CN109586333B - 一种风电功率波动特性的评价方法 - Google Patents

一种风电功率波动特性的评价方法 Download PDF

Info

Publication number
CN109586333B
CN109586333B CN201811286069.XA CN201811286069A CN109586333B CN 109586333 B CN109586333 B CN 109586333B CN 201811286069 A CN201811286069 A CN 201811286069A CN 109586333 B CN109586333 B CN 109586333B
Authority
CN
China
Prior art keywords
wind power
wind
fluctuation
power plant
output
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811286069.XA
Other languages
English (en)
Other versions
CN109586333A (zh
Inventor
葛维春
李军徽
马腾
葛延峰
史松杰
张艳军
潘鹏飞
黄佳伟
张昱
邹楠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
State Grid Liaoning Electric Power Co Ltd
Electric Power Research Institute of State Grid Liaoning Electric Power Co Ltd
Northeast Electric Power University
Original Assignee
State Grid Corp of China SGCC
Northeast Dianli University
State Grid Liaoning Electric Power Co Ltd
Electric Power Research Institute of State Grid Liaoning Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Northeast Dianli University, State Grid Liaoning Electric Power Co Ltd, Electric Power Research Institute of State Grid Liaoning Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201811286069.XA priority Critical patent/CN109586333B/zh
Publication of CN109586333A publication Critical patent/CN109586333A/zh
Application granted granted Critical
Publication of CN109586333B publication Critical patent/CN109586333B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H02J3/386—
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Wind Motors (AREA)

Abstract

本发明公开了一种风电功率波动特性的评价方法，包括如下步骤：S1、确定风电场的装机容量，并按照设定时间间隔获取风电场一个取样周期内各个时刻的风电场输出功率；S2、绘制风电输出功率持续曲线；S3、求解取样周期的风电场发出的总电量Ewind.∑；S4、根据步骤S1中获取的风电场输出功率求解风电场瞬时波动量ΔPw；S5、绘制风电场瞬时波动量持续曲线；S6、求解取样周期内的风电波动总量Ewave.∑；S7、定义风电波动因子为ηmark；S8、根据步骤S7的公式求解不同装机容量下的风电波动因子ηmark，通过比对不同装机容量下的风电波动因子ηmark来选出风电输出最稳定的情况下的装机容量；本发明具有方法科学合理，适用性强，效果佳，能够准确，简洁的对风电功率波动水平有直观的评价。

