基于贝叶斯网络和蒙特卡洛的含高比例风电电网频率风险评估

李智珍，唐 杰

应用研究

基于贝叶斯网络和蒙特卡洛的含高比例风电电网频率风险评估

李智珍，唐 杰

（多电源地区电网运行与控制湖南省重点实验室（邵阳学院），湖南邵阳 422000）

在高渗透率风电电网频率稳定风险评估中，针对存在的评估指标与扰动间关联性差和指标概率表不全面的问题，本文提出了一种基于贝叶斯网络和蒙特卡洛方针的电网频率风险评估方法。通过贝叶斯网络确定评估指标和指标概率表，提高了指标概率表的准确性和全面性；基于风电功率波动概率分布函数，运用蒙特卡洛仿真计算得到指标概率，体现了评估指标与风电功率波动之间的强相关性。仿真结果验证了所提方法的全面性和准确性，为电网调频措施提供了有力的参考。

风电并网 风险评估 贝叶斯网络 蒙特卡洛仿真

0 引言

面对能源和生态问题的不断恶化，我国提出“碳中和”和“碳达峰”目标，为实现这两个目标，国家大力发展新能源发电，中国风电累计装机容量达28153万千瓦。大力发展风电有利于“碳中和”和“碳达峰”目标的达成，同时能够延缓化石能源的衰减速度，然而风电具有强波动性和弱调频性，我国高渗透率风电电网正在面临频率稳定的巨大风险，保证电网频率稳定的前提是正确评估频率稳定风险，因此，迫切需要一种可靠准确的高渗透率风电电网频率稳定风险评估方法。

目前高渗透率风电电网频率稳定风险评估方法有很多。其中，文献[1]运用模糊层次分析法构建风险评估模型，将装备水平、运用维护水平和网架结构水平纳入指标体系；文献[2]利用主观方法和客观方法相结合来确定指标中的权重，提高了权重求取的合理性，同时利用概率论和模糊数学对电能质量进行了综合评估；文献[3]建立了含可再生能源机组的电网频率综合响应模型，使用最大可再生能源渗透率来表征电网承载力，提出了一种考虑电网频率稳定性的可再生能源承载力评估方法；文献[4]提出了含可再生新能源的系统日前运行风险评估模型，将电压越限、线路有功功率越限、系统失负荷和稳态频率越限风险纳入风险评估指标体系，采用蒙特卡洛仿真进行风险评估，文献[7]基于风电功率波动概率分布函数的置信区间获得了各指标的置信区间满足的函数，定量分析了大规模风电并网对电网频率稳定性的影响；文献[8]将综合风险评估指标纳入评估体系，对故障安全性风险进行了量化评估，同时根据保险机制对风险进行了有效规避。

上述文献为高渗透率风电电网频率稳定风险评估研究奠定了良好的基础，但仍旧存在一些问题需要继续深入研究。许多文献并未将风电功率波动的概率函数与风险评估指标的概率相关联，指标与扰动之间关联性差，同时指标概率表不全面，导致评估结果不准确。本文通过贝叶斯网络确定评估指标，梳理了指标与扰动之间的逻辑关系；同时基于风电功率波动的分布函数运用蒙特卡洛仿真得到指标概率，最后根据国家相关规定建立指标概率表对电网风险等级进行规定和划分。

1 基本理论

1.1 贝叶斯网络

贝叶斯网络[5]是一种图形化模型，可以描述系统中重要影响因素与一个及多个输出间的因果逻辑关系，是一个有向无环图，搭配概率表格。在风险分析中使用贝叶斯网络主要目的是建立危险事件或事故的影响网络模型，其中影响输出结果的因素称为风险影响因子(RIF)，利用有向弧将它们连接起来。

贝叶斯网络分析是一种非常全面的方法，可以用于各种不同的目的，与风险分析相关的贝叶斯网络分析目标包括：

1）识别出所有会对关键性事件具有重大影响的相关因素；

2）在一个网络中描述出不同风险影响因素之间的关系；

3）计算关键性事件的概率;

