风电场弃风电量分类统计方法研究

蒿峰，朱长胜，王小海，刘诗雨，贺旭伟，马育飞

（1．内蒙古电力调度控制中心，内蒙古呼和浩特 010020；2.电力设备电气绝缘国家重点实验室（西安交通大学），陕西西安 710049；3．北京中科伏瑞电气技术有限公司，北京 100085）

风电场弃风电量分类统计方法研究

蒿峰1，朱长胜1，王小海1，刘诗雨2，贺旭伟3，马育飞3

（1．内蒙古电力调度控制中心，内蒙古呼和浩特 010020；2.电力设备电气绝缘国家重点实验室（西安交通大学），陕西西安 710049；3．北京中科伏瑞电气技术有限公司，北京 100085）

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。

风电场；弃风电量；风速风向-功率曲线

弃风是国际风电发展过程中的一种普遍现象，如风电发展水平较高的美国、德国、西班牙、丹麦等欧美国家均存在不同程度的弃风问题[1-4]。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，根据统计2012年全国弃风电量208亿kW·h，全国2012年弃风率约为17%[5]。

弃风不仅直接影响风电场的投资收益，同时降低了风能的利用水平，特别是严重弃风的长期存在将对风电产业的持续健康发展造成不利影响，为此有必要研究建立科学的弃风管理机制，以协调各相关方之间的利益关系。因此科学地统计风电场弃风电量及其构成，对于合理确定弃风的原则和条件，制定弃风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、优化风电场的运行管理情况也具有重要意义。

但目前，世界各国弃风电量统计方法各不相同，甚至同一个国家内不同电网公司统计方法也有差异。文献[6]分析了风电弃风的主要因素；文献[7]考虑弃风因素优化了发电机组检修计划决策模型；文献[8]分析了受电网送出能力限制导致弃风的情

况，提出了考虑约束条件的风电调度模式、调度原则和实施细则；文献[9]研究了在水电为主的系统中通过灵活调节水电站运行方式对减少弃风的作用；文献[10]采用时序负荷曲线和风力发电的时间序列，利用有效容量分布函数得到精度较高的风力发电出力估计，利用此方法方便地处理含多个风电场、考虑风速相关性的影响以及由于最小出力限制而不得不进行的弃风电量、弃风概率等指标的计算。由此可见，目前的研究都未对风电弃风量计算方法进行系统的比较分析，同时未对弃风原因进行详细的分类统计，因而无法全面合理地分析弃风。

针对上述需求和研究现状，本文通过综合考虑风速、风向及风电机组运行状态多种因素，提出了以单台风电机组监测数据为基础的弃风电量计算方法及其分类指标的统计方法。以内蒙古西部电网某风电场为实例，通过各种弃风电量统计方法计算结果的对比分析，证明了所提方法的有效性。

1 弃风电量计算方法介绍

风电场弃风电量在广义上定义为风电场理论发电量与风电场实际发电量的差值，在狭义上仅指风电场受电网输送能力限制或安全运行要求等因素影响，能发但却未能发出的电量。风电场实际发电量一般通过风电场实际发电功率对时间的积分得到。根据风电场理论发电量计算方法的不同，弃风电量统计方法目前已有的方法为样板机法[11]、基于风电场监测数据的计算方法[12]，另外，本文还提出了基于风电功率预测的计算方法。

1.1 样板机法

样板机法是原电监会发布的《风电场弃风电量计算办法（试行）》（以下简称《办法》）中计算弃风电量时一般应采用的方法。该方法首先根据风电场风电机组的排布情况选取若干台样板机，即能够代表风电场整体运行情况的风电机组，然后通过样板机实发电量推算出风电场理论发电量，最后减去风电场实发电量得到弃风电量。《办法》还提出，调度机构不得对风电场的样板机限电，其实发电量作为同类风电机组的理论应发电量，减去同类各机组实际发电量，汇总后得出风电场弃风受限电量。

但通常情况下，由于风电场占地范围较大，地形较复杂，使得同一风电场不同风电机组的地点不同，风资源情况也不同，难以选择样板机。此外，该方法还要求样板机应不受控制地连续运行以保证连续有效的监测数据，因此，样板机法实用性不强。

1.2 基于风电场监测数据的计算方法

该方法首先使用风电场测风塔的历史测风数据和风电场发电功率历史数据统计拟合风电场整体的风速功率曲线，然后根据测风塔实时测风数据和统计拟合的风电场风速功率曲线获得风电场理论输出功率，将理论输出功率对时间积分得到风电场理论发电量，最后与风电场实际发电量相减得到弃风电量。由于运行中的风电机组持续处于动态运行条件下，其运行在一个很宽的区域内[13]，因此该估算方法难以准确地给出限出力功率损失与电量累计损失。

