CN115438978A - 一种考虑风能资源分布特征的风电基地规划方法 - Google Patents

一种考虑风能资源分布特征的风电基地规划方法 Download PDF

Info

Publication number
CN115438978A
CN115438978A CN202211117481.5A CN202211117481A CN115438978A CN 115438978 A CN115438978 A CN 115438978A CN 202211117481 A CN202211117481 A CN 202211117481A CN 115438978 A CN115438978 A CN 115438978A
Authority
CN
China
Prior art keywords
wind
wind power
formula
line
index
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.)
Pending
Application number
CN202211117481.5A
Other languages
English (en)
Inventor
丛云花
王文婷
华科
王瑛玮
左峰
郭钰锋
徐英
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.)
Harbin Institute of Technology
State Grid Corp of China SGCC
State Grid Heilongjiang Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
Harbin Institute of Technology
State Grid Corp of China SGCC
State Grid Heilongjiang Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Jiangsu 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 Harbin Institute of Technology, State Grid Corp of China SGCC, State Grid Heilongjiang Electric Power Co Ltd, Economic and Technological Research Institute of State Grid Jiangsu Electric Power Co Ltd filed Critical Harbin Institute of Technology
Priority to CN202211117481.5A priority Critical patent/CN115438978A/zh
Publication of CN115438978A publication Critical patent/CN115438978A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381Dispersed generators
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20The dispersed energy generation being of renewable origin
    • H02J2300/28The renewable source being wind energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Software Systems (AREA)
  • Computational Mathematics (AREA)
  • Public Health (AREA)
  • Mathematical Analysis (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • General Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

一种考虑风能资源分布特征的风电基地规划方法,涉及一种风电基地规划方法。获取再分析数据进行数据预处理;评估风能资源的禀赋,根据预处理后的数据构建风能资源潜力评估指标体系,包括风功率密度、风资源可用性、风功率密度波动强度和风功率密度变差;结合地理信息系统的信息,绘制各项指标的地图分布图,分析风能资源分布特性,作为优质地区的评判依据;结合风电发电潜力提出风电基地可行选址方案;采用主干网关键线路脆弱度辨识结合电网实际情况,分析各线路坚强程度,对线路重要度进行评估。能够评估风电发电潜力,并结合目前大规模新能源并网的情景,实现风电基地规划的研究选址,为风资源发展提供参考依据。

