CN103701120A - 一种含风电场的大电网可靠性的评估方法 - Google Patents

Abstract

本发明公开了属于电力系统可靠性评估技术领域的一种含风电场的大电网可靠性的评估方法。该方法首先建立风电场时序功率输出模型；然后将风电场时序功率输出模型和大电网系统结合，建立含风电场的大电网可靠性模型；建立含风电场的大电网可靠性评估的指标体系；最后运用序贯蒙特卡洛模拟法对含风电场的大电网的可靠性进行评估。本发明从电网侧以及风电场侧分别建立了相关可靠性模型及指标体系，用以衡量风电场的接入对大电网可靠性的影响，可以更充分反映系统的整体可靠性状况以及风电场对大电网充裕性的贡献。

Description

一种含风电场的大电网可靠性的评估方法

技术领域

本发明属于电力系统可靠性评估技术领域，特别涉及一种含风电场的大电网可靠性的评估方法。

背景技术

随着世界能源需求的日益增长和可再生资源的开发和利用，风能作为可再生清洁新能源越来越受到人们的重。风力发电由于技术发展成熟并且发电成本相对较低而成为常规能源最主要的一种替代形式。由于风能具有间歇性和随机性，在时间和空间上的分布具有很大的不均匀性，风电场的功率输出随风能资源、时间和空间的变化而波动，大规模风力发电并网后会对电力系统的安全稳定运行带来很大的影响，尤其是对大电网可靠性可靠性产生影响，传统的大电网可靠性评估模型和指标体系无法满足要求，需要提出一种新的含风电场的大电网可靠性的评估方法。

发明内容

针对上述现有技术的存在的问题，本发明提出一种含风电场的大电网可靠性的评估方法，其特征在于，该方法具体步骤如下：

步骤一：建立风电场时序功率输出模型；

步骤二：将步骤一的模型和大电网系统结合，建立含风电场的大电网可靠性模型，包括如下子步骤：

子步骤21）建立元件的序贯概率仿真模型；

子步骤22）建立常规发电机组的序贯概率仿真模型；

子步骤23）利用时序负荷曲线，建立大电网时序负荷模型；

子步骤24）建立含风电场的大电网时序负荷模型；

步骤三：建立含风电场的大电网可靠性评估的指标体系；

步骤四：读入风电场接入大电网后的整个系统的基本参数数据，设置仿真年数m；

步骤五：读入历史风速数据，运用ARMA模型进行模拟，仿真m年的风速数据，基于步骤一中风电场时序功率输出模型，求取风电场功率输出曲线；

步骤六：根据含风电场大电网可靠性模型子步骤21），对大电网中的元件状态持续时间抽样，得到相应的持续时间与故障时间，形成元件的状态序列；

步骤七：根据含风电场大电网可靠性模型子步骤22），形成发电机组的状态序列；

步骤八：将子步骤24）中得到的含风电场的大电网时序负荷看成是负的负荷，再与步骤六和步骤七得到的状态序列相结合，形成含风电场的系统状态序列；

步骤九：按时间顺序依选取步骤八中系统状态序列中的状态，然后依次对选取的每个状态进行判断，如果后评估的系统状态与前面评估过的系统状态一样，则直接读入前面的评估结果；如果不一样，则进入步骤十，对该状态进行分析；

步骤十：判断该状态下系统是否解列，如果不能够解列，则对整个系统进行分析；如果能够解列，则将整个系统分解成各个子系统，进入步骤十一，分别对每个子系统进行分析；

步骤十一：判断各个子系统发电总容量是否满足负荷，如果不满足，则削减负荷；

步骤十二：计算上面选取的系统状态下系统的直流潮流，以此来判断输电线路功率是否越限，若越限，则采用相应的负荷切除策略削减负荷；若不越限，则进入步骤十三；

步骤十三：计算各母线的切负荷量、系统总切负荷量，判断是否满足收敛判据，若满足则进入步骤十四；若不满足，则返回步骤九；

步骤十四：输出系统的可靠性指标。

所述步骤一风电场时序功率输出模型建立步骤如下：

11）录入风电机组的基本参数数据；所述基本参数数据包括风电机组的故障率、修复率，风电场风机台数，仿真年数；

12）统计大量历史风速数据，建立ARMA风速预测模型，并依据仿真年数模拟给出时序风速数据；

13）运用风电机组停运模型来模拟抽样得出风电机组的运行持续时间和故障恢复时间，建立风电机组的正常运行和故障停运的时序过程；

14）基于步骤12）中得到的时序风速数据，依据Jensen尾流损失模型，计算通过尾流效应后通过各风电机组转子处的风速；

15）依据风电机组的功率特性曲线，求取步骤14）中得到的某一风速数值的功率输出，并将风电场内各机组输出功率相叠加，建立风电场的时序功率输出模型。

所述步骤13）中风电机组停运模型为：假设风电机组正常持续时间和故障修复时间服从指数分布，风力发电机组的随机停运用正常运行持续时间和故障修复时间来描述，其中

正常持续运行时间t₁为：

$\begin{array}{cc}{t}_1=-\frac{1}{\mathrm{\λ}}1n\left(R\left(t\right)\right)=-\frac{1}{\mathrm{\λ}}1n& (x\∈(0,1\left]\right)\end{array}$

