王詩超，劉嘉暢，劉展志

（中國能源建設(shè)集團(tuán)廣東省電力設(shè)計(jì)研究院有限公司, 廣東 廣州 510663）

0 引言

當(dāng)前，能源轉(zhuǎn)型變革正在全球興起，新能源替代傳統(tǒng)化石能源，電能在能源消費(fèi)中比例提升是全球能源格局發(fā)展的大勢所趨，世界各國也都面臨著巨大的挑戰(zhàn)[1]。我國海岸線長達(dá)1.8萬km，大小島嶼有6 000余座，可利用海域面積300多萬km2，擁有發(fā)展海上風(fēng)電的天然優(yōu)勢。與陸上風(fēng)電相比，海上風(fēng)電具有不占用土地、風(fēng)速高、風(fēng)電機(jī)組發(fā)電量大、離負(fù)荷中心近、易消納等優(yōu)勢。然而，海上風(fēng)電存在間歇性強(qiáng)、波動性大、雙向調(diào)峰性的特性，在碳達(dá)峰、碳中和背景下未來大規(guī)模海上風(fēng)電并網(wǎng)無疑將對電網(wǎng)的電量平衡提出更高的挑戰(zhàn)。因此，為了更準(zhǔn)確地掌握海上風(fēng)電大規(guī)模并網(wǎng)對于電網(wǎng)電量平衡的影響、合理開發(fā)海上風(fēng)電與進(jìn)行電網(wǎng)配套建設(shè)，對海上風(fēng)電出力曲線進(jìn)行更合理和細(xì)致地分類與提取，具有十分重要的意義。

目前，海上風(fēng)電出力曲線的研究普遍采用的方法是基于各風(fēng)電場出力的原始曲線，通過聚類分析的方法對實(shí)際風(fēng)電出力場景進(jìn)行提取、歸類和簡化。國內(nèi)外對包含風(fēng)電在內(nèi)的新能源發(fā)電出力特性做了大量研究。為研究風(fēng)電典型場景下的出力分布特征，相關(guān)研究采用最優(yōu)核函數(shù)帶寬選擇的改進(jìn)型非參數(shù)核密度估計(jì)法[2]、采用貝塔（Beta）分布擬合風(fēng)電出力的預(yù)測誤差[3-5]、采用流體計(jì)算模型，提出基于風(fēng)資源評估不確定分析方法的風(fēng)電有效出力計(jì)算模型[6]等不同模型對風(fēng)電出力進(jìn)行擬合。

通過不同算法、模型分別得到風(fēng)電出力特征，進(jìn)一步歸納得到風(fēng)電典型場景集，對提出具備實(shí)際應(yīng)用場景的風(fēng)電出力模型有較大意義。文獻(xiàn)[7]基于改進(jìn)k-means聚類算法，得到風(fēng)電功率典型場景并將場景應(yīng)用到電力系統(tǒng)日前調(diào)度；文獻(xiàn)[8-9]通過kmeans聚類實(shí)現(xiàn)對風(fēng)電場出力樣本的聚類劃分，得到典型風(fēng)電場出力場景并將場景應(yīng)用到電力系統(tǒng)日前調(diào)度；以上場景提取均受限于k-means聚類數(shù)的選取而對聚類結(jié)果有不利影響。文獻(xiàn)[10]基于Wasserstein概率距離指標(biāo)和改進(jìn)k-medoids對原始風(fēng)電出力數(shù)據(jù)進(jìn)行劃分，得到經(jīng)典風(fēng)電場出力場景集；文獻(xiàn)[11]通過分層聚類法和主成分分析法對風(fēng)電出力歷史數(shù)據(jù)進(jìn)行處理，提取出典型風(fēng)電出力場景；文獻(xiàn)[12]分別采用改進(jìn)k-means聚類和兩步聚類算法得到風(fēng)電的典型場景集；文獻(xiàn)[13]基于概率分布的高斯混合聚類模型 GMM(Gaussian Mixture Model)，以某一類的概率大小為樣本相似度判斷，對風(fēng)電出力場景劃分，獲得風(fēng)電的典型場景集；以上研究缺少基于不同海風(fēng)區(qū)域和不同出力特性情況進(jìn)行分類和特征曲線的提取，這樣就導(dǎo)致無法反映出不同海風(fēng)區(qū)域海上風(fēng)電出力的特性，因而無法更好地反應(yīng)各海風(fēng)區(qū)域的特征。另外，由于無法針對不同出力特性的海風(fēng)曲線給出不同類別的特征曲線，因而使得利用海風(fēng)曲線進(jìn)行的電量平衡計(jì)算結(jié)果失準(zhǔn)。

