關于風速對風力發電機發電量變化影響淺析

李亞亞

摘要：對于一個發電企業而言，發電量收入就是他的盈利來源。發電量的多少或多或少影響著一個企業的收入以及運行成本的變化。所以發電企業就會有一個繞不開話題就是發電量分析，對于風電廠也是日常工作中必不可少的一項工作。當然影響一個風電場的發電量的原因有很多，而本次我們站在風速對發電量的具體影響進行分析。下面結合一個風電場為例，結合發電量變化情況進行相關因素分析。

關鍵詞：平均風速;功率曲線;滿發天數;微風天數

開篇之前，需要介紹的本次分析的實例概況，本次以一個風電場為實例。該風電場含兩個項目，分別為A項目和B項目。A項目是于2015年并網運行的24臺東汽2.0WM的風電機組;B項目是于2016年并網運行的73臺上海電氣2.0WM的風電機組（其中5臺為2019年下半年并網）。下面我們來看一組A項目發電量的數據：

以上數據是從系統的后臺監控系統導出，我們主要是分析風機的真實發電數據，所以相比升壓站的出口數據而言會更加真實一些，因為他不會因為集電線路的長短不同造成不同的損耗產生影響，所以本次利用的數據相對來說是一手的，真實的。

根據2019年與2018年機組數據，可知2019上半年總發電量相比2018年差3838MWh，從數據中可以看到的是2019年上半年平均風速降低了，同時整年的平均風速差了0.3m。

對比2月份與5月份的風速與發電量，可以發現風速差1m發電量卻差的很多。原因是上氣單臺機組在風速為5m/s風況時出力是337kwh;在風速為6m/s風況時出力是578kwh;在風速為7m/s風況時出力是900kwh，它不是線性增長的。

6m/s的出力比5m/s的出力大了241kwh;7m/s的出力比6m/s的出力大了322kwh。隨著風速的升高，功率變化不是線性的。2019上半年平均風速降低了0.3m/s，按照單臺出力差322*0.3=96.6kwh來計算，風機月可利用小時數為181*24=4344h，單臺出力差為419.6MW，73臺的出力差為306萬。以上是我們按照一個約數進行的推算，從推算中可以看出，2019年上半年平均風速差0.3m/s，整個項目大約要降低306萬的發電量。

在利用平均風速在功率變化方面進行分析后可以發現，平均風速在功率變化方面確實很大程度上影響著發電量，我們可以確定的是平均風速是影響發電量的一個主要因素。但是仔細看下，數據并不是吻合的，因為影響發電量的因素并不單是這一個方面，除了平均風速，我們下面再滿發天數以及小風天天數進行分析一下。

實例二：A項目2019年6月發電量879.4萬，計劃發電量970萬，完成84.3%，單臺月平均發電量為36.6萬;同期發電量972.6萬，計劃發電量1063萬，完成91.5%，同期單臺月平均發電量40.5萬。下面以風速區間為主線，將6月份的發電量與同期相對比進行分析。

A項目2019年6月份最大風速超過15m/s共5天，6月18日最大風速達到28m/s，達到切出風速，6月最大風速平均值12.35m/s，同期超15m/s共2天，最大風速平均值11.34m/s;2019年6月份最小風速小于3m/s共27天，最小風速平均值0.21m/s，同期最小風速小于3m/s共25天，最小風速平均值1.37m/s;2019年平均風速達到10m/s以上風速天數0天，同期天數1天;2019年6月份風速平均值5.29m/s，同期平均風速5.58m/s。

從事風電行業的人都會比較清楚的知道一些機組概況，比如不同機組均有切入風速，切出風速，只有在特定風速區間內才能發電。針對多數風電機組而言，當風速大于20m/s或者小于3m/s時風力發電機組是不發電的，當機組識別到當前風速較大或者較小時，會自動停機自我保護。而結合A項目2019年6月份的發電量與同期相比單臺機組少了4萬度電，我們不難發現，因為風機的極端，實時風速對平均風速的離散率越大，發電量越少。

結語

經過上述分析，我們可以得出，首先風速的大小是影響發電量的主要因素，其次某段時間內如果平均風速一樣，而風速的離散率也是影響發電量的重要原因。在此還是要說明的是，影響發電量變化的因素不是單一的，是有多個因素交織相互作用的。比如每年的定檢，機組的故障停機，日常消缺工作等等，但是這些工作如果是短時間內開展的，它對發電量的影響還是比較小的。故針對風電場發電量分析不能單純的看風速變化，需要綜合以上多個方面進行考慮分析。

參考文獻：

[1]李慧新， 劉超， 巫發明，等. 風電場年發電量預評估影響因素分析[C]// 中國農機工業協會風能設備分會風能產業（2014年第8期）. 2014.

[2]劉字星 周繼威. 風電機組理論發電量測算誤差的影響因素分析[J]. 風力發電， 2017， 000（002）：24-27.