内蒙古电力技术  2019, Vol. 37 Issue (01): 35-40   PDF    
风光联合发电系统并网对锡林郭勒电网可靠性的影响
张安福     
锡林郭勒电业局, 内蒙古 锡林浩特 026000
摘要:介绍了序贯蒙特卡洛法及其评估指标,并以内蒙古锡林郭勒电网为例,通过序贯蒙特卡洛方法对并网的风光系统进行功率预测,并以系统缺电概率PLOLP和系统缺负荷期望值EEENS为指标,对锡林郭勒电网在不同容量、不同位置并入风光联合发电系统的工况进行可靠性评估,算例结果对内蒙古锡林郭勒实际风光系统并网具有指导意义。
关键词风光联合发电系统     并网     序贯蒙特卡洛方法     缺电概率     系统缺负荷期望值    
Impact on Xilingol Power Grid Reliability by Grid-Connection to Wind/Solar Hybrid Generation System
ZHANG Anfu     
Xilingol Electric Power Bureau, Xilinhot 026000, China
Abstract: The evaluation methods and evaluation indicators of sequential Monte Carlo method are introduced. Take Inner Mongolian Xilingol grid as an example, with power shortage probability PLOLP and system load expectations EEENS as index, according to the present situation of Xilingol grid, make an evaluation to the original Xilingol grid systems under different capacity and different position as wind/solar hybrid generation system put grid-connection to the power generation system, on power grid reliability. The numerical example results in Inner Mongolian Xilingol has guiding significance for grid-connection to wind/solar hybrid generation system.
Key words: wind/solar hybrid generation system     grid-connection     sequential Monte Carlo method     power shortage probability     system load expectations    
0 引言

随着国家能源战略的转型, 风能和太阳能因其清洁、可持续发展的特点, 被业内认为是最可能取代化石能源的2种新能源, 风能和太阳能的有效利用正受到国内外的广泛重视。风光联合发电系统在时间及空间上具有互补性, 在充裕性不足的地区, 一定渗透率范围内的风光联合发电系统对提高电力系统的可靠性具有积极效果。内蒙古锡林郭勒电网接入了大规模的风光新能源, 增加了电网的发电裕度, 但由于风光系统的随机性、间歇性等特点, 对内蒙古锡林郭勒电网产生了一定的冲击。本文以内蒙古锡林郭勒电网新能源接入为例, 对现有电网及新能源接入的现状进行分析, 并对新能源对系统造成的冲击进行评估, 针对评估结果, 对新能源的接入提出合理化建议, 为今后的新能源并网工程提供技术支撑。

1 风光系统对电力系统的影响因素及评估方法

从目前研究来看, 大规模风电光伏并网对电力系统的影响因素包括风电光伏的出力建模[1-4]、最优容量配置[5-9]和选址优化[10-17]等。其具体的影响指标一般包含可靠性[18-20]、经济性[21]、有功功率波动[5]、电能质量[23-26]等, 目前评估风光系统接入对电力系统的影响, 主要采用解析法和蒙特卡洛法2种。解析法是通过构建精确的数学模型, 对风光系统并网的可靠性进行评估, 其优点是较为准确, 缺点是只适用于小规模电网, 对于大型电力系统而言, 其计算量过大。蒙特卡洛法又称为统计试验法, 是通过系统抽样, 模拟实际电力系统运行, 可较为精确地模拟实际风机出力的随机性特点, 同时也可用于模拟太阳光照的间歇性特点, 是对风光系统出力随机性模拟较为合适的方法。蒙特卡洛法主要包括非序贯和序贯2种, 其差别在于前者不包含时间序列的变化, 后者包含了模拟状态的时间变化情况。2种算法各有优劣, 前者应用于各种不考虑时间因素的情况, 且这种模拟方法计算时间、模拟状态量和所需内存都比较少, 但是由于未考虑时间因素, 其应用范围受到一定的限制; 后者则在考虑时间因素的范畴内得到广泛应用, 但由于其模拟状态量非常庞大, 对计算时间、计算机内存的要求也较为严苛。本文采用序贯蒙特卡洛法对风光并网系统出力进行模拟。

