风电功率波动性的分析
风力发电中的波动功率与调节控制技术分析
风力发电中的波动功率与调节控制技术分析存在于自然界的风本身具有间歇性和波动性的特点，以此为动力的风电也附带有这样的特征，在大规模并网的背景下，可能会影响电网的电能质量，因此，需要做好风电波动功率的调节和控制，消除风电波动功率的负面影响。
文章分析了风力发电中波动功率的特点，对相应的调节控制技术进行了研究和探讨。
标签：风力发电；波动功率；调节控制技术前言可持續发展理念的提出和深化，使得人们加大了对于清洁可再生能源的研发力度，风电也因此得到了快速发展和广泛利用。
不过在大规模风力发电时，风本身的间歇性和波动性所引发的波动功率对于电网而言是一个巨大的冲击，给电网的安全稳定运行以及电能质量控制等方面带来了很大的挑战，如何对波动功率进行有效控制，是需要电力技术人员深入研究的问题。
1 风力发电中的波动功率风力发电是一种将动能转化为机械能，然后再转化为电能的技术，可以对自然界中普遍存在的风能进行利用，不需要燃料的推动，也不会产生废弃物，与水电、核电、太阳能发电等都属于新型清洁能源，基本上不会对周边环境造成污染和破坏。
不过在实际应用中，受各种因素的影响，风本身的速度可以说是瞬息万变的，存在着非常明显的波动特性，在这种情况下，想要对风所能够产生的功率进行只能却预测，几乎是不可能的。
而存在于风电输出有功功率预测值与实际风电功率值之间的误差，就是有功波动功率，这个功率数值在一个相对较大的范围内上下波动，也给电力系统的运行管理提出了很大的难题。
通常来讲下，为了对自然界的风能进行最大限度的利用，在风力发电中都会采用最大功率捕获风能的模式，想要确保风电并网后电网的稳定运行，就必须采取有效措施，消除风电产生的波动功率[1]。
实施上，对于这个问题的研究由来已久，也得到了大量可供参考的解决方案，如强化风电预测的准确性，构建电能管理平台；调整常规发电机组有功出力，协调热备机组以降低风电本身间歇性和波动性带来的影响；同时，应该在尽量保持对风能最大限度的捕获的基础上，适当增加相应的辅助功率调节系统，针对风电所产生的冲击进行改善。
风电出力的波动特性及预测方法研究
风电出力的波动特性及预测方法研究马庆法;吕晓禄;胡云;张德才;高谦【摘要】风能作为一种清洁能源,其有效利用对于全球能源互联网技术的发展具有重要意义.风电出力具有随机性、间歇性、波动性和不确定性的特点,这给电力系统的安全稳定运行及调度计划的合理制定等方面带来了挑战.基于大量实测数据,对风电出力的波动特性及其预测方法进行研究.首先,利用统计学的方法对风电出力在日内、日间、月度、季度等不同尺度下的平均值变化特点进行散点统计,并利用概率论对各时间尺度下的概率密度分布规律进行分析;其次,采用自回归模型与滑动平均模型相结合的时间序列法对风电出力进行短期预测.算例分析表明,风电出力具有不同时间尺度下的规律性,且文中所用预测方法误差较小,具有实用价值.【期刊名称】《山东电力技术》【年(卷),期】2016(043)009【总页数】6页(P15-19,23)【关键词】全球能源互联;风力发电;波动特性;概率密度;功率预测;时间序列法【作者】马庆法;吕晓禄;胡云;张德才;高谦【作者单位】国网山东省电力公司济南供电公司,济南250012;国网山东省电力公司检修公司,济南250118;国网山东省电力公司济南供电公司,济南250012;国网山东省电力公司济南供电公司,济南250012;国网山东省电力公司济南供电公司,济南250012【正文语种】中文【中图分类】TM614清洁能源的发展，对于推动全球能源互联网的建设和发展具有重要意义。
风能作为一种可再生能源，无需燃料、不占用耕地、污染少、储量大，已成为目前世界上最具大规模开发利用潜力的能源［1］。
风电出力具有随机性、间歇性、波动性和不确定性，增加了电网计划和调度的难度。
掌握风电特性，是合理利用风电的前提。
为克服风力发电的缺点，需要加大供电系统的旋转备用容量，间接增加了风力发电的运营成本，因此需要对风电场的输出功率进行预测。
通过对风电场的功率预测，可降低电网的转备用容量，降低电力系统成本，也可为电网运行调度提供可靠的依据。
概率密度法在风电功率波动特性分析的应用
概率密度法在风电功率波动特性分析的应用概率密度法是基于统计学原理的一种方法，它通过对风速和风电功率数据进行分析，得到不同功率级别下的概率密度函数。
概率密度函数反映了该功率级别下的出现概率，可以用来衡量该功率级别的频率及其在总功率中的贡献程度。
通过对不同功率级别的概率密度函数进行综合分析，可以揭示功率波动的特性和规律。
概率密度法的应用过程一般包括以下几个步骤：首先，收集和整理风速和风电功率数据，并对数据进行预处理，如去除异常值和空缺值。
然后，计算不同功率级别下的概率密度函数，可以使用直方图、核密度估计等方法进行计算。
接下来，对各个功率级别的概率密度函数进行分析，可以计算平均值、方差、偏度、峰度等统计指标，以及绘制累积分布函数和风速功率曲线等。
最后，根据分析结果，可以评估风电场的功率波动特性，并采取相应的措施来降低波动风险。
概率密度法在风电功率波动特性分析中具有以下优点：首先，它可以直观地反映不同功率级别的频率和功率分布情况，有助于深入理解和研究功率波动机理。
其次，它可以揭示不同功率级别的权重和贡献程度，对评估风电场的发电能力和可靠性具有重要意义。
再次，它可以为电网调度和风电场规划提供科学依据，有利于提高风电场的经济效益和可持续发展。
下面以风电场为例，说明概率密度法在风电功率波动特性分析中的应用。
该风电场的风速和风电功率数据包括多年的观测数据，我们可以利用概率密度法计算不同功率级别下的概率密度函数。
通过对概率密度函数的分析，我们可以得到不同功率级别的频率分布、平均值、方差等统计指标，从而了解风电场的功率波动情况。