Description

一种风电功率波动特性的评价方法
技术领域
本发明涉及风电场技术领域，更具体地说，涉及一种风电功率波动特性的评价方法。
背景技术
由于太阳辐射的不均匀，地球表面由于压力不同产生了风，太阳辐射的强度受太阳照射角度、高度、经纬度、大气透明底和地表类型等多种因素的影响，导致了地球的受热不均匀。此外，由于受热不均匀引起的大气环流也受科里奥利力的影响，因此，波动是风的主要特征。随着可再生能源尤其是风能技术的快速发展，风电装机所占比例增长迅猛，但由于风电具有波动性，大规模风电并网将会对电网的安全运行产生影响。正确、合理的对风电波动特性进行评价对电网调度等有重要意义。
目前针对于风电功率的波动特性的研究已经展开，于鹏等学者对马尔可夫链蒙特卡罗法进行改进并提出持续与波动蒙特卡罗法用于确定风电功率序列；杨茂等学者对风电功率历史数据的波动特性和预测误差之间的关系进行分析，并构建了一种基于概率统计的风电功率规律性分析方法；南晓强等学者将符号时间序列方法应用于风电功率波动与预测分析中，提出了一种自适应分区方法提高对风电功率预测的准确性；刘雅婷等学者对建立了风电概率分布模型，并利用小波神经网络对功率做了预测分析；胡红飒等学者利用滑动平均法、概率分布理论、1阶差分法等，分别建立了最佳概率分布模型、分钟级分量模型和变化速率模型；倪识远等学者对风电功率波动的概率密度进行拟合，分析了风电机组及风电场的概率数值特征。
以上分析均利用多种智能算法，分析较为复杂，大都针对于定装机的风电场的时序分布规律，对于风电波动情况缺少整体的评价指标。且对于装机容量大小对风电波动影响涉及较少，但实际风电场风电波动规律与风电场装机呈非线性关系。
发明内容
本发明为了解决上述问题，提出一种风电功率波动特性的评价方法，解决了传统分析方法较为复杂，对于风电波动情况缺少整体的评价指标，且对装机容量大小对风电波动影响涉及较少等问题。
为了达到上述目的，本发明提供一种风电功率波动特性的评价方法，包括如下步骤：
S1、确定风电场的装机容量，并按照设定时间间隔获取所述风电场一个取样周期内各个时刻的风电场输出功率{P1、P2……Pw.t、Pw.t+1……}。
风电场的输出功率随时都在变化，所以获取到的结果是大小不一、呈波动特性的一系列风电场输出功率数值。
S2、将所述步骤S1中获取到的所述风电场输出功率按照由大到小的顺序进行排序，并绘制风电输出功率持续曲线；
所述风电输出功率持续曲线的y轴表示按照从大到小的顺序排列后的所述风电场输出功率，x轴表示时间长度，各个所述风电场输出功率等时间间隔排列在所述风电输出功率持续曲线的y轴上；其中x轴非时间先后顺序，但是可以表示时间天数、月数、小时数等。绘制出的所述风电输出功率持续曲线是一个左高右低、呈下滑特性的曲线。
S3、对所述步骤S2中绘制的所述风电输出功率持续曲线进行积分求得所述取样周期的所述风电场发出的总电量Ewind.∑；
Ewind.Σ＝Σ∫(|ΔPwind(x)|)dx，其中ΔPwind(x)表示为某一时段的风电场输出电量。
S4、根据所述步骤S1中获取的所述风电场输出功率求解风电场瞬时波动量ΔPw；
ΔPw＝Pw.t+1-Pw.t，其中Pw.t表示t时刻的所述风电场输出功率，Pw.t+1表示t时刻的下一时刻即t+1时刻的所述风电场输出功率。求出的一系列风电场瞬时波动量为大小不一、呈波动特性的一系列数值。
S5、将所述步骤S4中求得的所述风电场瞬时波动量ΔPw按照从大到小的顺序进行排序，并绘制风电场瞬时波动量持续曲线；
所述风电场瞬时波动量持续曲线的y轴表示按照从大到小的顺序排列后的所述风电场瞬时波动量，x轴表示时间长度，各个所述风电场瞬时波动量等时间间隔排列在所述风电场瞬时波动量持续曲线的y轴上；风电场瞬时波动量持续曲线是一个左高右低、呈下滑特性的曲线。
S6、对所述步骤S5中的风电场瞬时波动量持续曲线进行积分求得所述取样周期内的风电波动总量Ewave.∑；
Ewave.Σ＝Σ∫(|ΔPwave(x)|)dx，其中ΔPwave(x)表示为某一时段的风电波动电量。
S7、定义风电波动因子为ηmark；
所述
Figure BDA0001849067440000031
其中Ewave.∑为所述取样周期内的风电波动总量，Ewind.∑为所述取样周期的风电场发出的总电量。
