近年来，风电规模增速迅猛，其经济分析和成本建模方式也在不断改进。为总结现有方法，理清后续研究思路，首先，按照风电项目全生命周期的4个阶段进行阐释；然后，介绍了风电项目全生命周期的成本构成及建模方式，重点比较了陆上和海上风电场在该部分的差异，并结合上述内容探讨了生命周期和投资成本之间的关系；接着，为介绍成本投资效益，对比了风电项目基本经济评价指标及适用性。在上述基础上，根据存在的问题对未来发展趋势进行了分析，并为实现不同地区、不同环境下的风电经济性评价提出了一些建议，以期为新发展趋势下的风电成本建模和经济评价提供参考。

大规模风电场并网会出现频率偏移、弱馈性和高谐波等暂态稳定问题，对系统的安全运行造成影响。因此，很有必要研究大规模风电场并网暂态保护技术。对大规模风电场的并网技术和暂态保护技术进行了全面评述，分析了每种并网技术的拓扑结构，对比了基于双馈异步风力发电机、直驱永磁同步发电机、传统同步电源系统3种发电系统的故障特性，同时阐述了陆上风电场和海上风电场暂态量保护的研究现状，最后对未来大规模风电场的暂态保护的发展提出了展望，可为未来风电场并网的研究提供参考。

随着风电场规模的增加和风电发电量在能源体系中的占比不断增大，电网对于风电场的电压稳定性要求越来越高。重点分析了风电场的实际运行现状，提炼总结了风电场无功与电压控制面临的关键问题，包括风电机组如何参与无功出力、大规模风电场的无功功率如何分配、风电场内部节点电压如何保持稳定、如何解决电压控制滞后、故障状态下的暂态电压控制策略等。针对这些问题，系统综述了国内外风电场无功与电压控制技术的方法和特点，从风电机组和无功补偿装置的特性、无功与电压稳态控制、内部节点电压控制、模型预测控制、故障状态下暂态控制等角度，阐述了风电场无功与电压控制技术的实现过程，为风电场安全稳定运行提供可靠的技术手段。

风电场尾流效应是影响下游风力机载荷的主要因素。选用美国可再生能源实验室（NREL）最新开源的多物理场耦合仿真软件工具——FAST.Farm，以某海上风电场为研究对象，量化评估了风电场前排、中间和后排风力机的尾流效应、载荷及疲劳损伤特征。结果表明：沿流动方向，风电场内部呈现出风速依次降低，湍流强度依次增加的流动特征；随着来流风速提高，前排、中间、后排风力机的疲劳损伤增大；在较高来流风速条件下，中间位置风力机叶根处和塔基处的疲劳损伤成倍增加，且增加幅度明显高于前排和后排风力机，即疲劳损伤最严重的风力机位于风电场中间区域。建议风电前期开发及后期运维工作中，需要重点关注场区中间位置风力机的结构强度。

针对风电机组变流器绝缘栅双极型晶体管（IGBT）模块故障率高且故障发生在较短时间尺度上的情况，提出基于动态规整与Park矢量离心变化率的变流器IGBT健康状态评估方法，利用动态规整算法建立相似度计算模型，计算三相波形的最小规整距离与波形相似度并实现变流器运行状态判断；利用Park矢量椭圆离心率与变化率进行IGBT状态评估并设定评估指标。分别通过仿真及实际运行数据验证。验证结果表明，该方法具有较好的实用性，在故障发生前波形相似度逐渐降低，Park矢量离心率变化趋势持续增大，表明这种算法模型能够明显区分正常波形与异常波形。采用该方法能及时反映变流器健康状态，可以有效避免由于IGBT故障而导致电力电子系统关闭或损坏的情况。