1.3 基于风电功率预测的计算方法

该方法以风电场上报的日前短期风电功率预测的预测功率作为风电场理论发电功率，对时间积分得到风电场理论发电量，然后与风电场实际发电量相减得到弃风电量。但由于该方法没有结合风电场风电机组的实时运行数据，风电功率预报值的准确度无法满足将来风电调度合理弃风考核和补偿的要求，因此该方法无法得到有效应用。

2 基于单台风电机组监测数据的弃风电量计算及分类统计方法

该方法为本文所提，与前述方法不同的是，该方法重点考虑了风速风向-功率曲线统计建模方法及弃风电量分类统计方法，其具体过程如下所述。

首先通过单台风电机组的历史测风数据和输出功率历史数据统计拟合单台风电机组的风速功率曲线，然后通过风电机组实时测风数据和风速功率曲线算出单台风电机组理论发电功率，每台风电机组的理论发电功率累加得到风电场的理论发电功率，风电场理论发电功率对时间积分得到风电场理论发电量，最后与风电场实际发电量相减得到弃风电量。在利用单台风电机组监测数据的计算方法求得总弃风电量后，为分析弃风产生的原因，可根据风电机组的实时运行状态将弃风电量进行归类统计。

2.1 风速风向－功率曲线统计建模方法

上述计算过程中，使用了风电场统计功率曲线

和风电机组统计功率曲线分别作为计算风电场理论发电量和风电机组理论发电量的基础。本文采用的功率曲线模型的建立方法综合考虑了风速、风向及风电机组运行状态多种因素，提高了功率曲线的准确性。具体建模方法如下所述。

为保证风电场或风电机组功率曲线统计建模的精度，本文针对北、北东北、东北、东东北、东、东东南、东南、南东南、南、南西南、西南、西西南、西、西西北、西北、北西北16个风向分别建立功率曲线模型。每个风向的功率曲线建模采用IEC61400-12-1标准的BIN方法，将风速数据按0.5 m/s的区间分段，同时考虑空气密度的校正。每个风速区间所对应的平均风速和平均功率根据式（1）、式（2）计算：

式中：Pi为第i个风速区间的平均功率；Vi为第i个风速区间的平均风速；Pi，j为第i个风速区间第j个校正后10 min平均功率；Vi，j为第i个风速区间第j个校正后10 min平均风速；Ni为第i个风速区间的风速-功率数据对数。

原始的10 min平均风速和平均功率数据需要根据10 min平均空气密度进行校正。10 min平均空气密度根据式（3）计算。

式中：ρ10min为10 min平均空气密度；B10min为实测10 min平均气压；T10min为实测10 min平均气温；R为气体常数287.05，J/kg·K。

对于失速控制、具有恒定桨矩和转速的风电机组，校正后的功率值根据式（4）计算：

式中：Pn为校正后的10 min平均功率；P10min为实测10 min平均功率；ρ0为标准空气密度（1.225 kg/m3）；ρ10min为10 min平均空气密度。

对于功率主动控制的风电机组，校正后的风速值根据式（5）计算：

式中：Vn为校正后的10 min平均风速；V10min为实测10 min平均风速。

该模型通过统计风向、风速、平均空气密度及风电机组运行方式等因素，综合评估得到了反映风电机组功率变化的模型，准确度得到了一定提高。

2.2 弃风电量的分类统计方法

弃风电量的分类可根据风电机组的运行状态定义，将弃风电量根据原因分类为调度限电、故障停机和其他原因3种，其中调度限电造成的弃风电量即为《办法》中定义的弃风电量。具体的分类方法如表1所示。

表1 基于风电机组运行状态的弃风电量分类Tab.1 Classification for wind curtailment based on the running state of wind turbines

该方法不仅能够通过单台风电机组的实时运行数据及运行状态详细计算出其弃风电量，同时能够根据风电机组实时运行状态将弃风电量进行分类统计，达到了准确性与实用性的统一，因此具有更广泛的适用性。

3 实例分析

本文以内蒙古某风电场2012年1月至2013年4月的风电场和风电机组实时监测数据为样本对多种弃风电量计算方法进行了对比研究。该风电场装机容量为20.1万kW，共安装了134台1.5 MW的金风JF1500风电机组。

3.1 功率曲线统计建模结果分析

根据上述样本数据，以风电场中GW150006、GW150082、GW150109 3台风电机组为例建立了单台风电机组的风速风向-功率曲线模型，其中GW150109的模型如图1所示。

GW150006、GW150082、GW150109 3台风电机组统计拟合的功率曲线与厂商提供的功率曲线建模精度的对比如表2所示，本文所述功率曲线模型的均方根误差比厂商提供的功率曲线至少减小了大约2%，相关性系数高达0.992以上。故采用第2节所述方法

