0 前言

随着风资源开发的不断深入，风电场建设不再局限于风资源良好的平坦地区，海上风电场、复杂地形风电场和低风速风电场成为开发热点。海上风资源虽与陆上风资源相似，但海上风资源有其自身的特征：潮位、海面粗糙度、大气稳定度、离岸距离等因素会影响海风的风廓线、风速。目前，在海上风电场建模过程中仍未充分考虑上述风资源特征，因此，研究考虑风资源特征的海上风电场功率输出模型，对海上风电场的选址、控制、优化调度具有重要意义。

风电场建模方法通常可分为精细建模方法和等值建模方法两种，考虑到仿真时间和模型复杂程度的限制，目前大多采用等值建模方法。Zou[1]叙述了单机等值建模和多机等值建模两种风电场动态建模方法。Shafiu A[2]和 García-Gracia M[3]采用单机等值模型模拟了整个风电场的功率输出特性，忽略了各风电机组来流差异和风电机组间尾流效应的影响。Ali M[4]以风电机组来流风速大小和来流方向为依据，采用支持向量机方法对风电机组进行分类。陈树勇[5]以风电机组状态变量矩阵为依据，对风电场内的风电机组进行分类。徐玉琴[6]依据尾流影响因子对风电机组进行分类，分类后搭建风电场等值模型。

我国民族服饰元素硬性到服装设计理念和加工工艺，我国幅员辽阔，不同地区的人们文化和宗教信仰都是不同的，因此他们对于服装色彩的理解也具有很大的差异性，例如蒙古族崇尚蓝色和白色，但是汉族对于白色比较忌讳。民族服饰存在很大的差异，这也是服装面料再造设计过程中可以借鉴的原色。民族服饰的服装面料制作工艺都是不同的，利用各种制作工艺可以丰富服装面料再造设计的方法，例如海南黎锦利用的扎染、制造等工艺，在服装面料再造设计当中利用这些工艺，可以使服装具备海南黎族的民族色彩。

微观尺度上，影响海上风资源的因素主要包括：离岸距离、海面粗糙度、大气稳定度。对于海面粗糙度学者们进行了广泛研究。Charnock[7]通过研究发现，在存在风浪的条件下，海面粗糙度与风应力成正比。Charnock H[8]和 Taylor P K[9]针对波高无因次化的海面粗糙度与波陡的关系建立了拟合方程。Oost W A[10]认为波龄和摩擦速度对海面粗糙度影响更大。此外，海上风电场的功率输出受大气稳定度的影响比较明显。Giacomo[11]通过风电机组尾流风洞实验发现，对流条件下风电机组的尾流比中性条件下恢复得更快。Peña A[12]通过研究发现，稳定条件下东、西朝向风电机组的功率输出大于不稳定条件。Gryning S E[13]利用Rossby相似理论，在不同大气稳定度条件下，建立了适用于整个大气边界层的新型风轮廓模型。

分子描述符的计算提取。先使用ChemBio3D Ultra11.0软件将105种有机物的二维分子结构转化为三维结构式，并使用内置的MM2分子优化软件计算出能量最低的状态，进行能量优化，使用MOPAC软件进行几何构型优化。再使用Chem3D软件计算29种分子结构描述符，其中有：分子面积、椭圆度等7种结构性质描述符；总能量、生成热等8种量子化学描述符；分子拓扑指数、分子半径等14种拓扑描述符。此外，根据研究文献表明有机物的分配系数与其水溶解度logSw和相对分子质量Mw有很大关系，相对分子质量根据结构式计算可得，水溶解度数据取自SRC公司的PHYSPROP数据库。共提取特征参数M=31个。

综上可知，目前风电场模型大多为风电场等值模型，这样可以降低模型的复杂度，从而加快模型的计算速度，但忽略了机组间的个体差异、来流以及尾流的影响，也没有区分不同环境特征对风电场功率输出特性的影响。因此，本文针对海上风电场建立了考虑风资源特征的功率输出精细模型，通过该模型来模拟分析风电场内每台风电机组的运行状态和出力特性，以及大气稳定度和海、陆风对海上风电场功率输出的影响。

