基于四分位法的含儲能光伏電站可靠性置信區間計算方法

楊錫運 劉玉奇 李建林

(1.華北電力大學控制與計算機工程學院 北京 102206 2.中國電力科學研究院 北京 100192)

基于四分位法的含儲能光伏電站可靠性置信區間計算方法

楊錫運1劉玉奇1李建林2

(1.華北電力大學控制與計算機工程學院 北京 102206 2.中國電力科學研究院 北京 100192)

為提高光伏電站接入系統能力，采用光儲聯合運行方式，研究加入儲能前后光伏電站發電特性變化。為評估光儲系統接入對電網可靠性的貢獻，提出一種可靠性置信區間計算方法。首先對青海省格爾木某光伏電站歷史數據做模糊C均值聚類，將其分為晴天、少云、多云、陰雨4種天氣類型，利用四分位法對歷史數據做統計分析，排除異常值。在此基礎上提出一種光儲系統功率帶提取方法，搭建IEEE-RTS79可靠性測試系統，利用序貫蒙特卡羅法計算光儲發電系統功率帶對應的可靠性指標，從而得到含儲能光伏電站可靠性置信區間。該可靠性區間計算結果為評價光儲系統接入電網的可靠性貢獻提供理論依據，對發電調度具有一定指導意義。

光伏 儲能 四分位法 功率帶 可靠性 置信區間

0 引言

光伏發電近年來發展迅速，在電力系統中的占比不斷提高[1]。2016年一季度全國新增光伏裝機容量714萬kW，全國累計光伏發電裝機容量達到5 031萬kW，同比增加52%；一季度光伏發電量118億kW·h，同比增加48%[2]。隨著光伏電站大規模接入電網，光伏發電的出力不確定性對電力系統運行可靠性的影響日益增加。有效、準確地分析光伏電站接入系統后對發電可靠性影響及評估光伏電站置信容量為光伏發電的高效利用提供了理論基礎，是光伏領域的熱點研究問題[1]。

現有研究中，主要從以下幾個方面分析光伏電站接入系統后對發電可靠性的影響：①以光伏發電建模為重點，建立準確的太陽輻照度模型和光伏電站出力模型：文獻[3]在分析太陽輻照度波動模型的基礎上，建立了考慮狀態抽樣轉移的光伏電站多狀態可靠性模型，有效提升了發電系統可靠性指標的計算準確性；文獻[4]建立了考慮天氣變化、設備故障等隨機因素的光伏發電出力模型，并分析了不同模型計算光伏電站置信容量的差異；文獻[5]建立了考慮光伏出力與電網負荷及光伏電站之間相關性的隨機模型，并計算得到光伏出力的置信容量。②將光伏發電和儲能系統相結合，利用儲能系統的靈活充放電功能提高光伏電站的并網發電可靠性：文獻[6]評估了儲能容量配比與光伏裝機容量大小對發電系統置信容量的影響；文獻[7]研究了儲能平抑光伏發電波動柔性并網的容量需求，提高光伏并網的可信容量；文獻[8]基于粒子群優化方法分析了等可信容量下，以總投資成本最小為目標的風光儲不同配比最優組合，提高并網可信度的同時兼顧其經濟型。③以提高置信容量計算準確性為重點，研究并改進可靠性評估中的置信容量計算方法：文獻[9]采用修正系數對等時間間隔采樣方法進行修正，提升序貫蒙特卡羅法計算電力系統置信容量的執行效率；文獻[10]改進了偽時序狀態轉移抽樣這一可靠性評估方法，使其在儲能接入系統的情況下快速準確地計算可靠性指標；文獻[11]利用含衰老和競爭機制的粒子群算法ACM-PSO作為系統狀態掃描和分類工具分析含光伏的發電系統可靠性問題。

