Professional Documents
Culture Documents
3
2017 年 3 月 Power System Technology Mar. 2017
文章编号:1000-3673(2017)03-0823-08 中图分类号:TM 72 文献标志码:A 学科代码:470·40
基于马尔可夫链蒙特卡洛法的
独立风光柴储微网运行风险评估
陆丹,袁越,杨苏
(河海大学 能源与电气学院,江苏省 南京市 211100)
1
ABSTRACT: This paper presents a Markov Chain Monte 关键词:风险评估;风光柴储;独立微网;马尔可夫链蒙特
Carlo (MCMC) method assessing operation risk of islanded 卡洛法;可靠性模型
wind-PV-diesel-storage microgrid. Reliability models based on DOI:10.13335/j.1000-3673.pst.2016.1388
Markov state probability transition matrix are established for
wind and PV powers. The models also take randomness and
0 引言
continuity of wind and PV resource and temperature influence 独立风光柴储微网利用风、光资源的互补特
on PV output into consideration. Then, output of storage and 性,以柴油机为备用电源,有效提高可再生能源出
diesel are determined according to microgrid operation strategy.
力的稳定性,解决了偏远地区用户的供电问题[1]。
Finally, microgrid operation risk is assessed with MCMC
在微网内,由于风、光出力具有波动性和不确定性,
method with a set of risk assessment index system. Extensive
储能设备和柴油机供电存在约束,以及微网设备的
simulations are carried out on a European benchmark
microgrid. Microgrid operation risk is assessed form three 随机故障无法完全确定等问题,独立风光柴储微网
aspects, i.e. Markov chain state number, wind/PV capacity 运行存在一定的风险,对其进行风险评估是保障微
ratio and power generation/load capacity ratio. Case study 网安全稳定运行的一项基本任务,不仅可以防御各
results verify effectiveness of the proposed method, providing 种自然和人为灾害,也可对微网的发电容量充裕度
reference for planning, designing and operating of microgrid. 和运行经济性起到一定的调节作用[2]。
KEY WORDS: risk assessment; PV-wind-diesel-storage; 目前国内外对风光柴储微网的研究更多的集
islanded microgrid; Markov chain Monte Carlo; reliability 中在可靠性研究[3]上。文献[4-5]采用蒙特卡洛法结
model 合 well-being 理论,研究了光伏发电各因素以及风/
摘要:基于马尔可夫链蒙特卡洛法对独立风光柴储微网的运 光发电总量、风/光容量配比对风光柴储小型发电系
行风险水平进行了评估。基于马尔可夫状态概率转移矩阵建 统的可靠性和经济性的影响。文献[6]采用序贯蒙特
立了风电和光伏的发电可靠性模型,该模型综合考虑了风光 卡洛法对风光互补综合发电系统在夏冬季典型日
资源变化的随机性和连续性,以及温度对光伏出力的影响。
的可靠性水平进行了评估。文献[7]提出了新的调度
在此基础上,根据微网运行策略确立储能和柴油机的出力。
策略,采用序贯蒙特卡洛法对风光储联合发电系统
通过风险评估指标体系,采用马尔可夫链蒙特卡洛法评估微
网的运行风险。算例以欧洲典型微网为例,验证了马尔可夫
在并网运行时的可靠性水平进行了评估。文献[8]
链蒙特卡洛法的正确性和有效性,并从马尔可夫链状态数、 采用对发电和负荷分级模型的卷积求法,从发电和
风/光容量配比、发电/负荷比 3 个方面评估了对微网运行风 负荷 2 个角度对智能微网的可靠性水平进行了分
