云南風電出力概率分析

劉寶林，王文璽，范磊

(1.云南電網有限責任公司電網規劃研究中心，昆明 650011；2.云南銀塔設計院，昆明 650011)

云南風電出力概率分析

劉寶林1，王文璽1，范磊2

(1.云南電網有限責任公司電網規劃研究中心，昆明 650011；2.云南銀塔設計院，昆明 650011)

采用概率統計的分析方法，通過對云南風電場全年出力數據進行處理計算，得出各出力區間的概率值，并對概率分布的數字特征進行了分析。依據分析結論，文章在風電接入系統技術參數選擇、風電參與云南區域電力平衡計算方面提出建議，具有較強的工程應用價值。

概率分布；數字特征；參數選擇；電力平衡

0 前言

云南風電資源豐富，預計 “十三五”期間，云南風電總裝機將達到1 339萬kW。由于風電波動性、隨機性的特征，出力呈離散性分布，和傳統火電、水電出力特性相差甚遠，因此用傳統出力曲線的方法來分析風電存在較大的困難。針對風電出力呈現離散性的特點，本文基于概率統計的方法來分析云南風電的出力特征，總結隱含的規律性，從而為風電接入系統技術參數選擇、風電參與電力平衡計算等方面提供理論依據。

1 分析方法

風電出力是一系列離散性隨機變量，僅從發電功率的散點分布圖來觀察 (如圖1，采樣點為1487)，很難準確的描述風電場的運行特性，而基于概率統計離散性隨機變量的分析方法則能定量的描述風電的出力特征。在進行風電場出力分析時，主要采用概率統計中概率分布、數學期望、方差等特征量來進行研究。

圖1 風電場月出力散點分布圖

概率分布是進行風電出力特征分析的基礎，由于風電波動性、隨機性的特征，其在各區間出力的可能性只能通過概率來描述。通過出力概率分布分析，可以了解風電場主要的出力區間，可能性較小的出力區間，從而揭示出風電出力統計規律性。

數學期望主要反映了隨機變量的平均值，在風電場出力分析中，出力的數學期望反映了風電場的平均發電功率。由于發電功率是基于時間分布的，因此，出力的數學期望可有效地描述風電場在特定時段內的發電能力。

方差主要反映隨機變量與其數學期望的平均偏離程度，值越小表明隨機變量偏離均值的平均程度越小，即越集中于均值。通過計算分析風電發電功率的方差，可定量分析風電發電功率的相對穩定度。在風電發電功率的實際計算中，對于特定時間段的樣本數據，可通過樣本方差計算來定量反映發電功率的相對穩定度和波動性。

離散性隨機變量數字特征的數學表達式為[1]：

式中E(X)、D(X)、S2分別表示數學期望、方差和樣本方差；pi為xi值對應的概率，對于每個樣本數據，每個采樣點xi均可看作在統計時間內均勻出現，即pi的值相同，為1/n，n為樣本采樣點數量值。

2 數據分析邊界條件

根據云南已并網運行的風電場空間分布情況，文中選取了四座典型的風電場進行分析，數據分析的邊界條件如下：

1)所有數據取自調度系統采集數據，采樣間隔為30分鐘/次。

2)所有數據均進行歸一化處理，方法為：風電出力 (%)=風電輸出有功功率/風電裝機容量×100%。

3)數據為風電場2013年完整的運行數據，區域選擇為：昆明、楚雄、曲靖、大理，對應所選風電場分別為甲、乙、丙、丁風電場。

4)甲風電場全年裝機容量為49.5 MW；乙風電場1～6月裝機容量為49.5 MW，7～12月裝機容量為99 MW；丙風電場全年裝機容量為99 MW；丁風電場全年裝機容量為148.5 MW。

5)數據分析暫不考慮設備檢修、新機組接入導致出力減少等因素影響。

3 概率分析及應用

3.1 概率分布分析

通過對云南甲、乙、丙、丁四個風電場運行數據處理分析，從各風電場出力概率分布來看，區域位置不同的風電場出力既存在一定的相似性又顯現較大的差異性：

甲風電場 (昆明)全年的風電出力主要集中在30%以下，概率為56.1%；超過90%的概率僅為1.6%，出力在80%～90%的概率為9.2%，其他區間的概率較為均衡，在7%左右；風電大出力的月份主要集中在1～3月，出力超過80%的概率均能達到30%左右。

乙風電場 (楚雄)全年的風電出力也主要集中在30%以下，概率為78.3%；超過90%的概率僅為0.023%，出力在40%以下的概率占絕大多數，超過90%，其他區間的概率分布均較小；風電大出力的月份主要為12月，出力超過80%的概率僅只有4%。

