京津唐电网风电运行数据分析框架初探

栗向鑫 罗亚洲 赵冬雯

1.华北电力调控分中心 北京 100053；

2.华北电力大学电气与电子工程学院 北京 102206；

3.北京石景山供电公司 北京 100043

0 引言

随着新能源发电在全世界展开，风能发电凭借其清洁环保、取之不尽用之不竭的特点，成为目前首选的可再生能源发电模式［1－2］。与此同时，风电对于电力系统安全运行的影响日益显现，风电出力的随机性、波动性和峰谷特性，给风电丰富地区电网调度带来了越来越大的压力。

随着风电规模的继续增大，风电并网运行对电网运行的影响会越来越显著，调度部门如何分析风电运行数据，成为风电调度的关键技术问题。本文以京津唐电网风电运行特性作为基础，基于风电数据分析的相关要求，以风电运行深度研究为应用环境，对京津唐风电运行数据分析的设计框架展开研究和探索。

1 设计背景

1.1 京津唐电网风电运行情况

火力发电在京津唐电网中比重较大，截至2011年底，全网总装机容量51674MW，其中火电45870MW，水电1220MW，风电装机容量达到4584MW。电网调峰运行主要依靠火电机组旋转调峰，以抽水蓄能为辅。其电源结构如表1所示。

表1 电源结构构成

随着京津唐电网风电装机比例的不断增大，在调度运行中，风电运行特性对电网实时控制影响也逐渐增大，表2所列为2011年京津唐电网风电运行相关数据。

表2 京津唐电网2011年风电运行概况

2011年京津唐电网风电出力瞬时最大值达3236MW，风电出力与总负荷的最大占比达到8.07%，风电最大峰谷差率达64.3%。因此无论从装机容量还是从实时运行的作用上看，风电在京津唐电网电力平衡和实时调度控制中扮演着越来越重要的角色，已不能忽视。

1.2 京津唐电网风电运行特性

风电作为新能源，有着与常规能源不同的特性，特别是当其以一定规模并入电网、且经过长期运行后，这些特性便显现出来。笔者根据京津唐电网2011年风电运行实时数据，分析风电运行特性。

1）风电出力的随机性

风电机组的出力受天气影响较大，主要是风力的大小。虽然，从季节上看有一定规律可循，例如总体上冬季风电出力大、夏季风电出力小，但是，即使在同一季节里，风电出力也未必稳定，具有很大的随机性。京津唐电网9月27日、28日风电出力如图1所示。

图1 风电出力随机性

2）风电出力的波动性

在日内实时运行中，风电出力的波动性较大，这也给电网调频及联络线调整带来一定困难。由图2可知：随着时间跨度的增加，风电出力的波动也逐渐增加。从调度运行的角度来看，15分钟及1小时的风电功率波动分析可以客观反映风电出力的实时变化过程［3－4］。

可见，15分钟内风电出力的互补性较为明显，其波动基准变化率小于1%的概率为55.72%，基准变化率大于5%的概率为1.43%。1小时波动基准变化率在1%至10%之间的概率为71.83%，基准变化率大于10%的概率为3.49%。相比较而言，小时级时间跨度的风电功率波动较大，基准变化率集中在1%－10%之间，部分时段的基准变化率甚至更大，给风电调度工作带来一定困难。

图2 不同时间跨度风电出力变化率的概率分布

3）风电出力的峰谷特性

由于风电的随机性和波动性，使得风电出力的峰谷与电网负荷的峰谷不匹配的几率较高，给电网调峰带来一定困难。根据风电对电网等效负荷峰谷差改变模式的不同，将风电日内出力调峰效应分为正调峰、反调峰两种情形［4］。图3是京津唐电网风电正调峰和反调峰的日典型曲线。风电正调峰指风电日内出力增减趋势与系统负荷基本相同，风电接入后系统等效负荷曲线峰谷差减小，其典型日曲线如图3（a）所示；风电反调峰是指风电日内出力增减趋势与系统负荷曲线相反，风电接入后系统等效负荷曲线峰谷差增大，其典型日曲线如图3（b）所示。

大规模风电并网所表现出来的运行特性与常规电源并网发电差异性很大，上述仅为风电并网运行特性的3个方面。然而，仅风电出力的随机性、波动性和峰谷特性所涵盖的调度运行监视基础数据量已较为庞大，面对方兴未艾的风电并网调度管理课题，如何理顺风电运行基础数据，并从中选取对调度运行较为重要的数据并加以提升，使之能够集成实时监视和调度并网运行情况分析，加强调度部门对于风电运行的管控能力，已成为同业学者研究的热点［5－6］。

