基于功率谱密度的风电功率特性分析
风电功率波动性的分析
2014高教社杯全国大学生数学建模竞赛 承诺书 我们仔细阅读了中国大学生数学建模竞赛的竞赛规则. 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。 我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。 我们参赛选择的题号是（从A/B/C/D中选择一项填写）： B 我们的参赛报名号为（如果赛区设置报名号的话）： 所属学校（请填写完整的全名）：东北电力大学 参赛队员(打印并签名) ：1. 张盛梅 2. 齐天利 3. 孔晖 指导教师或指导教师组负责人(打印并签名)：张杰 日期2014 年 8 月 20日赛区评阅编号（由赛区组委会评阅前进行编号）：
2014高教社杯全国大学生数学建模竞赛 编号专用页 赛区评阅编号（由赛区组委会评阅前进行编号）： 全国统一编号（由赛区组委会送交全国前编号）：全国评阅编号（由全国组委会评阅前进行编号）：
风电功率波动性的分析 摘要 风电机组的发电功率主要与风速有关，由于风的不确定性、间歇性以及风电场内各机组间尾流的影响，使得风力发电机不能像常规发电机组那样根据对电能的需求来确定发电。研究风电功率的波动特性，不论对改善风电预测精度还是克服风电接入对电网的不利影响都有重要意义。 对于问题1a，我们利用MATLAB软件做出了3日内的功率波动图，发现功率的波动曲线上下不断震荡，所以我们采用一段数据来进行分析（即从波谷到波峰再到波谷），利用MATLAB软件拟合工具箱中的dfittool对数据进行曲线拟合，并选出几种较为符合的概率分布，根据对数似然函数值的大小确定最佳的概率分布。 对于问题1b,利用MATLAB软件编程，将数据每天筛选出一个数据，利用SPSS软件对数据绘制P-P图，并与选出的最好的概率分布图作比较，求出其分布参数。 对于问题2，将数据每隔12个数据筛选出一个数据，并用问题1a的方法绘制曲线拟合和概率分布的比较，选出最好的概率分布，并计算每种分布下的数值特征。 对于问题3，首先利用MATLAB软件绘制出时间窗宽分别为5s和1min时的功率波动图，发现两者的概率的波动情况基本相同，分别计算两种情况下的信息波动率以及信息波动损失率，得出结论为两者的波动基本相同，但是时间窗宽为5s时会有局部信息损失。 对于问题4，我们筛选出时间窗宽为1min、5min、15min的数据，并利用MATLAB软件进行曲线拟合以及概率分布的拟合，并计算出每种概率分布下的特征值，用相同的方法求1min和5min时的信息波动率，计算得出信息波动损失率为0.27%。 对于问题5，采用灰色预测模型对数据进行预测。利用5min和15min的功率预测之后的功率走向，并分析方法的优缺点。 论文的创新之处有： 模型中利用MATLAB软件编程的方法进行数据的筛选，可以筛选出任意时间窗宽的数据。 关键词：风电机组；概率分布；功率预测；SPSS
风电功率预测系统功能要求规范
风电功率预测系统功能规范 （试行） 国家电网公司调度通信中心
目次 前言...................................................................... III 1范围. (1) 2术语和定义 (1) 3数据准备 (2) 4数据采集与处理 (3) 5风电功率预测 (5) 6统计分析 (6) 7界面要求 (7) 8安全防护要求 (8) 9系统输出接口 (8) 10性能要求 (9) 附录A 误差计算方法 (10)
前言 为了规范风电调度技术支持系统的研发、建设及应用，特制订风电功率预测系统功能规范。 本规范制订时参考了调度自动化系统相关国家标准、行业标准和国家电网公司企业标准。制订过程中多次召集国家电网公司科研和生产单位的专家共同讨论，广泛征求意见。 本规范规定了风电功率预测系统的功能，主要包括预测时间尺度、信息要求、功率预测、统计分析、界面要求、安全防护、接口要求及性能指标等。 本规范由国家电网公司国家电力调度通信中心提出并负责解释； 本规范主要起草单位：中国电力科学研究院、吉林省电力有限公司。 本规范主要起草人：刘纯、裴哲义、王勃、董存、石永刚、范国英、郭雷。
风电功率预测系统功能规范 1范围 1.1本规范规定了风电功率预测系统的功能，主要包括预测时间尺度、数据准备、数据采集与处理、功率预测、统计分析、界面要求、安全防护、接口要求及性能指标等。 1.2本规范用于指导电网调度机构和风电场的风电功率预测系统的研发、建设和应用管理。 本规定的适用于国家电网公司经营区域内的各级电网调度机构和风电场。 2术语和定义 2.1 风电场 Wind Farm 由一批风电机组或风电机组群组成的发电站。 2.2 数值天气预报 Numerical Weather Prediction 根据大气实际情况，在一定的初值和边值条件下，通过大型计算机作数值计算，求解描写天气演变过程的流体力学和热力学的方程组，预测未来一定时段的大气运动状态和天气现象的方法。 2.3 风电功率预测 Wind Power Forecasting 以风电场的历史功率、历史风速、地形地貌、数值天气预报、风电机组运行状态等数据建立风电场输出功率的预测模型，以风速、功率或数值天气预报数据作为模型的输入，结合风电场机组的设备状态及运行工况，得到风电场未来的输出功率；预测时间尺度包括短期预测和超短期预测。 2.4 短期风电功率预测 Short term Wind Power Forecasting 未来3天内的风电输出功率预测，时间分辨率不小于15min。 2.5 超短期风电功率预测 ultra-short term Wind Power Forecasting 0h~4h的风电输出功率预测，时间分辨率不小于15min。
