广域风能时空互补性及其对电网影响的分析

刘 怡，肖立业

(1．中国科学院应用超导重点实验室，北京100190; 2．中国科学院电工研究所，北京100190)

广域风能时空互补性及其对电网影响的分析

刘 怡1，2，肖立业1，2

(1．中国科学院应用超导重点实验室，北京100190; 2．中国科学院电工研究所，北京100190)

风电并网会给电力系统带来一系列不利影响，其根本原因为风速具有间歇性和波动性，从而使得风机的功率输出具有较大的随机性。除了利用储能系统、“风火打捆”等方法外，合理利用广域风能时空互补性也是平滑风电功率波动的可能解决方案之一。本文综述了国内外研究广域风能时空互补性的现状，并对合理利用广域风能时空互补性可能对电网产生的积极影响进行了分析。此外，本文以我国的电网和风能发展情况为例，分析了其利用广域风能时空性的潜力及可能路径。

风能;波动性;平滑效应;时空互补性;未来电网;直流输电;间歇性

1 引言

近些年来，风能在全世界范围内得到了迅速的发展。根据全球风能委员会(Global Wind Energy Council，GWEC)的统计，截止2013年底，全世界风电装机容量达到318.1GW，其中2013年新增装机容量35.29GW，如图1所示。

图1 全球风电发展情况Fig．1 Global wind power development

虽然风电在全世界范围内得到了较快发展，但其发电功率主要依赖于天气，因此具有较大的波动性和间歇性，风电大规模并网将会给电网的稳定、经济运行带来诸多不利影响。国内外已有大量学者提出了各种不同减小风电波动性的方法，以此减弱其对电网产生的消极影响，这些方法主要如下:①风机输出功率控制技术［1］;②风电功率输送和并网控制技术［2］;③配置储能系统［3］;④“风火打捆”外送风电［4］;⑤受端电网增加传统电源容量［5］;⑥利用广域风能时空互补性。虽然各种方法均有其优缺点，但本文仅考虑第六种方法。

由于地理位置和天气条件不同，广域分散分布的风能具有良好的时空互补性，其输出功率能有效地互补。该方法不受时间尺度的限制，能够使不同时间尺度下的风电功率波动得到平滑，从而对电力系统有功功率平衡过程的各个环节产生影响。

2 时空互补性的定义

空间上的互补性指在同一时刻、不同地点的能源资源所具有的互补性。空间上的互补性既存在于多种可再生能源(如风能和太阳能)之间，也存在于相同资源之间。Christina等人［6］通过研究表明，加拿大地区不同地点的风能和太阳能之间存在着良好的空间互补性，能平滑该地区可再生能源功率输出; Dvorak等人［7］发现分散分布在美国东部海岸的四个风电场，在同一时刻，极少同时出现输出功率同时为零或者同时为额定功率的情况，因此其存在着良好的空间互补性。

时间上的互补性指某时间段内、分布于同一地区的两种或两种以上的可再生能源的可利用性不同。换言之，一些资源在某一时间段内显得很充足，而其他资源则在另一些时间段内很充足。例如，太阳能只能在白天利用，而风能在晚上依然可以利用;我国某地区夏季的水电资源比较充沛，而冬季的风能资源更加丰富。值得指出的是，分布于不同地区的同种资源，或不同资源之间也可能具有时间上的互补性。

3 广域风能时空互补性研究现状

早在1979年，Kahn等人［8］基于分散在美国加利福利亚州的气象站点记录的风速数据，通过研究表明，将广域分散的风电场互联能平滑其输出功率波动。随后，世界各国学者对广域风能时空互补性进行了相关研究。这些研究大多为基于气象数据、采用统计方法对一定区域的风能时空互补性进行调查研究。

(1)美国

针对美国广域风能时空互补性，Archer等人［9］于2003年，基于美国国家气象局提供的时间长度为1年的10m高小时时间尺度的风速，模拟了轮毂高度为80m的风机的输出功率，并对广域分布的风电场输出功率时间序列进行统计研究。其研究结果表明，广域风能输出功率波动的标准差比单个风电场小。随后Archer等人［10］又基于美国国家气象局提供的平均风速大于6.9m/s的风能站点的风速数据，采用数理统计方法对广域风能互补后的输出功率进行了进一步研究。结果表明，广域风能时空互补后，输出功率年平均容量系数为0.33，最大输出功率容量系数为0.47，比单个风电场小，互补后的风电输出功率波动性得到缓解，甚至可以作为电网内的基本负荷发电厂。同时，通过风能时空互补后再向远端负荷中心供电，所增加的输电损耗仅仅只有1.6%，却能使输电线路容量节约20%。

