风电场理论功率计算方法的分析与讨论

近年来新疆电网风电装机快速增长,受网架、调峰等因素制约,部分时段存在风电出力受阻的情况,风电场弃风时段的理论发电量减去该时段的实际发电量即为弃风电量,为准确计算风电场弃风时段的电量损失,介绍了风电场理论功率计算方法,并对新疆西北部某风电场应用样板风机法、测风数据外推法进行了分析讨论,计算结果表明规则矩阵式排列风电场,采用样板风机法推测理论功率更加精确,计算的理论电量更接近实际,从而间接的对弃风电量的统计分析有很大的促进。     

基于机舱风速计的风电机组功率特性评估方法

针对传统的功率特性评估方法难以对未配置测风塔的风电机组进行评估的问题,对基于机舱风速计的功率特性评估方法进行了研究。在深入剖析机舱风速与测风塔风速相关性的基础上,依托IEC 61400-12-2标准,提出了二者之间最优拟合关系为分区间段的机舱传递函数(BinnedNTF)。利用Binned-NTF对机舱风速进行校正,并用计算出的空气密度对数据进行标准化,得到机组的实测功率曲线、风能利用系数曲线和理论年发电量。研究应用表明,该方法在不增加测风设备经济成本的情况下,可以对未配置测风塔的风电机组进行功率特性评估,能够及时有效地维护风电场的利益。     

风电场弃风电量分类统计方法研究

目前我国部分风电开发大省由于电网对风电的消纳能力不足存在比较严重的弃风现象。科学地统计风电场弃风电量及其构成,对于确定合理弃风的原则和条件,并制定相关考核机制和补偿方案具有重要参考价值,同时对于电网节能调度、提高风能利用率、分析风电场的运行管理情况也具有重要意义。分析了现有弃风电量统计方法的原理及特点,提出了基于风电机组监测数据的弃风电量计算方法及根据风电机组运行状态对弃风电量分类统计的方法。该方法使用实测的风电机组运行状态、风速、风向和功率数据作为计算弃风电量的基础,不仅能够更加准确地计算总弃风电量,还能够分类统计不同原因造成的弃风电量。另外,采用内蒙古电网风电场的实际算例验证了该方法的有效性和适用性。     

两种推导风电场10m高最大10min风速方法的讨论

根据察右中旗气象站及该地区的5座测风塔1 a的测风数据,采用2种方法推导出风电场10 m高50 a一遇最大10 min平均风速。方法1是使用气象站与测风塔测风年全部整小时测风数据做线性相关,由相关函数结合气象站50 a一遇最大10 min风速值推出风电场10 m高50 a一遇最大10 min平均风速;方法2是使用筛选出的测风塔测风年整小时测风数据中每日最大值及与其对应时刻的气象站测风数据做线性相关,由相关函数结合气象站50 a一遇最大10 min风速值推出风电场10 m高50 a一遇最大10 min平均风速。计算结果表明,在测风数据与气象站数据整体相关性较差的情况下,采用方法1得到的结果不稳定,而采用方法2稳定性得到了提高。     

基于相关性分析的风电场功率限值分配算法

当风电出力超过电网接纳能力时,电网需要限制风电场的出力。基于风电场功率预测信息按比例初步确定风电场功率分配限值;以随机变量相关性分析为理论基础,描述风电场出力之间的相关性对整体出力波动性的影响。以减小风电电量损失为目标,考虑风电场装机容量的差异,基于风电场出力之间的相关系数修正风电场功率分配限值。以位于同一地区的5个风电场组成的风电场群为算例,对所提出的风电场功率分配限值修正方法进行验证。计算结果表明,风电场实际出力更接近理想出力曲线,减小了弃风电量,验证了方法的有效性。     

测风数据不同时间尺度对风电场产能评估的影响

风资源状况模拟的准确度主要体现在测风数据时间间隔上。以淮安某风电场测风塔一年及以上每10min的测风数据为基准,对不同时间间隔(30min、1h、2h)所记录的测风数据分别应用最小二乘法、平均风速和标准差估计法及极大似然估计法求解风速概率分布进行产能评估,对不同时间间隔下计算所得的发电量进行误差对比。结果指出,风电场发电量估计误差随着时间尺度增大而增大,采取30min时间间隔测风数据计算出的发电量与10min实测数据计算结果更为接近,当风电场选址区域的测风数据完整性较差时,研究结果具有一定指导作用。     

