第３０卷第１１期 ２０１４年１１月 电力科学与工程 Ｖｏ１．３０．Ｎｏ．１１ ３１ Ｎｏｖ．，２０１４ Ｅｌｅｃｔｒｉｃ Ｐｏｗｅｒ Ｓｃｉｅｎｃｅ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ 考虑风力发电波动性的分布式发电可靠性规划 韦仲康，徐建飞，于鹏 （国网冀北电力有限公司调度中心，北京１０００００） 摘要：为保障分布式能源规划的科学性与可靠性，进行了分布式风电选址与选型研究。运用威布尔分布 表征全年风速分布变化，并结合风机功率曲线方程，对风机出力波动性进行建模。在此基础上，构建分 布式发电的波动的成本模型。以系统成本最小化目标，提出优化方案对分布式风电的选址和选型优化提 供理论依据。根据情景实例分析，表明该模型和优化方案可以为分布式风电的选址和选型提供科学的理 论依据。 关键词：分布式发电；威布尔分布；风电波动性 中图分类号：ＴＭ７１５ 文献标识码：Ａ ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１６７２—０７９２．２０１４．１１．００７ 阳能电池板、燃料电池和燃气轮机等。由于风电 ０ 引言 在可再能源发电领域中，风力发电是除水力 的随机性和波动性，在设计和规划分布式发电系 统时，必须考虑到风电功率的波动性和负荷的不 确定性 。针对风电的波动性研究主要集中于模 发电外，技术最成熟、最具开发规模和商业化发 型的构建与风电功率的预测 。分布式风电场 展前景的发电方式，其发展已经成为世界各国关 极大影响。文献［１］综合介绍了分布式发电的 的风机选址和选型对分布式风电的发展和并网也 注的焦点。分布式风电的发展会对电力系统产生 至关重要。目前，虽然已有文献对风电场的选址 问题进行了研究 …，但没有文献从系统成本最小 概念、分类、特点、国内外应用及其对电力系统 化的角度来研究分布式风电的选址和机组选型问 的影响，为分布式发电技术的应用提供参考。分 题。因此，研究分布式风电波动特性和波动的成 布式能源的选址与规模的确定会对电力系统产生 本模型，进而对分布式风电机组选址和选型提供 很大影响，文献［２］通过优化技术确定分布式 科学依据，对分布式风电场的发展具有重要意义。 能源的最佳规模、选址以及在电网中的分布，对 、 针对风电出力特性探讨了一种连续随机建模 分布式发电的预设技术指标进行了优化，进而减 方法，考虑风电功率波动性和负荷不确定性的基 小了分布式电源并网对电力系统的影响。由此可 础上，在满足预先指定的功率损耗标准、热力条 见确定最佳选址和规模对分布式能源具有重要意 件以及系统成本最小化条件下，确定分布式电力 义。文献［３］基于分布式电源对配电网规划的 系统整体优化方案，找到最优的风机型号及其分 影响，提出运用带惯性权重的粒子算法优化分布 布位置 式电源的选址与定容。