基于这些分析结果，我们可以评估该风电场的发电能力和可靠性，并采取相应的措施来降低功率波动风险，提高发电效益。
综上所述，概率密度法是一种可行的风电功率波动特性分析方法，它可以通过对风速和风电功率数据的统计分析，揭示和评估风电场的功率波动特性。
在风电场规划、电网调度和风电投资等方面具有重要的应用价值。
考虑风资源影响的风电场电压波动和闪变评估
压波动情况进行 了仿真计算 ，采用Ｍ ｔｂ ａ ａ闪变计算 ｌ
程序 ， 获得 对应 于 所测 得 电压 波 动 的短 时 间 闪变水 平值 。
２１ 风 速模 型 ．
在连 续运行 状态下 的单 台机 组所产 生 闪变按 式
（） ２ 进行折算 ， 取概率分布为０ ９ ． 对应的分布位数 ： ９
风 的影 响 ） 即 ，
＝ ｒ Ｇ Ｎ ＾ ＋ 卜 （） ８
式中，（ ・ ） Ｃ Ｖ 为给定轮毂高度年平均风速 和给定 电网连接 点处 的 电 网阻抗 角 时 ， 机组 闪变 系数 ， Ｓ 为机组额定视在功率 ， ｓ为电网连接 点的短路视在 功率 。对 于实 际 和ｖ（应 的机组 闪变 系 统可 根 据 ￣ ５ ｆ 机组 厂商 提供 的数 据 ， 插值 法得 出 。 用 如果 电 网连 接 点处 并 有 多 台风 电机 组 ， 其 闪 则 变系数按式（ ） ３计算 ：
闪 检测 变 从是否 存在的 度， 简单实 角 最 用的 方
法是用白炽灯观察 ， 但直观方法无法给出闪变 的参 数描述［ 国际电工标准ＩＣ １０ — １ ６ １ 。 Ｅ ６４０ ２ 中根据并网风 电机组电能质量的规定 ， 分析了风电场的闪变计算 方法 ， 这也是 闪变评 估 的主要 方法 之一嘲 文献 『针 。 ６ １
问
。 ’。 。 。 Ｈ
． … 一… … ０ … 一
ｔｄｄ ｆ ６０—）ｉｔ。ｔ ｉ 。ｗｄ ａ Ｉ １０２， ｋ ｈ ｎ 。 ｆ ｉ ｎｒ ＿ ４ １ ｔ 。 。 ｎ Ｅ ｃ
。 。。 ｈ ｔ ｎ ｉ。ａ 。 ． ｈ ｏａ ｔ ｗ ｄ 。 ｃ ｔ Ｔ。 ｌｇ 。 。ｉ ｔ ｃ ｔｅ ｌ ｔ ｔｎ ｉ ｃ ｓｗ ｄｕｄ ｉ ｒ ｔ ｉ ｗｒ ｆｃ ａ０ｓｎｕ ｄｂ ｇ ｔ ｉ ｎｅ ｄ ｅ ｎｗ ｄ ｏｅ ｕ ｕｉ ｄ ｅ ｙ ｕ ｎ ｒ ｆ ｅ ｎ ｐ ｏ ｐｔ ｉ ｃｃ ａｄ ａ ｈ ｔ ｔｍ ｆ ｋ ａ ｅ Ｐ ｓ ｕ ｕ ｓ ａｕ ｔ ｎ ｓ ｒ— ｒ ｉｅ ｖ ｕ ｓ ｉ ｔ ｓ ｌ ｌｅ ｄ ｏ ｅ ｌ ｒ ｌ ｔ ｃ ｏｔｎｄｒ ｅＥ ｉ ｅ ｅｒＡｎｗｗｎ ｒ ｈ ａ ｂ ｉ ｏ ｔ Ｃｆ ｋｒ ｔ． ｅ ｉ ｆ ｉ Ｃｉ ａ ｅ ｆｍ ｈ Ｉ ｌ ｍ ｅ ｃ ｄａ ｎ ｎ ｍ
风电功率波动的相似性研究
首先 对原 始数 据 进 行初 步 处 理 ， 剔 除 其 中 的不 良数据 。如 果 是 人 为 因素 造 成 的 功 率 值 急 剧 减 小 或 停机 ， 可 将该 时 段 的 数 据 剔 除 ， 认 为 该 时 段 内 风 电场没 有 并 网发 电 ， 输 出功 率 值 恒 定 为 零 。此 外 ， 风 电场 还可 能 输 出 负 功 率 ， 即从 电 网 吸 收 功 率 ， 这 种 情况 主要是 由机 组 停 机造 成 的 ， 机 组 停 机 时 分析 风 电功 率 的波 动 也 无实 际意 义 。为 了 方便 计 算 ， 将 功 率数 据进行 标 幺化 处理 。式 （ １ ） 中， Ｐ（ ｔ ） 为风 电 场在 ｔ时 刻 实 际 输 出 功 率 ， Ｃ为 风 电场 总 容 量 ， Ｐ （ ｔ ）为 ｔ 时 刻 功率 标 幺值 。标 幺化 的 另一 个好 处 是 对波 动 幅值 进行 了归 ～ 化 ， 方便 对 波 动 的形状 进
响， 风 电功率波动研 究逐渐成为风 能研 究领域 的热点课题。基 于风 电场 实测 数据 ， 提 出一种 功率相似 性分析方 法 ， 首先对原 始数据进行 必要 的处理 以及 滤波 ， 然后提取功率 时间序 列 的特征 值 ， 将 原始 数据序 列转化为特 征值序 列， 从 而减少 了数据样
本 点， 通过计算特征值序列之 间的动 态时间弯 曲距 离， 实现 了风 电功率波动 的相似 性分析。通过分 析某风 电场 两年的历史数
电功 率容 易产 生较 大 的 波 动 ， 对 电 网 的安 全 稳 定运 行 带来 许 多 不 利 的影 响 。风 电 功 率 的 波 动 除 了 和
风 速有 直接 关 系 之 外 ， 还 和 风 电场 地 形 、 机 组 的排
风电不确定性对电力系统的影响阐释
风电不确定性对电力系统的影响阐释摘要：风电不确定性具有波动性、间歇性、随机性以及模糊性等特点，会对电力系统的运行产生影响。
因此，本文针对风电不确定性对电力系统频率、电压、暂态稳定性、充裕性等带来的影响进行分析，目的是为确保电力系统的稳定运行，实现电力行业的可持续发展。
关键词：风电；不确定性；电力系统风电的波动行为以及间歇行为都有着较强的不确定性，这对于电力的可靠性、经济性以及电能质量等都会产生影响。
电力是促进我国更好发展的前提保障，也就是说电力的发展能够带动社会的发展与经济的进步。
因此，要在最大程度上保证电力系统的安全稳定运行，这样才能为社会市场提供充足电能，并保证电能质量。
所以，本文将针对风电不确定性对电力系统的影响相应内容进行阐述。
1、风电不确定性基本概述风电不确定性通常情况下主要包含两部分内容，分别是随机性与模糊性，或者是偶然性与非明晰性，它们的物理意义以及产生机理等有着一定的差异性。
随机性通常情况下主要是指，结果与给出的场景特征不完善。
随机性能够将其分为两种类型，分别是本质型与激励型。
