A题：风电功率波动特性的分析
风电功率波动特性的分析
摘 要
本论文针对“风电功率波动特性的分析”问题，根据所给的风电机组功率数据建立风电功率波动特性的概率分布模型和灰色预测模型。由此，进行相关的问题分析及解决。
对于问题一、二，借鉴分离min级负荷的算法，采用滑动平均法分离s级风电功率，且处理了丢失数据及错误数据，以此提高数据的准确性。经过如此处理所给数据后，再采用Matlab的概率密度拟合工具箱dfittool得出五台风电机组的功率概率直方图及t location-scale分布、正态分布、逻辑斯特分布的概率分布图。发现t location-scale分布比其他分布更适于拟合各风电场概率密度函数，并作相关分析及检验。再用t location-scale分布以每日为时间窗宽，对5个风电功率分别计算30个时段的概率分布参数并做出检验。问题二与问题一方法一致，只需要从从上述5台机的风电功率数据中提取出间隔为1分钟的数据序列Pim(tk)，重复问题一的方法即可。
对于问题三，由上可以分别获得采样间隔为5s和1min的相关波动特性参数，以此为依照进行波动特性与时间尺度关系的分析。
对于问题四，整合出20台机组的数据，再分别将采样间隔改为1min，5min，15min，使用问题一中同样的方法分析处理即可。
对于问题五，预测未来四小时的风电场总功率，我们采用了灰色模型（Grey Model，GM），使用MATLAB对灰色模型GM（1，1）编程得到预测值，残差，级比偏差等相关数据结果。由于初步编程得出的预测模型为其累加后的方程，通过生成序列预测值及模型还原值之间的关系及之前所求的预测值模型易求的未来四小时风电场总功率预测模型。
对于问题六，将单台风电机组的输出功率在不同时间尺度下的波动特性曲线合在一起相比较，将风电场的总功率在不同时间尺度下的波动特性曲线合在一起比较，并且单台风电机组与风电场之间在相同时间尺度下也进行比较，以此分析其相关差别及可以获得的风电波动的时序差异性特点。
对于问题七，在已对机组和全场风电功率波动的整体分析为基础下，及对风电功率波动特性的整体认识，利用所获得的信息用来克服风电波动对电网运行的不利影响。并且基于我国东北吉林省西部百万千瓦风电场群实测风电功率数据，采用上述方法进行风电功率波动特性的分析，以此构建实例说明风电功率的波动特性。
关键词：概率分布模型、灰色预测模型、风电功率波动特性、时空差异性
1．问题的重述
风电是一种具有波动性且不完全受控的电源，大规模风力发电功率通常难以准确预测，因此在如何保证电网安全的前提下尽量提高风电联网规模，是亟需研究是问题，具有重要的理论和应用价值。
风电机组发出的功率主要与风速有关。由于风的不确定性、间歇性以及风电场内各机组间尾流的影响，使得风力发电机不能像常规发电机组那样根据对电能的需求来确定发电。
风电场通常有几十台、上百台风电机组。大型风电基地由数十甚至上百个风电场组成。因此，风电功率的波动有很强的时空差异性。
附件给出了某风电场中20台1.5MW风电机组30天的风电功率数据（单位为kW，间隔为5s），请做如下分析。
1．任选5个风电机组：
5sa）在30天的范围内，分析机组i的风电功率Pi(tk)波动符合哪几种概率分布？分别计算数值特征并进行检验，推荐最好的分布并说明理由。比较5个机组分布的异同。
b）用以上确定的最好的概率分布，以每日为时间窗宽，对5个风电功率分别计算30个时段的概率分布参数并做出检验；试比较不同机组（空间）、不同时段（时间）风电功率波动的概率分布以及与30天总体分布之间的关系，由此说明了什么？
2．在风电场实际运行中，由于数据存储和管理等方面的限制，难以集中记录全部风电机组功率的秒级数据。通常用分钟级间隔乃至更长间隔的数据来描述风电功率波动。试从上述5台机的风电功率数据中提取出间隔为1分钟的数据序
m列Pi(tk)。对于这5个序列，再做题1a）的分析。