故障修复时间t₂为：

$\begin{array}{cc}{t}_2=-\frac{1}{\mathrm{\μ}}1\mathrm{nx}& (x\∈(\mathrm{0,1}\left]\right)\end{array}$

平均持续工作时间为：

$\mathrm{MTTF}=\frac{1}{\mathrm{\λ}}$

平均修复时间为：

$\mathrm{MTTR}=\frac{1}{\mathrm{\μ}}$

元件的强迫停运率为：

$\mathrm{for}=\frac{\mathrm{\λ}}{\mathrm{\λ}+\mathrm{\μ}}=\frac{\mathrm{MTTR}}{\mathrm{MTTR}+\mathrm{MTTF}}$

其中，故障率λ和修复率μ为常数，R(t)为可靠度。

所述步骤15）中风电机组的功率特性曲线由分段函数表示：

$P_t=\left\{\begin{array}{cc}0& 0\&le;v<v_{\mathrm{ci}}\\ (A+\mathrm{Bv}+{\mathrm{Cv}}^2)P_r& v_{\mathrm{ci}}\&le;v<v_r\\ P_r& v_r\&le;v<v_{\mathrm{co}}\\ 0& v_{\mathrm{co}}\&le;v\end{array}\right.$

其中，v_ci、v_r、v_co分别表示风电机组的切入风速、额定风速和切出风速，P_r为风电机组的额定功率，A、B、C为风电机组的功率特性曲线参数，利用如下公式计算：

$\begin{array}{c}A=\frac{1}{{(V_{\mathrm{ci}}-V_r)}^2}[V_{\mathrm{ci}}(V_{\mathrm{ci}}+V_r)-4(V_{\mathrm{ci}}\&times;V_r)[\frac{V_{\mathrm{ci}}+V_r}{{2V}_r}{]}^3]\\ B=\frac{1}{{(V_{\mathrm{ci}}-V_r)}^2}[4(V_{\mathrm{ci}}+V_r){\left[\frac{V_{\mathrm{ci}}+V_r}{{2V}_r}\right]}^3-({3V}_{\mathrm{ci}}+V_r)\\ C=\frac{1}{{(V_{\mathrm{ci}}-V_r)}^2}[2-4[\frac{V_{\mathrm{ci}}+V_r}{{2V}_r}{]}^3]\end{array}$

所述步骤21）中元件的序贯概率仿真模型为：按照时序，在一个时间跨度上进行模拟，通常假设元件的运行与修复过程服从指数分布：

$D_i=\frac{1}{{\mathrm{\&lambda;}}_i}1n{R}_i$

式中，R_i为[0,1]均匀分布的抽样值，若λ_i是某元件的故障率，则D_i表示元件运行状态的持续时间；反之，若λ_i是某元件的修复率，则D_i表示元件的故障的持续时间。

所述步骤三中的评估指标体系包括：

（1）切负荷频率

$\mathrm{EFLC}=\frac{8760}{T}N$

其中，N是有切负荷的状态总数，如果系统状态序列中连续几个系统状态均有切负荷，将其视为一个切负荷状态；

（2）切负荷持续时间

$\mathrm{EDLC}=\underset{i\&Element;s}{\mathrm{\&Sigma;}}\frac{t_i}{T}\&times;8760$

其中，S是有切负荷的系统状态的集合；t_i是系统状态i的持续时间，T是总模拟时间；

（3）电量不足期望值

$\mathrm{EENS}=\frac{8760}{T}\underset{i\&Element;s}{\mathrm{\&Sigma;}}{C}_i{t}_i$

其中，C_i是系统状态i的切负荷量；

（4）容量可信度

容量可信度C_c的定义为维持系统可靠性水平不变的情况下，风电场能够替换常规机组的容量与风电场容量的比值，用公式表示为：

$C_c=\frac{C_{\mathrm{equ}}}{C_w}\&times;100\%$

其中，C_equ表示维持系统可靠性水平不变，风电场能够替换常规机组的容量，C_w为风电场的额定容量；

（5）风电场可中断能量效益

风电场可中断能量效益指标WGIEB反映风电场对大电网电量不足期望值的贡献，公式如下：

$\mathrm{WGIEB}=\frac{{\mathrm{EENS}}_{\mathrm{bw}}-{\mathrm{EENS}}_{\mathrm{aw}}}{C_w}$

其中，EENS_bw、EENS_aw分别表示为大电网未加入风电场和加入风电场后的电量不足期望值，C_w为风电场的额定容量。

所述步骤十二中直流潮流表达式如下：

$\begin{array}{cc}\underset{k\&Element;{\mathrm{\&Omega;}}_i}{\mathrm{\&Sigma;}}{A}_{\mathrm{ik}}{P}_k=P_{\mathrm{Gi}}-P_{\mathrm{Di}}& i\&Element;N\\ P_k=B_k({\mathrm{\&theta;}}_i-{\mathrm{\&theta;}}_j)& k\&Element;M\end{array}$

