云南风电出力概率分析

刘宝林，王文玺，范磊

(1.云南电网有限责任公司电网规划研究中心，昆明 650011；2.云南银塔设计院，昆明 650011)

云南风电出力概率分析

刘宝林1，王文玺1，范磊2

(1.云南电网有限责任公司电网规划研究中心，昆明 650011；2.云南银塔设计院，昆明 650011)

采用概率统计的分析方法，通过对云南风电场全年出力数据进行处理计算，得出各出力区间的概率值，并对概率分布的数字特征进行了分析。依据分析结论，文章在风电接入系统技术参数选择、风电参与云南区域电力平衡计算方面提出建议，具有较强的工程应用价值。

概率分布；数字特征；参数选择；电力平衡

0 前言

云南风电资源丰富，预计 “十三五”期间，云南风电总装机将达到1 339万kW。由于风电波动性、随机性的特征，出力呈离散性分布，和传统火电、水电出力特性相差甚远，因此用传统出力曲线的方法来分析风电存在较大的困难。针对风电出力呈现离散性的特点，本文基于概率统计的方法来分析云南风电的出力特征，总结隐含的规律性，从而为风电接入系统技术参数选择、风电参与电力平衡计算等方面提供理论依据。

1 分析方法

风电出力是一系列离散性随机变量，仅从发电功率的散点分布图来观察 (如图1，采样点为1487)，很难准确的描述风电场的运行特性，而基于概率统计离散性随机变量的分析方法则能定量的描述风电的出力特征。在进行风电场出力分析时，主要采用概率统计中概率分布、数学期望、方差等特征量来进行研究。

图1 风电场月出力散点分布图

概率分布是进行风电出力特征分析的基础，由于风电波动性、随机性的特征，其在各区间出力的可能性只能通过概率来描述。通过出力概率分布分析，可以了解风电场主要的出力区间，可能性较小的出力区间，从而揭示出风电出力统计规律性。

数学期望主要反映了随机变量的平均值，在风电场出力分析中，出力的数学期望反映了风电场的平均发电功率。由于发电功率是基于时间分布的，因此，出力的数学期望可有效地描述风电场在特定时段内的发电能力。

方差主要反映随机变量与其数学期望的平均偏离程度，值越小表明随机变量偏离均值的平均程度越小，即越集中于均值。通过计算分析风电发电功率的方差，可定量分析风电发电功率的相对稳定度。在风电发电功率的实际计算中，对于特定时间段的样本数据，可通过样本方差计算来定量反映发电功率的相对稳定度和波动性。

离散性随机变量数字特征的数学表达式为[1]：

式中E(X)、D(X)、S2分别表示数学期望、方差和样本方差；pi为xi值对应的概率，对于每个样本数据，每个采样点xi均可看作在统计时间内均匀出现，即pi的值相同，为1/n，n为样本采样点数量值。

2 数据分析边界条件

根据云南已并网运行的风电场空间分布情况，文中选取了四座典型的风电场进行分析，数据分析的边界条件如下：

1)所有数据取自调度系统采集数据，采样间隔为30分钟/次。

2)所有数据均进行归一化处理，方法为：风电出力 (%)=风电输出有功功率/风电装机容量×100%。

3)数据为风电场2013年完整的运行数据，区域选择为：昆明、楚雄、曲靖、大理，对应所选风电场分别为甲、乙、丙、丁风电场。

4)甲风电场全年装机容量为49.5 MW；乙风电场1～6月装机容量为49.5 MW，7～12月装机容量为99 MW；丙风电场全年装机容量为99 MW；丁风电场全年装机容量为148.5 MW。

5)数据分析暂不考虑设备检修、新机组接入导致出力减少等因素影响。

3 概率分析及应用

3.1 概率分布分析

通过对云南甲、乙、丙、丁四个风电场运行数据处理分析，从各风电场出力概率分布来看，区域位置不同的风电场出力既存在一定的相似性又显现较大的差异性：

甲风电场 (昆明)全年的风电出力主要集中在30%以下，概率为56.1%；超过90%的概率仅为1.6%，出力在80%～90%的概率为9.2%，其他区间的概率较为均衡，在7%左右；风电大出力的月份主要集中在1～3月，出力超过80%的概率均能达到30%左右。

