发明内容
针对现有技术所存在的上述技术问题,本发明提供了一种含风电场电力系统的运行风险评估方法,能够提高低概率下不同风险值的辨识度和区分度,真实感知和量化风电并网作用下电力系统时变特性对应的运行风险水平。
一种含风电场电力系统的运行风险评估方法,包括如下步骤:
(1)根据马尔可夫链理论以及正态分布模型,建立关于风电场功率的概率数学模型M1和关于负荷功率预测的概率数学模型M2;
(2)根据所述的概率数学模型M1~M2以及电力系统中各元件的可靠性参数,通过蒙特卡洛方法抽样确定出电力系统的一种系统状态作为当前系统状态,根据当前系统状态对电力系统进行潮流计算,计算出电力系统中各节点的电压以及各支路的功率,进而根据各支路的功率计算出当前系统状态下电力系统中各节点的实时重要度;
(3)根据经济学效用理论,建立关于母线低电压越限的后果严重度模型M3和关于电力有功功率不足的后果严重度模型M4,根据所述的后果严重度模型M3~M4以及各节点的电压计算出当前系统状态下电力系统中各节点关于母线低电压越限的后果严重度以及关于电力有功功率不足的后果严重度;
(4)根据步骤(2)~(3)循环抽样若干次,并计算出在各次抽样确定的系统状态下电力系统中各节点的实时重要度以及关于母线低电压越限的后果严重度和关于电力有功功率不足的后果严重度;
(5)根据步骤(4)中计算得到的所有数据,计算出电力系统关于母线低电压越限的风险指标值S1和关于电力有功功率不足的风险指标值S2;进而根据风险指标值S1~S2对电力系统进行运行风险评估。
所述的步骤(2)中,通过以下算式计算电力系统中各节点的实时重要度:
λi=ω1×Mi+ω2×Pi
Pi=Pi-IN/Pbase
其中:λi为电力系统中第i节点的实时重要度,Mi为电力系统中第i节点的度数,Pi-IN为电力系统中第i节点的注入总功率,Pbase为电力系统的基准功率,ω1和ω2均为给定的权重系数,i为自然数且1≤i≤N,N为电力系统中节点的总个数。
所述的步骤(3)中,通过以下算式计算电力系统中各节点关于母线低电压越限的后果严重度:
其中:Zi为电力系统中第i节点关于母线低电压越限的后果严重度,Vi为电力系统中第i节点的电压,V0为给定的母线运行电压阈值,i为自然数且1≤i≤N,N为电力系统中节点的总个数。
所述的步骤(3)中,通过以下算式计算电力系统中各节点关于电力有功功率不足的后果严重度:
其中:Yi为电力系统中第i节点关于电力有功功率不足的后果严重度,EDNSi为电力系统中第i节点的负荷削减值,i为自然数且1≤i≤N,N为电力系统中节点的总个数。节点的负荷削减值是根据之前潮流计算得到的数据(如发电机容量的上下限、线路容量的上下限以及节点的当前负荷值),通过最优负荷削减算法的计算获取得到的。
所述的步骤(5)中,根据以下算式计算电力系统关于母线低电压越限的风险指标值S1:
其中,λi-j为第j次抽样确定的系统状态下电力系统中第i节点的实时重要度,Zi-j为第j次抽样确定的系统状态下电力系统中第i节点关于母线低电压越限的后果严重度,μj为第j次抽样确定的系统状态的概率,α和β均为给定的权重系数,i为自然数且1≤i≤N,N为电力系统中节点的总个数,j为自然数且1≤j≤M,M为抽样总次数。
所述的步骤(5)中,根据以下算式计算电力系统关于电力有功功率不足的风险指标值S2:
其中,λi-j为第j次抽样确定的系统状态下电力系统中第i节点的实时重要度,Yi-j为第j次抽样确定的系统状态下电力系统中第i节点关于电力有功功率不足的后果严重度,μj为第j次抽样确定的系统状态的概率,α和β均为给定的权重系数,i为自然数且1≤i≤N,N为电力系统中节点的总个数,j为自然数且1≤j≤M,M为抽样总次数。
在电力系统中,单个或若干个二端元件所串联成的电路称为支路,两条以上支路的交汇点称为节点;在电路模型中各元件的端子是用“理想导线”连接起来的,有两个对外端子的元件称为二端元件。
