风电场可靠性建模
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。
风力发电系统可靠性建模与优化检修策略
风力发电系统可靠性建模与优化检修策略摘要：随着风电机组装机容量的不断提高，风电机组的结构也越来越复杂，伴随机组运行环境的恶劣，致使风力发电系统的故障率居高不下，因此在追求发电容量的同时，必须考虑发电系统运行的可靠性。
本文分析了风力发电系统可靠性建模与优化检修策略。
关键词：风力发电系统；可靠性建模；检修策略一、发电系统主要结构及故障分析1.风力发电系统结构复杂化，为便于研究分析和建模，选取对系统可靠性影响较大的发电机、变流器、电刷滑环等主要部件作为研究对象。
由于风电机组通常安装在偏远郊外或海岸，运行环境极为恶劣，此外风力发电设备本身设计不当或者质量欠佳等问题，都会影响风机运行的可靠性，发电系统是机组中最常发生故障的系统，也是引起风机停机时间的主要原因，其故障率高达23％。
双馈风力发电系统的工作原理如图1所示，风轮通过升速齿轮箱与发电机的主轴相连，感应电动机的定子端直接接入电网，转子端则通过电刷滑环连接变流器后接入电网，只有20％~30％的功率通过变流器经稳压后传入电网。
2.双馈异步发电机是一种绕线式感应发电机，是变速恒频风力发电机组的核心部件，由于机组运行工况复杂、电网负荷持续变化，易使发电机温度过高、振动过大而易损坏风力发电机的轴承及绕组的绝缘，因此，故障率明显高于其他发电机，据统计异步发电机中最常发生故障的部位是轴承、定子、转子，三者的故障率分别为40％、38％、10％。
变流器将风机发出的电能转换为电压和频率都稳定的电能送入电网，采用变速恒频控制技术，使发电机的转速随风力大小而变化，在额定转速范围内维持最佳的叶尖速比，同时保证发电机输出电压幅值和频率与电网相同，但高温发热、电磁干扰等恶劣因素均影响变流器的工作性能，极易导致变流器故障，且故障主要发生在控制驱动单元、直流母线环节、逆变器等组件中。
发电机定子端直接接入电网，而转子绕组则通过电刷和滑环与变流器相连，据统计在发电系统运行过程中，电刷和滑环之间的机械磨损会影响电机的寿命，其故障率较高，故障还将会引发电机转子侧与变流器连接故障，使部分功率无法通过转子侧馈送到电网。
风力发电系统的动态建模与仿真
风力发电系统的动态建模与仿真随着全球对可再生能源的需求不断增长，风力发电作为一种清洁、可持续的能源形式受到了广泛关注。
风力发电系统的动态建模与仿真是研究和优化风力发电系统运行的重要手段，有助于提高风力发电系统的效率和可靠性。
本文将探讨风力发电系统动态建模与仿真的方法和应用，以及在模型开发和仿真过程中需要注意的问题。
一、风力发电系统的动态建模风力发电系统包括风力机、风能转换子系统、并网变频器、变电所和电网等组成部分。
为了对风力发电系统进行动态建模，需要考虑各个组件之间的相互作用和系统运行的特点。
1. 风力机的动态建模风力机是风力发电系统的核心部件，负责将风能转化为机械能。
风力机的动态建模需要考虑风速对风轮转速的影响、风轮转速对发电机转速的影响以及风轮和转子之间的功率传递过程。
一种常用的方法是使用变力学方程描述风力机的运动过程，并结合风力和风功率曲线进行模拟。
2. 风能转换子系统的动态建模风能转换子系统包括风能转换器、传动装置和发电机等。
风能转换器将机械能转化为电能，传动装置则负责将风力机的转速传递给发电机。
在进行动态建模时，需要考虑风能转换器和传动装置的效率、传动过程中的能量损耗以及发电机的电力输出特性。
3. 并网变频器和变电所的动态建模并网变频器和变电所是将风力发电系统产生的电能接入电网的关键设备。
并网变频器的主要功能是将发电机输出的低频交流电转换为电网所需的高频交流电，同时负责控制电网功率的调节。
变电所则负责将风电场产生的电能集中输送到电网。
在进行动态建模时，需要考虑并网变频器和变电所的功率转换过程、电力损耗以及对电网供电稳定性的影响。
二、风力发电系统的仿真风力发电系统的仿真可以通过使用专业的仿真软件或自行开发仿真模型来实现。
仿真可以帮助研究人员和工程师在实际运行之前评估系统性能、验证设计和控制方案的有效性，以及优化风力发电系统的运行策略。