为有效监测塔筒异常振动，保障机组运行安全，提出数据-知识驱动的基于长短时记忆（long-short term memory, LSTM）神经网络、经验模态分解（empirical mode decomposition, EMD）-极限梯度提升（eXtreme gradient boosting, XGBoost）算法分步建模的变工况塔筒振动预测方法。首先，根据机组运行机理分析剥离出环境变量与运行变量之间的关系，并确定影响塔筒振动的风机SCADA运行参数；然后，基于LSTM神经网络实现机组环境风速和运行功率的超短期预测，根据全工况历史运行数据建立机组数据知识模型，实现由预测风速和功率查询桨距角和转子转速；最后，采用希尔伯特-黄算法（Hilbert-Huang transform, HHT）对振动信号分解并提取塔筒低频振动，构建基于XGBoost算法的塔筒振动预测模型，通过输入预测变量输出塔筒低频振动预测结果并确定预测区间。结果表明：塔筒振动预测模型能有效预测塔筒振动，判定塔筒的运行状况，保障机组平稳运行。

风机装备中存在大量螺栓连接结构，螺栓孔一旦出现缺陷，可能导致整个基体断裂，造成重大事故，但目前螺栓孔缺陷检测方法存在漏检和误判的情况。针对该问题，经过调研、理论分析和实物研究，研制出专用工装与探头结合的直射法、扇扫描偏转法2种螺栓孔缺陷检测方法。以风机变桨轴承螺栓孔为研究对象，采用CIVA软件对2种检测方法进行模拟，可检测出矩形模拟裂纹。采用实际变桨轴承螺栓孔加工矩形槽缺陷进行试验，结果表明直射法可实现对螺栓孔裂纹的缺陷检测。研究为螺栓孔的服役状态监控提出了新的方法，有利于保证螺栓连接结构的安全服役。

针对目前风电机组故障种类多、故障知识关联关系复杂、知识表达差异化大、知识推理效率低等问题，提出了风电机组故障知识的获取表达与推理框架。首先，通过基于故障树分析方法的故障模式及影响分析方法，全面获取并梳理出风电机组故障排查与检修维护的专家知识；然后，借助本体理论将非结构化的专家知识进行结构化表达，形成知识图谱，将知识可视化展示；同时，结合本体自定义规则以及因果推理模型实现故障原因的查询推理，提高了知识查询与推理的效率；最后，通过具体的机组故障案例说明了本方法的实用性。研究结果可为风电场运维检修工作的智能化发展提供方向。

针对旋转机械运行过程中伴随着诸多噪声，现有单通道网络在旋转机械故障诊断过程中抗噪性较差的问题，提出了一种加入并联机制的双通道输入LetNet-5卷积神经网络模型。模型合理性检验过程采用了凯斯西储大学轴承数据集，在此基础上，添加信噪比为–10 dB的高斯白噪声模拟真实噪声情形；采用短时傅里叶变换将电机风扇端和驱动端振动数据进行处理，获得的时频图像传递至双通道输入的LetNet-5卷积神经网络进行训练学习。研究结果表明：双通道输入LetNet-5卷积神经网络模型能够良好捕捉到强噪声环境下的故障特征；相比于多尺度特征融合残差模型、多模态耦合输入神经网络模型、传统的K近邻与决策树模型及单通道输入LetNet-5卷积神经网络模型，双通道输入LetNet-5卷积神经网络具有更高的效率和精度。

作为捕获风能的关键部件，风机叶片受制造及运行载荷影响，可能存在不同程度的损伤，这会直接影响风机运行可靠性。为防止风机叶片持续损伤发生质量安全事故，需要开发1种快速简便且非植入安装式的检测方法来识别风机叶片的损伤情况。根据叶片损伤和叶片运行噪声间存在的物理相关性，提出了一种基于声学信号和卷积神经网络（convolutional neural network, CNN）的风机叶片损伤检测方法，将时序声学信号转换成二维频谱图片，结合健康频谱图生成残差频谱图，并通过训练卷积神经网络来识别风机叶片是否存在损伤。分析结果表明：该算法消除了叶轮旋转产生的固有叶片扫风声音对损伤识别的影响，提高了识别精度；以某地风机的实测数据为例进行算法分析，结果表明该算法的分类精度达到了96.9%，验证了基于卷积神经网络的检测方法的有效性和精确性。

