灰色绝对关联度在风光互补特性分析中的应用

2018-07-25 02:53姬生才王昭亮牛子曦
西北水电 2018年3期
关键词:德令哈出力风光

姬生才,王昭亮,牛子曦

(中国电建集团西北勘测设计研究院有限公司,西安 710065)

0 前 言

风电出力具有极强的随机性、间歇性以及波动性的特点[1],光伏出力也具有一定的波动性[2-3]。在风光电大规模并网时,风光电随机性、波动性将对电力系统运行及调峰特性造成较大影响,甚至可能影响系统稳定运行[4]。风电和光伏出力过程均具有不可调控性,但光伏出力的规律性比风电要强,有明显的昼夜更替和相对平稳的特性,而风电出力过程随机变化较大没有规律可循,所以风电与光伏出力之间互补为自然互补,风光以互补形式接入电网,可以弥补风资源和光资源间歇性所带来的损失[5]。

中国学者已从不同角度采用不同方法对风光互补特性进行了研究:刘波[6]、李海英[7]从风光输出功率特性和电量角度,研究分析了风光在时间上的互补特性;王淑娟等[8-9]通过构建风光复合出力模型,研究了风光复合出力特性;赵继超等[10-12]基于Copula理论,分析了同一地区风光电互补后出力联合概率分布特性,并从风光电出力的相关性分析了互补特性;吴兴泉[13]基于标准差定义及公式,引入互补率指标描述风光互补特性;王社亮等[14]基于风光电1 a出力过程,采用最大出力、累积电量占比95%时出力系数等指标分析风光互补特性。目前,风光电互补特性研究多针对典型日出力特性分析,而对1 a出力资料研究相对较少。因此,本文将基于风电、光伏1 a出力过程资料,引入灰色绝对关联度,全面分析风光电互补特性,以期为电力系统其他可调电源配合风光电运行提供技术基础。

1 基本资料

根据青海省电力公司调度部门提供已建风光电站2015年1—12月逐15 min历史出力资料,参照已建电站规模及布局,从电站位置、年出力正常性、完整性、可靠性等方面,选取已建代表光伏电站、风电场进行风光互补特性分析,见表1。

表1 光伏电站、风电场基本情况表

2 灰色绝对关联度

灰色关联度是灰色理论的重要组成部分,也是灰色系统分析、预测和决策的基础[15],其基本思想是根据序列曲线几何形状来判断不同序列之间的联系紧密程度[16-17],具有样本数据不需要特定分布形式,计算方法简便、工作量小,定量分析结果与定性分析结果一致,适用范围广的优势[18]。

自邓聚龙教授提出灰色关联分析模型[19]以来,梅振国又提出了灰色绝对关联度[20],克服了邓氏关联度需要确定分辨系数的不足。灰色绝对关联度是根据两时间序列在各时段变化态势的接近程度来判断两曲线的相似程度,算法如下:

设序列1为X1={X1(k),k=1,2,…,n},序列2为X2={X2(k),k=1,2,…,n}。

(1) 无量纲化

为消除序列量纲和量级对分析影响,增加两序列的可比性,需要进行无量纲化处理。本次选用灰色关联分析中常用的无量纲化方法均值法。

(1)

(2)

(2) 一次累减

求出序列1和序列2各时段的斜率大小。

α[y1(k+1)]=y1(k+1)-y1(k)

(3)

α[y2(k+1)]=y2(k+1)-y2(k)

(4)

式中:k=1,2,…,n-1。

(3) 计算各时段关联系数

(5)

式中:ξ1,2为序列1与序列2之间的关联系数;k=1,2,…,n-1。

(4) 计算关联度

关联度的大小表征序列间的相似程度,关联度越大,两者相似性越高,即序列所对应电源间互补性越小。关联度计算公式如下:

(6)

式中:γ1,2为序列1与序列2之间的关联度。

3 互补特性计算与分析

光伏、风电及风光之间互补为自然互补,可采用最大出力、累积电量占比95%时出力系数等常规互补特性指标分析。另外,本次研究引入了灰色绝对关联度对风光互补全过程进行分析,而且考虑到青海可调节电源中水电比例较大,选择在水电丰水期(7月)、枯水期(12月)的光伏、风电连续3 d典型出力过程,以说明光伏、风电及其之间出力互补情况。

3.1 光伏之间互补特性分析

青海德令哈与锡铁山地区同规模光伏电站之间互补后年发电量为互补前光伏电站发电量之和,但互补后最大出力相比互补前光伏电站最大出力之和减小3.6%,累积电量占比95%时出力系数相比锡铁山地区光伏电站降低4.5%。同时,德令哈与锡铁山地区光伏电站之间的灰色绝对关联度为0.896,灰色绝对关联度数值较大,进一步说明德令哈与锡铁山地区光伏电站之间互补性较小,见表2。德令哈与锡铁山地区虽属于不同地区,但光伏出力在时间上存在很强同步性,见图1~2。德令哈与锡铁山光伏电站互补前后月发电量占年均发电量比例,见图3,互补后月发电量变化范围较互补前变小。

