基于蒙特卡洛的新能源多场站短路比概率评估方法研究

2024-12-29

科技资讯 2024年22期

摘要：随着电力电子渗透率的上升和短路容量的下降，高比例新能源电力系统的电网强度在逐渐降低，双高电力系统的安全稳定运行面临重大挑战，因此亟须提出合理的电网强度评估方法，促进新能源的安全高效消纳。为此，首先将新能源多场站短路比（Multiple Renewable Energy Stations Short Circuit Ratio，MRSCR）作为电网强度量化指标，简要介绍了新能源多场站短路比，然后基于蒙特卡洛模拟对新能源多场站短路比进行了概率评估，最后通过New England 39节点系统验证了所提策略的有效性和正确性，可为电力系统规划及安全稳定运行提供参考。

关键词：短路比蒙特卡洛电网强度概率评估

中图分类号：TM73

Probability Assessment of MRSCR Based on Monte Carlo

SHI Yu1 WANG Xinhong1 XU Xin1 LYU Quan2 DOU Yongmei2

1.Economic and Technological Research Institute of Jilin Electric Power Co.， Ltd.， Changchun， Jilin Province，130000 China;2.Jilin Zhengqingchun Information Technology Co.， Ltd.， Jilin， Jilin Province， 132012 China

Abstract： With the increase of power electronic permeability and the decrease of short-circuit capacity. The power grid strength of high-proportion new energy power system is gradually decreasing， and the safe and stable operation of double-high power system is facing great challenges. Therefore， it is urgent to propose a reasonable power grid strength evaluation method to promote the safe and efficient consumption of new energy. To this end， this paper first takes Multiple Renewable Energy Stations Short Circuit Ratio（MRSCR） as the quantitative index of power grid strength， and briefly introduces MRSCR. Then， based on Monte Carlo Simulation， the probability assessment of MRSCR is carried out. Finally， the effectiveness and correctness of the proposed strategy are verified by the New England 39 nce6ad7f9133a131ea0aff5b250fb6916ode system， which can provide reference for power system planning and safe and stable operation.

Key Words： Short circuit ratio; Monte Carlo; Power grid strength; Probability assessment

在“双碳”目标背景下，风电、光伏等新能源并网成为未来电力系统发展的基本特征[1]。新能源设备一般经电力电子设备接入电网，在功率波动期间容易发生电压失稳、频率波动、次/超频振荡等问题[2]，从而导致新能源场站大面积脱网，而新能源接入系统电网强度较弱和新能源的波动性是上述稳定性问题产生的重要原因[3-5]。当设备动态控制特性一定的情况下，电网强度反映了交流电网与新能源设备之间的相对强弱，短路比作为一种简单直观的静态指标，被工业界广泛用于量化电网强度[6]。

新能源场站不仅可以为系统输出有功功率，还能为系统提供无功支撑，孙华东等人[5]提出的新能源多场站短路比（Multiple Renewable Energy Stations Short Circuit Ratio，MRSCR）充分考虑了新能源场站有功功率、无功功率输出特性以及不同新能源场站节点之间的幅值、相位差异，以其简单性、实用性在国内评价新能源场站电网强度时得到了优先考虑[7]。然而，现有关于新能源多场站短路比的计算方法主要基于确定性模型，无法考虑风电不确定性对新能源多场站短路比的影响，而新能源多场站短路比大小与风电节点的注入功率实时动态相关。因此，为考虑风电出力不确定性对电网强度的影响，需要研究新能源多场站比的概率评估方法，通过概率方法分析新能源多场站短路比的统计特征，为电力系统安全稳定运行提供参考依据。蒙特卡洛模拟（Monte Carlo simulation，MCS）作为不确定性分析方法之一在电力系统的各个领域广泛应用，其通过对物理问题的随机模拟以及大量重复实验进而实现所求物理量的概率评估，在样本规模足够大的情况下，具有很高的计算精度[8]。

