基于风电场运行特性的月度合同电量编制方法张高航，李凤婷新疆大学 可再生能源发电与并网技术教育部工程研究中心，新疆 乌鲁木齐 830047摘 要针对电网通常采用平均分解的方法编制风电月度合同电量，调度实施难度较大的问题，提出一种基于风电场运行特性的月度合同电量编制方法。基于年合同电量月分解值滚动修正，建立融合预测误差、出力波动性、负荷跟随特性的风电场运行特性指标，并计及风电场负荷率偏差范围约束，编制各风电场的月度合同电量。编制结果既满足各风电场合同电量约束，又在电量分配时考虑了各风电场的运行特性。通过算例分析验证了所提方法的有效性。关键词风电场；滚动修正；运行特性；负荷率约束；月度合同电量中图分类号 TM734 文献标志码 A DOI 10.11930/j.issn.1004-9649.2017051020 引言随着化石能源的日益枯竭与环境问题的日益突出，国家节能减排力度不断加大，风电等间歇式能源迅猛发展。风电的随机性、波动性和难预测性等特性给电网调度带来了巨大的挑战，因此如何合理制定不同时间尺度下的风电计划变得越来越重要[1-2]。国内外学者在月度合同电量制定方面做了深入的研究。文献[3]提出一种基于时序仿真的风电年度计划方法，提升了系统消纳能力。文献[4]提出一种年中标电量分解方法，能够节省购电费用。文献[5]构建了计及公平约束及个体满意度的合同电量分解模型，能够提升联网效益。文献[6]建立了基于发电商申报法的合同电量分解模型，虑及了发电商意愿。文献[7]评估分析了确定性电量分解算法的公平性。文献[8]建立了考虑平均负荷率的合同电量优化分解模型，具有较强的工程实用价值。文献[9]综合考虑不确定因素，构建了基于CCS的年度合约电量分解模型。文献[10]建立了一种年度合同电量降维分解模型，提高了求解效率。文献[11-12]分别提出了计及综合成本指标、负荷率偏差的月度电能计划编制方法，能够降低系统综合成本。文献[13-16]分别采用风险适应、负荷分段技术及特征时段提取等方法，对月度发电计划的制定进行了研究。目前对于常规机组合同电量分解方法研究较多，而对风电月度电量编制方法研究较少。在风电场并网特性方面，文献[17]建立了计及风电自然特性及与电网交互特性的多指标评价体系。文献[18-19]构建了风电场并网技术性能的评价体系，确定风电场并网技术性的等级及排序。本文提出一种考虑风电场运行特性的月度合同电量编制方法。该方法在对年合同电量月分解值进行滚动修正的基础上，建立融合预测误差、出力波动性、负荷跟随特性的风电场运行特性指标，计及各风电场负荷率偏差范围约束，进而编制得到各风电场的月度合同电量。本方法运用AHP-熵权法确定各指标分配权重系数，进而得到风电场运行特性综合指标，将风电场的运行特性优劣体现在电量分配上，激励风电场积极主动提升运行水平，提高电网风电消纳能力。1 风电月合同电量的滚动修正Wuf假设需要编制m月份的月度合同电量，所有风电场的m12月份总合同电量为WufWy Wf Nw∑j1Wyj Nw∑j1Wfj（1）Wy; WfWyj式中分别为系统所有风电场年总合同电量、前m－1个月已完成电量，GWh；为第j个风收稿日期2017−05−18； 修回日期2019−02−22。基金项目国家自然科学基金资助项目51767023。第 52 卷 第 7 期中国电力Vol. 52, No. 72019 年 7 月ELECTRIC POWER Jul. 2019177WfjNw电场年合同总电量，GWh；为前m－1个月已完成的发电量，GWh；为风电场数量。各风电场剩余月份（m12）中各月的年合同电量进行月度滚动分解计算，具体过程如下。首先，根据剩余月份负荷系数的更新值，对剩余月份的系统负荷系数进行修正。k′load;i kload;i12∑imkload;i（2）k′load;i kload;i式中为修正后的第i月负荷系数；为第i月的系统负荷系数（第i月的系统负荷电量与年系统负荷电量的比值）。Wi第i月所有风电场月合同电量修正结果为Wi k′load;iWy Wfk′load;iWuf（3）然后，基于计算得到的所有风电场剩余各月份的月合同电量，按照以下方法将其分解到各个风电场。实际中应考虑各风电场年可利用小时数的月分布情况，计算得到各月份的可利用小时数。由于本文重点考虑风电场的运行特性，将年可利用小时数平均到各月。计算公式为W′ij Di12∑imDiCj hj（4）W′ij DiCjhj式中为第j个风电场第i月可发电量；为第i月（im12）的天数；为第j个风电场装机容量；为第j个风电场的年可利用小时数。Wij计算第j个风电场第i月的发电量初值为Wij W′ijNw∑j1W′ijWi（5）Wij ˜Wij的一次修正值为˜Wij Wij12∑imWijWyj Wfj（6）Wij ˜˜Wij的二次修正值为˜˜Wij ˜WijNw∑j1˜WijWi（7）再将式（7）修正结果代入式（6），可得到Wij第j个风电场第i月的初步月合同电量。