1. 仿真软件的选择和应用目前市场上有多种风力发电系统仿真软件可供选择，例如，DigSilent、PSCAD、Matlab/Simulink等。
风电场系统的运行数据建模与故障判断
风电场系统的运行数据建模与故障判断随着可再生能源的发展，风力发电成为了一种重要的清洁能源形式。
在风电场中，风力涡轮机是核心装置，而风力涡轮机的正常运行对于电力系统的稳定供应至关重要。
因此，对风电场系统的运行数据进行建模与故障判断是非常关键的工作。
一、风电场系统运行数据建模1. 数据采集与处理：风电场系统运行数据的采集可以使用传感器等装置对系统中的各个参数进行实时监测，并将数据传输到中心控制系统。
这些数据包括风力涡轮机的转速、风速、温度、湿度、电流、电压等。
接下来，需要对这些原始数据进行处理，包括数据清洗、去除异常值、填充缺失值等工作。
2. 特征提取与选择：在数据处理后，需要从大量的数据中提取出能够表达系统运行状态的有效特征。
这些特征可以包括平均值、峰值、标准差、功率谱密度等。
特征选择可以通过统计分析方法、机器学习算法等进行，选择出对系统故障判断有显著影响的特征。
3. 数据建模：在特征选择后，需要构建风电场系统的运行数据模型。
这个模型可以是基于物理原理的数学模型，也可以是基于机器学习算法的预测模型。
数学模型可以通过分析系统动力学方程、能量平衡等进行建立，而机器学习模型可以通过大量的历史数据进行训练，根据输入的特征预测系统的运行状态。
二、风电场系统故障判断1. 故障模式建立：在风电场系统的运行中，会出现各种故障，如转子叶片损坏、变桨系统故障、发电机问题等。
针对不同的故障，需要建立相应的故障模式，即通过分析故障对应的特征表现，将其与正常运行状态进行区分。
2. 故障判断算法：基于建立的故障模式，可以采用不同的算法进行故障判断。
常用的方法包括规则基础算法、模型基础算法和基于数据驱动的算法。
规则基础算法依靠事先设定的规则来判断故障，模型基础算法则利用预先训练好的模型进行判断，数据驱动的算法则通过对大量历史数据进行学习得到判断模型。
3. 故障诊断与维修：一旦发现系统存在故障，需要及时进行故障诊断和维修。
诊断可以通过进一步的数据分析和故障排查来确定具体的故障原因，然后采取相应的维修措施来修复问题。
风电场电力系统建模及控制
风电场电力系统建模及控制随着人们对环保意识的提高以及能源资源的限制性，风能逐渐成为人们重要的选择。
风电场是风能利用最为广泛的一种形式，它在收集和利用风能方面变得越来越有效和普遍。
在风电场中，电力系统建模及控制是关键的步骤，它不仅直接影响风电场的产能，同时也影响了整个电力系统的稳定性。
因此，风电场电力系统建模与控制技术的创新和进步对全球能源发展和环境保护至关重要。
一、风电场的发展和应用风电场可以说是清洁能源的代表，它不仅不排放污染，同时也具有丰富的资源优势。
随着新能源技术和设备的不断升级和成熟，风电场在全球范围内得到了广泛的应用和发展。
根据国际能源署的数据显示，2018年全球新建风电装机容量达到了50GW以上，其中中国、美国、德国、印度、英国等国家排名靠前。
二、风电场电力系统的组成和特点风电场的电力系统由发电机、变压器、电缆、开关装置以及电网等组成。
风电场的电力系统有着复杂的组成结构和恶劣的外界环境，同时由于风资源具有不稳定性，因此对电力系统的建模和控制技术提出了更高的要求。
具体来说，风电场电力系统应该具有以下几个特点：1、电力系统具有小信号稳定性风场电力系统具有多种复杂的负载和不同的电气驱动设备。
在这种情况下，风电场电力系统的小干扰稳定性具有关键作用。
2、电力系统具有动态响应和准确控制的能力风场电力系统的前馈和反馈控制机制削弱了复杂非线性特性的影响。
对于复杂性的电气负载和电气机器，风电场控制系统需要响应快、控制精度高。
3、电力系统的系统响应和稳定性风场电力系统的系统响应和稳定性是指风电场电力系统必须具有稳定的集合和分配能力，以满足全系统的电力需求。
三、风电场电力系统的建模和控制技术风电场电力系统建模和控制技术的创新和进步对于提高风电场发电效率、提高电力系统的可靠性和稳定性至关重要。
接下来，我们将介绍以下几个方面：1、风电场电力系统的建模技术风电场的电力系统组成复杂，因此在进行电力系统建模时需要考虑到各个部分之间的相互作用以及受外部环境变化的影响。