针对新能源多场站接入的弱支撑电网MRSCR概率评估问题，本文考虑将新能源多场站短路比作为电网强度的量化指标，提出一种基于蒙特卡洛模拟的新能源多场站短路比概率评估方法。首先，对实际新能源场站进行了多机等值建模，在此基础上简要回顾了新能源多场站短路比（MRSCR）；其次，通过蒙特卡洛模拟法对新能源多场站短路比进行概率评估；最后，通过New England 10机39节点系统设置算例验证所提方法的正确性和有效性。

1 新能源多场站短路比

实际交流系统包含SVG、广义负荷等各种复杂设备，对其建模十分困难，新能源接入的交流系统一般简化为理想电压源串联等值阻抗的形式。新能源场站虽然采用单机聚合模型等值节点少，等值简单，但是很难考虑到新能源场站的阻抗分布差异和功率分布差异等特性以及机组之间的相互影响，等值精度较差，因此本文新能源场站考虑采用两机等效或三机等效的方式进行建模，得到的多新能源场站接入交流系统的简化等值模型如图1所示，左侧为新能源场站，右侧为交流主网。考虑新能源场站之间的相互影响，交流系统中第i个新能源场站处的新能源多场站短路比MRSCRi可以表示为

式（1）中：Saci表示第i个新能源场站并网点的短路容量；PRei表示第i个新能源场站并网节点注入的有功功率；Zeqij表示新能源并网点处的交流电网阻抗矩阵的第i行j列元素；n表示相互影响的新能源场站的个数。

2 基于蒙特卡洛的MRSCR概率评估

2.1 风电出力不确定性建模

由于风电出力的随机性导致了新能源多场站短路比的不确定性，对风电出力的不确定性建模是新能源多场站短路比概率评估的基础。风电功率由风速、风机功率风速曲线和控制策略决定。王冠中等人[11]认为：在工程实际中，对于短期运行问题，风电功率一般由专业功率预测软件根据天气预报等信息给出预测值，但仅会给出风电功率的期望值和方差等信息，因此风电功率的概率分布并不唯一。本文假定风电功率满足期望为μW，i，标准差为σW，i的正态分布，其概率密度函数为

式（2）中：PW，i表示i节点风电功率的预测值；μW，i和σW，i表示i节点风电功率的期望和标准差。

风电场节点一般认为是PQ节点，大多数风电场可以通过自动投切无功补偿设备使功率因数恒定，因此本文假定风电场采用恒功率因数控制，风电场输出有功功率和无功功率关系为

式（3）中：δW，i表示i风电场节点的功率因数角。

2.2 蒙特卡洛模拟法

随着新能源集中接入电网，电力系统不确定性加剧，蒙特卡洛模拟方法由于计算机技术的飞速发展以及其简单快速的优点在电力系统的各个方面都得到了广泛应用。蒙特卡洛方法的主要计算步骤为：首先，根据物理问题抽象出随机变量的概率评估模型；其次，根据随机输入变量的概率分布产生随机数序列作为抽样样本；最后，根据输出变量与输入变量的关系进行系统计算，每一组样本都要通过相应计算得到输出变量，通过对输出变量的统计实现问题的求解。对于蒙特卡洛模拟法而言，保证计算精确性和计算速度的关键在于抽样环节。常用的抽样方法主要有重要抽样法、拉丁超立方采样法、拟蒙特卡洛法。重要采样法以保持原样本期望不变为目标，选择符合样本特征的最优概率分布，该方法仅以样本期望为研究对象，计算精确度较低。拉丁超立方采样法通过分层采样以确保样本点覆盖所有采样区域，计算较为复杂；拟蒙特卡洛法通过低差序列实现多维随机变量的空间采样，相较于超拉丁采样具有更高的计算效率，因此本文采用Sobol序列对风电出力样本进行处理[10]。

