风电场尾流快速计算及场内优化调度研究
摘要 | 第5-7页 |
Abstract | 第7-8页 |
第1章 绪论 | 第15-29页 |
1.1 课题背景及研究的目的和意义 | 第15-18页 |
1.1.1 课题背景 | 第15-17页 |
1.1.2 目的和意义 | 第17-18页 |
1.2 国内外研究现状 | 第18-25页 |
1.2.1 近尾流区特性研究 | 第18-19页 |
1.2.2 远尾流区特性研究 | 第19-21页 |
1.2.3 风电场尾流特性研究 | 第21-23页 |
1.2.4 考虑尾流效应的风电场优化调度研究 | 第23-25页 |
1.3 存在的问题 | 第25-26页 |
1.4 论文研究内容和技术路线 | 第26-29页 |
1.4.1 研究内容 | 第26-27页 |
1.4.2 论文构架 | 第27-29页 |
第2章 风电场尾流分布快速计算方法 | 第29-48页 |
2.1 引言 | 第29页 |
2.2 风电机组尾流计算方法 | 第29-38页 |
2.2.1 数值模拟方法 | 第29-33页 |
2.2.2 尾流经验计算模型 | 第33-38页 |
2.3 尾流叠加区域风速分布计算方法 | 第38-41页 |
2.3.1 尾流叠加模型 | 第38页 |
2.3.2 尾流叠加区域面积计算方法 | 第38-41页 |
2.4 风电场尾流分布快速计算方法 | 第41-43页 |
2.4.1 确定风电机组的迎风顺序 | 第41-42页 |
2.4.2 风电场尾流分布快速计算方法 | 第42-43页 |
2.4.3 坐标变换 | 第43页 |
2.5 算例分析 | 第43-46页 |
2.6 本章小结 | 第46-48页 |
第3章 风电机组工况参数与尾流分布关系 | 第48-74页 |
3.1 引言 | 第48页 |
3.2 变速风电机组运行原理 | 第48-53页 |
3.2.1 风电机组空气动力学 | 第49-50页 |
3.2.2 双馈风电机组传动链 | 第50-51页 |
3.2.3 馈发电机控制原理 | 第51-53页 |
3.3 风电机组短时风速模型 | 第53-61页 |
3.3.1 自然风速模型 | 第54-56页 |
3.3.2 风轮旋转效应 | 第56-59页 |
3.3.3 塔影效应 | 第59页 |
3.3.4 短时风速计算分析 | 第59-61页 |
3.4 变速风电机组最大功率跟踪 | 第61-68页 |
3.4.1 基于爬山法的最大功率跟踪 | 第62-64页 |
3.4.2 基于极值搜索控制的最大功率跟踪 | 第64-65页 |
3.4.3 爬山法与极值搜索控制的对比分析 | 第65-68页 |
3.5 风电机组运行状态与尾流分布关系 | 第68-72页 |
3.5.1 尾流与推力系数的关系 | 第68-69页 |
3.5.2 推力系数、诱导因子及输出功率关系 | 第69-72页 |
3.6 本章小结 | 第72-74页 |
第4章 基于遗传和粒子群算法的风电场优化调度 | 第74-89页 |
4.1 引言 | 第74页 |
4.2 基于遗传算法的风电场优化调度 | 第74-79页 |
4.2.1 遗传算法在风电场优化调度中的应用 | 第74-76页 |
4.2.2 算例分析 | 第76-79页 |
4.3 基于粒子群算法的风电场优化调度 | 第79-87页 |
4.3.1 粒子群算法在风电场优化调度中的应用 | 第79-81页 |
4.3.2 算例分析 | 第81-87页 |
4.4 本章小结 | 第87-89页 |
第5章 基于多智能体的风电场优化调度 | 第89-105页 |
5.1 引言 | 第89页 |
5.2 多智能体系统 | 第89-94页 |
5.2.1 智能体的概念 | 第89-91页 |
5.2.2 多智能体的研究内容 | 第91-92页 |
5.2.3 风电机组的智能性 | 第92-94页 |
5.3 用于风电场优化调度的多智能体算法 | 第94-98页 |
5.3.1 用于风电场优化调度的智能体定义 | 第94-96页 |
5.3.2 智能体算子设计 | 第96-98页 |
5.4 算例分析 | 第98-103页 |
5.5 本章小结 | 第103-105页 |
第6章 结论与展望 | 第105-108页 |
6.1 结论 | 第105-106页 |
6.2 创新点 | 第106-107页 |
6.3 研究展望 | 第107-108页 |
参考文献 | 第108-120页 |
攻读博士学位期间发表的论文及其它成果 | 第120-121页 |
攻读博士学位期间参加的科研工作 | 第121-122页 |
致谢 | 第122-123页 |
作者简介 | 第123页 |