内蒙古电力技术  2022, Vol. 40 Issue (06): 17-23   DOI: 10.19929/j.cnki.nmgdljs.2022.0092
0

引用本文 

王稳稳, 胡仁祥, 马瑞, 魏智慧, 王小杰. 吐鲁番地区典型风能特性分析[J]. 内蒙古电力技术, 2022, 40(6): 17-23. DOI: 10.19929/j.cnki.nmgdljs.2022.0092.
WANG Wenwen, HU Renxiang, MA Rui, WEI Zhihui, WANG Xiaojie. Analysis of Typical Wind Energy Characteristics in Turpan[J]. Inner Mongolia Electric Power, 2022, 40(6): 17-23. DOI: 10.19929/j.cnki.nmgdljs.2022.0092.

第一作者简介

王稳稳(1992), 女, 甘肃人, 硕士, 从事电网电力调度工作。E-mail: 2463217314@qq.com

文章历史

收稿日期: 2022-02-21
修回日期: 2022-11-01
吐鲁番地区典型风能特性分析
王稳稳 , 胡仁祥 , 马瑞 , 魏智慧 , 王小杰     
国网吐鲁番供电公司, 新疆 吐鲁番 838000
摘要: 为分析吐鲁番地区典型风能特性,以最具代表性的三十里风区和百里风区的风能为研究对象,以2021年典型风区风机70 m测风塔数据为基础,对比分析典型风区风能参数变化情况。分析结果表明:不论风季还是枯风季,平均风速、风功率密度及典型负荷日曲线变化趋势一致;2021年风能参数呈现倒V形分布,五六月份达到最大值;风季和枯风季出现最高和最低日负荷的时间存在偏差;三十里风区和百里风区的风速概率分布和盛行风向存在较大差异。通过现场调研发现,分析结果与实际情况相吻合。
关键词: 风能特性    平均风速    风功率密度    典型日负荷    
Analysis of Typical Wind Energy Characteristics in Turpan
WANG Wenwen , HU Renxiang , MA Rui , WEI Zhihui , WANG Xiaojie     
State Grid Turpan Power Supply Company, Turpan 838000, China
Abstract: In order to analyze the typical wind energy characteristics of Turpan, the most representative wind energy in wind area of 30 miles and 100 miles is taken as the research object. Based on the data of 70 m anemometer tower in typical wind area, variation conditions of wind energy parameters in typical wind area are compared and analyzed. The results show that the variation trend of average wind speed, wind power density and typical daily load curve is consistent no matter in windy season or dry season. In 2021, the wind energy parameters are distributed in an inverted V-shape, maximizing in May and June. The maximum daily load and minimum daily load appear time deviation in wind season and dry season. There is a deviation between the maximum and minimum daily load in the windy season and withered windy season. There are greater differences in the wind speed probability distribution and prevailing wind direction between wind areas 30 mile and 100 miles. By means of field investigation, it is discovered that the analysis results are consistent with the actual situations.
Keywords: wind energy characteristics    average wind velocity    wind power density    typical daily load    
0 引言

“十四五”期间,风能作为新能源的典型代表,将会迎来广阔的市场前景。由于风能发电具有可再生、环保、结构简单、运行成本低等得天独厚的优势,风力发电技术发展迅速,大规模风电并网势在必行。但由于风能的波动性、随机性、间歇性、地域性及季节性,使得风电出力具有波动性,会对电网造成较大冲击,增加了电网的不稳定性,所以对风能特性的研究至关重要[1-7]

吐鲁番市拥有丰富的风能资源,主要分布在三十里风区和百里风区,有“陆地风库”之称。到2021年12月,该地区新能源装机超过3000 MW,2021年风电发电量36.98亿kWh,“十四五”期间,预计新增风电装机容量801 MW。本文通过风机测风塔70 m高度2021年观测数据,对比两风区的平均风速、风功率密度、典型日负荷、风速风向概率分布等风能参数,分析吐鲁番典型的风能特性,为风电大规模并网、电网安全可靠运行有提供参考。

1 测风数据处理

本文数据主要来源于70 m测风塔数据,为确保数据的代表性、准确性和完整性,依据GB/T 18710—2002《风电场风能资源评估办法》,对测风塔数据进行检验处理,所测量数据的完整率应高于采集次数的95% [8-9]。根据国家电网有限公司Q/ GDW 12054—2020《风力发电数据资源数据审核与整定办法》,对所测数据的合理性进行检测,各测量数据的合理范围如表 1所示[10]

