海上风电出力特性及其消纳问题探讨徐乾耀１，康重庆１，张　宁１，樊　扬２，朱浩骏２

（１．电力系统国家重点实验室，清华大学电机系，北京市１０００８４；２．广东电网公司电网规划研究中心，广东省广州市５１００８０）

摘要：中国海上风电将迎来快速发展，研究其出力特性对海上风电消纳具有重要意义。文中利用实际数据分析与运行模拟相结合的方式，将海上风电的出力特性与陆上风电进行了对比研究。为了对比风电场出力的分布特性，提出了风电场出力分布特征指数的新指标。根据历史出力分析了近岸风电场的随机特性与波动特性；结合测风数据与中长期规划，利用风电场运行模拟技术分析了海上风电场出力的统计特性。分析表明，与陆上风电相比，海上风电具有出力水平较高、小时级出力波动小、冬季比夏季出力高、夜晚比白天出力高以及具有更高的容量因子等特性，其出力分布特征指数明显高于陆上风电场。最后，阐述了海上风电消纳不同于陆上风电消纳的特点，为合理消纳海上风电提供参考。

关键词：海上风电；运行模拟；随机特性；风电出力；分布特征指数；风电消纳

收稿日期：２０１１－０８－２５。国家高技术研究发展计划（８６３计划）资助项目（２０１１ＡＡ０５Ａ１０１）；中国国家自然科学基金委员会（ＮＳＦＣ）与英国皇家学会（ＲＳ）合作交流项目（５１０１１１３０１６１）。

０　

引言

近年来全世界风电发展迅猛，其中陆上风电和海上风电发展速度并不平衡。相对于陆上风电而言，全球范围内海上风电的发展速度较为缓和。自２００８年以来，世界海上风电进入快速发展期，２００８与２００９年连续２年海上风电新增容量超过了５００ＭＷ，２０１０年海上风电新增容量更是达到了１　４００ＭＷ。截至２０１０年底，全球海上风电累计装机容量为３　５００ＭＷ［１］。目前，中国的海上风电装机容量达到１４２．５ＭＷ，占国内风电装机总容量的比例不到１％［１］。国内已建和在建的海上风电项目有上海东海大桥１００ＭＷ项目、江苏大丰潮间带３００ＭＷ

示范项目以及去年江苏首轮１　０００ＭＷ海上风电招标项目。虽然国内目前已建和在建项目只占世界海上风电总容量的４％左右［１］，但中国正处于海上风电加速发展阶段，根据沿海省份编制的规划，海上风电的装机容量预计将在２０２０年达到３０ＧＷ

［２］。

相对陆上风电而言，海上风电的研究工作明显滞后。国外对海上风电展开了一些研究：文献［３］从预测的角度分析了海上风速梯度、垂直风速变化以及尾流效应对风电出力的影响；文献［４］分析了风电场规模、风速、风向等对海上风电出力波动性的影

响；文献［５］分析了海上风电以及波浪能发电的出力特性以及互补性。目前，国内对海上风电出力特性与消纳的研究尚未见文献报道，亟须开展海上风电的相关研究工作。以广东电网为例，该省正在进行大规模海上风电的规划，必须超前研究其消纳问题，而海上风电出力特性分析是研究其消纳问题的一项基础性工作。本文的核心是研究海上风电的出力特性，并探讨海上风电消纳的难点。针对目前海上测风数据不足、海上风电实际出力的历史数据积累不足的实际困难，研究基于实际数据分析与运行模拟相结合的方式开展。首先根据近岸风电场发电出力历史数据，分析了近岸风电出力的随机特性与波动特性；然后利用风电场运行模拟技术，根据分析得到的风电出力随机特性以及实际测风数据，对规划海上风电场进行运行模拟，得到各风电场出力的时间序列。通过对海上风电场出力的统计分析、风电场出力分布特征指数的计算以及对风速相关性多场景的对比，详细分析了未来海上风电场的出力特性。进一步，将海上风电与陆上风电出力特性进行比较，探讨了海上风电的消纳难点，为进一步研究其消纳方法提供了参考。