其中，Ω_i为同节点i相连的支路集，A_ik为节点i与支路k的关联系数，P_k为支路k潮流，P_Gi、P_Di为节点i发电出力及负荷，N为系统节点集，B_k为支路电纳，θ_i、θ_j分别为母线i、j的相角；同时具有两类约束条件分别为发电机功率约束和输电线路潮流约束：

$\left\{\begin{array}{c}{P}_{G\min }\&le;P_{\mathrm{Gi}}\&le;P_{G\max }\\ 0\&le;P_k\&le;P_{k\max }\end{array}\right.$

其中，P_Gmax和P_Gmin分别为发电机有功功率输出的上下限，P_kmax为支路传输功率上限。

所述步骤十二中相应的负荷切除策略为采用最优负荷削减模型，其目标函数为最小总负荷削减量：

目标函数：

$\min \underset{i\&Element;\mathrm{ND}}{\mathrm{\&Sigma;}}{C}_i$

约束条件：

$\left\{\begin{array}{cc}T\left(S\right)=A\left(S\right)(\mathrm{PG}-\mathrm{PD}+C)& \\ \underset{i\&Element;\mathrm{NG}}{\mathrm{\&Sigma;}}{\mathrm{PG}}_i+\underset{i\&Element;\mathrm{ND}}{\mathrm{\&Sigma;}}{C}_i=\underset{i\&Element;\mathrm{ND}}{\mathrm{\&Sigma;}}{\mathrm{PD}}_i& \\ {\mathrm{PG}}_i^{\max }\&le;{\mathrm{PG}}_i\&le;{\mathrm{PG}}_i^{\max }& (i\&Element;\mathrm{NG})\\ 0\&le;C_i\&le;{\mathrm{PD}}_i& (i\&Element;\mathrm{NG})\\ \left|T_k\left(S\right)\right|\&le;T_k^{\max }& (k\&Element;L)\end{array}\right.$

其中，T(S)表示状态S的有功潮流矢量，A(S)表示状态S的有功潮流和注入功率之间的关系矩阵，PG和PD分别表示发电输出和负荷功率矢量，C是负荷削减矢变量，PG_i、PD_i、C_i和T_k(S)分别是PG、PD、C和T(S)的元素；PG_i ^min、PG_i ^max和T_k ^max分别是PG_i和T_k(S)的限值，NG、ND和L分别是系统发电母线、负荷母线以及支路的集合。

发明的有益效果：本发明从电网侧以及风电场侧分别建立了相关可靠性模型及指标体系，用以衡量风电场的接入对大电网可靠性的影响，可以更充分反映系统的整体可靠性状况以及风电场对大电网充裕性的贡献。

附图说明

图1为本发明提出的一种含风电场的大电网可靠性的评估方法的流程图；

图2为风电场时序功率输出模型建立方法的流程图；

图3为Jensen尾流损失模型；

图4风电机组的功率特性曲线；

图5为含风电场的大电网可靠性模型建立方法的流程图；

图6为常规发电机组不同运行状态之间的状态转移图；

具体实施方式

下面结合附图和具体实施例对本发明作进一步说明。

本发明主要提出了一种含风电场的大电网可靠性的评估方法。这种评估方法的具体步骤如图1所示，该方法具体步骤如下：

步骤一：建立风电场时序功率输出模型；

如图2所示为风电场时序功率输出模型建立方法的流程图，具体步骤如下：

11）录入风电机组的基本参数数据；所述基本参数数据包括风电机组的故障率、修复率，风电场风机台数，仿真年数；

12）统计大量历史风速数据，建立ARMA风速预测模型，并依据仿真年数模拟给出时序风速数据；

13）运用风电机组停运模型来模拟抽样得出风电机组的运行持续时间和故障恢复时间，建立风电机组的正常运行和故障停运的时序过程；

风电机组停运模型：一般假设风电机组正常持续时间和故障修复时间服从指数分布，即故障率λ和修复率μ为常数，风力发电机组的随机停运可用正常运行持续时间和故障修复时间来描述。风电机组的故障率λ假定为常数后，则其与可靠度为指数函数关系：

R(t)=e^-λt  (t≥0)

利用反函数变换法，得到正常持续运行时间t1：

$\begin{array}{ccc}x=R\left(t\right)=e^{-\mathrm{\&lambda;t}}& t_1=-\frac{1}{\mathrm{\&lambda;}}1n\left(R\left(t\right)\right)=-\frac{1}{\mathrm{\&lambda;}}1\mathrm{nx}& (x\&Element;(\mathrm{0,1}\left]\right)\end{array}$

同理，故障修复时间t2：

$\begin{array}{cc}{t}_2=-\frac{1}{\mathrm{\&mu;}}1\mathrm{nx}& (x\&Element;(\mathrm{0,1}\left]\right)\end{array}$