针对分布式发电的最优选 址和规模问题，文献［４］基于安装运营成本、 电量损失成本等的多目标模型，提出了概率统计 方法。 典型的分布式能源机组包括风力发电机、太 收稿日期：２０１３—０７—０９。 １风力发电波动性的建模 １．１风速表征 风力发电的年发电量由风机所在的地理区域 基金项目：国家电网公司科技项目（ＳＧＪＢ００００ＤＫＪＳ１３００４３３）。 作者简介：韦仲康（１９７２一），男，高级工程师，从事电网调度运行与调度计划工作，Ｅ—ｍａｉｌ：３９２２３５６８２＠ｑｑ．ＣＯｎ。ｒ ３２ 电力科学与工程 ２０１４芷 和装机容量共同决定。风机的容量确定之后，风 速就是影响年发电量的重要参数。基于已有研究 式（５）表明：当 ≤ ≤ 时，气流所产生 的能量与空气密度、叶片的面积和风速的立方成 为０．５９２ ６，但在实际中会偏低，介于０．３到０．５ 之间。 成果，可以假定年风速分布近似服从威布尔分 正比。参数叼…为风能对电能的转化率，理论值 布 。将风速记为 ，则风速分布的概率密度函 数Ｉ厂（ ）和累积分布Ｆ（ ）分别为： ｆ（ ）＝（ ）（詈） ｅ ／ｃ） （１） １．３风电波定性 一Ｆ（ ）：１一ｅ一‘ （２） 式中：Ｃ为尺度参数；ｋ为形状参数，且Ｃ＝ １１．１ｍ／ｓ：ｋ＝２．１７［１３］。 的均值 和方差 可以用如下公式估计： ＝ｃｒ（１＋ １） （３） ：ｃ ｒ（１＋ ）＿ ２ （４） 与正态分布相比，由威布尔分布预测出的风 速没有负值，这在建模和模拟随机风速时有很大 优势，因此本文采用威布尔分布来构建分布式发 电规划模型，该模型也适用于正态分布的风速 情景。 １．２风机的功率曲线 风机发电量曲线分为４个阶段（如图１），分 别是：准备阶段（无发电量）；非线性发电阶段 （ 。＜ ＜ ）；额定功率阶段 ＜ ＜ ；脱离阶段， ＞ 。当 ≤ ≤ 时，发电量与风速的立方成正 比，具体如下： ｒ０ ０＜ ＜ ， ＞ 尸（ ） ＝？０．５叼 ｐ４ 。 ≤ ≤ （５） 【Ｐ ≤戈≤ Ｐｍ ≥ 埒 皋 匮 Ｖｃ ／ Ｖｒ ｖｓ 风速／（ｍ・Ｓ－１） 图１典型的风机发电量曲线 式中：Ｐ为空气密度；Ａ为单个涡轮叶片的覆盖面 积，ｍ ；Ｐ 代表额定功率或最大的发电量； ， ， 分别为切人速度、额定速度和切出速度。 个风机的发电量预测需要结合风速分布情 况与风机功率曲线，风机发电量的均值和方差可 以运用矩估计法来估算¨ 。其中，均值代表一个 风机的平均发电量，方差代表一个风机功率的变 异性。当概率密度函数ｆ（ ）中的年风速 给定 时，风机的发电量的均值就可以通过求 的期望 得到： 一＋∞ Ｅ［Ｐ（Ｘ）］＝Ｉ Ｐ（ ）＿厂（ ）ｄｘ＝ ｑ Ｊ ｘ３ｆ（ ）ｄｘ＋Ｐ ［Ｆ（ ）一Ｆ（ ）］ （６） Ｊ 当，就是累积分布函数。一般说来，如果是 正态分布或者威布尔分布式，式（６）很难求得 积分上下限。