韩宝云，杨中其，林恒，罗芳，王耀贤

（宁夏新能源研究院（有限公司）， 宁夏 银川 750021）

宁夏地区风电场出力特性分析

韩宝云，杨中其，林恒，罗芳，王耀贤

（宁夏新能源研究院（有限公司）， 宁夏 银川 750021）

本文根据风电场出力的相关数据，分析了宁夏地区单个风电场和多个风电场组成的风电场群出力的特性及风电场负荷趋势。通过对宁夏地区5个已运行的单个风电场5分钟平均负荷数据的统计分析，得出了相关结论。

风电场；风电场群；出力特性

0 引言

宁夏地处西北内陆地区，属大陆性温带季风气候区。据测算，宁夏风能资源总储量约为22530MW，适宜风电开发的风能资源储量约达12140MW。风能资源丰富区分布在贺兰山南端东侧开阔区域、贺兰山与桌子山之间的狭窄地带、青龙山与罗山之间的狭窄地带，年平均风功率密度为150W/m2– 200W/m2，年平均风速为5.8m/s– 7.0m/s，完全适于开发风电项目。

截至2012年年底，全区风电机组装机容量已突破2560MW，先后建成了贺兰山风电场、太阳山风电场、麻黄山风电场、长山头风电场、青铜峡风电场等风电项目。

随着风电机组装机容量的增加，风力发电被越来越多的人了解和熟悉。然而，对风电的快速发展也有不同的声音。反对者认为风电是间歇性的能源，风能在本质上不可靠，大量的风电上网将给电网安全带来巨大的隐患。其实这只是一种误解，只有把风能资源的不稳定性放到整个电力系统的背景下考虑才有意义，而不是针对某一个风电场或某台风电机组。风虽然不会一直吹，但是在一定的区域内，一个地方的风停了，对整个区域影响并不大。因此，尽管某一个地方并不是一直有风，但整体而言仍然可以利用风能发出可靠的电力。对于整体的电力供应而言，某台风电机组或某个风电场的风停之后不会产生很大的影响[1]。本文对宁夏地区已运行风电场的出力数据进行统计分析，研究单个风电场及整个风电场群的负荷特性。

1 研究对象及数据来源

为了保证数据分析的客观有效，我们选取了宁夏地区部分已运行风电场的实际运行的负荷数据。数据为2010年11月1日至2011年10月31日的5分钟平均值。并将5个风电场作为一个风电场群整体统计分析研究，找出其负荷特点和单个风电场之间的异同。各风电场信息见表1。

表1 各风电场信息表

表2 各风电场之间直线距离（km）

表3 风电场5分钟平均负荷相关系数表

表4 风电场2011年4月（大风月）5分钟平均负荷相关系数表

表5 风电场2011年9月（小风月）5分钟平均负荷相关系数表

2 风电场负荷相关性

对A、C、D、B和E风电场一个完整年的负荷数据进行分析，计算出各风电场不同时间尺度下平均负荷的相关系数，结果如表2所示。可以看出，C、B和A风电场之间相关性较好；A和D之间相关性较差；E与D相关性较差。

风电场5分钟平均负荷相关系数如表3所示。表4、表5分别为各风电场2011年4月份、9月份5分钟平均负荷相关系数。由表4可见，在大风天较多的月份（4月），风电场之间负荷相关性较好；由表5可见，在小风天较多的月份（9月），风电场之间负荷相关性较差，这与各区域风速的相关性一致。

3 风电场负荷趋势

图1为各风电场及风电场群月平均负荷率曲线图。由图1可见，不同风电场月平均负荷变化趋势相近，风电场群月平均负荷与单个风电场月平均负荷变化趋势相似，但是风电场群负荷曲线较为平滑，没有单个风电场负荷变化率大，其月平均负荷率既不如E风电场那么高，也不像D风电场那么低，而是位于两者之间[2]。

图2为各风电场及风电场群2010年11月日平均负荷率曲线图。由图可见，不同风电场日负荷变化趋势相近，但是变化幅度差别较大；风电场群日平均负荷与单个风电场日平均负荷变化趋势相似，但是风电场群负荷曲线略为平滑。

由于风资源的变化，单个风电场在风能资源丰富时段，会出现连续数天风电场负荷较大（如E风电场2011年9月份，见图3）；而在风能资源匮乏时，会出现连续数天负荷小于5%额定负荷，个别日平均负荷率接近于0（如D风电场2011年1月份，见图4）。

