联网风电场集群运行特性分析

2014-02-19 07:28朱加明葛延峰李鸿博
东北电力大学学报 2014年4期
关键词:电功率出力季度

高 凯,朱加明,葛延峰,李鸿博,崔 杨

(1.国网辽宁省电力有限公司,沈阳110006;2.东北电力大学 电气工程学院,吉林 吉林132012;3.国网吉林省电力有限公司培训中心,长春130022)

近年来,随着风电联网装机容量的快速增长,风电电源出力的随机波动特性对电网安全经济运行的影响已不容忽视。大规模风电联网运行将削弱电网调度对发电功率的控制能力,在难以准确把握风电功率波动不利影响的情况下,为确保电网安全运行,可能会高估风电功率波动带来的风险而限制风电的接入规模,在一定程度上阻碍了风电的规模化开发。

为准确把握风电电源特性以及评估风电对电网的影响,充分发掘既有电网的风电接纳能力,国内外学者做了大量研究工作,文献[1-2]从数学的角度分析了风电功率波动服从的概率分布;文献[3-8]从不同的时间和空间角度运用概率统计的方法分析了风电功率波动的特征;文献[9-12]基于实测风电功率数据,仿真分析了风电的接入对电力系统运行的影响;文献[13-20]研究了通过储能平抑风电功率波动以提高既有电网对风电的接纳能力。

上述研究都涉及风电功率波动特性分析,大部分都基于风电场实测输出功率数据,事实上,这些数据是已经限风运行后的数据,从而导致目前的研究对数据中包含的限风信息分析较少,而该信息本质上是调度部门为保障电网安全运行所采取人工控制的结果。

本文以东北某省2011年至2013年实测风电运行数据及限风功率数据为基础,分析了该省千万千瓦级风电集群运行的典型功率特征,并对全年各季度各时段的发电量和限风电量分别进行统计分析,得到该省风电限风的时序特征,旨在掌握风电波动特性及限风时段的时序特征,以便电网调度能够更有效的制定运行计划。

1 风电波动特性统计量指标

风电功率在不同时间尺度下的出力水平及变化幅度一直是电网关心的风电功率波动的重要特征,对此,本文采用以下指标量来进行描述。

设风电场(群)某时刻风电功率为Pi,其中P是n维向量,n是指采集到的风电功率的总数,则平均功率为

(2)风电功率波动标准差S:描述风电功率的波动程度。S越大,则波动越剧烈,反之,越平缓。

(3)风电功率一阶差分ΔP:描述风电功率的波动量变化幅度。

式中:ΔP与S都能够描述风电功率的波动程度,但是ΔP能够更加直观的观察波动量的大小。

(4)相关系数r:反映某年各季度电量曲线与该年电量曲线的关联程度。

式中,Wiz,Wjz分别表示第i季度(i=1,2,3,4)与该年各时段发电量或限电量表示第i季度与该年发电量或限电量的均值。当时表示两曲线极弱相关,当时表示弱相关,当时表示中等程度相关,当时表示强相关,当表示极强相关。

(5)其它风电电量相关指标:包括最大值,最小值,平均值,波动率等。

最大值Wmax:

最小值Wmin:

其中,Wz表示各时段的电量,z表示不同时段(z=1,2,…24)。

波动率ΔW:定义为风电发电量的峰谷差与平均值的比值。波动率越小,说明峰谷值与平均值值相差越远,风电功率波动越剧烈。

基于该指标体系,下文将基于东北某省实测风电运行数据对该省风电波动特性及相应发电、限电时序特性进行量化分析。数据取自该省某单个风场(装机容量为24.65 MW)、地区风电场群(装机容量为1 642.3 MW,包括上述单个风场)以及全省风电(装机容量4 910.11 MW),数据采样时间尺度为5 min,数据长度为2011.01.01-2013.12.31。

2 风电波动特性及汇聚效应分析

本文首先研究风电场集群过程中的风电波动特性,即对比分析单个风场、地区风电场群以及全省风电输出功率的波动特性。

图1给出2012年2月单个风场、地区风电场群以及全省风电出力曲线的对比图,表1给出对应全年的均值与标准差。其中,功率基准值取为对应的装机容量,即单场24.65 MW、地区场群1 642.3 MW、全省风电4 910.11 MW,下同。

图1 单场、地区、全省风电出力对比

图2 单场、地区、全省风电功率波动量对比

从图1中可以很直观的看出,无论是单场、地区场群还是全省,风电功率具有很大的波动性;从波动程度上可以看出,单场输出功率波动是最剧烈的,而全省风电功率的波动是最小的,这与表1数据完全符合。表1表明,风电规模从单个风场逐步集群至全省时,风电功率波动的标准差由0.193 7逐步减小至0.140 4,说明波动程度也越来越小。

