风速模型

1、

背景：风能是太阳能的一种转换形式,是一种重要的自然能源。风能以其蕴量巨大,具有可再生性和无污染的优点,得到各国的重视和开发利用。风能利用主要是将大气运动时所具有的动能转化为其他形式的能,其具体用途包括:风力发电、风帆助航、风车提水、风力致热采暖等,其中风力发电是风能利用的最重要形式。风电和光伏发电等可再生能源并网后在一定程度上缓解了能源危机和环境压力，但同时也给电力系统的可靠性带来了新的挑战。与传统电力系统相比，风电系统大大增加了系统运行中的不确定性。风电的电力系统可靠性评估，关键在于如何建立风电场可靠性的模型。风电场的输出功率受多种因素影响，最主要的因素是风速。因此，建立风速模型是实现可靠性准确评估的基础。

2、关于风力发电置信度了评估的主要研究包含三个方面的内容，

第一方面是研究电力系统尤其是发电系统的可靠性分析；

第二方面是当在电力系统中并入风电场时，基于风电场发电功率的强波动性和弱可控性等一些有别于常规发电的特点，对风电场并网给电力系统可靠性带来的影响进行评估；

第三方面是从可靠性角度研究风电场容量可信度。

具体来说，主要工作由以下几个方面组成：

1.）研究建立含有风电场的发电系统可靠性评估模型。分为两大部分，其一要研究风电场的风速特性，寻找合适的风速建模方法，另一个方面是要研究风电机组状态的判断方法。风速是一个典型的时间序列,采用时间序列法建立的风速序列预测模型,利用ARMA模型预测得到的风速序列能反映风电场风速分布特性。

本文采用序贯蒙特卡罗仿真方法建立风电场的发电可靠性模型。

2.）从各种可靠性指标出发分析风电场风能资源状况对其可靠性贡献能力的影响。可靠性指标分为概率性指标和频率性指标，在不同的可靠性指标下，风电场所表现出的可靠性影响行为不同。

3.）关于风力发电容量置信度评估。在RTS系统中加入风电，这样系统可靠性会提高，在保持LOLP恒定的情况下，看提高了多少带负荷能力，然后再将增加的风电换为传统发电机，看用多少的装机容量可以达到相同水平，这样就把风电的发电能力折算成了传统发电机。

3、风速模型

1）风速随机概率模型

风电场的风速是随机变化的，对大量实测数据的分析结果表明，大部分地区的风速服从二参数的韦布尔分布，其概率密度为

f(v)=k

c (v

c

)k−1exp⁡[−(v

c

)

k

](1)

式中，c和k 分别为weibull 分布的尺度参数和形状参数，可以根据现场实测风速的历史数据采用最小二乘法辨识.根据上式可得其概率分布函数为

F(v)=P(V≤v)=1−exp⁡[−(v

c )

k

](2)

其反变换公式为

v i=−c ln(1−u)1k⁄=−c ln u i1k⁄(3)

式中，u i为区间【0,1】上均匀分布的随机数。因此，可以根据风速概率分布由式( 3) 抽样得到风速值，并判断是否处于风电机组正常运行的风速范围内，再根据

风电机组的功率输出模型计算出风电机组的输出功率.

风电机组输出功率曲线图

分段函数：

（4）

式中:V为风机轮毅高度处的风速;K,为切入风速;代。为切出风速;K为额定风速;

只为风力发电机组额定输出功率。

2）风速预测模型

风电场每小时风速数据是随机的动态数据,数据有序性和大小反映了数据内部的相互联系和变化规律,而它们所具有的依存关系或自相关性表征了数据序列发展的延续性,可以从时间序列的过去值及现在值预测未来的值。本节应用ARMA模型建立风电场风速预测模型。

风速序列是一组按时间顺序排列的数据，是风速历史行为的客观记录，它蕴

含了风速及其变化的信息，因此可采用时间序列分析法对风速序列进行分析。时间序列分析法是美国学者Box和英国统计学家Jenkins提出的关于时间序列分析、

预测和控制的方法，通过对大量历史数据进行建模，经过模型识别、参数估计、模型检验，建立一个能够描述风速时间序列的数学模型，估算和研究某一时间序列在长期变动过程中所存在的统计规律性，以此预测今后的发展和变化。 ARMA 模型通常可用下列式子表示

x t =∑φi x t−i +εt −∑θj εt−j q j=1p i=1 （5）

式中，xt 表示t 时刻的序列值；φi (i=1,2,…, p), θj (j=1,2,…,q)分别为自回归和滑动平均参数；εt 是均值为0，方差为σ2的高斯白噪声，即εt ~NID(0, σ2 ), NID 表示独立同分布的正态分布函数。上式可以简记为ARMA(p, q)。

对于风速序列，由于其为一个非平稳的随机过程，而ARMA 模型仅对平稳的 随机过程有效，为了保证模型的应用，首先应对风速数据进行标准化处理，采用 下式处理：

⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡x t =v t −u t

σt （6）

式中，μt 、σt 分别表示风速序列在单位年内t (t=1,2,..., 8760)时刻的均值和方差， 可由多年统计数据获得。 此时变换后的数据xt 可采用ARMA 方法进行建模以分析，利用该模型产生的标准项的模拟数值x t ̂经过公式(3)所示的反变换可得到模拟风速：

v t ̂=u t +x t ̂σt (7)

式中，v t ̂ 为t 时刻的模拟风速值。

在以上建立的风能随机概率模型和风速预测模型基础上,充分考虑风能的随机特性和风电机组强迫停运率、常规机组强迫停运率等不确定因素,采用序贯蒙特卡罗仿真方法实现风电机组的可靠性评估,计算出风电系统可靠性指标。