湖北省典型地區風電和光伏電站出力特性分析

侯婷婷，周小兵，張 維，崔艷昭

（1.國網湖北省電力公司經濟技術研究院，湖北 武漢 430077 2.國網青島供電公司，山東 青島 266000)

0 引言

隨著全球限制碳排量要求的進一步提高和煤炭、石油等常規一次能源資源短缺矛盾的不斷加深，深入開發、利用風力發電、太陽能發電等清潔可再生能源發電已經成為一種必然趨勢[1～2]。隨著風電、光伏電站裝機容量在電力系統中所占比重的快速增長，風能、太陽能等本身的隨機性、間歇性特征[3～4]給電力系統的安全運行和優化規劃工作帶來巨大的挑戰[5～6]。因此，對風電場出力、光伏電站出力特點進行研究并總結出其規律，具有非常重要的意義。

近幾年，我國的風電、光伏發電等新能源電源都得到了飛速增長[7]。根據國家能源局發布的光伏產業數據，2014年全國光伏發電累計并網裝機容量同比增長60%，2015年全國新增1 500×104kW。與此同時國內外專家學者對風電、光伏發電等特性展開了廣泛的研究，但是這些研究大多致力于我國風能、太陽能資源豐富、新能源發電起步早的西北和沿海地區[8-10]。事實上，近兩年以湖北省為代表的我國中部內陸地區風光等新能源發電裝機也經歷了快速發展，尤其孝感大悟等地區已超出“十二五”規劃預期。由于風電、光伏電站等依賴自然風能、太陽能發電，其出力特性具有明顯的地域差異性，因此內陸地區的新能源發電出力特性需要專門研究。

本文以我國中部內陸新能源發電代表地區——湖北省孝感地區為研究對象，全面分析了風電場及光伏電站的出力特性，以歷史實測出力數據為基礎定性或定量歸納了其出力特征，包括隨機性、波動性、概率屬性、時序相關性、風光同時率及互補特性。本文的分析結果可以為中部內陸地區的風電、光伏發電等新能源的消納、接入系統的優化運行及中長期規劃提供理論指導。

1 湖北省風電、光伏發電發展情況

1.1 湖北省風電、光伏發電總體情況

截止2014年底，湖北省風電裝機76.7×104kW，同比增長118.3%，太陽能發電裝機8.6×104kW，同比增長78.7%。尤其孝感、隨州、荊門、荊州、襄陽、恩施等地區風電、光伏增長迅速，超出了“十二五”電網規劃預期，其裝機容量如表1所示。

表1 湖北省風電和光伏電站主要地區裝機容量Tab.1 The installed capacity of wind power and photovolatic power of main regions in Hubei province

由表1可知，截止2014年底，湖北省風電、光伏發電等新能源發電裝機容量最大的兩個地區是孝感和隨州，其中孝感地區195.6 MW的風電和20 MW的光伏發電已全部投運，且風電容量已超過地區負荷的10%，投運光伏電站容量是湖北省最大的地區（隨州地區的裝機還未全部投運），是湖北省目前風電、光伏發電發展較為典型的地區。故本文選孝感地區已投運的風電場和光伏電站為研究對象，分析其出力特性，為湖北省后續計劃投運的風電場、光伏電站出力特性分析提供參考。

1.2 湖北省孝感地區風電及光伏發電情況

孝感地區共有4個風電場、2個光伏發電場，風電場分別為五岳山風電場一期、五岳山風電場二期、仙居頂風電場、擂鼓臺風電場，光伏電站分別為漢川光伏電站和應城光伏電站,其裝機容量如表2所示。

表2 孝感地區各風電場和光伏電站裝機容量Tab.2 The installed capacity of wind farms and photovolatic power stations of Xiaogan region

3 風電、光伏發電出力特性分析指標

風電、光伏等新能源發電短期出力需要大量的測風速據和氣象信息，且預測精度非常有限。在現有技術條件下難以實現實際意義上的風電場/光伏電站出力的中長期預測[11]。因此，本文從統計學的角度，以湖北省典型地區風電場、光伏電站等新能源出力的歷史時序實測數據為基礎，分析風電場、光伏基地出力特性指標，總結出其出力特性及規律。結合電力系統優化運行及中長期規劃的需求、以及收集到的實際風電、光伏等新能源電源出力數據，從新能源發電的電量效益、容量效益、波動情況、時序相關性、風光互補情況幾個方面建立新能源發電出力特性指標。