上述研究充分考慮光伏電站的實際運行特性，從不同角度評估光伏發電置信容量及其在電力系統規劃等方面的顯著作用，但是對光伏電站本身的可靠性評價主要以計算光伏發電容量置信度為主，只能得到一個確定的指標用來評價光伏電站的可信度。因此，在現有研究基礎上，本文提出光伏發電可信度區間的概念，不再局限于一個固定的可信度指標，著重分析其置信容量概率區間，這對評價光伏電站接入電網可靠性貢獻程度、制訂電站接入方案和確定電站日前出力計劃等方面都具有一定價值。

綜上，本文以青海格爾木某50 MW光伏電站為對象，應用數理統計中的四分位法排除電站功率數據異常值，重點分析電站在不同天氣類型下的發電特性。相比基于假設檢驗的經典異常值識別方法(如基于正態分布的3σ法)，四分位法無需假定數據的分布形式，不受數據均值和標準差的影響，具有更高的耐抗性，更適用于光伏電站功率數據隨機波動較高的數據處理應用場景。

根據文獻[12]的研究結果可知，儲能能夠改善電網電能質量、平滑光伏出力波動、提高可再生能源發電接入能力。因此，本文研究在光伏電站中接入儲能裝置后的光儲聯合發電系統的發電特性。提出一種光儲聯合系統功率帶提取方法，在對發電數據按天氣特征進行模糊C均值聚類的基礎上提取不同天氣工況下的功率帶。搭建IEEE-RTS79可靠性測試系統，應用序貫蒙特卡羅模擬法(Sequential Monte Carlo Methods)評估光儲發電系統接入對電網可靠性指標的貢獻。最后，以所提取的光儲系統功率帶為基礎，提出一種含儲能光伏電站的可靠性置信區間計算方法，為調度人員制定計劃出力、電力調度提供理論依據。

1 光伏發電特性分析

光伏發電是一種新能源發電，受溫度、輻照度等環境因素影響嚴重，具有隨機性，造成發電功率的劇烈變化[13]。為評估光伏電站接入系統對電網可靠性的影響，需要對光伏電站的發電特性有深入了解。

1.1 四分位法

四分位法是統計學中分析數據集分布特征的重要方法，原理如圖1所示，是指將數據集中的全部數據按大小順序依次排列并分為四等份，處于分割點位置的三個數值Q1、Q2、Q3就是四分位數。計算流程如圖2所示。

圖1 四分位法示意圖Fig.1 Schematic diagram of the quartile method

圖2 四分位法計算流程Fig.2 Calculation process of the quartile method

計算方法如下[14]：

記第i個采樣點光伏電站功率縱向時序矢量為Xi=[xi，1，xi，2，…，xi，n]，其中i=1，2，…，n，xi，1≤xi，2≤…≤xi，n-1≤xi，n。第二分位數Mi表示縱向時序矢量Xi的中位數，計算公式為

(1)

式中，n為光伏電站數據采樣總量，d。

第一、三分位數表示Xi中分隔前、后25%數據點的位置所表示的數值。采樣總量n不同時，計算公式略有差異：

1)n為偶數時，Mi將Xi分為長度相同的兩個子序列，記為Xi，1=[xi，1，xi，2，…，xi，(n-1)/2]和Xi，2=[xi，(n+1)/2，xi，(n+3)/2，…，xn]，Q1，i、Q3，i分別表示子序列Xi，1和Xi，2的中位數。

2)n=4k+3(k=0，1，2，…)時，計算公式為

(2)

3)n=4k+1(k=0，1，2，…)時，計算公式為

(3)

如圖1所示，Xi的四分位間距表示大小處于Xi中間50%的xi(i=1，2，…，n)的集合，四分位間距框的大小整體反應光伏功率數據的集中程度，是光伏電站有功出力波動的體現。根據式(2)、式(3)的計算結果，可以得到Xi的四分位間距IQRi為

IQRi=Q3,i-Q1,i

(4)

