Page 9 - 电力与能源2022年第二期

陈凌琦, 等: 能源互联网中可再生能源发电建设的关键问题 1 9
0
出不同特征, 本文基于概率分析和随机抽样的理 ∞ r - 1 - x
Γ ( r ) = x e dx ( 7 )
∫
论, 建立了风电和光伏的随机模型。 0
3.1 风电的随机建模 则其实际光照强度可表示为:
(
风机的出力主要由风机功率特性曲线和风速 I a = 1- ε ) I st ( 8 )
———在不考 虑 云 层 遮 挡 情 况 下 的 标 准
两个因 素 决 定。 风 速 的 统 计 特 性 一 般 服 从 于 式中 I st
光照强度, 由太阳直射辐射强度与散射辐射强度
Weibul分布, 其概率密度函数表达式:
所构成。其中太阳直射辐射强度由日地距离、 太
s v w ö ÷ ( ) s
v
æ
-
w
( )
f v w = ç e m ( 1 ) 阳直射透明度和太阳高度角所决定, 散射辐射强
m m ø
è
æ σ ö - 0.086 度由太阳散射透明度、 太阳高度角和大气质量决
s= ç ÷ ( 2 )
è μ ø 定 [ 12 ] ; ε ———阴影和云层等 天气变化对光 伏 电 源
m = μ ( 3 ) 出力的削减系数, 根据 Beta分布随机数得到。
æ 1 ö
Г 1- ÷
ç
è s ø 4 仿真与分析
式中 s ——— Weibul概率密 度函 数 的 形 状 参 数;
4.1 风电算例分析
m ———函数的尺度参数, 它们均通过平均风速和
对中国西北某风电厂进行算例分析, 取额定
———风 速; σ ———风 速 的 标 准 差;
标准差 算 出; v w
装机容量 100MW 的固定区域风电厂, 基于风速
μ ———平均风速; Г ——— Gamma函数。
对于获取不同季节的白天和夜晚的风速随机 标准差与平均值如表 1 所示。
表 1 某风电厂四季风速标准差与与均值
特性, 可以通过在模拟过程中改变 Weibul分布中
早 晚
的s与m 值来实现。 季节
平均值 μ 标准差σ 平均值 μ 标准差σ
风机功率特性曲线近似满足如下分段函数: 春 6.786818249 5.04942695 6.849798464 4.104566188
夏 6.824564344 4.489905366 7.938910842 4.446869906
ì 0 v w ≤v i 或v w >v 0 秋 6.476062078 6.644826619 6.551436666 4.466109654
ï
ï ï P s 冬 6.007158905 5.312494514 5.89153741 4.662589447
( )
f v w = í ( v w -v r ) v r <v w ≤v s
ï v s-v r 基于 Matlab搭建了风电厂的随机出力模型,
ï
î P s v s <v w ≤v 0 模拟出了风 电 厂 一 年 中 365d 每 小 时 的 出 力 数
( 4 ) 据。每个季节取一天, 风电场出力模拟值与风电
———
厂实际出力值对照如图 2 所示。
式中 v i ———切入风速; v s ———额定风速; v 0
———风机额定功率。
切出风速; P s
3.2 光伏发电的随机建模
光伏电源在某时刻的出力由该时刻的辐射强
度和温度决定 [ 11 ] , 其具体出力关系由下式表示:
a
(
P s =P st [ 1+ α T T a -25 )] ( 5 )
1000
———标准光照和标准温度下的光伏出
式中 P st
———功
力; a ———光伏电源接受的实际光照强度; α T
———光伏电源的实际温度。
率温度系数; T a
模拟光伏电源出力的随机性需要了解当地光
照的特性, 将某地的光照情况分成确定部分与随
机部分, 确定部分由当地的地理情况决定, 随机部
分受阴影和云层遮挡等随机情况影响, 通过 Beta
分布模拟其概率密度函数( a=0.5 , b=1 ):
Γ ( a+ b ) 0<x <1 图 2 某风电厂四季出力模拟值与实际值对照
{ Γ ( a ) +Γ ( b ) ( 6 )
(
f x ) = 由图 2 可以看出, 风电厂的随机出力模型能
0 其他
够较好地拟合出风电厂的实际出力。