考虑风电不确定性的电网备用优化决策方法研究

殷超

（河海大学能源与电气工程学院，江苏 南京 210098）

考虑风电不确定性的电网备用优化决策方法研究

殷超

（河海大学能源与电气工程学院，江苏 南京 210098）

传统无风电机组的电网备用优化理论是主要基于准确预测负荷进行的。而风能受到气候、海拔、以及地形等多种自然因素的影响具有间歇性和随机波动性，风速及风功率预测的难度较负荷要大得多。当风电占电网系统总装机达到一定比例以后，采用传统的调度方法已经无法满足系统安全和经济运行的要求。研究适用于含有风电并网备用优化问题的模型和方法势在必行。

大规模风电功率并入电网后［1-2］，其功率波动常与用电负荷波动趋势相反。风电的这种反调峰特性将导致峰谷差的进一步扩大，加大电网调度和备用设置的难度。文献［3-4］考虑融入用电激励、可中断负荷、电价响应等用电调度方式减少负荷低谷时段风电弃风，从而提高风能利用效率。

事实上，尽管风电的不确定性很大，但其可以等效为负荷模型［5-6］，将其偏差设为负荷波动，则同样可以使用传统的备用决策方法。

文献［7-8］分别基于采用两种不同的备用价格机制，以备用最小成本为目标函数，以系统可靠性为约束给出优化模型，并采用基于Monte-Carlo模拟的遗传算法求解模型。文献［9-10］用概率密度函数来分析负荷和风电出力的预测偏差，并将其引入到机组停运容量的计算中，通过遗传-粒子群优化算法求解出含风电场的最优旋转备用，文献［11-12］采用三节点的网格迭代搜索确定最优旋转备用容量，文献［13-14］则使用改进迭代-粒子群算法。以上算法是通过每台机组的备用分摊来确定旋转备用总量的，而在实际中，先确定系统所需旋转备用容量水平具有重要意义。在容量获取需要成本的价格机制中，估算系统所需容量后才能确定购买的备用量，其对电网的总体抵御风险能力的把握也至关重要。

文献［15-16］给出了系统切负荷率与备用容量的关系，利用牛顿迭代法求解最优值。文献［17］将风电机组出力过多和切负荷风险相加设为系统的风险，利用解析法建立最优备用求解模型。

本文在考虑到风电预测偏［18］差等不确定因素的基础上建立电网备用优化模型，以最小化旋转备用的成本为目标［19］、以系统的安全性要求为约束条件，构建确定系统所需的最优旋转备用容量的数学模型，并采用解析法和mento-carlo模拟法分别进行求解。

1 含风电系统的不确定模型分析

讨论备用优化中不确定性模型的建立，主要包括风速和风电功率出力的不确定性，机组强迫停运率和负荷波动，并计及其间差异。暂不考虑风电机组强迫停运及输电元件故障。

1.1 机组强迫停运率模型

对机组而言，机组强迫停运率表示为强迫停运小时与强迫停运小时和运行小时之和的比值。设机组运行状态为离散分布，且服从（0，1）分布，即机组只有两种状态，停运或按发电计划出力。

1.2 负荷的不确定模型

一般对电力系统相关研究时，负荷及其预测误差模型通常采用正态分布来描述。假设负荷预测误差为服从均值为0，标准差为σL的正态分布的随机变量，即它的概率密度函数为：

1.3 风速的概率模型

国内外的研究一般采用正态分布来表达风速的预测偏差的随机变量［20］。风速的预测偏差考虑为服从均值为0，标准差为σv的正态分布的随机变量，即。

1.4 风力发电机的概率模型

一般地，风电功率与风速之间的关系可以近似用下述分段函数来表达［22］：

式（4）中，a、b为曲线中三次函数段的系数；vi为切入风速；vr为额定风速；vo为切出风速；pr为单台风机的额定功率；pw为单台风机的功率。

图1中曲线为风机理想的风速-功率曲线，也为本文采用的风电处理模型。

图1 风机理想的风速-功率曲线Fig.1 Ideal curve of wind speed and power

2 风电不确定性的系统备用优化决策模型的建立

由于篇幅所限，可靠性模型的推导与建立未在文中详述，具体参见文献［23］，由该文献中的解析法可得到失负荷概率和可靠性α之间的关系如下：

为协调经济性和可靠性，本文以最小化备用成本（包括备用获取成本和电量不足期望成本）为目标，以系统一定的可靠性水平（失负荷率）为约束条件，建立考虑电源不确定性的优化备用决策模型。