节点的度数即为该节点连接的支路(包括输入支路和输出支路)总数;节点的注入总功率为节点连接的所有输入支路的功率总和。
本发明风险评估方法将风电场对电力系统运行的影响追溯到节点,在风险指标中引入节点实时重要度权重,综合反映网络拓扑结构和实时潮流状态信息的影响,能够真实的反映风电场作用下电力系统的实时风险变化,完成系统运行风险评估的短期计算周期内的各状态参量和风险水平排序的实时更新,避免高重要度的发电厂或变电站母线被忽略监视运行的情况;通过使用指数型风险偏好型效用函数后果严重度评价函数将风险值转换为无量纲的效用值,将风险值进行不同程度的放大,以提高相同低失负荷概率下的风险水平差异辨识度和区分度,便于不同风险水平的科学比较。同时本发明为了综合反映系统运行风险指标的累加效果,并防止或减弱最大的节点风险指标被遮蔽的现象,将风险指标分成两部分处理,一部分为全系统各节点运行风险指标的累加值,以反映各节点风险指标的共同作用,另一部分为最大的节点风险效用值指标,以突出该节点指标的作用,避免或减弱累加指标时可能存在的遮蔽现象。利用本发明风险评估方法得到的风险效用值指标可为含风电场的电力系统在多风险因素作用下风险分布的科学评定、风险水平的正确衡量以及总体风险的防御控制提供理论参考和决策支持。
具体实施方式
为了更为具体地描述本发明,下面结合附图及具体实施方式对本发明的技术方案进行详细说明。
本实施方式的评估对象为IEEE RTS79系统,并设计渗透率为30%的风电场接入该系统。
如图1所示,一种含风电场电力系统的运行风险评估方法,包括如下步骤:
(1)根据马尔可夫链理论以及正态分布模型,建立关于风电场功率的概率数学模型M1和关于负荷功率预测的概率数学模型M2。
本实施方式为简化含风电场的电力系统模型,将原型系统划分为电源侧、电网侧以及负荷侧,如图2所示,分别产生停运模型参数。
首先电源侧包含传统电源发电机和并网风电场,传统电源发电机停运模型采用长期运行统计的强迫停运率表示;风电机组出力的概率数学模型采用概率数学模型表示,认为风电机组出力的概率分布同时受风电机组自身随机故障以及风速预测从而风电功率预测存在偏差两方面影响。具体模型如下:
根据风机自身随机停运在短时间内为非时齐马尔可夫过程,给定风机在初始t=0时刻处于运行状态,且运行风险评估内不计风机的修复过程,则有t时刻风电机组运行和停运状态概率根据下式确定:
其中:pu(t)为运行状态概率;pd(t)为停运状态概率。
根据运行风险评估计算时间内可采用正态分布模型处理风电功率的短期预测误差。风电机组的输出功率预测值PWG服从均值pWG,标准差为σ的正态分布PWG~N(pWG,σ2),概率密度函数为:
将正态分布模型进行七段离散化处理,得到风电机组出力的概率数学模型,如图3所示;具体表达式如下:
其中:PWG为风电机组功率预测值;PWGk为PWG的正态分布模型第k段的功率,pWGk为出力为第k段的概率;k=0时表示风机处于停运状态;λ为风电机组自身的故障率(次/年)。
根据传统电源各台发电机组的可靠性参数,各台发电机组的停运概率可根据下式计算:
电网侧为各输电线路、变压器元件构成的输变电网络,输电线路和变压器的停运概率也通过长期统计平均值确定。
其中:λG、λL、λT为故障率,μG、μL、μT为修复率。
负荷侧的节点功率概率分布根据负荷功率预测偏差服从正态分布建立,具体表达式如下:
其中:La t为实际负荷值;Lf t为负荷预测值;ε1 t为负荷预测偏差,服从均值为0,标准差为σl的正态分布ε1 t~N(0,σl 2)。负荷短期预测值的七段离散化不确定性模型,如表1所示:
表1
风电场概率数学模型中,各台风电机组容量取为2.5MW,风机自身故障率为1次/年;发电机、变压器、输电线路以及负荷的参数均取自IEEE RTS79系统标准参数值。