1.2 光伏輸出功率異常點處理

光伏發電過程可能受到設備故障[4]、天氣突變[15]等因素的影響，使得少部分數據點表現異常，稱之為異常點，如圖1中“+”所示。異常點在光伏電站輸出功率分析中會影響對電站基本發電特性的判斷，為準確研究光伏電站正常工作條件下的發電特性，需要排除異常數據點的影響。

四分位法中，用Whisker上限Wu，i、下限Wd，i來排除數據中的異常值，計算公式為

(5)

根據式(5)的計算結果，定義縱向時序矢量Xi中處于Wu，i和Wd，i之間的功率點為Xi正常值，之外的數據點為Xi異常值。

2 儲能系統模型

為減小光伏發電隨機波動對電能質量及電網接入能力的影響，儲能技術受到廣泛應用[16，17]。實際光伏發電數據由于其隨機波動特性使部分數據特性呈高頻狀態，這是由于光伏電站工作狀態受天氣因素影響較大，當存在嚴重云遮時會改變電池板接受太陽輻射程度，使其功率發生波動。為減小光伏電站輸出功率波動，需要對光伏電站輸出功率進行平滑處理，消除日功率曲線中毛刺現象，降低光伏功率波動率，提高光伏電站并網能力。

2.1 儲能系統控制策略

利用儲能系統平抑光伏波動是優化光伏電站功率輸出、改善光伏并網運行性能的重要手段。儲能并網標準參照國家電網公司《光伏電站接入電網技術規定》，即光伏電站分鐘變化率不超過裝機容量的10%。本文采用傳統低通濾波環節對光伏電站輸出功率進行平滑處理，按文獻[7]制定儲能系統控制策略為

Pall,k=αPall,k-1+(1-α)Ppv,k
α=τ/(τ+Δt)
Pbat,k=Pall,k-Ppv,k

(6)

式中，Pall，k為k時刻平抑后的輸出功率；Ppv，k為k時刻光伏電站輸出功率；Pbat，k為k時刻儲能系統輸出功率；Δt為采樣時間間隔；τ為低通濾波器時間常數。

根據式(6)，k時刻光伏電站輸出功率Ppv，k經過一階低通濾波環節平滑后輸出功率Pall，k，將Pall，k作為光伏電站并網參考值。平滑前功率Ppv，k和平滑后功率Pall，k的差值Pbat，k作為儲能系統控制信號。當Pbat，k>0時，光伏電站實際輸出功率小于并網參考值，儲能放電；Pbat，k<0時，光伏電站實際輸出功率大于并網參考值，儲能充電。

2.2 儲能系統約束條件

儲能系統需滿足以下約束條件[18]：

1)儲能容量約束。為避免儲能電池過度充放電，延長電池使用壽命，需加入儲能容量狀態約束，限制其充放電深度。

0.2≤SOCt≤0.8

(7)

2)充放電功率約束。

(8)

(9)

為滿足以上約束條件，需規定電池實時荷電狀態SOCt的取值上、下界為

(10)

計算公式為

(11)

3 可靠性區間計算方法

3.1 序貫蒙特卡羅方法

蒙特卡羅法(Monte Carlo)是一種以概率統計為理論基礎的數值計算方法，被廣泛用于電力系統風險評估中[19]。序貫蒙特卡羅法是在非序貫蒙特卡羅法的基礎上考慮系統在時間上的連續性，對所有元件的工作狀態持續時間抽樣，構成系統的時序狀態，并做可靠性分析[20]。相比于非序貫蒙特卡羅法，其優勢在于具有明確的物理意義，算法復雜性低、缺點是收斂速度慢，適用于提前性的電網可靠性規劃。

電力系統序貫蒙特卡洛仿真流程如圖3所示。

圖3 序貫蒙特卡洛仿真流程Fig.3 Flow chart of sequential Monte Carlo simulation

其中系統元件狀態由圖4所示的兩狀態模型確定，元件的下次故障預計發生時間TTTF和故障預計修復時間TTTR計算公式為[21]

