风力发电量预测（精选十篇）
风力发电量预测 篇1
风力发电技术地发展, 增加了风电单机容量, 扩大了并网型风电场的规模。这一发展形势, 导致电网受到风力发电的影响越来越明显。风力是一种间歇性的能源, 并且风电场的功率输出随机性很强, 因此, 额外安排一定容量的旋转备用需要被额外安排, 用来配合风电场的随机波动, 确保保证风电并网以后系统运行的可靠性。然而, 在无形中, 旋转备用容量的增加了风力发电运营成本。为了降低运营成本, 对大型风电场的输出功率进行预测变得尤为重要。
1 国内外风电容量预测研究情况
国外很早就开始了对于风电容量预测研究工作。早在1990年Landberg就采用类似欧洲风图集的推理方法开发了一套预测系统[2], 其主要思想是把数值天气预报 (NWP) 提供的风速、风向通过一定的方法转换到风电机组轮毂高度的风速、风向, 然后根据功率曲线得到风电场的出力。目前欧美国家使用的环境预报系统主要有美国环境预报中心综合系统, 欧洲中尺度气象预报中心综合系统, 德国气象服务机构开发的Lokal model模型, 由丹麦气象研究院、荷兰皇家气象研究院、挪威气象研究院、西班牙气象研究院和瑞典气象水文研究院联合开发的高精度有限区域模型 (high resolution limited area model, HIRLAM) 。Prediktor是Risoe开发的风电容量预测系统, 它根据地心自传拖引定律和风速的对数分布图, 把高空的风速转换为地面的风速。风电容量预测工具 (wind power prediction tool, WPPT) 由丹麦科技大学开发, 最初这个系统将适应回归最小平方根法与指数遗忘算法相结合, 给出了0.5h～36h的预测结果。
2 风力发电容量预测方法
按照预测模型的不同, 可以分为物理方法、统计方法、学习方法;按照预测对象的不同, 可以分为基于风速的预测方法 (间接法) 和基于功率的预测方法 (直接法) , 见图1。其中物理方法适用于中期预测, 一般是基于风速的预测, 然后利用功率曲线预测功率, 而且必须要气象预报数据 (NWP) ;中期预测一般需要N W P作为输入, 短期预测加入N W P反而效果不好, 因为气象预报的周期多为24h以上。
2.1 基于物理方法的风电容量预测
考虑地形、粗糙度等信息的预测方法为物理方法。根据数值天气预报系统的预测结果得到风速、风向、气压、气温等天气数据, 然后根据风电场周围等高线、粗糙度、障碍物、温度分层等信息计算得到风电机组轮毂高度的风速、风向等信息, 最后根据风电场的功率曲线计算得到风电场的输出功率。Risoe开发的风电场容量预测系统Prediktor就是利用物理方法来进行风电容量预测。
对整个区域进行风电容量预测时, 可以使用以下两种方式:第一种方式, 预测所有的风电场输出容量, 后求和得出风电功容量;第二种方式, 预测几个风电场容量, 后使用推算法得到整个区域的电场输出容量。
基于物理方法的预测模型的输入参数为 (NWP) 模型。因为每日气象预报更新频率较低, 所以在风电场发电量的中期预测中应选用此中预测方法。然仍需说明的一点, 物理方法模型是以风速为预测对象, 然后根据功率曲线计算功率, 故此种方法是间接预测电容量。
2.2 基于统计方法的风电容量预测
统计方法不考虑风速变化的物理过程, 而根据历史统计数据找出天气状况与风电场出力的关系, 然后根据实测数据和数值天气预报数据对风电场输出容量进行预测。
常用的统计方法有回归分析法、时间序列法[7]、灰色预测法[8]等。回归分析法是根据历史数据的变化规律寻找自变量和因变量之间的函数关系, 确定模型的参数, 据此作出预测, 其缺点是自变量的准确选取比较困难。时间序列法就是仅根据历史数据, 建立一个数学模型, 该模型既能描述对象变化过程的统计规律性, 又能在此基础上确定预测表达式, 它要求时间序列是随机和平稳的, 而且需要大量数据, 需编写计算机程序进行模型的辨识, 时间序列模型有自回归 (AR) 、滑动平均 (MA) 、自回归-滑动平均 (A R M A) 、累计式自回归-滑动平均 (ARIMA) 等模型, 时间序列法的缺点是预测周期短, 所用数据单一, 无法形成合理的误差估计, 对突变信息没法识别, 所以更加适合于优化控制的短期预测。灰色预测法是一种对含有不确定因素的系统进行预测的方法。灰色预测理论把观测数据序列看作随时间变化的灰色量或灰色过程, 通过累加生成或者累减生成的方法逐步使灰色量白化, 使得原本没有规律或者规律性不强的数列变成一个有较强规律性的数列, 从而建立相应的微分方程模型并作出预报。
2.3 基于学习方法的风电容量预测
学习方法的实质是用人工智能的方法提取输入和输出间的关系, 所建模型通常为非线性模型。常用的学习方法主要有神经网络法、模糊预测法、组合优化法、小波分析法、支持向量机法等。这些模型采用某种学习算法, 通过大量数据的学习和训练来建立输入输出间的关系。
由于人工智能的发展, 目前国内对于外的风力发电容量预测研究多集中在学习方法方面。文献[7]基于时间序列法和神经网络法对风速预测进行了研究, 提出了预测风速的时序神经网络法。该方法用时间序列法建模, 得到风速特性的基本参数, 并用这些参数选择神经网络的输入变量, 提出了滚动式权值调整手段, 有效地提高了风速预测的精度。文献[8]提出一种基于相似性样本的多层前馈 (BP) 神经网络风速预测方法, 利用风速季节性周期变化的特点提高风速预测的准确性, 结合时间序列分析与灰色预测方法研究了应用组合预测方法进行风电场风速预测, 并在风速预测的基础上讨论了风电功率预测。
3 国内外风力发电容量预测前景
尽管我国在风力发电领域起步较晚, 但是发展极为迅速, 在风力发电技术方面受到了人们的广泛重视, 在风力发电预测方面也有一些研究成果。这些研究主要包括风力发电的价值评估, 风电场的可靠性模型以及容量可信度的预测, 以及风力发电机的可利用率与容量系数的分析。这些研究成果均属于统计意义上的长期预测和评估, 对我国风电场的选址规划, 以及投资和效益评估做出了重要的贡献。
4 结语
本文介绍了国外开发的很多风电预测系统, 如Prediktor、WPPT、eWind、MoreCare等等, 国内目前还没有专门的预报系统问世。目前风电容量预测的常用方法, 短期预测主要分为统计方法和学习方法, 一般无需加入NWP数据;中期预测主要分为物理方法、统计方法和学习方法, 要得到很好的预测精度, 通常需要NWP数据。在对预测模型进行分析评估的过程中, 常用的参考模型persisitent模型存在不足, 可以用一种适用于任意预测步长的新的参考模型来代替, 以便对预测模型进行更好的评估。最后分析了风电预测的前景, 指出了提高模型的预测精度的一些方法。
参考文献
[1]2008～2009年全球及其中国风电行业研究报告[E B/O L].h t t p://w w w.chinairn.com.
[2]Troen I, Petersen E L.European windat las[M].Roskilde:Risoe NationalLaboratory, 1989.
[3]Nielsen T S, Madsen H.WPPT-atool for wind powerprediction[C]//EWEA Special Topic Conference.Kassel:[s.n.], 2000.
[4]Lange M U, Focken D.Heinemannpreviento regional wind power pre-diction with risk control[C]//The WorldWind Energy Conference.Berlin:[s.n.], 2002.
[5]Bailey B, Brower M C, Zack J.Short-term wind forecasting[C]//EuropeanWind Energy Conference.Nice France:[s.n.], 1999.
[6]El-Fouly T H M, El-Saadany E F, Salama M M A.Improved Grey Pre-dictor Rolling Models for Wind PowerPrediction[J].IEEE Proceedings onGener, Transm&Distrib, 2007, 1 (6) :928～937.
