王銀莎，栗文義，郭鑫，王瑞剛，劉鑫，趙鵬，巴根

（1.內(nèi)蒙古工業(yè)大學(xué)電力學(xué)院，內(nèi)蒙古呼和浩特010080；2.內(nèi)蒙古包頭供電局，內(nèi)蒙古包頭014030；3.內(nèi)蒙古呼和浩特供電局，內(nèi)蒙古呼和浩特010000;4.The System Planning Department，Manitoba Hydro，Winnipeg，Canada，R3T0P4）

由于內(nèi)蒙古地域遼闊，風(fēng)資源豐富，且邊遠(yuǎn)農(nóng)村牧區(qū)對(duì)電力需求的特點(diǎn)，因此風(fēng)/柴/儲(chǔ)能等離網(wǎng)式發(fā)電系統(tǒng)在這些地區(qū)得到了廣泛的應(yīng)用[1-2]為了給這些地區(qū)提供穩(wěn)定可靠的電能，對(duì)該地區(qū)的風(fēng)/柴/儲(chǔ)能發(fā)電系統(tǒng)進(jìn)行準(zhǔn)確的可靠性評(píng)估顯得尤為重要。目前對(duì)電力系統(tǒng)可靠性評(píng)估的方法主要分為確定性和概率性兩大類。確定性法的主要缺點(diǎn)是只能預(yù)想一些故障重?cái)?shù)較少的故障事故后果，不能給出事故發(fā)生可能性的確定值[3-4]。概率分析法分為解析法和蒙特卡羅法[5-6]。序貫蒙特卡羅模擬法（Sequential Monte Carlo,SMC）能夠容易處理各種實(shí)際運(yùn)行控制策略，具有廣泛的適應(yīng)性等優(yōu)點(diǎn)，但其計(jì)算時(shí)間長、要求內(nèi)存容量大[7-8]。Well-being模型是將確定性準(zhǔn)則和概率方法相結(jié)合的方法，可以彌補(bǔ)確定性準(zhǔn)則和概率法的不足[9]。本文運(yùn)用序貫蒙特卡羅模擬法和well-being模型對(duì)風(fēng)/柴/儲(chǔ)能發(fā)電系統(tǒng)進(jìn)行可靠性評(píng)估，并對(duì)兩種方法進(jìn)行研究和比較。

1 評(píng)估方法

1.1 序貫蒙特卡羅模擬法

序貫蒙特卡羅模擬法是一種以概率統(tǒng)計(jì)理論為基礎(chǔ)的數(shù)值計(jì)算方法，也稱為狀態(tài)持續(xù)時(shí)間抽樣法[10-11]。在某一時(shí)間尺度內(nèi)，基于元件狀態(tài)持續(xù)時(shí)間概率分布，對(duì)電力系統(tǒng)進(jìn)行仿真模擬。

序貫蒙特卡羅模擬法是通過發(fā)電機(jī)時(shí)間序列和負(fù)荷狀態(tài)時(shí)間序列獲得系統(tǒng)的發(fā)電裕度，如圖1所示。其中Ti表示發(fā)電系統(tǒng)能夠滿足負(fù)荷需求的時(shí)間間隔，ti表示發(fā)電系統(tǒng)不能夠滿足負(fù)荷需求的時(shí)間間隔，ei表示每種狀態(tài)下不能滿足負(fù)荷所需電能的值。

圖1 容量狀態(tài)和負(fù)荷時(shí)間序列疊加圖Fig.1 Superim position of the capacity states and the chronological load pattern

序貫蒙特卡羅模擬法通過統(tǒng)計(jì)ti和ei計(jì)算發(fā)電系統(tǒng)的可靠性指標(biāo)[9]，計(jì)算失負(fù)荷期望值（Lossof Load Expectation,LOLE）[12]公式為

1.2 Well-being模型

Well-being模型是在概率框架下結(jié)合確定性準(zhǔn)則對(duì)發(fā)電系統(tǒng)可靠性進(jìn)行評(píng)估，先通過系統(tǒng)充裕度水平確定性標(biāo)準(zhǔn)判定系統(tǒng)的狀態(tài)，將系統(tǒng)分為3種狀態(tài)：1）健康狀態(tài)；2）邊界狀態(tài)；3）風(fēng)險(xiǎn)狀態(tài)；然后用概率方法計(jì)算發(fā)電系統(tǒng)充裕度指標(biāo)，詳細(xì)分析和評(píng)估孤立發(fā)電系統(tǒng)[13-14]。