风力发电引起的电压波动和闪变
风力发电引起的电压波动和闪变 孙涛1，王伟胜1，戴慧珠1，杨以涵2 （1．中国电力科学研究院，北京 100085；2．华北电力大学电力工程系，北京 102206） 摘要：并网风电机组在持续运行和切换操作过程中都会产生电压波动和闪变，对当地电网的电能质量有不良影响。从并网风电机组输出的功率波动出发，分析了风力发电引起电压波动和闪变的主要原因。介绍了关于并网风电机组电能质量的国际电工标准IEC 61400-21，给出了风电机组在持续运行与切换操作期间引起的闪变值和相对电压变动的计算公式。然后综述了有关风力发电引起的电压波动和闪变的计算方法和影响因素等方面的研究成果，最后展望了未来的 研究方向和研究重点。 关键词：风力发电；电能质量；电压波动；闪变 1 引言 随着越来越多的风电机组并网运行，风力发电对电网电能质量的影响引起了广泛关注。风资源的不确定性和风电机组本身的运行特性使风电机组的输出功率是波动的，可能影响电网的电能质量，如电压偏差、电压波动和闪变、谐波等。电压波动和闪变是风力发电对电网电能质量的主要负面影响之一。电压波动的危害表现在照明灯光闪烁、电视机画面质量下降、电动机转速不均匀和影响电子仪器、计算机、自动控制设备的正常工况等[1，2]。 电压波动为一系列电压变动或工频电压包络线的周期性变化。闪变是人对灯光照度波动的主观视感。人对照度波动的最大觉察频率范围为0.05~35Hz，其中闪变敏感的频率范围约为6~12Hz[1]。衡量闪变的指标有短时间闪变值P st和长时间闪变值P l t。短时间闪变值是衡量短时间（若干分钟）内闪变强弱的一个统计量值。短时间闪变值的计算不仅要考虑电压波动造成的白炽灯照度变化，还要考虑到人的眼和脑对白炽灯照度波动的视感。长时间闪变值由短时间闪变值推出，反映长时间（若干小时）闪变强弱的量值。 本文从并网风电机组输出的功率波动着手，分析了风力发电引起电压波动和闪变的主要原因，并介绍了关于并网风电机组电能质量的国际电工标准IEC 61400-21[3]，总结了风力发电引起的电压波动和闪变的计算方法和影响因素，最后对未来的研究方向和研究重点进行了展望。 2机理分析 风力发电引起电压波动和闪变的根本原因是并网风电机组输出功率的波动，下面将分析并网风电机组输出功率波动引起电压波动和闪变的机理[4]。 图1为风电机组并网示意图，其中?为风电机组出口电压相量，为电 网电压相量，R 1、X 1 分别为线路电阻和电抗，分别为线路上流动的有功电 流和无功电流相量。一般而言，有功电流要远大于无功电流。
风电机组功率特性评估
风电机组功率特性评估 作者:国能日新 一、概念和意义 风电机组功率特性评估是指对已经投产运行的风力发电机组的设计目标进行的系统、客观的分析和评价。通过对机组实际运行状况的检查总结和分析评价，确定是否达到预期目标。 风电机组功率特性评估工作对风电场的建设和发展有着重要的意义。目前风电场存在设计发电量与实际发电量不符的情况。国能日新公司风电场风电机组后评估解决方案通过对风电机组实发功率特性的测试和评估，深入了解风电场设计效益与实际效益之间的差异，找出风电场设计、管理或风电机组自身存在的一些问题，给风电场科学运营以及未来风电场风电机组选型提供有力依据。 二、执行流程 1、数据收集和分析 （1）数据收集 风电机组功率特性评估需收集风电场监控系统中记录的所有风机运行发电数据、现场测风塔数据、当地气候数据以及风电机组的技术文档等资料。 （2）数据分析 检查测风塔原始数据，对其进行完整性和合理性分析，检验出缺测和不合理数据，经过数据净化、再分析处理，整理出一套连续一年完整的逐小时测风数据，进而与风电机组数据进行相关性对比分析。 2、风资源评估 利用风电场并网运行以后的风能资源数据，进行风电场风能要素分析，并与风电场前期可研阶段的数据进行对比分析，总结评估经验，为后期项目开发建设提供支持。 风能要素包括：风速、风向、风功率、空气密度等。 3、功率特性分析 （1）数据净化
在实际发电过程中，风电机组可能人为停机、故障、或者采集缺失、数据错误，因此必须对风电机组的原始数据进行合理性检验和数据净化。通过数据的合理性检验，可以得到基本有效和完整的发电数据，而数据净化可以保证所采集的数据都是可以用于风电机组性能评估的有效发电数据。 （2）数据处理 由于测风塔数据和风机数据记录方式、时标不同的原因，需要依据最大相似度的原则使二者的时间坐标保持一致。此处，将采用最先进的粒子群优化算法对时标进行寻优。保证二者时间坐标的完美统一。 （3）相关性分析 通过上述数据净化及数据处理，再把测风塔数据合理的映射到风机的坐标位置。按照最大相关度方法，对数据进行线性和非线性回归分析，进而得到每台风电机组实际的风资源数据序列，通过与每台机组发电数据在时间轴上对齐，便可得出与风机功率特性曲线极为相近的图形。 （4）曲线生成 通过上述分析和处理获得原始图形。为得到机组的实测功率曲线，必须在原始图形的基础上进行最终的曲线拟合，获得一条完整的功率特性曲线，即体现风电机组实际出力能力的功率特性曲线图。 三、案例分析 1、中广核云南楚雄牟定大尖峰风电场功率特性评估 云南省楚雄州牟定大尖峰风电场位于云南省楚雄州牟定县西南部山地，高程2100~2500m，属于高山地形。现安装33台单机容量为1.5MW的风力发电机组，总装机容量49.5MW。 2、武汉凯迪平陆凯迪风口风电场功率特性评估 武汉凯迪平陆风口风电场一期36台风电机组功率曲线性能测试工程，包括武汉国测诺德10台1.0MW机组和东汽26台1.5MW机组，装机容量为49MW。 通过对风场风电机组实际运行数据进行采集、净化、相关性及数据处理，最终完成全场风能资源综合分析、风电机组可利用率分析、风电机组可靠性及发电量分析，并根据分析结果对风场未来运营提供建议信息。（技术支持：北京国能日新系统控制技术有限公司）
