黃大為, 曹康洋永, 張旭鵬

(東北電力大學(xué)電氣工程學(xué)院， 吉林省 吉林市 132012)

基于風(fēng)速相關(guān)性的風(fēng)電場(chǎng)群匯聚效應(yīng)分析

黃大為, 曹康洋永, 張旭鵬

(東北電力大學(xué)電氣工程學(xué)院， 吉林省 吉林市 132012)

多個(gè)風(fēng)電場(chǎng)匯聚后的輸出功率特性具有明顯的匯聚效應(yīng)，這是處于不同位置風(fēng)電場(chǎng)風(fēng)能資源差異性的外在體現(xiàn)。本文運(yùn)用Copula理論對(duì)地理位置相近地區(qū)風(fēng)速的相關(guān)性進(jìn)行量化分析，進(jìn)行最優(yōu)Copula函數(shù)類型選擇以及參數(shù)的確定。通過(guò)對(duì)兩兩風(fēng)電場(chǎng)風(fēng)速相關(guān)性的量化分析，提出一種能夠反映風(fēng)電場(chǎng)群輸出功率匯聚效應(yīng)的Monte Carlo模擬方法。在已知風(fēng)速歷史數(shù)據(jù)的前提下，分析了場(chǎng)間風(fēng)速含有相關(guān)性對(duì)風(fēng)電場(chǎng)群匯集后輸出功率特性的影響，從而為風(fēng)電場(chǎng)群功率外送輸電容量規(guī)劃提供必要的參考。

風(fēng)力發(fā)電； 風(fēng)電場(chǎng)匯聚效應(yīng)； 風(fēng)速相關(guān)性； 蒙特卡洛模擬

1 引言

化石能源的過(guò)度開(kāi)采已經(jīng)造成世界性的能源危機(jī)。目前是新型能源高速發(fā)展的階段，風(fēng)-電轉(zhuǎn)化技術(shù)已經(jīng)成為除水力發(fā)電以外可再生能源利用中規(guī)模最大、市場(chǎng)競(jìng)爭(zhēng)力最強(qiáng)、最具發(fā)展前景的發(fā)電方式之一。風(fēng)能的大規(guī)模開(kāi)發(fā)和利用在調(diào)整能源結(jié)構(gòu)、減輕環(huán)境污染問(wèn)題等方面起到了較為突出的作用[1-3]。

我國(guó)風(fēng)電項(xiàng)目的跨越式發(fā)展以及特高壓戰(zhàn)略的展開(kāi)促使風(fēng)電基地大規(guī)模地聯(lián)合并網(wǎng)。由于風(fēng)電場(chǎng)輸出功率的特性完全依賴于風(fēng)速的波動(dòng)特性，因此在對(duì)風(fēng)電場(chǎng)群進(jìn)行規(guī)劃建設(shè)時(shí)，需考慮風(fēng)能資源具有的隨機(jī)性、間歇性對(duì)風(fēng)電場(chǎng)群匯集后功率的整體特性的影響[4-6]。通常對(duì)電網(wǎng)進(jìn)行規(guī)劃時(shí)，利用持續(xù)出力特性曲線來(lái)描述功率變化規(guī)律。對(duì)風(fēng)電場(chǎng)及風(fēng)電場(chǎng)群外送功率容量進(jìn)行計(jì)算分析是大規(guī)模風(fēng)電并網(wǎng)系統(tǒng)網(wǎng)絡(luò)規(guī)劃的重要依據(jù)，必須考慮風(fēng)電場(chǎng)群輸出功率的匯聚效應(yīng)。文獻(xiàn)[7]主要基于風(fēng)電功率歷史數(shù)據(jù)分析得到風(fēng)電場(chǎng)群輸出功率持續(xù)出力曲線，并以此為依據(jù)建立其外送輸電容量的優(yōu)化模型。由于風(fēng)電場(chǎng)群存在多個(gè)風(fēng)電場(chǎng)地理位置毗鄰的情況，所在地理位置基本處于同一風(fēng)帶，不同風(fēng)電場(chǎng)的風(fēng)速之間具有較強(qiáng)的相關(guān)性，使得風(fēng)電場(chǎng)群匯聚后的功率特性與單個(gè)風(fēng)電場(chǎng)輸出功率特性差異性較大。國(guó)內(nèi)外學(xué)者對(duì)風(fēng)速相關(guān)性進(jìn)行了大量研究工作，最近運(yùn)用Copula理論分析風(fēng)場(chǎng)間風(fēng)速及輸出功率相關(guān)性的理論及方法較多[8-10]。但這些研究工作均從歷史功率數(shù)據(jù)的統(tǒng)計(jì)特性角度進(jìn)行分析，以此建立風(fēng)速及風(fēng)功率相依結(jié)構(gòu)模型。該研究的關(guān)鍵點(diǎn)在于Copula函數(shù)的選擇以及其函數(shù)參數(shù)的確定和概率性檢驗(yàn)。運(yùn)用Copula理論可以較好地刻畫(huà)風(fēng)場(chǎng)間風(fēng)速存在的相關(guān)特性以及風(fēng)能資源本身的尾部特性

