考慮不確定因素影響的微電網(wǎng)供電能力評(píng)價(jià)方法

王寧，宋子洋，賈清泉

( 燕山大學(xué)電氣工程學(xué)院，河北 秦皇島 066004)

0 引言

風(fēng)電、光伏出力受天氣因素比較明顯［1］，具有隨機(jī)波動(dòng)性，對(duì)微電網(wǎng)進(jìn)行短期供電能力的預(yù)測(cè)評(píng)估日漸受到關(guān)注。供電能力( Power Supply Capacity，PSC) 是指電網(wǎng)在滿足系統(tǒng)運(yùn)行功率約束和電壓約束條件下，能夠?yàn)樨?fù)荷供給的最大功率［2］。隨著負(fù)荷增長、新能源發(fā)電占比的提高，同時(shí)風(fēng)電、光伏出力和負(fù)荷功率的變化都呈現(xiàn)出一定的規(guī)律性和不確定性，準(zhǔn)確地對(duì)微電網(wǎng)短期供電能力進(jìn)行預(yù)評(píng)估能夠?yàn)槲㈦娋W(wǎng)的安全經(jīng)濟(jì)運(yùn)行和優(yōu)化調(diào)度提供指導(dǎo)建議。

在針對(duì)電網(wǎng)供電能力研究領(lǐng)域，一些學(xué)者已有一些成果。在考慮電網(wǎng)發(fā)生故障的背景下，文獻(xiàn)［3］針對(duì)不同可靠性類型，提出了一種配電網(wǎng)孤島劃分方法。在船舶發(fā)生電力系統(tǒng)故障時(shí)，文獻(xiàn)［4］提出了一種考慮可靠性約束的船舶電力系統(tǒng)故障重構(gòu)迅速恢復(fù)供電策略。文獻(xiàn)［5］在對(duì)光伏、風(fēng)電出力隨機(jī)特性的研究基礎(chǔ)上，提出了一種蒙特卡羅時(shí)序模擬的微電網(wǎng)可靠性評(píng)價(jià)方法。文獻(xiàn)［6］通過定量分析DG 出力特性、微電網(wǎng)內(nèi)DG 總?cè)萘颗c負(fù)荷容量比、一次能源相關(guān)系數(shù)變化揭示了DG 出力對(duì)微電網(wǎng)可靠性的影響。文獻(xiàn)［7］采用序貫蒙特卡洛方法對(duì)風(fēng)-光-儲(chǔ)微網(wǎng)接入的配電網(wǎng)供電可靠性進(jìn)行了定量分析。以上所述研究的都是在特定模式下微電網(wǎng)供電能力的計(jì)算，較少將不確定性因素考慮進(jìn)微電網(wǎng)短期供電能力評(píng)價(jià)計(jì)算中。

對(duì)于微電網(wǎng)中不確定性因素的研究，通過分析配電網(wǎng)中DG 出力、負(fù)荷的不確定的特點(diǎn)，文獻(xiàn)［8］提出了一種基于有功網(wǎng)絡(luò)損耗期望值的多場(chǎng)景配電網(wǎng)重構(gòu)模型。文獻(xiàn)［9］提出了一種基于不確定場(chǎng)景的隨機(jī)優(yōu)化的日前運(yùn)行策略。文獻(xiàn)［10］提出了一種計(jì)及不確定性因素的日調(diào)度計(jì)劃節(jié)能效益概率評(píng)估方法。文獻(xiàn)［11］提出了一種考慮光伏預(yù)測(cè)誤差不確定性的光儲(chǔ)容量優(yōu)化配置方法。文獻(xiàn)［12］提出了一種考慮風(fēng)電場(chǎng)有功功率的預(yù)測(cè)誤差概率分布模型。文獻(xiàn)［13］在分析DG出力不確定性的基礎(chǔ)上，提出一種非計(jì)劃孤島情況下的微電網(wǎng)可靠性評(píng)估方法。以上研究更多是從電網(wǎng)重構(gòu)、調(diào)度運(yùn)行、優(yōu)化配置進(jìn)行研究不確定性因素，對(duì)研究微電網(wǎng)短期供電能力受不確定因素的影響關(guān)注較少。

