何成明，王洪濤，王春義，韋仲康

（1.山東大學 電網智能化調度與控制教育部重點實驗室，山東 濟南 250061；2.國網山東省電力有限公司，山東 濟南 250001；3.國網冀北電力有限公司，北京 100053）

0 引言

隨著風電滲透率的提高，風電的隨機性和波動性對系統(tǒng)的影響越來越受到關注［1］。特別是當發(fā)生極端氣象事件（如鋒面過境、雷暴、大風等）時，有可能引發(fā)風電功率爬坡事件［2-3］，即風電出力在短時間內發(fā)生單向大幅度變化。尤其是我國風電大規(guī)模高集中接入模式下，一旦發(fā)生風電功率爬坡事件將會對電力系統(tǒng)的有功平衡造成嚴重影響，甚至引發(fā)系統(tǒng)頻率失穩(wěn)、切負荷等問題［4-5］。因此，研究風電功率爬坡事件作用下的系統(tǒng)運行風險評估模型和方法，實現(xiàn)含風電電力系統(tǒng)安全風險預警是至關重要的。

風電功率爬坡事件對電力系統(tǒng)運行風險影響的評估需要以爬坡預測信息為依據(jù)，針對爬坡事件的預測方法國內外已有相關研究［6-8］，受預測水平限制，爬坡預測系統(tǒng)提前6 h只能給出概率性預測結果且精度較低；小時前的爬坡預測結果精度相對較高，但受常規(guī)機組有功調節(jié)速度及最小啟動時間限制，難以采取相應的控制措施來維持爬坡事件發(fā)生過程中的有功平衡［4］。

針對風電并網對電力系統(tǒng)有功平衡的影響，文獻［9］將風電場可用容量的概率分布與可用風能的概率分布相結合，計算出風電場輸出功率的概率分布，并據(jù)此評估了風電場接入對系統(tǒng)可靠性的影響。文獻［10］在考慮負荷變化、常規(guī)機組強迫停運率和風電功率波動的情況下對系統(tǒng)調峰充裕性進行了評估，有效反映了風電接入容量對系統(tǒng)有功調節(jié)容量需求的影響，但評估過程中未考慮常規(guī)機組有功調節(jié)速率對評估結果的影響。文獻［11］在綜合考慮風電功率波動特性、負荷波動以及常規(guī)機組調節(jié)容量及速率的基礎上對風電隨機波動影響下系統(tǒng)執(zhí)行調度計劃過程中的運行風險進行了評估。與常規(guī)風電功率隨機波動不同，爬坡事件具有較強的時序特性，表現(xiàn)為風電功率 30 min～5 h的持續(xù)單向變化［12］，上述研究集中在風功率的統(tǒng)計特性對含風電電力系統(tǒng)的有功調節(jié)充裕性的影響，常規(guī)風電功率波動在不同時段間無關聯(lián)，研究中評估時段間相互獨立，難以適用于爬坡事件作用下系統(tǒng)運行風險評估過程。爬坡事件作用下系統(tǒng)有功不平衡量是風電功率爬坡和常規(guī)機組計劃外停運共同作用的結果［4］，兩者之間相互獨立，且相互之間的時序關系對評估結果有較大影響。傳統(tǒng)的風險評估模型中，常規(guī)機組停運概率通常取定值，文獻［13］考慮了常規(guī)機組停運概率的時間相關性，提高了發(fā)電計劃風險評估的準確性，但評估過程中未對常規(guī)機組的停運時刻加以區(qū)分，無法考慮其對常規(guī)機組有功調節(jié)速率的要求。

為便于調度人員針對風電功率爬坡事件采取相應預防控制措施，本文提出了考慮時序特性的風電爬坡事件風險評估模型，分析了爬坡事件對系統(tǒng)運行風險的影響程度，并通過算例對所提模型有效性進行了仿真驗證。