因此，本文提出一種基于貝葉斯信息準(zhǔn)則BIC(Bayesian Information Criterion)的高斯混合聚類模型GMM，對各海風(fēng)區(qū)域出力的原始曲線進(jìn)行分類，形成不同特征的曲線簇，并在各類曲線簇的基礎(chǔ)上，按照時(shí)間特征使用箱型圖對原始數(shù)據(jù)進(jìn)行篩選并提取特征值，迭代篩選后每一類各得到一條代表性曲線，作為此類海上風(fēng)電曲線簇的日出力特征曲線，用于海上風(fēng)電出力的電量平衡計(jì)算。

1 原始出力曲線數(shù)據(jù)處理

根據(jù)區(qū)域海上風(fēng)電分布情況和基于海上測風(fēng)塔8 760 h測風(fēng)數(shù)據(jù)，結(jié)合海域位置、離岸距離以及風(fēng)速情況，將全區(qū)域海上風(fēng)電劃分為N個(gè)風(fēng)區(qū)。

結(jié)合子區(qū)域內(nèi)各風(fēng)區(qū)海上風(fēng)電規(guī)模和各風(fēng)區(qū)小時(shí)級海上風(fēng)電出力原始曲線，通過加權(quán)求和的方式可以得到子區(qū)域的小時(shí)級海上風(fēng)電出力原始曲線，公式如下：

式中：

Ait?當(dāng)前區(qū)域的小時(shí)級海上風(fēng)電出力原始曲線；

i?風(fēng)區(qū)；

m?當(dāng)前區(qū)域內(nèi)的風(fēng)區(qū)的總數(shù)目；

Pit?風(fēng)區(qū)i的海上風(fēng)電出力原始曲線(t=1,2,···,8760)；

αi?風(fēng)區(qū)i的海上風(fēng)電規(guī)模占當(dāng)前區(qū)域的海上風(fēng)電總規(guī)模的比重。

對全域內(nèi)所有分風(fēng)區(qū)內(nèi)海上風(fēng)電場出力序列進(jìn)行疊加，可得到全域海上風(fēng)電出力曲線。

2 基于GMM對海上風(fēng)電出力曲線的劃分方法

2.1 高斯混合聚類模型

GMM是一種基于概率模型的聚類方法，GMM假設(shè)輸入樣本服從k個(gè)參數(shù)未知的高斯分布，服從同一分布的樣本則被聚為一類。GMM利用最大期望 (Expectation-Maximization, EM)算法對k個(gè)混合的高斯分布進(jìn)行擬合，以求得每個(gè)分布的均值和協(xié)方差。相較于應(yīng)用廣泛的k-means聚類、層次凝聚聚類等方法，GMM聚類方法在復(fù)雜分布能夠獲得較好的擬合效果，且聚類效果優(yōu)于k-means[14-15]。

