含風光儲的微網對配電網可靠性的影響

潘 歡，羅滇生，張慶海，王和先，劉安華

(1.湖南大學電氣與信息工程學院，湖南長沙410082；2.國網山東省電力公司聊城供電公司，山東聊城252000)

含風光儲的微網對配電網可靠性的影響

潘 歡1，羅滇生1，張慶海2，王和先2，劉安華2

(1.湖南大學電氣與信息工程學院，湖南長沙410082；2.國網山東省電力公司聊城供電公司，山東聊城252000)

針對風力、光伏發電輸出功率隨機特性，計及儲能與系統協調運行策略，建立含風光儲的微網可靠性評估模型。配電網故障后，微網孤島運行，考慮微網內電力功率是否平衡，并在發電不足時切負荷；微網非電源元件故障，闡述故障模式與后果分析(FMEA)過程，在此基礎上，給出了模型的序貫蒙特卡洛評估流程。算例仿真結果表明，含風光儲的微網能有效提高配電網可靠性水平，微網的接入位置、協調運行策略、容量配置和成本效益對配電網的可靠性產生很大影響。

風電；光伏；儲能；微網；蒙特卡洛；可靠性評估

由于環境約束、能源危機以及用戶本身用電需求，越來越多的分布式電源(如風能、太陽能)接入配電系統中，分布式發電技術持續快速發展。其中，微網是發揮分布式電源(DG)優勢的關鍵技術[1]。

微網的接入，使傳統的單電源輻射狀配電系統變成了一個含多電源和負荷的新型配電系統，對配電系統的運行和控制產生重要的影響[2]，其中供電可靠性是一個重要方面，有必要對其進行分析和評估。文獻[3]建立風機、光伏、蓄電池的模型，提出一種含風光蓄的配電系統準序貫蒙特卡洛模擬法，定量評估其對配電系統可靠性的影響。文獻[4]根據配電網中負荷的重要程度，以等值有效最大負荷為目標函數，建立配電網孤島劃分的模型，但孤島運行削減負荷策略未涉及。文獻[5]建立了分布式能源和儲能聯合運行的模型，利用蒙特卡羅模擬法分析含微網配電系統的可靠性，但是未考慮儲能不同運行策略的影響，且并未真正形成微網。

目前，微網作為一個整體接入配電系統后的可靠性評估還不多見。針對上述研究的不足，本文根據風力、光伏發電的輸出功率隨機特性，考慮儲能與系統協調運行策略，建立了微網的可靠性模型；從外部配電網和微網兩方面進行故障分析，給出蒙特卡洛評估流程；最后通過IEEE RBTS BUS6改進算例的仿真，分析含風光儲的微網對配電網可靠性的影響。

1 微網可靠性模型

1.1 風力發電機模型

根據統計規律，威布爾分布是目前應用廣泛、形式簡單且與風速較好擬合的概率模型[6]，其概率密度函數為：

風力發電機的輸出功率隨風速變化而變化，其數學表達式可近似表示為：

1.2 光伏發電系統模型

據統計規律，在較短時間段內，太陽光輻射強度可近似服從Beta分布，其概率密度函數[7]為：

1.3 儲能裝置模型

本文擬采用電池儲能技術，建立儲能充放電模型。根據運行策略及風機、光伏時序輸出功率確定功率差值，同時考慮儲能充放電特性由功率差值確定儲能充放電狀態。

負荷優先由DG供應，當DG輸出功率大于負荷需求時，富余的能量儲存在儲能裝置，儲能裝置處于充電狀態，達到最大容量停止；當DG輸出功率小于負荷需求時，缺少的能量由儲能裝置提供，儲能裝置處于放電狀態，至最小容量停止[2]。

儲能第 小時充電功率為[8]：

儲能狀態時間序列為：

同時儲能在工作時需滿足以下條件：

1.4 元件停運模型及負荷模型

元件的兩狀態模型可表示如下：

對于負荷，考慮時變性，采用文獻[3]中的時序負荷模型，可準確地模擬各時刻的負荷。

1.5 微網可靠性模型

本文在微網的基礎結構上進行簡化，微網系統模型如圖1所示。

圖1 微網模型

2 可靠性評估

2.1 故障模式與后果分析

配電系統的可靠性評估是以故障模式與后果分析(FMEA)為基礎，通過建立系統各元件的狀態變化的馬爾可夫模型，根據系統拓撲關系進行故障分析，進而計算可靠性指標。FMEA法以元件故障為出發點，分析了系統中受故障影響所有負荷點的情況。本文FMEA過程采用直接搜索法，配電系統饋線區分類可參見文獻[3]。