1 風電功率爬坡事件風險評估原理

與常規(guī)風電出力波動不同，風電功率爬坡事件由極端氣象條件引起，一旦發(fā)生將持續(xù)多個時段，且爬坡過程中時段之間相互關聯(lián)。選取爬坡事件的開始時間、持續(xù)時間和爬坡量作為爬坡事件的狀態(tài)表征量，受預測水平限制，爬坡事件預測結果具有較強的不確定性，體現(xiàn)為風電爬坡事件的各個表征量的不確定性?；诜切蜇灻商乜_模擬法的風電功率爬坡事件模型及與之相適應的常規(guī)機組停運模型如下所示。

1.1 風電功率爬坡事件模型

風電功率爬坡事件包括正爬坡和負爬坡，正爬坡可通過風機減載和停運加以控制，對系統(tǒng)影響較小。本文只考慮風電功率發(fā)生負爬坡的情況。爬坡事件日前預測精度較低，電網日前調度計劃所依據(jù)的風電出力曲線由常規(guī)預測方法得出［4］。

在風電功率爬坡事件的建模過程中，忽略爬坡事件發(fā)生過程中的小幅功率波動，假設爬坡事件發(fā)生前和結束后，風電場預測出力與日前預測結果一致。綜上所述，建立風電爬坡事件時序模型，如式（1）所示。

其中，Ts為爬坡事件的開始時間；Td為爬坡事件的持續(xù)時間；Pamp為爬坡事件的幅值，其反映了極端氣象事件的影響范圍，為更為直觀地反映爬坡事件嚴重程度，本文將 Pamp用 0～100% 表示；PW（t）和 PW，0（t）分別為 t時刻的風電場實際出力和日前預測值；ΔPW，err（t）為t時刻風電功率預測誤差，本文通過抽樣得出。

風電功率爬坡事件預測結果通常用概率分布來表示［8］，爬坡事件的 3 個表征量 Ts、Td和 Pamp的概率分布分別為 p（Ts）、p（Td）和 p（Pamp），3 個表征量的期望及概率分布由風電爬坡事件預測系統(tǒng)提供。3個表征量相互獨立，模擬風電功率爬坡事件時需對3個表征量按照相應的概率分布分別進行抽樣。

1.2 考慮時序特性的常規(guī)機組停運模型

調度計劃執(zhí)行過程中發(fā)電機可能需要多次投入或退出運行，因此，發(fā)電機可靠性參數(shù)除與時間有關外還與投運成功率有關。常規(guī)機組的修復時間一般大于風險評估周期（本文取24 h），可將常規(guī)機組看作不可修復元件。機組i在t時刻處于停運狀態(tài)的概率 pi（t）如式（2）所示［13］，等號右端第一項為機組投運失敗的概率，第二項為機組投運成功的情況下在t時刻處于停運狀態(tài)的概率。

其中，pi，UP和 λi分別為機組i的啟動成功率和故障率；Δti為截止到 t時刻機組 i的持續(xù)運行時間；ti，on和ti，off分別為機組i的計劃啟動和停運時刻。

常規(guī)機組停運與風電出力爬坡事件相互獨立，兩者同時發(fā)生時對系統(tǒng)的影響最大，風險評估過程中應考慮常規(guī)機組停運與風電功率爬坡事件的時序關系。因此，適用于風電功率爬坡事件風險評估過程的常規(guī)機組停運模型應同時包含停運時刻和停運概率2個表征量。模擬常規(guī)機組停運過程時需對常規(guī)機組可能停運時刻和該時刻的停運情況分別進行抽樣，抽樣過程中兩者所遵循的概率分布分別如式（3）和（4）所示。

其中，ti為機組 i的可能停運時刻；p′i（ti）的物理意義為若機組i在投運后發(fā)生停運，則停運事件發(fā)生在ti時刻的概率；p″i（ti）為機組 i在 ti時刻的等效停運概率；λ′i為機組 i的等效故障率。

