风电对电网影响及分析系统研究

风电对电网影响及分析系统研究

发表时间：2020-01-09T12:25:09.200Z 来源：《电力设备》2019年第19期作者：夏时哲费巍[导读] 摘要：由于风力资源的间歇特性和不可控性，使得风电场的输出功率具有波动特性和不确定性。

（北仑区供电公司）

摘要：由于风力资源的间歇特性和不可控性，使得风电场的输出功率具有波动特性和不确定性。尤其是大规模风电并网应用时将显著影响电网电能质量，同时也会对电力系统的安全稳定运行造成干扰。而电池储能系统的应用，有助于减小风电场输出功率的波动，增强风电并网应用的系统稳定性。为了高效利用储能技术，首先需要了解大规模风电场的输出功率特性并对储能系统提出技术需求。本文基于统计学，依托国内某典型风电场的历史运行数据，研究和分析了典型地区不同时间尺度下风电出力的不同特点，并归纳出风力发电系统有功功率变化率等关键技术参数的运行规律和特性，开发了风光储能分析系统，对储能系统在补偿和优化风电场输出功率应用中具有重要指导意义。

关键词：风电出力特性；电池储能；风光储能分析系统；线性回归算法

0 引言

随着能源危机及环境污染状况日益严峻，规模化的风电和光伏等可再生能源发电在世界范围内得到高度重视。由于风力资源的间歇特性和不可控性，使得风电场的输出功率具有波动特性和不确定性，从而导致大规模风电并网应用时对电力系统电压稳定和频率稳定等造成隐患。为了保证电力系统的稳定运行及电力供需平衡，目前采用在网侧配备一定规模的水电和火电备用容量的方法吸纳风电功率波动造成的不良影响；然而，当风电或光伏发展到一定规模时，仅靠备用容量的支撑并不能解决问题，而电池储能系统的应用，有助于平滑风电输出功率，提高风电并网运行的能力。为了高效利用储能技术，首先需要了解大规模风电场的输出功率特性并对储能系统提出技术需求。

软件是分析数据的有效平台，目前国外该领域较常用的软件有丹麦Riso国家实验室研制的WAsP软件、英国ReSoft公司推出的WindFarm软件等，国内相关研究还较少。因此风光储联合分析软件有广泛应用前景，本文利用风电场典型数据为依托，全面分析了该风电场的风资源特性，研究了单台风机，风电机组，风电场的的出力特性。

针对数据分析的重要性，开发了风光储能分析软件，该系统以VC++作为软件平台，完成数据的录入，分离，存储与显示，实现风力发电相关指标的计算，为以后的风速预测或储能配置提供必要的依据，为优化风电场输出功率提供理论参考和指导。

1 风电并网对电力系统影响

由于风力发电不稳定，风能不便大量存储等问题，风电并网应用时会对电网产生不利影响，会给系统带来谐波问题，并造成风电场及其周围地区常有电压波动大的情况；对于孤立运行的小型电网，风力发电带来的频率偏移和稳定性问题也不容忽视。风电并网对电力系统的影响总结如下：

1）由于风力发电机本身配备的电力电子装置，还有风力发电机的并联补偿电容器可能和线路电抗发生谐振等原因，造成风电并网给系统带来了谐波注入问题；

2）风电场对系统频率的影响取决于风电场容量占系统总容量的比例。当风电场容量在系统所占的比例较大时，其输出功率的随机波动性对电网频率的影响会比较显著，将会影响到电网的电能质量和系统中其他一些频率敏感负荷的正常工作； 3）风力发电机组启动时，会产生较大的冲击电流，多台风力发电机组同时并网会造成电网电压骤降，导致大型风电场及其周围地区常有电压波动大的情况，因此多台风力发电机组的并网需分组进行，且有一定的时间间隔。

风电机组大规模并网给电网运行带来诸多不利影响，如果这些问题得不到适当的处理，会制约风能的利用，限制风电场的规模。配置储能系统是平抑风力和光伏发电功率波动的有效途径。为了得到功率稳定的电能，需要配备具有快速响应能力的储能系统，如超导储能、电池储能等。平抑波动只有配合合适的储能系统及容量并采取适当的控制策略才能取得最优效果。所以需要软件中具有分析数据的功能，因此，要开展出力特性研究。

2 风电出力特性研究

本文基于统计学理论开展大量数据的分析研究，并依托某风电场的历史运行数据进行了数据处理软件开发的需求分析。算例风电场概况如下：风电场所在地区属于东亚大陆性季风气候中温带亚干旱区，风力资源丰富，大部分区域年平均风速在4.0~6.5m/s之间，其中冬季所占比例最大，风能密度超过1500kw/m2，风能资源经济可开发储量达40GW，适宜建设大型风电基地。该风电场总装机容量为49.5MW，包括33台1500kW风力发电机组，其中A组17台，B组16台。A线工程接线图如图1所示：

图1A线工程的接线图

本文算例是基于该风电场2012年1月至2012年12月所实际采集数据，其数据采样周期为1分钟。

2.1单台风力机出力特性研究

经数据统计知，该风电场风力资源十分丰富，自12年8月到12年12月期间，风电场的输出功率呈现高峰期，在12年6月和12年1月到12年4月，风电场的输出功率处于低谷，这与该风电场所处地理位置和气候条件相对应。

根据该风电场实际测风数据，在大部分天内，风速在接近零风速与额定风速之间变化。相应地，风电出力在大部分天内，也呈现在零出力与额定出力之间波动的规律。风电场单台风力机24h出力分布如图2所示，由图可知，单台风力机日平均出力的波动幅值和频率都很大，最小值接近于零，最大值接近于满出力，但是出现满出力和零出力现象的概率不大。

图2风力机日出力波动曲线

以2012年测风数据为例，单台风力机会出现连续数日风电大出力和连续数日风电小出力的情形。如图3风电场有功功率概率分布图所示，单台风机处在1350-1500kW范围内，接近满出力的概率约为20%，该风机输出功率78%集中在其装机容量的50%以内，说明该地区风速波动比较大，大风日相对较少。而全年风机小出力与不出力的情况占到约43%。据估计可能由于该风电场在2012年度某时段，风机处于维护阶段或该地区处于弱风季节，风机不在最佳运行状态，输出有功功率很少；同时不排除电网参与调度的问题，但这对本文出力特性研究的结论影响不大。

图3风力机有功功率概率分布

根据数学理论，均方差可以用来衡量样本波动的大小，样本均方差越大，表明样本数据离散程度就越大。均方差计算公式如下：

图4 单台风力机功率方差曲线

本文在研究过程中，为了评价风电出力波动的大小采用均方差的概念进行评价。如图4所示为单台风机一年均方差值，波动范围比较大。

历史数据显示，2012年12月1日与12月2日连续两日的日发电量近似相等，而风机出力曲线差异显著，如图5所示，实线为12月1日出