含风电场的发电系统可靠性分析

第26卷第10期2014年10月电力系统及其自动化学报PROCEEDINGSOFTHECSUEPSAVO126NO100CT2014含风电场的发电系统可靠性分析宗炫君，袁越，王敏，刘严河海大学能源与电气学院，南京211100摘要为分析风电场并网对发电系统可靠性的影响，建立了基于状态转移抽样的风电机组多状态模型，提出了等风速与等风频的状态区间划分原则，并根据实测数据求得风电机组各状态的平均持续时间与状态转移率。采用序贯蒙特卡洛模拟技术评估含风电场发电系统的可靠性。基于IEEERBTS的仿真结果表明与威布尔直接抽样相比，风电机组多状态模型更精确；风电机组等风频11状态可靠性模型能够在不增加可靠性分析复杂性的前提下有效提高分析精度。关键词风电场；可靠性；状态转移抽样；多状态模型；序贯蒙特卡洛模拟中图分类号TM711文献标志码A文章编号10038930201410004105RELIABILITYANALYSISOFGENERATIONSYSTEMWITHWINDFARMSZONGXUANJUN，YUANYUE，WANGMIN，LIUYANCOLLEGEOFENERGYANDELECTRICALENGINEERING，HOHAIUNIVERSITY，NANJING211100，CHINAABSTRACTINORDERTOANALYSISTHERELIABILITYOFGENERATIONSYSTEMWITHWINDFARMSAMULTISTATEMODELOFTHEWINDTU卜BINEGENERATORWASESTABLISHEDBASEDOILSTATETRANSITIONSAMPLING，ANDTHEINTERVALDIVISIONPRINCIPLESOFEQUALWINDSPEEDANDEQUALWINDEQUENCYWEREPROPOSEDDURATIONANDTRANSITIONRATEOFEACHSTATEWASOBTAINEDBASEDONHISTORICALDATATHENSEQUENTIALMONTECARLOSIMULATIONTECHNOLOGYWASUTILIZEDTOASSESSTHERELIABILITYOFGENERATIONSYSTEMWITHWINDFARMSSIMULATIONRESULTSONIEEERBTSDEMONSTRATEDTHATCOMPAREDTOWEIBULLSAMPLINGTHEMULTISTATEMODELISMOREACCURATE；WINDTURBINEGENERATOR11STATEMODELWITHEQUALWINDFREQUENCYDIVISIONPRINCIPLECOULDEFFECTIVELYIMPROVETHERELIABILITYANALYSISACCURACYWITHOUTINCREASINGANALYSISCOMPLEXITYKEYWORDSWINDFARM；RELIABILITY；STATETRANSITIONSAMPLING；MULTISTATEMODEL；SEQUENTIALMONTECARLOSIMULATION随着能源需求的日益增长，可再生能源受到各国学者的普遍关注。风功率具有不确定性，并网后对电力系统可靠性带来一定的冲击。为全面评估含风电场接人的发电系统的可靠性，建立合理、精确的风电机组可靠性模型十分必要。目前用于可靠性分析的方法主要有解析法和蒙特卡洛模拟法F34，当所分析系统规模大到一定程度时，采用解析法有一定困难，而模拟法对复杂电力系统的可靠性分析具有一定优势I56L。国内外学者对风电机组可靠性模型做出了研究，文献711对风电机组的可靠性分别进行了分析、改进、创新，建立了多状态可靠性模型。本文采用等风速与等风频两种方式对风电机组低于额定出力的运行状态进行划分，建立了基于状态转移抽样的风电机组多状态模型，并根据美国国家可再生能源实验室NRELNATIONALRENEWABLEENERGYLABORATORY某风电场的实测数据求得风电机组各状态的平均持续时间与状态转移率。同时，本文基于IEEERBTS测试系统，采用序贯蒙特卡洛仿真技术分析了风电机组可靠性模型和风电场并网容量对发电系统可靠性的影响。1风电机组可靠性模型11风速模型风能具有较强的随机性，可通过风速概率分布来描述其统计特性。研究表明，双参数威布尔分布可较好地拟合实际风速的概率分布特性121。服从双参数威布尔分布的随机风速公式为收稿日期20130422；修回日期20130722基金项目江苏省“333工程”培养基金项目BRA201L168；中央高校基本科研业务费自由探索项目2012B0591442电力系统及其自动化学报第26卷C一IN1式中为WTG轮毂高度处的平均风速；C为尺度参数；为形状参数；为区间【O，1上服从均匀分布的随机数。