一种预测规划目标年风电场群持续功率曲线的方法

摘要

本发明是一种预测规划目标年风电场群持续功率曲线的方法，其特点是：包括数据获取及处理、风电场群汇聚效应演变建模和规划目标年风电场群持续功率曲线预测等步骤，通过建立风电场群持续功率曲线随总装机容量增加而变化的演进模型，揭示了风电场群生成过程中持续功率曲线的演变规律；实现了利用在役风电场群持续功率曲线对规划目标年风电场群持续功率曲线的预测，把握了风电的电源特性，优化含大规模风电集中接入的输电网扩展规划的经济性。具有方法科学、合理，简单、实用等优点。

说明书

技术领域

本发明涉及电力系统中的输电网规划领域与新能源利用领域，是一种预测规划目标年风 电场群持续功率曲线的方法。

背景技术

风能是目前最具大规模商业化开发潜力的非水电可再生能源，我国风能主要开发利用模 式为“连片开发，集中外送”。风电是具有间歇性、随机性的低能量密度电源，若按风电场群 总装机容量规划输电容量，会导致输电资产利用率低下。迄今为止，尚未见有关本发明预测 规划目标年风电场群持续功率曲线方法的文献报道和实际应用。

本发明提出用风电场群持续功率曲线来表征风电功率的波动特性。

规划目标年风电场群可划分为当前在役风电场和待建风电场，规划目标年的风电场群是 由在役风电场群渐次演进而成。

本发明提出了在役风电场持续功率曲线的构建方法，揭示了风电场群演进过程中持续功 率曲线的演变规律，建立了预测规划目标年风电场群持续功率曲线的方法。

发明内容

本发明的目的是提供一种预测规划目标年风电场群持续功率曲线的方法，这种方法能够 揭示风电场群生成过程中持续功率曲线的演变规律；通过建立风电场群持续功率曲线随总装 机容量增加而变化的演进模型，实现了利用在役风电场群持续功率曲线对规划目标年风电场 群持续功率曲线的预测，其方法科学、合理，简单、实用。

本发明的目的是由以下技术方案来实现的，一种预测规划目标年风电场群持续功率曲线 的方法，其特征在于，它包括以下步骤：

1)数据获取及处理

①风电场群的定义及数据

已投入运行的n个风电场的功率汇聚后接入输电网，n个风电场中的多个风电场构成风 电场群，风电场群包括2至n个风电场，

已知所述n个风电场中各风电场i全年的风电功率数据P_i(t_k)，t_k表示第k个时刻， k＝1,…,8760,P_i(t_k)表示风电场i在t_k时刻的输出功率，i＝1,…,n；

②风电场的持续功率曲线

将风电场i全年的输出功率按照降序排列，得到该风电场的持续功率曲线P_dur,i(t,S_i)， S_i为风电场i的总装机容量，dur表示持续，t表示时点，t＝1,…,8760，P_dur,i(t_k,S_i)为风电场 i第k个时点的持续风电功率值；

③风电场群汇聚效应的演变

风电场i是所述n个风电场中的任意1个风电场，风电场j是所述n个风电场中除风电 场i之外的任意1个风电场，j＝1,…,n，且j≠i，其总装机容量之和为S_i+j，计算t_k时刻2 个风电场总功率P_i+j(t_k)＝P_i(t_k)+P_j(t_k)，P_i(t_k)为t_k时刻风电场i的输出功率，P_j(t_k)为t_k时刻 风电场j的输出功率，P_i+j(t_k)为t_k时刻风电场i与风电场j输出功率的和，由P_i+j(t_k)计算2 个风电场的持续功率曲线P_dur,i+j(t,S_i+j)，t表示时点，t＝1,…,8760，累次运用此计算，分别 得到由2个、…，n个风电场构成的不同规模风电场群的以装机容量为参量的持续功率曲线， 这一族曲线反映了风电场群逐次生成时汇聚效应的演变；