1 风资源特性建模

1.1 海面粗糙度

海面粗糙度为风速等于零时的海浪高度，通常利用空气动力学粗糙度进行表示，并根据海面风速、波龄和风浪的谱能量等参数来求得。本文采用海平面上10 m高度处的风速来求得海面粗糙度。海面粗糙度的表达式为

 

式中：z0为海面粗糙度，m；κ为Von karman常数，取0.35；U10为海平面上10 m高度处的风速。

当大气层为中性时，风速随高度的变化服从普朗特经验公式，见式（2）。

赫利森接着观察了免疫细胞是如何通过导血管从颅骨移动到脑膜的，在小鼠体内和体外都是如此。“在体内观察非常具有挑战性，”她说，“血液从硬脑膜（脑膜的一层）外流向颅骨，而细胞则向相反的方向流动。可以看到细胞在逆流而上爬行。”

 

式中：U为z高度处的风速；z为任意高度；u*为摩擦速度，即湍流切应力与空气密度比值的平方根。

研究海洋与大气的相互作用时，基于雷诺应力关系，利用10 m高度处的平均风速U10及其对应的阻力系数C10可得到摩擦速度的计算式为

 

阻力系数决定了大气与海洋之间的动量传输率。阻力系数随风速的变化而变化，并与海面粗糙度和大气稳定度有关。C10与U10的经验公式为

 

1.2 大气稳定度

大气稳定度为大气稳定的程度，与风轮廓直接相关。常用的大气稳定度分类方法有帕斯奎尔（Pasquill）法和国标原子能机构IAEA推荐的温度梯度法。我国现有的规范推荐采用修订帕斯奎尔法（P·S）。上述各方法均可利用常规气象数据进行计算并分类。对于风电场，通常采用测风塔的测风数据进行计算。由于测风塔含有湍流数据，因此，本文采用莫宁-奥布霍夫长度法（L法）进行计算并分类。L法稳定度的分类标准见表1，其中L为莫宁-奥布霍夫长度。

 

表1 L法稳定度的等级分类表Table 1 Stability classifying schemes by monin-obukhov length

  

稳定度划分非常稳定稳定中性不稳定非常不稳定范围/m 0＜L≤2 0 0 2 0 0≤L＜1 0 0 0|L|＞1 0 0 0-1 0 0 0≤L＜-2 0 0-2 0 0≤L＜0

莫宁-奥布霍夫长度L可以根据梯度理查森数Ri进行计算，Ri为由浮力产生的湍流（热效应）与由风切变产生的湍流（机械效应）的比值。L的计算式为

硼酸锂盐熔融分解样品得到的试片为无定形晶格，属于过冷的液体，俗称玻璃体，故硼酸盐熔融制备出的样品片称为玻璃片。熔片分析除了能较好地消除粒度效应和矿物效应外，还可以添加基准物质(标准样品)、稀释、均匀化样品，因此，广泛用于测量准确度要求较高的样品分析。在XRF熔片分析中，存在于玻璃片中的被测组分受光源发射的X光激发产生X荧光，其X荧光强度只与受激发区域内被测组分的含量相关，与玻璃片中其他处的被测组分无关。这同光度分析一样，吸光度只与单色光照射区域的溶液中有色物质的浓度相关。

 

同步旋转dq坐标系上的变流器模型为

Ri的表达式为

 

式中：g为重力加速度；T为上、下大气层温度的平均值；ΔT为上、下大气层的温度差；Δu为上、下大气层的速度差。

通常须要根据不同的地形情况，对L与Ri的关系式进行修正。 当 Ri＞0（稳定）时，式（5）可转化为

 

式中：a为经验系数，取0.19。

基于大气稳定性和粗糙度的条件下，高度z处风速的计算式为

[1]Xiao Juan Lai,Mi Na Gong,Lei Wang.Preparation and Application of Blocked⨯linked Waterborne Polyurethane Microemulsion as Paper Strengthening Agent[J].Advanced Materials Research,2014(989).

