风电场对电力系统电源规划风险评估的影响

向磊，蒋铁铮，徐晟，彭亮

(长沙理工大学电气与信息工程学院，湖南 长沙 410006)

1 引言

电源规划就是在满足负荷需求并达到各种技术经济指标的条件下，确定在何时、何地兴建哪种类型、何种规模的机组，使规划期内电力系统能够同时既保持安全稳定的运行又能够获得最好的投资经济性。电力系统电源规划在电力系统规划中处于十分重要的地位，是关于电力系统电源布局的战略决策问题，决策结果影响着今后系统运行的可靠性、经济性、电能质量、网络结构及其将来的发展。

常规化石能源发电不仅会带来各种环境污染，还会造成水土流失和土地荒漠化等生态环境问题，而风能是一种清洁的可再生能源。我国的风能资源十分丰富，风力发电能在一定程度上缓解我国的能源需求压力，改善我国的能源结构，促进经济、社会的可持续发展，把风电纳入电源规划已是大势所趋。然而风资源的不确定性和风电机组本身的运行特性决定了风电机组具有很强的间歇性、波动性和反调峰特性，给电力系统的运行和规划带来很大的影响。当风电场容量较小时，风电对电力系统的影响并不显著，但随着风电场的规模和单机容量的增大，风电的影响逐渐突出，因此对风电场对电源规划风险评估的影响研究十分必要。

对于风电接入对电力系统的影响国内外的学者做了一些研究。文献[2]分析了风电接入对电力系统的影响，并总结了国内外在含有风电场的电源规划及电力系统可靠性评估方面的研究现状。文献[3]从环境经济学和系统工程学角度将电力系统环境保护和电力工业的发展相结合，提出了电力系统环境保护经济评价方法及规划方法。文献[4]建立了同时考虑上述三个因素的风电机组的可靠性模型，且考虑了同一风场的风电机组的相关性，并对只含有同一机型的风电场可靠性模型进行了简化。文献[5]采用解析法建立了风电场可靠性模型，计及了电力系统连接设备的故障率，为了评估风电场出力对电力系统的长期影响，构建了与传统电力系统可靠性边际兼容的风能出力表。文献[6]采用双状态气候模型，将天气状况划分为恶劣天气和正常天气两种，在给定的天气状况下认为故障率恒定，先对气候抽样，然后再进行正常运行时间抽样。文献[7]提出了风力发电系统最优规划模型，以风电机组的平均输出功率最大作为目标函数，其假设条件是风电能够完全被电网吸收。文献[8]则从市场的角度重新审视风力发电系统的规划问题，提出了两种由市场决定的风电系统规划方法，分别以单位成本出力最大和单位安装面积出力最大作为目标函数。文献[9]提出了评估风电场改善配电网可靠性的四个指标:风电场对电量不足期望值贡献系数，风电场对缺电成本贡献系数，风电场等效常规机组台数，风电场等效常规机组容量。

国内外的研究主要集中在风电的价值、风电对电力系统规划以及系统运行成本的影响，对风电场对电源规划风险评估的影响分析较少。本文在传统电源规划的风险评估中，加入风电场这个不确定因素，考虑风电场对传统电力系统中电源规划、电网规划及运行规划的影响。根据风电场的风速及强迫停运建立了风电场的可靠性模型，在此基础上，将蒙特卡洛模拟技术与最小费用评估模型结合起来，形成了含风电场的最小费用模型，通过算例仿真计算和比较不同方案的系统的风险指标，从而确定最佳的电源规划方案。

2 风电场的电源规划和可靠性模型

2.1 常规电源的电源规划

常规的电源规划问题[10]是一个非线性优化问题，具有高维数、非线性、离散的特点，直接求解非常困难，一般来说将电源规划分解为另类决策问题:电源投资决策和生产优化决策，其中电源投资决策确定系统电源的投产进度，生产优化决策计算扩建系统的技术经济指标。常规电源规划模型式优化是在满足规划期内负荷水平的增长以及系统安全稳定运行的同时，使规划方案总费用最小。此规划模型一般不考虑投资回报和未来收益的不确定性，也忽视了投资者对投资时机的选择权。目前电源规划在数学上还没有有效的严格算法，可采用启发式算法，也可采用线性规划法、动态优化法、混合整数规划法等数学优化算法进行求解。近年来，人工智能算法在电源规划中得到了广泛的应用，主要包括神经网络算法和遗传算法等。