该值既满足各风电场剩余合同电量约束，又满足所有风电场月合同电量总值的约束。2 考虑风电场运行特性的月度合同电量编制风电固有的随机性、波动性给电网消纳风电带来了巨大的挑战。然而，电网在制定月度调度计划时，尽可能接纳所有风电场的风电出力，却没有计及风电场的预测误差、波动性等运行特性，不利于消纳风电和激励风电场改善自身运行特性。本文将风电月度合同电量分解为基本电量和交易电量，综合考虑风电场预测水平和出力特性的优劣，得到风电月度合同电量。其中基本电量根据初步月合同电量确定，保证各风电场的基本出力。然后根据综合考虑风电场预测误差、出力波动特性及负荷跟随特性的运行特性评价指标确定交易电量系数，计算得到交易电量，最终得到各风电场的月度合同电量。在编制月度合同电量时对运行特性好的风电场给予一定的电量优先权，能够激励风电场积极改善运维水平，提高系统风电消纳能力。2.1 风电场基本电量Wmbasic;j假设需要编制m月份的月度合同电量。在不考虑风电场预测误差、出力波动、负荷跟随特性等指标差异的情况下，各风电场的月度基本电量为Wmbasic;j WmjNw∑j1WmjKaWmload（8）WloadmWmjKa式中为第m月由风电承担的系统负荷电量，GWh；为第j个风电场的m月份初步月合同电量；为基本电量系数，根据实际电网的运行情况设置。2.2 风电场交易电量2.2.1 交易电量系数特征指标交易电量系数特征指标是风电场运行特性的数量体现，反映风电场对电网运行的友好性。本文选取的指标为基于前一个月风电场运行数据的预测误差、风电场波动性、负荷跟随特性3个指中国电力第 52 卷178标，并通过熵权-AHP组合定权法确定各指标权重，进而确定交易电量系数。ERMSE;mj（1）出力预测误差指标。风电场的预测精度越高，风电不确定性对系统的影响越小，预留的旋转备用越小，有利于降低风电消纳成本。本文选择月平均均方根误差作为评测风电场预测效果的评价指标，可表示为ERMSE;mj ∑ERMSE;mdjDm（9）ERMSE;mdj 1Vcapvuuut n∑i1Pmd;i P′md;i2n（10）ERMSE;mjERMSE;mdjVcap Pmd;iP′md;iDm式中为第j个风电场的m月平均均方根误差；为风电场jm月第d天的出力均方根误差；为风电场i的开机总容量，MW；为m月第d天i时段实际出力，MW；为m月第d天i时段预测出力，MW；n为每天的样本个数；为m月的天数。fmj（2）出力波动性指标。风电场出力的标准差不能全面反映风电场出力的波动情况，因此采用风电月平均出力波动率作为风电出力波动性指标，定义为fmj ∑fmdjDm（11）fmdj SmdjP′mdj（12）fmjfmdjSmdjP′mdj式中为第j个风电场在m月的平均出力波动率；为第j个风电场在m月第d天的出力波动率；为第j个风电场m月第d天的出力标准差，反映当天风电出力的分散程度；为第j个风电场m月第d天的平均出力，反映当天风电出力的集中程度。mj（3）负荷跟随特性指标。电力系统的出力要跟随负荷的变化进行实时调整，保证系统可靠运行。风电的出力与负荷的变化相关性越高，系统的调峰压力越小，系统风电消纳能力也相应提高。灰色关联分析方法是基于不同序列曲线的相似程度判断不同序列联系的紧密程度。本文采用灰色关联分析方法，选取月平均斜率关联度指标，评价风电实际出力与负荷出力的相关性，作为负荷跟随特性指标，可表示为mj Dm∑d1n∑i1md;ijDm n（13）md;ij 111w∆pwmd;i∆t 1l∆plmd;i∆t（14）mjmd;ijw; l∆pwmd;i∆plmd;i∆t式中为第j个风电场在m月的平均斜率关联度；为第j个风电场与负荷在m月第d天i时段的关联度；分别为m月第d天的出力标准差和负荷标准差；为风电场i1时刻与i时刻出力差；为i1时刻与i时刻负荷差；是一个抽样周期。kmb;j（4）交易电量系数计算。熵权-AHP组合定权法基于熵权法和AHP法综合考虑主观信息和客观信息，计算各指标的层次权重并代入AHP模型中进行层次总排序，进而确定各指标对于总目标的权重，具体计算步骤见参考文献[20]。基于计算得到的各指标权重确定交易电量系数，可表示为kmb;j w11ERMSE;mjNw∑j11ERMSE;mjw21fmjNw∑j11fmjw3 mjNw∑j1mj（15）Nw∑j1kmb;j 1; 0≤kmb;j≤1（16）w1; w2; w3式中分别为各指标的权重系数。交易电量系数计算融合了风电场出力预测精度、出力波动性、负荷跟随特性，综合反映风电场并网友好性。出力预测误差指标越小、出力波动性指标越小、负荷跟随特性指标越好，风电场的交易电量系数越大，则在进行电量计划制定时给予风电场一定的电量优先权。