風(fēng)柴儲孤島微網(wǎng)的風(fēng)險評估體系研究及應(yīng)用

陸　丹，袁　越，楊　蘇，包江民

(1.河海大學(xué)能源與電氣學(xué)院，江蘇南京　211100；2.河海大學(xué)可再生能源發(fā)電技術(shù)教育部工程研究中心，江蘇南京　210098)

?

風(fēng)柴儲孤島微網(wǎng)的風(fēng)險評估體系研究及應(yīng)用

陸丹1,2，袁越1,2，楊蘇1,2，包江民1,2

(1.河海大學(xué)能源與電氣學(xué)院，江蘇南京211100；2.河海大學(xué)可再生能源發(fā)電技術(shù)教育部工程研究中心，江蘇南京210098)

0　引　言

微網(wǎng)是由分布式電源、儲能設(shè)備和可控的負(fù)載組成的，既可聯(lián)網(wǎng)又可孤島運(yùn)行的中/低壓配電系統(tǒng)[1]。在偏遠(yuǎn)山區(qū)和海島等地常以孤島微網(wǎng)的形式來解決用戶供電問題。由于孤島微網(wǎng)的設(shè)備存在隨機(jī)故障，一旦處理不當(dāng)極易造成停電等嚴(yán)重后果。因此，量化評估孤島微網(wǎng)運(yùn)行風(fēng)險水平是保證其安全穩(wěn)定運(yùn)行的一項(xiàng)基本任務(wù)，不僅可以防御網(wǎng)中因自然或者人為造成的各種災(zāi)難，調(diào)節(jié)微網(wǎng)系統(tǒng)發(fā)電容量充裕度和經(jīng)濟(jì)性，還可以定量分析孤島微網(wǎng)的穩(wěn)定運(yùn)行能力。

風(fēng)險評估是指在事件發(fā)生前對其危險程度進(jìn)行量化分析，通過管控風(fēng)險來保障系統(tǒng)的穩(wěn)定運(yùn)行[2-3]。目前已有文獻(xiàn)對電力系統(tǒng)風(fēng)險評估進(jìn)行了研究。文獻(xiàn)[4]基于層次分析法建立了綜合嚴(yán)重度指標(biāo)，并結(jié)合線路故障概率對輸電線路進(jìn)行安全風(fēng)險評估。文獻(xiàn)[5]以風(fēng)險成本為指標(biāo)量化了風(fēng)電預(yù)測誤差造成的風(fēng)險水平。文獻(xiàn)[6]從電力安全事故的角度提出一系列停電風(fēng)險評估指標(biāo)來計(jì)算電網(wǎng)發(fā)生安全事故的風(fēng)險值。文獻(xiàn)[7-8]提出了城市電網(wǎng)的風(fēng)險評估模型及其指標(biāo)的計(jì)算方法，分別采用枚舉抽樣法和截斷抽樣法進(jìn)行了分析。綜上，目前國內(nèi)外文獻(xiàn)針對大電網(wǎng)的風(fēng)險評估已取得了一些成果，然而針對微網(wǎng)風(fēng)險評估的研究還相對較少。微網(wǎng)在電源結(jié)構(gòu)和運(yùn)行方式等方面都與大電網(wǎng)有很大差異，大電網(wǎng)采用的風(fēng)險評估指標(biāo)和方法并不完全適用于微網(wǎng)。目前對于微網(wǎng)的研究更多地停留在可靠性評估層面。文獻(xiàn)[9]針對風(fēng)光柴儲微網(wǎng)考慮了微電源出力和負(fù)荷對可靠性水平的影響。文獻(xiàn)[10-11]基于故障樹法，建立了在孤島運(yùn)行模式下的微網(wǎng)可靠性模型，并對其進(jìn)行了可靠性評估。然而，可靠性研究并不能綜合反映事故發(fā)生的概率和后果，也無法量化分析事故發(fā)生后造成的經(jīng)濟(jì)損失。因此，選取適用于微網(wǎng)的風(fēng)險指標(biāo)，對微網(wǎng)進(jìn)行風(fēng)險評估，辨識失效事件發(fā)生的可能性并量化這些事件后果的嚴(yán)重程度就顯得尤為必要了。