S8、根据所述步骤S7的公式求解所述风电场各个装机容量下的所述风电波动因子ηmark；
其中，ηmark越小表示风电场的风电输出越稳定，ηmark越大表示风电场的风电输出越不稳定。
上述风电功率波动特性的评价方法，优选方式下，所述步骤S2中还包括以所述步骤S1中获取到的所述风电场输出功率为y轴，以时间为x轴，绘制风电输出功率时序曲线。
上述风电功率波动特性的评价方法，优选方式下，所述步骤S5中还包括以所述步骤S4中求得的所述风电场瞬时波动量ΔPw为y轴，以时间为x轴，绘制风电场瞬时波动量时序曲线。
上述风电功率波动特性的评价方法，优选方式下，所述步骤S1中还包括对获取到的数据进行错误检查、消除极端峰谷值。
本发明的一种风电功率波动特性的评价方法，针对风电场风电功率波动的场景，首先提出了涉及不同风电装机情况下，利用风电功率时序曲线与风电功率持续曲线分析风电功率波动的方法，然后基于上述对风电功率波动的特征分析，确定利用风电波动因子作为不同风电装机下的风电波动水平评价指标，确定了一种风电功率波动特性的评价方法最后通过算例分析验证了所提方法的正确性与可行性。具有方法科学合理，适用性强，效果佳，能够准确，简洁的对风电功率波动水平有直观的评价。
附图说明
图1是本发明的实施例1的流程图；
图2是本发明的实施例2的流程图；
图3是风电场装机容量4.5MW时的风电场瞬时波动量时序曲线；
图4是风电场装机容量500MW时的风电场瞬时波动量时序曲线；
图5是风电场装机容量1000MW时的风电场瞬时波动量时序曲线；
图6是风电场装机容量3000MW时的风电场瞬时波动量时序曲线；
图7是风电场装机容量6000MW时的风电场瞬时波动量时序曲线；
图8是风电场装机容量4.5MW时的风电场瞬时波动量持续曲线；
图9是风电场装机容量500MW时的风电场瞬时波动量持续曲线；
图10是风电场装机容量1000MW时的风电场瞬时波动量持续曲线；
图11是风电场装机容量3000MW时的风电场瞬时波动量持续曲线；
图12是风电场装机容量6000MW时的风电场瞬时波动量持续曲线；
图13是风电场装机容量6000MW时风电输出功率持续曲线；
图14是风电场装机容量148.5MW时风电输出功率时序曲线；
图15是风电场装机容量49.5MW时风电输出功率时序曲线。
具体实施方式
下面利用附图和实施例对本发明一种风电功率波动特性的评价方法作进一步说明。
实施例1
如图1所示，本实施例中的一种风电功率波动特性的评价方法主要包括以下步骤：
S1、确定风电场的装机容量，并按照设定时间间隔获取所述风电场一个取样周期内各个时刻的风电场输出功率{P1、P2……Pw.t、Pw.t+1……}；
风电场输出功率为风电场运行实测数据，输入风电场年风电数据及对应风电场装机容量，并对风电数据进行预处理，包括检查错误数据，削除极端峰谷值等。
S2、将所述步骤S1中获取到的所述风电场输出功率按照由大到小的顺序进行排序，并绘制风电输出功率持续曲线。
所述风电输出功率持续曲线的y轴表示按照从大到小的顺序排列后的所述风电场输出功率，x轴表示时间长度，各个所述风电场输出功率等时间间隔排列在所述风电输出功率持续曲线的y轴上。
绘制风电输出功率持续曲线，该曲线为递减曲线，故该曲线起始值即为风电功率输出最大值，与坐标轴所围面积即为输出电量。任取一平行于x轴的直线y＝a与该曲线相交于一点z，该点对应x坐标为j，其意义为风电场输出功率大于a的天数为i天。
S3、对所述步骤S2中绘制的所述风电输出功率持续曲线进行积分求得所述取样周期的所述风电场发出的总电量Ewind.∑；
Ewind.Σ＝Σ∫(|ΔPwind(x)|)dx，其中ΔPwind(x)表示为某一时刻风电场发出的电量。
S4、根据所述步骤S1中获取的所述风电场输出功率求解风电场瞬时波动量ΔPw；
ΔPw＝Pw.t+1-Pw.t，其中Pw.t表示t时刻的所述风电场输出功率，Pw.t+1表示t时刻的下一时刻即t+1时刻的所述风电场输出功率。
S5、将所述步骤S4中求得的所述风电场瞬时波动量ΔPw按照从大到小的顺序进行排序，并绘制风电场瞬时波动量持续曲线。
所述风电场瞬时波动量持续曲线的y轴表示按照从大到小的顺序排列后的所述风电场瞬时波动量，x轴表示时间长度，各个所述风电场瞬时波动量等时间间隔排列在所述风电场瞬时波动量持续曲线的y轴上。