因此 可运用数值方法估算风机平 均功率和方差： Ｅ［Ｐ （ ）］＝ｑ ｆＪ ６＂ ／（ ）ｄｘ＋ｐ２ ［Ｆ（ 。）一Ｆ（口 ）］ （７） ｖａｒ（Ｐ（Ｘ））＝Ｅ［Ｐ （ ）］一（Ｅ［Ｐ（Ｘ）］） （８） ２分布式发电系统成本模型 分布式发电系统成本由三部分构成，分别是： 分布式能源机组的总安装费用、年运行维护费用 和温室气体排放的罚金。其中，温室气体排放的 处罚金主要与使用化石燃料的发电设备有关。 ２．１设备安装费用 理论上说，变电站不能被认为是分布式能源。 但由于研究重点在于分布式发电系统的内联性而 非孤立性，因此，在优化公式中可将变电站视为 一个分布式能源单位，将风机和变电站作为分布 式发电系统规划中的两个备选方案。假设ｉ代表 不同类型的分布式能源机组，每一个类型均有不 同的发电量和成本。假设每一种分布式能源都可 以放置在配电网的节点 上，那么整个分布式网 第１１期 韦仲康，等考虑风力发电波动性的分布式发电可靠性规划 ３３ 络的设备年安装费用的计算公式如下： Ｃｅｑ＝ｄ （等｝÷筹）ｉ圭＝Ｉ砉。 Ｐ ＝咖羹砉Ⅱ （９） Ｃ：∑∑Ｐ （ ＋ｂ ＋ｃ ） ｉ＝１ Ｊ １ （１２） ３优化方案 分布式发电的系统规划面临的问题主要是如 式中：Ｃ 为年设备安装费用；ｒ为年利率；ｈ为设 备安装费用付清所需年数； ＝（ ）为年 何使系统成本与能源损失风险之间达到一种平衡， 金现值的计算公式；ｄ为代表分布式能源机组类 型数目；／１，为分布式能源可放置的节点数目；ａ ， 为第ｉ种分布式能源机组安装在节点的费用（以 元／ＭＷ为单位）；Ｐ 为第ｉ种分布式能源安装在 节点 上的输出功率（以Ｍｗ为单位）。 ２．２年运行与维护成本 分布式发电系统的年运行与维护成本是系统 内配置的所有分布式能源机组的运行与维护成本 之和。为计算简化，配电线路及相关设施的维护 费用也并入分布式能源维修费用中。计算公 式为： Ｃ。 ：∑∑６ （１０） 式中：Ｃ。 为年运行与维护成本；ｂ 为第 种分布 式能源每Ｍｗ的年运行与维护成本。 分布式能源的运行维护成本很大程度上会受 到分布式能源的地理位置的影响，但为简化计算 可以适当放宽假设。在公式（１０）中假定相同型 号的分布式能源设备忽略地理位置的影响，其运 行与维护成本相同。 ２．３温室气体排放的年处罚金 以化石能源为燃料的汽轮机运行会产生温室 气体污染环境，因此需要上缴温室气体排放处罚 金。虽然风力发电机运行中并不产生温室气体， 但若有变电站安装在系统中，则应计入一定的罚 金。年处罚金算作燃煤机组供应的变电站每兆瓦 的安装费用。所以，整个分布式发电系统的年处 罚金可记为： Ｃ ＝∑∑ｃ （１１） 式中：Ｃ 为温室气体排放导致的处罚金；ｃ 为第 个ＤＥＲ每兆瓦的安装成本。 综合费用等式（９）～（１１），分布式发电系 统的年总成本为： 在此刻构建一个概率优化模型，以尽量减少受能 量损失和可靠性影响的系统预期成本。