機組i的等效故障率λ′i的構造原理如下：假設抽樣次數(shù)為N，按式（2），機組i在ti時刻處于停運狀態(tài)的樣本數(shù)為 Ni=Npi（ti）；在考慮機組停運時刻后，N次抽樣中機組 i投運失敗的樣本數(shù)為 Ni，1=Np″i（ti，on），投運成功的前提下，機組i在ti時刻處于停運狀態(tài)的樣本數(shù) Ni，2如式（5）所示，數(shù)值上應等于 Ni-Ni，1，由此得到λi′。

常規(guī)機組停運狀態(tài)模擬過程為：首先抽樣ti，on時刻機組 i運行狀態(tài)表征量 ui（ti，on）（正常運行時為 1，否則為 0），若 ui（ti，on）為 1，抽樣得到 ti，然后按式（4）中的 p″i（ti）抽樣 ti時刻機組 i的運行狀態(tài) ui（ti）；對于在評估周期一開始便處于運行狀態(tài)的機組則可直接抽樣得出 ti及 ui（ti）。

1.3 運行風險指標

風電功率爬坡事件以及常規(guī)機組停運均會導致系統(tǒng)有功出力大幅變化，反映在電網側為系統(tǒng)頻率變化，當系統(tǒng)頻率偏差超過限值且持續(xù)一段時間無法恢復時會引起低頻減載裝置動作。為準確分析風電功率爬坡事件對系統(tǒng)運行風險的影響程度，便于調度人員根據(jù)風險可接受程度（頻率越限、失負荷等）采取相應控制措施。本文采用頻率越限次數(shù)期望ENFO（Expected Number of Frequency Off-limits）和電力不足期望EENS（Expected Energy Not Supplied）作為風險指標，如式（6）、（7）所示［14］。

其中，ENFO和EENS分別為頻率越限次數(shù)和電力不足期望；K 為蒙特卡羅抽樣次數(shù)；T 為評估周期；IFO，k（t）為第k次抽樣t時刻系統(tǒng)頻率越限標識，發(fā)生頻率越限或失負荷時取 1，否則為 0；ENS，k（t）為第 k 次抽樣 t時刻系統(tǒng)失負荷量。

1.4 約束條件

（1）有功平衡約束：

其中，PW（t）和 PG，i（t）分別為 t時刻風電場和常規(guī)機組 i的有功出力；PL（t）為 t時刻負荷功率。

（2）發(fā)電機輸出功率約束：

其中，PG，i，min和 PG，i，max分別為常規(guī)機組 i的最小和最大輸出功率。

（3）常規(guī)機組爬坡速率約束：

其中，Ri，s為機組 i的輸出功率改變速率（MW/min）；t1為一個評估時段。

2 爬坡事件作用下系統(tǒng)運行風險計算過程

2.1 風險指標的求取

爬坡事件作用下系統(tǒng)風險評估過程中第k次蒙特卡羅抽樣所需變量為：爬坡事件表征量（Ts，Td，Pamp）、未發(fā)生爬坡事件時刻的風電出力預測誤差ΔPW，err（t）和各常規(guī)機組停運狀態(tài)表征量

本文以15 min作為一個評估時段，評估周期為24 h。風電功率爬坡事件與常規(guī)機組停運均會導致系統(tǒng)頻率下降，需要常規(guī)機組增出力以滿足有功平衡，與t時段相比，t+1時段系統(tǒng)有功調節(jié)容量需求dPr（t+1）和可調容量上限 dPup（t+1）分別如式（11）、（12）所示，其中 t1取 15 min。

