在本次提交中，三个 Simulink 模型展示了当风力涡轮机连接到电网时我们如何管理无功功率

大数据-算法-风电场出力组合预测算法的研究.pdf

大数据-算法-风电场风速数值预报的修订方法探讨.pdf

大数据-算法-风电场功率超短期预测算法优化研究.pdf

大数据-算法-风电场输出功率组合算法的研究.pdf

大数据-算法-风电场数据压缩与处理的研究与实现.pdf

基于超级电容储能的风电场功率调节系统建模与控制

感谢 selman sekai。 该文件由提交文件 id#44746 修改而来。测试系统由 20 台 MVA III 型变速风力发电机、10 台 MVA I 型定速风力发电机和连接到 25 kV 中压采集总线的 ±3 MVAr STATCOM 组成。 该测试系统用于 230 kV 电网的无功功率管理。 在主控制器中编写了一个名为“React式管理”的算法。 在该算法中，无功功率参考是使用互连点的电压和净无功功率计算的，它们的值与每个单独的正交轴电流分量成正比。 通过在 t=5 秒时创建电压事件并通过在 t=11 秒时将定速风力涡轮机的风速从 8 m/sec 更改为 10 m/sec 来对电压骤降进行编程。 用于绘制图形的图形和 matlab 代码包含在提交中

为了体现风电的环境价值，建立电力市场环境下大规模异步风电并网电力系统动态最优潮流模型。首先计算风电场功率输出期望值，在此基础上，引入基于风电场极限穿透功率的风电弃风运行惩罚成本(WAOPC)以处理弃风行为；然后考虑火电机组的排污特性，并用名义环境补偿成本(NECC)来量化火电环境成本；最后引入风电备用成本(RCCC)来处理随着系统风电穿透水平增加而引起的系统二次备用上升。仿真表明，所建立的模型既考虑了电能生产所产生的环境污染和资源消耗等外部成本，同时也计及了因弃风行为造成的风电损失，合理地反映了以风电能源形式的电能价值。

风能是一种清洁能源，有望带来巨大的社会和环境效益，在中华民国，政府支持和鼓励将风能发展作为向可再生能源转变的一个要素。 然而，近年来，在海上风力发电建设以及伴随着海上风力发电场的快速推广和发展的相关生产过程中出现了海上安全问题。 因此，有必要对海上风电场生命周期的各个阶段进行风险评估。 本文报告了基于动态贝叶斯网络的风险评估模型，该模型执行海上风电场海上风险评估。 这种方法的优点是贝叶斯模型表达不确定性的方式。 此外，此类模型允许在虚拟环境中模拟和重新制定事故。 这项研究有几个目标。 探索了海上风电项目风险识别和评估理论与方法，以识别海上风电场生命周期不同阶段的风险来源。 在此基础上，建立了带有Genie的动态贝叶斯网络模型，并对其在海上风电场生命周期不同阶段进行风险分析的有效性进行了评估。 研究结果表明，动态贝叶斯网络方法可以有效，灵活地进行风险评估，以响应海上风电建设的实际情况。 历史数据和几乎实时信息相结合，以分析海上风电建设的风险。 我们的结果有助于讨论有关安全和降低风险的措施，这些措施一旦实施便可以提高安全性。 这项工作对于海上风电的安全发展具有参考价值和指导意义。