使用交叉熵的电力系统发输电可靠性评估报告.docx

含多类型新能源发输电系统可靠性评估背景及分析发输电系统可靠性评估的基本目的就是对所谓的发电容量和主输电网的充裕度和安全度作评估其实质也就是在各种可能的系统状态下，进行发电系统和主输电网对各用户点提供合符质量要求的供电能力的综合性定量评价近年来对风能、太阳能等可再生能源的开发利用，成为可持续发展的能源战略决策之一风能与太阳能开发利用的巨大潜力推动着风电场和光伏电站的大规模建设但风能与太阳能的随机性和间断性特点，使得风电场和光伏电站对电力系统可靠性产生与常规能源不同的影响因此，研究风电场和光伏电站对电力系统可靠性的影响，对实际电力系统规划具有重要的理论指导意义和实际应用价值与传统电力系统相比，风电，光伏并网系统后大大增加了系统运行中的不确定性包含风电和光伏电站的发输电系统可靠性评估，关键在于如何建立风电场，光伏电站可靠性的模型风电场风速模型的准确建立,对风电场规划与运行有重要的指导意义同时也是研究含风电场的发输电系统风险评估的基础目前用于风电场风速随机模拟的方法很多,如图 1 所示同时图 2 对常用的两种方法进行了比较ARMA 时间序列模型对实测历史风速数据进行建模, 然后对风电场风速进行预测,不仅能反映风速序列的时序性和自相关性,还可以反映出风电场的未来风速分布特性。

因此本文采用 ARMA 时间序列模型来进行风速预测，得到风速后，代入风电功率输出模型，就能得到风电输出功率目前光辐射值预测研宄大多停留在短期预测方法,还不能满足电力系统中长期风险评估的要求常用的预测方法如图 3 所示其中 HOMER 软件为某地区光辐射值的获取提供了方便, 该软件由美国可再生能源实验室开发, 在离网分布式发电系统配置上有很强的优化功能图 1图 2在软件上通过输入指定地点的经度、纬度即可产生一年中该地点一年 8760 小时的光辐射值, 软件获取的光福射值能较为准确反映当地的实际情况然后通过光伏功率输出曲线求解光伏功率序列图 3发输电系统可靠性评估多采用蒙特卡洛模拟法Monte Carlo 模拟法是将系统中每个元件的概率参数在计算机上用相应的随机数表示，在计算机上模拟系统实际情况，按照对此模拟过程进行若干时间的观察，估算所要求的指标MC 模拟法一般有时序和非时序两种非时序蒙特卡洛法模拟系统状态，不考虑状态随时间的变化时序 MC 模拟法是基于抽样元件状态持续时间的概率分布在这种方法中，通过抽样，首先模拟按时间顺序的元件状态转移过程，然后合并形成了按时间顺序的系统状态转移过程由于风速和光照等具有随机性和随时间连续变化的特点，采用时序蒙特卡罗仿真方法可较为方便地模拟含风电、光伏等新能源的组合系统在运行中的实际问题，重现实际系统运行情况，更好的分析系统可靠性指标。

故采用时序蒙特卡罗法，模拟确定包括各类发电机组、输电设备的系统时序状态即对系统元件进行随机抽样，得到系统各元件的运行状态和持续时间的基础上，在系统约束条件的前提下进行优化调度，模拟系统的时序状态，并计算系统可靠性指标MC 模拟法的主要不足在于计算时间与计算精度的相关性，也即是说为了获得精度较高的可靠性指标，往往需要很长的计算时间由蒙特卡洛法中的收敛判据知采样次数与方差成正比，因此要提高 MC 模拟法收敛速度，可以通过减小方差来实现随机变量一些特定的值对目标值的评估过程有着更加显著的作用，如果这些值能被尽可能多的采到，就能减小估计函数的方差也就是选择一个最优的概率密度函数进行采样，以达到减小采样方差的目的交叉熵法就是通过不断循环减小原始概率密度函数与最优概率密度函数之间的距离，从而得到最优概率密度函数或者一个靠近最优概率密度函数的函数在发输电系统可靠性评估中就是要找到一个系统元件概率参数的最优扭曲，使采样到重要失败事件的概率增加通过 MC 得到各元件的状态后，就可以通过最优切负荷潮流模型进行状态估计，并反复模拟，得到可靠性指标大体的流程图如图 4 所示图 4风电和光伏建模 风速预测及出力模型建立时间序列是指按时间顺序排列的随机数据,时间序列分析就是估算和预测某一时间序列在长期变化过程中存在的统计规律性,如长期变动的趋势、季节性变化规律、周期规律,以此预测今后的发展和变化。

