湖北省典型地区风电和光伏电站出力特性分析

侯婷婷，周小兵，张 维，崔艳昭

（1.国网湖北省电力公司经济技术研究院，湖北 武汉 430077 2.国网青岛供电公司，山东 青岛 266000)

0 引言

随着全球限制碳排量要求的进一步提高和煤炭、石油等常规一次能源资源短缺矛盾的不断加深，深入开发、利用风力发电、太阳能发电等清洁可再生能源发电已经成为一种必然趋势[1～2]。随着风电、光伏电站装机容量在电力系统中所占比重的快速增长，风能、太阳能等本身的随机性、间歇性特征[3～4]给电力系统的安全运行和优化规划工作带来巨大的挑战[5～6]。因此，对风电场出力、光伏电站出力特点进行研究并总结出其规律，具有非常重要的意义。

近几年，我国的风电、光伏发电等新能源电源都得到了飞速增长[7]。根据国家能源局发布的光伏产业数据，2014年全国光伏发电累计并网装机容量同比增长60%，2015年全国新增1 500×104kW。与此同时国内外专家学者对风电、光伏发电等特性展开了广泛的研究，但是这些研究大多致力于我国风能、太阳能资源丰富、新能源发电起步早的西北和沿海地区[8-10]。事实上，近两年以湖北省为代表的我国中部内陆地区风光等新能源发电装机也经历了快速发展，尤其孝感大悟等地区已超出“十二五”规划预期。由于风电、光伏电站等依赖自然风能、太阳能发电，其出力特性具有明显的地域差异性，因此内陆地区的新能源发电出力特性需要专门研究。

本文以我国中部内陆新能源发电代表地区——湖北省孝感地区为研究对象，全面分析了风电场及光伏电站的出力特性，以历史实测出力数据为基础定性或定量归纳了其出力特征，包括随机性、波动性、概率属性、时序相关性、风光同时率及互补特性。本文的分析结果可以为中部内陆地区的风电、光伏发电等新能源的消纳、接入系统的优化运行及中长期规划提供理论指导。

1 湖北省风电、光伏发电发展情况

1.1 湖北省风电、光伏发电总体情况

截止2014年底，湖北省风电装机76.7×104kW，同比增长118.3%，太阳能发电装机8.6×104kW，同比增长78.7%。尤其孝感、随州、荆门、荆州、襄阳、恩施等地区风电、光伏增长迅速，超出了“十二五”电网规划预期，其装机容量如表1所示。

表1 湖北省风电和光伏电站主要地区装机容量Tab.1 The installed capacity of wind power and photovolatic power of main regions in Hubei province

由表1可知，截止2014年底，湖北省风电、光伏发电等新能源发电装机容量最大的两个地区是孝感和随州，其中孝感地区195.6 MW的风电和20 MW的光伏发电已全部投运，且风电容量已超过地区负荷的10%，投运光伏电站容量是湖北省最大的地区（随州地区的装机还未全部投运），是湖北省目前风电、光伏发电发展较为典型的地区。故本文选孝感地区已投运的风电场和光伏电站为研究对象，分析其出力特性，为湖北省后续计划投运的风电场、光伏电站出力特性分析提供参考。

1.2 湖北省孝感地区风电及光伏发电情况

孝感地区共有4个风电场、2个光伏发电场，风电场分别为五岳山风电场一期、五岳山风电场二期、仙居顶风电场、擂鼓台风电场，光伏电站分别为汉川光伏电站和应城光伏电站,其装机容量如表2所示。

表2 孝感地区各风电场和光伏电站装机容量Tab.2 The installed capacity of wind farms and photovolatic power stations of Xiaogan region

3 风电、光伏发电出力特性分析指标

风电、光伏等新能源发电短期出力需要大量的测风速据和气象信息，且预测精度非常有限。在现有技术条件下难以实现实际意义上的风电场/光伏电站出力的中长期预测[11]。因此，本文从统计学的角度，以湖北省典型地区风电场、光伏电站等新能源出力的历史时序实测数据为基础，分析风电场、光伏基地出力特性指标，总结出其出力特性及规律。结合电力系统优化运行及中长期规划的需求、以及收集到的实际风电、光伏等新能源电源出力数据，从新能源发电的电量效益、容量效益、波动情况、时序相关性、风光互补情况几个方面建立新能源发电出力特性指标。

