2.5　风力发电出力特性

风力发电出力特性分析的研究对象包括风力发电机组、风电场以及风电场群，针对不同时间尺度下风力发电的出力特点进行统计和总结，从而为风力发电功率预测研究以及风力发电并网提供参考。

2.5.1　日变化特征

近地层风速的日变化是天气系统与局部地形、热力条件共同作用的结果，受其影响，风力发电的出力也存在显著的日变化特征。日变化特征分析中可包括典型日分析和平均日变化特征分析。依据预测范围的不同，可将日变化特征分析的对象分别设置为风力发电机组、风电场或风电场群。

依据日变化特征的统计，可进一步分析某一地区的风电出力与电力系统峰谷差调节能力的关系，从而为风电功率预测的评价与深化提供更为客观的分析依据。

2.5.1.1　典型日分析

典型日的概念被不同学科广泛采用，因而其定义也存在多种解释。例如，区域风能分布研究中采用天气类型甄别及各天气类型5%随机样本抽取的方式来确定典型日。本节涉及的典型日选取采用与负荷特性分析类似的方法，按照当地电网长期统计规律来确定。

典型日分析主要针对某年度典型日出力曲线变化特征进行分析，重点关注风力发电出力与电网负荷相反，即可能影响电网安全稳定运行的情况。

（1）风力发电机组出力的典型日分析。风力发电机组是将风能转化为电能的装置，以空气为工作介质，通过空气动能的捕获实现电能输出。在不考虑变桨、偏航等主控操作的情况下，风力发电机组的出力主要受轮毂高度处的风速、温度、湿度等气象要素影响。由于风力发电机组惯性能力弱，随气象要素变化而呈现出较为显著的波动性。

以1.5MW变速恒频机组为例。相较于风电场、风电集群，风力发电机组的出力序列具有湍流特性强、日变化与变幅显著的特点，日变化区间涵盖零负载至满负载全区间。受气象要素的变化特性影响，当轮毂高度处风速处于机组切入风速至额定风速区间时，风力发电机组出力常难以维持稳定出力，风力发电机组出力的典例日变化特征如图2－15所示。

（2）风电场出力的典型日分析。与欧洲和北美不同，我国的风能资源开发具有大规模、集中式的特点，并从国家战略层面规划了九个千万千瓦级风电基地。对于风能资源开发较为密集的省份和地区，装机容量大于200MW的大型风电场是比较常见的。

相比于风力发电机组的出力日变化，大型风电场的波动性较弱，典型日的出力变化分析显示出较为明显的峰谷特性。以华东某大型风电场为例，如图2－16所示，其典型日分析呈现“双峰一谷”型。峰时主要出现在3—7时、20—23时，低谷时段大致集中于日间，呈显著的“反调峰”特点。与风力发电机组相比，风电场的出力特性由于空间效应而体现出显著的平滑趋势，瞬时变化的幅度明显减弱。

由于大型风电场的占地面积往往超过测风塔“可视”半径，风电场内的风能资源存在空间分布不均匀的特性，而风能资源同时受地形、天气系统等因素影响，风电场的整体出力特性难以用测风塔的实际风能资源测量进行解释。因而，由风力发电预测角度，风电场的出力特性问题远比风力发电机组复杂。

（3）风电场群出力的典型日分析。在风电场群出力的典型日分析中，主要包括风电场群出力的“基荷”特性分析，以及峰谷特征（峰现时间、持续时长、峰谷差）等。风电场群一般是电网统调区域全体风电场集合或基于同一并网点的若干风电场集合，风电场群出力的典型日分析、出力变化趋势与额定装机容量间的对比关系、区域风电出力空间特性等结论对大规模风电集群控制也将起到一定积极作用。

以2011年中国某沿海省份风电场群（部分）为例。据统计，2011年度该省并网装机容量达到30MW以上的风电场为11座，总装机容量超过62万kW（如表2－7所示）。该风电场群沿海岸线自北向南离散分布，大部分位于近海或沿海滩涂、岛屿，下垫面的均一性较差。

2011年度该风电场群的春季典型日出力表现出以下特点。如图2－17所示，由统计时段的季节特性，该区域春季典型出力的负荷率总体偏低，当日场群最小出力约70MW，负荷率约11%；出力曲线整体呈“单峰”形态，低谷持续时间短，出力高峰期出现于午间，维持时长约7h，负荷率持续大于32.2%；相比于风力发电机组和风电场，风电集群出力的整体稳定性略强，出力瞬时波动平缓。

2.5.1.2　平均日变化分析

平均日变化特性的分析需要基于较为长期的历史数据，因而在分析的过程中需重点考虑以下几类因素。

1.地理环境差异

中国风电开发的地域特点是风电场分布广泛，横跨中高纬度内陆省份和东南沿海（含部分内陆低风速区域）。各风电发达省份的风电出力平均日变化的差异性既包括纬度、海拔、地貌等自然环境特征因素，也受到区域装机规模、装机类型与运维管理水平等方面的影响。