得到的单台风电机组的功率曲线精度有所提高。

图1 GW150109风速风向-功率三维分布图Fig.1 3-D distribution figure on the wind speed，direction and power of GW150109

表2 风电机组功率曲线模型对比表Tab.2 Compared results from different wind-power curve modeling of wind turbines

根据上述样本数据建立的风电场的风速风向—功率曲线模型如图2所示。

风电场统计拟合的功率曲线与厂商提供的功率曲线建模精度的对比如表3所示。相比之下，本文所述模型比厂商提供曲线均方根误差减小了1.79%，相关性系数高达0.992。和单个风电机组的建模结果类似，利用本文提出的风速风向—功率曲线模型得到的风电场功率曲线精确度也有所提高。

图2 风电场风速风向-功率三维分布图Fig.2 3-D distribution figure on wind speed，direction and power of wind farms

表3 风电场功率曲线模型对比Tab.3 Compared results from different wind-power curve models of wind farms

3.2 多种弃风电量计算方法结果对比

对2013年1月某风电场的弃风电量和弃风率分别采用多种计算方法给出的逐日计算结果对比如图3和图4所示。

通过图3和图4给出的多种计算方法弃风电量和弃风率统计结果可以发现：

1）基于风电功率预测计算方法与其他3种方法相比稳定性较差，这主要是受到目前风电场功率预测精度的限制。在预测结果较准确时，该方法计算结果与其他3种方法较为接近；预测结果偏

差较大时，该方法结果与其他3种方法相比偏差也较大。

图3 多种计算方法弃风电量统计结果Fig.3 Results of wind curtailment compared with different statistical methods

图4 多种计算方法弃风率统计结果Fig.4 Statistic results of curtailment rate computed by different methods

2）其他3种计算方法的结果相比，样板机法计算出的弃风电量和弃风率偏高，这主要是由于目前样板风电机组的选择缺乏统一的标准，一般都倾向于选择发电能力高的风电机组，较少考虑样板风电机组的代表性，使风电场理论发电量估算偏高，进而导致弃风电量和弃风率计算结果偏大。

3）基于风电场监测数据计算方法与基于单台风电机组监测数据计算方法相比结果较为接近，但前者计算的结果相对偏小，这是因为以风电场整体来估算弃风电量，存在风电机组理论发电量累加后抵消的情况，从而导致计算出的弃风电量偏小，特别是在弃风程度较轻时无法反映实际情况。如图5中1月1日存在轻度弃风情况，基于风电机组监测数据计算方法的结果为184.81 MW·h，基于风电场监测数据计算方法给出的弃风电量则为0 MW·h，显然前者能更加准确地反映实际情况。

图5 基于单台风电机组监测数据计算弃风电量分类统计结果Fig.5 Classification statistical results of wind curtailment based on the measured wind speed data of a wind turbine

3.3 弃风电量分类统计结果分析

基于风电机组监测数据计算方法给出的2013年2月弃风电量分类统计结果如图5所示。

由图5可以看出，2013年2月大部分弃风电量都是由于调度限电造成的，同时也普遍存在风电机组故障停机导致的弃风和其他原因（功率曲线模型误差、风电机组通信故障等）的弃风，如2月28日，故障停机导致的弃风电量达到97.87 MW·h，其他原因的弃风电量为131.77 MW·h，分别占到当天总弃风电量2146.15 MW·h的4.56%和6.14%，两者合计已占到当天总弃风电量10%以上。

采用基于单台风电机组监测数据计算弃风电量并进行分类统计的方法能够清晰地反映出各时段内风电场的弃风电量及其原因，这对于科学认识弃风，合理消纳风电，提高风电利用率都有重要的指导意义。

4 结论

为了科学认识弃风，提高风电利用率，本文从风电场弃风电量统计方法入手，分析了现有弃风电量统计方法的原理及特点，提出了基于单台风电机组监测数据的弃风电量计算方法及根据风电机组的运行状态对弃风电量的分类统计方法。该方法使用风电机组实测的运行状态、风速、风向、功率数据以及当地平均空气密度作为计算弃风电量的基础，不仅能够比其他方法更加准确地计算出总弃风电量，还能够分类统计不同原因造成的弃风电量，从原理上讲更加科学、有效。另外，本文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。

[1]PORTER K，FINK S.Examples of wind curtailment[C]// Energy Foundation Meeting on Wind Integration，Beijing，China，2010.

[2]PORTER K，ROGERS J，WISER R.Update on wind curtailment in europe and north america[R].Consultants to the Center for Resource Solutions，Beijing，2011.

[3]FINK S，MUDD C，PORTER K，et al.Wind energy curtailment case studies May 2008-May 2009[R].National Renewable Energy Laboratory，2009.

[4]ROGERS J，FINK S，PORTER K.Example of wind energy curtailment practices[R].National Renewable Energy Laboratory，2010.

