关键词:风力,发电机,风速,风向,有功功率,机械惯性,转动惯量,动力系统,微分方程
当前提高风电功率“短期”和“超短期”预测[1]的可信途径有:㈠ 采用季风特性的空间相关性[2],㈡ 可信的组合预测[1];㈢ 缩短采样周期[1, 3];㈣ 更精确的风力发电机(以下简称“风机”)的“风速-功率”关系,等。
这里给出第㈣条思路的一些说明。
风机发出的有功功率P,是大自然的风驱动风机扇叶转动的结果。大自然的风速v(t)、风向,特别是风速v(t),是风机出力的主要因素。一般认为,风携带的能量如下公式(1),即风功率是风速的3次方。这里参数A由叶片尺寸与形状决定的系数,ρ是空气密度。
(1)
但是,必须说明:风机发出的电力有功功率P,不是P风。因为风机扇叶受力转速对应的“有效风速”,即v(t)-u(t),才是驱动风机发出电力的直接动力。如下公式(2)。
(2)
这是因为“驱动风机的能量”来自扇叶:风吹动扇叶,扇叶带动发电机。当大自然的风速v(t)和扇叶折算速度u(t)一样时,风和扇叶是相对静止的(之间没有力的作用),亦即扇叶不会从风力获取能量。(类似的考虑还有风能利用效率与贝兹极限,The Betz limit - and the maximum efficiency for horizontal axis wind turbines [4, 5])。v(t)和u(t)之间的差异,是形成风机实测“风速-功率”关系成为分散带的主要原因[6-8],如下图所示。
Li Pai 等2015年[6],第1598页,图4
因此,只要得到v(t)和u(t)之间差异,就可以获得更精确的风机“风速-功率”关系。将风机简化为一阶惯性环节[9],根据“定轴转动刚体转动惯量与转动角加速度的乘积,等于作用于刚体上的所有外力对转轴之矩的代数和”的基本原理,即可得到下述微分方程,即公式(3):
(3)
这里J是风机的机械转动惯量,D表示阻尼(风机输出的有功功率、自身转动的阻尼等)。
通过求解该微分方程,就可以根据大自然的风速v(t)、风机的机械转动惯量J、阻尼D等,得到“有效风速v(t)-u(t)”,获得更精确的风机产生的电力有功功率P。
本文提出的是思路和原理(应当为“原创”)。今后结合实际风机,考虑更多其它相关因素,建立类似本文公式(3)的更精确的微分方程,只是一些具体的技术问题。是对我们思路的跟风。
我们尚未见到采用本文思路的他人研究。为保证我们(代表我国研究人员)在该问题研究上的“原创”优先权,特贴出本文。尽管我们不能保证这点。因为我们只能用汉语、英语查询相关资料。没有能力知道汉语和英语以外的语言是否有相关的公开报道。
参考文献:
薛禹胜,郁琛,赵俊华,等(Xue Yusheng,Yu Chen,Zhao Junhua,et al).关于短期及超短期风电功率预测的评述(A review on short-term and ultra-short-term wind power prediction)[J].电力系统自动化(Automation of Electric Power Systems),2015,39 (6):141-151.
杨正瓴,冯勇,熊定方,等(Yang Zhengling,Feng Yong,Xiong Dingfang,et al).基于季风特性改进风电功率预测的研究展望(Research prospects of improvement in wind power forecasting based on characteristics of monsoons)[J].智能电网(Smart Grid),2015,3 (1):1-7.
杨正瓴,张广涛,林孔元,等(Yang Zhengling,Zhang Guangtao,Lin Kongyuan,et al).时间序列法短期负荷预测准确度上限估计(Upper limit estimating of short term load forecasting precision by time series analysis)[J].电力系统及其自动化学报(Proceedings of the CSU-EPSA),2004,16 (2):36-39.
Betz's law - From Wikipedia, the free encyclopedia [OL]. https://en.wikipedia.org/wiki/Betz%27s_law
The Betz limit - and the maximum efficiency for horizontal axis wind turbines [OL]. http://www.wind-power-program.com/betz.htm
Li Pai, Guan Xiaohong, Wu Jiang, Zhou Xiaoxin. Modeling dynamic spatial correlations of geographically distributed wind farms and constructing ellipsoidal uncertainty sets for optimization-based generation scheduling[J]. IEEE Transactions on Sustainable Energy, 2015, 6(4): 1594-1605.
Miller L M, Brunsell N A, Mechem D B, et al. Two methods for estimating limits to large-scale wind power generation[J]. Proceedings of the National Academy of Sciences of the United States of America, 2015, 112(36): 11169-11174.
Banakar H,Luo C L,Ooi B T.Impacts of wind power minute-to-minute variations on power system operation[J].IEEE Transactions on Power Systems,2008,23 (1):150-160.
林卫星,文劲宇,艾小猛,等(Lin Weixing,Wen Jinyu,Ai Xiaomeng,et al).风电功率波动特性的概率分布研究(Probability density function of wind power variations)[J].中国电机工程学报(Proceedings of the CSEE),2012,32 (1):38-46.
杨正瓴
天津大学电气与自动化工程学院
2016-02-24