(12)

式中，TMTTF、TMTTR分別為平均無故障運行時間和平均修復時間；R1、R2為(0，1)之間均勻分布的隨機數。

圖4 狀態元件的狀態轉移Fig.4 State transition of the elements

假定系統由k個元件組成，各元件運行狀態由式(12)確定，則t時刻系統運行狀態St由各元件運行狀態xkt共同確定，如圖5所示，圖中“1”代表元件運行，“0”代表元件故障。

圖5 系統運行狀態判定Fig.5 System operation state determination

3.2 光儲系統功率帶提取方法

光儲系統的功率帶在不同天氣時具有清晰的功率帶現象，但是其幅值、帶寬均不相同，且差異明顯。因此，本文將光儲系統出力按天氣分為4種典型工況，分別提取其功率帶。

光儲系統功率帶提取步驟如下：

1)統計光伏電站歷史輸出功率數據，將電站出力工況按天氣分為晴天、少云、多云、陰雨4種類型。

2)應用FCM方法對統計數據做聚類分析，聚類特征選取太陽輻照度波動量VI、最大輻照比例Kr、環境溫度T。

3)在光伏電站中接入儲能環節，對光伏電站的輸出功率進行平滑處理，降低輸出功率的波動率，使電站出力平穩。

4)采用四分位法，計算光儲系統發電數據的四分位數Q1、Q2、Q3，Whisker上、下限Wu、Wd。

5)根據Wu、Wd值，排除電站輸出功率數據中的異常點。

6)尋找數據有效點中的每一采樣時刻的歷史最大、最小值，以全部時刻的最大、最小值相結合創建電站的輸出功率上、下包絡線，從而得到光儲系統功率帶，即包絡線所包圍部分區域。

3.3 可靠性區間計算步驟

1)搭建可靠性測試系統IEEE-RTS79，具體參數詳見文獻[22]，可靠性指標[23]選擇失負荷概率(Loss of Load Probability，LOLP)，表示系統中出現停電事件的概率，無量綱；電力不足期望(Expected Power Not Supply，EPNS)，量綱為兆瓦(MW)；電力不足頻率(Loss of Load Frequency，LOLF)表示單位時間內系統出現切負荷故障次數，量綱為次/年。計算公式為

(13)

式中，FLOLP(Xi)和FEPNS(Xi)分別為與LOLP、EPNS對應的試驗函數，FLOLP(Xi)由式(14)計算得到，FEPNS(Xi)表示系統在隨機狀態Xi下總的有功負荷切除功率；CL為仿真時間內切負荷數；T為系統總仿真時間；ti為系統狀態Xi的持續時間。

(14)

2)接入光儲發電系統，接入方案參考文獻[24]的分布式接入方法。

3)根據光儲功率帶提取結果，假設光儲系統輸出功率恒為功率帶的上限或下限，仿真得到可靠性結果，從而得到該光伏電站在此接入方式下的可靠性區間。

4 算例分析

本文選取青海省格爾木50MW光伏電站，數據采樣總量為365天，采樣間隔為0.25h，每天96個數據點，數據采用標幺值。對每一采樣時刻縱向時序中全部365個數據點做四分位法統計分析，共96組數據。根據四分位法，繪制如圖6所示光伏電站輸出功率箱須圖。觀察圖6可得每個采樣點光伏電站輸出功率的分布區間，包括其最大、最小值和中位數位置等。

圖6 光伏電站輸出功率箱須圖Fig.6 Box-and-whiskers plot for output power of photovoltaic power station

4.1 光伏發電天氣特性

天氣變化是影響光伏電站發電能力的重要因素，為分析天氣因素對光伏發電特性影響，采用文獻[25]中模糊C均值聚類法(Fuzzy-C-Means，FCM)對光伏電站歷史功率數據按天氣不同做聚類分析。將天氣分為晴天、少云、多云、陰雨4種基本類型，聚類特征采取太陽輻照度波動量VI、最大輻照比例Kr、環境溫度T。