丙風電場 (曲靖)全年的風電出力也主要集中在30%以下，概率為64.1%；超過90%的概率為0.073%，出力在60%以下的概率占絕大多數，超過90%，其他區間的概率分布均較小；風電大出力的月份主要為2月和3月，但出力概率很小，出力超過80%的概率只在5%左右。

丁風電場 (大理)全年的風電出力概率分布相對較為均衡，超過90%的概率為0.052%，出力在80%～90%的概率為6.1%，其他各區間的概率分布均在10%左右；風電大出力的月份也主要為2月和3月，出力超過80%的概率在20%左右。

從各風電場實際運行數據統計分析來看，風電場超過90%的出力概率均較小，最大概率僅1.6%，位于昆明；其他區域風電場超過90%的出力概率均低于0.1%，遠低于昆明甲風電場的出力概率值。從四個風電場的實際裝機規模分析來看，目前昆明甲電場僅為一期工程，裝機容量為49.5 MW，容量較小，風機分布相對集中，易受陣風影響，因此風電沖擊性出力的可能性相對較高；而位于大理的丁風電場裝機容量為148.5 MW，裝機規模較大，風機分布相對分散，因此顯現出各區間的出力概率分布相對均勻。通過對比分析風電場裝機規模和最大出力可發現，隨著風電場裝機規模增大，在風電場的集群效益作用下，風電沖擊性出力將逐步減少，超過90%的風電出力降至0.001以下，為小概率事件。

3.2 概率數字特征分析

根據公式 (1)，可計算出各風電場逐月出力數學期望值，結果見圖1。

圖1 風電場月出力均值曲線

從圖1可以看出，云南風電場各月的發電能力呈現出明顯的規律性：豐期 (6～10月)發電能力較弱，枯期 (其他月份)發電能力較強，該特征在大理丁風電場的曲線上表現尤為明顯。從全年風電場出力均值來看，甲、乙、丙、丁風電場年出力均值分別為33%、16%、25%、41%，均在50%以下。

把風電場各月的出力數據看作一個樣本，按照公式 (1)、(3)可計算出各風電場逐月樣本方差，結果見圖2。

圖2 風電場月出力樣本方差曲線

樣本方差可描述風電發電功率的相對穩定度和波動性，從圖2可以看出，在風電場出力較小的月份中，風電出力的波動性相對較小，在風電出力較大的月份中，風電出力的波動性相對較大，風電場出力的波動性與出力的大小呈現正向的變化規律。風電場這一性質有利于導線熱傳導和散熱，對導線溫度升高具有一定減緩作用[2]。

3.3 技術參數選擇方面應用

云南風電場出力概率分布的特性對風電場送出工程導線截面選擇提出了新的挑戰，由于云南單個風電場全年出力主要集中在50%以下，單個風電場全年超過90%的出力概率相當小，大多數情況下低于0.001，在此情況下采用傳統經濟電流密度的方法來選擇導線截面是否適合，需進行深入研究，本文將以容量為85 MW的風電場為例進行計算分析。

3.3.1 算例計算

方法一：按照經濟電流密度的方法來選擇導線截面[3]，J取1.65(A/mm2)。

方法二：按照風電場裝機容量的90%作為極限輸送容量來選擇導線截面。

按方法一選擇，通過查閱 《電力系統設計手冊》，LGJ-300導線經濟輸送容量為94.3 MW，按溫度修正系數0.94、功率因數0.95修正后，可輸送84.2 MW的電力，基本滿足風電場電力輸送要求，可選擇LGJ-300導線。

按方法二選擇，導線需輸送的容量為85×0.9 =76.5 MW。通過查閱 《電力系統設計手冊》，LGJ-150導線持續極限輸送容量為84.7MVA，按溫度修正系數0.94、功率因數0.95修正后，可輸送75.6 MW的電力，基本滿足風電場電力輸送要求，可選擇LGJ-150導線。

3.3.2 容量合理性比較

通過對云南風電場年出力均值進行分析，單個風電場最大年出力均值為裝機容量的41%，低于50%。為校驗線路的負載能力，按風電場年出力均值為裝機容量的50%來校驗。導線LGJ-300線持續極限輸送容量修正后可輸送118.8 MW電力。