如圖1所示，well-being模型也是通過發(fā)電機(jī)時(shí)間序列和負(fù)荷狀態(tài)時(shí)間序列獲得系統(tǒng)的發(fā)電裕度。Well-being模型通過統(tǒng)計(jì)ti和Ti計(jì)算發(fā)電系統(tǒng)的可靠性指標(biāo)。計(jì)算方法如下：如果儲(chǔ)能設(shè)備儲(chǔ)存的電能（Energy Stored in Battery,ESIB）大于或等于平均負(fù)荷（Average Load，AL）或峰值負(fù)荷（Peak Load,PL）與投運(yùn)小時(shí)數(shù)（Number of Autonomous Hours,NAH）的乘積時(shí)，系統(tǒng)處于健康狀態(tài)，此時(shí)Ti是系統(tǒng)所處健康狀態(tài)的時(shí)間間隔，用Ti（H）表示；如果ESIB小于AL或小于PL與NAH的乘積時(shí)，系統(tǒng)處于邊界狀態(tài)，此時(shí)是系統(tǒng)所處邊界狀態(tài)的時(shí)間間隔，用Ti（M）表示。

系統(tǒng)處于健康狀態(tài)、邊界狀態(tài)和風(fēng)險(xiǎn)狀態(tài)總小時(shí)數(shù)分別用n（H），n（M）和n（R）表示。Well-being模型計(jì)算可靠性指標(biāo)公式如下：

健康狀態(tài)概率：

2 兩種可靠性評(píng)估方法的比較分析

2.1 樣例系統(tǒng)

本文分別采用序貫蒙特卡羅模擬法和wellbeing模型對(duì)樣例系統(tǒng)進(jìn)行可靠性評(píng)估，系統(tǒng)模型如圖2所示，該系統(tǒng)參考IEEE可靠性測(cè)試系統(tǒng)（IEEERBTS）[15]，參數(shù)如表1所示。系統(tǒng)發(fā)電機(jī)模型以小時(shí)為步長，儲(chǔ)能模型的充放電狀態(tài)時(shí)間序列和儲(chǔ)能容量時(shí)間序列由發(fā)電系統(tǒng)時(shí)間序列和負(fù)荷時(shí)間序列確定[16-17]。負(fù)荷模型采用IEEE-RBTS中的每小時(shí)負(fù)荷模型[18]，系統(tǒng)峰值負(fù)荷為60 kW。

圖2 風(fēng)/柴/儲(chǔ)能發(fā)電系統(tǒng)評(píng)估模型Fig.2 W ind/diesel/storage power system evaluation model

表1 樣例系統(tǒng)參數(shù)Tab.1 Examp le system data

對(duì)系統(tǒng)進(jìn)行可靠性分析和計(jì)算系統(tǒng)可靠性指標(biāo)時(shí)，兩種方法考慮問題的角度不同。序貫蒙特卡羅模擬法考慮系統(tǒng)是否滿足負(fù)荷要求，如LOLE；而well-being模型考慮系統(tǒng)運(yùn)行狀態(tài)是否能滿足充裕度確定性標(biāo)準(zhǔn)和負(fù)荷的需求。

2.2 負(fù)荷影響

在小型孤立發(fā)電系統(tǒng)中，系統(tǒng)的調(diào)節(jié)能力有限。發(fā)電系統(tǒng)可靠性受負(fù)荷隨時(shí)間變化影響較大。通過分析峰值負(fù)荷變化對(duì)風(fēng)/柴/儲(chǔ)能發(fā)電系統(tǒng)可靠性的影響，可以評(píng)估系統(tǒng)承受最大峰值負(fù)荷的能力，以便在系統(tǒng)運(yùn)行過程中及時(shí)調(diào)整運(yùn)行策略，保證系統(tǒng)的穩(wěn)定運(yùn)行。本文采用兩種方法分別對(duì)風(fēng)/柴/儲(chǔ)能發(fā)電系統(tǒng)進(jìn)行可靠性評(píng)估，結(jié)果如圖3和圖4所示。其中峰值負(fù)荷在40~100 kW之間變化，步長為5 kW。