2)风电场群汇聚效应演变建模

任意指定n个风电场中的1个作为开始汇聚的第1个风电场，其持续功率曲线记作： P_dur,1∑(t,S_1∑),所述逐次生成的不同规模风电场群的持续功率曲线分别记作：P_dur,2∑(t,S_2∑),…, P_dur,n∑(t,S_n∑),其中，S_1∑表示所指定的第1个风电场的装机容量，S_2∑,…,S_n∑分别表示逐次生 成的风电场群装机容量，t表示时点，t＝1,…,8760；

对于任意时点t_k，将n个持续功率曲线的功率值P_dur,1∑(t_k,S_1∑),P_dur,2∑(t_k,S_2∑),…,P_dur,n∑(t_k,S_n∑)与相应的n个装机容量拟合，得到该时点持续功率与装机容量的拟合函数：

$P_{\mathrm{dur},\mathrm{n\Sigma }}(t_k,S_{\mathrm{n\Sigma }})=a_{t_k}\times S_{\mathrm{n\Sigma }}+b_{t_k}---\left(1\right)$

a_tk，b_tk分别为t_k时点风电功率-装机容量关系的拟合系数，t_k＝1,2,…,8760，P_dur,n∑(t_k,S_n∑)表示装机容量为S_n∑的风电场群t_k时点的持续风电功率值；

3)规划目标年风电场群持续功率曲线预测

获取规划目标年风电场群功率波动特性是风电场群功率外送输电网规划的重要条件，由 电源规划可知规划目标年风电场群，规划目标年风电场群包括现已运行和待建风电场的总装 机容量；

若规划目标年风电场群总装机容量为S_m∑(S_m∑>S_n∑)，则由(2)式可计算规划目标年风电 场群的持续功率曲线，即

$P_{\mathrm{dur},\mathrm{m\Sigma }}(t,S_{\mathrm{m\Sigma }})=\{P_{\mathrm{dur},\mathrm{m\Sigma }}(1,S_{\mathrm{m\Sigma }}),P_{\mathrm{dur},\mathrm{m\Sigma }}(2,S_{\mathrm{m\Sigma }}),...,P_{\mathrm{dur},\mathrm{m\Sigma }}(8760,S_{\mathrm{m\Sigma }})\}---\left(2\right)$

其中，m表示规划目标年风电场总数，S_m∑表示规划目标年m个风电场的总装机容量，n表

示已投入运行的风电场总数，S_n∑表示已投运的n个风电场的总装机容量，P_dur,m∑(1,S_m∑), P_dur,m∑(2,S_m∑),…,P_dur,m∑(8760,S_m∑)分别表示规划目标年第1,2,…,8760个时点m个风电场总的 持续风电功率值，t表示时点，t＝1,…,8760，从而通过构建风电场群汇聚演变模型获得规划 目标年风电场群持续功率曲线。

本发明的一种预测规划目标年风电场群持续功率曲线的方法，通过提出在役风电场持续 功率曲线的构建方法，揭示风电场群生成过程中持续功率曲线的演变规律；通过建立风电场 群持续功率曲线随总装机容量增加而变化的演进模型，实现了利用在役风电场群持续功率曲 线对规划目标年风电场群持续功率曲线的预测，具有方法科学、合理，简单、实用等优点。

附图说明

图1为吉林省西部地区2012年各风电场地理分布图；

图2为风电场群以不同规模汇聚时风电持续功率曲线图；

图3为基于风电场群功率汇聚演变预测模型得到的风电场群持续功率曲线；

图4为根据2012年各风电场实测数据绘制的风电场群持续功率曲线；

图5为风电场群持续功率预测误差曲线。

具体实施方式

本发明的一种预测规划目标年风电场群持续功率曲线的方法，它包括以下步骤：

1)数据获取及处理

①风电场群的定义及数据

已投入运行的n个风电场的功率汇聚后接入输电网，n个风电场中的多个风电场构成风 电场群，风电场群包括2至n个风电场，

已知所述n个风电场中各风电场i全年的风电功率数据P_i(t_k)，t_k表示第k个时刻， k＝1,…,8760,P_i(t_k)表示风电场i在t_k时刻的输出功率，i＝1,…,n；

