序列所计算的结果与丹ｓ
相比，实验表明该方法拟合精度更高，接近实际风速状况，更为风电场规划设计提供了更具价值的参考。
ｒｔｉｈｍｏｏｐｉｉｅｈｔｐｒｔｒｏｅｂｌｄｉｔｉｉｎ．Ｗｉｄｎｄｃｔｒｅｌｃｉｇｈｅｗｉｅｅｇｙｒ — ｔｔｍｚｔｅｗｏａｍｅｅｓｆＷｉｕｌｓｒｂｕｔｏｎｉｉａｏｓｒｆｅｔｎｔｎｄｎｒｅｓｕｒｅｃａａｃｅｉｔｃｒａｃａｅｃｏｒｎＯｔｓＷＯｏｐｉａｒｍｅｅｓＣｏｐｒｄｔｈｅｕｔｆｃｏｃｈｒｔｒｓｉｓａｅｃｌｕｌｔｄａｃｄｉｇｔｈｅｅｔｔｍｌｐａａｔｒ．ｍａｅＯｔｅｒｓｌｓｏｏｎｖｅｉａｅａｔｓａｅｅｈｏＤｅａｋＷＡｓｓｔｒｎｄｈｓｏｒｃ１ｎｄｓｅｄｄａａｅｕｅｃｓｈｐｒ — ｎｔｏｎｌｌｓｑｕｒｓｍｔｄ．ｎｍｒＰｏｆｗａｅａｉｔｉａｗｉｐｅｔｓｑｎｅ，ｔｅｏｐｏｅｅｈｓｈｉｈｅｉｔｎｅｉｉｎｄｃｏｓｒｔｃｕａｉｏｎｔｏｎｓｔｐｏｖｄｅｏｅｖｌａｅｒｆｓｄｍｔｏｄｈａｇｒｆｔｉｇｐｒｃｓｏｎａｌｅＯａｔｌｗｎｄｃｄｉｉ．Ｉｒｉｓａｍｒａｕｂｌｅ — ｅｅｅｔｌｎｅｉｆｗｉｄｆｒ．ｒｎｅｏｐａｎａｄｄｓｇｎｏｎａｍＫｅｒｓ：ｗｉｄｆｒ；ｗｉｐｅｄｐｒａｌｔｉｔｉｔｏｎ；Ｗｅｂｕｌｄｓｒｂｕｉｎ；ｍｏｄｆｅｒｉｌｗａｍ — ｙｗｏｄｎａｍｎｄｓｅｏｂｂｉｙｄｓｒｂｕｉｉｉｌｉｔｉｔｏｉｉｄｐａｔｃｅｓｒｏｐｔｍｉａｉｎａｇｏｉｈｉｚｔｏｌｒｔｍ
ｂｓｄｏｎｅｌｅｃｏｎｈｓｐｐｒＴｈｓｍｅｈｄｉｔｉｄｔｓｄｆｄｐｒｉｌｗａｍｐｉｚｔｎａｇａｅｎｉｔｌｇｎｅｐｉｔｎｔｉａｅ．ｉｔｏｓｒｅｏｕｅｍｏｉｅａｔｅｓｒｏｔｉｉｉｃｍｉａｉｌｏｏ
Ａｂｔａｔｓｒｃ：Ｗｉｄｓｅｄｐｏａｉｔｉｔｉｕｉｎｉｅｉｎｉｏｅｏｈｓｍｐｒａｔｎｉａｏｓｏｎｎｒｙｎｐｅｒｂｂｌｙｄｓｒｂｔｎａｒｇｏｎｆｅｍｏｔｉｏｔｎｄｃｔｒｆｉｏｓｔｉｗｉｄｅｅｇｒｓｕｃｓｃｎｉ０ｎａｅ，ｅａｓｎｅｏｒｅａｓｓｍｅｔＳｒｌｔｄｔｎｏｒｃｎｍｉａｄｄｖｌｅｏｒｅｏｄｔｎｉａｒａｂｃｕｅｗｉｄｒｓｕｃｓｅｓｎｅａｅｏｗｉｄｐｗｅ＇ｅｏｏｃｎｅｅ — ｉｎｉｓ
第２３卷第１期
２１０１年２月
电力系统及其自动化学报
ＰｒｃｅｉｓｏｈｅＣＳＵ— ｏｅｄｎｇｆｔＥＰＳＡ
Ｖｏ１３ＮＯ．率分布参数计算新方法