為了研究微電網(wǎng)的短期供電能力受可再生能源、負(fù)荷的不確定性因素的影響，文中提出了一種基于場(chǎng)景分析法的微電網(wǎng)短期供電能力評(píng)價(jià)方法。首先，在微電網(wǎng)中風(fēng)電、光伏、負(fù)荷功率預(yù)測(cè)值基礎(chǔ)上，對(duì)風(fēng)電、光伏、負(fù)荷預(yù)測(cè)誤差進(jìn)行了分析;通過蒙特卡羅抽樣獲取微電網(wǎng)場(chǎng)景; 構(gòu)建了多個(gè)可用于量化供電能力的評(píng)價(jià)指標(biāo);最后，針對(duì)不同的場(chǎng)景進(jìn)行了微電網(wǎng)供電能力的計(jì)算和相關(guān)評(píng)價(jià)分析，可為微電網(wǎng)系統(tǒng)的安全經(jīng)濟(jì)及運(yùn)行調(diào)度提供了參考依據(jù)。

1 微電網(wǎng)不確定因素分析

1.1 微電網(wǎng)中風(fēng)電、光伏、負(fù)荷功率建模

微電網(wǎng)中的不確定因素即主要包括風(fēng)電、光伏、負(fù)荷。首先對(duì)風(fēng)電、光伏、負(fù)荷的功率進(jìn)行確定性預(yù)測(cè)，進(jìn)一步分析風(fēng)電、光伏、負(fù)荷的功率預(yù)測(cè)誤差概率分布，再通過蒙特卡羅抽樣模擬預(yù)測(cè)誤差，將抽樣所得預(yù)測(cè)誤差和確定性預(yù)測(cè)結(jié)果相加，最終獲得風(fēng)電、光伏、負(fù)荷可能出現(xiàn)的功率。

1.1.1 風(fēng)電、光伏、負(fù)荷功率的確定性預(yù)測(cè)

采用非參數(shù)自回歸方法［14］對(duì)風(fēng)電、光伏、負(fù)荷的功率進(jìn)行預(yù)測(cè)。該方法能夠避免主觀因素的影響，將短期風(fēng)電、光伏、負(fù)荷的功率預(yù)測(cè)看作一個(gè)非線性時(shí)間序列預(yù)測(cè)問題，并從歷史數(shù)據(jù)本身出發(fā)直接挖掘風(fēng)電、光伏、負(fù)荷的功率變動(dòng)的內(nèi)在隨機(jī)分布規(guī)律，保證了預(yù)測(cè)精度的客觀性。預(yù)測(cè)原理如圖1 所示。

圖1 基于非參數(shù)自回歸方法的預(yù)測(cè)模型Fig.1 Prediction model based on non-parametric autoregressive method

1.1.2 風(fēng)電、光伏、負(fù)荷的預(yù)測(cè)誤差分析

對(duì)于風(fēng)電功率預(yù)測(cè)誤差，通過預(yù)測(cè)值與實(shí)際值進(jìn)行數(shù)據(jù)分析可得，文獻(xiàn)［15］認(rèn)為正態(tài)分布函數(shù)能夠較好的擬合短期風(fēng)電功率預(yù)測(cè)誤差分布?？擅枋鰹?

