山东半岛风电爬坡事件的识别与天气分析研究

被引：2

作者：

郭燕玲 ^{[1
]}

赵晶 ^{[2
]}

周林 ^{[3
]}

张文煜 ^{[1
]}

郭振海 ^{[2
]}

机构：

[1] 兰州大学大气科学学院

[2] 中国科学院大气物理研究所大气科学和地球流体力学数值模拟国家重点实验室

[3] 北京动力机械研究所

来源：

气候与环境研究 | 2017年 / 22卷 / 01期

关键词：

风功率爬坡; 天气系统演变; TSD算法; 可预报性;

D O I：

暂无

中图分类号：

TM614 [风能发电];

学科分类号：

080811 [新能源发电与电能存储];

摘要：

根据山东省24个风电场2013年全年每15 min的风电输出功率实测数据以及相应的WRF(Weather Research and Forecasting)气象预测数据和FNL(Final Operational Global Analysis)再分析资料,分析了区域大规模风电爬坡现象与大尺度天气系统演变的联系。结果显示,大尺度天气系统,特别是阻塞高压系统,是诱发山东地区大规模风电爬坡的重要因素;爬坡事件的预测应当考虑天气演变的因素。进一步结合旋转门(The Swinging Door,TSD)算法重新讨论了爬坡事件的定义与识别,并在此基础上分析了爬坡事件的特征及其可预报性;并指出风电功率上报、考核制度应当重点考虑爬坡时间段的预测水平,以提高电网运行的稳定性。

引用

页码：97 / 107

页数：11

共 9 条

[1]

Temporal Forecast Uncertainty for Ramp Events [J].

Greaves, Beatrice ;

Collins, Jonathan ;

Parkes, Jeremy ;

Tindal, Andrew .

WIND ENGINEERING, 2009, 33 (04) :309-319

[2]

Detecting; categorizing and forecasting large ramps in wind farm power output using meteorological observations and WPPT.[J].Nicholas Cutler;Merlinde Kay;Kieran Jacka;Torben Skov Nielsen.Wind Energy.2007, 5

[3]

考虑电网侧频率偏差的风电功率爬坡事件预测方法 [J].