Page 148 - 新能源风力发电技术与自动化技术研究
P. 148
新能源风力发电技术与自动化技术研究
Research on New Energy Wind Power Generation Technology and Automation Technology
风力发电机的运行状态。其中，数据的机器学习是新时代智能技术发展的一个重
要方向，该学习方法涉及神经网络、模式识别与支持向量机等。
随着时代的变迁，传统的风力发电控制技术已无法适应现代社会经济发展的
需求，风力发电控制技术需要积极向着更加科学化、智能化的方向发展。自然可
再生清洁能源的开发与利用是全世界广泛关注的问题，社会经济的发展离不开能
源的支持，因此风力发电机及其控制技术受到普遍关注。为了更加科学高效地控
制风力发电机，充分利用风能，确保发电机的安全、稳定运转，除了要充分掌握
H ∞鲁棒控制技术、滑模变结构控制技术、最优控制技术、模糊控制技术、人工
神经网络控制技术，还要紧跟时代发展的步伐，深入研究海上风电场技术、最大
风能捕获技术，以及大容量的风电系统等，从而不断提高风力发电机的运行效率，
推动我国风力发电行业不断向前发展。
第二节 风电电力系统调度方法
一、风电系统调度调节机制
随着全球能源危机和环境污染问题日益严重，风能作为一种清洁、可再生的
能源得到了广泛关注。风电系统在电力系统中的比重逐渐增加，但其间歇性、波
动性和季节性等特点给电力系统调度带来了挑战。为适应风电并网发电的需求，
研究并建立合理的风电系统调度调节机制具有重要意义。
（一）风电系统调度调节机制的基本原理
风电系统调度调节机制主要依据电力系统的实时运行状况、风电场的预测发
电量和储能设备的荷电状态（State of Charge，SOC）进行调度。调度过程中需
要充分考虑风电场的发电特性、储能设备的性能以及电力系统的稳定性，实现风
电发电的平滑输出，降低对电力系统的影响。
（二）风电系统调度调节机制的主要环节
风电场发电预测：根据历史数据和气象条件，对风电场的发电量进行预测。
预测结果可以为调度决策提供依据，以便合理分配风电场的发电任务。
储能设备调度：根据风电场发电预测和储能设备的 SOC，制定储能设备的
充放电策略。在保证储能设备安全运行的前提下，实现对风电发电的平滑调节。
136
