袁明飞, 赵凤展, 王树田, 唐云峰, 苏 娟, 郝 帅

(中国农业大学 信息与电气工程学院, 北京 100083)

0 引 言

随着可再生能源技术的发展,低碳环保经济的要求以及用户用电需求的不断增长,风能已被许多电力用户所重视和利用,其经济效益也非常明显[1-2]。但是风能出力具有很强随机性和间歇性的特性[3]。为了抑制风能出力的波动、平滑风电场的输出功率,储能系统接入电力系统变成一种提高供电系统稳定性和可靠性的很好选择。

目前,很多分布式电源的研究主要集中在光伏发电和风力发电的可靠性模型[4-5],对于储能系统与分布式电源同时接入配电网的可靠性模型研究没有系统的评估体系。文献[6]使用可靠性评估的方法,分别计算接入容量不同的储能电站和接入配电网不同节点对配电网供电可靠性指标的影响。文献[7]通过解析法评估了风电场和储能系统联合构成的发电系统可靠性指标,考虑储能设备充放电速率、容量限制和自身故障率等因素的影响。文献[8]在文献[6-7]的研究基础上,构建储能设备和风力发电系统,同时分析供电的可靠性指标模型和方法,在宏观上考虑储能设备不同能量存储和释放控制策略对发电系统可靠性的不同影响。文献[9]主要针对光伏发电系统出力的波动性和随机性,计算光照强度相关系数的变化对配电网系统可靠性的影响。文献[10]主要针对微电网孤岛运行状态下对光伏、风力发电预测,评估负载协调的可靠性算法,通过预测发电量及储能系统的剩余电量来预测电源供电可靠性。文献[11]通过蒙特卡洛方法对含分布式电源的微网孤岛状态下配电系统可靠性进行计算。以上研究成果没有考虑风速对供电可靠性的影响情况,而且没有量化风电场和储能系统并网后对发电系统可靠性的贡献。

本文在前期学者研究的基础上,根据风速预测的自回归滑动平均(Autoregressive Moving Average,ARMA)模型,确定ARMA模型的阶数并进行参数估计,结合常规机组的状态模型,建立储能系统充放电模型和包含储能系统的风电场可靠性评估基本模型,同时提出风电场对供电中断期望值贡献系数来衡量风电场和储能并入发电系统对其可靠性的影响。

1 电源功率输出模型

1.1 风电机组功率时序模型

对风电场的风速进行预测是评估含风电场的发电系统可靠性中的一项重要工作。选用的风速预测模型是ARMA模型,能较好地处理当前时刻风速与之前时刻风速的关联性,从而根据风速时间序列的过去值和现在值来求取未来值[12]。典型的 ARMA(n,m)模型数学表达式为

yt=φ1yt-2+φ2yt-2+…+φnyt-n+αt-

θ1αt-1-θ2αt-2-…-θmαt-m

i=1,2,…,n,i=1,2,…,m

(1)

式中:yt——t时刻的风速序列值;

φi、αj——ARMA模型的自回归参数和滑动平均参数[13]。

利用ARMA模型获得风电场在任意时刻t的风速时间序列模拟值后,可通过历史风速的每小时平均值μt和标准差σt求取时刻t的风电场风速为

υwt=μt+σtyt

(2)

由此可得到任意t时刻风电机组输出功率[14-15]为

(3)

式中:Pr——风电机组额定功率;

vci、vr、vco——风电机组切入风速、额定风速和切出风速;

A、B、C——参数。

1.2 储能系统充放电模型

为平滑风电场发电出力的波动,储能装置往往和这类间歇性电源配置在一起联合供电,以改善电能质量和提高供电可靠性[16-20]。在实际的风电-储能联合系统调度中,还需要考虑风电机组和常规机组对负荷供电的优先次序。另外,常规机组的实际输出功率也有可能超出调度计划,这部分多余的功率也可参与储能。

风电机组剩余功率为

PWΔ=W-Z%PL

(4)

式中:W——风电机组输出功率;

Z%——风电场的输出功率占负荷的一定比例;

PL——负荷。

常规机组剩余功率PGΔ为

PGΔ=G-(1-Z%)PL

(5)

式中:G——常规发电机组功率。

风电机组和储能系统的联合输出功率即为风电场的输出功率。

储能系统充放电运行有如下情况。

情况1:储能系统供电。当所有风电机组和常规机组的功率输出总和无法满足当前负荷需求时,储能系统开始释放能量,参与负荷供电。

PB(t)=PB(t-1)+PWΔ+PGΔ,

PWΔ<0,(PWΔ+PGΔ)<0

(6)

式中:PB(t)——t时刻储能系统的电量状态。

情况2:储能系统充电。当风电机组剩余功率>0,常规机组剩余功率>0,则令风电机组的剩余功率给储能系统充电。

PB(t)=PB(t-1)+PWΔ,PWΔ≥0,PGΔ≥0

(7)