乙风电场 (楚雄)全年的风电出力也主要集中在30%以下，概率为78.3%；超过90%的概率仅为0.023%，出力在40%以下的概率占绝大多数，超过90%，其他区间的概率分布均较小；风电大出力的月份主要为12月，出力超过80%的概率仅只有4%。

丙风电场 (曲靖)全年的风电出力也主要集中在30%以下，概率为64.1%；超过90%的概率为0.073%，出力在60%以下的概率占绝大多数，超过90%，其他区间的概率分布均较小；风电大出力的月份主要为2月和3月，但出力概率很小，出力超过80%的概率只在5%左右。

丁风电场 (大理)全年的风电出力概率分布相对较为均衡，超过90%的概率为0.052%，出力在80%～90%的概率为6.1%，其他各区间的概率分布均在10%左右；风电大出力的月份也主要为2月和3月，出力超过80%的概率在20%左右。

从各风电场实际运行数据统计分析来看，风电场超过90%的出力概率均较小，最大概率仅1.6%，位于昆明；其他区域风电场超过90%的出力概率均低于0.1%，远低于昆明甲风电场的出力概率值。从四个风电场的实际装机规模分析来看，目前昆明甲电场仅为一期工程，装机容量为49.5 MW，容量较小，风机分布相对集中，易受阵风影响，因此风电冲击性出力的可能性相对较高；而位于大理的丁风电场装机容量为148.5 MW，装机规模较大，风机分布相对分散，因此显现出各区间的出力概率分布相对均匀。通过对比分析风电场装机规模和最大出力可发现，随着风电场装机规模增大，在风电场的集群效益作用下，风电冲击性出力将逐步减少，超过90%的风电出力降至0.001以下，为小概率事件。

3.2 概率数字特征分析

根据公式 (1)，可计算出各风电场逐月出力数学期望值，结果见图1。

图1 风电场月出力均值曲线

从图1可以看出，云南风电场各月的发电能力呈现出明显的规律性：丰期 (6～10月)发电能力较弱，枯期 (其他月份)发电能力较强，该特征在大理丁风电场的曲线上表现尤为明显。从全年风电场出力均值来看，甲、乙、丙、丁风电场年出力均值分别为33%、16%、25%、41%，均在50%以下。

把风电场各月的出力数据看作一个样本，按照公式 (1)、(3)可计算出各风电场逐月样本方差，结果见图2。

图2 风电场月出力样本方差曲线

样本方差可描述风电发电功率的相对稳定度和波动性，从图2可以看出，在风电场出力较小的月份中，风电出力的波动性相对较小，在风电出力较大的月份中，风电出力的波动性相对较大，风电场出力的波动性与出力的大小呈现正向的变化规律。风电场这一性质有利于导线热传导和散热，对导线温度升高具有一定减缓作用[2]。

3.3 技术参数选择方面应用

云南风电场出力概率分布的特性对风电场送出工程导线截面选择提出了新的挑战，由于云南单个风电场全年出力主要集中在50%以下，单个风电场全年超过90%的出力概率相当小，大多数情况下低于0.001，在此情况下采用传统经济电流密度的方法来选择导线截面是否适合，需进行深入研究，本文将以容量为85 MW的风电场为例进行计算分析。

3.3.1 算例计算

方法一：按照经济电流密度的方法来选择导线截面[3]，J取1.65(A/mm2)。

方法二：按照风电场装机容量的90%作为极限输送容量来选择导线截面。

按方法一选择，通过查阅 《电力系统设计手册》，LGJ-300导线经济输送容量为94.3 MW，按温度修正系数0.94、功率因数0.95修正后，可输送84.2 MW的电力，基本满足风电场电力输送要求，可选择LGJ-300导线。

按方法二选择，导线需输送的容量为85×0.9 =76.5 MW。通过查阅 《电力系统设计手册》，LGJ-150导线持续极限输送容量为84.7MVA，按温度修正系数0.94、功率因数0.95修正后，可输送75.6 MW的电力，基本满足风电场电力输送要求，可选择LGJ-150导线。