風(fēng)柴儲微網(wǎng)是目前較為典型的一種孤島微網(wǎng)結(jié)構(gòu)。為了最大化的利用風(fēng)能，減少柴油的消耗量以及提高用戶的供電穩(wěn)定性，本文從用電和發(fā)電兩個方面考慮，提出電源損失指標(biāo)(Load Loss Risk,LLR)和負(fù)荷損失指標(biāo)(Load Loss Risk,PLR)，具體包括負(fù)荷損失概率(Power Loss Probability,LLP)、負(fù)荷損失嚴(yán)重度(Severity of Load Loss,SevLL)、電源損失概率(Power Loss Probability,PLP)和電源損失嚴(yán)重度(Severity of Power Loss,SevPL)，對孤島運(yùn)行模式下的風(fēng)柴儲微網(wǎng)風(fēng)險水平進(jìn)行評估，從而可根據(jù)當(dāng)?shù)刭Y源，優(yōu)化配置微網(wǎng)各發(fā)電單元的容量，以此指導(dǎo)微網(wǎng)的規(guī)劃運(yùn)行。本文的章節(jié)安排如下：第一小節(jié)對風(fēng)柴儲孤島微網(wǎng)各元件建立可靠性模型，特別是采用了馬爾科夫鏈蒙特卡洛法(Markov Chain Monte Carlo,MCMC)建立了風(fēng)電機(jī)組多狀態(tài)可靠性模型。第二小節(jié)以第一小節(jié)中提到的風(fēng)柴儲孤島微網(wǎng)各元件運(yùn)行策略為基礎(chǔ)，提出了孤島微網(wǎng)指標(biāo)評價體系。最后小節(jié)以歐洲典型風(fēng)柴儲微網(wǎng)為例，比較分析了不同的風(fēng)速、風(fēng)機(jī)故障率、風(fēng)電裝機(jī)容量以及儲能容量情況下微網(wǎng)的風(fēng)險水平，對降低孤島運(yùn)行模式下的風(fēng)柴儲微網(wǎng)的風(fēng)險水平提出了一些建議。

1　風(fēng)柴儲孤島微網(wǎng)各元件模型

1.1風(fēng)力發(fā)電系統(tǒng)可靠性模型

建立風(fēng)力發(fā)電系統(tǒng)可靠性模型首先要建立其風(fēng)速模型。本文采用馬爾可夫鏈[12]來體現(xiàn)風(fēng)速大小的分布特性。馬爾科夫鏈作為風(fēng)速模型在縮減計(jì)算量的同時，可較好地模擬風(fēng)速的變化情況。如圖1所示，馬爾可夫鏈將風(fēng)速值按照大小分為N個狀態(tài)，各狀態(tài)之間的轉(zhuǎn)移率是定值，且只考慮就近狀態(tài)之間的轉(zhuǎn)移。兩狀態(tài)之間的轉(zhuǎn)移率σa,b如下式：

(1)

式中：Na,b是狀態(tài)a到狀態(tài)b的轉(zhuǎn)移次數(shù)；Da,b是狀態(tài)a在進(jìn)入狀態(tài)b之前的持續(xù)時間。

圖1　馬爾可夫鏈

不計(jì)風(fēng)速突變的情況，當(dāng)風(fēng)機(jī)處于狀態(tài)a，可能轉(zhuǎn)變的下一狀態(tài)是狀態(tài)a-1或狀態(tài)a+1，到達(dá)狀態(tài)a-1，a+1的概率Qa,a-1，Qa,a+1為

(2)

(3)

經(jīng)過抽樣可得風(fēng)機(jī)處于狀態(tài)a的持續(xù)時間，公式如下：

(4)

式中：γ為[0,1]區(qū)間內(nèi)服從均勻分布的隨機(jī)數(shù)。

單臺風(fēng)機(jī)的出力與風(fēng)速有關(guān)，其數(shù)值關(guān)系如下式所示：

(5)

式中：Pt為t時刻風(fēng)機(jī)的出力；vt為t時刻的風(fēng)速；Pr為額定功率；vi為切入風(fēng)速；vr為額定風(fēng)速；vo為切出風(fēng)速。

微網(wǎng)內(nèi)所裝風(fēng)機(jī)一般為同一型號，忽略地域差異的影響，各風(fēng)機(jī)風(fēng)況近似相同，可以近似認(rèn)為其出力相同。根據(jù)運(yùn)行經(jīng)驗(yàn)，尾流效應(yīng)造成的功率損失為風(fēng)電總出力的10%[13]。因此，t時刻風(fēng)電機(jī)組的輸出總功率Pw,t為

(6)

式中：n為風(fēng)機(jī)總臺數(shù)；cl為第l臺風(fēng)機(jī)的運(yùn)行狀態(tài)。

(7)

1.2儲能設(shè)備模型

儲能電池可以有效地平緩風(fēng)力發(fā)電帶來的間接性和波動性。磷酸鐵鋰電池具有能量密度高，效率高和充放電倍率高等優(yōu)點(diǎn)，本文將其作為儲能電池接入微網(wǎng)。儲能電池所采用的運(yùn)行策略：當(dāng)風(fēng)力發(fā)電不能滿足負(fù)荷需求時，儲能電池放電；當(dāng)風(fēng)力發(fā)電大于負(fù)荷需求時，風(fēng)機(jī)可同時給儲能電池充電。儲能電池在t時刻的充放電功率為