2.3 各风电场月度交易电量及合同电量编制wmdeal;j不考虑风电预测误差、出力波动、负荷跟随特性等指标的情况下，各风电场承担系统负荷的权重系数为wmdeal;j WmjNw∑j1Wmj（17）第 7 期 张高航等基于风电场运行特性的月度合同电量编制方法179wmdeal;j式中为第j个风电场m月承担负荷的权重系数。kmb;j ˜wmdeal;j利用对式（17）进行修正，修正结果为˜wmdeal;j kmb;j wmdeal;jNw∑j1kmb;j wmdeal;j（18）Kb Wmdeal;j根据实际电网的运行情况设置交易电量系数，第j个风电场第m月的交易电量为Wmdeal;j ˜wmdeal;jKbWmload（19）W′jm最后得到第j个风电场m月合同电量为W′jm Wmbasic;jWmdeal;j（20）mj基于上述结果，第j个风电场第m个月的负荷率为mj W′jmWmj（21） m所有风电场第m月的平均负荷率为 m WmloadNw∑j1Wmj WmloadWm（22）考虑到新能源消纳政策和实际电网在制定月合同电量时，需要兼顾各个风电场的利益，各风电场的负荷率不宜相差过大。通常可设定一定的阈值，将各风电场的负荷率约束在允许范围内。因此，各风电场负荷率的上下限分别为8mmax 1 mmmin 1 m（23） mmax; mmin式中分别为风电场负荷率的上限、下限；为负荷率上下变化的阈值。当出现某些风电场负荷率超出规定范围的情况时，需要调整各风电场负荷率，将其钳制在允许的范围内，用式（24）进行调整负荷率。′jm 80BBBBBBB1mj mmh ;max m1CCCCCCCA m; mh ;max ≻ mmax; j 2 Ωh0BBBBBBB1 m mj m ml;min1CCCCCCCA m; ml;min ≺ mmin ; j 2 Ωl（24）′jm Ωh式中为第j个风电场调整后的负荷率；为负mj m mh;maxΩh Ωl mj m mh;min Ωl荷率大于平均负荷率的风电场集合；为集合中的最大值；为负荷率小于平均负荷率的风电场集合；为集合中的最小值。经式（24）调整后，在保证负荷率大小顺序不变的情况下，将所有风电场的负荷率控制在允许范围内。wmj调整后的每个风电场分配系统总负荷电量的权重系数为wmj ′jmWmjWmload（25）wmj式中为调整后的第j个风电场m月承担总负荷电量的权重系数。对调整后的权重系数归一化处理为w′jm wmjNw∑j1wmj（26）W′jm w′jm Wmload（27）w′jm式中为归一化后第j个风电场m月承担负荷电量的权重系数。将式（26）代入式（27），得到各风电场的m月合同电量。调整后的负荷率有可能仍存在越限问题，需要对负荷率再次进行调整，经过迭代直至负荷率全部满足要求，最终编制得到各风电场第m月的合同电量。结合月度计划发电量与风电场的日出力预测，电网可滚动编制各风电场的日出力计划。3 算例分析3.1 计算条件设系统有7个风电场参与月合同电量制定，计划月份为4月。表1给出了各个风电场容量，年合同电量及年可利用小时数等数据。表2给出了新疆某地区各风电场的运行特性指标参数、基本电量指标，并计算得到交易电量指标。其中3个指标的权重用AHP-熵权法计算后权重取为0.4，0.3，0.3，并设4月需要由各风电场完成的负荷电量为900 GWh，基本电量系数为0.7，交易电量系数为0.3。表3给出了各月份的年负荷系数。中国电力第 52 卷1803.2 计算结果3.2.1 年合同电量的月度分解值基于以上条件，先求得4月份的各风电场的初步月合同电量，结果如表4所示，并求得该月的平均负荷率为0.894。3.2.2 综合评价指标修正值本文取负荷率调整阈值为5（根据实际情况进行调整），由平均负荷率为0.894可得负荷率上、下限分别为0.834和0.944。各风电场4月份的权系数及负荷率结果如表5所示。由表5可知，考虑负荷偏差线限制时所有风电场的负荷率均在允许范围内，而未考虑负荷率约束时风电场5的负荷率超出上限，使得各风电场负荷率偏差较大，不能保证电量分配的公平性。3.2.3 月度合同电量结果基于综合评价指标并考虑负荷率偏差越限得到调整后的权重系数，计算得到各风电场月度电量值，如表6所示。考虑综合评价指标后，风电场2、5、6的综合评价指标较好，月度计划电量相应增加，而风电场4、7的综合评价指标较差，月度合同电量相应减少。本文所提方法将风电场的综合评价结果体现在月度合同电量分配上，能够提升系统风电消纳能力并激励风电场积极主动提升自身的运行水平。3.3 下个月份合同电量预编制在本月份的月度合同电量编制完成的基础上，电网公司对下个月份的合同电量进行预编制有利于各风电场与电网提前制定发电和检修计划，更好地完成月合同电量的滚动修正。基于4月份的月度合同电量编制结果，对5月份的月度合同电量进行预编制（设定4月份的合同电量完成）。