風電功率爬坡事件會持續(xù)多個評估時段，在爬坡事件和常規(guī)機組停運共同作用下，為保證系統(tǒng)有功平衡，正常運行狀態(tài)下的常規(guī)機組出力會大幅偏離計劃值。 由式（11）、（12），對 t+1 時段進行風險評估時除需確定風電和負荷功率外，還需確定t時段結束后各常規(guī)機組的實際出力。為更為客觀地反映爬坡事件作用下系統(tǒng)運行風險水平，并避免調度人員主觀經驗對評估結果的影響，本文不考慮再調度過程。調度時段內，常規(guī)機組（假設均為AGC機組，即可提供備用容量）除執(zhí)行調度指令外，還需通過響應系統(tǒng)頻率變化的方式分配系統(tǒng)有功不平衡量，下面分2種情況描述t時段結束后各常規(guī)機組出力求取原理。

（1）dPr（t）≤dPup（t），此時 t1時間內系統(tǒng)可調容量滿足有功調節(jié)需求，該時段各項風險指標均為0。各常規(guī)機組按照固定的參與因子分配系統(tǒng)有功不平衡量［15］，其原理如式（13）所示。

其中，PG，i，ref（t）和 P′G，i（t）分別為 t時段機組 i出力計劃值和考慮AGC調節(jié)作用時的目標出力；dPref（t）為忽略負荷預測誤差情況下常規(guī)機組需比計劃增發(fā)的總功率；αi為機組 i參與因子；ui，0（t）為 t時段機組 i的計劃運行狀態(tài)。

然后，校驗式（13）所得結果是否滿足爬坡和出力限值約束，若滿足，則 PG，i（t）=P′G，i（t）；若 P′G，i（t）不滿足上爬坡或出力上限約束，則 PG，i（t）如式（14）所示，并將越限量 P′G，i（t）-PG，i（t）分配至其他機組，直到所有機組滿足約束。

（2）dPr（t）＞dPup（t），此時各常規(guī)機組出力如式（14）所示，對應的系統(tǒng)功率缺額 ΔP（t）=dPr（t）-dPup（t），常規(guī)機組調節(jié)能力已達到上限，系統(tǒng)可能會發(fā)生頻率越限或失負荷［16］。本文采用準穩(wěn)態(tài)模型估計系統(tǒng)頻率偏差［17］，系統(tǒng)頻率偏差 Δf估計值如式（15）所示，當Δf超過限值 Δflim時 IFO，k（t）取 1，并在頻率低于 fL，shed（低頻減載裝置動作頻率）時計算減載量ENS，k（t）［13，17］。

其中，fN為系統(tǒng)額定頻率；KL為負荷的頻率調節(jié)效應系數(shù)；PLN（t）為t時段系統(tǒng)在額定頻率下的負荷功率。

2.2 風險評估流程

上節(jié)描述了風險指標的求取原理，風險評估的具體步驟如下。

a.輸入常規(guī)機組出力計劃、風電和負荷日前預測曲線。

b.輸入爬坡事件預測結果：Ts、Td和Pamp的概率分布。

c.抽樣得到風電出力爬坡事件表征量和未發(fā)生爬坡事件時刻的風電出力預測誤差，并據(jù)此得到風電出力曲線。

d.抽樣得到常規(guī)機組停運狀態(tài)表征量。

e.求取本次抽樣的風險指標和

f.返回步驟c，進行下一次抽樣計算，直到滿足誤差允許范圍或達到迭代次數(shù)限值。

前面描述了風電功率爬坡事件作用下系統(tǒng)運行風險評估的過程，具體流程如圖1所示。

圖1 風電功率爬坡事件風險評估流程Fig.1 Flowchart of risk assessment for wind power ramp event

3 算例分析

采用IEEE RTS 24節(jié)點系統(tǒng)來驗證本文模型，模型結構圖如圖2所示。該系統(tǒng)總裝機容量為3405 MW，負荷峰值為2850 MW。將系統(tǒng)中26號機組替換為一容量400MW的風電場，風電滲透率約為15%。常規(guī)機組參數(shù)、負荷數(shù)據(jù)以及日發(fā)電計劃取自文獻［18-19］，系統(tǒng)中低頻減載裝置參數(shù)設定取自文獻［13］。假設風電功率爬坡事件開始時間在0～24 h內服從均勻分布（電網實際運行中可通過風電功率爬坡事件預測系統(tǒng)得到），爬坡持續(xù)時間和爬坡量采用文獻［12］中的統(tǒng)計結果，風電出力數(shù)據(jù)來源于山東某風電場日前預測數(shù)據(jù)。

