CN106355517A - 一种风电场集电系统可靠性计算方法 - Google Patents

Abstract

本发明公开了一种风电场集电系统可靠性计算方法，步骤依次为：S1、建立风速和风机出力模型；S2、建立等值风电机组和集电系统的可靠性模型；S3、计算等值风电机组的通路集合和隔离集合；S4、定义计及集电系统的风电场可靠性指标；S5、采用序贯蒙特卡洛法进行集电系统风电场的可靠性评估。本发明提高了风电场集电系统可靠性的准确率，且可对含储能的风电场的可靠性进行计算，可为集电系统拓扑结构的选择提供参考。

Description

一种风电场集电系统可靠性计算方法

技术领域

本发明涉及风电场技术领域，特别是一种风电场集电系统可靠性计算方法。

背景技术

风能具有分布广泛、清洁可再生等特点，随着化石能源的耗尽和环境问题的恶化，风能得到了大规模发展。由于风力发电成本持续下降及风电技术的日益成熟，风电装机容量和风电场规模逐渐扩大，大规模并网是风电发展的必然走向。风电的出力取决于风速，风速具有波动性、间歇性等不可控特性，因此风电出力具有间歇性和波动性，风电并网将显著降低电力系统的可靠性、安全性。影响风电场可靠性的因素主要包括风况、风电型号、集电系统接线方式等。与传统机组不同，为提高对风力的利用，风机间的距离相对较远，一般先将若干台风机通过风电场集电系统连接在一条汇流母线上，再经由汇流母线与变压器相连。集电系统的接线方式对风电场的可靠性会产生影响，因此，有必要建立精确、完善的风电场可靠性评估模型，以便更准确的衡量风电场的可靠性，并为选择风电场集电系统拓扑结构提供参考。

目前对于风电场的研究主要集中在风电接入对电网造成的影响，对于风电场自身的可靠性研究较少，尤其是对于风电场集电系统的可靠性评估成果较少。从评估对象角度看，风电场集电系统属于发电系统，但从结构上，风电场集电系统的拓扑结构更接近于配电网，这是因为风电机组单机容量较小，需要串状连接后接于汇流母线。此外，风电场集电系统包含元件众多，接线方式灵活，因此，有必要对集电系统进行研究，把风电场作为单独的整体进行可靠性评估。前述的研究主要分析风况、地形、机组故障等对风电场可靠性的影响，针对不同集电系统拓扑结构的风电场可靠性的研究较少，且已有研究普遍采用解析法进行建模求解，但解析的集电系统模型无法结合风速的时序自相关特点，在评估含储能的风电场可靠性时无法应用。

发明内容

本发明的目的就是提供一种风电场集电系统可靠性计算方法，提高了风电场集电系统可靠性的准确率，且可对含储能的风电场的可靠性进行计算。

本发明的是通过这样的步骤实现的：

S1、建立风速和风机出力模型；

S2、建立等值风电机组和集电系统的可靠性模型；

S3、计算等值风电机组的通路集合和隔离集合；

S4、定义计及集电系统的风电场可靠性指标；

S5、采用序贯蒙特卡洛法进行集电系统风电场的可靠性评估；

进一步，所述建立风速和风机出力模型包括建立风速模型和建立风机出力模型；

建立风速模型包括以下步骤：

S1、通过对风速历史数据的标准化处理得到标准化后的风速序列模型，如(1)所示：

$V_t=\frac{V_t^{\left(0\right)}-{\mathrm{\μ}}_v}{{\mathrm{\σ}}_v}---\left(1\right)$

式中，V_t ⁽⁰⁾是原始风速序列；μ_V和σ_V为历史风速每小时的平均值和标准差；V_tb为标准化后的风速序列；

S2、使用V_tb计算自回归滑动平均模型ARMA(n,m),如(3)所示：

式中，为自回归参数；θ_i(i＝1,2,…n)为滑动平均参数；V_tb是模拟得到的风速序列；当模型合适时，{a_t}是一个平均值为0且方差σ_a ²的正态白噪过程，即α_t∈N(0,σ_a ²)；

