随着新能源发电技术的不断发展，风力发电已成为技术成熟的清洁能源之一[1] [1-2]。据国家能源局发布，截至2016年10月我国风电并网容量达139GW，成为世界装机容量最大的国家。大规模风电接入电力系统及电力用户对电能质量的要求越来越严格，准确全面地对电能质量综合评估具有重要意义[3-7]。以往电能质量综合评估方法包括：基于概率统计学原理的方法[8]、基于模糊数学理论的方法[9]、基于人工智能算法[10]的评价方法等三大类。
目前，随着大量风电接入电力系统，《风电场接入电力系统技术规定》[11]标准得到实际应用，其中风电由于出力的不确定性，其相应电能质量测试中应对不同功率区间分别进行，即以10%为间隔从0%~100%共10个分功率区间，每个功率区间内至少测试5个连续10min，并给出分功率区间下的电能质量评估指标。在多个风电场的电能质量综合评估中，以往方法依然采用电能质量体系中的7个指标，缺少分功率区间下的数据，造成评估结果不可靠。
为此，本文首先利用分功率区间电能质量数据建立综合评估体系，充分利用风电场分功率区间、高次谐波等多层次详细数据。然后，以风电场电能质量治理相关措施、电能质量指标作为输入输出数据，基于数据包络分析(dataenvelopment analysis, DEA)理论对输入输出数据评估得到各风电场的电能质量综合评估结果[12-17]。最后，对某实际省网的几个主要风电场进行多层次综合估计，并与传统方法的评估结果进行比对，结果表明本文方法更为全面。
结论
本文将风电场分功率区间下电能质量指标进行短板效应处理，并利用DEA算法对考虑风电场规模与无功补偿容量的电能质量综合评估进行计算，具有如下特点：
a.DEA方法假定每个输入都关联到一个或多个输出，且输入输出之间确实存在某种联系，但不必确定该关系的显示表达式。
b.以决策单元的输入输出权重为变量，从最有利于决策单元的角度进行评估，无需人为设定权重，具有很强的客观性。
c.对某省风电场进行SE-DEA综合评估，综合利用分功率区间下电能质量数据，具有短板效率，评估结果更为全面。研究如何有效提高电能质量是今后工作的重点。
