尾流效应对风电场的发电能力影响显著,导致全场发电量损失约为10%～20%。发展精度高、计算快的风电场尾流场模拟方法,有利于提高风电场的优化设计和安全运行水平。作为风电场尾流场的重要组成部分,风电机组尾流场结构、及其建模方法对于理解多台机组尾流相互作用机理,准确模拟风电场尾流场分布至关重要。目前主流的尾流模拟方法中,基于致动盘的模拟方法计算精度可控,但尾流模拟的准确性有待提高,且计算资源昂贵;传统解析模型的计算速度较快,但精度较低。针对上述两种方法的利弊,如何准确、高效地模拟风电场尾流场,成为提高风电场设计阶段发电量的关键问题。为此,以风电机组和风电场为研究对象,从尾流物理变化规律和数据角度出发,一方面结合尾流演化规律,探寻计算精度更高的致动盘模拟方法和解析模型;另一方面,为兼顾模型的计算精度和效率,基于致动盘模拟方法的流场数据,结合降阶模型与机器学习方法,发展数据驱动的尾流快速模拟技术。围绕此课题,完成了如下工作:（1）提出了一种风电机组尾流场改进致动盘的模拟方法针对标准致动盘难以准确反映湍流特征的问题,根据冠层阻塞效应和致动盘原理,建立了考虑机舱和塔筒结构的改进致动盘模型;针对标准k-ε湍流模型偏于高估尾流恢复过快的问题,采用改进k-ε湍流模型控制近尾流区湍流的耗散速度;将改进致动盘模型与改进k-ε湍流模型相结合,建立所提致动盘模型。利用英国GH风洞实验和荷兰TNO风洞实验对所提数值模型进行验证,结果表明:所提数值模型在保证远尾流模拟准确的基础上,提高了风电机组近尾流模拟的精度。但针对大型风电场内机组间距超过近尾流区域的情况,建议开展风电场尾流模拟时忽略机舱和塔筒等结构。（2）研究了风电场尾流场CFD工程湍流模型参数的影响。针对改进k-ε湍流模型的参数C4ε在风电场尾流模拟研究中难以校准,以及参数C4ε的变化如何影响风电场尾流恢复等问题,在推力系数修正的风电场致动盘模型基础上,开展了改进k-ε湍流模型中参数C4ε对风电场尾流模拟的影响规律研究。采用Horns Rev、Nysted海上风电场,以及Wieringermeer陆上风电场为例进行分析,结果表明:减小改进k-ε湍流模型中参数C4ε,可有效促进下风向各机组的湍流动能、入流风速,以及发电功率的增加。当参数C4ε为0.15时,数值模拟结果与实测功率数值吻合度最高。（3）建立了一种风电机组尾流场二维卷吸模型针对致动盘模拟方法对计算资源需求高、耗时长的问题,开展风电机组尾流场解析建模研究,可快速评估风电机组的尾流分布。然而,传统一维解析模型基于单一守恒定律和均匀分布假设,无法准确捕捉尾流沿风轮径向的非均匀分布特征。相反,一维卷吸模型可在控制体内同时满足质量守恒与动量守恒,在其基础上结合高斯分布假设初步建立的高斯卷吸模型,尾流模拟结果更加接近实值。针对上述卷吸模型的卷吸系数E=0.15是通过有限风洞实验和场测数据拟合确定,缺乏一定的数学推导,影响尾流模型的计算精度的问题,建立了一种卷吸系数参数化表达的二维卷吸模型。该模型考虑了可变的卷吸参数对风电机组尾流恢复的影响。以英国GH风洞、荷兰Sexberium风电场、以及中国西北某风电场为例进行验证分析,结果表明:相比较其他4种高斯模型,所提模型在3个场景的算例验证中均显示出较高的尾流模拟效果。（4）提出了风电场尾流场卷吸模型针对风电工程中广泛采用的诸多风电场流动模型,存在高估尾流损失的缺陷,提出了一种风电场尾流场卷吸模型。该模型由改进线性卷吸尾流模型（MLEW）与平方和叠加模型耦合而成。MLEW模型在一维线性卷吸尾流模型的基础上,考虑了地表粗糙度对下风向风电机组尾流恢复的影响;结合工程广泛采用的平方和叠加模型,建立风电场尾流场卷吸模型。采用TNO风洞实验、Horns Rev海上风电场,以及Lillgrund海上风电场进行模型验证,结果表明:MLEW模型可准确预测尾流中心线归一化的流向速度;与其他风电场解析模型相比,所提模型在发电功率模拟精度方面较高。（5）建立了基于数据驱动的风电机组与风电场尾流模拟方法针对高精度CFD仿真手段获取尾流成本高、耗时长等问题,建立了基于数据驱动的风电机组与风电场尾流模拟方法。采用本征正交分解方法提取尾流流动代表性模态基;通过BP神经网络,RBF神经网络,GAM,GPR四种机器学习模型,预测目标工况的模态基系数;在模态基系数预测结果的基础上,与代表性流动模态基线性相乘,快速评估风电机组尾流分布与风电场的功率输出。利用TNO风洞实验、Horns Rev海上风电场对所提数据驱动模型验证,结果表明:基于POD-ML的四种数据驱动模型在保证CFD模拟精度的前提下,大幅度提高了计算效率。