S3、建立预测风速模型；通过标准化的模拟风速序列得到预测风速序列，如(3)所示：

V_wt＝V_tbσ_v+μ_v(3)

式中，V_tb为模拟得到的风速序列；μ_V和σ_V分别为历史风速每小时平均值和标准差；V_wt预测风速序列；

所述风机出力模型如(4)所示：

$P_{wt}=\left\{\begin{array}{cc}0& 0\&le;v_t\&le;v_{ci}or{v}_t\&GreaterEqual;v_{co}\\ P_r\frac{v_t-v_{ci}}{v_r-c_{ci}}& v_{ci}<v_t\&le;v_r\\ P_r& v_r<v_t<v_{co}\end{array}\right.---\left(4\right)$

式中，v_ci、v_r、v_co分别为切入风速、额定风速和切出风速；P_r为风电机组额定输出功率。

进一步，所述建立等值风电机组和集电系统的可靠性模型包括建立等值风电机组的可靠性模型和建立集电系统的可靠性模型；

所述等值风电机组包括三个元件，分别为风力发电机、塔架电缆和集电变压器且依次串联；所述等值电机组通过断路器与汇流母线连通；

所述建立等值风电机组的可靠性模型包括以下步骤：

S1、计算等值风电机组的故障率，一台等值风电机组的可靠度函数如(5)所示：

${\mathrm{\&lambda;}}_s=\underset{i=1}{\overset{n}{\&Sigma;}}{\mathrm{\&lambda;}}_i---\left(5\right)$

式中，n为串联后的元件的个数；λ_i表示第i个元件的故障率；

S2、建立等值风电机组的可靠性模型；所述等值风电机组的可靠性采用等值风电机组正常工作状态和等值风电机组故障状态表示；所述等值风电机组正常工作转态的故障率用λ_d表示；所述等值风电机组故障状态的修复率用μ_d表示；所述等值风电机组的可靠性如(6)所示：

R(t)＝e^-λdt(6)

等值风电机组正常工作持续时间τ₁如式(7)所示：

${\mathrm{\&tau;}}_1=-\frac{1}{\mathrm{\&lambda;}d}{\mathrm{ln\&gamma;}}_1=-MTTF{\mathrm{ln\&gamma;}}_1---\left(7\right)$

式中，γ₁是在[0,1]上均匀分布随机数；MTTF是平均无故障持续工作时间。

等值风电机组故障修复时间τ₂如式(8)：

${\mathrm{\&tau;}}_2=-\frac{1}{\mathrm{\&mu;}d}{\mathrm{ln\&gamma;}}_2=-{\mathrm{MTTRln\&gamma;}}_2---\left(8\right)$

式中，γ₂是在[0,1]上均匀分布随机数；MTTR是平均修复时间。

所述集电系统模型分为辐射形、单边环形、双边环形和星形；所述集电系统包括馈电线路、若干联络线、若干隔离开关、若干短路器，所述馈电线路包括汇流母线与若干馈线；所述集电系统的可靠性采用集电系统正常工作状态和集电系统故障状态表示；所述集电系统正常工作转态的故障率用λ_j表示；所述集电系统故障状态的修复率用μ_j表示；

所述集电系统的可靠性如(9)所示：(此处也是这样计算吗)

R(t)＝e^-λdt(9)

集电系统正常工作持续时间τ₃式(10)示：

${\mathrm{\&tau;}}_3=-\frac{1}{\mathrm{\&lambda;}j}{\mathrm{ln\&gamma;}}_1=-{\mathrm{MTTFln\&gamma;}}_1---\left(10\right)$

