近年來，美國及全球范圍內風電的快速發展吸引了越來越多的媒體和公眾對風力發電技術的關注。由于風力發電的某些特性，尤其是風電機組只有在有風時才可以運行發電的特性，一些錯誤的認知便隨之產生。在他們看來，風電不像傳統能源那樣易于調度，發電量的多少取決于風速的大小；風能主要是一種能量來源而不是容量來源；風電的主要價值在于能夠替代傳統能源的消耗以及由此導致的包括二氧化碳在內的污染物的排放；在用電高峰時刻，風電只占電力系統中相對很小的部分，所以風電的容量價值有限。這些疑問導致了媒體和公眾對風電的可靠性以及如何保持負荷側與電源側的平衡等問題的擔憂。
本文對普遍關注的風電相關問題作了回答。文章從風能的變化性講起，討論了風電是否具有保證容量，探討了風在所有地區戛然而止的可能性，風力發電的可預測性，風電并網的經濟性，對新輸送通道的需求，以及風電是否需要備用電源或專用儲能設備等問題。最后，文章討論了系統是否具備足夠的靈活性以接入風電，火電是否因其具有更高的容量系數而優于風電，以及電網在接納風電上是否存在極限。
1、電網能應對風電出力的持續變化嗎？
早在風電技術出現之前，電力系統的設計就可以應對負荷的顯著變化。電力需求在從幾秒到幾年的時間尺度上變化，圍繞這樣的變化，電力系統運行程序進行了相應的設計，基于相關分析和運行經驗，大體上可以掌握負荷的變化規律。相對于用電高峰來說，極短時間內（幾秒到幾分鐘）負荷的變化很小，其主要是由許多不相關事件在不同流向上改變用電需求所引起。從較長時間段（幾小時）來看，用電量需求的變化往往會更具有關聯性，例如早晨負荷增加而夜間負荷減少。
單個或多個風電場的發電量是隨時間而變化的。風電的變動性加之電力系統原本就存在的變動性，可能會增加變動的復雜性，需要電網運營商進行管理和調控。風能每發1度電，其他發電形式就可以少發1度電，所以其他的發電系統只需要滿足除風電之外的負荷需求，這部分負荷經常被稱作凈負荷（除風電外負荷）。因此，整個電力系統的非風力發電部分就要被調控至凈負荷，即整個電力系統負荷與風電負荷之差。圖1顯示了丹麥西部地區一周內的實際負荷與凈負荷，兩條曲線之間部分就是風電部分。圖2更清晰地表示了實際負荷與風電負荷之間的對比。
圖1 2005年1月10日至16日丹麥西部實際負荷與凈負荷（來源：Energinet.dk）
圖2 丹麥西部2005年1月10日至16日實際負荷與風電負荷（來源：Energinet.dk）
從圖1可以看出，在風電大規模接入時，會在兩個方向上引起明顯變化，這就要求其他發電機組降出力運行。在風電的接入比例很大時，如果現有的發電機組沒有較好的降功率運行能力，應付這一部分增加的變量可能就會比較難。
總的來說，隨著并網風電機組增多，風電在電網中的變化就會越來越小。圖3是從美國國家可再生能源實驗室風電場數據收集項目中截取的具有幾個互聯點的某風電場約9小時內每一秒的數據。這一數據來自同一時間段，并將每個機組群的平均輸出值進行了規范化處理。圖3（a）顯示了200臺機組數據進行標準化處理后的變化情況。圖3（b）顯示了15臺機組數據的巨大變化。從這些數據及圖示中可以得出結論，隨著風電機組的集群化，標準化處理過的風電變量在下降。這一規律同時適用于較小區域內和大范圍的風電集群，也適用于電網運行的所有時間尺度。
（a）200臺機組的風電場 （b）15臺機組的風電場
圖3 每秒風電出力變化性比較
一些國家的電網運營商在積累高比例風電并網及其變化規律的運營經驗。圖4顯示了從2009年5月7日至10日，愛爾蘭風電的每小時接入比例，范圍從很小的比例到高達40%。同樣，圖1（如上所述）顯示了2005年1月丹麥的實際負荷與凈負荷（減去風電后的負荷）。該圖顯示風力發電量逐漸增加，而后由高風速導致停機使發電量減少。更高的風力發電量使得凈負荷在某些時段接近于零。正如本文后面討論的，電網運營商通過使用現有的靈活發電資源、風力預測以及時間調度等手段，來應對風力的變化。在以更接近于實時的情況下進行評估時，發電量更具可預測性，而小于小時單位的調度方案也使電網運營方可以充分利用其他發電設備的靈活性。此外，更大范圍內（或電網覆蓋區域）的電力平衡有助于解決風電的變化，因為在較大的地理區域內風電的波動性會趨于平緩。
圖4 2009年5月7日至10日愛爾蘭風電每小時并網比例
2、風電具有保證容量嗎？
在確定裝機容量是否能滿足負荷需求時，要考慮到將來某些裝機可能無法在需要時提供容量。雖然具體的數量和規程不同，但電力系統規劃人員通常會設計出多于最大負荷12%～15%的富余容量，這通常被稱為計劃備用容量。