3.3.2 容量合理性比较

通过对云南风电场年出力均值进行分析，单个风电场最大年出力均值为装机容量的41%，低于50%。为校验线路的负载能力，按风电场年出力均值为装机容量的50%来校验。导线LGJ-300线持续极限输送容量修正后可输送118.8 MW电力。

按方法一来选择导线截面，线路年均负载率为：

按方法二来选择导线截面，线路年均负载率为：

110kV线路导线J取1.65(A/mm2)时经济输送容量和极限输送容量比值见表1。

表1 经济输送容量和极限输送容量比值表

从表1可以看出，110kV线路常用型号导线经济输送容量和极限输送容量比值界于55.6%～70.9%，导线截面越大，比值越高，对于稳定的电力输送，按照经济输送容量选择导线截面经济性较好。

对比方法一和方法二的负载率，方法二由于考虑了风电的实际出力特性，选择的导线年平均负载率更接近经济容量的比值，因此方法二选择的导线经济性会更好，线路输送容量更为合理；而方法一选择的导线负载率偏低，与经济容量的比值相差较远，导线容量不能得到有效利用。

3.3.3 投资造价比较

LGJ-300和LGJ-150单公里综合造价相差35万左右，如单个项目送电线路长度按20公里计算，仅线路投资就将节省700万，且送电线路越长，方法二选择导线投资造价的优势越明显。云南风电项目众多，考虑项目数量后基于方法二将节省巨额的投资。

因此，综合考虑风电场出力概率特点，在风电场送出工程导线截面选择上，建议按照风电场装机容量的90%作为极限输送容量来选择导线截面。

3.4 区域电力平衡计算应用

目前云南范围内2013年具有完整运行数据的风电场有限，在进行区域风电场分析时，采用典型风电场的分析法来代表区域风电场的出力特性。由于云南电网电源装机以水电为主，水电装机比例达到70%以上，丰、枯期水电出力差异显著，因此在进行电力平衡计算时，多按丰、枯期分别进行平衡计算。通过对四个区域典型风电场出力数据处理计算，在风电参与区域电力平衡计算时，由于风电大出力的概率相当低，因此不宜按照风电装机容量全部参与平衡，而应根据风电出力的概率分布特点，以一个相对合理的容量比例来参与平衡。根据云南风电出力的特点，建议选取平衡时风电参与的容量：风电出力在X值以下能达到80%的概率出力，为校验区域消纳风电的能力，取出力的上限值X值作为平衡时的出力容量。

4 结束语

本文基于概率统计的方法来分析云南风电的出力特征，通过对云南风电场各出力区间概率分布统计计算，得出主要研究结论及建议如下：

1)云南单个风电场全年出力主要集中在50%以下，其中30%以下的出力占比较高。

2)云南单个风电场全年超过90%的出力概率相当小，大多数情况下低于0.001，为小概率事件。

3)云南风电场出力的波动性与出力的大小呈现正向的变化趋势，出力越大，波动性越强。

4)在风电场送出工程导线截面选择方面，建议按照风电场装机容量的90%作为极限输送容量来选择。

5)在风电参与区域电力平衡计算方面，建议昆明、楚雄、曲靖、大理及全省区域分别按如下容量计算：

丰期：分别取风电装机容量的35%、25%、27%、45%、30%进行平衡计算。

枯期：分别取风电装机容量的75%、35%、55%、75%、75%进行平衡计算。

[1] 盛骤，谢式千，潘承毅.概率论与数理统计 [M].高等教育出版社，2010.10.

[2] 彭向阳，林一峰.环境风速对架空输电线路载流及温升影响试验研究 [J].广东电力，2012(3)：20-25.

[3] 纪雯.电力系统设计手册 [M].中国电力出版社，1998.

[4] 徐群，陶顺，肖湘宁，等.新能源发电功率与电压偏差的相关性研究 [J].电测与仪表，2011(6)：1-5.

[5] 段忠峰，沙志成，董霜.山东地区风电场功率特性及其负荷相关性分析 [J].中国勘察设计，2012(7)：68-72.

[6] 陈祥，汪玉华.并网风光互补电站出力特性分析 [J].电力电气，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