式中，γ₃是在[0,1]上均匀分布随机数；

集电系统故障修复时间τ₄式(11)：

${\mathrm{\&tau;}}_4=-\frac{1}{{\mathrm{\&mu;}}_j}{\mathrm{ln\&gamma;}}_2=-MTTR{\mathrm{ln\&gamma;}}_2---\left(11\right)$

式中，γ₄是在[0,1]上均匀分布随机数。

进一步，所述通路是指若干馈线组成的一条能将单个等值风电机组与汇流母线连通的集合；所述通路集合是指单个等值风电机组所有通路的集合，所述隔离是指导致单个等值风电机组不能与汇流母线连通的某段馈线；所述隔离集合是指单个等值风电机组所有隔离的集合；所述通路和隔离均采用深度优先遍历算法计算得到。

进一步，所述定义计及集电系统的风电场可靠性指标；所述可靠性指标包括等值风电机组停运指标和风电场年期望发电量指标；

所述可靠性指标包括等值风电机组停运指标包括

所述等值风机停运分为等值风电机组自身故障和不能有效与汇流母线连接两种情况；等值风电机组自身故障概率如式(12)所示：

$P_{fail}=\frac{T_{genfail}}{T_{total}}---\left(12\right)$

式中T_genfail为第i台等值风电机组自身故障时间，T_total为模拟时间，P_fail为等值风电机组自身故障概率；

等值风电机组不能有效与汇流母线连接概率如式(13)所示：

$P_{discon}=\frac{T_{discon}}{T_{total}}---\left(13\right)$

式中T_discon为等值风电机组受累停运时间，T_tota为_l模拟时间，P_dison为等值风电机组受累停运概率；

等值风电机组总停运概率如式(14)所示：

$P_{fault}=\frac{T_{fault}}{T_{total}}---\left(14\right)$

式中T_fault为第i台等值风电机组无法有效出力时间，T_total为模拟时间，P_fault为等值风电机组总停运概率；

集电系统对于等值风电机组无法出力的影响概率如式(15)所示：

$Q=\frac{p_{discon}}{p_{fault}}---\left(15\right)$

设模拟时间T_total内，风电场中有i台等值风电机组有效出力的时间为T_i，则有i台等值风电机组有效运行的概率如式(16)所示：

$P_i=\frac{T_i}{T_{total}}---\left(16\right)$

所述风电场年期望发电量是指反应风电场提供电能的平均水平；所述风电场年期望发电量指标包括AEP_CW、AEP_W、LOEE_C、LOEE_w；

所述AEP_CW是指考虑风速不确定性、时序自相关性、等值风电机组、馈线故障的年期望发电量；

所述AEP_W是指仅考虑风速不确定性和自相关性的年期望发电量；

所述LOEE_C是指因馈线和等值风电机组故障而减少的年期望发电量；

所述LOEE_w是指因风速不确定性减少的年期望发电量。

${\mathrm{AEP}}_{CW}=\frac{\underset{t=1}{\overset{T_{total}}{\&Sigma;}}\underset{j=1}{\overset{m}{\&Sigma;}}{S}_j\&times;P_{\sin gle}}{T_{total}/8760}---\left(17\right)$

${\mathrm{AEP}}_W=\frac{\underset{t=1}{\overset{T_{total}}{\&Sigma;}}m\&times;P_{\sin gle}}{T_{total}/8760}---\left(18\right)$

LOEE_C＝AEP_CW-AEP_W(19)

${\mathrm{LOEE}}_W=\underset{t=1}{\overset{T_{total}}{\&Sigma;}}\underset{j=1}{\overset{m}{\&Sigma;}}{P}_{\sin gle}-{\mathrm{AEP}}_W---\left(20\right)$

(17)至(20)式中，T_total为模拟进行的总时间；m为等值风电机组台数；S_j为等值风电机组是否停运的标示，0代表停运，1代表不停运；P_single为单台等值风电机组出力；