设5月份需要由各风电场完成的表 1 各风电场电量数据Table 1 Electricity data of wind farms风电场容量/MW年合同电量/GWh已完成电量/GWh年可利用小时数/h1 1 000 3 500 822.5 4 7502 800 2 600 610.0 3 6503 800 2 520 592.2 3 5004 600 1 905 447.5 3 6505 300 900 212.0 3 3006 200 625 146.5 3 2507 350 1 575 250.0 3 500合计4 050 13 850 3 080.7表 2 各风电场的指标参数Table 2 Index parameters of wind farms风电场出力预测误差指标/出力波动性指标/负荷跟随特性指标基本电量指标交易电量指标1 15 30 0.907 8 0.253 9 0.133 52 10 40 0.915 7 0.188 7 0.145 83 12 35 0.856 9 0.182 8 0.136 24 20 26 0.842 1 0.138 2 0.122 55 7 34 0.897 4 0.065 3 0.179 96 15 20 0.840 1 0.045 4 0.151 77 13 37 0.810 2 0.125 6 0.125 6表 3 年负荷系数Table 3 Annual load coefficient月份1 2 3 4 5 6负荷系数0.097 0.068 0.070 0.073 0.075 0.077月份7 8 9 10 11 12负荷系数0.099 0.097 0.091 0083 0.072 0.098表 4 4月份的年合同电量分解值Table 4 The decomposition value of annual contractelectricity in AprilGWh风电场年合同电量分解值风电场年合同电量分解值1 255.50 5 65.702 189.90 6 45.703 184.00 7 126.404 139.10表 5 4月份各风电场的权重系数和负荷率Table 5 Weighting coefficients and load rates of eachwind farm in April风电场未考虑负荷率偏差限制考虑负荷率偏差限制负荷率权重系数负荷率权重系数1 0.885 0.251 0.889 0.2522 0.909 0.192 0.907 0.1913 0.890 0.182 0.894 0.1834 0.870 0.134 0.874 0.1355 0.975 0.071 0.943 0.0696 0.920 0.046 0.913 0.0467 0.873 0.123 0.877 0.123第 7 期 张高航等基于风电场运行特性的月度合同电量编制方法181负荷电量为900 GWh。首先计算得到5月份的年合同电量分解值结果，求解方法与3.2节相同，结果如表7所示。基于5月份的合同电量分解值，利用综合评价指标对各风电场的合同电量进行修正，得到未考虑负荷率偏差限制的负荷率及负荷权重系数，结果如表8所示。5月份的平均负荷率为0.861，负荷率上、下限分别为0.811和0.911。其中风电场5的负荷率超出上限，对各风电场的负荷率进行压缩调整，得到考虑负荷率偏差限制的负荷率和权重系数，各风电场负荷率均在允许范围内。由表8得到的负荷率计算5月份各风电场的预编制合同电量，结果如表9所示。在实际电网中，应根据上个月的电量完成情况和本月负荷统计情况，对预编制结果进行修正调节，增强预编制结果的实用性。4 结语本文提出一种考虑风电运行特性的月度合同电量编制方法。建立了融合风电场预测水平、出力波动特性、负荷跟随特性的综合评价指标，计及风电场月合同电量的滚动修正，并形成各风电场的基本电量权重系数和交易电量权重系数，最终编制得到风电月度合同电量。在电量分配中计及风电场的运行特性，可以有效提高电网风电消纳能力，并激励风电场积极主动提升运行水平。该方法考虑了风电场之间的负荷率偏差约束，有助于避免各发电场负荷率偏差过大，综合考虑了各风电场的利益。如何在风电日前发电计划制定和实时调度中考虑风电场运行特性是下一步要做的工作。参考文献康重庆, 姚良忠. 高比例可再生能源电力系统的关键科学问题与理论研究框架[J]. 电力系统自动化, 2017, 419 2–11.KANG Chongqing, YAO Liangzhong. Key scientific issues andtheoretical research framework for power systems with highproportion of renewable energy[J]. Automation of Electric PowerSystems, 2017, 419 2–11.