１　

研究框架

１．１　

整体思路

本文采用实际数据分析与数据模拟分析相结合的方法。实际数据分析是根据风电场历史出力信息，统计分析风电出力的随机性与波动性，提取风电

—４５—

第３５卷　第２２期２０１１年１１月２５日Ｖｏｌ．３５　Ｎｏ．２２Ｎｏｖ．２５，２０１１场出力分布的特征参数，并结合沿海各地区气象站的测风数据，进行风电场出力的运行模拟，进一步分析研究海上风电场的出力特性，并探讨海上风电消纳的难点。本文整体研究框架如图１所示。图１　研究框架Ｆｉｇ．１　Ｒｅｓｅａｒｃｈ　ｆｒａｍｅｗｏｒｋ１．２　研究方法文中采用多风电场运行模拟模型产生规划海上风电场时序出力［６］，其过程如下：根据风电场测风塔参考高度的实测风速数据，推算出预装风电机组轮毂高度的风速数据，统计分析风速的分布特征以及各风电场之间风速的相关性，生成符合风速统计特征与相关性的一系列风速时间序列，之后再结合风电场风电机组的出力特性曲线与可靠性模型，生成各风电场风电机组出力的时间序列。其中，风速的随机分布特性采用双参数Ｗｅｉｂｕｌｌ分布来拟合，其分布函数与概率密度函数分别如式（１）、式（２）所示：Ｆ（ｘ）＝１－ｅｘｐ－ｘ（）ｃ（）ｋ（１）ｆ（ｘ）＝ｋｃｘ（）ｃｋ－１ｅｘｐ－ｘ（）ｃ（）ｋ（２）式中：ｘ∈［０，＋∞）；ｃ和ｋ分别为Ｗｅｉｂｕｌｌ分布的尺度参数和形状参数。风速的波动性由风速序列的自相关函数来表征［６］，其定义为一个序列预期滞后ｎ期的序列的自相关系数。研究发现，风速序列的自相关函数是由负指数控制下的单调衰减函数，如式（３）所示：ρｎ＝ｅ－θｎ θ＞０，ｎ＝１，２，…（３）式中：θ为风速自相关函数的衰减系数，其大小与风速序列变化的剧烈程度有关，风速变化越剧烈，其自相关函数衰减越快，θ越大。１．３　描述风电场出力分布规律的新指标比较２个风电场出力的分布往往使用风电场出力分布函数，然而风电场出力分布函数包含的信息量较多，难以直观比较风电场出力的分布特性。本文提出了风电场出力分布特征指数这一新指标，用来描述风电场出力的分布规律，同时衡量风电场出力的均衡情况。风电场出力分布特征指数用β表示，其含义是风电场标幺出力大于β的概率为β。其计算方法如图２所示。将风电场的出力持续曲线的横纵坐标标幺化，横坐标的基值为风电场的装机容量，纵坐标的基值为出力的时段总数，标幺化后横纵坐标区间均为［０，１］，该出力持续曲线中横纵坐标值相等的点就代表了风电场出力分布特征指数β。根据所述的计算方法，图２中风电场出力分布特征指数为０．３３

。

图２　风电场出力分布特征指数的计算方法Ｆｉｇ．２　Ｃａｌｃｕｌａｔｉｏｎ　ｏｆ　ｄｉｓｔｒｉｂｕｔｉｏｎ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｉｎｄｅｘ　ｏｆ　ｗｉｎｄ　ｐｏｗｅｒ　ｏｕｔｐｕｔ

用数学表达式来描述该指标的计算方法如式（４）和式（５）所示：

β＝１Ｎ∑

Ｎ

ｉ＝１

Ｘｉ

（４）

Ｘｉ＝

１　

Ｐｉ＞Ｐ

Ｃβ

０Ｐｉ≤ＰＣ

｛β（５）

式中：Ｎ为风电场出力的时段总数；Ｘｉ为状态变量；Ｐｉ为时段ｉ的风电场出力；ＰＣ为风电场装机容量。

风电场出力分布特征指数能够评价风电出力的均衡情况，以图２中β＝０．３３为例，表示出力不小于装机容量的３３％的时段总数占总时段数的比例为３３％，即该风电场出力大于装机容量的３３％的概率为３３％。这种针对风电场出力概率分布特点的特征指数，实质上反映了风电场出力分布的偏度信息：

