風電功率波動特性的分析

王沁

摘 要：隨著資源環境約束的日趨嚴苛，以化石能源為主的能源發展模式必須根本轉變。近年來，可再生能源開發的熱潮遍及全球。我國已經規劃了8個千萬kW級的大型風電基地。截至2012年底，我國風電裝機容量已超過7000萬kW，居世界風電場通常有幾十臺、上百臺風電機組。大型風電基地由數十甚至上百個風電場組成。因此，風電功率的波動有很強的時空差異性。本文對一個風電場的風電功率波動特性展開研究。利用概率擬合模型，ARMA預測模型，灰色預測模型和一階差分模型解決了風電功率的波動和預測等問題。在問題中，首先使用excel軟件對原始數據進行預處理，并選出合適的五個機組作為樣本，建立概率擬合模型得出樣本在30天范圍內的功率波動概率。之后，利用matlab和spss軟件對概率函數進行檢驗和對比，結果證明其功率波動情況與偏T分布最為接近；利用spss軟件與matlab軟件得出最貼切的概率分布仍然為偏T分布。在空間與時間的對比中，本模型得出，對某臺風機而言，風機功率的波動情況受時間影響不大，而空間位置對于風機功率的影響較大；

關鍵詞：ARMA預測；灰色預測；Eviews、matlab；風電功率波動；偏T分布

1 問題綜述

給出了某風電場中20臺1.5MW風電機組30天的風電功率數據（單位為kW，間隔為5s），做如下分析。

1.任選5個風電機組

a）在30天的范圍內，分析機組i的風電功率Pi5s（tk） 波動符合哪幾種概率分布？分別計算數值特征并進行檢驗，推薦最好的分布并說明理由。比較5個機組分布的異同。

2 問題分析

被測量隨時間的變化情況具有極強的不確定性，因此我們所采取的算法必須具有很強的非線性處理能力。

2.1 問題一的分析

由于原始數據存在大量異常值和缺失值，本模型對其進行數據預處理。針對問題一（a），為分析機組i的風電功率Pi5s（tk） 波動符合何種概率分布，以及考慮到數據的完整性及可靠性，本模型選出五臺風機作為分析的對象，利用matlab軟件對每臺風機的風電功率分布進行模擬整合得出其概率分布圖并進行比較。

2.2 對問題二的分析

問題二要求用分鐘級間隔乃至更長間隔的數據來描述風電功率波動。因此，本模型利用matlab軟件分別從5臺機的風電功率數據中提取出間隔為1分鐘的數據序列Pim（tk）。對于這5個序列，做問題一（a）的分析。

3 模型假設

1.假設短期內不存在大的自然災害，例如地震、海嘯以及臺風等等

2.假設預測期間風電機組分布不變，發電機組性能不隨時間發生變化

4 問題模型的建立

5.1問題一a的模型建立與求解

5.1.1數據的預處理

經過對數據的查找，我們發現部分原始數據存在異常，另外有些類型數據存在缺失，在此我們將其正常化處理。

缺失數據的處理

本模型將附件中20臺單機輸出功率的異常值化為三種類型，分別是丟失數據null，輸出功率為0，以及輸出功率為負值。分析三種情況可能產生的原因，結果如下：

由于風電機未運行或風力很小產生的數據對分析結果未產生影響或影響較小在此可忽略不考慮，而對于數據中存在的缺失現象，本文采取均值替代法對缺失數據進行處理。均值替代法就是將該項目剔除異常數據后取整剩余數據的平均值來替換異常或缺失數據的方法，即：（其中，為缺失值，取其前五秒和后五秒

的平均值。）

5.1.2對分析樣本的選擇

在對原始數據進行分析后，根據所需數據的完整情況選出5個風電機組3 ，5， 7，13，15作為被研究對象。

5.1.3模型的建立與求解

（1）在模型求解過程中，分別使用spss軟件，excel軟件對各組數據平均數進行多次求解以保證得出結果的準確性

（2）計算出各臺風機工作30天后的功率方差

使用spss20軟件的非參數方差對數據進行檢驗，先假設被選為樣本的5臺風機30天內的功率波動情況符合正態分布，軟件運行后顯示結果為原假設錯誤，因此該五臺風機在30天內的功率波動情況不符合正態分布，軟件顯示結果如下圖（以3號風機為例）

從表中數據可知，sig為0，說明該數據T分布特性顯著，綜合考慮得出該組數據更接近于T分布。

5 模型的評價

（1）對于風電機的功率分布分析具有堅實可靠的數學基礎。運用多種方法應用多種軟件對數據進行分析、對風電機功率分布進行擬合，具有較高的可信度。

（2）通過圖形、表格展現分析過程以及分析結果，使其清晰明了。

（3）熟練地運用spss、matlab、C語言、excel 、Eviews等軟件，根據每種方法的結論驗證結果正確性，對于探討同一問題的最適宜方法有了進一步體會和了解。