CN105932669A - 风功率波动分量分解器以及风电出力波动特性评估方法 - Google Patents

Abstract

本发明公开了一种风功率波动分量分解器以及风电出力波动特性评估方法，包括：按照设定的时间间隔输入原始风速数据以及风机特性数据；将输入的原始风速数据以及风机特性数据转换为风电功率；将风电功率分解为波动周期在不同时间等级范围内的波动分量的叠加；以等间隔区间为步长绘制极值差值频率分布直方图；形成波动分量峰谷变化值统计指标表；对比不同波动分量的波动特性，结合不同波动分量对电网影响的性质，评价风电波动性对电网的影响。本发明有益效果：将风电出力看作多周期变化信号，以多时间尺度峰谷变化量为处理对象，以概率统计为分析工具，进行多统计指标、多时间尺度的综合评估。

Description

风功率波动分量分解器以及风电出力波动特性评估方法

技术领域

本发明涉及风电波动特性分析技术领域，尤其涉及一种风功率波动分量分解器以及风电出力波动特性评估方法，从风电出力波动对电网影响的角度对出力波动特性进行分析和评估。

背景技术

随着经济的快速发展和人类对环境问题的日益关注，可再生能源的开发和利用受到前所未有的重视。风力发电作为成熟、高效的可再生能源发电技术之一，近几年迅猛发展，并网装机容量不断增加。然而，由于风能具有密度低、分布广的特点，加之现有风电机组抑制出力波动能力差，因而风电出力容易受天气、气候、地形等因素影响，表现出明显的波动性、随机性。风电出力的波动性会对电网运行的安全性、可靠性和经济性产生影响，特别是对电网的调频、调峰能力提出新的要求。风电出力波动特性的准确高效分析，对于恰当评估风电对电网的影响并采取适当措施应对风电带来的挑战具有重要意义。

现有风电波动特性分析方法主要包括以下两类：

(1)基于风速时间序列进行分析。该方法以风速数据点为统计对象，通过拟合其概率分布特性，进而计算诸如风功率密度、有效风功率密度等指标的分布特性，实现对风电出力波动性的间接分析。然而，风速、风功率密度等指标只能间接反映风电出力，不能计及风机的调节特性，因此该方法的精度有时不能满足要求。

(2)基于实测风电出力数据进行分析。该方法以数据采集系统记录的实际风电场出力为初始数据，经预处理(如滑动平均，固定时间窗做差等)后进行统计分析。目前较常用的有变化率分析和定时间尺度波动量分析两种。变化率分析是一种固定步长的差值分析，它能够反映风电出力的时间变化率和相邻数据点的变化量，但无法计及变化的累计效应，因而无法从整体上评估波动的幅值及其统计特性。定时间尺度波动量分析以波动周期在一定范围(如秒级、分钟级、小时级、日级等)内的波动分量为分析对象，通过统计波动分量幅值分布来评估对应时间尺度上波动的大小。然而，目前多数研究以某个分量为分析对象，不能获得风电出力总的波动特性。此外，受限于实际风电出力数据的可得性，基于实际数据的分析方法在应用范围上受到一定限制。

发明内容

本发明为了解决上述问题，提出了一种风功率波动分量分解器以及风电出力波动特性评估方法，该方法以风速等气象数据为起点，以多时间尺度峰谷变化量为处理对象，以概率统计为分析工具，更准确的反映了波动性。

为实现上述目的，本发明采用下述技术方案：

一种风功率波动分量分解器，包括：若干低通滤波器，第一级低通滤波器的输入为风功率数据；第二级低通滤波器的输入为第一级低通滤波器输入数据与输出数据的差值；第三级低通滤波器的输入为第二级低通滤波器的输入数据与第二级低通滤波器的输出数据的差值，第n级低通滤波器的输入为第n-1级低通滤波器的输入数据和输出数据的差值；n为正整数。

进一步地，所述低通滤波器的个数以及每一个低通滤波器的截止频率根据实际需要设置。

进一步地，所述低通滤波器采用巴特沃斯滤波器、切比雪夫滤波器或者滑动平均滤波器实现。

一种风电出力波动特性评估方法，包括以下步骤：

(1)按照设定的时间间隔输入原始风速数据以及风机特性数据；

(2)将输入的原始风速数据以及风机特性数据转换为风电功率；

(3)以波动周期差异为依据，将风电功率分解为波动周期在不同时间等级范围内的波动分量的叠加；

(4)以各波动分量时间序列为输入，记录序列中所有极大值和极小值，并对相邻极值做差，统计各极值差值出现的频数，进而计算各极值差值的频率分布；以等间隔区间为步长绘制极值差值频率分布直方图，作为概率分布的直观表示以及数值拟合目标；