本文的研究重點(diǎn)在于利用Copula函數(shù)對(duì)不同風(fēng)電場(chǎng)風(fēng)速相關(guān)性測(cè)度的刻畫(huà)，分析風(fēng)電場(chǎng)群輸出功率的匯聚效應(yīng)，提出一種計(jì)及風(fēng)速空間相關(guān)性并能夠有效反映風(fēng)電場(chǎng)群輸出功率匯聚效應(yīng)的Monte Carlo模擬方法。

2 風(fēng)電場(chǎng)群的匯聚效應(yīng)

對(duì)不同規(guī)模的風(fēng)電場(chǎng)匯聚功率的歷史統(tǒng)計(jì)數(shù)據(jù)進(jìn)行分析，其結(jié)果表明，多個(gè)風(fēng)電場(chǎng)匯聚之后的功率波動(dòng)應(yīng)較單一風(fēng)電場(chǎng)波動(dòng)更平緩，等效滿發(fā)年利用小時(shí)數(shù)增加，風(fēng)電場(chǎng)群匯聚后的外送容量也明顯低于總裝機(jī)容量，且隨著風(fēng)電場(chǎng)群匯聚規(guī)模的增大，風(fēng)電功率特性呈現(xiàn)明顯的“匯聚效應(yīng)”[7]。

圖1為某地區(qū)不同裝機(jī)規(guī)模的風(fēng)電場(chǎng)群輸出功率的持續(xù)特性曲線?？梢钥闯?，隨著風(fēng)電場(chǎng)群規(guī)模的增加，其持續(xù)功率特性曲線變得逐漸平緩，最大出力占總裝機(jī)容量的比例呈現(xiàn)遞減趨勢(shì)。多個(gè)風(fēng)電場(chǎng)匯聚之后的功率特性明顯區(qū)別于單個(gè)風(fēng)電場(chǎng)的功率特性，其根本原因是不同風(fēng)電場(chǎng)所在地區(qū)風(fēng)能波動(dòng)性差異很大。同一時(shí)段內(nèi)，某地區(qū)風(fēng)能充足，風(fēng)速波動(dòng)處于波峰段，與之對(duì)應(yīng)的另一地區(qū)風(fēng)能可能不足，風(fēng)速波動(dòng)處于波谷段。因此，風(fēng)電場(chǎng)間的輸出功率存在“互濟(jì)性”。

圖1 不同裝機(jī)規(guī)模風(fēng)電場(chǎng)群輸出功率的年持續(xù)特性曲線Fig.1 Annual wind power duration curves with different integrated wind farms

在對(duì)風(fēng)電場(chǎng)群進(jìn)行規(guī)劃設(shè)計(jì)時(shí)，應(yīng)考慮風(fēng)電場(chǎng)群的匯聚效應(yīng)，合理確定規(guī)劃地區(qū)的風(fēng)電場(chǎng)群的外送容量，并準(zhǔn)確地分析風(fēng)電場(chǎng)群匯聚后接入電網(wǎng)時(shí)對(duì)電網(wǎng)的影響。