式中δwt與風(fēng)力發(fā)電機(jī)組的最大輸出功率有關(guān)，文中取為最大輸出功率的4%［16］;Pwt，t為t時(shí)刻風(fēng)電出力預(yù)測(cè)值;Pwt，e為風(fēng)電最大輸出功率。

文獻(xiàn)［17］認(rèn)為風(fēng)電功率預(yù)測(cè)誤差因不同風(fēng)速區(qū)間所服從的概率分布不同，［0，2.1］、［12.6，∞］的風(fēng)速區(qū)間可用“0 誤差”擬合; ( 2.1，5.1］風(fēng)速區(qū)間可用指數(shù)分布擬合;(5.1，9.8) 的風(fēng)速區(qū)間可用正態(tài)分布擬合;［9.8，12.6) 的風(fēng)速區(qū)間可用極值分布擬合。文中選用此方法來估計(jì)風(fēng)電出力預(yù)測(cè)誤差。

對(duì)于光伏功率預(yù)測(cè)誤差，文獻(xiàn)［18］考慮預(yù)測(cè)功率不同區(qū)段范圍內(nèi)誤差預(yù)測(cè)概率分布的差異性，采用高斯混合模型分別對(duì)不同功率區(qū)段內(nèi)預(yù)測(cè)誤差的概率分布進(jìn)行擬合:

式中fi( ΔP) 為第i個(gè)功率區(qū)段功率預(yù)測(cè)誤差ΔP的概率密度函數(shù); ωk為第k個(gè)正態(tài)分布的權(quán)重系數(shù);為第k個(gè)正態(tài)分布的概率密度函數(shù); μk、分別為期望和方差，為高斯混合模型中的正態(tài)分布個(gè)數(shù)，當(dāng)m為1 時(shí)概率密度函數(shù)即為單一的正態(tài)分布模型。

考慮到光伏功率很大程度上受天氣狀態(tài)的影響，文獻(xiàn)［19］將預(yù)測(cè)誤差概率分布進(jìn)行了分類，針對(duì)不同的天氣狀態(tài)研究光伏出力水平，發(fā)現(xiàn)不同天氣狀態(tài)下光伏出力預(yù)測(cè)誤差概率分布差別很大。文獻(xiàn)［20］指出正態(tài)分布函數(shù)在為晴天時(shí)能較好擬合光伏功率預(yù)測(cè)誤差，可描述為:

式中σpv與光伏預(yù)測(cè)功率成正比，即σpv=Ppv×β%，β%為標(biāo)準(zhǔn)差σpv占光伏預(yù)測(cè)功率的比例系數(shù)。對(duì)于除晴天以外類型天氣下的光伏功率預(yù)測(cè)誤差分別，采用基于非參數(shù)核函數(shù)估計(jì)方法建立誤差概率分布。因此文中借鑒該方法來估計(jì)風(fēng)電出力預(yù)測(cè)產(chǎn)生的誤差。

對(duì)于負(fù)荷功率預(yù)測(cè)誤差，通過對(duì)負(fù)荷功率預(yù)測(cè)結(jié)果統(tǒng)計(jì)分析可知，正態(tài)分布函數(shù)［19］可以較好的擬合負(fù)荷預(yù)測(cè)誤差分布，可描述為:

式中σL取負(fù)荷功率預(yù)測(cè)功率的γ% ，即σL= PL×γ%，γ% 為標(biāo)準(zhǔn)差σL占負(fù)荷預(yù)測(cè)功率的比例系數(shù)。

1.2 微電網(wǎng)場(chǎng)景的生成

模型在負(fù)荷、風(fēng)電、光伏的功率預(yù)測(cè)值的基礎(chǔ)上引入了誤差這樣的隨機(jī)變量，在獲得了微電網(wǎng)中風(fēng)光荷功率的預(yù)測(cè)誤差概率密度分布函數(shù)后，文中采用蒙特卡羅模擬法［20］將其轉(zhuǎn)為確定性誤差，通過多次抽樣得到預(yù)測(cè)誤差。然后將抽樣所得負(fù)荷、風(fēng)電、光伏的功率預(yù)測(cè)誤差與負(fù)荷、風(fēng)電、光伏的確定性功率預(yù)測(cè)值相加，便得到可能出現(xiàn)的微電網(wǎng)場(chǎng)景。微電網(wǎng)場(chǎng)景的生成流程圖如圖2 所示。

