电力系统可靠性读书报告

电力系统可靠性分析读书报告一、电力系统可靠性的基本概念电力系统的基本功能为：向全部用户不间断地供给质量合格的电能。可见，电力系统可靠性与风险研究的实质就是预先考虑各种运行方式出现的概率及其后果，综合做出决策，以充分发挥系统中各个设备的潜力，从而保质保量地满足所有用户的负荷需求。电力系统可靠性的主要工作如图1所示，其主要任务是，累计元件历史运行数据和元件可靠性试验数据，分析元件可靠性模型和参数；基于电力系统可靠性模型和预期负荷变化，解析或模拟获得电力系统在规定时间内的无法完成规定功能的现象，并计算其发生概率和后果，以获取定量的评价指标和标准；在协调可靠性和系统投入的基础上，对电力系统运行与控制进行综合评价和辅助决策；找出限制电力系统可靠性的关键环节，并提出改进和提高可靠性水平的具体措施，组织或协助有关部门加以实现。兀嘉性辅助决策町靠性工程基础「电力靈统可元L彷也I元组织或协助有关部门加以实现。兀嘉性辅助决策町靠性工程基础「电力靈统可元L彷也I元件可靠I员荷预II靜性摸整I运行教拆I1性试验II测I可靠性分折方法陨拟汶图1电力系统可靠性的主要工作巳力呆11湘斟 |11grit+f汽乎!灵换管理守罚丨.仃祈丨__1二、可靠性的分类在系统可靠性分析与风险评估过程中，是否考虑电力系统稳定问题决定了求解目标函数需采用的模型和方法，可据此将电力系统可靠性分析与风险评估分为充裕度（adequacy）和安全性（security）两个方面。充裕度又可称为静态可靠性，是指电力系统维持连续供给用户所需的负荷需求的能力，即当电力系统进入新的场景后，不考虑系统运行状态变化后的暂态过程，仅考虑系统重新到达稳态运行点后，电力系统满足用户负荷需求和电网中各种约束的能力。充裕度主要考察电力系统在各个场景下，是否具备足够多的发电容量以满足用户的需求，以及是否具备足够多的输变电设备以保证电能传输的需要。安全性又可称为动态可靠性，是指电力系统在场景切换后，能否承受该扰动的能力，如突然短路或失去系统元件后，电力系统能否回到原来的运行状态或过渡到一个新的稳定运行状态，并不间断向用户提供电能的能力。由于充裕度分析只涉及电力系统的稳态计算，分析模型和计算方法均比较成熟，且对计算时间的要求不高，故现有的电力系统可靠性分析与风险评估的研究和应用主要集中在这方面。随着待分析电力系统中元件数量的增加，系统场景的数量也随之急剧膨胀，受计算工具和计算方法的限制，目前尚很难将整个电力系统统一进行可靠性与风险的计算和分析。根据功能、结构、电压等级等的不同，可将电力系统划分为发电、输电、配电等不同的子系统。各个子系统的接线形式、运行方式、设备冗余、故障损失等均不相同，在对其进行充裕度计算时采用的策略也不同，因此，通常分别对这些子系统进行可靠性分析，并基于此组合出不同的电力系统可靠性分析分层等级。j-L发电系统可靠性分析与风隐评估发输电丨塞统I1汇靠性,1r风険j-L发电系统可靠性分析与风隐评估发输电丨塞统I1汇靠性,1r风険|评怙F完整电力系统|可靠性I分析I与凤险I评估：输电采统可靠性分析w风险讲估配电网配电系统町靠性分析-与风险评估输电网厂站接线可靠性分析勾风卩佥评估lir■图2电力系统可靠性分析的分层等级三、可靠性评估的方法不同层面上的可靠性分析有着特定于该问题领域的评估方法，总体来说可以分为解析法和蒙特卡洛方法2种。3.1可靠性评估的解析法发电系统可靠性评估的解析法，通常需要建立机组的解析模型，也就是容量停运概率表（COPT）,然后再得到一个离散的负荷概率分布，之后利用概率卷积方法计算相应的可靠性指标；输电网可靠性评估的解析法也可以称为状态枚举法，在评估过程中，通常是按照一定的规则，如故障严重程度或故障发生概率大小来先选取系统故障状态，然后对该状态下的系统进行潮流计算，通过预先设定的事故准则判断当前状态是否属于事故状态，如果是还要采取一定的措施对事故进行校正，采取一定措施后再进行判断，如果仍属于故障状态那么就要分析该事故所产生的后果，并评估它对可靠性产生的影响。解析法所具有的优点是计算速度快、模型精度高、物理概念清晰；缺点是对某些可靠性指标的计算存在困难，如频率和持续时间指标；其计算量通常和系统规模呈指数关系，因而更适用于小型电力系统。3.2可靠性评估的蒙特卡洛方法蒙特卡洛法是以概率统计理论为主要理论基础、以随机变量抽样为主要手段的统计实验方法。应用在电力系统可靠性评估中的蒙特卡洛方法根据抽样原理可以分为序贯和非序贯蒙特卡洛两种。其中非序贯蒙特卡洛方法又可以进一步分为状态采样方法和状态变换采样方法。状态采样方法通过对系统中所有元件状态进行抽样得到系统终态，在抽样过程中完全忽略事件发生的前后相继关系，每一个组件的行为都被认为是服从（0,1）区间上的均匀分布。这种方法的主要优点是实现相对较简单，计算时间短，占用内存空间也比较少。它的最大缺点是无法计算频率和持续时间等相关指标。状态变换采样方法将系统作为一个整体来考虑它的状态变换过程，而不是系统中所有组件的状态变换。这种方法的主要优点是可以用来计算实际的频率指标，缺点是只能应用于元件状态持续时间服从指数分布的情况，而且计算耗时一般来说要比状态采样方法长。