论文部分内容阅读
摘要：风的大小和风向其主要受气压、气温、地理位置的影响并且时刻都在放生变化，而风电场出力的大小也主要受风的大小决定，因此，要对风电场风电功率进行分析。
关键字：风电功率 基准变化率 超短期风电功率预测
【中图分类号】：TM614
1风电功率实测数据预处理
在风电场的风速、风电功率实测数据中，由于测量仪器等问题导致部分数据与实际不符，这类数据可能会干扰正常分析结果，因此有必要对该类数据进行处理。
（1）去除含有停机状态的点
在有可以提供发电的正常大小的风速的情况下，部分风机由于检修原因停止运行，或者由于通信原因，导致数据测量系统与风机通信中断，从而使某些风机数据变为零。这样的数据明显会影响到超短期风电功率预测的精度，因此，应将这部分数据去掉，或者是使用相邻风机的正常数据进行代替。
（2）去除高风速下低功率的点
由于数据中的功率值并非风电场稳态运行的功率值，而是动态过程的一个点，因此由于风速快速变化，而输出功率的响应有个滞后的特点，于是出现了高风速低功率的情况，还有一个出现类似情况原因可能是测量系统出现的误差。
（3）修改功率为负值的数据
在实测数据中，有部分数据值为负，这是由于风速大小无法达到切入风速，风电发电量为零，但是风机本身部分控制电路等消耗一部分功率，因此出现数据为负值的情况。这时应当将负值直接改为零。
2 风速的日变化及季节变化特点
风能是一随机性能源，其持续性变化在一定时间和空间内是随机的，但是在某一特定空间下的某一些时间段内，其大体的变化趋势却具有一定的规律性，主要表现在日变化规律及季节变化规律。
风速的日变化主要受太阳辐射影响，白天气温比夜间较高，风速的大小也随之变化，表现出一定的日周期特性。在近地面层，午后风速较大，随后逐渐减小，凌晨时刻风速最小，日出后风速又逐渐增加。
由于太阳和地球的相对位置随着季节的变化而变化，因此风向和风的强弱也发生变化。冬季冷空气盛行，冷高压势力强大，而夏季温湿空气较为盛行，高气压势力相对较弱。受气候影响，我国大部分地区最大风速主要见于春季的三、四月份，而最小风速多见于夏季的七、八月份。
3 风电功率的风频特性
在描述风电场风能资源情况时，一般使用风频特性指标，它表示某地一年当中不同风速出现的概率。用于拟合风速概率分布的模型很多，其中两参数的weibull分布应用最为广泛[23]。
设某风电场风速序列 服从两参数的weibull分布，则
分布函数： （1）
概率密度函数： （2）
其中， 、 分别表示weibull分布的尺度参数和形状参数。尺度参数描述了该地区风速的平均大小。根据风速的概率分布，我们可以求取风电机组的年发电量，从而对风电场经济效益进行评估。
4 一小时内风电功率波动特性
长时间来看，风速的变化主要呈现随机性，但空气的流体性质决定了风速在短时间内的变化必然是连续的，因此风电场输出功率变化在较短时间尺度上也必然是连续的。下面對不同时间尺度下的风电功率的波动情况进行分析，时间间隔包括：1min、5min、15min、30min、1h等。设某风电装机为 的风电场，某一时刻风功率向量为p，p为 维向量，则
功率平均变化量： （3）
功率平均变化量百分比： （4）
功率标准差： （5）
功率标准差比率： （6）
在不同时间间隔下，从图中可以看出，该风电场有功功率变化的统计特点如下：5分钟内基准变化率小于1%的概率约为87%，大于5%的概率仅为0.5%；15分钟内基准变化率小于1%的概率约为70%，大于5%的概率仅为1.3%；30内基准变化率小于1%的概率约为21%，大于10%的概率为3.1%；1小时内基准变化率在1%～5%约为43.6%，大于10%的概率为5.3%。
图1 一小时内风电功率基准变化率概率分布
数据分析结果表明：随着时间跨度的减小，风电功率的可变性也随之降低，几分钟内、几十分钟内风电功率的变化通常较小，而小时级的变化相对较大。这意味着，在没有数值天气预报的情况下，仅根据风电功率的历史数据进行超短期风电功率预测的可行性，而且应当具有较高的精度。
5 小结
本文首先对风电场实测数据进行了预处理，去除和校正了一些与风电场实际运行部符的数据，避免了因数据错误导致的不利因素。然后对风速的季节性变化及日变化特点以及风电功率的风频特性进行分析。最后采用数理统计的方法较为详细地分析了1小时以内风电功率的变化特点，为超短期风电功率预测奠定了基础。
参考文献：
[1] 刘永前，韩爽，杨勇平，等．提前3小时风电机组出力组合预报研究[J]．太阳能学报，2007，28（8）：839～843
[2] 杨秀媛，肖洋，陈树勇．风电场风速和发电功率预测研究[J]．中国电机工程学报，2005，25（11）：1～5
[3] 孙春顺，王耀南，李欣然．小时风速的向量自回归模型及应用[J]．中国电机工程学报，2008，28（5）：112～117
[4] 潘迪夫，刘辉，李燕飞．风电场风速短期多步预测改进算法[J]．中国电机工程学报，2008，28（9）：87～91
