風力發電為主導的孤立發電系統可靠性評估

鮑莎日娜，栗文義，巴根，高飛

(1．內蒙古工業大學電力學院，呼和浩特市，010080;2．馬尼托巴水電系統規劃部，加拿大溫尼伯，R3T0P4;3．北方聯合電力有限責任公司，呼和浩特市，010010)

0 引言

未通電地區大多遠離城鎮和電網覆蓋區，用電負荷小且分散，依靠電網延伸來供電，則經濟性不佳。目前，這些地區主要依靠柴油發電供電。由于燃料價格不斷上漲，柴油發電成本不斷提高;另一方面，這些地區風力資源豐富，風能利用潛力很大;因此，為了向這些地區提供電力、節省柴油燃料和保護當地的生態環境，采用風力發電供電很有意義。由于風能有很強的隨機性，風力發電系統一般需要配備儲能設備(如蓄電池組)或采用風/柴聯合運行的方式來提高發電系統的可靠性［1］。考慮到內蒙古的特定情況，需要一種有效的評估方法來評估風/柴/儲能聯合發電系統的可靠性［2］。

目前，電力系統可靠性評估的方法主要分為解析法和Monte Carlo模擬法兩大類［3］。解析法的主要缺點是不能體現風速的時序變化特性，以及這種特性對風/柴/儲能發電系統可靠性的影響。Monte Carlo模擬法中非序貫法的主要缺點是難以準確地計算與故障持續時間及故障頻率有關的可靠性指標。而序貫Monte Carlo模擬法可以解決這些問題［4］，計算失負荷期望值(loss of load expectation，LOLE)、預期缺電量期望值(loss of energy expectation，LOEE)和失負荷頻率(loss of load frequency，LOLF)等可靠性指標。

1 模擬方法

1．1 風速及風能轉換系統模型

風力發電機(wind turbine generator，WTG)的小時輸出功率取決于某地區的小時風速，風速隨時間及風機安裝地點的變化而變化，某一時刻的風速與先前的風速歷史數據呈現一定的相關性。因此，為了體現風速時序性及相關性的特點，采用文獻［5-6］描述的時間序列模型，應用某一特定地區已測量得到的風速歷史數據，建立能夠體現時變特性的風速模型。

時間序列模型中，用t時刻的風速均值μt及方差 σt計算預測風速 SWt［7］:

用歷史風速時間序列yt-i建立風速時間序列模型ARMA(n，m)，又稱作自回歸滑動平均模型:

式中:φi(i=1，2，3，．．．，n)和 θj(j=1，2，3，．．．，m)分別為模型的自回歸參數和滑動平均參數;{ αt}為正態白噪聲序列，元素 αt服從均值為0、方差為的正態獨立分布，即

用模擬得到的小時風速序列，計算WTG的小時輸出功率序列［7-8］:

其中:

式中:Pr為風電機額定輸出功率;vci、vr和vco分別為風力機的啟動風速、額定風速和切出風速。

1．2 蓄電池模型

由于WTG的輸出具有間歇性，所以需要配備儲能設備(如蓄電池組)來提高風/柴/儲能發電系統的可靠性。蓄電池組的充放電狀態時間序列由發電系統時間序列和負荷時間序列獲得［9］。

(1)由發電時間序列 { WGt，t=1，2，3，．．．，T}和負荷時間序列 {Lt，t=1，2，3，．．．，T}得到冗余容量時間序列(其值可正可負){SGt，t=1，2，3，．．．，T}:

(2)計算蓄電池組充放電狀態時間序列 {Bt，t=1，2，3，．．．，T}:

式中:BM和Bm分別為蓄電池組最大、最小允許存儲容量。

1．3 風/柴/儲能發電系統可靠性評估模型

風/柴/儲能發電系統可靠性評估模型如圖1所示［10］。負荷模型采用IEEE-RBTS可靠性測試系統模型［11］，它是按時間順序排列的8 736 h的負荷標幺值，系統峰值負荷為40 kW。

圖1 風/柴/儲能發電系統可靠性評估模型Fig.1 Reliability evaluation model of power system co-generated by wind，diesel and energy storage

2 樣例系統分析

本文采用內蒙古某風電場的風速歷史數據，應用前述方法對風/柴/儲能聯合發電系統進行可靠性評估，系統配置及參數如表1。WTG的切入風速、額定風速、切出風速分別為12，38，80 km/h;評估過程中不考慮蓄電池的強迫停運;風電場平均風速和標準差分別為22.302，10.872 km/h;根據風速歷史數據，應用Matlab中的Armax函數計算得到時間序列模型的階數、自回歸參數和滑動平均參數;那么，代表此風電場的風速時間序列模型ARMA(4，3)為

表1 系統配置及參數Tab.1 System configurations and parameters

2．1 仿真樣本容量對可靠性的影響

序貫Monte Carlo模擬法中的樣本容量不是所抽取的系統狀態數，而是抽樣過程跨越的年數［12］。為了分析仿真樣本容量大小對系統可靠性指標收斂程度的影響，把可靠性指標看作仿真樣本容量的函數。系統數據如表1所示，樣本容量從100變化到1 000，步長為100。仿真結果如圖2～4。圖2～4表明:如果仿真樣本容量較小，可能會導致可靠性指標的收斂速度較慢，距離期望值的偏差較大;隨著仿真樣本容量變大，系統可靠性有所提高，且仿真樣本容量越大，系統可靠性指標越趨于一個定值，這個定值被稱作可靠性指標的期望值;由此曲線可確定系統可靠性指標的期望值。

