新型海上风电机组及压缩空气储能系统的建模与控制（Matlab代码实现）

欢迎来到本博客️️️

作者研究：本科计算机专业，研究生电气学硕。主要研究方向是电力系统和智能算法、机器学习和深度学习。目前熟悉python网页爬虫、机器学习、群智能算法、深度学习的相关内容。希望将计算机和电网有效结合！️️️

                          

                                    欢迎您的到来

                      个人主页：电力系统科研室

                    专栏目录：电力系统与算法之美

                           

【现在公众号名字改为：荔枝科研社】

博主课外兴趣：中西方哲学，送予读者：

做科研，涉及到一个深在的思想系统，需要科研者逻辑缜密，踏实认真，但是不能只是努力，很多时候借力比努力更重要，然后还要有仰望星空的创新点和启发点。当哲学课上老师问你什么是科学，什么是电的时候，不要觉得这些问题搞笑，哲学就是追究终极问题，寻找那些不言自明只有小孩子会问的但是你却回答不出来的问题。在我这个专栏记录我有空时的一些哲学思考和科研笔记：科研和哲思。建议读者按目录次序逐一浏览，免得骤然跌入幽暗的迷宫找不到来时的路，它不足为你揭示全部问题的答案，但若能让人胸中升起一朵朵疑云，也未尝不会酿成晚霞斑斓的别一番景致，万一它居然给你带来了一场精神世界的苦雨，那就借机洗刷一下原来存放在那儿的“真理”上的尘埃吧。

     或许，雨过云收，神驰的天地更清朗.......

本文目录如下：️️️

​

目录

1 概述

2 数学模型

3 运行结果

3.1 可视化额定功率指标与风速和风机半径

 3.2 风速

 3.3 从 Weibull 产生12 个月风速

 3.4 从 Weibull 生成 30 天风速

4 文章讲解及Matlab代码 

5 写在最后

1 概述

    风能和太阳能等可再生能源是清洁的，只要风吹或阳光照耀，就可以使用。这些能源的两个主要缺点是它们的间歇性，以及它们的可用性通常与电力需求不符。例如，当电力需求较低时，风能往往在夜间更加丰富。风速和太阳能强度的变化使得将风能和太阳能整合到电网中成为一项挑战。储能系统可以通过存储多余的能量并在需求大于供应时释放它来提供稳定和可预测的电力。

    在本文中，我们考虑了风力涡轮机的储能概念，特别是那些离岸的风力涡轮机。目前海上风力涡轮机的容量系数通常小于50%。因此，发电机，收集和传输系统未得到充分利用。收集和传输是海上风力涡轮机工厂平衡成本的主要部分。通过在发电之前存储能量，可以缩小电气元件的尺寸以满足需求而不是供应。

[1]中提出了一种新的风力涡轮机压缩空气储能（CAES）概念（图1）。将能量储存在高压（~200-350 bar）压缩空气中是有吸引力的，因为1）它具有相对较高的能量密度（~ 5MW * 8hr能量可以存储在500m中3船舶在35MPa）与抽水蓄能（约144，000米）相比3在100米处）;2）具有可扩展性（能量容量随存储容器体积线性缩放）;3）与电池相比性价比高，使用寿命长;4）它不依赖于传统CAES或泵送水力所需的特定地质地点。

      在传统的CAES系统中，多余的电力用于驱动空气压缩机，将空气压缩到地下盐洞中;然后通过预压缩和提高燃气轮机中天然气燃烧的效率来回收能量。这样的系统效率相对较低（<50%），需要使用碳氢化合物燃料，并且依赖于地质地点。

             

                                                 图1

                                                       

2 数学模型

风力涡轮机从其转子叶片的扫掠区域中提取风的动能。给定风速和风力涡轮机轴上的转子速度 ωr 的空气动力扭矩由下式给出：

                                        

其中是涡轮的半径，是功率系数 [6]，β 是桨距角.

                                           

详细数学模型见第4部分。

3 运行结果

3.1 可视化额定功率指标与风速和风机半径

 3.2 风速

3.3 从 Weibull 产生12 个月风速

 3.4 从 Weibull 生成 30 天风速

 

4 文章讲解及Matlab代码 

本文仅展现部分代码，全部代码见：https://mianbaoduo.com/o/bread/Yp2VmZhq

figure (1)  
plot(R, Pwr_rtd)
title ('半径与额定功率( 额定风速 = 12 [ m ] )')
xlabel('半径 [m]','FontSize',15,'FontWeight','bold')
ylabel('额定功率 [kw]','FontSize',15,'FontWeight','bold')

for i = 1:5
    R = 25 + i;
    rated_wind = 0:15;
    Pwr_rtd = AA*Cpmax*R.^2.*(rated_wind).^3/1e3;   %额定功率
  
    figure(2)  
    plot(rated_wind, Pwr_rtd)  
    legendInfo{i} = ['R = ' num2str(R)];  
    hold all
end

title ('额定功率半径指数')
xlabel('额定风速 [m]','FontSize',15,'FontWeight','bold')
ylabel('额定功率 [kw]','FontSize',15,'FontWeight','bold')
legend(legendInfo)

Pwr_rtd = 600;
rated_wind = 3.5:0.1:24; 
R = sqrt(Pwr_rtd*1e3./(AA*Cpmax*(rated_wind).^3));
 
figure(3)
plot(rated_wind, R)
title ('额定风速与涡轮半径(额定功率= 600 [ Kw ])')
xlabel('额定风速[m/s]','FontSize',15,'FontWeight','bold')
ylabel('涡轮半径 [m]','FontSize',15,'FontWeight','bold')

5 写在最后

部分理论引用网络文献，若有侵权请联系博主删除。