功率谱和功率谱密度的区别
谱让人联想到的Fourier变换，是一个时间平均（time average）概念，对能量就是能量谱，对功率就是功率谱。 功率谱的概念是针对功率有限信号的，所表现的是单位频带内信号功率随频率的变化情况。保留了频谱的幅度信息，但是丢掉了相位信息，所以频谱不同的信号其功率谱是可能相同的。 有两点需要注意： 1. 功率谱是随机过程的统计平均概念，平稳随机过程的功率谱是一个确定函数；而频谱是随机过程样本的Fourier变换，对于一个随机过程而言，频谱也是一个“随机过程”。（随机的频域序列） 2. 功率概念和幅度概念的差别。此外，只能对宽平稳的各态历经的二阶矩过程谈功率谱，其存在性取决于二阶矩是否存在并且二阶矩的Fourier变换收敛；而频谱的存在性仅仅取决于该随机过程的该样本的Fourier变换是否收敛。 频谱分析： 对动态信号在频率域内进行分析，分析的结果是以频率为坐标的各种物理量的谱线和曲线，可得到各种幅值以频率为变量的频谱函数F(ω)。频谱分析中可求得幅值谱、相位谱、功率谱和各种谱密度等等。频谱分析过程较为复杂，它是以傅里叶级数和傅里叶积分为基础的。 功率谱密度： 功率谱密度（PSD），它定义了信号或者时间序列的功率如何随频率分布。这里功率可能是实际物理上的功率，或者更经常便于表示抽象的信号被定义为信号数值的平方，也就是当信号的负载为1欧姆(ohm)时的实际功率。
由于平均值不为零的信号不是平方可积的，所以在这种情况下就没有傅里叶变换。维纳-辛钦定理（Wiener-Khinchin theorem）提供了一个简单的替换方法，如果信号可以看作是平稳随机过程，那么功率谱密度就是信号自相关函数的傅里叶变换。 信号的功率谱密度当且仅当信号是广义的平稳过程的时候才存在。如果信号不是平稳过程，那么自相关函数一定是两个变量的函数，这样就不存在功率谱密度，但是可以使用类似的技术估计时变谱密度。 随机信号是时域无限信号，不具备可积分条件，因此不能直接进行傅氏变换。一般用具有统计特性的功率谱来作为谱分析的依据。 功率谱与自相关函数是一个傅氏变换对。 功率谱具有单位频率的平均功率量纲。所以标准叫法是功率谱密度。从名字分解来看就是说，观察对象是功率，观察域是谱域。 通过功率谱密度函数，可以看出随机信号的能量随着频率的分布情况。像白噪声就是平行于一条直线。 一般我们讲的功率谱密度都是针对平稳随机过程的，由于平稳随机过程的样本函数一般不是绝对可积的，因此不能直接对它进行傅立叶分析。可以有三种办法来重新定义谱密度，来克服上述困难。 1. 用相关函数的傅立叶变换来定义谱密度； 2. 用随机过程的有限时间傅立叶变换来定义谱密度； 3. 用平稳随机过程的谱分解来定义谱密度。 三种定义方式对应于不同的用处，首先第一种方式前提是平稳随机过程不包含周
风电功率波动特性分析
龙源期刊网 https://www.360docs.net/doc/d12418717.html, 风电功率波动特性分析 作者：张晴露何天舒 来源：《中国高新技术企业》2015年第01期 摘要：文章通过频率频数的直方图进行初步估计，再通过dfittool工具箱进行确认和验证，最终得出指数分布最适合风电功率波动的分布。通过样本总体的均值和方差估计概率分布的参数，并用概率密度函数图和频率分布直方图对不同时间间隔、不同机组、每天或者一个月的概率分布之间的关系进行分析。最终得知，各个机组在以每日为时间窗宽，每天的平均风电功率大致相同，而方差除了一些特殊的点还有这个月的最后几天外，也是大致相同。 关键词：matlab工具箱；分布拟合；回归分析；ARMA模型；平稳时间序列文献标识码：A 中图分类号：TM76 文章编号：1009-2374（2015）01-0025-02 DOI：10.13535/https://www.360docs.net/doc/d12418717.html,ki.11-4406/n.2015.0013 1 问题描述 本题研究的是风电功率的波动性问题，当前世界各国资源环境约束的日趋严苛，以化石能源为主的能源发展模式必须向绿色可再生能源转变。风电机组发出的功率主要与风速有关。由于风的不确定性、间歇性以及风电场内各机组间尾流的影响，使得风力发电在满足用电需求方面的确定性不如常规发电。 大规模风电基地通常需接入电网来实现风电功率的传输与消纳。风电功率的随机波动是对电网不利的主要因素。研究风电功率的波动特性，对改善风电预测精度、克服风电接入对电网的不利影响有重要意义。 风电场通常有几十台甚至上百台风电机组。大型风电基地由数十甚至上百个风电场组成。因此，风电功率的波动有很强的时空差异性。 在此我们需要研究风电功率的概率分布等一系列信息并以此对未来风电的功率进行预测，希望得到风力发电机发电功率的一般性结论。 2 模型建立与求解 首先我们要研究风电机发电功率的概率分布。对于概率分布拟合，可以在matlab软件中 用dfittool来解决。我们随机选择了五台电机作为观测对象。
功率谱密度