應用四分位法對聚類結果中不同天氣下的光伏發電日功率曲線做統計分析，得到結果如圖7所示。

圖7 光伏電站日有功功率箱須圖Fig.7 Box-and-whiskers plot for daily active power of photovoltaic power station

從圖7a、圖7b中能夠看出，4種不同天氣類型下光伏電站有功出力差異明顯。晴天和少云天氣的中位數位置、四分位間距框的位置與高度基本相同，說明這兩種類型天氣條件下光伏電站有功出力水平差異不明顯。但從Whisker上限和Whisker下限來看，晴天時四分位間距框更窄，說明晴天時電站有功出力的波動較小。圖中“+”點表示異常數據點，由1.2節方法確定。由圖7可見，隨著天氣情況由晴到多云、陰雨變化，數據中異常點數量減少。這是由于晴天時太陽輻照度幾乎不受云遮影響，導致存在微云時較小的太陽輻照波動也會在四分位法分析中被判定為異常點；多云天氣時太陽輻射受云遮影響嚴重，異常點個數減少。

4.2 光儲系統發電特性分析

根據光伏電站實際運行情況，儲能系統采用15 MW×1.2 h=18 MW·h的磷酸鐵鋰電池，充放電效率nc=nd=90%。光伏電站輸出功率經儲能裝置平滑后波動率降低、異常點減少，說明每個采樣時刻功率值收緊在一個更小的范圍內，如圖8所示。相比于圖6所示光伏電站輸出功率箱須圖，圖8中光儲系統輸出功率的數據分布離散性明顯減小，其中多云工況時尤為明顯。這是由于在4種天氣類型中，多云天氣受到云遮影響更嚴重，波動率更高。晴天工況下，光儲系統的異常值減少，這是由于儲能裝置的平滑作用消除了晴天工況的偶爾云遮所導致的輸出功率下降，從圖8a可知輸出功率曲線的重合程度更高。

根據3.2節中功率帶提取方法，圖9給出計算得

圖8 光儲系統日有功功率箱須圖Fig.8 Box-and-whiskers plot for daily active power of PV and ESS generation system

圖9 光伏電站功率帶Fig.9 Power bands of photovoltaic power station

到的4種不同天氣類型工況下光儲系統功率帶。圖中“⊕”為被排除的異常點。

觀察圖9可知，晴天和少云天氣的功率帶較窄，分布較為集中；多云和陰雨天氣由于受云遮影響嚴重，電池板接受太陽輻照波動較大，使得功率帶較寬。

4.3 可靠性區間計算結果

以晴天條件下LOLP指標為例，繪制如圖10所示含光儲系統LOLP置信區間曲線，圖中可明顯看出LOLP指標在晴天條件下的變化區間。根據表1中結果可知，不同類型天氣條件下含光儲系統的LOLP、EPNS、LOLF可靠性指標差異明顯，驗證了文獻[4]中天氣變化對光伏發電系統可靠性影響較大的結論。表1中Max和Min分別對應光儲系統功率帶的下限、上限計算得到的可靠性指標，光儲系統出力越高，可靠性指標越低。

圖10 晴天條件LOLP指標變化區間收斂曲線Fig.10 Convergence curve of LOLP index in sunny days

天氣類型LOLPEPNSLOLF晴天Max0.079211.033834.3324Min0.07219.628131.8798少云Max0.081312.001835.6224Min0.07199.625431.7473多云Max0.085012.446837.7774Min0.07239.848232.0773陰雨Max0.085812.421237.7147Min0.074110.578232.5510原系統0.086713.074938.0347

