Key points are not available for this paper at this time.
准确量化风力发电机的尾流是大型风电场经济学的一个关键方面。本文介绍了一种新的仿真后处理方法，以解决霍恩斯雷夫海上风电场测量中存在的风向不确定性。该新技术用多个覆盖广泛方向的仿真的加权平均来替代用10分钟平均风向进行的传统仿真。权重基于正态分布，以考虑参考风机的偏航错位、风电场内部风向的空间变异性以及平均周期内风向的变异性带来的不确定性。结果表明，当仿真和数据在狭窄风向扇区内进行平均时，该技术能修正模型的预测。此外，在单一尾流情况下功率亏损形状的一致性得到了改善。该方法的稳健性通过使用詹森模型、拉尔森模型和Fuga三种不同的工程尾流模型进行了验证。结果表明，传统数值仿真和狭窄风向扇区内的功率生产数据之间的差异，并不是由于当前尾流模型的固有不准确性，而是由于数据集中包含的大风向不确定性。该技术有潜力改善风电场控制算法和布局优化，因为这两种应用都需要对狭窄风向扇区进行准确的尾流预测。© 2013 The Authors. Wind Energy published by John Wiley & Sons, Ltd.
Gaumond等人（Mon，）研究了这个问题。