假設(shè)一天內(nèi)每個(gè)小時(shí)的風(fēng)電功率xi(i= 1 , 2,···,24)，則高斯混合模型可以表示為：

式中：

x?隨機(jī)變量；

p(x) ?隨機(jī)變量x的概率；

πk?權(quán)重系數(shù)，且滿足

N(x|μk,εk) ?混合模型中的第k個(gè)高斯分布分量。

以上高斯混合模型有3個(gè)參數(shù)需要估計(jì)，分別為均值 μk、 權(quán)重系數(shù) πkπ 以及方差 εk。

上式也可以轉(zhuǎn)化為：

下面采用最大期望算法(EM)進(jìn)行以上參數(shù)估計(jì)。算法具體步驟如下：

1）指定 μ ，π，ε的初始值。

2）計(jì)算后驗(yàn)概率 γ (k)：

3）求解 μk的 最大似然函數(shù)：

4）求 εk的 最大似然值：

5）求解 πk的 最大似然函數(shù)：

2.2 最佳聚類個(gè)數(shù)的確定方法

對于最佳聚類個(gè)數(shù)的確定，GMM聚類往往是采用BIC[16]。BIC是在1978年由Schwarz提出，用于實(shí)際中選擇最優(yōu)的模型。本文利用基于BIC的模型選擇理論對GMM的分組個(gè)數(shù)進(jìn)行概率估計(jì)，通過逼近的方式逐步獲得最優(yōu)聚類數(shù)目。BIC的定義如下式所示：

式中：

k?模型參數(shù)個(gè)數(shù)；

n?樣本數(shù)量；

L?估計(jì)模型似然函數(shù)最大值；

kln(n) ?懲罰項(xiàng)，在維數(shù)過大且訓(xùn)練樣本數(shù)據(jù)相對較少的情況下，可以有效避免出現(xiàn)維度災(zāi)難現(xiàn)象。

假設(shè)模型的誤差或擾動呈正態(tài)分布，則BIC可表示為：

式中：

SRSS? 估計(jì)模型的殘差平方和。

BIC是SRSS和k的遞增函數(shù)，即殘差和未知參數(shù)的引入會使BIC增大。因此，在判斷海上風(fēng)電出力最優(yōu)聚類個(gè)數(shù)時(shí)，以具有低BIC值的模型為優(yōu)。

2.3 箱型圖的篩選原則

箱型圖也叫箱線圖，是檢驗(yàn)樣本數(shù)據(jù)中異常值的常用方法。箱型圖上下為樣本最大值和最小值，樣本中位數(shù)置于箱型圖中部，四分位數(shù)的間距為箱長（IQR），中位數(shù)上下端為上四分位數(shù)（Q3）和下四分位數(shù)（Q1）。箱形圖的結(jié)構(gòu)如圖1所示。

圖1 箱型圖結(jié)構(gòu)Fig.1 Box plot′s structure

當(dāng)樣本數(shù)據(jù)不在[Q3-1.5IQR，Q3+1.5IQR]區(qū)間時(shí)，定義為箱型圖的異常值。本文對異常值采用剔除的方法進(jìn)行處理，以保證結(jié)果的可靠性，經(jīng)篩選后的曲線能真實(shí)直觀地表現(xiàn)出力曲線原始特性。

3 海上風(fēng)電出力的電量平衡計(jì)算方法

3.1 海上風(fēng)電出力曲線分類流程

針對不同風(fēng)電場、不同海風(fēng)區(qū)域和不同特性的海風(fēng)出力曲線，通過不同海風(fēng)區(qū)域的劃分，建立各海風(fēng)區(qū)域出力的原始曲線，在挑出夏季反調(diào)峰特性曲線的基礎(chǔ)上，對剩余出力曲線根據(jù)其出力特性、波動趨勢等特征，采用GMM對原始曲線進(jìn)行分類，形成不同特征的曲線簇。在各類曲線簇的基礎(chǔ)上，按照時(shí)間特征使用箱型圖對原始數(shù)據(jù)進(jìn)行篩選并提取特征值，迭代篩選后每一類各得到一條代表性曲線，作為此類海上風(fēng)電曲線簇的日出力特征曲線。對各類日出力特征曲線的月度分布特性進(jìn)行統(tǒng)計(jì)分析，在此基礎(chǔ)上擬定不同海上風(fēng)電出力情景，并得到各情景的概率值，具體分類步驟如下所述：