(8)

(9)

式中：Pb-c,t和Pb-d,t分布為儲能電池在t時刻的充電功率和放電功率；PL,t為t時刻的負(fù)荷消耗電量；Pc-max,t和Pd-max,t分別為t時刻儲能電池的充電和放電功率限值。

采用荷電狀態(tài)(State of Charge,SOC)來表示儲能電池在運(yùn)行過程中的累計(jì)電荷量，其公式以及約束條件如下：

(10)

(11)

式中：S(t+1)和S(t)分別為儲能電池在t+1時刻和t時刻的荷電狀態(tài)；ρc和ρd為其充電和放電標(biāo)志，均為二進(jìn)制變量，當(dāng)取1時可表示充電或放電狀態(tài)，且兩者滿足0≤ρc+ρd<1；Δt為采樣時間間隔；Smin和Smax分別為荷電狀態(tài)的最小允許值和最大允許值。

1.3柴油發(fā)電機(jī)模型

在孤島微網(wǎng)中，柴油發(fā)電機(jī)可作為風(fēng)電和儲能發(fā)電的備用電源，即當(dāng)風(fēng)力發(fā)電和儲能放電仍不能滿足負(fù)荷需求時，柴油發(fā)電機(jī)開始工作。柴油發(fā)電機(jī)輸出功率如下：

(12)

(13)

式中:Pd,t為t時刻柴油機(jī)的輸出功率；PΔ為t時刻網(wǎng)內(nèi)風(fēng)電和儲能出力仍無法滿足的負(fù)荷電量；Pd,min和Pd,max為柴油機(jī)允許的最小和最大輸出功率。

為了降低柴油發(fā)電機(jī)的壽命損耗，應(yīng)盡可能減少柴油機(jī)的啟停次數(shù)，一旦柴油機(jī)啟動，則需滿足最短運(yùn)行要求：

(14)

式中:td,run為柴油機(jī)的運(yùn)行時間；Td,run為柴油機(jī)允許的最短運(yùn)行時間。

1.4 風(fēng)力發(fā)電機(jī)和柴油機(jī)的停運(yùn)模型

風(fēng)力發(fā)電機(jī)和柴油機(jī)的停運(yùn)模型均采用兩狀態(tài)停運(yùn)模型[14]，即正常運(yùn)行狀態(tài)和故障停運(yùn)狀態(tài)。狀態(tài)轉(zhuǎn)移參數(shù)包括故障率λ和修復(fù)率μ。

通過蒙特卡洛抽樣[15](Monte Carlo,MC)，可以得到單臺風(fēng)機(jī)或柴油機(jī)的持續(xù)運(yùn)行時間t1和檢修時間t2，公式如下：

(15)

(16)

2　風(fēng)柴儲孤島微網(wǎng)風(fēng)險評估

2.1風(fēng)險評估方法

MC法通過重復(fù)的多次試驗(yàn)來模擬所求事件，對結(jié)果進(jìn)行統(tǒng)計(jì)得出其概率特征。在第一節(jié)中提到的風(fēng)機(jī)處于狀態(tài)a的持續(xù)時間、風(fēng)機(jī)的運(yùn)行時間以及檢修時間等都可通過MC法抽樣得到。

馬爾可夫鏈蒙特卡洛法[16](MCMC)是將隨機(jī)過程中的馬爾可夫過程與蒙特卡洛模擬相結(jié)合，實(shí)現(xiàn)動態(tài)模擬，即抽樣分布隨模擬的進(jìn)行而發(fā)生改變。本文中，通過構(gòu)造一個平穩(wěn)分布的馬爾可夫鏈來得到風(fēng)速隨機(jī)樣本，對任一t≥0的時刻，下一時刻的風(fēng)速值只取決于上一時刻風(fēng)速的大小，而與歷史風(fēng)速大小無關(guān)。由MCMC方法抽樣得到的風(fēng)速序列體現(xiàn)了風(fēng)速變化的連續(xù)性，更接近真實(shí)風(fēng)速，且不依賴于歷史風(fēng)速，大大節(jié)省了數(shù)據(jù)的存儲空間。