风电场的效率如下列式子：

${\mathrm{\&eta;}}_{acw}=\frac{{\mathrm{AEP}}_{CW}}{\underset{t=1}{\overset{T_{total}}{\&Sigma;}}\underset{j=1}{\overset{m}{\&Sigma;}}{P}_{\sin gle}}---\left(21\right)$

${\mathrm{\&eta;}}_w=\frac{{\mathrm{LOEE}}_W}{\underset{t=1}{\overset{T_{total}}{\&Sigma;}}\underset{j=1}{\overset{m}{\&Sigma;}}{P}_{\sin gle}}---\left(23\right)$

${\mathrm{\&eta;}}_c=\frac{{\mathrm{LOEE}}_C}{\underset{t=1}{\overset{T_{total}}{\&Sigma;}}\underset{j=1}{\overset{m}{\&Sigma;}}{P}_{\sin gle}}---\left(23\right)$

${\mathrm{\&eta;}}_{cw}=\frac{{\mathrm{LOEE}}_C}{{\mathrm{AEP}}_{CW}}---\left(24\right)$

(21)至(24)式中，Pr为等值风电机组的额定功率；m为等值风电机组台数；η_acw是风电场发电效率表示风电场在模拟过程中实际发电量占满发发电量的百分比；η_w为风速不确定性造成的风电损失占满发发电量的百分比；η_c为馈线和等值风电机组故障引起的风电损失占满发发电量的百分比；η_cw为馈线和等值风电机组故障引起的风电损失占实际发电量的百分比。

进一步，所述采用序贯蒙特卡洛法进行集电系统风电场的可靠性评估包括以下步骤；

S1：数据初始化，计算集电系统和等值风电机组的可靠性参数、输入风速历史数据，设置初始模拟时间为1，设置模拟结束时间为T_total；

S2：根据集电系统模型分别求得m台等值风电机组与汇流母线的通路集合L_i，其中i＝1,2,…,m；

S3：根据风速历史数据得到ARMA模型；

S4：对n条馈线和m台等值风电机组进行抽样，产生m+n个在[0,1]上均匀分布的随机数，计算最短的状态持续时间D_min和下一时刻将发生状态改变的组件p；所述状态包括等值风电机组故障状态、等值风电机组正常工作状态、集电系统正常工作转态、集电系统故障转态；根据集电系统模型分别求得m台等值风电机组与汇流母线的隔离G_i，其中i＝1,2,…,m；所述组件包括等值风电机组和馈线；

S5：使用ARMA模型得到D_min个预测风速序列数据，根据风机出力模型得到单台等值风电机组在D_min时间内的时序出力值；

S6：根据每台等值风电机组的联通标示和可用标示计算可有效出力的等值风电机组台数n_um；

S7、计算风电场出力并统计可靠性数据，所述可靠性数据包括等值风电机组的故障时间、不联通时间、有效出力时间、运行台数指标；

S8：若元件p为等值风电机组，则改变等值风电机组的可用标示，并转至S9；若元件p为馈线，则转至S8；

S9：计算馈线p状态改变后对每台等值风电机组联通性的影响，更新每台等值风电机组的隔离集合Gi，改变等值风电机组的联通标示；

S10：更新可有效出力的等值风电机组台数；

S11：如果模拟时间小于Ttotal，则返回至S3，否则结束。

由于采用了上述技术方案，本发明具有如下的优点：

此方法把对不同集电系统拓扑结构和自相关性的时序风速模型做为计算依据，提高了风电场集电系统的可靠性的准确率，且可对含储能的风电场的可靠性进行计算。使用序贯蒙特卡洛方法对不同拓扑结构的风电场进行可靠性评估，可为集电系统拓扑结构选择提供参考；进行可靠性评估时，除了考虑等值风电机组故障外，还考虑了集电线路的多重故障和开关的隔离、切换操作等，与实际情况更为符合，具有实用性。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书和权利要求书来实现和获得。

