风电机组风电功率波动概率分布分析

电网风电出力特性分析李仕杰;王铁强;郭佳;芦佳硕【摘要】针对风电大规模并网对电网系统产生不良影响的问题,结合河北省南部电网风电场实际运行数据,从波动性、随机性、相关性和互补性等方面分析河北南部地区风电出力特性,比较内陆风风电场与海风风电场的功率特性,为电网大规模接入风电提供参考和借鉴.【期刊名称】《河北电力技术》【年(卷),期】2012(031)006【总页数】3页(P32-34)【关键词】风电场;出力特性;波动性;随机性【作者】李仕杰;王铁强;郭佳;芦佳硕【作者单位】华北电力大学,河北保定071003;河北省电力公司,石家庄050021;华北电力大学,河北保定071003;华北电力大学,河北保定071003【正文语种】中文【中图分类】TM614目前，风力发电是较成熟、经济效益较好的一种可再生能源发电技术。

随着风力发电技术的快速发展和国家在政策上对可再生能源发电的重视，风电在河北省南部电网(简称“河北南网”)中所占比重不断提高。

风能具有波动性、间歇性以及随机性等特点[1-3]，这决定了风电的大规模并网会对系统电压、频率产生不良影响，从而限制风电的大规模接入。

1 风电场概况河北南网部分地区风资源丰富，风电装机容量逐年增加。

截至2012年8月，河北南网接入的风电场主要有：沧州地区海兴风电场(50 MW)、黄骅风电场(100 MW)，保定地区的蔚州风电场(150 MW)，以及接入220 kV新蔚汇集站的黄花梁、东甸子梁、永胜庄、茶山、甄家湾等风电场(250 MW)。

根据河北南部地区可再生能源产业发展规划，到2013年河北南网风电装机总容量将达到1 050 MW。

河北南网风电机组类型主要为变速恒频双馈型机组，额定功率为1.5 MW或2 MW，额定风速为12 m/s，风轮半径65～70 m，桨叶目数为3。

2 风电出力的波动性和随机性2.1 风电出力的波动性风电出力波动幅度大，波动频率也无规律性，在极端情况下，风电出力可能在0～100%范围内变化。

第一页答卷编号：论文题目：风电功率波动特性的分析——从一个风电场入手指导教师：参赛学校：报名序号：证书邮寄地址：（学校统一组织的请填写负责人）第二页答卷编号：风电功率波动特性的分析——从一个风电场入手一、摘要本文运用多种数学建模方法就风电功率波动特性问题进行探讨，结果表示各预测模型精准度都较高。

针对问题一，首先通过对样本数据进行筛选整合，剔除异常点，继而利用SVM估计回归的方法将输入空间的数据映射到高维，简化运算，建立了基于支持向量机的风电功率预测模型，借助损失函数并运用MATLAB编程求解，获得了良好预测效果；为了便于对比分析，对数据进行随机性和平滑性检验并修正，建立了基于ARMA的时间序列预测模型，结果显示，该模型的预测精度较为可观；为了全面的对风电功率进行预测，基于经验分布模型与非参数回归技术，建立了风电功率预测误差的概率分布函数，得到风电功率预测值的概率区间。

通过对三种预测模型进行结果分析，得出风电功率的预测精度随着开机容量的增加、预测时间跨度的变长而下降的结论。

针对问题二，在问题一的基础上，对风电机组的汇聚对预测结果的影响问题上深入讨论，并总结了风电机组汇聚的普遍结论，然后对风电机组汇聚给风电功率预测误差带来的影响上做了合理预期。

针对问题三，我们在预测方法上进一步改进，建立了基于ARMA的BP神经网络预测模型，并进行风电功率的实时波动特性预测，结果比较精确，同时深入分析论证了阻碍风电功率实时预测精度进一步改善的主要因素，综合分析得出，虽然预测模型的精度可以进一步提高，但是由于预测精度受到诸多因素的影响，其提高是有局限性的。