2010年，Kempton等人［11］基于美国东海岸沿线11个气象站点记录的5年的风速数据，采用数理统计方法对美国东部分布长达2500km的海上风能时空互补性进行了研究。结果表明，通过输电线将11个风电场互联后总输出功率为零或者额定功率的概率相比单个站点有很大程度降低。2011年，Gunturu等人［12］基于测风塔观测的10m高小时时间尺度的风速数据，分别模拟了50m、80m和100m高处风电功率，采用数理统计方法，对广域风能时空互补性进行了研究。结果表明，风电场之间时空互补性带来的经济效益随着其相关系数的增大迅速下降。

(2)法国

Cassola等人［13］基于法国科西嘉地区10个气象站点观测的3h时间间隔的风速数据，模拟了不同站点风电输出功率，采用数理统计方法对该地区的风能资源时空互补性进行了研究。研究表明广域风能互补后输出波动性明显降低，同时，互补后该地区风电总装机容量的16%可以作为稳定的基本负荷发电厂。

(3)英国

1990年，Palutikof等人［14］基于分布在英国英格兰的气象站点记录的3年的气象数据，模拟了小时时间尺度风电场输出功率。通过对输出功率时间序列的统计分析指出，如果将该地区分散分布的风电场互联，其总输出功率小时时间尺度的波动性比单个风电场明显减少。作者通过对每1000h连续相邻小时输出功率变化量的情况进行统计后得出结论:该地区所有站点互补后，每1000h连续相邻小时输出功率变化量为50%风电装机容量的小时数仅为0～1.9，没有出现连续相邻小时输出功率变化量为风电场装机容量的情况;而对于单个站点，每1000h出现连续相邻小时输出功率变化量为50%风电装机容量的小时数达5.7～39，大部分站点均出现数小时连续相邻小时输出功率变化量为风电场装机容量的情况。同时，作者的研究表明，当把广域风电场互联后，输出功率季节性波动比当地水电要小。

Sinden等人［15］基于66个气象站点记录的1970～2003年小时时间尺度的风速数据，对英国广域风电场风电功率进行了模拟，采用数理统计的方法对其季节和日时间尺度的风电功率时空互补性进行了研究，研究表明，英国广域风能发电功率时空互补后与英国用电负荷相似性增强，在峰荷时段风电功率的平均容量系数比全年平均容量系数高30%。

(4)德国

1999年，Ernst等人［16］基于分布在德国的175个气象站点观测到的小时时间尺度的风速数据，模拟了风电场输出功率，通过计算得到了不同风电功率波动时间序列的相关系数随距离变化的关系。研究表明，相距数公里的两个风电场5min时间尺度的功率波动序列的相关系数在0.2以下。Giebel等人［17］基于实际气象数据，研究了德国广域风能时空互补性，其研究表明，对单个风电场的24h预测误差达到15%，单个控制区(400km×400km)的误差则为7.5%～10%，而全德国(650km×800km)的误差仅为5%～6.5%，这说明范围越大则资源互补性越强。

(5)西班牙

Santos等人［18］基于分布在西班牙伊比利半岛的分辨率为3km的气象站点所记录的小时时间尺度的风速数据，模拟了该地区风电场输出功率，采用数理统计的方法对该地区广域风电场时空互补性进行了统计研究。结果表明，该地区广域风能时空互补性显著，主要是该地区纬向(气)流和复杂气候相互作用所致。美国风能协会［19］基于西班牙实际风电场数据，运用数理统计的方法，对西班牙地区广域风能时空互补性进行研究，研究结果表明，通过将西班牙81%的风电场互联能提供非常稳定的功率输出。

(6)中国

近些年，中国也有学者开始关注广域风能时空互补性，并研究其给风电输出功率波动带来的平滑效应。于大洋等人［20］利用美国航天局(NASA)Goddard地球观测系统数据同化系统的版本5(GEOS－5 DAS)所提供的全球3h时间间隔的风速数据，对中国正在建设的6个千万千瓦级风电基地的风功率进行了模拟，并对其3h时间尺度、月时间尺度下的波动性进行了研究。研究表明六大区域的风电功率时间序列之间具有较低的相关系数，即互补性较好。叶林［21］等人提出了一种改进型最大熵分布方法，可以适用于不同的风速与风功率密度分布状况，适合应用于风电场风能资源分布特性的研究以及区域风能资源的评估。本文作者基于中国气象局提供的实际气象数据，首次系统地研究了我国广域风能时空互补性，研究结果［22，23］表明，我国与欧美国家广域风能时空互补性的情况有较大差异。

