含风光储的微网对配电网可靠性的影响

潘 欢，罗滇生，张庆海，王和先，刘安华

(1.湖南大学电气与信息工程学院，湖南长沙410082；2.国网山东省电力公司聊城供电公司，山东聊城252000)

含风光储的微网对配电网可靠性的影响

潘 欢1，罗滇生1，张庆海2，王和先2，刘安华2

(1.湖南大学电气与信息工程学院，湖南长沙410082；2.国网山东省电力公司聊城供电公司，山东聊城252000)

针对风力、光伏发电输出功率随机特性，计及储能与系统协调运行策略，建立含风光储的微网可靠性评估模型。配电网故障后，微网孤岛运行，考虑微网内电力功率是否平衡，并在发电不足时切负荷；微网非电源元件故障，阐述故障模式与后果分析(FMEA)过程，在此基础上，给出了模型的序贯蒙特卡洛评估流程。算例仿真结果表明，含风光储的微网能有效提高配电网可靠性水平，微网的接入位置、协调运行策略、容量配置和成本效益对配电网的可靠性产生很大影响。

风电；光伏；储能；微网；蒙特卡洛；可靠性评估

由于环境约束、能源危机以及用户本身用电需求，越来越多的分布式电源(如风能、太阳能)接入配电系统中，分布式发电技术持续快速发展。其中，微网是发挥分布式电源(DG)优势的关键技术[1]。

微网的接入，使传统的单电源辐射状配电系统变成了一个含多电源和负荷的新型配电系统，对配电系统的运行和控制产生重要的影响[2]，其中供电可靠性是一个重要方面，有必要对其进行分析和评估。文献[3]建立风机、光伏、蓄电池的模型，提出一种含风光蓄的配电系统准序贯蒙特卡洛模拟法，定量评估其对配电系统可靠性的影响。文献[4]根据配电网中负荷的重要程度，以等值有效最大负荷为目标函数，建立配电网孤岛划分的模型，但孤岛运行削减负荷策略未涉及。文献[5]建立了分布式能源和储能联合运行的模型，利用蒙特卡罗模拟法分析含微网配电系统的可靠性，但是未考虑储能不同运行策略的影响，且并未真正形成微网。

目前，微网作为一个整体接入配电系统后的可靠性评估还不多见。针对上述研究的不足，本文根据风力、光伏发电的输出功率随机特性，考虑储能与系统协调运行策略，建立了微网的可靠性模型；从外部配电网和微网两方面进行故障分析，给出蒙特卡洛评估流程；最后通过IEEE RBTS BUS6改进算例的仿真，分析含风光储的微网对配电网可靠性的影响。

1 微网可靠性模型

1.1 风力发电机模型

根据统计规律，威布尔分布是目前应用广泛、形式简单且与风速较好拟合的概率模型[6]，其概率密度函数为：

风力发电机的输出功率随风速变化而变化，其数学表达式可近似表示为：

1.2 光伏发电系统模型

据统计规律，在较短时间段内，太阳光辐射强度可近似服从Beta分布，其概率密度函数[7]为：

1.3 储能装置模型

本文拟采用电池储能技术，建立储能充放电模型。根据运行策略及风机、光伏时序输出功率确定功率差值，同时考虑储能充放电特性由功率差值确定储能充放电状态。

负荷优先由DG供应，当DG输出功率大于负荷需求时，富余的能量储存在储能装置，储能装置处于充电状态，达到最大容量停止；当DG输出功率小于负荷需求时，缺少的能量由储能装置提供，储能装置处于放电状态，至最小容量停止[2]。

储能第 小时充电功率为[8]：

储能状态时间序列为：

同时储能在工作时需满足以下条件：

1.4 元件停运模型及负荷模型

元件的两状态模型可表示如下：

对于负荷，考虑时变性，采用文献[3]中的时序负荷模型，可准确地模拟各时刻的负荷。

1.5 微网可靠性模型

本文在微网的基础结构上进行简化，微网系统模型如图1所示。

图1 微网模型

2 可靠性评估

2.1 故障模式与后果分析

配电系统的可靠性评估是以故障模式与后果分析(FMEA)为基础，通过建立系统各元件的状态变化的马尔可夫模型，根据系统拓扑关系进行故障分析，进而计算可靠性指标。FMEA法以元件故障为出发点，分析了系统中受故障影响所有负荷点的情况。本文FMEA过程采用直接搜索法，配电系统馈线区分类可参见文献[3]。