圖2 微電網(wǎng)場(chǎng)景生成流程圖Fig.2 Micro-grid scene generation flow chart

2 考慮不確定因素的微電網(wǎng)運(yùn)行求解模型

2.1 微電網(wǎng)場(chǎng)景的供電能力計(jì)算

文中研究的是獨(dú)立型微電網(wǎng)系統(tǒng)，在考慮功率平衡約束、蓄電池運(yùn)行約束、柴油發(fā)電機(jī)約束的條件下，以微電網(wǎng)能夠供給負(fù)荷電能最大為目標(biāo)函數(shù)，進(jìn)行微電網(wǎng)供電能力計(jì)算。用t(t∈Nd) 代表需要計(jì)算的每一個(gè)時(shí)段，Nd表示需要計(jì)算的總時(shí)段數(shù)。

2.1.1 目標(biāo)函數(shù)

目標(biāo)函數(shù)取為運(yùn)行優(yōu)化總時(shí)段微電網(wǎng)供電電量最大。

式中Pi，t為第t時(shí)段微電網(wǎng)功率平衡條件下微電網(wǎng)供給負(fù)荷的功率; Δt為間隔時(shí)間。

2.1.2 約束條件

1) 微電網(wǎng)系統(tǒng)功率平衡約束。

式中Pwt，i，t、Ppv，i，t、PL，i，t、Pdis，i，t、Pch，i，t分比為第i個(gè)場(chǎng)景的第t時(shí)段微電網(wǎng)中風(fēng)電、光伏、負(fù)荷的功率以及儲(chǔ)能單元的放電、充電功率。

2) 蓄電池的約束條件。

式中Pch，t、Pdis，t對(duì)應(yīng)第t時(shí)段的充、放電功率;Pch，max、Pdis，max對(duì)應(yīng)最大充、放電功率;SOCmin、SOCmax對(duì)應(yīng)最小、最大荷電狀態(tài)。

3) 柴油發(fā)電機(jī)的約束條件。

式中Pdie，min、Pdie，max分別柴油發(fā)電機(jī)組的下限、上限運(yùn)行功率;Ndie為柴油發(fā)電機(jī)的數(shù)量。

2.2 運(yùn)行模型優(yōu)化求解

微電網(wǎng)的供電能力的供電電量為在滿足微電網(wǎng)運(yùn)行約束條件下能夠?yàn)樨?fù)荷提供的最大電量，文中采用的求解方法是首先將微電網(wǎng)場(chǎng)景中風(fēng)電、光伏、負(fù)荷功率合成凈負(fù)荷曲線［21］，然后再發(fā)揮儲(chǔ)能單元削峰填谷作用，以及柴油發(fā)電機(jī)補(bǔ)充不足功率來進(jìn)行修正凈負(fù)荷曲線，從而來計(jì)算微電網(wǎng)的供電能力的供電電量。模型優(yōu)化求解流程如圖3 所示。

圖3 微電網(wǎng)供電能力優(yōu)化計(jì)算流程圖Fig.3 Flow chart of micro-grid power supply capacity optimization

3 微電網(wǎng)的供電能力評(píng)價(jià)

為了進(jìn)一步量化不確定因素所產(chǎn)生的影響，在考慮生成多個(gè)微電網(wǎng)場(chǎng)景的背景下，引入了供電電量的期望值、供電電量的標(biāo)準(zhǔn)差、供電電量最大值、供電電量最小值、風(fēng)電對(duì)供電電量期望值的貢獻(xiàn)度、光伏對(duì)供電電量期望值的貢獻(xiàn)度、失負(fù)荷概率、棄風(fēng)棄光率等指標(biāo)進(jìn)行微電網(wǎng)短期供電能力評(píng)價(jià)。

3.1 微電網(wǎng)供電能力評(píng)價(jià)指標(biāo)