(7)不同国家之间

2001年，Gzisch等人［24］基于德国联邦经济和技术部提供的230个分布在欧洲各国上千公里范围内气象站点观测的实际风速，研究了广域风能月时间尺度的互补性，结果表明，广域风电场互联后，其输出功率与欧洲和挪威的负荷变化呈现明显的相似性，尽管需要投资大量高压直流输电(HVDC)线路，但互补后的经济效益依然明显。例如，广域风能互补后德国Kassel的用电成本约为4.5欧分/(kW·h)。Czisch等人［25］又基于一个名为ECMWF’s ERA-15 Re-Analysis(ERA)Project［26］的项目所提供的小时时间尺度的风速数据，对分布在北非和部分欧洲国家的风电场输出功率进行了模拟，并通过计算相关系数的方法研究了不同风电场之间的时空互补性，研究结果表明，分布长度达数千公里的风能互补后输出功率变得更加平稳，能为整个欧洲国家提供约70%的电能。2013年，Holttinen等人［27］又结合五国的负荷数据采用统计方法对广域风能时空互补性进行了研究，通过统计在峰荷时段风电高出力情况出现的次数，得出结论:单个国家内风电总出力在峰荷时段会出现风电出力非常小的情况(约为2%～5%的装机容量)，但五国风电场互联后，在10个最高峰荷时刻，风电总的最低出力约为14%的风电装机容量。

4 广域风能时空互补性对电网影响

电力系统是一个复杂的动态稳定系统，电网的主要功能是保持发电和用电的实时平衡，同时满足系统安全稳定性的要求。将大规模的风电并入电网，会给电网发电和用电的实时平衡带来困难，同时会给电力系统的安全稳定和经济运行等带来一系列不利的影响。

广域范围风能具有良好的时空互补性，如果加以合理利用，可以平滑风电有功功率波动，从而减弱风电并网给电网带来的消极影响。广域风能时空互补对电网产生的影响如图2所示，从不同时间尺度上来看，主要体现在如下几个方面。

图2 广域风能时空互补性对电网影响分类Fig．2 Classification of impacts of complementarities of wind power on power system

(1)频率稳定性

大家都知道，电网有功功率平衡的过程伴随着电网频率的波动。对于目前电网来说，电网内发电电源主要为常规机组，它能很好地响应风电功率波动，从而保证频率稳定性。但当风电渗透率增加后，电网中的部分常规机组将被风力发电机所取代，而目前主流风力发电机并不具备功率响应的能力，此时，风电功率波动所引起的频率偏差将可能超过允许值，从而引起频率稳定性问题。我国现行电网运行标准规定，电网频率波动不得超过正常频率(50 Hz)的0.5%［28］。

一般来说，风电功率波动对电网频率产生影响的时间尺度为数秒至数分钟，而广域风能时空互补对风电功率数秒至分钟时间尺度下的波动具有较为显著的影响。相关学者的研究表明，数十公里范围内分布的风电场时空互补后，数分钟时间尺度以下的输出功率能得到很好的平滑。因此，一定范围内广域风能时空互补，能对电网频率稳定性产生显著影响。

(2)小干扰概率稳定性

自20世纪以来，各国曾发生过由于小干扰稳定性而导致系统振荡和电压崩溃的严重事故［10］，小干扰稳定性逐渐成为人们关注的热点。电力系统小干扰概率稳定性分析起源于1978年，由Burchett等人［11］提出，经过多年的发展，小扰动概率稳定性分析可以考虑服从任意分布的系统参数的随机性［12-14］，它逐渐成为电力系统稳定性研究领域的一个重要分支。

风电的随机输出波动会给电力系统的小干扰稳定性带来影响［15］，风电波动性存在一定的概率使得电力系统失稳。系统的特征根灵敏度随风电输出功率的变化可以用来评估风电随机性给电力系统运行模态带来的影响。当广域风能时空互补后，风电出力的概率分布特征发生了改变［29］，从而电力系统在受到随机风功率扰动时的稳定概率便会发生变化。

(3)电力系统运行经济性

风电并网对电力系统运行成本的影响主要体现在机组组合问题上［30］。机组组合(Unit Commitment，UC)指在一定的调度周期内(如一天或者一周)，以最小的成本对发电机组的出力和启停进行调度安排，实现与电网内电力需求平衡并满足电网内一定的约束条件。广域风能时空互补对电力系统机组组合的影响主要体现在如下几个方面。

1)广域风能时空互补后，风电出力曲线在一定时间段内的起伏波动情况会发生变化。而不同的风电出力时间序列曲线，即使是在风电总发电量相同的情况下，其所对应的机组组合优化结果也有很大差异［29］。

