中国广域范围内风能资源短时间尺度的时空互补特性调查研究

刘怡，肖立业，王海风，戴少涛，齐智平

(1.中国科学院应用超导重点实验室，北京100190;2.中国科学院电工研究所，北京100190; 3.华北电力大学电气与电子工程学院，北京102206)

中国广域范围内风能资源短时间尺度的时空互补特性调查研究

刘怡1，2，肖立业1，2，王海风3，戴少涛1，2，齐智平2

(1.中国科学院应用超导重点实验室，北京100190;2.中国科学院电工研究所，北京100190; 3.华北电力大学电气与电子工程学院，北京102206)

风能资源所具有的间歇性和波动性的特性致使风电输出功率具有很大程度的随机性和难以预测性。将这种大规模的波动电源接入电网会给电力系统安全稳定运行带来诸多不利影响。近些年来利用广域范围内风能资源时空互补特性平滑大规模风能输出功率波动已引起国内外学者的广泛关注。中国小时级别及以上时间尺度下的风能资源时空互补性已得到了初步的调查研究，但小时级别以下时间尺度下的时空互补性有待进一步研究。因此，基于中国气象局提供的气象风速数据，本文结合各种统计方法和指标调查研究了中国广域范围内风能资源短时间尺度(1min)的时空互补特性。

时空互补性;风电;波动性;间隙性;平滑作用;分散分布;短时间尺度

1 引言

随着常规化石能源的日益枯竭，中国政府已将发展可再生能源提升至重要地位，并逐步实现能源结构的战略性调整。2011年中国以62GW的累计装机容量蝉联世界第一，按照我国“十二五”规划目标，预计到2015年风电装机容量将达到1×108kW，年发电量1900×108kW·h［1］。我国的风能资源非常丰富，根据中国气象局2011年开展的第四次风能资源普查结果，我国陆上50m高度风能资源潜在开发量为23.8亿kW，近海5～25m水深范围内风能资源潜在量为2亿kW。

由于风电输出功率具有较大的间隙性和波动性，其大规模并入电网会给电力系统的安全稳定运行带来诸多不利影响。对于如何平滑风电输出功率波动从而减少对电网不利影响，国内外已有众多文献提出相关方法，如利用储能技术［2］、风火打捆［3］、增加无功补偿装置［4］等，但是这些方法没有考虑到可再生能源在广域范围内的资源优化配置。

合理利用广域范围内风能资源的时空互补性，能够平滑其功率输出波动水平，从而减弱对电网的不利影响。自1979年Kahn［5］提出将地理上分散分布的风电场互联可以平滑其输出功率波动以来，欧美国家的一些研究［6-12］随后也得出了相关结论。文献［8］研究了美国东部沿海岸2500km分布的风电场在小时时间尺度下的时空互补特性，因此利用海底电缆将广域范围内风电互联可以很好地降低输出功率小时时间尺度下的波动性。文献［6］分析了北欧众多国家广域范围内风能资源小时时间尺度下的互补特性，提出整合广域风能资源的互补性可以降低输出功率波动，提高可预测性等。国内文献［13］调查研究了中国广域范围内小时时间尺度下的风能资源时空互补特性，文献［14］基于NASA地球观测数据库研究了3h及以上时间尺度下的中国区域风电功率波动特性和地域相关性。但以上所述文献均为广域范围内风能资源小时及以上时间尺度下的时空互补性。文献［15］对风电各时间尺度下的波动给电力系统运行所产生的影响进行了研究，并提出数分钟级的风电波动对电力系统的无功储备(电压管理)、一次备用或二次备用需求具有重要影响。因此，有必要对中国风能资源分钟时间尺度的时空互补特性进行研究，以便掌握广域范围内风电输出功率在各时间尺度下的波动规律，实现大范围资源优化配置和利用。基于中国气象局实测气象数据，本文研究了中国广域范围内风能资源短时间尺度(1min)的时空互补特性。