该优化模 型Ｐ 为： Ｓ ｄ ｇ（ ）＝∑ｐ（ｓ － ）∑∑ Ｐ （ｓ）（‘ ｉ Ｊ １ 口 ＋６ ＋Ｃｉ） （１３） 约束条件为： Ｐｒ｛Ｐ（Ｓ）＞Ｌ｝≥１～ ； ＝１，２，…Ｓ （１４） ｄ Ｌｍ（ ）一∑ Ｐ （ｓ）≤ＶＤ Ｉｍ；ｍ＝１，…，ｚ； 为ｍ行最后一个节点；５＝１，２，…Ｊｓ（１５） ｄ ∑ ≤１；江１，２，…，ｄ ＝１，２，…，ｎ（１６） （１）式（１３）是二元决策变量集合函数，表 示分布式发电系统总预期费用。ｓ为该模型中所 有的风速情景的数量；ｓ为电网结点中某个特定 的风速情景；Ｐ（ ）表示特定风速情景ｓ（ｓ＝１， ２，…ｓ）发生的概率；Ｐ ，（ｓ）表示在风速情景为 Ｓ的条件下，第ｉ种分布式能源安装在结点 上的 发电量。 （２）Ｐ（ ）表示在风速情景为Ｓ下所有分布 式能源单元的发电量； 为切负荷率。Ｐ为电力 系统中所有的分布式能源的总发电量，计算公 式为： Ｓ ｄ ｎ Ｓ Ｐ＝∑ｐ（ ）∑∑Ｐ （ｓ）ｘ ＝∑ｐ（ ）Ｐ（ ） （３）式（１５）是热力条件，表示给定线 路的平均负荷会因负荷母线安装ＤＥＲ设备而减 少。 为第ｍ条配电线路上的负荷，是一个随机 变量；Ｌ为系统中的总负荷，也是一个随机变量， ２ 且Ｌ＝∑Ｌ ；ｍ＝ｌ 为第ｍ条配电线路中的最大电 流，Ｈ／，＝ｌ，２…ｚ； 。为分布式发电网络中配电线 路上的电压。 （４）式（１６）是为了保证一个节点上最多安 ３４ 电力科学与工程 ２０１４拒 装一个分布式能源机组。 为二元决策变量，如 果第ｉ种分布式能源安装在结点 ，则 取值为１； ４情景分析 否则为０。 模型Ｐ，不能直接求解，需要将Ｐ 转换成一 个带有确定目标函数的优化模型 。尸 主要考虑 的是存在大量风速情景时，如何使分布式系统的 情景假设如图２所示。图中有３个村落作为 电力的负载点，由变电站ｓ供电，现考虑在 或 ｙ处建造一处风力发电场，而可供选择的风电机 预期成本最小；而尸２减少了风速情景及其相关概 组额定功率为１ Ｍｗ和２ Ｍｗ，以下将研究如何对 率的数量，在此条件下求解所选的分布式能源的 此情景进行规划。 预期最小成本更为简便可行，具体如下： ｄ ｇ（ ）＝∑∑ ［Ｐ ］（加 ＋ｂ ¨ ）（１７） ‘ １ Ｉ ｌ 一∞ 一∞ Ｊｏ（Ｊ （ ）出） （ｙ）ｄｙ≥１一 ｄ （１８） （１９） （２ｏ） 图２风力发电站选址情景 ＥＥＬ ］一∑ＸｉｕＥＦｔ＇ ］≤ＶＤ。，ｍ ∑ ≤１ 根据中心极限定理，在均值和方差有限的条 件下，如果数量足够大，那么随机变量总和 的分布是有限的累积分布，且接近正态分布。关 电力负载情况是由平均负荷及负荷方差进行 描述的，根据公式（２３）和（２４）可计算得到系 统的负荷情况（如表１所示）。此外，在公式 于给定网络节点上的分布式能源机组选择，若假 设不同节点上的发电量是相互的，则风机功 率和系统负荷的变化可以被视为呈正态分布。