3 計(jì)及風(fēng)場(chǎng)間風(fēng)速相關(guān)性的風(fēng)電場(chǎng)群輸出功率模擬

3.1 基于Copula函數(shù)的風(fēng)速相關(guān)性分析

風(fēng)電場(chǎng)大規(guī)模集中并入電力系統(tǒng)是我國(guó)風(fēng)能利用的重要形式。風(fēng)電場(chǎng)群內(nèi)存在多個(gè)風(fēng)電場(chǎng)所處的地理位置比較相近的情況，其所在地理位置基本處于同一風(fēng)帶，風(fēng)電場(chǎng)間的風(fēng)速波動(dòng)具有很強(qiáng)的相關(guān)性。若忽視這種相關(guān)性，可能使與風(fēng)電并網(wǎng)相關(guān)的規(guī)劃結(jié)果出現(xiàn)較大誤差，從而增加電力系統(tǒng)的不確定因素，加大電力系統(tǒng)運(yùn)行風(fēng)險(xiǎn)。因此，借鑒Copula理論對(duì)不同風(fēng)場(chǎng)風(fēng)速相依關(guān)系進(jìn)行分析，并研究計(jì)及風(fēng)速相關(guān)性的風(fēng)電場(chǎng)群輸出功率的Monte Carlo模擬方法具有重要的工程意義。

1959年Sklar定理[10]的提出為Copula理論奠定了基礎(chǔ)。Copula函數(shù)是將多元隨機(jī)變量的聯(lián)合概率分布和其各自的邊緣分布相連接的函數(shù)，是構(gòu)建多元隨機(jī)變量聯(lián)合分布的有力工具。

假設(shè)一個(gè)n元隨機(jī)變量分布函數(shù)H(·)的邊緣概率分布函數(shù)分別為F(x1),F(x2),…,F(xn)，其中x1,x2,…,xn為隨機(jī)變量，則存在一個(gè)Copula函數(shù)C(·)滿足：

(1)

如果F1,F2,…,Fn是連續(xù)的，則Copula函數(shù)是唯一確定的，反之亦然?；谠摱ɡ砜芍?dāng)確定了各風(fēng)場(chǎng)風(fēng)速的邊緣概率分布函數(shù)，并確定一個(gè)合適的Copula函數(shù)后，就可以得出以各風(fēng)場(chǎng)風(fēng)速為隨機(jī)變量的聯(lián)合概率分布函數(shù)。

采用雙參數(shù)Webiull分布作為風(fēng)電場(chǎng)風(fēng)速的概率統(tǒng)計(jì)模型[11]。根據(jù)地區(qū)實(shí)測(cè)的歷史風(fēng)速數(shù)據(jù)，求解風(fēng)速概率分布的參數(shù)，由此估算出能直接體現(xiàn)風(fēng)能資源狀況的特性值，為風(fēng)電場(chǎng)的風(fēng)電輸出功率模擬提供有效數(shù)據(jù)。雙參數(shù)Webiull分布概率密度函數(shù)為：

(2)

其概率分布函數(shù)為：

(3)

式中，c和k分別為雙參數(shù)Webiull分布的尺度參數(shù)與形狀參數(shù)，尺度參數(shù)c反映風(fēng)電場(chǎng)的平均風(fēng)速；v為給定的風(fēng)速(m/s)。

在風(fēng)速樣本充足的條件下，可采用極大似然法數(shù)學(xué)模型來(lái)確定其分布參數(shù)，對(duì)此文獻(xiàn)[11]已有詳細(xì)論述，此處不再贅述。下面重點(diǎn)對(duì)如何運(yùn)用Copula函數(shù)刻畫(huà)不同風(fēng)電場(chǎng)風(fēng)速之間的相關(guān)性加以論述。

Copula函數(shù)成員廣泛，分為兩類函數(shù)族五種常用函數(shù)：屬于橢圓Copula函數(shù)族的函數(shù)為Normal-Copula函數(shù)和t-Copula函數(shù)；屬于ArchimedeanCopula函數(shù)族的Copula函數(shù)為Gumbel-Copula函數(shù)、Clayton-Copula函數(shù)和Frank-Copula函數(shù)[9]。對(duì)上述五種函數(shù)的特點(diǎn)和適用范圍進(jìn)行歸納總結(jié)，如表1所示。

