【《新能源发电波动性和出力特征分析案例》6700字】

新能源发电波动性和出力特征分析案例目录TOC\o"1-3"\h\u4886新能源发电波动性和出力特征分析案例 表19所示。图2-4各风电场之间的日相关系数分布直方图表2-4各电场之间的日相关系数期望值相关性数文昌四更感城峨蔓文昌1——————四更0.2921————感城0.20990.49371——峨蔓0.30470.37750.23951由表2-4可以看出，四个电场感城与四更相关性最强，峨蔓文昌，峨蔓四更次之，感城文昌之间相关最弱。日相关特性受风电场之间的距离和所在地理环境影响较大。四个风电场之间，感城与四更距离最近，因此相关性较强；反之，文昌与感城相距最远，相关性最弱。1.1.2短期波动的互补性风电出力在小时级以下的时间尺度下存在互补性，主要包括风电场内互补和风电场之间的互补性：1）风电场内部的互补性：风电场秒级时间尺度上，风电机组的转动惯量和有功功率控制策略可以平抑有功出力波动；在数分钟时间尺度上，由于风资源的峰值与谷值到达风电场各机组的时间有差异，因此存在一定的互补性。2）风电场之间的互补性：在小时级时间尺度上同理，由于风资源的峰值和谷值到达不同位置的风电场时间也有所不同，因此最大出力变化率出现时刻也不会相同，从而在各风电场之间形成互补，降低了风电场群的整体出力变化率。但是由于受到风电场群规模的限制，风电场之间的距离较近，这种互补性有限，仅能体现在小时级时间尺度以内。图2-5峨蔓单台风机出力变化曲线图2-6峨蔓风电场出力变化曲线图2-5和图2-6分别表示风电场不同机组在同一天的出力关系和风电场各期机组之间的出力关系。可以看出，在短期情况下，不同机组/风电场出力曲线具有一定差异，在一定程度上可以平滑短期尺度下的风电波动，但是在长期趋势上，它们的出力有明显的相关性。大规模风电的功率波动所受影响因素众多，它是由长期的趋势性和短期的波动性共同决定的。同一气候区域风电场之间，长时间尺度下，功率波动具有明显的相关性；短时间尺度具有很大互补效应，这两方面共同影响风电的集群效应。1.1.3汇聚容量对风电场集群效应的影响风电有功功率在幅值上的概率分布是一个下降曲线。随着风电场规模增大，风电出力在高出力区间的概率减少，低出力区间的概率逐渐增大；对于波动量的分布，更加集中分布在0附近。如图2-7示：图2-7不同规模风电场有功出力以及短期波动的概率分布对于集群效应指标随风电集群规模的变化规律，主要以风电最大出力比为例进行分析：对2019~2020年2年运行数据进行统计，以一天为单位，计算日最大出力比。日最大出力比的最大值为总体的最大出力比，简称最大出力比。不断增加风电场集群的规模，最大出力比的变化趋势如下表2-5，图2-8和图2-9所示。表2-5某省风电最大出力比与风电集群规模风电场数12345风电容量（MW）50100150200250日最大出力比最大值（最大出力比）1.037170.9936510.975980.9688960.961967图2-8风电最大出力比随风电场数变化规律图2-9250MW风电集群日最大出力比概率分布由于统计所得到的两年中风电日出力比的最大值具有较大的随机性，且出现的概率极小，故统计其95%最大值。95%日最大出力比以及日最大出力比平均值的变化规律如下表2-6所示：表2-6风电95%日最大出力比变化表风电场数12345风电容量（MW）5010015020025095%日最大出力比1.008340.941610.8808230.8525340.821033日最大出力比均值0.53880.48640.45440.41950.4012图2-1095%日最大出力比随风电场数变化规律由图2-10可得出结论，由于电网风电场的装机容量都为50MW，装机和风电场个数有对应关系，可以建立风电场的个数与集群效应系数的关系曲线。鉴于实际情况，风电场装机容量大小不同，在风电场集群中，单个风电场装机容量不大（不超过100MW）的情况下，通过可以得到装机容量与集群效应系数的关系。最大出力比=1.0355*（总装机容量/50）-0.042295%日最大出力比=1.0157*（总装机容量/50）-0.1281日最大出力比均值=0.5454*（总装机容量/50）-0.1836对于其它的指标，基于相同的出力方法，选择置信区间模型中的概率为0.95，集群效应的变化规律如下图2-11所示：图2-11集群效应指标随风电场数目变化关系可以看到，随着n的增大，R值呈现幂函数衰减的趋势。由经验可知，集群效应指标的置信区间随风电场数目增加呈现幂指数衰减的特点： （STYLEREF1\s1SEQ公式\*ARABIC\s18）对不同指标拟合的参数如表2-7所示：表2-7集群效应指标函数参数参数日最大出力比日最大波动比（15min）日峰值同时率日峰谷差比a0.5920.5911.0100.9616b-0.3024-0.6708-0.0421-0.2625综上所述，风电场的集群效应指标与汇聚容量为反比关系，成幂指数衰减。对于不同地区或者不同气候类型的风电场集群，波动置信区间值R随风电场数目的增加，其幂函数系数略有差异，但幂函数关系保持不变。