風(fēng)力發(fā)電為主導(dǎo)的孤立發(fā)電系統(tǒng)可靠性評估

鮑莎日娜，栗文義，巴根，高飛

(1．內(nèi)蒙古工業(yè)大學(xué)電力學(xué)院，呼和浩特市，010080;2．馬尼托巴水電系統(tǒng)規(guī)劃部，加拿大溫尼伯，R3T0P4;3．北方聯(lián)合電力有限責(zé)任公司，呼和浩特市，010010)

0 引言

未通電地區(qū)大多遠(yuǎn)離城鎮(zhèn)和電網(wǎng)覆蓋區(qū)，用電負(fù)荷小且分散，依靠電網(wǎng)延伸來供電，則經(jīng)濟(jì)性不佳。目前，這些地區(qū)主要依靠柴油發(fā)電供電。由于燃料價(jià)格不斷上漲，柴油發(fā)電成本不斷提高;另一方面，這些地區(qū)風(fēng)力資源豐富，風(fēng)能利用潛力很大;因此，為了向這些地區(qū)提供電力、節(jié)省柴油燃料和保護(hù)當(dāng)?shù)氐纳鷳B(tài)環(huán)境，采用風(fēng)力發(fā)電供電很有意義。由于風(fēng)能有很強(qiáng)的隨機(jī)性，風(fēng)力發(fā)電系統(tǒng)一般需要配備儲能設(shè)備(如蓄電池組)或采用風(fēng)/柴聯(lián)合運(yùn)行的方式來提高發(fā)電系統(tǒng)的可靠性［1］。考慮到內(nèi)蒙古的特定情況，需要一種有效的評估方法來評估風(fēng)/柴/儲能聯(lián)合發(fā)電系統(tǒng)的可靠性［2］。

目前，電力系統(tǒng)可靠性評估的方法主要分為解析法和Monte Carlo模擬法兩大類［3］。解析法的主要缺點(diǎn)是不能體現(xiàn)風(fēng)速的時(shí)序變化特性，以及這種特性對風(fēng)/柴/儲能發(fā)電系統(tǒng)可靠性的影響。Monte Carlo模擬法中非序貫法的主要缺點(diǎn)是難以準(zhǔn)確地計(jì)算與故障持續(xù)時(shí)間及故障頻率有關(guān)的可靠性指標(biāo)。而序貫Monte Carlo模擬法可以解決這些問題［4］，計(jì)算失負(fù)荷期望值(loss of load expectation，LOLE)、預(yù)期缺電量期望值(loss of energy expectation，LOEE)和失負(fù)荷頻率(loss of load frequency，LOLF)等可靠性指標(biāo)。

1 模擬方法

1．1 風(fēng)速及風(fēng)能轉(zhuǎn)換系統(tǒng)模型

風(fēng)力發(fā)電機(jī)(wind turbine generator，WTG)的小時(shí)輸出功率取決于某地區(qū)的小時(shí)風(fēng)速，風(fēng)速隨時(shí)間及風(fēng)機(jī)安裝地點(diǎn)的變化而變化，某一時(shí)刻的風(fēng)速與先前的風(fēng)速歷史數(shù)據(jù)呈現(xiàn)一定的相關(guān)性。因此，為了體現(xiàn)風(fēng)速時(shí)序性及相關(guān)性的特點(diǎn)，采用文獻(xiàn)［5-6］描述的時(shí)間序列模型，應(yīng)用某一特定地區(qū)已測量得到的風(fēng)速歷史數(shù)據(jù)，建立能夠體現(xiàn)時(shí)變特性的風(fēng)速模型。

時(shí)間序列模型中，用t時(shí)刻的風(fēng)速均值μt及方差 σt計(jì)算預(yù)測風(fēng)速 SWt［7］:

用歷史風(fēng)速時(shí)間序列yt-i建立風(fēng)速時(shí)間序列模型ARMA(n，m)，又稱作自回歸滑動(dòng)平均模型:

式中:φi(i=1，2，3，．．．，n)和 θj(j=1，2，3，．．．，m)分別為模型的自回歸參數(shù)和滑動(dòng)平均參數(shù);{ αt}為正態(tài)白噪聲序列，元素 αt服從均值為0、方差為的正態(tài)獨(dú)立分布，即

用模擬得到的小時(shí)風(fēng)速序列，計(jì)算WTG的小時(shí)輸出功率序列［7-8］:

其中:

式中:Pr為風(fēng)電機(jī)額定輸出功率;vci、vr和vco分別為風(fēng)力機(jī)的啟動(dòng)風(fēng)速、額定風(fēng)速和切出風(fēng)速。

1．2 蓄電池模型

由于WTG的輸出具有間歇性，所以需要配備儲能設(shè)備(如蓄電池組)來提高風(fēng)/柴/儲能發(fā)電系統(tǒng)的可靠性。蓄電池組的充放電狀態(tài)時(shí)間序列由發(fā)電系統(tǒng)時(shí)間序列和負(fù)荷時(shí)間序列獲得［9］。

(1)由發(fā)電時(shí)間序列 { WGt，t=1，2，3，．．．，T}和負(fù)荷時(shí)間序列 {Lt，t=1，2，3，．．．，T}得到冗余容量時(shí)間序列(其值可正可負(fù)){SGt，t=1，2，3，．．．，T}:

(2)計(jì)算蓄電池組充放電狀態(tài)時(shí)間序列 {Bt，t=1，2，3，．．．，T}:

式中:BM和Bm分別為蓄電池組最大、最小允許存儲容量。

1．3 風(fēng)/柴/儲能發(fā)電系統(tǒng)可靠性評估模型

風(fēng)/柴/儲能發(fā)電系統(tǒng)可靠性評估模型如圖1所示［10］。負(fù)荷模型采用IEEE-RBTS可靠性測試系統(tǒng)模型［11］，它是按時(shí)間順序排列的8 736 h的負(fù)荷標(biāo)幺值，系統(tǒng)峰值負(fù)荷為40 kW。

圖1 風(fēng)/柴/儲能發(fā)電系統(tǒng)可靠性評估模型Fig.1 Reliability evaluation model of power system co-generated by wind，diesel and energy storage

2 樣例系統(tǒng)分析

本文采用內(nèi)蒙古某風(fēng)電場的風(fēng)速歷史數(shù)據(jù)，應(yīng)用前述方法對風(fēng)/柴/儲能聯(lián)合發(fā)電系統(tǒng)進(jìn)行可靠性評估，系統(tǒng)配置及參數(shù)如表1。WTG的切入風(fēng)速、額定風(fēng)速、切出風(fēng)速分別為12，38，80 km/h;評估過程中不考慮蓄電池的強(qiáng)迫停運(yùn);風(fēng)電場平均風(fēng)速和標(biāo)準(zhǔn)差分別為22.302，10.872 km/h;根據(jù)風(fēng)速歷史數(shù)據(jù)，應(yīng)用Matlab中的Armax函數(shù)計(jì)算得到時(shí)間序列模型的階數(shù)、自回歸參數(shù)和滑動(dòng)平均參數(shù);那么，代表此風(fēng)電場的風(fēng)速時(shí)間序列模型ARMA(4，3)為

表1 系統(tǒng)配置及參數(shù)Tab.1 System configurations and parameters

2．1 仿真樣本容量對可靠性的影響

序貫Monte Carlo模擬法中的樣本容量不是所抽取的系統(tǒng)狀態(tài)數(shù)，而是抽樣過程跨越的年數(shù)［12］。為了分析仿真樣本容量大小對系統(tǒng)可靠性指標(biāo)收斂程度的影響，把可靠性指標(biāo)看作仿真樣本容量的函數(shù)。系統(tǒng)數(shù)據(jù)如表1所示，樣本容量從100變化到1 000，步長為100。仿真結(jié)果如圖2～4。圖2～4表明:如果仿真樣本容量較小，可能會導(dǎo)致可靠性指標(biāo)的收斂速度較慢，距離期望值的偏差較大;隨著仿真樣本容量變大，系統(tǒng)可靠性有所提高，且仿真樣本容量越大，系統(tǒng)可靠性指標(biāo)越趨于一個(gè)定值，這個(gè)定值被稱作可靠性指標(biāo)的期望值;由此曲線可確定系統(tǒng)可靠性指標(biāo)的期望值。