圖3 序貫蒙特卡羅方法評(píng)估結(jié)果隨峰值負(fù)荷的變化情況Fig.3 SequentialM onte Carlomethod evaluation result w ith the changes of the peak load

圖4 Well-being模型計(jì)算結(jié)果隨峰值負(fù)荷的變化情況Fig.4 W ell-beingmodel evaluation resultw ith the changes of the peak load

采用序貫蒙特卡羅方法對(duì)系統(tǒng)進(jìn)行可靠性評(píng)估，可以得出峰值負(fù)荷對(duì)發(fā)電系統(tǒng)的影響變化趨勢(shì)。如圖3所示，當(dāng)系統(tǒng)峰值負(fù)荷小于55 kW時(shí)，LOLE變化比較平穩(wěn)，系統(tǒng)的可靠性水平較高；當(dāng)系統(tǒng)峰值負(fù)荷大于55 kW時(shí)，LOLE隨峰值負(fù)荷的增大而迅速增大。但該方法只能計(jì)算出發(fā)電系統(tǒng)可靠性水平迅速降低的臨界點(diǎn)，很難找出系統(tǒng)穩(wěn)定運(yùn)行所能承受的最大峰值負(fù)荷。

運(yùn)用well-being模型對(duì)系統(tǒng)進(jìn)行可靠性評(píng)估。如圖4所示，當(dāng)系統(tǒng)峰值負(fù)荷小于55 kW時(shí)，發(fā)電系統(tǒng)的各個(gè)狀態(tài)的概率值變化趨于穩(wěn)定，且系統(tǒng)P（H）值較大，系統(tǒng)在此峰值負(fù)荷條件下能夠滿足系統(tǒng)的充裕度確定性準(zhǔn)則，與序貫蒙特卡羅模擬法評(píng)估結(jié)果相符。隨著系統(tǒng)峰值負(fù)荷增加，P（H）值減小，P（M）值增加；當(dāng)系統(tǒng)峰值負(fù)荷大于55 kW時(shí)P（H）值和P（M）值變化趨勢(shì)加快。當(dāng)系統(tǒng)峰值負(fù)荷增加到80 kW，此時(shí)系統(tǒng)P（H）值為零，P（M）值為系統(tǒng)邊界狀態(tài)概率值的最大值。在峰值負(fù)荷55 kW到80 kW之間，系統(tǒng)LOLP值較小，系統(tǒng)不能滿足充裕度確定性準(zhǔn)則，但仍滿足負(fù)荷的需求。當(dāng)系統(tǒng)峰值負(fù)荷大于80 kW時(shí)，系統(tǒng)的P（M）值減小，LOLP值增大，系統(tǒng)既不能滿足充裕度確定性準(zhǔn)則也不能滿足負(fù)荷需求，表明80 kW為維持系統(tǒng)運(yùn)行所允許的最大峰值負(fù)荷。

2.3 儲(chǔ)能容量影響

儲(chǔ)能設(shè)備在風(fēng)/柴/儲(chǔ)能發(fā)電系統(tǒng)中發(fā)揮著重要的作用，儲(chǔ)能容量的多少關(guān)系到發(fā)電系統(tǒng)的充裕度的大小和供電可靠性的高低。本文分別用兩種方法對(duì)系統(tǒng)在不同儲(chǔ)能容量運(yùn)行狀態(tài)下的可靠性進(jìn)行評(píng)估，如圖5和圖6所示。系統(tǒng)儲(chǔ)能容量變化范圍為0~700 kW·h，步長為50 kW·h。

圖5 序貫蒙特卡羅方法評(píng)估結(jié)果隨儲(chǔ)能容量的變化Fig.5 SequentialM onte Carlomethod evaluation result w ith the changes of the battery capacity

圖6 Well-being模型計(jì)算結(jié)果隨峰儲(chǔ)能容量的變化Fig.6 W ell-beingmodel evaluation resultw ith the changes of the battery capacity