1) 供電電量的期望值Eexp，單位為kW·h。

式中Nsce為總場(chǎng)景數(shù);Ei為第i個(gè)場(chǎng)景下微電網(wǎng)供應(yīng)的電能。

2) 供電電量的標(biāo)準(zhǔn)差V。

3) 供電電量最大值Emax，單位為kW·h。

4) 供電電量最小值Emin，單位為kW·h。

5) 風(fēng)電供電貢獻(xiàn)度α。

6) 光伏供電貢獻(xiàn)度β。

7) 失負(fù)荷概率Pshd，表征微電網(wǎng)發(fā)電功率小于負(fù)荷功率的概率。

式中pdp為微電網(wǎng)供電能力不足所對(duì)應(yīng)場(chǎng)景的發(fā)生概率。

8) 棄風(fēng)棄光率Pabn，表征微電網(wǎng)發(fā)電量大于負(fù)荷需求電量的概率。

式中pep為微電網(wǎng)供電過剩所對(duì)應(yīng)場(chǎng)景的發(fā)生概率。

3.2 微電網(wǎng)場(chǎng)景類型的確定

不同類型的微電網(wǎng)場(chǎng)景供電能力具有一定的差異。一般在晴天的微電網(wǎng)場(chǎng)景，光伏對(duì)負(fù)荷供電電量的貢獻(xiàn)度比陰天的微電網(wǎng)場(chǎng)景高。在多云天氣下的微電網(wǎng)供電電量的波動(dòng)浮動(dòng)比晴天大，雨天天氣下的微電網(wǎng)供電電量的波動(dòng)浮動(dòng)比陰天大。根據(jù)以上微電網(wǎng)場(chǎng)景的特征，運(yùn)用供電能力指標(biāo)組合對(duì)微電網(wǎng)場(chǎng)景進(jìn)行分類，微電網(wǎng)場(chǎng)景類型的確定如表1 所示。

表1 微電網(wǎng)場(chǎng)景類型的確定Tab.1 Determination of micro-grid scenario types

通過表1 供電能力指標(biāo)組合可以確定4 種微電網(wǎng)場(chǎng)景，根據(jù)不同組合可以唯一確定微電網(wǎng)場(chǎng)景類型，因此微電網(wǎng)場(chǎng)景的分類是相互獨(dú)立的。

3.3 微電網(wǎng)供電能力評(píng)估步驟

1) 采用非參數(shù)自回歸方法對(duì)負(fù)荷、風(fēng)電、光伏的功率進(jìn)行確定性預(yù)測(cè);

2) 建立微電網(wǎng)中風(fēng)電、光伏、負(fù)荷的功率誤差概率分布模型，應(yīng)用蒙特卡羅抽樣技術(shù)獲取預(yù)測(cè)誤差，再將預(yù)測(cè)誤差與風(fēng)電、光伏、負(fù)荷的確定性功率預(yù)測(cè)值相加，即得到微電網(wǎng)場(chǎng)景;

3) 針對(duì)生成的微電網(wǎng)場(chǎng)景進(jìn)行供電能力運(yùn)行優(yōu)化計(jì)算，求得微電網(wǎng)在每個(gè)場(chǎng)景下的供電能力評(píng)價(jià)指標(biāo);

4) 統(tǒng)計(jì)各個(gè)場(chǎng)景下微電網(wǎng)的供電能力評(píng)價(jià)指標(biāo)，得到各評(píng)價(jià)指標(biāo)綜合值。

微電網(wǎng)供電能力評(píng)價(jià)步驟如圖4 所示。

圖4 微電網(wǎng)供電能力評(píng)價(jià)步驟圖Fig.4 Step diagram of micro-grid power supply capacity evaluation