S6、对所述步骤S5中的风电场瞬时波动量持续曲线进行积分求得所述取样周期内的风电波动总量Ewave.∑；
在一个风电场中，不同风机输出功率不尽相同，风电波动有正负波动导致不同风电场风电波动水平难以比较，为此取风电波动量绝对值，定义在这一时段风电波动功率曲线积分为风电波动总量Ewave.∑；
Ewave.Σ＝Σ∫(|ΔPwave(x)|)dx，其中ΔPwave(x)表示为某一时刻的风电波动电量。
S7、定义风电波动因子为ηmark；
所述
Figure BDA0001849067440000061
其中Ewave.∑为所述取样周期内的风电波动总量，Ewind.∑为所述取样周期的风电场发出的总电量。
S8、根据所述步骤S7的公式求解不同装机容量下的所述风电波动因子ηmark；
其中，ηmark越小表示风电场的风电输出越稳定，ηmark越大表示风电场的风电输出越不稳定。
实施例2
如图2所示，本实施例中的一种风电功率波动特性的评价方法主要包括以下步骤：
S1、确定风电场的装机容量，并按照设定时间间隔获取所述风电场一个取样周期内各个时刻的风电场输出功率{P1、P2……Pw.t、Pw.t+1……}；
风电场输出功率为风电场运行实测数据，输入风电场年风电数据及对应风电场装机容量，并对风电数据进行预处理，包括检查错误数据，削除极端峰谷值等。
S2、风电场输出功率时序特性分析以及持续特性分析；
将所述步骤S1中获取到的所述风电场输出功率为y轴，以时间为x轴，绘制风电输出功率时序曲线；
通过风电输出功率时序曲线分析风电输出功率随时间序列的变化规律，通过时序分析可以初步观察到风电场输出功率的时序分布情况，为下步研究做基础。
再将所述步骤S1中获取到的所述风电场输出功率按照由大到小的顺序进行排序，并绘制风电输出功率持续曲线；所述风电输出功率持续曲线的y轴表示按照从大到小的顺序排列后的所述风电场输出功率，x轴表示时间长度，各个所述风电场输出功率等时间间隔排列在所述风电输出功率持续曲线的y轴上。
风电输出功率时序曲线可以直观的观察其时序特性却难以量化分析所需具体数据，为此，将风电功率按降序排列，绘制风电场风电功率输出持续曲线，该曲线为递减曲线，故该曲线起始值即为风电功率输出最大值，与坐标轴所围面积即为输出电量。任取一平行于x轴的直线y＝a与该曲线相交于一点z，该点对应x坐标为j，其意义为风电场输出功率大于a的天数为i天。
S3、对所述步骤S2中绘制的所述风电输出功率持续曲线进行积分求得所述取样周期的所述风电场发出的总电量Ewind.∑；
Ewind.Σ＝Σ∫(|ΔPwind(x)|)dx，其中ΔPwind(x)表示为某一时段的风电场输出电量。
S4、根据所述步骤S1中获取的所述风电场输出功率求解风电场瞬时波动量ΔPw；
ΔPw＝Pw.t+1-Pw.t，其中Pw.t表示t时刻的所述风电场输出功率，Pw.t+1表示t时刻的下一时刻即t+1时刻的所述风电场输出功率。
S5、风电场瞬时波动量时序特性分析以及持续特性分析；
以所述步骤S4中求得的所述风电场瞬时波动量ΔPw为y轴，以时间为x轴，绘制风电场瞬时波动量时序曲线。
通过风电场瞬时波动量时序曲线分析风电场瞬时波动量随时间序列的变化规律，通过时序分析可以初步观察到风电场瞬时波动量的时序分布情况，为下步研究做基础。
再将所述步骤S4中求得的所述风电场瞬时波动量ΔPw按照从大到小的顺序进行排序，并绘制风电场瞬时波动量持续曲线。
所述风电场瞬时波动量持续曲线的y轴表示按照从大到小的顺序排列后的所述风电场瞬时波动量，x轴表示时间长度，各个所述风电场瞬时波动量等时间间隔排列在所述风电场瞬时波动量持续曲线的y轴上。
风电场瞬时波动量持续曲线为递减曲线，故该曲线起始值即为风电场瞬时波动量最大值，与坐标轴所围面积即为风电波动总量。
S6、对所述步骤S5中的风电场瞬时波动量持续曲线进行积分求得所述取样周期内的风电波动总量Ewave.∑；
在一个风电场中，不同风机输出功率不尽相同，风电波动有正负波动导致不同风电场风电波动水平难以比较，为此取风电场瞬时波动量绝对值，定义在取样周期内风电场瞬时波动量持续曲线积分为风电波动总量Ewave.∑；
Ewave.Σ＝Σ∫(|ΔPwave(x)|)dx，其中ΔPwave(x)表示为某一时段的风电波动电量。
S7、定义风电波动因子为ηmark；