序貫蒙特卡羅模擬法評(píng)估結(jié)果如圖5所示，當(dāng)儲(chǔ)能容量達(dá)到450 kW·h后，系統(tǒng)失負(fù)荷期望值LOLE變化趨于穩(wěn)定，系統(tǒng)可靠性高；隨著儲(chǔ)能容量的繼續(xù)增加，儲(chǔ)能容量對(duì)系統(tǒng)的可靠性影響作用減小。當(dāng)儲(chǔ)能容量大于450 kW·h時(shí)，系統(tǒng)可靠性較高，但無法得知維持系統(tǒng)滿足負(fù)荷需求運(yùn)行的儲(chǔ)能容量最小值。

Well-being模型評(píng)估結(jié)果如圖6所示。當(dāng)儲(chǔ)能容量大于225 kW·h后，隨著儲(chǔ)能容量的增加，系統(tǒng)的P（H）值增加，當(dāng)儲(chǔ)能容量大于450 kW·h時(shí)，系統(tǒng)的P（H）值增加趨于平緩，此階段系統(tǒng)滿足充裕度確定性標(biāo)準(zhǔn)，系統(tǒng)可靠性較高，與序貫蒙特卡羅模擬法評(píng)估結(jié)論一致。計(jì)算表明當(dāng)儲(chǔ)能容量為225 kW·h時(shí)，系統(tǒng)P（H）值為零，P（M）值為0.964，LOLP值為0.056，系統(tǒng)為邊界運(yùn)行狀態(tài)。當(dāng)儲(chǔ)能容量在100~225 kW·h，系統(tǒng)的P（M）值較大，系統(tǒng)不能滿足充裕度確定性標(biāo)準(zhǔn)，但仍能滿足系統(tǒng)負(fù)荷的需要。這表明100 kW·h是系統(tǒng)滿足負(fù)荷需求的最小儲(chǔ)能容量。

3 結(jié)論

本文介紹了序貫蒙特卡羅模擬法和well-being模型兩種可靠性評(píng)估方法，并分別對(duì)樣例系統(tǒng)進(jìn)行了可靠性評(píng)估。通過比較分析兩種方法的評(píng)估結(jié)果，前者可描述可靠性水平隨峰值負(fù)荷和儲(chǔ)能容量的變化趨勢(shì)；后者不僅可以得出與前者評(píng)估結(jié)果相符的結(jié)論和準(zhǔn)確度，又可對(duì)系統(tǒng)運(yùn)行狀態(tài)進(jìn)行全面分析，并計(jì)算出系統(tǒng)各個(gè)運(yùn)行狀態(tài)的概率值，同時(shí)還能計(jì)算出維持系統(tǒng)運(yùn)行的最大負(fù)荷和最小儲(chǔ)能容量值。

[1] 陳達(dá)，張瑋．風(fēng)能利用和研究綜述[J]．節(jié)能技術(shù),2007,4（25）：339-343.CHEN Da，ZHANG Wei．Exploitation and Research on Wind Energy[J]．Energy Conservation Technology,2007,4（25）：339-343(in Chinese).

[2] 申寬育．中國的風(fēng)能資源與風(fēng)力發(fā)電[J]．西北水電,2010(1):76-81.SHEN Kuan-yu．Wind Energy Resources and Wind Power Generation in China[J]．Northwest Hydropower,2010(1):76-81(in Chinese).

[3] 郭永基．電力系統(tǒng)可靠性分析[M]．北京：清華大學(xué)出版社,2003.GUOYong-ji．PowerSystem ReliabilityAnalysis[M]．Beijing：Tsinghua University Press,2003(in Chinese).

[4] 邵偉明．運(yùn)行方式對(duì)供電可靠性的影響 [J]．能源工程,2000(6):25-27.SHAOWei-ming．Analysisof the EffectofOperation Scheme on Power Supply Reliabilit[J]．Energy Engineering,2000(6):25-27(in Chinese).

[5] 宋曉通．基于蒙特卡羅方法的電力系統(tǒng)可靠性評(píng)估[D]．山東：山東大學(xué)．博士論文．2008.SONGXiao-tong．Study on Reliability Evaluation of Power System based on Monte Carlo Simulation[D]．Shandong Shandong University,2008.(in Chinese)

[6] 劉晉，蘇虎成，袁 ，等．基于序貫仿真法的復(fù)雜配電系統(tǒng)可靠性評(píng)估[J]．陜西電力,2009(6):17-20.LIU Jin，SUHu-cheng，YUANZhe，etal．Sequential Simulation Based Method for Reliability Evaluation of Complex Distribution System[J]．Shaanxi Electric Power,2009(6):17-20(in Chinese).