2.2 孤岛划分及切负荷

配电系统故障后，孤岛划分的数学模型可表示为[6]：

微网孤岛运行时，电力功率要基本平衡。当出现发电不足时需要切负荷，满足如下条件：

2.3 序贯蒙特卡洛仿真

采用序贯蒙特卡洛模拟法对微网可靠性进行评估，算法流程如图2所示。

模拟流程：

(1)输入原始数据，初始模拟时钟为0，所有元件开始均处于正常运行状态。

(2)模拟DG的时序功率及非电源元件的运行。

i.通过威布尔分布对原始风速数据进行拟合，产生相应的威布尔随机数，由式(2)计算风力发电机正常工作时的输出功率。

ii.通过太阳光辐射强度数据由式(4)计算光伏发电正常工作时的输出功率。

iii.产生0～1之间的随机数，采用式(9)、式(10)得到所有元件的并进行序贯抽样，形成DG运行-停运时间序列，得到DG的时序输出功率。

图2 算法流程

(3)由式(5)～式(8)得到储能的时序充电功率，进而得到微电网的时序输出功率。

(4)对系统非电源元件进行随机抽样，采用式(9)得到TTF并找出最小的正常工作时间TTFmin的元件，将模拟时钟推进到TTFmin。对该元件产生一个随机数，采用式(10)求出该元件的TTR；同时产生故障隔离时间RT。

(7)根据FMEA表，查找该元件故障所对应负荷点停电类型，形成负荷点的可靠性指标。

(8)如果模拟时钟小于评估精度要求所需时间长度，返回执行第4步；否则，模拟结束，统计各个负荷点的停电时间、停电次数等可靠性指标，进而计算系统可靠性指标。

3 算例与分析

本文以IEEE RBTS BUS6配电系统中的多条主馈线为基础，改动后的接线如图3所示。该系统包括30条线路、23个熔断器、23个负荷点(配变)以及若干个开关。母线、配变和开关100%可靠。元件的可靠性参数及负荷参数参见文献[9]。微网切换成功概率为0.9。

微网内包含若干风机、光伏和储能。风机主要数据和参数见表1。光伏单个组件面积为2.16 m2，光电转换效率为13.44%，太阳辐射强度数据由HOMER软件产生。

图3 测试系统

表1 风机参数

3.1 微网位置的影响

在负荷8、9、10处构建微网1，在负荷19、20、21、22、23处构建微网2。两种方案均含相同的风光储，风力发电机、光伏、储能额定功率均为0.75 MW，储能量是3 MWh。

对比表2中微网接入前后的数据，接入后配电网可靠性指标有很大的提高，可看到有微网条件下可靠性指标明显优于没有微网条件下的可靠性指标，说明微网接入可有效提高配电网的可靠性水平，且能降低因故障造成的用户损失。

从表2中数据可看出，不接微网时，1处的可靠性优于2处的可靠性，但是1处接入微网后系统可靠性反而低于2处接入微网后系统可靠性。说明在原来系统可靠性水平差的负荷处接入微网更能提高系统的可靠性，提升效果更明显。

表2 两种方案的可靠性指标

3.2 微网配置容量的影响

构建微网，含风机、光伏、储能，得到系统可靠性指标，如表3所示。

方案A：风机、光伏、储能额定功率均为1 MW，储能4 MWh；

方案B：风机、光伏、储能额定功率均为1.5 MW，储能5 MWh；

方案C：风机、光伏、储能额定功率均为2 MW，储能6 MWh；

方案D：风机、光伏、储能额定功率均为2.5 MW，储能8 MWh。

随着微网容量的增加，系统可靠性不断提高。在其容量增加的初始阶段时，其对可靠性的提升效果明显；当微网容量继续增加到一定程度后，其对可靠性的提升效果越来越差直至趋于饱和。微网容量不是越大越好，应考虑对微网进行综合评定。

表3 不同情形下系统可靠性指标

3.3 协调运行策略的影响

取不同组合(同3.2节)，采用以下策略分析其对系统可靠性的影响，不同策略下EENS的对比如图4所示。

图4 两种策略下的EENS对比

策略1：负荷追随策略，如文中所述。

由图4可看出：2种运行策略都能提高系统可靠性水平。策略1的EENS一直低于策略2。策略1提高了DG的利用率，最大程度避免切负荷，可靠性较优，适合对DG没有限制的系统。策略2以某一设定值进行充放电，有效减小了DG功率输出的波动性，但负荷较高或DG功率不足时，系统可靠性较差。