2)在机组组合问题中，较为关键的一个环节为，电网需配置一定的旋转备用容量来应对负荷以及风电功率预测误差。国外学者的研究表明，在机组组合时间尺度上，风电功率的预测误差会随着时空互补范围的增大而减少［31］，因此会给机组组合问题带来影响。

(4)电网调峰

风电并网后对电网的调峰问题产生影响，指在低负荷时段，风电处于高出力状态，电网中电源出力受其最小技术出力限制而不能维持功率平衡，这也是目前我国“三北”地区风能并网困难的主要原因。风电波动对电力系统调峰产生的影响如图3所示，一定风电渗透率下，电网净负荷(原始负荷与风电出力之差)可能低于电网内常规机组最小出力限制，此时，电网需要采取一定的调峰措施，如弃风、启动燃气轮机等。

图3 风电波动对调峰的影响Fig．3 Impacts of wind power fluctuations on peak load regulation

但是，广域风能时空互补后，风电输出功率接近或等于额定功率的几率减少，因此，在低负荷时段风电高出力的几率也相应减少［11，32］，电网调峰压力减少，若考虑弃风措施进行调峰，广域风能时空互补后的情形所需要弃风也相对较少。

(5)区域线路传输容量

我国风能资源主要集中在远离负荷中心的西北地区，远距离、大规模输送风电将成为未来我国电网发展的巨大挑战。配置输送风电功率的线路容量时，如果考虑一定的弃风计划，其配置值可以小于风电装机容量。如图4所示，基于风电出力全年累积曲线，如果将输送风电的线路容量配置在风电场装机容量的60%，图中阴影部分为全年所需弃风电能。

图4 具有一定弃风计划的线路输送风电示意图Fig．4 Sketch of wind power transmission considering wind curtailment

广域风能时空互补后，风电出力功率累积曲线会发生较大改变，尤其是高出力状态(等于或接近于额定功率)的全年时间百分数会大幅度减小［10，33］。因此，广域风能时空互补性所带来的“平缓效应”会给电网风电输电容量和外送模式等带来极大影响。

(6)电网风能渗透率极限

电网风能渗透率极限受两方面影响，一方面为风电所并入电网的响应能力;另一方面为风电本身的波动特性。在相同的电网响应能力的前提下，电网最大可渗透风能主要取决于风电本身的波动特性。而广域风能时空互补后，风电出力的波动特性较不考虑时空互补时发生了较大改变，如峰谷差减小［34］，爬坡率减小［35］，风电出力从极小的值(接近零)突变为极大值(接近功率满发)，或从极大值突变为极小值的情况减少等。因此，在同等的电网应对风电波动能力下，广域风能时空互补后，电网可消纳的风电容量会发生改变。

事实上，由于广域风能时空互补后，电网常规电源配置的需求和限制也会相应降低，因此，电网的响应能力也会发生变化，此时也会影响电网风能渗透率极限。

(7)电网备用容量需求

为应对风电功率波动，电网需配置不同用途的备用容量，如一次备用(1-min)、负荷跟踪备用(5-min)和运行备用(10-min)等。而影响这些备用的关键因素在于原始负荷的波动性和风电的波动性。在负荷波动相同的情况下，广域风能互补后，电网净负荷波动减少，备用容量需求会降低。如加拿大安大略省，由于广域风能时空互补性，即使在高风能渗透率的情况下，该地区一次备用需求也可以被忽略［36］，负荷跟踪备用和运行备用容量需求也相应减少。

(8)供电充裕度

供电充裕度［37］即在电网负荷峰值时刻的电源可利用性。供电充裕度的评估往往要基于多年的电网负荷数据、电网内电源的检修需求数据等，其评估指标一般为失负荷期望(the Loss of Load Expectation，LOLE)，失负荷概率(the Loss of Load Probability，LOLP)和失电能期望(the Loss of Energy Expectation，LOEE)等。

对于含风电的电力系统供电充裕度评估的关键问题在于，在相应的负荷高峰时段评估风电的置信容量。相比单个风电场，广域风能时刻互补后，风电波动曲线发生了较大改变。根据我们的研究［21］，广域风能互补后的风电出力曲线与我国电网负荷波动曲线呈现出较大相似性，此种情形下电网的供电充裕度会提高。因此，在评估电网供电充裕度时应充分考虑广域风能时空互补性。