风力发电的市场分析以及预测 篇2
特许招标启动
“海上风电开发的潜力非常大，可开发量是陆上风电的3倍，同时比陆上风电更加实用。”
据国家发改委能源所的评估，我国近海海域风电装机容量可达1亿~2亿千瓦。海上风电要在2010年全面开展已经写进国家能源局2010年能源工作总体要求和任务书。
在1月22日出台的《海上风电开发建设管理暂行办法》中明确规定，国家能源主管部门负责海上风电项目的开发权授予，沿海各省（市、区）能源主管部门依据经国家能源主管部门审定的海上风电发展规划，组织企业开展海上测风、地质勘察、水文调查等前期工作，同时优先采取招标方式选择海上风电工程项目开发投资企业。
据史立山透露，海上风电项目的特许招标已经启动。在各地形成规划的基础上，国家能源主管部门已经向辽宁、上海、山东、江苏等11个省份有关部门下发了通知，要求各地申报海上风电特许权招标项目。同时按“先试点、后扩大”原则建设，根据风能资源、海域环境、电力送出和技术能力等条件统筹确定项目规模，此次招标单个项目总装机容量为200兆瓦—300兆瓦。
2010年4月23日国家能源局新能源和可再生能源司副司长史立山表示，由于其资源丰富，靠近电力市场的优势，下一步，海上风电将成为今后风电发展的重点之一。
他透露，目前，我国首轮海上风电特许权招标工作已经锁定江苏省的沿海地区，项目将包括两个容量为30万千瓦的滩涂电站和两个容量为20万千瓦的近海电站，总容量达到100万千瓦。
曹寅告诉记者，国内企业目前已经加紧研制有针对性的海上风机，“但实际投入运行使用的只有华锐风电的3兆瓦海上风电机组。”
“单机容量大肯定是一个趋势。”维斯塔斯相关负责人告诉于记者，维斯塔斯目前最新研发的就是6兆瓦的海上风机，叶轮直径130米~140米。瑞能北方风电设备有限公司曾生产出世界单机容量最大的5兆瓦级海上风力发电机，并在2008年将该风机发电能力提升至6兆瓦。瑞能北方公司副总经理刘羚对记者表示，按照瑞能在国外的海上风机经验，单机容量也不适于过大，这会为海上吊装带来困难。
姜谦表示，海上风电发展提速对已经具备发展经验的龙头企业受益最大。因为海上风电技术的要求比陆地要高，而目前国内具备海上风电发展经验的风机厂家并不多。
2010年第一次招标为100万千瓦，四个向项目分别为：300兆瓦、300兆瓦、200兆瓦、200兆瓦
按每台风电机容量2.5兆瓦计算：
1000兆瓦/2.5兆瓦=400台
400台*每台2.5兆瓦风机单价2250百万=900000百万=9000亿
每台风电机按制造需一天算： 400台/245天 需要两家公司专全年做才能做完，海上风电首轮招标5月上旬举行 4项目锁定江苏
工信部也于3月26日发布了《风电设备制造行业准入标准》（征求意见稿），《标准》规定，风电机组生产企业必须具备生产单机容量2.5兆瓦及以上、年产量100万千瓦以上所必需的生产条件和全部生产配套设施。并明确表示，“优先发展海上风电机组产业化。”
以下为风力电机上市公司2010年第一季度利润以及中标项目
一、金风科技：
主流：1.5mw750kw目前最大3.0mw重点2.5预计6mw
今年头三个月的营业收入、净利润分别同比增长61.69%和27.35%，此前市场担心的增速放缓并没有出现。截至2010年3月31日，金风科技待执行订单总量为3349.5MW，已中标但未正式签订订单总量1483.5MW，总计在手订单数量达到4833MW。创下历史新高；其中一季度单季新增订单更是超过2000MW，几乎与去年全年产量相当。
一季度业绩同比增长27%
金风科技在2009年迎来了一个史上最好开局，去年一季度营业收入较2008年同期增长95%，净利润则从之前的7685.33万元大幅跃升至1.96亿元，同比增幅高达155.66%。
今年1~3月份，金风科技共实现营业总收入18.55亿元，同比增长61.69%；实现净利润2.48亿元，同比增长27.35%；基本每股收益为0.1109元。虽然不及去年的155%那样瞩目，但相比2008年一季度的负增长纪录，本次金风科技净利润30%上下的同比增幅也还是可以接受的范围之内。
同期待执行订单数也从去年年底的2217.75MW增长至3349.50MW，增量远远超过2009年年报中657MW的已中未签订单数量。
相比净利润同比增长近三成，金风科技的订单情况更让人感到惊喜。2009年公司有1.5MW机组基地产能基本能满足2.5MW机组的生产，产能可由1.5MW机组产能直接转换为2.5MW机组产能。1.5MW机组已成为风电市场的主流机型，2009年公司完成了主要产品由750kW、1.5MW机组并重到1.5MW机组为主的过渡，并推出了2.5MW永磁直驱机组、3.0MW机组混合传动机组；全年完成1.5MW机组生产1391台、750kW机组生产782台。公司持续进行对
1.5MW机组的优化，已经推出适应高低温、高海拔、低风速、沿海及海上等不同运行环境的系列化机组。
根据计划，金风科技2010年将继续完成3兆瓦混合传动风电机组的样机制造和试运，同时完成5兆瓦风电机组关键零部件的详细设计。
二、银星能源
主流：1.5mw目前最大2.4mw
2009 年，公司的新能源产业持续发展，建成和在建风电装机规模近25 万
千瓦；形成了年产 300 台 1MW 风机和 300 套塔筒的生产能力，当年生产了100 台1MW 风机和140 套塔筒，与日本三菱重工签订了合作生产2.4 兆瓦风机意向书；
1、营业收入较上年同期增长 154.66%，主要原因是公司的风电设备产业今年进入批量生产，公司风电设备销售收入比上年同期增长幅度较大所致。
2、归属于上市公司股东的净利润较上年同期增长 1,689.62%，主要原因是公司的风电设备产业今年进入批量生产，公司风电设备销售收入比上年同期增长幅度较大使净利润增长所致。
3、经营活动产生的现金流量净额较上年同期下降 126.73%，主要是本期销售商品、提供劳务收到的现金较少所致。
4、基本每股收益较上年同期增长 1,683.33%，主要是公司的风电设备产业今年进入批量生产，公司风电设备销售收入比上年同期增长幅度较大使净利润增长所致。
预计公司2010年1至6月实现净利润约2000万元，而上年同期为1200万元，同比增长50%-70%。银星能源表示，业绩大幅也增长的主要原因是公司的风机制造业务今年进入均衡批量生产，公司风机销售收入比去年同期增长较大，使归属于上市公司股东的净利润比去年同期上升幅度较大。
三、长征电器
主流：1.5mw780kw目前最大3mw
银河风电公司 2.5 兆瓦直驱永磁风力发电机组项目取得重大突破，2.5 兆瓦风力发电机组已 2009年 2 月正式下线、6 月7日完成吊装、6 月23 日正式并网发电。2.5 兆瓦风力发电机组的成功研发，为银河风电公司开发和研制更大更先进风电机组打下了坚实基础。华仪电气。2009 年，公司在批量生产 780KW 瓦风电机组的基础上，重点向市场推广 1.5MW 风电机组，获得了可喜的销售业绩。公司与德国艾罗迪公司的“2.5/3MW 大型风力发电机组联合开发项目”正在稳步推进。
四、湘电股份
主流：1.5mw目前最大5mw
全年实现订货近3 亿元，1.5 兆瓦双馈异步风力发电机市场占有率大幅上升2 兆瓦及以上风力发电机组和关键部件研制及产业化等项目先后通过国家和省级鉴定成功收购荷兰达尔文公司海上 5 兆瓦风机项目，加快大型风机和 5 兆瓦海上风机研发进程
公司发布2010年1季报,实现收入9.39亿元,同比增长18%。实现归属于母公司所有者的净利润2931万元,折合每股收益0.12元,同比增长146%;
公司1季度销售整机30台左右,目前在手订单达到约为500余台。年初至今公司风电整机单价有所下降,目前价格约为4600-4700元/千瓦;
公司风电产业链不断完善:达尔文5MW 样机有望年底前下线,将增强公司在海上风电的机型优势;公司已经成功合作开发了2MW 变流器,但产能建设需要一段时间;
公司今年有望实现470台风机销售。但是整机价格下跌将对毛利率构成一定压力。考虑到公司规模效应的提升和对下游的议价能力有所增强,我们预计全年
风电业务毛利率将会有1%左右的降幅;
一季度公司军品特种电机销量快速增长,全年有望实现接近3亿收入。预计今年直流电机业务将实现4.4亿元的销售额,较去年大幅增长180%;毛利率有望达到30%,同时毛利润贡献率将从去年3%增长至10%;
盈利调整
由于风机价格下跌较快,我们将2010年风电整机业务的销售收入从51亿元下调至48亿元,毛利率从17.5%下调至15.4%;
基于公司特种电机业务的快速增长,我们将直流电机业务今年销售收入从1.9亿上调至4.4亿,毛利率从28%上调至31%;
我们预计公司2010年和2011年EPS 分别为0.82元和1.22元;较前期预测0.84元和1.23元有所下降。
五、上海电气
主流：2mw目前最大3.6mw
