出力特性（通用6篇）
出力特性 篇1
1出力特性分析研究意义
现在光资源的利用渐渐进入大家的视角, 特别是将光能转化为电能若能并入电网补充甚至代替传统电网发电是现在竞相研究的一个命题。通过查阅文献主要总结为三个方面:①降低电能质量:除了晴天、阴天、多云这三大类天气下, 光伏的出力特性从电能输出的幅值和波动情况显著不同外, 平时云层的运动就直接可能使光伏电源的输出功率在短时间内波动就可超过装机容量的50%[1], 这会引起电压波动、电压闪变, 接入电网必将产生谐波, 大大降低电能质量。②线路潮流变的无法预测:潮流的改变可能造成潮流越限、节点电压越限、变压器容量越限等, 也不利于制定发电厂发电计划[2,3]。③对电网的运行、调度增加了困难, 提高了电网经济性运行的成本[4]。为研究解决光伏并网带来的问题, 首先应从各方面认识光伏的出力特性, 对从光伏电站采集的大量历史运行数据进行统计分析, 这样有利于深入了解光伏出力的波动特点, 对进一步的研究光伏系统本身的设计、光伏模块运行中的维护、光伏系统输出功率精确预测模型确立等一系列的研究意义都重大[5,6]。
2出力分布特性分析
基于示范电站提供数据样本开展统计分析, 首先我们对全年的数据出力从整体上进行分析, 不同的出力水平以装机容量的百分比定义, 如表1所示, 图1是英利和欣旺达全年光伏电站出力统计图, 可直观看出, 英利的中出力是46.95%要高于欣旺达的42.96%, 欣旺达的高出力水平全年的为0.93%高于英利的0.06%。
光伏出力说天气影响非常大, 对于天气我们可以分成晴天、多云、阴天、晴转多云、多云转晴五类, 图2我们分别描述保定英利和深圳欣旺达在晴天、多云、阴天三种不同气象条件下的光伏电站的出力曲线:
图2为保定英利和深圳欣旺达在晴天、多云、阴天三种不同气象条件下光伏电站的出力曲线, 可以看出天气对光伏出力有显著的影响, 两光伏电站规律相似:晴天时光伏出力水平较高同时出力平滑度也很高, 波动较小;阴天时光伏电站出力水平最低, 波动程度稍好于多云天气;多云天气下光伏电站最高出力与晴天时一致, 但整体出力水平较低, 但波动在三种天气条件下是最大的。
3变化率分布特性分析
光伏功率的波动是光伏系统并网导致的一系列问题的元凶, 无论是在系统的可靠性方面还是安全性方面均有不同程度的影响, 一般需要额外的功率调节手段进行平抑, 比如常见的储能元件。对光伏功率变化率的变化率分布特性进行定量分析, 可以用来确定功率调节所需的功率容量和能量容量。
光伏出力的变化量可以表示为光伏输出有功功率的1阶差分量, 一阶差分量:相邻采样点输出功率差值, 当在这里我们需要比较英利和欣旺达两种光伏电站波动的变化率, 即采用光伏输出有功功率一阶差分量与装机容量的比值作为光伏电站出力变化率。下一步我们需要概率密度函数来拟合定量的反映出力波动的随机性, 通过查阅文献, 文献[7]分别用正态分布、t location-scale分布和logistic分布三种分布作为概率密度分别在1min、10min、60min这三种时间尺度的波动量进行九次拟合, 拟合结果是在2~60min时间尺度内, t location-scale分布的拟合效果最好;在时间尺度大于60min时, logistic分布的拟合效果比其他两种分布要好一些;随着时间尺度的增大, 光伏出力波动的概率分布将趋近于正态分布。从拟合效果和数据样本出发, 我们选择5min时间尺度采用t location-scale分布进行拟合, t location-scale分布的概率密度表达式:
式中:u为位置参数;σ为尺度参数;v为形状参数。
图3、4分别是保定英利和深圳欣旺达5min变化率分布特性, 通过概率密度的拟合可以非常直观的得出光伏电站出力变化率的范围。通过参数可算出, 在取置信区间为99%时, 保定英利5min最大波动率约为其装机容量的12%, 深圳欣旺达5min最大波动率约为装机容量的20%。
摘要：要解决可再生能源并入电网带来的不稳定问题, 首先要了解可再生能源在不同环境、不同气象条件下的出力特性。文章中选择保定英利示范电站和深圳欣旺达示范电站这两个一南一北的光伏电站, 对采集到的大量历史运行数据进行统计分析, 研究光伏电源出力波动在时间尺度、幅值上的分布规律。
关键词：光伏,南北示范电站,出力特性
参考文献
[1]吴桂芳, 胡仁祥, 常喜强.吐鲁番光伏电站的出力特性分析[J].农村电气化, 2014, 1:8-9.
[2]刘建涛, 张建成, 马杰等.储能技术在光伏并网发电系统中的应用分析[J].电网与清洁能源, 2011, 27 (7) :62-66.
[3]张雪莉, 刘其辉, 马会萌等.光伏电站输出功率影响因素分析[J].电网与清洁能源, 2012, 28 (5) :75-81.
[4]何红星, 常喜强, 高冬梅等.阿勒泰青河光伏电站的出力特性分析[J].新疆电力技术, 2014, 01:6-9.
[5]朱红路, 刘珠慧.环境因素影响下的光伏系统出力特性分析[J].华北电力技术, 2014, 08:50-55.
[6]张曦, 康重庆, 张宁.太阳能光伏发电的中长期随机特性分析[J].电力系统自动化, 2014, 38 (6) :6-13.
[7]刘方, 杨秀, 张美霞, 邓虹, 郭鹏超, 等.不同时间尺度下基于混合储能调度的微网能量优化[J].电网技术, 2014, 38 (11) :3079-3087.