4）识别出对于关键性事件概率最重要的因素。

目前，贝叶斯网络在统计、机器学习、人工智能以及风险和可靠性分析中都十分常见。

1.2 蒙特卡洛方法

蒙特卡洛方法是一种通过随机抽样和统计试验来对真实物理过程进行模拟，当需要求解某一问题的概率时，通过某种试验方法得到该种情况出现的频率，将它作为该问题的解。

2 电网频率风险评估方法

2.1 电网频率风险评估指标

因具有良好的经济、环境效益，风力发电将会逐步取代常规机组，特别是燃煤火电机组。当小规模风电并网时，对电力系统频率维持并没有什么影响，但当大规模风电并入电网时，结合风力发电自身特点，对电网频率控制带来了两方面影响：

1)强波动性：风电发电受周围风速影响，具有显著的随机性和不确定性，其有功功率具有显著的波动性，相比于常规电源，可控性较弱，对电力系统有功-频率平衡产生新的扰动。

2)弱调频性：风电机组不具有惯性响应和一次调频能力。高比例风电并网的电网会导致电网调频能力下降。当系统发生较大扰动如联络线闭锁、常规机组故障等时，不能快速响应系统频率变化。

在风险评估指标方面，具有许多不同的指标，过多的指标将导致评估速度慢，而过少的指标将导致风险评估结果不准确。因此需要对高比例风电并网对电网的影响进行系统的分析，得到合适的风险评估指标。本节将通过贝叶斯网络图确定所述高风电渗透电网频率稳定风险的评估指标。如图1所示，为高比例风电并网对系统频率影响的贝叶斯网络图。

风电具有强波动性和弱调频性，高比例风电并网时使电网惯性响应能力和一次调频能力减弱。在扰动出现后，电网惯性最先响应，可将最大频率变化率和暂态频率偏差作为惯性响应能力指标进行评估。在通过调频死区后，一次调频开始作用，可将暂态频率偏差和稳态频率偏差作为一次调频能力指标进行评估。综上，将最大频率变化率、暂态频率偏差和稳态频率偏差作为评估指标。

图1 高比例风电并网对系统频率影响的贝叶斯网络图

根据国家相关规定和相关文献可得概率表如表1所示。概率表具有优先级，首先观察指标量在>0.8时概率是否达到高风险。若达到高风险，则该电网为高风险；若未达标则继续对比指标量0.6～0.8时概率是否达到中风险，依次类推。

表1 指标概率表

2.2 风险评估指标概率

2.2.1风电功率波动概率分布函数

风电功率波动受统计量大小、天气、地理位置等诸多因素影响，故个体差异巨大。对于大尺度的风电波动，根据中心极限定理可以认为风电功率波动服从正态分布[7]。因此大规模风电集群机组风电功率波动概率函数为：

式中，表示风电功率波动，满足正态分布～(μ,δ)，()为正态分布的概率函数。

2.2.2风电功率波动与暂态频率偏差

多机系统的SFR（System Frequency Response，系统频率响应）可由ASFR(Aggregate System Frequency Response，聚合系统频率响应)模型表示[6]，那么惯性中心频率偏差可表示为：

对惯性中心频率偏差Δf求时间的导数，当倒数为零时，惯性中心频率偏差达到最大，即为暂态频率偏差Z，如式(9)：

由蒙特卡洛仿真求指标概率的具体步骤为：

1）构造或描述概率过程：建立风电功率波动和风电装机容量与指标之间的关系模型；

2）从已知概率分布抽样：根据风电功率波动概率分布函数对风电功率波动值进行随机抽样，得到指标值；

3）建立估计量：计算总抽样次数中各风险等级指标次数，获得各风险等级指标频率，即为指标频率。

3 仿真验证

基于ASFR模型运用PSASP对所提评估方法进行仿真验证。在仿真中，数据如表2示。

表2 仿真模型基本参数

令风电功率波动概率函数满足正态分布～(0,4)，蒙特卡洛抽样次数为1000次，得到相应的概率值，如表3所示。

表3 指标概率值

根据贝叶斯网络概率表可知，电网风险等级为高。由概率表可知若只考虑某一范围内的概率，会出现评估误差。当只考虑指标量<0.6的概率时，为0.322，满足低风险等级标准，因此电网为低风险，导致巨大评估误差，系统不对电网采取任何调频措施，造成电网奔溃。