图3 京津唐电网风电正调峰和反调峰的日典型曲线

2 京津唐电网风电运行数据分析框架设想

2.1 基础分析

首先，从风电运行特性角度来看，风电并网运行的随机性、波动性和峰谷特性对于调度运行影响较大，因此，实时监测风电运行数据、分析掌握电网风电运行特性对于电网调度运行具有重要意义。风电运行包含海量数据，风电运行数据分析框架设计需要从海量风电实时监测数据中选择对调度管理效用最大的数据组合，反映本网风电运行特性，为调度部门提供参考。

其次，由于不同电网运行环境不同，在电力调度尤其对于风电调度方面，调度运行人员关注的角度不尽相同，如风电出力占比较大的电网，调度部门对于风电实时运行的随机性、波动性和峰谷特性关注程度较高；而风电出力占比较小的电网则对于上述风电运行特性关注程度较低。因此，不同调度部门根据本网运行实际，对于风电运行数据分析需求各不相同。

目前，风电出力已纳入省级电网出力平衡，并体现在区域控制偏差（ACE）的调整中。所以，后续探讨风电运行数据挖掘框架是建立在一个特定的电网（京津唐电网）上的。

2.2 京津唐电网风电运行指标划分

大规模具有随机性、波动性和峰谷特性的风电接入京津唐电网，对电网调度运行影响日益增大。因此，明确京津唐风电运行指标是进行京津唐风电运行数据挖掘的关键与前提。目前关于风电运行指标尚无明确的定义。为此，笔者根据京津唐电网风电运行特性，并参考国际、国内相关标准和大量研究成果［2－10］，对京津唐电网风电运行指标进行划分，如图4所示。随着风电不断发展、标准不断完善、各电网运行情况的不同，风电运行指标的划分方法和标准可以进一步更新。

图4 京津唐电网风电运行指标

京津唐电网风电运行主要指标主要包括七个方面：①风电功率最大峰谷差：每天风电功率的最大值与最小值之差为该天风电功率最大峰谷差。②风电功率短时波动量：较小或固定时段内风电最大与最小功率之差。③调峰贡献：实际电网负荷峰谷差与净负荷（不包含风电负荷）峰谷差之差，净负荷等于实际负荷减去风电功率。④反调峰：用电高峰期为每天早上9:00－11:00和18:00—21:00；低谷期为23:00—次日07:00。如果每天风电功率最大值出现在用电低谷期或者风电功率最小值出现在用电高峰期，则表示该天发生反调峰。⑤风电指标偏差相关性，包括风电功率、风电功率变化量与ACE、电网频率、联络线功率偏差相关性。⑥风电利用小时：统计周期内风电机组的发电量与可用容量之比（可用容量为装机容量与检修容量之差）。⑦风电负荷率概率分布：风电负荷率是风电功率值与可用容量之比，风电负荷率概率为统计时间段内风电功率落在各负荷率范围内的概率。

7个风电运行主要指标能够表征并网京津唐电网风电运行基本概况，调度运行人员可以根据风电运行指标并通过历史数据分析本网风电运行情况。

2.3 京津唐电网风电运行数据分析框架

基于京津唐电网风电运行特性的风电运行数据分析挖掘步骤如下：

1）实时监测。利用调度部门的能量管理系统以及PI平台，对风机、风电场实时运行参数进行实时监测，对于风机出力、风场总出力、风机风速等参数构建详细的测点，确保调度部门获取足够的风电运行参数。

2）统计分析。借鉴国内外有关信息（数据），如风电利用小时、反调峰、调峰贡献等，对于风电运行指标细化分析。在建立风电运行指标评估函数之前，根据电网不同情况以及通过专家打分的方式选取电网调度最为关注的风电运行指标，作为主要的风电运行分析目标。

3）确定合适的算法。风电运行数据主要有来自省调、地调、直调风电场的数据，监控系统的实时数据和历史数据，管理系统的人为数据或者是统计数据以及风电场或调度的输入数据，传统一阶差分法可以对于风电运行原始数据进行原始数据的滤波处理。风电运行指标评估计算方法，不同学者则给出了不同的算法［11－13］。由于风电运行实时数据以及风电运行指标较为繁杂，探索适合的风电运行指标算法仍是一个重要的问题。

4）风电运行指标评估。在确保风电实时运行、历史数据筛选正确以及风电运行指标计算满足分析需要的基础上，针对不同风电运行指标选择合适的度量指标，根据调度部门需求进行指标评估与分析。

5）风电运行数据分析系统的建立与应用。应用上述风电评估分析指标，分别实现基于图形、数据和WebGIS方式的风电信息实时监测、风电运行指标分析、风电运行评估以及展示等功能，从而为调度部门掌握电网风电运行情况提供参考，并为调度运行人员调度控制风电运行提供帮助。