表 1 各测量数据的合理范围 Table 1 Reasonable range of each measured data
2 平均风速和风功率密度

三十里风区以GW66/1500型风机为研究对象,风机叶轮直径为66 m,扫风面积为3421 m2,测风塔高度为65 m;百里风区以GW109/1500型风机为研究对象,风机叶轮直径109 m,扫风面积9331 m2,测风塔高度为70 m。

2.1 平均风速

平均风速即给定时间内瞬时风速的平均值,其计算公式如式(1)所示:

(1)

式中:v为平均风速;vi为第i次记录的某一时刻的瞬时风速;n为在该段时间内的记录次数。

三十里风区和百里风区在2021年平均风速的变化特征如图 1所示。由图 1可知,2021年不同风区平均风速均呈现倒V形分布,3—10月风速较大;同一时刻,三十里风区的风速大于百里风区,且三十里风区6月风速达到最大值,百里风区风速5月达到最大值。

图 1 2021年不同风区平均风速分布图 Figure 1 Average wind speed distribution in different wind areas in 2021

选择与该区间内平均风速曲线标准方差最小的一日作为典型日,风季以6月20日为典型日,枯风季以2月15日为典型日。三十里风区和百里风区在风季和枯风季典型日平均风速的变化特征如图 2所示。图 2(a)为测风塔高度为70 m时,2021年6月20日平均风速分布图,图中两风区在00:00— 14:00波动较小,14:00风速最小,三十里风区从16:00开始急剧上升,23:00达到最大值,而百里风区从14:00开始持续上升直至24:00,较三十里风区增长幅度较小。

图 2 典型日平均风速分布图 Figure 2 Distribution of typical daily average wind speed

图 2(b)为测风塔高度为70 m时,2021年2月15日平均风速分布图,三十里风区波动较大,16:00达到最大值,21:00达到最小值;百里风区波动较小,10:00和22:00为风速的最低时刻,最高值出现在05:00和15:00左右。

2.2 风功率密度

风功率密度即与风向垂直的单位面积中风所具有的功率,为了提高准确性,本文采用给定时段的平均风功率密度,用于衡量三十里风区和百里风区风能的大小,风功率密度公式如式(2)所示[11-12]

(2)

式中:w为风功率密度,W/m2ρ为空气密度,kg/m3。当h<11 000 m时,ρ =p/[0.286 9×(T+273.1)],p为压强,kPa;T为温度,℃;h为风区海拔高度,m。

图 3为2021年不同风区月风功率密度分布图,风功率密度的变化趋势与风速的变化趋势基本一致,先增大后减小,呈现倒V形。三十里风区的风功率密度明显大于百里风区,特别是3—10月,6月三十里风区风功率密度达到最大值,5月百里风区风功率密度达到最大值。

图 3 2021年不同风区风功率密度分布图 Figure 3 Wind power density distribution of different wind areas in 2021

图 4(a)为三十里风区和百里风区在风季典型日的风功率密度,由图 4(a)可知,在同一时刻,三十里风区的风功率密度值远大于百里风区,且三十里风区的风速变化幅度较大,特别是在00:00—15:00显现先急速下降再急速上升的趋势,而百里风区在00:00—15:00曲线变化平缓,波动较小,而在15:00—24:00急剧增长,说明吐鲁番市风能分布特性为白天风能较小,夜间风能较大[13-18]

图 4 典型日风功率密度分布图 Figure 4 Distribution of typical daily wind power density

图 4(b)为三十里风区和百里风区在枯风季典型日的风功率密度。由图 4(b)可知,三十里风区的风功率密度大于三十里风区,且三十里风区曲线波动性较大,特别是在14:00—19:00,在16:00达到最大值;而百里风区在时间段内波动较小。

3 风速、风功率密度与负荷曲线

图 5为三十里风区和百里风区2021年风速、风功率密度与典型负荷日曲线。三十里风区数据来源于小草湖风电厂GW66/1500型的单台风机,负荷为0~1 MW;百里风区数据来源于大唐鄯善东风电厂GW109/1500型单台风机,负荷为0~0.8 MW,均属于调度机构统一调度负荷。由图 5可知,两个风区风速、风功率密度与典型负荷日曲线变化趋势基本一致,均呈倒V形分布,三十里风区在夏季5月份出现高峰期,而百里风区在夏季6月份出现高峰期,且百里风区的典型日负荷远大于三十里风区[19-22]