Copula函數(shù)主要有五種類型，下面分別給出其特性與具體表達(dá)形式。

(1)Normal-Copula特性：對(duì)稱分布，不能反映尾部相關(guān)性。其表達(dá)式為：

表1 五種Copula函數(shù)的特性與適應(yīng)范圍

(4)

式中，ρ為相關(guān)性系數(shù)，這個(gè)Copula函數(shù)的兩個(gè)邊際分布都是正態(tài)分布；積分上限φ-1(x)為標(biāo)準(zhǔn)正態(tài)分布函數(shù)的逆。

(2)t-Copula特性：對(duì)稱分布，能反映尾部相關(guān)性。其表達(dá)式為：

(5)

(3)Gumbel-Copula特性：非對(duì)稱分布，上尾相關(guān)，下尾漸進(jìn)獨(dú)立。其表達(dá)式為：

(6)

式中，u,v為[0，1]上的均勻分布變量；θ為描述兩個(gè)變量間相依性關(guān)系的參數(shù)。

(4)Clayton-Copula特性：非對(duì)稱分布，下尾相關(guān)，上尾漸獨(dú)立。其表達(dá)式為：

(7)

(5)Frank-Copula特性：對(duì)稱分布，不反映尾部相關(guān)性。其表達(dá)式為：

(8)

依據(jù)Sklar定理以及Copula函數(shù)的特性分析，地區(qū)風(fēng)速相關(guān)性模型的構(gòu)造主要分為以下幾個(gè)步驟。

(1)依據(jù)地區(qū)實(shí)測(cè)風(fēng)速樣本，估算風(fēng)速Weibull分布的參數(shù)，確定邊緣分布Fi(vi)。

(2)利用適當(dāng)方法選擇適合的Copula函數(shù)描述風(fēng)速變量的相關(guān)特性。

(3)估算所選Copula函數(shù)的參數(shù)。

構(gòu)建風(fēng)速相關(guān)性模型的關(guān)鍵問(wèn)題是Copula函數(shù)的選擇以及Copula函數(shù)的參數(shù)估算。在風(fēng)速相關(guān)性的研究中，Copula函數(shù)的選擇要綜合以下幾個(gè)因素考慮：① 所選擇的Copula函數(shù)其特征能否和實(shí)際風(fēng)場(chǎng)間風(fēng)速的相關(guān)特性相符。②利用該Copula函數(shù)對(duì)風(fēng)速進(jìn)行模擬的結(jié)果與現(xiàn)實(shí)相符合的程度。③該Copula函數(shù)在求解過(guò)程中的可操作性。

對(duì)于邊緣分布函數(shù)含有未知參數(shù)的情況，可采用兩階段極大似然法對(duì)Copula函數(shù)的參數(shù)進(jìn)行估算[12]，此處不再贅述。

用上述方法對(duì)兩兩風(fēng)電場(chǎng)風(fēng)速間的每類Copula函數(shù)進(jìn)行參數(shù)估計(jì)，確定Copula的未知參數(shù)。最后進(jìn)行函數(shù)的優(yōu)度檢驗(yàn)，確定較優(yōu)的Copula函數(shù)。采用統(tǒng)計(jì)分析法，即使用K-S檢驗(yàn)法計(jì)算檢驗(yàn)統(tǒng)計(jì)量Z值，其中Z值較小的為最優(yōu)的Copula函數(shù)[13]。Z具體表示為：

(9)

式中，F(xiàn)n(x)為實(shí)際樣本數(shù)據(jù)的經(jīng)驗(yàn)分布值；G(x)表示Copula函數(shù)分布值。

確定了最優(yōu)的Copula函數(shù)及其相關(guān)參數(shù)后，為生成風(fēng)速樣本，首先求取Weibull隨機(jī)風(fēng)速模型的累積分布函數(shù)的反函數(shù)。然后根據(jù)MonteCarlo模擬方法產(chǎn)生一組服從[0，1]均勻分布的隨機(jī)數(shù)。最后依據(jù)這組MonteCarlo抽樣選擇出的隨機(jī)數(shù)的反函數(shù)模型和兩個(gè)風(fēng)電場(chǎng)風(fēng)速的聯(lián)合概率分布模型模擬出兩個(gè)風(fēng)速的樣本。

