风力发电被公认为是一种最理想的可再生能源 发电方式之一，大规模发展风电，不仅是能源开发 的需要，也是环境保护的需要。但由于风电出力具 有随机性、间歇性和波动性等特点，大规模风电并 网将对 电 网 电 压、 稳定性和调度产生深 远的影 响。因此迫切需要对大规模风电并网情况下电力 系统的可靠性和安全性进行评估。

针对含双馈感应式风机(DFIG)风电场电-气耦合多能流系统的最大负荷裕度及其耦合影响问题，考虑天然气管网的动态特性，建立考虑DFIG稳态模型和能源路由器(EH)的含参连续混合潮流模型；采用随机响应面法(SRSM)拟合DFIG出力，结合预估-校正及电-气系统耦合交替迭代获取电力系统负荷节点的有功功率-电压曲线、天然气系统流量-气压曲线及其负荷裕度期望值；定义电压-负荷、气压-流量灵敏度，可分别跟随电力系统负荷节点有功功率-电压曲线、天然系统气流量-气压曲线的获取，定义电-气耦合环节中天然气系统节点压强-EH节点注入电功率和电力系统节点电压-EH节点天然气注入流量灵敏度，从而定量评估电-气耦合下电力系统、天然气系统和电-气耦合环节的薄弱节点及EH耦合程度。含DFIG风电场的IEEE 14节点电力系统和22节点天然气系统通过11个EH耦合而成的电-气系统的算例仿真结果验证了所提模型、算法和所定义负荷裕度灵敏度指标的正确性和有效性。

用于风电场补偿的STATCOM自调整模糊控制研究，夏宁，刘瑞叶，风电场中风速波动较大及电网发生故障的情况下，采用并联无功补偿设备来提供风电机组所需的无功，对维持机组正常运行非常重要。本

考虑多风电场出力之间的尾部相关性，借助Gumbel-Copula函数构建多风电场出力的联合概率分布，提出含多风电场的电力系统随机优化调度模型。通过抽样平均近似（SAA）法处理机会约束条件，将随机优化问题转换为可计算的确定性非线性规划问题，并采用粒子群优化（PSO）算法进行求解。通过算例分析联合概率分布、机会约束置信水平和抽样次数对优化调度结果的影响，结果验证了基于Gumbel-Copula联合概率分布的随机优化调度的合理性。

matlab python 风功率预测 机器学习 深度学习

双馈风机并网模型

在此示例中，我们将解决如何最小化铺设水下电缆以收集海上风电场产生的电力的成本的问题。 我们将构建此问题的混合整数编程（MIP）模型，在Gurobi Python界面中实现此模型，并计算最佳解决方案。 该建模示例处于初级阶段，在此我们假定您了解Python，并且具有一些有关构建数学优化模型的知识。

2012年,全年的风电场风速数据（每5min一测）共105121个风速数据及出力数据[m/s]，表头Year Month Day Hour Minute power (MW) wind speed at 100m (m/s)

美国某风电场风速数据及风电功率数据，2012年，数据较多可供研究人员使用，内含数据所在地的经纬度。数据为每5分钟间隔。

实用的风力发电机模型及风电场详细仿真模型