2008～2009年,2MW机组形成批量生产能力。公司核心技术团队已进行自主开发 3.6 兆瓦海上风机，预计 2010 年6月完成样机
上海电气公布,按中国会计准则,截至2010年3月31日止首季,归属于上市公司股东的净利润为7.07亿元人民币(下同),较2009年同期增长15.87%,基本每股收益0.0565元。
该公司09年同期录得纯利6.1亿元。
截至4.29号，公司总资产897.43亿元，所有者权益231.6亿元，归属于上市公司股东的每股净资产1.85元。
六、华仪电气
华仪电气公布2010年一季报：基本每股收益0.07元，稀释每股收益0.07元，每股收益（扣除）0.05元，每股净资产2.89元，净资产收益率2.46%，加权平均净资产收益率2.49%，扣除非经常性损益后净利润14672335.73元，营业收入239501576.84元，归属于母公司所有者净利润19452217.58元，归属于母公司股东权益791596949.02元。
七、东方电气 一季度公司生产经营总体平稳运行。公司2010 年一季度发电设备产量达到695.2 万千瓦。其中，水轮发电机组133.7 万千瓦，汽轮发电机509 万千瓦，风力发电机组52.5 万千瓦，电站汽轮机408.15万千瓦，电站锅炉450 万千瓦。2010 年第一季度，公司新承接生效订单87 亿元人民币。
整机行业的三大龙头之一，东方电气麾下的东方汽轮机有限公司在2010年1月宣布投资超过10亿元，建设海上及陆上风电机组研发和生产基地，全部建成后将实现年产450-750兆瓦风机的产能。
东方电气今年第一季度实现净利润4.71亿元(人民币，下同)，比上年同期的2.99亿元增长57.46%，每股收益为0.46元。营业收入为69.19亿元，比上年同期的72.23亿元下降4.21%。
报告表示，公司2010年一季度发电设备产量达到695.2万千瓦。其中，水轮发电机组133.7万千瓦，汽轮发电机509万千瓦，风力发电机组52.5万千瓦，电站汽轮机408.15万千瓦，电站锅炉450万千瓦。
公司风电产量2009年产量1203台，同比增长50%，实现收入62.8亿元，至2009年年末，东方电气在手风电订单90亿元左右，且天津、杭州基地投产后，可新增产能1000台以上，2010年风电的销售收入将超过2009年，预计公司2010年出货1500台。公司表示期望风电业务出现如过去的“疯狂”增长是不现实的，预计未来内地风电会平稳发展。由于当前内地有几十家风电厂家，竞争激烈，今年其毛利率面临下滑趋势，但公司高毛利率产品的比重会增加。
截至2009年末，公司在手订单1300亿元，全年新增订货568亿元，其中国际合同约21亿美元。新增订单中，火电263亿元、核电145亿元、风电83亿元、水电29亿元、其它48亿元。在手订单中，出口项目占15%，公司首次进入巴西、沙特和博茨瓦纳等国家电力市场。
公司预计2010年核电业务收入可达40亿元，2011年收入则超过90亿元。，增速为87%左右，2011年收入则超过90亿元。
海上风电报告分析预测篇：
海上风电:新领域,新开始。全世界的风能总量约1300亿千瓦。我国陆上实际可开发风能资源储量为5.06亿千瓦(50m高空),近海风场的可开发风能资源是陆上3倍,则总的可开发风能资源约20亿千瓦。海上风电具有风速高、风资源持续稳定、发电量大等特点。在降低碳排放、转变经济发展方式的大背景下,风电行业仍然面临着较大的市场前景。到2020年预计有1亿千瓦的风电装机总量,海上风电占比20%则会有2000万千瓦。
海上风电场面临成本和环境的双重挑战。目前的风电场主要分为陆上(包括滩涂)和海上。其中海上风电场又分为潮间带和中、深海域。相对陆上,海上风电场面临的主要问题有高成本、复杂的环境、需要较高的可靠性、海上电力配套措施等。
海上风电成本:约为陆地风电的两倍。海上风电主要的成本包括风机、安装费用、维护费用、支撑结构、电力设施、工程管理等。相比陆上费用,海上风电的地基和维护费用较高。占陆地风电68%的风机占比下降到了33%,地基费用上升到了24%,是海上风机主要的费用之一。由于面临很大的环境变数,海上风电的维护费用也达到了23%。维护和地基两项费用直接推高了海上风电的成本。国内风力发电工程造价平均为8000元人民币/千瓦,其中,风力发电设备造价约5000元人民币/千瓦。海上风电的工程造价在2万元/千瓦左右,是陆上风电的两倍多。
海上风机:大机型,直驱是趋势。风机发展的主要趋势是,单机容量逐步上升,风机机组结构多样化。海上风机成本较大,所以对风机的单机容量要求更大以摊低成本。目前国内外风机主流机型单机容量为2-3WM。直驱由于稳定性高将获得越多亲睐,不少厂商已经开始开发直驱和半直驱风机。
经过分析觉得应该关注一下几个股票：
2010年是我国海上风电发展的开端,5月份即将要进行首期海上风电招标,建议关注。个股方面,建议关注东方电气、金风科技和湘电股份。
金风科技、东方电气风电龙头，今年变化实在之大，金风科技盈利一目了然，中标可能最大，两股订单也是遥遥领先。湘电股份适合长期关注，以目前拥有风电技术与实力值得关注。
风力发电不如猫 篇3
一只鸟的3％代表什么意思?天鹅翼展最尖端的7厘米?鸵鸟的右脚?还是平均每具风力发电机造成鸟的死亡数目?据美国国家科学院《风能计划对环境冲击》的报告，是指第三种说法，这是统计30具涡轮扇叶一年对一只鸟杀伤率的数据。
写报告的科学家共搜集了14项自认可信的研究，很自然地对得到的数字附加了许多警告。他们知道死亡率会因地点不同而大有差异，正如哈姆雷特的名旬“一只麻雀的死生，都是命运预先注定的”，因此即使死的是一只秃鹰，也不值得去设法避免。
分析的结论是，不论怎么算，在美国被风力发电扇叶打死的小鸟一年不超过4万只，这个数目显然不能与每年被猫咬死的以“亿”为单位的小鸟比较。执笔者写到，涡轮扇叶虽然比用棒子挥击的伤害大些，最近的研究也发现鸟尸比预期多，但数目仍然微不足道。然而，有关连雀死亡阴影的研究未能平息爱鸟人士的忧虑，这批人看到风力发电机就会反感。以无碳能源来说，风力发电在环保人士眼中声名狼藉，大部分的抱怨都是为了鸟类安全及景观问题。风力发电厂并未拿到完全清白的“健康证书”，正如美国国家科学院报告中所指出的，大部分的资料都有局限性，英国实证保育中心主持人普林也认为证据十分薄弱。
拥有大量会员且颇具实力的英国皇家鸟类保护协会，反对在沿海岸发展大面积风力发电，因为陆地上的小规模装置被证实效果有限。这个组织坚决反对在苏格兰赫布里底群岛中的路易斯岛设立234座风力发电机的计划。
风力发电排名世界第三，仅次于美国、德国的西班牙也表发布研究指称，造成鸟类死亡的数目很小。但是西班牙环境保护论者认为，该数字未说出全部实情，环保顾问卡米尼亚曾监视140座风力发电厂中的70座。他说，2004年发表的研究，野外调查却是在10年前完成的，那个时代的涡轮扇叶要少得多。
卡米尼亚受雇于里奥哈、瓦伦西亚及安达卢西亚三个地方政府。他最近向马德里环保署递出的一项即将发表的报告指出，重点是猛禽被伤害的数量。举例来说，自2000年起，共有886只鲁氏粗毛秃鹫因此死亡。他表示，了解大型鸟类的死亡很重要，这是因为它们的繁衍较慢，只要有少数死亡就会影响到整体数量。
猛禽类在美国也引起重大争议，20世纪80年代开始运作的加州阿特蒙隘口风力发电机就曾有扫落金鹰的记录。但是拥有阿特蒙涡轮发电机的总裁柯埃比则辩称，这种说法是“欲加之罪，何患无辞”。“我听说每年有1000只鸟会撞上华盛顿纪念碑，这是否也应拆除?我们做的是拯救地球的事，甚至也救了鸟类，因为污染对鸟类的伤害是人类的2倍。”
风力发电量预测 篇4
随着能源与环保问题日益突出,近年来风力发电在全球迅速发展。由于风能是一种间歇性、随机性和波动性很大的一次能源,大规模风力发电的接入对电力系统的规划与运行、调度与控制都带来了新问题。通常解决此问题所采用的方法是在原电力系统基本方法中加入风速或风力发电功率预测环节,因此对随机的、波动很大的、不可调度的风速或风力发电功率的预测方法成为研究的热点。
根据研究目的的不同,风速或风力发电功率预测可以分为3类:①以功率平衡控制为目的的风速、风向预测方法或模拟方法[1,2,3,4,5],主要用于风力发电控制系统、风力发电机组保护系统和控制器或风轮机机械部件设计等方面,预测所产生风速序列的时间间隔为秒级或分钟级;②以电力系统能量调度为目的的风速或风力发电功率预测方法[6,7,8,9,10,11,12,13,14,15,16,17,18],预测所产生风速序列的时间间隔为几分钟到数十分钟,预测各时段的平均风速和相应的平均风力发电功率;③用于中长期发电规划和备用发电容量计划的风速或风力发电功率预测方法[19,20,21,22,23],此类方法通常预测全年12个月代表日的小时平均风速或月平均风速,利用风速的概率分布函数和统计特征产生相应的模拟风速序列。本文研究主要涉及第2类。