圖2為依據(jù)兩地區(qū)風(fēng)速的實(shí)測(cè)數(shù)據(jù)，考慮風(fēng)速空間相關(guān)性的MonteCarlo模擬。由圖可見(jiàn)，兩地區(qū)模擬風(fēng)速集中分布在45°對(duì)角線上，表明兩地區(qū)風(fēng)速的相關(guān)關(guān)系較強(qiáng)。過(guò)去對(duì)風(fēng)電場(chǎng)群進(jìn)行規(guī)劃分析時(shí)，將各地區(qū)風(fēng)速看成是獨(dú)立變量并不能反映真實(shí)的地區(qū)間風(fēng)速關(guān)系。

圖2 兩相鄰風(fēng)電場(chǎng)風(fēng)速相關(guān)性的Monte Carlo模擬Fig.2 Correlation of wind speed Monte Carlo simulation of adjacent wind farms

3.2 基于Copula理論的反映風(fēng)電場(chǎng)群功率匯聚效應(yīng)的模擬方法

在風(fēng)速的Weibull分布模型以及Copula函數(shù)模型的基礎(chǔ)上模擬風(fēng)電場(chǎng)小時(shí)風(fēng)速值。利用風(fēng)速與風(fēng)電機(jī)組出力的函數(shù)關(guān)系得到風(fēng)電場(chǎng)的功率輸出情況。現(xiàn)階段研究表明風(fēng)電機(jī)組的功率輸出有三種模型:線性模型，二次方模型，三次方模型。但是文獻(xiàn)[14]指出線性模型和三次方模型對(duì)風(fēng)機(jī)的功率輸出描述并不準(zhǔn)確。因此本文采用二次方模型，功率輸出表達(dá)式為：

(10)

式中，P(vwt)為風(fēng)力發(fā)電輸出功率，MW；Pr、vci、vr和vco分別為風(fēng)力發(fā)電機(jī)額定功率、切入風(fēng)速、全額風(fēng)速和切出風(fēng)速；a、b和c為估計(jì)參數(shù)，其值取決于Pr、vci、vr和vco[15]。公式中參數(shù)的具體數(shù)值與風(fēng)電場(chǎng)中各個(gè)風(fēng)電機(jī)組的型號(hào)以及參數(shù)有關(guān)。

基于Copula理論的風(fēng)電場(chǎng)群輸出功率的MonteCarlo模擬方法具體步驟如下。

(1)依據(jù)地區(qū)的測(cè)量風(fēng)速數(shù)據(jù)構(gòu)建各風(fēng)電場(chǎng)風(fēng)速的邊緣分布，確定其Weibull分布的參數(shù)。

(2)依據(jù)兩兩風(fēng)電場(chǎng)的歷史風(fēng)速數(shù)據(jù)確定不同的Copula函數(shù)參數(shù)并對(duì)函數(shù)進(jìn)行優(yōu)選，確定合適的Copula函數(shù)作為描述各變量間相關(guān)結(jié)構(gòu)的依據(jù)。

(3)進(jìn)行反映兩兩風(fēng)電場(chǎng)風(fēng)速相關(guān)性的MonteCarlo模擬，并根據(jù)各風(fēng)電場(chǎng)風(fēng)機(jī)型號(hào)參數(shù)，利用式(10)得到各風(fēng)電場(chǎng)輸出功率序列。

(4)將模擬生成的各風(fēng)電場(chǎng)輸出功率按相應(yīng)的模擬序列求和，即得到反映風(fēng)電場(chǎng)間風(fēng)速相關(guān)性的風(fēng)電場(chǎng)群輸出功率模擬數(shù)據(jù)序列。

(5)將風(fēng)電場(chǎng)群輸出功率的模擬序列按從大到小的順序重新排列，生成反映風(fēng)電場(chǎng)群功率匯聚效應(yīng)的持續(xù)功率特性曲線。