本质型随机性主要是指，在没有随机因素的影响下，多维非线性都动力系统表现出来的随机性。
激励型随机性主要来源是是随机因素，研究工具是树立统计以及随机过程等。
模糊性随机通常情况下主要是指，事物自身概念并不清晰、在事物衡量过程中其尺度不明确，此类问题造成的分类不确定性就被称为模糊型随机性[1]。
模糊性与随机性会共同存在于研究对象中，但是由于预报方法缺乏完善性、主观判断缺乏准确性，会导致不确定性的影响范围会进一步扩大。
传统的统计回归方式只能实现对随机性的考虑与分析，对于模糊性的处理却是无法更好落实。
电力系统规划与运行期间，都会涉及到许多不同的不确定因素。
因此，对于不同因素的处理需要深入研究。
2、风电不确定性的风速波动性与间歇性风速通常情况下都有着较强的波动性与间歇性，如果从时域上对其进行分解，会将风速分为时间尺度的平均风速、时间尺度的脉动风速[2]。
基于重尾分布的风电功率波动特性概率分布
2
第 41 卷
电 力 自 动 化 设 备
稳定分布又称为雷维 α-稳定分布或者分形分
布。假设 X1 和 X2 是 2 个独立的随机变量，它们与随
机变量 X 满足相同的分布，并且 aX1+bX2 与 cX+d（a、
b、c、d 为常数）满足相同的分布，则随机变量 X 是稳
定分布的。由于稳定分布的概率密度函数没有统一
Fig.4 Skewness and kurtosis of wind power fluctuation
rate under different spatial scales
逐步增加，当机组数量达到一定数值后，偏度值及峰
度值均不再随着机组数量的增加而变化，而是在某
个固定值附近小范围波动。风电功率偏度值均大于
ïï
exp -σ α | x | 1+ jβ ( sign ( x )) ln | x | + j μx
î
[
]
（4）
其中，sign（·）为符号函数；α 为幂指数；β 为偏度参
数。一个稳定分布用如下 4 个参数来表示。
a. 尺度参数 σ，它描述了分布的宽度，其取值范
围为 σ≠0。
b. 位置参数 μ，它描述了分布的位置，其取值范特征，即更容来自出现极端值或大的波动，故采用正态
分布来描述重尾分布数据效果不佳，常见的重尾分
布函数如下。
（1）学生 t 分布。
学生 t 分布又称为 t 分布，其概率密度函数为：
v+1
v+1
Γ
x2 2
2
f (x) =
1+
（2）
v
v
vπ Γ
储能系统平抑风电功率波动原理-概述说明以及解释
储能系统平抑风电功率波动原理-概述说明以及解释1.引言1.1 概述概述部分的内容：风能是一种可再生的清洁能源，但由于其受气候变化和地形条件的影响，其发电量存在着不可避免的波动性。
风电功率的波动性给电网的稳定运行带来了挑战，因此寻找一种有效的方法来平抑风电功率波动成为了一个重要的研究方向。
储能系统作为一种有效的能量调节手段，可以将多余的风电功率储存起来，在风电功率不足时释放出来，从而实现对风电功率的平抑。
储能系统可以以各种形式存在，如电池能量储存、压缩空气能储存、抽水蓄能等。
它们都能够通过将电能或其他形式的能量转化为储能状态，并在需要时将其转化为有用的能量，以满足系统对能量的需求。
本文将重点探讨储能系统在平抑风电功率波动中的原理。
首先对风电功率波动的原因进行了分析，从风能资源的不稳定性、风电场配置的不合理性以及电网输电能力的限制等方面进行了探讨。
然后介绍了储能系统是如何通过吸收风电场波动功率和释放储存的电能来平抑风电功率波动的。
最后对储能系统的发展趋势进行了展望，并总结了储能系统在平抑风电功率波动中的重要作用。
通过本文的研究，我们可以深入了解储能系统平抑风电功率波动的原理和机制，为未来的储能系统的发展提供有价值的参考。
储能系统的应用不仅可以提高风电场的发电效率和稳定性，还可以对电网的负荷平衡和供电品质带来显著的改善。
相信未来储能技术的不断发展将为风能行业的可持续发展提供更好的支持。
文章结构部分的内容如下：1.2 文章结构本文包括引言、正文和结论三个部分。
引言部分概述了本文的主题和目的，介绍了储能系统对于平抑风电功率波动的重要性。
接着对整篇文章的结构进行了简要概述，让读者对文章的组织和内容有一个整体的了解。
正文部分主要包括三个小节：2.1 储能系统的作用，2.2 风电功率波动原因分析和2.3 储能系统平抑风电功率波动原理。
首先，我们将介绍储能系统在风电系统中的作用，包括储能系统的定义、分类和应用领域。
风电系统中电压波动因素及抑制措施的研究
风电系统中电压波动因素及抑制措施的研究作者：孙辉程志明来源：《科技资讯》 2012年第12期孙辉1 程志明2(1.歌美飒风电(天津)有限公司天津 300384; 2.天津市红日瑞德电气有限公司天津300300)摘要:由于洁净并且可再生,风力资源被越来越多的应用于发电系统中,但是由于技术的不成熟,还存在许多难以解决的问题,电压波动就是其中值得特别关注的问题之一。
本文简要介绍了电压波动及其产生原因,并在此基础上提出了几点的应对措施。
关键词:风力发电电压波动电能质量中图分类号:TM246+.5 文献标识码:A 文章编号:1672-3791(2012)04(c)-0127-01由于能源的日益短缺和人们对环境保护的要求越来越高,清洁可再生的风能以及洁净的风力发电技术被越来越多的应用。
发展风力发电技术成为我国改善能源结构、保护环境的重大举措,成为我国未来能源利用与工业发展的战略组成部分。
但是,由于风资源的间歇性、随机性造成风力发电的不稳定性,加上电网负荷的波动性等因素的影响,使得在利用风电时有较大难度,会增加电网的调峰、调频、调压难度,严重影响输电变电设备以及用电设备的安全。