风电场每小时风速属于时间序列,风速序列具有时序性和自相关性的特点, 同时风速序列的数据大小和顺序表现了风速变化的动态过程,可以从时间序列的过去值及现在值采用 ARMA 模型来预测未来风速值为了保证计算的精度,减少舍入的误差,降低白噪声干扰, 须对风电场原始风速序列进行标准化处理，根据标准化处理后的风速时间序列建立自回归滑动平均模型 ARMA(n,m)，最后将标准化处理后的风速时间序列还原成预测风速时间序列选定模型后, 需要进行模型参数估计和模型定阶:确定适当模型阶数,并计算该阶模型的具体参数,最后应用该模型进行风电场风速预测预测出全年风速后，代入下式，得到全年风电出力数据光伏出力预测模型HOMER 软件能方便地产生产生该地点一年 8760 小时的光辐射值，然后通过光伏功率输出曲线求解光伏功率序列，光伏功率输出曲线如图 5 所示图 5过实验分析得出上述模型的通用数学表达式如下：式中 Rr 为光伏发电达到额定功率时的光福射值，正常天气条件下其值设为 1000(W/m2)，通常情况下，Rc 值设为 150(W/m2)系统元件及负荷停运模型风电机组结构相对简单，计划检修时间短，而且计划检修可以安排在低风速时进行，因此，在风险评估时可以不考虑计划检修。

通常情况下，风电机组采用两状态模型，即正常状态和故障状态，图 6 为其状态转移图图 6通常情况下,认为风机正常运行持续时间和修复时间都服从指数分布,风机的停运模型用正常持续时间和故障修复时间描述根据产生指数分布随机数的方法，风机正常运行持续时间和修复时间的计算公式如下:以上分析对光伏模型同样适用常规发电机组的运行状态十分复杂，除了正常运行状态和故障停运状态以外，还有局部出力、临时检修、计划检修等运行状态本文中常规发电机模型同样采用的两状态模型，即正常运行状态和故障运行状态，而不考虑发电机其他状态采用序贯蒙特卡罗法评估系统风险水平时,宜采用相应的时序负荷模型来模拟系统各个时刻负荷值,从而使仿真过程更接近实际情况考虑所有因素的时序负荷模型在实际计算较难实现, 故可以采用实用模型来仿真负荷时序:采用每小时负荷与年峰值负荷之间的比值来表示仿真时刻的负荷期望值基于交叉熵的时序 MC 模拟法交叉熵法是一种处理稀有事件仿真的有效方法，其基本思想是通过样本学习的方式最小化两个概率密度函数的 Kullback-Leibler 距离从而找到零方差概率密度函数的逼近函数，利用该逼近函数进行采样即可达到样本方差减小的目的。

基于交叉熵的时序 MC 模拟法的基本流程如图 7 所示图 7交叉熵优化流程如下：接下来是序贯 MC 仿真流程最优切负荷模型系统中发电机或线路故障引起潮流发生变化时，可能存路过载、系统供电不足等问题，需要采取补救措施调整系统运行状态，以保证系统安全稳定运行，例如调节发电机出力若采取调整措施后，系统仍无法满足正常运行条件，则需要进行一定程度的负荷削减基于时序蒙特卡洛方法的发输电风险评估需要计算大量系统状态的潮流，为了减少仿真计算时间，常常使用基于直流潮流的最优切负荷模型，该模型能够满足运行和规划精度要求，目标函数为求取满足功率平衡、直流潮流方程、以及线路潮流和发电机出力约束的最小切负荷量在分析计算时，必须首先确定系统是否有解列；如有解列，又必须确定系统中哪些节点和线路属于同一个分块子系统；经过这样的判断后才能形成各分块子系统的拓扑结构，进而确定子系统的导纳矩阵和节点注入功率，最后进行潮流计算在计算故障潮流后，便可以进行节点电压和线路容量约束的判断，并选择合理的负荷削减方式，进而形成可靠性指标当采用直流模型，且不考虑电压约束后，最优负荷削减实际就成为一个线性规划问题具体模型如下该最优解即为满足有功功率平衡，线性潮流关系，线路有功约束和节点注入功率约束条件下的最小负荷削减量。

算例分析选用 IEEE—RTS79 系统系统共包含 32 台不同容量的常规发电机、24 条母线节点，以及 38 条传输线路原系统总装机容量为 3405MW，年峰值负荷为 2850MW，系统的接线如图 8 所示图 8在节点 22，由 200MW 风电和 100MW 光伏发电的风光储发电系统代替 300MW 常规机组风能和太阳能具有较强的互补特性,风光互补系统能够有效抑制发电输出功率波动另外,在风电场和光伏电站配置动态响应特性良好、寿命长、可靠性高的大规模电池储能技术,能有效解决风力、太阳能等发电方式预测、调度和控制上的技术瓶颈,其中储能技术起到平缓风电波动、矫正风功率预测偏差、削峰填谷等作用我国己在风光储输联合发电领域取得重大技术突破集风电、光伏发电、储能、智能输电于一体的新能源综合利用平台国家风光储输示范工程于 2011 年 12 月在河北省张北县建成投产,该工程首次将储能概念引入风能和太阳能发电,解决了风电和光电大规模并网存在的技术瓶颈随着新能源并网规模的不断增大,新能源接入后对原发输电系统带来一系列影响, 甚至威胁到电网的安全稳定运行因此,充分准确评估风光储联合系统对发输电风险水平的影响,是很有必要的,为电力系统规划和调度人员提供参考依据。