圖2 含風電場的測試系統(tǒng)Fig.2 Test system with wind farm

3.1 常規(guī)機組停運模型有效性分析

為驗證本文所提模型有效性，對傳統(tǒng)的單時段風險評估方法（各評估時段之間相互獨立，常規(guī)機組停運概率參照式（2））和本文所提考慮時序特性的風險評估方法分別進行仿真分析，仿真過程中風電和負荷曲線均取日前預測值，2種不同的評估方法計算結果如圖3、4和表1所示，圖中括號內數(shù)據(jù)表示相應曲線所對應縱坐標需乘以的系數(shù)，后同。

圖3 單時段風險評估方法計算結果Fig.3 Calculated results by single-period risk assessment method

圖4 考慮時序特性的風險評估方法計算結果Fig.4 Calculated results by risk assessment method considering time-sequence characteristics

表1 不同風險評估方法結果對比（Pamp=0）Table 1 Comparison of simulative results between risk assessment methods（Pamp=0）

從圖3、4和表1可以看出，在無風電功率爬坡事件發(fā)生情況下，本文所提考慮時序特性的風險評估方法與傳統(tǒng)單時段風險評估方法結果基本一致，證明了本文所提模型的有效性。

3.2 爬坡事件與常規(guī)機組停運之間的時序關系對評估結果的影響分析

假設（Ts，Td，Pamp）取值為（7，2.5，50%），選擇 19號機組為測試機組，除19號機組外其他機組均不發(fā)生計劃外停運，19號機組停運時刻分別為1～24 h時計算系統(tǒng)的ENFO和EENS，結果如圖5所示。

從圖5中可以看出，常規(guī)機組停運發(fā)生在1～6 h時，無失負荷或頻率越限情況發(fā)生，而停運事件發(fā)生在時段7～9.5 h時，系統(tǒng)存在較大的運行風險。發(fā)電vs.generator outage time機停運發(fā)生在第6 h或第7 h時，在第7 h處于運行狀態(tài)的常規(guī)機組需比計劃值增發(fā)的總功率是相同的，而在第7～9.5 h，常規(guī)機組在應對負荷增加和風電功率爬坡事件所造成的有功缺額過程中，有功出力調節(jié)速率已接近上限，但距離最大輸出功率（額定功率）仍有較大裕度，在無常規(guī)機組停運情況下，不發(fā)生失負荷；若發(fā)生常規(guī)機組停運，則大幅增加了常規(guī)機組有功調節(jié)速率需求，造成失負荷。若常規(guī)機組停運發(fā)生在爬坡事件之前，在爬坡事件發(fā)生時，常規(guī)機組停運所造成的有功缺額已由系統(tǒng)備用所補償，未增加爬坡事件發(fā)生過程中的常規(guī)機組有功出力調節(jié)速率需求，且由于可調容量充足，無失負荷情況發(fā)生。當常規(guī)機組停運發(fā)生在爬坡事件結束之后時（10～24 h），無失負荷情況發(fā)生。

圖5 系統(tǒng)風險指標隨機組停運時刻的變化曲線Fig.5 Curves of system risk index

假設19號機組在各評估時段停運概率均為10-4，爬坡事件表征量（Ts，Td，Pamp）仍?。?，2.5，50%），分別采用單時段風險評估方法和本文所提考慮時序特性的風險評估方法評估系統(tǒng)運行風險，結果如圖6、7和表2所示。