②风电场的持续功率曲线

将风电场i全年的输出功率按照降序排列，得到该风电场的持续功率曲线P_dur,i(t,S_i)， S_i为风电场i的总装机容量，dur表示持续，t表示时点，t＝1,…,8760，P_dur,i(t_k,S_i)为风电场 i第k个时点的持续风电功率值；

③风电场群汇聚效应的演变

风电场i是所述n个风电场中的任意1个风电场，风电场j是所述n个风电场中除风电 场i之外的任意1个风电场，j＝1,…,n，且j≠i，其总装机容量之和为S_i+j，计算t_k时刻2 个风电场总功率P_i+j(t_k)＝P_i(t_k)+P_j(t_k)，P_i(t_k)为t_k时刻风电场i的输出功率，P_j(t_k)为t_k时刻 风电场j的输出功率，P_i+j(t_k)为t_k时刻风电场i与风电场j输出功率的和，由P_i+j(t_k)计算2 个风电场的持续功率曲线P_dur,i+j(t,S_i+j)，t表示时点，t＝1,…,8760，累次运用此计算，分别 得到由2个、…，n个风电场构成的不同规模风电场群的以装机容量为参量的持续功率曲线， 这一族曲线反映了风电场群逐次生成时汇聚效应的演变；

2)风电场群汇聚效应演变建模

任意指定n个风电场中的1个作为开始汇聚的第1个风电场，其持续功率曲线记作：P_dur,1∑(t,S_1∑),所述逐次生成的不同规模风电场群的持续功率曲线分别记作：P_dur,2∑(t,S_2∑),…, P_dur,n∑(t,S_n∑),其中，S_1∑表示所指定的第1个风电场的装机容量，S_2∑,…,S_n∑分别表示逐次生 成的风电场群装机容量，t表示时点，t＝1,…,8760；

对于任意时点t_k，将n个持续功率曲线的功率值P_dur,1∑(t_k,S_1∑),P_dur,2∑(t_k,S_2∑),…,P_dur,n∑(t_k,S_n∑)与相应的n个装机容量拟合，得到该时点持续功率与装机容量的拟合函数：

$P_{\mathrm{dur},\mathrm{n\Sigma }}(t_k,S_{\mathrm{n\Sigma }})=a_{t_k}\times S_{\mathrm{n\Sigma }}+b_{t_k}---\left(1\right)$

a_tk，b_tk分别为t_k时点风电功率-装机容量关系的拟合系数，t_k＝1,2,…,8760，P_dur,n∑(t_k,S_n∑)表示装机容量为S_n∑的风电场群t_k时点的持续风电功率值；

3)规划目标年风电场群持续功率曲线预测

获取规划目标年风电场群功率波动特性是风电场群功率外送输电网规划的重要条件，由 电源规划可知规划目标年风电场群，规划目标年风电场群包括现已运行和待建风电场的总装 机容量；

若规划目标年风电场群总装机容量为S_m∑，(S_m∑>S_n∑)，则由(2)式可计算规划目标年风 电场群的持续功率曲线，即

$P_{\mathrm{dur},\mathrm{m\Sigma }}(t,S_{\mathrm{m\Sigma }})=\{P_{\mathrm{dur},\mathrm{m\Sigma }}(1,S_{\mathrm{m\Sigma }}),P_{\mathrm{dur},\mathrm{m\Sigma }}(2,S_{\mathrm{m\Sigma }}),...,P_{\mathrm{dur},\mathrm{m\Sigma }}(8760,S_{\mathrm{m\Sigma }})\}---\left(2\right)$

其中，m表示规划目标年风电场总数，S_m∑表示规划目标年m个风电场的总装机容量，n表

示已投入运行的风电场总数，S_n∑表示已投运的n个风电场的总装机容量，P_dur,m∑(1,S_m∑), P_dur,m∑(2,S_m∑),…,P_dur,m∑(8760,S_m∑)分别表示规划目标年第1,2,…,8760个时点m个风电场总的 持续风电功率值，t表示时点，t＝1,…,8760，从而通过构建风电场群汇聚演变模型获得规划 目标年风电场群持续功率曲线。