以风电波动电量(即风电场瞬时波动量)作为风电波动评价指标难以解决不同装机风电场风电出力波动的比较问题，故引入风电波动因子作为评价不同风电装机容量下的风电波动水平。
风电波动因子为ηmark；
所述
Figure BDA0001849067440000081
其中Ewave.∑为所述取样周期内的风电波动总量，Ewind.∑为所述取样周期的风电场发出的总电量。
S8根据所述步骤S7的公式求解所述风电场各个装机容量下的所述风电波动因子ηmark，通过比对所述风电场各个装机容量下的风电波动因子ηmark来选出风电输出最稳定的情况下的所述风电场装机容量；
其中，ηmark越小表示风电场的风电输出越稳定，ηmark越大表示风电场的风电输出越不稳定。
下面对东北某省风电功率波动特性进行分析；
实例条件如下：
本实例所涉及风电场为15个，风电场总装机容量为6119MW，取样周期为2016年全年，风电数据为2016年全年实测数据，设定数据取样时间间隔为1min。
针对上述计算条件，做以下分析：
本实施例中，对风电数据进行预处理，按照上文所述方法绘制数据取样时间间隔为1min下1.5MW、500MW、1000MW、3000MW、6000MW全年的风电场瞬时波动量时序曲线，分析随风电装机增加风电波动变化规律；绘制的曲线如图3～图7所示。
由图3～图7可以看出同一时间尺度下，随风电装机增加，风电波动幅值逐渐增大，但并未与装机容量增加成比例关系。
由上文所述方法可知所述风电场瞬时波动量ΔPw在绘制全年风电场瞬时波动量时序曲线之前已经求得；在此将求得的所述风电场瞬时波动量ΔPw按照从大到小的顺序进行排序，并以时间为x轴，以按照从大到小的顺序排列后的所述风电场瞬时波动量为y轴绘制风电场瞬时波动量持续曲线。绘制出的曲线如图8～图12所示。
由图8～图12可以看出，风电场瞬时波动量持续曲线随风电装机增加曲线越来越陡，风电波动幅度越来越大，但波动幅度变化率逐渐降低，也就是说随装机容量的增加风电功率幅值变化呈凹曲线递增。
图13为风电场装机容量6000MW时风电输出功率持续曲线，经过上文所述的方法计算后得出，全年发电量为103.49亿千瓦时，最大风电功率为4587.4MW，发生于风电功率大于1200MW的天数有128天，占全年天数的35.07％，而大于400MW的天数为247天，占全年天数的67.67％，可以看出风电功率在中低水平(小于1200MW)占比较大。
下面取1号风电场(装机为148.5MW)与2号风电场(装机为49.5MW)两个风电场数据对其风电波动水平进行分析。
图14为绘制好的148.5MW风电场的风电输出功率时序曲线；图15为绘制好的49.5MW风电场的风电输出功率时序曲线。
观察图12与图13可以看到其时序曲线难以对比其波动水平。
此时绘制148.5MW风电场瞬时波动量持续曲线，以及49.5MW风电场风电功率持续曲线，并对风电场瞬时波动量持续曲线进行积分求得所述取样周期内的风电波动总量Ewave.∑；
装机为148.5MW时风电场的风电波动总量为：
Ewave.∑＝∑∫(|ΔPwave(x)|)dx＝388.11MW·h
风电场发出的总电量为：
Ewind.∑＝∑∫(|ΔPwind(x)|)dx＝19277MW·h
根据上述结果求取风电波动因子：
Figure BDA0001849067440000101
装机为49.5MW风电场风电波动总电量为：
Ewave.∑＝∑∫(|ΔPwave(x)|)dx＝236.19MW·h
风电场输出风电电量为：
Ewind.∑＝∑∫(|ΔPwind(x)|)dx＝5467.7MW·h
根据上述结果求取风电波动因子：
Figure BDA0001849067440000102
通过比对不同装机容量下的风电波动因子ηmark来选出风电输出最稳定的情况下的装机容量；其中，ηmark越小表示风电场的风电输出越稳定，ηmark越大表示风电场的风电输出越不稳定。
1号风电场装机较大，其年风电波动电量为388.11MW·h大于2号风电场年风电波动量236.19MW·h，但其风电波动因子为0.0201小于2号风电场，故相比之下1号风电场输出风电功率较为稳定。
表1不同装机风电场风电波动因子表
Figure BDA0001849067440000111
表1
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (2)