以电力系统能量调度为目的的风速或风力发电功率预测方法可归为2类:①采用时间序列法或时间序列法与人工神经网络等智能方法相结合来预测平均风速,然后根据风力发电机组的功率特性计算得到相应的输出功率预测值[6,7,8,9,10];②采用人工神经网络法、模糊逻辑法、支持向量机法等人工智能算法,以平均风速、风向等气象数据作为输入量,直接预测风力发电机组输出功率[11,12,13,14,15,16,17,18]。前者把研究重点放在对风速的预测上,但是尽管风速预测精度非常高,但风力发电功率预测误差仍然很大[9,17]。后者用黑匣子原理直接将风速、风向等气象学预测的物理量与风力发电机组输出功率相关联,采用人工智能方法建立输入与输出间的映射关系,使功率预测精度能够满足能量调度的要求,但是这类方法不能给出输入与输出间关系的解析表达式,每次应用都需要大量的样本进行学习。
事实上,即使风速预测数据准确,基于现有风力发电机功率特性也不可能得到符合工程应用精度要求的风力发电功率预测值,其根本原因是电力系统能量调度所预测的风力发电功率是某时段的平均功率,而风力发电机功率特性描述的是发电机输出功率关于任意风速的变化关系。为此,本文提出基于等效平均风速的风力发电功率预测方法,主要用于10 min 级超短期风力发电功率预测,统计给出了等效平均风速与平均风速及最大风速的解析表达式。
1 等效平均风速
1.1 等效平均风速的概念与测量
风力发电机组的风速功率曲线表明,当实际风速小于切入风速或大于切出风速时,输出功率为0;当实际风速在切入风速与额定风速之间时,输出功率与风速间成三次函数曲线关系[24];当实际风速超过额定风速而小于切出风速时,输出功率近似为恒功率输出。
称电力系统能量调度最小时间间隔为统计时段,如果统计时段的平均风速低于风轮机的切入风速,由风力发电机组功率输出特性可得发电机输出功率为0。然而,事实上在此时段中瞬时风速可能大于切入风速而发电机输出功率并不为0,瞬时风速有可能是随机、大幅度地变化,采用其中任一瞬时风速来计算风力发电机组输出功率都不合适。因此,本文引入新的风速描述量——等效平均风速veq,其物理概念为:在统计时段内,当veq恒定时,风力发电机输出电能与该时段实际风速下风力发电机的输出电能相等,即有:
式中:P(·)为风力发电机组的功率特性函数;T为统计时段;v为瞬时风速。
等效平均风速veq不仅有明确的物理概念、数学表达式,而且可以实时测量计算得到:①测量统计时段风力发电机输出的平均功率P;②统计时段风力发电机输出的平均功率P在风速—功率特性曲线上对应的风速值为该时段实测veq。
风力发电机输出功率不仅与实际风速有关,而且与风向有关,由于目前的风力发电机组均可通过被动或电控主动追踪主导风向[25,26],因此本文假定风轮机始终处于迎风位置来计算veq。
1.2 等效平均风速函数
上述等效平均风速的实测值是通过测量风力发电机的输出功率得到的,只有建立它与统计时段实际风速物理量之间的关系才有实用意义。目前,风速仪测量记录的最小时间间隔为10 min[24],量测量为平均风速和最大风速。因此,本文假定电力系统能量调度的风力发电功率预测时间间隔为10 min。
为得到等效平均风速与实际风速物理量之间的关系,对北京密云风水光发电示范基地1台300 W定桨距永磁同步风力发电机组的发电功率和现场风速进行了为期1年的测量和记录。实测风力发电机组等效平均风速与平均风速间的关系见图1。
通过分析大量实验曲线发现,等效平均风速关于平均风速的变化具有明显的规律性,并且与实测最大风速和发电机切入风速、额定风速、切出风速等设计参数有关。由于风速是服从威布尔(Weibull)分布的随机变量,其分布函数可以由统计时段的最大风速和平均风速求得。也就是说,风速的统计特性可以用这2个物理量来描述,所以最大风速和平均风速能够在较大程度上反映某一时段内风速变化对风力发电机输出功率的影响。定义这种物理现象的数学描述为等效平均风速函数:
式中:vavg和vmax分别为实测平均风速和最大风速;vin,vout,vr分别为风力发电机组的切入风速、切出风速和额定风速;Ai,Bi,Ci(i=1,2,3)分别为等效平均风速函数的待定参数。
2 等效平均风速的参数估计方法
采用曲线拟合的数学方法即可求出式(2)中Ai,Bi,Ci(i=1,2,3)这9个参数的最佳估计值。
设{yj(vavg,j,vmax,j)|(j=1,2,…,n)}为等效平均风速分段函数任一段上的一组实测样本值,veq(vavg,j,vmax,j)为相应平均风速和最大风速下由式(2)计算得到的等效平均风速。求系数Ai,Bi,Ci的估计值使测量值与计算值之差的平方和最小,即
令
解代数方程组(4)即可得到函数veq(vavg,vmax)在该段表达式中3个系数的最佳估计值。
由式(3)和式(4)求得实验机组的等效平均风速函数的各段参数和平均相对误差列于表1。实测等效平均风速数据和拟合函数
值得指出的是,本文介绍的求取风力发电机等效平均风速函数的实验方法完全可以与现场运行相互独立,因为等效平均风速函数实际上描述的是风力发电机某时段输出的平均功率关于该时段风速变化的固有特性。
3 风力发电功率预测方法与步骤
基于等效平均风速的风力发电功率预测主要包括离线建模和实时风力发电功率预测2部分。
离线建模就是建立风力发电机组的等效平均风速函数。通过实测风力发电机输出功率获得等效平均风速样本集{yj(vavg,j,vmax,j)|(j=1,2,…,n)},按第2节所述参数估计方法,求取风力发电机组等效平均风速函数中的待定参数Ai,Bi,Ci(i=1,2,3)。
实时风力发电功率预测包括实时等效平均风速计算、等效平均风速预测和风力发电功率预测。本文采用基于AR(p)模型的时间序列法预测等效平均风速。实时预测计算步骤如下:
1)将平均风速和最大风速的实时测量数据代入等效平均风速函数,求得等效平均风速序列{veq,j(vavg,j,vmax,j)|(j=t,t-1,t-2,…,t-(p-1))}。其中,t为当前时刻,p为模型阶数(本文取p=3)。
2)由以下AR(p)时间序列模型[27]计算等效平均风速的预测值:
式中:
3)将等效平均风速预测值
4 算例分析
为了验证基于等效平均风速的风力发电功率预测方法的效果,对前述北京密云风水光发电示范基地300 W定桨距永磁同步风力发电机组,分别采用本文方法(以下简称为方法1)和基于平均风速的风力发电功率预测方法[8,9,10](以下简称为方法2)进行预测计算。方法2中采用了文献[9]提出的方法:经过数据的平稳化处理及自相关性分析,然后用ARIMA(2,1,1)模型预测平均风速。
离线计算该发电机组的等效平均风速函数参数如表1所示。现场实测某天的平均风速和最大风速曲线如图3所示。
采用方法1和方法2得到的风力发电功率预测曲线如图4所示,2种方法的预测功率与实测功率间的误差曲线如图5所示,风速预测的平均相对误差和风力发电功率预测的相对误差列于表2。由表2可见,基于等效平均风速的预测方法相比于基于平均风速的预测方法,风力发电功率预测的平均相对误差从37.10%降至5.21%,最大相对误差从150.00%降至29.27%。
为了分析等效平均风速模型对预测精度的影响,假定平均风速预测没有误差,采用平均风速模型预测风力发电功率的相对误差为表2中方法3对应的数据,由此可见,等效平均风速模型对提高风力发电功率预测精度效果显著。
5 结语
本文提出了等效平均风速的新概念和等效平均风速函数的数学模型。等效平均风速函数本质上描述了间歇性、随机性和波动性很大的风能与风力发电机在统计时段输出的平均功率的关系。本文的物理实验研究主要涉及风力发电机组的风力发电功率预测,由此来验证理论和方法的正确性及可行性,进一步通过风电场电功率物理实验获得风力发电机群输出电功率关于风速的特性,将不难将此方法扩展到风电场超短期功率预测。
风力发电量预测 篇5
根据美国发布的可再生能源标准（RES），到2012年美国可再生能源占10%，2025年占25%。2004～2008年美国新安装风力发电机新增风电年均增长率为29%。2008年新增风电占新增可再生能源的42%。美国政府承诺长期支持风力发电，投资数十亿美元制造风电涡轮机和建设智能电网，2009～2029年安装风力发电机将每年新增风力发电能力4亿瓦～16亿瓦，到2030年风力发电总容量累计增加到305亿瓦，届时风力发电满足电力需求的20%。欧盟风力发电装机总容量56535兆瓦。丹麦风力发电占本国电力的20%，西班牙占13%，葡萄牙占12%，爱尔兰9%，德国8%。德国规划到2020年可再生能源发电占25～30%，德国于1991年制定法律鼓励发展可再生能源，主要是风力发电，德国风力发电涡轮机生产能力占世界22%，未来几年内将在海岸建大型风力发电场。