目标函数：

式（6）中，C（R）为系统备用的获取成本；Ecost（R）为电量不足期望成本。

在备用的日前决策中，通常根据区域系统的实际情况，按备用的平均获取成本计算备用的获取成本，以简化成本的计算。本文采用备用的平均获取成本来计算一定备用下的备用成本。因此，对于公式（6）目标函数中旋转备用获取成本可以表达为：

式（7）中，KR表示备用的平均获取成本，元/MW。

公式（6）目标函数的电量不足期望成本采用下式计算：式（8）中，VOLL为失负荷代价（value of lost load），元/ MW；EENS（R）为电量不足期望值（expected energy not supplied），其与系统提供的备用R有关。

电量不足期望值等于在某一系统旋转备用值下，发生各种可能的备用缺额与对应该备用缺额发生的概率乘积的和。其表达如下：式（9）中，floadshed（X）为备用缺额为X对应发生的概率，也即系统提供的备用为R时，备用缺额为X-R发生的概率。

由于解析法没有得到失负荷的概率密度函数，只得到失负荷的累积概率分布函数。故在某一系统备用水平下，发生一定备用缺额的概率需要使用相邻点相减的方法，才能得到。因为失负荷概率与备用的关系不能通过连续函数表达，需要选择一定的备用值步长，进行离散化处理。

综上所述，EENS（R）可用下面表达式表达：式（10）中，h为备用的步长；X的值的取值区间为［R，Rtop］，步长为h；Rtop为失负荷率为0时对应的备用，即当提供了足够多的备用Rtop使系统的失负荷率为0。

约束条件：

（1）可靠性约束

可靠性指标通过失负荷率表现，对于2种方法约束均可表现为：

对于mento-carlo模拟法，还可以用概率密度表示，但此法耗时，不建议采用，其表达式为：

α为选定的可靠性指标下限。显然，对应失负荷率上限为1-α。

（2）旋转备用约束

旋转备用容量需求计算结果不能超过系统所能提供的最大正旋转备用。最大旋转备用为系统中火电机组10 min内所能提供的备用容量和火电机组装机容量与总出力之差值的两者最小值。

3 算例结果与分析

本文以RTS96系统为例，该系统含有24节点26火力发电机组，并包含一个并网的风电场，包括100台风机。为简化计算，假设风电场各处风速均相同，不存在尾流效应等影响，且各个风机特性完全相同，即100台风机额定功率均为3 MW，此外，假设风力发电机组不提供旋转备用且不考虑其强迫停运的可能性。风电场的风速参数为：切入风速vi为4 m/s，额定风速vr为12.5 m/s，切出风速vo为20 m/s。系统旋转备用的平均获取成本为50元/MW·h，考虑电量不足期望的失负荷代价为300元/MW·h。风速和负荷的预测偏差均采用上节阐述的正态分布表示。

3.1 单一风速预测值下的备用确定

设预测风速为18 m/s，标准差为8%，负荷预测为2 800 MW，标准差为2%。系统可靠性指标下限为0.8。本文的优化模型求解采用matlab工具编程，其过程结果如下。

1）最佳运行点及系统所能提供备用的计算。在一定的风电功率及负荷预测值下，按发电成本最小化来计算常规机组的最佳运行点。由于单时段备用容量的确定，其最佳运行点的计算也是单时段的，不需要考虑多时段计算时的时间耦合及爬坡约束等。发电成本最小化由机组二次燃料费用特性决定，具体参见著作［24］。

由以上模型得到机组的最佳出力之后，将其用于计及机组强迫停运率的失负荷概率的计算中，从而用于可靠性指标的计算中。

2）解析法模型求解

可靠性指标：

失负荷概率随备用变化的表达式十分复杂，采用离散取点绘图得到曲线如2所示。

由图2，系统提供的备用越多，此时失负荷率越低。在备用为0时，系统的失负荷概率Ploadshed（0）＞0.7，这主要是由火电机组强迫停运率导致的。本文设失负荷率上限为1-0.8=0.2，计算得到可靠性指标要求R≥289.06 MW。

成本最优备用：

根据失负荷概率随备用的关系计算电量不足期望值随备用的关系，使用离散取点法，并采用多项式拟合，通过拟合得到的EENS（R）关系，代入备用优化模型的目标函数中，编辑算法即可得到考虑备用获取成本和负荷损失成本之和的备用成本最小。优化结果为R=297.10 MW，fmin=21 190元，用曲线表达为图3所示。