风电场功率预测系统的可靠性分析与提升策略
风电场功率预测系统的可靠性分析与提升策略一、引言近年来，随着能源技术的进步和环保意识的提高，风电场成为了可再生能源中最具发展潜力的一种。
风力发电系统的运行稳定性和效率直接影响到电网供电的可靠性和经济性。
而风电场功率预测系统的可靠性是确保风力发电系统高效运行的关键。
本文将对风电场功率预测系统的可靠性进行分析，并提出提升策略。
二、风电场功率预测系统的可靠性分析1. 数据准确性分析风电场功率预测系统利用历史风速数据和机器学习算法进行功率预测。
然而，风速数据的准确性直接影响到功率预测结果的可靠性。
因此，应对风速数据进行准确性分析。
首先，应对风速传感器进行定期检测和校准，确保其精度和敏感度。
其次，需要对历史风速数据进行清洗和筛选，去除异常数据和噪声干扰。
最后，还需要建立风速修正模型，将历史风速数据与实际发电量进行对比分析，以验证其准确性。
2. 模型精度分析风电场功率预测系统的模型精度直接决定了预测结果的可靠性。
因此，需要对模型的精度进行评估和分析。
一种常用的方法是将历史实际功率数据与预测功率数据进行对比，计算预测误差和准确率。
同时，可以采用交叉验证和留一验证等方法进行模型评估，以确保模型具有较高的泛化能力和精确度。
另外，还可以引入其他影响因素（如温度、湿度等）进行模型扩展，提高预测精度。
3. 算法选择与优化风电场功率预测系统涉及到多种算法，如神经网络、支持向量回归、随机森林等。
不同的算法具有不同的优势和应用范围。
因此，需要对算法进行选择和优化，以提高预测系统的可靠性。
在选择算法时，应综合考虑预测精度、计算效率、模型复杂度等因素。
对于已选定的算法，可以通过参数调优和特征工程等方法进一步提高其性能。
此外，还可以采用集成学习的方法，将多个算法进行组合，以进一步提高预测系统的可靠性。
三、风电场功率预测系统的提升策略1. 数据共享与协同各个风电场之间可以建立数据共享平台，共享历史风速数据和功率数据，以扩大数据样本规模和提高预测精度。
风力发电系统的建模与仿真研究
风力发电系统的建模与仿真研究近年来，由于对可再生能源的需求不断增加，风力发电成为了一种备受关注的清洁能源选择。
为了确保风力发电系统的高效性和可靠性，建立一个准确的模型并进行仿真研究非常重要。
本文将介绍风力发电系统的建模与仿真研究的背景、方法和结果。
背景风力发电是利用风能将风速转化为机械能的过程，然后通过发电机将机械能转化为电能。
风力发电系统由风机、发电机、变频器、电网等组成。
为了提高风力发电的效率和可靠性，我们需要建立一个准确的模型来研究系统的各个方面。
方法首先，我们需要获取风速数据，可以通过气象站或者其他可靠来源获取。
然后，利用获取的风速数据，我们可以确定系统的主要参数，如风机的切入风速、额定风速和切出风速等。
接下来，我们可以使用Matlab、Simulink或其他仿真软件来建立风力发电系统的数学模型。
在建立模型时，需要考虑以下几个因素：1. 风机特性：风机的性能曲线可以很好地描述风机在不同风速下的输出特性。
通过将风速作为输入，我们可以根据性能曲线确定风机的输出功率。
2. 发电机特性：发电机的特性包括额定功率、转速和效率等。
我们可以将风机输出的机械功率转化为发电机的输出电功率。
3. 变频器控制：为了确保风力发电系统的稳定运行，我们需要利用变频器对发电机的输出进行调节。
通过调整变频器的控制参数，我们可以使系统在不同的工况下都能够正常运行。
4. 电网连接：将风力发电系统与电网连接起来是非常重要的。
我们需要研究系统的接口特性，确保系统与电网的匹配，并进行功率平衡控制。
通过建立风力发电系统的数学模型，我们可以进行系统的仿真研究，验证系统设计的合理性，并优化系统的性能。
结果通过对风力发电系统的建模与仿真研究，我们可以得到以下结果：1. 系统效率：我们可以评估系统的效率，并找出影响系统效率的主要因素。
根据仿真结果，我们可以对系统进行优化，提高发电效率。
2. 系统稳定性：通过仿真，我们可以研究系统在不同工况下的稳定性。
风电场等值建模和参数辨识研究
精品文档供您编辑修改使用专业品质权威编制人：______________审核人：______________审批人：______________编制单位：____________编制时间：____________序言下载提示：该文档是本团队精心编制而成，希望大家下载或复制使用后，能够解决实际问题。