2006年我国风电装机总容量仅2588兆瓦，2008年增加到12121兆瓦，年均增长率为116%。据中国风能协会预测，2010年我国风电总装机容量达20亿瓦，2020年达到80亿瓦，2030年达到180亿瓦，2050年达到500亿瓦。我国政府将强力支持建设智能电网，解决风电输送问题，未来风电将成为我国电力的主要来源之一。
风力发电量预测 篇6
日本的四国电力公司连接的电力系统中风力发电量到2009年末达15万kW左右, 今后还将继续发展扩大。由于风力发电的输出功率随风况变动很大, 因此风力发电在轻负荷期 (凌晨1～3点钟) 频率调整力减少的时候必须确保对应风力发电的最大输出功率也能变动。但如果可预测风力发电的输出功率, 应在风力发电的输出功率上确保相对应的频率调整力或水力及火力的经济负荷分配, 就能在经济上实现稳定的效益。
关于风力发电的输出功率预测系统, 在气象数值预报数据的基础上, 应用风力地点周围的地形数据等进行局部的气象分析。在计算量大的同时, 风力地点对所追加的每个地点均要有详细的数据。因此, 四国电力和四国综合研究所, 以引进风力发电的输出功率预测系统为目标, 不用收集地形数据, 利用个人计算机类别能高精度预测风力发电输出功率的模糊推论, 开展使用技巧性手法的研究, 2006年进行了典型系统的试运行。
1 预测技巧及系统的构成
1.1 预测技巧
1.1.1 概要
图1为输出功率预测处理流程, 输出预测系统包括2、3、4。
这次开发的系统在气象厅数值分析预报系统的数值预报数据与风力地点输出功率实际数据的基础上, 最大能提前30 h进行风力发电输出功率预测。
1.1.2 气象预报数据
在输出预测上使用的预报数据, 由气象厅每3 h提供, 应用测量数值预报模型的网格点值 (GPV) 的风速预测值。表1为测量数值预报数据的概要。预测数据从初期值15时或提前33 h计算出来;但初期值由于使用预报发布时刻的3 h前的数据, 输出预测数据则最大提前达30 h。
1.1.3 利用模糊模型预测输出
风的东西成分w1与南北成分w2的两个输入要素和风力地点的输出P之间的关系可以表示为, :P=f (w1, w2) , 如将此式定式化, 则从气象预报数据能求得风力地点的输出。
但一般在f中包含风力地点周围地形因子会变得复杂。故这里采用可把复杂关系模型化的技巧性手法——模糊模型来解决。
利用模糊模型以良好精度进行输出预测, 过去的预测值与以实际数据为基础的模糊模型调谐均有必要。因此, 将过去的气象预报数据和风力点的实际数据作为学习数据, 采用预先调谐的模糊模型, 使一年之间的预测误差保持最小。
1.1.4 利用风力点的实际输出数据修正预测值
利用模糊推论对风力点的输出预测是可能的。但因气象预报的误差等因素, 风力地点的输出预测值与实际值之间会发生乖离。因此, 编入每1 h风力地点的实际输出数据时, 应用从数小时前的输出预测值与实际输出来修正输出预测值, 取得提高精度的效果。
1.2 典型系统的构成
在2006年由中央给电指令所 (下称中给) 设计的计算机型的典型系统, 其构成图如图2所示。
系统由完成输出预测的输出预测服务员与显示输出结果的输出预测显示终端构成。输出预测服务员在接收气象预报数据的同时, 从输出预测显示终端接收风力地点的实际输出数据从而进行输出预测。在输出预测显示终端把结果以信号发出。输出预测显示终端从中给的自动给电系统把风力地点的实际输出数据定期地以信号接收, 并在送信号给输出预测服务员的同时, 输出预测服务员以信号接收输出预测数据并显示输出实际数据。
2 预测精度
2.1 提高预测精度的方法
2.1.1 预测点的选择
在输出预测中使用的气象预报点为5 km间隔点。预报点与风力地点的位置不一致的情况也有, 一般离风力地点最近的预报点常被选择考虑。气象预报数据应将发布时刻3 h前的数据作为初期值, 从初期值直到发布时刻之间, 在风力比预期强 (弱) 的场合, 认为输出预测的误差大。
由于本技巧性手法实用, 能把一年之间的预测精度提高, 但为更进一步提高精度, 在各预测点也考虑输出预测值趋向的选择方法。
2.1.2 提高应用遗传算法的模糊模型的调谐精度
如前述, 模糊模型将过去的气象预报值与风力地点的实际输出数据作为学习数据, 则预测误差最小能预先调谐。此学习数据中, 如包含误差很大的气象预报数据等, 就成了降低预测精度的原因。从学习上用的数据中, 希望把不适合的数据除去。但是, 由于无风向与风速的实测数据, 要把气象预测误差大的数据分出来很难。因此, 为适应这样的数据选别, 应用遗传算法进行数据的选别, 把过去的风力地点预测值和输出实际值的误差变成最小。
2.2 预测结果
为验证输出预测的精度, 于2007年12月到2008年2月期间在风力地点5处 (各地点的额定输出功率0.9～2万kW, 总输出约7万kW) 进行输出预测。这里, 5个地点中的3个地点 (总输出约60%) 与日本四国电力公司西北部的同一系统连接。
在输出预测中应用的模糊模型使用经调谐的2007年11月的气象预报数据与风力地点的实际输出数据信息。
并且, 精度评价是应用18时的气象预报数据, 针对电力系统在凌晨3时的调整力变得严峻的状况, 利用提前9 h的预报结果进行评价而完成的。
3 结语
风力发电量预测 篇7
北票台吉营风力发电场拟建场址位于辽宁省北票市北塔子乡双庙村附近。场区规划面积为14km2, 地形为海拔高度360m～450m的丘陵。北票台吉营风力发电场新建工程装机容量为49.50MW, 设计安装1500kw风力发电机组33台, 施工期新建及改建原有道路合计23.28km, 新建10kV架空输电线路38.30km。建设工期12个月 (2010年6月～2011年5月) 。
2 预测范围和预测时段
2.1 预测范围
项目建设区范围内可能造成水土流失的面积均计入水土流失预测范围, 区依据项目施工占地区域的地貌特征、施工工艺对水土流失的影响程度等因素的不同, 将本项工程的水土流失预测单元划分为风电机组防治区、道路防治区、输电线路防治区和施工场地防治区, 面积合计21.35hm2。
2.2 预测时段
该工程属于建设类项目, 工程竣工后不再进行扰动。根据主体工程施工进度安排, 本项工程施工准备期较短且与建设期交错, 故水土流失预测划分为施工期和自然恢复期两个时段。根据工程施工特点和工程施工进度安排, 施工期水土流失类型复杂, 分布范围较广, 侵蚀程度较重, 是水土流失预测的重点时段, 施工期预测时间为1年 (2010年6月～2011年5月) 。工程施工结束后在不采取水土保持措施的条件下, 松散裸露土壤表面趋于稳定, 在自然条件下植被逐渐恢复, 土壤侵蚀强度减弱并接近原背景值。根据项目区的气候特点、植被生长状况以及土地类型, 确定自然恢复期的时间段为2年 (2011年6月～2013年5月) 。
3 预测内容和方法
依据《开发建设项目水土保持技术规范》的要求, 根据本工程实际情况, 在分析评价的基础上, 确定各预测项目内容包括:工程开挖扰动地表、占压土地和损坏林草植被的土地类型、面积, 测算因工程建设损坏的水土保持设施面积, 工程弃渣的去向和数量, 预测扰动地表可能产生水土流失的面积;计算工程建设过程中可能造成的新增水土流失量、流失总量等, 分析在不采取水土保持措施情况下, 水土流失对各方面可能造成的水土流失危害。水土流失量及新增水土流失量, 依据地貌条件的不同选择不同的经验公式及参数计算。
4 预测结果
4.1 扰动地表面积
通过分析主体工程可行性研究报告提供的施工占地情况, 结合现场调查和遥感图像资料, 确定本项工程施工扰动原地貌面积21.35hm2, 其中坡耕地11.06hm2, 荒地9.45hm2, 林地0.84hm2。
4.2 弃土 (石、渣) 量
本项工程建设过程中对开挖土石方统一调配, 风机基础、箱变基础回填剩余的土石方用于道路的铺筑, 输电线路线杆基础开挖土石方就地平整。工程开挖总方量为7.48万m3, 经调运利用后全部回填, 工程施工过程中不产生弃土弃渣, 运行期间无弃渣产生。
4.3 水土流失预测总量
⑴扰动前不同预测单元土壤侵蚀模数的确定
本项目各预测单元扰动前占地类型为荒地、林地和坡耕地, 其中林地为成年油松林, 森林覆盖率较高, 坡耕地平均坡度在8°左右, 荒地的平均林草覆盖率为25%。项目所在区域多年平均土壤侵蚀模数为3820t/km2a, 土壤侵蚀属中度侵蚀, 根据现场调查观测, 针对项目区的、地貌、土壤、植被等水土流失影响因子的特性, 确定项目区内林地侵蚀模数为1200t/km2a, 坡耕地侵蚀模数为1500t/km2a, 荒地侵蚀模数为2000t/km2a。
⑵扰动后不同预测单元施工期土壤侵蚀模数的确定