1）根據(jù)某地域特點(diǎn)，將其分為若干子區(qū)域，并將各風(fēng)區(qū)劃分至各子區(qū)域。結(jié)合子區(qū)域內(nèi)各風(fēng)區(qū)海上風(fēng)電規(guī)模和各風(fēng)區(qū)小時(shí)級海上風(fēng)電出力原始曲線，通過加權(quán)求和的方式可以得到子區(qū)域的小時(shí)級海上風(fēng)電出力原始曲線，公式如下：

式中：

At?各子區(qū)域小時(shí)級海上風(fēng)電出力原始曲線，(t= 1 , 2,···,8760)；

I?該子區(qū)域內(nèi)的第i個(gè)風(fēng)場；

m?該子區(qū)域內(nèi)風(fēng)場總數(shù)目；

Pit?第i個(gè)風(fēng)場的出力原始曲線(t=1,2,···,8760)。

2）得到夏季反調(diào)峰特性曲線簇。將各子區(qū)域At(t= 1 , 2,···,8760)夏季(5~10月)184條海上風(fēng)電日出力曲線對日負(fù)荷峰谷差的加劇程度按大到小進(jìn)行降序排列，挑出反調(diào)峰特性曲線，即反調(diào)峰特性指標(biāo)大于5%的日出力曲線，形成一類夏季反調(diào)峰特性曲線簇。反調(diào)峰特性指標(biāo)的計(jì)算公式如下：

式中：

γsum?夏季海風(fēng)日出力曲線的反調(diào)峰特性值；

?Lnet?凈負(fù)荷曲線峰谷差，凈負(fù)荷曲線為日負(fù)荷曲線減去海上風(fēng)電日出力所形成的曲線；

?L0?日負(fù)荷曲線峰谷差；

pmax?當(dāng)日海上風(fēng)電出力最大值。

3）對經(jīng)過步驟2處理后中各子區(qū)域At(t=1,2,···,8760)剩余的海上風(fēng)電日出力曲線按照波動趨勢和出力特性進(jìn)行分類，得到若干曲線簇。分類方法考慮采用高斯混合模型，利用公式（3），設(shè)定K個(gè)高斯分布，每個(gè)高斯分布線性疊加得到高斯混合模型概率密度函數(shù)。

4）確定高斯混合分布所得到的合理的曲線簇分類個(gè)數(shù)。高斯混合分布可以將各子區(qū)域的小時(shí)級海上風(fēng)電出力曲線分為指定的K類，但合理的K值卻無法由高斯混合分布給出。采用公式（8）確定合理的曲線簇分類數(shù)目，保證對原始數(shù)據(jù)的合理分類。

5）基于曲線簇分類結(jié)果，利用箱型圖對包括反調(diào)峰特性曲線簇在內(nèi)的數(shù)據(jù)進(jìn)行篩選和迭代，得到各曲線簇的代表性曲線。分析各曲線簇?cái)?shù)據(jù)的中心位置和散布范圍，并計(jì)算數(shù)據(jù)間的離散程度、異常值和分布差異等，最終每個(gè)曲線簇得到一條代表性曲線。

6）擬定各子區(qū)域不同的海上風(fēng)電出力情景。對步驟5中所得到的子區(qū)域內(nèi)各條海上風(fēng)電出力代表性曲線所表征的曲線簇進(jìn)行月份特征統(tǒng)計(jì)，在此基礎(chǔ)上得到各月份所對應(yīng)的海上風(fēng)電出力代表性曲線。代表性曲線的選取原則考慮如下：（1）若夏季較為集中出現(xiàn)某條代表性曲線，則以此條曲線代表夏季海風(fēng)日出力特性，特別地，對于夏季若出現(xiàn)不同代表性曲線并且概率較為接近的情況，則以不同曲線代表夏季海風(fēng)日出力特性；（2）若冬季較為集中出現(xiàn)某條代表性曲線，則以此條曲線代表冬季海風(fēng)日出力特性，特別地，對于冬季若出現(xiàn)不同代表性曲線并且概率較為接近的情況，則以不同曲線代表冬季海風(fēng)日出力特性；（3）同時(shí)對夏季以及冬季得到的代表性曲線進(jìn)行組合，并結(jié)合概率統(tǒng)計(jì)特性，由此形成不同的各子區(qū)域全年海上風(fēng)電出力情景。表示如下：

