摘要
随着可再生能源在电力系统中的渗透率不断增加，推动了更现实的风电场能量生产建模方法的发展。本文提出了一种综合性的风电场模型，该模型通过采用Jensen尾流模型（Jensen wake model）及尾流叠加方案（wake superposition s
广告
X
摘要 随着可再生能源在电力系统中的渗透率不断增加，推动了更现实的风电场能量生产建模方法的发展。本文提出了一种综合性的风电场模型，该模型通过采用Jensen尾流模型（Jensen wake model）及尾流叠加方案（wake superposition scheme）显式考虑风机间相互作用，评估多风机的能量损失。引入坐标旋转模型（coordinate rotation model）以模拟风向变化，实现更真实的风速与风向场景仿真。此外，通过基于机组故障概率的风险函数（risk function）集成了风机不可用性损失。模型还包括概率性电气损失（electrical losses）、环境损失（environmental losses）、风机性能损失（turbine performance losses）及弃风损失（curtailment losses）的估算，采用拟合实测数据的概率分布（probability distributions）。该多维方法提供了更全面的年发电量（annual energy production, AEP）估计，为提升风能项目技术可行性评估及优化设计和运行提供了实际价值。
论文解读
随着全球能源转型的推进和气候变化减缓的紧迫性，风能被视为清洁能源的重要支柱。然而，风电场的经济性和可行性高度依赖于年发电量（AEP）和平准化电力成本（levelized cost of energy, LCOE）的准确评估。传统方法主要采用确定性计算，但风速波动及风电场运行的技术经济复杂性要求更精确的建模方法。现有研究显示，空气密度、尾流效应以及机组不可用性等因素均显著影响风电场输出，忽略这些因素可能导致对AEP的高估和预测模型的不准确。因此，开展综合性的概率性损失建模研究具有重要意义。
本研究提出一种稳健的风电场仿真框架，通过整合尾流效应、风机不可用性以及其他系统性损失，实现对年发电量的更现实估计。研究人员采用Jensen尾流模型结合尾流叠加方案与坐标旋转模型来处理多方向风流下的尾流交互；机组不可用性通过基于Weibull分布的风险函数（failure probability risk function）建模；电气、风机性能、环境及弃风损失则采用拟合实测数据的概率分布量化。这种方法实现了不确定性在AEP中的一致传播，生成更真实的随机操作剖面，为设计、规划及运营评估提供坚实基础。论文发表在《Energy Conversion and Management-X》。
在技术方法上，本研究主要使用三个方面：①尾流效应建模：Jensen模型、尾流叠加（Linear sum、Energy balance、Sum of squares）及坐标旋转方法处理多方向风流；②机组不可用性建模：采用Weibull分布描述故障概率及指数近似处理维修率（mean time to repair, MTTR）；③其他损失建模：基于实测数据拟合概率密度函数（PDF），包括Johnson SB、指数分布（Exponential）、Weibull分布。样本队列来源包括Bii Nee Stipa II Phase III风电场及San Carlos风电场，结合高分辨率和长期风资源数据进行仿真验证。
研究结果主要分为以下几个部分：
**尾流损失分析（Analysis of wake loss）** 通过高分辨率数据（5 min）及不同时间分辨率下的仿真，发现尾流损失在5–30分钟分辨率下结果稳定，而1小时分辨率下尾流损失被高估。尾流损失随风向变化明显，LS模型产生最高损失，SS模型较保守，EB模型结果居中，且与实测匹配最佳，适用于长期尾流损失估计。
**机组不可用性损失分析（Analysis of unavailability losses）** 基于长期小时数据进行20年模拟，量化机组故障及维修对风电场AEP的累积影响。尾流损失平均约为3.97%，不可用性损失呈随时间轻微上升趋势，反映出系统老化及随机故障累积效应。
**其他损失及总损失分析（Electrical, environmental, turbine performance, and curtailment losses）** 电气、风机性能、环境及弃风损失平均约8.79%，总损失在14.20%–16.01%之间，显示概率性建模能够体现多损失类别对净发电量的综合影响。
**讨论与研究局限（Limitations and future directions）** 本框架提供多损失与不确定性联合表征能力，但对预测性能的全面验证仍需长期实测数据。尾流模型简化了尾流恢复及复杂湍流交互，未来可引入高保真尾流模型进一步提升精度。操作与系统性损失分类依赖既定类别，确保方法一致性，但未来可扩展至HVAC、HVDC及变压器等关键组件的联合概率性分析。
