基于實測功率數據的風光輸出特性分析

楊海威,謝宜宏,熊 毅,周 健,朱斌泉

(1.東北電力大學 電氣工程學院,吉林 132012;2.國網浙江德清縣供電公司,湖州 313200)

●新技術與應用●

基于實測功率數據的風光輸出特性分析

楊海威1,謝宜宏1,熊 毅1,周 健2,朱斌泉2

(1.東北電力大學 電氣工程學院,吉林 132012;2.國網浙江德清縣供電公司,湖州 313200)

中國已進入能源發展的調整階段,利用新能源發電是調整能源發展的重要趨勢,其中風光互補發電是新能源發電的新興方向,而分析風光輸出功率的特性是評估風光互補發電系統對電網影響的重要內容。因此，筆者通過計算風光輸出功率概率密度分布、輸出功率波動量概率密度分布,以及分布函數的特性，分析了風光輸出特性,并基于實測功率數據的算例，驗證了風光互補發電能夠提高新能源入網的利用率,削弱風電對電網的影響,風光互補發電可行。

風光互補;輸出特性;波動特性;概率密度分布

當前,如何控制污染及發展新能源成為熱點話題,能源發展從高碳走向低碳，從低效走向高效,從不清潔走向清潔,從不可持續走向可持續是大勢所趨,也是發展的必然。在新能源發展過程中,必須逐步控制并摒棄傳統污染能源,大力開發利用水能、風能、太陽能、生物質能等可再生清潔能源。截止到2014年,黑龍江省新能源和可再生能源發電裝機規模突破600萬kW,比上年增長13.8%,新能源和可再生能源發電裝機占全省電力總裝機的比例達24.3%,比上年提高2個百分點。其中,風電裝機規模453.7萬kW,增長15.7%;光伏發電裝機規模1.1萬kW,實現了從無到有的歷史性突破。然而,風電機組的輸出功率和風速有關,風作為風力發電的能量來源,并不像傳統的火力發電等常規發電機組的能量來源那樣根據需要來對發電進行控制,而且,風的隨機性、間歇性使得風力發電對電網產生了影響;同樣,光伏和風力發電一樣,面臨著相同的問題:光伏發電和氣溫、有無云遮擋太陽等基礎因素有關,這些因素同風相似,都不能進行人為的靈活控制。因此,研究風電機組、光伏陣列的有功功率輸出特性及風光互補發電系統輸出特性具有重要意義。文獻[1]根據風電功率數據提取波動分量,并采用帶有位移因子和伸縮系數的t分布來描述風電功率波動特性的概率密度分布,隨后分析了多種情況下t分布仍具有很好的實用性。文獻[2-3]從風速的角度進行了研究,從風速的概率分布模型分析了風速對風電功率波動的影響,并提出用威布爾分布(weibull分布)等來計算風速的概率分布模型的相關參數。文獻[4]構建了基于輸出功率最大相關性原則的等效風速選取方法,提出了表征風電機組整體風能捕獲特性的等效風能利用概念及其他重要結論。文獻[5]通過分析光伏特性模型參數對輸出特性的影響規律,提出一種求解最大功率點的計算方法,進而獲得任意光照強度和環境溫度下的光伏特性曲線。文獻[6]總結出集中式光伏陣列處于復雜光照環境下的輸出特性,建立了1種復雜光照環境下集中式光伏陣列輸出特性的仿真模型。文獻[7]建立了大規模并網風光互補發電系統動態分析模型,提出了基于功率變化率改進擾動觀察最大功率跟蹤算法。文獻[8]通過對風光互補發電系統能量流動和運行特性的分析,提出了一種包括最大功率跟蹤控制、負載功率跟蹤控制、蓄電池充放電控制和系統保護運行等控制策略的協調控制方案。但這些研究都是對其發電系統的自身特性的研究,或者是對風光發電系統控制策略的研究,并沒對風力發電和光伏發電捆綁發電的可行性提供基礎的理論支持。因此,本文基于實測的風力發電數據和光伏發電數據,通過分析二者自身特性以及捆綁在一起的輸出功率分布特性,進而提供風光捆綁發電可行性的理論基礎,希望對處于起步階段的光伏發電。風光互補發電甚至對新能源發電的分析和研究起到促進作用。