t=0:0.0001:0.1; %时间间隔为0.0001，说明采样频率为10000Hz x=square(2*pi*1000*t); %产生基频为1000Hz的方波信号 n=randn(size(t)); %白噪声 f=x+n; %在信号中加入白噪声 figure(1); subplot(2,1,1); plot(f); %画出原始信号的波形图 ylabel('幅值(V)'); xlabel('时间(s)'); title('原始信号'); y=fft(f,1000); %对原始信号进行离散傅里叶变换，参加DFT采样点的个数为1000 subplot(2,1,2); m=abs(y); f1=(0:length(y)/2-1)'*10000/length(y);%计算变换后不同点对应的幅值plot(f1,m(1:length(y)/2)); ylabel('幅值的模'); xlabel('时间(s)'); title('原始信号傅里叶变换'); %用周期图法估计功率谱密度 p=y.*conj(y)/1000; %计算功率谱密度 ff=10000*(0:499)/1000; %计算变换后不同点对应的频率值 figure(2); plot(ff,p(1:500)); ylabel('幅值'); xlabel('频率(Hz)'); title('功率谱密度（周期图法）'); 功率谱估计在现代信号处理中是一个很重要的课题，涉及的问题很多。在这里，结合matlab，我做一个粗略介绍。功率谱估计可以分为经典谱估计方法与现代谱估计方法。经典谱估计中最简单的就是周期图法，又分为直接法与间接法。直接法先取N点数据的傅里叶变换（即频谱），然后取频谱与其共轭的乘积，就得到功率谱的估计；间接法先计
风电功率预测系统功能规范
风电功率预测系统功能规范（试行） 前言 为了规范风电调度技术支持系统的研发、建设及应用，特制订风电功率预测系统功能规范。本规范制订时参考了调度自动化系统相关国家标准、行业标准和国家电网公司企业标准。制订过程中多次召集国家电网公司科研和生产单位的专家共同讨论，广泛征求意见。本规范规定了风电功率预测系统的功能，主要包括预测时间尺度、信息要求、功率预测、统计分析、界面要求、安全防护、接口要求及性能指标等。本规范由国家电网公司国家电力调度通信中心提出并负责解释；本规范主要起草单位：中国电力科学研究院、吉林省电力有限公司。本规范主要起草人：刘纯、裴哲义、王勃、董存、石永刚、范国英、郭雷。 1范围 1.1本规范规定了风电功率预测系统的功能，主要包括预测时间尺度、数据准备、数据采集与处理、功率预测、统计分析、界面要求、安全防护、接口要求及性能指标等。 1.2本规范用于指导电网调度机构和风电场的风电功率预测系统的研发、建设和应用管理。本规定的适用于国家电网公司经营区域内的各级电网调度机构和风电场。 2术语和定义 2.1风电场Wind Farm由一批风电机组或风电机组群组成的发电站。 2.2数值天气预报Numerical Weather Prediction根据大气实际情况，
在一定的初值和边值条件下，通过大型计算机作数值计算，求解描写天气演变过程的流体力学和热力学的方程组，预测未来一定时段的大气运动状态和天气现象的方法。 2.3风电功率预测Wind Power Forecasting以风电场的历史功率、历史风速、地形地貌、数值天气预报、风电机组运行状态等数据建立风电场输出功率的预测模型，以风速、功率或数值天气预报数据作为模型的输入，结合风电场机组的设备状态及运行工况，得到风电场未来的输出功率；预测时间尺度包括短期预测和超短期预测。 2.4短期风电功率预测Short term Wind Power Forecasting未来3天内的风电输出功率预测，时间分辨率不小于15min。 2.5超短期风电功率预测ultra-short term Wind Power Forecasting 0h~4h的风电输出功率预测，时间分辨率不小于15min。 3数据准备 风电功率预测系统建模使用的数据应包括风电场历史功率数据、历史测风塔数据、历史数值天气预报、风电机组信息、风电机组及风电场运行状态、地形地貌等数据。 3.1风电场历史功率数据风电场的历史功率数据应不少于1a，时间分辨率应不小于5min。 3.2历史测风塔数据a）测风塔位置应在风电场5km范围内；b）应至少包括10m、70m及以上高程的风速和风向以及气温、气压等信息；c）数据的时间分辨率应不小于10min。 3.3历史数值天气预报历史数值天气预报数据应与历史功率数据相
matlab实现功率谱密度分析psd
matlab实现功率谱密度分析psd及详细解说 功率谱密度幅值的具体含义？？ 求信号功率谱时候用下面的不同方法，功率谱密度的幅值大小相差很大！ 我的问题是，计算具体信号时，到底应该以什么准则决定该选用什么方法啊？ 功率谱密度的幅植的具体意义是什么？？下面是一些不同方法计算同一信号的matlab 程序！欢迎大家给点建议！ 直接法： 直接法又称周期图法，它是把随机序列x(n)的N个观测数据视为一能量有限的序列，直接计算x(n)的离散傅立叶变换，得X(k)，然后再取其幅值的平方，并除以N，作为序列x(n)真实功率谱的估计。 Matlab代码示例： clear; Fs=1000; %采样频率 n=0:1/Fs:1; %产生含有噪声的序列 xn=cos(2*pi*40*n)+3*cos(2*pi*100*n)+randn(size(n)); window=boxcar(length(xn)); %矩形窗 nfft=1024; [Pxx,f]=periodogram(xn,window,nfft,Fs); %直接法 plot(f,10*log10(Pxx)); 间接法： 间接法先由序列x(n)估计出自相关函数R(n)，然后对R(n)进行傅立叶变换，便得到x(n)的功率谱估计。 Matlab代码示例： clear; Fs=1000; %采样频率 n=0:1/Fs:1; %产生含有噪声的序列 xn=cos(2*pi*40*n)+3*cos(2*pi*100*n)+randn(size(n)); nfft=1024; cxn=xcorr(xn,'unbiased'); %计算序列的自相关函数 CXk=fft(cxn,nfft); Pxx=abs(CXk);
IEC 61400-12-2 2013基于机舱风速计的风电机组功率特性测试 20140606