圖6 單時段風險評估方法計算結果Fig.6 Calculated results by single-period risk assessment method

圖7 考慮時序特性的風險評估方法計算結果Fig.7 Calculated result by risk assessment method considering time-sequence characteristics

表2 不同風險評估方法結果對比（Pamp=50%）Table 2 Comparison of simulative results between risk assessment methods（Pamp=50%）

對比圖6、7和表2可以看出，爬坡事件發(fā)生情況下，單時段評估方法計算結果明顯大于考慮時序特性的風險評估結果，原因如下：在抽樣次數(shù)足夠多的情況下，2種方法抽樣得出的19號機組在各時段處于停運狀態(tài)的樣本數(shù)相同，其他機組有功出力調節(jié)目標也相同（如式（13）所示），即與計劃值相比，處于正常運行狀態(tài)的機組所需增發(fā)的總功率包括常規(guī)機組停運和風電功率爬坡所造成的功率缺額。但2種方法在計算各時段風險指標時所參照的有功調節(jié)需求不同。以第9 h為例，單時段風險評估方法不考慮時段之間的關聯(lián)性，計算有功調節(jié)需求時以計劃值為基準，抽樣第9 h處于停運狀態(tài)的樣本時所參照的概率分布（式（2））包含了第9 h之前出現(xiàn)常規(guī)機組停運的概率（式（2）為處于停運狀態(tài)的概率，而不是在該時段發(fā)生停運的概率），增大了評估過程中常規(guī)機組停運與爬坡事件同時發(fā)生的樣本數(shù)；再者，單時段評估方法所參照的爬坡事件所造成的有功缺額為而實際上在第9 h由爬坡事件所造成的有功沖擊為?（第 8h 到第 9h 之間爬坡量），dPW，1明顯大于 dPW，2。

3.3 爬坡事件作用下系統(tǒng)運行風險分析

風電功率的爬坡幅值代表了爬坡事件的嚴重程度，不同的爬坡幅值作用下，計算測試系統(tǒng)的風險指標ENFO和EENS，結果如圖8所示。

圖8 系統(tǒng)風險指標隨爬坡幅值的變化曲線Fig.8 Curves of system risk index vs.ramp amplitude

從圖8中可以看出，在Pamp＜30%時，系統(tǒng)各項風險指標基本不變，原因是，此時系統(tǒng)備用容量較為充足。隨著Pamp繼續(xù)增大，ENFO先開始明顯增加，原因是系統(tǒng)內常規(guī)機組雖然在某些時段出現(xiàn)調節(jié)能力不足的情況，但還不足以觸發(fā)低頻減載。在Pamp大于45%左右時，EENS開始增加，且增加的速率明顯大于ENFO，原因是在發(fā)生失負荷時，系統(tǒng)內各機組的調節(jié)能力已達到限值，此時，EENS會隨Pamp的增大而迅速增大；而ENFO最大值要小于爬坡事件影響的時段數(shù)。

為進一步分析系統(tǒng)在不同運行狀態(tài)下，風電功率爬坡事件對系統(tǒng)運行風險的影響，計算Pamp取值為100%時系統(tǒng)各時段風險指標，圖9為系統(tǒng)風險指標變化曲線。

圖9 Pamp為100%時系統(tǒng)風險指標的變化曲線Fig.9 Curves of system risk index for Pamp=100%

從圖4和圖9中可以看出，系統(tǒng)運行風險變化趨勢與負荷水平總體相同。如在負荷水平較低的時段第1～5 h，對應的風險水平較低；而在負荷水平較高的時段第10～20 h，系統(tǒng)風險水平較高，原因是負荷水平較高時系統(tǒng)內常規(guī)機組出力水平較高，可用上調容量相對較小。負荷水平相同的情況下，系統(tǒng)運行風險也有所差異，如第24 h與第1～2 h負荷水平差別不大，且計劃投運的機組完全相同，但第24 h風險水平要高于第1～2 h，原因是常規(guī)機組在第24 h處于停運狀態(tài)的概率要高于第1～2 h，相應的風險水平較高。