附图说明

本发明的附图说明如下。

图1为本发明流程图；

图2为本发明的详细计算过程图；

图3为本发明的实施例中辐射形和单边环形风机总停运概率图；

图4为本发明的实施例中四种拓扑结构的风机总停运概率图；

图5为本发明的实施例中四种拓扑结构的运行台数概率图。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。

实施例：

如下图1、图2所示，风电场集电系统可靠性计算如下：

风电场共有70台风机，每列馈线设置7台风机，排成10列。风机的切入、额定、切出风速分别为4、15、25m/s，额定功率为2MW。相邻风机间的距离为500米，相邻线路的距离为900米，隔离、切换时间均设置为1小时。

风电场等值风电机组元件的可靠性参数如表1所示。

表1等值风电机组元件可靠性参数

元件	故障率(次/年)	修复时间(小时/次)
			风电机组	1.5	600
塔架电缆	0.015/km	240
			集电变压器	0.0131	240

输入馈电线路的可靠性参数和计算等值风机组的可靠性参数，结果如表2所示。

表2等值风机和馈电线路可靠性参数

组件	故障率(次/年)	修复时间(小时/次)
			等值风机	1.5149	597
馈电线路	0.015/km	1440

计算集电系统为辐射形结构时其停运概率，选取编号1～7的风机，结果如表3所示。

表3辐射形结构的等值风电机组停运概率表

如图3所示对比了单边环形和辐射形结构的风电场的等值风电机组总停运概率。

从图3可以看到，辐射形结构的风机总停运概率随风机编号的增大而增大，单边环形的风机总停运概率与编号基本无关，因此单边环形风电场风机的总停运概率低于辐射形风电场风机。

图4给出了四种结构下风机的总停运概率。从图中可以看出：单边环形和双边环形有相近的可靠性，经济性上单边环形优于双边环形；辐射形的风机的总停运概率与风机编号，也就是与汇流母线的距离成正比。星形结构的风机总停运概率介于辐射形和单边环形之间。

图5给出四种典型拓扑结构的风机运行台数概率分布情况。从图中可以看出，四种情况下风机的运行台数分布较为类似，在63、64、65处的概率最高，单边环形和双边环形的运行台数分布接近一致。

表4给出四种结构的风电场发电量指标。从年期望发电量AEP_CW可以看出：单边环形集电系统可靠性最高，略高于双边环形，其次是放射形，星形的可靠性最差。从LOEE_w和η_w可以看出：造成风电场发电量远小于其装机容量的因素是风速的不确定性，其比例达到69％，风电场集电系统元件故障的影响远低于该值。根据η_cw指标可以看出：四种拓扑结构的风电场馈电线路和风机故障对风电场年发电量的影响已达到10.78％、10.32％、10.36％、11.03％，因此，需要在可靠性评估中计及风电场馈电线路和风机故障的影响。

表4四种结构的风电场发电量指标

从上述结果可知，运用本方法评估风电场集电系统的可靠性，可以考虑风电机组、集电线路的多重故障，计及集电系统的结构和馈线故障导致的开关隔离、切换等操作。该方法可应用于具有不同拓扑结构的集电系统的风电场可靠性评估中。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (6)

1.一种风电场集电系统可靠性计算方法，方法步骤依次为：

S1、建立风速和风机出力模型；

S2、建立等值风电机组和集电系统的可靠性模型；

S3、计算等值风电机组的通路集合和隔离集合；

S4、定义计及集电系统的风电场可靠性指标；

S5、采用序贯蒙特卡洛法进行集电系统风电场的可靠性评估；

2.如权利要求1所述的风电场集电系统可靠性计算方法，其特征在于：所述建立风速和风机出力模型包括建立风速模型和建立风机出力模型；

建立风速模型包括以下步骤：

S1、通过对风速历史数据的标准化处理得到标准化后的风速序列模型，如(1)所示：

$V_t=\frac{{V_t}^{\left(0\right)}-{\mathrm{\&mu;}}_v}{{\mathrm{\&sigma;}}_v}---\left(1\right)$

