摘 要：风力发电输出功率具有波动性、不可准确预测的特点，当风电大规模接入后，将提升该区域发电计划难度，给电力系统的安全、经济运行带来巨大的挑战。所以，对风电功率进行高精度预测可以在一定程度上缓解风电大规模并网造成的一系列问题。目前为止，如何定量地描述风电功率的波动性尚缺乏有效的方法。但是，基于大量实测数据的分析，我们可以对风电功率波动特性的概率分布作出描述，从而有助于我们对性质的了解。

关键词：风电功率；波动性；概率分布

对风电功率的波动进行研究量分化指标的选取十分重要。目前，对风电功率波动的量化指标没有统一的标准，或者说在不同的应用场合需要不同的量化指标。

而对于风电输出功率波动的描述目前有时域分析、频率分析和时频分析等方法。本文以吉林某风电场中20台1.5MW风电机组30天的风电功率数据为基础，对风电功率的波动性进行研究。

1.风电功率波动特性概率分布研究

在数据中所给的20台机组中任取5台，分析在30天内每台机组风电功率Pi5s（tk） 的波动符合的概率分布。为此可采用等距抽样的方法，选取5台风电机组作为样本数据，并选取一定区间长度对每台机组的功率区间化处理，并统计各个区间内的频数，从而作出每台机组的频率分布直方图，以此来反映功率的波动情况如下：

根据所得的频率分布直方图，分别采用统计上常用的正态分布、Weibull分布、Logistic分布进行拟合，得到对应的概率分布参数，并通过回归分析进行检验，从而得出拟合度最高的分布类型。最后比较5个机组分布的异同，所得数据如下：

通过上述拟合，，得到5个机组在三种不同分布下的分布参数，结果如表1：

2.拟合结果的检验

对统计数据进一步处理，分别计算5个机组在不同子区间的累计频率，通过回归分析，分析分布函数的概率累计与实际累计频率的相关关系。仍以第一机组为例，三种概率分布的概率累计残差图分别如图（4）、（5）、（6）所示：

通过上述回归分析，分别得到三种概率分布下对应每一机组的回归模型误差的标准方差S、调整的回归模型误差占总误差的百分比R-Sq（adj），对应数据分别见表2、表3。

根据表中数据可以得出：对于每个机组，Weibull分布的S均为最小值，R-Sq（adj）均为最大值，Weibull分布最能符合风电功率Pi5s（tk） 的波动特性，因此推荐Weibull分布为最好的概率分布。

通过对5个机组的分布进行对比，可以得出它们均最符合Weibull分布，同时它们的各项指标又存在一定的差异性，可以认为这种差异性是由于不同机组所处的外界环境和内部因素综合作用的结果。

3.总结与建议

利用最佳的概率分布以每日为时间窗宽，对5个风电功率进行拟合，分别计算30个时段的概率分布参数，并利用回归分析做出检验。为了进一步反映风电功率波动的时空差异性，可以分别比较不同机组（空间）、不同时段（时间）风电功率波动的概率分布以及与30天总体分布之间的关系，从而找出差异原因。对于有大规模风电接入的电网来说，运用已记录的以往的大量数据，处理后对其波动特性进行研究分析，是所得数据更加直接。

参考文献

[1] 林卫星，文劲宇，风电功率波动特性的概率分布研究，中国电机工程学报，32（1）：38-46，2012。