(2)根据概率数学模型M1~M2以及电力系统中各元件的可靠性参数,通过采用非序贯蒙特卡洛方法仿真模拟,抽样风电场功率、负荷功率以及发电机、变压器、输电线路的元件状态,从而确定出电力系统的一种系统状态作为当前系统状态;
根据当前系统状态对电力系统进行潮流计算,计算出电力系统中各节点的电压以及各支路的功率,进而根据各支路的功率通过以下算式计算出当前系统状态下电力系统中各节点的实时重要度;
λi=ω1×Mi+ω2×Pi
Pi=Pi-IN/Pbase
其中:λi为电力系统中第i节点的实时重要度,Mi为电力系统中第i节点的度数,Pi-IN为电力系统中第i节点的注入总功率,Pbase为电力系统的基准功率,ω1和ω2均为给定的权重系数,i为自然数且1≤i≤N,N为电力系统中节点的总个数;本实施方式中,ω1=ω2=0.5,Pbase=100MW。
(3)根据经济学效用理论,建立关于母线低电压越限的后果严重度模型M3和关于电力有功功率不足的后果严重度模型M4,
基于效用理论的母线低电压越限和电力有功功率不足的后果严重度模型采用风险偏好型指数函数模型,其表达式如下:
其中:w代表故障损失值,如故障发生后母线低电压越限值或电力有功功率不足期望值等,而u(w)代表故障后果严重程度,即运行人员对电网越限或失负荷等故障情况发生时的不满意程度。
根据上述后果严重度模型M3~M4以及各节点的电压计算出当前系统状态下电力系统中各节点关于母线低电压越限的后果严重度以及关于电力有功功率不足的后果严重度;其中:
各节点关于母线低电压越限的后果严重度通过以下算式计算:
其中:Zi为电力系统中第i节点关于母线低电压越限的后果严重度,Vi为电力系统中第i节点的电压,V0为给定的母线运行电压阈值,i为自然数且1≤i≤N,N为电力系统中节点的总个数。
各节点关于电力有功功率不足的后果严重度通过以下算式计算:
其中:Yi为电力系统中第i节点关于电力有功功率不足的后果严重度,EDNSi为电力系统中第i节点的负荷削减值,i为自然数且1≤i≤N,N为电力系统中节点的总个数。节点的负荷削减值是根据之前潮流计算得到的数据(如发电机容量的上下限、线路容量的上下限以及节点的当前负荷值),通过最优负荷削减算法的计算获取得到的。
(4)根据步骤(2)~(3)循环抽样若干次,并计算出在各次抽样确定的系统状态下电力系统中各节点的实时重要度以及关于母线低电压越限的后果严重度和关于电力有功功率不足的后果严重度;本实施方式中,抽样总次数为5000次。
(5)根据步骤(4)中计算得到的所有数据,计算出电力系统关于母线低电压越限的风险指标值S1和关于电力有功功率不足的风险指标值S2;其中:
电力系统关于母线低电压越限的风险指标值S1通过以下算式计算:
其中,λi-j为第j次抽样确定的系统状态下电力系统中第i节点的实时重要度,Zi-j为第j次抽样确定的系统状态下电力系统中第i节点关于母线低电压越限的后果严重度,μj为第j次抽样确定的系统状态的概率,α和β均为给定的权重系数,i为自然数且1≤i≤N,N为电力系统中节点的总个数,j为自然数且1≤j≤M,M为抽样总次数;本实施方式中,α=β=0.5。
电力系统关于电力有功功率不足的风险指标值S2通过以下算式计算:
其中,λi-j为第j次抽样确定的系统状态下电力系统中第i节点的实时重要度,Yi-j为第j次抽样确定的系统状态下电力系统中第i节点关于电力有功功率不足的后果严重度,μj为第j次抽样确定的系统状态的概率,α和β均为给定的权重系数,i为自然数且1≤i≤N,N为电力系统中节点的总个数,j为自然数且1≤j≤M,M为抽样总次数。
最后,通过公式LOLP=m/M计算电力系统的失负荷概率LOLP,m为仿真过程中出现切负荷事件的次数;进而我们根据系统的风险指标值S1~S2以及失负荷概率LOLP即可对电力系统进行运行风险评估。
