大規模風電場群逐級匯聚演化分析

趙 姝,崔田麗

(1.東北電力大學 電氣工程學院,吉林 吉林 132012; 2.國網山東省電力公司煙臺市福山區供電公司,山東 煙臺 264000)

大規模風電場群逐級匯聚演化分析

趙 姝1,崔田麗2

(1.東北電力大學 電氣工程學院,吉林 吉林 132012; 2.國網山東省電力公司煙臺市福山區供電公司,山東 煙臺 264000)

針對大規模風電場群數據缺失影響整個風電場群輸出功率的問題,筆者根據寧夏地區大規模風電場群地理數據和功率數據,闡述了持續功率曲線描述的風電功率特性以及研究風電場地理分布對大規模風電場群匯聚效應的影響,分析了持續功率曲線在風電場分布影響因素下的演變規律,提出了根據地理關聯度分級匯聚研究大規模風電場群的方法。實踐證明,大規模風電場群逐級匯聚演化分析方法能夠解決大規模風電規劃、功率預測等實際工程數據缺失的問題。

大規模風電場群;匯聚效應;持續功率曲線;風電場地理分布

目前,大型風電機組的輸出功率是隨機變動的,不具有電能存儲的功能,給風電并網帶來了能源規劃、預測等問題[1]。為了從機理上解決風電并網問題,多數學者從風電功率波動性模型的建立入手,歸納為概率密度函數法[2-4]和隨機序列法[5-8]。文獻[9-10]建立了風場出力相關系數與風場距離之間的指數模型,初步探討了地理位置和風電出力的關系。文獻[11]考慮了同一電力系統中的多個風電場之間固有的空間相關性對風電功率波動性的影響,作為探討空間相關性與風電匯聚關聯的基礎。由于以上文獻實際場景風電場地理數據的缺失,建立的模型以及分析方法還局限于單獨風電場等較小范圍或仿真層面,沒有對大規模風電場群分層逐級匯聚,探究其演化規律,不能很好地切合大規模風電場群場景,因此本文闡述了持續功率曲線在描述大規模風電場群總輸出功率的突出優勢,將風電場輸出功率按由大到小的順序排列,以實際工程提供的大規模風電場群數據為依據劃分風電場群,逐級匯聚,并用MATLAB編程畫出匯聚后的持續功率曲線,分析其演化規律與風電場地理分布以及裝機容量的聯系,消除了風電場分布對整個風電場群輸出功率的影響。

1 大規模風電場群實測數據的處理

1.1 風電場地理數據的處理

工程提供的地理數據是根據各風電機組地點經緯度,取各風機經緯度中間值作為風電場的地理位置。由于地球是一個球體,不同經緯度每度對應的地理長度不同,因此要設定一個參考點,應將三維地理轉化為二維地理關系,如圖1所示,其數學模型如下:

(1)

式中:x、y為風電場對應的經緯度;x0、y0為參考點經緯度;Δx、Δy分別為距離參考的點橫向距離和縱向距離,km;a(x)、b(y)為某固定緯度下每經度對應長度,此數據查表獲得,km。

圖1 三維轉二維示意圖

1.2 風電場功率數據的預處理

1.2.1 功率數據的容許誤差

功率數據的采集及傳輸過程并非靜止無干擾,采集設備也有故障,數據具有誤差是必然的,通過實測數據進行功率分析前有必要對數據進行合理性檢驗和修正。理論上,風電場輸出功率應在0到額定功率之間;在實際工程中,允許風電功率在0附近有波動,甚至有時會出現略小于0的負值情況。假設最大容許誤差為5%,實際應用中風電場輸出功率標幺值的容許區間為[-0.05,1.05],對容許范圍內的功率數據進行保留。

2.2.2 病態功率數據預處理

通過對功率數據的整理,發現允許范圍外的三類病態數據。

第一類:超過額定功率5%(按額定功率5%處理);第二類:低于額定功率-5%(按額定功率-5%處理);第三類:斷檔0值(工程記錄等意外事故造成斷檔數據不全,需要數據補檔。采用相同時段相鄰兩日的數據平均值作為其補檔數據)。

對某大規模風電場群內風電場每5 min測錄1次,共1 a時間的即時功率數據。根據《國家電網公司風電場接入電網技術規定(修訂版)》中對風電場10 min和1 min最大功率變化量進行的規定,利用線性插值公式計可算出5 min最大功率變化量,如表1所示。