图 5 三十里风区和百里风区2021年风速、风功率密度与典型负荷日曲线图 Figure 5 Wind speed, wind power density and typical daily load curves in 2021 for thirty⁃mile and hundred⁃mile wind areas

图 6为三十里风区风速、风功率密度与典型负荷日曲线图,可以看出,风季日最低负荷出现在14:00,日最高负荷出现在19:00,当风速达到额定风速时,负荷不再随风速上升而是逐渐下降;枯风季该日负荷曲线近似于M形分布,在04:00和17:00相继达到峰值,但在17:00日负荷最大。

图 6 三十里风区风季和枯风季风速、风功率密度与典型负荷日曲线图 Figure 6 Wind speed, wind power density and typical daily load curves in windy season and dry season in thirty⁃mile wind area

图 7为百里风区风速、风功率密度与典型负荷日曲线图,可以看出,风季06:00—14:00日负荷出现日最低负荷,14:00—16:00负荷急剧升高,16:00—20:00缓慢上升,20:00之后保持不变;枯风季日负荷曲线在08:00出现最大值,08:00—11:00持续下降,近似为0,11:00—24:00出现幅度较大的波动,24:00对应负荷约为0.15 MW。

图 7 百里风区风季和枯风季风速、风功率密度与典型负荷日曲线图 Figure 7 Curves of wind speed, wind power density and typical load day in windy season and dry season in hundred⁃mile wind area

图 8为三十里风区和百里风区风季及枯风季典型负荷日曲线图,可以看出,在风季典型日三十里风区的最低负荷一般出现在14:00—16:00,持续时间较短,而百里风区的最低负荷一般出现在06:00—14:00,持续时间较长,且三十里风区的日负荷远大于百里风区,因为三十里风区的风速大于百里风区,且三十里风区和百里风区风机的额定功率均为1500 kW,所以在达到饱和前,三十里风区的负荷会大于百里风区;枯风季三十里风区和百里风区的负荷近似,因为在枯风季两大风区的风速均很小,相差不大,且所研究风机的额定功率均为1500 kW。

图 8 三十里风区和百里风区风季及枯风季典型负荷日曲线图 Figure 8 Comparative analysis of typical daily load curves in windy season and dry season in thirty⁃mile and hundred⁃mile wind areas

综上所述,风速、风功率密度与典型日负荷曲线变化趋势基本一致;吐鲁番风力资源五、六月份最为丰富;风季和枯风季的最高日负荷和最低日负荷出现的时间段存在偏差;在风季百里风区的日负荷大于三十里风区,而枯风季与则相反。

4 风速概率分布与盛行风向

图 9为2021年三十里风区和百里风区风速概率分布图。由图 9(a)可知,三十里风区风速在16~ 18 m/s出现的概率最大,约32%;其次为14~16 m/s,概率为24%;风速超过18m/s的概率大约为20%;而风速在0~8 m/s出现的概率很小,近似为0。相比三十里风区,百里风区风速在2~4 m/s出现的概率最大,约36%;其次为10~12 m/s,概率为10%;而风速超过18 m/s出现的概率近似为0(如图 9(b))。由此可见,三十里风区的风速大于百里风区,三十里风区的风能资源更为丰富。

图 9 2021年三十里风区和百里风区风速概率分布图 Figure 9 Probability distribution diagram of wind speed in thirty⁃mile and hundred⁃mile wind areas in 2021

图 10为2021年三十里风区和百里风区风速风向玫瑰图,在不同的风速区间,盛行风向不尽相同。由图 10(a)可知,三十里风区盛行风向为北风和西北风,当风速小于3 m/s时,风向以北风为主,而当风速大于12 m/s时,风向以西北风为主,当风速在3~6 m/s可能会出现少量的南风和东南偏南风;由图 10(b)可知,百里风区盛行风向为西北风和西北偏北风,当风速大于8 m/s时,风向以风向为西北风和西北偏北风为主,出现其他风向的概率较低。当风速较小时出现各个风向均有可能。由此可见,三十里风区和百里风区的风能特性差异较大,具有不同的地域特色。

图 10 2021年三十里风区和百里风区风速风向玫瑰图 Figure 10 Rose diagram of wind speed and direction for thirty⁃mile and hundred⁃mile wind areas in 2021
5 结束语