出力特性 篇2
就海上风电而言,其具有如下特点:资源丰富、发电利用小时数较高、无需消耗水资源、不占用土地资源、可大规模开发利用等等。近年来,欧美等一些发达国家或地区将大量的风电开发项目向海上转移,海上风电 的发展前 景一片光 明。截至目前,我国风电的发电量已经超出核电,成为第三大电源,在未来一段时期内,风电可能会成为能源结构调整的重要保障。虽然目前陆上风电的开发已步入成熟期,但海上风电的开发空间仍然十分广阔。鉴于此,本文将就海上风电的出力特性及其消纳问题展开探讨。
1海上风电的特点及其出力特性
1.1海上风电的特点
相较于陆上风电场而言,海上风电具有如下优势:
(1)资源优良。受海洋气候的影响,海上的风力资源具有风切变低、风速高等特点,同时,海上风的湍流强度 低,年利用小时数高,这就在一定程度上提高了电能的生产效率,并且相对比较平稳的风速对风电机组的影响较小,从而进一步延长了机组的使用寿命。
(2)对环境的影响极小。由于海上风电在建设过程中不需要占用土地资源,加之不存在噪声、电磁波干扰等问题,因此其对城市环境的影响非常小,极具开发潜力。
1.2海上风电的出力特性
大体上可将海上风电的出力特性归纳为以下2个方面:
(1)波动性。海上风电出力具有波动性,其机理如下:风能本身具有随机性的特点,具体体现为风速受海洋气候等多种自然因素的不可抗力影响,同时,风能还具有分散性的特点,其功率密度相对较低,且多分布于广阔的空间范围内。正是风能所具有的这些特点,使得海上风电的出力波动变化幅度较大,并且波动频率也没有 规律性。相关 研究结果 表明,在极端前 提下,海上风电的出力将会在0~100%这一区间范围内变化。这种波动性会导致海上风电连续数日大出力和连续数日小出力的情况出现。
(2)随机性。海上风电出力具有较强的随机性特点,且间歇性十分明显。仅就同一个海上风电场而言,其相邻数日内的日平均发电量有可能均相同,但是在每日的各个时段当中,风电的出力却会存在显著的差异。
2海上风电消纳面临的主要问题
通过对一些发达国家或地区的风电消纳途径进 行分析可知,对风电出力的波动性进行控制及增加电力储能设备,是风电大规模消纳最为有效的途径。然而,由于我国对风电消纳的研究起步较晚,目前海上风电消纳方面仍存在很多不足 之处,从而造成了海上风电并网难度大、传输受阻等问题,同时当前能够高效存储电能的设备也尚显不足,这就严重制约了海上风电的有效消纳。大体上可将海上风电消纳面临的问题归 纳为以下几个方面:
2.1相关政策不完善
现阶段,虽然国家针对风电的电力配 额建立了 相关制度,但从总体情况上看,制度并不健全,其中仍有许多方面亟 待完善,例如风电跨省、跨区消纳机制还不完善等等。
2.2消纳市场较为局限
就我国风电的整体分布情况来看,主要集中在东北、华北、西北以及沿海地区,风电的高比例并网使其出力大幅度 增加,这在一定程度上增大了电网的调频、调峰压力。同 时,有些风电场所在的区域内电力需求较小,尤其是海上风电场,其与负荷中心(东北、华北、西北以及沿海地区)的距离较远,消纳市场非常有限。
2.3预测技术的先进性不够
相关研究结果表明,海上的风力变化 具有一定 的规律性,当获悉某个时期的风力强度时,便可通过概率计算的方法对风电出力进行预测,这样就能够有效降低风力发电的不确 定性,从而使电网所面临的不确定性因素大幅度减少。但是,由于我国对于风电预测技术方面的研究力度不足,从而导致了预测技术的先进性不够,因此就无法对风力强度进行合理预测。
2.4对于风电出力波动性的控制能力较弱
由上文分析可知,海上风电出力具有 波动性变 化的特征,该特性使风电并网对电网功率的平衡影响较大,所以对海上风电并网的要求也相对较高。对于风电波动性的控制,除了利用其他类型的电源与风电进行联合调度之外,也可对多余的电能进行存储。然而,由于我国 的灵活电 源所占比 例较低,约为5.6%,加之缺少电能存储设备,致使当前无法有效对风电波动进行控制。
3解决海上风电消纳问题的几点建议
针对目前我国海上风电消纳所面临的问题,笔者在归纳和总结现状的基础上提出了以下几点建议:
(1)逐步完善与风电消纳相关的政策。国家有关部门应当加快施行风电配额机制,并对各个地区主要风电场的年均发电量进行统计和预测,以此为据对风电基地的消纳市场进行统筹规划,定比、定量地对风电进行消纳。
(2)大力发展分散式风电,增强海上风电场所在区域的整体负荷水平。由于我国目前风力发电以集中规模化为主,而分散式的风电相对较少,从而进一步增强了风电并入电网的困难程度。故此建议国家考虑发展分散式的风电,借此来形成集中与分散相平衡的风电格局。此外,可在海上风电区域范围内建设一些工业园区,扩大风电的消纳市场,借此来提高风电在 当地的消纳水平。
(3)加大对风电预测技术的研发力度。针对目前国内风电预测技术不够先进的现状,应当积极投入大量的人财物力,加强对风电预测技术的研究,开发相应的风电预测模型及系 统,从而提高预测精度,控制风电波动。
3结语
总而言之,海上风电具有陆上风电无法 比拟的优 势,它的开发利用潜力极大。在对海上风电项目进行开发利用的 过程中,除了要了解风电的出力特性之外,还应当充分考虑到风 电的消纳问题,只有这样,才能确保海上风电项目经济效益最 大的目标得以实现。在未来一段时期内,应重点加强对海上风电相关技术方面的研究,这对于促进我国风电事业的发展意义重大。
摘要：首先阐述了海上风电的特点及其出力特性,在此基础上对海上风电的消纳问题及解决途径进行了论述,以期对我国风电事业的发展起到一定的推动作用。
大规模风电并网的出力特性分析 篇3