随着风电行业高速发展，我国淘汰废弃风机叶片量逐年增加，带来巨大的环保压力。对此，开展了不同温度中气氛对废弃风机叶片热转化过程中气、液、固产物生成特性影响研究，为今后热回收法处置风机叶片提供参考。结果表明：在N₂和CO₂气氛中，可燃气CH₄产量800 ℃下达到最高，而可燃气CO产量随温度上升而升高；各气氛中焦油成分主要为对异丙烯基苯酚、对异丙基苯酚和双酚A3种。实验中也发现气氛中CO₂的存在有效阻碍了高温时焦油中多环芳烃（PAHs）的生成，有利于焦油的后续处理。实验中还发现在低温（400 ℃）时Air和CO₂气氛下焦炭产率相比于N₂气氛较高，而在更高温度（600 ℃及以上）中结果相反，可能是由于低温下不同气氛中的焦炭芳香化程度不同引起。

中国大型清洁能源基地形成了含风电、光伏发电、电/热负荷等多重随机性的区域电-热联合系统，灵活可调资源依赖性强，低碳、经济运行难度大。为了充分整合源、荷侧资源并最大限度消纳新能源，提出了计及电、热负荷需求响应及日前预测误差场景的区域电-热联合系统日前优化调度方法。首先，采用滑动时间窗多元高斯混合分布和蒙特卡洛对随机性源-荷日前预测误差进行场景生成和预测值修正；然后，类比定义了电、热负荷需求响应模型，建立了考虑源-荷互动的区域电-热系统模型；接着，综合考虑多重成本，在所有典型场景下建立了联合系统的低碳、经济日前优化调度期望模型；最后，以北方某地区冬季能源供给为例，渐进对比有无电、热负荷需求响应的多场景优化运行结果。结果表明，全面引入电、热负荷需求响应及电加热熔盐储热锅炉可以促进规模化风、光电力消纳，且区域电-热联合系统低碳、经济运行能力显著增强。

为降低风电功率波动性、反调峰性对电网运行的不利影响，提出一种考虑风电消纳的“风-网-EV充换电站”协同优化调度策略。首先将火电作为可调节电源辅助风电上网，并通过碳交易机制促使火电系统在电网负荷低、弃风率高的时段，主动降低出力减碳运行，等效提升风电上网空间；然后在满足电网用电需求基础上，接入充换电站负荷进一步抑制风电功率波动，同时提升风电消纳量，以电网负荷峰谷差最小以及系统综合运行成本最优为目标函数，构建联合系统低碳经济运行模型；最后通过NSGA-Ⅱ算法对不同情景求解分析。结果表明：该策略能够有效降低系统运行成本、电网负荷峰谷差，提高电网风电消纳率。

针对负荷数据非线性、强波动性等特点导致数据规律性较弱电力负荷预测模型不准确的问题，构建基于Bootstrap误差修正的TCN-WOA-BiLSTM-Attention电力负荷短期预测模型。使用时序卷积神经网络（TCN）提取时序特征并通过注意力机制（Attention机制）对特征突出重要信息贡献度，通过鲸鱼优化算法（WOA）寻找双向长短时记忆（BiLSTM）神经网络最优超参数以减少人工搜索超参数的负面影响后进行预测；基于Bootstrap分析预测区间误差分布，通过覆盖率（PICP）是否低于对应置信度判断对预测结果进行修正的必要性，并选取合理修正范围。仿真结果表明，基于Bootstrap方法进行误差修正避免了修正不足及修正过度的问题，对比将误差序列全部修正的方法更具有科学性，能最大程度提高模型预测精度。