2.2 孤島劃分及切負荷

配電系統故障后，孤島劃分的數學模型可表示為[6]：

微網孤島運行時，電力功率要基本平衡。當出現發電不足時需要切負荷，滿足如下條件：

2.3 序貫蒙特卡洛仿真

采用序貫蒙特卡洛模擬法對微網可靠性進行評估，算法流程如圖2所示。

模擬流程：

(1)輸入原始數據，初始模擬時鐘為0，所有元件開始均處于正常運行狀態。

(2)模擬DG的時序功率及非電源元件的運行。

i.通過威布爾分布對原始風速數據進行擬合，產生相應的威布爾隨機數，由式(2)計算風力發電機正常工作時的輸出功率。

ii.通過太陽光輻射強度數據由式(4)計算光伏發電正常工作時的輸出功率。

iii.產生0～1之間的隨機數，采用式(9)、式(10)得到所有元件的并進行序貫抽樣，形成DG運行-停運時間序列，得到DG的時序輸出功率。

圖2 算法流程

(3)由式(5)～式(8)得到儲能的時序充電功率，進而得到微電網的時序輸出功率。

(4)對系統非電源元件進行隨機抽樣，采用式(9)得到TTF并找出最小的正常工作時間TTFmin的元件，將模擬時鐘推進到TTFmin。對該元件產生一個隨機數，采用式(10)求出該元件的TTR；同時產生故障隔離時間RT。

(7)根據FMEA表，查找該元件故障所對應負荷點停電類型，形成負荷點的可靠性指標。

(8)如果模擬時鐘小于評估精度要求所需時間長度，返回執行第4步；否則，模擬結束，統計各個負荷點的停電時間、停電次數等可靠性指標，進而計算系統可靠性指標。

3 算例與分析

本文以IEEE RBTS BUS6配電系統中的多條主饋線為基礎，改動后的接線如圖3所示。該系統包括30條線路、23個熔斷器、23個負荷點(配變)以及若干個開關。母線、配變和開關100%可靠。元件的可靠性參數及負荷參數參見文獻[9]。微網切換成功概率為0.9。

微網內包含若干風機、光伏和儲能。風機主要數據和參數見表1。光伏單個組件面積為2.16 m2，光電轉換效率為13.44%，太陽輻射強度數據由HOMER軟件產生。

圖3 測試系統

表1 風機參數

3.1 微網位置的影響

在負荷8、9、10處構建微網1，在負荷19、20、21、22、23處構建微網2。兩種方案均含相同的風光儲，風力發電機、光伏、儲能額定功率均為0.75 MW，儲能量是3 MWh。

對比表2中微網接入前后的數據，接入后配電網可靠性指標有很大的提高，可看到有微網條件下可靠性指標明顯優于沒有微網條件下的可靠性指標，說明微網接入可有效提高配電網的可靠性水平，且能降低因故障造成的用戶損失。

從表2中數據可看出，不接微網時，1處的可靠性優于2處的可靠性，但是1處接入微網后系統可靠性反而低于2處接入微網后系統可靠性。說明在原來系統可靠性水平差的負荷處接入微網更能提高系統的可靠性，提升效果更明顯。

表2 兩種方案的可靠性指標

3.2 微網配置容量的影響

構建微網，含風機、光伏、儲能，得到系統可靠性指標，如表3所示。

方案A：風機、光伏、儲能額定功率均為1 MW，儲能4 MWh；

方案B：風機、光伏、儲能額定功率均為1.5 MW，儲能5 MWh；

方案C：風機、光伏、儲能額定功率均為2 MW，儲能6 MWh；

方案D：風機、光伏、儲能額定功率均為2.5 MW，儲能8 MWh。

隨著微網容量的增加，系統可靠性不斷提高。在其容量增加的初始階段時，其對可靠性的提升效果明顯；當微網容量繼續增加到一定程度后，其對可靠性的提升效果越來越差直至趨于飽和。微網容量不是越大越好，應考慮對微網進行綜合評定。

表3 不同情形下系統可靠性指標

3.3 協調運行策略的影響

取不同組合(同3.2節)，采用以下策略分析其對系統可靠性的影響，不同策略下EENS的對比如圖4所示。

圖4 兩種策略下的EENS對比

策略1：負荷追隨策略，如文中所述。

由圖4可看出：2種運行策略都能提高系統可靠性水平。策略1的EENS一直低于策略2。策略1提高了DG的利用率，最大程度避免切負荷，可靠性較優，適合對DG沒有限制的系統。策略2以某一設定值進行充放電，有效減小了DG功率輸出的波動性，但負荷較高或DG功率不足時，系統可靠性較差。