风电出力特性和电力系统安全稳定运行是息息相关的。文献[1]给出了德国风力发电的发展情况, 并且分析了德国电力系统在大规模的风力发电接入后稳定性受到的影响;文献[2,3]给出了以测风数据为基础, 对风力发电的输出功率进行模拟分析, 对甘肃酒泉地区的风电大规模并网和风电出力特性进行了研究, 但是由于风电出力数据的失真, 不能保证结论完全正确;文献[4]根据建模方法和预测模型对象的两个分类标准, 归纳总结了目前风电功率预测研究的模型和方法, 提出了风电功率预测模型的改进方向;文献[5]给出了风电场的不同地理位置对东北电网的影响分析, 由于所选取的风电场过少, 不能够代表整个电网的风电的运行特性;文献[6]研究了风电场无功补偿容量的确定以及出口功率因数与转子滑差的关系, 仿真分析了风力发电机组并网时对电网产生的冲击影响和风电场接入电网后的稳定性;文献[7]给出了电网在风电并网后出现的问题, 用于分析的数据量少, 缺少统计分析的意义;文献[8]针对酒泉风电基地2011年发生的几次大规模风机脱网事故, 根据现场调查和数据分析, 提出了改造风电机组、完善风电场的集电系统及保护配置等措施;文献[9,10,11]给出了针对风力发电的波动性、相关性和分布规律方面, 对风电的输出功率和电量方面进行了研究分析;文献[12]从不同时间尺度方面, 分析了风电功率波动特性对风电并网的影响。
本文基于华北电网的实测数据, 采用时间序列与统计分析的方法, 对风电的出力特性进行分析, 研究风力发电的运行特性指标, 为促进大规模的风电并网运行与促进大规模的开发利用风能提供依据, 同时为制定风电并网后整个系统的安全稳定性的调度规划提供理论参考。
1 风电出力的波动性和随机性
风力发电的主要依靠是风能, 风能最大的特点是不确定性和不稳定性, 导致了风力发电也具有不稳定性和波动性。
本文数据来源于华北电网2010-2011年的实测风电出力数据, 在原始数据中出现个别数据缺失或者同一时间多个不同数据存在的情况, 因此对缺失数据用插值法进行补齐, 对于多个数据进行筛选, 明显为不良数据的进行剔除。
1.1 风电出力的波动性
选取华北电网2010年的实测数据, 取每月典型日全天数据做平均值, 得到2010年1月至2011年1月期间的月平均出力如图1所示。
10月、11月和12月连续数日风电日平均出力达到或超过额定出力, 同时也有连续数日风电日平均出力小于额定出力。
1.2 风电出力的随机性
以华北电网春夏秋冬四季为分析时间对象, 其中夏季到秋季研究数据为2010年5月份至2010年10月份, 冬季到春季研究数据为2010年11月份至2011年4月份。
图2与图3分别给出了夏秋季节与冬春季节的风电日平均出力时序分布散点图, 其中图中圆点所对应的横坐标为夏秋两季节每天的日期, 圆点所对应的纵坐标值为相应日期下风电日平均出力的大小, 圆点的疏密程度代表风电日平均出力在某范围内的概率的大小, 圆点表现的越密集, 表示风电日出力在该范围内的概率越大。
图2与图3对比两个图可以看出:夏秋两季中圆点分布比较密集, 表示风电日平均出力大部分比较集中, 且相对较小;冬春两季中圆点分布较稀松, 表示风电日平均出力较为分散, 同时日间的风电出力增减幅度较大。
2 风电出力变化特性分析
2.1 风电日平均出力的变化率
取某连续两天的数据进行研究分析, 仅对电网在某特定时间内的出力变化率的大小进行讨论研究。
出力变化率计算公式 (1) 如下:
undefined
式中:Vnt—出力变化率;
ΔPn—风电出力波动量;
n—采样点;
Δt—采样时间间隔。
以下是分别对20分钟级别和1小时级别的风电出力变化率进行研究。
图4所示:20分钟级的出力变化率相邻时间波动较为平缓, 基本没有出力变化率为0情况, 最大变化率为正数值, 接近30MW/分钟;有一些连续变化的变化率全为正数值或全为负数值的情况, 表明风电出力在连续的增加或连续的减少, 但是连续变化幅度很小, 表明风电出力在该段时间内波动比较缓慢。
图5所示:小时级的出力变化率相邻时间波动较分钟级的波动明显, 最大变化率为正数值, 已经超过1000MW/小时, 该时段前后波动量较大;与分钟级变化率一样, 有一些连续变化的变化率全为正数值或全为负数值的情况, 不同的是连续变化幅度较大, 风电出力在该段时间内波动比较剧烈。
2.2 风电出力同时率
风电出力的同时率是各个风电场发电同时达到最高的几率, 即日最高发电出力与当日风电场并网机组总容量的比值。
以华北2010年5月份和6月份的实测数据, 分析风电场风力发电与风电场反调峰之间的关系。
从图6可知, 华北电网5月份风电出力的同时率均在70%以下, 同时率大部分低于60%。相比于5月份, 6月份的出力同时率要低, 均在60%以下, 大部分低于50%。仅从出力同时率上不能够反映风电出力同时率与风电场限制出力的关系, 因此再在相应时间内统计华北电网反调峰的天数, 进行比较分析。如表1所示。
表1中, 5月份反调峰的时间为12天, 6月份反调峰的时间为6天。同时结合图6分析可知, 风电出力的同时率越高, 则该风电场的限制出力情况就会越多, 不利于风电场的安全稳定性。
3 结论
通过对风电出力基本特性、变化特性的研究, 可以得到如下结论:
(1) 华北电网的风电出力具有非常明显的波动特性和随机特性, 风电出力的最大值出现的时间段均不同, 并且在不同时间段内, 风电出力都有一定的差异, 其在相同范围内风电出力的概率也有很大的差异。
(2) 在不同的时间尺度下, 风电出力变化率的变化幅度不一样, 选取合适的时间尺度, 对研究风电并网时的出力波动情况具有重要意义。
(3) 通过对风电出力同时率的分析结合其对应时间段内电网反调峰的天数分析可知, 随着风电出力同时率的增大, 对于一个风电场的限制出力情况就会越多, 这不利于电网的稳定运行。因此, 要合理规划风电厂的建设。
摘要：大规模风电并入电网后, 风电的随机波动性等特性给系统的稳定运行带来严重的影响。根据华北电网的实测数据, 利用时间序列法与统计分析法, 分析了风电出力基本特性, 研究了风电出力的波动性、随机性;然后进一步分析了风电出力的变化特性, 讨论了风电出力同时率与反调峰的相关性, 以及在不同时间段的风电出力的特点, 阐述了大规模风电并网对电网影响。
关键词：风电,出力特性,出力变化率,同时率,反调峰
参考文献
[1]李锋, 陆一川.大规模风力发电对电力系统的影响[J], 中国电力, 2006, 39 (11) :80-84.
