电工杯一等奖风电功率波动特性的概述.docx

1 第一页 答卷编号： 论文题目：风电功率波动特性的分析 姓 名专业、班级有效联系电话参赛队员1土木工程7班参赛队员2土木工程7班参赛队员3土木工程7班指导教师：袁俭 参赛学校：西南交通大学 证书邮寄地址及收件人：西南交通大学犀浦校区数学建模协会5401实验室 摘要 本文运用t location-scale概率分布、回归拟合、描述统计、基于时间序列的自回归滑动平均预测方法以及时序特性等模型研究分析了风电功率波动特性。 第一问的问题a，针对时间间隔为5秒的风电功率波动序列，以第五组风机为例，运用了几种常见的概率分布模型分析了风电功率波动情况，使用matlab软件进行最优度拟合，发现t location-scale概率分布最适合描述风电功率波动情况，得到了三个特征值-0.0449，4.0952， 1.3881以及拟合指标0.0220。于是运用t location-scale概率分布模型分别计算出五组风机的特征值，分析了异同。问题b，运用t location-scale模型，以每日为时间窗宽，对5个风电功率分别计算出了30个时段的概率分布参数。并且运用描述统计模型绘制了不同机组、不同时段风电功率波动的概率参数折线图。 第二问，针对时间间隔为1分钟的风电功率波动序列，运用与第一问的问题a相同的模型进行了再次计算与分析，发现还是t location-scale概率分布最适合描述风电功率波动情况。 第三问， 将Pim(tk)序列代替Pi5s(tk)序列，发现会损失部分信息。于是本文根据风场的实际情况，自己定义了波动信息损失的度量指标，即波动信息损失率。根据前两问的数据算出的。 第四问，运用t location-scale概率分布模型分析了时间间隔为1分钟、5分钟和15分钟的总功率序列PΣm(tk)，PΣ5m(tk)，PΣ15m(tk)，得到了相应的特征值与拟合指标，并进行了比较，其中时间间隔为1分钟的拟合效果最好，拟合指标0.04918。若以PΣ5m(tk)代替PΣm(tk)来表征全场风电功率波动，运用第三问已经定义建立好的波动信息损失率的模型来分析其后果与影响。 第五问，由于风电场发电功率的数据具有按时间的排序性和离散性, 因此采用时间序列分析方法对风电场的发电功率进行预测,本??针对风电机组输出功率数据进行模型参数估计和模型定阶并建立自回归滑动平均模型ARMA(n,m)。时间序列分析方法能较好地捕捉到风电功率的变化规律，预测效果较为理想。 第六问，为分析单台风机功率Pim(tk)与风电场总功率PΣm(tk)在时序上表现出的主要差别，建立时序特性模型。用EXCEL画出相应机组Pim(tk)和PΣm(tk)随时间变化的曲线，发现Pim(tk)与PΣm(tk)相比存在时间上的滞后性，尤其突出的是观测时间的900分钟至1300分钟，Pim(tk)曲线的曲率变化明显慢于PΣm(tk)，但两者的变化规律基本相同。最后用t location-scale分布的概率分布特征值来分析两者的波动性。 第七问，写出了对风电功率波动特性的认识以及如何用来克服风电波动对电网运行的不利影响。 关键词：风电功率 风电波动 概率分布 时间序列预测 时序分析 一．问题提出 近年来，可再生能源开发的热潮遍及全球。我国已经规划了8个千万kW级的大型风电基地，预计2020年全国风电装机容量将超过2.0亿kW。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，并且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。大规模风电基地通常需接入电网来实现风电功率的传输与消纳。风电功率的随机波动被认为是对电网带来不利影响的主要因素。本文需要解决下面七个问题： 1．任选5个风电机组： a）在30天的范围内，分析机组i的风电功率Pi5s(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．试从上述5台机的风电功率数据中提取出间隔为1分钟的数据序列Pim(tk)。对于这5个序列，再做题1a）的分析。 3．试分析用Pim(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．试计算时间间隔为1分钟、5分钟和15分钟的总功率序