圖4 LOLF隨仿真樣本容量變化Fig.4 Dependence of LOLF on sample size

2．2 風(fēng)力發(fā)電總?cè)萘坎蛔儠r(shí)，WTG容量對可靠性的影響

表2列出了4種不同發(fā)電系統(tǒng)的可靠性指標(biāo)。系統(tǒng)數(shù)據(jù)如表1所示，改變WTG的臺數(shù)及額定值，但WTG的其他參數(shù)和系統(tǒng)其他配置不發(fā)生變化，對4種情況進(jìn)行模擬計(jì)算。表2表明:(1)風(fēng)力發(fā)電容量一定時(shí)，系統(tǒng)可靠性隨WTG單機(jī)容量的減小而提高，這是因?yàn)?，系統(tǒng)風(fēng)力發(fā)電容量一定時(shí)，機(jī)組容量越小，機(jī)組數(shù)量越多，機(jī)組故障對系統(tǒng)可靠性影響就越小;(2)雖然系統(tǒng)總的發(fā)電容量遠(yuǎn)超過系統(tǒng)的峰值負(fù)荷，但在沒有安裝蓄電池的情況下，LOLE、LOEE和LOLF都高到了可靠性評估不可接受的水平，裝設(shè)蓄電池后，系統(tǒng)可靠性明顯改善。

2．3 蓄電池最大充放電率對可靠性的影響

為了分析蓄電池最大充放電率對可靠性的影響，把可靠性指標(biāo)看作蓄電池最大充放電率的函數(shù)。系統(tǒng)數(shù)據(jù)如表1所示，蓄電池最大充放電率從5(kW·h)/h變到50(kW·h)/h，步長為5(kW·h)/h，對2種具有不同蓄電池容量的系統(tǒng)進(jìn)行模擬，仿真結(jié)果如圖5～7所示。圖5～7表明:隨著蓄電池最大充放電率的增大，LOLE、LOEE和LOLF呈明顯的遞減趨勢;最大充放電率增大到一定值［本文為40(kW·h)/h］后，繼續(xù)增大該值，對系統(tǒng)可靠性影響不明顯，可靠性指標(biāo)幾乎穩(wěn)定在一個(gè)常數(shù)附近，60(kW·h)/h為該系統(tǒng)蓄電池最大充放電率的合適值。

2．4 風(fēng)力發(fā)電機(jī)額定功率的影響

為了分析WTG額定功率對系統(tǒng)可靠性的影響，把可靠性指標(biāo)看作WTG額定功率的函數(shù)。系統(tǒng)數(shù)據(jù)如表1所示，每臺WTG的額定功率從20 kW變化到160 kW，步長為20 kW。仿真結(jié)果如圖8～10。圖8～10表明:隨著WTG額定功率的增大，系統(tǒng)可靠性不斷提高。由圖8～10中的曲線可確定WTG的額定功率和相應(yīng)的蓄電池容量。

表2 WTG單機(jī)容量變化時(shí)系統(tǒng)可靠性指標(biāo)(風(fēng)力發(fā)電系統(tǒng)總?cè)萘?60 kW)Tab.2 Reliability index of system with the changing of single-machine capacity of WTG where the total capacity is 60kW

