含风力发电的微电网发电可靠性评估

含风力发电的微电网发电可靠性评估高鹏;罗奕;张涛【摘要】微电网具有接入各种可再生能源发电装置的能力，但接入风力发电机时，其出力具有随机性和间歇性，对描述微电网发电能力的发电可靠性评估造成困难.文章根据微电网地域范围小、气候特征趋同的特点，提出了分段连续的发电出力概率分布模型，对微电网发电可靠性进行评估，并与蒙特卡罗模拟法进行比较，结果表明该模型和算法具有直观的数学和物理意义，理论上具有精确的计算结果.【期刊名称】《可再生能源》【年(卷)，期】2015(033)001【总页数】6页(P37-42)【关键词】风力发电;微电网;随机性;间歇性【作者】高鹏;罗奕;张涛【作者单位】桂林电子科技大学机电工程学院，广西桂林541001;桂林电子科技大学机电工程学院，广西桂林541001;桂林电子科技大学机电工程学院，广西桂林541001【正文语种】中文【中图分类】TM715电力系统中负荷需求的增长速度和规模存在较大的不确定性，而输配电网已有线路的容量限制和元件老化问题使电网应对新型负荷需求变化的能力下降。在配电网的基础上接入分布式电源(DG)组成微电网(Microgrid)[1]为解决这类问题提出了一种全新的模式，微电网概念强调DG和负荷形成有机整体，理论上可应用于微电网的DG很多，常见的有风力发电机（WTG）、太阳能光伏发电（PV）、小型内燃发电机、热电站和储能式电源等，其中采用可再生能源DG是未来趋势［2］。例如将WTG应用于微电网具有独特的优点，由于其一次能源取自风力，具有清洁环保的优点，而且适合于分散灵活地与充电系统或家居储能装置形成微电网并与电网连接。目前，WTG的应用技术不断成熟，发电成本日益降低，可以预见WTG将是今后组成微电网的主要电源形式之一。驱动WTG工作的风力具有典型的随机性，有时在短时间内就会引起WTG出力的大幅变化，不能直接采用常规同步发电机的工作-停运模型与评估方法，需要采用能描述出力随机变化的模型［3］。由于风速的概率分布适合用Weibull分布加以描述［4］，而WTG的出力是风速的非线性函数，这对含分布式WTG的微电网可靠性建模与分析造成很大困难，对此文献［5］采用离散化的方法处理风速的概率分布，结合WTG的出力特性利用离散卷积运算得到功率输出的概率分布。文献［6］采用时序模拟方法求可靠性指标，虽考虑了柴油发电机、储能等多方面因素，但都需要忽略不同WTG之间出力存在的相关性，假设各WTG之间的功率输出独立，且由于采用非解析算法，计算时间较长。本文针对微电网特点，提出一种实用的评估微电网发电能力的模型及其解析算法，该评估方法利用微网中各WTG单元出力容易满足高度相关性的特点，可同时计及风力的随机性变化、不同型号WTG的出力-风速特性各不相同以及WTG的随机停运等因素，通过构建基于分段连续的WTG出力-风速特性的微电网发电系统概率模型，实现含WTG微电网发电可靠性评估的解析算法，并通过算例进行分析与比较。风速（相当于WTG原动机动力）是一个随机变量，一般来说不同地域、海拔的风速分布各不相同，其概率密度函数曲线呈正偏态分布，适合用Weibull分布来描述［4］:式中：v为风速；c为尺度参数；k为形状参数；c,k分别由风速的期望值E（v）和方差D（v）求得［7］：式（3）尺度参数反映了微电网范围内平均风速的特征。普遍采用点估计法求风速的期望值和方差并计算c，k的值，在实际中用风速的样本算术平均值代替期望值，用样本方差代替方差。通常特定地域范围内的风速与当地气候特点有很大关系，即风速的概率分布具有地域性特点；同时由于四季气候差异，风速随季节的变化也应呈现不同的特点，这说明风速的概率分布与时间有关，通常可以考虑用两种方式统计并计算样本均值和样本方差：①按年度逐小时对当地的风速进行统计，利用样本均值和样本方差采用外推法计算c和k：式中：vi是第i年当地所有的风速统计数据，一般按小时采集平均风速；Ei（v）和Di（v）分别是第i年风速的均值和方差。利用这种方式得出的参数可描述这一地区全年平均风速的概率分布特点。②按季节（月份）逐年对当地的风速进行统计并计算c，k。与式（4），（5）类似，此时vi为每年第1个季节（月份）当地所有的风速逐小时统计数据；Ei（v）和Di（v）则分别第i个季节（月份）风速的均值和方差。这种方式可以用于按季节（月份）计算系统可靠性指标。WTG的有功出力-风速特性可用分段函数表示：式中：a和b为常数，b>0；e为变化段输出特性的阶数（一般情况按线性关系取1,当e取3阶时也适用）；vin,vr和vout分别为WTG的切入风速、额定风速和切出风速，是曲线上的转折点；Pr为WTG的额定输出功率。可见WTG的功率输出是风速的单变量函数，也是随机变量。微电网并网时负荷所需的电能由公共电网和DG共同提供，运行方式更加灵活和智能化，并网运行时公共电网相当于微电网的一个无穷大电源，其输出容量的上限由担任微电网公共连接点（PointofCommonCoupling,PCC）的静态开关额定容量决定，停运时为零。