 

式中：ψm（z/L）为风速的通用函数，表示大气稳定度对风速的影响。

由式（8）可知，风速会随着大气层高度的变化而变化，它是海面粗糙度和大气稳定度共同作用的结果。假定海上风电场各机组的自由流风速与测风塔轮毂高度处的风速相等，利用式（8）可得到轮毂高度处的风速。

稳定条件和非常稳定条件下ψm（z/L）的表达式为

 

风电机组输出的电能经箱式变压器升压至35 kV，然后通过集电线路汇集至风电场主变压器（35 kV/220 kV），最后并入电网。风电场电气接线拓扑结构包括链式、单边环式、双边环式、复合环式等，根据风电机组结构的复杂程度和成本造价，风电场电气接线的拓扑结构实际上采用链式接线方式。

 

式中：x为中间变量

中性条件下ψm（z/L）的表达式为

 

1.3 海上风电场尾流

风电场尾流效应为风力机从风中获取能量时，在风力机下游区域出现风速下降的现象。风电场尾流效应直接影响风电机组的入流风速和运行效率，是风电场建模过程中不可忽视的因素。

式中：λi为中间变量；c0～c5为系数，当风力机确定时，为定值。

(1)新疆巴里坤膨润土矿为火山沉积岩型膨润土矿床。成矿母岩的岩石类型主要是中-酸性火山碎屑岩，并且火山碎屑岩不经搬运直接堆积在储水的盆地。矿区断层、褶皱、不整合等构造发育，有利于成矿过程火山碎屑岩在碱性水介质中进行脱玻、水解形成膨润土矿。

 

风力机空气动力学模型、传动系统模型、风力发电机模型、变流器模型配合功率控制器、转速控制器、桨距角控制器可以实现单台风电机组的最大风功率追踪控制和变桨距控制，引入限功率控制器可以进一步实现限功率工况下的仿真。控制器均采用简单的PID控制算法。

WAsP等风资源分析软件中，陆上、海上风电场的尾流耗散系数的默认取值分别为0.075，0.05。这样取值过于简单。本文通过我国近海地区相关数据的计算与分析得到，海上不同大气稳定度条件下风电机组间的尾流耗散系数见表2。

 

表2 大气稳定度条件下风电机组间的尾流耗散系数Table 2 Influence of atmospheric stability on dissipation coefficient of wake

  

大气稳定度分类中性稳定不稳定极不稳定尾流耗散系数0.0 4 8 0.0 9 8 0.0 5 1 0.0 4 4

2 风电机组单机建模

2.1 风力机空气动力学模型

根据Betz理论，风力机气动功率Pwt和机械转矩Twt的表达式分别为

 

式中：λ为叶尖速比；β为桨距角；ρ为空气密度；A为风轮扫掠面积；ωwt为风力机的角速度；v为风力机的入流风速；Cp为风能的利用系数。

Cp（λ，β）为 λ 和 β 的非线性函数，本文利用经验拟合公式得到 Cp（λ，β）的表达式为

 

本文采用Jensen尾流模型，并根据动量理论和推力系数公式得到通过叶片的风速vT和受尾流影响的风速vX的表达式分别为

 

2.2 传动系统模型

假定传动系统各部件之间的连接方式为刚性连接，利用刚性轴单质量块模型得到风轮转动惯量Jr和发电机转动惯量Jg的等效转动惯量Jt的表达式为

 

式中：ηg为传动系统的传动比。

风轮的低速轴运动方程为

 