β值越大，代表该风电场的出力水平越高；β值越接近０．５，表示该风电场的出力越均衡。

２　

近岸风电场出力特性分析

２．１　

风电场出力概率密度与持续曲线

洋前风电场位于广东省湛江市徐闻县新寮镇东

—５５—

·间歇式能源系统级规划方法·　徐乾耀，等　海上风电出力特性及其消纳问题探讨部，沿海岸规划布置。图３为统计得到的洋前风电场出力概率密度与出力持续曲线。可见：当出力在装机容量的０～８０％范围内时，概率密度随出力的增大呈递减趋势；当出力在装机容量的８０％以上时，概率密度随出力的增大反而呈微弱的增大趋势。图３　洋前风电场出力概率密度与出力持续曲线Ｆｉｇ．３　Ｐｒｏｂａｂｉｌｉｔｙ　ｄｅｎｓｉｔｉｅｓ　ａｎｄ　ｄｕｒａｔｉｏｎ　ｃｕｒｖｅｏｆ　Ｙａｎｇｑｉａｎ　ｗｉｎｄ　ｆａｒｍ作为对比，本文对甘肃河西４个风电场２０１０年的出力数据进行了统计分析。表１所示为对甘肃河西４个风电场的出力概率密度与出力持续曲线进行的统计分析。可以看出：近岸风电场出力占装机容量８０％以上的出力概率明显高于陆上风电场；近岸风电场出力占装机容量３５％以下的出力概率明显低于陆上风电场。表１　陆上与近岸风电场出力分布特性统计Ｔａｂ．１　Ｄｉｓｔｒｉｂｕｔｉｏｎ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ｏｆ　ｏｕｔｐｕｔ　ｏｆｏｎｓｈｏｒｅ　ａｎｄ　ｉｎｓｈｏｒｅ　ｗｉｎｄ　ｆａｒｍｓ类型风电场名称省份出力占装机容量不同比例下的出力概率／％＞８０％＜３５％出力分布特征指数陆上大梁甘肃２．０　７４．７　０．２９２大唐甘肃２．６　７２．７　０．３１１三十里甘肃３．４　７９．０　０．２９６向阳甘肃１．８　７６．５　０．２８８近岸洋前广东５．９　７１．５　０．３１５表１中统计了甘肃陆上风电场与广东近岸风电场的出力分布特征指数。其中，陆上风电场的出力分布特征指数在０．２８８～０．３１１之间，中位值为０．２９４，近岸风电场的出力分布特征指数为０．３１５，稍高于陆上风电场。总体上，陆上与近岸风电场的出力分布特征指数在０．３左右。２．２　风电场出力的波动性分析近岸风电场出力波动性也与陆上风电有所不同，表２所示为统计得出的不同置信度下小时级出力变化占装机容量的比例。在９５％置信度下，陆上风电出力变化占装机容量的比例在１９％～２４％，而近岸风电场的这一数值为１０％；在９９％的置信度下，陆上风电的出力变化占装机容量的比例都在３４％以上，而近岸风电场的这一数值为１７．４％。总体来说，甘肃陆上风电场的小时级出力变化幅度约为近岸洋前风电场的２倍。

表２　陆上与近岸风电场小时级出力变化占装机容量比例Ｔａｂ．２　Ｐｒｏｐｏｒｔｉｏｎ　ｏｆ　ｈｏｕｒｌｙ　ｐｏｗｅｒ　ｏｕｔｐｕｔ　ｖａｒｉａｔｉｏｎｓｏｆ　ｏｎｓｈｏｒｅ　ａｎｄ　ｉｎｓｈｏｒｅ　ｗｉｎｄ　ｆａｒｍｓ　ｔｏ　ｇｅｎｅｒａｔｉｏｎ　ｃａｐａｃｉｔｙ

类型风电场名称不同置信度下出力变化占装机容量的比例／％

９５％９９％

陆上大梁２４．１　４０．８

大唐１８．９　３４．１

三十里２０．２　３５．２

向阳２３．５　４３．２

近岸洋前１０．０　１７．４

另外，按式（３）拟合得到了甘肃４个风电场以及洋前风电场风电出力自相关函数的衰减系数，如表３所示。洋前风电场的衰减系数明显小于陆上风电场，说明其出力波动性较小。

表３　陆上与近岸风电场出力自相关函数衰减系数Ｔａｂ．３　Ｄａｍｐｉｎｇ　ｒａｔｉｏ　ｏｆ　ｗｉｎｄ　ｓｐｅｅｄ　ａｕｔｏｃｏｒｒｅｌａｔｉｏｎｆｕｎｃｔｉｏｎ　ｏｆ　ｏｎｓｈｏｒｅ　ａｎｄ　ｉｎｓｈｏｒｅ　ｗｉｎｄ　ｆａｒｍｓ

类型风电场名称衰减系数

陆上大梁０．０８５　１

大唐０．０８１　０

三十里０．０６０　９

向阳０．０６３　８

近岸洋前０．０３０　２