值得注意的是，平均持续工作时间MTTF

平均修复时间

元件的强迫停运率

用于计算每一风电机组的输出功率。

14）基于步骤12）中得到的时序风速数据，依据Jensen尾流损失模型，计算通过尾流效应后通过各风电机组转子处的风速；

如图3所示为Jensen尾流损失模型，具体为：

假定风电场是均匀场，X是两台机组之间的距离，R为叶轮半径，R_w为尾流半径，v₀表示自然风速，v_t表示通过前一个风机转子的风速，v_x表示受到尾流效应后通过下一个风机转子的风速。根据动量理论：

$\begin{array}{c}{\mathrm{\&rho;\&pi;R}}_w^2{v}_x={\mathrm{\&rho;\&pi;R}}^2{v}_T+\mathrm{\&rho;\&pi;}(R_w^2-R^2)\\ \frac{{\mathrm{dR}}_w}{\mathrm{dt}}=k_w({\mathrm{\&sigma;}}_G+{\mathrm{\&sigma;}}_0)\\ \frac{{\mathrm{dR}}_w}{\mathrm{dx}}=\frac{{\mathrm{dR}}_w}{\mathrm{dt}}\frac{\mathrm{dt}}{\mathrm{dx}}=k_w({\mathrm{\&sigma;}}_G+{\mathrm{\&sigma;}}_0)/v\end{array}$

其中，ρ表示空气密度，σ_G、σ₀分别为风电机组产生的湍流和自言湍流的均方差，k_w表示经验常数，v为平均风速，令K=k_w(σ_G+σ₀)/v，定义为尾流下降系数；v₀，v_t与风力机组的推力系数C_T之间的关系为：

$v_T=v_0\sqrt{1-G_T}$

可推得：

$v_x=v_0[1-(1-\sqrt{1-C_T}){\left(\frac{R}{R+\mathrm{KX}}\right)}^2]$

得知自然风速v₀，可以算出尾流效应后通过风电机组的转子处风速v_x。

15）依据风电机组的功率特性曲线，求取步骤14）中得到的某一风速数值的功率输出，并将风电场内各机组输出功率相叠加，建立风电场的时序功率输出模型。

如图4所示为风电机组的功率特性曲线图，该曲线可用如下分段函数表示：

$P_t=\left\{\begin{array}{cc}0& 0\&le;v<v_{\mathrm{ci}}\\ (A+\mathrm{Bv}+{\mathrm{Cv}}^2)P_r& v_{\mathrm{ci}}\&le;v<v_r\\ P_r& v_r\&le;v<v_{\mathrm{co}}\\ 0& v_{\mathrm{co}}\&le;v\end{array}\right.$

其中，v_ci、v_r、v_co分别表示风电机组的切入风速、额定风速和切出风速，P_r为风电机组的额定功率，A、B、C为风电机组的功率特性曲线参数，不同类型的风机其参数亦有所区别，可利用如下公式近似计算：

$\begin{array}{c}A=\frac{1}{{(V_{\mathrm{ci}}-V_r)}^2}[V_{\mathrm{ci}}(V_{\mathrm{ci}}+V_r)-4(V_{\mathrm{ci}}\&times;V_r)[\frac{V_{\mathrm{ci}}+V_r}{{2V}_r}{]}^3]\\ B=\frac{1}{{(V_{\mathrm{ci}}-V_r)}^2}[4(V_{\mathrm{ci}}+V_r){\left[\frac{V_{\mathrm{ci}}+V_r}{{2V}_r}\right]}^3-({3V}_{\mathrm{ci}}+V_r)\\ C=\frac{1}{{(V_{\mathrm{ci}}-V_r)}^2}[2-4[\frac{V_{\mathrm{ci}}+V_r}{{2V}_r}{]}^3]\end{array}$

将风电场的模型与大电网系统相结合，按照在满足系统约束条件前提下充分利用风电的原则，基于序贯蒙特卡罗模拟法，研究风电接入电网的可靠性。

步骤二：将步骤一的模型和大电网系统结合，建立含风电场的大电网可靠性模型，如图5所示为模型的建立流程图，该模型的建立包括如下子步骤：

子步骤21）建立元件的序贯概率仿真模型；

元件指的是大电网中的元件，包括输电线、变压器等。元件的序贯概率仿真模型为：按照时序，在一个时间跨度上进行模拟，通常假设元件的运行与修复过程服从指数分布：

$D_i=\frac{1}{{\mathrm{\&lambda;}}_i}1n{R}_i$

式中，一个时间跨度通常指数十年；R_i为[0,1]均匀分布的抽样值，若λ_i是某元件的故障率，则D_i表示元件运行状态的持续时间；反之，若λ_i是某元件的修复率，则D_i表示元件的故障的持续时间。

子步骤22）建立常规发电机组的序贯概率仿真模型；

如图6所示为常规发电机组不同运行状态之间的状态转移图；假设不计机组完全停运状态与降额运行状态之间的状态转移，若常规发电机组初始运行状态处于状态1满额运行，则由状态1可进入状态2降额运行状态或状态3完全停运状态，其转移率分别为λ₁和λ₂，则状态1的持续时间可分为两种情况进行计算：