1）電量效益角度

新能源發電的電量效益是衡量為并網系統節約發電燃料和減少污染物排放方面的一個指標，主要包括燃料節約效益和環境保護價值。因此，電量效益直接同風電場和光伏電站的發電量相關，所以風電場或者光伏電站的發電量是評估新能源發電電量效益的關鍵。基于此，對不同統計周期內的新能源出力數據進行均值處理，可以表示一定周期內新能源發電的有效電量水平，又能較為直觀地表征不同統計周期日小時出力的變化趨勢。

設P1，P2，…，PT是統計周期T內風電場或光伏電站出力的一組獨立隨機樣本，則其均值

運用公式（1）對風電場、光伏電站的各月、季、年內的日出力曲線進行均值出力，可以看出其相應月、季、年內的有效電量水平及日出力變化趨勢。

2）容量效益角度

風電場或者光伏電站的容量效益是指新能源發電有一定的可信容量，可以替代部分常規發電機組容量，進而節省相應部分機組的投資。因此，容量效益直接同風電場和光伏電站的出力大小相關，所以風電場或者光伏電站的出力概率分布是評估新能源發電容量效益的關鍵。基于此，對不同統計周期內的新能源發電出力數據求取概率分布和累計概率分布，可以表示表征其出力大小的概率及變化范圍，進而可用于評估整個風電場或者光伏基地的出力水平。

統計時間周期T內，風電場/光伏出力p∈[0，C]概率分布f(p)可表示為

式中：T為統計時間周期；Tp為整個統計期間T內風電場出力等于p的時間；C為風電場/光伏電站的裝機容量。

實際中，風電場/光伏電站出力是離散的數值，因此可將實際出力數據，在[0，C]區間內將風電場/光伏電出力離散化為L個出力水平區間(Ci,Ci+1]（i＝1,2,…,L），對統計周期內各時段的風電/光伏出力進行歸一化處理后，風電/光伏出力的概率分布可表示為

式中：ni為統計周期內風電場/光伏出力水平區間(Ci,Ci+1]個數；N為統計周期內的數據總數；f(Ci)為風電場/光伏出力處于區間(Ci,Ci+1]的概率。

相應地，統計周期內風電場/光伏出力的累積概率分布F(Ci)為

式中：F(Ci)統計周期內風電場/光伏出力小于等于出力水平Ci的累積概率。

運用式（2）～（4）對統計周期內風電場、光伏電站的出力求取概率密度函數及累計概率分布，可以看各個出力水平的概率及變化范圍，進而可用于評估整個風電場或者光伏基地的出力水平和容量效益。

3）波動情況

在統計學中，當多組數據的均值不同時，常常采用變異系數分析數據組的離散程度，變異系數越大表示樣本數據越離散。當分析風電場/光伏電站的出力時，統計周期內出力的變異系數越大，則離散度越高，相應的風電場或者光伏電站的出力波動性也越大。變異系數FL的數學表達式為

式中，S為統計周期內出力的標準差，

運用式（5）對風電場、光伏電站的各月、季、年內的日出力曲線求取變異系數，可以看出其相應月、季、年內的出力的波動程度。

4）時序相關性

對不同統計周期內的風電場/光伏電站出力進行一定時間尺度的相關性分析，利用相關系數來表征不同時段風電場/光伏出力的時序關系。相關性分析結果可為風電場/光伏電站出力預測提供一定的依據。設(Pt，Pt+△t)為時間尺度△t的兩組風電場/光伏電站出力變量，在統計周期內它們是二維離散型隨機變量，記EPt、EPt+△t為隨機變量Pt、Pt+△t的期望值，用ρ△t表示風電場/光伏電站出力隨機變量Pt、Pt+△tt的時序相關系數，則

運用式（7）對風電場、光伏電站的各月、季、年內的日出力曲線求取變異系數，可以看出其相應月、季、年內的出力在不同時間尺度下的相關程度，進而為出力預測提供參考。

5）局部同時率

不同地理位置的風電場或者光伏基地的同時率即它們的相關性，對不同風電場/光伏基地出力進行相關性分析，并利用相關系數來表征不同地域的風電場/光伏基地出力的相關程度，可表征風電場/光伏基地出力的同時性。