12风功率模型风电机组GWINDTURBINEGENERATOR将风的动能转化为机械能，进而转化为电能，其容量P与风速之间的关系可近似表示为10VI，。IP业J21R一ILPR口。式中2I“,2和。分别为WTG的切人、额定和切出风速；PR为WTG的额定容量。13WTG多状态模型本文采用双状态停运模型描述WTG，即运行状态与故障状态。故障时，可用容量为0；正常运行时，采用多状态模型。WTG的持续运行时间。与检修时间T均服从指数分布，故障率A和修复率均为常数。对WTG持续运行检修时间进行抽样的计算式为。一3T，一上4与传统发电机组TGTRADITIONALGENERATOR不同，WTG正常运行时多处于由于风资源限制导致的低于额定出力的运行状态，且其出力是风速的函数，因此可以根据风速数值的大小对WTG的运行状态进行划分，建立多状态可靠性模型。以WTG三状态2模型为例，各状态的描述如下J状态021。状态1I5I状态2。各运行状态之间的转移条件如图1所示。图1中，A为状态I到的转移率，其值统计式为A61式中为从状态I到的转换次数；为处于状态I的总时间。若WTG处于运行状态I，当运行状态发生转移时，风电机组可能到达的状态数为M个。到达状态的概率为图1WTG三状态模型FIG1THREESTATEMODELOFWTG一AJOJ7显然M18J0,JWTG当前状态I的持续时间为MTI一9AJ0,J式中，R为0，11问服从均匀分布的随机数。WTG由状态I转移至，转移后的状态可由图2进行判定。，J，0PPPIP1图2WTG状态转移的判定过程FIG2WTGSTATETRANSITIONDECISIONPROCESS图2中将所有可能的状态依次累加排列在数轴【0，11之间，为O，1间服从均匀分布的随机数，若落在区间，那么经状态转移后WTG运行于状态。14风电场的出力一般情况，在同一风电场中，安装的所有WTG均为同一型号，并且所处风况一样，可以认为各机组的出力相同。根据风电场长期运行的经验，将尾流效应导致的风功率损失设定为风电场出力的1O。综上所述，由台单机容量为P的WTG构成的风电场容量尸W为PW09NP1O2序贯蒙特卡洛模拟仿真考虑到WTG出力具有很强的时序性，本文采用序贯蒙特卡洛模拟技术对含风电场发电系统一年内的运行状况进行模拟，在此基础上评估其可第1O期宗炫君等含风电场的发电系统可靠性分析43靠性LL41。模拟过程考虑TG与WTG随机故障停运、WTG多状态模型对可靠性的影响。模拟过程如下。1根据双状态模型，确定TG每小时的运行状态，得到TG在模拟周期内的可用发电容量序列。2根据双状态停运模型，形成WTG在模拟周期内的停运表。3对处于运行状态的WTG，根据图2与式9分别判定WTG的运行状态、抽样状态持续时间，形成多状态运行序列表。4根据式1产生服从双参数威布尔分布的随机风速，对于不满足运行状态的风速舍弃，进行重新抽样直至符合要求。5根据式2、1O对风功率进行抽样，重复抽样8760次后便可获得风电场在模拟周期内的出力序列。6判断系统运行状态，计算系统可靠性指标。为保证模拟精度，需要在大量的年度模拟基础上此处设为10S次统计可靠性指标失负荷频率L0LF1OSSOFLOADEQUENCY、失负荷持续时间LOLD1OSSOFLOADDURATION、失负荷时间期望LOLELOSSOFLOADEXPECTATION和电量不足期望LOEE1OSSOFENERGYEXPECTATION。3算例及结果分析本节以RBTS可靠性钡4试系统为算例【L5，采用VC编程评估含风电场接人的发电系统可靠性。该可靠性测试系统由11台TG组成，总装机容量为240MW，最高负荷为185MW。其可靠性指标值为LOLF为021次A，LOLD为5O9H次，LOEE为965MWHA。假定RBTS可靠性测试系统最高负荷由185MW增至210MW，系统可靠性降低，各指标变化为LOLF值为145次A，LOLD值为5O7H次，LOEE值为8259MWHA，不能满足可靠性要求。为确保系统能够可靠运行，必须新增发电容量。算例向RBTS系统接入WTG以应对负荷的增长。WTG单台额定容量为2MW，其切入风速、额定风速和切出风速分别为3MS、125MS和22MS，强迫停运率取值为005。风电场的风况数据采用美国NREL某风电场的实测数据，拟合双参数威布尔分布得K172，C844。31WTG状态数对评估可靠性的影响采用等风速区间对风机的运行状态进行划分，建立多状态可靠性模型。图3图6给出了RBTS系统分别接入40MW、240MW的风电场时，采用不同状态模型的可靠性评估结果，并将其与威布尔直接抽样系统的可靠性指标值进行对比。