: 基于时间分解模型的高比例风电接入电力系统不可靠性追踪

《CSEE Journal of Power and Energy Systems》:Unreliability Tracing of Power Systems with High Penetration of Wind Power Based on Temporal Decomposition Model

【字体: 大 中 小 】 时间:2026年08月27日 来源:CSEE Journal of Power and Energy Systems 5.6

编辑推荐:

  电力系统的不可靠性追踪模型通过量化各元件对系统可靠性的影响,将不可靠性责任分配给各元件。研究人员将不可靠性追踪的概念扩展至高比例风电接入的电力系统,以实现将负荷切除统一分配给常规发电机组和风电。首先,建立了一个负荷切除定量评估模型,该模型考虑了元件故障、风电波

  
电力系统的不可靠性追踪模型通过量化各元件对系统可靠性的影响,将不可靠性责任分配给各元件。研究人员将不可靠性追踪的概念扩展至高比例风电接入的电力系统,以实现将负荷切除统一分配给常规发电机组和风电。首先,建立了一个负荷切除定量评估模型,该模型考虑了元件故障、风电波动和间歇性等不可靠因素。然后,通过分解负荷切除公式,将某一时刻的负荷切除分解为由上一时刻之前发生的剩余不可靠因素引起的部分,以及由上一时刻至该时刻发生的不可靠因素引起的部分。接下来,针对负荷切除公式第二部分的参数,将导致这些参数值处于引发负荷切除区域的不可靠因素按时间顺序分解为两部分。负荷切除的第二部分也被分解为对应于所分解不可靠因素的两部分。根据不可靠因素的分解,提取了判断元件是否应承担责任的两个准则。最后,基于每个元件上述准则的假定基准值,将负荷切除的后两部分分配给各元件,并以递归方式分配第一部分负荷切除。包括改进的省级电力系统在内的多个系统被用于验证该模型的合理性和有效性。
电力系统识别薄弱元件有助于电力企业将有限的资源投入到最关键的元件中,从而指导系统规划与运行并最大化提升系统可靠性。目前已有风险源识别、灵敏度分析和不可靠性追踪等方法。其中,不可靠性追踪方法仅需一次可靠性评估计算即可将可靠性指标分配给各元件。然而,随着风电的大规模接入,由风电波动和间歇性引起的切负荷事件日益增多。现有追踪模型主要以火电机组故障为追责对象,依赖状态的离散性,无法描述风电出力在时间上的连续关联,且判断标准单一,难以实现对风电波动、间歇性以及火电机组故障的统一量化追踪。为此,研究人员开展了一项关于高比例风电接入电力系统不可靠性追踪模型的研究,提出基于时间分解模型的追踪方法。该研究通过两次分解切负荷,实现了切负荷在常规发电机组与风电之间的统一分配,有效识别了系统薄弱元件,对电力系统规划与运行具有重要指导意义。该论文已发表在《CSEE Journal of Power and Energy Systems》期刊上。

研究人员为开展此项研究采用了以下关键技术方法:首先,采用时间序列蒙特卡洛模拟方法获取系统元件状态序列与运行数据;其次,基于泰勒公式一阶展开构建负荷切除定量评估模型,将时序切负荷进行分解;再次,引入灵活爬坡供需平衡分析法,将风电波动与机组故障统一转化为爬坡容量不足问题进行量化;最后,构建基于比例分配原则的多因素责任分摊模型,设定元件的期望功率和期望爬坡基准值,计算功率缺额与爬坡缺额以确定最终责任分配比例。

研究人员开展的具体研究内容与结果如下:

I. Introduction
研究人员指出,在电力系统中识别薄弱元件能最大化提高可靠性。现有不可靠性追踪方法虽能分配可靠性指标,但主要针对不含可再生能源的系统。随着高比例风电接入,引发切负荷的不可靠因素除常规机组故障外,还包括风电的波动和间歇性。由于这些因素类型和影响各异,现有模型无法实现统一分配,因此亟需开展适用于高比例风电系统的不可靠性追踪研究。

II. Introduction to Unreliability Tracing Model and Problems with Existing Models
现有追踪模型基于故障元件分摊原则和比例分摊原则,仅将处于“正常-故障”状态的故障元件视为责任方。由于风电出力的连续性与状态间的关联性,传统离散状态模型无法将风电波动归责;同时,风电因一次能源间歇性导致出力过低时也需担责,但传统判断准则无法统一衡量风电与火电的责任。为此,研究人员提出需修改可靠性评估流程中的状态分析步骤,考虑所有不可靠因素并进行双重分解。

III. Decomposition of Load Shedding
研究人员建立了考虑元件故障、风电波动和间歇性的定量评估模型。通过分解切负荷公式,将某时刻的切负荷(Et)分解为上一时刻之前发生的不可靠因素引起的部分(E1t),以及上一时刻至该时刻发生的不可靠因素引起的部分。进一步将第二部分分解为对应于不可靠因素的另外两部分(E2t和E3t)。据此提取了判断元件是否承担责任的两个准则:各元件在t-1时刻实际功率输出(Pkt-1)和各元件在(t-1, t)期间实际爬坡输出(Rkt)。

IV. Analysis of Unreliability Responsibility for Power System with High Penetration of Wind Power
研究人员假设风电与火电提供同等服务时承担同等责任,基于容量市场和爬坡市场设定了各元件的期望功率输出(Pk,Ht-1)和期望爬坡输出(Rk,Ht)基准值。通过计算实际值与期望值的差额(即期望功率缺额ΔPkt-1和期望爬坡缺额ΔRkt),建立了基于时间序列模型的不可靠性追踪分摊算法,最终推导出分配给各元件k的可靠性指标(IEDNS,k和IEENS,k)及其分配百分比。

V. Cases Study
A. A Simple System
研究人员通过包含3个火电机组和2个风电场的简单系统进行验证。结果表明,在火电与风电共同担责的场景,以及无火电故障仅有风电引发切负荷的场景下,本模型均能有效追踪并分配责任,克服了传统模型无法找到责任元件的缺陷。

B. Modified RBTS
基于改进的RBTS测试系统,研究人员对比了无风电和有风电的系统。在无风电系统中,与传统模型相比,本模型能更合理地将更大责任分配给额定爬坡率较大的机组,且改进薄弱元件后系统可靠性下降幅度更大。在有风电系统中,发现不同系统爬坡配置下风电承担的责任不同,且在风电场安装储能后系统可靠性提升程度与追踪得出的责任比例一致,验证了模型的合理性与有效性。

C. A Modified Provincial Power System
研究人员对中国某改进的省级电力系统进行了可靠性评估与分配。结果显示风电场承担了大部分责任,特别是风电场9和10。分析表明,这可能是由于装机容量大导致波动幅度大,且风电与负荷相关性较差。在相应风电场安装储能后,系统可靠性提升结论与追踪结论一致,证明该模型适用于实际大型电力系统。

研究结论部分指出,研究人员提出了一种针对高比例风电电力系统的不可靠性追踪模型。通过包括改进省级电力系统在内的多个系统进行案例研究,仿真结果表明:通过根据不可靠因素的发生时间对切负荷进行两次分解,所提出的追踪模型能够实现将切负荷向火电机组和风电的统一分配,综合考虑了火电机组故障、风电的波动性和间歇性。本文提出的追踪模型是合理且有效的,对识别出的薄弱元件应用相同的改进措施后,改进效果的排序与责任分配百分比的排序保持一致。在不含风电的电力系统中,与现有模型相比,所提出的模型能更准确地识别出薄弱元件。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号