1.一种风电功率波动特性的评价方法，其特征在于，包括如下步骤：
S1、确定风电场的装机容量，并按照设定时间间隔获取所述风电场一个取样周期内各个时刻的风电场输出功率{P1、P2……Pw.t、Pw.t+1……}；
S2、将所述步骤S1中获取到的所述风电场输出功率按照由大到小的顺序进行排序，并绘制风电输出功率持续曲线；
所述风电输出功率持续曲线的y轴表示按照从大到小的顺序排列后的所述风电场输出功率，x轴表示时间长度，各个所述风电场输出功率等时间间隔排列在所述风电输出功率持续曲线的y轴上；
S3、对所述步骤S2中绘制的所述风电输出功率持续曲线进行积分求得所述取样周期的所述风电场发出的总电量Ewind.∑；
Ewind.∑＝Σ∫(|ΔPwind(x)|)dx，其中ΔPwind(x)表示为某一时段的风电场输出电量；
S4、根据所述步骤S1中获取的所述风电场输出功率求解风电场瞬时波动量ΔPw；
ΔPw＝Pw.t+1-Pw.t，其中Pw.t表示t时刻的所述风电场输出功率，Pw.t+1表示t时刻的下一时刻即t+1时刻的所述风电场输出功率；
S5、将所述步骤S4中求得的所述风电场瞬时波动量ΔPw按照从大到小的顺序进行排序，并绘制风电场瞬时波动量持续曲线；
所述风电场瞬时波动量持续曲线的y轴表示按照从大到小的顺序排列后的所述风电场瞬时波动量，x轴表示时间长度，各个所述风电场瞬时波动量等时间间隔排列在所述风电场瞬时波动量持续曲线的y轴上；
S6、对所述步骤S5中的风电场瞬时波动量持续曲线进行积分求得所述取样周期内的风电波动总量Ewave.∑；
Ewave.Σ＝Σ∫(|ΔPwave(x)|)dx，其中ΔPwave(x)表示为某一时段的风电波动电量；
S7、定义风电波动因子为ηmark；
所述
Figure FDA0003551158850000021
其中Ewave.∑为所述取样周期内的风电波动总量，Ewind.∑为所述取样周期的风电场发出的总电量；
S8、根据所述步骤S7的公式求解所述风电场各个装机容量下的所述风电波动因子ηmark；
其中，ηmark越小表示风电场的风电输出越稳定，ηmark越大表示风电场的风电输出越不稳定；
所述步骤S2中还包括以所述步骤S1中获取到的所述风电场输出功率为y轴，以时间为x轴，绘制风电输出功率时序曲线；
所述步骤S5中还包括以所述步骤S4中求得的所述风电场瞬时波动量ΔPw为y轴，以时间为x轴，绘制风电场瞬时波动量时序曲线。
2.根据权利要求1所述风电功率波动特性的评价方法，其特征在于，所述步骤S1中还包括对获取到的数据进行错误检查、消除极端峰谷值。
CN201811286069.XA 2018-10-31 2018-10-31 一种风电功率波动特性的评价方法 Active CN109586333B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811286069.XA CN109586333B (zh) 2018-10-31 2018-10-31 一种风电功率波动特性的评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811286069.XA CN109586333B (zh) 2018-10-31 2018-10-31 一种风电功率波动特性的评价方法

