隨著新能源發電技術的不斷發展，風力發電已成為技術成熟的清潔能源之一[1] [1-2]。據國家能源局發布，截至2016年10月我國風電并網容量達139GW，成為世界裝機容量最大的國家。大規模風電接入電力系統及電力用戶對電能質量的要求越來越嚴格，準確全面地對電能質量綜合評估具有重要意義[3-7]。以往電能質量綜合評估方法包括：基于概率統計學原理的方法[8]、基于模糊數學理論的方法[9]、基于人工智能算法[10]的評價方法等三大類。

目前，隨著大量風電接入電力系統，《風電場接入電力系統技術規定》[11]標準得到實際應用，其中風電由于出力的不確定性，其相應電能質量測試中應對不同功率區間分別進行，即以10%為間隔從0%~100%共10個分功率區間，每個功率區間內至少測試5個連續10min，并給出分功率區間下的電能質量評估指標。在多個風電場的電能質量綜合評估中，以往方法依然采用電能質量體系中的7個指標，缺少分功率區間下的數據，造成評估結果不可靠。

為此，本文首先利用分功率區間電能質量數據建立綜合評估體系，充分利用風電場分功率區間、高次諧波等多層次詳細數據。然后，以風電場電能質量治理相關措施、電能質量指標作為輸入輸出數據，基于數據包絡分析(dataenvelopment analysis, DEA)理論對輸入輸出數據評估得到各風電場的電能質量綜合評估結果[12-17]。最后，對某實際省網的幾個主要風電場進行多層次綜合估計，并與傳統方法的評估結果進行比對，結果表明本文方法更為全面。

結論

本文將風電場分功率區間下電能質量指標進行短板效應處理，并利用DEA算法對考慮風電場規模與無功補償容量的電能質量綜合評估進行計算，具有如下特點：

a.DEA方法假定每個輸入都關聯到一個或多個輸出，且輸入輸出之間確實存在某種聯系，但不必確定該關系的顯示表達式。

b.以決策單元的輸入輸出權重為變量，從最有利于決策單元的角度進行評估，無需人為設定權重，具有很強的客觀性。

c.對某省風電場進行SE-DEA綜合評估，綜合利用分功率區間下電能質量數據，具有短板效率，評估結果更為全面。研究如何有效提高電能質量是今后工作的重點。