GB/T××××－××××／IEC61400-12-2：2013 IEC引言 IEC 61400-12部分的目的是提供一种统一的使用机舱风速计测试、分析、报告单个风力发电机组功率特性的方法。该标准只应用在尺寸足够的水平轴风力发电机组，且机舱风速计不受风力发电机组叶片及机舱严重影响进而不影响风力发电机组功率特性的情况下。本标准的目的是在IEC 61400-12-1：2005提出的要求不可行的时候使用本标准提出的方法。从而保证在目前的测试技术和测试设备水平下结果的一致性、准确性和可重复性。 本标准规定的程序表述了如何利用机舱风速计根据测量功率曲线和估计年发电量表征风力发电机组的功率特性。在此程序中，风速计安装在被测风力发电机组机舱上或附近，风速计在这个位置上测得的风速受到风轮的严重影响，本程序包括了确定和应用合适的修正来解决这一问题的方法。然而，需要注意的是，与完全按照IEC 61400-12-1:2005进行的测试相比，这种修正增加了不确定度。本程序也提供了确定测量不确定度的方法，包括不确定度源的评估，以及在报告功率和年发电量中的合成不确定度的推荐值。 功率特性测试的关键因素是风速的测量。即使风速计在高品质风洞中做过校准，风矢量的大小和方向的波动可以导致在测试现场中不同的风速计表现出不同的特性。此外，近风力发电机组机舱处的气流条件复杂多变，对于风速计的选择和安装需要特别考虑，这在标准中也做出了说明。 本标准将使设计风力发电机组的制造、安装、规划、许可、运营、使用和监管的各方受益。如果合适，标准推荐的准确的测试和分析技术可以被各方应用，保证风力发电机组开发和运营技术的一致性、准确性和持续发展。依据本标准给出的测量和报告编写程序能得到他人可重复的准确结果。 同时，标准使用者应该意识到由于风切变和湍流强度较大的变化以及数据筛选标准的选择而引起的误差。因此，使用者应该在功率特性测试开展之前考虑到这些误差的影响和与测试目的相关的数据筛选标准。 I
风电功率波动性的分析
承诺书 我们仔细阅读了中国大学生数学建模竞赛的竞赛规则. 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。 我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。 我们参赛选择的题号是（从A/B/C/D中选择一项填写）： B 我们的参赛报名号为（如果赛区设置报名号的话）： 所属学校（请填写完整的全名）：东北电力大学 参赛队员(打印并签名) ：1. 张盛梅 2. 齐天利 3. 孔晖 指导教师或指导教师组负责人(打印并签名)：张杰 日期2014 年 8 月 20日赛区评阅编号（由赛区组委会评阅前进行编号）：
编号专用页 赛区评阅编号（由赛区组委会评阅前进行编号）： 全国统一编号（由赛区组委会送交全国前编号）：全国评阅编号（由全国组委会评阅前进行编号）：
风电功率波动性的分析 摘要 风电机组的发电功率主要与风速有关，由于风的不确定性、间歇性以及风电场内各机组间尾流的影响，使得风力发电机不能像常规发电机组那样根据对电能的需求来确定发电。研究风电功率的波动特性，不论对改善风电预测精度还是克服风电接入对电网的不利影响都有重要意义。 对于问题1a，我们利用MATLAB软件做出了3日内的功率波动图，发现功率的波动曲线上下不断震荡，所以我们采用一段数据来进行分析（即从波谷到波峰再到波谷），利用MATLAB软件拟合工具箱中的dfittool对数据进行曲线拟合，并选出几种较为符合的概率分布，根据对数似然函数值的大小确定最佳的概率分布。 对于问题1b,利用MATLAB软件编程，将数据每天筛选出一个数据，利用SPSS软件对数据绘制P-P图，并与选出的最好的概率分布图作比较，求出其分布参数。 对于问题2，将数据每隔12个数据筛选出一个数据，并用问题1a的方法绘制曲线拟合和概率分布的比较，选出最好的概率分布，并计算每种分布下的数值特征。 对于问题3，首先利用MATLAB软件绘制出时间窗宽分别为5s和1min时的功率波动图，发现两者的概率的波动情况基本相同，分别计算两种情况下的信息波动率以及信息波动损失率，得出结论为两者的波动基本相同，但是时间窗宽为5s时会有局部信息损失。 对于问题4，我们筛选出时间窗宽为1min、5min、15min的数据，并利用MATLAB软件进行曲线拟合以及概率分布的拟合，并计算出每种概率分布下的特征值，用相同的方法求1min和5min时的信息波动率，计算得出信息波动损失率为0.27%。 对于问题5，采用灰色预测模型对数据进行预测。利用5min和15min的功率预测之后的功率走向，并分析方法的优缺点。 论文的创新之处有： 模型中利用MATLAB软件编程的方法进行数据的筛选，可以筛选出任意时间窗宽的数据。 关键词：风电机组；概率分布；功率预测；SPSS
风电功率预测问题
第一页 答卷编号：论文题目： 指导教师： 参赛学校： 报名序号： 证书邮寄地址： （学校统一组织的请填写负责人） 第二页 答卷编号：