地表扰动后坡度有所增加, 不同的水土流失预测单元根据坡度不同选择经验公式, 计算参数中反映植被盖度的因子C在扰动后为0, 风电机组防治区、道路防治区、输电线路防治区和施工场地防治区的扰动后水蚀模数分别为2315.6、4614.4、4614.4和2315.6。
项目区所在地多年平均风速为2.30m/s, 根据当地土壤粒径组成及调查咨询, 产生风蚀的启动风速为4.30m/s, 风蚀模数采用经验公式进行计算, 风蚀模数为358t/km2a。
扰动后预测单元施工期的风电机组防治区、道路防治区、输电线路防治区和施工场地防治区的土壤侵蚀模数分别为2673.6、4972.4、4972.4和2673.6。
⑶扰动后不同预测单元自然恢复期土壤侵蚀模数的确定
主体工程运行投产后, 地表植被在自然条件下逐渐恢复, 通过土地平整压实, 土壤抗蚀性有所增强, 水土流失减少。根据项目区的气候条件确定自然恢复期时间2年, 第1年土壤侵蚀模数取扰动后的85%, 第2年通过自然恢复, 侵蚀模数将会降低, 但仍然达不到原地貌侵蚀状态, 取扰动后侵蚀模数的70%。自然恢复期水土流失预测见表1。
⑷水土流失量、新增水土流失量
通过对项目建设过程中产生的水土流失进行预测, 工程施工占地范围内未扰动前的平均土壤侵蚀模数为1710t/k m2a, 由于项目主体设施的建设, 工程建设期土壤侵蚀模数达到3417t/k m2a。本项工程水土流失预测总量2188.33t, 因工程建设而增加的水土流失量1093.39t, 其中施工期新增水土流失量323.24t、自然恢复期新增水土流失量770.15t。道路防治区是本建设项目水土流失最严重的区域, 必须采取工程防护措施对其进行治理。
5 结语
风力发电及风力机械特性研究 篇8
一、风力发电系统的整体结构
风力发电系统整体结构如图1所示。首先, 通过自然界的风力吹动风力机的螺旋桨, 将风能转化为机械能, 通过转轴带动发电机运行, 将该机械能转化为电能, 通过整流器将所得到的电信号进行整流, 再将所得到的直流电进行功率变换。如是大型风力发电机组发出的电能可以直接输送到电网上;如是小型风力发电机发出的电能, 一般用储能设备将发出的电能存储起来。目前小型风力发电系统中一般采用蓄电池作为储能设备。经过功率变换器变换后的电能可对直流负载进行直接供电, 或者由逆变器进行逆变, 将直流电转化为交流电, 给交流负载供电[2]。
二、风力机械特性
(一) 叶尖速比与风能利用系数
根据贝茨理论可知, 风力机从自然风中所获得的能量是有限的, 能量的转换将会导致运动的风速下降, 所以采用风力机和发电机的形式不同。风力机的实际风能利用系数Cp<0.593, 即贝茨理论极限值为0.593, 在Cp的极限值范围内, 风力机能够从自然风中获取的能量效率与Cp值成正比关系。对实际应用中的风力机, Cp主要是由风轮叶片的结构设计和气动以及制造工艺水平决定。风力机单位时间内风轮捕获的风能Pm可用下式表示[3]:
其中ρ为空气质量密度 (kg/m3) ;S为风轮扫过的面积 (m 2) ;v为通过风轮时的实际风速 (m/s) ;R为风轮半径 (m) 。
由式 (1) 、 (2) 可知, 在空气质量密度ρ、风轮半径R和风速v一定时, 单位时间内风轮捕获的风能Pm与风能利用系数Cp成正比, 而Cp与风轮固定叶尖速比λ有关, λ可以表示为:
其中ω为风力机角速度 (rad/s) , n为风力机转速 (r/m in) 。
风力机特性与风能利用系数Cp、风轮固定叶尖速比λ和桨叶节距角β三者之间有关, 其表达式如下:
式中λ, λ1, β三者之间的关系为:
当β一定时, 典型的Cp=f (λ) 关系曲线如图2所示。该曲线表示当桨叶节距角为一定值时, 风能利用系数Cp与叶尖速比λ之间存在一定的变化曲线关系, 其中曲线的顶点表示风能利用系数达到最大值, 即存在一点λm与最大风能利用系数Cpmax对应, 该点就是风力机的最大功率输出点。
(二) 输出功率特性
在实际的风力发电系统中, 风力发电机启动时, 其内部的阻力需要有一定的力矩来克服, 这一力矩就是风力发电机的启动力矩。启动力矩与风力发电机传动机构的摩擦阻力有关, 风力发电机工作时有一个最低工作风速vin (也称切入风速) , 一旦风速低于vin时风力发电机就不能正常工作。风力发电机工作时也有一个最高工作风速vout (也称切出风速) , 一旦风速超过vout时, 就要考虑塔架和桨叶的材料强度系数等因素, 一般应该停止风力机运行。因此, 风力机正常运行时的自然风速介于切入风速vin和切出风速vout之间, 该风速称为风力机的工作风速。所以, 要充分利用某地风力资源, 就必须根据当地风能的切入风速vin和切出风速vout来确定相匹配风力发电机的机型。风力机的输出机械功率Pm表达式如下:
上式中, vin为切入风速, ve为额定风速, vout为切出风速, Pe为风力机额定输出功率。
图3为风力机工作时的运行曲线, 该曲线可运行于四个区域。其中:区域A表示该区域内的自然风速小于风力机切入风速vin, 风能所提供的力矩小于风力机转子的启动转矩, 风力机不能将风能转换为机械能;区域B表示该区域内的风速介于风力机切入风速vin和额定风速ve之间, 风能所提供的力矩大于风力机转子的启动转矩, 可以将风能转换为机械能, 带动发电机转子进行工作, 通过对发电机转子进行控制, 让其转速随自然风速而变换, 可以获得最大风能转换效率;区域C表示该区域内的风速介于风力机额定风速ve和切出风速vout之间, 该区域的风速较高, 有可能损坏风能转换系统, 如果调节馈入系统的风能, 还是可以保持风力机在额定功率正常运行;区域D内的风速过大, 已超出风力机切出风速vout, 会造成风力机转子速度过高和转矩过大而破坏了整个系统, 就需要强制停机保护系统[4]。
通过以上分析可知, 风力发电机组不可能将风轮所扫略的面积S内的风能完全转换为电能, 存在一定能量损耗, 在工程上, 转换效率一般为35%。通过检测发电机的输出功率的大小来对系统进行控制。当检测到发电机的输出功率保持稳定时, 即风力机转速在正常工作转速范围内时, 系统对蓄电池进行充电, 同时检测发电机的输出功率;当检测到发电机的输出功率减小时, 可通过调节系统的充电电路中功率开关管的占空比, 实现对输出功率的调节;当检测到发电机的输出功率增大时, 即风速超过切出风速vout时, 或蓄电池充满时, 需要启动系统的卸荷电路进行卸荷, 保证整个系统安全运行。
三、风力发电的控制策略
在智能型风力发电系统中, 当风力发电机捕获的风能不能满足负载用电和蓄电池充电时, 需要调节风力机按照最佳叶尖速比运行, 跟踪最大功率。风力发电的最大功率点跟踪控制方法可以大致分为两类:风速自动跟踪控制和风机转速反馈控制。
1.风速自动跟踪控制。风速自动跟踪控制策略的原理如图4所示:首先由测速装置测出自然风速, 根据风机最佳功率负载曲线计算出Pg作为控制系统的给定功率, 将风力发电机实际输出功率的观测值Pr与给定功率Pg进行比较, 所得到的误差量△P由PI调节器进行调节, 达到对风力发电机的输出电流大小的调节, 再通过反馈环节, 最终实现对风力发电机的输出功率进行调节。
此控制方案可以根据风速的变化适时地调整风力发电机的输出电流值, 从而使风力发电机的输出功率得到实时调整。该控制方案设计简单, 又能使风力机保持在最大功率点处工作, 能量转换效率高。但由于确定风力机的最佳功率负载曲线, 需要事先知道准确的风力机功率特性, 所以实现本方案有一定的困难。
2.风机转速反馈控制。风机转速反馈控制方案图如图5所示。当风力机在正常区域内运转时, 带动发电机在正常转速范围内工作, 测出发电机的转速, 利用转速和风力机的特征参数关系式, 计算出Pg作为功率给定值, 与发电机的输出功率的观测值Pr作比较, 将所得到差值△P经过PI调节器后, 得到发电机的输出电流的调节值, 最终实现对发电机的输出功率进行实时调节[5]。
风机转速反馈控制策略是在风速自动跟踪控制策略的基础上进行了修改, 二者的不同之处在于:风机转速反馈控制将发电机输出功率与风速之间的关系转换成发电机输出功率与发电机转速之间的关系, 实现了转速反馈。其效果不仅可以使系统工作在最佳功率负载曲线附近, 而且使系统结构变得更简单、更可靠。与自动跟踪控制策略相比有如下优点:
(1) 控制策略简单, 可以保证风力机工作在最佳功率负载线附近, 能量转换效率较高, 系统结构变得更简单、更可靠。
(2) CP、λ两个特征参数以及最佳功率负载曲线对应的功率与转距之间的关系式都较容易得到, 只需知道风力机的转速就可以, 而风力机的转速可以很方便求出, 本方案实现难度较低。
四、结论
本文通过对风力发电的组成和运行原理的分析, 采用了风速自动跟踪控制策略, 为今后制作风力发电样机奠定了坚实的理论基础。
参考文献
[1]左然, 施明恒, 王希麟.可再生能源概论[M].北京:机械工业出版社, 2007.