由模型优化结果可知，考虑经济性时备用设为297.10 MW时备用成本最小，大于可靠性为0.8时所需的289.06 MW备用。计算失负荷概率为0.192 8，即此时的系统可靠性指标为0.817 2。另一方面反映满足可靠性标准。综上所述，考虑经济性时可靠性标准和系统所能提供的选择备用容量条件均满足，故确定系统所需的旋转备用容量为297.10 MW。

3）mento-carlo模拟法求解模型结果

模拟法通过抽样得到系统的备用缺额，本文抽样10 000次，通过处理可以得到其累计概率分布曲线，当失负荷概率为0.2时，系统所需的备用为351 MW。即要保证可靠性下限为0.8的要求，系统至少要提供351 MW的备用。

通过统计可得到失负荷概率密度，并可用公式（9）得到EENS（R）。之后同解析法，对EENS（R）曲线进行拟合，再运用备用优化模型进行求解，可得到最终的优化结果。如图4所示。

综上所述，采用模拟法考虑经济性时可靠性标准和系统所能提供的选择备用容量条件均满足。故本法确定的优化旋转备用为380 MW。

3.2 多风速值点的备用需求

本节计算多风速预测值下所需的备用，以观察风速与备用之间的关系。风速间距取1 m/s，计算取值从v=1 m/s至22 m/s。其余参数固定不变，取值同3.1小节。

分别使用解析法和模拟法求解风速与可靠性备用和经济性备用之间的关系，分别如图5、图6所示。

解析法和模拟法的备用随风速的变化曲线规律较为相似。但两种方法的求解值的大小明显不同——模拟法计算的备用需求比解析法的大。主要原因是解析法忽略了两台及以上机组停运的概率，多台机组同时停运的概率虽小，但其对应的后果却十分严重，可能导致更严重的失负荷量，而模拟法只要保证一定的抽样次数，一般能考虑到这一点。此外，解析法中考虑的其他简化用法也会导致忽略了一些失负荷的可能性。综合这些因素，导致了解析法所计算的备用需求比模拟法要小。

图6 模拟法-可靠性备用与经济性备用曲线Fig.6 Simulation method：curve of reliable standby cost and economical standby cost

3.3 预测偏差对系统备用影响

考察对于不同风速预测偏差对系统所需备用的影响，此处取负荷Pd，风机台数Nw均为定值。

由图7，对于不同的风速预测偏差，系统在不同风速值时所需的备用分布规律明显不同。

图7 Pd=2 800，Nw=100，不同偏差下可靠性备用需求曲线Fig.7 Comparison of probability curve of reliable standby demand under different errors when Pd=2 800，Nw=100

3.4 渗透功率对所需备用影响

当风电渗透功率达到一定时，由于风电较大的随机不确定性，将可能超过系统所能提供的备用。本文对风电功率计算进行了简化，每台风机特性出力相同，故此处的渗透功率通过改变风机台数来表现。

由图8，在风速接近切出风速附近时，渗透功率对备用的影响十分明显，增加量近似为风机台数差所对应的额定功率。在风速接近切出风速时，突出的备用峰值可能导致系统所能提供的备用不足这一问题，需要考虑最小的弃风使系统的备用能够满足可靠性的需要，即保证最大的风电利用率，得到风电的最大渗透功率。

图8 Pd=2 600，偏差8%，风机台数对可靠性备用需求影响曲线Fig.8 Curve of the effect of the number of wind turbines on reliable standby demand when Error=8%，Pd=2 600

鉴于上节算例中，系统可以提供400 MW左右的备用，又由图8可知只有在风速接近切出时，所需求的备用才达到这一值，故仅考虑在v=18，19和20 m/s时是否需要弃风，如果弃风，计算此时系统风电的最大利用率和渗透功率。

图9反映了当风速为v=19，20 m/s时，系统所能提供的备用仅能保证116和129台风机的并网运行，其对应的利用率为58%和64.5%，渗透功率为12.43%和13.82%。当风速为18 m/s时，风电利用率为100%，当风电场200台机组全部投入运行时渗透功率为21.43%。

图9 Pd=2 800，8%预测偏差系统所提供备用容量上限对风电渗透功率的制约曲线Fig.9 Constraint curve of the upper limit of spare capacity provided by 8%prediction error，Pd=2 800 on the wind power penetration power