电压波动是影响风力发电电能质量的主要负面因素之一,对于发电环节、配电环节、用电环节等都会带来较大的危害,因此作为电力工作者,有必要加深对电压波动的认识与研究,以便在以后的学习工作中更好地应对可能出现的问题。
1 电压波动及其产生原因电压波动是指一系列电压变动或工频电压包络线的周期性变化。
在风力发电系统中,引起电压波动的最根本原因是发电机组输出功率的变化,而引起发电机组输出功率变化的原因多种多样,现简要介绍几个主要原因。
1.1 风资源的状况风力发电靠风力吹动发电机做功,将风能转换为电能,风能是发电的基础,因此风资源质量的好坏会影响电能的质量。
例如平均风速、湍流强度等都会影响到风力发电机组的输出功率,进而引起电压波动。
1.2 风力发电机组本身的特性风力发电机组的作用是将风能转换为电能,在整个过程中是作为至关重要的中间环节的,因此,机组的特性对能量转换的质量、效率等都有较大的影响。
风电波动对电网影响规律剖析
1引言风电场输出功率具有波动性、间歇性，为确保电网稳定、安全运行，电网需要留有足够的旋转备用来完成系统对波动能源的调节。
电网可接纳风电容量主要取决于区域电网所具备的调峰、调频能力，考虑到风力发电输出功率的变化速率较快，区域电网的AGC调节速率就显得尤为重要。
我国的电网结构中，火力发电占据发电容量的份额最大，但火电机组调节速率较慢，不能有效得对风电进行快速调节。
与之相比，水电机组具有容量大，调节速率快的特点，但在电网中所占容量较小并且分布不平均，并且其建设和运行都受到了自然客观条件的限制，以上原因导致了我国各地电网的接入风力发电的能力不尽相同，换言之，风电波动对不同的电网结构带来的影响也不尽相同。
风电波动对电网带来的影响主要受三方面的因素制约：风电场输出功率的特性，地区电网的实际情况以及储能补偿设备的特性。
2典型电网调频能力分析选取湖北、上海、吉林等我国几个负荷较大、电网调节能力较强的省区电网为案例，进行了研究。
湖北省电网的大致情况为：全省AGC机组总可调容量1325MW 中，水电机组AGC可调容量为235MW，占17.7%，平均调节速率达21MW/min;火电机组AGC可调容量为1090MW，占82.3%，平均AGC调节速率仅为5.3MW/min。
因此总共的调节能力为26.3MW/min。
上海地区电网的大致情况为：目前上海电网实际的AGC调节速率仅仅为额定调节速率的1/3左右，即最大调频能力为50～60MW/min。
因此，就目前上海电网的调频能力而言，在夏季高峰时约有10MW/min的AGC调节裕度，这两个地区都是位于我国的中东部的经济较为发达的地区，对能源有着巨大的需求，并且电网的容量较大，调节能力强。
吉林省电网的大致情况为：截至2008年底，吉林省内网省调总装机容量为13034MW，其中东北网调直调水电3238MW 。
吉林省直调大部分为火电机组，总容量9796MW，其中火电机组7873MW;水电机组仅为285.7MW，风电机组764.3MW，生物发电机组42MW。
风力发电出力相关性分析
风力发电出力相关性分析摘要：近年来新能源项目不断实施大规模并网，对电力系统有效调整频率、调整峰值、调度等多个层面影响较大，致使电网调度过程中难度增加。
对于电力系统来说，由于风力发电存在随机波动性强、可控制低等缺陷，造成处理控制能力弱化，不能实现负荷的精准预测，导致风力发电大规模并网后稳定性、电能质量及其电能调度等方面都存在一定缺陷，降低了电网安全运行系数。
因此，必须从不同时间、空间来挖掘风力发电出力相关数据，全方面了解风力发电并网特性，为分析并网困境提供可靠的数据支撑。
风能和太阳能发电具有互补性，风光互补发电系统作为可再生能源利用的一种形式，有着广泛的应用前景。
对于常规电网不能到达的偏远地区，风光互补发电系统是解决电力供应问题的一种手段。
关键词：风力；发电；相关性风力发电将可再生的清洁风能转化成电能，发展风电是低碳能源转型的重要途径。
风速是一个随时间变化的量，因而风电场出力波动性如何得到抑制是大型风电基地建设必须考虑的问题。
早期风电场的波动由电网的可接纳性予以缓解，而今随着新能源装机容量的增加，源端配置储能等自身缓解波动性的要求逐渐被提出。
而通过风电场自身的组合缓解出力的波动性，则是一种较为经济的方法。
一、风电出力特性1、风电出力的波动性和不确定性。
风能的随机性、分散性以及风电机组的特性导致了风电出力的波动性：风能的随机性：风速受气候地形等自然因素的影响一直处于变化状态；风能的分散性：风能的功率密度较低，分布于广阔的空间范围；风电机组自身条件的限制：对于绝大多数风电机组来说，自身运行和控制性能还是不够完善，功率波动的抑制能力有待加强。
风电出力的随机性和模糊性导致了风电出力的不确定性。
随机性是由风能的随机性造成的，由于风速的变化导致了风电出力会在零到风电机组的额定功率之间变化，加剧了风电机组出力的不确定性；由此带来的后果是风电出力的难以预测性，现有的风电出力预测方法精度不够，可靠程度不高，难以精准地预测风电机组的功率变化，导致了风电出力的模糊性。
论述风力发电引起的电压波动和闪变
由图 1 的第二个图看袁R 1 I觶 a 分量及 V 分量同 jX 1 I觶 a 分量的垂 直袁造成了电压的跌落袁并不用计算其造成的电压跌落遥 从图 1
m
U
2 m
cos渊
Ωt冤 袁也
就是 v渊' t冤 遥 通过平方处理的计算袁表达式为院
渊 6冤
从而看以获得电压波动信号袁应乘以
1
6袁还要除以系数
U
4 m
遥
让仿真的模型除以
U
4 m
并乘以
1 6袁则是从这点出发遥
在仿真模型
之中袁波动电压分量渊 也就是调幅波冤 为波动幅度的 0.25% 袁而频
率则是 8.8H z 波袁想要让输出闪变的视感度 S渊 t冤 =1 袁则应计算单
架 4 构成第二部分袁此部分主要功能为袁搭建电压波动以及闪变 齐院新疆大学,2015.