在 条件式（１８）中， （ ）和 （Ｙ）分别为Ｐ 和 的正态概率密度函数，式（１８）的左边表示 （９）中设定：年利率ｒ＝５％，设备安装费用付清 所需年数ｈ：２０，进而得到计算得到 ＝０．０８０ ２。 表１负载点的电力负载情况 电网中总功率超过总负荷的概率。Ｐ和Ｌ的均值 和方差计算公式如下： ｄ ｅ ３＝∑∑ＸｉｊＥ［Ｐ ］Ｅ＝１ Ｊ １ （２１） （２２） （２３） 由于已有变电站Ｓ，因此，仅需加入一处风 ｄ ｎ ｖａｒ（Ｐ）＝∑∑ｘ￣ｖａｒ（Ｐ ） Ｉ １ ２ Ｅ［Ｌ］＝∑ Ｌ ］ ｌ ｖａｒ（Ｌ）＝∑ｖａｒ（Ｌ ） （２４） 力发电场，假定风电场设备成本按已折旧后计算， 风电场的成本数据如表２所示。 表２电站成本情况 式中：Ｅ［Ｐ ］和ｖａｒ（Ｐ ）分别为结点 上的第ｉ 种ＤＥＲ发电量的均值和方差；相似地，Ｅ［，Ｊ ］ 和ｖａｒ（Ｌ ）分别是第ｒｒｂ条配电线的平均负荷和 方差。Ｐ和 的概率方程由式（２１）一（２４）中 电站额定功率 成銮）（／ＭＷ／Ｍ（元・ Ｗ／ＭＩ１） （ ￣年成．Ｍ本ＷＷ／Ｍ－ ￣） （ 年．处Ｍ罚ＷＷ。－） 的均值和方差决定。由于条件（１８），Ｐ：仍 是一个非线性不平滑问题，但计算过程Ｐ 相比已 经简化。 运用威布尔分布模型研究 ，ｌ，处的风力情 第ｌ１期 韦仲康，等考虑风力发电波动性的分布式发电可靠性规划 ３５ 况，具体数据如表３所示。其中，参数来源于模 拟仿真和文献［１２］，平均风速和风速方差则由 以上基于给定的一种情景，采用枚举法对分 布式发电规划进行了分析。但是如果系统进一步 公式（３）和（４）给出。 表３风力情况统计 假设风机的功率曲线的特征参数为： ，＝ ２ ｍ／ｓ， ：８ ｍ／ｓ， ＝３０ ｍ／ｓ。对于１ ＭＷ和 ２ Ｍｗ两种风机，将数据代人式（６）～（８）中， 可得 处的风机功率的均值和方差分别为１．３ ＭＷ和 ０．７９；Ｙ处的风机功率的均值和方差分别为１．２８ ＭＷ 和０．８３。显然，与ｙ处相比， 处的风机平均功率 较大，且方差较小，即风机功率波动性较小。 利用公式（６）～（８）分别对Ｘ和ｙ两处不 同风机的功率进行计算，结果如表４所示。根据 表４可知，在 和】，两处，２ Ｍｗ风电机组的功 率方差均大于１ Ｍｗ风电机组，即２ Ｍｗ风电机 组功率波动性较大。 表４不同风机在不同地点的功率输出情况 然后由公式（１７）计算ｇ（ ），结果如表５ 所示。从成本和方差上看，在地点 处建造风电 站，应选择２ ＭＷ风电机组，因为２ ＭＷ风电机 组的成本和成本波动性均小于１ Ｍｗ风电机组。 而在】，处建造风电站，则应选择１ ＭＷ风电机组， 因为１ ＭＷ风电机组的波动性较小，且其成本与 ２ Ｍｗ风电机组成本相同。 