本文介绍的是如何理解规模风电并网的问题

Optimal Micro-siting of Wind Farms by Particle Swarm Optimization

阵风风速模型，希望有人能用到，可以用作matlab风电场建模，双馈电机等方面

在风电场飞轮储能系统中，永磁同步电机已成为飞轮储能系统中电机的主要形式之一.

48MW风电场Simulink仿真，共24台风机，含10Mvar无功补偿装置，可实现定电压定无功控制。

风电场的39节点系统，PSASP系统搭建的.

原始风速信号具有的间歇波动性特征给风电场的功率预测带来了挑战，采用集合经验模态分解(EEMD)法将原始风速信号分解为频域稳定的子序列，有效地提高了预测精度，避免了传统经验模态分解(EMD)存在的模态混叠现象。提出一种改进型果蝇优化算法(FOA)，将风速子序列重构参数和最小二乘支持向量机(LS-SVM)参数作为优化目标建立风速预测模型，扩大了参数搜索范围，提高了优化收敛速度；通过风速风功率转化关系可以求得风电场的功率值。实验结果验证了所提方法相比于EMD和LS-SVM预测方法具有更高的预测精度。

绕射损耗模型

为了研究风力涡轮机在1至10 Hz频率间隔内对地震信号的影响，我们记录了连续不断的地震噪声，并在两个具有不同地质工况的风电场附近进行了研究。 在风电场Fraureuth-Beiersdorf（5台涡轮机，距萨克森州Zwickau以南11公里处），我们使用了小型地震网络，并设有3至5个站，为期1-2周。 在海因德（2个涡轮机，靠近下萨克森州希尔德斯海姆），我们记录了1周的时间，其中一个站距风力涡轮机约1公里，而另一些站仅持续了几个小时。 通过数据的频谱图分析，我们可以清楚地识别出频谱振幅的日变化，而与涡轮产生的噪声无关。 涡轮噪声出现在2.2、2.7、3.3、4.5、5.2和6.6 Hz附近的某些频带上。 这些频带的频谱幅度与涡轮的风速或旋转速度之间的线性关系被清楚地识别。 由风力涡轮机的运转产生的地震信号不是在单个频率上的峰值，而是看起来更像具有增加的噪声幅度的频带。 对于Fraureuth-Beiersdorf，可以识别出至少10 km。 这些波段取决于许多参数，即风力发电机的高度，重量和结构，风力发电机的数量，地质状况等。在两个风力发电场中，我们还沿剖面记录了距风力发电机越来越远的

提出了基于相关性分析的风电场群风速分布预测方法，首先以空间降尺度的思路，给出了基于修正经验变异函数的风电场群相关性区域划分方法，将风电场群划分为若干个相关性区域；以此为基础，利用空间升尺度的思路，运用经验累积分布函数，考虑相关性区域内参考风电场与目标风电场的相关性，以参考风电场风速来求取目标风电场风速，从而得知相关性区域内的风速分布，结合各个相关性区域的风速描述，最终得到整个风电场群内的风速分布。以实际风电场监测数据为基础的仿真算例验证了所提方法的可行性和有效性。