4 算例分析

從吉林省氣象數(shù)據(jù)庫(kù)中選擇地區(qū)風(fēng)速數(shù)據(jù)作為研究樣本，進(jìn)行基于風(fēng)速相關(guān)性的風(fēng)電基地匯聚功率特性分析。該風(fēng)電場(chǎng)群擬建設(shè)8個(gè)風(fēng)電場(chǎng)，其中風(fēng)場(chǎng)2、3、4地理位置較為相近，風(fēng)場(chǎng)7、8地理位置較為相近。具體參數(shù)如表2～表4所示。

表2 風(fēng)電場(chǎng)風(fēng)機(jī)型號(hào)及風(fēng)電場(chǎng)的額定功率

表3 風(fēng)電機(jī)機(jī)型的技術(shù)參數(shù)

基于上述給定數(shù)據(jù)，為了給風(fēng)電基地的規(guī)劃建設(shè)提供有效依據(jù)，現(xiàn)進(jìn)行風(fēng)電場(chǎng)群匯集功率模擬。首先，對(duì)位置相近地區(qū)進(jìn)行兩兩風(fēng)電場(chǎng)間的風(fēng)速空間相關(guān)性分析，選擇較優(yōu)的Copula函數(shù)進(jìn)行一年內(nèi)風(fēng)速的Monte Carlo模擬。其他地區(qū)采用雙參數(shù)Weibull分布風(fēng)速模型模擬一年內(nèi)風(fēng)電場(chǎng)風(fēng)速值。根據(jù)已有地區(qū)風(fēng)速模擬數(shù)據(jù)，利用風(fēng)速與風(fēng)電機(jī)組出力的函數(shù)關(guān)系，確定各個(gè)風(fēng)電場(chǎng)出力情況。通過(guò)風(fēng)電場(chǎng)群匯聚后的持續(xù)出力曲線，分析風(fēng)電場(chǎng)群整體外送功率特性。

圖3為總裝機(jī)容量為350MW的風(fēng)電場(chǎng)群模擬持續(xù)出力曲線。分析表明，考慮風(fēng)速空間相關(guān)性后，風(fēng)電場(chǎng)群的匯聚總功率特性與未考慮時(shí)有顯著區(qū)別，持續(xù)出力曲線更為平緩，最大出力占總裝機(jī)容量的比例明顯下降(由0.87Pmax下降到0.74Pmax)，而風(fēng)電場(chǎng)群等效滿發(fā)年利用小時(shí)數(shù)增加，模擬等效滿發(fā)年利用小時(shí)數(shù)遞增(由1720h增長(zhǎng)到1972h)。

圖3 考慮風(fēng)速相關(guān)性的風(fēng)電場(chǎng)群持續(xù)出力模擬曲線Fig.3 Simulation curves of wind farm group of continuous output considering wind speed correlation

可見(jiàn)，對(duì)風(fēng)電場(chǎng)群進(jìn)行規(guī)劃分析時(shí)，將各地區(qū)風(fēng)速看成是獨(dú)立變量并不能反映真實(shí)的地區(qū)間風(fēng)速關(guān)系，依此進(jìn)行的風(fēng)電場(chǎng)群規(guī)劃有明顯不足。

5 結(jié)論

對(duì)Copula 函數(shù)的探究可以追溯到20世紀(jì)50年代，但將Copula 函數(shù)真正應(yīng)用于風(fēng)電系統(tǒng)領(lǐng)域的研究正處于起步階段。Copula 函數(shù)具有許多優(yōu)良的統(tǒng)計(jì)特性，近幾年來(lái)得到了廣泛的應(yīng)用，已經(jīng)成為多元分布建模的一個(gè)重要工具。本文提出了基于Copula理論的反映風(fēng)電場(chǎng)群輸出功率匯聚效應(yīng)的模擬方法，對(duì)地理位置毗鄰地區(qū)的風(fēng)速存在的相關(guān)特性進(jìn)行刻畫(huà)。本文分析表明，計(jì)及風(fēng)速相關(guān)性的風(fēng)電場(chǎng)群的年持續(xù)出力特性曲線趨于平緩，其所反映的匯聚效應(yīng)更加明顯。