4 结论

为了解决高比例风电并网的电网频率稳定风险评估方法存在的评估指标概率表不全面和指标与风电功率波动逻辑性不强的问题，本文提出了一种基于贝叶斯网络的指标概率计算方法。

1）相比于只考虑某一范围内指标概率表，本文提出的指标概率表考虑多范围指标概率，降低了系统评估失误率，提高了评估方法的全面性；

2）相比于传统的概率计算方法，本文提出的方法与风电功率扰动相关联，解决了指标概率函数与输入之间关联性差的问题，更具有可靠性。

[1] 徐铭铭, 曹文思, 姚森, 徐恒博, 牛荣泽, 周宁. 基于模糊层次分析法的配电网重复多发性停电风险评估[J]. 电力自动化设备, 2018, 38(10): 19-25+31.

[2] 李娜娜, 何正友. 主客观权重相结合的电能质量综合评估[J]. 电网技术, 2009, 33(06): 55-61.

[3] 郭小龙, 毕天姝, 刘方蕾, 胥国毅, 张锋, 王衡. 风、光高渗透率电网中考虑频率稳定的可再生能源承载力研究[J].可再生能源, 2020, 38(01): 84-90.

[4] 商皓钰, 刘天琪, 卜涛, 何川, 印月, 丁理杰. 基于ALARP准则的高比例新能源并网系统日前运行风险评估[J]. 电力自动化设备, 2021, 41(03): 196-203.

[5] Marvin Rausand, Risk Assessment Theory, Methods, and Applicaions[M]. John Wiley & Sons, Inc, 2011:226-233.

[6] Qingxin Shi, Fangxing Li, Hantao Cui. Analytical Method to Aggregate Multi-Machine SFR Model With Applications in Power System Dynamic Studies[J]. IEEE Transactions on Power Systems, 33(6) , 2018: 6355-6367．

[7] 丁立, 乔颖, 鲁宗相, 闵勇, 白恺. 高比例风电对电力系统调频指标影响的定量分析[J]. 电力系统自动化, 2014, 38(14): 1-8.

[8] 刘凯奇, 李华强, 陆杨, 李旭翔. 基于安全性风险评估与保险机制的可用输电能力决策[J]. 电力建设, 2021, 42(08): 118-126.

[9] 王勇超, 董锴, 黎嘉明, 杨民京, 蔡新雷. 广东电网调度操作日前量化评估系统研究[J]. 电工技术, 2021(12): 128-129+160.

[10] 东亮, 王维庆, 张陵, 陈凯, 杨国生, 张路, 孙永辉. 基于关联规则挖掘与组合赋权-云模型的电网二次设备运行状态风险评估[J]. 电力系统保护与控制, 2021, 49(10): 67-76.

[11] 周智行, 石立宝. 考虑风电不确定性及系统调频作用的电网连锁故障风险评估[J]. 中国电机工程学报, 2021, 41(10): 3305-3316+3657.

Frequency risk assessment of high-proportion wind power grid based on bayesian network and monte carlo

Li Zhizhen, Tang Jie

（Hunan Provincial Key Laboratory of Grids Operation and Control on Multi-Power Sources Area (Shaoyang University), Shaoyang 422000, Hunan, China）

TM614

A

1003-4862（2022）04-0024-04

2021-11-03

李智珍(1998-)，女，工学硕士。主要研究方向：新能源发电。E-mail: 1334237065@qq.com