图1 各风电场及风电场群月平均负荷率曲线图

图2 各风电场及风电场群2010年11月日平均负荷率曲线图

4 风电场负荷变化特点

图3 E风电场2011年9月平均负荷率曲线图

从表6和表7可以看出，单个风电场5分钟平均负荷变化率在0–1%额定负荷范围内的变化率出现频率最大。其中，D风电场在此范围内的负荷变化率占了77.39%，最小的E风电场在此范围内负荷变化率占了57.15%。10%以上额定负荷范围内的变化率出现频率极小。其中，D风电场为0.91%，C风电场为0.96%，E风电场为1.03%，B风电场为1.07%，A风电场为0.61%。

同样，风电场群相邻5分钟负荷的变化率也主要集中在0－1%额定负荷，频次为74.04%，变化率在10%额定负荷以上累计频次仅为0.06%。也就是说，相邻5分钟内的风电场群负荷变化很小。

由表7可以看出，由于地理分散效应，风电场群5分钟平均负荷变化

率为0.771%，低于单个风电场5分钟平均负荷变化率的平均值1.3%。

表6 风电场群及各风电场不同时间尺度平均负荷变化率平均值（%）

表7 风电场群及各风电场5分钟平均负荷变化率频次表

表8 风电场群平均负荷

图4 D风电场2011年1月平均负荷率曲线图

5 风电场群平均负荷

由表8可见，风电场群不同时间尺度的平均负荷都在110MW以上。

6 结论

通过对宁夏地区5个已运行单个风电场5分钟平均负荷数据的统计分析，可以得出以下结论：

（1）单个风电场的负荷特性取决于当地的风能资源的特性 ，但是由于风电机组分散布置（相对于火电机组）和转动惯量及机组性能的影响，风电场的负荷特性和风资源的特性并非完全一致[3]；

（2）风电场区域内的风速每个月都会出现从零风速到额定风速之间变化的现象，单个风电场的风速变化波动幅值较大，造成风电机组负荷会从接近零负荷到额定负荷之间变化。对于风电场群而言，零负荷也会出现，但是已经较单个风电场有了较大的改善，零负荷时间大幅度减少[4]；

（3）在整个区域内全区性的大风天气时，从西至东方向的风速具有连贯性，风电场的负荷沿风通道呈现时间上的滞后性，风电场群的负荷具有很好的可预测性。而在小风天气时段，区域内不同风电场的风速的变化互不相关，风电场群负荷表现出很好的互补性。区域内的风电场的风资源以小风占主导地位；

（4）风电场内的风电机组，在转动惯量和有功功率控制策略的作用下，可以有效平抑秒级时间尺度的有功负荷波动；另一方面，风电场内不同的风电机组由于风速波动的随机性和风峰、风谷到达时间不同，存在一定的互补性，可以抑制数分钟以下时间尺度的有功负荷波动；

（5）由于风电场之间的地理分散效应，不同位置风电场的风峰和风谷到达时间不同，最大负荷变化率出现的时刻也不同，从而实现互补，降低了整个风电场群的负荷变化率；

（6）风电场群负荷存在明显的互补性，并且随着风电场群装机规模的增加，风电负荷的互补性增强，风电资源大规模集中开发不仅具有明显的规模经济优势，还能够有效降低风电负荷变化率，有利于缓解电力系统调峰调频的矛盾。

[1]鲍爱霞. 大规模风电场容量可行度的分析及对华东电网备用的影响[J].中国电机工程学报, 2009(29):34-38.

[2]肖创英, 汪宁渤,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(10):1-7.

[3]欧洲风能协会.中国可再生能源学会风能专业委员会, 全球风能理事会译.欧洲大规模风电并网技术研究:分析、问题和建议[M].北京:中国科学技术出版社, 2010.

[4]郭辰.风电场平均风速变化对利用小时数的影响研究[J].风能,2012(7):50-59.

Wind Farm Output Characteristics of Ningxia Region

Han Baoyun, Yang Zhongqi, Lin Heng, Luo Fang, Wang Yaoxian
（Ningxia Institute of New Energy Co., Ltd., Yinchuan Ningxia 750021, China）

With the wind farm output data, this paper analyzed the output characteristics of single wind farm and a number of wind farms of Ningxia region. ftrough the statistical analysis of 5 minutes on average load data of 5 single wind farms which has been operated for years, this paper drew the relevant conclusions.

wind farm; wind farm groups; output characteristics

TM614

A

1674-9219(2013)10-0064-05

2013-08-21。

韩宝云（1977-），男，硕士，工程师，主要从事风电场风能资源测量、评估及相关技术工作。