基于Well-being理论的微电网发电系统可靠性分析与研究

刘振笃 赫超 吴阳 郑兴龙

（甘肃省电力公司检修公司）

基于Well-being理论的微电网发电系统可靠性分析与研究

刘振笃 赫超 吴阳 郑兴龙

（甘肃省电力公司检修公司）

随着常规能源的日益枯竭和环境污染的日益严重，风能、太阳能和其他可再生能源发电技术受到越来越多的关注。由于风电和光伏发电具有一定的波动性与间歇性，含风电和光伏发电的微电网发电系统能否可靠供电至关重要。本文依据微电网发电系统确定性准则，基于Well-being理论的蒙特卡洛方法，计算得到系统的健康概率、边界概率和风险概率。将该方法应用到可靠性测试系统IEEE RTS中，通过在MATLAB中编程进行仿真计算，考虑不同的风电与光伏发电容量比例及总装机容量对系统可靠性的影响。评估结果可为微电网发电系统规划与设计提供参考。

微电网；Well-being理论；可靠性；风电；光伏；蒙特卡洛法

0 引言

传统火力发电所依赖的煤炭是不可再生能源，人们已经认识到不久的将来会出现严峻的能源危机，因此，基于风能、太阳能等可再生能源的分布式发电技术引起了世界各国的广泛关注。然而，目前直接由配电网实现大规模分布式电源的控制和调度存在许多问题，在这种背景下产生了微电网（Microgrid）技术。作为一种新式电网结构，微电网将各种储能设备、分布式电源和用户负荷组成一个整体，可在本地控制和管理分布式电源的运行中，保证微电网的供电质量，能够接纳大量既节能又环保的分布式电源，是解决能源危机的一种有效途径。

现在已经有一些学者在微电网发电系统的可靠性评估方面取得了成绩。文献［1-2］分析了不同的风电与光伏发电协同运行策略对系统充裕度的影响；文献［3］考察了采用不同调度策略时微电网发电系统的可靠性收益；文献［4］则分别采用解析法与Monte Carlo法对同时含有风电和光伏的微电网供电质量进行了研究；文献［5］评估了含有风电和光伏发电的供配电网可靠性；另外基于Wellbeing理论的可靠性分析也引起了广泛的关注。文献［6］基于Well-being模型对不同能源结构下的微电网可靠性进行了分析。

风能和太阳能资源的自身特性导致微电网发电系统具有一定的间歇性和不确定性，因此分析风电和光伏发电对系统可靠性的影响意义重大。本文将按照微电网发电系统确定性标准，基于Well-being理论的蒙特卡洛算法计算系统可靠性，研究分析微电网发电系统中风电与光伏发电容量比例对系统可靠性的影响，评估在不同风电与光伏发电总装机容量情况下系统的供电可靠性。

1 Well-being理论

Well-being理论是一种用于评估发电系统充裕度的指标方法，由加拿大皇家科学院士Roy Billinto教授首次提出。Well-being理论将发电系统运行状态分为三类，如图1所示，分别是健康状态、边界状态和风险状态。当改变发电系统的运行状况时，这三类状态之间会进行相互转化。当系统的发电容量不仅能满足所有负荷的需要，另外还有富余的备用容量时，系统处于健康状态；当系统的发电容量仅仅只能满足负荷需要，但没有充足的备用容量时，系统处于边界状态；当系统的发电总容量小于负荷需求量时，系统处于风险状态。

图1 健康模型

在Well-being模型中分别用P（H），P（M）与P（R）表示发电系统的健康概率、边界概率以及风险概率。其中P（R）与传统可靠性指标失负荷概率βLOLP含义相同。

健康状态概率P（H）、边界状态概率P（M）以及风险状态概率P（R）的计算公式如下

式中，N表示系统Monte Carlo法模拟过程的总年数；Hy表示Monte Carlo模拟每年的小时数，一般为8760；n（H），n（M）和n（R）分别表示系统健康状态小时数、边界状态小时数和风险状态小时数。