通过以上分析可以看出,吐鲁番地区不论风季还是干风季,平均风速、风功率密度及典型负荷日曲线变化趋势一致,呈现倒V形分布;典型风区的风速概率分布和盛行风向存在较大差异,极具地域特色,适合用于区域风能资源的评估。本文研究结果可为吐鲁番地区风电大规模发展及风电并网技术的探讨提供一定的参考价值。

参考文献
[1]
石佳. 绿电冬奥之旅用张北的风点亮北京的灯[J]. 华北电业, 2022(2): 20-25 (0)
[2]
黄思维, 舒印彪. 构建以新能源为主的新型电力系统[J]. 高科技与产业化, 2022, 28(1): 16-19
HUANG Siwei, SHU Yinbiao. Building a New Power System Based on New Energy[J]. High-Technology&Industrialization, 2022, 28(1): 16-19 (0)
[3]
姜红丽, 刘羽茜, 冯一铭, 等. 碳达峰、碳中和背景下"十四五"时期发电技术趋势分析[J]. 发电技术, 2022, 43(1): 54-64
JIANG Hongli, LIU Yuxi, FENG Yiming, et al. Analysis of Power Generation Technology Trend in 14th Five-Year Plan Under the Background of Carbon Peak and Carbon Neutrality[J]. Power Generation Technology, 2022, 43(1): 54-64 (0)
[4]
陈国平, 梁志峰, 董昱. 基于能源转型的中国特色电力市场建设的分析与思考[J]. 中国电机工程学报, 2020, 40(2): 369-379
CHEN Guoping, LIANG Zhifeng, DONG Yu. Analysis and Reflection on the Marketization Construction of Electric Power With Chinese Characteristics Based on Energy Transformation[J]. Proceedings of the CSEE, 2020, 40(2): 369-379 (0)
[5]
张明. 风力发电及其技术发展探讨[J]. 中国设备工程, 2022(4): 200-201
ZHANG Ming. Discussion on wind power generation and its technology development[J]. China Plant Engineering, 2022(4): 200-201 (0)
[6]
刘纯, 屈姬贤, 石文辉. 基于随机生产模拟的新能源消纳能力评估方法[J]. 中国电机工程学报, 2020, 40(10): 3134-3144
LIU Chun, QU Jixian, SHI Wenhui. Evaluating Method of Ability of Accommodating Renewable Energy Based on Probabilistic Production Simulation[J]. Proceedings of the CSEE, 2020, 40(10): 3134-3144 (0)
[7]
孙川永, 彭友兵, 东琦, 等. 陕北典型风能特性分析[J]. 电网与清洁能源, 2021, 37(12)110-115, 122
SUN Chuanyong, PENG Youbing, DONG Qi, et al. An Analysis of Typical Wind Energy Characteristics in Northern Shaanxi[J]. Advances of Power System&Hydroelectric Engineering, 2021, 37(12)110-115, 122 (0)
[8]
中国国家标准化管理委员会. 风电场风能资源评估方法: GB/T 18710-2002[S]. 北京: 中国标准出版社, 2002. (0)
[9]
国家电网有限公司. 风力发电资源数据审核与定正方法: Q/GDW 12054-2020[S]. 北京: 中国电力出版社, 2020. (0)
[10]
叶林, 陈小雨, 靳晶新, 等. 考虑风功率密度和风向特征的风能资源MCP评估方法[J]. 电力系统自动化, 2019, 43(3): 24-32
YE Lin, CHEN Xiaoyu, JIN Jingxin, et al. Measure-Correlate-Predict Assessment Method of Wind Energy Resource Considering Wind Power Density and Wind Direction[J]. Automation of Electric Power Systems, 2019, 43(3): 24-32 (0)
[11]
苗昊泽予. 多套再分析及CMIP6模式资料中的北半球地面风速和风功率密度的评估[D]. 成都: 成都信息工程大学, 2020. (0)
[12]
靳晶新, 叶林, 陆佳政, 等. 融合多维气象信息的风能资源评估方法[J]. 高电压技术, 2022, 48(2): 477-487
JIN Jingxin, YE Lin, LU Jiazheng, et al. Combined Method for Wind Energy Resource Assessment Considering Multi-dimensional Meteorological Information[J]. High Voltage Engineering, 2022, 48(2): 477-487 (0)
[13]
叶林, 饶日晟, 杨丹萍, 等. 基于波动互相关系数的风能资源评估组合模型[J]. 中国电机工程学报, 2017, 37(3): 712-720