4 算例分析

4.1 系統(tǒng)概況

文中以某獨(dú)立型風(fēng)光柴儲(chǔ)微電網(wǎng)為研究對(duì)象，系統(tǒng)采用如下數(shù)據(jù):最大負(fù)荷為21 kW，單臺(tái)風(fēng)機(jī)額定輸出功率為4 kW，單個(gè)光伏電池模塊額定輸出功率為55 W，單個(gè)蓄電池組額定電量為2.4 kW·h、額定功率為2.4 kW，單臺(tái)柴油發(fā)電機(jī)為2 kW，設(shè)置儲(chǔ)能系統(tǒng)的初始荷電狀態(tài)為SOC(0)=0.5 ，儲(chǔ)能系統(tǒng)的最小荷電狀態(tài)為0.1，最大荷電狀態(tài)為1。該微電網(wǎng)的組成結(jié)構(gòu)如圖5 所示，系統(tǒng)容量的配置情況如表2 所示。

表2 獨(dú)立型風(fēng)光柴儲(chǔ)微電網(wǎng)容量配置Tab.2 Independent micro-grid capacity configuration containing wind-solar-diesel-battery

圖5 獨(dú)立型風(fēng)光柴蓄微電網(wǎng)系統(tǒng)結(jié)構(gòu)Fig.5 Structure of the independent micro-grid containing wind-solar-diesel-battery

4.2 微電網(wǎng)的短期供電能力評(píng)估

4.2.1 四種天氣狀況下的微電網(wǎng)供電能力評(píng)估

文中的原始數(shù)據(jù)為該微電網(wǎng)中2018 年7 月－2018 年8 月的風(fēng)電出力、光伏出力以及負(fù)荷功率，將微電網(wǎng)場(chǎng)景分為晴天、多云、陰天以及雨天［22］。選取前五十天的風(fēng)光荷功率數(shù)據(jù)作為微電網(wǎng)風(fēng)光荷功率預(yù)測(cè)的輸入數(shù)據(jù)，通過非參數(shù)自回歸方法可預(yù)測(cè)得到日前24 個(gè)時(shí)段的風(fēng)電、光伏、負(fù)荷功率。根據(jù)已建立的風(fēng)電、光伏、負(fù)荷功率預(yù)測(cè)誤差模型［23-25］，設(shè)置蒙特卡洛抽樣次數(shù)為1000，可抽樣得到1000 種隨機(jī)的風(fēng)電、光伏、負(fù)荷預(yù)測(cè)誤差，將抽樣所得預(yù)測(cè)誤差加上確定性預(yù)測(cè)風(fēng)光荷功率，便得到1000 種可能出現(xiàn)的微電網(wǎng)的風(fēng)光荷功率場(chǎng)景。通過對(duì)運(yùn)行優(yōu)化模型的求解，統(tǒng)計(jì)并分析不同微電網(wǎng)場(chǎng)景供電電量，如圖6 ～圖9 所示。

圖6 晴天天氣下微電網(wǎng)的供電電量Fig.6 Power supply of microgrid in sunny weather

圖7 多云天氣下微電網(wǎng)的供電電量Fig.7 Power supply of micro-grid in cloudy weather

圖8 陰天天氣下微電網(wǎng)的供電電量Fig.8 Power supply of micro-grid in overcast weather

圖9 雨天天氣下微電網(wǎng)的供電電量Fig.9 Power supply of micro-grid in rainy weather

四種天氣類型的微電網(wǎng)場(chǎng)景供電能力的評(píng)價(jià)指標(biāo)如表3 所示。

比較圖6 ～圖9 可得，晴天、陰天下微電網(wǎng)的供電電量在圖形上較為對(duì)稱，多云、雨天下微電網(wǎng)的供電電量在圖形上對(duì)稱不明顯。

四種天氣狀況下的微電網(wǎng)供電能力評(píng)估分析如下:

1) 隨著天氣狀況的不同，微電網(wǎng)的供電電量標(biāo)準(zhǔn)差差異明顯，根據(jù)表3 可以看出偏離程度從小到大依次排序?yàn)殛幪?、晴天、雨天、多云。即，陰天天氣狀況下微電網(wǎng)供電電量波動(dòng)幅度小，多云天氣狀況下微電網(wǎng)供電電量波動(dòng)幅度最大;

2) 不同天氣狀況下，風(fēng)電對(duì)微電網(wǎng)供電電量的貢獻(xiàn)度都能達(dá)到40%以上，雨天天氣下風(fēng)電貢獻(xiàn)度最大，陰天天氣下風(fēng)電貢獻(xiàn)度最低;

3) 不同天氣狀況下，光伏對(duì)微電網(wǎng)供電電量的貢獻(xiàn)度差異較大，晴天、多云天氣下光伏貢獻(xiàn)度較高，陰天、雨天天氣下光伏貢獻(xiàn)度較小;

4) 微電網(wǎng)系統(tǒng)的失負(fù)荷的概率為零，可見系統(tǒng)供電可靠性很高;

5)微電網(wǎng)系統(tǒng)在陰天、雨天狀況下棄風(fēng)棄光率比較小，在晴天、多云天氣狀況下棄風(fēng)棄光率保持著較低水平。

4.2.2 不考慮天氣狀況的微電網(wǎng)供電能力評(píng)估

當(dāng)不考慮天氣狀況時(shí)，采用文獻(xiàn)［15］和文獻(xiàn)［18］所述方法建立風(fēng)電、光伏功率預(yù)測(cè)誤差概率分布模型。針對(duì)日前微電網(wǎng)功率預(yù)測(cè)，通過蒙特卡羅抽樣法可得到1000 種可能出現(xiàn)的微電網(wǎng)的風(fēng)光荷功率場(chǎng)景。通過對(duì)運(yùn)行優(yōu)化模型的求解，統(tǒng)計(jì)并分析不同微電網(wǎng)場(chǎng)景供電電量，同樣可以得到不考慮天氣狀況的微電網(wǎng)場(chǎng)景供電電量如圖10 ～圖13 所示，微電網(wǎng)場(chǎng)景供電能力的評(píng)價(jià)指標(biāo)如表4 所示。

表4 四種微電網(wǎng)場(chǎng)景供電能力評(píng)價(jià)指標(biāo)Tab.4 Evaluation index of power supply capacity of micro-grid under four kinds of weather conditions

圖10 類型1 微電網(wǎng)場(chǎng)景的供電電量Fig.10 Power supply of type 1 micro-grid scenario

圖11 類型2 微電網(wǎng)場(chǎng)景的供電電量Fig.11 Power supply of type 2 micro-grid scenario

圖12 類型3 微電網(wǎng)場(chǎng)景的供電電量Fig.12 Power supply of type 3 micro-grid scenario

圖13 類型4 微電網(wǎng)場(chǎng)景的供電電量Fig.13 Power supply of type 4 micro-grid scenario

4.2.3 考慮天氣狀況與不考慮天氣狀況的微電網(wǎng)供電能力評(píng)估的比較

比較圖6 ～圖9 和圖10 ～圖13 可得，不考慮天氣狀況下的微電網(wǎng)供電電量在圖形上差異較小。

比較表3 和表4 考慮天氣狀況與不考慮天氣狀況的微電網(wǎng)供電能力評(píng)估，可得在供電電量期望值、風(fēng)電對(duì)微電網(wǎng)供電電量貢獻(xiàn)度、光伏對(duì)微電網(wǎng)供電電量貢獻(xiàn)度、失負(fù)荷率、棄風(fēng)棄光率這五個(gè)評(píng)估指標(biāo)方面比較相似，但是在供電電量標(biāo)準(zhǔn)差、供電電量最大值、供電電量最小值這三個(gè)評(píng)估指標(biāo)上差異明顯。

不考慮天氣狀況的微電網(wǎng)場(chǎng)景供電電量標(biāo)準(zhǔn)差差異很小，不能反映出不同微電網(wǎng)場(chǎng)景供電能力差異性，而考慮天氣狀況的微電網(wǎng)場(chǎng)景供電能力區(qū)別明顯。同時(shí)考慮天氣狀況的微電網(wǎng)場(chǎng)景供電電量最大值比不考慮天氣狀況的微電網(wǎng)場(chǎng)景小，最小值比不考慮天氣狀況的微電網(wǎng)場(chǎng)景大，因此考慮天氣狀況的微電網(wǎng)在運(yùn)行調(diào)度方面會(huì)更有優(yōu)勢(shì)。

綜上兩種方法的比較可以知道，文中所提出的方法能夠更加確定地反映出不同天氣狀況下的微電網(wǎng)場(chǎng)景的供電能力。

4.3 增加儲(chǔ)能容量提高微電網(wǎng)供電能力

根據(jù)表3，在晴天、多云天氣下微電網(wǎng)的棄風(fēng)棄光率為11.3%、12.1%，可知棄風(fēng)棄光率比較高; 相比而言陰天、雨天天氣下微電網(wǎng)的棄風(fēng)棄光率分比為3.4%、3.9%，棄風(fēng)棄光率保持著較低水平。因此提出用增加儲(chǔ)能容量來吸收棄風(fēng)棄光量以降低微電網(wǎng)系統(tǒng)的棄風(fēng)棄光率。

以一定步長地增加儲(chǔ)能容量，微電網(wǎng)系統(tǒng)的供電電量期望值如圖14 所示，棄風(fēng)棄光率的變化如表5 所示。

表5 棄風(fēng)棄光率的變化Tab.5 Variation of abandoned wind and light

圖14 儲(chǔ)能增加引起的的Eexp 變化Fig.14 Change of Eexp brought by increasing energy storage

由圖14 可看出，供電電量的期望值Eexp在18 點(diǎn)－20 點(diǎn)隨著儲(chǔ)能容量的增加供電電量明顯增加。由表5可以看出，棄風(fēng)棄光率隨著儲(chǔ)能容量的增加逐漸減小。可見，增加的儲(chǔ)能能夠明顯提升微電網(wǎng)供電能力，減少了棄風(fēng)棄光量。

5 結(jié)束語

文中以風(fēng)光儲(chǔ)柴獨(dú)立型微電網(wǎng)為研究對(duì)象。建立了考慮風(fēng)電、光伏、負(fù)荷不確定性的微電網(wǎng)短期供電能力評(píng)價(jià)模型。分析了風(fēng)電、光伏、負(fù)荷預(yù)測(cè)誤差概率模型，運(yùn)用蒙特卡羅方法進(jìn)行抽樣模擬，并將其與基于自回歸非參數(shù)方法所預(yù)測(cè)的結(jié)果相結(jié)合構(gòu)建微電網(wǎng)場(chǎng)景。通過對(duì)多個(gè)場(chǎng)景供電能力的計(jì)算與統(tǒng)計(jì)分析，運(yùn)用供電能力指標(biāo)組合方法能夠直觀地將不同場(chǎng)景進(jìn)行區(qū)分，展現(xiàn)出不同微電網(wǎng)場(chǎng)景的供電能力特點(diǎn)。

文中給出了一系列微電網(wǎng)供電能力評(píng)價(jià)指標(biāo)，從供電電量期望值、供電電量離散程度、最大供電電量、最小供電電量等多個(gè)角度對(duì)微電網(wǎng)短期供電能力進(jìn)行了量化評(píng)價(jià)。

算例結(jié)果表明: 文中所建立的考慮不確定性因素的微電網(wǎng)短期供電能力評(píng)價(jià)方法，能夠準(zhǔn)確地將微電網(wǎng)場(chǎng)景區(qū)分為不同天氣類型，同時(shí)展現(xiàn)了不同天氣類型下微電網(wǎng)短期供電能力所特有的特征; 增加儲(chǔ)能可有效地提升微電網(wǎng)供電能力，減少了棄風(fēng)棄光量。