2 序贯蒙特卡洛法简介

序贯蒙特卡洛法充分考虑设备的时间序列关系, 对各个设备的模拟顺序为初始状态"运行", 持续一段时间"故障", 然后修复一段时间又转为"运行"的状态, 如此循环往复, 通过在足够长的时间范围内模拟出完整的运行状态, 并认为该元件状态已处于与实际较为相符的情况, 将所有被评估的设备均按照此方法进行排列, 形成一个矩阵, 认为该系统内所有的元件均已接近真实的运行状态, 此时通过一定的数学方法进行分析和推演, 进而计算出每个状态的出现概率。

2.1 状态转移模型及相关公式

电力系统设备包含发电机、输电线路、变压器、母线、配电线路等, 为方便起见, 本文均采用状态可修复模型, 其电力系统元件状态转移模型见图 1

图 1 电力系统元件状态转移模型图

假设所有设备的运行时间和维修时间用T1T2表示, 则其与设备可修复率和故障率存在如下关系:

(1)
(2)

设备强迫停运率Pforce与其可修复率及故障率的关系为:

(3)

定义设备无故障工作时间为m、设备维修时间为r, 并认为设备的概率密度函数满足指数分布:

(4)
(5)

对式(4)和式(5)进行累积积分, 并进行反演变换, 则:

(6)
(7)

其中, ξ1ξ2分别为由计算随机产生的处于0与1之间的数值。

2.2 评估流程

基于序贯蒙特卡洛法的电力系统可靠性评估主要包含状态抽样、状态指标分析和指标计算分析等步骤, 具体流程如图 2所示。

图 2 序贯蒙特卡洛法可靠性评估流程图
2.3 可靠性评估指标

本文通过对内蒙古锡林郭勒电网进行状态模拟, 对该电网进行可靠性评估, 选取可代表电网的可靠性、坚强性的指标缺电概率PLOLP和缺负荷期望值EEENS:

(8)

式中T—总体采样时间;

M—被模拟系统的状态总数;

MLOLP (Si)—第i个系统状态的切负荷概率函数;

Si—第i个系统状态;

ti—第i个状态的持续时间。

定义系统有无切负荷状态, 其函数可表达为:

(9)

系统缺负荷期望值EEENS表示在模拟周期内, 系统由于故障、发电容量不足造成切负荷损失值的大小, 其计算公式可表达为:

(10)

其中, MEENS (Si)为第i个系统状态的切负荷函数, 其计算公式为:

(11)

其中, WEENSi为状态Si下系统有功切除值大小。

3 锡林郭勒电网网络结构分析

内蒙古锡林郭勒地区主要包含锡西、锡南和锡林3个供电区域, 其中锡西电网主要由500 kV汗海变电站、500 kV西苏变电站、220 kV东苏变电站、220 kV二连变电站、220 kV黄旗变电站、220 kV温都尔变电站供电, 锡西地区的输电线路主要以放射状和链式结构为主, 网架结构较为薄弱(若500 kV西苏变电站停运, 将导致220 kV二连变电站、220 kV东苏变电站、220 kV黄旗变电站失电, 可靠性不高); 锡南地区电网主电源为多伦电厂、网架结构由500 kV桑根达来变电站、220 kV明安图变电站、220 kV正蓝旗变电站、220 kV太旗变电站及220 kV滦河变电站供电, 锡南地区220 kV以上电压等级由500 kV汗海变电站和500 kV桑根达来变电站供电, 联络情况较好, 但220 kV变电站依然存在不满足N-2的情况, 供电可靠性依然不容乐观; 锡林地区主电源为锡林电厂, 网架结构由500 kV灰腾梁变电站、500 kV塔拉变电站、500 kV宝拉格变电站、220 kV阿旗变电站、220 kV锡南郊变电站、220 kV额尔敦变电站、220 kV东乌变电站、220 kV五间房变电站、220 kV九连变电站、220 kV高力罕变电站、220 kV巴彦乌拉变电站供电, 该区域目前也是锡林郭勒地区的主要负荷区域, 电源点较多, 但目前联络依然不紧密, 可靠性依然不高。

