对于大型风电场,场内机组间的尾流效应可能引起的风电场发电功率损失高达10～40%,建立准确高效的风电场尾流场模拟方法,对于提高风电场优化设计与优化控制的准确性至关重要。当今主流的风电场尾流模拟方法主要有工程尾流模型模拟和计算流体力学(CFD)方法模拟两大类,前者计算速度较快但精度较低,后者计算精度较高但需耗费大量计算资源。综合考虑两类方法的模拟特点,探索了一种结合二者计算优势的风电场尾流场与功率模拟方法,即多精度模拟方法,在保证尾流场模拟精度的前提下,兼顾了模型计算效率。围绕风电场尾流场及功率多精度模拟,主要完成了以下研究工作:(1)提出了一种计及风向不确定性的风电场尾流场快速计算方法针对目前常用的风电场发电功率计算均基于工程尾流模型实现,且未考虑风向的不确定性带来的误差,提出了考虑风电场1Omin来流风向分布特征的高斯平均修正方法。利用风向滑动窗口内计算功率的加权平均值代替1Omin平均风向的功率计算值,研究了考虑风向不确定性影响的尾流作用下的风电场输出功率及发电量计算。以欧洲的Lillgrund海上风电场为例,采用Jensen、Gaussian以及Larsen尾流模型分别建模,利用高斯平均方法修正尾流模型计算结果以考虑风向不确定性的影响。与实测数据的对比表明:高斯平均方法极大地提高了工程尾流模型用于风电场发电功率计算的准确性,并进一步提高了发电量计算的收敛速度。(2)建立了基于高斯过程的风电场高精度尾流功率代理方法针对全风况下基于CFD方法的风电场输出功率计算耗时巨大,难以工程化应用的问题,提出了考虑风电场发电功率随输入风况变化特征的基于高斯过程的全风况下风电场尾流功率代理方法。采用基于考虑风电场局地切变的k-ε-fp湍流模型的CFD模拟方案,计算离散来流风况下的风电场尾流场与输出功率,结合不同变量特征确定采样方法与核函数方案,建立以来流风速、风向为变量的计及尾流效应的风电场输出功率代理模型。以欧洲的Lillgrund海上风电场为例,基于代理模型的功率预测均值及不确定性分析,验证了高斯过程方法在全风况下的风电场输出功率模拟中的有效性。(3)提出了将工程尾流模型与CFD模型相融合的风电场尾流场与功率的多精度模拟方法针对风电场流场计算CFD方法的准确性和耗时性,以及工程尾流模型计算的高效性和低准确性。分别以半经验的Larsen模型和基于k-ε-fp湍流模型的RANS模型作为低精度和高精度模型组分,结合二者计算结果的相似性以及不同模型的计算优势,建立基于协同克里格(Co-Kriging)算法的风电场尾流场与功率的多精度模拟方法。以欧洲的Lillgrund海上风电场为例,分析不同代理模型的计算精度及所耗时间,结果表明,构建相同精度的风电场尾流功率代理模型,多精度模拟方法具有显著优于单精度代理模型的计算效率,验证了多精度代理模型用于风电场尾流场与功率模拟的优越性。(4)建立了基于CFD流场预计算的复杂地形风电场功率预测模型为实现风电场流场特性数据库的高效、准确利用,提出了基于CFD流场预计算数据库的复杂地形风电场功率预测方法。通过建立流场特性数据库的方式,将耗时的全风况下的风电场流场计算放在功率预测过程之前进行,从而将功率预测过程转换为以NWP数据为输入的查表插值过程,在保证预测精度的基础上提高了预测的实效性。该方法建模过程清晰,便于模型优化及预测精度改善。(5)提出了基于数值天气预报(NWP)风速修正和基于风电场内机组分组的风电场短期功率预测CFD方法首先,针对传统NWP风速预测准确性低的特点,基于多元线性回归、径向基函数神经网络、Elman神经网络三种算法分别建立中尺度NWP风速修正模型,提出基于输入NWP风速数据修正的风电场功率预测CFD方法。算例研究表明:建立的三种模式输出统计(MOS)修正模型,均能大幅改善中尺度NWP风速数据的准确性,同时显著提高了以之为输入的风电场短期功率预测的准确性。其次,针对单个测风塔点位用于整场建模代表性差的特点,基于K均值聚类、层次凝聚聚类、谱聚类三种算法分别建立风电场内机组分组模型,并建立以轮廓系数、Calinski-Harabaz指数及Within-Between指数为指标的风电机组分组合理性判断准则;通过分组方案比选,建立分组流场特性数据库,进而提出基于分组流场数据库的风电场功率预测CFD方法。算例研究表明:基于最优分组方案的分组功率预测方法,在时间和空间尺度上大幅提高了单个组分数据库的预测准确性,为风电场短期功率预测系统的改进提供支持。