制出合适的相应频率的调幅波袁才可让其幅值改变遥 一般会用公
式渊 2冤 代表分频电压 u渊 t冤 院
U渊 t冤 =[U m+v渊 t冤 ]cos渊 ωt冤 =A渊 t冤 cos渊 ωt冤
渊 2冤
将电压波动分量设定成某特定的频率袁 也就是 v渊 t冤 =V mcos
渊 Ωt冤 袁将其替换上式院
U渊 t冤 =[U m+m cos渊 Ωt冤 ]cos渊 ωt冤
时闪变的视感度而得到遥
3 IE C 闪变仪仿真研究
3.1 仿真模型
以 M atlab/Sim ulink 为基础形成上述的原理结构图仿真模
风电功率波动特性分析
风电功率波动特性分析作者：张晴露何天舒来源：《中国高新技术企业》2015年第01期摘要：文章通过频率频数的直方图进行初步估计，再通过dfittool工具箱进行确认和验证，最终得出指数分布最适合风电功率波动的分布。
通过样本总体的均值和方差估计概率分布的参数，并用概率密度函数图和频率分布直方图对不同时间间隔、不同机组、每天或者一个月的概率分布之间的关系进行分析。
最终得知，各个机组在以每日为时间窗宽，每天的平均风电功率大致相同，而方差除了一些特殊的点还有这个月的最后几天外，也是大致相同。
关键词：matlab工具箱；分布拟合；回归分析；ARMA模型；平稳时间序列文献标识码：A中图分类号：TM76 文章编号：1009-2374（2015）01-0025-02 DOI：10.13535/ki.11-4406/n.2015.00131 问题描述本题研究的是风电功率的波动性问题，当前世界各国资源环境约束的日趋严苛，以化石能源为主的能源发展模式必须向绿色可再生能源转变。
风电机组发出的功率主要与风速有关。
由于风的不确定性、间歇性以及风电场内各机组间尾流的影响，使得风力发电在满足用电需求方面的确定性不如常规发电。
大规模风电基地通常需接入电网来实现风电功率的传输与消纳。
风电功率的随机波动是对电网不利的主要因素。
研究风电功率的波动特性，对改善风电预测精度、克服风电接入对电网的不利影响有重要意义。
风电场通常有几十台甚至上百台风电机组。
大型风电基地由数十甚至上百个风电场组成。
因此，风电功率的波动有很强的时空差异性。
在此我们需要研究风电功率的概率分布等一系列信息并以此对未来风电的功率进行预测，希望得到风力发电机发电功率的一般性结论。
2 模型建立与求解首先我们要研究风电机发电功率的概率分布。
对于概率分布拟合，可以在matlab软件中用dfittool来解决。
我们随机选择了五台电机作为观测对象。
将y输入dfittool里面，分别用t分布、指数分布、正态分布去拟合，然后根据拟合出来的各个分布的参数，求出三个分布的表达式，并选取一定的样本，比较三种分布的残差平方和，如表1所示：表1 时间间隔为5秒风电功率数据用t分布、指数分布、正态分布去拟合的残差平方和从分析结果可以发现指数分布的残差平方和是最小的，因此指数分布为我们推荐的最优的概率分布函数。
磷酸铁锂电池储能系统平抑风电功率波动研究
磷酸铁锂电池储能系统平抑风电功率波动研究摘要：伴随社会的快速发展，更多人认识到磷酸铁锂电池储能系统平抑风电功率波动的重要性。
该系统具有延长储能装置使用寿命、节约成本等作用。
工作人员在了解风力发电处理的随机性与间歇性后，便应该将磷酸铁锂电池储能系统应用于平抑风电功率波动中，以达到控制风电功率波动的效果。
因此，磷酸铁锂电池储能系统在与风电功率波动建立关联性后，便能提高电网运行的安全性与稳定性。
关键词：磷酸铁锂电池；储能系统；风力发电引言：因为间歇性、随机波动性是风的基本特点，风力发电系统所产生的输出功率波动则会具有曲折性。
风电在电网中也具有重要作用。
风电在出现波动后，电网电压与频率则会出现较大的波动，电网也无法处于平稳运行状态中。
磷酸铁锂电池储能系统在被应用于风力发电后，风电功率波动便能被控制。
在满足负荷电能需求的基础上，也能确保输出功率符合特定指标，电能质量得到显著增强。
1风力发电与储能技术概述风机能将风力资源转化为电能。
风资源在让风轮发生转动后，齿轮箱也会逐渐加速，让风力发电功率波动被有效控制。
风速在发生变动后，风轮转速还会随机发生变动，风力发电机输出功率则会随之发生变化。
风速条件在存在差异性时，为获得最大输出功率，则需要在第一时间调整转速，风力发电机能处于稳定运行状态中。
①天气条件会对风能造成冲击。
但是天气条件具有不确定性，风电场的输出功率也会随之发生波动。
输出电能在充满不稳定性时，电网运行过程则会受到影响。
储能装置此时发挥作用，可将一种能量转换成同一种或者另一种形式来对其进行存储。
基于实际情况，还能运用多元化形式来释放能量。
②储能系统在风力发电中具有重要作用。
当前多种储能技术被应用于风力发电中，绿色环保则是磷酸铁锂电池的基本特征。
分布式能源发电也充满不可控制性，储能系统则会向电网进行放电，通过负载来达到稳定功率输出的效果。
风能还是一种可再生能源，分布式发电系统则会加大投入使用风能的力度，以此来达到降低成本的效果[1]。
风电功率波动特性的分析
刘 国华 秦 伟
（ １ ． 内蒙古通辽市奈曼旗兴隆沼林场 ，内蒙古 通辽 ０ ２ ８ ０ ０ ０ ；２ ． 内蒙古通辽市奈曼旗林业局 ，内蒙古 通辽 ０ ２ ８ ０ ０ ０）
自２ ０ ０ ０ ￣以来通辽市奈曼旗 兴隆沼地区现有林地 出现 大面积杨 树 死 亡现象 ， 严重地威胁着奈曼旗北部的生态安全 ，影响破 坏着原 三北 Ｏ ０ ９ 项 目保存的小叶杨基因库 ，威胁着附近居 民的生产生活 ，影响着当 地 的经济利益。 １ 查 找杨树死亡的真正原因 兴隆沼地区北侧紧靠老哈河 ，叫来 河从 中穿过 ， 原地下水资源 丰 富 ，近年来气候异常 ，两河全部干涸 ，从而导致地下水位 下降 ，又加 上 近年来连续干旱 ，由于杨树生长速度快，耗水量大 ，每生产 １ 克干物 质需消耗 ｌ Ｏ 立方厘米左右的水 ，当降水量为６ ｏ ０ 毫米左右或地下水位较 高 ，根系直接 吸收到 毛细血管上升水时 ，土壤水分才能满足其生长需 求。 因为地下水下降 ，从而部分地段 杨树缺水 ，影 响生长 ，又加上 近 几 年为暖冬 ， 致使树势衰弱 ，从而使过冬的杨树害虫得以大量存 活， 虫害现象严重 ， 致使连年有害生物的危害和大面积的蔓延创 造了有 利 的方便条件。 树种单一 ，杨树一统天下 ，现在的农户为追求 经济利 益 ， 不 分地 块， 不分立地条件 ，单一的造杨树 ，从而导致造林 成活率 、保存率 到 不 到标 准 ， 导致成林难 、成材难 ，有的树种不对 ，如有的造林户选择 需水量大的杨树 １ ０ ｒ ７ 、１ ０ ８ 导致杨树难以过冬 ， 易发生严重 的烂皮病。 栽植密度太大 ，今年来 由于干旱就应当适 当加 大造林 密度 ，而有 的造林 户为追求造林 利益最 大化 ，不 安规程造林 ，尽量加 大造林 密
简析风电功率的波动特性
