上海德比苏小妍照片含风电接入的智能电网的可

2022-04-12 13:19 | 已有143条评论

摘要:随着智能电网构建过程中,风电接入的比例大大增加,从而智能电网风电接入的可靠性问题日益凸显。本文在风电可靠性的基本研究方法基础上提出了风电可靠性模型和蒙特卡罗仿真方法,并提出了数个风电可靠性的参考指标,最后给出了提高智能电网中风电接入可靠性的措施,为风电接入后电力系统安全可靠运行提供了理论依据。

关键词:风电;可靠性;智能电网;蒙特卡罗仿真

中图分类号:U665文献标识码: A

The Reliability Research of the Wind Power Integration into

the Smart Grid

Abstract:In the construction of the smart grid, the percentage of the wind power integration into the smart grid is increasing greatly. Thus, the reliability of the wind power integration becomes much more important. This paper put forward a Monte Carlo model of reliability and several reliability indices of wind power after the brief introduction of the reliability research methods of the wind power integration. At last, this paper also provides some measures to improve the reliability, which is also a theory basis of the safe and reliable operation of the power system with the wind power access.

Key words:wind power;reliability;smart grid;Monte Carlo simulation

0 引言

智能电网(Smart Grid)是近年来电力行业一个十分热门的课题。在我国,这一词是由国家电网公司在2009年5月召开的特高压输电技术国际会议上正式提出的[1]。其后,我国便出台了许多发展绿色智能电网的战略方针。

与传统电网相比,智能电网在先进设备和先进技术基础上构建的,以实现电网的安全、可靠、经济、环保、高效等目标,具有较强自愈能力、较高的可靠性、能优化资产管理、经济高效、可与用户友好互动、兼容大量分布式电源的接入等特征[2]。

随着近年来人们的环保、低碳、可持续发展意识的不断提高,环境友好型新电源如风电等在智能电网中发挥日益重要的作用。风力发电具有清洁无污染、投资灵活、建设周期短、技术进步快等优点,具有较火电厂和水电厂更好的社会效益和经济效益,成为智能电网中十分重要的能源获取形式。但与此同时,风电的随机性、波动性、难控甚至不可控性,都对风电的出力造成极大的波动。这种波动可能对电网造成十分严重的不良影响[3]。从而风电接入后电网是否能保证可靠性显得十分重要。

1 风电可靠性分析方法

对风电可靠性的分析方法大致可以分为解析法和模拟法两类。解析法通过对影响风电机组输出的因素分析,得到风电机组输出功率的概率分布,并在此基础上建立风电机组的可靠性模型;而模拟法对风速的时序不确定性进行模拟建模,结果具有较高的可信度[4]。

解析法又可分为网流法和潮流法两类。网流法反映了可能达到的固有可靠性,计算速度快,适用于规划初期大量可行性方案的比较。潮流法考虑了系统的电压质量、响应过程和潮流约束等众多实际因素,从而结果更接近实际,精度较高,尤其是交流潮流可靠性评估[5]。

模拟法中最常用的是蒙特卡罗法,也称为随机模拟法,其计算方法较解析法更为简洁。风电可靠性分析中常用此方法建模。

2 风电可靠性指标

含风电接入的电力系统的可靠性指标评价的主要依据是看负荷能否得到充足的、合格的、不间断的电力供应。在电力系统裕度方面,常用的可靠性指标有以下4个[5] [6]:

(1)电力不足时间概率LOLP(Loss of Load Probability)。指若日尖峰负荷持续作用一整天时,系统的需求负荷超过可用发电量的时间的概率总和。

(1)

(2)电力不足期望值ELOL(Expected Loss of Load)。指在某一特定时间段里,因需求负荷超过可用发电量导致的用户停电平均值。

(3)电力不足时间期望值LOLE(Loss of Load Expectation)。指在某一特定时间段里,求负荷超过可用发电量的时间期望值。

(4)电量不足概率LOEP(Loss of Energy Probability)。指在某一特定时间段里,因供电不足而导致用户停电的电量损失期望值与该时间段用户所需全部电量的比值。

上述指标仅考虑了整个电力系统的可靠性,不能突出风电接入这一因素对可靠性的影响,故增加下列指标[5]:

(1)风电场容量可信度CC(Capacity Credit)。指某一系统可靠性水平下,可用风电代替常规机组的容量与风电容量的比值。这一比值可以直接反映出风电接入后可节省的常规机组容量。

(2)

其中,ΔPCG指某一特定LOLE值下可用风电代替常规机组的容量,PWTG指风电的额定容量。

(2)常规发电机组等效容量系数ECGC( Equivalent Conventional Generator Capacity):

(3)

其中,ΔPCG指达到某一不足电量时间期望值EENS所需的常规发电机组容量,PWTG指达到此EENS所需接入系统的风电容量。

(3)风电对不足电量期望值贡献系数WGEENSB(Wind Generation EENS Benefit)。指风电接入后电网不足电量期望值的减少量与风电容量的比值。这一比值反映风电接入后对系统可靠性的贡献大小,也可体现可节省的用户停电损失成本。

(4)

其中,EENS0是风电接入前的年不足电量期望值(EENS),EENS1是风电接入后年不足电量期望值。

3 含风电接入的电力系统可靠性模型

3.1 风速模型

风力发电机组的出力很大程度上与风速有关,从而风速的建模是研究风电接入可靠性的基础。风电场中的风速通常是不断变化的,目前采用的建模方法有卡尔曼滤波法、人工神经网络法、时间序列法等。但由于风速是一个典型的按时间变化的具有趋势性、随机性特征的序列,本文采用基于时间序列的自回归移动平均(Auto-Regressive and Moving Average,简称ARMA)模型[7][8]。

为了提高计算精度,减小误差,降低干扰,对从风速测量仪器得到的某一风电场中的原始风速序列标准化。

(5)

其中,是经标准化后的序列在t时刻的值,和是原始风速序列的均值与方差的估计值,可分别由式(6)、(7)计算得到,N表示风速序列中取值的个数。

(6)

(7)

则ARMA(n,m)模型表达式为:

(8)

其中,为自回归系数,为滑动平均系数。为残差,是一个零均值的白噪声序列,服从分布。

进而可以得到预测风速序列:

(9)

3.2 风电机组功率模型

由于风电机组的出力与风速密切相关,忽略风电机组出力的非线性因素影响,风速与风机出力大致满足图1中所示的线性关系。故可用分段函数表示功率模型[3][7]:

(10)

其中,为风机轮毂最高处的风速,为额定风速,为切入风速,为切出风速, 为风机的额定输出功率。

图1 风电机组出力曲线

3.3 风电机组的随机停运模型

风电机组一般只考虑正常运行状态和故障停运状态,分别用正常运行持续时间t1和故障修复时间t2表示。较传统发电机组而言,风电机组结构简单,计划检修时间比较短,所以在进行可靠性分析时通常不考虑检修时间[5][9]。

通常,正常运行持续时间t1和故障修复时间t2都服从指数分布:

(11)

(12)

其中,故障率和修复率是常数,为[0,1]之间的均匀分布随机数,为平均持续工作时间(Mean Time To Failure),为平均故障修复时间(Mean Time to Repair)。

4 风电可靠性的序贯蒙特卡罗仿真

蒙特卡罗(Monte Carlo)模拟法利用随机数进行随机模拟,在工程系统分析、可靠性评估、随机过程模拟等领域应用广泛。在进行含风电接入的电力系统可靠性分析时,又可将其细分为非序贯蒙特卡罗仿真、序贯蒙特卡罗仿真和准序贯蒙特卡罗仿真等。但由于风能具有较强的随机性和时序性,通常采用序贯蒙特卡罗仿真方法模拟风电系统的实际运行状况[4]。

为了突出风电接入对系统可靠性的影响,本文认为变压器、输电线路不发生故障,即输电系统完全可靠。

在序贯蒙特卡罗仿真方法中,将一年中的每个小时分成一个时间区间,共计8760个时间区间,在每个时间区间里,假定系统的各项条件均不变。先通过时间序列公式对风速进行预测,然后用公式(11)和(12)对所有机组的正常运行时间和故障修复时间进行随机抽样,从而得到风电机组和传统发电机组的输出功率,并考虑到负荷模型和系统的约束条件,对系统的运行状态进行判定,累计电力不足时间和停电电量。