(5)根据极值差值概率分布分别计算波动期望、方差以及设定置信度对应的置信区间，形成波动分量峰谷变化值统计指标表；

(6)在波动分量峰谷变化值统计指标基础上，对比不同波动分量的波动特性，结合不同波动分量对电网影响的性质，评价风电波动性对电网的影响。

进一步地，所述步骤(3)中不同时间等级范围具体包括：秒级、分钟级和小时级。

进一步地，采用风功率波动分量分解器实现风电功率的分解。

进一步地，所述步骤(6)中，不同波动分量对电网影响具体包括：

分钟级波动分量会明显影响电网频率，对系统旋转备用提出要求；

小时级波动分量会影响电网等效负荷的峰谷分布，对调峰能力提出要求；

秒级波动分量会影响并网点电能质量。

本发明的有益效果是：

本发明将风电出力看作多周期变化信号，以多时间尺度峰谷变化量为处理对象，以概率统计为分析工具，进行多统计指标、多时间尺度的综合评估。

本发明以历史气象数据为输入，保证了原始数据的易得性；使用典型风机出力特性曲线将气象数据转化为风电出力，较准确计入了风机调节特性；使用峰谷变化量代替散点幅值进行统计，更准确的反映了波动性；综合多时间尺度分量的多个统计指标，保证了评估的全面性。

附图说明

图1为本发明评估方法流程图；

图2为本发明分量分解器构成图；

图3为本发明风速数据示例；

图4为本发明风功率波动分量分解示例；

图5(a)为本发明慢波动分量峰谷值变化量频率分布直方图示例；

图5(b)为本发明快波动分量峰谷值变化量频率分布直方图示例。

具体实施方式

下面结合附图与实施例对本发明作进一步说明。

本发明中的评估方法包括气象数据输入、风功率生成、波动分量分解、分量峰谷变化量统计、分量统计指标计算与综合、总体评价综合等多个环节。

图1给出了风电出力波动性评估方法流程图。评估过程共包括以下步骤：

Step 1：原始风速数据输入。风速数据应满足等时间间隔的要求，时间间隔的变化仅会影响本评估方法所能够评估的分量构成，不影响方法的可实现性。例如，时间间隔为1小时时，只能分析小时级及以上波动分量的波动特性，无法获得分钟级、秒级的波动特性。

Step 2：风速到风功率转化。利用下式所示的典型风机出力静态特性将风速转化为风功率。该步骤以step 1输出的风速数据及风机特性数据(v_cut-in,v_cut-out,v_r,P_r)为输入，输出为风力发电机组的并网功率。通常使用额定出力P_r对P_M标幺，以使分析结果更加直观。

$P_M\left(v\right)=\left\{\begin{array}{cc}0& \begin{array}{ccc}v<v_{cut-in}& or& v>v_{cut-out}\end{array}\\ \frac{v^3-v_{cut-in}^3}{v_r^3-v_{cut-in}^3}{P}_r& v_{cut-in}<v<v_r\\ P_r& v_r<v<v_{cut-out}\end{array}\right.$

其中，切入风速v_cut-in，切出风速v_cut-out，额定风速v_r和额定功率P_r，v为实际风速，P_M为风机实际发电出力。以额定出力P_r为基值将实际出力P标幺，以使分析结果更加直观。

Step 3：波动分量分解。以波动周期差异为依据，将风电功率分解为波动周期在不同时间等级(如秒级、分钟级、小时级等)的波动量的叠加。

波动周期是指风电出力变化一个周期的时间，可以是几秒，几分钟，几个小时。波动周期大小的不同就是波动周期的差异。

不同时间等级是根据经验和电力系统分析需要决定的：比如波动周期为秒级会对系统电能质量有影响，分钟级的会对系统频率有影响，小时级的会对系统调峰容量设置有影响。具体是几秒，几分钟，几个小时是根据经验和具体分析对象确定的。

图2给出了波动分量分解实现方法。采用风功率波动分量分解器进行分解，包括：若干低通滤波器，第一级低通滤波器的输入为风功率数据；第二级低通滤波器的输入为第一级低通滤波器输入数据与输出数据的差值；第三级低通滤波器的输入为第二级低通滤波器的输入数据与第二级低通滤波器的输出数据的差值，第n级低通滤波器的输入为第n-1级低通滤波器的输入数据和输出数据的差值；n为正整数。

低通滤波器的个数以及每一个低通滤波器的截止频率根据实际需要设置。低通滤波器可采用巴特沃斯滤波器或切比雪夫滤波器实现，或为其它具有低通性质的滤波器(如滑动平均滤波器)。