2 气象站点的选择

本文从气象局提供的气象站点中挑选了35个适合建设风电场且风能资源相对较好(10m高年平均风速大于3m/s)的气象站点，并用其观测的2009年整年以1min为时间间隔的数据作为本文的原始数据。本文所挑选的站点在中国部分地图的分布如图1所示，经纬度及站点编号如表1所示。为了方便研究，本文将所有挑选站点分成了四个分区。

图1 所选风能站点在中国部分地图上的分布Fig.1 Distribution of selected wind farm sites

表1 所挑选风能站点编号及经纬度Tab.1 Number，latitude and longitude of selected site

3 风功率模拟方法及评价指标

对于陆上风电场输出功率的模拟，首先用Gipe幂律［16］将10m高标准测风塔观测的风速转化为典型风机(本文选用国内主流风机3MW Sinovel SL3000/90型)轮毂高处风速:

式中，V为轮毂高Hhub处风速;Vland为气象观测塔高H0处风速。

对于本文B区海上风电场，首先用式(2)［17］将近海陆上风速转化为近陆海上同高度风速:

式中，Vsea为与测风塔等高处近陆海上风速。海风风机轮毂高处风速通过式(3)模拟，其中L0= 0.001［18］:

各站点的风电输出功率通过所选风机的风速-功率特性进行模拟。为了简化研究，各站点风电装机容量相同。四个区域的功率分别记为PA、PB、PC、PD，四个区域总输出功率记为PGrid。

对于广域范围内风能资源在分钟时间尺度下的时空互补性本文采用相关系数、标准离差、一定阈值下的全年时间百分数等指标和方法进行研究。

4 结果

4.1 相关系数

本文计算了站点之间输出功率的相关系数，如图2所示。图中每个点表示在一定距离下的两个站点之间的相关系数。图中任意两个站点的相关系数均在0.7以下(中度相关及轻度相关)。相关系数最大的(0.69)两个站点之间的距离为93.9km。当两个站点之间的距离超过约250km时，两个站点之间输出功率的相关系数约在0.4以下(低相关性)。两个站点之间的距离越远，相关系数越低，在同一时刻两个站点发电功率同时满发或同时输出功率为零的时刻将会大大减少。

图2 不同距离的两个站点的相关系数Fig.2 Correlation between pairs of stations by distance

此外，本文拟合了不同站点不同时间尺度下功率变化差ΔPn，t随距离改变的相关系数的变化情况，如图3所示。这里:

式中，ΔPn，t为第n个站点在某时间尺度下，第t个时间段内与t－1个时间段内的平均输出功率差。

各时间尺度下相邻时间段的功率变化量对电力系统安全稳定运行非常重要。由图3可见，10min尺度以下，相距仅数公里两个站点相关系数近似于零。时间尺度越大，其功率变化量的相关性越强，即时空互补性越差。由图3可见，广域范围内风电场之间分钟时间尺度下具有良好的时空互补性。

图3 各时间尺度下不同距离两个站点功率波动的相关系数Fig.3 Correlation of variations for different time scales

4.2 输出功率在一定阈值下的全年时间百分数

表2计算了单个站点或在特定区域互补总输出功率在一定阈值下全年分钟时间百分数。单个站点输出功率大于0.5pu或者小于0.1pu的时间明显高于各区域在此阈值的全年时间百分比。单个站点输出功率在0.1～0.5pu阈值下全年分钟数占全年总分钟数百分比最大的站点为B6，达到57.0%。而四个区域在此阈值的全年时间百分数分别为88.4%、84.7%、53.3%、76.9%。四个区域总输出功率在此阈值的全年时间百分数达到91.2%，全年仅仅0.2%的分钟数功率低于0.1pu。

表2 在一定阈值下输出功率的全年时间百分数Tab.2 Percentage of time power output changes within certain range