λi满足如下关系。

式中：wr为风轮的转子转速。

基于式（19）得到发电机转速wg的表达式为

臭氧的浓度有很强的时间特性。如全年12个月中，每个月的气温都有较大的差别。据调查，臭氧的浓度一般在1月份时候最低，6月份时候浓度含量最高，因此，可以根据这个数据进行总结，即每至冬天臭氧含量最低，夏季气温回升时臭氧含量较高，臭氧浓度与温度有很强的关联性。同时，不同季节里空气中的含氧量程度也不同，春夏季节大气环境中含氧量大，同时还有各种的雷电天气，导致大气中紫外线能量也越来越大，臭氧具有吸收云层中紫外线的作用，当紫外线强烈时，导致了臭氧的浓度也随之加大。

 

2.3 风力发电机模型

本文在定子电压定向的两相同步旋转坐标系（dq坐标系）上，基于双馈异步发电机原理，建立了海上风电场风电机组的发电机模型，该模型的表达式如下。

①电压方程

 

式中：Tg为发电机的电磁转矩；np为发电机的极对数。

②转矩方程

 

式中：uq1，uq2分别为定子、转子电压的q轴分量；ud1，ud2分别为定子、 转子电压的 d轴分量；iq1，iq2分别为定子、转子电流的q轴分量；id1，id2分别为定子、转子电流的d轴分量；Lm为dq坐标系上定子与转子同轴等效绕组间的互感；L1为dq坐标系上定子等效两相绕组的自感；L2为dq坐标系上转子等效两相绕组的自感；ω1为发电机的同步转速；ωs为dq坐标系上相对于转子的电角速度；p为微分符号；R1，R2分别为定子、转子侧电阻。

③功率方程

发电机定子侧功率输出的表达式为

 

式中：P1，Q1分别为有功功率和无功功率。

2.4 变流器模型

双馈风力发电机变流器是实现风电机组变速恒频运行的核心部件。本文的风电场发电机组采用了背靠背电压源型变流器，此外，发电机侧变流器与转子相连接，双馈风电网侧变流器与电网相连接，双馈风电网侧变流器与发电机侧变流器相互协调，从而实现电能的双向流动。

相关性分析显示，疫苗及安全接种知识与态度呈正相关（r=0.436， P＜0.01），知识和行为呈正相关（r=0.209， P＜0.01），态度和行为呈正相关（r=0.376，P＜0.01）。

式中：Z 为中间变量其中 z1、z2分别为上、下大气层的高度。

所有患者均行胸、腹腔镜联合治疗,双腔气管插管,静吸复合麻醉后,电视胸腔和腹腔镜联合下经胸、腹部行食管次全切除术、纵膈区和腹区淋巴结清扫术,后经胸骨后提管行胃食管吻合术。所有病例手术进展顺利,无中转开腹,无死亡病例。

 

式中：ugd，ugq分别为电网电压的 d轴、q 轴分量；igd，igq分别为输入电流的 d轴、q 轴分量；vgd，vgq分别为变流器中交流侧电压的d轴、q轴分量；Sd，Sq分别为开关函数的d轴、q轴分量；R为网侧变流器等效电阻；Vdc为变流器直流侧电容的电压。

式中：v0为自然风速；CT为风电机组推力系数；X为两风电机组的间距；r为风轮半径；k为尾流耗散系数。

3 风电场整体精细化模型

3.1 风电场简介

本文所研究的风电场位于江苏省如东市，测试数据为测风塔和风电机组的运行数据，测试时间为2014年11月-2015年10月。该风电场主风向80 m高度处的年平均风速为5.49 m/s，风能主要为北～东南方向。该风电场内建有多种机型的风电机组，本文选取20台运行状态比较稳定的2.5 MW风电机组进行仿真模拟，轮毂高度为100 m，额定风速为12 m/s，忽略其他风电机组的影响。风电场测风塔和风电机组的分布图见图1。

  

图1 风电场测风塔和风电机组位置的示意图Fig.1 Wind farm diagram of met mast and turbine site

风电机组自西向东大致分为3列：第一列为13#～18#风电机组，第二列为7#～12#风电机组，第三列为1#～6#风电机组，此外，19#和20#风电机组延海岸线平行方向独立布置。