截至2016年, 锡林郭勒电网装机容量达1099 MW, 其中火力发电厂7座, 分别为锡林浩特第二热电厂(3×12 MW+2×25 MW)、东乌广厦电厂(2×15 MW)、锡林热电厂(2×300 MW)、査干淖尔碱矿电厂(21 MW)、大唐多伦自备电厂(2×100 MW+82 MW)、金源口电厂(1×50 MW)以及蒙东锗业科技有限公司锗热电(30 MW), 锡林郭勒地区负荷较小, 最大940 MW。但是由于联络性弱, 依然存在供电可靠性不高等问题, 因此投入风光联合发电系统弥补联络不足等问题至关重要, 锡林郭勒电网接线图如图 3所示。

图 3 锡林郭勒电网接线示意图
4 算例分析 4.1 原系统及接入新能源后系统的可靠性评估 4.1.1 原系统可靠性评估结果

采用序贯蒙特卡洛法对内蒙古锡林郭勒电网进行模拟, 取抽样最大年数为10 000, 共进行了5次抽样, 根据电力系统可靠性评估流程, 得出内蒙古锡林郭勒电网可靠性指标的评估结果, 见表 1所示。

表 1 内蒙古锡林郭勒电网可靠性评估结果

表 1可看出, 内蒙古锡林郭勒电网负荷有所波动, 但波动范围较小, 且在最大抽样年取10 000的情况下, 模拟的状态数已足够多, 因此可认为上述5组数据接近内蒙古锡林郭勒电网的实际可靠性评估结果。

4.1.2 接入新能源之后评估效果

采用序贯蒙特卡洛法模拟风力机组及光伏机组的出力大小。风力机组和光伏机组并入内蒙古锡林郭勒电网后, 对比风光联合发电系统对电力系统可靠性的影响, 表 2图 4为内蒙古锡林郭勒电网风光联合出力典型情况。

表 2 内蒙古锡林郭勒电网风光联合出力典型情况一览表

图 4 内蒙古锡林郭勒电网风光联合出力典型情况曲线图

表 2图 4可以看出, 风力发电机组和光伏机组均具有较强的波动性, 由于这2种能源具有一定的时间互补性, 2种能源以相应比例结合能够在一定范围内平抑这种波动性, 如光伏机组在08: 00-18:00才有功率输出, 而风力机组在这个时段出力相对较小, 但风力发电机组在光伏机组不输出功率的时段, 其输出功率相对较大, 弥补了光伏机组的出力间歇性的不足, 可减小对电网的冲击。

4.2 不同容量下系统的可靠性评估

在一个充裕性不是很好的电力系统中, 风机和光伏机组的投入运行, 相当于进一步增加了其装机容量, 此时电力系统即使发生多重故障, 也能通过风光联合发电系统接带部分负荷, 进一步减小停电损失。图 5为在锡林郭勒电网接入风光联合发电系统接线图, 采用序贯蒙特卡洛法模拟风电机组及光伏机组的出力大小, 对其可靠性进行评估, 表 3为锡林郭勒电网在不同风光系统容量下可靠性评估结果。

图 5 风光联合发电系统接入锡林郭勒电网(方案1)

表 3 不同容量风光联合发电系统接入锡林郭勒电网的可靠性评估结果

表 3可看出, 随着风光联合发电系统容量的进一步增大, 锡林郭勒电网缺电概率和缺负荷期望值均有所下降, 说明该风光联合发电系统对锡林郭勒电网的可靠性具有提升作用。因此, 锡林郭勒电网可加快部署风光联合发电系统, 进一步提升电网的供电可靠性。