以上结果表明在一定区域范围内风能资源互补后，总输出功率全年大部分时间在一个相对比较集中的范围(0.1～0.5pu)内波动。

4.3 输出功率全年的分钟时间尺度变化量

可再生能源影响电力系统安全稳定运行最重要的因素是其特定时间尺度下功率变化量。表3计算了单个站点及某特定区域全年相邻分钟功率波动量的平均值、标准差、最大值。单个站点全年分钟时间尺度的功率变化量最大值均为1，即单个站点均有在一分钟内从输出功率为零到额定功率，或从额定功率变为零的情况出现。尽管风电场内风机的惯性系数对风电在数秒钟内的功率输出具有一定的平滑作用［19］，但对分钟时间尺度下的功率突变改善作用仍然有限。

表3 各站点及各区域输出功率分钟变化量平均值、标准差、最大值Tab.3 Mean，standard and maximum values of minute-to-minute variations of power output

将广域范围内的风能站点互联后，四个区域分钟时间尺度的功率最大变化量分别为0.184pu、0.245pu、0.413pu、0.708pu。而四个区域总功率分钟变化量最大为0.140pu。这意味着广域范围内互补后平滑分钟时间尺度风电波动所需配置的储能容量要远小于风电场装机容量。同时，广域范围内分钟级别风能资源互补后，其功率波动的平均值和标准差的值相对于大多数站点来说均为一个较低的值。这表明广域范围内风能资源分钟时间尺度的波动量全年集中在一个较低的水平。

表4显示了分钟时间尺度的功率波动量在一定阈值下的全年时间百分比。从表4中可见，区域内站点互补后的总输出功率波动量低于一定阈值的全年时间百分数远大于各区域内单个站点。而当四个区域互补后总输出功率分钟级波动量小于0.03pu的分钟数占全年总分钟数的85%，仅有15%的时间波动量大于0.03pu。

表4 分钟时间尺度输出功率的波动量在一定阈值下的全年时间百分数Tab.4 Percentage of time thatminute-to-minute variations of power output change within certain range

考虑用配置储能来平滑风电波动，如果对单个站点或者互补后的场景配置其风电装机容量的5%的储能容量，对四个风电区域该储能容量能平滑分钟时间尺度功率波动的时间分别占全年的96.5%、96.1%、72.1%、67.1%。而当所有风能站点互补后，仅仅配置5%的风电装机容量的储能装置便可以平滑全年98.5%的波动，这样全年仅仅有1.5%的时间分钟时间尺度的波动超过其配置储能的调节能力。

4.4 一定概率置信区间的分钟时间尺度的波动量

文献［20］利用概率统计了一定区域的风电在不同时间尺度下的波动率分布特点。图4计算了在置信区间为99.5%时，单个风电场和区域输出功率分钟时间尺度下的变化量。对于分钟级变化量，单个风电场普遍在±0.3pu以上，四个区域和PGrid分别为±0.089pu、±0.117pu、±0.221pu、±0.344pu和±0.076pu。在四个区域内风能资源互补后，总输出功率分钟级功率变化量较单个站点来说有明显的降低。较置信区间为100%来说，不论是单个风电场还是区域，其分钟时间尺度下的最大功率变化量都明显降低。

图4 99.5%置信度下分钟级功率波动的最大值Fig.4 Max value ofminute-to-minute variations of wind power fluctuation with 99.5%confidence interval

5 讨论

从上面的结果可以看出，从分钟时间尺度下风电输出功率和波动量两个方面的特点来看，广域范围内风能资源在分钟时间尺度具有良好的互补性。与10分钟级、半小时级、小时级等长时间尺度相比，风能资源在分钟时间尺度下的变化量在几公里的范围内(大型风电场、风电基地内)的相关系数为零，呈现良好的互补性。因此，相对较小区域范围内的风机的互联便可有效平滑风电功率输出分钟级的波动。

利用互补性能够有效降低风电输出功率波动水平，从而降低电力系统运行成本和提高其安全稳定性。当整合一定区域风能资源后，在一定置信度下的输出功率分钟级波动最大值明显低于单个站点，因此平滑分钟时间尺度的波动所需储能容量明显降低，从而降低了电力系统运行成本。风电功率分钟时间尺度的波动主要影响电力系统的二次调频(AGC)［21］，而分散在一定区域的风能资源互补后分钟级功率波动更平缓，这有利于提高电力系统频率稳定性，并降低对机组爬坡速率的限制。