Description

一种考虑风能资源分布特征的风电基地规划方法
技术领域
本发明涉及一种风电基地规划方法,尤其是一种考虑风能资源分布特征的风电基地规划方法,属于电力系统分析技术领域。
背景技术
规划优先发展非化石能源战略,构建以新能源为主体的新型电力系统是实现双碳目标的有效措施,而截至目前,风电在电力系统实际并网中占比较低,有关风电基地规划方法主要集中在利用最大风速、年平均风速和湍流强度等常见指标进行资源评估对局部地区开展风电基地规划研究,未关注面向大区域风能资源的分布特性和风能发电潜力评估,忽略了电力系统接入高比例风电的适应性,工程应用具有较大的局限性。
总体上,为实现碳中和目标,建立健全绿色低碳循环发展经济体系,开展省级大区域的风资源分布特性分析和发电潜力评估,同时考虑千万千瓦级风电基地的接入和电网的适应情况,是保证高比例可再生能源安全稳定并网的重要基础性工作。
发明内容
为解决现有缺少面向大区域风能资源的分布特性和风能发电潜力评估以及电力系统接入高比例风电的适应性分析问题,本发明提供一种考虑风能资源分布特征的风电基地规划方法,它能够评估风电发电潜力,并结合目前大规模新能源并网的情景,实现风电基地规划的研究选址,为风资源发展提供参考依据。
为实现上述目的,本发明采取下述技术方案:一种考虑风能资源分布特征的风电基地规划方法,包括以下步骤:
步骤一:获取空间分辨率为0.25°×0.25°、时间分辨率为1小时且时间跨度为十年时长的再分析数据,并对其进行数据预处理,具体包括:
拟对高度h处的风能资源展开分析,获取的再分析数据提供的气压和温度数据为高度h0处,将气压和温度数据换算至轮毂高度,换算公式如下:
Figure BDA0003845940170000021
Figure BDA0003845940170000022
式中,Ph表示高度h处的气压,Ps表示高度h0处的气压,T2表示高度h0处的温度,Th表示高度h处的温度,
Figure BDA0003845940170000023
表示根据高度推断出的常数,
Figure BDA0003845940170000024
表示根据气压物理规律拟合得到的经验系数,
再分析数据获取高度h处的水平风速分量和垂直风速分量,高度h处的风速可表示为:
Figure BDA0003845940170000025
式中,v表示风速,Vh表示高度h处的水平风速分量,Uh表示高度h处的垂直风速分量;
步骤二:为评估风能资源的禀赋,根据步骤一得到预处理后的数据,构建风能资源潜力评估指标体系,其中包括风功率密度、风资源可用性、风功率密度波动强度和风功率密度变差这四种评估指标,具体包括:
风功率密度表示空气在单位时间垂直通过单位截面积的风能,公式如下:
Figure BDA0003845940170000026
式中,WPD表示风功率密度,ρ表示空气密度,由下式计算得到:
Figure BDA0003845940170000031
式中,G表示气体常数,其值为2287.058J/(kg×K),
风资源可用性表示在总的观测时长内,风功率密度大于某一阈值的时长所占的比例,公式如下:
Figure BDA0003845940170000032
式中,WPDava表示风资源可用性,χth表示风功率密度大于给定的风功率密度阈值的时长,χtotal表示总的观测时长,
风功率密度波动强度定量刻画风能资源的波动幅度,公式如下:
Figure BDA0003845940170000033
式中,IWPD表示风功率密度波动强度,σWPD表示风功率密度方差,
Figure BDA0003845940170000034
表示风功率密度平均值,IWPD的范围在[0,1]之间,数值越大,表示对应的波动幅度越大,
风功率密度变差定量刻画风能资源的波动速率,公式如下:
Figure BDA0003845940170000035
式中,γWPD(Δt)表示风功率密度变差,Δt表示时间间隔,N表示数据对的总数目,t=1,2,3,…,N,γWPD(Δt)对应的值越大,表示风资源资源的波动速率越快;
步骤三:根据步骤二构建的风能资源潜力评估指标体系,结合地理信息系统的信息,绘制各项指标的地图分布图,以地理网格0.25°×0.25°为单位分析风能资源分布特性,作为风能资源优质地区的评判依据;
步骤四:进一步研究风电发电潜力,具体包括:
对风功率的出力进行建模,公式如下:
WPt=f(vt) (9)
式中,WPt表示t时刻风速vt对应的风功率,f()表示风机功率曲线,
估算在每一个地理网格内能够布置的风力发电机的数量NWT,则每一个地理网格内总的风电出力可以表示为:
Figure BDA0003845940170000041
式中,WPt tol表示t时刻每一个地理网格内总的风电出力,WPt k表示第k 个风电场在第t时刻的风电出力,
在得到风功率的基础上,定义风功率容量系数,来定量描述发电性能,公式如下:
Figure BDA0003845940170000042