表５不同风机在不同地点安装后的系统成本 复杂化，即增加分布式能源类型或母线节点数， 无法再枚举法进行分析，因此，在后续工作可以 进一步考虑利用遗传算法等来进行最优化设计。 ５ 结论 本文结合风力发电波动模型和一个简单的分 布式发电系统成本模型，构建出分布式风电的波 动成本模型。然后，以系统成本最小化为目标， 提出分布式风电的机组选址和选型的优化模型， 为便于计算并对其进一步简化。在一个简化的情 景实例中，运用枚举法对该优化模型进行实例分 析，并给出了在此情景下的风电站选址和选型。 分析结果证明该模型可以为分布式风电机组的选 址和选型优化提供依据。 参考文献： ［１］谷永刚，王琨，张波．分布式发电技术及其应用现状 ［Ｊ］．电网与清洁能源，２０１０，２６（６）：３８—４３． ［２］Ｓｏｒｏｕｄｉ Ａ，Ｅｈｓａｎ Ｍ．Ｍｕｌｔｉ ｏｂｊｅｃｔｉｖｅ ｄｉｓｔｉｒｂｕｔｅｄ ｇｅｎｅｒａｔｉｏｎ ｐｌａｎｎｉｎｇ ｉｎ ｌｉｂｅｒｉｚｅｄ ｅｌｅｃｔｒｉｃｉｔｙ ｍａｒｋｅｔｓ［Ｃ］．Ｃｈｉｃａｇｏ： Ｔｒａｎｓｍｉｓｓｉｏｎ ａｎｄ Ｄｉｓｔｒｉｂｕｔｉｏｎ Ｃｏｎｆｅｒｅｎｃｅ ａｎｄ Ｅｘｐｏｓｉｔｉｏｎ， ２００８：１—７． ［３］赵兴勇，康凯，赵艳秋．分布式电源选址定容优化算法 ［Ｊ］．电力科学与工程，２０１１，２７（３）：５１—５４ ［４］Ｈａｄｉａｎ Ａ，Ｈａｇｈｉｆａｍ Ｍ Ｒ，Ｚｏｈｒｅｖａｎｄ Ｊ，ｅｔ ａ１．Ｐｒｏｂａｂｉｌｉｓｔｉｃ ａｐｐｒｏａｃｈ ｆｏｒ ｒｅｎｅｗａｂｌｅ ｄｇ ｐｌａｃｅｍｅｎｔ ｉｎ ｄｉｓｔｉｒｂｕｔｉｏｎ ｓｙｓｔｅｍｓ ｗｉｔｈ ｕｎｃｅｒｔａｉｎ ａｎｄ ｔｉｍｅ ｖａｒｙｉｎｇ ｌｏａｄｓ［Ｃ］．Ｃａｌｇａｒｙ：Ｐｏｗｅｒ ＆Ｅｎｅｒｇｙ Ｓｏｃｉｅｔｙ Ｇｅｎｅｒａｌ Ｍｅｅｔｉｎｇ，２００９：１—８． ［５］Ｏｃｈｏａ Ｌ Ｆ，Ｐａｄｉｈａ．Ｆｅｈｒｉｎ Ａ，Ｈａｒｒｉｓｏｎ Ｇ Ｐ．Ｔｉｍｅ—ｓｅｒｉｅｓ— ｂａｓｅｄ ｍａｘｉｍｉｚａｔｉｏｎ ｏｆ ｄｉｓｔｒｉｂｕｔｅｄ ｗｉｎｄ ｐｏｗｅｒ ｇｅｎｅｒａｔｉｏｎ ｉｎ— ｔｅｇｒａｔｉｏｎ［Ｃ］．２００８ ＩＥＥＥ Ｔｒａｎｓ．Ｅｎｅｒｙｇ Ｃｏｎｖｅｒｓ，２００８， ２３（３）：９６８—９７４． ［６］洪翠，林维明，温步瀛．风电场风速及风电功率预测方 法研究综述［Ｊ］．电网与清洁能源，２０１１，２７（１）： ６０～６６． ［７］曹娜，于群，戴慧珠．计及随机波动风速、风向的风电 场建模方法研究［Ｊ］．电网与清洁能源，２０１３，２９ （４）：８５—９０． ３６ 电力科学与工程 ２０１４正 ［８］牛晨光，游晓科，赵震云，等．风电场发电功率短期预 测组合模型研究［Ｊ］．华北电力大学学报，２０１２，３９ （３）：２９～３４． ｇｒａｐｈｉｃａｌ ｃｏｒｒｅｌａｔｉｏｎ ｌｅｖｅｌ ｆｏｒ ｒｅｌｉａｂｉｌｉｔｙ ｓｔｕｄｉｅｓ［Ｊ］．