表1 不同裝機容量及不同采樣時間間隔下風電場最大功率變化量推薦值

在表1中,Pn為風電場額定裝機容量;Pn/1.5為風電場裝機容量在30～150 MW其最大功率變化量,即額定裝機容量除以1.5。如裝機容量為60 MW,其最大功率變化量為40 MW。

對于不合理的數據或者斷檔的數據,可利用插值法進行修正或者補缺。在功率匯聚后,做持續功率曲線前,應對參與匯聚的功率進行標幺化處理,基準值為所涉及風電場的裝機容量之和。

2 大規模風電場群逐級匯聚過程

2.1 大規模風電場群的劃分

影響風電場群劃分的因素很多,即劃分區域內風電場個數(密度)、風電場裝機容量、劃分區域覆蓋地理面積、選定范圍幾何輪廓等。選用正圓形幾何輪廓、風電場個數、裝機容量、范圍半徑作為影響因子進行風電的逐級匯聚,得到綜合影響指數為

v=an+bS+cR

(2)

式中:a、b、c為反應不同大規模風電場群特性的參數,需要根據實際數據擬合獲得;n為匯聚區域內風電場個數;S為匯聚區域內風電場總裝機容量,MW;R為匯聚范圍半徑,km。

以綜合影響指數為依據進行分級匯聚時匯聚范圍的選擇。

2.2 持續功率曲線的物理意義

持續功率曲線是一種打亂了時序,將輸出功率標幺值由大到小順序排列的連續曲線。使用MATLAB畫出的某范圍風電場群功率匯聚的持續功率曲線如圖2所示。持續功率曲線可以直觀地描述輸出功率特性:曲線頭高表示最大輸出功率標幺值,與橫軸交點表示年利用小時數,曲線與坐標所圍面積表示輸出的電能。通過對比分析不同范圍風電場群的持續功率曲線,可以更直觀地掌握風電場群匯聚的演化規律。

圖2 持續功率曲線

2.3 逐級匯聚的過程

中國目前共有8個大規模風電場群,大規模風電場群一般由十幾或幾十個風電場匯集而成,裝機容量能夠達到GW數量級。由于不同風電場之間的風電功率相互作用,彼此加強或互補,使風電場群的總輸出功率特性不同于任何單一風電場的功率特性。這需要從單一風電場的功率特性研究入手,逐級增加風電場個數,最后得到總體風電場群的功率特性。

根據地理數據作出的風電場地理分布,確定風電場分布密度最大的區域作為匯聚中心,通過式(2)劃分匯聚層級,從中心風電場開始進行逐級匯聚,每級匯聚利用MATLAB作出持續功率曲線,并與大規模風電場群總匯聚的持續曲線進行擬合,分析v指數對匯聚效應的影響,最終得到匯聚的演化趨勢。

3 算例分析

3.1 寧夏大規模風電場群的分級

通過式(1)計算得到各風電場與參考點的相對位置,利用定點測繪工具得到地理位置,如圖3所示。

為了得到風電場逐級匯聚持續功率曲線,擬從風電場分布最密集的區域開始,選擇五里坡第二風電場作為功率累加初始風電場,通過式(1)得出的相對位置關系算出各風電場距五里坡第二風電場的距離,并以距離和相對位置為衡量標準,進行風電場群的劃分,如表2所示。

3.2 大規模風電場群逐級匯聚演化過程

以上一節風電場群劃分區域為基礎,從五里坡第二風電場開始功率的匯聚。由于五里坡第一和第二風電場在地理上緊鄰,因此將五里坡第一和第二風電場輸出功率按相對時間累加后做持續功率曲線,如圖4、圖5所示。

