由于日趨嚴重的環境問題以及風能利用的成本低廉和技術成熟等原因，風力發電成為電力系統中相對增長最快的新能源發電技術，發展風電成為改善電力系統經濟運行極為重要的措施。近幾年，風力發電機組單機容量和風電場建設規模都日益擴大，但風力的隨機性和間歇性會對電力系統穩定運行產生一定的影響。因此對于含有風電場的電力系統，需要建立正確的風電場數學模型和進行風電場的短期風速預測。 首先，運用時間序列和神經網絡相結合的預測方法，對風電場的風速序列進行短期預測。該方法用時間序列模型來選擇神經網絡的輸入變量，而神經網絡分別運用了BP和GRNN神經網絡進行比較，發現使用時間序列結合GRNN網絡預測效果比較令人滿意，其對風電場和電力系統的穩定性運行具有重要的意義。 其次，建立了風速、風電機組和風電場的數學模型。風電機組的數學模型主要包括風力機模型、傳動機構模型和異步發電機模型，仿真分析了風電機組對于風速的響應。在風電場模型研究中，考慮了尾流效應因素，風電場中各臺風機位置處的風速并不相同，因此研究了風能分布的Jensen模型和Lissaman模型，并進行了案例計算分析，結果表明了風能分布模型在大規模風電場模型分析中的重要性。本文還提出了風電場等值模型的建立，降低了仿真研究的復雜性，使得分析大規模風電場并網運行成為可能。 最后，實現了包含風電場的電力系統潮流計算，采用牛頓—拉夫遜法極坐標形式的方法，為研究風電場穩定性運行提供了前提條件。同時提出了基于電力系統暫態穩定性分析的風電場穿透功率極限計算方法，并揭示了頻率波動對風電場穩定運行的影響。

點擊標簽查看更多相關資源：