险的影响,算例结果可为微网系统的规划、设计和运行提供 析。风险评估是对事故发生概率和造成后果严重程
参考。 度的综合考量[2],
“风险”和“可靠性”存在若干相
通的含义,描述了同一事物的 2 个不同方面;但传
基金项目:国家自然科学基金资助项目(51477041)。
Project Supported by the National Natural Science Foundation of
统可靠性指标只能单一地体现事故发生的概率或
China (51477041). 者造成的后果,且较少考虑电源的损失情况。因此,
824 陆丹等:基于马尔可夫链蒙特卡洛法的独立风光柴储微网运行风险评估 Vol. 41 No. 3
的清晰度指数与波动特性间的相关性以及温度对 根据马尔可夫状态概率转移矩阵进行蒙特卡
光伏出力的影响。而后采用一套风险评估体系,从 洛抽样得到 t 时刻的风速 vt,则风电机组的出力
电源损失和负荷损失 2 个方面对独立微网的风险水 PW,t 为
平进行评估。最后,以欧洲典型风光柴储独立微网 0, vt vi , vt vo
为算例,对马尔可夫链状态数、风/光容量配比、发 P
PW,t 3 r 3 ( vt3 vi3 ), vi vt vr (4)
电/负荷比三者对微网运行风险水平的影响进行分
vr vi
析和比较,以验证所提方法的合理性和有效性,相 vr vt vo
Pr ,
关结论对独立风光柴储微网的规划、设计和运行提
式中:Pr 为风电机组额定功率;vi、vr、vo 分别为选
供参考。
定风机的切入风速、额定风速和切出风速。
1 独立风光柴储微网可靠性模型 1.2 光伏发电可靠性模型
太阳辐射强度对光伏出力起着决定性的作用。
1.1 风力发电可靠性模型
位于大气层上界的地外太阳辐照度[12]公式为
风能具有较大的随机性,风能大小直接影响了
I
风机的出力,因此可以根据风能大小对风机出力进 I o sc2 (5)
[11]
行多状态划分 。根据实测数据将风速值等步长划
式中: I sc 为太阳常数,取值为 1 3767 W/m2;ߩ为
分为 M 个状态,其马尔可夫状态概率转移矩阵
2πd n
Q为 日地距离修正系数, 1 / 2 1 0.033cos , dn
365
0 q1,2 q1,3 q1,4 ... q1,M 为一年内给定日期的顺序数。
q 0 q2,3 q2,4 ... q2, M
2,1 水平面上的太阳辐照度 Ic,t 计算公式为
q3,1 q3,2 0 q3,4 ... q3, M I c,t I o sin h ,t (6)
Q= (1)
q4,1 q4,2 q4,3 0 ... q4, M 式中 h ,t 为 t 时刻的太阳高度角,与纬度、赤纬角
... ... ... ... ... ... 和时角有关。
qM ,1 qM ,2 qM ,3 qM ,4 ... 0 由于云层和水汽等影响,太阳辐射在穿过地球
a ,b 大气时会有所衰减,这种现象可用清晰度指数来表
qa ,b M
(2)
示。晴天清晰度指数较高,多云时次之,阴雨天最
a ,b
b 1,b a 小。水平面上日辐射总量 H 与日理论辐射总量 Hc
式中: q a,b 为状态 a 转移至状态 b 的概率,且 之比即为日平均清晰度指数 kDCI,水平面上 t 时辐
M
qa ,b 1 ; a ,b 为状态 a 至状态 b 的转移率,转 照度 It 与该时刻理论辐照度 Ic,t 之比即为每小时清
b 1,b a 晰度指数 kt,具体公式为
移率取决于两状态之间的转移次数 Na,b 以及状态 a H I
k DCI ,kt t (7)
在进入状态 b 之前的持续时间 D a , b ,即 a ,b Hc I c,t
N a ,b / Da ,b ,其中 a=1,2,…, M,b=1,2,…, M,且 a≠b。 不同的天气状况下,太阳辐射强度的波动情况
将状态 a 所有可能的转移概率 qa,b 依次排列在 不同,本文以波动特性指数 VVI[13-14]为衡量指标。
第 41 卷 第 3 期 电 网 技 术 825
风险评估指标体系,评估独立微网的运行风险水平。 开始
负荷损失风险指标(load loss risk,LLR)描述发 设置微网模拟运行总时间Tmax,
电容量不足造成的切负荷情况,具体包括负荷损失 总模拟次数W,令j=1
PL_L,t
出力值PW,t 度计算光伏阵列出力值PV,t
t 1
SevLL Tmax
(21)
PL,t 计算负荷与风光出力的差值P1,t=PL,t
PW,tPV,t,储能电池放电功率Pbat,t,
t 1
以及负荷、风光储出力差值
P 2,t Pd,t , P 2,t Pd,t P2,t=P1,t+Pbat,t
PL_L,t (22)
0, P 2,t Pd,t 是 否
P1,t>0
式中:UL,t 为第 t 个时刻微网的负荷损失状态,当 t
否 是 柴油机不发电,
时微网切负荷,则 UL,t=1,否则 UL,t=0;Tmax 为微 P2,t>0 Pd,t=0