关键词：电功率波动特性A R M A非参数回归BP神经网络二、问题重述大规模风电场接入电网运行时，大幅度地风电功率波动会对电网的功率平衡和频率调节带来不利影响。

如果可以对风电场的发电功率进行预测，电力调度部门就能够根据风电功率变化预先安排调度计划，保证电网的功率平衡和运行安全。

基于贝塔分布的风电功率波动区间估计刘兴杰;谢春雨【摘要】风电的大规模并网使得风电功率的波动性对电网的影响越来越大,单一且确定的点预测往往不能满足电网风险分析和制定决策的需求.通过对风电功率预测误差分布特性的研究,提出利用预测功率区间分段方法与参数优化后的贝塔分布对具有偏态性的功率预测误差频率分布进行拟合.同时根据估计区间最狭原则,实现一定置信水平下风电功率的波动区间估计.利用所建优化模型、正态分布模型和优化前的贝塔分布模型分别对某风电场历史数据进行分析,对比结果验证了优化贝塔分布模型能更有效地对功率预测区间进行估计.【期刊名称】《电力自动化设备》【年(卷),期】2014(034)012【总页数】6页(P26-30,57)【关键词】风电;功率预测;预测误差;概率分布;贝塔分布;区间估计【作者】刘兴杰;谢春雨【作者单位】华北电力大学电力工程系,河北保定071003;华北电力大学电力工程系,河北保定071003【正文语种】中文【中图分类】TM6140 引言近年来，随着《风电开发建设管理暂行办法》等相关法律法规的不断完善，我国的风电得到了快速的发展。

2012年，中国（不包括台湾地区）累计安装风电机组53764台，装机容量75324.2 MW，同比增长20.8%[1]。

随着风电大规模的并网，风电本身具有的波动性、间歇性和随机性不但会导致互联系统的潮流发生改变，给系统造成反调峰[2]，增加额外的备用电源，同时也会影响风电穿透功率极限[3]，进而影响风电行业自身的发展。

精确的风电功率预测是解决上述问题的好办法。

然而，目前确定性风电功率点预测依然存在着较大误差，且其预测结果无法反映风电功率波动特性。

相比之下，波动区间预测则包含更多的信息，有利于决策者更好地认识未来变化可能存在的不确定性和面临的风险[4]，因此有必要对风电功率预测误差分布规律进行研究和对未来风电功率波动区间进行预测。