表1中的計算結果表征不同天氣時含光儲發電系統的可靠性區間，在提取光儲系統功率帶的基礎上計算得到。例如，根據本文計算結果可知，多云天氣下指標LOLP取值區間為0.072 3～0.085 0，若次日天氣為多云，可估計次日可靠性指標LOLP值在上述區間內?？煽啃詤^間計算能夠根據光儲系統的歷史發電數據評估該系統接入電網后的可靠性貢獻，對天氣變化時的調整計劃出力、指導電力調度具有重要意義。

5 結論

為提高光伏電站接入系統能力，評估光伏電站接入系統對電網可靠性指標貢獻，本文研究了以下幾方面內容：

1)首先采用四分位法對青海省格爾木某光伏電站歷史發電數據做統計分析。為考慮天氣變化因素，應用模糊C均值聚類方法將光伏電站分為晴天、少云、多云、陰雨4種天氣工況。

2)在光伏電站中加入儲能裝置，利用其平抑隨機波動作用提高光伏電站接入系統能力，并分析光伏電站接入儲能前后的發電特性變化。

3)利用四分位法排除光儲系統發電數據中的異常點，并提出一種光儲聯合系統功率帶提取方法，計算得到光儲發電系統4種天氣工況下的功率帶。

4)利用序貫蒙特卡羅方法，計算含儲能光伏電站可靠性置信區間。

運用本文提出的方法計算得到光儲電站可靠性置信區間，該計算結果適用于評估光儲發電系統的接入電網能力，為制訂光伏計劃出力及電力調度提供理論依據。

[1] 丁明，王偉勝，王秀麗，等.大規模光伏發電對電力系統影響綜述[J].中國電機工程學報，2014，34(1)：1-14. Ding Ming，Wang Weisheng，Wang Xiuli，et al.A review on the effect of large-scale generation on power system[J].Proceedings of the CSEE，2014，34(1)：1-14.

[2] 2016年第一季度光伏發電建設和運行信息簡況-國家能源局[Z].http：//www.nea.gov.cn/2016-04/22/c_135303838.htm.2016.

[3] 王敏，宗炫君，袁越，等.含光伏電站的發電系統可靠性分析[J].中國電機工程學報，2013，33(34)：42-49. Wang Min，Zong Xuanjun，Yuan Yue，et al.Reliability analisys of generation systems with photovoltaic stations[J].Proceedings of the CSEE，2013，33(34)：42-49.

[4] 王秀麗，武澤辰，曲翀.光伏發電系統可靠性分析及其置信容量計算[J].中國電機工程學報，2014，34(1)：15-21. Wang Xiuli，Wu Zechen，Qu Chong.Reliability and capacity value evaluation of photovoltaic generation systems[J].Proceedings of the CSEE，2014，34(1)：15-21.

[5] 梁雙，胡學浩，張東霞，等.基于隨機模型的光伏發電置信容量評估方法[J].電力系統自動化，2012，36(13)：32-37. Liang Shuang，Hu Xuhao，Zhang Dongxia，et al.Probabilistic models based evaluation method for capacity credit of photovoltaic generation[J].Automation of Electric Power Systems，2012，36(13)：32-37.

[6] 何俊，鄧長虹，徐秋實，等.風光儲聯合發電系統的可信容量及互補效益評估[J].電網技術，2013，37(11)：3030-3036. He Jun，Deng Changhong，Xu Qiushi，et al.Assessment on capacity credit and complementary benedit of power generation system integrate with wind farm，energy storage system and photovoltaic system[J].Power System Technology，2013，37(11)：3030-3036.

[7] 張衛東，劉祖明，申蘭先.利用儲能平抑波動的光伏柔性并網研究[J].電力自動化設備，2013，33(5)：106-111. Zhang Weidong，Liu Zuming，Shen Lanxian.Flexible grid-connection of photovoltaic power generation system with energy storages system for fluctuation smoothing[J].Electric Power Automation Equipment，2013，33(5)：106-111.