YE Lin, RAO Risheng, YANG Danping, et al. A Combined Wind Resource Assessment Model Based on Fluctuation Cross-Correlation Coefficient[J]. Proceedings of the CSEE, 2017, 37(3): 712-720 (0)
[14]
李薇, 龚奂彰, 时利香, 等. 基于区域气候模式的内蒙古地区风能资源预测[J]. 电网技术, 2020, 44(11): 4318-4327
LI Wei, GONG Huanzhang, SHI Lixiang, et al. Prediction and Evaluation of Wind Energy Resource in Inner Mongolia Based on Regional Climate Models[J]. Power System Technology, 2020, 44(11): 4318-4327 (0)
[15]
赵冬梅, 王浩翔, 陶然. 计及风电-负荷不确定性的风-火-核-碳捕集多源协调优化调度[J]. 电工技术学报, 2022, 37(3): 707-718
ZHAO Dongmei, WANG Haoxiang, TAO Ran. A Multi-Source Coordinated Optimal Scheduling Model Considering Wind-Load Uncertainty[J]. Transactions of China Electrotechnical Society, 2022, 37(3): 707-718 (0)
[16]
祁永福, 戴扬宇, 陈煌. 风电并网对海南电网系统稳态影响的研究[J]. 机电工程技术, 2017, 46(12): 134-139
QI Yongfu, DAI Yangyu, CHEN Huang. Study on the Influence of Wind Power Integration on the Steady State of Hainan Power Grid[J]. Mechanical&Electrical Engineering Technology, 2017, 46(12): 134-139 (0)
[17]
杨天蒙, 吉星, 白坚实, 等. 考虑风电-负荷相关性的含大规模风电并网电力系统中火电深度调峰运行优化[J]. 东北电力技术, 2020, 41(11): 30-35
YANG Tianmeng, JI Xing, BAI Jianshi, et al. Optimal Deep Peak Regulation of Thermal Power Units in Power System With Large Scale Wind Power Considering Wind Power-Load Correlation[J]. Northeast Electric Power Technology, 2020, 41(11): 30-35 (0)
[18]
沈洪明, 刘艳贵, 吴泽华, 等. 陆上风电工程造价和运行成本的分析与探讨[J]. 浙江电力, 2020, 39(9): 118-122
SHEN Hongming, LIU Yangui, WU Zehua, et al. Analysis and Discussion of Engineering Cost and Operation Cost of Onshore Wind Power Projects[J]. Zhejiang Electric Power, 2020, 39(9): 118-122 (0)
[19]
时建锋, 赵贯超, 李琼梅. 风电参与调频后的切机效果影响研究[J]. 云南电力技术, 2018, 46(1): 35-40
SHI jianfeng, ZHAO Guanchao, LI Qiongmei. Research on the impact of generator tripping considering wind power participating in frequency regulation[J]. Yunnan Electric Power Technology, 2018, 46(1): 35-40 (0)
[20]
张国斌, 李瑞连, 刘永江, 等. 火电机组灵活性改造对风电消纳能力的影响分析[J]. 内蒙古电力技术, 2020, 38(4): 93-96
ZHANG Guobin, LI Ruilian, LIU Yongjiang, et al. Influence Analysis of Wind Power Consumption Ability by Thermal Power Unit Flexiblility Transformation[J]. Inner Mongolia Electric Power, 2020, 38(4): 93-96 (0)
[21]
周姝灿, 唐俊熙. 风电、储能参与系统调频的协调控制策略研究[J]. 机电工程技术, 2017, 46(11): 31-35
ZHOU Shucan, TANG Junxi. Research on Coordinated Control Strategy of Wind Power and Energy Storage in System Frequency Regulation[J]. Mechanical&Electrical Engineering Technology, 2017, 46(11): 31-35 (0)
[22]
张娜, 张子信, 宋卓然, 等. 辽宁风电消纳及其他电源对风电消纳影响分析[J]. 东北电力技术, 2017, 38(5): 29-32
ZHANG Na, ZHANG Zixin, SONG Zhuoran, et al. Wind Power Absorption and Influence of Other Power Sources in Liaoning[J]. Northeast Electric Power Technology, 2017, 38(5): 29-32 (0)