[1]表 6 4月份各风电场总电量Table 6 Total electricity of each wind farm in AprilGWh风电场月度合同电量考虑综合评价指标未考虑综合评价指标1 227.16 228.512 172.17 169.843 164.55 164.564 121.50 124.415 61.98 58.766 41.72 40.877 110.91 113.05表 7 5月份的年合同电量分解值Table 7 The decomposition value of annual contractelectricity in MayGWh风电场年合同电量分解值风电场年合同电量分解值1 265.43 5 68.202 197.27 6 47.433 191.10 7 131.354 144.48表 8 5月份各风电场的权重系数和负荷率Table 8 Weighting coefficients and load rates of eachwind farm in May风电场未考虑负荷率偏差限制考虑负荷率偏差限制负荷率权重系数负荷率权重系数1 0.852 0.251 0.856 0.2522 0.875 0.192 0.8728 0.1913 0.857 0.182 0.861 0.1834 0.837 0.134 0.841 0.1355 0.939 0.071 0.908 0.0696 0.886 0.047 0.879 0.0467 0.841 0.123 0.845 0.123表 9 5月份各风电场预编制总电量Table 9 Precompiled total electricity of eachwind farm in MayGWh风电场年合同电量分解值风电场年合同电量分解值1 227.19 5 61.942 172.18 6 41.693 164.55 7 110.954 121.50中国电力第 52 卷182王魁, 张步涵, 闫大威, 等. 含大规模风电的电力系统多时间尺度滚动协调调度方法研究[J]. 电网技术, 2014, 389 2434–2440.WANG Kui, ZHANG Buhan, YAN Dawei, et al. A multi-time scalerolling coordination scheduling for power grid integratedwith large scale wind farm[J]. Power System Technology, 2014,389 2434–2440.[2]刘纯, 曹阳, 黄越辉, 等. 基于时序仿真的风电年度计划制定方法[J]. 电力系统自动化, 2014, 3811 13–19.LIU Chun, CAO Yang, HUANG Yuehui, et al. An annual windpower planning based on time sequential simulations[J].Automation of Electric Power Systems, 2014, 3811 13–19.[3]王漪, 于继来, 柳焯. 基于月度竞价空间滚动均衡化的年中标电量分解[J]. 电力系统自动化, 2006, 3017 24–27.WANG Yi, YU Jilai, LIU Zhuo. Decomposition of yearly bidedvolume based on roll-uniization of monthly competitive biddingspaces[J]. Automation of Electric Power Systems, 2006, 301724–27.[4]杨莉, 王乔来, 胡朝阳. 考虑公平及满意度的合同电量分解算法[J]. 电力系统保护与控制, 2012, 4019 30–35.YANG Li, WANG Qiaolai, HU Zhaoyang. Energy contractdecomposition considering equity and satisfaction[J]. Power SystemProtection and Control, 2012, 4019 30–35.[5]陈建华, 杨莉, 张宁, 等. 基于发电商申报的差价合同电量分解[J].电力系统自动化, 2009, 333 30–34.CHEN Jianhua, YANG Li, ZHANG Ning, et al. Decomposition ofcontract for difference based on generation companies declaration[J].Automation of Electric Power Systems, 2009, 333 30–34.