简析风电功率的波动特性1 问题描述本题研究的是风电功率的波动性问题，当前世界各国资源环境约束的日趋严苛，以化石能源为主的能源发展模式必须向绿色可再生能源转变。
风电机组发出的功率主要与风速有关。
由于风的不确定性、间歇性以及风电场内各机组间尾流的影响，使得风力发电在满足用电需求方面的确定性不如常规发电。
大规模风电基地通常需接入电网来实现风电功率的传输与消纳。
风电功率的随机波动是对电网不利的主要因素。
研究风电功率的波动特性，对改善风电预测精度、克服风电接入对电网的不利影响有重要意义。
风电场通常有几十台甚至上百台风电机组。
大型风电基地由数十甚至上百个风电场组成。
因此，风电功率的波动有很强的时空差异性。
在此我们需要研究风电功率的概率分布等一系列信息并以此对未来风电的功率进行预测，希望得到风力发电机发电功率的一般性结论。
2 模型建立与求解首先我们要研究风电机发电功率的概率分布。
对于概率分布拟合，可以在matlab软件中用dfittool来解决。
我们随机选择了五台电机作为观测对象。
将y输入dfittool里面，分别用t分布、指数分布、正态分布去拟合，然后根据拟合出来的各个分布的参数，求出三个分布的表达式，并选取一定的样本，比较三种分布的残差平方和，如表1所示：表1 时间间隔为5秒风电功率数据用t分布、指数分布、正态分布去拟合的残差平方和从分析结果可以发现指数分布的残差平方和是最小的，因此指数分布为我们推荐的最优的概率分布函数。
我们已经确定风电功率是服从指数分布的，则可以通过各个样本的总体的均值和方差对指数分布的参数进行估计。
根据经验，用Pim（tk）代替Pi5s（tk）时会损失很多信息，为了方便我们衡量损失的信息，需要通过一些数字化的特征来分析，前面已经确定用指数分布作为风电功率的最优估计分布，那么我们可以通过指数分布的一些特征值进行分析。
如果我们直接比较不同的特征参数是很难看出差异的，所以我们比较不同参数特征下指数函数的密度函数，这样更容易观察出其中的差异。
风电场功率输出的波动性分析
风电场功率输出的波动性分析风电场是一种依靠自然风力转化为电能的可再生能源发电设施。
与传统的化石燃料发电方式相比，风电具有环保、可持续、资源丰富等优势，因此在全球范围内得到了广泛的发展和应用。
然而，由于风力的不稳定性，风电场的功率输出存在一定程度的波动性，这是限制风电发展的一个重要问题。
本文将从多个角度探讨风电场功率输出的波动性，并提出相应的应对措施。
首先，风速是影响风电场功率输出波动性的主要因素之一。
风速的不稳定性导致了风力机发电量的波动。
在逆变器电压和频率固定的情况下，发电功率与风速的关系符合三次方定律，即风速呈三次方增长，发电功率则呈功率增长。
这种非线性关系导致风速小幅度变化时，风电场功率输出会有较大的波动。
解决这一问题的方法之一是通过风速预测，利用先进的气象学模型和监测设备来提前预测风速的变化，从而调整风力机的运行状态，减少功率输出的波动。
其次，风电场的电网连接也会对功率输出的波动性产生影响。
由于电力系统的负载变化和其他发电设施的运行状况，电网的负荷变化不可避免地会对风电场的功率输出产生影响。
当电网负荷较轻时，风电场的功率输出可能超过负荷需求，此时需要通过电网来消纳多余的功率。
相反，在电网负荷较重时，风电场的功率输出可能无法满足负荷需求，此时需要从电网购买电力。
为了解决这种功率输出波动性带来的问题，需要建立灵活的电力市场机制和电网调度系统，通过供需平衡和电力交易来调节风电场的功率输出。
此外，风电场的设备健康状况也会对功率输出的波动性产生一定的影响。
风力发电机等设备的老化和故障都会导致功率输出的不稳定。
为了降低设备故障率和提高设备的可靠性，风电场需要建立定期的设备巡检和维护制度，及时发现和修复设备的问题，避免设备故障对功率输出造成的波动。
最后，风电场的空间布局也会对功率输出的波动性产生一定的影响。
通常情况下，风电场的风力机是均匀分布在一定的区域内，但由于地理环境和资源限制，有时会出现部分风力机集中分布的情况。
风电功率波动性的分析
承诺书我们仔细阅读了中国大学生数学建模竞赛的竞赛规则.我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。
我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。
我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。
如有违反竞赛规则的行为，我们将受到严肃处理。
我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。
我们参赛选择的题号是（从A/B/C/D中选择一项填写）： B我们的参赛报名号为（如果赛区设置报名号的话）：所属学校（请填写完整的全名）：东北电力大学参赛队员(打印并签名) ：1. 张盛梅2. 齐天利3. 孔晖指导教师或指导教师组负责人(打印并签名)：张杰日期2014 年 8 月 20日赛区评阅编号（由赛区组委会评阅前进行编号）：编号专用页赛区评阅编号（由赛区组委会评阅前进行编号）：全国统一编号（由赛区组委会送交全国前编号）：全国评阅编号（由全国组委会评阅前进行编号）：风电功率波动性的分析摘要风电机组的发电功率主要与风速有关，由于风的不确定性、间歇性以及风电场内各机组间尾流的影响，使得风力发电机不能像常规发电机组那样根据对电能的需求来确定发电。
研究风电功率的波动特性，不论对改善风电预测精度还是克服风电接入对电网的不利影响都有重要意义。
对于问题1a，我们利用MATLAB软件做出了3日内的功率波动图，发现功率的波动曲线上下不断震荡，所以我们采用一段数据来进行分析（即从波谷到波峰再到波谷），利用MATLAB软件拟合工具箱中的dfittool对数据进行曲线拟合，并选出几种较为符合的概率分布，根据对数似然函数值的大小确定最佳的概率分布。
风电功率波动特性的分析
风电功率波动特性的分析摘要随着能源与环境问题的日益突出，提高风力发电效率已成为一个重要课题。
本文旨在研究风电功率波动的时空分布特性和预测风电场的总功率。
针对问题一和二，首先，本文任选5个风电机组，然后对数据进行差值计算。
基于风电功率波动的时间特性分析，建立了风电功率波动的概率分布模型，得到不同时间间隔下风电功率的波动性。
其次，根据电功率的波动性绘制其概率分布图，并用拟合工具箱对不同概率密度函数进行拟合，最后得出描述风电功率波动最好的概率分布—t location-scale分布，计算其密度函数的参数值，并对其进行检验。
针对问题三和四，基于风电功率波动特性信息损失问题的研究，引入一致性，互补性和平稳性三个指标来描述损失的风电功率波动信息。
首先，本文绘制两种时间间隔的概率分布拟合图，对其进行主观的比较分析；然后，通过计算5台风机相应的指标值得出：在研究电功率波动特性时，选取的时间间隔过大，会导致部分功率变化快的波动信息丢失。