由于微电网主要目的是优化对负荷的供电能力，本文重点研究微电网发电系统可靠性问题，即在微电网运行模式下满足负荷所需的电力和电量需求能力的度量。考虑微电网发电可靠性主要受3个因素影响：PCC和不同类型WTG的停运率、风速的随机变化以及不同型号WTG机组的出力-风速特性，其中PCC和各台WTG的停运视为相互独立事件。风速分布与气候、地形、高度等自然条件关系密切，由于微电网具有地域范围小，地域内建筑与自然条件分布特征基本一致的特点，风速的统计规律差异很小，各WTG之间的功率输出高度相关不宜视作相互独立，同时不同型号机组的出力-风速特性基本参数各不相同，加上风速随机变化造成WTG间歇性出力，建立微电网的发电可靠性评估模型时，不适合基于常规的卷积法求解，需要根据微电网的运行机制和WTG的特点采用新的方法。本文在以下前提下研究微电网发电的概率模型：①考虑在常规配网的基础上接入WTG构成微电网，忽略供电网络的约束并假设微电网内部元件是运行可靠的。②模型将主网与PCC的停运因素统一起来考虑，并等效为PCC的停运率。③考虑各WTG单元的随机停运且其运行期间出力具有间歇性。④认为微电网内驱动各WTG单元的风力高度相关。依此建立的概率评估模型可以用于评估基于分布式WTG组成的微电网在不同组网模式下电源容量满足负荷需求的程度。PCC是微电网与主网的分界点，使微电网内部的电源和负荷相对于主网成为一个灵活的、相对独立的主体，主网停运对微电网的影响可以等效到PCC的停运状态上，PCC正常时微电网处于并网运行状态（用状态1表示），PCC停运时微电网处于孤岛状态（状态0表示）。设微电网内有m台WTG，可将微电网内所有投入运行的WTG设备参数中的vin,vr和vout按升序排列，设共有n个值v1,...vn，可知有n<3m,根据排列好的风速序列将每台WTG的功率输出与风速关系改写为在这n个风速区间上的分段函数，即：式中：vu[0,v1],...[vn-1,vn];vin,vr,voutu（v1...vn）;Pj为第j台WTG的出力，MW;aj和bj为与第j台WTG出力有关的常数；vjin,vjr和vjout分别为第j台WTG的切入风速、额定风速和切出风速；Pj.r为第j台WTG的额定输出功率，MW;j是WTG的编号，为1~m。考虑各WTG的随机停运和PCC的停运因素后，任一时刻整个微电网内由WTG和PCC提供的有功容量总共为Ps:式中：Ps相当于由PCC和微电网中各WTG的一个状态组合所决定的微电网供电容量。将该状态组合下所有非停运WTG的功率输出函数分别在前面划分的n个风速区间上进行累加，由于假设微电网内各处风速无显著差别，所以式（8）也是一个具有n个区间的单变量分段函数，且在每个区间内为风速v的不减函数，如果需要求某个组合状态下所提供功率的概率，只需对式（8）在每个风速区间求满足输出功率需求所对应的风速子区间，再利用式（1）求出风速在这些区间上的概率分布并综合起来即为该状态下的微电网发电可靠性水平。因此，设所有可能的状态数为S，由于PCC和各WTG的停运可视作相互独立，状态s=1,...S出现的概率为可见当WTG台数较多时，状态数与台数成指数关系，从实际出发，考虑到m台WTG中仅有K种不同型号，且由于在同一微电网中相同型号的WTG在环境条件、维护水平等方面差异很小，认为其随机停运率和恢复率相同，则式（8）,（11）可以简化为式中：nk为第k种WTG在状态s下的正常工作台数；Pk为第k种WTG的功率输出特性；p（nk）为第k种WTG有nk台正常工作的概率。状态s下微电网满足负荷需求的概率为式中：Pl为在s状态下微电网中的负荷需求。整个微电网中电源满足负荷需求的概率为本文以RBTSBus4系统为基础［8］，选取由母线SP1、馈线F1，F2,F3组成的配电系统进行仿真分析，其结构如图1所示。由图1可知，系统由3种型号共10台WTG组成，该系统有多种微电网的组网方式，如果根据馈线F1~F3分别划分为3个微电网，则每条馈线首端开关为PCC,如果把F1~F3合起来作为一个微电网，则开关S作为PCC,PCC和WTG的可靠性参数见表1。WTG的接入位置及其主要参数如表2所示。WTG接入具有一定任意性，本文不讨论WTG的接入位置，对微电网作发电可靠性评估不考虑负荷的随机性，不考虑负荷削减，假设微电网内部网络元件是可靠的且潮流分布均在允许范围内。设每种微电网组网模式下担任PCC的静态开关B1,B2,B3和S的可供电容量均大于相应微电网的负荷所需容量，本文以文献［9］模型为参考，其中参数c和k分别取10.7和3.97，根据本文第2部分所提出的模型，按能否满足全部负荷需求的程度计算微电网发电可靠性概率，计算结果如表3所示。