2.4 京津唐电网风电运行数据分析框架流程图

基于上述讨论分析，如图5所示，京津唐风电信息实时监测前端开发工具可采用Microsoft Visual Studio.net 2008，后台数据库则采用Oracle 10.0.2，整合实时数据库与关系数据库中的相关信息，可实现风电功率的实时监测和统计分析功能。

京津唐电网风电运行数据挖掘框架如图4所示，通过PI数据接口模块从实时数据库中能够得到京津唐电网、各区调及直调风电场的实时功率，通过调度管理系统（OMS）数据接口模块从OMS的数据服务器（ORACLE数据库）中能够提取京津唐电网、京津唐各区调及直调风电场的电量数据。经过插值处理，可以保证来自不同数据库的各调度区域及直调风电场的实时功率和电量同步存入数据挖掘系统的数据服务器（ORACLE数据库）中。

图5 京津唐风电运行数据挖掘流程图

3 展望

目前，对于风电运行参数采集与分析工作已经取得了一定的进展。有学者建议大规模风电并网分析研究采用综合指标的分析方法［14］。与此同时，风电运行数据挖掘与分析在电力行业已得到广泛关注，并取得一定的成果，这些都为深度运用风电运行数据进行风电调度运行管理工作提供了充分的理论与数据准备。

当然，风电运行指标体系的划分与分析还需要做大量的研究工作。目前不断发展的数学分析和统计方法可应用到风电数据挖掘与分析工作中，如近年来广泛应用于工程领域的一阶差分法的滤波处理理论、多层次交互式确定权重方法等，都可应用于风电运行数据过滤和分析。概率统计方法、主成分分析法、层次分析法等评估方法可用于风电运行指标的划分与确定。

现行的风电监测系统主要为风电运行基础数据的监视，在此基础上通过选取适合的分析工具，将风电运行指标扩充进去，已达到风电运行综合分析应用。在实际运行过程中不断调整、积累数据和经验，进一步完善风电运行数据挖掘与分析，实现风电运行底层数据的综合分析，逐步实现服务风电AGC、电力系统安全分析校核等高级应用。

4 结束语

考虑到调度部门对于大规模风电并网运行调度、分析、控制的需求，本文以京津唐电网风电运行情况为基础，对风电运行数据分析进行初步探讨。数据分析虽然在多领域均得到成功的应用，但用于风电分析挖掘中还存在很多具体问题，如风电运行指标量化、风电运行数据收集与整理、风电运行指标评估及函数形式选取等，需要进一步的深入研究。

［1］王鹏，任冲，彭明侨.西北电网风电调度运行管理研究［J］.电网与清洁能源,2011,25（11）:80－83.

［2］R Billinton,Y Gao,R Karki,Composite System Adequacy Assessment Incorporating Large－Scale Wind Energy Conversion Systems Considering Wind Speed Correlation,IEEE Transactions on Power Systems,2009,24（3）:1375－1382.

［3］Rajesh Karki， Po Hu， Roy Billinton， A Simpli?ed Wind Power Generation Model for Reliability Evaluation，IEEE Transaction on Power Systems， 2006， 21（2）:533－540.

［4］R Billinton， G Bai， Generating Capacity Adequacy Associated With Wind Energy，IEEE Transaction on?Energy?Conversion， 2004， 19（3）:641－646.

［5］A.P.Ford， W.L.Harm， Market Based Adequacy:Reliability and CBM／ATC Calculations.An Independent System Operator’s Perspective.IEEE Power Eng Soc Winter Meeting，2002，pp.18–23.

［6］谢旭，仇静.风力发电同时率与控制风电出力研究［J］，华北电力技术， 2011， 9（7）:14－17.

［7］姚金雄，冯雪，陈康等.陕西靖边鲁能风电并网对电网的影响［J］，电网与清洁能源， 2007， 24（5）:34－37.

［8］梁玉枝，赵炜炜.张家口地区风电场有功出力统计分析［J］，华北电力技术， 2011，1（6）:15－19.

［9］施鹏飞.全球风力发电现状及发展趋势［J］.电网与清洁能源，2008，24（1）:3－5.

［10］董雨，王国华，熊立.多层次交互式确定权重方法的改进［J］.中国科学技术大学学报，2005，35（4）：576－582.

［11］施跃文，高辉，陈钟.国外特大型风力发电机组技术综述［J］.电网技术，2008，32（18）:87－91.

［12］王伟胜，范高峰，赵海翔.风电场并网技术规定比较及其综合控制系统初探［J］.电网技术，2007，31（18）:73－77.

［13］马彦宏，汪宁渤，刘福潮.甘肃酒泉风电基地风电预测预报系统［J］.电力系统自动化，2009，33（16）:88－90.