表2 德令哈与锡铁山地区同规模光伏电站之间互补特性指标

图1 德令哈与锡铁山地区同规模光伏电站7月1—3日出力过程图

图2 德令哈与锡铁山地区同规模光伏电站12月1—3日出力过程图

图3 德令哈与锡铁山地区同规模光伏电站互补前后月发电变化图

3.2 风电之间互补特性分析

青海都兰与锡铁山地区同规模风电场之间互补后年发电量为互补前风电场发电量之和,但互补后最大出力相比互补前风电场最大出力之和减小4.0%,累积电量占比95%时出力系数相比锡铁山地区风电场降低10.1%。同时,都兰与锡铁山地区风电场之间的灰色绝对关联度为0.841,相比德令哈与锡铁山地区光伏电站之间数值减小,进而说明都兰与锡铁山地区风电场之间具有一定的互补性,见表3。都兰与锡铁山地区风电场受地域风资源差异,其出力在时间上存在一定的不同步性,见图4~5。都兰与锡铁山地区风电场互补前后月发电量占年均发电量比例见图6,互补后月发电量变化范围显著变小。

表3都兰与锡铁山地区同规模风电场之间互补特性指标

图4 都兰与锡铁山地区同规模风电场7月1—3日出力过程图

图5 都兰与锡铁山地区同规模风电场12月1—3日出力过程图

3.3 风光之间互补特性分析

青海锡铁山地区同规模风光电互补后年发电量为互补前风光电发电量之和,但互补后最大出力相比互补前风电、光电最大出力之和减小4.3%,累积电量占比95%时出力系数相比光伏电站降低24.5%。同时,锡铁山地区风光电之间的灰色绝对关联度为0.828,比都兰与锡铁山地区风电之间的灰色绝对关联度减小,进而说明风光电在时间上具有一定的互补性,见表4。

项目装机容量/MW年发电量/万kWh年利用小时数/h最大出力/MW累积电量95%时出力系数灰色绝对关联度互补前风电49.511836 239150.20.79-光伏508610172246.80.66-互补后99.520445 2055 92.8 0.53 0.828

德令哈地区光伏电站与锡铁山地区风电场互补后年发电量为互补前风光电发电量之和,但互补后最大出力相比互补前风电、光电最大出力之和减小7.2%,累积电量占比95%时出力系数相比光伏降低26.9%,且小于锡铁山地区风光电互补后累积电量占比95%时出力系数。同时,德令哈地区光伏电站与锡铁山地区风电场之间的灰色绝对关联度为0.814,比锡铁山地区风光电之间的灰色绝对关联度减小,进而说明不同地区风光电在时间和空间上均具有一定的互补性,且互补性优于同地区风光电互补性(见表5)。

表5 德令哈某一光伏电站与锡铁山某一风电场互补特性指标

由图7~10进而可以看出,风电与光伏出力过程在时间上不同步,而且在地域上存在差异,所以,风电与光伏在时间和空间上均具有一定的互补性。

青海锡铁山地区和德令哈地区与锡铁山地区同规模风光电互补前后月发电量占年均发电量比例变化分别见图11~12。由图11、12可以看出,风光互补后月发电量占年均发电量比例显著降低。

图7 锡铁山地区风光电7月1—3日出力过程图

图8 锡铁山地区风光电12月1—3日出力过程图

图9 德令哈地区光伏电站与锡铁山风电场7月1—3日出力过程图

图10 德令哈地区光伏电站与锡铁山风电场12月1—3日出力过程图

4 结 语

风电和光伏出力具有一定的随机性、间歇性及波动性等特性,出力过程具有不可调控性,但光伏出力的规律性比风电要强,有明显的昼夜更替和相对平稳的特性,而风电出力过程随机变化较大没有规律可循,所以风电与光伏出力之间互补为自然互补。

图11 锡铁山地区风光电互补前后月发电量变化图

图12 德令哈地区光伏电站与锡铁山风电场互补前后月发电量变化图

灰色绝对关联度具有计算方法简便、工作量小,定量分析结果与定性分析结果一致,适用范围广的优势,经对青海省光伏电站之间、风电之间及风光电之间的常规互补特性指标和灰色绝对关联度计算分析,光伏电站之间的灰色绝对关联度较大,而风电之间的灰色绝对关联度比光伏较小,而且不同地区风光电之间的灰色绝对关联度比同地区小,进而说明青海光伏电站之间的互补性较小,风电之间的互补性优于光伏电站之间互补性,不同地区风光电之间互补性大于同地区。灰色绝对关联度计算分析结果与常规互补特性指标分析结果一致,因此,灰色绝对关联度在光伏之间、风电之间及风光之间互补性分析方面具有一定的适用性,而且计算方法简便,结果直观明了。

猜你喜欢
德令哈出力风光
德令哈,没了“海子”你还剩下什么
风光新580
风光如画
德令哈的雪
风光ix5:当轿跑邂逅SUV
各国首都风光
“出力”就要做为人民“出彩”的事
基于实测数据的风电场出力特性研究
德令哈 雪山下的光热之都
今夜,我在德令哈