文档全文可编辑，以便您下载后可定制修改，请根据实际需要进行调整和使用，谢谢!同时，本团队为大家提供各种类型的经典资料，如办公资料、职场资料、生活资料、学习资料、课堂资料、阅读资料、知识资料、党建资料、教育资料、其他资料等等，想学习、参考、使用不同格式和写法的资料，敬请关注!Download tips: This document is carefully compiled by this editor. I hope that after you download it, it can help you solve practical problems. The document can be customized and modified after downloading, please adjust and use it according to actual needs, thank you!And, this store provides various types of classic materials for everyone, such as office materials, workplace materials, lifestylematerials, learning materials, classroom materials, reading materials, knowledge materials, party building materials, educational materials, other materials, etc. If you want to learn about different data formats and writing methods, please pay attention!风电场等值建模和参数辨识探究关键词：风电场，等值建模，参数辨识，最小二乘法，矢量控制1. 引言随着我国对可再生能源的进步越来越重视，风电已成为我国电力行业的重要组成部分。
- 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)。
第33卷第13期电网技术V ol. 33 No. 13 2009年7月Power System Technology Jul. 2009文章编号：1000-3673（2009）13-0037-05 中图分类号：TM71 文献标志码：A 学科代码：470·40风电场可靠性建模张硕1，李庚银1，周明1，刘伟2（1．电力系统保护与动态安全监控教育部重点实验室(华北电力大学)，北京市昌平区 102206；2．国家电网公司调度通信中心，北京市西城区 100031）Reliability Modeling of Large-Scale Wind FarmsZHANG Shuo1，LI Geng-yin1，ZHOU Ming1，LIU Wei2（1．Key Laboratory of Power System Protection and Dynamic Security Monitoring and Control (North China Electric Power University)，Ministry of Education，Changping District，Beijing 102206，China；2．State Grid Corporation Dispatching and Communication Center，Xicheng District，Beijing 100031，China）ABSTRACT: To research the reliability assessment of power grid containing wind farms, the confidence of wind farm capacity and the interconnection among wind farms, the reliability model and wake effect