圖3 二維平面的各風電場地理分布地理

圖4 五里坡第二風電場持續功率曲線

圖5 五里坡風電場匯聚持續功率曲線

匯聚層級風電場相對距離/km相對位置0五里坡第二00-1五里坡第一2.50緊鄰1-1星能第四13.20東北星能第三14.14太陽山第三16.64太陽山第四17.89星能第一18.77星能第五21.911-2楊家窯第二22.85西牛首山第三24.58牛首山第二27.06紅寺堡第一27.20楊家窯第一27.351-3麻黃山第四29.00南2星能第二42.43北牛首山第一43.55西南麻黃山第二55.41東南麻黃山第一57.24長山頭第一60.60西太陽山第二61.77東北3賀蘭山第四72.58西北麻黃山第三73.38東南麻黃山第五73.44麻黃山第六73.744-1大戰場第一88.29西南香山第一98.014-2賀蘭山第三96.17西北賀蘭山第一104.35賀蘭山第二105.58賀蘭山第五113.235月亮山第一153.87南

由圖4、圖5可以看出,單獨風電場輸出功率標幺值多數集中于0.4～0.6區域,有效利用小時數在7300 h以內,棄風嚴重。兩緊鄰的風電場持續功率曲線幾乎一致,匯聚后的持續功率曲線與其差距很小,這也符合實際情形。

接著加入12個風電場參與第一級匯聚(30 km范圍內),并根據其相對位置劃分為三部分:東北方向、西方向、南方向。由第0級匯聚過程可知,緊鄰的風電場風電特性一致性很強,分別繪出了東北方向6場匯聚持續功率曲線、西方向5場匯聚持續功率曲線,如圖6、圖7所示。

由圖6、圖7可以看出,兩地區的持續功率曲線有較大差異,總體看出風電趨于弱勢,即棄風嚴重;隨著參與匯聚的風電場數目增加,曲線頭高明顯下降。

圖6 東北方向6場匯聚持續功率曲線

圖7 西方向5場匯聚持續功率曲線

繪出第一級匯聚的持續功率曲線,與0級匯聚相比較,如圖8所示。

圖8 第一級匯聚持續功率曲線

由圖8可以看出，第一級匯聚后,棄風現象有所改善,但不明顯,說明較小范圍內的匯聚對功率平衡的改善不明顯。

第二級匯聚(65 km范圍內)加入的風電場沒有明顯的小區域劃分,6個風電場分布較為分散。第二級匯聚持續功率曲線,如圖9所示。

圖9 第二級匯聚持續功率曲線

與第一級匯聚相比較,可以看出二級匯聚后,棄風現象進一步改善,且效果強于上級。匯聚新加入的風電場分布越分散,其抑制棄風作用越強。

第三級匯聚(80 km范圍內)新加入4個風電場,只有一個裝機容量為79.5 MW的風電場方位與其他3場(總裝機容量269.8 MW)不同。本級匯聚與上一級匯聚范圍差別較小,匯聚效果相似,可反向推知風電場群覆蓋范圍越廣,其包含風電場分散程度越高,抑制棄風作用越強。

第四級匯聚再加入5個風電場,其中西北區域有4個風電場,與上一級東南區域3個風電場遙相呼應。匯聚后其持續功率曲線有較為明顯的變化,棄風損失較上一級明顯減少。由此可知風電場地理位置的平衡對風電場群中各風電場的利用程度和總輸出功率的平穩起積極作用。

最后加上距離較遠的月亮山第一風電場的功率數據,繪出寧夏地區大規模風電場群總持續功率曲線,如圖10所示。

圖10 寧夏地區大規模風電場群匯聚持續功率曲線

雖然月亮山第一風電場在地理位置上與其他風電場差別極大,但是一個風電場作用有限,對整體功率的分布影響不明顯,總持續功率曲線與上級幾乎沒有差別。

4 結 論

1) 單獨風電場即使處于大規模風電場群中心區域,其功率持續曲線也與總體匯聚后的持續功率曲線有較大差別。

2) 大規模風電場群功率匯聚后,最大輸出功率明顯下降,年利用小時數延長,即風電場規模增大,風的不確定性使各風電機組不會同時滿發,其最大出力下降;各風電機組同時停運的概率下降,總發電時長增加。

3) 在第三級匯聚后(即20個風電場功率匯聚后),持續功率曲線基本定型,差別不大,說明地理位置聯系緊密且在數量上占優勢的風電場群可以決定大規模風電場群功率匯聚的趨勢。

[1] 張衛紅,于吉慶,王坤.新能源發電并網標準比較[J].黑龍江電力,2011,33(6):403-408.ZHANG Weihong,YU Jiqing,WANG Kun.Comparision of standards for grid connected system of new energy generation[J].Heilongjiang Electric Power,2011,33(6):403-408.