[5] 杜颖，卢继平，李青等．基于最小二乘支持向量机的风电场短期风速预测[J]，电网技术，2008，32（8）：62～66
关键字：风电功率 基准变化率 超短期风电功率预测
【中图分类号】：TM614
1风电功率实测数据预处理
在风电场的风速、风电功率实测数据中，由于测量仪器等问题导致部分数据与实际不符，这类数据可能会干扰正常分析结果，因此有必要对该类数据进行处理。
（1）去除含有停机状态的点
在有可以提供发电的正常大小的风速的情况下，部分风机由于检修原因停止运行，或者由于通信原因，导致数据测量系统与风机通信中断，从而使某些风机数据变为零。这样的数据明显会影响到超短期风电功率预测的精度，因此，应将这部分数据去掉，或者是使用相邻风机的正常数据进行代替。
（2）去除高风速下低功率的点
由于数据中的功率值并非风电场稳态运行的功率值，而是动态过程的一个点，因此由于风速快速变化，而输出功率的响应有个滞后的特点，于是出现了高风速低功率的情况，还有一个出现类似情况原因可能是测量系统出现的误差。
（3）修改功率为负值的数据
在实测数据中，有部分数据值为负，这是由于风速大小无法达到切入风速，风电发电量为零，但是风机本身部分控制电路等消耗一部分功率，因此出现数据为负值的情况。这时应当将负值直接改为零。
2 风速的日变化及季节变化特点
风能是一随机性能源，其持续性变化在一定时间和空间内是随机的，但是在某一特定空间下的某一些时间段内，其大体的变化趋势却具有一定的规律性，主要表现在日变化规律及季节变化规律。
风速的日变化主要受太阳辐射影响，白天气温比夜间较高，风速的大小也随之变化，表现出一定的日周期特性。在近地面层，午后风速较大，随后逐渐减小，凌晨时刻风速最小，日出后风速又逐渐增加。
由于太阳和地球的相对位置随着季节的变化而变化，因此风向和风的强弱也发生变化。冬季冷空气盛行，冷高压势力强大，而夏季温湿空气较为盛行，高气压势力相对较弱。受气候影响，我国大部分地区最大风速主要见于春季的三、四月份，而最小风速多见于夏季的七、八月份。
3 风电功率的风频特性
在描述风电场风能资源情况时，一般使用风频特性指标，它表示某地一年当中不同风速出现的概率。用于拟合风速概率分布的模型很多，其中两参数的weibull分布应用最为广泛[23]。
设某风电场风速序列 服从两参数的weibull分布，则
分布函数： （1）
概率密度函数： （2）
其中， 、 分别表示weibull分布的尺度参数和形状参数。尺度参数描述了该地区风速的平均大小。根据风速的概率分布，我们可以求取风电机组的年发电量，从而对风电场经济效益进行评估。
4 一小时内风电功率波动特性
长时间来看，风速的变化主要呈现随机性，但空气的流体性质决定了风速在短时间内的变化必然是连续的，因此风电场输出功率变化在较短时间尺度上也必然是连续的。下面對不同时间尺度下的风电功率的波动情况进行分析，时间间隔包括：1min、5min、15min、30min、1h等。设某风电装机为 的风电场，某一时刻风功率向量为p，p为 维向量，则
功率平均变化量： （3）
功率平均变化量百分比： （4）
功率标准差： （5）
功率标准差比率： （6）
在不同时间间隔下，从图中可以看出，该风电场有功功率变化的统计特点如下：5分钟内基准变化率小于1%的概率约为87%，大于5%的概率仅为0.5%；15分钟内基准变化率小于1%的概率约为70%，大于5%的概率仅为1.3%；30内基准变化率小于1%的概率约为21%，大于10%的概率为3.1%；1小时内基准变化率在1%～5%约为43.6%，大于10%的概率为5.3%。
图1 一小时内风电功率基准变化率概率分布
数据分析结果表明：随着时间跨度的减小，风电功率的可变性也随之降低，几分钟内、几十分钟内风电功率的变化通常较小，而小时级的变化相对较大。这意味着，在没有数值天气预报的情况下，仅根据风电功率的历史数据进行超短期风电功率预测的可行性，而且应当具有较高的精度。
5 小结
本文首先对风电场实测数据进行了预处理，去除和校正了一些与风电场实际运行部符的数据，避免了因数据错误导致的不利因素。然后对风速的季节性变化及日变化特点以及风电功率的风频特性进行分析。最后采用数理统计的方法较为详细地分析了1小时以内风电功率的变化特点，为超短期风电功率预测奠定了基础。
参考文献：
[1] 刘永前，韩爽，杨勇平，等．提前3小时风电机组出力组合预报研究[J]．太阳能学报，2007，28（8）：839～843
[2] 杨秀媛，肖洋，陈树勇．风电场风速和发电功率预测研究[J]．中国电机工程学报，2005，25（11）：1～5
[3] 孙春顺，王耀南，李欣然．小时风速的向量自回归模型及应用[J]．中国电机工程学报，2008，28（5）：112～117
[4] 潘迪夫，刘辉，李燕飞．风电场风速短期多步预测改进算法[J]．中国电机工程学报，2008，28（9）：87～91
[5] 杜颖，卢继平，李青等．基于最小二乘支持向量机的风电场短期风速预测[J]，电网技术，2008，32（8）：62～66