風電功率波動特性的分析

熊志浩　趙士坤　邵征亞

摘 要：風力發電輸出功率具有波動性、不可準確預測的特點，當風電大規模接入后，將提升該區域發電計劃難度，給電力系統的安全、經濟運行帶來巨大的挑戰。所以，對風電功率進行高精度預測可以在一定程度上緩解風電大規模并網造成的一系列問題。目前為止，如何定量地描述風電功率的波動性尚缺乏有效的方法。但是，基于大量實測數據的分析，我們可以對風電功率波動特性的概率分布作出描述，從而有助于我們對性質的了解。

關鍵詞：風電功率；波動性；概率分布

對風電功率的波動進行研究量分化指標的選取十分重要。目前，對風電功率波動的量化指標沒有統一的標準，或者說在不同的應用場合需要不同的量化指標。

而對于風電輸出功率波動的描述目前有時域分析、頻率分析和時頻分析等方法。本文以吉林某風電場中20臺1.5MW風電機組30天的風電功率數據為基礎，對風電功率的波動性進行研究。

1.風電功率波動特性概率分布研究

在數據中所給的20臺機組中任取5臺，分析在30天內每臺機組風電功率Pi5s（tk） 的波動符合的概率分布。為此可采用等距抽樣的方法，選取5臺風電機組作為樣本數據，并選取一定區間長度對每臺機組的功率區間化處理，并統計各個區間內的頻數，從而作出每臺機組的頻率分布直方圖，以此來反映功率的波動情況如下：

根據所得的頻率分布直方圖，分別采用統計上常用的正態分布、Weibull分布、Logistic分布進行擬合，得到對應的概率分布參數，并通過回歸分析進行檢驗，從而得出擬合度最高的分布類型。最后比較5個機組分布的異同，所得數據如下：

通過上述擬合，得到5個機組在三種不同分布下的分布參數，結果如表1：

2.擬合結果的檢驗

對統計數據進一步處理，分別計算5個機組在不同子區間的累計頻率，通過回歸分析，分析分布函數的概率累計與實際累計頻率的相關關系。仍以第一機組為例，三種概率分布的概率累計殘差圖分別如圖（4）、（5）、（6）所示：

通過上述回歸分析，分別得到三種概率分布下對應每一機組的回歸模型誤差的標準方差S、調整的回歸模型誤差占總誤差的百分比R-Sq（adj），對應數據分別見表2、表3。

根據表中數據可以得出：對于每個機組，Weibull分布的S均為最小值，R-Sq（adj）均為最大值，Weibull分布最能符合風電功率Pi5s（tk） 的波動特性，因此推薦Weibull分布為最好的概率分布。

通過對5個機組的分布進行對比，可以得出它們均最符合Weibull分布，同時它們的各項指標又存在一定的差異性，可以認為這種差異性是由于不同機組所處的外界環境和內部因素綜合作用的結果。

3.總結與建議

利用最佳的概率分布以每日為時間窗寬，對5個風電功率進行擬合，分別計算30個時段的概率分布參數，并利用回歸分析做出檢驗。為了進一步反映風電功率波動的時空差異性，可以分別比較不同機組（空間）、不同時段（時間）風電功率波動的概率分布以及與30天總體分布之間的關系，從而找出差異原因。對于有大規模風電接入的電網來說，運用已記錄的以往的大量數據，處理后對其波動特性進行研究分析，是所得數據更加直接。

參考文獻

[1] 林衛星，文勁宇，風電功率波動特性的概率分布研究，中國電機工程學報，32（1）：38-46，2012。