风功率预测问题设计 摘要 未来风力发电可能成为和太阳能比肩的新能源行业。随着全球经济的发展和人口的增长，人类正面临着能源利用和环境保护两方面的压力。一方面煤炭、石油和天然气等化石燃料的储量由于大量开采而日益减少：另一方面是大量使用化石燃料对自然环境产生了严重的污染和破坏。这两方面的问题已经引起世界各国政府和人民的高度重视，并在积极寻求一条可持续发展的能源道路，以风能首当其冲。风速的随机性，给，和风电场的功率输Hj带来很大的困难。本文旨在研究分电功率在一段时间的变化规律，本文组建三个模型来解决风电功率的预测问题通过对历史数据的分析，挖掘5月31号到6月6日风电功率的变化趋势，以便直观的检验模型与实际数据是否相吻合。 在问题一中考虑天气变化的随机性，分析不同时间点的数据，将Pa,Pb,Pc,Pd,P58表中5月30日第81时间点到96时间点的数据提取出来运用灰色理论作为预测2006年5月31日开始前四个小时内的16个时间点的数据预。同理以表中已给出的5月31日1-16时间点的数据预测出17-32时间的数据，然后运用此模型得出时间范围a,b内各时间点的风电功率。然后可与题目中以给的数据相比较得出误差。第二种预测方法运用指数平滑模型得出时间范围a,b内各时间点的风电功率。第三种预测方法运用移动平均模型，预测出时间范围a,b内各时间点的风电功率。通过三种预测方法的误差分析我们推荐指数平滑预测法。 在问题二中，通过比较分析问题一的预测结果，比较单台风电机组功率（P A ，P B ，P C ， P D ）的相对预测误差与多机总功率（P 4 ，P 58 ）预测的相对误差，得出风电机组的汇聚程 度越高，对于预测风电功率结果误差影响越小。 在问题三中，选用了BP神经网络的预测方法，加入了更多的自变量，使得预测结果更精确。 （关键词：风速的随机性，风速的预测，风电功率数值，灰色理论，指数平滑模型，移动平均模）
基于一阶低通滤波器平滑风电功率波动仿真分析
基于一阶低通滤波器平滑风电功率波动仿真 分析 中国电力科学研究院 2011年8月
目录 引言 (2) 1.研究背景 (3) 2.研究目的 (4) 3.研究意义 (5) 4.基本原理 (5) 5.仿真实验 (8) 5.1仿真程序代码 (8) 5.2 Simulink框图 (10) 5.3实验结果及分析 (10)
引言 煤炭、石油和天然气等化石燃料的蕴藏量是有限的，人类赖以生存和发展的能源总有一天会枯竭，并且不断增长的能源消耗所造成的环境污染和安全问题已经成为社会的主要矛盾。无论从人类将来的能源危机，或是眼前的环境污染问题来看，研究开发风力发电技术都具有十分重要的意义，而且，地球上蕴藏的风力资源也十分丰富，具有广阔的开发前景。大规模储能与大容量风力发电系统的结合是可再生能源发展的必要趋势。借助储能装置来抑制风电系统固有的波动，使风电这种间歇性、波动性很强的可再生能源变得“可控、可调”，使电网对这种最接近规模化发展的能源调度变为可能。 我国河北省张北地区风资源极为丰富，具备典型代表性，国家电网风光储示范工程就位于该地区。以张北风电场为研究对象，分析该系统的工作原理，并在此基础上采用一阶低通滤波器的储能系统优化控制策略，该控制策略可实现风电机组功率波动的平滑控制，从而优化配置储能系统容量。仿真结果验证了该控制策略的对风电功率波动的平滑性控制。
1.研究背景 我国幅员辽阔，海岸线长，风能资源比较丰富。根据全国900多个气象站将陆地离地面10m高度资料进行分析，全国平均风密度为100W/m2,风能资源总储量约32.26亿kW，可开发和利用的陆地上风能储量有2.53亿kW，近海可开发和利用的风能储量有7.5亿kW，共计约10亿kW。如果陆上风电年上网电量按等效满负荷2000小时计，每年可提供5000亿千瓦时电量，海上风电年上网电量按等效满负荷2500小时计，每年可提供1.8万亿千瓦时电量，合计2.3万亿千瓦时电量。中国风能资源丰富，开发潜力巨大，必将成为未来能源结构中一个重要的组成部分。 张北地区的中节能风电场位于张北县西部的大河乡，西部紧邻尚义县，坐标间于东经114°21′～114°27′、北纬40°59′～41°07′之间，风电场海拔高度1500～1780m之间，如图1所示。所在地区属东亚大陆性季风气候中温带亚干旱区，年平均大风日数63.3天，其中春季所占比例最大，有着丰富的风力资源，非常适合开发风力发电场。所在地区属东亚大陆性季风气候中温带亚干旱区，年平均大风日数63.3天，其中春季所占比例最大，有着丰富的风力资源，非常适合开发风力发电场。一号出线接有33台1.5MW双馈机组，共计49.5MW，后又增加49.5MW风电机组，共计99MW；二号出线接有94.5MW风电机组。 图1 张北风电场地理位置
功率谱密度
功率谱密度 不同形式的数字基带信号具有不同的频谱结构，分析数字基带信号的频谱特性，以便合理地设计数字基带信号，使得消息代码变换为适合于给定信道传输特性的结构，是数字基带传输必须考虑的问题。 在通信中，除特殊情况（如测试信号）外，数字基带信号通常都是随机脉冲序列。因为，如果在数字通信系统中所传输的数字序列是确知的，则消息就不携带任何信息，通信也就失去了意义。故我们面临的是一个随机序列的谱分析问题。 考察一个二进制随机脉冲序列。设脉冲、分别表示二进制码“0”和“1”, 为 码元的间隔，在任一码元时间内，和出现的概率分别为p和1-p。 则随机脉冲序列x(t)可表示成: 其中 研究由上面二式所确定的随机脉冲序列的功率谱密度，要用到概率论与随机过程的有关知识。可以证明，随机脉冲序列x(t)的双边功率谱公式（1）： 其中、分别为、的傅氏变换，。 可以得出如下结论： （1）随机脉冲序列功率谱包括两部分：连续谱（第一项）和离散谱（第二项）。对于连续谱而言，由于代表数字信息的及不能完全相同，故，因此，连 续谱总是存在；而对于离散谱而言，则在一些情况下不存在，如及是双极性的脉冲，且出现概率相同时。 （2）当、、p及给定后，随机脉冲序列功率谱就确定了。 上式的结果是非常有意义的，它一方面能使我们了解随机脉冲序列频谱的特点，以及如何去具体地计算它的功率谱密度；另一方面根据它的离散谱是否存在这一特点，将使我们明确能否从脉冲序列中直接提取离散分量，以及采取怎样的方法可以从基带脉冲序列中获得所需的离散分量。这一点，在研究位同步、载波同步等问题时，将是十分重要的；再一方面，根据它的连续谱可以确定序列的带宽（通常以谱的第一个零点作为序列的带宽）。 下面，以矩形脉冲构成的基带信号为例，通过几个有代表性的特例对功率谱密度公式的应用及意义做进一步的说明，其结果对后续问题的研究具有实用意义。