高柔塔双风轮风力发电机组能够打破传统单风轮风电机组的风能利用极限，提高低风速地区的风能利用效率。高柔塔的固有频率位于风电机组的运行转速范围内，故而存在速度禁区。在风电机组正常运行控制的基础上，提出了一种共振穿越控制算法，防止风电机组叶轮在运行过程中与塔筒产生共振。该算法通过坎贝尔图找到共振区间，在最优转矩控制的基础上增加转速控制，实现快速共振穿越。在SIMULINK软件上开发的简单风电机组模型上针对稳态风和3种不同湍流强度场景进行了大量仿真试验，观察共振穿越算法的有效性和准确性。仿真结果表明，该算法在以上场景下均能实现准确的共振穿越。

针对现代电力系统中呈现出的互联和多源的特点，首先提出了一种启发式智能优化算法辅助含风光水火储的多区域互联电力系统协同优化负荷频率控制方法，该方法以每个区域的区域控制偏差为目标函数；然后利用鲸鱼智能优化算法鲁棒性强、求解精度高及收敛快速度等优点，对各区域的PID负荷频率控制器参数进行协同优化，使得系统在各种随机扰动下，都能够维持频率稳定和长期安全运行；最后建立含风光水火储的三区域互联电力系统模型，对比不同优化整定方法下的互联电力系统频率和联络线功率偏差，测试系统在不同扰动时各区域的稳定性及所提方法的有效性。实验结果表明，所采取的多区域互联负荷频率控制器协同优化整定方法有效地改善了系统的稳定性，具有良好的鲁棒性和实用性。

针对风电机组在风切变、塔影效应的影响下，如何减缓叶根挥舞弯矩进行了研究。提出了基于单纯形法的独立变桨控制策略，在保证风电机组功率控制的基础上，实现减缓叶根挥舞弯矩及其1P分量载荷的目的；分别将该方法和传统PI控制的独立变桨控制策略应用于4.5 MW风电机组模型，并在湍流风况下进行仿真，对比分析叶根挥舞弯矩及其功率谱密度、机组输出功率。通过4.5 MW风电机组模型仿真运行数据分析，表明基于单纯形法的独立变桨控制策略能够有效减缓叶根挥舞弯矩及其1P分量，且能稳定输出功率。

为研究转子侧变流器及其控制系统对双馈风电机组阻尼的影响机理，考虑机械转矩、电磁转矩、暂态电势、转子侧变流器控制、电压控制以及角度偏移等环节，构建小干扰状态下机组动态模型；然后基于复转矩系数法，推导双馈风电机组阻尼转矩和同步转矩表达式，得到阻尼转矩与机组振荡频率、风速、机组机械参数、电气参数及控制系统参数有关，转子侧变流器内环、外环控制参数之间相互耦合，共同影响机组的阻尼；最后，通过仿真对所建数学模型进行验证。仿真验证结果表明：在不同振荡频率下，所建模型均具有适用性。

风电机组的变桨控制和转矩控制均基于转速信号设计，二者在额定转速附近发生耦合，造成转速波动，传统转矩控制将依据转速频繁进行控制逻辑切换，致使转速、功率大幅跌落；且在额定风速以上，传统转矩控制包含恒转矩和恒功率策略，二者在转矩、功率、传动链载荷方面各有优劣。为此，引入与桨距角相关的状态变量对转矩控制在额定转速附近的区域切换逻辑加以限制，并将转矩-转速控制曲线中的功率满发曲线段扩充到发电机额定转速以下的区域，以消除因转矩控制的区域频繁切换引起的转矩和功率跌落；然后，对转矩-转速控制曲线中的功率满发曲线段进行权值规划，兼顾风电机组额定转速附近的功率、转矩波动性能，并对连接最佳叶尖速比曲线段和功率满发曲线段间的过渡曲线进行动态优化。在典型湍流工况下对所提出的方法进行仿真验证，结果表明：改进的转矩控制策略提升了额定风速附近的风能捕获效率，消除了高风速区发电机转矩和功率跌落现象，合理地权值规划能兼顾转矩和功率性能。