序贯蒙特卡洛方法也称为状态持续时间采样方法，这种方法依照组件状态持续时间的分布函数进行抽样。每一次抽样所得到时间区间的结束就意味着下一个系统状态的开始。由于序贯蒙特卡洛仿真可以给出较为接近实际运行情况的元件时间相依运行历史，因而特别适用于发电容量严重依赖于运行状况且易受一些随机因素影响的电力系统组件，如水电机组和各种新兴的可再生能源发电技术等。而且由于仿真结果包含了系统随时间演进和发展的前后相继关系，因此几乎可以对任何感兴趣的可靠性指标进行评估，也是目前唯一可以用来得到可靠性指标分布情况的方法。四、可靠性指标评价电网可靠性的指标从总体上来说可以分为确定性指标和概率性指标2类。而概率指标又可以进一步分为如下4类：1） 概率指标：通常用来衡量研究期间事件出现的概率。如失负荷概率（LOLP）、发电容量受阻概率（LOGP）、系统健康状况概率等。2） 频率指标：通常来来衡量研究时间段内事件出现的频率。如缺电频率（LOLF）、发电容量受阻频率（LOGF）、边际状态频率、系统平均停电频率（SAIFI）等。3） 平均持续时间指标：通常用来衡量研究区间内每个状态对应事件持续时间。如缺电持续时间（LOLD）、系统平均停电持续时间（SAIDI）等。4） 期望值指标：用来表征研究时间段内发生故障事件某种后果的平均值。如缺电时间期望（LOLE）、电量不足期望（LOEE）、健康状态持续时间期望（EHDUR）等。五、新能源接入后系统可靠性的研究自然风和太阳辐射作为风电和太阳能光伏的主要能量变换来源，都是具有高度随机性的时变资源。作好对它们的统计、预测和分析工作是进行可靠性评估工作很重要的一个步骤。5.1风速预测模型与概率分布模型对风速或风功率进行预测的最简单方法是持续法，它适用于10分钟~1小时内的风速预测，预测需要的输入数据是前一时刻风速值和它的导数；其它预测方法包括人工神经网络法、卡尔曼滤波法、灰色预测法、小波分析法、时间序列法以及多种人工智能模型组合的预测方法。上述这些方法中，时间序列法由于本身蕴含了风速的时序性和自相关特性，可以比较客观的反映现实中风速的动态变化过程，而且合理的建模还可以最大化保留风速季节特性与日变化特性，建模过程也相对比较简单，所以在可靠性评估过程中得到了广泛应用，它既可以直接用于序贯蒙特卡洛方法中，也可以通过将模拟产生的结果经统计分析后转化为容量模型而间接的用于解析方法中。如果知道了风速概率分布也可以将它用在可靠性评估的非序贯蒙特卡洛方法中。现在用于拟和风速概率的模型有很多，有瑞利分布、威布尔分布、Log-logistic分布、Chi-2分布、Log-normal分布等。其中双变量的威布尔分布应用最为广泛，瑞利分布次之。瑞利分布可以视作威布尔分布的特例，因为如果威布尔分布的形状参数为2时就是瑞利分布。威布尔分布模型的缺点是如果风速历史记录不够充足或者需要考虑风速以天为单位的变化特性时就无法给出较为合适的风速概率分布了。5.2风机与风场可靠性建模与传统发电机组作为单一个体独立工作的情形不同，现代风电场通常由很多台风机组成，这些机组有可能规格型号各异，而且单风场内机组数量也呈明显上升趋势，因此影响单台风机机组和整个风场功率输出的因素也越来越多，从而使在可靠性建模过程中需要考虑的问题更为复杂。有研究采用了基于粗糙度变化模型和势流理论的地形变化模型来模拟风电场局部效应，同时还采用解析法对尾流区的风速衰减与上风向风电机组对下游环境湍流水平的影响进行了分析，开发了适用于复杂地形的风电场功率计算方法；同时提出尾流系数矩阵、功率特性矩阵以及等效输出功率等概念，建立了适用于大型风电场的考虑尾流效应时较为精确的数学解析模型，为研究并网风电场的规划问题奠定了基础；在综合考虑尾流效应、风速和风向的前提下采用支持向量聚类（SVC）的方法对风场内的风机进行概率集群，然后用得到的结果对风场进行等值，这种方法得到的风场全年功率输出将比只用一台风机近似等值整个风场得到的结果更为准确。5.3太阳辐射的预测与概率分布目前用来模拟或预测太阳辐射的方法有物理方法、统计方法和学习方法。物理方法是根据光的多次散射理论，利用实际辐射测站的大气廓线，计算出晴空大气观测波段不同高度上的太阳直接辐射和向下散射辐射，它模拟了太阳辐射在穿越大气达到地面的传输过程中与大气和地面发生的一系列相互作用；因而结果较为准确，但需要的输入参数太多且难以获取，因而适用范围很有限；统计模型利用较为常规的气象要素以及一些必要的地理信息，如经度和纬度，来模拟逐时太阳辐射。通过加入气温、降水和相对湿度等因子可以进一步提高模拟的精度；学习方法的实质是用人工智能的方法提取输入和输出间的关系，这种方法建立起的模型都是非线性模型，可以采用的方法有最小二乘支持向量机(LS-SVM)和神经网络等。已有学者提出一些用来表征每天太阳总辐射量统计特性的概率分布函数，如正态分布、Boltzmann分布、伽玛分布］和Log-normal分布等。有研究通过对几个地区的总辐射采用不同概率分布函数进行拟合，并采用Kolmogorov-Smirnov测试和均方差(RMS)对拟合效果进行检验后发现，天气变化在全年相对比