[7] 孫燕燕．山東500 kV電網(wǎng)發(fā)輸電系統(tǒng)可靠性評(píng)估[D]．山東：山東大學(xué),2007 SONG Yan-yan．Shandong 500 kV Power Transmission System Reliability Evaluation [D]．Shandong：Shandong University,2007(in Chinese)．

[8] 楊飛虎．電網(wǎng)運(yùn)行可靠性評(píng)估分布式算法研究及軟件實(shí)現(xiàn)[D]．合肥：合肥大學(xué),2006.Yang Fei-hu．Research on the Distributed Algorithm of Operational Reliability Evaluation of Power Network and Sftoware Implementation[D]．Hefei：Hefei University of Technology,2006(in Chinese).

[9] Bagen,Roy，Billinton．Incorporating Well-Being Considerations in Generating Systems Using Energy Storage[J]．IEEE Transactions on Energy Conversion．2005,20(1):225-230.

[10]司媛媛．變速恒頻雙饋風(fēng)力發(fā)電模擬監(jiān)測(cè)系統(tǒng)[D]．合肥：合肥工業(yè)大學(xué),2006：12-13.SIYuan-yuan．VSCFDoubly Fed Wind Power Generation Imitation Supervisory System[D]．Hefei：HefeiUniversity of Technology,2006:12-13(in Chinese).

[11]張亮，趙娜．基于BP神經(jīng)網(wǎng)絡(luò)Monte Carlo法的結(jié)構(gòu)可靠性分析[J]．現(xiàn)代電子技術(shù),2010(12):59-61.ZHANG Liang,ZHAO Na．Structure Reliability Analysis Based on BP Neural Network Monte Carlo Method[J]．Modern ElectronicsTechnique,2010(12):59-61(in Chinese).

[12]栗文義，張保會(huì)，巴根．風(fēng)/柴/儲(chǔ)能系統(tǒng)發(fā)電容量充裕度評(píng)估[J]．中國電機(jī)工程學(xué)報(bào),2006,26(16)：62-67.LIWen-yi,ZHANG Bao-hui,Bagen．Capacity Adequacy Evaluation ofWind-Diesel-Storage System[J]．Proceedings of the CSEE,2006,16(26):62-67(in Chinese).

[13]GREGOR Taljana,AndrejF,Gubina．Energy-based System Well-being Analysis for Small Systems with Intermittent Renewable Energy Sources[J].Renewable Energy,2009(34):2651-2661.

[14]張湘艷,衛(wèi)志農(nóng)．風(fēng)力發(fā)電對(duì)孤立系統(tǒng)電源可靠性的影響[J]．江蘇電機(jī)工程,2006,25(3):58-60.ZHANGXiang-yan,WEIZhi-nong.ImpactofWind Engergy on the Reliability of Small Isolated Power Systems[J].Jiangsu ElectricalEngineering,2006,3(25):58-60(in Chinese).

[15]BAGEN,ROYBillinton.ImpactsOfEnergyStorageOn Power System Reliability Performance[C]．2005 IEEECcece/Ccgei．Saskatoon．2005.

[16]ALLAN R N,BILLINTON R,GOEL L,et al.A Reliability Test System for Educational Purposes-basic Distribution System Data and Results[J].IEEE Trans.Power System,1991(6):813-820.

[17]聶繼華，楊宜民．風(fēng)/光互補(bǔ)發(fā)電系統(tǒng)的優(yōu)化設(shè)計(jì)[J]．節(jié)能,2008(10):50-52.NIE Ji-hua,YANG Yi-min.Optimization Design of Wind/Photovoltaic Hybrid Power Systems[J]．Energy Conservation,2008(10):50-52(in Chinese).

[18]BILLINTON R,BAGEN,C UI Y.Reliability Evaluation of SmallStand-AloneWind Energy Conversion Systems Using a Time Series Simulation Method[J].Proc Inst Elect Eng,Gen,Transm Distrib,2003,150:96-100.