式中，V_t ⁽⁰⁾是原始风速序列；μ_V和σ_V为历史风速每小时的平均值和标准差；V_tb为标准化后的风速序列；

S2、使用V_tb计算自回归滑动平均模型ARMA(n,m),如(3)所示：

式中，(i＝1,2,…n)为自回归参数；θ_i(i＝1,2,…n)为滑动平均参数；V_tb是模拟得到的风速序列；当模型合适时，{a_t}是一个平均值为0且方差σ_a ²的正态白噪过程，即α_t∈N(0,σ_a ²)；

S3、建立预测风速模型；通过标准化的模拟风速序列得到预测风速序列，如(3)所示：

V_wt＝V_tbσ_v+μ_v (3)

式中，V_tb为模拟得到的风速序列；μ_V和σ_V分别为历史风速每小时平均值和标准差；V_wt预测风速序列；

所述风机出力模型如(4)所示：

$P_{wt}=\left\{\begin{array}{cc}0& 0\&le;v_t\&le;v_{ci}or{v}_t\&GreaterEqual;v_{co}\\ P_r\frac{v_t-v_{ci}}{v_r-v_{ci}}& v_{ci}<v_t\&le;v_r\\ P_r& v_r<v_t<v_{co}\end{array}\right.---\left(4\right)$

式中，v_ci、v_r、v_co分别为切入风速、额定风速和切出风速；P_r为风电机组额定输出功率。

3.如权利要求1所述的风电场集电系统可靠性计算方法，其特征在于：所述建立等值风电机组和集电系统的可靠性模型包括建立等值风电机组的可靠性模型和建立集电系统的可靠性模型；

所述等值风电机组包括三个元件，分别为风力发电机、塔架电缆和集电变压器且依次串联；所述等值电机组通过断路器与汇流母线连通；

所述建立等值风电机组的可靠性模型包括以下步骤：

S1、计算等值风电机组的故障率，一台等值风电机组的可靠度函数如(5)所示：

${\mathrm{\&lambda;}}_s=\underset{i=1}{\overset{n}{\&Sigma;}}{\mathrm{\&lambda;}}_i---\left(5\right)$

式中，n为串联后的元件的个数；λ_i表示第i个元件的故障率；

S2、建立等值风电机组的可靠性模型；所述等值风电机组的可靠性采用等值风电机组正常工作状态和等值风电机组故障状态表示；所述等值风电机组正常工作转态的故障率用λ_d表示；所述等值风电机组故障状态的修复率用μ_d表示；所述等值风电机组的可靠性如(6)所示：

R(t)＝e^-λdt (6)

等值风电机组正常工作持续时间τ₁如式(7)所示：

${\mathrm{\&tau;}}_1=-\frac{1}{{\mathrm{\&lambda;}}_d}{\mathrm{ln\&gamma;}}_1=-MTTF{\mathrm{ln\&gamma;}}_1---\left(7\right)$

式中，γ₁是在[0,1]上均匀分布随机数；MTTF是平均无故障持续工作时间。

等值风电机组故障修复时间τ₂如式(8)：

${\mathrm{\&tau;}}_2=-\frac{1}{{\mathrm{\&mu;}}_d}{\mathrm{ln\&gamma;}}_2=-MTTR{\mathrm{ln\&gamma;}}_2---\left(8\right)$

式中，γ₂是在[0,1]上均匀分布随机数；MTTR是平均修复时间。

所述集电系统模型分为辐射形、单边环形、双边环形和星形；所述集电系统包括馈电线路、若干联络线、若干隔离开关、若干短路器，所述馈电线路包括汇流母线与若干馈线；所述集电系统的可靠性采用集电系统正常工作状态和集电系统故障状态表示；所述集电系统正常工作转态的故障率用λ_j表示；所述集电系统故障状态的修复率用μ_j表示；

所述集电系统的可靠性如(9)所示：(此处也是这样计算吗)