2.2風(fēng)險評估指標(biāo)體系

電力系統(tǒng)風(fēng)險評估綜合考慮了不確定事件發(fā)生的概率和后果[17]。由于風(fēng)電出力具有波動性和間歇性，網(wǎng)內(nèi)儲能和柴油機(jī)供電又存在一定的運(yùn)行約束，因此在孤島運(yùn)行模式下，要求電源出力時時滿足負(fù)荷需求是較難實(shí)現(xiàn)的。當(dāng)電源出力不足時會造成負(fù)荷的削減，當(dāng)電源出力過剩時出現(xiàn)“棄風(fēng)”現(xiàn)象。因此，針對孤島運(yùn)行模式下的微網(wǎng)，本文從經(jīng)濟(jì)性的角度進(jìn)行風(fēng)險分析，提出一個全新的評價體系，即負(fù)荷損失風(fēng)險指標(biāo)和電源損失風(fēng)險指標(biāo)，從用電和發(fā)電兩個角度對微網(wǎng)運(yùn)行進(jìn)行風(fēng)險評估。

2.2.1負(fù)荷損失指標(biāo)

傳統(tǒng)的微網(wǎng)可靠性指標(biāo)[18]可以單一地量化描述發(fā)電容量不足引起負(fù)荷削減的概率或嚴(yán)重程度，無法綜合地反映元件發(fā)生故障后網(wǎng)內(nèi)的風(fēng)險水平?；诖?，本文提出負(fù)荷損失指標(biāo)，更適用于微網(wǎng)的風(fēng)險水平研究。具體公式如下。

負(fù)荷損失概率(LLP)的數(shù)學(xué)表達(dá)式如下：

(17)

(18)

式中：SL,f為第f個采樣時間點(diǎn)時的負(fù)荷損失標(biāo)志，當(dāng)f點(diǎn)出現(xiàn)切負(fù)荷現(xiàn)象，則SL,f=1，否則SL,f=0；N為總采樣個數(shù)；TL為模擬總時間內(nèi)電源輸出功率小于負(fù)荷需求的采樣點(diǎn)集合。

負(fù)荷損失嚴(yán)重度(SevLL)以切除的負(fù)荷量占負(fù)荷總量的比例大小來表示，公式如下：

(19)

(20)

式中：PLcut,f為第f個采樣點(diǎn)時切除的負(fù)荷值；PL,f為第f個采樣點(diǎn)時網(wǎng)內(nèi)的負(fù)荷值。

負(fù)荷損失風(fēng)險(LLR)是對負(fù)荷損失概率和負(fù)荷損失嚴(yán)重度的綜合量度，公式如下：

LLR=LLP×SevLL

(21)

2.2.2電源損失指標(biāo)

電源損失以棄風(fēng)造成的能量損失來表示。傳統(tǒng)可靠性指標(biāo)只針對失負(fù)荷進(jìn)行研究而不考慮電源的損失情況，電力系統(tǒng)風(fēng)險研究也較少涉及。然而棄風(fēng)造成的損失是不可忽略的。因此，本文提出電源損失風(fēng)險指標(biāo)來量化微電網(wǎng)內(nèi)棄風(fēng)的概率和嚴(yán)重程度，具體公式如下。

電源損失概率(PLP)的數(shù)學(xué)表達(dá)式如下：

(22)

(23)

式中：TP為指定時間內(nèi)電源輸出功率大于負(fù)荷需求的采樣點(diǎn)集合；SP,f為第f個采樣時間點(diǎn)時的電源損失標(biāo)志，當(dāng)f點(diǎn)出現(xiàn)棄風(fēng)現(xiàn)象，則SP,f=1，否則SP,f=0。

電源損失嚴(yán)重度(SevPL)表示為舍棄的風(fēng)能占理想風(fēng)力發(fā)電總功率的比值，公式如下：

(24)

Pwl,f=0.9nPf

(25)

(26)

式中：Pwl,f為第f個抽樣點(diǎn)時風(fēng)力發(fā)電機(jī)出力的理論值，即不考慮風(fēng)機(jī)故障時的出力大小，Pwc,f為考慮網(wǎng)內(nèi)出力和負(fù)荷平衡后風(fēng)機(jī)的實(shí)際出力值。

電源損失風(fēng)險(PLR)是對電源損失概率和電源損失嚴(yán)重度的綜合量度，公式如下：

(27)

本文提出的這兩組指標(biāo)適用于評估孤島微網(wǎng)風(fēng)險水平，具體指標(biāo)計(jì)算方式可根據(jù)實(shí)際微網(wǎng)配置電源、負(fù)荷種類的不同而進(jìn)行靈活調(diào)整，這里不再贅述。