ＩＥＥＥ Ｔａｍｓａｃｔｉｏｎｓ ｏｎ Ｐｏｗｅｒ Ｓｙｓｔ，２００７，２２（４）：２２３２—２２３９． ［１２］Ｓｐａｈｉｃ Ａ，Ｕｎｄｅｒｂｒｉｎｋ Ａ，Ｂｕｃｈｅ￣Ｖ，ｅｔ ａ１．Ｒｅｌｉａｂｉｌｉｔｙ ｍｏｄｅｌ ｏｆｌａｒｇｅ ｏｆｆｓｈｏｒｅ ｗｉｎｄ ｆａｒｍｓ［Ｃ］．Ｂｕｃｈａｒｅｓｔ：Ｐｏｗ— ｅｒＴｅｃｈ，２００９ ＩＥＥＥ Ｂｕｃｈａｒｅｓｔ，２００９：１—６． ［９］刘永前，高小力，韩爽，等．基于修正风速的风电场等 效功率特性模型研究［Ｊ］．华北电力大学学报，２０１４， ４】（３）：４９—５４ ［１３］Ｊｉｎ Ｔ Ｄ，Ｔｉａｎ Ｚ Ｇ．Ｕｎｃｅｒｔａｉｎｔｙ ａｎａｌｙｓｉｓ ｆｏｒ ｗｉｎｄ ｅｎｅｒｇｙ ［１０］游欣佩，马平．基于模糊层次分析法的风电场优化选 址方法研究［Ｊ］．电力科学与工程，２０１２，２８（１２）： ４５—４９ ｐｒｏｄｕｃｔｉｏｎ ｗｉｔｈ ｄｙｎａｍｉｃ ｐｏｗｅｒ ｃｕｒｖｅｓ［Ｃ］．Ｓｉｎｇａｐｏｒｅ： Ｐｒｏｂａｂｉｌｉｓｔｉｃ Ｍｅｔｈｏｄｓ Ａｐｐｌｉｅｄ ｔｏ Ｐｏｗｅｒ Ｓｙｓｔｅｍｓ （ＰＭＡＰＳ），２０１０ ＩＥＥＥ １ １ ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ， ２０１０．７４５—７５０． ［１１］Ｖａｌｌｅｅ Ｆ，Ｌｏｂｒｙ Ｊ，Ｄｅｂｌｅｃｋｅｒ Ｏ．Ｉｍｐａｃｔ ｏｆ ｔｈｅ ｗｉｎｄ ｇｅｏ— Ｒｅｌｉａｂｉｌｉｔｙ Ｐｌａｎｎｉｎｇ ｏｆ Ｄｉｓｔｒｉｂｕｔｅｄ Ｇｅｎｅｒａｔｉｏｎ Ｃｏｎｓｉｄｅｒｉｎｇ Ｗｉｎｄ Ｐｏｗｅｒ Ｆｌｕｃｔｕａｔｉｏｎｓ Ｗｅｉ Ｚｈｏｎｇｋａｎｇ，Ｘｕ ｄｉａｎｆｅｉ，Ｙｕ Ｐｅｎｇ （Ｓｔａｔｅ Ｇｒｉｄ Ｊｉｂｅｉ Ｅｌｅｃｔｉｒｃ Ｐｏｗｅｒ Ｃｏｍｐａｎｙ Ｌｉｍｉｔｅｄ，Ｐｏｗｅｒ Ｄｉｓｐａｔｃｈｉｎｇ Ｃｅｎｔｅｒ，Ｂｅｉｊｉｎｇ １０００００，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｎ ｏｒｄｅｒ ｔｏ ｇｕａｒａｎｔｅｅ ｔｈｅ ｓｃｉｅｎｔｉｉｆｃｎｅｓｓ ａｎｄ ｒｅｌｉａｂｉｌｉｔｙ ｏｆ ｔｈｅ ｄｉｓｔｒｉｂｕｔｅｄ ｇｅｎｅｒａｔｉｏｎ ｐｌａｎｎｉｎｇ，ｔｈｅ ｓｔｕｄｙ ｏｒ ｔｆｈｅ ｓｉｔｉｎｇ ａｎｄ ｌｅｃｔｏｔｙｐｅ ｏｆ ｄｉｓｔｉｂｕｔｅｄ ｗｉｎｄ ｐｏｗｅｒ ｉｓ ｃａｒｒｒｉｅｄ ｏｕｔ．Ｗｅｉｂｕｌｌ ｄｉｓｔｉｒｂｕｔｉｏｎ ｉｓ ｕｓｅｄ ｔｏ ｄｅｓｃｒｉｂｅ ｔｈｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｏｆ ｃｈａｎｇｅ ｉｎ ｗｉｎｄ ｓｐｅｅｄ ｄｉｓｔｉｒｂｕｔｉｏｎ，ａｎｄ ｃｏｍｂｉｍｉｎｇ ｗｉｔｈ ｔｈｅ ｐｏｗｅｒ ｃｕｒｖｅ ｅｑｕａｔｉｏｎ ｏｆ ｗｉｎｄ ｔｕｒｂｉｎｅ ｔｈｅ ｐｏｗｅｒ ｏｕｔｐｕｔ ｆｌｕｃｔｕａｔｉｏｎｓ ｍｏｄｅｌ ｉｓ ｂｕｉｌｔ ｉｎ ｔｈｉｓ ｐａｐｅｒ．