R(t)＝e^-λdt (9)

集电系统正常工作持续时间τ₃式(10)示：

${\mathrm{\&tau;}}_3=-\frac{1}{{\mathrm{\&lambda;}}_j}{\mathrm{ln\&gamma;}}_1=-MTTF{\mathrm{ln\&gamma;}}_1---\left(10\right)$

式中，γ₃是在[0,1]上均匀分布随机数；

集电系统故障修复时间τ₄式(11)：

${\mathrm{\&tau;}}_4=-\frac{1}{{\mathrm{\&mu;}}_j}{\mathrm{ln\&gamma;}}_2=-MTTR{\mathrm{ln\&gamma;}}_2---\left(11\right)$

式中，γ₄是在[0,1]上均匀分布随机数。

4.如权利要求1所述的风电场集电系统可靠性计算方法，其特征在于：所述通路是指若干馈线组成的一条能将单个等值风电机组与汇流母线连通的集合；所述通路集合是指单个等值风电机组所有通路的集合，所述隔离是指导致单个等值风电机组不能与汇流母线连通的某段馈线；所述隔离集合是指单个等值风电机组所有隔离的集合；所述通路和隔离均采用深度优先遍历算法计算得到。

5.如权利要求1所述的风电场集电系统可靠性计算方法，其特征在于：所述定义计及集电系统的风电场可靠性指标；所述可靠性指标包括等值风电机组停运指标和风电场年期望发电量指标；

所述可靠性指标包括等值风电机组停运指标包括

所述等值风机停运分为等值风电机组自身故障和不能有效与汇流母线连接两种情况；等值风电机组自身故障概率如式(12)所示：

$P_{fail}=\frac{T_{genfail}}{T_{total}}---\left(12\right)$

式中T_genfail为第i台等值风电机组自身故障时间，T_total为模拟时间，P_fail为等值风电机组自身故障概率；

等值风电机组不能有效与汇流母线连接概率如式(13)所示：

$P_{discon}=\frac{T_{discon}}{T_{total}}---\left(13\right)$

式中T_discon为等值风电机组受累停运时间，T_tota为_l模拟时间，P_dison为等值风电机组受累停运概率；

等值风电机组总停运概率如式(14)所示：

$P_{fault}=\frac{T_{fault}}{T_{total}}---\left(14\right)$

式中T_fault为第i台等值风电机组无法有效出力时间，T_total为模拟时间，P_fault为等值风电机组总停运概率；

集电系统对于等值风电机组无法出力的影响概率如式(15)所示：

$Q=\frac{P_{discon}}{p_{fault}}---\left(15\right)$

设模拟时间T_total内，风电场中有i台等值风电机组有效出力的时间为T_i，则有i台等值风电机组有效运行的概率如式(16)所示：

$P_i=\frac{T_i}{T_{total}}---\left(16\right)$

所述风电场年期望发电量是指反应风电场提供电能的平均水平；所述风电场年期望发电量指标包括AEP_CW、AEP_W、LOEE_C、LOEE_w；

所述AEP_CW是指考虑风速不确定性、时序自相关性、等值风电机组、馈线故障的年期望发电量；

所述AEP_W是指仅考虑风速不确定性和自相关性的年期望发电量；

所述LOEE_C是指因馈线和等值风电机组故障而减少的年期望发电量；

所述LOEE_w是指因风速不确定性减少的年期望发电量。

${\mathrm{AEP}}_{CW}=\frac{\underset{t=1}{\overset{T_{total}}{\&Sigma;}}\underset{j=1}{\overset{m}{\&Sigma;}}{S}_j\&times;P_{\sin gle}}{T_{total}/8760}---\left(17\right)$

${\mathrm{AEP}}_W=\frac{\underset{t=1}{\overset{T_{total}}{\&Sigma;}}m\&times;P_{\sin gle}}{T_{total}/8760}---\left(18\right)$