通常,为了满足模拟的精度要求,要进行大量的年度模拟。在这些模拟的基础上统计得到电力不足时间期望值LOLE、电量不足期望值EENS等可靠性指标,评估系统的可靠性[10]。

根据上述思想,可以得到图2所示的序贯蒙特卡罗可靠性分析流程图[11]。

图2 序贯蒙特卡罗可靠性分析流程图

5 提高风电可靠性的措施

风电可靠性的提高可以从以下方面着手[12]:

(1)对相关技术人员进行培训。加强相关技术人员的可靠性理论知识,使他们在工作时养成将可靠性纳入考虑范围的意识。

(2)突出可靠性设计。在工程师设计过程的早期,关注可靠性问题,并评估产品的设计方案对产品可靠性的影响,并通过仿真或试验进行验证,逐步设计出高可靠性的风电机组。

(3)测试产品的可靠性。产品设计、生产完成后,应对产品进行可靠性测试。对比试验结果和设计预期目标,找出差距,并找出原因,然后再调整产品,逐步提高产品可靠性。

(4)对风电机组进行状态检测。风电机组在运行中可能发生故障,这将严重影响风电机组的可靠性,采用状态监测系统(Condition Monitoring System)对风电机组的运行状态进行实时监测,及时预知可能发生的故障,并采取相应的检修策略,较大程度上提高风电机组的可靠性。

6 结语

风电接入智能电网后,一方面,极大程度上增加了系统的清洁能源发电比例,另一方面,由于风速具有随机性,导致风电机组的出力也具有波动性,这极大程度上降低了电力系统的可靠性。本文提出了风电接入后可靠性的分析的指标、风电可靠性模型,并在此基础上给出了风电可靠性分析的序贯蒙特卡罗仿真方法和提高风电可靠性的相关措施。为风电可靠性的提高提供了依据,进而一定程度上提高了风电机组的社会效益和经济效益,促进了智能电网的发展。

参考文献

[1] 胡学浩. 智能电网:未来电网的发展态势[J]. 电网技术, 2009,14(33):1-5.

[2] 刘振亚. 智能电网知识读本[M]. 北京:中国电力出版社, 2010:15-20.

[3] 王帅,李鹏,崔红芬. 风电以微网的形式并入智能电网的研究[J]. 电气技术, 2010,8:38-42.

[4] 吴义纯,丁明. 基于蒙特卡罗仿真的风力发电系统可靠性评价[J]. 电力自动化设备, 2004,24(12):70-73.

[5] 穆明明. 含风电场的电力系统可靠性评估[D]. 山西:太原理工大学, 2010:9-10.

[6] Xu Yu, Zhu Yong-qiang, Ding Ze-jun. Analysis on Reliability Indices of Wind Farm and its Influencing Factors[C]. 2010 China International Conference on Electricity Distribution, 2010:1-5.

[7] 吴义纯,丁明,李生虎. 风电场对发输电系统可靠性影响的评估[J].电工技术学报, 2004,19(11):72-76.

[8] 刘波,张焰,吴昊. 考虑风电场影响的发输电系统可靠性评估[C].可量性、城市供电专委会2008年学术年全论文集, 2008:229-234.

[9] Ahmad Salehi Dobakhshari; Mahmud Fotuhi-Firuzabad. A Reliability Model of Large Wind Farms for Power System Adequacy Studies[J]. Energy Conversion, IEEE Transactions on , 2009,24: 792-801.

[10] Karki, R.; Hu, P.; Billinton, R.; Reliability Evaluation of a Wind Power Delivery System Using an Approximate Wind Model[C]. Universities Power Engineering Conference, 2006. UPEC '06. Proceedings of the 41st International, 2006,1: 113 117.

[11] 姜文,严正. 含风电场的发输电组合系统可靠性评估[J].电力自动化设备, 2010,30(4):5-9.

[12] 刘天羽, Peter J.Tavner. 风电高速发展下的中国风力发电机可靠性的研究[J]. 上海电机学院学报, 2010,13(6):315-321.

标签