3.2 集电线系统建模

不稳定条件下ψm（z/L）可表示为

（1）集电线路

假设三相电源平衡，则基于电阻、电感、电抗的集电线路等效电路见图2。

糖皮质激素仍是目前治疗哮喘的主要药物，但重症哮喘常表现为糖皮质激素反应性降低，出现激素抵抗及激素依赖。吸烟可使哮喘患者对糖皮质激素治疗出现激素抵抗或反应性降低，还可以影响茶碱类药物的代谢，国外已有研究发现戒烟可帮助吸烟哮喘患者控制症状，减少急性发作次数[5]。国内也有研究发现，戒烟能够减轻小气道功能的损害[6]。

  

图2 线路等效电路图Fig.2 Equivalent circuit diagram of collection line

图中：Rs，Rm 分别为线电阻和相电阻；Ls，Lm 分别为自感和互感；C1，C2分别为相间电容和接地电容。

（2）变压器

理想三相变压器的机组侧采用三角型连接方式进行连接，电网侧采用中性点接地的星型连接方式进行连接。

3.3 整体建模

整个风电场系统模型是在Matlab/Simulink环境下运行的，按照风电机组的分布图，风电场内风电机组 1#～6#，19#～20#与箱式变压器 1相连接，风电机组7#～12#与箱式变压器2相连接，风电机组13#～18#与箱式变压器3相连接，三个箱式变压器通过电缆汇流至一台主变压器。设置箱式变压器1～3与主变压器之间的距离分别为9.1，9.8，10.2 km，采用 220 kV 稳压源作为风电场系统模型的无穷大电网负载，风资源计算模块为风电机组提供入流风速。

4 结果与分析

本文利用风电场内距离地面高度10 m处的风速数据分析不同大气稳定度和海、陆风对海上风电场功率输出的影响。

4.1 大气稳定度的影响分析

（1）大气稳定度对风电场功率输出的影响

本文算例的仿真时间为2014年11月2日12：00-14：00，该时间段内风速变化明显且风向变化较小，该时段内的风速为3.5～7.2 m/s，平均风速为5.3 m/s，风向为287～342°，平均风向约为292.5°。不同大气稳定度条件下风电场功率输出的变化情况见图3。

研究组： 在对照组基础上加用电刺激治疗，仪器为法国 Vivaltis PHENIX USB4型盆底康复治疗仪，技术参数设置: 频率10～100 Hz，电流强度0～50 mA，波宽200～500 μs，电刺激持续时间2～20 s，电刺激间歇时间 2～50 s 。患者排空尿液后取膀胱截石位，常规消毒会阴，置入电极于阴道，启动治疗仪。电刺激方案根据产妇盆底功能障碍程度进行调节，对于盆底收缩肌力较弱的产妇采用功能性电刺激，对于尿失禁患者对尿道括约肌进行功能性电刺激，电刺激强度以产妇不感觉疼痛为宜，在产妇耐受的情况下电刺激增加幅度在1%～5%范围内增加，每次15 min，2次/d，连续治疗6周。

  

图3 不同大气稳定度条件下风电场功率输出的变化情况Fig.3 Active power of wind farm under different atmospheric stability

由图3可知，不同大气稳定度条件下，风电场功率输出的变化情况比较明显。稳定、中性、不稳定、极不稳定条件下，风电场功率输出依次降低，并且各功率输出随时间的变化趋势相一致。稳定状态下风电场功率输出略小于50 MW，这是由于此时风速随高度变化比较明显，风廓线较为陡峭，轮毂高度为100 m处的平均风速（14.08 m/s）大于额定风速，输电线路和变压器存在电能损耗。中性状态下风电场功率输出约为14 MW，波动幅度较小，此时风速随高度变化不明显，平均风速为7.53 m/s。不稳定状态下风电场功率输出为7 MW，此时风速随高度变化较小，平均风速为6.23 m/s。极不稳定状态下风电场功率输出仅为6 MW，此时风速随高度变化最小，平均风速小于6 m/s。