$\begin{array}{c}{\mathrm{TTT}}_{12}=-\frac{1}{{\mathrm{\&lambda;}}_1}1n\left(U_{12}\right)\\ {\mathrm{TTT}}_{13}=-\frac{1}{{\mathrm{\&lambda;}}_2}1n\left(U_{13}\right)\end{array}$

其中，U₁₂、U₁₃表示(0，1]之间的随机数。若TTT₁₂小于TTT₁₃，则状态1的持续时间为TTT₁₂，当状态1持续时间结束后进入状态2；反之，若TTT₁₂大于TTT₁₃，则状态1的持续时间为TTT₁₃，当状态1持续时间结束后进入状态3。在进入状态2或状态3后，其返回状态只有状态1，若进入状态2，则将λ₁换成μ₁即可；若进入状态3，则将λ₂换成μ₂即可。

子步骤23）利用时序负荷曲线，建立大电网时序负荷模型；

使用序贯蒙特卡罗模拟法时，为方便起见负荷模型利用时序负荷曲线，时间间隔为一小时，则某天的负荷曲线是由二十四个点构成的负荷曲线，假定一年为8760个小时，则年负荷曲线为由8760个负荷点构成的时序负荷曲线，基于此建立时序负荷模型。

子步骤24）建立含风电场的大电网时序负荷模型；

假设风速预测时间间隔为一小时，根据该小时的风速大小及方向，考虑尾流损失、机组故障率等计算出整个风电场在该时刻的功率输出，则风电场的年功率输出曲线由这8760个离散的功率输出值组成。

步骤三：建立含风电场的大电网可靠性评估的指标体系；

旧有的电力系统充裕性评估的指标体系不能够充分体现风电场对于大电网可靠性的贡献，因此，需从风电场角度出发建立相应的指标，衡量风电场接入后对大电网可靠性的影响，本文建立的主要评估指标体系包括：

（1）切负荷频率EFLC（occ/y）

$\mathrm{EFLC}=\frac{8760}{T}N$

其中，N是有切负荷的状态总数；如果系统状态序列中连续几个系统状态均有切负荷，将其视为一个切负荷状态。

（2）切负荷持续时间EDLC（h/y）

$\mathrm{EDLC}=\underset{i\&Element;s}{\mathrm{\&Sigma;}}\frac{t_i}{T}\&times;8760$

其中，S是有切负荷的系统状态的集合；t_i是系统状态i的持续时间，T是总模拟时间。

（3）电量不足期望值EENS（MW·H/y）

$\mathrm{EENS}=\frac{8760}{T}\underset{i\&Element;s}{\mathrm{\&Sigma;}}{C}_i{t}_i$

其中，C_i是系统状态i的切负荷量。

以上三个指标越小越好，越小表示系统越可靠。

（4）容量可信度（C_c）

容量可信度的定义为维持系统可靠性水平不变的情况下，风电场可替换常规机组的容量与风电场容量的比值，用公式表示为：

R=f(C,L)=f(C+C_w,L+ΔL)=f(C+C_equ,L+ΔL)

其中，C_equ表示维持系统可靠性水平不变，风电场可替换常规机组的容量，C_w为风电场的额定容量，C、L分别表示原系统的发电容量和峰值负荷，ΔL表示接入风机和常规机组后，系统可额外承载的峰值负荷量。则根据定义，容量可信度的计算公式为：

$C_c=\frac{C_{\mathrm{equ}}}{C_w}\&times;100\%$

容量可信度通常达到35%以上较好。

（5）风电场可中断能量效益（WGIEB）

风电场接入大电网后，可用可中断能量效益指标反映风电场对大电网电量不足期望值的贡献，公式如下：

$\mathrm{WGIEB}=\frac{{\mathrm{EENS}}_{\mathrm{bw}}-{\mathrm{EENS}}_{\mathrm{aw}}}{C_w}$

其中，EENS_bw、EENS_aw分别表示为大电网未加入风电场和加入风电场后的电量不足期望值，C_w为风电场的额定容量。风电场可中断能量效益通常达到30以上较好。

步骤四：读入风电场接入大电网后的整个系统的基本参数数据，设置仿真年数m；

步骤五：读入历史风速数据，运用ARMA模型进行模拟，仿真m年的风速数据，基于步骤一中风电场时序功率输出模型，求取风电场功率输出曲线；

步骤六：根据含风电场大电网可靠性模型子步骤21），对大电网中的元件状态持续时间抽样，得到相应的持续时间与故障时间，形成元件的状态序列；

步骤七：根据含风电场大电网可靠性模型子步骤22），形成发电机组的状态序列；

步骤八：将子步骤24）中得到的含风电场的大电网时序负荷看成是负的负荷，再与步骤六和步骤七得到的状态序列相结合，形成含风电场的系统状态序列；

步骤九：按时间顺序依选取步骤八中系统状态序列中的状态，然后依次对选取的每个状态进行判断，如果后评估的系统状态与前面评估过的系统状态一样，则直接读入前面的评估结果；如果不一样，则进入步骤十，对该状态进行分析；