4 结语

本文分别通过解析法和模拟法求解得到了系统的可靠性模型，并基于其求解备用优化值，其结果显示考虑经济性的备用优化值均满足可靠性约束和系统所能提供的最大旋转备用约束，且反映了相同的备用需求随风速变化的趋势，并比较得出因为模拟法通过抽样充分考虑了系统可能的各种运行状态，得到的备用结果值比解析法要大。在此基础之上，分析了不同可靠性指标即不同负荷对备用的影响。更着重进行了风电接入对系统的影响分析。分析了风速预测偏差，风电渗透功率对系统所需旋转备用的影响。

［1］李锋，陆一川.大规模风力发电对电力系统的影响［J］.中国电力，2006，39（11）：80-84.

LI Feng，LU Yichuan.Study in impacts of large-scaled wind farms on stability of electric power system［J］.Electric Power，2006，39（11）：80-84（in Chinese）.

［2］鲍爱霞.大规模风电场容量可信度的分析及对华东电网备用的影响［J］.中国电机工程学报，2009，29（1）：34-38.

BAO Aixia.Analysis and research for capacity credit of large scale wind farms and influence on reserve capacity of east China electric power grid［J］.Proceedings of the CSEE，2009，29（1）：34-38（in Chinese）.

［3］葛炬，王飞，张粒子.含风电场电力系统旋转备用获取模型［J］.电力系统自动化，2010，34（6）：32-36.

GE Ju，WANG Fei，ZHANG Lizi.Spinning reserve model in the wind power integrated power system［J］.Automation of ElectriicPowerSystems，2010，34（6）：32-36（in Chinese）.

［4］田春筝，李琼林，宋晓凯.风电场建模及其对接入电网稳定性的影响分析［J］.电力系统保护与控制，2009，37（10）：46-51.

TIAN Chunzheng，LI Qionglin，SONG Xiaokai.Themodel and analysis of stability for the power systemconsidering the integration of the wind farms［J］.Power System Protection and Control，2009，37（10）：46-51（in Chinese）.

［5］王卿然，谢国辉，张粒子.含风电系统的发用电一体化调度模型［J］.电力系统自动化，2011，35（5）：15-18.

WANG Qingran，XIE Guohui，ZHANG Lizi.An integrated generation-consumption dispatch model with wind power［J］. Automation of Electriic Power Systems，2011，35（5）：15-18（in Chinese）.

［6］任博强，彭鸣鸿，蒋传文，等.计及风电成本的电力系统短期经济调度建模［J］.电力系统保护与控制，2010，38（7）：67-72.

REN Boqiang，PENG Minghong，JIANG Chuanwen，et al. Modeling and analysis of the stability for the powersystem considering the integration of the wind farms［J］.Power System Protection and Control，2010，38（7）：67-72（in Chinese）.

［7］曹磊.考虑风电并网的超短期负荷预测［D］.河北：华北电力大学，2008.

［8］BLUDSZUWEIT H，DOMÍNGUEZ-NAVARRO J A，LLOMBART A.Statistical analysis of wind power forecast error［J］.Power Systems，IEEE Transactions on，2008，23（3）：983-991.

［9］罗文，王莉娜.风场短期风速预测研究［J］.电工技术学报，2011，26（7）：68-74.

LUO Wen，WANG Lina.Short-term wind speedforecasting for wind farm［J］.Transactions of China Electrotechnical Society，2011，26（7）：68-74（in Chinese）.

［10］苏鹏，刘天琪，李兴源.含风电的系统最优旋转备用的确定［J］.电网技术，2010，34（12）：158-162.

SU Peng，LIU Tianqi，LI Xingyuan.Determination of optimal spinning reserve of power grid containing wind［J］. Power System Technology，2010，34（12）：158-162（in Chinese）.

［11］ORTEGA-VAZQUEZ M A，KIRSCHEN D S.Optimizing the spinning reserve requirements using a cost/benefit analysis［J］.Power Systems，IEEE Transactions on，2007，22（1）：24-33.

［12］邹旭东，刘新民，段善旭，等.储能调相功率调制系统柔性功率调节器［J］.电工技术学报，2009，24（6）：146-153.

ZOU Xudong，LIU Xinmin，DUAN Shanxu，et al.Flexible power conditioner of energy storage powermodulation system［J］.Transactions of China Electrotechnical Society，2009，24（6）：146-153（in Chinese）.