(9)供电可靠性

电网的供电可靠性受供电方式、电源和负荷的分布位置和供电网络等因素共同影响。如果考虑广域范围风能时空互补性，通过直流输电网络将广域分散分布的风电场互联后，向负荷中心多落点输送功率，即采用多电源-多负荷落点(Multiple Plants to Multiple Consumers，MP-MC)输电方式［38］，电网供电的可靠性将得到增强。如欧洲的Supergrid［39］，沙漠计划［40］等，也是充分考虑通过直流输电网络利用广域可再生能源的时空互补性，从而提高供电可靠性。

通过这种输电方式，由于广域风能的时空互补性，给同一负荷中心供电的多个风电电源同时输出功率为零(或接近为零)或者输出功率为额定功率(或等于额定功率)的概率减少，因此，电网的供电可靠性增强。

(10)电网运行和管理

随着互补范围的扩大，广域风能时空互补性将给电网带来更多的经济效益，产生更多积极的影响，如使得供电可靠性增强、电力系统所需要的备用容量减少等。为了合理利用这种互补性，电网传统的调度和运行方式等必须发生相应改变。以目前我国风电场并网为例，国家电网对风电波动率做了限制，为达到并网要求，诸多风电场需单独配置储能设备。而考虑广域风能时空互补性，将波动率较大的分散在不同地点的风电场互联后，其波动率可能十分接近或低于国家的并网要求，此时不需要配置储能或者储能需求显著降低。因此，在未来我国电网运行中，应将并网的所有风电场进行统筹规划，实现资源优化配置。

目前，我国电网风电消纳采用就地消纳、有功功率就地平衡的控制模式。而随着未来风电迅速发展，统一采取就地消纳模式已不可能，而需要考虑广域风能时空互补性，将互补性较好的风能区域所产生的发电功率通过适当的方式汇集，在适当的地点配合合适的发电方式(如太阳能、生物质能发电等)，为负荷中心提供更加稳定的电力。

5 中国利用广域风能时空互补性的潜力

(1)风电发展迅速

据中国气象局第四次普查的结果，我国陆上50m高度风能资源潜在可开发量为2380GW，近海5～25m水深范围内风能资源潜在可开发量为200GW［41］。近年来，我国风电发展迅速。根据中国可再生能源学会风能专业委员会(Chinese Wind Energy Association，CWEA)的调研统计，2013年我国风电新增装机容量16.089GW，相比 2012年增加3.13GW。截止2013年，全国共有16个省(区)风电累计并网容量超过百万千瓦，全国统筹推进的海上风电项目累计核准约2.22GW，其中，已建成海上风电场0.39GW，主要分布于江苏省和上海市，核准在建项目总规模为1.83GW，主要分布于江苏、上海和浙江沿海地区。

目前我国正在开展蒙东、蒙西、新疆、甘肃、河北、吉林、江苏、山东等八大千万千瓦风电基地的建设［42］。据中国循环经济协会可再生能源专业委员会的统计，截止2013年底，全国统筹推进的各大陆上风电基地累计核准容量19GW，其中酒泉地区风电场6.8GW，张家口地区3GW，承德地区1GW，通辽地区1.5 GW，巴彦淖尔乌拉特中旗地区2.1GW，包头达茂旗地区1.6GW，哈密东南部2GW，甘肃民勤红沙岗地区1GW。

国家发改委能源所与国际能源署(International Energy Agency，IEA)共同发布报告《中国风电发展路线图2050》［43］，依据不同情景设定了中国的风电发展目标，规划2050年风电装机容量达到1000 GW，满足我国约17%的电力需求。届时，风电装机容量在我国电源结构中约占26%，风电成为中国主力电源之一。我国近期风电装机和发电量规划如表1所示。

表1 我国近期风电发展规划Tab．1 Development plan of wind power in China

(2)地形特征和气候特征复杂多样

经度、纬度、海陆面积比和地形等因素共同影响风能资源的分布，其中地形因素在所有因素中起主要作用［44］。中国地形在不同地方有很大的不同，山地、高原、盆地、平原和丘陵比例约分别为33.3%、26%、18.8%、9.9%和12%，这就决定了中国风能资源的时空特性与欧美国家研究的对象不尽相同。例如，从地形上来看，我国的山脉走向复杂多样，有东西走向、东北-西南走向、南北走向和西北-东南走向等，而山脉的走向直接影响气流的流向，进而导致这些地区风能资源具有良好的时空互补性。

中国地域辽阔，经度跨越超过60°，纬度跨越近50°，地貌类型多样，垂直变化达8848m［45］。广阔的空间、巨大的垂直变化和经纬度跨越，加之背靠世界上最大的大陆(欧亚大陆)和面临世界上最大的大洋(太平洋)，受世界四大洋气流的影响，形成了世界最复杂多样的气候类型。例如，我国季风气候明显，冬季风由大陆吹向海洋，夏季风由海洋吹向大陆，因此我国东－西地区分布的风能资源具有较好的时空互补性。