設(XW,XP)為兩個風電場、光伏電站出力變量，在統計周期內它們是二維離散型隨機變量，EXW、EXP分別為隨機變量XW、XP的期望值，用ρ表示風電場出力、光伏電站出力隨機變量XW、XP的相關系數，

運用式（8）對風電場、光伏電站的各月、季、年內的日出力曲線求取相關系數，可以看出其相應月、季、年內的出力相關程度，及風電場和光伏基地出力的同時性或者互補性，進而為風電、光伏發電等新能源消納提供依據。

3 風電、光伏發電出力特性分析結果

以湖北省孝感地區裝機容量最大的五岳山風電場和投運較早的漢川光伏電站為例，分析其出力特性指標。五岳山風電場包括五岳山一期和五岳山二期，總的裝機容量97.6 MW，漢川光伏電站的裝機容量10 MW。測試數據為2014年1月1日至2014年12月31日一年的實測出力數據，不失一般性，統計分析中風電場、光伏電站出力均采用以裝機容量為基準的標幺值。為了獲得出力的季節性特征，統計分析周期分為年、季（春季3～5月，夏季6～8月，秋季9～11月，冬季12～2月）和各月。以小時為單位對各統計周期內各日逐小時的風電出力分布進行統計分析。

3.1 原始時序出力

圖1和圖2分別為五岳山風電場和漢川光伏電站的一年時序出力曲線。

圖1 一年15 min間隔出力曲線Fig.1 Sequential 15min-power output curve of Wuyueshan wind farm and Hanchuan photovoltaic station

由圖1可知，由于風速的變化，風電出力的波動性非常強，并且波動范圍很大，在每一天內或者幾個小時內都有可能從零出力到額定出力之間變化。由于每天日照強度和方向的變化，光伏電站的出力在每一天內或者幾個小時內同樣有可能從零出力到額定出力之間變化。總之，長期來看風電場、光伏電站一年時序出力均具有較大的隨機性，對于中長期規劃問題，歷史實測時序出力不具有參考價值。

3.2 日均出力曲線

圖2和圖3分別為五岳山風電場和漢川光伏電站按月、按年統計的日均出力曲線。

圖2 五岳山風電場和漢川光伏電站各月日均出力曲線Fig.2 The monthly average power output curve of Wuyueshan wind farm and Hanchuan photovoltaic station

圖3 五岳山風電場和漢川光伏電站各季日均出力曲線Fig.3 The seasonally average power output curve of Wuyueshan wind farm and Hanchuan photovoltaic station

由圖2(a)、圖3(a)可知，風電場四季逐時平均出力呈明顯的峰、谷變化過程，各季差異性較大。由于風電出力的季節性差異，使得各月、季節風電出力的峰、谷值出現的時刻不同。五岳山風電場各季變化趨勢為：春季風電出力于下午15時出現低谷，夏季風電出力晚上17時出現低谷；秋季晚上19時風電出力出現低谷；冬季風電出力在下午14時出現低谷。同時，春季風電出力及峰谷差均最大；夏季風電出力是四季中最弱的，但峰谷差很大；秋季全天風電出力較小，變化最為平穩。

由圖2(b)、圖3(b)可知，相對于風電出力，光伏電站出力特性具有很大的相似性。從全年來看，各月之間出力峰值有一定的差異性，但是均有相似的晝夜變化特性和峰值時段，各月出力高峰時段均在中午11點到下午13點之間。相應的，光伏電站四季逐時平均出力呈現明顯的晝夜變化過程，四季出力區間更加集中，具有相近的峰值時段，均集中在正午12點附近。但由于日照強度和時間變化的周期性，峰值大小具有季節性差異。秋季出力峰值最大，而夏季發電量最大，冬季的出力峰值及發電量均最小。

經統計計算，五岳山風電場年發電利用小時為1 918 h，最大出力率0.94；漢川光伏電站的年發電利用小時為934 h，最大出力率0.85。全國并網風電全年發電利用小時為1 905 h，光伏發電全年發電利用小時為891 h，孝感地區的風電、光伏發電利用小時略高于全國水平。

3.3 概率屬性

圖4為五岳山風電場和漢川光伏電站出力的概率密度曲線和累計概率分布曲線。

圖4 出力的概率密度分布和累計概率分布Fig.4 The probability distribution and cumulative probability distribution of power output