[8] 何俊，鄧長虹，徐秋實，等.基于等可信容量的風光儲電源優化配置方法[J].電網技術，2013，37(12)：3317-3324. He Jun，Deng Changhong，Xu Qiushi，et，al.Optimal configuration of distributed generation system containing wind PV battery power sources based on equivalent credible capacity theory[J].Power System Technology，2013，37(12)：3317-3324.

[9] 暴英凱，王越，唐俊熙，等.序貫蒙特卡洛方法在電力系統可靠性評估中的應用差異分析[J].電網技術，2014，38(5)：1189-1195. Bao Yingkai，Wang Yue，Tang Junxi，et al.Analysis on differences of applying Sequential Monte Carlo methods in power grid reliability assessmeng[J].Power System Technology，2014，38(5)：1189-1195.

[10]程林，常垚，劉滿君，等.基于偽時序狀態轉移抽樣法評估含儲能電力系統可靠性[J].電力系統自動化，2014，38(7)：53-59. Cheng Lin，Chang Yao，Liu Manjun，et al.Reliability evaluation of energy storage integrated power system based on Pseudo-sequential state transition sampling algorithm[J].Automation of Electric Power Systems，2014，38(7)：53-59.

[11]余志強，王淳，胡奕濤，等.并網光伏發電置信容量評估[J].電力系統保護與控制，2016，44(7)：122-127. Yu Zhiqiang，Wang Chun，Hu Yitao，et al.Capacity credit evaluation of grid-connected photovoltaic generation[J].Power System Protection and Control，2016，44(7)：122-127.

[12]李建林，田立亭，李春來.儲能聯合可再生能源分布式并網發電關鍵技術[J].電氣應用，2015，34(9)：28-33. Li Jianlin，Tian Liting，Li Chunlai.Key technology of distributed grid connected power generation with energy storage and renewable energy[J].Electrotechnical Application，2015，34(9)：28-33.

[13]沈鑫，曹敏.分布式電源并網對于配電網的影響研究[J].電工技術學報，2015，30(增刊1)：346-351. Shen Xin，Cao Min.Research on the influence of distributed power grid for distribution network[J].Transactions of China Electrotechnical Society，2015，30(S1)：346-351.

[14]趙永寧，葉林，朱倩雯.風電場棄風異常數據簇的特征及處理方法[J].電力系統自動化，2014，38(21)：39-46. Zhao Yongning，Ye Lin，Zhu Qianwen.Characteristics and processing method of abnormal data clusters caused by wind curtailments in wind farms[J].Automation of Electric Power Systems，2014，38(21)：39-46.

[15]方鑫，郭強，張東霞，等.考慮天氣不確定性的光伏電站置信容量評估[J].電力系統自動化，2012，36(10)：27-32. Fang Xin，Guo Qiang，Zhang Dongxia，et al.Capacity credit evaluation of grid-connected photovoltaic generation considering weather uncertainty[J].Automation of Electric Power Systems，2012，36(10)：27-32.

[16]劉皓明，陸丹，楊波，等.可平抑高滲透分布式光伏發電功率波動的儲能電站調度策略[J].高電壓技術，2015，41(10)：3213-3223. Liu Haoming，Lu Dan，Yang Bo，et al.Sispatch strategy of energy storage station to smooth power fluctuations of high penetration photovoltaic generation[J].High Voltage Engineering，2015，41(10)：3213-3223.

[17]李濱，陳姝，梁水瑩.一種平抑光伏系統輸出波動的儲能容量優化方法[J].電力系統保護與控制，2014，42(22)：45-50. Li Bin，Chen Shu，Liang Shuiying.Acapacity optimization of energy storagy system for output smoothing of photovoltaic station[J].Power System Protection and Control，2014，42(22)：45-50.

[18]Fossati J P，Galarza A，Martín-Villate A，et al.A method for optimal sizing energy storage systems for microgrids[J].Renewable Energy，2015，77：539-549.