2.2 风电场对电源规划的影响

风电机组对电源规划的影响包括以下几个方面:

(1)风电的间歇性和波动性影响系统电源规划的可靠性，导致设备备用容量增加，大规模风电场接入后，有可能导致系统的等效负荷峰谷差增大，特别是对那些电源结构简单，且调峰、调频主要依赖火电机组的电网，如果风电装机容量过大，在最低负荷时需要调停部分机组以吸纳风电场出力，给电网调频、调峰带来不利影响。

(2)风电机组的输出功率取决于风电的风速，可控性比较差。

(3)风力发电中采用了大量的电力电子设备，并网后可能会影响电网的质量，给电网带来谐波污染，电压波动及闪变问题，系统中还要装设滤波装置，比如有源滤波器等，同时，在电源规划中需要考虑风电场的最大穿透功率。

(4)风电的单位发电成本比较高。风电机组在运行中需要从电网吸收无功功率，导致接入附近出现电压下降、波动或者闪变，因此，有时还要装设SVC或者STATCOM等无功补偿设备，增加了无功补偿设备的成本。

(5)如果风电的位置及装机容量选择不合理，将会导致电网损耗的增加及系统稳定性的下降。给电网的建设及运行增加了成本，限制了风电的发展。

(6)大型风电场往往远离负荷中心，接入点网架结构薄弱，可能会出现输电容量越限问题。

2.3 风电场的可靠性模型

风电机组的可靠性模型的建立通常需要考虑以下因素:风速的随机性变化、风电机组的输出功率与风速的关系、风电机组的强迫停运率。有时根据具体需要，还应考虑风速的空间相关性及尾流效应的影响。

(1)威布尔分布风速模型[7]

威布尔分布是一种单峰的，两参数的分布函数法，一般风速变化均可用两参数威布尔分布模拟。其分布函数为

式中k为威布尔分布的形状参数，反映了威布尔分布的偏斜度，取值为1.8～2.3，一般情况下取K=2;参数c为尺度参数，反映了平均风速，当精度要求不高时，参数c可直接取风速平均值。

利用随机数产生一个服从给定分布的随机变量，当随机变量U服从[0，1]上的均匀分布时，则随机变量X=F－1(U)对应一个连续累积概率分布函数F(X)。常用的方法是反函变换法。

根据反函数变换法，令

得到

由均匀分布随机变量x代替1－x，上式即为

式中Xi为均匀分布随机变量。

由上式可计算每小时的风速随机抽样值。威布尔分布模拟法具有原理简单、计算量小的优点，其缺点是只能用于风速模拟而不能进行风速预测。

(2)风电机组的输出功率与风速的关系

风电机组的输出功率与风速的关系曲线见图1。风速的大小决定了风力发电机组的输出功率大小，只有当风速值在切入风速和切出风速之间时，风电机组才会有输出功率，低于切入风速时风电机组不会启动;高于切出速度时风电机组将自动停运。

图1 风力发电机组的出力曲线

风力发电机组功率曲线表达式如下所示:

式中:Pt为t时刻风机组的输出功率;Vt为t时刻风速;Pr为风电机组的额定功率、Vci表示风电机组的启动风速;Vr表示风电机组的额定风速;Vco表示风电机组的切除风速;A、B和C分别为风机功率特性曲线参数，其表达式如下:

采用蒙特卡洛模拟方法进行每次的状态抽样，在[0，1]之间抽取一个服从均匀分布的随机变量R，并判断机组状态。若R≤p，认为该机组处于故障停运状态，否则为正常运行状态。

(3)风电机组的强迫停运

风电机组具有结构简单、检修时间短的特点，因此在考虑风电机组的失效模型时，只需考虑正常和故障停运两种状态。状态仿真模拟方法采用蒙特卡洛模拟方法。λi表示风电机故障率，μi表示风电机的修复率，则此风电机组的强迫停运率可以用以下公式求得:

3 含风电场电源规划的风险评估

电源规划的风险评估是电力系统规划中一个复杂的任务，其基本目标是在满足负荷增长要求和系统可靠性水平的同时，合理的设置新增电源的位置和容量。通常，该规划过程中不考虑输电网，而主要考虑电源与负荷之间的平衡。传统方法即是基于这一前提进行电源风险评估。

本文提出了考虑风电场的电源规划的风险评估，某个电源对系统风险的影响不仅取决于其容量的大小，而且与其在系统中的位置有关。

含风电机组的电源规划的风险评估包括以下几个方面:

(1)根据社会、环境和政府管制方面的要求，选择可行的电源规划方案。

(2)通过技术分析和风险灵敏度分析选择出要重点考虑的规划备选方案。技术分析包括系统潮流计算、故障水平、暂态稳定和技术可行性研究。风险灵敏度分析是对新增电源在不同容量和位置时对系统风险的影响进行评估。可用发输电系统风险评估方法进行这一分析。要重点考虑的规划备选方案应包括新增电源可能的容量范围和位置。

(3)利用基于蒙特卡洛模拟的方法进行发电成本和风险费用的随机模拟。

(4)进行包括投资、运行成本和风险费用的综合经济分析。

(5)将总费用最小的方案作为最佳方案。

3.1 发电成本和风险费用模拟的模拟

把蒙特卡洛模拟技术与最小费用评估模型相结合，进行发电成本和风险损失费用的模拟。模拟方法包括以下基本步骤:

(1)建立多水平年度负荷模型，这个模型使用小时负荷数据合成负荷水平状态。

(2)利用蒙特卡洛模拟选择某一个负荷水平下的系统状态。所评估的系统是一个发输电系统。发电机组以及输电元件用两状态随机变量表示(仅运行和停运状态)，或者根据具体情况可以被假设为100%可靠。

(3)求解最小费用模型，计算发电出力分配、发电成本、负荷削减和母线停电损失。

(4)重复第(2)和第(3)步，直到各负荷水平的计算都达到收敛为止。

(5)将所有负荷水平的结果按其概率加权，计算期望发电成本和期望风险损失费用的年度指标。

3.2 含风电场的最小费用模型

对每一个抽样系统状态，使用以下最小化模型计算发电机组间的出力分配、各负荷母线可能的负荷削减、各发电机的发电成本、以及各负荷母线的停电损失:

总费用目标函数为:

这个模型的目标是要在满足功率平衡、线性化潮流关系、以及支路额定容量和发电机组出力限制的条件下，使发电成本和停电损失费用之和最小。

PGi是常规发电机组母线 i的发电出力变量;PWGi是风力发电机组母线i的发电出力变量;PDi是母线i的负荷;Ci是母线i的负荷削减变量;Tn是支路n的潮流;Ani是抽样系统状态下支路潮流与注入功率之间关系矩阵的元素;和是常规发电机组出力变量的上限和下限;和是风力发电机组出力变量的上限和下限;是支路n的额定容量;Hi是反映负荷母线重要性的权重因子;Bi是常规发电母线i的单位发电成本;Fi风力发电母线i的单位发电成本;ND是负荷母线集合;NG是发电母线集合;NS和L分别是系统的母线数和支路数。

3.3 期望发电成本和期望风险损失费用

年度期望停电损失(EAIC)和年度期望发电成本(EAGC)由下面各式进行计算:

EAICi和EAIC分别是负荷母线i和系统的年度期望停电损失;EAGCi和EAGC分别是发电母线i和系统的年度期望发电成本;Pk是系统状态k的概率，由蒙特卡洛模拟确定;Cik是系统处于状态k时负荷母线i的负荷削减(MW);ai是负荷母线i的单位停电损失(元/MWh);Gik是系统处于状态k时发电机母线i的发电出力(兆瓦);Bi是发电母线i的单位发电成本(加元/MWh);Sj是多水平负荷模型中第j个负荷水平下的系统抽样状态集合;Tj是第j个负荷水平的时间长度;NL是负荷水平数。