式中：?

SCEi?第i個(gè)出力情景；

Summ?夏季代表性曲線m；

Winn冬季代表性曲線n。

于是，所形成的各出力情景的概率值公式如下：

式中：

βi?第i個(gè)出力情景的概率值；

Nsumm?夏季代表性曲線m所在曲線簇中夏季曲線總條數(shù)；

Nwinn?冬季代表性曲線n所在曲線簇中冬季曲線總條數(shù)；

N0sum?各條夏季代表性曲線所在曲線簇中夏季曲線總條數(shù)；

N0win?冬季代表性曲線所在曲線簇中冬季曲線總條數(shù)。

7）對各不同情景i下的全年的海上風(fēng)電出力曲線進(jìn)行修正。不同出力情景下，應(yīng)保證全年的海上風(fēng)電利用小時(shí)數(shù)與各子區(qū)域小時(shí)級海上風(fēng)電出力所得到的利用小時(shí)數(shù)一致。利用原始利用小時(shí)數(shù)與不同出力情景下的利用小時(shí)數(shù)的比值作為修正因子，并對情景內(nèi)各條出力特征曲線進(jìn)行修正。公式如下：

式中：

?修正后的海風(fēng)出力特征曲線；

?修正前的海風(fēng)出力特征曲線；

Tori?各子區(qū)域小時(shí)級海上風(fēng)電出力得到的原始年利?用小時(shí)數(shù)；

Tsce各情景海上風(fēng)電特征曲線得到的修正前的年利用小時(shí)數(shù)。

3.2 海上風(fēng)電出力的電量平衡計(jì)算

海上風(fēng)電出力的電量平衡計(jì)算方法流程如圖2所示。根據(jù)上述獲得的不同類別的海上風(fēng)電出力特征曲線，根據(jù)各個(gè)出力情景的概率值通過加權(quán)平均法進(jìn)行電量平衡計(jì)算，公式如下：

圖2 海上風(fēng)電出力的電量平衡計(jì)算方法流程Fig.2 Flow chart of calculation method for electric quantity balance of offshore wind power output

式中：

ai?風(fēng)區(qū)i的第1海上風(fēng)電規(guī)模占當(dāng)前區(qū)域的海上風(fēng)電總規(guī)模的比重。

式中：

Q??當(dāng)前區(qū)域的海上風(fēng)電的電量平衡曲線組；

M?第4出力特征曲線組；

Qi根據(jù)與當(dāng)前區(qū)域的全年海上風(fēng)電出力情景i對應(yīng)的第4出力特征曲線組所計(jì)算的電量平衡結(jié)果；

βi?與當(dāng)前區(qū)域的全年海上風(fēng)電出力情景i對應(yīng)的第3概率值。

對于各類電源的利用小時(shí)數(shù)，按如下公式獲得全年利用小時(shí)數(shù)：

式中：

P?各類電源裝機(jī)容量。

3.3 計(jì)算實(shí)例

根據(jù)中國某省份的海上風(fēng)電分布情況和海上測風(fēng)數(shù)據(jù)（剔除不良測風(fēng)塔測風(fēng)數(shù)據(jù)）將全省海上風(fēng)電劃分為3個(gè)子區(qū)域，分別為子區(qū)域1、子區(qū)域2以及子區(qū)域3，并采用中國某省的海上風(fēng)電原始出力曲線，按表1中海上風(fēng)電裝機(jī)15 GW規(guī)模下不同區(qū)域裝機(jī)情況，擬合得到不同子區(qū)域風(fēng)電出力率曲線。