步骤十：判断该状态下系统是否解列，如果不能够解列，则对整个系统进行分析；如果能够解列，则将整个系统分解成各个子系统，进入步骤十一，分别对每个子系统进行分析；

步骤十一：判断各个子系统发电总容量是否满足负荷，如果不满足，则削减负荷；

步骤十二：计算上面选取的系统状态下系统的直流潮流，以此来判断输电线路功率是否越限，若越限，则采用相应的负荷切除策略削减负荷；若不越限，则进入步骤十三；

直流潮流表达式如下：

$\begin{array}{cc}\underset{k\&Element;{\mathrm{\&Omega;}}_i}{\mathrm{\&Sigma;}}{A}_{\mathrm{ik}}{P}_k=P_{\mathrm{Gi}}-P_{\mathrm{Di}}& i\&Element;N\\ P_k=B_k({\mathrm{\&theta;}}_i-{\mathrm{\&theta;}}_j)& k\&Element;M\end{array}$

其中，Ω_i为同节点i相连的支路集，A_ik为节点i与支路k的关联系数，P_k为支路k潮流，P_Gi、P_Di为节点i发电出力及负荷，N为系统节点集，B_k为支路电纳，θ_i、θ_j分别为母线i、j的相角；同时具有两类约束条件分别为发电机功率约束和输电线路潮流约束：

$\left\{\begin{array}{c}{P}_{G\min }\&le;P_{\mathrm{Gi}}\&le;P_{G\max }\\ 0\&le;P_k\&le;P_{k\max }\end{array}\right.$

其中，P_Gmax和P_Gmin分别为发电机有功功率输出的上下限，P_kmax为支路传输功率上限。

相应的负荷切除策略为采用最优负荷削减模型，其目标函数为最小总负荷削减量：

目标函数：

$\min \underset{i\&Element;\mathrm{ND}}{\mathrm{\&Sigma;}}{C}_i$

约束条件：

$\left\{\begin{array}{cc}T\left(S\right)=A\left(S\right)(\mathrm{PG}-\mathrm{PD}+C)& \\ \underset{i\&Element;\mathrm{NG}}{\mathrm{\&Sigma;}}{\mathrm{PG}}_i+\underset{i\&Element;\mathrm{ND}}{\mathrm{\&Sigma;}}{C}_i=\underset{i\&Element;\mathrm{ND}}{\mathrm{\&Sigma;}}{\mathrm{PD}}_i& \\ {\mathrm{PG}}_i^{\max }\&le;{\mathrm{PG}}_i\&le;{\mathrm{PG}}_i^{\max }& (i\&Element;\mathrm{NG})\\ 0\&le;C_i\&le;{\mathrm{PD}}_i& (i\&Element;\mathrm{NG})\\ \left|T_k\left(S\right)\right|\&le;T_k^{\max }& (k\&Element;L)\end{array}\right.$

其中，T(S)表示状态S的有功潮流矢量，A(S)表示状态S的有功潮流和注入功率之间的关系矩阵，PG和PD分别表示发电输出和负荷功率矢量，C是负荷削减矢变量，PG_i、PD_i、C_i和T_k(S)分别是PG、PD、C和T(S)的元素；PG_i ^min、PG_i ^max和T_k ^max分别是PG_i和T_k(S)的限值，NG、ND和L分别是系统发电母线、负荷母线以及支路的集合。

步骤十三：计算各母线的切负荷量、系统总切负荷量，判断是否满足收敛判据，若满足则进入步骤十四；若不满足，则返回步骤九；

步骤十四：输出系统的可靠性指标。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (8)

1.一种含风电场的大电网可靠性的评估方法，其特征在于，该方法具体步骤如下：

步骤一：建立风电场时序功率输出模型；

步骤二：将步骤一的模型和大电网系统结合，建立含风电场的大电网可靠性模型，包括如下子步骤：

子步骤21）建立元件的序贯概率仿真模型；

子步骤22）建立常规发电机组的序贯概率仿真模型；

子步骤23）利用时序负荷曲线，建立大电网时序负荷模型；

子步骤24）建立含风电场的大电网时序负荷模型；

步骤三：建立含风电场的大电网可靠性评估的指标体系；

步骤四：读入风电场接入大电网后的整个系统的基本参数数据，设置仿真年数m；

步骤五：读入历史风速数据，运用ARMA模型进行模拟，仿真m年的风速数据，基于步骤一中风电场时序功率输出模型，求取风电场功率输出曲线；

步骤六：根据含风电场大电网可靠性模型子步骤21），对大电网中的元件状态持续时间抽样，得到相应的持续时间与故障时间，形成元件的状态序列；

步骤七：根据含风电场大电网可靠性模型子步骤22），形成发电机组的状态序列；

步骤八：将子步骤24）中得到的含风电场的大电网时序负荷看成是负的负荷，再与步骤六和步骤七得到的状态序列相结合，形成含风电场的系统状态序列；

步骤九：按时间顺序依选取步骤八中系统状态序列中的状态，然后依次对选取的每个状态进行判断，如果后评估的系统状态与前面评估过的系统状态一样，则直接读入前面的评估结果；如果不一样，则进入步骤十，对该状态进行分析；