针对问题五中风电总功率的预测问题，本文建立了基于ARIMA的总风电功率时间序列预测模型。
分别以5min和15min间隔选取总功率样本数据，利用二阶差分对样本进行平稳性处理，然后采用时间序列的ARIMA模型预测未来4小时风场的总功率。
同时计算滑动预测误差，通过分析误差比较两种方式的预测效果。
针对问题六和七，基于上述问题中的研究方法，研究了单台风机功率和风场总功率的波动概率分布，进而分析其在时序上的差别。
然后，通过研究密度函数参数来分析波动局限性。
通过对材料提供的数据进行综合分析，给出合理的方法来克服风电波对电网运行的的不利影响。
关键词：概率分布模型拟合指标location-scalet分布ARIMA模型随着能源和环境问题的日益突出，以化石能源为主的能源发展模式必须根本转变。
近年来，可再生能源特别是风能的开发利用处于快速发展的阶段。
我国风电装机容量近几年均呈接近倍增的发展态势，截至2012年底，我国风电装机容量已超过7000万kW，居世界第1位。
福建沿海风电出力随机性和波动性统计分析
福建沿海风电出力随机性和波动性统计分析黄银华;张世钦;刘峻;张艳艳;宾雪【摘要】目前对风电出力特性研究多集中在内陆风电,对沿海风电研究较少.基于福建省已投风电的实测数据,采用时间序列分析与统计分析的方法,对全省及区域沿海风电的出力随机性和波动性进行研究.研究结果对风电运行管理方法、福建电网风电的合理开发以及风电接入系统等方面具有重要的参考价值.【期刊名称】《能源与环境》【年(卷),期】2015(000)004【总页数】3页(P10-12)【关键词】风力发电;沿海风电;出力特性;随机性;波动性【作者】黄银华;张世钦;刘峻;张艳艳;宾雪【作者单位】福建省电力勘测设计院福建福州 350003;国网福建省电力有限公司福建福州 350003;福建省电力勘测设计院福建福州 350003;福建省电力勘测设计院福建福州 350003;福建省电力勘测设计院福建福州 350003【正文语种】中文【中图分类】TM614福建省地处我国东南沿海，省内水力资源较为丰富，但常规能源资源中，煤炭资源贫乏，石油、天然气尚未发现，属南方缺能省份之一。
福建省沿海属于全国风能最丰富的地区之一，可供风力发电的场址较多，发展风电拥有得天独厚的自然优势。
大规模开发省内丰富的风能资源，有利于减少对省外一次能源输入的依赖，满足能源与环境协调发展的要求，实现能源资源的合理开发利用和优化配置。
随着风力发电技术的快速发展和国家在政策上对可再生能源发电的重视，风电在福建电网中所占比重不断提高。
福建电网开发风电大致分为三类：沿海风电、海上风电以及内陆风电。
截至2013年底，福建省已投产风电装机总容量达1449.5MW，均为沿海风电，占总装机的3.5%，特别是莆田市，风电占比已接近35%。
由于风能具有波动性、间歇性以及随机性等特点，风电规模不断增大将对电网暂态稳定、电能质量产生影响，此外还将对电力系统调峰和电源规划等产生显著影响［1-6］。
目前对风电场出力特性的研究大多集中在内陆风电［2-11］。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2014高教社杯全国大学生数学建模竞赛承诺书我们仔细阅读了中国大学生数学建模竞赛的竞赛规则.我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。
我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。
我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。
如有违反竞赛规则的行为，我们将受到严肃处理。
我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。
我们参赛选择的题号是（从A/B/C/D中选择一项填写）： B我们的参赛报名号为（如果赛区设置报名号的话）：所属学校（请填写完整的全名）：东北电力大学参赛队员(打印并签名) ：1. 张盛梅2. 齐天利3. 孔晖指导教师或指导教师组负责人(打印并签名)：张杰日期2014 年 8 月 20日赛区评阅编号（由赛区组委会评阅前进行编号）：2014高教社杯全国大学生数学建模竞赛编号专用页赛区评阅编号（由赛区组委会评阅前进行编号）：全国统一编号（由赛区组委会送交全国前编号）：全国评阅编号（由全国组委会评阅前进行编号）：风电功率波动性的分析摘要风电机组的发电功率主要与风速有关，由于风的不确定性、间歇性以及风电场内各机组间尾流的影响，使得风力发电机不能像常规发电机组那样根据对电能的需求来确定发电。
研究风电功率的波动特性，不论对改善风电预测精度还是克服风电接入对电网的不利影响都有重要意义。
对于问题1a，我们利用MATLAB软件做出了3日内的功率波动图，发现功率的波动曲线上下不断震荡，所以我们采用一段数据来进行分析（即从波谷到波峰再到波谷），利用MATLAB软件拟合工具箱中的dfittool对数据进行曲线拟合，并选出几种较为符合的概率分布，根据对数似然函数值的大小确定最佳的概率分布。
对于问题1b,利用MATLAB软件编程，将数据每天筛选出一个数据，利用SPSS软件对数据绘制P-P图，并与选出的最好的概率分布图作比较，求出其分布参数。
对于问题2，将数据每隔12个数据筛选出一个数据，并用问题1a的方法绘制曲线拟合和概率分布的比较，选出最好的概率分布，并计算每种分布下的数值特征。
对于问题3，首先利用MATLAB软件绘制出时间窗宽分别为5s和1min时的功率波动图，发现两者的概率的波动情况基本相同，分别计算两种情况下的信息波动率以及信息波动损失率，得出结论为两者的波动基本相同，但是时间窗宽为5s时会有局部信息损失。
对于问题4，我们筛选出时间窗宽为1min、5min、15min的数据，并利用MATLAB软件进行曲线拟合以及概率分布的拟合，并计算出每种概率分布下的特征值，用相同的方法求1min和5min时的信息波动率，计算得出信息波动损失率为0.27%。
对于问题5，采用灰色预测模型对数据进行预测。
利用5min和15min的功率预测之后的功率走向，并分析方法的优缺点。
论文的创新之处有：模型中利用MATLAB软件编程的方法进行数据的筛选，可以筛选出任意时间窗宽的数据。
关键词：风电机组；概率分布；功率预测；SPSS1.问题的重述风电机组发出的功率主要与风速有关。
由于风的不确定性、间歇性以及风电场内各机组间尾流的影响，使得风电机的功率并不稳定。
风电功率的随机波动被认为是对电网带来不利影响的主要因素，研究风电功率的波动特性，不论对改善风电预测精度还是克服风电接入对电网的不利影响都有重要意义。