4.3 不同投入位置系统的可靠性评估

在实际电力系统中, 各个供电区域的情况不同, 因此在不同位置接入相同容量的风光联合发电系统, 其对电力系统供电可靠性的影响并不完全相同, 本文结合内蒙古锡林郭勒电网实际情况提出了2种接入方案。

(1)  方案1:在锡西电网温都尔变电站、锡南电网明安图变电站和锡林电网灰腾梁变电站接入风光联合发电系统(见图 5);

(2)  方案2:在锡西电网温都尔变电站、锡林电网灰腾梁变电站、锡林电网宝拉格变电站接入风光联合发电系统(见图 6)。

图 6 风光联合发电系统接入锡林郭勒电网(方案2)

2种方案均取风机和光伏容量分别为125 MW和75 MW, 风光联合发电系统总装机容量200 MW。通过本文提出的公式(8)和(10)方法进行计算, 得出2种方案的可靠性评估结果, 如表 4所示。从表 4可以看出, 方案2较方案1效果明显, 其主要原因在于:方案1中锡林电网在这3个电网中负荷相对较大, 而锡南电网负荷较小, 其内有大容量的多伦电厂, 有较高的充裕性, 因此在锡南电网接入风光联合发电系统对电力系统的可靠性改善效果不明显; 而方案2中选择在宝拉格变电站并入风光联合发电系统, 宝拉格变电站处于锡林郭勒电网的终端, 在此处并入风光联合发电系统, 相当于增加了一个电源点, 减少了其故障情况下的失负荷量, 且锡林电网本身负荷较大, 在锡林电网并入风光联合发电系统, 其效果较在负荷较小的锡南地区并入风光联合发电系统效果更佳。

表 4 方案1和方案2接入锡林郭勒电网的可靠性评估结果
5 结语及建议

本文用序贯蒙特卡洛方法对锡林郭勒电网原系统及在不同容量、不同位置并入风光联合发电系统后的电网进行了可靠性评估, 但实际并网系统运行环境更为复杂, 本文考虑的因素还不够全面。针对本文的研究成果, 提出以下建议。