下面利用附图和实施例对本发明进行进一步说明。

参照图1-图5，图1显示了实施例中吉林省西部地区2012年15个风电场地理位置；图2 反映了由实施例中10个风电场逐次生成风电场群时汇聚效应的演变；图3给出了基于风电场 群功率汇聚演变预测模型得到的由实施例中全部15个风电场构成的风电场群的持续功率曲 线；图4给出了由实施例中全部15个风电场构成的风电场群的实际持续功率曲线；图5给出 了实施例风电场群的持续功率预测误差曲线。

本发明的一种预测规划目标年风电场群持续功率曲线的方法，包含以下步骤：

1)数据整合

如图1所示，截止2012年底，吉林省西部地区已投运15个风电场，总装机容量为 2013MW，各风电场装机容量及逐次汇聚装机容量详见表1。

表1 吉林省西部地区2012年15个风电场装机容量统计

2)风电场群持续功率汇聚演变预测模型

选定表1中的风电场1和风电场2，计算2个风电场汇聚后的持续功率曲线，按照编号 顺序逐次汇聚编号为3至10的风电场，并分别绘制各次汇聚后不同规模风电场群的持续功率 曲线，共计10条，如图2所示。

取10条持续功率曲线中对应装机容量较大的7条曲线，并将t_k时点的风电功率值作为实 现预测模型的建模域数据，k＝1,…,8760，限于篇幅，表2仅给出t₁至t₅时点的持续风电功率 值。

表2 逐次汇聚生成的风电场群在t₁至t₅时点的持续功率值

在t_k时点，分别以逐次汇聚生成的风电场群对应的额定装机容量、功率值为横、纵坐标， 形成散点图，并对其进行拟合，得到拟合函数：

$P_{\mathrm{dur},\mathrm{n\Sigma }}(t_k,S_{\mathrm{n\Sigma }})=a_{t_k}\times S_{\mathrm{n\Sigma }}+b_{t_k}---\left(1\right)$

a_tk，b_tk分别为t_k时点风电功率-装机容量关系的拟合系数，n表示风电场个数，S_n∑表示风 电场群装机容量，dur表示持续，P_dur,n∑(t_k,S_n∑)表示装机容量为S_n∑的风电场群t_k时点的持续风 电功率值，k＝1,…,8760。

利用最小二乘法计算公式(1)在t_k时点的拟合系数，限于篇幅，表3仅给出t₁至t₅时点 的拟合系数计算结果。

表3 拟合函数在t₁至t₅时点的拟合系数

3)风电场群持续功率曲线预测及校验

利用计算求得的拟合系数，预测全部15个风电场汇聚后总装机容量下t_k时点的持续功率 值，限于篇幅，表4仅给出t₁至t₅时点的持续功率预测值，则由(2)式计算规划目标年风电场 群的持续功率曲线如图3所示。

$P_{\mathrm{dur},\mathrm{m\Sigma }}(t,S_{\mathrm{m\Sigma }})=\{P_{\mathrm{dur},\mathrm{m\Sigma }}(1,S_{\mathrm{m\Sigma }}),P_{\mathrm{dur},\mathrm{m\Sigma }}(2,S_{\mathrm{m\Sigma }}),...,P_{\mathrm{dur},\mathrm{m\Sigma }}(8760,S_{\mathrm{m\Sigma }})\}---\left(2\right)$

表4 风电场群在t₁至t₅时点的持续功率预测值

参照图3和图4，使用实施例风电场群总装机容量为2013MW的持续功率曲线对预测结 果进行校验，将预测风电持续功率曲线与实际风电持续功率曲线对应时点做差，所得误差曲 线如图5所示。

参照图5考察风电场群持续功率预测误差曲线，t_k≤5474时风电场群持续功率预测值大 于实际值，最大误差为0.038p.u.；t_k>5474时风电场群持续功率预测值小于实际值，最大误 差为0.004p.u。整体上，绝对误差平均值为0.522％，相对误差平均值为-4.415％。

本发明中所用的特定实施例已对本发明的内容做出了详尽的说明，但不局限于本实施例， 本领域技术人员根据本发明的启示所做的任何显而易见的改动，都属于本发明权利保护的范 围。