U P ,t 计算风险值LLR,PLR
t 1
PLP (24) 是
Tmax j<W j=j+1
Tmax 否
PP_L,t 求风险值LLR,PLR
t 1
SevPL T (25) 平均值
( PW,t PV,t )
max
t 1 结束
用户1
…
L1
L3 L2 用户2
储能 断路器 柴油发电机1
…
L4
用户3
L5
…
L6
用户4
风电机组
L7
…
柴油发电机2
图 4 风光柴储微网结构
Fig. 4 Structure of the wind-PV-diesel-storage microgrid
负荷功率/kW
图 8 全年温度曲线
Fig. 8 Annual temperature curve
3.1 模型状态数对风险水平的影响分析
图 5 全年负荷曲线
Fig. 5 Annual load curve 为研究风电和光伏可靠性模型状态数对微网
828 陆丹等:基于马尔可夫链蒙特卡洛法的独立风光柴储微网运行风险评估 Vol. 41 No. 3
0.2
模拟10 000次。 因此,本文将光伏模型状态数取为 49(N=7)。
0.0 3.2 风/光容量配比对风险水平的影响分析
1 2 3 4 5 6 7 8 9 10
风速划分状态 为研究风/光容量配比对微网风险水平的影响,
(b) 风速 本文将评估风光容量配比在 1/0 至 0/1 之间等步长
图 9 每小时清晰度指数和风速划分状态概率分布 变化时微网的风险水平。图 12、13 给出了 LLR 和
Fig. 9 Probabilities distribution for each state of kT and vt
PLR 值随风/光容量配比的变化情况。
风险水平的影响,以光伏为例,评估光伏模型在不 从图 12、13 可以看出,随着风力发电在风/光
同状态数情况下微网的风险水平。图 10、11 给出了 LLR 值先增大后降低,PLR
容量配比中的比重降低,
风光总容量为 350 kW(风电 200 kW、光伏 150 kW) 值先降低后略微增加。在风/光占比为 1/0 时,LLR
和 500 kW(风电 285 kW、光伏 215 kW)时,LLR 和 值最小。随着风光总发电量的增加,LLR 值的最高
[19]
PLR 随光伏状态数变化的情况,并将其与直接法 点和 PLR 值的最低点都略微向风电占比降低的方
模拟生成辐照度时的情况做了比较。 向移动。这是由风、光发电的自身特性、柴油机的
从图 11 可以看出,与直接法模拟相比,采用 运行约束以及本文所选微网的日负荷特性决定的。
MCMC 法进行风险评估得到的 LLR 值略大,而 PLR 在该微网中,日负荷曲线在每晚的 17:00—20:00 达
值较小。由于考虑了太阳辐照度的清晰度指数与波 到第 2 次用电高峰。而在该时段内由于没有光照,
动特性之间的相关性,以及日出日落的时间变化情 光伏面板没有出力,光伏发电无法满足负荷需求也
况,本文所建的光伏模型更符合实际的天气变化特 不存在弃光现象,由风力发电优先满足负荷需求。
性。同时,采用直接法进行风险评估的结果验证了 因此,风光总发电量一定时,风力发电容量比
3
LLR/10
图 12 LLR 值随风/光容量变化曲线
图 10 LLR 值随光伏模型状态数变化曲线 Fig. 12 Variation of LLR versus wind /solar capacity
Fig. 10 Variation of LLR versus PV state number allocation
PLR
PLR
图 13 PLR 值随风/光容量比变化曲线
图 11 PLR 值随光伏模型状态数变化曲线 Fig. 13 Variation of PLR versus wind/solar
Fig. 11 Variation of PLR versus PV state number capacity allocation
第 41 卷 第 3 期 电 网 技 术 829
参考文献
[1] 许志荣,杨苹,郑成立,等.孤岛型风柴储微电网运行情况分析
[J].电网技术,2016,40(7):1978-1984.
Xu Zhirong,Yang Ping,Zheng Chengli,et al. Operation analysis
图 15 PLR 值随发电/负荷比变化曲线 of isolated microgrid including wind turbine diesel generator and
Fig. 15 Variation of PLR versus power generation/load battery storage[J] . Power System Technology , 2016 , 40(7) :
capacity allocation 1978-1984(in Chinese).
830 陆丹等:基于马尔可夫链蒙特卡洛法的独立风光柴储微网运行风险评估 Vol. 41 No. 3