式中,CFWP表示风功率容量系数,T表示计算的总时长,WPr表示风力发电机的额定功率,CFWP的值在[0,1]之间,数值越大,表示发电性能越好,
根据步骤三分析的风能资源分布特性选出风能资源优质地区,并结合风电发电潜力提出风电基地可行选址方案;
步骤五:根据步骤四得到的选址方案,采用主干网关键线路脆弱度辨识结合电网实际情况,分析各线路坚强程度,对线路重要度进行评估,包括:
线路介数指标,通过电网中各条线路的最短路径数,即为线路介数,线路介数越大,说明各电源供电至各负荷的最短供电路径经过该线路的次数越多,反映线路在电网中的相对重要程度,
平均传输距离指标,平均传输距离为传输路径的加权长度和与系统传输的有功功率总量的比值,公式如下:
Figure BDA0003845940170000051
式中,La表示平均传输距离,wl表示线路阻抗,pl表示传输的有功功率, Pm表示节点m吸收的有功功率,V表示所有节点的集合,
该指标越大表明系统越脆弱,对比故障前后的指标数值评估线路故障对全局功能的影响程度,
最大输电能力指标,通过计算恢复故障线路对电网最大输电能力的影响来评估线路的重要性,计算公式为:
Figure BDA0003845940170000052
式中,Pttc表示电网最大输电能力,
Figure BDA0003845940170000053
表示节点j初始有功功率,λ表示负荷变化率,Plj表示负荷功率变化方向,
自然灾害线路故障指标,通过区域自然灾害发生概率,建立区域故障概率模型,辨识线路脆弱度,输电线路的总长度越长,被破坏而发生故障的概率就越大,第i条线路故障的概率为:
Figure BDA0003845940170000054
式中,Pi表示第i条线路故障的概率,zi表示第i条线路的阻抗,I为线路总数量,pdisaster表示区域自然灾害发生概率,
结合线路介数指标、平均传输距离指标、最大输电能力指标和自然灾害线路故障指标,选择以上四个指标均满足阈值条件线路节点接入风电并作为风电基地规划的最终方案。
与现有技术相比,本发明的有益效果是:本发明首先获取再分析数据并进行预处理,之后为评估风能资源的禀赋,构建风能资源潜力评估指标体系,并结合地理信息系统的信息绘制各项指标的地图分布图,从而直观显示风能资源的分布情况,然后进一步研究风电发电潜力,结合风资源优质地区的地形与地貌提出可行选址方案,最后针对目前大规模新能源并网的情景,采用主干网关键线路脆弱度辨识结合电网实际情况,分析各线路坚强程度,综合实现风电基地规划的研究选址,为风资源发展提供参考依据。
附图说明
图1是本发明的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是发明的一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,一种考虑风能资源分布特征的风电基地规划方法,包括以下步骤:
步骤一:获取空间分辨率为0.25°×0.25°、时间分辨率为1小时且时间跨度为十年(如2011至2020年)时长的再分析数据,并对其进行数据预处理,具体包括:
拟对高度h处(如100米)的风能资源展开分析,获取的再分析数据提供的气压和温度数据为高度h0处(如2米),因此先要将气压和温度数据换算至轮毂高度,即h的高度,换算公式如下:
Figure BDA0003845940170000071
Figure BDA0003845940170000072
式中,Ph表示高度h处的气压,Ps表示高度h0处的气压,T2表示高度h0处的温度,Th表示高度h处的温度,
Figure BDA0003845940170000073
表示根据高度推断出的常数,
Figure BDA0003845940170000074
表示根据气压物理规律拟合得到的经验系数(例如在高度为100米时,
Figure BDA0003845940170000075
Figure BDA0003845940170000076
分别取 5.255877和0.0065)。
再分析数据获取高度h处的水平风速分量和垂直风速分量,高度h处的风速可表示为:
Figure BDA0003845940170000077
式中,v表示风速,Vh表示高度h处的水平风速分量,Uh表示高度h处的垂直风速分量;
步骤二:为评估风能资源的禀赋,根据步骤一得到预处理后的数据,构建风能资源潜力评估指标体系,其中包括风功率密度、风资源可用性、风功率密度波动强度和风功率密度变差这四种评估指标,具体包括:
风能资源的潜力通常用风功率密度来评估,表示空气在单位时间垂直通过单位截面积的风能, 公式如下:
Figure BDA0003845940170000078
式中,WPD表示风功率密度,ρ表示空气密度,由下式计算得到:
Figure BDA0003845940170000079
式中,G表示气体常数,其值为2287.058J/(kg×K)。
除风功率密度外,风资源可用性也通常用于评估其潜力,表示在总的观测时长内,风功率密度大于某一阈值的时长所占的比例,公式如下:
Figure BDA0003845940170000081
式中,WPDava表示风资源可用性,χth表示风功率密度大于给定的风功率密度阈值的时长,χtotal表示总的观测时长。
风能资源具有强烈的波动性并体现在两个方面,首先是波动幅度,即波动范围,为此定义风功率密度波动强度定量刻画风能资源的波动幅度,公式如下:
Figure BDA0003845940170000082
式中,IWPD表示风功率密度波动强度,σWPD表示风功率密度方差,
Figure BDA0003845940170000084
表示风功率密度平均值,IWPD的范围在[0,1]之间,数值越大,表示对应的波动幅度越大。
风功率密度波动强度只能反映风功率的波动范围,无法反映其波动速率的信息,因此需要进一步对风能资源的波动速率进行定量刻画,基于变差函数来定量描述风功率密度的波动速率,公式如下:
Figure BDA0003845940170000083
式中,γWPD(Δt)表示风功率密度变差,Δt表示时间间隔,N表示数据对的总数目,t=1,2,3,…,N,γWPD(Δt)对应的值越大,表示风资源资源的波动速率越快;
步骤三:根据步骤二构建的风能资源潜力评估指标体系,结合地理信息系统的信息,绘制各项指标的地图分布图,以地理网格0.25°×0.25°(约31km ×31km)为单位分析风能资源分布特性,作为风能资源优质地区的评判依据;
步骤四:进一步研究风电发电潜力,具体包括:
对风功率的出力进行建模,公式如下:
WPt=f(vt) (9)
式中,WPt表示t时刻风速vt对应的风功率,f()表示风机功率曲线。
估算在每一个地理网格内能够布置的风力发电机的数量NWT,则每一个地理网格内总的风电出力可以表示为:
Figure BDA0003845940170000091
式中,WPt tol表示t时刻每一个地理网格内总的风电出力,WPt k表示第k 个风电场在第t时刻的风电出力。
在得到风功率的基础上,定义风功率容量系数,来定量描述发电性能,公式如下:
Figure BDA0003845940170000092
式中,CFWP表示风功率容量系数,T表示计算的总时长,WPr表示风力发电机的额定功率,CFWP的值在[0,1]之间,数值越大,表示发电性能越好。
根据步骤三分析的风能资源分布特性选出风能资源优质地区,并结合风电发电潜力提出风电基地可行选址方案;
步骤五:根据步骤四得到的选址方案,鉴于目前大规模新能源并网的情景,采用主干网关键线路脆弱度辨识结合电网实际情况,分析各线路坚强程度,对线路重要度进行评估,包括:
线路介数指标,通过电网中各条线路的最短路径数,即为线路介数,线路介数越大,说明各电源供电至各负荷的最短供电路径经过该线路的次数越多,因此线路介数的大小,在一定程度上可以反映线路在电网中的相对重要程度。
平均传输距离指标,平均传输距离为传输路径的加权长度和与系统传输的有功功率总量的比值,公式如下:
Figure BDA0003845940170000101
式中,La表示平均传输距离,wl表示线路阻抗,pl表示传输的有功功率, Pm表示节点m吸收的有功功率,V表示所有节点的集合。
如果故障导致平均传输距离大幅增加,表明故障线路附近没有可替代的有功功率传输通道,有功功率不得不在系统中大范围迁移,因此,该指标越大表明系统越脆弱,对比故障前后的指标数值可以评估线路故障对全局功能的影响程度。
最大输电能力指标,电网最大输电能力是指系统在满足一定的安全稳定约束条件下可以传输的最大功率,通过计算恢复故障线路对电网最大输电能力的影响来评估线路的重要性,计算公式为:
Figure BDA0003845940170000102
式中,Pttc表示电网最大输电能力,
Figure BDA0003845940170000103
表示节点j初始有功功率,λ表示负荷变化率,Plj表示负荷功率变化方向。
自然灾害线路故障指标,自然灾害是导致线路故障的最主要因素,因此需要通过区域自然灾害发生概率,建立区域故障概率模型,辨识线路脆弱度,通常在发生自然灾害时,输电线路的总长度越长,被破坏而发生故障的概率就越大,因此,第i条线路故障的概率为:
Figure BDA0003845940170000111
式中,Pi表示第i条线路故障的概率,zi表示第i条线路的阻抗,I为线路总数量,pdisaster表示区域自然灾害发生概率。
结合线路介数指标、平均传输距离指标、最大输电能力指标和自然灾害线路故障指标,选择以上四个指标均满足阈值条件线路节点接入风电并作为风电基地规划的最终方案。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的装体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同条件的含义和范围内的所有变化囊括在本发明内。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。