[2]辛颂旭, 白建华.甘肃酒泉风电特性研究[J].能源技术经济, 2010, 22 (12) :16-20.
[3]张宁, 周天睿.大规模风电场接入对电力系统调峰的影响[J].电网技术, 2010, 34 (1) :152-158.
[4]王丽婕, 廖晓钟.风电场发电功率的建模和预测研究综述[J].电力系统保护与控制, 2009, 37 (13) :18-121.WANG Li-jie, LIAO Xiao-zhong.Sum-marization of modeling and prediction of wind power generation[J].Power Sys-tem Protection and Control, 2009, 37 (13) :18-121.
[5]屈可丁, 于骏.东北电网风电运行分析[J].东北电力技术, 2008, 11:22-24.
[6]田春筝, 李琼林.风电场建模及其对接入电网稳定性的影响分析[J].电力系统保护与控制, 2009, 37 (19) :48-51.
[7]高德宾, 李群.东北电网风电运行特性分析与研究[J].电力技术, 2010, 19 (2) :33-37.
[8]何世恩, 董新洲.大规模风电机组脱网原因分析及对策[J].电力系统保护与控制, 2012, 40 (1) :131-137.
[9]陈贞, 倪维斗.风电特性的初步研究[J].太阳能学报, 2011, 32 (2) :210-215.
[10]侯佑华, 房大中.大规模风电入网的有功功率波动特性分析及发电计划仿真[J].电网技术, 2010, 34 (5) :60-66.
出力特性 篇4
传统能源缺乏, 能源危机日益严重, 使得对洁净能源的研究处于热潮。风电的随机性和光电昼发夜停特性, 使风光互补发电系统的发展受到国内外重视, 但对风光出力耦合特性机理对系统影响机制的研究较少, 如风光互补合成出力的耦合性对系统负荷的跟踪度问题, 及合成出力后出力预测误差问题等。
现有的文献中多研究单独的风、光电系统出力特性:文献[1-2]分析大规模区域风电场出力特性对并网系统的影响, 如系统的稳定、调频等;文献[3-4]分析光伏电站对并网系统的影响及太阳能出力对电网影响。风光系统的研究着重在建模、最大功率点跟踪 (MPPT) 及其在实际微电网中应用[5,6], 而对风光互补系统出力耦合特性还没有定性分析, 且未对影响系统负荷的机制进行研究。文献[7]研究了不同场景下微电网内发电和负荷的不均衡情况以及切负荷策略, 计算了微电网的可靠性, 但没有根据风、光电出力特性对风电场出力进行场景划分方法研究。
综上所述, 现今风光互补系统的出力耦合特性对系统跟踪负荷及提高出力预测误差精度问题的研究较少。本文利用风光资源丰富地区的实际风电、光电站出力数据, 对数据进行挖掘, 分析风、光电出力特性, 研究划分方法对风、光电不同场景进行划分, 利用划分的典型场景数据, 对风光出力互补耦合特性进行研究, 同时研究合成出力对系统负荷的跟踪度, 及合成出力减小出力预测误差的问题。
1 场景划分方法
场景是一种描述随机过程的方法[5,6,7]。场景数的目的是用最少的场景最大限度地拟合随机变量的特性, 以保证可靠性评估的整体效率。由于风、光电和负荷具有随机特性, 因此对风、光电及负荷采用场景划分方法, 可以最大限度地拟合相应变量的特性, 以此来可靠评估风光出力互补耦合特性、研究负荷的追踪度和提高出力预测精度。本文挖掘实际风、光电站出力数据和系统负荷数据, 分析数据特性, 采用不同场景划分方法划分风、光电数据, 得到风光电出力场景。
1.1 风电场景划分方法
现有研究对风电场景划分一直未有定论, 但均是基于实际出力数据进行划分, 典型场景的确定难度较大, 如文献[5]采用后向场景削减技术将风电出力数据进行场景划分。风电是基于风轮在流动的空气中, 获得阻碍流动空气流速的部分动能[8], 由此可知风电长时间的出力特性由短时的风速特性决定。
在对历史数据进行挖掘、分析和研究中发现, 风电出力与风速分布特性相关[8], 风电出力特性在时间尺度上一致, 对风电出力进行典型日出力数据划分, 得到风电场日出力呈不同风速分布, 按不同风速特性对风电出力进行场景的划分方法, 风电出力场景特性如图1所示, 图中出力为标幺值, 采样间隔为5 min。
1.2 光电场景划分方法
研究光电出力数据发现, 季节的更替和天气变化, 对光伏电站周边的环境温度和日照强度造成影响, 由此光电出力有一定的规律性。本文对光电数据按季节和特殊日照强度进行场景划分, 如图2所示, 图中出力为标幺值, 采样间隔为10 min。
1-阵风, 2-渐变风, 3-噪声风, 4-随机风
2 风光出力耦合度计算
风光电出力的耦合能在一定程度上减小合成出力的波动和保证出力的连续性, 从而减小对系统的冲击影响。
对风光资源丰富地区的相应出力数据进行挖掘分析, 研究在时域共性上的风光电出力耦合度。
光电的昼发夜停现象, 使得光电在时域上有局限性。基于光电昼发夜停时域制约, 抽取风电对应时域实际出力数据, 分析光电、风电实际出力的标幺值, 比较风大光小、风小光大等相关性的耦合特性, 统计风光出力的标幺值在30%范围内的耦合度。
3 跟踪负荷及风光出力预测误差
将系统负荷进行场景划分, 再用风光合成出力场景进行跟踪负荷研究, 得到风光合成出力对负荷的跟踪度。同时, 对比单独风、光电预测出力, 研究风光合成预测出力, 减小出力预测误差问题。
3.1 跟踪负荷
对系统负荷采用季节性场景划分方法, 利用跟踪负荷度计算方法, 分析计算风光合成出力对负荷的跟踪相关度。