在風(fēng)電場(chǎng)群規(guī)劃和風(fēng)電場(chǎng)群外送輸電容量計(jì)算中，采用本文方法估算風(fēng)電場(chǎng)群年持續(xù)出力曲線，可在一定程度上體現(xiàn)風(fēng)電功率的時(shí)空分布規(guī)律。由于本文主要研究風(fēng)電場(chǎng)之間風(fēng)速相關(guān)性對(duì)風(fēng)電場(chǎng)群功率匯聚效應(yīng)的影響，在模擬計(jì)算中未計(jì)及風(fēng)電場(chǎng)內(nèi)風(fēng)電機(jī)組風(fēng)速相關(guān)性對(duì)其匯聚效應(yīng)的影響，因此所得結(jié)果可能偏于保守。

[ 1] 譚忠富, 鞠立偉 (Tan Zhongfu, Ju Liwei). 中國(guó)風(fēng)電發(fā)展綜述：歷史、現(xiàn)狀、趨勢(shì)及政策 (Review of China’s wind power development: History, current status, trend and policy) [J]. 華北電力大學(xué)學(xué)報(bào)(Journal of North China Electric Power University), 2013，(2)：1-7.

[ 2] 羅如意, 林曄, 錢野 (Luo Ruyi, Lin Ye, Qian Ye). 世界風(fēng)電產(chǎn)業(yè)發(fā)展綜述 (The development and prospects of world wind power industry) [J]. 可再生能源 (Renewable Energy Resources), 2010，28(2)：14-17．

[ 3] 沈又幸, 郭玲麗, 曾鳴 (Shen Youxing, Guo Lingli, Zeng Ming). 丹麥風(fēng)電發(fā)展經(jīng)驗(yàn)及對(duì)我國(guó)的借鑒 (Wind power development experience of Denmark and its reference to China) [J]. 華東電力 (East China Electric Power), 2008，36(11)：153-157．

[ 4] 張節(jié)潭, 程浩忠, 黃微, 等 (Zhang Jietan, Cheng Haozhong, Huang Wei, et al.). 含風(fēng)電場(chǎng)的電源規(guī)劃綜述 (Review of generation expansion planning for power system with wind farms) [J]. 電力系統(tǒng)及其自動(dòng)化學(xué)報(bào) (Proceedings of the CSU-EPSA), 2009，21(2)：35-41．

[ 5] 高賜威, 何葉 (Gao Ciwei, He Ye). 考慮風(fēng)力發(fā)電接入的電網(wǎng)規(guī)劃[J] (Research of electric network planning with wind power integration considered) [J]. 電力科學(xué)與技術(shù)學(xué)報(bào) (Journal of Electric Power Science and Technology), 2009，24(4)：19-24．

[ 6] 孫元章, 吳俊, 李國(guó)杰, 等 (Sun Yuanzhang, Wu Jun, Li Guojie, et al.). 基于風(fēng)速預(yù)測(cè)和隨機(jī)規(guī)劃的含風(fēng)電場(chǎng)電力系統(tǒng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度 (Dynamic economic dispatch considering wind power penetration based on wind speed forecasting and stochastic programming) [J]. 中國(guó)電機(jī)工程學(xué)報(bào) (Proceedings of the CSEE), 2009，29(4)：41-47．

[ 7] 穆鋼, 崔楊, 嚴(yán)干貴 (Mu Gang, Cui Yang, Yan Gangui). 確定風(fēng)電場(chǎng)群功率匯聚外送輸電容量的靜態(tài)綜合優(yōu)化方法 (A static optimization method to determine integrated power transmission capacity of clustering wind farms) [J]. 中國(guó)電機(jī)工程學(xué)報(bào)(Proceedings of the CSEE), 2011，31(1)：15-19．