[2]裴郁, 我国可再生能源发展战略研究[D].辽宁师范大学, 2004.
[3]张伯泉, 杨宜民.风力和太阳能光伏发电现状及发展趋势[J].中国电力, 2006, 39 (6) .
[4]张希良.风能开发利用[M].北京:化学工业出版社, 2005.
宁夏风力发电前景分析 篇9
能源是人类赖以生存的物质基础,是国民经济的基本支撑。中国的能源供应主要依靠煤炭、石油和天然气等化石能源,尤其是宁夏的能源供应主要依靠煤炭。截止目前,以煤炭转换的发电总量占宁夏各类能源发电总量的90%以上。但是化石能源资源的有限性及其开发利用过程对生态环境造成的巨大影响,严重制约经济社会的可持续发展。同时,随着宁夏工业化、现代化、城镇化的加快发展,对能源的需求还将长期持续增长。
宁夏风能资源丰富,开发潜力大,具有良好的发展前景。随着宁夏电力工业实施“优先发展热电联产、煤矸石发电,优先发展煤电,适度发展天然气发电,积极鼓励风电、太阳能发电、水电等新能源发电”的发展战略,风能发电将是未来宁夏积极扩大内需,调整经济结构,提高资源综合利用效率的重要举措;是开拓宁夏新的经济增长领域,拉动相关产业发展,增加就业渠道,改善民生问题的有效途径;是促进宁夏实现节能减排目标,改善生态环境,减少温室气体排放的有效手段;是宁夏建设资源节约型、环境友好型社会,实现可持续发展和维护能源安全的必然选择。
1 宁夏风能资源
宁夏处于甘肃、内蒙、辽宁大风带,风能资源较为丰富,开发潜力大。根据宁夏风能资源评价报告普查结果,宁夏风能资源总储量22 530 MW,适宜风电开发的风能资源储量为12 140 MW。
宁夏各地年平均风速为2.0 m/s~7.0 m/s,有3个年平均风速≥3.0 m/s的中心,分别是沿贺兰山一带为中心的区域;以兴仁、海原、中宁、韦州、麻黄山一线的中部地区;以六盘山、泾源为中心的南部区域。其中贺兰山、六盘山是宁夏年平均风速最大的中心;麻黄山为宁夏年平均风速的次大中心;宁夏风速有明显的季节性变化,春季风速最大、冬季次之、秋季较小、夏季最小。
根据有关部门风能资源的测算结果,宁夏风能资源共划分为4个风能区。
a)风能资源丰富区:年平均风功率密度≥200 W/m2,年平均风速为5.8 m/s~7.0 m/s,区域面积296 km2,分布在贺兰山、六盘山的山顶和山峰,全年各季节都有丰富的风能潜力,但该区在风能利用上比较困难;
b)风能资源较丰富区:年平均风功率密度为100 W/m2~200 W/m2,年平均风速为4.3 m/s~7.0 m/s,区域面积约2 998 km2,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,以及罗山、香山附近,适宜开发利用;
c)风能资源可利用区:年平均风功率密度为50 W/m2~100 W/m2,年平均风速为3.1 m/s~4.0 m/s,区域面积约8 812 km2,主要分布在盐池县麻黄山附近,惠农、海原、兴仁及泾源等地。一年中基本是春季风能较为丰富,冬季次之,可以开发利用;
d)风能资源贫乏区:年平均风功率密度<50 W/m2,年平均风速为1.5 m/s~3.0 m/s。除上述区域外,宁夏其余大部分地区风能利用价值不高,但在个别季节或在上坡、峡谷等特殊地形处,风能仍有开发利用价值。
2 开发的基础条件
宁夏发展风能发电项目不仅具有自然资源优势,同时还具有优越的土地、电网接入等基础条件。
2.1 土地
目前,全区共有未利用土地66.7×108m2,约占全区国土总面积的11%。主要是荒草地、盐碱地、沙地、裸岩石砾地和其它未利用地。此外,还有大片的牧草地,面积为200×108m2,占全区国土总面积的34%。荒地和沙漠主要分布在石嘴山市和青铜峡市西侧贺兰山东麓、中部干旱带红寺堡开发区、中卫市腾格里沙漠南缘,适宜用于风电、太阳能等新能源项目的发展用地。
2.2 电网接入
目前,宁夏330 k V和220 k V电网覆盖全境,已形成较强结构,为新能源发电项目接入创造一定条件。在远期,宁夏电网将建成750 KV环网主网架,通过750 k V电压等级统筹330 k V和220 k V电网的联络,网架结构进一步加强,电网对新能源发电的适应性将增强。
宁夏电源以火电为主,占全区电力装机容量的90%以上,宁夏已经形成水电、火电、风电、光电综合电源结构,具有一定的调峰能力。全区电力负荷特性良好,工业用电占全社会用电的90%以上,其中连续生产的高耗能工业负荷占70%。稳定的电力负荷在电网具有充足的备用容量的条件下,对新能源发电的波动具有较大的承受力。
3 大力推进风电产业发展
宁夏新能源产业发展的基本思路是:围绕一个目标、突出两个重点。就是围绕“努力把新能源产业培育成为宁夏新的经济增长点”这个目标,突出“大力发展依托资源优势的光伏、风电产业,大力发展与新能源配套的装备制造和新材料产业”这两个重点。风力发电是目前技术最成熟和最具商业化发展前景的可再生能源之一。大力推进风电产业发展,是调整能源结构的需要,是加快宁夏经济发展的需要。风力发电企业要积极贯彻落实自治区新能源产业发展的相关政策、规划、措施。
进入21世纪以来,宁夏已开发建设了贺兰山、青铜峡、长山头、红寺堡、宁东、太阳山等风电场。风电产业的发展,带动了宁夏装备制造业的发展,在风机制造方面,区内相关企业先后与德国恩德、日本三菱等公司进行技术合作,具备了500台/年的风机生产能力,齿轮箱等风机核心部件的国产化已经取得突破进展。
3.1 风电产业布局
根据自治区《风能资源评价报告》及风电规划,风能资源利用将重点布局在自治区已规划的十大风电场内,包括贺兰山、青铜峡、宁东、长山头、红寺堡、太阳山、石嘴山等风电场。上述风电场拥有大量未利用的连片荒漠、荒滩等国有土地,并且规划的大部分风电场在电网覆盖范围内,风电接入条件较好;
3.2 加快风电场规模化建设
充分发挥风电产业发展基础和优势,加快风电项目建设,逐步提高风电在电力总装机中的比例。对于已规划的适宜集中大规模开发的风能资源区域要集中开发,统筹建设,鼓励多个风电企业在同一规划风场内建设风电项目,积极推动单个风电场开发规模化,发挥规模效益,提高资源利用效率。鼓励风电企业在现有规划风场外进行测风,在详实测风资料和充分科学论证基础上,做好风电建设项目前期工作和项目储备。
3.3 推动风电装备制造业发展
在风电开发项目的基础上,大力引进和扶持风电装备制造企业。通过自主创新、技术引进再创新等方式,形成拥有自主知识产权和品牌的先进风机产品。加强风机整机产品生产企业与配套产品企业以及科研单位的合作,以整机带配套,不断提升风电关键设备、核心部件的本地化率。鼓励区内风电开发项目优先使用区内制造的风机。以技术开发能力较强的企业为依托,建立风电机组整机及主要零配件的研发和制造基地,不断提升风电产业整体水平。
3.4 建立健全促进风电发展的管理体系
加强沟通,密切配合,不断完善风资源评价、风电项目核准、发电项目建设管理的协调机制。严格执行国家对风电项目核准的各项规定,从事风电场建设或者风能资源勘查、建设项目设计、施工、监理、安全评价等企业必须取得国家规定的资质。引入竞争机制,对风电开发企业与地方签约后6个月内不开展测风、测风2年后不开展核准申请工作、项目核准后2年不进行建设的项目,可收回其开发权,坚决杜绝风电开发企业垄断风资源和“跑马圈地”的现象发生。
4 结语
大力开发利用风力发电,是历史赋予的重任,也是现实发展的需要,是保障能源安全、改善能源结构、保护生态环境、减少温室气体排放的重要措施,是宁夏实现未来可持续发展的必由之路。
摘要：能源是人类赖以生存的物质基础,是国民经济的基本支撑。中国的能源供应主要依靠煤炭、石油和天然气等化石能源,尤其是宁夏的能源供应主要依靠煤炭,但是化石能源资源的有限性及其开发利用过程对生态环境造成的巨大影响,严重制约经济社会的可持续发展。叙述了宁夏风能资源的现状,分析了风力发电的前景。
云南风力发电特性探析 篇10
截止2015年10月,云南已投风电场升压站66座,已投及在投风电场装机规模达5 560MW,占纳入省调电力电量平衡装机总容量比例为8.7%,如图1所示。预计到2020年风电装机规模将达到9 910 MW,2030年风电装机将突破20 000 MW。