“計劃備用”是指已經安裝的發電設備，同時又區別于其他各類基于系統運行情況的運行備用容量。測算計劃備用容量的一個更精確方法是對每小時負荷、發電容量以及發電機組事故停機率進行建模，以確定失負荷概率（LOLP，即發電量不足以滿足負荷需求的概率）。失負荷概率可用來判定缺電量時間期望值（LOLE），缺電量時間期望值可以確定電力不足的時間，如每年多少小時，每年多少天，或十年內的天數，通常其目標值是每十年有一天。
基于對系統缺電量時間期望值的影響，風電也可以與傳統電源一樣有助于計劃備用容量。大多數情況下，風電對計劃備用容量的作用有一定的限度，在美國，風電的保證容量是其額定容量的5%～40%。風電保證容量的變化幅度較大，反映出風電出力（在有風時）在時間上與系統負荷以及系統高風險時段的不同。風電場的發電保證容量一經確定，電力系統規劃人員不管采取何種方式，都要決定還需要補充多少容量以滿足系統的的穩定性標準。
3、所有地方同時停止刮風的頻率的有多大？
單臺風電機組發電量的變化是很大的，對于1億千瓦風電來說，電網運營商就更關注其對電網帶來的挑戰了。如前所述，風電從本質上得益于集群化，所以1億千瓦的風電與單臺風電機組的運行截然不同。在更廣闊的地理范圍內聚合風電就會減少零輸出的小時數。單個風電場通常在一年內可能產生超過1000小時的零出力現象，而在廣闊地理范圍內大規模集群的風電機組的出力幾乎總是大于零。同時時間尺度越短，變化幅度也就越小。大規模的風電場，每秒或者每分鐘的變量非常小，但是可能在若干小時后會呈現很大變化，即便分布式風電場亦如此。
遇極端天氣情況，風速增大，出于安全考慮，風電機組需要停機，這時候怎么辦呢？這樣的極端天氣并不常見，在一些地方并不是每年都會出現，而有些地區一年中也只會出現一到兩次。大風暴在4到6小時就可行進幾百公里，所以，廣闊地理區域的風電集群可以應對這一挑戰。在這種情況下，單臺風電機組可能從滿發突然降到零，而更大地理范圍內的集群風電機組就會把這樣的突然中斷轉化為數小時的逐漸下降過程。2007年2月美國德克薩斯州就發生了這樣的風暴。圖5顯示了一個風電場的出力在約15分鐘內驟降17萬千瓦的過程。而對于所有風電場來說，總出力雖然下降了150萬千瓦，但該過程持續了2個小時。在丹麥西部，最近一次風暴（2005年1月）使200萬千瓦額定容量的風電出力降低90%，用了6個小時。
圖5 風電場集群能有效抵抗突發和極端事件
而暴風通常是可預測的。大規模風電場可事先限定機組降負荷運行，以防止在暴風來臨時，因風速超過機組的切出風速而造成發電量驟降，而電網運營商也可以通過分析風暴的等級,事先采取預防措施，將系統調整到防御狀態。控制系統也可以通過設計來避免所有機組同時停機的情況發生。另外，不同于傳統電源的大型事故，風電事故一般不會造成電力瞬時損失100萬千瓦或200萬千瓦的情況。風電出力的重大變化一般發生在幾小時而非幾分鐘之內，這樣常規電源機組就有足夠的時間進行調峰。即使常規機組不夠，也還有時間啟用燃氣輪機發電機組。
4、風電很難預測嗎？
通過數值天氣預報模型和數據統計等多種方法，可以對風能進行預報，從而預測風電出力情況。相對于負荷預測，風能預測是一個新興事物，準確性也不如前者。目前的經驗表明，大多時候風電出力情況是可以預測的，只是在程度和時間上會有誤差，所以電網運營商可能對某一種預測的不確定性以及整體預測的準確性更感興趣。風電的短期預測要比長期預測準確得多，對于單個風電場，提前1到2小時的預測平均絕對誤差在5%～7%（相對于風電裝機容量），而提前一天預測錯誤率將達到20%。
圖6顯示了風能預測的巨大集群效應。如圖所示，750公里以上范圍的風電集群預測誤差降低了50%。圖中顯示了誤差率已經降至區域預測和單一風電場的標準誤差(RMSE)之間，以上數據是基于對德國40個風電場所發電量的測量結果得到的。德國的一些其他研究顯示，對于一個獨立風電場的典型風能預測誤差約為該風電場裝機容量的10%～15%標準誤差(RMSE)，而對未來一天某一區域的誤差率降至6%～8%，對于整個德國的風能預測誤差降至5%~7%。如標準誤差(RMSE)法所測算的那樣，綜合應用不同的風能預測模型，也能提高最多20%的風能預測精度。
更重要的是，預測誤差對于單個風電場的影響并不大。對于所有風電場的整體預測誤差才會影響到發電和調度。
手機瀏覽網