3）规范原则。结合高压输电线路检修工作要求及相关规范要求，依托现有检测技术和新型检测手段，及时诊断线路故障，并在检测过程中时刻注重积累和总结工作经验，定期实施状态评估。

（2）大气稳定度对各风电机组功率输出的影响

图4为不同大气稳定度条件下各风电机组的功率输出。由图4可知，稳定条件下各风电机组的功率输出远大于其余条件。稳定、中性、不稳定、极不稳定条件下各风电机组的功率输出依次降低。由于本文算例中稳定条件下机组轮毂风速均大于额定风速，因此，稳定条件下各风电机组的功率输出差异不大，不稳定条件下各风电机组的功率输出略高于极不稳定状态。

  

图4 不同大气稳定度条件下各风电机组的功率输出Fig.4 Active power of wind turbine under different atmospheric stability

各风电机组功率输出的变化趋势会受到风向和尾流的影响。结合图1，4可知：当风向为315°时，风电机组13#～18#为该风向条件下的第一排机组，这些风电机组不受其他风电机组尾流的影响，其有功功率一致且较大；风电机组7#～12#和1#～6#分别位于第二排和第三排，这两排风电机组的功率输出低于第一排风电机组。其中，风电机组1#，2#，7#不仅受前排风电机组尾流的影响还会受到同排风电机组尾流的影响，导致自身的功率输出较低。风电机组10#偏离第二排机组，在此风向条件下，会受到风电机组11#尾流的影响，使得风电机组10#的功率输出为全场最低。

4.2 海、陆风的影响分析

（1）海、陆风对风电场功率输出的影响

仿真时间内的大气稳定度呈中性且基本不变，结合图1的海岸线规律，分别假设海风风向为22.5°，陆风风向为202.5°，与海岸线大致平行的平行风风向为112.5，292.5°。海、陆、平行风条件下风电场功率输出的变化情况见图5。

  

图5 海、陆、平行风条件下风电场功率输出的变化情况Fig.5 Active power of wind farm under the conditions of sea-land breeze and parallel wind

由图5可知，海、陆、平行风对风电场功率输出影响较大。在相同直线方向上，海风条件下的风电场功率输出略大于陆风条件，112.5，292.5°平行风条件下风电场功率输出明显大于其他两种条件。结合图1，5可知，112.5，292.5°方向上风电机组呈三排分布且前后间隔较大，22.5，202.5°方向上风电机组呈六排分布且前后间隔明显小于112.5，292.5 °方向，22.5，202.5 °方向上风电机组间的尾流损耗较大，从而造成风电场功率输出大幅降低，海风条件下风电场的尾流损耗比陆风条件更加严重。因此，布置海上风电场时，应充分考虑主风向上各风电机组的排布和间隔。

在比赛中，要让学生学会注册跨境电商网店账号、完善网店资料、开通国际支付结算渠道、设置店铺基础服务模板信息等。学生在比赛中能够学习到合理设置跨境产品售价和产品属性信息、制作产品详情图片、完成同一品类下多款产品的发布、设置店铺橱窗商品、根据竞赛要求设计并提交国际营销型官网设计、完成店铺首页的装修、结合跨境推广活动完成相应广告图制作等内容。

（2）风向对各风电机组功率输出的影响

图6为不同风向条件下各风电机组的功率输出。

  

图6 海陆风条件下某时刻各风电机组的功率输出Fig.6 Active power of each wind turbine under the condition of sea-land breeze

图6 （a）为海风风向为22.5°时，各风电机组的功率输出。由图 6（a）可知，风电机组 6#，12#，18#～20#的功率输出较大，这是由于该风向条件下风电机组6#，12#，18#位于第一排，风电机组19#，20#没有其他风电机组阻挡，导致上述机组不会受到尾流的影响。第二排至第六排风电机组的功率输出存在逐渐减小的变化趋势，但变化幅度不明显。由于风电机组10#位于中间位置，因此该机组不会受到尾流的影响，其功率输出与第一排风电机组相等。图6（b）为陆风风向为202.5°时，各风电机组的功率输出。由图6（b）可知，各风电机组功率输出的分布情况与图6（a）相反，这是由于二者的风向方向相反。