在风电场容量较小时，随着风电机组的增加，集群效应指标衰减较为明显，当风电场容量增加到一定数量时，集群效应指标变化将不再明显。也就是说，一味的扩大风电场的容量并不能使得风电场的出力得到显著提高。1.3新能源发电波动性评价指标1.3.1单个风电场的效应指标容量因数风电场容量因数为风电场平均出力与额定容量的比值，反映风电场的平均出力水平。 （STYLEREF1\s1SEQ公式\*ARABIC\s14）式中，表示新能源额定功率，MW；表示新能源在统计周期的平均功率，MW；波动标准差功率标准差可以量化能源波动性，反映新能源出力相对于平均出力或者是额定出力的偏差，是最直接，最常用，最重要的指标。 （STYLEREF1\s1SEQ公式\*ARABIC\s15）式中，表示新能源第i时刻出力标幺值；N表示统计周期；波动幅度波动幅度是指风电场某一时刻出力的标幺值与上一时刻标幺值之差，可反映风功率波动剧变情况。 （STYLEREF1\s1SEQ公式\*ARABIC\s16）式中，表示风电场第i时刻出力标幺值；平稳性指标风电场平稳性是指风电场波动幅度的绝对平均值，可反映风电场波动剧烈程度。 （STYLEREF1\s1SEQ公式\*ARABIC\s17）式中，N表示统计周期；η表示波动幅度；1.3.2多风场的集群效应指标对于集群的风电场，形成的效应指标如表2-8所示。表2-8风电场集群效应指标名称公式意义最大出力比一段时间内，风电场集群总有功出力的最大值，与区域内风电集群额定容量的比值。最大波动比一段时间内，风电场集群总功率波动量的最大值，与区域内风电集群额定容量的比值。峰值同时率一段时间内，风电场群最大出力与所属各个子风电场各自最大出力之和的比值峰谷差比一段时间内，风电场群出力的峰谷差与区域内风电集群额定容量的比值。表中公式，表示最大出力比；表示新能源风电场集群总的有功出力的最大值，MW；表示新能源风电场集群中所有风机的额定功率之和，MW；表示新能源风电场集群中第k个风机的额定功率，MW；表示最大波动比；表示新能源风电场集群总功率波动量的最大值，MW；表示峰值同时率；表示新能源风电场集群中各个子电场各自最大出力之和，MW；表示新能源风电场集群中第i个子电场的最大出力，MW；表示峰谷差比；表示新能源风电场集群总的有功出力的最小值，MW。1.3.3不同类型新能源的相关性指标1）集群效应相关系数指标多种电源出力的协同效应可以借用相关系数来进行描述： （STYLEREF1\s1SEQ公式\*ARABIC\s114）式中，表示两个新能源子电场的出力的相关系数；X，Y表示两个新能源子电场的出力，MW；，表示统计时段内两个新能源子电场的出力平均值，MW；间歇性电源之间：若Cr>0，新能源具有正协同特性，总的出力波动增大；若Cr<0，新能源具有负协同特性，总的出力波动减小。协同效应系数定性的说明了不同种能源之间的叠加关系。基于上述相关洗漱，获得集群效应中的指标，可以推广到协同效应的分析中，来描述多种新能源协同出力的关系。1.4结合实际数据的新能源的出力分析在含有多种新能源的复杂电力系统中，由于不同种类的新能源电场的资源特性、地理环境、气候等因素的差异，当其并入系统后，整体输出功率特性会互相影响，整体波动性减弱的特性称为协同效应。实际上，协同效应就是不同资源类型的集群效应。协同效应的分析方法与集群效应类似。鉴于风电作为发展最为迅速，在电网中占有重要地位的新能源，故结合风电分析不同情况下含新能源复杂电网的协同效应。以风电与光伏发电的协同效应为例进行分析。从月度变动特性，日变化特性，以及短期波动特性分析风电、光伏发电在不同时间尺度上的协同效应。1）月度出力互补性图2-12某风电场及光伏电站月度平均出力图2-12为某风电场及光伏电站月度平均出力变化曲线，可以看出风电场在不同月份出力波动较大，出力最多的月份平均功率可以超过出力低月份数倍；对于光伏出力，各月份出力水平波动不大。2）24小时波动特性从年度统计规律来看，大部分风电场24小时内的规律性为：夜晚和上午风电的出力水平较低，午后风电出力水平不断增加，不同于内陆风电场明显的反调峰特性，峰值一般出现在14:00～17:00，如图2-13所示。而此时一般情况下，光伏出力也处于较高水平。由图可知，地区5-10月份光伏平均出力较高。光伏出力类型中，晴天和多云出力较高，而阴天和雨天的光伏出力十分微弱。因此，进行风光日协同效应分析时，光伏数据采用晴天天气下的日出力数据。以8月2日、4日为例，分析晴天天气时光伏与风电的协同效应。图2-14为日风电与光伏出力曲线，天气为晴天，风电出力波动型为凹型。风电出力与光伏的日相关系数为-0.565，说明风光互补性较好。风电出力与光伏的日相关系数为0.846，说明风光互补性较弱。图2-13日风电与光伏出力曲线图2-14日风电与光伏出力曲线统计2020年风电与光伏日出力相关系数，其分布直方图如图2-15所示。出现风光互补情况的概率仅为27.1%。说明风光日互补特性潜力有限，应该再考虑其它调节方式来提高电网对这种新能源的消纳。图2-152020年风电与光伏日出力相关系数分布直方图3）短期协同效应以一个容量为