表1 中國某省海上風(fēng)電不同場景發(fā)展規(guī)模及其分布情況Tab.1 Development scale and distribution of offshore wind power in different scenarios of a Chinese province

對中國某省份不同子區(qū)域內(nèi)海上風(fēng)電原始出力曲線，通過采用第2節(jié)所提的分類方法對各子區(qū)域的海上風(fēng)電擬合出力曲線進(jìn)行分類、篩選以及聚合處理，得到15 GW裝機(jī)規(guī)模下各子區(qū)域曲線簇分類結(jié)果如圖3~圖4所示。從圖中可以看出，子區(qū)域1能夠聚類出1條反調(diào)峰和3類海上風(fēng)電出力曲線，子區(qū)域2能夠聚類出3類海上風(fēng)電出力曲線，子區(qū)域3能夠聚類出1條反調(diào)峰和2類海上風(fēng)電出力曲線。

圖3 子區(qū)域1風(fēng)電出力不同曲線族與特征曲線分類結(jié)果Fig.3 Classification results of different curve group and characteristic curves of offshore wind power output in Area 1

圖4 子區(qū)域2、3風(fēng)電出力不同曲線族與特征曲線分類結(jié)果Fig.4 Classification results of different curve group and characteristic curves of offshore wind power output in Area 2 and Area 3

對上述所得到的各子區(qū)域內(nèi)各條海上風(fēng)電出力代表性曲線所表征的曲線簇進(jìn)行月份特征統(tǒng)計(jì)，在此基礎(chǔ)上得到各月份所對應(yīng)的海上風(fēng)電出力代表性曲線。

區(qū)域1同種類海上風(fēng)電日出力曲線的月份統(tǒng)計(jì)特性如圖5所示，區(qū)域1在夏季5~10月份，反調(diào)峰特性曲線較為集中，共出現(xiàn)52條，占整個(gè)夏季曲線的比例為45%，另外3類曲線在夏季占比較低，于是僅考慮反調(diào)峰特性曲線作為區(qū)域1夏季代表性曲線。同理可知，區(qū)域1在冬季1~4月份以及11~12月份，第2類和第3類曲線分別出現(xiàn)38條（占比23%）和103條（占比63%），而反調(diào)峰及第1類曲線在冬季的占比較低，于是選取第2類和第3類曲線作為區(qū)域1的冬季代表性曲線。

圖5 區(qū)域1不同種類海上風(fēng)電日出力曲線的月份統(tǒng)計(jì)特性Fig.5 Monthly statistical characteristics of daily output curves of different types of offshore wind power in Area 1

區(qū)域2不同種類海上風(fēng)電日出力曲線的月份統(tǒng)計(jì)特性如圖6所示，區(qū)域2在夏季5~10月份，第1類曲線較為集中，共有96條（占比52%），另外兩類曲線在夏季占比較低，于是選取第1類曲線作為區(qū)域2夏季的代表性曲線。在冬季1~4月份以及11~12月份中，第2類和第3類曲線分別出現(xiàn)38條（占比23%）和103條（占比63%），而反調(diào)峰及第1類曲線在冬季的占比較低，于是選取第2類和第3類曲線作為區(qū)域1的冬季代表性曲線。

圖6 區(qū)域2不同種類海上風(fēng)電日出力曲線的月份統(tǒng)計(jì)特性Fig.6 Monthly statistical characteristics of daily output curves of different types of offshore wind power in Area 2