2.3風(fēng)柴儲孤島微網(wǎng)風(fēng)險評估流程

綜上所述，風(fēng)柴儲孤島微網(wǎng)風(fēng)險評估流程如圖2所示。首先設(shè)置采樣點(diǎn)個數(shù)為N，總模擬次數(shù)為W，并令模擬次數(shù)j=1?？紤]風(fēng)速變化的連續(xù)性，采用MCMC法對風(fēng)電機(jī)組1 a內(nèi)的出力狀態(tài)進(jìn)行模擬。具體可分為以下3個步驟：①根據(jù)風(fēng)電機(jī)組的雙狀態(tài)停運(yùn)模型得出風(fēng)機(jī)在模擬周期內(nèi)的停運(yùn)序列；②根據(jù)公式(1)～(4)采用MCMC法抽樣產(chǎn)生風(fēng)速序列；③結(jié)合風(fēng)機(jī)運(yùn)行狀態(tài)根據(jù)公式(5)～(7)得出風(fēng)電機(jī)組出力值序列。

而后考慮儲能電池的運(yùn)行策略以及運(yùn)行約束條件，根據(jù)公式(8)～(11)模擬出儲能設(shè)備的出力序列；考慮柴油發(fā)電機(jī)的運(yùn)行策略以及運(yùn)行約束條件，根據(jù)公式(12)～(14)模擬出柴油發(fā)電機(jī)的出力序列。為使網(wǎng)內(nèi)的發(fā)電和負(fù)荷達(dá)到平衡根據(jù)公式(20)、(25)、(26)計(jì)算出負(fù)荷削減序列和棄風(fēng)序列。最后根據(jù)公式(17)～(27)計(jì)算出各風(fēng)險指標(biāo)值。通過多次(本文設(shè)為105次)模擬仿真提高模擬結(jié)果的準(zhǔn)確性。

圖2　風(fēng)險評估流程圖

3　算例分析

本文采用歐洲典型低壓風(fēng)柴儲微網(wǎng)[19]為例進(jìn)行風(fēng)險評估研究，網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。該微網(wǎng)由兩組風(fēng)力發(fā)電機(jī)組，一個儲能設(shè)備，兩臺柴油發(fā)電機(jī)和5組用戶負(fù)荷組成。

圖3　風(fēng)柴儲微網(wǎng)結(jié)構(gòu)

微網(wǎng)各發(fā)電單元具體參數(shù)如下：單臺風(fēng)力發(fā)電機(jī)的額定功率為30kW，風(fēng)輪直徑為12.5m，切入風(fēng)速、額定風(fēng)速和切出風(fēng)速分別為3m/s，10m/s和25m/s。兩臺柴油發(fā)電機(jī)的額定功率分別為200kW和100kW。年負(fù)荷峰值為400kW。假設(shè)柴油發(fā)電機(jī)故障率為0.01次/a。國內(nèi)某風(fēng)電場的實(shí)測風(fēng)況如圖4，該組風(fēng)速數(shù)據(jù)的平均風(fēng)速為6.28m/s，最大風(fēng)速為25.42m/s，最小風(fēng)速為0.47m/s。

圖4　某風(fēng)電場的風(fēng)速數(shù)據(jù)

表1和表2將馬爾科夫鏈風(fēng)速模型和精確狀態(tài)轉(zhuǎn)移矩陣風(fēng)速模型進(jìn)行了對比。從表1中可以看出，狀態(tài)3至狀態(tài)1、5、6和7的轉(zhuǎn)移次數(shù)僅占狀態(tài)3總轉(zhuǎn)移次數(shù)的0.928%，馬爾科夫鏈忽略了狀態(tài)3和狀態(tài)1、5、6和7之間的轉(zhuǎn)移情況，而只考慮與就近的狀態(tài)2和4之間的轉(zhuǎn)移。在數(shù)據(jù)比較龐大的系統(tǒng)中，采用馬爾科夫鏈可以大大減少計(jì)算量，提高運(yùn)行效率。表2中給出了實(shí)測風(fēng)速、采用馬爾科夫鏈模擬風(fēng)速以及采用狀態(tài)轉(zhuǎn)移矩陣模擬風(fēng)速時，各狀態(tài)中的風(fēng)速概率分布。從表中可以看出，采用馬爾可夫鏈模擬的風(fēng)速概率分布與實(shí)測風(fēng)速概率分布基本一致。因此，馬爾科夫鏈作為風(fēng)速模型在縮減計(jì)算量的同時，也較好地模擬了風(fēng)速的變化情況。

3.1風(fēng)速對風(fēng)險水平的影響分析

為研究風(fēng)速大小對風(fēng)險水平的影響，評估不同風(fēng)速下，即平均風(fēng)速從算例平均風(fēng)速的0.4倍等步長增長至1.8倍情況下的微網(wǎng)系統(tǒng)風(fēng)險水平。圖5～圖6給出了LLR和PLR值隨風(fēng)速變化情況。