2 微电网发电系统可靠性模型

2.1 风电场模型

风电机组的输出功率与风力发电场的风况以及风机组的配置密切相关，因此风电场可靠性建模主要由两个步骤完成：在综合考虑时变性与随机性的基础上对风速进行模拟；根据机组性能参数计算确定风速下的风电机组功率输出。本文利用两态模型描述风电机组，分别为正常运行状态与故障状态，在风机正常运行的状态下其可用容量主要取决于风速，当风机发生故障时可用容量是零。

风电机组的持续工作时间t1与故障修复时间t2均服从指数分布，故障率λ和修复率μ一般为固定值。用下式对风电机组的持续工作和故障修复时间进行抽样

式中，R表示在区间［0，1］上的随机数并服从均匀分布。

风速（相当于风机机组动力）是随机变化的，会随地域、海拔等因素发生改变，由于风速的概率密度函数为正偏态分布，因此本文采用威布尔分布来描述风速v，其表达式为

式中，c表示尺度参数；k表示形状参数；γ表示在区间［0，1］上的随机数并服从均匀分布。。

风力发电机作为一种将风能转化为电能的能源变换系统，在风能确定的情况下，其功率输出主要取决于风机本身的结构参数。风电机组只有在风速高于切入风速vi时才开始运行；在风速小于额定风速vr时，其功率输出会随风速的增大而增加；当风速高于vr但还小于切出风速v0时，风机输出额定功率Pr并保持不变；而在风速大于v0后，风机发生跳机，输出功率为零。下式为风电机组的输出功率表达式

式中，vi，vr和v0分别表示风机的切入风速、额定风速和切出风速；Pr表示风机的额定功率。

通常情况下，由于一个风电场中的所有风力发电机为同一型号并且输入的风能大致相同，因此同一风电场内的风机输出功率近似相等。故由M台风机组成的风电场的总功率输出Pw为

式中，ai表示风机的运行状态。

2.2 光伏电站模型

光伏发电是将太阳能转化为电能的能源变换系统。影响光伏发电输出功率的关键因素是环境温度、太阳能辐照强度及光伏发电设备本身的能量转换特性。

光伏发电功率输出与入射太阳辐照度和光伏阵列的能量转换效率ηct密切相关，三者之间的关系如下式所示

式中，Iβt表示太阳辐射强度，SCA表示光伏电池的表面积。能量转换效率ηct不是固定不变的，它会随Iβt变化而改变，下式列出的分段函数近似表示二者之间的关系

式中，ηc表示太阳能电池在标准测试条件下的能量转换效率；Ik表示太阳辐射强度的阈值，一旦大于该值，光伏阵列的转换效率ηct基本保持不变，大小不再受到太阳能辐射强度影响，通常情况下，选取ηc的数值为150W/m2。环境温度会引起电池温度发生变化，另外，因为光伏阵列只能将部分入射的光照能量转化为电能，而吸收部分能量导致电池温度升高。电池温度的表达式为

式中，Tct表示电池时刻t时的温度；TAt表示环境温度；TNOCT表示电池额定运行状态下的温度。反过来，电池开路电压和短路电流会随电池温度的变化而发生改变，从而导致电池的最大功率运行点发生偏移

式中，TSTC表示电池在标准测试条件下的温度，通常取25℃；Pmt表示电池时刻t的最大输出功率；Cmp表示电池的功率温度系数。

3 算例分析

本节以可靠性测试系统IEEE-RBTS作为算例系统，系统装机总容量为240MW，每一年的峰值负荷为185MW。风力机组装机总容量为10MW，其中每一台风力发电机组的额定容量为1MW，启动、额定及切出风速分别为3.33m/s、10.56m/s及22.22m/s，风力发电机组强迫停运率为4%。光伏发电装机总容量为 10MW，电池总数为315×103个，光伏发电强迫为3%。本文采取的微电网发电系统可靠性评估方法流程如图2所示。

由于微电网中的风力和光伏发电会受到风速、太阳能辐射量等因素的影响，从而呈现波动性和不确定性，当改变风力与光伏发电的容量配置时，系统的可靠性也将发生改变。本文将分析风力与光伏发电的容量配置对微电网发电系统可靠性的影响，研究不同风/光发电容量比例、风/光发电装机容量系统可靠性的变化。