Publications (2)

Publication Number Publication Date
CN109586333A CN109586333A (zh) 2019-04-05
CN109586333B true CN109586333B (zh) 2022-06-14

Family

ID=65921012

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811286069.XA Active CN109586333B (zh) 2018-10-31 2018-10-31 一种风电功率波动特性的评价方法

Country Status (1)

Country Link
CN (1) CN109586333B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112581311A (zh) * 2020-12-11 2021-03-30 东北电力大学 一种多风电场聚合后出力长期波动特性预测方法及系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112581311A (zh) * 2020-12-11 2021-03-30 东北电力大学 一种多风电场聚合后出力长期波动特性预测方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于量化指标和概率密度分布的风电功率波动特性研究;万书亭等;《太阳能学报》;20150228;第36卷(第2期);第362-368页 *

Also Published As

Publication number Publication date
CN109586333A (zh) 2019-04-05

Similar Documents

Publication Publication Date Title
CN109902874A (zh) 一种基于深度学习的微电网光伏发电短期预测方法
CN112396220B (zh) 一种基于场景缩减的含风电与需求侧资源的优化调度方法
CN113496311A (zh) 光伏电站发电功率预测方法及系统
CN110334870B (zh) 基于门控循环单元网络的光伏电站短期功率预测方法
CN105337574B (zh) 基于稳健回归的分布式光伏发电窃电识别方法
CN107844896A (zh) 适用于高风电渗透率电力系统的风电置信容量评估方法
CN112668806B (zh) 一种基于改进随机森林的光伏功率超短期预测方法
CN107977898B (zh) 一种光伏电站的发电量保险定价评估方法
CN111275238B (zh) 基于每时晴空指数的大规模电站光伏出力序列生成方法
Dong et al. Improving the accuracy of wind speed statistical analysis and wind energy utilization in the Ningxia Autonomous Region, China
CN104156885B (zh) 一种基于可靠性函数的风电容量可信度的快速计算方法
CN105610199B (zh) 考虑网架约束的风光配比确定方法及其装置
CN104951654A (zh) 基于控制变量抽样的大规模风电场可靠性评估方法
Daoudi et al. Evaluation of wind energy potential at four provinces in Morocco using two-parameter Weibull distribution function
CN111461297B (zh) 基于mpc和elm神经网络的太阳辐照量优化预测算法
CN109586333B (zh) 一种风电功率波动特性的评价方法
CN110363338B (zh) 基于cos衰减性原子分解和混沌理论的风电功率超短期预测方法
CN111313415A (zh) 一种热电厂及供热机组负荷分配方法、系统和装置
CN112803403B (zh) 基于时频特征的海上风电集群效应多层级评估方法
CN115879976A (zh) 一种碳中和仿真方法及终端
CN111027816B (zh) 一种基于数据包络分析的光伏发电效率计算方法
CN109066791B (zh) 一种风电模拟弃风序列的确定方法和装置
CN114971081A (zh) 一种基于时间序列分析与日统计的辐照预测方法
CN114139829A (zh) 一种基于人工智能的电网负荷预测方法
CN104091041A (zh) 基于高阶矩的发电功率估算方法和系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant