CN108734601A - 一种风电场发电量估算方法及系统 - Google Patents

Abstract

本发明涉及一种风电场发电量估算方法及系统，属于风资源评估技术领域。本发明根据风速分布的威布尔参数得到各风速点的分布概率，利用风速‑功率曲线和各风速点分布概率得到风电机组的年理论发电量，整个估算过程简单快捷，能够准确估算风电场的发电量，对于风电场风能资源的初步评估、减少风电场开发的时间成本、为风电场建设的决策提供数据支撑，都具有十分重要的意义。

Description

一种风电场发电量估算方法及系统

技术领域

本发明涉及一种风电场发电量估算方法及系统，属于风资源评估技术领域。

背景技术

近年来，随着风电行业的快速发展，风资源较好的I类、II类区域，甚至是III类区域都已开发殆尽。同时，由于风电场过快的开发及配套设施的滞后性，风资源较好的“三北”地区风电的消纳问题日益严重，弃风率高居不下。为此，国家相关部门也停止了弃风率较高地区的新建项目审批，从政策上引导风电场的建设向南部山地风电场和中部微风速地区发展。山地或者微风速地区风电场的建设就带了一个挑战：如何评估一个风电场建设的收益率和经济性。这就需要在风电场建设初期，对该风电场的风能资源进行一个真实的、准确的分析和评估。一般来说，必须获取拟建风场场址1-3年的连续有效风资源气象数据，同时获取详细的地形信息之后，通过专业的仿真分析软件方可对该场址的风能资源进行详细的评估。例如公开号为CN104166948A的专利申请文件，该文件公开了一种利用Globcover土地覆盖数据风电场发电量的方法，该方法首先绘制风电场的Globcover土地覆盖类型分布图，然后将土地覆盖类型分布图转换为地表粗糙分布图，最后使用风资源评估软件外推模拟场址的风况数据，评估风电机组的年平均风速、威布尔分布参数，估计风电机组的年发电量。

上述方法虽然能够准确的预测出风电场发电量，但是需要耗费大量的时间和资金成本，且在决策时期往往无法获取这么多的详细数据。因此，如何根据一些有限的数据或资料实现对拟建风场场址的风能资源的初步评估，对于缩短前期考察周期，节约时间成本，为决策提供依据，都具有十分重要的意义。

发明内容

本发明的目的是提供一种风电场发电量估算方法，以解决目前根据风能资源和地形信息进行风电场发电量估计中存在的效率低、成本高的问题；同时，本发明还提供了一种风电场发电量估算系统。

本发明为解决上述技术问题而提供一种风电场发电量估算方法，其特征在于，该估算方法包括以下步骤：

1)对风电场测风历史数据进行统计分析，确定风速分布的威布尔参数；

2)根据风电机组的风速-功率曲线确定每个风速点所在风速段的上下限值，利用威布尔累计概率分布函数确定各风速点对应的分布概率；

3)根据风速-功率曲线、各风速点的分布概率、风电机组装机台数计算风电场的年理论发电量。

本发明根据风速分布的威布尔参数得到各风速点的分布概率，利用风速-功率曲线和各风速点分布概率得到风电机组的年理论发电量，整个估算过程简单快捷，能够准确估算风电场的发电量，对于风电场风能资源的初步评估、减少风电场开发的时间成本、为风电场建设的决策提供数据支撑，都具有十分重要的意义。

进一步地，考虑到风电机组在使用过程中的损耗，该方法还包括在风电场的年理论发电量基础上根据折减系数计算整个风电场的实际发电量的步骤，使得到的风电场发电量更加准确。

进一步地，本发明给出了具体的威布尔参数，所述步骤1)中确定的威布尔参数包括威布尔分布的形状因子和尺度因子。

进一步地，本发明给还给出了另一种具体的威布尔参数，所述步骤1)中确定的威布尔参数包括平均风速、以及威布尔分布的形状因子和尺度因子二者中的任意一个。

为了更好的实现对各风速点分布概率的计算，本发明还给出具体的计算方式，所述步骤2)中各风速点对应的分布概率的计算过程如下：

A.根据各风速点对应风速段的步长确定风速点对应的上限风速值和下限风速值，

Δv＝v_i+1-v_i

其中，Δv为各风速点对应风速段的步长，v_i为风速点i对应的风速，v_i2为风速点i对应的上限风速值，v_i1为风速点i对应的下限风速值；

B.根据风速点对应的上限风速值和下限风速值以及威布尔累计分布函数计算风速点对应的分布概率：

其中F(v_i)为风速点i对应的分布概率，k为威布尔分布的形状因子，a为威布尔分布的尺度因子。

进一步地，本发明给出了风电场的年理论发电量，所述步骤3)中风电场的年理论发电量为：

其中F(v_i)为风速点i对应的分布概率，P_i为风速点i对应的发电功率，W为风电场的年理论发电量，N为风电场中风电机组的装机台数。

为了使得到的风电场发电量更加准确，本发明给出折减系数的具体取值范围，所述的折减系数由测风塔对于风电场区的代表性和风电场范围确定，取值范围为0.6-0.8。

本发明还提供了一种风电场发电量估算系统，该估算系统包括存储器和处理器，以及存储在所述存储器上并在所述处理器上运行的计算机程序，所述处理器与所述存储器相耦合，所述处理器执行所述计算机程序时实现以下步骤：

1)对风电场测风历史数据进行统计分析，确定风速分布的威布尔参数；

2)根据风电机组的风速-功率曲线确定每个风速点所在风速段的上下限值，利用威布尔累计概率分布函数确定各风速点对应的分布概率；

3)根据风速-功率曲线、各风速点的分布概率、风电机组装机台数计算风电场的年理论发电量。

进一步地，该系统还包括在风电场的年理论发电量基础上根据折减系数计算整个风电场的实际发电量的步骤。

进一步地，所述步骤1)中确定的威布尔参数包括威布尔分布的形状因子和尺度因子。

进一步地，所述步骤1)中确定的威布尔参数包括平均风速、以及威布尔分布的形状因子和尺度因子二者中的任意一个。

进一步地，所述步骤2)中各风速点对应的分布概率的计算过程如下：

A.根据各风速点对应风速段的步长确定风速点对应的上限风速值和下限风速值，

Δv＝v_i+1-v_i

其中，Δv为各风速点对应风速段的步长，v_i为风速点i对应的风速，v_i2为风速点i对应的上限风速值，v_i1为风速点i对应的下限风速值；

B.根据风速点对应的上限风速值和下限风速值以及威布尔累计分布函数计算风速点对应的分布概率：

其中F(v_i)为风速点i对应的分布概率，k为威布尔分布的形状因子，a为威布尔分布的尺度因子。

进一步地，所述步骤3)中风电场的年理论发电量为：

其中F(v_i)为风速点i对应的分布概率，P_i为风速点i对应的发电功率，W为风电场的年理论发电量，N为风电场中风电机组的装机台数。

进一步地，所述步骤4)中的折减系数由测风塔对于风电场区的代表性和风电场范围确定，取值范围为0.6-0.8。

附图说明

图1是本发明风电场发电量估算方法的流程图。

具体实施方式

下面结合附图对本发明的具体实施方式做进一步的说明。

本发明风电场发电量估算方法的实施例

本发明的风电场发电量估算方法如图1所示，首先对测风数据进行统计，得到风速分布的威布尔参数；然后利用得到的威布尔参数确定相应的威布尔累计概率分布函数，并根据威布尔累计概率分布函数确定各风速点对应的分布概率；再根据风速-功率曲线和各风速点分布概率计算风电场的年理论发电量；最后根据折减系数估算整个风电场的实际发电量。该方法的具体实现过程如下：

1.对测风数据进行统计，得到风速分布的威布尔参数。

本发明的测风数据是分布在风电场各处的测风塔数据或者是长时间序列数据，威布尔参数是通过对测风数据进行威布尔拟合得到。威布尔参数包括威布尔分布的形状参数和尺度参数；或者包括平均风速、以及威布尔分布的形状参数和尺度参数二者中的任意一个。威布尔分布拟合常用的有最小二乘法、等能量密度法、最大似然法等，本实施例以最大似然法为例进行说明。

根据测风数据计算威布尔分布的形状参数k：

其中为伽马函数，v_ave为风电场的平均风速。

根据威布尔分布的形状参数k和平均风速，计算威布尔分布的尺度参数a：

2.根据威布尔累计分布函数求出各个风速段出现的概率。

为了便于表述，这里给定风速为v_i＝[v₁,v₂,…,v_n]，各风速点对应的功率为P_i＝[P₁,P₂,…,P_n]。

设定各风速点对应风速段的步长Δv＝v_i+1-v_i，则风速点v_i对应的风速的上、下限风速值分别为

根据威布尔累计分布函数可以得到风速点v_i对应的分布概率F(v_i)：

3.计算单台风电机组的理论发电量。

根据得到的各风速点对应的分布概率及各风速点对应的功率计算单台机组理论发电量W1为：

其中，若风电场区有n个测风塔，则测风塔对应的单台机组理论发电量为：

4.根据测风塔对应的单台机组理论发电量计算其实际发电量。

通过测风塔或长期数据对于整个风电场的代表性评估，确定折减系数φ的取值，根据上述求得的单台机组的理论发电量，即可得出单台机组的实际发电量。测风塔对应的单台机组实际发电量W_Act为：

W_Act＝W1*φ

其中，为折减系数，该值的大小需具体结合测风塔对于风电场区的代表性、风电场范围等因素来确定，一般取值范围为0.6-0.8。

5.计算风电场的实际发电量。

根据风电场中风电机组装机台数和单台风电机组的实际发电量计算风电场的实际发电量W_All。

W_All＝W_Act*N

本发明的风电场发电量估算系统的实施例

本实施例中的估算系统包括存储器和处理器，以及存储在存储器上并在处理器上运行的计算机程序，处理器与存储器相耦合，处理器执行计算机程序时实现以下步骤：

1)对风电场测风历史数据进行统计分析，确定风速分布的威布尔参数；

2)根据风电机组的风速-功率曲线确定每个风速点所在风速段的上下限值，利用威布尔累计概率分布函数确定各风速点对应的分布概率；

3)根据风速-功率曲线、各风速点的分布概率、风电机组装机台数计算风电场的年理论发电量。

该系统中的处理器可以采用单片机、DSP、PLC或MCU等实现，存储器可以采用RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动磁盘、CD-ROM或者本领域已知的任何其他形式的存储介质，可以将该存储介质耦接至处理器，使处理器能够从该存储介质读取信息，或者该存储介质可以是处理器的组成部分。该系统中所执行的步骤方法已在方法的实施例中进行了详细说明，这里不再赘述。

本发明通过对测风塔数据进行数理统计分析，获取风速分布的威布尔拟合参数，根据各风速段的概率分布结合风速-功率曲线，即可得到测风塔所在点对应的单台机组的理论发电量，进一步的对多个塔的发电量进行平均计算，并结合风电场装机台数，即可得到整个风电场的理论发电量。再根据测风塔对于风电场的代表性、风电场综合情况等信息，确认折减系数的取值，即可得到整个风电场实际发电量的估算数值。从而实现快速的实现对风电场发电量的估算，为业主决策提供数据支撑。

最后需要指出的是，上述内容仅是本发明的实施技术方案案例而非限制。对本发明所述的技术方案进行修改或同等替换(比如直接根据平均风速、威布尔分布的k或a值进行发电量的估算)，而不脱离本发明的原则和精神，均应包含在本发明的保护范围之内。

Claims (10)

1.一种风电场发电量估算方法，其特征在于，该估算方法包括以下步骤：

1)对风电场测风历史数据进行统计分析，确定风速分布的威布尔参数；

2)根据风电机组的风速-功率曲线确定每个风速点所在风速段的上下限值，利用威布尔累计概率分布函数确定各风速点对应的分布概率；

3)根据风速-功率曲线、各风速点的分布概率、风电机组装机台数计算风电场的年理论发电量。

2.根据权利要求1所述的风电场发电量估算方法，其特征在于，该方法还包括在风电场的年理论发电量基础上根据折减系数计算整个风电场的实际发电量的步骤。

3.根据权利要求1或2所述的风电场发电量估算方法，其特征在于，所述步骤1)中确定的威布尔参数包括威布尔分布的形状因子和尺度因子。

4.根据权利要求1或2所述的风电场发电量估算方法，其特征在于，所述步骤1)中确定的威布尔参数包括平均风速、以及威布尔分布的形状因子和尺度因子二者中的任意一个。

5.根据权利要求1或2所述的风电场发电量估算方法，其特征在于，所述步骤2)中各风速点对应的分布概率的计算过程如下：

A.根据各风速点对应风速段的步长确定风速点对应的上限风速值和下限风速值，

Δv＝v_i+1-v_i

其中，Δv为各风速点对应风速段的步长，v_i为风速点i对应的风速，v_i2为风速点i对应的上限风速值，v_i1为风速点i对应的下限风速值；

B.根据风速点对应的上限风速值和下限风速值以及威布尔累计分布函数计算风速点对应的分布概率：

其中F(v_i)为风速点i对应的分布概率，k为威布尔分布的形状因子，a为威布尔分布的尺度因子。

6.一种风电场发电量估算系统，其特征在于，该估算系统包括存储器和处理器，以及存储在所述存储器上并在所述处理器上运行的计算机程序，所述处理器与所述存储器相耦合，所述处理器执行所述计算机程序时实现以下步骤：

1)对风电场测风历史数据进行统计分析，确定风速分布的威布尔参数；

2)根据风电机组的风速-功率曲线确定每个风速点所在风速段的上下限值，利用威布尔累计概率分布函数确定各风速点对应的分布概率；

3)根据风速-功率曲线、各风速点的分布概率、风电机组装机台数计算风电场的年理论发电量。

7.根据权利要求6所述的风电场发电量估算系统，其特征在于，该系统还包括在风电场的年理论发电量基础上根据折减系数计算整个风电场的实际发电量的步骤。

8.根据权利要求6或7所述的风电场发电量估算系统，其特征在于，所述步骤1)中确定的威布尔参数包括威布尔分布的形状因子和尺度因子。

9.根据权利要求6或7所述的风电场发电量估算系统，其特征在于，所述步骤1)中确定的威布尔参数包括平均风速、以及威布尔分布的形状因子和尺度因子二者中的任意一个。

10.根据权利要求6所述的风电场发电量估算系统，其特征在于，所述步骤2)中各风速点对应的分布概率的计算过程如下：

A.根据各风速点对应风速段的步长确定风速点对应的上限风速值和下限风速值，

Δv＝v_i+1-v_i

其中，Δv为各风速点对应风速段的步长，v_i为风速点i对应的风速，v_i2为风速点i对应的上限风速值，v_i1为风速点i对应的下限风速值；

B.根据风速点对应的上限风速值和下限风速值以及威布尔累计分布函数计算风速点对应的分布概率：

其中F(v_i)为风速点i对应的分布概率，k为威布尔分布的形状因子，a为威布尔分布的尺度因子。