论文部分内容阅读
风电功率爬坡事件是指风电功率在短时间尺度内的大幅度波动,会对风电场及电网造成很大的危害。为更好地识别爬坡事件,认识和了解爬坡事件的机理,论文选用风电场的风功率观测数据、WRF模式模拟结果,对目前常用的三种爬坡事件确定方法进行了比较分析。在此基础上利用权重系数法、旋转门SDT算法提出了两种新的爬坡事件的识别方法;探讨了新方法在胶东半岛风电场的适用性;利用胶东半岛20个风电场,结合各风电场测风塔的观测数据、FNL再分析资料分析了大范围爬坡事件的机理。研究结果表明:目前常用的三种爬坡事件的识别方法—Kamath定义、Haiyang定义和Bossavy定义,存在着一定的局限性。Kamath定义对爬坡速率快的爬坡事件识别不敏感;Haiyang定义对持续时间长的爬坡事件识别不敏感;Bossavy定义对功率波动变化快、上下爬坡过程连续的爬坡事件识别不敏感,且识别的爬坡事件持续时间偏长。相比较Bossavy定义的爬坡事件识别率最高,但也仅达到84.6%。针对现有爬坡事件识别中存在的问题,提出了两种爬坡事件识别的新方法:改进的Bossavy定义和基于SDT算法的定义,识别率分别达到了92.7%和93.2%。爬坡实例的统计分析表明基于SDT算法的定义既能完整识别一般的爬坡事件,又能识别过程较为复杂的爬坡事件,爬坡事件的识别能力优于其他方法。通过对胶东半岛东兴风电场爬坡事件的爬坡高度、爬坡速率和爬坡持续时间等特征统计量的分析发现,提取出的爬坡事件各统计量的分布特征以及在向上、向下爬坡事件中体现的差异较为合理,说明基于SDT算法的爬坡事件定义的适用性较好。初步探讨了大范围爬坡事件,发现胶东半岛大范围爬坡事件发生率约13次/年,其发生主要与阻塞高压系统及其发展以及消失后形成的低压系统的发展变化有着密切的关系,阻塞高压系统和低压系统是诱发大范围风电功率爬坡事件的重要原因。