在充分调查研究各时间尺度下广域范围内中国风能资源的时空互补性后，有必要对中国其他可再生能源之间的时空互补性(如风能和太阳能资源［22］，风能与水能资源等)以及未来大规模可再生能源接入电网后对传统输电方式［23］、电网结构［24］等带来的影响进行进一步的研究。文献［23］提出用高压直流环网构成中国骨干电网，从而充分利用广域范围内各种可再生能源之间的时空互补性。因此，有必要充分了解中国实际的各种可再生能源的时空分布特点［22］和其互补性，并结合我国负荷分布特点，进一步研究如何从目前交流电网向未来直流为主的电网进行过渡，这也是本文作者以后的研究方向。

6 结论

利用中国气象局提供的气象数据，本文对广域范围内风能资源短时间尺度(1min)时空互补性进行了研究。主要结论如下:

对于单个风能站点，其输出功率在分钟时间尺度下的波动性，中国西北新疆地区相对较强，东部沿海地区相对较弱。

在一定区域范围内，地域分散分布的风能资源具有良好的分钟时间尺度下的互补性。文中研究了不同地点风电时空互补性随距离的变化关系。

相比于单个风能站点，一定范围分布的区域分钟级输出功率全年功率满发或者接近满发，等于或接近零的时间大大减少。

在相同的置信度，区域输出功率分钟时间尺度最大波动量明显小于单个站点。文中详细计算了单个站点和各风电区域分钟时间尺度的最大波动量。

［1］罗承先(Luo Chengxian).世界风力发电现状与前景预测(Wind power generation today in the world and prospect forecast)［J］.中外能源(Sino-Global Energy)，2012，17(3):24-31.

［2］Korpaas M，Holen A T，Hildrum R.Operation and sizing of energy storage for wind power plants in amarket system［J］.International Journal of Electrical Power＆Energy Systems，2003，25(8):599-606.

［3］Soder L.Reserve margin planning in a wind-hydro-thermal power system［J］.IEEE Transactions on Power Systems，1993，8(2):564-571.

［4］Dizdarevic N，Majstrovic M.FACTS-based reactive power compensation of wind energy conversion system［A］.Proceedings of IEEE Power Tech Conference［C］.Bologna，Italy，2003.

［5］Kahn E.The reliability of distributed wind generators［J］.Electric Power Systems Research，1979，2(1):1-14.

［6］Holttinen H.Hourly wind power variations in the Nordic countries［J］.Wind Energy，2005，8(2):173-195.

［7］Archer C L，Jacobson M Z.Supplying baseload power and reducing transmission requirements by interconnecting wind farms［J］.Journal of Applied Meteorology and Climatology，2007，46(11):1701-1717.

［8］Kempton W，Pimenta F M，Veron D E，et al.Electric power from offshore wind via synoptic-scale interconnection［J］.Proceedings of the National Academy of Sciences，2010，107(16):7240-7245.

［9］Katzenstein W，Fertig E，Apt J.The variability of interconnected wind plants［J］.Energy Policy，2010，38 (8):4400-4410.

［10］Milligan M R，Factor T.Optimizing the geographic distribution ofwind plants in Iowa formaximum economic benefit and reliability［J］.Wind Engineering，2000，24 (4):271-290.

［11］Palutikof J，Cook H，Davies T.Effects of geographical dispersion on wind turbine performance in England:A simulation［J］.Atmospheric Environment.Part A.General Topics，1990，24(1):213-227.

［12］Sinden G.Characteristics of the UK wind resource:Longterm patterns and relationship to electricity demand［J］.Energy Policy，2007，35(1):112-127.

［13］Liu Y，Xiao L，Wang H，etal.Investigation on the spatiotemporal complementarity of wind energy resources in China［J］.Science China Technological Sciences，2012，55(3):725-734.

