【《基于概率分析法的风力新能源出力模型分析》2400字】

PAGE116基于概率分析法的风力新能源出力模型分析目录TOC\o"1-3"\h\u19846基于概率分析法的风力新能源出力模型分析 1116431.1风电出力概率模型 123841.2基于条件概率的风电波动模型 464961.3风电场集群效应分析建模 6本文充分学习了国内外已有研究成果，选择了地区电网作为主要的应用对象，建立了三级层次、双向传递、模块互联、层层细化、功能开放系统架构的日前负荷曲线智能预测系统。该系统的基本结构如下图3-5所示。图3-5基于气象数据分析的新能源调控系统架构设计1.1风电出力概率模型风电机的标准功率特性曲线指的是在标准空气密度下，风电机组的输出功率与风速之间的关系曲线。一般情况下，对应风速下的风电出力P可以根据制造商的功率特性曲线或使用以下公式计算。 （3-5）上式中，是额定风速，单位：米每秒（m/s）；Pr是额定转矩，单位：牛每米（N·m）；是切入速度，单位：米每秒（m/s）；是切出风速，单位：米每秒（m/s）。则可得到常数： ，（3-6）考虑大气变化的尾流效应，若有台正常工作的机组，则得到风电场的输出功率为： （3-7）式中，表示风电场的输出功率，单位：兆瓦（MW）；表示尾流效应系数；表示正常工作的风机台数；表示风机的输出功率，单位：兆瓦（MW）。根据文昌风电场（50MW）2019~2020年的运行数据，可以得到有功功率分布直方图如下图3-6。图3-6风电场有功功率直方图分布由上图可以发现，风电场的出力中，低出力水平出现概率最大，随着出力增大概率不断减小，但并不是单调减小的，分界点一般出现在0.8p.u.附近，之后先增大，最后再迅速减小到0。所以，该风电场有功功率的分布并不属于常见的简单概率分布模型。导致上述现象的原因可以从风机的功率特性曲线中得到：当风速超过额定风速时，风机并不能输出超过额定功率的出力，而是维持在额定功率。因此，不同功率的风机将会分时分阶段逼近额定功率，出现在1之前的极大值的直方图后半部分。但是，当风电场群组的规模变大时，风电出力的直方图将变为图3-7中所示，可以看出，趋势呈现单调递减。图3-7多个风电场集群的有功功率直方图若某个风电场集群中有n个风电场，那么各个风电场中的风速和有功功率之间存在如下关系： （3-8）式中，表示各电场风机台数；表示尾流效应。如果有： （3-9）式中，表示该电场群的等效风速，单位：米每秒（m/s）。若风电场集群中的等效风速正好处于风机功率曲线单调递增的范围内（即满足），那么就可以通过韦布尔分布（WeibullDistribution,WD）得到该集群的功率分布概率的拟合规律。因此根据随机变量函数的分布定理，得到如下的风电场群有功功率的概率密度函数： （3-10）式中，v表示等效风速，单位：米每秒（m/s）；Pwind表示风机出力，单位：兆瓦（MW）；b表示风速-风电出力参数；c表示韦布尔分布的尺度参数；k表示韦布尔分布的形状参数；风电机组的出力概率分布为： （3-11）1.2基于条件概率的风电波动模型相较于之前的运行记录，风电功率预测和系统运行的环境更关心某一时刻之后的功率变化趋势，所以，本文研究的是基于条件概率的风电波动模型，具体说来就是，在反映风电场一段时间内风电出力水平的整体分布下，再考虑风电数据的时间特性，可反映风电出力水平在某时刻或其下一时刻的出力的变化情况。所谓条件功率概率密度是指：在统计时间范围内，选定一个条件功率，将采样数据里所有与条件功率相等或者在条件功率区间内数据点的下一时刻数据挑选出形成新的子集，条件功率对应的概率密度分布就是该数据子集的概率密度分布。所谓条件功率区间内数据点，即功率数据点落入以条件功率值为中心的某一区间时，认为其是符合该条件功率值的样本。1）条件功率波动置信区间通常情况下，当某一条件的风电功率已知时，往往想获得下一时刻的风电功率波动范围（一定的置信水平下）。已知条件功率概率密度，设和为2个功率值，且，若满足： （3-12）则定义为的置信度为的条件置信区间。该区间反映风电功率围绕上下波动的范围及其概率。2）条件功率概率偏度定义P1,P2,P3为出力P小于、等于和大于Pc的概率： （3-13）由公式可以计算得出，风电输出功率偏离条件功率的概率为P1与P3之和；概率分布左偏或右偏的程度为P1与P3相对大小。其中，左偏表示风电出力呈减小趋势，右偏表示风电出力呈增大趋势。定义概率相对（右）偏度为： （3-14）当时，左偏占优；当时，右偏占优；当时，左右偏度相等。表3-3是峨蔓风电场风功率波动在置信区间为0.95下，统计的了5min、15min和1h时间间隔的相对偏度。表3-3风功率波动置信范围及其概率相对偏度当已知某个时刻的功率所在的功率区间内，那么就能够查表获得下一时刻的功率区间。例如，若某个风电场在某时刻的出力为1.0p.u.时，则5min后以0.95的置信区间落在[0.88~1.13]内。继续查表可得，15min后将落入[0.93~1.16]区间，1h后则为[0.92~1.16]。从中还可以知道，置信度为0.95的风电场的功率区间随着时间尺度的增加也逐渐增大，与风电波动随时间变化的趋势相似。1.3风电场集群效应分析建模因为风电的出力波动具有很强的随机性，所以描述风电规模的集群效应指标应该随着时间改变变成不同的值。要想定量分析风电集群效应，就应该建立集群效应指标的概率分布模型。在计算集群效应指标时，时间长度为一天，即最大出力比应为日最大出力比。同样的，对应的其他指标分别为日最大波动比、日峰值同时率、日峰谷差比。 （3-15）式中，表示某一天的集群效应指标值，它表示0~24h中的最大值；n表示不同的日期。集群效应指标的概率分布模型就是集合S的分布模型。 （3-16）式中，S表示长期的统计值组成的集合。目前，很多研究更喜欢直接假定集群效应指标的概率密度函数服从正态分布。但是，通过对现场数据的拟合检验，可以看出该假设没有足够的精度。本文为了提高集群效应指标的分布规律的准确性，使用了混合高斯分布模型进行拟合。通过对几个高斯分布加权就得到了如公式（3-17）所示的混合高斯分布模型的概率密度函数。 （3-17） （3-18）这样