利用蒙特卡罗法求微电网并网和单独孤岛运行时的发电可靠性概率指标并与解析法结果相对比，其中各WTG的停运时间服从指数分布，采用时序蒙特卡罗法进行状态抽样，WTG的出力按风力服从Weibull分布抽样，由于风速统计数据一般按小时平均风速进行记录，因此对WTG的出力抽样以1小时为间隔，并取抽样值为该时段的平均风速，总模拟时间取87600h（即抽样数为87600）。由表3可知：①蒙特卡罗法与解析法的计算结果很接近，并且在不同微电网组网方式下的计算结果具有相同的趋势，说明本文所提方法能够反映不同微电网组网方式以及不同WTG组合情况下的发电可靠性水平；②微电网孤岛运行时，相对需要很大的WTG装机容量才能达到一定可靠性水平，例如基于馈线F1构成的微电网孤岛运行时，即使WTG总装机容量（PWTG）已经接近负荷（Pl）的1.5倍，系统供电可靠性最高仍不到0.6；若PWTG/Pl减小到1左右（如F2），系统供电可靠性迅速降为0.2左右，若PWTG/Pl为1.157时，供电可靠性仅适当增加到0.3左右，这说明WTG容量对负荷的比值与可靠性水平的变化趋势一致，但由于WTG间歇性出力以及高度相关性特性，使得在风力不足时会造成WTG电源整体出力的显著下降，单纯采用WTG的微电网在孤岛运行时，电源装机与负荷比值即使很大，对微电网供电可靠性的提高也不明显；③PCC的容量可看作主网对微电网供电的等效电源容量，若PCC与WTG均正常运行时，微电网的发电可靠性水平较高，此时如果PWTG>Pl,WTG对微电网发电可靠性改善很多，如果PWTG<Pl,WTG对微电网发电可靠性则没有贡献。可见PCC是否停运或者PPC的容量大小对可靠性的影响比改变PWTG/Pl显著，体现了PCC作为一个等效稳定电源对维持可靠性水平的重要性；④按照本文描述的模型，由于风速的概率分布、风速与WTG发电输出的关系式均为连续的解析表达式，所以在任何给定的负荷条件和风速概率分布条件下，利用该模型的计算结果理论上为精确结果；⑤由式（13）,（14）可知，状态S的大小是影响计算量的关键，根据式（16）,WTG的数量m越少，状态数S越小，相同m下WTG的种类K的数量越少，状态数S也越小，例如本例中m为10,K为3,则与WTG有关的最大需要计算的状态数S为48；由式（7）还可知关于WTG功率的表达式为简单的常数或一次函数，通过按转折风速作分段处理，可以避免复杂的卷积运算，由于实际微电网中安装的WTG数量有限，且趋向于采用种类尽量少的型号以便于系统设计、组建、管理和维护，所以采用此模型有较高的计算效率和实用价值。本文重点研究了含WTG的微网发电能力评估方法，提出了分段连续的基于WTG功率输出-风速特性的微电网系统概率模型，不需对WTG出力作离散化处理，也避免将高度相关的各WTG出力处理为相互独立变量，从而更符合实际运行的情况，避免了对多WTG功率输出作卷积运算或采用时序模拟方法时步长选择和计算量大小之间的矛盾，利用风速概率分布函数和WTG出力特性这两者均可用解析式表达的特点，以解析方法实现了含WTG的微电网发电可靠性评估，建立的评估模型具有较明确的数学和物理意义。【相关文献】LasseterRobertH.CertsMicrogrid[A].IEEEInternationalConferenceonSystemofSystemsEngineering[C].SanAntonio:IEEE，2007.1-5.GuerreroJM，BlaabjergF，ZhelevT，etal.DistributedGeneration:TowardaNewEnergyParadigm[J].IndustrialElectronicsMagazine，2010，4（1）：52-64.VaraiyaPP，WuFF，BialekJW.SmartOperationofSmartGrid:Risk-LimitingDispatch[J].ProceedingsoftheIEEE，2011，99（1）：40-57.KarakiSH，ChedidRB，RamadanR.Probabilisticperformanceassessmentofwindenergyconversionsystems[J].EnergyConversion，IEEETransactionson.1999，14（2）：217-224.ValleeF，LobryJ，DebleckerO.Systemreliabilityassessmentmethodforwindpowerintegration[J].PowerSystems，IEEETransactionson，2008，23（3）：1288-1297.王杨，万凌云，胡博，等.基于孤岛运行特性的微电网可靠性分析[J].电网技术，2014，38（9）：2379-2385.WangYang，WanLingyun，HuBo，etal.Isolatedislandoperatingcharacteristicsbasedanalysisonreliabilityofmicrogrid[J].Po