(3)直流输电工程方便扩展

我国风能资源和电力负荷在地理上呈现出极不均衡的特点。根据前面所述，国家能源局所规划的八大千万千瓦级风电基地具有“大规模、高集中、远距离”等突出的特点，其对输电技术提出了更为严苛的要求，直流输电技术较交流输电技术更能适应这种挑战［46，47］。

目前我国已规划多条直流双端输电工程来输送风电［48］，如图5所示，即哈密-郑州2300km±500kV直流输电工程和酒泉-泰州2700km±660kV直流输电工程，这两个工程分别与装机容量达1.8 GW的哈密风电基地和3.2GW的酒泉风电基地相连。未来将会有更多的直流通道输送远离负荷中心的风电。只需在现有的交流网络上，用直流输电线取代双端直流输电工程中的整流器之间的交流联络线［49］，便可将两端直流输电系统拓展成多段直流输电系统，从而更好地利用广域风能时空互补性。我国未来利用广域风能时空互补性的可能途径如图5所示，只需增加一段连接郑州换流站和泰州换流站的长约360km的直流输电线，便可利用哈密风电基地和酒泉风电基地这两大风电基地风能时空互补性。

图5 未来利用广域风能时空互补性示意图Fig．5 Map of utilizing complementarities of wind power in China in future

在未来，随着各种可再生能源接入电网，还可基于直流输电网络充分利用各种可再生能源资源的时空互补性［37］。

6 小结

近年来，利用广域风能时空互补性平滑风电功率输出波动已成为国内外学者关注的热点，但目前的文献仅研究了广域风能时空互补性对减弱风电输出功率波动的影响，并未研究其对电网设计、运行和控制等方面产生的影响。

本文在综述国内外针对广域风能时空互补性研究的基础上，探讨了其对电网产生的影响。同时，以我国的电网和风能发展情况为例，分析了利用广域风能时空性的潜力及可能路径。

［1］吴姣 (Wu Jiao)．风力发电系统有功功率的平滑控制(Control method for smoothing active power from wind generation system) ［D］．兰州:兰州理工大学(Lanzhou:Lanzhou University of Science＆Technology)，2011．

［2］王晓兰，李家亮，马呈霞 (Wang Xiaolan，Li Jialiang，Ma Chengxia)．基于功率预测的变速变桨距风电系统的优化控制(Optimization control of variable-speed variable-pitch wind power generation system based on power prediction)［J］．电力系统保护与控制 (Power System Protection and Control)，2013，41(13):88-92．

［3］K Dietrich，J M Latorre，L Olmos，et al．Demand response in an isolated system with high wind integration ［J］．IEEE Transactions on Power Systems，2012，27 (1):20-29．

［4］魏巍(Wei Wei)．“风火”打捆外送系统频率调控特性与协调控制策略研究(Study on the frequency regulation charecteristics and coordination control strategy of wind and thermal power system)［D］．北京:华北电力大学 (Beijing:North China Electric Power University)，2013．

［5］余涛，于文俊，李章文(Yu Tao，Yu Wenjun，Li Zhangwen)．基于CPS标准的AGC变论域模糊松弛控制方法(Fuzzy control with variable universe and its application to AGC relax control based on CPS)［J］．电力系统自动化 (Automation of Electric Power Systems)，2009，33(23):37-41．

［6］C E Hoicka，I H Rowlands．Solar and wind resource complementarity:Advancing options for renewable electricity integration in Ontario，Canada［J］．Renewable Energy，2011，36(1):97-107．

［7］M J Dvorak，E D Stoutenburg，C L Archer，et al．Where is the ideal location for a US East Coast offshore grid? ［J］．Geophysical Research Letters，2012，39(6):20-25．

［8］E Kahn．The reliability of distributed wind generators ［J］．Electric Power Systems Research，1979，2(1):1-14．

［9］C L Archer，M Z Jacobson．Spatial and temporal distributions of US winds and wind power at 80m derived from measurements［J］．Journal of Geophysical Research，2003，108(D9):469-474．

［10］C L Archer，M Z Jacobson．Supplying baseload power and reducing transmission requirements by interconnecting wind farms［J］．Journal of Applied Meteorology and Cli-matology，2007，46(11):1701-1717．

［11］W Kempton，F M Pimenta，D E Veron，et al．Electric power from offshore wind via synoptic-scale interconnection［J］．Proceedings of the National Academy of Sciences，2010，107(16):7240-7245．