由圖4可知，五岳山風電場和漢川光伏電站出力均主要集中在0.05，同時，五岳山風電場風電出力在裝機容量50%以下的概率達到了83.4%，出力在裝機容量60%以下的概率達到了88.6%。漢川光伏電站出力在裝機容量50%以下的概率達到了92.7%。說明出力在0.5及以下時五岳山風電場的累積概率更小，即五岳山風電出力分布在0.5以上的概率較漢川光伏電站大，因此使得其平均出力水平更高。

3.4 波動情況

圖5為五岳山風電場和漢川光伏電站各月、季、年出力的變異系數曲線。

圖5 各月及各季、年出力曲線變異系數Fig.5 The monthly,seasonally and yearly coefficient of variation of power output

由圖5可知，五岳山風電場出力變異系數在30%以上范圍內的月份有5月、6月、7月三個月份，各個月份風電出力離散度的不同對四季風電出力的離散度產生較大影響，使得春、夏季離散度較大，秋季離散度最小。光伏電站12月、1月、2月三個月份的變異系數幾乎是全面中最大的，而6月、7月、8月三個月份的變異系數是全年中最小的，這是因為夏季日照強度普遍較強，因此出力比較均衡，離散度最小。而冬季日照強度弱以及日照受天氣變化影響較大，致使冬季出力離散度最大，即出力波動性最大。同時，由于光伏電站出力的高度晝夜變化特性，使得其出力離散度總體高于風電出力。

3.5 時序相關性

圖6為五岳山風電場和漢川光伏電站一年出力在不同時間尺度下的相關系數曲線。

圖6 五岳山風電場和漢川光伏電站出力時序相關系數曲線Fig.6 The sequential correlation coefficient curve of power output

圖6可知，隨著時間尺度的增大風電逐時出力的時序相關性逐漸降低。當Δt取1～4 h時，其相關性較大，一般在0.5以上，其中Δt＝1 h時相關性大于90%；當Δt＝12 h時，其相關性明顯下降到0.5以下；Δt＝24 h時，相關性更低。這說明風電出力的時序相關性僅對短期及超短期風電場出力預測具有一定的實際意義。光伏電站逐時出力的時序相關性亦有隨著時間尺度增加而總體逐漸降低的特點，并且有相關性的出力表現在白天有日照時段。其中Δt＝12 h時，由于光伏出力的晝夜變化周期性，相關性曲線出現了兩個有無相關性的臨界點。Δt＝24 h時，代表下一天出力與當前出力的相關性，雖然相關度較低，但是較風電出力同周期的相關度高一些。

3.6 風光出力同時率

圖7為五岳山風電場和漢川光伏電站的365 d出力、按月統計日均出力、按季統計日均出力、按年統計日均出力的相關系數。

圖7 五岳山風電場和漢川光伏電站出力相關系數Fig.7 The 365-day,monthly,seasonally and yearly correlation coefficient curve of Wuyueshan wind power and Hanchuan photovoltaic power

由圖可知，五岳山風電場和漢川光伏電站出力每天的同時率差異性很大，只有極少數的天數其正相關能超過0.6，并且負相關的天數遠遠多于正相關的天數，即表現出一定的互補性。從月均出力的相關性來看，各月相關性同樣差異很大，相關指數除了10月份均呈負相關，其中1月、3月、4月、5月、11月、12月的負相關指數超過了0.6，1月、4月、11月、12月等四個月份的相關指數負向超過了0.8，說明具有較強的互補性。四個季節中，春季和冬季互補性較高，負向相關指數超過了0.8，而夏、秋季節的相關性極小。