區(qū)域3不同種類海上風(fēng)電日出力曲線的月份統(tǒng)計(jì)特性如圖7所示，區(qū)域3在夏季5~10月份中，海上風(fēng)電曲線類型中以反調(diào)峰特性曲線占比為54%，共75條，其余曲線占比較低，故選取反調(diào)峰曲線作為區(qū)域3夏季的代表性曲線。在冬季1~4月份以及11~12月份中，第1類和第2類曲線分別為58條（占比40%）和60條（占比42%）而反調(diào)峰特性曲線在冬季占比較低，故選擇第1類和第2類曲線作為區(qū)域3的冬季代表性曲線。

圖7 區(qū)域3不同種類海上風(fēng)電日出力曲線的月份統(tǒng)計(jì)特性Fig.7 Monthly statistical characteristics of daily output curves of different types of offshore wind power in Area 3

區(qū)域的全年海上風(fēng)電出力曲線由一條夏季海上風(fēng)電出力曲線和一條冬季海上風(fēng)電出力曲線組成，因此結(jié)合上述中各區(qū)域所取的夏季與冬季海上風(fēng)電出力代表性曲線，可以組合出各區(qū)域的全年海上風(fēng)電出力場景，如表2所示。

表2 各區(qū)域海上風(fēng)電場景劃分Tab.2 Scene division of offshore wind power in different area

將該省份3個(gè)區(qū)域出現(xiàn)的場景進(jìn)行組合，獲得全省海上風(fēng)電15 GW裝機(jī)規(guī)模下各情景分類統(tǒng)計(jì)結(jié)果以及概率特性，如表3所示。

對表3中獲得的4個(gè)場景中全年海上風(fēng)電代表性出力曲線，考慮其各自的權(quán)重，利用公式（15）和公式（16），得到全年電量平衡和利用小時(shí)數(shù)結(jié)果，如表4所示。

表3 某省海上風(fēng)電情景分類統(tǒng)計(jì)結(jié)果Tab.3 Statistic of classification results of offshore wind power scenes in province (example)

表4 不同場景下全年電量平衡結(jié)果Tab.4 Annual electric quantity balance results under different scenarios

結(jié)合海上風(fēng)電各類組合場景曲線，在綜合考慮各類組合場景中海上風(fēng)電各類反調(diào)峰曲線中發(fā)現(xiàn)，海風(fēng)曲線各類場景中不存在電量不足現(xiàn)象，且在情景3和4中出現(xiàn)少量棄風(fēng)電量，處于較低水平，整體處在合理范圍內(nèi)，從調(diào)峰能力看，抽水蓄能電站利用小時(shí)數(shù)較低，在 300~340 h 之間。整體來看，15 GW海上風(fēng)電規(guī)模下，各分區(qū)海上風(fēng)電電量消納良好，不會導(dǎo)致大規(guī)模棄風(fēng)。

4 結(jié)論

本文提出了一種基于高斯混合聚類的海上風(fēng)電出力特征曲線提取方法，并將其應(yīng)用在電量平衡及棄風(fēng)電量計(jì)算。本文的主要結(jié)論如下：

1）通過基于BIC的GMM算法，提出了全新的基于不同海風(fēng)區(qū)域和不同出力特性情況進(jìn)行分類迭代的特征曲線提取方法，比傳統(tǒng)的典型場景聚類方法更全面，能合理給出表征海上風(fēng)電出力的典型特征曲線。

2）根據(jù)海上風(fēng)電出力曲線聚類結(jié)果，開展了不同類型海風(fēng)曲線對應(yīng)的電量平衡計(jì)算，通過概率加權(quán)的方式獲得全年的棄風(fēng)電量、各類機(jī)組利用小時(shí)數(shù)等指標(biāo)，并通過計(jì)算實(shí)例分析驗(yàn)證了方法的可行性與合理性。

該方法提升了電量平衡及棄風(fēng)電量計(jì)算的準(zhǔn)確性，為后續(xù)電力系統(tǒng)規(guī)劃及電網(wǎng)運(yùn)行提供更準(zhǔn)確的數(shù)據(jù)支持，助力新能源高效消納和電力可靠供應(yīng)。