m3．试分析用Pi(tk)代替Pi5s(tk)时，损失了那些风电功率波动信息？如何度量？有何影响？从上述全部计算中你能得出什么一般性的结论？
4．设全场20台风电机的总功率P（=∑P∑t）i(t)，试计算时间间隔为1分
m5m15m钟、5分钟和15分钟的总功率序列P∑(tk)，P∑(tk)，P∑(tk)，分析其波动的
5mm概率分布数值特征。若以P∑(tk)代替P∑(tk)来表征全场风电功率波动，损失了什么信息？如何度量？有何影响？
15m5．如果分别采用P∑5m(tk))和P∑(tk)作为样本来预测未来4小时（每15分钟一个点）风电场的总功率，请设计合适的预测模式（可取适当时段的数据作为历史数据建模，后续数据作为实际风电功率用于检验预测误差），分别给出不少于7天的滚动预测结果，分析比较2种方式的预测误差。
6．风电功率变化对电网运行的影响主要与其时序特性有关，比如风电大幅波动带来的调频机组爬坡速率分析。试分析单台风电机功率Pim(tk)与风电场总功率P∑m(tk)在时序上表现出的主要差别；前面得到的概率分布数值特征在分析时序波动特性方面有何作用？有何局限？
7．通过上述对机组和全场风电功率波动的分析，你对风电功率波动特性有何认识？这些认识如何用来克服风电波动对电网运行的不利影响？请构建实例来说明。
2.问题的分析
对于问题一、二，在分析数据时发现所给数据当中存在着部分数据丢失及错误数据，为提高数据的准确性，应采取用问题数据前后10个数据或更多数据取平均值的方法来代替该数据。经过如此处理所给数据后，借鉴分离s级负荷的算法，应采用滑动平均法分离s级风电功率，采用Matlab的概率密度拟合工具箱dfittool得出五台风电机组的功率波动直方图及t location-scale分布、正态分布、逻辑斯特分布的拟合曲线,并对图形作相关分析及用ttest函数作检验。再用研究所得的最符合的分布,以每日为时间窗宽，对5个风电功率分别计算30个时段的概率分布参数并做出检验。
问题二与问题一方法一致，只需要从上述5台机的风电功率数据中提取出间
m隔为1分钟的数据序列pi(tk)，重复问题一的方法即可。
对于问题三，由以上分析可以分别获得采样间隔为5s和1min的相关的波动特性参数，以此为依照进行问题的分析。
对于问题四，整合出20台机组的数据，再分别将采样间隔改为1min，5min，15min，使用问题一中同样的方法分析处理即可。
对于问题五，预测未来四小时的风电场总功率，采用灰色模型（Grey Model，GM），使用MATLAB对灰色模型GM（1，1）编程得到预测值，残差，级比偏差等相关数据结果。为预测未来7天的滚动数据，采用滚动预测的方法将前一段的预测值作为下一阶段的历史数据来进行预测。
对于问题六，将单台风电机组的输出功率在不同时间尺度下的波动特性曲线合在一起相比较，将风电场的总功率在不同时间尺度下的波动特性曲线合在一起比较，并且单台风电机组与风电场之间在相同时间尺度下也进行比较，以此分析其相关差别及可以获得的风电波动的时空差异性特点。
对于问题七，对机组和全场风电功率波动的分析，对风电功率波动特性整体认识，利用所获得的信息用来克服风电波动对电网运行的不利影响。并且基于我国东北吉林省西部百万千瓦风电场群实测风电功率数据，采用上述方法进行风电功率波动特性的分析，以此构建实例说明风电功率的波动特性。
3．模型的假设与符号说明
3.1模型的假设
1、每次建立模型所取的数据都准确，附件所给的采样间隔5秒的所有数据
都准确；
2、采样间隔的改变不影响数据的准确性 3.2符号说明
P5si(tk)
Pmi(tk)
Pm?(tk) P5m?(tk)
P15m∑(tk)
pt
pft
pmt yav ys
ymax
采样间隔为5秒的机组i的风电功率 采样间隔为1分钟的机组i的风电功率 采样间隔为1分钟的全场的风电功率 采样间隔为1分钟的全场的风电功率 采样间隔为1分钟的全场的风电功率
实测t时刻功率 风电功率持续分量
S级分量 均值指标 标准差指标 极差指标