取风/光发电装机容量比例为“1∶0”、“5∶1”、“3∶2”、“1∶1”、“2∶3”、“1∶5”和“0∶1”，分别计算这七种情况下的系统可靠性指标，包括健康概率P（H）、边界概率P（M）和风险概率P（R），评估结果如下表所示。

图2 微电网发电系统可靠性评估流程图

表 可靠性指标结果

由上表可知，同时含有风电和光电的微电网发电系统可靠性比仅含有风电或光伏发电时要高，这是因为风/光互补发电系统能够在一定程度上抵消单独的风电或光伏发电带给系统的不确定性和波动性，从而使系统的供电质量得到提高。因此，按照一定的比例配置风电和光伏发电的容量，将有利于提高微电网发电系统的可靠性。从计算结果可以看到，风电与光伏发电的容量比例为3∶2时系统的P（R）最小，系统供电可靠性最高；风电与光伏发电的容量比例为5∶1时系统的P（H）值最高，系统充裕度最佳。上述结果表明，风力发电的效率比光伏发电要高，当风能与光能资源确定的情况下，微电网发电系统中风力发电所占比例较高时系统的供电可靠性更佳。

为了研究微电网中分布式电源（包括风力发电和光伏发电）装机容量对系统可靠性的影响，取风电和光伏发电的总装机容量从60MW到200MW等步长增加，基于不同风电与光伏发电容量情况下，分别评估系统可靠性，计算结果如图3～图5所示。

图3 风/光发电装机容量对健康概率的影响

图4 风/光发电装机容量对边界概率的影响

图5 风/光发电装机容量对风险概率的影响

由图3～图5可知，随着风力与光伏发电装机容量的逐渐增加，微电网发电系统健康概率P（H）开始不断变大，然后趋势逐渐变缓，边界概率P（M）和风险概率P（R）开始不断变小，然后趋势变缓，因此，微电网发电系统可靠性先不断增强，后逐渐平缓。并且从图中可以看出，风力发电与光伏发电的容量比例不同，微电网发电系统可靠性的变化情况也略有差异。综上所述，当风能与光能资源确定的情况下，适当增大微电网中风力与光伏发电的装机容量，有利于提高微电网发电系统的可靠性，当装机容量增加到一定值后，其对系统可靠性的影响非常微弱。

4 结束语

本文基于Well-being理论的蒙特卡洛方法，以可靠性测试系统IEEE RTS作为算例，通过在MATLAB编程计算系统的可靠性指标，仿真结果表明：同时含有风电和光电的微电网发电系统可靠性比仅含有风电或光伏发电时要高，风力发电的效率比光伏发电要高，当风能与光能资源确定的情况下，微电网发电系统中风力发电所占比例较高时系统的供电可靠性更佳。当风能与光能资源确定的情况下，适当增大微电网中风力与光伏发电的装机容量，有利于提高微电网发电系统的可靠性，当装机容量增加到一定值后，其对系统可靠性的影响非常微弱。

［1］Karki R，Hu P，Billinton R.Reliability evaluation considering wind and hydro power coordination［J］.IEEE Trans. on Power Systems，2010，25（2）：685-693.

［2］Wangdee W，Li W Y，Billinton R.Coordinating wind and hydro generation to increase the effective load carrying capability［C］//2010 IEEE 11th International Conference on Probabilistic Methods Applied to Power Systems（PMAPS）.Singapore：IEEE，2010：337-342.

［3］Hu P，Karki R，Billinton R.Reliability evaluation of generating systems containing wind power and energy storage［J］.IET Generation， Transmission & Distribution，2009，3（8）：783-791.

［4］Tina G，Gagliano S，Raiti S.Hybrid solar/wind power system probabilistic modeling for long-term performance assessment［J］.Solar Energy，2006，80（5）：578-588.

［5］刘波.计及分布式电源的电力系统潮流及可靠性与稳定性研究［D］.上海：上海交通大学，2009.

［6］BAGEN B， BILLITON R. Incorporating well-being consideration in generating systems using energy storage ［J］. IEEE Trans on Energy Conversation， 2005， 20（1）： 225-230.

（2016-08-04）