情况3:储能系统停运。当风电机组剩余功率<0,所有风电机组和常规机组的功率输出总和满足当前负荷需求时,储能系统既不供电,也不充电。

PB(t)=PB(t-1),

PWΔ<0, (PWΔ+PGΔ)≥0

(8)

1.3 含储能系统的风电场模型

含风电机组及储能系统的发电系统模型如图1所示。由于储能系统自身容量的限制,将其接入在每台风机的输出端,风电场的输出功率即为风电机组和储能系统的联合输出功率。

从整个电力系统可靠性角度来看,风电场较为合理的储能原则:当某时间段内风电场和常规机组输出的功率大于当前系统负荷,则应当保证储能设备在当前时段内有空间存储多余的风能;当某时间段内风电场和常规机组输出的功率不能满足当前系统负荷需求,则储能设备内应有可释放的能量以填补该时段内的功率需求。

2 含风电场储能发电系统可靠性评估

2.1 风电机组单独接入发电系统可靠性评估

选用失负荷概率和电量不足期望值(Expected Energy Not Supplied,EENS)作为衡量发电系统可靠性的指标。失负荷概率为

(9)

式中:If(x)——以系统状态x作为自变量的二值函数;

P(x)——停运容量为x的确切概率。

电量不足期望值表示电力系统由于机组受迫停运而造成的对用户少供电能的期望值,能说明故障的严重程度,因为电力系统受限制的因素不仅是缺电力,更重要的是发电量短缺。

(10)

式中:EEENS——电量不足期望值;

X——停运容量;

R——系统备用容量,当风电场和储能接入时风电场容量和储能系统容量加入的备用容量。

为了更好地衡量风电场并网对电网可靠性的提高水平,文献[21]提出风电场对供电中断期望值贡献系数:

(11)

式中:EWGIEB——风电场对供电中断期望值贡献系数;

EEENS0、EEENS1——风电场接入前、后系统年电量不足期望值;

PW——风电场装机容量。

EWGIEB只能反映风电场接入后风电场对发电系统可靠性的影响,并不能反映储能系统接入含有风电场的发电系统的可靠性影响情况。

2.2 风电场和储能接入发电系统可靠性评估

为了评估风电场和储能系统接入含有风电场的发电系统的可靠性影响情况。本文基于前人研究定义了风电场和储能对供电中断期望值贡献系数(Wind-Battery Generation Interrupted Energy Benefit,WBGIEB),是风电场和储能系统并网后系统供电不足时,电量不足期望值的改变量与接入的风电场容量和储能系统之和比值,直接反映风电场和储能系统并网后对发电系统可靠性的贡献。

(12)

式中:EWBGIEB——风电场和储能系统对供电中断期望值贡献系数;

EEENS2——风电场和储能系统同时接入后系统年电量不足期望值;

PB——储能系统容量。

2.3 基于序贯蒙特卡洛可靠性计算流程

在蒙特卡洛法中,系统的状态是从概率分布函数中抽样确定的,电力系统元件众多,在序贯蒙特卡洛模拟方法中需要对各个运行状态进行抽样。一旦系统的状态已经确定,即可对所抽样形成的系统状态进行计算,通过计算功率平衡得出失负荷概率和电量不足期望值。

基于序贯蒙特卡罗仿真,储能接入含风电场的发电系统可靠性指标计算流程如图2所示。

可靠性计算流程图步骤如下:

(1) 初始化。令运行时间t=0,输入电力系统原始数据,包括有历史风速一年8 760 h数据、负荷一年8 760 h数据。

(2) 根据风速构建ARMA模型,然后通过式(2)由第一步的初始风速得到预测风速。

(3) 根据模型得到预测的风速,再根据步骤(2)得到预测风速,由式(3)得到风电场的输出功率。

(4) 使用蒙特卡洛对供电系统抽样,然后计算该抽样状态下的潮流状态,判断供电是否充足。

(5) 若系统供电充足,进行下一步;若系统供电不充足,判决并且计算消减负荷。

(6) 判断抽样次数是否达到8 760次。若达到,则进行步骤(7);若否,转到步骤(3),继续抽样。

(7) 判断运行终结,抽样结束,通过式(9)～式(12)计算LOLP、EEENS、EWGIEB、EWBGIEB可靠性指标的值。

3 算例与分析

3.1 算例简介

对IEEE-RBTS可靠性测试系统进行分析。RBTS系统总装机容量为240 MW,其中5 MW机组2台,10 MW机组1台,20 MW机组5台,40 MW机组3台,系统最大负荷为185 MW,储能电池容量为30 MWh,最大充放电功率为16 MW。当储能接入发电系统时,接入点为母线1。

IEEE-RBTS可靠性测试系统接线如图3所示。

系统中给出的发电系统常规机组总容量为240 MW,各发电机的原始数据包括:机组大小、发电机的平均持续工作时间(Mean Time To Failure,MTTF)、发电机的平均修复时间(Mean Time To Repair,MTTR)、强迫停运率等。常规发电机组可靠性数据如表1所示。