步骤十：判断该状态下系统是否解列，如果不能够解列，则对整个系统进行分析；如果能够解列，则将整个系统分解成各个子系统，进入步骤十一，分别对每个子系统进行分析；

步骤十一：判断各个子系统发电总容量是否满足负荷，如果不满足，则削减负荷；

步骤十二：计算上面选取的系统状态下系统的直流潮流，以此来判断输电线路功率是否越限，若越限，则采用相应的负荷切除策略削减负荷；若不越限，则进入步骤十三；

步骤十三：计算各母线的切负荷量、系统总切负荷量，判断是否满足收敛判据，若满足则进入步骤十四；若不满足，则返回步骤九；

步骤十四：输出系统的可靠性指标。

2.根据权利要求1所述的评估方法，其特征在于，所述步骤一风电场时序功率输出模型建立步骤如下：

11）录入风电机组的基本参数数据；所述基本参数数据包括风电机组的故障率、修复率，风电场风机台数，仿真年数；

12）统计大量历史风速数据，建立ARMA风速预测模型，并依据仿真年数模拟给出时序风速数据；

13）运用风电机组停运模型来模拟抽样得出风电机组的运行持续时间和故障恢复时间，建立风电机组的正常运行和故障停运的时序过程；

14）基于步骤12）中得到的时序风速数据，依据Jensen尾流损失模型，计算通过尾流效应后通过各风电机组转子处的风速；

15）依据风电机组的功率特性曲线，求取步骤14）中得到的某一风速数值的功率输出，并将风电场内各机组输出功率相叠加，建立风电场的时序功率输出模型。

3.根据权利要求2所述的评估方法，其特征在于，所述步骤13）中风电机组停运模型为：假设风电机组正常持续时间和故障修复时间服从指数分布，风力发电机组的随机停运用正常运行持续时间和故障修复时间来描述，其中

正常持续运行时间t₁为：

$\begin{array}{cc}{t}_1=-\frac{1}{\mathrm{\&lambda;}}1n\left(R\left(t\right)\right)=-\frac{1}{\mathrm{\&lambda;}}1n& (x\&Element;(0,1\left]\right)\end{array}$

故障修复时间t₂为：

$\begin{array}{cc}{t}_2=-\frac{1}{\mathrm{\&mu;}}1\mathrm{nx}& (x\&Element;(\mathrm{0,1}\left]\right)\end{array}$

平均持续工作时间为：

$\mathrm{MTTF}=\frac{1}{\mathrm{\&lambda;}}$

平均修复时间为：

$\mathrm{MTTR}=\frac{1}{\mathrm{\&mu;}}$

元件的强迫停运率为：

$\mathrm{for}=\frac{\mathrm{\&lambda;}}{\mathrm{\&lambda;}+\mathrm{\&mu;}}=\frac{\mathrm{MTTR}}{\mathrm{MTTR}+\mathrm{MTTF}}$

其中，故障率λ和修复率μ为常数，R(t)为可靠度。

4.根据权利要求2所述的评估方法，其特征在于，所述步骤15）中风电机组的功率特性曲线由分段函数表示：

$P_t=\left\{\begin{array}{cc}0& 0\&le;v<v_{\mathrm{ci}}\\ (A+\mathrm{Bv}+{\mathrm{Cv}}^2)P_r& v_{\mathrm{ci}}\&le;v<v_r\\ P_r& v_r\&le;v<v_{\mathrm{co}}\\ 0& v_{\mathrm{co}}\&le;v\end{array}\right.$

其中，v_ci、v_r、v_co分别表示风电机组的切入风速、额定风速和切出风速，Pr为风电机组的额定功率，A、B、C为风电机组的功率特性曲线参数，利用如下公式计算:

$\begin{array}{c}A=\frac{1}{{(V_{\mathrm{ci}}-V_r)}^2}[V_{\mathrm{ci}}(V_{\mathrm{ci}}+V_r)-4(V_{\mathrm{ci}}\&times;V_r)[\frac{V_{\mathrm{ci}}+V_r}{{2V}_r}{]}^3]\\ B=\frac{1}{{(V_{\mathrm{ci}}-V_r)}^2}[4(V_{\mathrm{ci}}+V_r){\left[\frac{V_{\mathrm{ci}}+V_r}{{2V}_r}\right]}^3-({3V}_{\mathrm{ci}}+V_r)\\ C=\frac{1}{{(V_{\mathrm{ci}}-V_r)}^2}[2-4[\frac{V_{\mathrm{ci}}+V_r}{{2V}_r}{]}^3]\end{array}$

5.根据权利要求1所述的评估方法，其特征在于，所述步骤21）中元件的序贯概率仿真模型为：按照时序，在一个时间跨度上进行模拟，通常假设元件的运行与修复过程服从指数分布：