1）电量效益角度

新能源发电的电量效益是衡量为并网系统节约发电燃料和减少污染物排放方面的一个指标，主要包括燃料节约效益和环境保护价值。因此，电量效益直接同风电场和光伏电站的发电量相关，所以风电场或者光伏电站的发电量是评估新能源发电电量效益的关键。基于此，对不同统计周期内的新能源出力数据进行均值处理，可以表示一定周期内新能源发电的有效电量水平，又能较为直观地表征不同统计周期日小时出力的变化趋势。

设P1，P2，…，PT是统计周期T内风电场或光伏电站出力的一组独立随机样本，则其均值

运用公式（1）对风电场、光伏电站的各月、季、年内的日出力曲线进行均值出力，可以看出其相应月、季、年内的有效电量水平及日出力变化趋势。

2）容量效益角度

风电场或者光伏电站的容量效益是指新能源发电有一定的可信容量，可以替代部分常规发电机组容量，进而节省相应部分机组的投资。因此，容量效益直接同风电场和光伏电站的出力大小相关，所以风电场或者光伏电站的出力概率分布是评估新能源发电容量效益的关键。基于此，对不同统计周期内的新能源发电出力数据求取概率分布和累计概率分布，可以表示表征其出力大小的概率及变化范围，进而可用于评估整个风电场或者光伏基地的出力水平。

统计时间周期T内，风电场/光伏出力p∈[0，C]概率分布f(p)可表示为

式中：T为统计时间周期；Tp为整个统计期间T内风电场出力等于p的时间；C为风电场/光伏电站的装机容量。

实际中，风电场/光伏电站出力是离散的数值，因此可将实际出力数据，在[0，C]区间内将风电场/光伏电出力离散化为L个出力水平区间(Ci,Ci+1]（i＝1,2,…,L），对统计周期内各时段的风电/光伏出力进行归一化处理后，风电/光伏出力的概率分布可表示为

式中：ni为统计周期内风电场/光伏出力水平区间(Ci,Ci+1]个数；N为统计周期内的数据总数；f(Ci)为风电场/光伏出力处于区间(Ci,Ci+1]的概率。

相应地，统计周期内风电场/光伏出力的累积概率分布F(Ci)为

式中：F(Ci)统计周期内风电场/光伏出力小于等于出力水平Ci的累积概率。

运用式（2）～（4）对统计周期内风电场、光伏电站的出力求取概率密度函数及累计概率分布，可以看各个出力水平的概率及变化范围，进而可用于评估整个风电场或者光伏基地的出力水平和容量效益。

3）波动情况

在统计学中，当多组数据的均值不同时，常常采用变异系数分析数据组的离散程度，变异系数越大表示样本数据越离散。当分析风电场/光伏电站的出力时，统计周期内出力的变异系数越大，则离散度越高，相应的风电场或者光伏电站的出力波动性也越大。变异系数FL的数学表达式为

式中，S为统计周期内出力的标准差，

运用式（5）对风电场、光伏电站的各月、季、年内的日出力曲线求取变异系数，可以看出其相应月、季、年内的出力的波动程度。

4）时序相关性

对不同统计周期内的风电场/光伏电站出力进行一定时间尺度的相关性分析，利用相关系数来表征不同时段风电场/光伏出力的时序关系。相关性分析结果可为风电场/光伏电站出力预测提供一定的依据。设(Pt，Pt+△t)为时间尺度△t的两组风电场/光伏电站出力变量，在统计周期内它们是二维离散型随机变量，记EPt、EPt+△t为随机变量Pt、Pt+△t的期望值，用ρ△t表示风电场/光伏电站出力随机变量Pt、Pt+△tt的时序相关系数，则

运用式（7）对风电场、光伏电站的各月、季、年内的日出力曲线求取变异系数，可以看出其相应月、季、年内的出力在不同时间尺度下的相关程度，进而为出力预测提供参考。

5）局部同时率

不同地理位置的风电场或者光伏基地的同时率即它们的相关性，对不同风电场/光伏基地出力进行相关性分析，并利用相关系数来表征不同地域的风电场/光伏基地出力的相关程度，可表征风电场/光伏基地出力的同时性。