3.1.1 负荷划分
对系统负荷进行数据统计和标幺转化, 按季节性场景划分方法, 将负荷划分为春、夏、秋、冬4个场景[9], 如图3所示, 图中负荷为标幺值, 后同。
由于风、光电的随机性, 对风、光电出力进行标幺化, 能更好地突出风光电的出力趋势, 同时对负荷的标幺化能较好地反映出风光电合成出力对跟踪负荷度的影响。
3.1.2 跟踪负荷度
在相应的场景下, 分析系统负荷数据和风光出力数据, 研究风光合成出力对负荷的影响。
将负荷和风光合成出力数据进行标幺值转化, 研究标幺值转化后的两者趋势, 计算风光合成出力与跟踪负荷相差10%范围内的时间占全天时间的比值作为负荷跟踪度。
负荷曲线如图3所示, 取相应风光电的场景数进行分析。单独的风、光电出力场景中, 光电一般呈正调峰, 对系统负荷有益, 风电出力有一定的随机性, 对负荷系统影响有不定性。基于历史数据统计研究, 可以发现风电有一定的反调峰性。
基于以上不同场景数的研究, 分析风光合成出力对负荷系统的影响。光电的昼发夜停性, 使得风光合成出力在白天对系统负荷影响较明显, 晚上光电停发, 风电影响负荷系统。
图4为典型某天风电场景3和4个光电场景出力合成与负荷曲线标幺值化后负荷跟踪情况, 图中①、②、③、④分别为光电场景1、2、3、4与风电场景3合成出力。由于光电不能持续发电的时域制约, 研究风电某一场景与光电所有场景的出力共性, 更有利于研究风光合成出力跟踪负荷度情况。负荷上升段时, 两者在10%波动范围内即为正调峰, 反之为反调峰。对比分析得到风光合成出力在08:00—14:00对系统负荷起着正调峰作用, 由于光电的时域特性制约, 风光合成出力在20:00—24:00时段反调峰。
从以上数据可知, 负荷跟踪度可以达到10.2%, 风光合成出力系统相对单独的风、光电出力系统有一定优越性, 风光合成出力对负荷有一定的正调峰作用。
3.2 风光合成出力预测误差
现有的风、光电都有相应的出力预测系统, 单独的风、光出力的预测误差较大。将风、光预测出力合成后, 将对出力进行耦合, 由于风、光出力预测系统均有系统误差, 若只是对合成出力进行预测将减小2个系统预测误差, 同时预测误差有正有负, 使合成预测出力误差相应减小, 见图5, 采样间隔为10 min。
图5 (a) 、 (b) 为风、光电某天的实际出力和预测出力数据曲线, 将图5 (a) 、 (b) 中的风、光电数据进行合成得到图5 (c) 。从图中可见, 风光合成出力的预测和实际值的误差范围较单独的风、光的误差减小;由相应预测出力和实际出力数据可得, 单个风、光电误差和比合成风光电的误差高出11.5%, 即风光合成预测出力比单独风、光预测出力精度提高了11.5%。
4 具体历史数据验证
在风光电时域和地域的局限下调研了某地区99 MW的风电场与相邻的20 MW的光伏电站的2 a历史数据, 光电采样间隔为10 min, 风电采样间隔为5 min, 随后将风电数据进行插值拟合成10 min采集一个点, 研究挖掘分析风光电的相应数据[10,11,12,13,14,15,16,17]。
4.1 场景划分方法验证
将出力按天进行标幺值转化, 与相应划分场景进行对比, 允许10%的误差, 进行场景统计。统计得到风电场景和光电场景概率分布情况如表1所示。
从表1中可以算出, 划分的场景能拟合出风光电实际出力数据的82.1%, 所以上述场景划分方法具有一定的研究理论性。
4.2 风光出力耦合度计算
由以上划分的风光电出力场景数据, 对数据进行耦合度计算, 得到表2的风光电合成出力耦合度值。
在表2中可以发现风电场景1与光电出力耦合性较强, 耦合度最高达到61.33%。
4.3 跟踪负荷度计算
对实际出力数据标幺化后, 分析负荷曲线, 场景出力下的跟踪负荷度如表3所示。
风光合成出力能够对负荷进行跟踪, 最高跟踪度能够达到12.2%, 合计时间为2.92 h。达到光电出力时间的36.5%, 能较好地跟踪负荷出力曲线[18]。
4.4 风光合成出力预测误差验证
在单独风、光电系统历史数据中, 风电的预测误差达到46.3%, 光电的出力预测误差达到49.1%。将风、光电预报出力进行耦合得到风光电合成出力, 再与实际出力进行对比, 得到合成出力预测误差达到了33.3%, 比单独风电预测误差低13%, 比单独光电预测误差低15.8%。
风光合成预测出力的耦合能有效地减小预测误差值, 将使系统对风光电的调度和优化系统的能源结构起到重要作用[19]。
5 结论
算例采用某地区实际现场数据, 在气候相似地区较有普遍性, 同时研究不同地区数据发现具有一定的类比性, 其中采用的方法和结论均能较好地应用到分析风光电的耦合度、负荷跟踪度等相关特性。
挖掘和分析风光电历史数据, 将其出力按各自特性的方法进行典型场景划分, 对系统负荷也进行场景划分, 再将风、光电的场景出力进行合成, 分析其间的耦合特性对系统负荷的跟踪度和出力预测误差。综上研究可得结论如下:
a.风光合成出力有一定的耦合特性, 出力波动范围有一定的耦合度, 最高耦合度能够达到61.33%, 风光出力耦合度高, 有利于减小出力的波动和使出力连续性增强, 减小对系统的冲击影响;
b.风光合成出力对系统负荷跟踪度较高, 最高能够达到12.2%, 占光电出力时间的36.5%, 从而使系统更好地接纳风光电等洁净能源, 减小系统的热备用容量, 使系统运行更经济、洁净;
c.风光合成出力预测的耦合, 较单独风、光出力预测系统提高了精度, 这将有利于系统调度风光洁净能源, 优化系统能源结构。