Claims (1)

1.一种考虑风能资源分布特征的风电基地规划方法,其特征在于:包括以下步骤:
步骤一:获取空间分辨率为0.25°×0.25°、时间分辨率为1小时且时间跨度为十年时长的再分析数据,并对其进行数据预处理,具体包括:
拟对高度h处的风能资源展开分析,获取的再分析数据提供的气压和温度数据为高度h0处,将气压和温度数据换算至轮毂高度,换算公式如下:
Figure FDA0003845940160000011
Figure FDA0003845940160000016
式中,Ph表示高度h处的气压,Ps表示高度h0处的气压,T2表示高度h0处的温度,Th表示高度h处的温度,
Figure FDA0003845940160000012
表示根据高度推断出的常数,
Figure FDA0003845940160000013
表示根据气压物理规律拟合得到的经验系数,
再分析数据获取高度h处的水平风速分量和垂直风速分量,高度h处的风速可表示为:
Figure FDA0003845940160000014
式中,v表示风速,Vh表示高度h处的水平风速分量,Uh表示高度h处的垂直风速分量;
步骤二:为评估风能资源的禀赋,根据步骤一得到预处理后的数据,构建风能资源潜力评估指标体系,其中包括风功率密度、风资源可用性、风功率密度波动强度和风功率密度变差这四种评估指标,具体包括:
风功率密度表示空气在单位时间垂直通过单位截面积的风能,公式如下:
Figure FDA0003845940160000015
式中,WPD表示风功率密度,ρ表示空气密度,由下式计算得到:
Figure FDA0003845940160000021
式中,G表示气体常数,其值为2287.058J/(kg×K),
风资源可用性表示在总的观测时长内,风功率密度大于某一阈值的时长所占的比例,公式如下:
Figure FDA0003845940160000022
式中,WPDava表示风资源可用性,χth表示风功率密度大于给定的风功率密度阈值的时长,χtotal表示总的观测时长,
风功率密度波动强度定量刻画风能资源的波动幅度,公式如下:
Figure FDA0003845940160000023
式中,IWPD表示风功率密度波动强度,σWPD表示风功率密度方差,
Figure FDA0003845940160000024
表示风功率密度平均值,IWPD的范围在[0,1]之间,数值越大,表示对应的波动幅度越大,
风功率密度变差定量刻画风能资源的波动速率,公式如下:
Figure FDA0003845940160000025
式中,γWPD(Δt)表示风功率密度变差,Δt表示时间间隔,N表示数据对的总数目,t=1,2,3,…,N,γWPD(Δt)对应的值越大,表示风资源资源的波动速率越快;
步骤三:根据步骤二构建的风能资源潜力评估指标体系,结合地理信息系统的信息,绘制各项指标的地图分布图,以地理网格0.25°×0.25°为单位分析风能资源分布特性,作为风能资源优质地区的评判依据;
步骤四:进一步研究风电发电潜力,具体包括:
对风功率的出力进行建模,公式如下:
WPt=f(vt) (9)
式中,WPt表示t时刻风速vt对应的风功率,f()表示风机功率曲线,
估算在每一个地理网格内能够布置的风力发电机的数量NWT,则每一个地理网格内总的风电出力可以表示为:
Figure FDA0003845940160000031
式中,WPt tol表示t时刻每一个地理网格内总的风电出力,WPt k表示第k个风电场在第t时刻的风电出力,
在得到风功率的基础上,定义风功率容量系数,来定量描述发电性能,公式如下:
Figure FDA0003845940160000032
式中,CFWP表示风功率容量系数,T表示计算的总时长,WPr表示风力发电机的额定功率,CFWP的值在[0,1]之间,数值越大,表示发电性能越好,
根据步骤三分析的风能资源分布特性选出风能资源优质地区,并结合风电发电潜力提出风电基地可行选址方案;
步骤五:根据步骤四得到的选址方案,采用主干网关键线路脆弱度辨识结合电网实际情况,分析各线路坚强程度,对线路重要度进行评估,包括:
线路介数指标,通过电网中各条线路的最短路径数,即为线路介数,线路介数越大,说明各电源供电至各负荷的最短供电路径经过该线路的次数越多,反映线路在电网中的相对重要程度,
平均传输距离指标,平均传输距离为传输路径的加权长度和与系统传输的有功功率总量的比值,公式如下:
Figure FDA0003845940160000041
式中,La表示平均传输距离,wl表示线路阻抗,pl表示传输的有功功率,Pm表示节点m吸收的有功功率,V表示所有节点的集合,
该指标越大表明系统越脆弱,对比故障前后的指标数值评估线路故障对全局功能的影响程度,
最大输电能力指标,通过计算恢复故障线路对电网最大输电能力的影响来评估线路的重要性,计算公式为:
Figure FDA0003845940160000042
式中,Pttc表示电网最大输电能力,
Figure FDA0003845940160000043
表示节点j初始有功功率,λ表示负荷变化率,Plj表示负荷功率变化方向,
自然灾害线路故障指标,通过区域自然灾害发生概率,建立区域故障概率模型,辨识线路脆弱度,输电线路的总长度越长,被破坏而发生故障的概率就越大,第i条线路故障的概率为:
Figure FDA0003845940160000044
式中,Pi表示第i条线路故障的概率,zi表示第i条线路的阻抗,I为线路总数量,pdisaster表示区域自然灾害发生概率,
结合线路介数指标、平均传输距离指标、最大输电能力指标和自然灾害线路故障指标,选择以上四个指标均满足阈值条件线路节点接入风电并作为风电基地规划的最终方案。
CN202211117481.5A 2022-09-14 2022-09-14 一种考虑风能资源分布特征的风电基地规划方法 Pending CN115438978A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211117481.5A CN115438978A (zh) 2022-09-14 2022-09-14 一种考虑风能资源分布特征的风电基地规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211117481.5A CN115438978A (zh) 2022-09-14 2022-09-14 一种考虑风能资源分布特征的风电基地规划方法