设(XW,XP)为两个风电场、光伏电站出力变量，在统计周期内它们是二维离散型随机变量，EXW、EXP分别为随机变量XW、XP的期望值，用ρ表示风电场出力、光伏电站出力随机变量XW、XP的相关系数，

运用式（8）对风电场、光伏电站的各月、季、年内的日出力曲线求取相关系数，可以看出其相应月、季、年内的出力相关程度，及风电场和光伏基地出力的同时性或者互补性，进而为风电、光伏发电等新能源消纳提供依据。

3 风电、光伏发电出力特性分析结果

以湖北省孝感地区装机容量最大的五岳山风电场和投运较早的汉川光伏电站为例，分析其出力特性指标。五岳山风电场包括五岳山一期和五岳山二期，总的装机容量97.6 MW，汉川光伏电站的装机容量10 MW。测试数据为2014年1月1日至2014年12月31日一年的实测出力数据，不失一般性，统计分析中风电场、光伏电站出力均采用以装机容量为基准的标幺值。为了获得出力的季节性特征，统计分析周期分为年、季（春季3～5月，夏季6～8月，秋季9～11月，冬季12～2月）和各月。以小时为单位对各统计周期内各日逐小时的风电出力分布进行统计分析。

3.1 原始时序出力

图1和图2分别为五岳山风电场和汉川光伏电站的一年时序出力曲线。

图1 一年15 min间隔出力曲线Fig.1 Sequential 15min-power output curve of Wuyueshan wind farm and Hanchuan photovoltaic station

由图1可知，由于风速的变化，风电出力的波动性非常强，并且波动范围很大，在每一天内或者几个小时内都有可能从零出力到额定出力之间变化。由于每天日照强度和方向的变化，光伏电站的出力在每一天内或者几个小时内同样有可能从零出力到额定出力之间变化。总之，长期来看风电场、光伏电站一年时序出力均具有较大的随机性，对于中长期规划问题，历史实测时序出力不具有参考价值。

3.2 日均出力曲线

图2和图3分别为五岳山风电场和汉川光伏电站按月、按年统计的日均出力曲线。

图2 五岳山风电场和汉川光伏电站各月日均出力曲线Fig.2 The monthly average power output curve of Wuyueshan wind farm and Hanchuan photovoltaic station

图3 五岳山风电场和汉川光伏电站各季日均出力曲线Fig.3 The seasonally average power output curve of Wuyueshan wind farm and Hanchuan photovoltaic station

由图2(a)、图3(a)可知，风电场四季逐时平均出力呈明显的峰、谷变化过程，各季差异性较大。由于风电出力的季节性差异，使得各月、季节风电出力的峰、谷值出现的时刻不同。五岳山风电场各季变化趋势为：春季风电出力于下午15时出现低谷，夏季风电出力晚上17时出现低谷；秋季晚上19时风电出力出现低谷；冬季风电出力在下午14时出现低谷。同时，春季风电出力及峰谷差均最大；夏季风电出力是四季中最弱的，但峰谷差很大；秋季全天风电出力较小，变化最为平稳。

由图2(b)、图3(b)可知，相对于风电出力，光伏电站出力特性具有很大的相似性。从全年来看，各月之间出力峰值有一定的差异性，但是均有相似的昼夜变化特性和峰值时段，各月出力高峰时段均在中午11点到下午13点之间。相应的，光伏电站四季逐时平均出力呈现明显的昼夜变化过程，四季出力区间更加集中，具有相近的峰值时段，均集中在正午12点附近。但由于日照强度和时间变化的周期性，峰值大小具有季节性差异。秋季出力峰值最大，而夏季发电量最大，冬季的出力峰值及发电量均最小。

经统计计算，五岳山风电场年发电利用小时为1 918 h，最大出力率0.94；汉川光伏电站的年发电利用小时为934 h，最大出力率0.85。全国并网风电全年发电利用小时为1 905 h，光伏发电全年发电利用小时为891 h，孝感地区的风电、光伏发电利用小时略高于全国水平。

3.3 概率属性

图4为五岳山风电场和汉川光伏电站出力的概率密度曲线和累计概率分布曲线。

图4 出力的概率密度分布和累计概率分布Fig.4 The probability distribution and cumulative probability distribution of power output