目前国内对风电功率波动区间预测的相关研究还比较少。

概率密度法在风电功率波动特性分析的应用概率密度法是基于统计学原理的一种方法，它通过对风速和风电功率数据进行分析，得到不同功率级别下的概率密度函数。

概率密度函数反映了该功率级别下的出现概率，可以用来衡量该功率级别的频率及其在总功率中的贡献程度。

通过对不同功率级别的概率密度函数进行综合分析，可以揭示功率波动的特性和规律。

概率密度法的应用过程一般包括以下几个步骤：首先，收集和整理风速和风电功率数据，并对数据进行预处理，如去除异常值和空缺值。

然后，计算不同功率级别下的概率密度函数，可以使用直方图、核密度估计等方法进行计算。

接下来，对各个功率级别的概率密度函数进行分析，可以计算平均值、方差、偏度、峰度等统计指标，以及绘制累积分布函数和风速功率曲线等。

最后，根据分析结果，可以评估风电场的功率波动特性，并采取相应的措施来降低波动风险。

概率密度法在风电功率波动特性分析中具有以下优点：首先，它可以直观地反映不同功率级别的频率和功率分布情况，有助于深入理解和研究功率波动机理。

其次，它可以揭示不同功率级别的权重和贡献程度，对评估风电场的发电能力和可靠性具有重要意义。

再次，它可以为电网调度和风电场规划提供科学依据，有利于提高风电场的经济效益和可持续发展。

下面以风电场为例，说明概率密度法在风电功率波动特性分析中的应用。

该风电场的风速和风电功率数据包括多年的观测数据，我们可以利用概率密度法计算不同功率级别下的概率密度函数。

通过对概率密度函数的分析，我们可以得到不同功率级别的频率分布、平均值、方差等统计指标，从而了解风电场的功率波动情况。

基于这些分析结果，我们可以评估该风电场的发电能力和可靠性，并采取相应的措施来降低功率波动风险，提高发电效益。

综上所述，概率密度法是一种可行的风电功率波动特性分析方法，它可以通过对风速和风电功率数据的统计分析，揭示和评估风电场的功率波动特性。

在风电场规划、电网调度和风电投资等方面具有重要的应用价值。

风速及风电功率预测分析摘要：随着我国科技的不断发展，人们生活水平的不断提高，电力已经成为人们生活中不可或缺的一种重要资源。

伴随着风力发电功率占我国发电市场比重的日益增大，风速波动的功率对电网能否安全平稳运行造成了不小影响。

增加电网旋转储备容量对于解决风电场波动问题有着实质作用，但是这样就导致了电网运行成本的增加。

所以，对那些大规模接入风电的电网，风速及风电功率预测就对确保系统平稳安全运行、减少风电消耗开支起到了关键性作用。

本文在结合分析国内外很多资料的基础下，对我国目前风速及风电功率的预测方法进行研究，总结分析常用方法的利弊，在对风速及风电功率预测偏差的指标上给出评价，更是对未来我国风速及风电功率的发展道路进行展望。

关键词：风速特点；风速与风电功率预测误差；预测方法研究近年来随着我国科技不断的进步，风电开发技术的应用在我国已经有了较长历史，更是在现代能源的整体结构中占有一定比重。

风电技术迅速发展的结果，就是把装载机容量由2003年以前的39.9GW增加到2013年的319.9GW，在这迅速发展风电技术的国家中，我国装机容量已达世界第一。

跟寻常电源相比较，风电仍然具有不持续和不确定的特性，这也造成风电表现出比较严重的波动性及随机性，也给风电接入系统能否稳定安全运行带来巨大挑战。

因电网实时控制难度的差异、备用容量增加都在给运行安全提高成本。

所以，当前对风速及风电功率预测应该得到重视。

1、简述目前风速及风电功率的预测方法1.1风速的基本特点在空间角度来看，风速的排列方式通常显示出无规律、幅度较大的波动，在此特点下很难建立普遍合适的物理模型来对其进行分析与经准预测。

分析时间角度，趋势和随机分量被风速时间序列所包含，趋势分量主要在于大气条件下的持续稳定性，随机分量则更多受大气运动情况所影响，它的特征是无法从以前的数据中得到，这样就会造成预测结果的误差。

综上所述，风的规律就分为物理规律与历史数据的统计规律。

风力发电引起的电压波动和闪变解析摘要：并网风电机组在运行的过程中，无论是机组的持续运行，亦或是机组运行过程中出现的切换，都会诱发电压波动以及闪变的情况。

而电压波动以及闪变，往往也会不利于电网质量的维系。

所以在风力发电机组运行过程中，重视对风力发电机组运行过程中电压波动以及闪变的管控，降低其发生概率，有助于确保风力发电的效果。

本文在观点研究上，就当前风力发电导致的电压波动以及闪变的成因进行了评估，并结合原因的分析，提出在风力发电过程中实现电压波动和闪变的控制措施。

通过本文观点分析，为更好保障风力发电的效果提供经验分享和借鉴。

关键词：风力发电；电压波动；闪变目前，在市场中，风电机组并网运行成为一种常态。

但是考虑到在风力发电过程中，其往往会有较高的电压波动以及闪变现象出现，为此对于风力发电可能给电网质量管控带来的问题也吸引了行业专家和学者的关注。

在这个过程中，考虑到风资源本身有较高的不确定性，加上风电机组在运行过程中，其由于自身运行特性的影响，往往会导致风电机组在发电表现上，会有波动的输出功率存在，这也必然会对电网的电能品质和发电效益带来负面、消极的影响。