圖10 LOLF隨WTG額定功率變化Fig.10 Dependence of LOLF on rated power of WTG

2．5 柴油發(fā)電機(jī)額定功率的影響

為了分析柴油發(fā)電機(jī)額定功率對系統(tǒng)可靠性的影響，把可靠性指標(biāo)看作柴油發(fā)電機(jī)額定功率的函數(shù)。系統(tǒng)數(shù)據(jù)如表1所示，每臺柴油發(fā)電機(jī)的額定功率從15 kW變化到50 kW，步長為5 kW。仿真結(jié)果如圖11～13。圖11～13表明:隨著柴油發(fā)電機(jī)額定功率的增大，系統(tǒng)可靠性有明顯提高。圖11～13中的曲線可為柴油發(fā)電機(jī)的配置提供一定的依據(jù)。

3 結(jié)論

本文詳細(xì)描述了風(fēng)/柴/儲能聯(lián)合發(fā)電系統(tǒng)的可靠性評估模型。針對樣例系統(tǒng)，考慮了一些影響系統(tǒng)可靠性的因素，計(jì)算和分析了聯(lián)合發(fā)電系統(tǒng)的一些可靠性指標(biāo)。結(jié)果表明:風(fēng)/柴/儲能聯(lián)合發(fā)電系統(tǒng)的可靠性受仿真樣本容量、蓄電池容量、蓄電池最大充放電率、WTG額定功率和柴油發(fā)電機(jī)額定功率等諸多因素影響。本文采用的模型及方法可為政府及電力部門推廣風(fēng)/柴/儲能聯(lián)合發(fā)電向偏遠(yuǎn)地區(qū)供電提供依據(jù);可為內(nèi)蒙古地區(qū)及一些孤立島嶼采用以風(fēng)力發(fā)電為主導(dǎo)的小型孤立系統(tǒng)發(fā)電提供依據(jù)。

［1］Billinton R，Bagen，Cui Y．Reliability evaluation of small standalone wind energy conversion systems using a time series simulation model［J］． IEEE Proceedings-Generation，Transmission and Distribution，2003，150(1):96-100．

［2］劉威，趙淵，周家啟．計(jì)及風(fēng)電場的發(fā)輸電和配電系統(tǒng)可靠性評估［D］．重慶:重慶大學(xué)電氣工程學(xué)院，2008．

［3］Billinton R，Chen H．Assessment of risk-based capacity benefit factors associated with wind energy conversion systems［J］．IEEE Transactions on Power Systems，1998，13(3):1191-1196．

［4］Billinton R，Li W Y．Reliability assessment electric power systerms using monte carlo methods［M］.New York:Plenum Press，1994．

［5］丁明，張立軍，吳義純．基于時(shí)間序列分析的風(fēng)電場風(fēng)速預(yù)測模型［J］．電力自動(dòng)化設(shè)備，2005，25(8):32-34．

［6］邵璠，孫育河，梁嵐珍．基于ARMA模型的風(fēng)電場風(fēng)速短期預(yù)測［J］．電網(wǎng)與清潔能源，2008，24(1):52-55．

［7］Billiton R，Gan L． Wind powermodelingand application in Generating adequacy assessment［C］//IEEE Conference Proceedings on Communication，Computers and Power in the Modern Environment，Saskatoon，Canada，1993:100-106．

［8］包能勝，胡光旺，倪維斗．大型風(fēng)電場整體風(fēng)速功率模型研究［C］//工程熱物理與能源利用學(xué)術(shù)會議，重慶，2006:364-372．

［9］Bagen，Billinton R．Impacts of energy storage on power sytem reliability performance［C］// 2005 IEEE CCECE/CCGEI，Saskatoon，Canada，2005:494-497．

［10］栗文義，張保會，巴根．風(fēng)/柴/儲能系統(tǒng)發(fā)電容量充裕度評估［J］．中國電機(jī)工程學(xué)報(bào)，2006，26(16):62-67．

［11］ Allan R N，Billinton R，Sjarrief I，et al．A reliability test system for educational purposes-basic distribution system data and results［C］//IEEE Transactions on Power Systems，Manchester，UK，1991:813-820．

［12］ Billinton R，Tang X．Selected considerations in utilizing Monte Carlo simulation in quantitative reliability evaluation of composite power systems［J］．Electric Power Systems Research，2004，69(2-3):205-211．