从图3一图6中可看出，由于考虑了风机各状态的持续时间与状态转移，减缓了随机抽样风速的波动性，风速更接近于实际的风速序列。与威布尔直接抽样的仿真结果相比，采用多状态模型系统的可靠性指标LOLF值较小，而LOLD值较大，风电机组状态数肼图3LOLF值随WTG状态数的变化情况FIG3VARIATIONOFLOLFVERSUSWTGSTATENUMBER皇9风电机组状态数图4LOLD值随WTG状态数的变化情况FIG4VARIATIONOFLOLDVERSUSWTGSTATENUMBERWTG为40MWWTG为240MW一等风速区间一WEIBULL抽样2345678910L112风电机组状态数图5LOLE值随WTG状态数的变化情况FIG5VARIATIONOFLOLEVERSUSWTGSTATENUMBER。毒三宝WTG为40M一WTG为240MW等风速区间WEIHULT抽样风电机组状态数FIF图6LOEE值随WTG状态数的变化情况FIG6VARIATIONOFLOEEVERSUSWTGSTATENUMBER8642O864111L10O05O505O505O443322L10O5O50505O433221LO44电力系统及其自动化学报第26卷由于当系统处于功率缺额状态时，风机状态不会即刻发生转移，而会在此状态持续一段时间。然而可靠性指标LOLE与LOEE值与威布尔直接抽样的仿真结果基本一致。以上结论表明采用多状态模型对时序性可靠性指标的改善效果明显，非时序性可靠性指标的结果论证了多状态可靠性模型的正确性。WTG多状态模型考虑了各运行状态之间的转移率与持续时间，而采用威布尔风速抽样的可靠性模型对发电系统可靠性指标LOLF值的评估过于保守，而对LOLD值的评估偏为乐观。从理论上说，WTG状态数越多则模型越精确，但从图3和图4可看出，当状态数增加到一定值时出现了饱和现象，即随着WTG状态数的增加可靠性指标的变化趋于平缓，此时通过增加状态数来改善发电系统可靠性分析的精度，效果并不显著，而可靠性分析的工作量却大大增加。32WTG状态划分方式对评估可靠性的影响本文第31节中对WTG状态进行等风速区间划分，然而在整个风速区间内风频并不服从均匀分布，等风速的区间划分原则，必然会导致各区间风频分布有疏有密，这并不利于建立精确的风速模型。因此本节提出了等风频区间的WTG状态区间划分原则。RBTS系统接入240MW的风电场时，分别在等风速区间划分与等风频区间划分情况下，发电系统可靠性指标随WTG状态数的变化情况如图7所示。图7不同区I司划分原则。LOLD值随WTG状态数变化情况FIG7VARIATIONLOLDVERSUSWTGSTATENUMBERWITHDIFFERENTINTERVALDIVISIONPRINCIPLES对图7进行分析得知与等风速区间相比，等风频区间划分原则建立的WTG模型更为精确，评估所得的可靠性指标LOLD值也相对较大。且从图中可以看出随着状态数的增加，采用等风频划分原则的优势越明显，可在不增加可靠性分析繁琐程度的基础上提高精度。33风电场容量对可靠性的影响通过分析与比较，采用WTG11状态10模型，其既能满足对发电系统可靠性分析的精度要求，同时也不过于增加分析的繁琐程度。本节采用等风频区间WTG11状态10模型分析风电场容量对发电系统可靠性的影响，其变化趋势如图8所示。喜三呈风电场容量MW图8LOEE值随风电场容量变化情况FIG8VARIATIONOFLOEEVERSUSWINDFARMCAPACITY随着接入风电场容量的增加，发电系统的可靠性显著提高，当风电场容量增至280MW时，发电系统的可靠性指标LOEE值降为1548MWHA。然而当风电场容量增至一定数值时，可靠性指标LOEE的下降趋势逐渐平缓，呈现饱和的状态，此时若继续增加风电场容量，对系统可靠性的改善并不明显。若以文献15所给出的容量为10MW的TG，代替新增的WTG应对负荷增长。当接入两台TG时LOEE值为L696MWHA；当接人3台TG时LOEE值降为7192MWHA。容量为160MW的风电场对系统可靠性的贡献仅相当于20MW的TG。由此可见，风机出力的不确定性导致风电对系统可靠性的贡献远不如传统发电机组。为充分利用可再生能源，并确保发电系统可靠性，可在接下来的研究中在系统加入储能装置，提高风电场接人对发电系统可靠性的贡献。4结论本文建立了基于状态转移抽样的风电机组多状态可靠性模型，用VC实现了对含风电接入发电系统的序贯蒙特卡洛模拟仿真。采用美国NREL某风电场的实测数据，对RBTS测试系统进行了可靠性分析，并得出结论。