常见的问题诸如电压偏差的存在，或是诱发电压波动、闪变等情况。

结合目前风力发电的运行现状，以及其对电网质量的影响表现来说，其中两个核心的影响因素就是电压波动以及闪变情况。

1.关于电压波动和闪变所谓电压波动，指的是在供电过程中，由于多方面因素的影响，导致电压发生较大的变动，或是在电力输送过程中工频电压包络线出现的一种周期性的变化。

闪变，则指的是人对灯光照度波动的一种主观视觉感受。

通常来说，人能够感受到的照东波动范畴是0.05-30Hz，在6-12Hz区间十四行就是闪变敏感频率范畴。

在进行闪变的评价上，一般采取的啤酒给你家指标主要是短时间或是长时间分别对应的闪变值。

在进行短时间闪变值的计算和分析上，既要充分考虑到电压波动导致白炽灯照度发生的对应改变，怕同时还要坚固人眼以及大脑对白炽灯照度波动产生视感。

简析风电功率的波动特性1 问题描述本题研究的是风电功率的波动性问题，当前世界各国资源环境约束的日趋严苛，以化石能源为主的能源发展模式必须向绿色可再生能源转变。

风电机组发出的功率主要与风速有关。

由于风的不确定性、间歇性以及风电场内各机组间尾流的影响，使得风力发电在满足用电需求方面的确定性不如常规发电。

大规模风电基地通常需接入电网来实现风电功率的传输与消纳。

风电功率的随机波动是对电网不利的主要因素。

研究风电功率的波动特性，对改善风电预测精度、克服风电接入对电网的不利影响有重要意义。

风电场通常有几十台甚至上百台风电机组。

大型风电基地由数十甚至上百个风电场组成。

因此，风电功率的波动有很强的时空差异性。

在此我们需要研究风电功率的概率分布等一系列信息并以此对未来风电的功率进行预测，希望得到风力发电机发电功率的一般性结论。

2 模型建立与求解首先我们要研究风电机发电功率的概率分布。

对于概率分布拟合，可以在matlab软件中用dfittool来解决。

我们随机选择了五台电机作为观测对象。

将y输入dfittool里面，分别用t分布、指数分布、正态分布去拟合，然后根据拟合出来的各个分布的参数，求出三个分布的表达式，并选取一定的样本，比较三种分布的残差平方和，如表1所示：表1 时间间隔为5秒风电功率数据用t分布、指数分布、正态分布去拟合的残差平方和从分析结果可以发现指数分布的残差平方和是最小的，因此指数分布为我们推荐的最优的概率分布函数。

我们已经确定风电功率是服从指数分布的，则可以通过各个样本的总体的均值和方差对指数分布的参数进行估计。

根据经验，用Pim（tk）代替Pi5s（tk）时会损失很多信息，为了方便我们衡量损失的信息，需要通过一些数字化的特征来分析，前面已经确定用指数分布作为风电功率的最优估计分布，那么我们可以通过指数分布的一些特征值进行分析。