［14］于大洋，韩学山，梁军(Yu Dayang，Han Xueshan，Liang Jun).基于NASA地球观测数据库的区域风电功率波动特性分析(Study on the profiling of China’s Regionalwind power fluctuation using GEOS-5 data assimilation system of national aeronautics and space administration of America)［J］.电力系统自动化(Automation of Electric Power Systems)，2011，35(5):77-81.

［15］Holttinen H.Impact of hourly wind power variations on the system operation in the Nordic countries［J］.Wind Energy，2005，8(2):197-218.

［16］Gipe P.Wind power［J］.Wind Engineering，2004，28 (5):629-631.

［17］Mcqueen D，Watson S.Validation of wind speed predictionmethods atoffshore sites［J］.Wind Energy，2006，9 (1-2):75-85.

［18］Burton T，Jenkins N，Sharpe D，et al.Wind energy handbook［M］.John Wiley＆Sons，2011.

［19］Keung P-K，Li P，Banakar H，et al.Kinetic energy of wind-turbine generators for system frequency support［J］.IEEE Transactions on Power Systems，2009，24(1): 279-287.

［20］Celik A N.A statistical analysis of wind power density based on theWeibull and Rayleighmodels at the southern region of Turkey［J］.Renewable Energy，2004，29 (4):593-604.

［21］Banakar H，Luo C，Ooi B T.Impacts of wind powerminute-to-minute variations on power system operation［J］.IEEE Transactions on Power Systems，2008，23(1): 150-160.

［22］Liu Y，Xiao L，Wang H，et al.Analysis on the hourly spatiotemporal complementarities between China’s solar and wind energy resources spreading in a wide area［J］.Science China Technological Sciences，2013，56(3): 683-692.

［23］肖立业，林良真，徐铭铭(Xiao Liye，Lin Liangzhen，Xu Mingming).未来电网—多层次直流环形电网与“云电力”(Future power grid—Multiple-level DC loop grid and‘Cloud Powering’)［J］.电工电能新技术(Advanced Technology of Electrical Engineering and Energy)，2011，30(4):64-69.

［24］Xiao L，Lin L，Liu Y.Discussions on the architecture and operationmode of future power grids［J］.Energies，2011，4(7):1025-1035.

(，cont.on p.61)(，cont.from p.54)

Investigation on short-term tem porospatial com plementarities of China’s w ind energy resources spreading over w ide area

LIU Yi1，2，XIAO Li-ye1，2，WANG Hai-feng3，DAIShao-tao1，2，QIZhi-ping2
(1.Key Laboratory of Applied Superconductivity，Chinese Academy of Sciences，Beijing 100190，China; 2.Institute of Electrical Engineering，Chinese Academy of Sciences，Beijing 100190，China; 3.North China Electric Power University，Beijing 102206，China)

Wind power is highly variable and difficult to predict due to the intermittent and fluctuating nature of wind energy resources.Integrating such unstable power source into power systemswill bring significant impacts on the safe and reliable operation of them.Interconnecting geographically dispersed wind generations is one of the feasible ways to smooth wind power output.Until now making use of the temporospatial complementarities of geographically dispersed wind resources has attractedmore andmore eyes athome and abroad over recent years.For China，hourly smoothing effect of combining geographically dispersed wind energy resources has been well studied，but the short-term effect still needs to be investigated.Hence，based on the data provided by China Meteorological Administration(CMA)，this paper analyzes the short-term(1minute)temporospatial complementarities ofwind energy resources spreading over a wide area in China.Several results are drawn based on the analysis and a feasible diagram for China tomake use of the complementarities of renewable resources is discussed in this paper.

temporospatial complementarities;wind power;fluctuations;intermittent;smoothing effect;geographical distribution;short term

TK89

A

1003-3076(2014)08-0049-06

2014-03-01

国家重点基础研究发展计划(973计划)资助项目(2012CB215204)

刘怡(1986-)，男，湖北籍，博士研究生，主要从事电力系统研究;肖立业(1966-)，男，湖南籍，研究员/博导，博士，研究方向为电工理论与新技术。

book=54,ebook=57