由圖5、圖6可看出，風(fēng)速的增大降低了微網(wǎng)的負(fù)荷損失風(fēng)險，增加了微網(wǎng)的電源損失風(fēng)險。當(dāng)風(fēng)速增大時，風(fēng)電機(jī)組出力增加，切負(fù)荷的概率和總量減少，LLR曲線呈下降趨勢且最終趨于平緩；風(fēng)機(jī)以額定功率輸出的情況增多，棄風(fēng)的概率和嚴(yán)重度均增加，因此PLR曲線呈指數(shù)形式上升。

表1　采用不同方法時的狀態(tài)轉(zhuǎn)移情況

表2　采用不同方法時每個狀態(tài)概率

圖5　LLR值隨風(fēng)速變化情況

圖6　PLR值隨風(fēng)速變化情況

當(dāng)平均風(fēng)速小于等于算例風(fēng)速的0.8倍，即平均風(fēng)速小于5.024m/s時，雖然電源損失風(fēng)險為0，但大多數(shù)采樣時間點(diǎn)風(fēng)機(jī)出力無法滿足負(fù)荷需求，負(fù)荷損失現(xiàn)象嚴(yán)重，故該微網(wǎng)適合建在平均風(fēng)速大于5.024m/s的地區(qū)。

進(jìn)一步對比分析圖5和圖6可知，當(dāng)風(fēng)速不變時，風(fēng)電裝機(jī)容量越大，負(fù)荷損失風(fēng)險越小，電源損失風(fēng)險越大。然而對于微網(wǎng)接入風(fēng)電裝機(jī)容量的大小，還需進(jìn)一步權(quán)衡兩組指標(biāo)綜合考慮經(jīng)濟(jì)性。

3.2風(fēng)機(jī)故障率對風(fēng)險水平的影響分析

為了研究風(fēng)機(jī)故障率對風(fēng)險水平的影響，評估不同風(fēng)機(jī)故障率下，即故障率從0.005等步長增長至0.03情況下的微網(wǎng)系統(tǒng)風(fēng)險水平。圖7～圖8給出了LLR和PLR值隨風(fēng)機(jī)故障率的變化情況。

圖7　LLR值隨風(fēng)機(jī)故障率變化情況

圖8　PLR值隨風(fēng)機(jī)故障率變化情況

從圖7、圖8中可以看出，隨著風(fēng)機(jī)故障率的增加，LLR和PLR曲線呈上升趨勢，但上升幅值較小。當(dāng)風(fēng)電裝機(jī)容量保持不變時，風(fēng)機(jī)的故障率等比例增加，風(fēng)電機(jī)組整體的停運(yùn)時間相應(yīng)增加，切負(fù)荷以及棄風(fēng)的概率和嚴(yán)重度小范圍增加，因此負(fù)荷損失和電源損失風(fēng)險均略有增加。減小風(fēng)電機(jī)組的故障率有助于降低微網(wǎng)的運(yùn)行風(fēng)險，特別是在惡劣自然環(huán)境情況下尤其要考慮故障率對運(yùn)行風(fēng)險的影響。

3.3儲能容量對風(fēng)險水平的影響分析

為了研究儲能容量對風(fēng)險水平的影響，評估不同的儲能容量下，即儲能設(shè)備容量從40kW等步長增長至160kW下的微網(wǎng)系統(tǒng)風(fēng)險水平。圖9～圖10給出了LLR和PLR值隨儲能容量的變化情況。

圖9　LLR值隨儲能容量變化情況

圖10　PLR值隨儲能容量變化情況

圖9、圖10中，LLR和PLR指標(biāo)隨著儲能容量的增加而降低，即儲能設(shè)備的接入可以降低系統(tǒng)的LLR和PLR風(fēng)險水平。同一風(fēng)電裝機(jī)容量下，儲能接入容量越大，在風(fēng)力發(fā)電不能滿足負(fù)荷需求時儲能放出的電量就越大，LLR曲線下降；同時風(fēng)機(jī)給儲能充電所消耗的風(fēng)能也越大，PLR曲線呈下降趨勢。

當(dāng)儲能容量增至120kW，兩指標(biāo)曲線趨于平緩。由于儲能的容量較負(fù)荷和風(fēng)電機(jī)組容量要小得多，只能平衡部分負(fù)荷需求或者多余風(fēng)能，當(dāng)儲能容量增加到一定程度時這種平衡能力會有所減弱。若同時考慮到儲能電池經(jīng)濟(jì)成本與微網(wǎng)風(fēng)險水平，對于本文選取微網(wǎng)允許接入的最大儲能容量為120kW。

4　結(jié)　論

本文以孤島運(yùn)行模式下的風(fēng)柴儲微網(wǎng)為研究對象，構(gòu)建了微網(wǎng)各元件可靠性模型，并提出了一套新的風(fēng)險評估體系，從發(fā)電和用電兩個角度分析了不同因素對微網(wǎng)風(fēng)險水平的影響。結(jié)果表明：

① 本文所提負(fù)荷損失指標(biāo)和電源損失指標(biāo)可以全面有效體現(xiàn)微網(wǎng)的風(fēng)險水平；

② 采用馬爾科夫鏈來模擬風(fēng)速可以較好體現(xiàn)風(fēng)速的概率分布及其連續(xù)性，同時減少了計(jì)算量；

③ 風(fēng)速、風(fēng)電裝機(jī)容量、風(fēng)機(jī)故障率以及儲能容量對微網(wǎng)風(fēng)險水平均有不同程度的影響，選取合適的容量配置可有效提高降低微網(wǎng)的風(fēng)險水平。

考慮微網(wǎng)運(yùn)行經(jīng)濟(jì)性，對孤島微網(wǎng)進(jìn)行多目標(biāo)規(guī)劃研究，是下一步的研究方向。

[1]丁道齊.復(fù)雜大電網(wǎng)安全性分析-智能電網(wǎng)的概念和實(shí)現(xiàn)[M].北京：中國電力出版社，2010.

[2]李文沅.電力系統(tǒng)風(fēng)險評估模型、方法和應(yīng)用[M].北京：科學(xué)出版社，2008.

[3]Zhe Li，Wang Bingdong，Jia Hongjie.Hierarchical risk assessment of transmission network considering the influence of micro-grid[C].IEEE，Power and Energy Society General Meeting (PES)，Vancouver，Canada，2013：1-6.

[4]蔣樂，劉俊勇，魏震波，等.基于馬爾可夫鏈模型的輸電線路運(yùn)行狀態(tài)及其風(fēng)險評估[J].電力系統(tǒng)自動化，2015，39(13)：51-57.

[5]郁琛，薛禹勝，文福拴，等.風(fēng)電功率預(yù)測誤差的風(fēng)險評估[J].電力系統(tǒng)自動化，2015，39(7)：52-58.[6]盧恩，魯曉軍，龍霏，等.電力系統(tǒng)停電風(fēng)險評估指標(biāo)及方法[J].電力自動化設(shè)備，2015，35(3)：68-74.

[7]魏遠(yuǎn)航，劉思革，蘇劍.基于枚舉抽樣法的城市電網(wǎng)風(fēng)險評估[J].電網(wǎng)技術(shù)，2015，32(18)：62-66.[8]趙書強(qiáng)，李聰.快速配網(wǎng)風(fēng)險評估[J].電力系統(tǒng)保護(hù)與控制，2010，38(10)：58-61.

[9]陶爽，袁越，傅質(zhì)馨.基于發(fā)電-負(fù)荷需求系統(tǒng)評估方法的智能微網(wǎng)風(fēng)險評估[J].現(xiàn)代電力，2013，30(2)：7-12.

[10]解翔，袁越，鄒文仲，等.非計(jì)劃孤島下的微電網(wǎng)供電可靠性評估[J].電力系統(tǒng)自動化，2012，36(9)：18-23.

[11]Li Zhengjie，Yuan Yue，Li Furong.Evaluating the Reliability of Island Microgrid in an Emergency Mode[C].Universities Power Engineering Conference (UPEC)，Cardiff，England，2010：1-7.

[12]Castro S F，Allan R N.Generation availability assessment of wind farms[J].IET Proceedings-Generation Transmission and Distribution，1996，143(5)：507-518.

[13]Kim H，Singh C，Sprintson A.Simulation and Estimation of Reliability in a Wind Farm Considering the Wake Effect[J].IEEE Transactions on Sustainable Energy，2012，3(2)：274-282.

[14]吳林偉，張建華，劉若溪.考慮風(fēng)電機(jī)組故障的風(fēng)電場可靠性模型及其應(yīng)用[J].電力系統(tǒng)自動化，2012，36(16)：31-35.

[15]別朝紅，王錫凡.蒙特卡洛法在評估電力系統(tǒng)可靠性中的應(yīng)用[J].電力系統(tǒng)自動化，1997，21(6)：68-75.

[16]石文輝，別朝紅，王錫凡.大型電力系統(tǒng)可靠性評估中的馬爾可夫鏈蒙特卡洛方法[J].中國電機(jī)工程學(xué)報，2008，28(4)：9-15.

[17]Ni M，Mccalley J D，Vittal V，et al.Online Risk-Based Security Assessment[J].IEEE Power Engineering Review，2002，22(1)：59-59.

[18]潘仲立.可靠性分析的理論基礎(chǔ)[M].北京：水利電力出版社，1986.

[19]Papathanassiou S，Hatziargyriou N，Kai S.A benchmark low voltage microgrid network[C].Proceedings of CIGRE Symposium：Power Systems with Dispersed Generation，Athens，Greece，2005：1-8.

(責(zé)任編輯：林海文)

Research and Application of the Risk Assessment System of Wind-diesel-storage Islanded Microgrid

LU Dan1,2,YUAN Yue1,2,YANG Su1,2,BAO Jiangmin1,2

(1.College of Energy and Electrical Engineering,Hohai University,Nanjing 211100,China; 2.Research Center for Renewable Energy Generation Engineering of Ministry of Education,Hohai University,Nanjing 210098,China)

以孤島運(yùn)行模式下的風(fēng)柴儲微網(wǎng)為研究對象，本文提出了一種全新的孤島微網(wǎng)風(fēng)險指標(biāo)評價體系，即負(fù)荷損失指標(biāo)(Load Loss Risk,LLR)和電源損失指標(biāo)(Power Loss Risk,PLR)，從用電和發(fā)電兩個角度全面評估其風(fēng)險水平。首先，對風(fēng)柴儲微網(wǎng)各元件進(jìn)行建模，特別是采用馬爾可夫鏈建立了風(fēng)電機(jī)組多狀態(tài)可靠性模型，體現(xiàn)了風(fēng)速變化的連續(xù)性。其次，在微網(wǎng)各元件可靠性模型的基礎(chǔ)上，模擬微網(wǎng)的運(yùn)行情況，并采用全新的風(fēng)險評估指標(biāo)量化其運(yùn)行風(fēng)險。最后，以歐洲典型低壓風(fēng)柴儲微網(wǎng)為例，算例驗(yàn)證了本文所提指標(biāo)的合理性，并對不同風(fēng)速、風(fēng)機(jī)故障率、風(fēng)電裝機(jī)容量以及儲能容量對微網(wǎng)孤島運(yùn)行風(fēng)險的影響進(jìn)行了靈敏度分析，所得評估結(jié)果可為風(fēng)柴儲孤島微網(wǎng)的容量配置以及規(guī)劃運(yùn)行提供參考。

風(fēng)柴儲微網(wǎng)；風(fēng)險評估；孤島運(yùn)行；可靠性模型；馬爾可夫鏈

In view of wind-diesel-storage microgrid operated in isolated operation mode,a kind of risk evaluation system of islanded microgrid with Load Loss Risk (LLR) indicator and Power Loss Risk (PLR) indicator is proposed to assess the risk level from two aspects of power consumption and power generation.First of all,the models of all components in wind-diesel-storage microgrid are built.Especially the multi-state reliability model of the wind turbine is established based on Markov chain,which reflects the change continuity of the wind speed.Secondly,based on the reliability models of all components of microgrid,the operation state of microgrid is simulated,and its risk level is assessed by using novel risk indicators.In the end,taking the European benchmark low-voltage wind-diesel-storage microgrid as example,the rationality of the proposed indicators are proved,and the effect of different wind speed,failure rate of wind turbine,energy storage capacity and wind power installed capacity on risk level are analyzed.The assessment results can provide reference for capacity allocation,planning and operation of wind-diesel-storage islanded microgrid.

wind-diesel-storage microgrid; risk assessment; isolated operation; reliability mode; Markov chain

1007-2322(2016)04-0059-08

A

TM744

國家自然科學(xué)基金資助項(xiàng)目(51477041)；教育部、國家外國專家局海外名師項(xiàng)目(MS2012HHDX021)

2016-01-10

陸丹(1992—)，女，碩士研究生，研究方向?yàn)槲⒕W(wǎng)系統(tǒng)風(fēng)險評估，E-mail: ludan_hhu@163.com；

袁越(1966—)，男，教授，博士生導(dǎo)師，研究方向?yàn)殡娏ο到y(tǒng)運(yùn)行與控制、可再生能源發(fā)電系統(tǒng)、智能電網(wǎng)與微網(wǎng)技術(shù)等，E-mail: yyuan@hhu.edu.cn；

楊蘇(1992—)，男，碩士研究生，研究方向?yàn)槲⒕W(wǎng)系統(tǒng)可靠性研究，E-mail:yangsu0205@126.com;

包江民(1990—)，男，碩士研究生，研究方向?yàn)樾履茉窗l(fā)電技術(shù)，E-mail:bao_jiangmin@163.com。