由图4可知，五岳山风电场和汉川光伏电站出力均主要集中在0.05，同时，五岳山风电场风电出力在装机容量50%以下的概率达到了83.4%，出力在装机容量60%以下的概率达到了88.6%。汉川光伏电站出力在装机容量50%以下的概率达到了92.7%。说明出力在0.5及以下时五岳山风电场的累积概率更小，即五岳山风电出力分布在0.5以上的概率较汉川光伏电站大，因此使得其平均出力水平更高。

3.4 波动情况

图5为五岳山风电场和汉川光伏电站各月、季、年出力的变异系数曲线。

图5 各月及各季、年出力曲线变异系数Fig.5 The monthly,seasonally and yearly coefficient of variation of power output

由图5可知，五岳山风电场出力变异系数在30%以上范围内的月份有5月、6月、7月三个月份，各个月份风电出力离散度的不同对四季风电出力的离散度产生较大影响，使得春、夏季离散度较大，秋季离散度最小。光伏电站12月、1月、2月三个月份的变异系数几乎是全面中最大的，而6月、7月、8月三个月份的变异系数是全年中最小的，这是因为夏季日照强度普遍较强，因此出力比较均衡，离散度最小。而冬季日照强度弱以及日照受天气变化影响较大，致使冬季出力离散度最大，即出力波动性最大。同时，由于光伏电站出力的高度昼夜变化特性，使得其出力离散度总体高于风电出力。

3.5 时序相关性

图6为五岳山风电场和汉川光伏电站一年出力在不同时间尺度下的相关系数曲线。

图6 五岳山风电场和汉川光伏电站出力时序相关系数曲线Fig.6 The sequential correlation coefficient curve of power output

图6可知，随着时间尺度的增大风电逐时出力的时序相关性逐渐降低。当Δt取1～4 h时，其相关性较大，一般在0.5以上，其中Δt＝1 h时相关性大于90%；当Δt＝12 h时，其相关性明显下降到0.5以下；Δt＝24 h时，相关性更低。这说明风电出力的时序相关性仅对短期及超短期风电场出力预测具有一定的实际意义。光伏电站逐时出力的时序相关性亦有随着时间尺度增加而总体逐渐降低的特点，并且有相关性的出力表现在白天有日照时段。其中Δt＝12 h时，由于光伏出力的昼夜变化周期性，相关性曲线出现了两个有无相关性的临界点。Δt＝24 h时，代表下一天出力与当前出力的相关性，虽然相关度较低，但是较风电出力同周期的相关度高一些。

3.6 风光出力同时率

图7为五岳山风电场和汉川光伏电站的365 d出力、按月统计日均出力、按季统计日均出力、按年统计日均出力的相关系数。

图7 五岳山风电场和汉川光伏电站出力相关系数Fig.7 The 365-day,monthly,seasonally and yearly correlation coefficient curve of Wuyueshan wind power and Hanchuan photovoltaic power

由图可知，五岳山风电场和汉川光伏电站出力每天的同时率差异性很大，只有极少数的天数其正相关能超过0.6，并且负相关的天数远远多于正相关的天数，即表现出一定的互补性。从月均出力的相关性来看，各月相关性同样差异很大，相关指数除了10月份均呈负相关，其中1月、3月、4月、5月、11月、12月的负相关指数超过了0.6，1月、4月、11月、12月等四个月份的相关指数负向超过了0.8，说明具有较强的互补性。四个季节中，春季和冬季互补性较高，负向相关指数超过了0.8，而夏、秋季节的相关性极小。

4 结语

本文对我国中部内陆新能源发电代表地区——湖北省孝感地区的风电场出力、光伏电站出力特性进行了全面分析，以历史实测出力数据为基础定性或定量归纳了其出力特征，包括随机性、波动性、概率属性、时序相关性、风光同时率及互补特性。通过计算分析结果可以得出以下结论：（1）长期的一年风电场、光伏电站时序出力均具有较大的随机性，没有明确的规律可以遵循，对于中长期规划问题，历史实测时序出力不具有参考价值。（2）五岳山风电场、汉川光伏电站的年发电利用小时分别为1 918 h和934 h，略高于全国水平。但出力均主要集中在0.05，出力的可信容量不高。（3）风电场四季逐时平均出力呈现明显的峰、谷变化过程，各季差异性较大。相对于风电出力，光伏电站出力特性具有较强大的相似性。出力峰值有一定的季节差异性，但是均有相似的昼夜变化特性和峰值时段。五岳山风电场出力和汉川光伏电站出力离散度具有较大的季节差异性，同时，由于光伏电站出力的高度昼夜变化特性，使得其出力离散度总体高于风电出力。（4）随着时间尺度的增大，风电、光伏发电逐时出力的时序相关性均逐渐降低，出力的时序相关性仅对短期及超短期出力预测具有一定的实际意义。光伏电站逐时出力的时序相关性较风电出力同周期的相关度高一些。（5）五岳山风电场和汉川光伏电站出力每天的同时率差异性很大，并且负相关的天数远远多于正相关的天数，即表现出一定的互补性。同时，春季和冬季互补性较高，夏、秋季节的相关性极小。本文的分析结果可以为中部内陆地区的风电、光伏发电等新能源的消纳、接入系统的优化运行及中长期规划提供理论指导。