[6]陈建华, 张宁, 戴铁潮, 等. 确定性电量分解算法实证分析[J]. 电力系统自动化, 2008, 322 21–25.CHEN Jianhua, ZHANG Ning, DAI Tiechao, et al. Empiricalanalysis on the deterministic contract decomposition algorithm[J].Automation of Electric Power Systems, 2008, 322 21–25.[7]王冠群, 刘锋, 梅生伟, 等. 合同电量优化分解模型及算法[J]. 电机与控制学报, 2012, 167 58–64.WANG Guanqun, LIU Feng, MEI Shengwei, et al. Optimizationmodel and algorithm for contract energy decomposition[J]. ElectricMachines and Control, 2012, 167 58–64.[8]张少迪. 基于CSS的年度合约电量分解方法[J]. 电力自动化设备,2014, 3411 135–141.ZHANG Shaodi. Annual contract power decomposition based on CSS[J]. Electric Power Automation Equipment, 2014,3411 135–141.[9]王良缘. 基于粒子群优化的年度合同电量降维分解模型[J]. 电网与清洁能源, 2017, 3311 63–69.WANG Liangyuan. Dimensionality reduction model of annualcontract electricity based on particle swarm optimization[J]. PowerSystem and Clean Energy, 2017, 3311 63–69.[10]王漪, 汤伟, 罗桓桓, 等. 编制直调火力发电单元月度电能交易计划的负荷率偏差法[J]. 电力系统保护与控制, 2009, 3722 134–140.WANG Yi, TANG Wei, LUO Huanhuan, et al. Load ratio deflection for making monthly trade schedule of directly dispatchedthermal power generation units[J]. Power System Protection andControl, 2009, 3722 134–140.[11]汤伟, 王漪, 于峰, 等. 编制直调火力发电单元月度电能交易计划的综合成本加权法[J]. 电网技术, 2009, 3317 167–173.TANG Wei, WANG Yi, YU Feng, et al. An integrative cost weighted for drawing up electric energy monthly transaction scheduleof directly dispatched thermal power generation units[J]. PowerSystem Technology, 2009, 3317 167–173.[12]颜伟, 李翔, 梁文举, 等. 基于负荷分段技术的多目标度发电计划及其遗传算法[J]. 电力自动化设备, 2013, 3310 47–52.YAN Wei, LI Xiang, LIANG Wenju, et al. Multi-objective monthlygeneration scheduling based on load partition technology and itsgenetic algorithm[J]. Electric Power Automation Equipment, 2013,3310 47–52.[13]梁志飞, 夏清, 许洪强, 等. 基于多目标优化模型的省级电网月度发电计划[J]. 电网技术, 2009, 3313 90–95.LIANG Zhifei, XIA Qing, XU Hongqiang, et al. Monthly generationscheduling based on multi-objective optimization model forprovincial power grid[J]. Power System Technology, 2009, 331390–95.[14]张传成, 许丹, 戴赛, 等. 