风力发电机组 功率特性测试-编制说明
《风力发电机组功率特性测试》国家标准编制说明 1.任务来源 国家标准GB/T 18451.2-2012 《风力发电机组功率特性测试》于2012年颁布，按照国家标准管理办法，标准应当在颁布五年之后复审。GB/T 18451.2-2012《风力发电机组功率特性测试》等同采用IEC 61400-12-1: 2005，2017年IEC（国际电工委员会）发布了新版本IEC 61400-12-1:2017，取代了IEC 61400-12-1: 2005。于是该国家标准的修订工作于2018年启动，由全国风力机械标准化技术委员会提出并归口，由中国电力科学研究院负责具体实施，项目编号为2018102498。 2.标准编制过程 在全国风力机械标准化技术委员会的组织下，中国电力科学研究院于2018年10月召开标准启动会，及时成立了标准修订小组，参与单位包括：东方电气风电有限公司、中国船舶重工集团海装风电股份有限公司、西门子歌美飒可再生能源、浙江运达风电股份有限公司、上海电气风电集团有限公司、中国质量认证中心、山东中车风电有限公司、新疆金风科技股份有限公司、明阳智慧能源集团股份公司、维斯塔斯技术研发(北京)有限公司、华润电力技术研究院、国电联合动力技术有限公司、中车株洲电力机车研究所有限公司风电事业部、广东省风力发电有限公司、华锐风电科技(集团)股份有限公司、云南省能源研究院有限公司。 标准修订小组按照等同采用IEC 61400-12-1:2017,Wind energy generation systems–Part 12-1: Power performance measurements of electricity producing wind turbines. （风力发电机组功率特性测试）的方法修订标准。根据等同采用国际标准的编制方法，标准修订小组对IEC 61400-12-1:2017的原文内容进行了反复的研究和讨论，在此基础上开展了原文内容的翻译工作，于2019年3月完成了标准初稿。2019年4月10日，在成都召开初稿讨论会，集中针对初稿内容进行讨论修改。 根据初稿讨论会汇总的修改意见，标准修订小组在2019年4月至9月多次集中讨论，对标准初稿进行了反复修改完善。
风电机组风电功率波动概率分布分析
风电机组风电功率波动概率分布分析 【摘要】本文应用概率分布函数的方法对河南三门峡清源风电场五台机组的风电功率波动特性从时间和空间的角度进行分析，对不同的时间尺度下以及单个和总体的数据进行拟合，得出最佳的概率分布函数，从其数值特征上来描述风电功率的波动性。 【关键词】t location-scale分布；时间序列；移动平均法；SPSS 风电机组发出的功率主要与风速有关。由于风的不确定性、间歇性以及风电场内各机组间尾流的影响，使得风力发电机不能像常规发电机组那样根据对电能的需求来确定发电。 大规模风电基地通常需接入电网来实现风电功率的传输与消纳。风电功率的随机波动被认为是对电网带来不利影响的主要因素。研究风电功率的波动特性，不论对改善风电预测的精度还是克服风电接入对电网的不利影响都有重要意义。 本文选取了河南三门峡清源风电场五台机组进行了两方面的研究：（1）在30天的范围内，分析机组i的风电功率Pi5s（tk）波动符合的概率分布情况。分别计算数值特征并进行检验，找出最佳概率分布，并比较5个机组分布的异同。（2）用以上确定的最佳概率分布，以每日为时间窗宽，对5个风电功率分别计算30个时段的概率分布参数并做出检验；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。 一、问题分析 通过对数据的分析，发现有缺失值，首先需要对数据进行预处理，然后找到，处理后形成频率直方图，再用MATLAB软件拟合出和频率直方图相似的各种概率分布函数。计算其参数后，建立检验模型。然后比较出最好的概率分布函数。从图像和函数参数的角度比较五组数据的异同。 二、数据的预处理 运用线性插值法，对数据中的缺失值进行补足，当缺失值为一个时候，取为前后的平均数，当一连缺失两个或两个以上就为缺失值前后两个值所建立的直线函数上的等距取值。 三、模型的建立 由于现行的行业并没有对风电输出功率有统一的量化指标，综合已查阅的文献和此题的实际背景，对于5秒取得实际数据，我们以15分钟为滑动时段长度，将每15分钟内的实际数据加总后求平均，然后取实际数据与平均值的差值，记为功率波动值Pi。选取第1组，第2组，第4组，第7组，第12组的机组数据
风电功率预测文献综述
风电功率预测方法的研究 摘要 由于风能具有间歇性和波动性性等特点，随着风力发电的不断发展风电并网对电力系统的调度和安全稳定运行带来了巨大的挑战。进行风电功率预测并且不断提高预测精确度变得越来越重要。通过对国内外研究现状的了解，根据已有的风电功率预测方法，按照预测时间、预测模型、预测方法等对现有的风电功率预测技术进行分类，着重分析几种短期风电功率预测方法的优缺点及其使用场合。根据实际某一风电场的数据，选取合适的风电预测模型进行预测，对结果予以分析和总结。 关键词：风电功率预测；电力系统；风力发电；预测方法； 引言 随着社会不断发展人们对能源需求越来越大而传统化石能源日益枯竭不可再生，以及化石能源带来了环境污染等问题影响人类生活，人们迫切需要新的清洁能源代替传统化石能源。风能是清洁的可再生能源之一，大力发展风力发电成为各国的选择。根据相关统计，截止至2015年，全球风电产业新增装机63013MW，，同比增长22%[1]。其中，中国风电新增装机容量达30500MW，占市场份额48.4%。全球累计装机容量为432419MW，其中中国累计装机容量为145104,占全球市场份额的33.6%。 目前风力发电主要利用的是近地风能，近地风能具有波动性、间歇性、低能量密度等特点，因而风电功率也是波动的。当接入到电网的风电功率达到一定占比时，风电功率的大幅度波动将破坏电力系统平衡和影响电能质量，给电力系统的调度和安全平稳运行带来严峻挑战。根据风速波动对风力发电的影响按照时间长度可分为三类：一种是在几分钟之内的超短时波动，该时段内的波动影响风电机组的控制；另一种是几小时到几天内的短时波动，该时段内的波动影响风电并网和电网调度；最后一种是数周至数月的中长期波动，该时段内的波动影响风电场与电网的检修和维护计划。本文主要研究不同的风电功率短期预测方法的优缺点。 通过对短期风电功率预测，能够根据风电场预测的出力曲线优化常规机组出力，降低运行成本；增强电力系统的可靠性、稳定性；提升风电电力参与电力市场竞价能力。