对算例的负荷进行数据统计,负荷年用电量情况如图4所示。

表1 常规发电机组可靠性数据

容量/MWMTTF/hMTTR /h强迫停运率519820.0101019640.0202019550.0254019460.030

选用我国北方2个风电场过去1年的历史统计,分别接入2个风电场作为比较的2个测试系统,当风电场接入发电系统时,接入点为母线1,其风速数据来源于中国气象数据网。2个风电场各自的装机总容量均为87.5 MW,渗透率为47.3%,风电机组单机容量为3.5 MW,每个风电场中的机组数量为25台,机组的vci、vr和vco分别为4.0、12.5、25.0 m/s。

风电场1中,平均风速为11.6 m/s;根据风电场一年原始风速分布情况,风电场1风速分布预测如图5所示。

风电场2中,平均风速为10.8 m/s。根据风电场一年原始风速分布情况,风电场2风速分布预测如图6所示。

利用ARMA模型获得风电场在任意时刻风速时间序列模拟值后,计算风机的正常、降额和停运输出状态,计算步骤见参考文献[22]。某风力发电机年功率输出状态如图7所示。

由图7可见,风电场1和风电场2的功率输出状态:功率输出状态为1时是正常运行,风力发电机处于满发状态;当输出状态为0.8时,说明风力发电机是降额输出;当风速小于切入风速时,风力发电机处于停运状态。同时,风电场2风机的出力比风电场1的风机出力少。

风电场和储能接入发电系统分为5种接入方案。方案1:风电场和储能系统都不接入发电系统,发电系统单独运行;方案2:风电场1接入发电系统,储能系统不接入发电系统,风电场1和常规机组对发电系统供电;方案3:风电场2接入发电系统,储能系统不接入发电系统,风电场2和常规机组对发电系统供电;方案4:风电场1和储能系统同时接入发电系统,风电场1、储能系统和常规机组对发电系统供电;方案5:风电场2和储能系统同时接入发电系统,风电场2、储能系统和常规机组对发电系统供电。

3.2 风电场并网可靠性分析

当系统以方案4和方案5运行,根据前文提出的储能系统的充放电模型,由式(6)～式(8)得到两种方案的储能系统运行情况。方案4储能系统一年运行情况如图8所示。方案5储能系统一年运行情况图9所示。

方案1～方案3,把两风电场并入IEEE-RBTS测试系统,然后由式(9)～式(11)计算两风电场并入系统的可靠性指标LOLP、EEENS和EWGIEB。风电场接入发电系统的可靠性指标如表1所示。

按照方案4和方案5,把储能系统分别并入带有风电场的IEEE-RBTS测试系统,然后由式(9)～ 式(11)和式(12)计算出两风电场并入系统的可靠性指标LOLP、EEENS、EWBGIEB。风电场和储能接入发电系统的可靠性指标如表2所示。

表1 风电场接入发电系统的可靠性指标

方案LOLP/(h·a-1)EEENS/(MWh·a-1)EWGIEB方案10.421 911.244 10方案20.048 70.819 20.121 7方案30.087 91.716 60.111 9

表2 风电场和储能接入发电系统的可靠性指标

3.3 算例分析

通过分析表1、表2的数据,可以得出以下结论:

(1) 比较方案1与方案2的计算结果,风电场接入发电系统比发电系统单独运行失负荷概率和电量不足期望值下降,说明风电场接入发电系统可靠性高。

(2) 比较方案2与方案3的计算结果,在风电场接入发电系统下,方案2比方案3失负荷概率和电量不足期望值小、“风电场对供电中断期望值贡献系数”大,表明方案2要优于方案3。风电场发电量越大,风电场接入发电系统供电可靠性提高效果越明显。

(3) 比较方案2与方案4的计算结果,方案4比方案2电量不足期望值有下降,当储能系统接入含风电场的发电系统后,比没有储能系统的电量不足期望值要低,说明储能接入后,发电系统的供电可靠性提高。

(4)根据方案4和方案5的计算结果,方案4的可靠性比方案5的可靠性高,说明风电场和储能同时接入发电系统,在储能系统各参数相同的情况下,风电场发电量越大,发电系统的供电可靠性提高越明显。

4 结 语

本文建立了储能系统的充放电模型,定义了风电和储能对供电中断期望值贡献系数,量化储能系统接入含有风电场的发电系统的可靠性影响,提出了基于蒙特卡洛时序模拟的风电场和储能系统的发电系统可靠性评估算法,并对改进的IEEE-RBTS测试系统进行了可靠性评估。算例结果表明:风电场和储能系统并入发电系统的条件下,发电系统后可靠性提高,同时风电场发电量越大,对发电系统的供电可靠性提高效果越好。