通过分析数据的耦合机理和耦合特性, 将风光电出力和系统负荷划分典型场景, 再将相应的场景数进行分析整理, 进而得到了风光合成出力的耦合特性和对负荷的影响机制, 为风光互补系统的研究提供了一定的理论依据和参考。
出力特性 篇5
“十二五”中后期,随着金沙江中游电站集中投产、金中直流等配套送出工程相对滞后等因素影响,云南呈现明显的电力供应过剩局面[1,2,3],2014年云南全年出现了约170亿千瓦时弃水电量。由于金沙江中游电站调节性能较差,水电出力集中位于汛期,云南丰期弃水压力不断增大。“十三五”期间澜沧江上游电站将陆续投产,本文对澜沧江上游电站的出力特性进行了深入分析,并对梯级电站投产后滇西北交流外送能力、云南丰期整体水电盈余情况进行了测算,为澜沧江上游梯级电站消纳提供参考。
1澜沧江上游电站开发规划
澜沧江干流规划按照西藏段、澜沧江云南段上游、澜沧江云南段中下游三段进行开发, 共计21个梯级电站[4]。其中澜沧江西藏段规划开发6个梯级电站,规划装机容量630万千瓦, 澜沧江云南段上游(以下简称澜上)规划开发7个梯级电站,装机容量为883万千瓦;澜沧江云南段中下游(简称澜中下)规划开发8个梯级电站,装机容量1 630万千瓦 [5,6,7]。目前, 澜沧江干流已经建成电站6座,均为澜沧江中下游梯级。
2澜沧江上游梯级水电站出力特性
2.1澜上梯级单独运行出力特性
在古水水电站和如美水电站建成前,乌弄龙至苗尾梯级电站均单独运行,梯级电站多年平均发电量为297亿千瓦时,多年平均发电小时为4 225小时。枯水年梯级电站年发电量为235亿千瓦时,年发电小时3 345小时,其中丰期电量182亿千瓦时,占全年发电量78%;平水年梯级电站年发电量为306亿千瓦时,年发电小时4 346小时,其中丰期电量234亿千瓦时,占全年发电量的77%;丰水年梯级电站年发电量350亿千瓦时,年发电小时4 976小时, 其中丰期电量264亿千瓦时,占全年发电量的76%。
2.2古水电站建成后出力特性
在古水水电站建成后,乌弄龙至苗尾梯级电站与古水电站联合运行,受古水电站调节作用,梯级电站的出力特性有所改善,年发电小时略有提高,丰期发电量占全年发电量比例有所降低。乌弄龙至苗尾梯级电站多年平均发电量为302亿千瓦时,多年平均发电小时4 310小时。枯水年梯级电站年发电量为236亿千瓦时,年发小时3 359小时,其中丰期电量178亿千瓦时,占全年发电量的75%;平水年梯级电站年发电量为307亿千瓦时,年发电小时为4 370小时,其中丰期电量231亿千瓦时,占全年发电量的75%;丰水年梯级电站年发电量355亿千瓦时,年发电小时5 043小时,其中丰期电量264亿千瓦时,占全年发电量的75%。
2.3如美水电站投产后出力特性
如美电站建成后,乌弄龙至苗尾梯级电站与如美电站、古水电站联合运行,梯级电站的出力特性得到较大改善。乌弄龙至苗尾梯级电站多年平均发电量323亿千瓦时, 多年平均发电小时为4 590小时。枯水年梯级电站年发电量为240亿千瓦时,年发小时3 417小时, 其中丰期电量160亿千瓦时,占全年发电量的66%;平水年梯级电站年发电量为314亿千瓦时,年发电小时为4 465小时,其中丰期电量219亿千瓦时,占全年发电量的70%;丰水年梯级电站年发电量374亿千瓦时,年发电小时5 313小时,其中丰期电量265亿千瓦时,占全年发电量的71%。
从不同时期澜上梯级电站出力特性来看, 由于古水电站调节能力有限,古水电站建成前后澜上梯级出力特性改变不大,丰期发电量占全年发电量的比例维持在75% 以上,丰枯期出力悬殊。在如美电站建成后,受如美电站调节作用,澜上梯级出力特性得到明显改善,丰期发电量占全年发电量的比例降低至70% 以下。
2.4澜上梯级出力与云南负荷曲线对比
在如美、古水电站投产前,澜上梯级电站调节性能较差,水电出力集中位于丰期的6-9月, 枯期水电平均出力不足装机容量的20%,而云南省负荷呈现枯期大、丰期小的特点,澜上梯级电站出力特性与云南省负荷特性匹配度较低; 在古水、如美电站投产后,澜上梯级电站丰期平均出力降低至装机容量的80% 左右,枯期约为装机容量的25%,与云南负荷特性匹配度有所提高,但整体匹配度依然较低。
2.5十三五”各流域水电出力特性
云南已经建成和“十三五”规划建设的三江干流水电主要为澜沧江上游水电、澜沧江中下游水电、金沙江中游水电、金沙江下游水电。 从不同流域水电的出力特性来看,澜沧江中下游水电受小湾和糯扎渡两个多年调节电站调节作用出力特性最好,金沙江下游的溪洛渡、乌东德电站分别具备年调节性能和季调节性能,出力特性次之;金沙江中游和澜沧江上游电站仅具备季调节或周调节,出力特性最差。
3滇西北地区水电送出能力分析
3.1 “十三五”滇西北地区电力盈余
考虑2016年汛前建成金中直流外送320万千瓦、 观音岩直流外送300万k W,2018年汛前建成滇西北直流外送500万k W, 则 “十三五”期间滇西北需通过交流外送电力为770~945万千瓦,其中:2016、2017年滇西北直流建成前,需通过交流外送电力较大,分别为864万千瓦和941万千瓦;2018年滇西北直流建成,最大需交流外送电力降低至770万千瓦;2019~2020年澜沧江上游电站后续机组投产,需交流外送电力增加至944万千瓦。
3.2 “十三五”滇西北地区电力受阻
2016年汛前建成500 k V仁和至铜都交流外送外送通道后,“十三五”期间滇西北形成6回500 k V交流外送断面,断面最大送电能力约为950万千瓦,能够满足滇西北地区最大盈余电力的送出要求,不会因送电通道受阻,产生水电弃水。
4 “十三五”云南电网水电弃水测算
4.1测算采用的边界条件