由于仿真中對風電功率爬坡事件開始時間進行抽樣時采用的是均勻分布，圖9中各時刻發(fā)生爬坡事件的樣本數(shù)相同。在負荷曲線、常規(guī)機組停運率以及日發(fā)電計劃確定的情況下，爬坡事件開始時間不同，對系統(tǒng)運行風險的影響存在較大差異。各時段系統(tǒng)運行風險水平除與負荷水平相關外，還與負荷變化方向有關。當爬坡事件與負荷攀升同時發(fā)生時，如時段第8～11 h，爬坡事件對系統(tǒng)風險水平的影響尤為明顯，原因是當爬坡事件與負荷攀升同步時，兩者作用疊加，增大了凈負荷變化量、變化速率以及系統(tǒng)備用需求，造成系統(tǒng)風險指標的增大，該場景與美國德克薩斯州電網2007年和2008年發(fā)生的2次造成嚴重影響的風電爬坡事件相類似［3-4］。當爬坡事件與負荷下降過程同時發(fā)生時，對系統(tǒng)運行風險的影響較小，如時段第22～24 h，原因是當爬坡事件與負荷下降過程同步時，風電功率與負荷同步下降，兩者作用抵消，凈負荷變化量較小，相應的備用需求較小。

4 結論

本文提出一種風電功率爬坡事件作用下考慮時序特性的系統(tǒng)風險評估模型，通過對常規(guī)機組可能停運時間和運行狀態(tài)分別進行抽樣，考慮了爬坡事件與常規(guī)機組間的時序關系對評估結果的影響。評估過程中考慮時段之間的關聯(lián)性，在計及低頻減載及AGC調節(jié)作用的基礎上通過頻率越限次數(shù)期望和失負荷的期望對系統(tǒng)運行風險進行了評估，量化了爬坡事件對系統(tǒng)運行風險的影響程度，可為調度人員根據(jù)風險接受程度采取預防控制措施提供指導，具有實際應用參考價值。

［1］張里，劉俊勇，劉友波，等.計及風速相關性的電網靜態(tài)安全風險評估［J］.電力自動化設備，2015，35（4）：84-89.ZHANG Li，LIU Junyong，LIU Youbo，et al.Static security risk assessment of power system considering wind speed correlation［J］.Electric Power Automation Equipment，2015，35（4）：84-89.

［2］KAMATH C.Associating weather conditions with ramp events in wind power generation［C］∥IEEE PES Power Systems Conference and Exposition（PSCE）.Phoenix，Arizona：［s.n.］，2011：1-8.

［3］戚永志，劉玉田.風電高風險爬坡有限度控制［J］.中國電機工程學報，2013，33（13）：69-75.QI Yongzhi，LIU Yutian.Finite control of high risk wind power ramping［J］.Proceedings of the CSEE，2013，33（13）：69-75.

［4］ELA E，KIRBY B.ERCOT event on February 26，2008：lessons learned［R］.Golden，Colorado：NREL，2008.

［5］WAN Yihhuei.Analysis of wind power ramping behavior in ERCOT［R］.Golden，Colorado：NREL，2011.

［6］GREAVES B，COLLINS J，PARKES J，et al.Temporal forecast uncertainty for ramp events［J］.Wind Engineering，2009，33（4）：309-319.

［7］OUYANG Tinghui，ZHA Xiaoming，QIN Liang.A survey of wind power ramp forecasting［J］.Energy and Power Engineering，2013，5：368-372.

［8］ZACK J W，YOUNG S，COTE M，et al.Development and testing of an innovative short-term large wind ramp forecasting system［C］∥Proceedings of the European Wind Energy Conference ＆Exhibition.Warsaw，Poland：［s.n.］，2010：1-10.