圖4 LOLF隨仿真樣本容量變化Fig.4 Dependence of LOLF on sample size

2．2 風力發電總容量不變時，WTG容量對可靠性的影響

表2列出了4種不同發電系統的可靠性指標。系統數據如表1所示，改變WTG的臺數及額定值，但WTG的其他參數和系統其他配置不發生變化，對4種情況進行模擬計算。表2表明:(1)風力發電容量一定時，系統可靠性隨WTG單機容量的減小而提高，這是因為，系統風力發電容量一定時，機組容量越小，機組數量越多，機組故障對系統可靠性影響就越小;(2)雖然系統總的發電容量遠超過系統的峰值負荷，但在沒有安裝蓄電池的情況下，LOLE、LOEE和LOLF都高到了可靠性評估不可接受的水平，裝設蓄電池后，系統可靠性明顯改善。

2．3 蓄電池最大充放電率對可靠性的影響

為了分析蓄電池最大充放電率對可靠性的影響，把可靠性指標看作蓄電池最大充放電率的函數。系統數據如表1所示，蓄電池最大充放電率從5(kW·h)/h變到50(kW·h)/h，步長為5(kW·h)/h，對2種具有不同蓄電池容量的系統進行模擬，仿真結果如圖5～7所示。圖5～7表明:隨著蓄電池最大充放電率的增大，LOLE、LOEE和LOLF呈明顯的遞減趨勢;最大充放電率增大到一定值［本文為40(kW·h)/h］后，繼續增大該值，對系統可靠性影響不明顯，可靠性指標幾乎穩定在一個常數附近，60(kW·h)/h為該系統蓄電池最大充放電率的合適值。

2．4 風力發電機額定功率的影響

為了分析WTG額定功率對系統可靠性的影響，把可靠性指標看作WTG額定功率的函數。系統數據如表1所示，每臺WTG的額定功率從20 kW變化到160 kW，步長為20 kW。仿真結果如圖8～10。圖8～10表明:隨著WTG額定功率的增大，系統可靠性不斷提高。由圖8～10中的曲線可確定WTG的額定功率和相應的蓄電池容量。

表2 WTG單機容量變化時系統可靠性指標(風力發電系統總容量:60 kW)Tab.2 Reliability index of system with the changing of single-machine capacity of WTG where the total capacity is 60kW

圖10 LOLF隨WTG額定功率變化Fig.10 Dependence of LOLF on rated power of WTG

2．5 柴油發電機額定功率的影響

為了分析柴油發電機額定功率對系統可靠性的影響，把可靠性指標看作柴油發電機額定功率的函數。系統數據如表1所示，每臺柴油發電機的額定功率從15 kW變化到50 kW，步長為5 kW。仿真結果如圖11～13。圖11～13表明:隨著柴油發電機額定功率的增大，系統可靠性有明顯提高。圖11～13中的曲線可為柴油發電機的配置提供一定的依據。

3 結論

本文詳細描述了風/柴/儲能聯合發電系統的可靠性評估模型。針對樣例系統，考慮了一些影響系統可靠性的因素，計算和分析了聯合發電系統的一些可靠性指標。結果表明:風/柴/儲能聯合發電系統的可靠性受仿真樣本容量、蓄電池容量、蓄電池最大充放電率、WTG額定功率和柴油發電機額定功率等諸多因素影響。本文采用的模型及方法可為政府及電力部門推廣風/柴/儲能聯合發電向偏遠地區供電提供依據;可為內蒙古地區及一些孤立島嶼采用以風力發電為主導的小型孤立系統發電提供依據。

［1］Billinton R，Bagen，Cui Y．Reliability evaluation of small standalone wind energy conversion systems using a time series simulation model［J］． IEEE Proceedings-Generation，Transmission and Distribution，2003，150(1):96-100．

［2］劉威，趙淵，周家啟．計及風電場的發輸電和配電系統可靠性評估［D］．重慶:重慶大學電氣工程學院，2008．

［3］Billinton R，Chen H．Assessment of risk-based capacity benefit factors associated with wind energy conversion systems［J］．IEEE Transactions on Power Systems，1998，13(3):1191-1196．

［4］Billinton R，Li W Y．Reliability assessment electric power systerms using monte carlo methods［M］.New York:Plenum Press，1994．

［5］丁明，張立軍，吳義純．基于時間序列分析的風電場風速預測模型［J］．電力自動化設備，2005，25(8):32-34．

［6］邵璠，孫育河，梁嵐珍．基于ARMA模型的風電場風速短期預測［J］．電網與清潔能源，2008，24(1):52-55．

［7］Billiton R，Gan L． Wind powermodelingand application in Generating adequacy assessment［C］//IEEE Conference Proceedings on Communication，Computers and Power in the Modern Environment，Saskatoon，Canada，1993:100-106．

［8］包能勝，胡光旺，倪維斗．大型風電場整體風速功率模型研究［C］//工程熱物理與能源利用學術會議，重慶，2006:364-372．

［9］Bagen，Billinton R．Impacts of energy storage on power sytem reliability performance［C］// 2005 IEEE CCECE/CCGEI，Saskatoon，Canada，2005:494-497．

［10］栗文義，張保會，巴根．風/柴/儲能系統發電容量充裕度評估［J］．中國電機工程學報，2006，26(16):62-67．

［11］ Allan R N，Billinton R，Sjarrief I，et al．A reliability test system for educational purposes-basic distribution system data and results［C］//IEEE Transactions on Power Systems，Manchester，UK，1991:813-820．

［12］ Billinton R，Tang X．Selected considerations in utilizing Monte Carlo simulation in quantitative reliability evaluation of composite power systems［J］．Electric Power Systems Research，2004，69(2-3):205-211．