1 風電和光伏的輸出特性

當前,基于實測的輸出功率數據來分析風電功率和光伏發電功率的輸出特性是使用較常規的方法,本文所使用的數據是間隔為15 min的風電功率數據和光伏發電數據,時間長度為一天,共有96個數據采樣點,因此,能夠反映在一個完整的負荷周期內的風電和光伏的輸出特性。通常情況下,認為風電機組的輸出功率和風速具有下列關系:

(1)

式中:P(v)為即時的功率數據;ρ為空氣密度;Cp為風能捕獲系數;A為風力發電機葉片掃過的面積;v為風速;vin為切入風速;vr為額定風速;vout為切出風速。

光伏發電的輸出功率大小取決于光伏面板的能量轉換效率ηct和入射太陽輻照度,它們的關系為

pmt=ηctSCAIβt

(2)

式中,SCA為電池面積,Pmt為t時刻太陽輸出功率;Iβt為t時刻斜面上的太陽幅照度。風電機組、光伏太陽板和二者捆綁在一起的實時功率分布如圖1所示。

圖1 實時功率分布圖

從圖1可以發現,風光捆綁后向電網輸送時,達到了風光互補。假設以0.2倍的額定容量為入網的下限,當只有風電向電網輸送功率時,約有50個數據采樣點的持續時間可參加電網的調度;當只有光伏發電向電網輸送功率時,約有30個數據采樣點的持續時間可參加電網的調度,而風光二者捆綁向電網輸送功率時,約有70～80個數據采樣點的持續時間可參加電網的調度,補償了沒有風和沒有光照對單獨發電系統的影響,大大的增加了新能源發電占發電總量的可利用率。相對波動劇烈的風力發電,光伏發電對電網的影響相對較小,風光的輸出特性在沒有太陽光照射時(對應約10～35數據采樣點持續的時間段)就是風電自身的輸出特性,在沒有超過切入風速的風速推動風電機組發電時(對應約50～75數據采樣點持續的時間段)就是光伏發電的輸出特性。同時,在每天的中午,風光互補發電系統的輸出功率會達到一個或幾個極大值,需要進行人為調度或增加儲能系統,以保證電網的安全。

2 風電和光伏的輸出功率波動特性分析

2.1 風光輸出功率波動量的選取

根據輸出功率的實測值形成波動特性的統計量并不是唯一的,本文使用一階差分量Y(t+Δt)-Y(t)作為衡量風光輸出功率波動特性的量化指標,Δt在本文中的取值為15 min,風電功率、光伏和風光互補發電系統的波動情況如圖2～4所示。

從圖2～4可以發現,風電的波動最為劇烈,偏離橫軸的程度最大,無法判斷較長時間段內輸出功率的增減性。光伏發電的輸出功率相對平緩,一階差分量的值遠比風電功率波動的差分量的值小得多,并且可以清晰的得到從第30至第50個數據采樣點所對應的時間段內,光伏發電的輸出功率逐漸增加,從第50至第70個數據采樣點所對應的時間段內,光伏發電的輸出功率逐漸下降。當進行風光捆綁外送功率時,其輸出功率波動較風電功率的輸出功率波動平緩,較光伏輸出功率波動劇烈,并且,也無法簡單的判斷一段時間內輸出功率的增減性。

圖2 風力發電輸出功率波動量的散點圖

Fig.2 Scatterplot of wind power output power fluctuation quantity

圖3 光伏發電輸出功率波動量的散點圖

Fig.3 Scatterplot of photovoltaic power generation output fluctuation quantity

圖4 風光互補發電發電輸出功率波動量的散點圖

Fig.4 Scatterplot of output power fluctuation amount for wind and light complementary power generating system