［12］U B Gunturu，C A Schlosser．Characterization of wind power resource in the United States［J］．Atmospheric Chemistry and Physics，2012，12(20):9687-9702．

［13］F Cassola，M Burlando，M Antonelli，et al．Optimization of the regional spatial distribution of wind power plants to minimize the variability of wind energy input into power supply systems［J］．Journal of Applied Meteorology and Climatology，2008，47(12):3099-3116．

［14］J Palutikof，H Cook，T Davies．Effects of geographical dispersion on wind turbine performance in England:a simulation［J］．Atmospheric Environment-Part A:General Topics，1990，24(1):213-227．

［15］G Sinden．Characteristics of the UK wind resource:Longterm patterns and relationship to electricity demand［J］．Energy Policy，2007，35(1):112-127．

［16］B Ernst，Y Wan，B Kirby．Short-term fluctuation of windturbines looking at data from the German 250MW measurement program from the ancillary point services viewpoint［J］．Availability，1999，99(21):25-31．

［17］G Giebel，P S rensen，H Holttinen．Forecast error of aggregated wind power［R］．Germany:Ris National Laboratory，2007-04．

［18］F Santos-Alamillos，D Pozo-Vázquez，J Ruiz-Arias，et al．A methodology for evaluating the spatial variability of wind energy resources:Application to assess the potential contribution of wind energy to baseload power［J］．Renewable Energy，2014，69(2):147-156．

［19］Global wind energy market report［R］．Wanshington:A-merican Wind Energy Association，Global Wind Energy Council，1999．

［20］D Yu，J Liang，X Han，et al．Profiling the regional wind power fluctuation in China［J］．Energy Policy，2011，39 (1):299-306．

［21］叶林，朱远，赵永宁，等 (Ye Lin，Zhu Yuan，Zhao Yongning，et al．)．风能资源分布特性的改进最大熵方法 (An improved approach based on maximum entropy principle for wind resource distribution characteristics) ［J］．中国电机工程学报 (Proceedings of the CSEE)，2014，34(34):6093-6100．

［22］Y Liu，L Xiao，H Wang，et al．Investigation on the spatiotemporal complementarity of wind energy resources in China［J］．Science China:Technological Sciences，2012，55(3):725-734．

［23］刘怡，肖立业，王海风，等 (Liu Yi，Xiao Liye，Wang Haifeng，et al．)．中国广域范围内大规模太阳能和风能各时间尺度下的时空互补特性研究 (Temporospatial complementarities between China’s wide-area wind and solar energy at different time scales)［J］．中国电机工程学报(Proceedings of the CSEE)，2013，33(25):20-28．

［24］Czisch G，Ernst B．High wind power penetration by the systematic use of smoothing effects within huge catchment areas shown in a European example［R］．Washington DC:American Wind Energy Association，2001-06．

［25］Czisch G，Giebel G．A comparison of intra-and extraeuropean options for an energy supply with wind power ［A］．Proceedings of Wind Power for the 21st Century ［C］．2000.69-73．

［26］R Gibson，P Kallberg，S Uppala．The ECMWF re-analysis(ERA)project［J］．ECMWF newsletter，1996，73: 7-17．

［27］H Holttinen，S Rissanen，G Giebel，et al．Variability and smoothing effect of wind power production compared to load variability in the Nordic countries［A］．Proceedings of the 11th International Workshop on Large-Scale Integration of Wind Power into Power Systems as well as on Transmission Networks for Offshore Wind Power Plants ［C］．2012．

［28］GB/T 19963-2011，国家电网公司风电场接入电网技术规定 (Technical rule for connecting wind farm to power system)［S］．

［29］J Carlin，J Haslett．The probability distribution of wind power from a dispersed array of wind turbine generators ［J］．Journal of Applied Meteorology，1982，21(3): 303-313．

［30］M Albadi，E El-Saadany．Comparative study on impacts of wind profiles on thermal units scheduling costs［J］．IET Renewable Power Generation，2011，5(1):26-35．

［31］U Focken，M Lange，K M nnich，et al．Short-term prediction of the aggregated power output of wind farms— a statistical analysis of the reduction of the prediction error by spatial smoothing effects［J］．Journal of Wind Engineering and Industrial Aerodynamics，2002，90(3): 231-246．

［32］Y Liu，L Xiao，H Wang，et al．Analysis on the hourly spatiotemporal complementarities between China’s solar and wind energy resources spreading in a wide area［J］．Science China:Technological Sciences，2013，56(3): 683-692．