测算采用规划[2]推荐的负荷、电源方案, 即到2020年云南省全社会用电量为2 650亿千瓦时,最大负荷为4 280万千瓦;云南省电源装机达到11 460万千瓦,其中火电1 803万千瓦、水电8 121万千瓦、新能源装机1 536万千瓦;云南西电东送送电规模[3]达到2 950万千瓦, 年送电量1 300亿千瓦时。
4.2 “十三五”云南电网弃水情况分析
“十三五”期间,平水年云南丰期均有不同程度的弃水,在滇西北直流建成前,云南整体仍呈现电力供应过剩的局面,火电利用小时较低、水电丰期弃水较为严重,2016、2017年丰期分别有166、168亿千瓦时弃水电量,火电利用小时3 000小时左右;2018年滇西北直流建成后,云南电力供应过剩局面得到一定缓解, 2018 ~ 2020年云南丰期分别有81 ~ 130亿千瓦时弃水电量,火电利用小时处于3 500 ~ 4000小时。
“十三五”期间云南丰期整体水电盈余较多,考虑澜沧江上游电站调节能力较差,水电出力集中位于汛期,届时澜沧江上游电站可能存在部分弃水电量。建议加大丰期滇西北直流西电东送送电电力电量,积极培育滇西北负荷发展,尽量消纳澜沧江上游丰期盈余水电。
5结束语
本文按照澜沧江上游水电不同的投产阶段, 对古水电站、如美电站投产前后,澜沧江上游乌弄龙至苗尾梯级电站的出力特性进行了分析,在古水电站建成前、古水电站建成后、如美电站建成后三个阶段,澜沧江上游梯级电站平水年丰期发电量占全年发电量的比例分别为77%、75% 和70%。然后本文将梯级电站出力特性与云南省负荷曲线、云南省其它流域水电出力特性进行了对比,并分析了滇西北地区电网送电能力,为分析澜沧江上游梯级电站消纳方案提供参考。
摘要：为解决金沙江中下游水电调节能力较差、汛期水电弃水严重的问题,对澜沧江上游电站的出力特性进行了深入分析,并对梯级电站投产后滇西北交流外送能力、云南整体丰期水电盈余情况进行了测算,为澜沧江上游电站消纳提供参考。
关键词：水电出力特性,水电消纳,弃水电量,电力系统规划
参考文献
[1]李品清,郑外生,吴安平,等.云南“十二五”500 k V规划电网结构和特性分析[J].南方电网技术,2010,4(1):35-38.
[2]陈谦,刘世宇,曹发文,等.“十二五”期间云南向南方电网送电曲线研究[J].南方电网技术,2011,6(1):51-54.
[3]王志敏,周俊东,刘民伟,等.云南“十二五”西部水电消纳研究[J].云南电力技术,2012,8(1):24-25.
[4]崔文佳,杜忠明,戴剑锋,等.澜沧江流域梯级水电站输电系统规划[J].南方电网技术,2011,6(1):51-54.
[5]西南水单外送总体规划研究[R].北京:中国电力工程顾问集团公司,2008.
[6]苏宏田,佟明东.对西南地区水电站西南水单外送总体规划研究[R].北京:中国电力工程顾问集团公司,2008.
出力特性 篇6
云南省具有明显的季风气候和立体分布, 全年两季风特征显著, 呈冬春季大、夏秋季小, 与水电刚好形成丰枯互补效应[1]。全省宏观选址风电项目超过250个, 可装机容量超过3 000万k W。2014年, 云南省全省风电装机容量1 156.5 MW, 同比2013年520 MW增长了122.40%, 风电开发空间广阔。
风能具有波动性、随机性等特点, 风电规模不断增大将对电网暂态稳定、电能质量以及电力系统调峰等产生显著影响。建立一套能够准确模拟风电机组、风电场以及电力系统之间相互作用关系的风电机组动态模型, 并对模型有效性进行现场测试与验证已成为现阶段风电发展急需解决的一项关键技术问题。本文以激光测风雷达在云南某风电场测试与采集的实际数据进行整理, 对其中一台风力发电机组的风功率特性曲线进行绘制, 并与仿真模型中的风功率特性曲线对比, 验证了所建模型的有效性和适应性。为进行双馈风力发电系统的功率控制与预测分析提供依据与参考。
1 风功率特性曲线
风力发电机组的功率特性曲线描述了风速与机组输出功率之间关系。根据功率特性不仅能够判定风电机组输出性能的优劣, 而且还可以检测风电机组和设备运行状况是否正常, 以及时发现潜在的问题[2]。另一方面, 在风电输出功率预测领域, 功率曲线也得到了广泛的应用。机组运行过程中测试得到的功率特性曲线如果超出设计依据的标准功率特性曲线, 将使风力发电机组处于超负荷状态, 影响机组寿命;而实际测试功率曲线低于制造商提供的标准功率曲线时, 影响机组的年发电量, 使投资者的投资回报率下降。可见, 功率特性曲线对于风电设备制造企业及风电运营单位都具有重要的意义[3]。
一种典型的风电机组功率特性曲线如图1所示。
图中, vci代表切入风速, vco代表切出风速, vr代表额定风速, Pwr代表额定风速下风机发的有功功率, v为该风场的风速值。根据空气动力学原理, 风力发电机组发出的电功率跟风速的3次方成正比, 其输出功率与风速的关系可表示为
式中, , 其中λ为叶尖速比, Cp为最大风能利用系数。
2 激光测风雷达测试方案
测量风力发电机组功率特性过程中, 风电场的环境数据的测量是最重要的环节。在IEC标准中, 只提供了运用测风塔对风力发电机组功率特性的方法, 但在一个大型风电场中, 往往只有1到2个测风塔, 对于云南省的大多风电场来说, 风电机组的排布大多为沿山脊按列分布, 由于地形的差异, 往往容易造成测风塔对与整个风电场的测风不够精确。而如果对单台机组进行测量时, 测风塔与该风机的相对位置决定了数据的精确度。由此看出, 由于测风塔的体积和标定等因素导致了其具有很大的局限性。