2.气候背景

受全球大气环流、东亚季风环流影响，中国气候总体上呈现夏季高温多雨、冬季低温干旱的特点，中高纬度区域的风电场发电功率的“丰枯”分界大致相近。但受风力发电开发区域地理环境以及纬度影响，不同区域的实际季节分界存在差异性，因而风能资源的季节变化不可一概而论。另外，中尺度天气系统的生成与活动规律不同，风力发电平均日变化的趋势性也呈现各自独立特点。

3.人为因素

平均日变化分析的数据需求明确，历史出力数据时间序列的连续性、准确性是统计结果客观可信的基本保证。

（1）风电场出力的平均日变化分析。平均日变化的分析受资料选取时段影响，并隐含不同季节天气系统活动对风力发电的制约机制。我国的气候具有典型的季风特点，绝大多数地区的风向在一年中呈季节性交替。由于夏季风和西太平洋副热带高压势力旺盛，东亚大陆普遍存在气压梯度减弱的现象，导致风电出力的显著降低，即“枯风期”。

以夏季江苏某大型风电场为例。该风电场位于江苏省沿海滩涂，轮毂高度处年平均风速推算约为6.7m/s，盛行风为北风。受西太平洋副高压控制，江苏夏季常出现强烈的下沉逆温，形成晴空、闷热的稳定天气，风能资源呈现间歇性枯竭。据统计，该风电场8月平均风速、风功率密度均为年统计负距平，风电场出力的平均日变化的主要特征是峰谷差小，平均负荷率低于17.5%，多数风力发电机组常处于待机状态，江苏近海风电场的夏季风电出力平均日变化特征如图2－18所示。

冬半年受蒙古－西伯利亚高压影响，冷空气频繁南侵，进而促使区域风能资源的年变化序列倾向于优势正距平。因而，“三北”至华中、华南一线，风电场的冬季平均日出力普遍表现为持续的高出力水平。

以张北地区某大型风电场为例，其平均日变化出力表现出峰谷差低、出力稳定的特点，风电场负荷率稳定于34%～55%之间，张北某风电场2010年11月出力平均日变化特征如图2－19所示。从风电消纳角度分析，0～15h平均日变化出力处于稳定的高负荷率水平，16h后平均出力水平显著降低，上述特点有利于电网负荷平衡与风电消纳。

（2）风电场群出力的平均日变化分析。风电场群受季节和大尺度天气系统的影响十分显著。由我国千万千瓦级风电基地的地理分布特点可以发现，风电富集区域大多处在冬季风（包括寒潮等）的影响范围，因此，寒潮等天气系统的活动对于大规模风电场群的出力至关重要。

以我国东部某省份的风电集群为例。分析采用2011年1月风电集群出力能量管理系统（Energy Management System，EMS）监测数据，数据采样的时间分辨率为5min，单位为MW。日平均变化曲线显示，日内波动趋势平稳，多数时段的出力值高于350MW，即出力均值达到或接近全网风电装机的60%，我国东部某省1月风电集群出力的平均日变化特征如图2－20所示。随机抽取1月1日、1月15日和1月20日日变化曲线对比显示，日出力普遍高于350MW。可通过风电场群出力区间概率估算，为备用决策提供参考基准值和信度区间。

2.5.2　变化率特征

风电场在微观选址方面通常以最大风能捕获为技术前提，但由于风能资源的空间分布差异，各台机组出力的同时率往往随着风电场装机规模的增大而呈现出降低的趋势，由此产生“平滑效应”，导致风电场的风机变化率明显低于单个风机。在风电场群方面，因受区域地形、风能资源、风电机组类型等因素影响，各风电场之间的出力除“平滑效应”外，部分时段内可能存在较强的互补性，因而出力变化率的概率分布将进一步平缓。研究表明，出力波动的分钟级振幅与风电集群规模扩大显著相关，其本质在于影响近地层风能资源的天气系统的空间尺度存在局限，风力发电机组类型、海拔高度以及天气条件等方面的差异将显著降低风力发电机组间、风电场间的出力同时率。

采用甘肃某风电场2011年6月4日至2011年8月26日的EMS数据资料为例。如图2－21，风电场出力和风电机组的逐5min出力变化基本呈正态分布，风电机组出力的离散性更强、归一化变化率更显著，而风电场的出力变化率则较为稳定。

为了更为清晰地阐述风电装机规模对出力变化率的影响，下面采用某49.5MW风电场SCADA系统提供的风电机组发电功率数据进行说明。如图2－22所示，此算例中横坐标为风电机组数量，纵坐标为归一化标准差随装机容量的变化。可见，随着风电机组数量的线性增长，不同装机容量下的出力变化率总体呈减小趋势。当统计对象为33台机组的出力总和时，变化率已远小于单台风电机组。