(1)  随着锡林郭勒电网新能源并入的增多, 对风力、光伏等机组的管理有待于进一步加强, 并将研究重点放在协调新能源发电与传统电源之间的关系上。

(2)  未来储能系统接入, 将对内蒙古锡林郭勒电网产生风光联合发电系统的平抑作用, 应作进一步的研究。

参考文献
[1]
Chou K C, Corotis R B. Simulation of hourly wind speed and array wind power[J]. Solar Energy, 1981, 26(3): 199-212. DOI:10.1016/0038-092X(81)90204-8
[2]
梁惠施, 程林, 刘思革. 基于蒙特卡洛模拟的含微网配电网可靠性评估[J]. 电网技术, 2011, 35(10): 76-81.
[3]
何俊, 邓长虹, 徐秋实, 等. 风光储联合发电系统的可信容量及互补效益评估[J]. 电网技术, 2013(11): 3030-3036.
[4]
杨锡运, 刘玉奇, 张璜, 等. 含并网光伏电站的系统可靠性评估方法[J]. 高电压技术, 2016, 42(9): 2689-2696.
[5]
Dufo-López R, Bernal-Agustín J L, Yusta-Loyo J M, et al. Multi-objective optimization minimizing cost and life cycle emissions of stand-alone PV-wind-diesel systems with batteries storage[J]. Applied Energy, 2011, 88(11): 4033-4041. DOI:10.1016/j.apenergy.2011.04.019
[6]
Koutroulis E, Kolokotsa D, Potirakis A, et al. Methodology for optimal sizing of stand-alone photovoltaic/wind-generator systems using genetic algorithms[J]. Solar Energy, 2006, 80(9): 1072-1088. DOI:10.1016/j.solener.2005.11.002
[7]
丁明, 王波, 赵波, 等. 独立风光柴储微网系统容量优化配置[J]. 电网技术, 2013, 37(3): 575-581.
[8]
马溪原, 吴耀文, 方华亮, 等. 采用改进细菌觅食算法的风/光/储混合微电网电源优化配置[J]. 中国电机工程学报, 2011, 31(25): 17-25.
[9]
窦晓波, 袁简, 吴在军, 等. 并网型风光储微电网容量改进优化配置方法[J]. 电力自动化设备, 2016, 36(3): 26-32.
[10]
周二雄, 李凤婷, 朱贺, 等. 风电场宏观选址综合决策的研究[J]. 太阳能学报, 2015, 36(6): 1448-1452. DOI:10.3969/j.issn.0254-0096.2015.06.026
[11]
张沈习, 李珂, 程浩忠, 等. 主动管理模式下分布式风电源选址定容规划[J]. 电力系统自动化, 2015, 39(9): 208-214.
[12]
颜伟, 吕冰, 赵霞, 等. 含高渗透率风电配网中电池储能系统和开关的协调规划[J]. 电力自动化设备, 2015, 35(3): 6-11.
[13]
章力, 高元海, 熊宁, 等. 考虑潮流倒送约束的分布式光伏电站选址定容规划[J]. 电力系统自动化, 2014, 38(17): 43-48. DOI:10.7500/AEPS20140509005
[14]
严干贵, 谭鑫, 李军徽, 等. 光伏联合发电系统的规划及地理选址[J]. 电测与仪表, 2015, 52(20): 15-19. DOI:10.3969/j.issn.1001-1390.2015.20.003
[15]
魏炜, 竺笠, 罗凤章, 等. 主动配电网区域能源优化配置双层规划方法[J]. 电力系统及其自动化学报, 2016, 28(5): 97-102. DOI:10.3969/j.issn.1003-8930.2016.05.016
[16]
彭显刚, 林利祥, 刘艺, 等. 计及电动汽车和可再生能源不确定因素的多目标分布式电源优化配置[J]. 电网技术, 2015, 39(8): 2188-2194.
[17]
唐念, 夏明超, 肖伟栋, 等. 考虑多种分布式电源及其随机特性的配电网多目标扩展规划[J]. 电力系统自动化, 2015(8): 45-52.
[18]
韦婷婷, 王主丁, 寿挺, 等. 基于DG并网运行的中压配网可靠性评估实用方法[J]. 电网技术, 2016, 40(10): 3006-3012.
[19]
汪海瑛, 白晓民, 马纲. 并网光伏电站的发电可靠性评估[J]. 电网技术, 2012, 36(10): 1-5.
[20]
杨锡运, 刘玉奇, 张璜, 等. 含并网光伏电站的系统可靠性评估方法[J]. 高电压技术, 2016, 42(9): 2689-2696.
[21]
吕双辉, 蔡声霞, 王守相. 分布式光伏-储能系统的经济性评估及发展建议[J]. 中国电力, 2015, 48(2): 139-144.
[22]
刘皓明, 陆丹, 杨波, 等. 可平抑高渗透分布式光伏发电功率波动的储能电站调度策略[J]. 高电压技术, 2015, 41(10): 3213-3223.
[23]
李滨, 潘国超, 陈碧云, 等. 满足电能质量限值的分布式光伏极限峰值容量计算[J]. 电力系统自动化, 2016, 40(14): 43-50. DOI:10.7500/AEPS20150929004
[24]
董伟杰, 白晓民, 朱宁辉, 等. 间歇式电源并网环境下电能质量问题研究[J]. 电网技术, 2013, 37(5): 1265-1271.
[25]
姜惠兰, 安星, 王亚微, 等. 基于改进NSGA2算法的考虑风机接入电能质量的多目标电网规划[J]. 中国电机工程学报, 2015, 35(21): 5405-5411.
[26]
冒国龙, 李君卫. 面向供电可靠性的配电自动化建设研究[J]. 电力大数据, 2018, 20(2): 54-60.