基于malab的风速时间序列建模与仿真

基于malab的风速时间序列建模与仿真

风速具有随机性、间歇性和无法控制性。风速变化已成为风轮输出波动的主要因素之一，它不仅影响系统设备的使用寿命，而且影响运行性能的变化。这将导致应用能源系统模拟模型的重要组成部分。国内外研究人员对风速模型有过不少探索。文献1组合风速数学模型由于风能同时具有的平稳随机性、突变性、渐变性以及间歇性的特征,风速变化的时间模型原则上通常可以用以下四种成分来模拟:基本风V1.1基本风速模型基本风主要反映的是一段时间内的平均风速,决定了风电机组的额定功率,其波动周期最长,可以近似地认为基本风速不随时间发生变化,因此,在仿真计算中通常可以取常数。在MATLAB/Simulink仿真中可用常量模块进行建模。在Simulink中使用常量模块作为风速输入端,此处,常数取11m/s。1.2较大风速/大风速扰动下风特性分析阵风主要用于描述在风速变化的过程中,风速突然变化的特性。可用来研究系统在较大风速或大风速扰动下的动态特性。风的特点是速度提升快,持续时间相对较短,同时消失得也快。在Simulink中搭建阵风模型,可使用常数、加法器、增益及选择器等模块,将各参数取值分别设置为V1.3渐变风模型仿真模型渐变风用于模拟风速的渐变特性,即风速在一段时间内产生线性变化的特性。在Simulink中建立相应模型,进行渐变风模型的仿真,如图2所示,渐变风速的峰值为10m/s,开始时间为3s,结束升速时间为13s,保持时间为5s。也可使用Simulink中的斜坡函数(Ramp)或阶跃函数(Step)与RateLimiter组合粗略进行模拟1.4随机发生器模块随机风用于模拟风速的随机特性。随机风可以使用Simulink中的随机发生器模块(RandomNumber或UniformRandomNumber)模拟亦可使用s-function模块编辑后引入系统1.5风速变化的高频分量由上述四种基本分量进行叠加,组成的组合风速模型即为:其中V为组合风速。在Simulink中对组合风速模型依照表1所示参数进行设置参数,将四种风速系统分别通过加法器组合。图4为组合风速在Simulink中进行建模仿真产生的时间序列。风速曲线比较明显地表现出风速变化的高频分量与低频分量的差异,即大幅度风速波动出现的几率较小,经常波动的分量其幅度都不会很大,这与实际测量的风速序列符合较好可以通过改变组合风速模型基本风、阵风、渐变风和随机风等各部分的参数数值模拟得到风电场风速在不同时间段内的变化情况,该模型所建的风速过程实现了自然界中风速的平稳随机性、渐变性及突变性等特点。图5为对模拟所得的组合风速模型进行功率谱分析的结果。由图可见,在低频区组合风速功率谱密度较高,而在高频区其功率谱密度较低,由于在组合风速模型中存在阵风和噪声随机风,这便使得组合风在高频区也具有一定的功率谱密度分布。组合风速模型的突出优点是物理概念清晰,应用灵活,可以根据不同的需要对不同的风速分量进行组合,适合于研究风力发电机动态控制的在不同风况下有针对性地对风力发电系统进行测试。2基于序列的风速分析在较长的一定时间尺度上,风速的平均值可认为是近似不变的,风速序列是一系列缓慢变化的分量。威布尔分布就是这种风速平均值的一种反映。威布尔分布被普遍认为是一种形式简单且与实际风速分布能较好地拟合的概率模型,是目前风能计算中普遍采用的一种分布模型。2.1机风速模型算法由风速的分布密度函数可得其分布函数为:随机风速的具体算法如下设X为随机变量,概率分布为F(·)由于其为非减函数且值域为[0,1],其逆函数为F变量x=F求其反函数为:2.2威布尔分布模型使用MATLAB中的fromworkplace模块,使用rand函数生成[0,1]之间的随机数,代入上式中,使用MATLAB计算,便可产生一个连续的随机风速时间序列,生成随机风模型如图6所示。由仿真所得风速序列可以看出威布尔分布模型仅可在长时间范围内描述风速平均水平,不能反映自然界中实际的风速变化情况。对威布尔分布风速模型的功率谱密度进行分析,如图7。通过观察可以看出威布尔分布模型功率谱分析结果显示在此模型下生成的风速时间序列的频谱分布较广,且高频区域的风功率谱密度值未见明显减小,这与自然界的风速相差较大。可使用威布尔分布模拟较长时间内的风能资源,而如此大的时间跨度超过风力发电控制系统的动态响应时间常数,使得基于威布尔分布风速模型不足以用于风力发电系统的动态控制的仿真研究。3根据风速变化的特征由于风速是波动的,所以使用基于威布尔分布模型生成的长时间内平均值来建立模型误差较大。可将风速分为缓慢变化的平均值和快速变化的湍流分量。通过需要模拟风速的统计特性,得到采样周期、平均风速、湍流强度、风速序列标准差和湍流积分尺度,计算实际风速的功率谱,求解出相应的自回归滑动平均(ARMA)模型。3.1平稳随机序列的自回归滑动平均模型风速模型即为具有特定统计特性的平稳随机离散序列,设其为ν湍流强度:较高的湍流强度对应于较低的平均风速,数值一般在0.1~0.4之间。平稳随机序列的自回归滑动平均(ARMA)模型可以通过下述线性差分方程来描述其中,其中x(k)是输出信号;e(k)是随机信号的误差;α确定风速序列的平均风速、湍流强度、湍流尺度尺度以后,可以得到风速序列的功率谱密度,再算出风速序列的自相关函数。得到ARMA模型的n个自回归系数。得到ARMA模型的m个滑动平均系数,最后利用平均风速和湍流风速叠加可得风速序列:3.2arma序列典型风速图8为Simulink中仿真所生成的基于ARMA模型的风速序列,对应的参数为:平均风速14m/s,湍流强度0.16,湍流尺度为300,采样周期为0.5s。由图8可知,基于ARMA模型的风速时间序列与实测数据吻合度较高由于风电机组可视为低通滤波器,因此在高频区的能量较小,而由威布尔分布模型得到的风速在高频区存在较大的能量不甚合理,而ARMA模型在高频区的能量很小,但是也有分布,符合实际风速特性。由于组合风速模型只能简单地描述风速变化情况4arma风速模型仿真分析表明,组合风速模型不仅可以避免风速模型计算的复杂性,还可以有针对性地对风力发电系统进行测试,为实验室风力发电系统的模拟研究提供重要支撑;威布尔分布风速模型适合分析中长时间的风能资源,基于威布尔分布假设的风速模型不足以用于风力发电系统的动态