Publications (1)

Publication Number Publication Date
CN115438978A true CN115438978A (zh) 2022-12-06

Family

ID=84247368

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211117481.5A Pending CN115438978A (zh) 2022-09-14 2022-09-14 一种考虑风能资源分布特征的风电基地规划方法

Country Status (1)

Country Link
CN (1) CN115438978A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117151352A (zh) * 2023-11-01 2023-12-01 北京大学长沙计算与数字经济研究院 风资源评估方法、系统及计算机存储介质和终端设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117151352A (zh) * 2023-11-01 2023-12-01 北京大学长沙计算与数字经济研究院 风资源评估方法、系统及计算机存储介质和终端设备
CN117151352B (zh) * 2023-11-01 2024-01-30 北京大学长沙计算与数字经济研究院 风资源评估方法、系统及计算机存储介质和终端设备

Similar Documents

Publication Publication Date Title
Ayodele et al. Wind power utilization assessment and economic analysis of wind turbines across fifteen locations in the six geographical zones of Nigeria
Xue et al. Impact of transmission tower-line interaction to the bulk power system during hurricane
Boudia et al. Investigation of wind power potential at Oran, northwest of Algeria
Wan et al. Development of an equivalent wind plant power-curve
CN103884485B (zh) 一种基于多尾流模型的风机尾流分析方法
CN109118035B (zh) 基于网格化预警信息的台风风涝灾害配电网风险评估方法
Nedaei et al. A comprehensive evaluation of the wind resource characteristics to investigate the short term penetration of regional wind power based on different probability statistical methods
CN103778572A (zh) 一种基于wrf模式的海上风资源评估方法
CN101727538A (zh) 一种考虑风向影响的风电机组输入风速等效方法
CN104156889A (zh) 一种基于wams数据的风电场性能评估系统及其评估方法
CN115438978A (zh) 一种考虑风能资源分布特征的风电基地规划方法
Guo et al. Projected changes in wind speed and its energy potential in China using a high‐resolution regional climate model
Satkauskas et al. Simulating impacts of extreme events on grids with high penetrations of wind power resources
Ibrahim et al. Wind characteristics and gis-based spatial wind mapping study in Malaysia
Benmemdejahed et al. Evaluation of wind energy cost and site selection for a wind-farm in the south of Algeria
CN115204712B (zh) 一种海上和沿海风电场选址评估方法
Kassem et al. Evaluation of the wind energy potential in Libya’s Eastern Mediterranean Coast area using Weibull Distribution Function
Chikuni et al. Estimating wind power generation capacity in Zimbabwe using vertical wind profile extrapolation techniques: A case study
Al-Hussieni A prognosis of wind energy potential as a power generation source in Basra City, Iraq State
CN106295871A (zh) 气象因子与输电线路山火发生概率的关联性计算方法
Ray et al. Performance assessment of prospective pv systems in queensland and new south wales of australia
de Souza Ferreira et al. Assessment of the wind power density over South America simulated by CMIP6 models in the present and future climate
Kassem et al. Assessment of wind energy potential for selecting small-scale wind turbines in low wind locations in Libya: A comparative study
Schofield et al. Assessing the impacts of tropical cyclone Tracy on residential building stock—1974 and 2008
Le Thanh et al. Characterizing a 40-MW Modern Wind Power Plant by Field Data Measurements

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