以上仅分析了波动的程度,图2给出了2012年2月单场、地区场群、全省风电波动量大小的对比。从图中可以看出,单场风电功率的波动量分布在-0.6~0.6 pu,而地区场群则分布在-0.4~0.4 pu内,全省范围分布在-0.1 ~0.1 pu。

从上面的分析中可以看出,随着风电场装机容量的增加,风电机组分布区域的扩大,风电功率的相对波动(标幺值)越来越平缓,本文将这一特性定义为风电场群的汇聚效应。为了描述这一特性,借鉴电力系统中年持续负荷的思想,将风电场群一年中各时点的出力按照从大到小的顺序重新排列,并去掉时标信息,则得到该风电场群的年持续出力曲线,本文称之为风电场群汇聚效应曲线,图3给出了风电规模由单场-地区场群-全省风电逐步扩大过程中汇聚效应曲线的变化。

表1 单场/地区场群/全省风电全年出力均值与标准差对比(pu)

从图3中可以看出,单场虽然最大出力超过0.9 pu,但是全年中出力累计超过0.3 pu仅有1 200 h,出力水平较低。地区风电场群的最大出力达到了0.8 pu,且全年中出力超过0.3 pu达到了2 500 h,但全年中有将近1 000 h零出力。从全省风电的汇聚效应曲线来看,最大出力在三者之中最小,曲线是三者之中最平滑的,并且全年中都处于发电状态。这是因为全年中基本不会出现由于无风而使电网内所有风电机组同时停运,也不会出现同一电网所有风电机组全部满发的现象,不同区域的风电机组输出的功率能够起到互补的作用,使得风电功率输出更加平缓,这也解释了风电场集群过程中最大出力的标幺值呈递减趋势的原因。

图3 单场、地区、全省风电汇聚效应曲线对比

3 风力发电时序特征分析

风电是一种随季节性变化很大的电源,统计不同季度下每日24个时段内风电发电量的特征,对于调度部门掌握风电发电规律有着重要的参考价值。本节将基于某省2011年至2013年风电运行数据进行统计分析。

图4 2013年风电发电量时段统计曲线

图5 2013年各季度风电发电量时段统计

图4与图5分别给出了该省2013年全年及各季度在一天24时段(1 h/时段)的发电量统计图。从图4与图5中可以看出,各季度各时段风电发电量曲线走势大体相同,但峰谷时段会有一定偏移,尤其是第3季度较为明显。与第1、2、4季度类似,全年风电发电量曲线波动幅度较大。表2统计了全年与各季度发电量的典型指标。

表2 某省2013年全年与各季度风电波动典型指标

从表2中可以看出,第3季度波动率最小,说明其波动程度最平缓。从各季度平均值的变化可以看出,第2季度最大,即出力水平最高,而第3季度最小,即出力水平最低。从最大、最小值的出现时间可以看出,最大值出现的时段始终在中午12:00以后,并且第3季度与第4季度均出现在22:00到23:00这个时间段内。最小值出现时间始终是在中午12:00以前,第1季度与第4季度出现在3:00到5:00,而第2季度与第3季度出现在7:00到9:00。2013年全年中最大、最小值出现时间与第4季度类似,而且通过对比图4、图5可以看出全年各时段的曲线走势图与第4季度的走势相近,这点与下文表3得出的结论相呼应。

本文采用相关系数这一指标来量化全年发电量与各季度发电量的关系,表3给出了2011-2013年该省全年与各季度风电发电量的相关系数。从表3中可以看出,2012、2013年全年各时段的出力曲线与同年第4季度最为相似,相关系数分别达到0.932 1、0.887 1;但从三年整体对比来看,各年度发电量与同年第2季度发电量的相关性较强。

表3 某省2011年至2013年全年与各季度发电量相关系数对比

4 风电限风时序特征分析

由于风电的随机性与不可预测性,使得调度部门对于风电的控制面临巨大困难,为保证电网的安全稳定运行,不得不采取限风手段来抑制风电功率的波动。通过统计调度日各时段内限风时段的时序特征,得出其一般性规律,有助于制定调度计划安排,因此本文对全年与各季度的限风情况做了分析。

图6 全年各时段限风电量统计

图7 各季度各时段限风电量统计

本文假定调度日内共24个调度时段,每时段1 h。图6和图7分别给出2013年全年和各季度调度日内各时段的限风电量统计。从图7中可以看出,00:00到9:00限风电量波动较大,00:00到4:00限风电量不断上升,而在4:00到9:00急剧下降,在9:00到19:00这个时间内,限风电量波动平缓,而在19:00到24:00这段时间波动加剧。全年限风电量的波动趋势与第1季度走势特别相近。值得注意的是,第3季度各时段的限风电量变化很小,第2季度限风电量曲线与与其他曲线差异很大。表4给出了更长时段下(2011年-2013年)各季度及当年限风电量曲线的相关系数。

