风能研究以最大化发电量

劳伦斯·利弗莫尔国家实验室（Lawrence Livermore National Laboratory）的研究人员希望为风能运营商提供详细的信息，以最大程度地提高风电场的效率以及其中产生的电力的分配。

随着越来越多的风能涌入电网，需要确保能够预测和管理斜坡事件（当条件可以改变能量流超过1000兆瓦（MW）时）。

LLNL项目负责人Chandrika Kamath说：“我们正在尝试在任何特定时间预测风能。”“我们的目标之一是帮助公用事业公司控制室的人员确定何时可能发生匝道事件，以及这将如何影响特定风电场的发电。”

该项目由美国能源部能源效率和可再生能源办公室资助，名为WindSENSE，该项目希望为风能运营商提供更好的风能预测，以便他们管理负载平衡。

Kamath使用数据挖掘技术来确定具有风电场的地区的天气状况是否可以作为可能发生匝道事件的日子的有效指标。她专注于两个不同的区域-南加州的特哈查比Pass口（Tehachapi Pass）和俄勒冈-华盛顿边境的哥伦比亚盆地地区。

卡玛斯说：“我们的工作确定了与斜坡事件有关的重要天气变量。”“调度员可以使用此信息来减少他们在电网上调度风能时需要监视的数据流数量。”

随着风力发电场产量的增加，对更好的预测的需求也在不断增长。Tehachapi Pass的风力发电场目前可发电700兆瓦，但预计不久将发电3,000兆瓦。2007年，哥伦比亚盆地的风电场发电量为700兆瓦，但到2009年，p增至3,000兆瓦。

“作为WindSENSE项目的一部分进行的针对观测的研究，导致了算法的开发和测试，以提供有关在何处收集数据以提高风能预报性能的指导，” AWS Truepower的预报主管约翰·扎克（John Zack）说。“这些新的软件工具有可能帮助天气预报提供者和用户做出明智的决定，并最大化其气象传感器部署投资。”

WindSENSE研究的一部分专注于确定放置在最佳位置的最佳传感器类型，因为这两个因素的差异可能很大，并且会在极端斜坡事件中产生预测误差。

钱德里卡说：“我们正在通过分析历史数据并确定应收集的新数据来减少将风能并入电网的障碍，以便我们改善控制室操作员的决策，” Chandrika说。“我们的工作使人们对与风力发电资源相关的变异性的特征和可预测性有了更好的了解。”