[ 8] 蔡菲, 嚴(yán)正, 趙靜波, 等 (Cai Fei, Yan Zheng, Zhao Jingbo, et al.). 基于Copula理論的風(fēng)電場(chǎng)間風(fēng)速及輸出功率相依結(jié)構(gòu)建模 (Dependence structure models for wind speed and wind power among different wind farms based on Copula theory) [J]. 電力系統(tǒng)自動(dòng)化(Automation of Electric Power Systems), 2013，37(17)：9-16．

[ 9] 季峰, 蔡興國(guó), 王俊 (Ji Feng, Cai Xingguo, Wang Jun). 基于混合Copula函數(shù)的風(fēng)電功率相關(guān)性分析 (Wind power correlation analysis based on hybrid Copula) [J]. 電力系統(tǒng)自動(dòng)化 (Automation of Electric Power Systems), 2014, 38(2): 1-5,32．

[10] 簡(jiǎn)金寶, 劉思東 (Jian Jinbao, Liu Sidong). 風(fēng)速空間相關(guān)性和最優(yōu)風(fēng)電分配 (Wind speed spatial correlation and optimal wind power allocation) [J]. 電力系統(tǒng)保護(hù)與控制 (Power System Protection and Control), 2013,41(19): 110-116．

[11] 龔偉俊, 李為相, 張廣明 (Gong Weijun, Li Weixiang, Zhang Guangming). 基于威布爾分布的風(fēng)速概率分布參數(shù)估計(jì)方法 (The estimation algorithm on the probabilistic distribution parameters of wind speed based on Weibull distribution) [J]. 可再生能源 (Renewable Energy Resources), 2011，29(6)：20-23．

[12] 張義斌, 王偉勝 (Zhang Yibin, Wang Weisheng). 風(fēng)電場(chǎng)輸出功率的概率分布及其應(yīng)用 (Probability distribution of power output for wind power field and its application) [J]. 電力設(shè)備 (Electrical Equipment), 2004, 5(8): 38-40．

[13] Wang X, Makis V. Autoregressive model-based gear shaft fault diagnosis using the Kolmogorov-Smirnov test [J]. Journal of Sound and Vibration, 2009，327(3)： 413-423．

[14] 陳樹(shù)勇, 戴慧珠, 白曉民, 等 (Chen Shuyong, Dai Huizhu, Bai Xiaomin, et al.). 風(fēng)電場(chǎng)的發(fā)電可靠性模型及其應(yīng)用 (Reliability model of wind power plants and its application) [J]. 中國(guó)電機(jī)工程學(xué)報(bào) (Proceedings of the CSEE), 2000，20(3)：27-30．

[15] Giorsetto P, Utsurogi K F. Development of a new procedure for reliability modeling of wind turbine generators [J]. IEEE Transactions on Power Apparatus and Systems，1983，PAS-102(1)：134-143．

Clustering effect analysis of wind power stations based on correlation of wind speed

HUANG Da-wei, CAO Kang-yang-yong， ZHANG Xu-peng

(School of Electrical Engineering, Northeast Dianli University, Jilin 132012, China)

The output power of multiple wind farms has obvious clustering effect, which is the external characteristic of the wind energy resources diversity at different positions. In this paper the Copula theory is used to quantify and analyze the relativity of wind speed which has geographical proximity, and the optimal copulas function is selected and the parameters are determined. Through the quantification of the correlation of the two wind farms’ speed, a Monte Carlo simulation method which can reflect the output power clustering effect of wind farms is proposed. With the known historical data of the wind speed, the influence of wind speed correlation to the output power characteristics of wind farms is analyzed. The results are important reference to transmission capacity programming for the wind farm group power output.

wind power generation; clustering effect of wind generations; correlation of wind speed; Monte Carlo simulation

2015-01-22

吉林省科技發(fā)展規(guī)劃項(xiàng)目(20130102026JC)

黃大為 (1976-), 男, 黑龍江籍， 副教授, 博士, 主要從事電力系統(tǒng)運(yùn)行與控制、 新能源并網(wǎng)及高效利用方面的研究; 曹康洋永 (1989-), 男, 吉林籍， 碩士研究生, 主要研究方向?yàn)殡娏ο到y(tǒng)運(yùn)行與控制。

TM71

A

1003-3076(2016)02-0018-06