2.2 風光輸出功率波動量的概率密度分布

以風電功率、光伏輸出功率和風光互補發電系統外送功率的一階差分量為統計量,統計其概率密度分布,即可得到輸出功率波動量的概率密度分布函數,其結果如圖5所示。

圖5 輸出功率波動量的概率密度分布圖

Fig.5 Probability density distribution map of output power fluctuation quantity

從效果圖5可以得知,風力發電和風光互補發電在15 min的間隔內,在±0.2倍的額定容量內波動的概率最大,而光伏發電只在±0.1倍的額定容量內波動,風光互補發電的波動特性主要為風力發電的波動特性。風力發電波動量的右偏性明顯,這說明風力發電的加速過程時間長度大于加速時間,從側面說明了風電場選址的正確性。風光互補發電的波動量分布趨于對稱分布,范圍在±0.4倍的額定容量,這個結果表明,加入了光伏發電后,風光互補發電的波動程度減弱,風光互補發電的輸出功率數據中,極端的數據分布減小,可以推想,當幾個光伏發電基地和一個風力發電共同向電網輸送功率時,風電功率的波動特性對電網的影響將會更大程度地被減小。

3 風光互補發電系統輸出特性分析

對于波動劇烈的風力發電,通常用2種方法來刻畫其功率的輸出特性,一種是基于隨機序列的方法,包括馬爾可夫鏈、蒙特卡洛理論以及其他隨機過程模型;另一種是基于概率密度函數的方法。本文將風光互補發電系統的輸出功率從0到最大值分成N個區間,每個區間可以稱作一個小功率區間,那么每個小功率區間的頻數不盡相同,因而形成不同高度的矩形。當所有的矩形的面積為1時,每一個功率區間的頻率就是此功率區間在功率總體分布中出現的概率,將每個區間中點對應的概率值連接起來就形成了總體功率的概率密度曲線,風光互補系統的輸出功率的概率密度分布情況如圖6所示。

統計風力發電、光伏發電和風光互補發電輸出功率的概率密度分布,得到的概率密度分布函數曲線如圖7所示。

從圖6、圖7可以得出,風光互補發電對電網是有益的,首先降低了風力發電或光伏發電出現不出力或很少出力的情況的概率,風力發電從約60%、光伏發電從約45%下降到了30%左右;其次,持續出力的情況大大增強,風光互補發電在0～0.4和0.6～0.9倍的額定容量內都能以10%的概率運行;最后,風光互補發電的輸出功率概率密度分布函數曲線平緩,在一定的時間段內呈現相同的增減性,即風光互補發電后,極端的功率數據減少,對應的物理過程可以解釋為風力發電的快速變化分量并沒有全部流向電網,其中一部分被光伏發電系統吸收。值得注意的是風光互補發電會出現超容量運行,且對應的概率值并不可以忽略,但這種結果也從側面說明了風光互補發電有必要增加儲能系統。

圖6 風光互補發電系統輸出功率的概率密度分布

圖Fig.6 Probability density distribution map of output power for coind and light complementary power generating system

圖7 三種發電方式輸出功率的概率密度分布圖

Fig.7 Probability density distribution maps of three kinds of power generation output power

4 結 論

本文通過實測的功率數據,通過對數據的分析,得到了以下結論。

1) 風光互補發電增加了單一形式發電的入網時間,提高了新能源發電的利用率。

2) 風光互補發電的波動特性主要是風力發電的波動特性,且波動程度減弱;部分風力發電的快速變化量被光伏系統吸收。

3) 風光互補發電具有很高的可行性,且是新能源發電中主要的發展方向。

[1] 林衛星, 文勁宇, 艾小猛, 等. 風電功率波動特性的概率分布研究[J]. 中國電機工程學報, 2012, 32(1): 38-46. LIN Weixing, WEN Jinyu, AI Xiaomeng, et al. Probability density function of wind power variations [J]. Proceedings of the CSEE, 2012, 32(1): 38-46.