Ａｎｄ ａ ｃｏｓｔ ｍｏｄｅｌ ｏｆ ｌｆｕｃｔｕａｔｉｏｎｓ ｏｆ ｄｉｓｔｉｂｕｔｅｄ ｗｉｎｄ ｐｏｗｅｒｒ ｉｓ ｂｕｉｈ ｏｎ ｔｈｉｓ ｂａｓｉｓ．Ｂａｓｅｄ ｏｎ ｍｉｎｉｍｉｚｉｎｇ ｔｈｅ ｓｙｓｔｅｍ ｃｏｓｔ，ｏｐｔｉｍｉｚａｔｉｏｎ ｓｃｈｅｍｅ ｉｓ ｐｒｏｐｏｓｅｄ ｉｎ ｏｒｄｅｒ ｔｏ ｐｒｏｖｉｄｅ ｔｈｅ ｔｈｅｏｒｅｔｉｃａｌ ｂａｓｉｓ ｆｏｒ ｓｉｔｔｉｎｇ ａｎｄ ｌｅｃｔｏｔｙｐｅ ｏｆ ｄｉｓｔｒｉｂｕｔｅｄ ｗｉｎｄ ｐｏｗｅｒ．Ａｃｃｏｒｄｉｎｇ ｔｏ ｓｉｔｕａｔｉｏｎ ａｎａｌｙｓｉｓ，ｉｔ ｓｈｏｗｓ ｔｈａｔ ｔｈｅ ｍｏｄｅｌ ａｎｄ ｔｈｅ ｏｐｔｉｍｉｚａｔｉｏｎ ｓｃｈｅｍｅ ｃａｎ ｐｒｏｖｉｄｅ ｓｃｉｅｎｔｉｆｉｃ ｔｈｅｏｒｅｔｉｃａｌ ｂａｓｉｓ ｆｏｒ ｔｈｅ ｓｉｔｔｉｎｇ ａｎｄ ｌｅｃｔｏｔｙｐｅ ｏｆ ｄｉｓｔｒｉｂ— ｕｔｅｄ ｗｉｎｄ ｐｏｗｅｒ． Ｋｅｙｗｏｒｄｓ：ｄｉｓｔｉｂｕｔｅｄ ｇｅｎｅｒａｔｒｉｏｎ ｓｙｓｔｅｍｓ；Ｗｅｉｂｕｌｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｍｏｄｅｌ；ｗｉｎｄ ｐｏｗｅｒ ｆｌｕｃｔｕａｔｉｏｎｓ 华北电力大学科技园简介 华北电力大学科技园是２００６年１０月经科技部、教育部评估认定的国家级大学科技园。国家大学科技 园是以具有较强科研实力的大学为依托，将大学的综合智力资源优势与其他社会优势资源相结合，为高 等学校科技成果转化、高新技术企业孵化、创新创业人才培养、产学研结合提供支撑的平台和服务机构。 科技园隶属华北电力大学科学技术研究院，由北京、保定两个园区组成，分别由国家大学科技园 管理办公室、华北电力大学科学技术处（保定）负责科技园的建设和管理。北京华电天德科技园有限 公司、保定华电天德科技园有限公司是我校科技园的运行载体和执行机构。 华北电力大学科技园保定园区（保定华电天德科技园有限公司）是由华北电力大学和保定高新技 术创业服务中心共同投资组建的法人机构。科技园以保定电力特色产业集群为基础，以华电技术、 人才和行业优势为依托，以“整合资源、构建平台、专业服务、促进转化”为宗旨，以建设一流的 “中国电力科技园”为目标，突出电力特色，挖掘行业优势，开展科技成果转化、科技企业孵化及技术 服务，形成电力科技产业。园区现有华北电力大学校内及保定大学科技园５号楼两个主要孵化服务场 地，孵化服务面积１１ ０００ ｍ ，是河北省科技企业孵化器、河北省中小企业技术创新公共服务示范机构。