原始数据首先经过低通录波器得到慢波动分量，剩余部分为快波动分量。快波动分量可使用低通滤波器进行进一步分解。低通滤波器个数及各滤波器截止频率根据分析需要设置。

Step 4：波动分量峰谷变化值统计。该步骤以step 3得到的各波动分量时间序列为输入，记录序列中所有极大值和极小值，并对相邻极值做差。

时间序列就是各个时刻风电功率大小。序列中所有极大值和极小值指的是风电功率的极大值和极小值；上述操作是对分解之后的风电功率进行的。也就是对风电功率分解成多个波动分量后，分别进行上述操作。

统计各极值差值出现的频数，进而计算其频率分布，作为概率分布的近似。以等间隔区间(如5％)为步长绘制变化量频率分布直方图，作为概率分布的直观表示，同时作为数值拟合目标。

Step 5：波动分量峰谷变化值统计指标计算。基于step 4得到的波动分量峰谷变化值的概率分布计算波动期望、方差、0.5、0.9、0.95、0.99置信度对应的置信区间。绘制波动性统计指标表，给出对应分量波动性总体评价。

Step 6：多分量波动性评价综合。在各分量波动性统计指标基础上，对比并综合不同分量的波动特性。结合不同波动分量对电网影响的不同性质，综合评价风电波动性对电网的影响。例如，分钟级波动分量会明显影响电网频率，对系统旋转备用提出要求，而小时级波动分量可能会影响电网等效负荷的峰谷分布，对调峰能力提出要求。表1给出了风功率波各波动分量波动性统计指标及综合评价示例。

表1波动分量波动性统计指标及综合评价示例

如下以某地风电出力波动性为应用对象，演示本专利评估方法的应用结果。

附图3给出了某时间区间内原始风速变化曲线。原始风速数据取自美国国家航空航天局(NASA)网站。风机切入风速为3m/s，额定风速10.5m/s，切出风速为25m/s，以此特性为依据将风速转化成风功率。并使用时间窗长度为5h的滑动平均滤波器进行分量分解。附图4给出了风功率波动分量分解结果，此处以两个分量为例进行演示，多个分量分析过程类似。附图5(a)和图5(b)给出了两个波动分量峰谷值变化量频率分布直方图，统计所用间隔区间为5％。附表1给出了两个波动分量波动性统计指标及其评价，以及风电出力整体波动性评价。本例数据统计结果表明：风功率波动量中的慢波动分量，波动周期长，波动幅值大且分散；快波动分量周期短，波动幅值小且集中。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (7)

1.一种风功率波动分量分解器，其特征是，包括：若干低通滤波器，第一级低通滤波器的输入为风功率数据；第二级低通滤波器的输入为第一级低通滤波器输入数据与输出数据的差值；第三级低通滤波器的输入为第二级低通滤波器的输入数据与第二级低通滤波器的输出数据的差值，第n级低通滤波器的输入为第n-1级低通滤波器的输入数据和输出数据的差值；n为正整数。

2.如权利要求1所述的一种风功率波动分量分解器，其特征是，所述低通滤波器的个数以及每一个低通滤波器的截止频率根据实际需要设置。

3.如权利要求1所述的一种风功率波动分量分解器，其特征是，所述低通滤波器采用巴特沃斯滤波器、切比雪夫滤波器或者滑动平均滤波器实现。

4.一种风电出力波动特性评估方法，其特征是，包括以下步骤：

(1)按照设定的时间间隔输入原始风速数据以及风机特性数据；

(2)将输入的原始风速数据以及风机特性数据转换为风电功率；

(3)以波动周期差异为依据，将风电功率分解为波动周期在不同时间等级范围内的波动分量的叠加；

(4)以各波动分量时间序列为输入，记录序列中所有极大值和极小值，并对相邻极值做差，统计各极值差值出现的频数，进而计算各极值差值的频率分布；以等间隔区间为步长绘制极值差值频率分布直方图，作为概率分布的直观表示以及数值拟合目标；

(5)根据极值差值概率分布分别计算波动期望、方差以及设定置信度对应的置信区间，形成波动分量峰谷变化值统计指标表；

(6)在波动分量峰谷变化值统计指标基础上，对比不同波动分量的波动特性，结合不同波动分量对电网影响的性质，评价风电波动性对电网的影响。

5.如权利要求4所述的一种风电出力波动特性评估方法，其特征是，所述步骤(3)中不同时间等级范围具体包括：秒级、分钟级和小时级。

6.如权利要求4所述的一种风电出力波动特性评估方法，其特征是，采用权利要求1-3所述的任一种风功率波动分量分解器实现风电功率的分解。

7.如权利要求4所述的一种风电出力波动特性评估方法，其特征是，所述步骤(6)中，不同波动分量对电网影响具体包括：

分钟级波动分量会明显影响电网频率，对系统旋转备用提出要求；

小时级波动分量会影响电网等效负荷的峰谷分布，对调峰能力提出要求；

秒级波动分量会影响并网点电能质量。