按方法一來選擇導線截面，線路年均負載率為：

按方法二來選擇導線截面，線路年均負載率為：

110kV線路導線J取1.65(A/mm2)時經濟輸送容量和極限輸送容量比值見表1。

表1 經濟輸送容量和極限輸送容量比值表

從表1可以看出，110kV線路常用型號導線經濟輸送容量和極限輸送容量比值界于55.6%～70.9%，導線截面越大，比值越高，對于穩定的電力輸送，按照經濟輸送容量選擇導線截面經濟性較好。

對比方法一和方法二的負載率，方法二由于考慮了風電的實際出力特性，選擇的導線年平均負載率更接近經濟容量的比值，因此方法二選擇的導線經濟性會更好，線路輸送容量更為合理；而方法一選擇的導線負載率偏低，與經濟容量的比值相差較遠，導線容量不能得到有效利用。

3.3.3 投資造價比較

LGJ-300和LGJ-150單公里綜合造價相差35萬左右，如單個項目送電線路長度按20公里計算，僅線路投資就將節省700萬，且送電線路越長，方法二選擇導線投資造價的優勢越明顯。云南風電項目眾多，考慮項目數量后基于方法二將節省巨額的投資。

因此，綜合考慮風電場出力概率特點，在風電場送出工程導線截面選擇上，建議按照風電場裝機容量的90%作為極限輸送容量來選擇導線截面。

3.4 區域電力平衡計算應用

目前云南范圍內2013年具有完整運行數據的風電場有限，在進行區域風電場分析時，采用典型風電場的分析法來代表區域風電場的出力特性。由于云南電網電源裝機以水電為主，水電裝機比例達到70%以上，豐、枯期水電出力差異顯著，因此在進行電力平衡計算時，多按豐、枯期分別進行平衡計算。通過對四個區域典型風電場出力數據處理計算，在風電參與區域電力平衡計算時，由于風電大出力的概率相當低，因此不宜按照風電裝機容量全部參與平衡，而應根據風電出力的概率分布特點，以一個相對合理的容量比例來參與平衡。根據云南風電出力的特點，建議選取平衡時風電參與的容量：風電出力在X值以下能達到80%的概率出力，為校驗區域消納風電的能力，取出力的上限值X值作為平衡時的出力容量。

4 結束語

本文基于概率統計的方法來分析云南風電的出力特征，通過對云南風電場各出力區間概率分布統計計算，得出主要研究結論及建議如下：

1)云南單個風電場全年出力主要集中在50%以下，其中30%以下的出力占比較高。

2)云南單個風電場全年超過90%的出力概率相當小，大多數情況下低于0.001，為小概率事件。

3)云南風電場出力的波動性與出力的大小呈現正向的變化趨勢，出力越大，波動性越強。

4)在風電場送出工程導線截面選擇方面，建議按照風電場裝機容量的90%作為極限輸送容量來選擇。

5)在風電參與區域電力平衡計算方面，建議昆明、楚雄、曲靖、大理及全省區域分別按如下容量計算：

豐期：分別取風電裝機容量的35%、25%、27%、45%、30%進行平衡計算。

枯期：分別取風電裝機容量的75%、35%、55%、75%、75%進行平衡計算。

[1] 盛驟，謝式千，潘承毅.概率論與數理統計 [M].高等教育出版社，2010.10.

[2] 彭向陽，林一峰.環境風速對架空輸電線路載流及溫升影響試驗研究 [J].廣東電力，2012(3)：20-25.

[3] 紀雯.電力系統設計手冊 [M].中國電力出版社，1998.

[4] 徐群，陶順，肖湘寧，等.新能源發電功率與電壓偏差的相關性研究 [J].電測與儀表，2011(6)：1-5.

[5] 段忠峰，沙志成，董霜.山東地區風電場功率特性及其負荷相關性分析 [J].中國勘察設計，2012(7)：68-72.

[6] 陳祥，汪玉華.并網風光互補電站出力特性分析 [J].電力電氣，2013(6)：79-82.

Analysis and Application Research for Output Probability of Wind Power in Yunnan

LIU Baolin1，Wang Wenxi1，FAN Lei2
(1.Grid Planning and Research Center，Yunnan Power Grid，Kunming 650011，China；2.Yunnan Yinta Transmission and Transformation Design CO.，LTD，Kunming 650011，China)

In this paper，analysis of characteristics of probability distribution is carried out by the processing of Yunnan wind farm annual output data and using probability and statistics.According to the analysis conclusion，the paper offer propposals in choosing technology parameters for wind power access to the power system and wind power involved in Yunnan regional power balance calculation.The thesis possesses engineering value.

probability distribution；digital features；parameter selection；power balance

TM74

B

1006-7345(2015)03-0075-04

2015-1-9