［13］LEE T.Optimal spinning reserve for a wind-thermal power system using EIPSO［J］.Power Systems，IEEE Transactions on，2007，22（4）：1612-1621.

［14］颜巧燕，温步瀛，江岳文.风电并网后系统备用容量需求分析［J］.电力与电工，2009，29（2）：14-16.

YAN Qiaoyan，WEN Buying，JIANG Yuewen.Analysis for reserved capacity of system with wind power connecting into syatem［J］.Dianli Yu Diangong，2009，29（2）：14-16（in Chinese）.

［15］陈达威，朱桂萍.低压微电网中的功率传输特性［J］.电工技术学报，2010，25（7）：117-122.

CHEN Dawei，ZHU Guiping.Power transmissioncharacteristics of low voltage microgrids［J］.Transactions of China ElectrotechnicalSociety，2010，25（7）：117-122（inChinese）.

［16］王丽婕，廖晓钟，高阳.风电场发电功率的建模和预测研究综述［J］.电力系统保护与控制，2009，37（13）：118-121.

WANG Lijie，LIAO Xiaozhong，GAO Yang.Summarization of modeling and prediction of windpower generation［J］. Power System Protection and Control，2009，37（13）：118-121（in Chinese）.

［17］周玮，孙辉，顾宏，等.含风电场的电力系统经济调度研究综述［J］.电力系统保护与控制，2011，39（24）：148-154.

ZHOU Wei，SUN Hui，GU Hong，et al.A review oneconomic dispatch of power system including windfarms［J］. Power System Protection and Control，2011，39（24）：148-154（in Chinese）.

［18］谷兴凯，范高锋，王晓蓉，等.风电功率预测技术综述［J］.电网技术，2007，31（2）：335-338.

GU Xingkai，FAN Gaofeng，WANG Xiaorong，et al.Summarizationof wind power prediction technology［J］.Power System Technology，2007，31（2）：335-338（in Chinese）.［19］蒋小亮.风电并网对电力系统可靠性和备用影响研究［D］.上海：上海交通大学，2011.

［20］肖永山，王维庆，霍晓萍.基于神经网络的风电场风速时间序列预测研究［J］.节能技术，2007，25（2）：106-108.

XIAO Yongshan，WANG Weiqing，HUO Xiaoping.Study on the time-series wind speed forecasting of the wind farm based on neural networks［J］.Energy Conservation Technology，2007，25（2）：106-108（in Chinese）.

［21］杜颖.风电场风速及发电功率的概率预测研究［D］.重庆：重庆大学，2008.

［22］郭小燕.风电场风速预测模型的研究［D］.北京：华北电力大学，2008.

［23］王乐，余志伟，文福拴.基于机会约束规划的最优旋转备用容量确定［J］.电网技术，2006，30（20）：14-19.

WANG Le，YU Zhiwei，WEN Fushuan.A chance-constrained programming approach to determine requirement of optimal spinning reserve capacity［J］.Power System Technology，2006，30（20）：14-19（in Chinese）.

［24］刘韬文，李孝杰.考虑风力发电的电力系统经济调度［J］.继电器，2007，35（1）：276-279.

LIU Taowen，LI Xiaojie.Economic dispatch of power system incorporating wind power plant［J］.Relay，2007，35（1）：276-279（in Chinese）.

［25］黄雅莉，贺志峰.国外风电消纳的主要经验及借鉴［J］.陕西电力，2013（10）：19-24.

HUANG Yali，HE Zhifeng.Main experoence of wind power consumpution at abroad and its reference for China［J］.Shaanxi Electric Power，2013（10）：19-24（in Chinese）.

［26］陈亚军，朱皓.基于调峰能力的陕西电网接纳风电能力分析［J］.陕西电力，2011（12）：83-92.

CHEN Yajun，ZHU Hao.Analysis on capacity of wind power integration into Shaanxi power grid based on peak load regulation［J］.Shaanxi Electric Power，2011（12）：83-92（in Chinese）.

［27］王乃永，姚金雄，李冰寒，等.陕西电网“十二五”期间调峰能力研究［J］.陕西电力，2010（6）：14-18.

WANG Naiyong，YAO Jinxiong，LI Binghan，et al.Study on peak regulation capability during twelfth five-year plan in Shaanxi power network［J］.Shaanxi Electric Power，2010（6）：14-18（in Chinese）.

［28］李冰寒，孙自安.陕西电网调峰能力分析［J］.陕西电力，2009（2）：42-46.