如果我们直接比较不同的特征参数是很难看出差异的，所以我们比较不同参数特征下指数函数的密度函数，这样更容易观察出其中的差异。

风电场功率输出的波动性分析风电场是一种依靠自然风力转化为电能的可再生能源发电设施。

与传统的化石燃料发电方式相比，风电具有环保、可持续、资源丰富等优势，因此在全球范围内得到了广泛的发展和应用。

然而，由于风力的不稳定性，风电场的功率输出存在一定程度的波动性，这是限制风电发展的一个重要问题。

本文将从多个角度探讨风电场功率输出的波动性，并提出相应的应对措施。

首先，风速是影响风电场功率输出波动性的主要因素之一。

风速的不稳定性导致了风力机发电量的波动。

在逆变器电压和频率固定的情况下，发电功率与风速的关系符合三次方定律，即风速呈三次方增长，发电功率则呈功率增长。

这种非线性关系导致风速小幅度变化时，风电场功率输出会有较大的波动。

解决这一问题的方法之一是通过风速预测，利用先进的气象学模型和监测设备来提前预测风速的变化，从而调整风力机的运行状态，减少功率输出的波动。

其次，风电场的电网连接也会对功率输出的波动性产生影响。

由于电力系统的负载变化和其他发电设施的运行状况，电网的负荷变化不可避免地会对风电场的功率输出产生影响。

当电网负荷较轻时，风电场的功率输出可能超过负荷需求，此时需要通过电网来消纳多余的功率。

相反，在电网负荷较重时，风电场的功率输出可能无法满足负荷需求，此时需要从电网购买电力。

为了解决这种功率输出波动性带来的问题，需要建立灵活的电力市场机制和电网调度系统，通过供需平衡和电力交易来调节风电场的功率输出。

此外，风电场的设备健康状况也会对功率输出的波动性产生一定的影响。

风力发电机等设备的老化和故障都会导致功率输出的不稳定。

为了降低设备故障率和提高设备的可靠性，风电场需要建立定期的设备巡检和维护制度，及时发现和修复设备的问题，避免设备故障对功率输出造成的波动。

最后，风电场的空间布局也会对功率输出的波动性产生一定的影响。

通常情况下，风电场的风力机是均匀分布在一定的区域内，但由于地理环境和资源限制，有时会出现部分风力机集中分布的情况。

塔影效应引起的风电机组输出功率波动问题张弘鲲;孟祥星【摘要】建立了描述塔影效应和风剪切效应的风速模型,并对风电机组输出功率的波动问题进行了分析.【期刊名称】《东北电力技术》【年(卷),期】2011(032)004【总页数】3页(P33-35)【关键词】风电机组;塔影效应;风剪切;功率【作者】张弘鲲;孟祥星【作者单位】华北电力大学,北京,102206;黑龙江省电力有限公司,黑龙江,哈尔滨,150090【正文语种】中文【中图分类】TM614;TK83由于风电机组的输出功率与风速的3次方成正比,而风速具有随机变化的固有特性,因此,风电机组的功率输出也是不稳定的,这种不稳定的功率注入电网,尤其是在大规模风电场并网的情况下,将对电网的稳定性和电能质量造成影响。

对风电机组输出功率的波动性进行研究,不论从维持系统稳定还是从保证电能质量的角度都具有实际意义。

风电机组输出功率的波动来源于风电机组运行过程中非恒定的转矩,该转矩的不稳定不但与风速的变化（如阵风、渐变风等）有关,而且还受机组自身固有特性的影响（如塔影效应、偏航误差及风剪切作用等）,严重时这些因素将使风电机组的转矩偏差达到20%[1、2],并且风电机组输出功率的波动周期与叶片旋转周期具有对应关系[3-5]。

对于3叶片风电机组来说,转矩的波动频率是叶片旋转频率的3倍,由此引起的输出功率波动频率也是叶片旋转频率的3倍。

为从理论上对由于塔影效应和风剪切引起的风电机组输出功率波动性进行分析,建立了相应的风速模型和风电机组模型,但多数文献对此进行描述时,仅定性说明了这些作用对风速的影响,或建立了含有一些经验参数的极坐标下的风速模型[1],不具有普遍适用性。

因此,结合其他文献的研究成果,建立了描述塔影效应和风剪切效应的风速模型,并结合某恒速风电机组数据和相关模型,对风电机组输出功率的波动问题进行了计算分析。

1 风速模型风电机组是将风能转换成电能的中间环节,对风速的准确描述是研究风电机组输出特性的基础工作之一。