[19]張建華，王昕偉，蔣程，等.基于蒙特卡羅方法的風電場有功出力的概率性評估[J].電力系統保護與控制，2014，42(3)：82-87. Zhang Jianhua，Wang Xinwei，Jiang Cheng，et al.Probabilistic assessment of wind farm active power based on Monte-Carlo simulation[J].Power System Protection and Control，2014，42(3)：82-87.

[20]王楊，謝開貴，胡博，等.基于時序模擬的離網型微網可靠性分析[J].電工技術學報，2016，31(6)：206-211. Wang Yang，Xie Kaigui，Hu Bo，et al.Reliability analysis of islanded microgrid based on sequential simulation[J].Transactions of China Electrotechnical Society，2016，31(6)：206-211.

[21]別朝紅，李更豐，謝海鵬.計及負荷與儲能裝置協調優化的微網可靠性評估[J].電工技術學報，2014，29(2)：64-73. Bie Chaohong，Li Gengfeng，Xie Haipeng.Reliability evaluation of microgrids considering coordinative optimization of loads and storage devices[J].Transactions of China Electrotechnical Society，2014，29(2)：64-73.

[22]Subcommittee P M.IEEE reliability test system[J].IEEE Transactions on Power Apparatus & Systems，1979，PAS-98(6)：2047-2054.

[23]宋曉通.基于蒙特卡羅方法的電力系統可靠性評估[D].濟南：山東大學，2008.

[24]張碩.計及風電場容量可信度的電力系統可靠性研究[D].北京：華北電力大學，2010.

[25]Mosadeghy M，Yan Ruifeng，Saha T K.Impact of PV penetration level on the capacity value of South Australian wind farms[J].Renewable Energy，2016，85：1135-1142.

(編輯 赫蕾)

Reliability Confidence Interval Calculation Method for Photovoltaic Power Station with Energy Storage Based on Quartile Method

YangXiyun1LiuYuqi1LiJianlin2

(1.School of Control and Computer Engineering North China Electric Power University Beijing 102206 China 2.China Electrical Power Research Institute Beijing 100192 China)

In order to improve the capacity of photovoltaic station access the power generation system，a combined operation mode integrated with photovoltaic(PV)system and energy storage system(ESS)is established to study the characteristics of photovoltaic power station before and after adding energy storage system.A reliability confidence interval calculation method is proposed in order to evaluate the contribution to the reliability of power grid which has PV and ESS.Firstly，Fuzzy-C-Means clustering is done to the historical data of a photovoltaic power station in Golmud，Qinghai province，dividing the historical data into four kinds of weather types，sunny，cloudy，partly cloudy，rainy.Analyzing the historical data and eliminating the outliers by using the Quartile Method.On this basis，an extraction method of power band for PV and ESS generation system is proposed in this paper.Building the IEEE-RTS79 reliability test system and using sequential Monte Carlo method to calculate the reliability index of the power band of PV and ESS generation system，resulting in containing the reliability confidence interval of this system.The results of the reliability interval calculation provides a theoretical basis for evaluating the reliability of the PV and ESS generation system access to the power grid，and it has great guiding significance for the power generation scheduling.

Photovoltaic，energy storage，quartile method，power band，reliability，confidence interval

國家自然科學基金項目(51677067)、中央高?；究蒲袠I務費專項資金項目(2015MS32)、北京市自然科學基金項目(4132061)和國家電網公司項目(DG71-15-039)資助。

2016-05-10 改稿日期2016-09-14

10.19595/j.cnki.1000-6753.tces.160650

TM743

楊錫運 女，1973年生，教授，研究方向為新能源發電技術等。

E-mail：yangxiyun916@sohu.com

劉玉奇 男，1991年生，碩士研究生，研究方向為新能源發電技術等。

E-mail：liu_yuqi0926@163.com(通信作者)