风电功率波动平抑效能与储能容量之间关系的分析
2009年中国电机工程学会年会 风电功率波动平抑效能与储能容量之间关系的分析 研究 宇航，张真卿，苑田芬，黄亚峰 （东北电力大学，吉林吉林 132012） The relationships between the efficiency of stabilizing wind power fluctuations and capacity of storage system YU Hang,ZHANG Zhenqing,YUAN Tianfen,HUANG Yanfeng (Northeast Dianli University,Jilin 132012,JilinProvince,China) abstract: This paper takes the relationships between the efficiency of stabilizing wind power fluctuations and capacity of storage system as research objectives while proposing the methods of stabilizing wind power fluctuations and the algorithms of calculating the storage system capacity based on the principles of low-pass filter.Then simulating the process of stabilizing power fluctuations based on the output power data. The simulation results show that stabilizing the short-tem fluctuations in minutes level could reduce the change rate of wind farm output power and the needed storage capacity is smaller, while stabilizing the mid-tem or long-tem fluctuations in hours level could make the waves of output power more stably but the increase amplitude of the needed storage capacity is larger. keywords：storage system；wind power fluctuations；low-pass fliter 摘 要：本文以风电功率波动平抑效能与储能容量之间的关系为研究目标，提出了基于低通滤波原理的风电功率波动储能平抑方法及满足平抑过程能量需求的储能容量算法，根据风电场实际输出功率数据对功率波动平抑过程进行仿真。研究结果表明，滤除风电功率的分钟级短期波动，可明显减小风电场输出功率的变化率，而且所需的储能容量较小，滤除风电功率的小时级甚至一天的中、长期波动，虽然可以使风电场输出功率更加平稳，但所需储能容量增幅很大。 关键字：储能；风功率波动；低通滤波 0 引言 随着能源和环境问题的日益突出，作为一种新型的可再生能源，风力发电具有环境友好、技术成熟、全球可行的特点，越来越受到人们的重视。近年来我国风电得到较快发展，截止到2008年底，装机容量达到892万千瓦，预计在2020年，我国风电累计装机可以达到1亿千瓦。 风电机组输出功率取决于风速，具有不可预期性和波动性。当电网所接纳的风电容量超过一定份额时，风电功率波动将增加电网运行调整负担[1]，因此，对于大型风电场往往需要限制其输出功率的波动，如中华人民共和国国家标准化指导性文件GB/Z 19963-2005中对风电场输出功率变化率作出了明确的规定[2]。 在风电场出口处安装储能系统是减小风电场输出功率变化率的理想途径[3-4]，当储能系统容量足够大时，可以利用储能系统对风电功率波动进行有效调控，使风电场成为可调度电源。然而，由于储能系统成本往往比较昂贵，实际上只能利用有限容量的储能系统来优化风电场的功率输出，风电场输出功率的可控程度与所配置的储能容量密切相关。因此，分析风电功率波动平抑效能与储能容量之间的关系是风电控制领域前沿的研究课题之一。 本文提出了一种利用储能系统抑制风电功率变化率的方法以及满足平抑过程能量需求的储能容量算法，以某额定容量为50MW的风电场为例，根据其实际输出功率数据对功率波动平抑过程进行仿真，验证该平抑方法的有效性，分析风电功率波动平抑效能与储能容量之间的关系，为风电场通过配置储能系统平抑风电功率波动提供有效的参考。 1 基于低通滤波原理的风电功率波动储能平抑方法 应用储能系统平抑风电功率波动的原理如图1