平均时间周期对风资源评估的影响

风资源评估是风电工程中的重要环节,直接关系着风电场微观选址的准确性,影响风电场的经济效益。然而,当测风塔的实际测风数据与邻近气象站同期观测数据的相关性不足时,将无法准确完成代表年风速的订正工作。为了提高风资源评估的准确性,研究测风数据的平均时间周期对测风塔与气象站相关性的影响,并提出一种基于平均时间周期的风电场长期风速订正方法。结果表明,两个站点同期测风数据的相关性随着风速平均时间周期的增大而提高,但增加的速度逐渐变缓,当平均时间周期为12 h,风电场代表年风速的准确性较高,为今后风资源评、风电场微观选址工作提供参考和借鉴。     

基于风电场功率特性的风电预测误差分布估计EI北大核心CSCD

风电功率预测对风电场运行和电网调度决策具有重要影响。基于风电场的功率特性曲线,提出了一种风电预测误差分布的估计方法。首先根据历史运行数据对风电场的功率特性曲线进行拟合;然后按照风电场的切入风速和额定风速将历史实测数据划分为3部分,并利用改进后的广义误差分布等模型提取每一部分风电功率预测误差的概率密度特性,根据其数值特征,设定相应的风电功率修正方法和预测误差分布的估计方法;最后按照待测日预测风速的大小选择对应的修正方法补偿所预测的功率,并估计预测误差的分布范围。结合中国北方某风电场的实际运行数据进行了仿真算例分析,验证了所提方法的有效性。     

风电场及机组出力损失计算模型与方法

提出了一种风电场及机组出力损失计算模型与方法。利用风电机组的历史运行数据建立风速、风向与功率间的专家数据库,基于该数据库建立风电机组出力损失计算模型,将机组故障或弃风期间的实测风速和风向代入该模型,计算得出风电机组以及该风电场的实时功率损失及在某时间段内损失的发电量。通过利用现场数据模拟计算,验证了该计算模型与方法的有效性,可对各种原因造成的机组出力损失做出准确计算。该方法既可提高风电场的运行管理水平,还可为风电场参与电网调峰调频提供准确的数据支持。     

测风塔与风力发电机组风速数据相关性分析

由于风力发电机组与测风塔所处位置不同,风速计高度和地形不同等原因,造成风力机与测风塔数据存在差异。对大唐国际卓资风电场一期工程32台风力发电机组与风电场内测风塔风速数据进行对比,确定二者的相关性。选用各自10 min间隔的风速平均值的最高分辨率数据作为比对数据,提取2011年全部数据导入Excel软件中,进行严格的数据可信度分析后对数据进行处理,并通过Pearson系数及平均差、绝对值差、均方根差、平均绝对百分比差等5种方法进行验证,结果证明了风力发电机组与风电场内测风塔风速数据具有极强的相关性。     

考虑风速时空分布及风机运行状态的风电场功率计算方法

大规模风电并网背景下,准确计算风电场输出功率对调度控制和电网安全运行至关重要。以区域内测风塔观测的分钟到小时级平均风速和风向为输入,研究风机地理分布以及风机启停对尾流模型的影响,计及风速在空间分布的时延效应,建立了考虑风速时空分布特性的等效风速模型。在此基础上,进一步考虑风机的机械特性及运行状态,提出了风电场功率计算方法。以某实际风电场地理数据和风机参数为基础的仿真算例验证了所提方法的可行性和合理性。     

风电功率弃风数据特征识别方法研究

在风力发电过程中,由于负荷需求量的不同,存在对风力发电量的限制,弃风现象普遍存在。弃风数据的存在会对风电功率预测和风电场等值模型的建立产生较大影响,因此对弃风数据的剔除非常关键。对此,分析了正常运行数据的特征和弃风数据的特点,在风电机组的标准风速-功率传变特性（功率曲线）的基础上,依据正态分布的均值和标准差提出了粘滞区间的概念,并基于此建立了对弃风数据进行辨别与剔除的方法。以东北某风电场的实测数据为例,对含有弃风的数据进行剔除,验证了所提方法的有效性。     

基于修正风速的风电并网运行弃风电量评估

弃风电量评估是风电并网安全稳定运行的基础,从风能利用系数函数出发,对测量风速进行了修正,并对某风场的弃风电量进行了评估。首先从弃风电量评估的重要性出发,阐述了弃风电量评估条件及相关标准;然后根据弃风电量评估要求对弃风电量评估进行了理论分析,得到弃风电量计算模型,该模型主要通过风能利用系数来修正风速进而计算理论与实际电量;最后通过实际风场的数据计算得到弃风电量数值,为风电并网的进一步研究提供了理论依据。     