［9］吳林偉，張建華，劉若溪.考慮風電機組故障的風電場可靠性模型及其應用［J］.電力系統(tǒng)自動化，2012，36（16）：31-35.WU Linwei，ZHANG Jianhua，LIU Ruoxi.A wind farm reliability model considering wind turbine faults and its application ［J］.Automation of Electric Power Systems，2012，36（16）：31-35.

［10］張宏宇，印永華，申洪，等.大規(guī)模風電接入后的系統(tǒng)調峰充裕性評估［J］.中國電機工程學報，2011，31（22）：26-31.ZHANG Hongyu，YIN Yonghua，SHEN Hong，et al.Peak-load regulation adequacy evaluation associated with large wind power integration［J］.Proceedings of the CSEE，2011，31（22）：26-31.

［11］姚瑤，于繼來.計及風電備用風險的電力系統(tǒng)多目標混合優(yōu)化調度［J］.電力系統(tǒng)自動化，2011，35（22）：118-124.YAO Yao，YU Jilai.Multi-objective hybrid optimal dispatch of power systems considering reserve risk due to wind power［J］.Automation of Electric Power Systems，2011，35（22）：118-124.

［12］SEVLIAN R，RAJAGOPAL R.Detection and statistics of wind power ramps［J］.IEEE Transactions on Power Systems，2013，28（4）：3610-3620.

［13］王成亮，趙淵，周家啟，等.基于日發(fā)電計劃的電力系統(tǒng)運行風險概率評估［J］.電力系統(tǒng)自動化，2008，32（4）：6-10.WANG Chengliang，ZHAO Yuan，ZHOU Jiaqi，et al.Probabilistic evaluation of power system operational risk based on daily generation scheduling［J］.Automation of Electric Power Systems，2008，32（4）：6-10.

［14］趙晉泉，唐潔，羅衛(wèi)華，等.一種含風電電力系統(tǒng)的日前發(fā)電計劃和旋轉備用決策模型［J］. 電力自動化設備，2014，34（5）：21-27.ZHAO Jinquan，TANG Jie，LUO Weihua，etal.Day-ahead generation scheduling and spinning reserve decision-making model for power grid containing wind power［J］.Electric Power Automation Equipment，2014，34（5）：21-27.

［15］蔣哲，韓學山，王孟夏.伴隨AGC機組控制過程的潮流模型與算法［J］. 電網技術，2010，34（1）：68-72.JIANG Zhe，HAN Xueshan，WANG Mengxia.Model and algorithm for power flow accompanying with automatic generation control process［J］.Power System Technology，2010，34（1）：68-72.

［16］劉新東，江全元，曹一家，等.基于風險理論和模糊推理的電力系統(tǒng)暫態(tài)安全風險評估［J］. 電力自動化設備，2009，29（2）：15-20.LIU Xindong，JIANG Quanyuan，CAO Yijia，et al.Transient security risk assessment of power system based on risk theory and fuzzy reasoning［J］.Electric Power Automation Equipment，2009，29（2）：15-20.

［17］崔明建，孫元章，柯德平，等.考慮電網側頻率偏差的風電功率爬坡事件預測方法［J］. 電力系統(tǒng)自動化，2014，38（5）：8-13.CUIMingjian，SUN Yuanzhang，KE Deping，etal.Prediction method for wind power ramp events considering frequency deviation of power grid side［J］.Automation of Electric Power Systems，2014，38（5）：8-13.

［18］WANG C，SHAHIDEHPOUR S M.Ramp-rate limits in unit commitment and economic dispatch incorporating rotor fatigue effect［J］.IEEE Transactions on Power Systems，1994，9（3）：1539-1545.

［19］初壯，于繼來.初期電力市場確定電網日發(fā)電計劃的模型與方法［J］. 電力系統(tǒng)自動化，2006，30（22）：43-47.CHU Zhuang，YU Jilai.Model and method for daily dispatch scheduling in primary power markets［J］.Automation of Electric Power Systems，2006，30（22）：43-47.