3.4 微网成本效益影响

为了更好地评价可靠性收益和对微网进行综合评定，以大型燃煤发电为参照，从微网整体角度出发，对微网在节能、供电、减少污染等方面的效益进行了综合定量评估。

表4 不同方案下微网的η

对比表4中数据可看出，方案A的系统可靠性最差，η最小；方案B、C系统可靠性居中，η最大；方案D的系统可靠性最高，η却居中。这就说明了即使在设备建设、运行上的费用高，但是能在节能减排和电力市场交易上获得较高收益，η反而更优。该指标反映了微网综合效益，是能够影响微网对配电网可靠性的因素，也可为微网规划设计提供参考。

4 结论

本文研究了风力、光伏发电输出功率特性和储能运行限制，考虑储能与系统的协调运行策略，建立含风光储的微网可靠性模型。外部配电网故障后，考虑孤岛运行的微网内电力功率是否平衡，并在发电不足时切负荷；微网非电源元件故障，阐述FMEA过程。以此为基础，给出相应的序贯蒙特卡洛评估算法。

评估结果表明微网能够有效提高配电系统的可靠性，与可靠性较差的负荷组成微网对系统可靠性水平的贡献更大。比较不同储能策略对可靠性的影响，指出策略1更优。微网容量的提高可以提升系统的可靠性水平，但提高至一定值时趋于饱和。进一步分析了微网的成本效益指标对配电网可靠性的影响。

[1]陈璨,吴文传,张伯明,等.基于多场景技术的有源配电网可靠性评估[J].中国电机工程学报,2012,32(34)：67-73.

[2]别朝红,李更丰,王锡凡.含微网的新型配电系统可靠性评估综述[J].电力自动化设备,2011,31(1):1-6.

[3]葛少云,王浩鸣,王源山,等.含分布式风光蓄的配电系统可靠性评估[J].电力系统自动化,2012,36(5):18-23.

[4]刘传铨,张焰.计及分布式电源的配电网供电可靠性[J].电力系统自动化，2007，31(22)：46-49.

[5]梁惠施,程林,刘思革.基于蒙特卡罗模拟的含微网配电网可靠性评估[J].电网技术,2011,35(10):76-81

[6]王成山,郑海峰,谢莹华,等.计及分布式发电的配线系统随机潮流计算[J].电力系统自动化，2005，29(24)：39-44．

[7]KARAKI S H,CHEDID R B,RAMADAN R.Probabilistic performance assessent of autonomous solar-wind energy conversion systems[J].IEEE Trans on Energy Conversion,1999,14(3):766-772.

[8]谢开贵,王岸,胡博.计及储能设备运行策略的风/柴/储混合系统可靠性评估[J].电力系统保护与控制,2012,40(9)：1-7.

[9]BILLINTON R,JONNAVITHULA S.A test system for teaching overall power system reliabiliab-ility assessment[J].IEEE Transactions on Power Systems,1996,11(4):1670-1676.

[10]康重庆,周天睿,陈启鑫,等.电网低碳效益评估模型及其应用[J].电网技术,2009,33(17)：1-7.

Impact evaluation of wind-solar-storage complementary microgrid on reliability of distribution network

According to the stochastic characteristics of output power of wind power generation and solar photovoltaic generation, considering collaborative operating strategies of energy storage, the reliability model of microgrid containing wind power generation,solar photovoltaic generation and energy storage was built.When a fault occurred in distribution network,microgrid could operate in island mode.In the mode,the electric power balance of microgrid was considered and when the output power could not satisfy the load demand,a load-shedding strategy was used.As non-source components failed in the microgrid,the FMEA procedure was illustrated.On this basis,a reliability evaluation algorithm was proposed based on sequential Monte Carlo simulation.The evaluation results show that the location,capacity allocation,collaborative operating strategies and cost benefit of microgrid have a larger impact on the reliability of distribution network.

wind power;solar photovoltaic;energy storage;microgrid;Mote Carlo;reliability evaluation

TM 727

A

1002-087 X(2016)06-1265-04

2015-12-09

国家自然科学基金(51277057)

潘欢(1988—)，男，安徽省人，硕士，主要研究方向为分布式发电及微电网。