,,,, ,
(1.國家開發銀行山東省分行,濟南 250002;
2. 國網江西省電力科學研究院,南昌 330096;
3. 東北電力大學能源與動力工程學院,吉林 132012)
近年來,隨著國內大規模風電場不斷建設,由于風電場風速隨時間發生不同變化,其發電功率也隨之產生間歇及波動現象[1],對該地區電網有較大影響。文獻[2-5]等對風速進行概率分布的研究,得出風速值與weibull分布非常接近,并得出weibull分布中參數值。崔楊等[6]對風電場輸出功率進行了概率分布及相關的應用研究,定量分析了風電功率波動特性在不同時間、空間的分布情況,得出輸出功率波動時空分布具有一定的趨勢性,且隨著風電場群集聚規模的增大,風電功率的波動性趨于平緩。文中采用東北某地風場風電功率數據(單位為kW,5 s采樣頻率)使用指數分布、正態分布、雙參數weibull分布對風機輸出功率進行擬合分析,對比三種概率分布的正確性。
風電的輸出功率受風速、環境溫度、空氣密度等影響因素較多,因此其會產生如圖1所示的波動特性,圖1是風電場某臺風機去掉奇異值后的輸出功率,從圖中可以明顯的看到輸出功率隨時間波動十分劇烈。
圖1 輸出功率的波動性
先對風功率樣本數據進行預處理,得到該風機概率分布圖,分別分析出其功率波動指數分布、Weibull 分布、正態分布,其中指數分布的概率密度函數見公式(1),正態分布的概率密度函數見公式(2),weibull分布的概率密度函數見公式(3)[7]:
(1)
通過計算μ=212.646 kW,方差45 218.5
雙參數weibull分布的概率密度函數見公式(2):
(2)
式中:b為weibull分布形狀參數,a為weibull尺度參數。通過計算得出weibull分布中參數a=240.176 kW,參數b=2.138 89。
正態分布概率密度函數是:
(3)
通過計算得出正態分布中參數μ=212. 646 kW,參數σ=104.59。
文中對樣本進行三種分布的7種區間(9、16、26、46、66、96和900區間)概率密度對比,分別對應圖2-圖8,通過對比發現,指數分布不適合風功率概率密度;在區間數為9、16、26時,風功率都可以采用weibull分布和指數分布擬合,隨著區間數的增加,從26到900時weibull分布擬合明顯優于采用指數分布擬合的結果。
圖2 9區間三種概率分布對比
圖3 16區間三種概率分布對比
圖4 26區間三種概率分布對比
圖5 46區間三種概率分布對比
圖6 66區間三種概率分布對比
圖7 96區間三種概率分布對比
圖8 900區間三種概率分布對比
從前面的分析中可以得出,概率密度基本上符合Weibull分布,靈活的變換形式,簡單的函數形式,且能很好模擬自然現象。為了判斷風功率樣本數據是否服從,我們對其進行了weibull分布檢驗及正態性,對Weibull分布的檢驗過程如圖9所示,為了對比分析又采用了正態概率紙對其進行正態性檢驗,在weibull分布概率紙除小功率的概率分布上基本上都在直線周圍,而正態概率紙檢驗的過程中,則概率值偏離較大。
圖9 weibull分布概率紙檢驗
圖10 正態概率紙檢驗
文中對某風場實際風功率采用指數分布、weibull分布、正態分布三種函數擬合。通過對比,在分隔區間小的情況下,采用雙參數weibull分布和正態分布都可以擬合風功率概率密度, 而隨著分隔區間增大,采用weibull分布較正態分布更能較好的擬合風功率概率密度,而指數分布不適用于風功率分布上。同時分別對weibull分布和正態分布采用概率紙檢驗,得出風功率樣本數據較好的服從weibull分布。
[1] 張義斌,王偉勝.風電場輸出功率的概率分布及其應用[J].中國電機工程學報,2004,5(8): 107-110.
[2] 丁 明,吳義純,張立軍.風電場風速概率分布參數計算方法的研究[J].中國電機工程學報,2005,25(10): 107-110.
[3] 陳繼傳,段 巍,葉 芳.風電場風頻weibull分布參數的估計方法研究[J].機械設計與制造,2011(3):201-202.
[4] 祝 賀,徐建源.風電場GM-WEIBULL風速分布組合模型出力預測[J].華東電力,2008,36(11):144-146.
[5] 徐寶清,田 德,吳 驊,等.風速的weibull分布參數確定方法研究[J].農業工程學報,2007,23(10):31-34.
[6] 崔 楊,穆 剛,劉 玉,等.風電功率波動的時空分布特性[J].電網技術,2011,35(2):110-114.
[7] 盛 驟,謝式千,潘承毅.概率論與數理統計(3版)[M].北京:高等教育出版社,2001:37-67.