1当风电机组状态数增加到一定值时对可靠性分析精度的改善出现了饱和现象，此时若继续增加可靠性模型的状态数，效果并不显著，而可靠性分析的工作量却大大增加。第1O期宗炫君等含风电场的发电系统可靠性分析452等风频区间的风电机组多状态模型可在不增加可靠性分析繁琐程度的前提下有效提高可靠性分析的精度。3风电场容量增加至一定值后，对发电系统可靠性的贡献趋于饱和，并且风机的可信度容量值也逐步下降。从而仅以风电应对负荷增长，并不能满足发电系统既定可靠性。在今后的研究中，可将储能技术与风电场相结合以提高其对发电系统可靠性的贡献。参考文献1姜文，严正，杨建林JIANGWEN，YANZHENG，YANGJIANLIN基于解析法的风电场可靠性模型WINDFARMRELIABILITYMODELBASEDONANALYTICALMETHODJ电力自动化设备ELECTRICPOWERAUTOMATIONEQUIPMENT，2010，301079832】LEITEAP，BORGESCLT，FALCAODMPROBABILISTICWINDFARMSGENERATIONMODELFORRELIABILITYSTUDIESAPPLIEDTOBRAZILIANSITESJIEEETRANSONPOWERSYSTEMS，2006，2141493150133张硕，李庚银，周明ZHANGSHUO，LIGENGYIN，ZHOUMING含风电场的发输电系统可靠性评估RELIABILITYASSESSMENTOFGENERATIONANDTRANSMISSIONSYSTEMSINTEGRATEDWITHWINDFARMSJ中国电机工程报PROCEEDINGSOFTHECSEE，2010，307814【4】董凯，江辉，黄泽荣，等DONGKAI，JIANGHUI，HUANGZERUNG，ET运用成本效益分析的风，柴睹能系统规划方法PLANNINGMETHODOFWINDDIESELSTORAGESYSTEMUSINGCOSTBENEFITANALYSISJ电力系统及其自动化学报PROCEEDINGSOFTHECSUEPSA，2010，2236772【5】郭永基电力系统可靠性分析M】北京清华大学出版社，20036CASTRORMG，FERREIRALAFMACOMPARISONBETWEENCHRONOLOGICALANDPROBABILISTICMETHODSTOESTIMATEWINDPOWERCAPACITYCREDITJIEEETRANSONPOWERSYSTEMS，2001，164904909【7】吴义纯，丁明，李生虎WUYICHUN，DINGMING，LISHENGHU风电场对发输电系统可靠性影响的评估RELIABILITYASSESSMENTOFWINDFARMSINGENERATIONANDTRANSMISSIONSYSTEMSFJ1电工技术学报TRANSACTIONSOFCHINAELECTROTECHNICALSOCIETY，2004，191172768李晶，王素华LIJING，WANGSUHUA计及气候条件含风力发电电力系统可靠性分析RELIABILITYOFPOWERSYSTEMCONTAININGWINDFARMSINCONSIDERATIONOFCLIMATECONDITIONSJ电力系统及其自动化学报PROCEEDINGSOFTHECSUEPSA，2012，2456770【9葛少云，王浩鸣GESHAOYUN，WANGHAOMING基于系统状态转移抽样的含分布式电源配电网可靠性评估RELIABILITYEVALUATIONOFDISTRIBUTIONNETWORKSINCLUDINGDISTRIBUTEDGENERATIONSBASEDONSYSTEMSTATETRANSITIONSAMPLINGJ电力系统自动化AUTOMATIONOFELECTRICPOWERSYSTEMS，2013，372283510】WANGP，BILLINTONRTIMESEQUENTIALSIMULATIONTECHNIQUEFORRURALDISTRIBUTIONSYSTEMRELIABILITYCOSTWORTHEVALUATIONINCLUDINGWINDGENERATIONASALTERNATIVESUPPLYJIEEPROCEEDINGSGENERATION，TRANSMISSIONANDDISTRIBUTION，2001，1484355360【L1】吴林伟，张建华，刘若溪WULINWEI，ZHANGJIANHUA，LIURUOXI考虑风电机组故障的风电场可靠性模型及其应用AWINDFARMRELIABILITYMODELCONSIDERINGWINDTURBINEFAULTSA