3.4 微網成本效益影響

為了更好地評價可靠性收益和對微網進行綜合評定，以大型燃煤發電為參照，從微網整體角度出發，對微網在節能、供電、減少污染等方面的效益進行了綜合定量評估。

表4 不同方案下微網的η

對比表4中數據可看出，方案A的系統可靠性最差，η最小；方案B、C系統可靠性居中，η最大；方案D的系統可靠性最高，η卻居中。這就說明了即使在設備建設、運行上的費用高，但是能在節能減排和電力市場交易上獲得較高收益，η反而更優。該指標反映了微網綜合效益，是能夠影響微網對配電網可靠性的因素，也可為微網規劃設計提供參考。

4 結論

本文研究了風力、光伏發電輸出功率特性和儲能運行限制，考慮儲能與系統的協調運行策略，建立含風光儲的微網可靠性模型。外部配電網故障后，考慮孤島運行的微網內電力功率是否平衡，并在發電不足時切負荷；微網非電源元件故障，闡述FMEA過程。以此為基礎，給出相應的序貫蒙特卡洛評估算法。

評估結果表明微網能夠有效提高配電系統的可靠性，與可靠性較差的負荷組成微網對系統可靠性水平的貢獻更大。比較不同儲能策略對可靠性的影響，指出策略1更優。微網容量的提高可以提升系統的可靠性水平，但提高至一定值時趨于飽和。進一步分析了微網的成本效益指標對配電網可靠性的影響。

[1]陳璨,吳文傳,張伯明,等.基于多場景技術的有源配電網可靠性評估[J].中國電機工程學報,2012,32(34)：67-73.

[2]別朝紅,李更豐,王錫凡.含微網的新型配電系統可靠性評估綜述[J].電力自動化設備,2011,31(1):1-6.

[3]葛少云,王浩鳴,王源山,等.含分布式風光蓄的配電系統可靠性評估[J].電力系統自動化,2012,36(5):18-23.

[4]劉傳銓,張焰.計及分布式電源的配電網供電可靠性[J].電力系統自動化，2007，31(22)：46-49.

[5]梁惠施,程林,劉思革.基于蒙特卡羅模擬的含微網配電網可靠性評估[J].電網技術,2011,35(10):76-81

[6]王成山,鄭海峰,謝瑩華,等.計及分布式發電的配線系統隨機潮流計算[J].電力系統自動化，2005，29(24)：39-44．

[7]KARAKI S H,CHEDID R B,RAMADAN R.Probabilistic performance assessent of autonomous solar-wind energy conversion systems[J].IEEE Trans on Energy Conversion,1999,14(3):766-772.

[8]謝開貴,王岸,胡博.計及儲能設備運行策略的風/柴/儲混合系統可靠性評估[J].電力系統保護與控制,2012,40(9)：1-7.

[9]BILLINTON R,JONNAVITHULA S.A test system for teaching overall power system reliabiliab-ility assessment[J].IEEE Transactions on Power Systems,1996,11(4):1670-1676.

[10]康重慶,周天睿,陳啟鑫,等.電網低碳效益評估模型及其應用[J].電網技術,2009,33(17)：1-7.

Impact evaluation of wind-solar-storage complementary microgrid on reliability of distribution network

According to the stochastic characteristics of output power of wind power generation and solar photovoltaic generation, considering collaborative operating strategies of energy storage, the reliability model of microgrid containing wind power generation,solar photovoltaic generation and energy storage was built.When a fault occurred in distribution network,microgrid could operate in island mode.In the mode,the electric power balance of microgrid was considered and when the output power could not satisfy the load demand,a load-shedding strategy was used.As non-source components failed in the microgrid,the FMEA procedure was illustrated.On this basis,a reliability evaluation algorithm was proposed based on sequential Monte Carlo simulation.The evaluation results show that the location,capacity allocation,collaborative operating strategies and cost benefit of microgrid have a larger impact on the reliability of distribution network.

wind power;solar photovoltaic;energy storage;microgrid;Mote Carlo;reliability evaluation

TM 727

A

1002-087 X(2016)06-1265-04

2015-12-09

國家自然科學基金(51277057)

潘歡(1988—)，男，安徽省人，碩士，主要研究方向為分布式發電及微電網。