［33］J F de Carolis，D W Keith．The economics of large-scale wind power in a carbon constrained world［J］．Energy Policy，2006，34(4):395-410．

［34］N Hatziargyriou，T Karakatsanis，M Papadopoulos．Probabilistic load flow in distribution systems containing dispersed wind power generation［J］．IEEE Transactions on Power Systems，1993，8(1):159-165．

［35］Y V Makarov，C Loutan，J Ma，et al．Operational impacts of wind generation on California power systems［J］．IEEE Transactions on Power Systems，2009，24(2): 1039-1050．

［36］M Albadi，E El-Saadany．Overview of wind power intermittency impacts on power systems［J］．Electric Power Systems Research，2010，80(6):627-632．

［37］L Fehr，W E Langbein，S B Skaar．Adequacy of power wheelchair control interfaces for persons with severe disabilities:A clinical survey［J］．Development，2000，37 (3):353-360．

［38］L Xiao，L Lin，Y Liu．Discussions on the architecture and operation mode of future power grids［J］．Energies，2011，4(7):1025-1035．

［39］D Van Hertem，M Ghandhari．Multi-terminal VSC HVDC for the European supergrid:Obstacles［J］．Renewable and Sustainable Energy Reviews，2010，14(9):3156-3163．

［40］M Z Jacobson，M A Delucchi．A path to sustainable energy by 2030［J］．Scientific American，2009，301(5): 58-65．

［41］L Jiang，Y Chi，H Qin，et al．Wind energy in China ［J］．IEEE Power and Energy Magazine，2011，9(6): 36-46．

［42］Q Wang．Effective policies for renewable energy— The example of China’s wind power— Lessons for China’s photovoltaic power［J］．Renewable and Sustainable Energy Reviews，2010，14(2):702-712．

［43］Z Zhang．In what format and under what timeframe would China take on climate commitments?A roadmap to 2050 ［J］．International Environmental Agreements:Politics，Law and Economics，2011，11(3):245-259．

［44］李柯，何凡能，席建超 (Li Ke，He Fanneng，Xi Jianchao)．中国陆地风能资源开发潜力区域分析 (Analysis on the development potential of wind power in China) ［J］．Resources Science，2010，32(9):1-8．

［45］T Burton，N Jenkins，D Sharpe，et al．Wind energy handbook［M］．John Wiley＆Sons，2011．

［46］T Yao，Y Wang，S Liu，et al．Recent glacial retreat in High Asia in China and its impact on water resource in Northwest China［J］．Science in China-Series D:Earth Sciences，2004，47(12):1065-1075．

［47］Ahmed N，Haider A，Van Hertem D，et al．Prospects and challenges of future HVDC SuperGrids with modular multilevel converters［A］．Proceedings of the 2011-14th European Conference on Power Electronics and Applications(EPE 2011)［C］．2011.1-10．

［48］R E T Olguin，A Garces，G Bergna．HVDC transmission for offshore wind farms［M］．Singapore:Springer，2014. 289-310．

［49］Chen X，Lin W，Sun H，et al．LCC based MTDC for grid integration of large onshore wind farms in Northwest China ［A］．IEEE Power and Energy Society General Meeting ［C］．2011.1-10．

Analysis of temporospatial complementarities of wind energy resources in China and their impacts on power system

LIU Yi1，2，XIAO Li-ye1，2
(1．Key Laboratory of Applied Superconductivity，Chinese Academy of Sciences，Beijing 100190，China; 2．Institute of Electrical Engineering，Chinese Academy of Sciences，Beijing 100190，China)

Since wind speed is highly intermittent and fluctuant，the electrical output from wind farms is stochastic．Therefore，integration of large-scale wind power may bring negative impacts on power system stability，control and operation．Besides using energy storage system and building hybrid thermal-wind system，there exists another feasible way，namely，using the complementarities of geographically dispersed wind generations to smooth wind power fluctuations．The paper overviews the studies on the complementarities of dispersed wind resources and analyzes their potential impacts on power system stability，design，control and operation．Furthermore，based on the wind power development and the existing power grid in China，this paper analyzes the potential to make use of the complementarities of geographically dispersed wind generations．Finally，a map of making use of the complementarities of wind resources in China is presented．

wind power;fluctuations;smoothing effect;temporospatial complementarities;future power grid;DC transmission;intermittent

TK89 文献标识码:A 文章编号:1003-3076(2015)10-0051-10

2014-12-29

国家自然科学基金资助项目(5150070617)

刘 怡(1986-)，男，湖北籍，助理研究员，博士，主要从事电力系统研究;肖立业(1966-)，男，湖南籍，研究员/博导，博士，研究方向为电工理论与新技术。