基于特征时段提取的月度发电计划与安全校核模型[J]. 电网技术, 2016, 4011 3342–3347.ZHANG Chuancheng, XU Dan, DAI Sai, et al. Monthly generationscheduling and security correction model based on characteristic timeperiods[J]. Power System Technology, 2016, 4011 3342–3347.[15]施磊, 耿照为, 张晶, 等. 风险适应型的月度发电计划管理模式[J].电网技术, 2014, 3812 3384–3389.SHI Lei, GENG Zhaowei, ZHANG Jing, et al. Risk-adaptablemonthly generation scheduling mode[J]. Power System Technology,2014, 3812 3384–3389.[16]李剑楠, 乔颖, 鲁宗相, 等. 多时空尺度风电统计特性评价指标体系及其应用[J]. 中国电机工程学报, 2013, 3313 53–61.LI Jiannan, QIAO Ying, LU Zongxiang, et al. An uation index[17]第 7 期 张高航等基于风电场运行特性的月度合同电量编制方法183system for wind power statistical characteristics in multiple spatialand temporal scales and its application[J]. Proceedings of the CSEE,2013, 3313 53–61.王雁凌, 张雪佼, 阎敬民. 基于变权灰云模型的风电场并网技术性综合评价[J]. 电网技术, 2013, 3712 3546–3551.WANG Yanling, ZHANG Xuejiao, YAN Jingmin. Weight-varyinggray cloud model based comprehensive uation on technicalperance of overall grid-integration of wind farm[J]. PowerSystem Technology, 2013, 3712 3546–3551.[18]张文朝, 顾雪平. 应用变异系数法和逼近理想解排序法的风电场综合评价[J]. 电网技术, 2014, 3810 2741–2746.ZHANG Wenchao, GU Xueping. Comprehensive uation of windfarms using variation coefficient and technique for orderpreference by similarity to ideal solution[J]. Power System[19]Technology, 2014, 3810 2741–2746.卢锦玲, 张津, 丁茂生. 含风电的电力系统调度经济性评价[J]. 电网技术, 2016, 408 2258–2264.LU Jinling, ZHANG Jin, DING Maosheng. Economic uation ofpower system dispatch integrated with wind power[J]. Power SystemTechnology, 2016, 408 2258–2264.[20]作者简介张高航1994，男，硕士研究生，从事可再生能源并网的电力系统优化调度研究，E-mail ；李凤婷1965，女，通信作者，教授，博士生导师，从事可再生能源并网技术与电力系统继电保护研究，E-mail 。（责任编辑 李博）Monthly Contract Electricity Compilation Basedon Wind Farm Operation CharacteristicsZHANG Gaohang, LI FengtingEngineering Research Center for Renewable Energy Power Generation and Grid Technology,Ministry of Education, Xinjiang University, Urumqi 830047, ChinaAbstract The monthly contract electricity quantity for power grid is usually compiled using the average decomposition , butits imp