附件给出了某风电场中20台1.5MW风电机组30天的风电功率数据（单位为kW，间隔为5s），请做如下分析。
1．任选5个风电机组：a）在30天的范围内，分析机组i的风电功率P i5s(t k) 波动符合哪几种概率分布？分别计算数值特征并进行检验，推荐最好的分布并说明理由。
比较5个机组分布的异同。
b）用以上确定的最好的概率分布，以每日为时间窗宽，对5个风电功率分别计算30个时段的概率分布参数并做出检验；试比较不同机组（空间）、不同时段（时间）风电功率波动的概率分布以及与30天总体分布之间的关系，由此说明了什么？2．在风电场实际运行中，由于数据存储和管理等方面的限制，难以集中记录全部风电机组功率的秒级数据。
通常用分钟级间隔乃至更长间隔的数据来描述风电功率波动。
试从上述5台机的风电功率数据中提取出间隔为1分钟的数据序列P i m(t k)。
对于这5个序列，再做题1a）的分析。
3．试分析用P i m(t k)代替P i5s(t k)时，损失了那些风电功率波动信息？如何度量？有何影响？从上述全部计算中你能得出什么一般性的结论？4．设全场20台风电机的总功率PΣ(t)=ΣP i(t)，试计算时间间隔为1分钟、5分钟和15分钟的总功率序列PΣm(tk)，PΣ5m(t k)，PΣ15m(t k)，分析其波动的概率分布数值特征。
若以PΣ5m(tk)代替PΣm(t k)来表征全场风电功率波动，损失了什么信息？如何度量？有何影响？5．如果分别采用PΣ5m(t k)和PΣ15m(t k)作为样本来预测未来4小时（每15分钟一个点）风电场的总功率，请设计合适的预测模式（可取适当时段的数据作为历史数据建模，后续数据作为实际风电功率用于检验预测误差），分别给出不少于7天的滚动预测结果，分析比较2种方式的预测误差。
2.问题的分析对于问题1a，我们利用EXCEL软件筛选出数据丢失最少的五组数据进行研究，从附件中的数据我们可以看出是很多次风的波动引起的数据的变化，我们采用一次风的波动(即从风速的波谷到波峰再到波谷)来研究风电机i功率的分布规律。
利用MATLAB软件拟合工具箱中dfittool对数据进行曲线拟合，并分析确定最符合的概率分布。
对于问题1b，我们将采样时间间隔改为1分钟，利用MATLAB编程进行数据的筛选，将筛选出来的数据用上一问中选出最好的概率分布在SPSS上绘制P-P 图，并研究每日的概率分布规律以及总体之间的关系。
对于问题2，利用MATLAB软件每隔12个数据筛选出一个数据，然后用和问题1a同样的方法绘制概率分布图的拟合以及特征值的计算。
对于问题3，首先绘制出时间窗宽为5s 和1min 时的功率波动图，根据图像的变化直观判断，然后定义信息波动率来计算两种情况下的变化值，进而比较不同时间窗宽对信息波动率的影响。
对于问题4，我们选取20台机组的相同时间段进行数据的筛选，将筛选出来的数据进行曲线拟合和概率分布的拟合，并计算各种分布下的特征值，以及用同样的方法计算信息波动损失率。
对于问题5，我们采用灰色模型进行功率的预测，利用5min 和15min 的功率预测之后的功率走向，并分析方法的优缺点。
3.模型的假设与符号说明3.1 模型的假设（1）假设模型所采取的数据均准确，附件中所给定的数据也均为准确数据； （2）假设采样间隔改变时不影响数据的准确性；（3）假设附件中丢失的数据对统计结果及概率分布没有影响。
3.2 符号说明符号含义)(5k s i t P 采样间隔为5秒时风电机组i 的功率 )(k m i t P 采样间隔为1分钟时风电机组i 的功率 )(k m t P ∑ 采样间隔为1分钟时全场的风电功率 )(5k m t P ∑采样间隔为5分钟时全场的风电功率 )(15k m t P ∑采样间隔为15分钟时全场的风电功率r C信息波动率4.模型的建立与求解4.1 问题1的模型建立与求解 4.1.1 问题1a 的模型建立与求解对于风电机的选取，我们利用EXCEL 软件筛选出数据丢失最少的五组数据，分别为7、9、11、13、14组风电机组。
对于数据的选取，首先利用MATLAB 软件对机组7功率数据中1-3天的数据进行曲线拟合，得到结果见图1。
0.511.522.533.544.55x 104020*******8001000xy图1 机组7风电功率1~3日曲线拟合图由图1可以看出，风电机组的功率随着风速的变化而变化，其功率是随时间在不断波动的。
因此我们选取风速波动的中的一次完整波动进行研究，即选取附件数据中由波谷到波峰再到波谷的一段数据。
对选定的数据进行曲线拟合，利用MATLAB 概率密度拟合工具箱dfittool 得出五台风电机组的功率概率直方图及正态分布、t 分布、log-logistic 分布、Weibull 分布的概率分布图分别见图2-图6。
10002000300040005000600070008000-4DataD e n s i t y图2 机组7的概率分布图机组7的这四种概率分布是数据较为接近的分布，这四种概率分布的数值特征可以通过MATLAB 计算得出，结果见表1。
表1 机组7概率分布的数值特征从表1中数据我们可以看出，四种概率分布的数值特征差别不大，正态分布的方差最小，Log-Logistic 分布的对数似然函数值最大，从图像上来看，也可以看出Log-Logistic 分布的拟合效果最好，所以，我们推荐机组7的概率分布为Log-Logistic 分布。
1000200030004000500060007000-4DataD e n s i t y图3 机组9的概率分布图机组9的概率分布比较符合t 分布、正太分布、gamma 分布以及weibull 分布，这四种分布的数值特征通过MATLAB 软件可以计算，计算结果见表2。
表2 机组9的概率分布数值特征表从表2可以看出，Gamma 分布的方差最小，Gamma 分布的对数似然函数值也是最大的，从概率分布图中也可以看出，Gamma 分布的曲线最贴近数据的拟合曲线，所以，机组9我们推荐Gamma 分布。
10002000300040005000600070008000-4DataD e n s i t y图4 机组11的概率分布图机组11的最符合的概率分布为正态分布、weibull 分布、logistic 分布、Birnbaum-Saunders 分布，利用MATLAB 软件计算其数值特征，计算结果见表3。
表3 机组11的概率分布的数值特征表从表3的计算结果可以看出，Logistic 分布的方差最小，且对数似然函数值最大，从概率分布图也可以看出，Logistic 分布的概率曲线最符合数据的拟合曲线，所以对于机组11我们推荐Logistic 分布。
-4DataD e n s i t y图5 机组13的概率分布图机组13较符合的概率分布分别为t 分布、正态分布、weibull 分布、logistic 分布，通过MATLAB 计算结果见表4。