基于图卷积网络和风速差分拟合的中长期风功率预测

为充分利用数据特征间的先验关系,提高风电场中长期发电功率预测精度,提出一种基于图卷积神经网络（GCN）、风速差分拟合（DF）、粒子群优化算法（PSO）的中长期风功率预测模型。通过分析风力发电全过程,挖掘风功率影响因素及因素间的相互关联性,搭建GCN模型,分别拟合风速和功率利用效率,进一步结合基于DF的风速-功率计算模型计算风功率,模型的损失包含功率损失、风速损失和功率利用效率损失3个部分,采用粒子群优化算法为这3部分损失确定合适的权重。2个风电场的实际算例表明,该模型未来10天风功率预测的相对均方根误差分别为11.44%和13.09%,具有较高的预测精度。     

一种基于最小二乘法的风电场理论功率计算优化方法

风电场理论功率计算为提高风电接纳能力提供基础数据,有助于提高风电功率预测准确度、合理评估弃风电量,对于经济公平分配风电上网容量和促进风电健康有序发展具有重要意义。采用模式输出统计的方法对历史理论功率和实际功率值进行误差修正,通过最小二乘法在历史运行累计的风电理论功率和实际功率之间建立关系式,从而对未来计算的风电理论功率进行在线修正,实现风电场理论功率计算值的在线动态优化。研究表明,在试验区域该方法能使理论功率值与实际功率值的均方根误差降低40%,其效果显著,且原理简单易操作,具有较强的工程实用性。     

考虑复杂海洋气候条件影响的海上风电场储能容量配置研究

复杂的海洋气候条件会影响到海上风电场风功率预测的精度,储能系统可有效补偿风功率预测误差。提出一种考虑风功率预测误差不确定性的海上风电场储能容量配置方法。首先,通过组合预测模型预测风速,根据风功率-风速关系求得风功率预测值,与实测值比较得到风功率预测误差。然后,以储能配置的功率成本与容量成本之和最小为目标,建立利用储能将风功率预测误差补偿至允许区间内的鲁棒机会约束模型,并采用凸近似和抽样平均方法将模型转换为线性规划形式实现高效求解。最后,在算例中分析台风事件对海上风电场储能配置的影响,验证了所提模型在处理风功率预测误差不确定性时能有效兼顾补偿效果与经济性。研究成果可为今后深远海风电场大规模配置储能提供有力支撑。     

基于风电场动态时空关系的风速分布模型研究

通过测风塔风速和风向数据计算风电场各机组的动态空间位置,基于Matlab平台在综合风电机组尾流效应和时滞效应数学模型的基础上,建立了风速在各台风机上的分布模型。算例以实际风电场为研究对象,将测风塔的实测数据输入该模型计算场内各风机风速,分析了尾流和时滞因素对风速模型及风电场出力的影响,结果表明尾流降低出力、时滞平滑出力。最后将风速模型转换成全场输出功率模型,并与风电场实测出力数据进行比较,验证了所建风电场风速模型的有效性。     

删除离散点对风资源相关分析的影响

目前,风电场的风资源数据一般采用邻近气象站的风速数据作为长期资料,并与风电场附近的测风塔风速数据进行线性相关分析,大多数情况下两者相关性均十分良好。但是,测风的随机因素造成的个别风速相关离散点,可能对线性相关方程的系数产生不可忽略的影响。文章阐述了应用"最小二乘法"对位于内蒙古的1号测风塔及位于山东的2号测风塔等两套风资源数据与邻近的气象站进行同步线性相关分析,个别风速相关离散点对线性相关方程系数的影响,初步探讨了消除这种影响的方法。     

基于Excel的风力发电机组停运电能损失计算方法

风力发电机组输出功率受风速的影响具有不确定性。统计停运期间损失发电量时,通常的方法是参照邻机进行人工估算,不仅工作繁重,而且误差很大。根据功率曲线中风机功率与风速的对应关系,利用Excel软件进行VBA编程后可实现自动提取停机时段的风速数据,并参照功率曲线对电能损失进行计算。其结果与实际数据非常接近,验证了计算的准确性。     

用于弃风电量计算的样板风机选择方法

为了保证弃风电量计算的准确性,必须合理选择样板风机。以风机实际运行数据为基础,定量分析了风电场内风机的出力特性;选择不同的样本风机,通过遍历法研究了不同样板风机组合对弃风电量估计的影响;以非限电时段的理论电量相对误差最小为优化目标,采用遗传算法实现对最优样板风机的选择。研究结果表明,不同样本风机组合对弃风电量计算的准确性影响显著,选择10%~30%的风机作为样板风机可达到最小电量相对误差。通过实际算例验证了样板风机选择方法的高效性及准确性。