[2] 丁明, 吳義純, 張立軍. 風電場風速概率分布參數計算方法的研究[J]. 中國電機工程學報, 2005, 25(10): 107-110. DING Ming, WU Yichun, ZHANG Lijun. Study on the algorithm to the probabilistic distribution parameters of wind speed in wind farms [J]. Proceedings of the CSEE, 2005, 25(10): 107-110.

[3] 牟聿強, 吳秀麗, 別朝紅, 等. 風電場風速隨機性及容量系數分析[J]. 電力系統保護與控制, 2009, 37(1): 65-70. MU Yuqiang, WU Xiuli, BIE Zhaohong, et al. Analysis of wind speed probability distribution and wind turbine generator capacity factor [J]. Power System Protection and Control, 2009, 37(1): 65-70.

[4] 嚴干貴, 李宏博, 穆鋼, 等. 基于等效風速的風電場等值建模[J]. 東北電力大學學報, 2011, 31(3): 13-19. YAN Gangui, LI Hongbo, MU Gang, et al. Equivalent model of wind farm by using the equivalent wind speed [J]. Journal of Northeast Dianli University, 2011, 31(3): 13-19.

[5] 衛東, 樓洪,肖昌允. 太陽能光伏輸出特性最大功率點計算與模型參數求解[J]. 中國電機工程學報, 2013, 33(10): 121-127. WEI Dong, LOU Hong, XIAO Changyun. Calculation of maximum power point and solution of model parameters for solar photovoltaic output characteristics [J]. Proceedings of the CSEE, 2013, 33(10): 121-127.

[6] 吳小進,魏學業,于蓉蓉.復雜光照環境下光伏陣列輸出特性研究[J]. 中國電機工程學報, 2011, 31(S1): 162-167. WU Xiaojin, WEI Xueye, YU Rongrong. Study of output characteristics of PV array under complicated illumination environment [J]. Proceedings of the CSEE, 2011, 31(S1): 162-167.

[7] 蔡國偉,孔令國,楊德友.大規模風光互補發電系統建模與運行特性研究[J]. 電網技術, 2012, 36(1): 65-71. CAI Guowei, KONG Lingguo, YANG Deyou. Research on modeling and operation characteristics analysis of large-scale wind & light complementary electricity-generating system [J]. Power System Engineering, 2012, 36(1): 65-71.

[8] 齊志遠,王生鐵,田桂珍.風光互補發電系統的協調控制[J]. 太陽能學報, 2010, 31(5): 654-660. QI Zhiyuan, WANG Shengtie, TIAN Guizhen. Coordination control of wind/PV hybrid system [J]. Acta Energiae Solaris Sinica, 2010, 31(5): 654-660.

(責任編輯 郭金光)

Output characteristic analysis of wind and solar hybrid generation system based on real measured power data

YANG Haiwei1, XIE Yihong1, XIONG Yi1, ZHOU Jian2, ZHU Binquan2

(1.School of Electrical Engineering, Northeast Dianli University, Jilin 132012, China;2. State Grid Zhejiang Deqing Electric Power Supply Company, Huzhou 313200, China)

China has entered an adjustment period of energy development, providing a new direction for new energy, the significant part of energy adjustment, which is wind and solar hybrid power generation. To evaluate the influence of wind and solar hybrid system on power grid, the key point is the analysis of the characteristics of wind and solar output power. This paper explains the output characteristics of wind and solar hybrid system on the basis of the calculation of the probability density distribution of wind and solar output power, wind and solar output power variations and the characteristics of the distribution function. The analysis of the example based on the real measured power data shows that wind and solar power generation, which is proved to be feasible, can improve the utilization of grid-connected new energy, weaken the influence of wind power on the grid.

wind and solar hybrid; output power characteristics; variations; probability density distribution

2015-03-10。

楊海威(1990—),男，在讀碩士研究生,主要從事新能源發電聯網運行關鍵技術的研究。

TM615

A

2095-6843(2015)04-0343-04