4 結語

本文對我國中部內陸新能源發電代表地區——湖北省孝感地區的風電場出力、光伏電站出力特性進行了全面分析，以歷史實測出力數據為基礎定性或定量歸納了其出力特征，包括隨機性、波動性、概率屬性、時序相關性、風光同時率及互補特性。通過計算分析結果可以得出以下結論：（1）長期的一年風電場、光伏電站時序出力均具有較大的隨機性，沒有明確的規律可以遵循，對于中長期規劃問題，歷史實測時序出力不具有參考價值。（2）五岳山風電場、漢川光伏電站的年發電利用小時分別為1 918 h和934 h，略高于全國水平。但出力均主要集中在0.05，出力的可信容量不高。（3）風電場四季逐時平均出力呈現明顯的峰、谷變化過程，各季差異性較大。相對于風電出力，光伏電站出力特性具有較強大的相似性。出力峰值有一定的季節差異性，但是均有相似的晝夜變化特性和峰值時段。五岳山風電場出力和漢川光伏電站出力離散度具有較大的季節差異性，同時，由于光伏電站出力的高度晝夜變化特性，使得其出力離散度總體高于風電出力。（4）隨著時間尺度的增大，風電、光伏發電逐時出力的時序相關性均逐漸降低，出力的時序相關性僅對短期及超短期出力預測具有一定的實際意義。光伏電站逐時出力的時序相關性較風電出力同周期的相關度高一些。（5）五岳山風電場和漢川光伏電站出力每天的同時率差異性很大，并且負相關的天數遠遠多于正相關的天數，即表現出一定的互補性。同時，春季和冬季互補性較高，夏、秋季節的相關性極小。本文的分析結果可以為中部內陸地區的風電、光伏發電等新能源的消納、接入系統的優化運行及中長期規劃提供理論指導。

（References）

[1]Valenzuela Jorge,Wang Jianhui.A probabilistic model for assessing the long-term economics of wind energy[J].Electric Power Systems Research,2011,81(4):853-861.

[2]周世平.新能源技術與湖北能源發展綜述[J].湖北電力,2011,35(5)：1-6.Zhou Shiping.New energy technology and summary of the energy development in Hubei province[J].Hubei Electric,2011,35(5)：1-6.

[3]Hedegaard K,Meibom P.Wind power impacts and electricity storage-a time scale perspective[J].Re?newable Energy,2012,37(1):318-324.

[4]喬嘉賡,林勇.基于相關機會模型對電網接納風電能力的研究[J].湖北電力,2010,34(4):17-20.Qiao Jiageng,Lin Yong.Analysis of the ability of power system on acceptance of wind power based on thedependentchanceprogrammingmodel[J].Hubei Electric,2010,34(4):17-20.

[5]侯婷婷，婁素華，吳耀武，等.含大型風電場的電力系統調峰運行特性分析[J].電工技術學報.2013,28(5):105-111.Hou Tingting,Lou Suhua,Wu Yaowu,et al.Analy?sis on peak load regulation operation characteris?ticsofpowersystem integrated with large-scale wind power[J].Transactions of China Electrotechni?cal Society,2013,28(5):105-111.

[6]詹智紅,許可.大規模風電接入對電網的影響分析[J].湖北電力,2013,37(1):1-4.Zhan Zhihong,Xu Ke.An analysis of large-scale wind power access’s impacts on power grid[J].Hu?bei Electric,2013,37(1):1-4.

[7]侯婷婷，婁素華，張滋華，等.協調大規模風電匯聚外送的火電容量優化[J].電工技術學報.2012，27(10):255-261.Hou Tingting,Lou Suhua,Zhang Zihua,et al.Ca?pacity optimization ofcorollary thermalsources transmitted with large-scale clustering wind power[J].Transactions ofChina ElectrotechnicalSoci?ety,2012，27(10):255-261.

[8]衣立東,朱敏奕,魏磊,等.風電并網后西北電網調峰能力的計算方法[J].電網技術,2010,34(2):129-132.Yi Lidong,Zhu Minyi,Wei Lei,et al.A computing method forpeak load regulation ability ofnorthwestChina powergrid connected with large-scale wind farms[J].Power System Technology,2010,34(2):129-132.

[9]肖創英,汪寧渤,丁坤,等.甘肅酒泉風電功率調節方式的研究[J].中國電機工程學報,2010,30(10):1-7.Xiao Chuangying,Wang Ningbo,Ding Kun,et al.Sys?tem power regalation scheme for Jinguan wind pow?er base[J].Proceedings of the CSEE,2010,30(10):1-7.

[10]Hou Tingting,Lou Suhua,Wu Yaowu.Capacity op?timization of thermal units transmitted with wind power from large-scale wind power base:in a fu?ture scenario for Jiuquan Wind Power Base case,China[J].Journal of Wind Engineering&Industri?al Aerodynamics,2014,129:64-68.

[11]倪識遠,胡志堅.基于概率密度擬合的風電功率波動特性研究[J].湖北電力,2014,38(6):12-18.Ni Shiyuan,Hu Zhijian.Research on wind power fluctuation characteristic based on the fitting of probability density[J].Hubei Electric,2014,38(6):12-18.