风力涡轮机系统与压缩空气储能联合运行的建模与实验研究（Matlab代码实现）

创新优化代码学习

于 2025-08-01 07:23:09 发布

阅读量560

点赞数 12

CC 4.0 BY-SA版权

文章标签： matlab 数学建模开发语言支持向量机

本文链接：https://blog.csdn.net/m0_58086403/article/details/149822101

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

⛳️赠与读者

💥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 参考文献

🌈5 Matlab代码、数据、文章下载

⛳️赠与读者

👨‍💻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。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，但若能解答你胸中升起的一朵朵疑云，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“躺平”上的尘埃吧。

或许，雨过云收，神驰的天地更清朗.......🔎🔎🔎

💥1 概述

风力涡轮机系统与压缩空气储能联合运行的建模与实验研究

摘要—本文介绍了一种新型混合风力涡轮机系统，该系统由涡轮机传动轴与空气膨胀/压缩机连接的无级变速器组成。设计了一种机械功率分割装置，用来合成风力涡轮机和空气膨胀/压缩机传递的电力。利用实验室规模的实验测试装置对小型混合风力涡轮机系统进行了数学建模、分析和验证。通过利用压缩空气能量存储，证明了混合风力涡轮机系统可以在风速波动条件下提供平稳的电力输出。这种直接连接结构通过使用一个发电机而不是传统CAES系统结构中的两个发电机，降低了整个系统成本。该研究展示了通过风能与储能混合化带来的改进效率和灵活性对涡轮机运行的好处。
关键词—能量转换，能量存储，建模，风力发电。

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 $V_{w}$ 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：

$T_{W}=\frac{\rho_{a i r} \pi R_{r}^{2} C_{P(\beta, \lambda)} V_{w}^{3}}{2 \omega_{r}}$

其中 $R_{r}$ 是涡轮的半径， $C_{p}(\beta, \lambda)$ 是功率系数 [6]，β 是桨距角.

$\lambda=\frac{R_{r} \omega_{r}}{V_{W}}$

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

部分代码：

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')