2014年风电发电量占纳入省调电力电量平衡装机总发电量的比例为3.3%。2015年截止9月底风电发电量占比为4.7%,如图2所示,预计2015年风电发电量占比将达到5%。
随着风电大规模投运,及能源政策向可再生能源的倾斜,风电装机占比及风电发电量占比逐年提升。风力发电的随机性、间隙性及预测难度大等特性,对电网安全稳定运行的影响将越来越凸显,对各能源发电有序安排的影响也将越来越凸显。电网对风电吸纳能力的研究, 及风力发电对电网安全稳定运行影响的研究将越来越迫切。掌握风电发电特性无疑是开展这些研究的基础。本文从云南电网全网角度,考虑全网风电发电的集群效应,根据风力发电历史数据对比分析,揭秘云南风力发电特性,以期为其他方面的研究打好基础,为风电场的检修安排提供依据。
1年利用小时情况分析
近几年云南风电装机规模逐年增加,风电发电量也是逐年增加,可比性不强。但从发电利用小时数来分析,可从全年尺度来分析云南风电发电一年的变化趋势,如图3所示。
风电是国家有政策倾向的可再生能源,在正常运行过程中风电一般不受限制。只在个别地区,因地区电网存在较严重的动稳定问题, 送出受阻,需要弃风限出力,但弃风率不大, 本次研究忽略弃风对利用小时数的影响。图3基本可以反映全省风电一年的发电趋势(单位: 小时)。
从图3分析来看,云南风电全年大致可分小风期、平风期、大风期三个时段。一般7~9月是小风期,6、10月是平风期,11月至次年5月是大风期。
一般大风期的7个月风电总发电量占全年风电发电量75% 以上,如图4所示,平风期2个月总发电量占全年风电发电量11% 左右,小风期3个月总发电量占全年风电发电量10% 左右。
从大风期、平风期、小风期的分月平均情况来看,如图5所示,大风期各月全省平均发电量占全年发电量11% 左右。
平风期各月风电平均发电量占全年风电总发电量的5.5% 左右,小风期各月风电平均发电量占全年风电总发电量3~4% 左右。各年虽有一些波动,但大体趋势是一致的。
总体来看,风电大风期与水电枯期同期性较高,大致上风电的大风期刚好是水电的枯期, 风电的小风期也正好落在了水电的汛期期间, 从年度平衡来看,可形成很好的水风互补态势。
2日电量变化情况分析
掌握日电量变化规律,可以为电网的开机方式安排、日前计划制定、电量备用安排以及各类能源发电的合理调配提供参考依据。
图6反映的是从2011年10月到2015年10月日电量变化情况,即当天全网风电发电量与昨天全网风电发电量之差(单位:MWh)。 从图中可以看出随着风电装机容量不断增大, 日电量变化波动幅度也随着增加。以2015年为例,最大正偏差出现在2015年4月14日,比前一天多发29 740 MWh,其平均出力为1 240MW,占当时风电总装机3 760 MW的33% 左右。 最大负偏差出现在2015年2月11日,比前一天少发32 790 MWh,其平均负荷为1 366 MW占当时风电总装机3 450 MW的39.6% 左右。
一般风电当天发电量比前一天发电量出现负偏差,对电网的影响比出现正偏差更严重。 出现正偏差时可以通过调减其他火电、水电等出力可以达到电量平衡,或者在电网运行条件允许的情况下可以增加外送电量来解决,实在没办法平衡还可以采取限制风电出力来达到平衡。如果出现负偏差,调控难度将增大。如果备用充足的情况下,可以通过调用备用来实现电量平衡,如果备用不充足时,则只能调减外送来实现平衡,更严重情况下还可能通过错峰限电来实现平衡。在由枯入汛时期,负偏差的影响最大,因为此时各大水库水位已拉到最低水位附近,且这一时期为了拉水,火电机组往往都会停机让电,开机方式很小,在这个时期如果出现大的负偏差,对电网电量平衡安排的影响将非常大,此时会出现无电可调的局面。 火电机组开机一般需要1天时间,当天是不能参与平衡的,这时只能紧急调减外送,等火电机组开机后再逐步恢复外送,在目前电力市场不景气的情况下,这种模式会影响全年水电消纳计划,会影响外送年度计划的完成。详细分析日电量变化情况对电量平衡、全年水电消纳意义重大。
图7反映的是2014年10月~2015年9月电量变化情况(单位:MWh)。经统计分析如图8所示,类似于正态分布曲线。
电量变化量出现在各区间的天数如表1所示。
日电量变化值出现在 ±10 000 MWh范围内出现的天数最多,达到265天,占全年天数比例为72.6%。负偏差大于等于20 000 MWh以上的天数7天,正偏差在20 000 MWh以上的天数8天,占全年比例分别为1.9% 和2.2% 属于小概率事件。正负偏差绝大多数落在了 ±15 000 MWh范围内, 其天数占全年比例87.4%。按 ±20 000 MWh范围的置信区间考虑的的话,电量偏差落在该范围的天数占全年比例为95.9%。总结以上分析可见,日电量变化的正负偏差极值均发生在大风期。在目前风电装机容量水平下,偏差在不同置信区间的概率可预计。根据历年变化趋势来看,随着风电装机容量增大,日电量变化值也在正相关的增大, 置信区间的选择需要根据装机容量的变化不断研究和调整。电力调度控制中心可根据这一研究成果,统筹安排风电发电和备用,确保电量平衡,各能源类型机组的发电平稳有序。
3日峰谷差情况分析
掌握风电出力变化规律,可以为电网的开机方式安排、日前计划制定,一次调频备用、 二次调频备用、三次调频备用的合理安排以及各类能源发电的合理调配提供参考依据。
图9是某风电场一天的发电曲线,图10是同一天全网风电出力曲线。对比分析发现,单个风电场出力波动比例较大,随机性、间隙性更凸显,研究难度大。如果从全网角度来看, 总出力波动比例较小,风电集群效应明显,研究风电集群的发电特性意义重大,基本可以满足调度调频需要。
图11反映的是2014年10月至2015年9月间,全网风电一年的出力5分钟变化情况。 总体来看, 绝大多数波动值均落在了 ±100MW范围内。然而电网实时调度需要按最严重情况考虑,需留足备用并做好预案。从极值来看,5分钟最大出力负波动出现在2014年10月5日,波动值为-151 MW;最大正波动出现在2015年2月14日, 波动值为119.2 MW。 在目前一、二次调频备用充足的情况下,上述正负波动值均能在5分钟内平衡。在目前风电装机容量情况下,5分钟波动值完全能够通过一、 二次调频实现平衡,对系统影响可控。但是随着风电装机规模越来越大,尤其是实时发电设备容量中,风电开机容量占总开机容量比例越来越高的情况下,5分钟负荷波动值要时刻关注, 跟踪研究,确保其波动极值能够实时得到平衡, 避免频率越限。
图12反映的是2011年12月至2015年9月全网风电日峰谷差值的情况。分析可知,随着风电装机规模增大,日峰谷差值也逐渐的增大,这给调度日内的三次调频备用安排带来了难度。
以2014年10月至2015年9月日峰谷差来分析,如图13所示。按250 MW一个区段对一年的日峰谷差统计如图14所示。
日峰谷差在各区间出现天数见表2所示。
在目前风电装机容量情况下,日峰谷差变化不超过250 MW的概率非常低。日峰谷差超过500 MW的占比78.4%,超过1 000 MW的占比29%,最大日峰谷差为2 011.1 MW,出现在2015年4月15日(图10)。日峰谷差随着风电装机容量增加而增加,给电网调度带来了挑战。日前发电计划安排时需考虑留足电力备用,同时做好减外送、错峰限电等预案,提前做好应对措施。实时调度时,要根据电力备用剩余情况提前介入,超前谋划,将备用控制到安全水平。
4结束语
目前,云南电网风电装机容量增长较快, 同时又有国家政策扶持,使得实时可调容量中风电开机容量占总开机容量比例逐步增加,这给电网调度的日前计划安排和日内的实时调度都带来了越来越深刻的影响。充分研究风力发电特性是风电全额消纳机制建立和保障电网安全稳定运行的基础。本文研究成果及方法以期得到抛砖引玉的作用,为更深入的研究云南风力发电特性探路。对其他区域风力发电特性研究及消纳研究提供参照。
参考文献
相关文章：
(东亚概述)第二课时_地理教案02-18
居家防火安全教育心得体会02-18
居家安全用电小常识02-18
农村居家养老02-18
居家护理服务02-18
农村电力管理02-18
哈尔滨语文中考模拟题02-18
大班儿童故事02-18
大班六一毕业诗歌朗诵02-18
大班安全用电的教案02-18