[5]李俊峰，蔡丰波，乔黎明，等．2013中国风电发展报告[R]．中国可再生能源协会风能专业委员会，2013:44-45.

[6]李成家，陈路．风电弃风与水电弃水因素分析[J]．陕西电力，2010（4）:39-41.LI Chengjia，CHEN Lu.Analysis of wind abandonment in windpower&water abandonment in hydropower[J].Shaanxi Electric Power，2010（4）:39-41（in Chinese）.

[7]方陈，夏清，孙欣.考虑大规模风电接入的发电机组检修计划[J].电力系统自动化，2010，34（19）:20-24.FANG Chen，XIA Qing，SUN Xin.Application of hilberthuang transformation in distance protection[J].Automation of Electric Power Systems，2010，34（19）:20-24（in Chinese）.

[8]韩自奋，陈启卷.考虑约束的风电调度模式[J].电力系统自动化，2010，34（2）:89-92.HAN Zifen，CHEN Qijuan.Wind power dispatch model based on constraints[J].Automation of Electric Power Systems，2010，34（2）:20-24（in Chinese）.

[9]EVANS J，SHAWWASH Z.Assessing the benefits of wind power curtailment in a hydro-dominated power system[C]// Integration of Wide-Scale Renewable Resources Into the Power Delivery System，2009 CIGRE/IEEE PES Joint Symposium，PARIS:IEEE，2009:1-9.

[10]邹斌，李冬.基于有效容量分布的含风电场电力系统随机生产模拟[J].中国电机工程学报，2012，32（7）:23-32.ZOU Bin，LI Dong.Power system probabilistic production simulation with wind generation based on available capacity distribution[J].Proceedings of the CSEE，2012，32（7）:23-32（in Chinese）.

[11]国家电力监管委员会.风电场弃风电量计算办法（试行）[J].风能，2013（2）:9.State Electricity Regulatory Commission.Calculation method for wind power curtailment of wind farms（trial）[J].Wind Energy，2013（2）:9（in Chinese）.

[12]陈颖，丁宇宇，周海，等.基于风资源实时监测数据的弃风电量评估方法:CN102182629B[P].中国，2013-01-02.

[13]郎斌斌，穆钢，严干贵，等.联网风电机组风速－功率特性的研究[J].电网技术，2008，32（12）:70-74.LANG Binbin，MU Gang，YAN Gangui，et al.Research on wind speed vs output power characteristic curve of wind power generator interconnected with power grid[J].Power System Technology，2008，32（12）:70-74（in Chinese）.

（编辑 李沈）

Research on Classification Statistical Method of Wind Curtailment

HAO Feng1，ZHU Changsheng1，WANG Xiaohai1，LIU Shiyu2，HE Xuwei3，MA Yufei3
（1.Inner Mongolia Power Dispatching and Communication Center，Hohhot 010020，Inner Mongolia，China；2.State Key Laboratory of Electrical Insulation and Power Equipment（Xi’an Jiaotong University），Xi’an 710049，Shaanxi，China；3.Beijing Zhongke Furui Electric Technology Co.，Ltd.，Beijing 100085，China）

Wind curtailment due to the insufficient consumption of wind power becomes more and more serious among most of the provinces which have large scale of wind power in China.Therefore research on scientific statistical method for wind curtailment and its component factors has important and referenced value to determine the reasonable principle and to make the related assessment mechanism and compensation plan.It is also significant for energy conservation，increasing the utilization rate of wind energy and analyzing the operation management of wind farms.After analyzing the existing statistical method，this paper proposes a computing and classification method based on the measured wind speed data and the running state of the wind turbines.The method proposed in this paper is built on the running state，wind speed，wind direction and wind power to acquire the amount of the wind curtailment more accurately and the classified statistics caused by different reasons.Furthermore，numerical tests performed on the wind farm in Inner Mongolia show the availability and suitability of the method.

wind farm；wind curtailment；wind speed and direction-power curve

2016-01-12。

蒿 峰（1976—），男，硕士，高级工程师，主要研究方向为电力系统调度自动化；

朱长胜（1963—），男，硕士，高级工程师，主要研究方向为电力系统调度自动化；

王小海（1968—），男，硕士，高级工程师，主要研究方向为电力系统调度运行；

刘诗雨（1991—），女，硕士研究生，主要研究方向为电力系统调度自动化、含有分布式能源的配电网无功优化；

贺旭伟（1973—），男，硕士，高级工程师，主要研究方向为电力系统调度自动化、新能源并网调度；

马育飞（1977—），男，学士，工程师，主要研究方向为电力系统调度自动化、新能源并网调度。

国家自然科学基金资助项目（51577147）。

Project Supported by the National Natural Science Foundation of China under Grant（51577147）.

1674-3814（2016）09-0135-06

TM614

A