以下我们对本实施方式将节点实时重要度引入风险指标权重的必要性和有效性进行验证,先将风电场依次接入各节点,得到电力有功功率供应不足风险效用值R_edns和母线低电压越限风险效用值R_lowv两个指标的最大权重节点分布如图4所示。
由于分布式接入风能可以较少受到网络结构的影响和限制,降低母线电压越限程度并更好的平稳风能天然上的波动,因此本实施方式中将总容量为875MW的风电场平均接在节点11和节点21。
提取节点4、节点9、节点19、节点20的计算结果,得到两种风险指标计算方法下的指标值对比如图5所示;从图5可知,考虑了节点实时重要度之后,可能会改变系统的节点部分风险指标排序分布。本实施方式中,传统的风险指标LOWV4>LOWV9、EDNS19>EDNS20,而采用本实施方式提出的考虑节点实时重要度的运行风险效用值表达则有RLowv_9>RLowv_4,REdns_20>REdns_19。因此本实施方式计及节点实时重要程度的风险评估可完成风电功率变化、元件随机故障和负荷波动共同作用下节点状态的实时更新和风险水平的重新排序,可以减弱或避免高重要度的发电厂或变电站母线被忽略监视运行的情况发生。节点风险水平的变化也反映了节点实时重要程度的波动对各节点风险指标贡献的改变,对节点重要程度较高的发电厂或变电站母线节点应重点监视其运行情况的变化。
提取本实施方式中失负荷概率相同的节点,得到传统风险指标倍数与本实施方式提出的运行风险效用值倍数对比如表2所示:
表2
本实施方式中,节点4和节点9失负荷概率都为0.0001的相同失负荷频率的情况下,传统的风险指标体系中EDNS9≈2.5EDNS4,LOWV9≈LOWV4且LOWV9<LOWV4,而通过本实施方式提出的考虑节点实时重要度的运行风险效用值指标体系有REdns_9≈5.7REdns_4,RLowv_9≈2RLowv_4;节点19和节点20的失负荷概率均为0.00013,传统的风险指标体系中EDNS19≈EDNS20,LOWV19≈1.65LOWV20,而在本实施方式提出的风险指标体系下有REdns_19≈1.9REdns_20,RLowv_19≈1.69RLowv_20。节点9处的电力有功功率供应不足风险值和低电压越限风险值、节点19处的低电压越限风险值以及节点20的电力供应不足风险值被不同程度的放大。因此本实施方式中采用效用函数故障严重度后果评价函数可以更好的突出相同低概率(LOLP较小)状态下的高风险值,正确比较各节点的风险水平。
同时对本实施方式中的节点4和节点9的母线低电压越限情况而言,采用本实施方式的指标体系之后,不仅完成了节点4和节点9在母线低电压越限方面的风险排序更新,而且突出反映了这种风险更新后节点9的母线低电压越限严重情况,便于运行人员及时发现和监视节点9的运行。
本实施方式中,采用失负荷概率LOLP和系统电力有功功率不足风险效用值REdns这2个指标来表征含风电场的电力系统运行备用风险水平。整个系统的各节点运行备用风险水平分布如图6所示。
故本实施方式给出了衡量含风电场的电力系统运行风险水平的一种评价方法,验证了本实施方式提出的综合节点实时重要度和故障严重度效用值所定义的系统运行风险效用值指标可以同时体现节点作用和低概率高风险情况,更好的表达风电场作用下的系统潮流分布和风险水平。一方面引入节点实时重要度后,各节点的重要程度、电力有功功率不足风险和低电压越限风险将实时更新并重新排序,对并网风电场功率波动、元件随机停运、负荷不确定性等多风险因素作用下电力系统实时风险水平的衡量也更加科学;另一方面使用后果严重度效用值后,母线低电压越限风险值和电力有功功率供应不足被不同程度的放大,提高了相同低停运概率情况下风险水平之间的差异度和辨识度,有利于更好的进行相同低停运概率下风险水平的区分和比较。