从表4中可以看出,2013年该省全年各时段的限风电量走势图与第1季度尤其相近,相关系数达到了0.9713。从2011年至2013年三年的数据来看,全年各时段的限风电量走势图与第4季度高度相似,第1季度次之。

表4 某省2011年至2013年全年与各季度限风电量相关系数对比

5 结 论

通过上面的分析,本文得出以下结论,供电网调度部门制定调度计划时参考:

(1)随着风电场集群装机容量的增加以及空间分布区域的增大,风电功率的相对波动变得越来越平缓,具有明显的汇聚效应。

(2)某省2011-2013年风电发电量数据分析表明,该省全年风电各时段的发电量曲线与同年第2季度曲线相关性较大,这可为调度部门对风电功率的预测提供参考。

(3)某省2011-2013年风电限风电量数据分析表明,该省全年风电各时段的限风曲线的走势图与该年的第4季度高度相似,与第1季度也很接近,这为调度部门采取限风措施提供时段特征参考依据。

(4)基于各季度发电量曲线和限风曲线,并结合各季度的负荷特性,可有助于调度部门制定减少限风、提高风资源利用率的调度策略。

[1]林卫星,文劲宇,艾小猛,等.风电功率波动特性的概率分布研究[J].中国电机工程学报,2012,32(1):38-46.

[2]李剑楠,乔颖,鲁宗相,等.大规模风电多尺度出力波动性的统计建模研究[J].电力系统保护与控制,2012,40(19):7-13.

[3]侯右华,房大中,齐军,等.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.

[4]肖创英,汪宁渤,陟晶,等.甘肃酒泉风电出力特性分析[J].电力系统自动化,2010,34(2):64-67.

[5]崔杨.大规模风电场群联网的源网协调性研究[D].保定:华北电力大学,2011.

[6]南晓强,李群湛,邱大强.基于符号时间序列法的风电功率波动分析与预测[J].中国电力,2013,46(6).

[7]崔杨,穆钢,刘玉,严干贵.风电功率波动的时空分布特性[J].电网技术,2011,35(2):110-114.

[8]Poul S,Nicolaos A C.Power fluctuations from large wind farms[J].IEEE Trans on Power Systems,2007,22(3):958-965.

[9]韦钢,吴伟力,胡丹云,等.分布式电源及其并网时对电网的影响[J].高电压技术,2007,33(1):36-40.

[10]张丽英,叶廷路,辛耀中,等.大规模风电接入电网的相关问题及措施[J].中国电机工程学报,2010,30(25):1-9.

[11]张红光,张粒子,陈树勇,等.大容量风电场接入电网的暂态稳定特性和调度对策研究[J].中国电机工程学报,2007,27(31):45-51.

[12]邓丽.风电并网对电力系统安全稳定的影响[D].济南:山东大学,2013.

[13]娄素华,吴耀武,崔艳昭,等.电池储能平抑短期风电功率波动运行策略[J].电力系统自动化,2014,38(2):17-22.

[14]于芃,赵瑜,周玮,等.基于混合储能系统的平抑风电波动功率方法的研究[J].电力系统保护与控制,2011,39(24):35-40.

[15]冯晓东.提高风电接入能力的大规模储能系统容量配置研究[D].吉林:东北电力大学,2013.

[16]Brooks D,Key T,Felton L.Increasing the value of wind generation through integration with hydroelectric generation[C].Power Engineering Society General Meeting,IEEE,2005:1-3.

[17]李军徽.抑制风电对电网影响的储能系统优化配置及控制研究[D].保定:华北电力大学,2012.

[18]杨玉龙,李军徽,朱星旭.基于储能系统提高风电外送能力的经济性研究[J].储能科学与技术,2014,3(1):47-52.

[19]李蓓,郭剑波.平抑风电功率的电池储能系统控制策略[J].电网技术,2012,36(8):38-43.

[20]韩晓娟,陈跃燕,张浩,等.基于小波包分解的混合储能技术在平抑风电场功率波动中的应用[J].中国电机工程学报,2013,33(19):8-13.

猜你喜欢
电功率出力季度
基于PCC-CNN-GRU的短期风电功率预测
2021年第4季度航天器发射统计
2021年第3季度航天器发射统计
2021年第2季度航天器发射统计
轻松上手电功率
你会计算电功率吗
解读电功率
翻番的1季度与疯狂的3月
风电场有功出力的EEMD特性分析
要争做出力出彩的党员干部