采用激光测风雷达进行风速测量, 激光雷达的具体安装的位置应为待测风机附近, 测量其主导风方向上 (即来流方向) 2.5倍 (205米) 叶轮直径距离位置、轮毂高度 (70m) 处的风资源情况, 本方案采用弧度 (Arc) 扫描, 数据处理较容易, 扫描周期较短。激光雷达可从箱变接220V市电进行供电, 建议配置备用电源。
测量数据可通过网络传输或现场导出, 并通过相应的专业软件进行数据处理, 得出2.5倍叶轮直径距离、轮毂高度处的十分钟平均风速、风向、最大值、最小值及标准方差等。
历史气象数据表明, 该风电场11月中旬以后开始来风, 逐渐进入大风季。在12月份, 基本可以覆盖全部风速段, 有利于功率特性的测量。根据IEC标准的要求和现场实际情况, 测试工作12月初开展, 次年2月初结束, 为期两个月, 从而保证每个风速段内的数据点均包含30分钟以上的有效数据。经过踢除异常数据, 共计8082个点, 其风速-功率特性关系如图2所示。
3 双馈风力发电机的数学模型
为了对DFIG风电机组进行更好的研究, 首先必须建立相应的数学模型, 以描述整台风力发电组的动态行为。其中包括了空气动力学模型, 变桨距系统模型, 机械系统模型, 电气系统模型和控制系统模型, 还有对于作为边界条件的风速模型与电网模型。根据电机学基本原理, 从磁链、电势、电流的关系出发, 以定子旋转磁场坐标系为参考坐标系, 分别推导出定子绕组和转子绕组电压的d-q轴分量与定转子电流d-q轴分量及发电机磁链轴分量的数学关系[4], 进而推导出双馈感应发电机的动态数学模型, 三相坐标系中DFIG的数学模型可以分为以下几部分[3]:
3.1 电压方程
i.三相定子电压方程
ii.三相转子电压方程
3.2 磁链方程
其中,
式中, Lms为与定子一相绕组交链的最大互感磁通所对应的定子互感值;Lmr为与转子一相绕组交链的最大互感磁通所对应的转子互感值, 由于折算后定、转子绕组匝数相等, 且各绕组间互感磁通都通过想通磁阻的主气隙, 故可认为Lms=Lmr;Lls, Llr分别为定、转子漏电感。
4 风速和风功率日变化特点
风速随季节变化的同时, 昼夜的更替也会产生有规律的变化, 由于白天与夜间的气温不同, 风速也随着气温的升降而不断变化。正常的风速日变化是午后最小, 此后逐渐增加, 到傍晚达到最大, 日出后风速又随着减弱, 夜晚风速变化较白天快的多。图4给出了该风电场一台机组48小时的风速变化情况。
由图可知, 风在一天内的变化非常明显, 但相邻时间风速的变化相对比较缓和, 对一段时间内的风速变化差分统计结果为0.032 6 m/s2。
5 对比
应用本文建立的双馈式风力发电机组的稳态数学模型, 本文对表1所示的DFIG风电机组的稳态特性进行了计算。
经过计算, 当风速从4m/s变化到18m/s时, 在极端电压保持为额定值, 功率因数为1.0情况下, 该DFIG风电机组的有功功率随风速变化曲线如图4所示。由于测量实验一共进行了两个月, 数据量较多, 特选定2个典型日的数据绘出风功率特性曲线, 共288个点, 以便于与模型结果对比。
通过对比发现, 仿真结果与实验数据趋势基本一致。在起动区与实验数据基本吻合, 两者切入风速都在4m/s左右, 但从最大风能追踪区后段起功率较实验值小, 风速曲线存在锯齿状不够平滑, 是因为实验测量是在高海拔地区进行的, 当空气密度下降时, 将会导致风力发电机组的切入风速增加, 额定风速也要增加, 所以在运行过程中要相应调整机组的控制策略。此外, 由于仿真模型建立时对电网模型进行了简化, 忽略了空间谐波、铁芯损耗等影响, 造成了一定的偏差。后续继续改进仿真模型与修正实测风功率特性曲线将使模型更加可靠。根据实际运行条件与仿真结果分析, 将在下一步的试验中通过改变控制策略与修正调整参数, 使风机达到最佳运行状态, 出力达到最高点。
6 结束语
本文使用激光测风雷达对风力发电机组的风况进行测试, 极大的减少了叶片尾流对传统测风装置的影响, 不需要对风速进行较大的修正, 使得实测风功率曲线更加精确且可靠。但由于空气密度的影响, 风功率特性曲线还需进行适当的修正[6]。IEC61400-12标准规定[7], 如果当地空气密度偏离标准空气密度±0.05以上都应进行修正。在现场进行功率测量和计算时, 每个功率平均值需要根据与气压、温度等相关的空气密度状况来修正。
采用激光测风雷达测量数据对风电机组进行功率特性测试的方法, 不但使设备安装周期大幅缩短, 而且方便了设备的维护, 对于促进我国风电机组功率曲线测试技术进步具有积极的意义。
参考文献
[1]金阳, 张思青.云南风能水能互补发电分析与展望[J]新能源与新材料, 2009, 3 (3) :5-7.
[2]苏勋文, 米增强, 陈盈今.基于运行数据的风电机组建模方法[J].电力系统保护与控制, 2010, 38 (9) :52-54.SU Xunwen, MI Zeng-qiang, CHEN Ying-jin.Method for modeling wind turbines based on operating data[J].Power System Protection and Control, 2010, 38 (9) :52-54.
[3]黎孟岩, 刘兴杰, 米增强.风力发电机组功率曲线建模方法研究[J].云南电力技术, 2012, 6.
[4]金鑫.风力发电机组系统建模与仿真研究_金鑫[D].重庆大学, 2007
[5]贺益康, 胡家兵.并网双馈异步风力发电机运行控制[M].北京:中国电力出版社, 2011, 12:31-32, 88-91.
[6]刘海涛.风电场电能质量监测及风机功率特性曲线修正分析[J].内蒙古电力技术, 2011, 29 (1) :34-36.