LI Binghan，SUN Zian.Analysis on peak load modulation capability of Shaanxi power grid［J］.Shaanxi Electric Power，2009（2）：42-46（in Chinese）.

［29］李红蕾，戚伟，陈昌伟.智能电网模式下的配网调控一体化研究［J］.陕西电力，2010，38（5）：90-93.

LI Honglei，QI Wei，CHEN Changwei.Study on distribution network regulation&control integration under smart grid mode［J］.Shaanxi Electric Power，2010，38（5）：90-93（in Chinese）.

［30］陈达，张玮.风能利用和研究综述［J］.节能技术，2007（4）：339-343.

CHEN Da，ZHANG Wei.Exploitation and research on wind energy［J］.Energy Conservation Technology，2007（4）：339-343（in Chinese）.

［31］肖永山，王维庆，霍晓萍.基于神经网络的风电场风速时间序列预测研究［J］.节能技术，2007（2）：106-108.

XIAO Yongshan，WANG Weiqing，HUO Xiaoping.Study on the time-series wind speed forecasting of the wind farm based on neural networks［J］.Energy Conservation Technology，2007（2）：106-108（in Chinese）.

［32］张国伟，龚光彩，吴治.风能利用的现状及展望［J］.节能技术，2007（1）：71-76.

ZHANG Guowei，GONG Guangcai，WU Zhi.State of the art and prospects on wind energy［J］.Energy Conservation Technology，2007（1）：71-76（in Chinese）.

［33］王颖，魏云军.风电场风速及风功率预测方法研究综述［J］.陕西电力，2011（11）：18-21.

WANG Ying，WEI Yunjun.Overview in prediction methodsof wind speed and wind power［J］.Shaanxi Electric Power，2011（11）：18-21（in Chinese）.

［34］陈达，张玮.风能利用和研究综述［J］.节能技术，2007，25（4）：339-343.

CHEN Da，ZHANG Wei.Exploitation and research on wind energy［J］.Energy Conservation Technology，2007，25（4）：339-343（in Chinese）.

［35］谢胜利，谷海涛.风电系统中大功率逆变器及其相应调制策略分析［C］//第九届全国电技术节能学术会议论文集，2007.［36］张乐平，宋臻.抽水蓄能与风电互补的探讨［J］.西北水电，2007（1）：79-81.

ZHANG Leping，SONG Zhen.On complementation of pumped storage and wind power［J］.Northwest Water Power，2007（1）：79-81（in Chinese）.

（编辑 徐花荣）

Study of Optimized Backup Method for Power Grid Considering the Uncertainty of Wind Power

YIN Chao
（College of Energy and Electrical Engineering，Hohai University，Nanjing 210098，Jiangsu，China）

基于风电并网的国内外研究的基础上，主要进行了风电不确定性的电网备用优化决策方法研究。利用风电不确定性、机组强迫停运率和负荷波动三方面建立系统的不确定性模型。以最小化备用成本为目标，并分别以解析法和mentocarlo模拟法求解系统的可靠性指标作为约束条件，构建确定系统所需的最优旋转备用容量的数学模型。对接有风电场的IEEE RTS96系统仿真，反映了相同的备用需求随风速变化的趋势，并比较得出模拟法得到的备用结果比解析法大。在此基础上，该方法还可以对风速预测偏差，风电渗透功率对系统所需旋转备用的影响进行进一步分析。

风电并网；旋转备用；失负荷概率（LOLP）；电量不足期望值（EENS）；解析法

Based on studies on the wind power integrated grid at home and abroad，this paper focuses on the study of the optimized backup method for thepowergridconsidering uncertainty of wind power.Simulation based on uncertainty of wind power，rate of the forced unit outage and load fluctuation is considered.The mathematical model is built to quantify the best spinning reserve capacity as required with analytical method and Mento-Carlo simulation as restrains，aiming at minimizing the cost.The system simulation of the power grid connected wind forms by IEEE RTS96R indicates the change trend of the reserve demand with the change of wind speed and it also shows that the reserve result obtained with the simulation method is large than that obtained with the analytical method. Based on these results，this method can further analyze the deviation of the wind speed from the forecast and the influence of the wind power penetration on spinning reserve.

wind integrated grid；spinning reserve；loss of load possibility；expected energy not supplied；analytical method

1674-3814（2015）04-0106-07

TM614

A

2014-12-08。

殷超（1990—），男，硕士研究生，研究方向为电力系统安全稳定分析与控制。