（References）

[1]Valenzuela Jorge,Wang Jianhui.A probabilistic model for assessing the long-term economics of wind energy[J].Electric Power Systems Research,2011,81(4):853-861.

[2]周世平.新能源技术与湖北能源发展综述[J].湖北电力,2011,35(5)：1-6.Zhou Shiping.New energy technology and summary of the energy development in Hubei province[J].Hubei Electric,2011,35(5)：1-6.

[3]Hedegaard K,Meibom P.Wind power impacts and electricity storage-a time scale perspective[J].Re⁃newable Energy,2012,37(1):318-324.

[4]乔嘉赓,林勇.基于相关机会模型对电网接纳风电能力的研究[J].湖北电力,2010,34(4):17-20.Qiao Jiageng,Lin Yong.Analysis of the ability of power system on acceptance of wind power based on thedependentchanceprogrammingmodel[J].Hubei Electric,2010,34(4):17-20.

[5]侯婷婷，娄素华，吴耀武，等.含大型风电场的电力系统调峰运行特性分析[J].电工技术学报.2013,28(5):105-111.Hou Tingting,Lou Suhua,Wu Yaowu,et al.Analy⁃sis on peak load regulation operation characteris⁃ticsofpowersystem integrated with large-scale wind power[J].Transactions of China Electrotechni⁃cal Society,2013,28(5):105-111.

[6]詹智红,许可.大规模风电接入对电网的影响分析[J].湖北电力,2013,37(1):1-4.Zhan Zhihong,Xu Ke.An analysis of large-scale wind power access’s impacts on power grid[J].Hu⁃bei Electric,2013,37(1):1-4.

[7]侯婷婷，娄素华，张滋华，等.协调大规模风电汇聚外送的火电容量优化[J].电工技术学报.2012，27(10):255-261.Hou Tingting,Lou Suhua,Zhang Zihua,et al.Ca⁃pacity optimization ofcorollary thermalsources transmitted with large-scale clustering wind power[J].Transactions ofChina ElectrotechnicalSoci⁃ety,2012，27(10):255-261.

[8]衣立东,朱敏奕,魏磊,等.风电并网后西北电网调峰能力的计算方法[J].电网技术,2010,34(2):129-132.Yi Lidong,Zhu Minyi,Wei Lei,et al.A computing method forpeak load regulation ability ofnorthwestChina powergrid connected with large-scale wind farms[J].Power System Technology,2010,34(2):129-132.

[9]肖创英,汪宁渤,丁坤,等.甘肃酒泉风电功率调节方式的研究[J].中国电机工程学报,2010,30(10):1-7.Xiao Chuangying,Wang Ningbo,Ding Kun,et al.Sys⁃tem power regalation scheme for Jinguan wind pow⁃er base[J].Proceedings of the CSEE,2010,30(10):1-7.

[10]Hou Tingting,Lou Suhua,Wu Yaowu.Capacity op⁃timization of thermal units transmitted with wind power from large-scale wind power base:in a fu⁃ture scenario for Jiuquan Wind Power Base case,China[J].Journal of Wind Engineering&Industri⁃al Aerodynamics,2014,129:64-68.

[11]倪识远,胡志坚.基于概率密度拟合的风电功率波动特性研究[J].湖北电力,2014,38(6):12-18.Ni Shiyuan,Hu Zhijian.Research on wind power fluctuation characteristic based on the fitting of probability density[J].Hubei Electric,2014,38(6):12-18.