北极星智能电网在线讯:建立不同天气类型下的光伏出力时序模型,并提出光伏可信出力在线计算方法。通过定义持续带载功率裕度和持续带载能量裕度指标衡量光储系统可持续带载能力,据此提出含光储微电网的动态孤岛划分策略。考虑光伏出力和负荷需求的波动性,对基于蒙特卡罗模拟的配电网可靠性评估算法进行改进。最后对RBTS Bus6配电系统进行可靠性评估,算例结果表明考虑光储可持续带载能力的配电网动态孤岛划分策略能保证微网内重要负荷的持续稳定运行,提高配电网可靠性。
0 引言
分布式电源(distributed generation,DG)日渐成为满足负荷增长需求、提高能源综合利用率和供电可靠性的一种有效途径。为了使DG更好地发挥其电源作用,IEEE 1547.4-2011标准鼓励有意识的孤岛运行,指出计划孤岛应将微电源和负荷的动态特性、开关的动作策略等考虑进内[1]。为准确地对考虑孤岛运行的有源配电网进行可靠性评估,必须计及微电源和负荷需求的波动性以及孤岛实际运行特性。
目前国内外已有不少针对含DG配电网可靠性评估的研究。文献[2]提出了计及DG出力和负荷相关性的配电网可靠性评估方法,分析了能量相关性对供电可靠性的影响。文献[3]采用拉丁超立方抽样和场景削减技术建立风电功率的可靠性模型,分析了风电随机波动对配电网可靠性的影响。文献[4]基于改进故障模式与后果分析法,提出一种考虑微网非计划解列运行的配电网可靠性评估方法。文
献[5]基于马尔科夫方法,提出了一种计及微电网中可再生能源DG出力间歇性影响的配电网可靠性评估方法,仿真表明计及DG出力间歇性时用户平均停电次数指标有恶化趋势。文献[6]考虑负荷重要程度和负荷削减策略确定孤岛划分范围并进行可靠性评估。文献[7]考虑了光伏出力和负荷时序性,采用蒙特卡罗法模拟孤岛运行,得到孤岛的平均续航能力,基于此制定了不同季度最优孤岛划分方案并进行可靠性评估。
虽然上述文献考虑了含DG配电网的孤岛运行及其对可靠性的影响,但往往忽视了孤岛运行中电力供需的动态随机变化,其静态孤岛划分策略难以保证故障期间重要负荷的持续稳定供电。因此直接按照孤岛划分策略预期的运行状况进行可靠性评估,其结果的准确性有待商榷。文献[8]建立了基于风光荷曲线的DG孤岛运行风险评估模型,提出了孤岛动态划分策略,但依然没有考虑电源和负荷需求的波动性,且没有对其可靠性进行评估分析。
基于此,本文首先建立了不同天气类型下的光伏出力时间序列模型,并提出了光储系统可持续带载能力概念及其评估指标;然后,通过考虑光储持续带载能力提出了含光储微电网动态孤岛划分模型,弥补了静态孤岛划分的不足;最后,采用计及光伏出力和负荷需求波动性的可靠性评估算法,对采用不同孤岛划分策略的含微网的配电网进行可靠性评估。
1 元件模型
1.1 计及时序特性的光伏发电模型
光伏出力受环境条件影响大,具有随机性大、波动性强的特点。文献[9]基于Beta模型对光伏出力建模,研究光伏光照概率性对配电网电压的影响。文献[10-12]建立光伏出力多状态概率模型研究光伏接入对可靠性的影响,但以上光伏模型均忽略了光伏出力的时序性。
本文参考文献[13]光伏模型的建模方法,根据光伏出力特性的相似性划分广义天气类型,并建立光伏出力时间序列模型。具体如下。
选取4个能反映光伏出力大小和波动特性的物理量组成特征向量d? d→,然后采用模糊C均值聚类算法,设定聚类数为N,对各日光伏出力曲线提取出来的特征向量进行聚类分析,可得到N类分类结果,其中每一类曲线对应一种广义上的天气类型。
式中：Pt为该天时刻t实际光伏出力,一天内各时刻出力值组成出力序列;d1为光伏电站该天日中时段出力的平均值,反映天气的整体出力水平;d2、d3和d4分别为该天光伏出力序列一阶差分量的最大值、最小值和平均值,一起反映了天气波动情况;ta和tb则表示日中时段的起止时刻;ΔTC为采样时间间隔;NC为1天内光伏出力数据的采样点数;
基于上述天气划分结果,区分天气类型建立光伏发电时序模型,首先定义了基于净空理论出力的光伏相对出力PN(i,t),即
式中：P(i,t)为第i天时刻t的实际出力;PDCI(i,t)为第i天时刻t的净空理论出力。
光伏净空理论出力是不考虑任何遮挡的前提下利用全球太阳辐射模型[14]和不考虑温度影响的光电转换模型[15]得出。净空理论出力反映了光伏出力的季节特性和时序特性,是光伏出力的确定部分。由式(2)可知,光伏的相对出力是将光伏出力以理论出力作归一化处理,剔除光伏出力固有确定的时序性,以便分析其不确定性。
进一步将各时刻的相对出力拆分得到该日的基准出力PS(i,t)和各时刻的波动系数ΔPN(i,t),其表达式为
式中PS(i,t)的求法参考文献[13]。
通过采集目标地区不同天气类型下光伏出力的基准值和波动系数历史数据,拟合得到不同天气类型下的光伏出力基准值和波动系数的概率密度分布函数,其拟合关系式为式(4),分布参数采用基于期望最大化的极大似然估计算法来求解。
式中αn、σn和μn均为拟合参数,其数值与天气类型和拟合变量的类型相关。
根据上述建模流程,通过采集目标地区的光伏出力样本,便可以分天气类型建立光伏出力时间序列模型,该模型能体现目标地区在不同天气类型下光伏出力的时序性和随机性特点。
1.2 负荷随机模型
配电网负荷具有时变性和随机性,因此负荷预测的结果实际为一个随机变量,并通常采用正态分布近似反映负荷的不确定性,本文采用文献[16]所述的负荷随机模型。
1.3 储能系统模型
储能系统是平滑光伏发电系统在孤岛运行时输出功率的重要装置[17]。当光伏出力大于负荷时,储能充电;当光伏出力小于负荷时,储能放电。参考文献[8],考虑储能充放电效率、储能最大输出功率以及容量限制,充放电过程应满足以下约束条件。
式中：PLi(t)PLi(t)为孤岛范围K内第i个负荷时刻t的负荷值;PPVi(t)PPVi(t)为孤岛范围K内第i个光伏时刻t的
出力值;Pc和Pd为储能充放电功率;Pcmax和Pdmax分别为储能最大充电和放电功率;δc、δd为充放电效率系数;Ec和Ed为储能装置在孤岛运行期间Top充放电的电量;Emin、Emax和Ere分别为储能的最大容量、允许剩余最小能量和剩余能量。