$D_i=\frac{1}{{\mathrm{\&lambda;}}_i}1n{R}_i$

式中，R_i为[0,1]均匀分布的抽样值，若λ_i是某元件的故障率，则D_i表示元件运行状态的持续时间；反之，若λ_i是某元件的修复率，则D_i表示元件的故障的持续时间。

6.根据权利要求1所述的评估方法，其特征在于，所述步骤三中的评估指标体系包括：

（1）切负荷频率

$\mathrm{EFLC}=\frac{8760}{T}N$

其中，N是有切负荷的状态总数，如果系统状态序列中连续几个系统状态均有切负荷，将其视为一个切负荷状态；

（2）切负荷持续时间

$\mathrm{EDLC}=\underset{i\&Element;s}{\mathrm{\&Sigma;}}\frac{t_i}{T}\&times;8760$

其中，S是有切负荷的系统状态的集合；t_i是系统状态i的持续时间，T是总模拟时间；

（3）电量不足期望值

$\mathrm{EENS}=\frac{8760}{T}\underset{i\&Element;s}{\mathrm{\&Sigma;}}{C}_i{t}_i$

其中，C_i是系统状态i的切负荷量；

（4）容量可信度

容量可信度C_c的定义为维持系统可靠性水平不变的情况下，风电场能够替换常规机组的容量与风电场容量的比值，用公式表示为：

$C_c=\frac{C_{\mathrm{equ}}}{C_w}\&times;100\%$

其中，C_equ表示维持系统可靠性水平不变，风电场能够替换常规机组的容量，C_w为风电场的额定容量；

（5）风电场可中断能量效益

风电场可中断能量效益指标WGIEB反映风电场对大电网电量不足期望值的贡献，公式如下：

$\mathrm{WGIEB}=\frac{{\mathrm{EENS}}_{\mathrm{bw}}-{\mathrm{EENS}}_{\mathrm{aw}}}{C_w}$

其中，EENS_bw、EENS_aw分别表示为大电网未加入风电场和加入风电场后的电量不足期望值，C_w为风电场的额定容量。

7.根据权利要求1所述的评估方法，其特征在于，所述步骤十二中直流潮流表达式如下：

$\begin{array}{cc}\underset{k\&Element;{\mathrm{\&Omega;}}_i}{\mathrm{\&Sigma;}}{A}_{\mathrm{ik}}{P}_k=P_{\mathrm{Gi}}-P_{\mathrm{Di}}& i\&Element;N\\ P_k=B_k({\mathrm{\&theta;}}_i-{\mathrm{\&theta;}}_j)& k\&Element;M\end{array}$

其中，Ω_i为同节点i相连的支路集，A_ik为节点i与支路k的关联系数，P_k为支路k潮流，P_Gi、P_Di为节点i发电出力及负荷，N为系统节点集，B_k为支路电纳，θ_i、θ_j分别为母线i、j的相角；同时具有两类约束条件分别为发电机功率约束和输电线路潮流约束：

$\left\{\begin{array}{c}{P}_{G\min }\&le;P_{\mathrm{Gi}}\&le;P_{G\max }\\ 0\&le;P_k\&le;P_{k\max }\end{array}\right.$

其中，P_Gmax和P_Gmin分别为发电机有功功率输出的上下限，P_kmax为支路传输功率上限。

8.根据权利要求1所述的评估方法，其特征在于，所述步骤十二中相应的负荷切除策略为采用最优负荷削减模型，其目标函数为最小总负荷削减量：

目标函数：

$\min \underset{i\&Element;\mathrm{ND}}{\mathrm{\&Sigma;}}{C}_i$

约束条件：

$\left\{\begin{array}{cc}T\left(S\right)=A\left(S\right)(\mathrm{PG}-\mathrm{PD}+C)& \\ \underset{i\&Element;\mathrm{NG}}{\mathrm{\&Sigma;}}{\mathrm{PG}}_i+\underset{i\&Element;\mathrm{ND}}{\mathrm{\&Sigma;}}{C}_i=\underset{i\&Element;\mathrm{ND}}{\mathrm{\&Sigma;}}{\mathrm{PD}}_i& \\ {\mathrm{PG}}_i^{\max }\&le;{\mathrm{PG}}_i\&le;{\mathrm{PG}}_i^{\max }& (i\&Element;\mathrm{NG})\\ 0\&le;C_i\&le;{\mathrm{PD}}_i& (i\&Element;\mathrm{NG})\\ \left|T_k\left(S\right)\right|\&le;T_k^{\max }& (k\&Element;L)\end{array}\right.$

其中，T(S)表示状态S的有功潮流矢量，A(S)表示状态S的有功潮流和注入功率之间的关系矩阵，PG和PD分别表示发电输出和负荷功率矢量，C是负荷削减矢变量，PG_i、PD_i、C_i和T_k(S)分别是PG、PD、C和T(S)的元素；PG_i ^min、PG_i ^max和T_k ^max分别是PG_i和T_k(S)的限值，NG、ND和L分别是系统发电母线、负荷母线以及支路的集合。

Images