引言
新能源光伏技术具有环保性高、清洁性强等优势，有利于实现环境保护目标。在传统能源使用过程中，受能源性质、应用技术的影响，其会产生并排放大量污染物。与之相比，新能源光伏发电技术的应用核心是可再生自然能源，能缓解能源紧缺的问题，同时对技术创新、推广具有一定积极意义。相关人员需加大开发、应用力度，实现能源自循环补给目标。
1风力发电原理与特点
风力发电利用风能将机械能转化为电能。当风力推动风轮转动时，风轮带动发电机转动，通过发电机产生的感应电流来发电。风力发电的特点包括环保、可再生、广泛分布、成本逐渐降低和适用于各种规模的应用。风力发电具有几个显著的特点。①风力发电是一种环保的能源形式。与传统的燃煤、燃气发电相比，风力发电不会产生任何污染物或温室气体排放，对于减少空气和水资源的污染具有显著的作用。②风力发电是一种可再生能源。风是一种永无止境的自然资源，地球上各地都有风资源分布，因此风力发电具有广泛的分布性和持续性。③随着技术的不断进步和规模的扩大，风力发电的成本逐渐降低。现代风力发电技术已经成熟，风力发电设备的制造和安装成本在逐渐降低，使得风力发电的竞争力不断增强。④风力发电适用于各种规模的应用。从小型的家庭风力发电装置到大型的商业风电场，风能资源可以灵活应用。
2基于新能源发电的风力发电关键技术
2.1风力发电预测技术
在新时期新能源规划下，风能作为可再生能源广受关注，却由于其存在间歇性与波动性，容易受气候影响，如雨雪天气空气湿度增大，风流动性增强；春秋季风量频繁。如果风电直接接入电力系统，将会对电网运行造成影响，风力发电预测技术应运而生。为满足不同尺度与场景等方面要求，适应风电波动性特性，准确为用户提供稳定电能，创新多种功率预测技术。一是按照时间尺度划分，可分为长期、短期、中长期及超短期等预测技术。其中长期预测技术与中长期预测技术能够绘制10d预测曲线，为电厂规划、检修提供依据；短期预测技术可预测0-72h功率、15min-4h的超短期功率，为发电常规计划提供支持。二是根据数学模型分为学习模型、统计模型和物理模型这三种功率预测。其中学习模型在风力发电应用中较为广泛，主要是采取人工智能算法，利用计算机数据迭代，确定发电功率、气象等因素关系，借助模型迭代学习修正，适应风电多变场景。统计模型是整理各类气象数据、电网数据、设备数据等，绘制功率-气象映射图形，整体方法简单，对数据准确性、完整性、规模性要求较高，难以适应突发情况。物理模型采取流体力学、物理模型对风电规律进行模拟，绘制预测曲线，对人员能力、知识等要求高，模型抗干扰性不足。
2.2电子变换器控制技术
风力发电技术以往选用恒速恒频发电模式，改变风速将会偏离最佳转速，降低运行效率，仅在固定转速下，方能发挥电机效率，造成风力资源浪费，加快风力机磨损。而在微机控制、电子技术发展下，双馈式发电机成为主流，利用变换器控制方法，实现发电机控制，能够根据转速信息调节电流。现有变换器多种多样，包括PWM变换器、多电平变换器、矩阵式变换器等。而PWM变换器由三相PWM与直流储能电容构成，电路结构更为简单，可稳定直流环电压。发电网侧变换器多采取脉宽调制方法，利用阻抗三角形控制相位与幅值，调节相位角与输入电流大小，保证变流器在不同状态下工作。一是逆变器状态，即电机超同步速运行，转差功率从转子绕组向电网流去，升高母线电压，变换器调整成逆变状态，相位角180°，输出变流器功率至电网。二是整流器状态，即发电机亚同步速运行时，转子绕组转差功率吸收中，母线电压低于给定电压，变换器将调整成整流状态，相位角0，变流器吸收电网功率。变换器利用母线电压作为控制信号，通过转子侧变换器、网侧变换器协调控制，以此控制交流励磁发电机，确保转差功率能够在电网、转子绕组间实现双向流动，拓宽发电机变速范围。该技术具有减少谐波危害、可控网侧功率因数、响应动态控制、输出特性良好、网侧正弦波电流的优点，无论哪种工作状态，均可在单位功率因数下运行，为谐波消除、电网净化提供条件。
2.3混合光伏发电系统
混合光伏发电系统的供能方式较为特殊，其核心能源为太阳能，同时涵盖生物质能、水能和风能等清洁能源。对大部分清洁可再生能源的利用，能弥补单一能源系统的不足。当单一能源系统出现较为明显的能源短缺现象时，可通过使用混合光伏发电系统来填补能源空缺。不同能源的互补性是系统的重要组成内容。通过对各类能源特性的有效利用，能实现能源的优化使用和合理的能量调度管理。在实际应用中，混合光伏发电系统须在完成相关配置和规划后方可投入使用，综合考量具体能源规模、安装容量、能源转化、能源分配和能源储存等各技术的应用状况。混合光伏发电系统借助对各类能源特点的有效应用，能建立起效率更高、灵活性更强的能源供应体系模式，提升能源供应的稳定性和可靠性。结合混合光伏发电系统的各类优势分析，诸如降低单一能源依赖性等，对提升能源利用效率、缓解温室气体排放带来的环境问题等具有显著的实际意义。
3基于新能源发电的风力发电发展方向
3.1机组大型化
风电机组更大能够提高效率，降低安装成本、初始投资及运维成本，持续带动度电成本下降。最新叶片叶轮直径260m，预计未来3~5年，风电度电成本可降低1/2，叠加机组可靠性，及人工智能关键技术，大幅度提升机组效率。
3.2管理智能化
风力发电发展中，管理智能化作为主要发展方向。例如，选址环节，可采取卫星遥感与高精度风电场功率预测技术，建立大数据模型，实现智慧选址，取代低效、费事传统选址方法。风电运行环节，利用感知技术对所处环境进行预测，使得系统自动采取差异化控制方法，降载增寿，优化发电效率。运维环节，利用风电场故障诊断与状态监测系统，结合完整运维模式，从事后故障维修转向事前预防维护。未来，物联网、监测传感与建模仿真技术的应用与创新，逐步实现数字孪生，优化风电产业运营。
3.3产业融合化
风电造价与输电成本的提升，成为开发深远海风电面临的重要挑战。面对此种问题，海上风电可结合其它海洋工程，实现多产业融合，从单一海上发电向多元产业发展。现阶段，海上发电已经与海水淡化、渔业、氢能等产业结合，综合利用海洋能源，减少海上风电成本。
结束语
综上所述，风能作为重要自然资源，利用风能发电取之不尽，无需耗费煤炭、石油、天然气等然资源，却存在风力波动性大的问题，影响电网安全及风电控制水平。因此，新能源风力发电中，应合理应用风功率预测、偏航控制、功率控制及灵活补偿技术，借助风力发电系统控制平台，为稳定风电管理决策提供支持。
参考文献
[1]许嘉雯.新能源风力发电系统中储能技术的实践应用[J].应用能源技术,2023(11):43-47.
[2]高阳.新时期新能源风力发电相关技术分析[J].华东科技,2023(5):104-106.
[3]雷建国.风电和光伏发电中的关键技术分析[J].集成电路应用,2022,39(11):324-325.
[4]王艳.新能源发电并网对电网电能质量的影响及控制措施[J].光源与照明,2023(6):243-245.