5 结论

本文基于海面粗糙度、大气稳定度、尾流效应等因素，建立了海上风电场功率输出精细模型，对不同大气稳定度和风向条件下风电场以及各风电机组的功率输出进行模拟分析，分析结果如下。

①大气稳定度对风电机组的功率输出有较大影响。稳定条件下风电场的功率输出远大于其余工况，且受机组容量限制，稳定条件下各风电机组的功率输出差异不大；中性、不稳定、极不稳定条件下风电场的功率输出依次降低，各风电机组的功率输出会受到风向和尾流影响。

②风向会影响风电场的功率输出。海风条件下的风电场功率输出略大于陆风条件，但112.5，292.5°平行风条件下风电场的功率输出明显大于垂直于海岸线的22.5°海风、202.5°陆风。根本原因在于风电场的布局会造成风电机组间存在尾流损失。

本文建立的海上风电场功率输出精细模型可以为海上风电场的控制、调度、选址提供参考，具有一定的工程价值。未来将进一步研究离岸距离、海水深度等因素对风电场功率输出的影响，并采用更加精细的尾流模型和集电线路模型来模拟风电场的功率输出特性。

参考文献：

[1]Zou J，Peng C，Yan Y，et al.A survey of dynamic equivalent modeling for wind farm [J].Renewable&Sustainable Energy Reviews，2014，40：956-963.

[2]Shafiu A，Anaya-Lara O，Bathurst G，et al.Aggregated wind turbine models for power system dynamic studies[J].Wind Engineering，2009，30（3）：171-185.

[3]García-Gracia M，Comech M P，Sallán J，et al.Modelling wind farms for grid disturbance studies[J].Renewable Energy，2008，33（9）：2109-2121.

[4]Ali M，Ilie I S，Milanovic J V，et al.Wind farm model aggregation using probabilistic clustering[J].IEEE Transactions on Power Systems，2013，28（1）：309-316.

[5]陈树勇，王聪，申洪，等.基于聚类算法的风电场动态等值[J].中国电机工程学报，2012，32（4）：11-19.

[6]徐玉琴，张林浩，王娜.计及尾流效应的双馈机组风电场等值建模研究[J].电力系统保护与控制，2014（1）：70-76.

[7]Charnock H.Wind stress on a water surface[J].Quarterly Journal of the Royal Meteorological Society，1955，81：639-640.

[8]Charnock H，Taylor P K.Wind stress measurements from the open ocean [J].Journal of Physical Oceanography，1996，26（26）：541-558.

[9]Taylor P K，Yelland M J.The dependence of sea surface roughness on the height and steepness of the waves[J].Journal of Physical Oceanography，2010，31 （2）：572-590.

[10]Oost W A， Komen G J， Jacobs C M J， et al.New evidence for a relation between wind stress and wave age from measurements during ASGAMAGE[J].Boundary-Layer Meteorology，2002，103（3）：409-438.

[11]Iungo G V.Experimental characterization of wind turbine wakes：Wind tunnel tests and wind LiDAR measurements [J].JournalofWind Engineering &Industrial Aerodynamics，2016，149：35-39.

[12]Peña A， Réthoré P E， Rathmann O.Modeling large offshore wind farms under different atmospheric stability regimeswith the Park wake model[J].Renewable Energy，2014，70（5）：164-171.

[13]Gryning S E， Batchvarova E， Brümmer B， et al.On the extension of the wind profile over homogeneous terrain beyond the surface boundary layer[J].Boundary-Layer Meteorology，2007，124（2）：251-268.

[14]魏媛，郭颖，许昌，等.最小资源分配网络在风功率在线校正预测的应用[J].可再生能源，2016，34（3）：441-447.

[15]李智才，李凤婷.双馈风电机组的建模仿真及其等值方法研究[J].可再生能源，2013，31（3）：10-14.