[2] 楊茂,賈云彭,錢為,等.基于動態權重的風電功率組合預測方法研究[J].東北電力大學學報,2013,33(1):131-136.YANG Mao,JIA Yunpeng,QIAN Wei,et al.A combination method research for wind power predication based on dynamic weight[J].Journal of Northeast Dianli University,2013,33(1):131-136.

[3] 侯佑華,房大中,齊軍,等.大規模風電入網的有功功率波動特性分析及發電計劃仿真[J].電網技術,2010,34(5):60-66.HOU Youhua,FANG Dazhong,QI Jun,et al.Analysis on active power fluctuation characteristics of large-scale grid-connected wind farm and generation scheduling simulation under different capacity power injected from wind farms into power grid,2010,34(5):60-66.

[4] 林今,孫元章.基于頻域的風電場功率波動仿真(一)模型及分析技術[J].電力系統自動化,2011,35(4):65-69.LIN Jin,SUN Yuanzhang.Simulation of power fluctuation of wind farms based on frequency domain Part One Model Analysis Technique[J].Automation of Electric Power SYSTEMS,2011,35(4):65-69.

[5] 潘迪夫,劉輝,李燕飛.風電場風速短期多步預測改進算法[J].中國電機工程學報,2008,28(26):87-91.PAN Difu,LIU Hui,LI Yanfei.Optimization algorithm of short-term multi-step wind speed forecast,2008,28(26):87-91.

[6] 南曉強,李群湛,邱大強.基于符號時間序列法的風電波動分析與預測[J].中國電力,2013,46(4):75-79.NAN Xiaoqiang,LI Qunzhan,QIU Daqiang.Analysis and forecast of wind power fluctuation based on symbolized time series theory[J].Electric Power,2013,46(4):75-79.

[7] 劉玉.基于實測數據分析的大型風電場風電功率預測研究[J].黑龍江電力,2011,33(1):11-15.

LIU Yu.Study on wind power prediction of large-scale wind farm based on real data analysis[J].Heilongjiang Electric Power,2011,33(1):11-15.

[8] 崔楊,穆鋼,劉玉,等.風電功率波動的時空分布特性[J].電網技術,2011,35(2):110-114.CUI Yang,MU Gang,LIU Yu,et al.Spatiotemporal distribution characteristics of wind power fluctuation[J].Power System Technology,2011,35(2):110-114.

[9] Bernhard Hasche.General statistics of geographically dispersed wind power[J].Wind Energy,2010,13(1):773-784.

[10] Hannele Holttinen.Hourly wind power variations in the Nordic countries[J].Wind Energy,2005,8(5):173-195.

[11] 黃裕春,楊甲甲,文福拴.計及接納間歇性電源能力的輸電系統規劃方法[J].電力系統自動化,2013,37(4):28-33.HUANG Yuchun,YANG Jiajia,WEN Fushuan.Transmission system planning considering the capability of accommodating intermittent generation sources[J].Automation of Electric Power Systems,2013,37(4):28-33.

(責任編輯 侯世春)

Analysis of the gradual convergence evolution of large scale wind farms

ZHAO Shu1,CUI Tianli2

(1.School of Electrical Engineering,Northeast Dianli University,Jilin 132012,China; 2.Power Supply Company in Fushan District of Yantai City,State Grid Shandong Electric Power Company,Yantai 264000,China)

Aiming at the affect of data loss to the entire output power of large-scale wind farms,the author expounded the wind power characteristics of continuous power curve description and researched the impact of geographical distribution on convergence effect of large scale wind farms,according to geographic and power data of large-scale wind power in Ningxia area.Also,the evolution law of continuous power curve was analyzed under the influence of wind power farm distribution and the method to study large scale wind farms was put forward according to the geographical correlation hierarchical convergence.Practice has proved that the way to analyze the gradual convergence evolution of large scale wind farms can solve the data loss problems of large scale wind power planning,power prediction and other practical projects.

large scale wind farms; convergence effect; continuous power curve; geographical distribution of wind power farms

2016-06-24;

:2016-07-24。

趙 姝(1990—),女,碩士,研究方向為大規模風電場群場景的電力系統規劃。

TM614

A

2095-6843(2016)06-0487-05