3 算例分析

在如图2所示的New England 10机39节点系统中进行仿真分析，节点35、36设为风电场节点（PQ节点），风电场采用恒功率因数控制（功率因数为0.95，风电场可以通过风力机组自动投切无功补偿器，使功率因数保持恒定），母线35和36上的同步发电机由两个风力发电场代替。风电场的容量为500 MW，集成了100台5 MW风力发电机，平衡节点为31节点，基准容量为100 MVA。

设定节点35有功功率按照内蒙古地区某实际风电场2020一年的历史数据波动，节点35有功功率的概率密度如图3所示，节点36输出有功功率为400 MW，通过蒙特卡洛模拟法编程计算节点35风电场一年数据对应的新能源多场站短路比，最后得到的节点35 MRSCR的概率密度图如图4所示。

从图3重可以看出由于风电的随机性和波动性，风电注入功率的概率密度有两个峰值，分别为（12.436，0.004 4）和（336.31，0.0022 5），风电注入功率在这两个点的附近取值可能性较大。这两个风电注入功率对应图4中MRSCR概率密度的两个峰值，分别为（3.972 7，0.773 6）和（2.536 5，0.677 2），说明随着风电注入功率的波动，该节点的短路比也会发生很大的变动。

MRSCR作为衡量系统强度的指标，当系统如果由于风电功率的波动，运行到临界短路比以下的水平，可能会对系统的安全稳定运行产生影响，研究计及风电波动的短路比概率评估可以为系统的安全稳定运行提供参考。

4 结论

本文从新能源多场站短路比MRSCR的定义出发，基于蒙特卡洛模拟法进行新能源多场站短路比的概率评估，通过New England 39节点系统的仿真结果验证了所提方法有效性，具体结论为：风电的随机性和波动性导致新能源多场站短路比MRSCR的波动变化，给电力系统的安全稳定运行带来了严峻挑战。基于蒙特卡洛模拟对新能源多场站短路比进行概率评估可以预测MRSCR的波动趋势，该方法可以根据输入风电功率的数据给出输出变量——新能源多场站短路比的全面信息，输入变量没有做出任意概率分布约束的假设，计算结果精度高，具备一定的工程实用价值。

参考文献

康重庆，姚良忠.高比例可再生能源电力系统的关键科学问题与理论研究框架[J].电力系统自动化，2017，41（9）：2-11.

周孝信，陈树勇，鲁宗相，等．能源转型中我国新一代电力系统的技术特征[J]．中国电机工程学报，2018，38（7）：1893-1904，2205．

吴林林，李蕴红，于思奇，等．基于短路比指标的风电汇集系统稳定性分析[J]．电力自动化设备，2022，42（8）：72-78．

许晓菲，牟涛，贾琳，等大规模风电汇集系统静态电压稳定实用判据与控制[J].电力系统自动化，2014，38（9）：15-19，33．

孙华东，张振宇，林伟芳，等．2011年西北电网风机脱网事故分析及启示[J]．电网技术，2012，36（10）：76-80．

周瑀涵，辛焕海，鞠平.基于广义短路比的多馈入系统强度量化原理与方法：回顾、探讨与展望[J].中国电机工程学报，2023，43（10）：3794-3811．

孙华东，徐式蕴，许涛，等.新能源多场站短路比定义及指标[J].中国电机工程学报，2021，41（2）：497-506．

陈雁，文劲宇，程时杰.考虑输入变量相关性的概率潮流计算方法[J].中国电机工程学报，2011，31（22）：80-87.

赵渊，徐焜耀，吴彬.大电力系统可靠性评估的蒙特卡洛仿真及概率密度估计[J].重庆大学学报（自然科学版），2007，（12）：16-20.

方斯顿，程浩忠，徐国栋，等.基于Nataf变换含相关性的扩展准蒙特卡洛随机潮流方法[J].电工技术学报，2017，32（2）：255-263.

王冠中，董炜，辛焕海等.基于广义短路比的电力电子多馈入系统小干扰概率稳定评估[J].电力系统自动化，2018，42（18）：17-24.