model of wind farm are built when the impacts of random variation of wind direction and wind speed, output characteristics of wind power generation units, correlation of wind speeds among different wind farms, outage model of wind power generation units, wake effect of wind farm and air temperature are considered. Simulation results validate the effectiveness of the proposed models.KEY WORDS: wind power；reliability modeling；reliability assessment摘要：考虑风速和风向的随机变化、风电机组的功率特性、不同风电场之间风速的相关性以及风电机组停运模型、风电场尾流效应和气温的影响，建立了风电场可靠性模型及尾流效应模型。
仿真结果验证了所提模型的有效性。
该模型为进一步研究含风电场的电力系统可靠性评估、风电场容量可信度以及其他风电场并网问题打下了基础。
关键词：风力发电；可靠性建模；可靠性评估0 引言随着工业和经济的发展，人们对电力的需求日益增加，而石油、煤炭等不可再生资源的利用，一方面会给环境带来严重污染，另一方面储量急剧下基金项目：“十一五”国家科技支撑计划资助项目(2008BAA14B05)；国家自然科学基金资助项目(50877027)；高等学校学科创新引智计划项目(B08013)。
Project Supported by Eleven-Five Year Scientific and Technical Supporting Program of China(2008BAA14B05)；Project Supported by National Natural Science Foundation of China(NSFC)(50877027). 降。
人们迫切需要开发新的能源用以提供电力，而在各种可再生的清洁能源中，风力发电由于其技术发展迅速，成本较低，被公认为是一种理想的可再生能源发电方式。
由于自然风具有随机性、波动性和不可控性，使风电场出力波动很大。
当风电穿透功率超过一定值之后，会严重影响电能质量和电网稳定性、可靠性，甚至引起大面积停电事故，这迫切需要对风电场接入的电力系统进行正确的可靠性评估[1-2]。
电力系统可靠性评估的主要方法有解析法[3]和蒙特卡罗模拟法[4]。
模拟法是目前普遍使用的方法，优点是随机模拟次数与系统规模无关，且容易处理各种实际运行控制策略和诸多客观因素的影响。
文献[5-6]用不同方法建立了风电场有功出力模型，但尾流效应模型没有考虑或者仅粗略将风电场机组总的输出功率乘以典型系数值。
本文将建立风电场可靠性模型和尾流效应模型，为进一步研究风电场对电力系统可靠性的影响以及确定风电场容量可信度打下基础。
1 风速模拟1.1 威布尔分布模拟风速模拟风电场风速的方法很多，主要有时间序列分析法(time series analysis)[7-8]、两参数威布尔分布(two-parameter Weibull distribution)[9]和瑞利分布(Rayleigh distribution)[10]。
大量实测数据的统计结果表明，绝大部分地区的风速变化可以用两参数威布尔分布模拟，其分布函数为38张硕等：风电场可靠性建模V ol. 33 No. 13()()1exp[(/)]k w F v P V v v c =≤=−− (1)式中k 为威布尔分布的形状参数，反映了威布尔分布的偏斜度，取值为1.8~2.3，一般情况下取k =2；参数c 为尺度参数，反映了平均风速。
利用随机数可产生服从给定分布的随机变量，常用的方法是反函变换法。
反函变换法基于如下命题：如果随机变量U 服从[0，1]上的均匀分布，则随机变量X =F -1(U )有一个连续累积概率分布函数F (X )。