LOEE_C＝AEP_CW-AEP_W (19)

${\mathrm{LOEE}}_W=\underset{t=1}{\overset{T_{total}}{\&Sigma;}}\underset{j=1}{\overset{m}{\&Sigma;}}{P}_{\sin gle}-{\mathrm{AEP}}_W---\left(20\right)$

(17)至(20)式中，T_total为模拟进行的总时间；m为等值风电机组台数；S_j为等值风电机组是否停运的标示，0代表停运，1代表不停运；P_single为单台等值风电机组出力；

风电场的效率如下列式子：

${\mathrm{\&eta;}}_{acw}=\frac{{\mathrm{AEP}}_{CW}}{\underset{t=1}{\overset{T_{total}}{\&Sigma;}}\underset{j=1}{\overset{m}{\&Sigma;}}{P}_{\sin gle}}---\left(21\right)$

${\mathrm{\&eta;}}_w=\frac{{\mathrm{LOEE}}_W}{\underset{t=1}{\overset{T_{total}}{\&Sigma;}}\underset{j=1}{\overset{m}{\&Sigma;}}{P}_{\sin gle}}---\left(22\right)$

${\mathrm{\&eta;}}_c=\frac{{\mathrm{LOEE}}_C}{\underset{t=1}{\overset{T_{total}}{\&Sigma;}}\underset{j=1}{\overset{m}{\&Sigma;}}{P}_{\sin gle}}---\left(23\right)$

${\mathrm{\&eta;}}_{cw}=\frac{{\mathrm{LOEE}}_C}{{\mathrm{AEP}}_{CW}}---\left(24\right)$

(21)至(24)式中，Pr为等值风电机组的额定功率；m为等值风电机组台数；η_acw是风电场发电效率表示风电场在模拟过程中实际发电量占满发发电量的百分比；η_w为风速不确定性造成的风电损失占满发发电量的百分比；η_c为馈线和等值风电机组故障引起的风电损失占满发发电量的百分比；η_cw为馈线和等值风电机组故障引起的风电损失占实际发电量的百分比。

6.如权利要求1所述的风电场集电系统可靠性计算方法，其特征在于：所述采用序贯蒙特卡洛法进行集电系统风电场的可靠性评估包括以下步骤；

S1：数据初始化，计算集电系统和等值风电机组的可靠性参数、输入风速历史数据，设置初始模拟时间为1，设置模拟结束时间为T_total；

S2：根据集电系统模型分别求得m台等值风电机组与汇流母线的通路集合L_i，其中i＝1,2,…,m；

S3：根据风速历史数据得到ARMA模型；

S4：对n条馈线和m台等值风电机组进行抽样，产生m+n个在[0,1]上均匀分布的随机数，计算最短的状态持续时间D_min和下一时刻将发生状态改变的组件p；所述状态包括等值风电机组故障状态、等值风电机组正常工作状态、集电系统正常工作转态、集电系统故障转态；根据集电系统模型分别求得m台等值风电机组与汇流母线的隔离G_i，其中i＝1,2,…,m；所述组件包括等值风电机组和馈线；

S5：使用ARMA模型得到D_min个预测风速序列数据，根据风机出力模型得到单台等值风电机组在D_min时间内的时序出力值；

S6：根据每台等值风电机组的联通标示和可用标示计算可有效出力的等值风电机组台数n_um；

S7、计算风电场出力并统计可靠性数据，所述可靠性数据包括等值风电机组的故障时间、不联通时间、有效出力时间、运行台数指标；

S8：若元件p为等值风电机组，则改变等值风电机组的可用标示，并转至S9；若元件p为馈线，则转至S8；

S9：计算馈线p状态改变后对每台等值风电机组联通性的影响，更新每台等值风电机组的隔离集合Gi，改变等值风电机组的联通标示；

S10：更新可有效出力的等值风电机组台数；

S11：如果模拟时间小于Ttotal，则返回至S3，否则结束。