一种自然风的仿真方法.docxVIP

一种自然风的仿真方法 0 风速模型的改进 风力是一种清洁的能源。风能发电是风能利用的主要形式。这也是目前最成熟、最具特色的能源发电技术之一，其生产条件是普遍重视的。这就是为什么风能技术受到全世界各国的高度重视的原因。 地球上蕴含的风能总量相当可观, 约为2.74 亿MW, 其中可利用的风能约为总量的1%, 是地球上可利用水能总量的11 倍。 我国风能资源丰富, 根据中国气象局的研究结果可知, 我国风能资源可开发量为7 亿~12 亿k W, 具有很大的开发潜力。 风具有随机性, 其速度和方向随时间不断变化, 能量和功率随之也发生变化。这种变化可能是短期内的波动, 也可能是昼夜变化。风力发电机组的原动力是自然风, 由于风的随机性, 风力发电机组时刻遭受较大程度的扰动 目前工程上广泛使用的是对4个分量风速模型进行组合得到的组合风速模型, 该风速模型能够较精确地反映风速的实际突变性、渐变性及随机性等特点。在该种组合风速模型的基础上, 本文利用Matlab/Simulink结合风速概率分布建立了改进的组合风速模型, 实现风速模拟。改进的组合风速模型不仅保留了常用组合风速模型的优点, 并且对各种不同风速信号进行了合理的配置, 仿真出来的风速更接近实际自然风, 并涵盖从切入风速到切出风速范围内所有风速类型, 对风力发电机系统运行性能分析及研究具有一定的参考价值。 1 对利分布的几种分布 通常采用各种统计模型来拟合风速分布, 如瑞利 (Rayleigh) 分布、 β 分布、威布尔 (Weibull) 分布等, 但是应用最多的还是两参数威布尔分布和瑞利分布 1.1 概率密度函数 威布尔 (Welbull) 分布是皮尔逊 (Pierson) 分布第三类的一个特例。 威布尔分布的概率密度函数f (υ) 的公式为 式中:υ 为风速;k为威布尔形状因子;c为比例因子。 当0k1 时, 威布尔风速概率密度分布为 υ的减函数;当k=1 时, 威布尔风速概率密度分布呈指数型分布;当k=3 时, 威布尔风速概率密度分布接近正态分布;当k=2 时, 威布尔风速概率密度分布函数为瑞利分布 1.2 风速场的瑞利分布 瑞利分布是一种常用于拟合年风速分布的概率分布。 风速的瑞利累计概率分布函数F (v) 可用下式表示 式中:υ 轮毂高度处的年平均风速为8 m/s的瑞利分布如图1 所示。 2 风速模型的定义 为了能够精确地描述风能的随机性和间歇性的特点, 风速模型通常包含以下4 种风 式 (3) 中, υ 式中: 式 (3) 中, υ 式中: 式 (3) 中, υ 式 (3) 中, υ 式中:υ 3 1b-simulk模拟结果 3.1 清风模拟的结果 仿真中V=7 m/s, G=1 m/s, t 3.2 渐进风模拟的结果 仿真中V=7 m/s, R=1 m/s, t 3.3 随机风模拟的结果 仿真中V=7 m/s, υ 3.4 模拟的混合风速模型 采用Simulink对4 种风速进行组合仿真, 组合风速的仿真模型和仿真结果见图5, 6。 3.5 风速仿真模型 由图1的瑞利分布曲线可以看出, 6~10 m/s的风速出现的概率是最大的, 25 m/s以上的风速出现的概率几乎为0, 可见各种风速出现的概率是不一样的。因此, 可以按照每种风速出现的概率来分配时间, 例如, 6 m/s风速出现的概率是0.062, 这样就可以给6 m/s的风速分配总时间的6.2%。依次类推, 1 m/s的风速分配到总时间的1%左右, 2 m/s的风速分配到总时间的1.5%左右。 进行风速仿真时, 要先得到不同的平均风速, 利用图5中的模型, 通过对阵风、渐变风、基本风的系数进行调整, 得到具有不同平均风速的风速。 首先在Matlab里生成符合瑞利分布的随机数 (图7) , 再将在Matlab里生成的随机数存到工作空间中。 在Simulink中进行风速仿真的时候, 利用Simulink中的From File模块导入随机数, 作为风速仿真模型的输入信号。 由于产生的随机数不一定是整数, 所以先对随机数进行一个取整运算。在模型中, 每种不同风速信号以1arb.unit为时间单元, 且每种风速信号都需要持续一段时间, 所以对取整得到的随机数进行延时, 延时时间在0~10arb.unit随机配置, 循环输出不同持续时间的各种风速信号。 对每种不同风速信号的输出时间进行统计, 当风速信号达到总时间中所分配到的分布比例时就不再输出, 依次循环随机数的取整、延时、判断等运算, 直至完成比较符合某个地区风速分布的风速信号。 改进的组合风速模型及其风速仿真波形如图8, 9 所示。 图9 所示主要为7, 8, 9, 10m/s的风速的仿真波形, 再对所得到的风速进行统计, 结果如图10 所示。 由图10可以看出, 仿真