根据反函数变换法，令])/(exp[1)(k c v v F x −−== (2) 则k x c v /1)]1ln([−−= (3)因x 和1−x 都是均匀分布随机变量，则1−x 可由x 代替，上式变为1/[ln ]ki v c X =− (4)式中X i 为均匀分布随机变量。
由上式可计算每小时的风速随机抽样值。
这种方法原理简单、计算量小，可用于风速模拟但不能进行风速预测，当精度要求不高时，参数c 可直接取风速平均值。
1.2 多个风电场风速关联特性相近地区不同风电场的风速、风向和气温具有一定的相关性，如何模拟不同风电场之间风速的关联特性是一个难点。
本文采用矩阵变换方法[5]来模拟风电场之间的关联特性。
矩阵变换的基本原理是对于给定列向量x =[x 1, x 2, …, x n ]T ，可通过矩阵变换得到一个新的列向量=+y Lx z (5) 式中L 、z 分别为任意给定的下三角矩阵以及列向量。
向量y 的数学期望及关联矩阵有()()E E =+y L x z (6)T y x =L L ΩΩ (7)式中：E (y )、E (x )分别是列向量y 、x 的数学期望；Ωy 、Ωx 分别表示y 与x 的关联矩阵。
首先通过威布尔分布或时间序列法得到无相关特性的风速列向量；从该列向量中减去风速平均值并除以风速方差得到新的列向量x ；对已知风电场之间的关联矩阵进行分解，使得Ωy =LL T ，得到变换矩阵L ；再按式(5)进行矩阵变化，可得到一组具有关联特性的风速向量。
2 风电机组的输出功率模型对于电力系统可靠性模型中电源的建模，关键是电源有功功率变化和机组停运模型，因此对于单个风电机组，广泛应用风电机组功率特性曲线进行描述。
风电机组的输出功率与风速的关系曲线称为风电机组功率特性曲线。
图1为一典型的风电机组功率特性曲线，其分段函数表达式为33330, ()()()(), , ci co R ci ci RR ci R Rv v v v P p v v v v v v v v P v v ≤≥⎧⎪⎪=−≤≤⎨−⎪⎪≥⎩∪ (8)p (v )/M W P v /(m/s)图1 风电机组输出功率特性曲线 Fig. 1 Curve of WTG electrical output如果图1中曲线a, b 改为直线，则分段函数变为0, ()() (), , ci co ciRci R R ci R Rv v v v v v p v P v v v v v P v v ≤≥⎧⎪−⎪=≤≤⎨−⎪⎪≥⎩∪ (9) 式中：v 为风电机组轮毂高度处的风速；v ci 为切入风速；v co 为切出风速；v R 为额定风速；P R 为额定输出功率。
式(8)(9)是2种常用的风电机组输出功率特性方程。
标准空气密度条件下的风电机组功率特性曲线，称为风电机组的标准功率特性曲线[11]，它可由厂家提供；在具体安装地点的实际出力曲线，称为风电机组的实际输出功率特性曲线。
设P (v )和P 0(v )分别为风电机组的实际功率特性曲线和标准功率特性曲线，则它们之间有0()(),0vP v P v =≤<∞∂(10)式中∂为风速变换系数，其表达式为∂= (11)式中：ρ0为标准空气密度，取1.225kg/m 3；ρ为风电场安装地点的空气密度。
考虑温度影响，设风电机组的工作气温是[T L ,T H ]，当气温超过该范围时，风电机组会自动停机。
考虑气温时，风电机组的输出功率特性为L H L H(),0, ()()p v T T T P T T T T ≤≤⎧=⎨<>⎩∪ (12)第33卷 第13期 电 网 技 术 39式中T 为风电场的气温。
3 尾流效应的数学模型3.1 尾流效应基本概念由于尾流的影响，坐落在下风向的风电机组的风速将低于坐落在上风向的风电机组风速，一般称之为尾流效应(Wake effects)[12]，如图2所示。
风电机组安装在X =0处，X 为沿风速方向距风电机组安装点的距离；R 为风电机组叶片半径；R W 为X 点处的尾流半径；V 0和V X 分别为吹向和离开风电机组的风速。
产生尾流效应的原因是风电机组吸收了风中部分能量，造成离开风电机组的风速下降，并且风电机组相距越近，前面的风电机组对后面的风电机组风速的影响越大。
美国加州风电场的运行经验表明，尾流造成的能量损失的典型值是10%。