4 仿真分析

本文采用RBTS系统进行算例仿真分析。该系统包括2条发电母线和4条负荷母线，9条输电线路以及11个发电机组。系统电压等级是230kW，最高负荷是185MW，总发电能力是240MW。系统峰荷为10.9284MW，平均负荷为4.8155MW。负荷曲线采用RTS系统的年度时序曲线。具体数据见IEEE标准数据库。系统连接图如图2所示。风力发电机单机容量为1MW，强迫停运率为0.04，切入风速、切出风速、额定风速分别为 3m/s、20m/s、12m/s，通过 MATLAB 仿真计算出比较不同方案下的风险指标期望停电损失和期望发电成本，确定风电机组容量和位置对电源规划风险评估的影响。

图2 RBTS系统接线图

(1)方案1

分别在负荷节点3、4、5、6加入30MW风电场，计算比较系统的风险指标。

表1 方案1的系统风险指标结果

从表1可以看出，在不同容量的负荷点加入同一风电场时，计算所得的系统风险指标有所不同，其中节点3的容量最大，系统期望停电损失和期望发电成本值也是最大的。

(2)方案2

在负荷节点3依次加10MW、20MW、30MW的风电场，计算比较系统的风险指标。

表2 方案2的系统风险指标结果

从计算结果比较分析，当在同一节点加入不同容量的风电场时，加入风电场的越的容量的越小对风险指标的影响越小。

(3)方案3

比较负荷节点3和电源节点1加入30MW的风电场后系统的风险指标。

表3 方案3的系统风险指标结果

从表4的数据可以看出，负荷节点和电源节点中加入大小相同的风电场时，负荷节点的风险指标值均小于发电机节点的风险指标值。

(4)方案4

比较负荷节点3和电源节点1加入30MW风电场前后系统的风险指标的变化。

表4 方案4的系统风险指标计算结果

从表中数据可以看出，加入风电场后系统的风险指标明显有所下降，可以风电场的加入对系统的可靠性的改善有一定的效果。

5 小结

电源规划中电源投资、运行费用以及可靠性等问题关系着整个电力系统的运行与规划问题，同时与国民经济的发展具有非常密切的关系，因而对电源规划中风险评估的研究具有相当重要的意义。在电源规划中选用本文阐述的蒙特卡洛模拟计算与最小费用评估模型相结合的方法，同时引入风电场，进行经济性与可靠性的协调研究，也是对现有电源规划模型的补充和发展，为电源规划发展提供参考。

[1]李文沅.电力系统风险评估—模型、方法和应用[M].北京：科学出版社，2006.

[2]王锡凡.电力系统优化规划[M].北京：水利电力出版社，1990.

[3]庞爱莉.风力发电场接入后对系统的影响[J].上海电力，2007，20(1)：33 －35.

[4]Billinton R，Wang dee W.Reliability-based transmission reinforcement planning associated with large-scale wind farms[J].IEEE Trans on Power-Systems，2007，22(1)：34 －41.

[5]吴义纯，丁明.基于蒙特卡罗仿真的风力发电系统可靠性评价[J].电力自动化设备，2004，24(12)：70 －72.

[6]Billinton R，Allan R N著，周家启，任震译.电力系统可靠性评估[M].重庆：科技文献出版社，1986.

[7]陈树勇，戴慧珠，白晓民，等.含风电场的电力系统随机生产模拟[J].中国电力(Electric Power)，2000，33(3)：30 －31，69.

[8]王敏，丁明.含分布式电源的配电系统规划[J].电力系统及其自动化学报(Proceedings of the CSU-EPSA)，2004，16(6)：5 －8，23.

[9]SARAMOURTSIS A C，et al.Probabilistic evaluation of the performance of wind-diesel energy systems[J].IEEE Transon Energy Conversion，1994，9(4)：743 －752.

[10]丁明，张瑞华.发输电组合系统可靠性评估的蒙特卡罗模拟[J].电网技术，2000，24(3)：9 －12

[11]BILLINTON R，GUANG Bai.Generating capacity adequacy associated with wind energy[J].IEEE Transactions on Energy Conversion，2004，19(3)：641 －646.

[12]C.Singh.Reliability modeling of generation systems including unconventional energy sources[J].IEEE Trans.on Power Apparatus and System，1985，104(5)：1049 －1051