风柴储孤岛微网的风险评估体系研究及应用

陆　丹，袁　越，杨　苏，包江民

(1.河海大学能源与电气学院，江苏南京　211100；2.河海大学可再生能源发电技术教育部工程研究中心，江苏南京　210098)



风柴储孤岛微网的风险评估体系研究及应用

陆丹1,2，袁越1,2，杨苏1,2，包江民1,2

(1.河海大学能源与电气学院，江苏南京211100；2.河海大学可再生能源发电技术教育部工程研究中心，江苏南京210098)

0　引　言

微网是由分布式电源、储能设备和可控的负载组成的，既可联网又可孤岛运行的中/低压配电系统[1]。在偏远山区和海岛等地常以孤岛微网的形式来解决用户供电问题。由于孤岛微网的设备存在随机故障，一旦处理不当极易造成停电等严重后果。因此，量化评估孤岛微网运行风险水平是保证其安全稳定运行的一项基本任务，不仅可以防御网中因自然或者人为造成的各种灾难，调节微网系统发电容量充裕度和经济性，还可以定量分析孤岛微网的稳定运行能力。

风险评估是指在事件发生前对其危险程度进行量化分析，通过管控风险来保障系统的稳定运行[2-3]。目前已有文献对电力系统风险评估进行了研究。文献[4]基于层次分析法建立了综合严重度指标，并结合线路故障概率对输电线路进行安全风险评估。文献[5]以风险成本为指标量化了风电预测误差造成的风险水平。文献[6]从电力安全事故的角度提出一系列停电风险评估指标来计算电网发生安全事故的风险值。文献[7-8]提出了城市电网的风险评估模型及其指标的计算方法，分别采用枚举抽样法和截断抽样法进行了分析。综上，目前国内外文献针对大电网的风险评估已取得了一些成果，然而针对微网风险评估的研究还相对较少。微网在电源结构和运行方式等方面都与大电网有很大差异，大电网采用的风险评估指标和方法并不完全适用于微网。目前对于微网的研究更多地停留在可靠性评估层面。文献[9]针对风光柴储微网考虑了微电源出力和负荷对可靠性水平的影响。文献[10-11]基于故障树法，建立了在孤岛运行模式下的微网可靠性模型，并对其进行了可靠性评估。然而，可靠性研究并不能综合反映事故发生的概率和后果，也无法量化分析事故发生后造成的经济损失。因此，选取适用于微网的风险指标，对微网进行风险评估，辨识失效事件发生的可能性并量化这些事件后果的严重程度就显得尤为必要了。

风柴储微网是目前较为典型的一种孤岛微网结构。为了最大化的利用风能，减少柴油的消耗量以及提高用户的供电稳定性，本文从用电和发电两个方面考虑，提出电源损失指标(Load Loss Risk,LLR)和负荷损失指标(Load Loss Risk,PLR)，具体包括负荷损失概率(Power Loss Probability,LLP)、负荷损失严重度(Severity of Load Loss,SevLL)、电源损失概率(Power Loss Probability,PLP)和电源损失严重度(Severity of Power Loss,SevPL)，对孤岛运行模式下的风柴储微网风险水平进行评估，从而可根据当地资源，优化配置微网各发电单元的容量，以此指导微网的规划运行。本文的章节安排如下：第一小节对风柴储孤岛微网各元件建立可靠性模型，特别是采用了马尔科夫链蒙特卡洛法(Markov Chain Monte Carlo,MCMC)建立了风电机组多状态可靠性模型。第二小节以第一小节中提到的风柴储孤岛微网各元件运行策略为基础，提出了孤岛微网指标评价体系。最后小节以欧洲典型风柴储微网为例，比较分析了不同的风速、风机故障率、风电装机容量以及储能容量情况下微网的风险水平，对降低孤岛运行模式下的风柴储微网的风险水平提出了一些建议。

1　风柴储孤岛微网各元件模型

1.1风力发电系统可靠性模型

建立风力发电系统可靠性模型首先要建立其风速模型。本文采用马尔可夫链[12]来体现风速大小的分布特性。马尔科夫链作为风速模型在缩减计算量的同时，可较好地模拟风速的变化情况。如图1所示，马尔可夫链将风速值按照大小分为N个状态，各状态之间的转移率是定值，且只考虑就近状态之间的转移。两状态之间的转移率σa,b如下式：

(1)

式中：Na,b是状态a到状态b的转移次数；Da,b是状态a在进入状态b之前的持续时间。

图1　马尔可夫链

不计风速突变的情况，当风机处于状态a，可能转变的下一状态是状态a-1或状态a+1，到达状态a-1，a+1的概率Qa,a-1，Qa,a+1为

(2)

(3)

经过抽样可得风机处于状态a的持续时间，公式如下：

(4)

式中：γ为[0,1]区间内服从均匀分布的随机数。

单台风机的出力与风速有关，其数值关系如下式所示：

(5)

式中：Pt为t时刻风机的出力；vt为t时刻的风速；Pr为额定功率；vi为切入风速；vr为额定风速；vo为切出风速。

微网内所装风机一般为同一型号，忽略地域差异的影响，各风机风况近似相同，可以近似认为其出力相同。根据运行经验，尾流效应造成的功率损失为风电总出力的10%[13]。因此，t时刻风电机组的输出总功率Pw,t为

(6)

式中：n为风机总台数；cl为第l台风机的运行状态。

(7)

1.2储能设备模型

储能电池可以有效地平缓风力发电带来的间接性和波动性。磷酸铁锂电池具有能量密度高，效率高和充放电倍率高等优点，本文将其作为储能电池接入微网。储能电池所采用的运行策略：当风力发电不能满足负荷需求时，储能电池放电；当风力发电大于负荷需求时，风机可同时给储能电池充电。储能电池在t时刻的充放电功率为

(8)

(9)

式中：Pb-c,t和Pb-d,t分布为储能电池在t时刻的充电功率和放电功率；PL,t为t时刻的负荷消耗电量；Pc-max,t和Pd-max,t分别为t时刻储能电池的充电和放电功率限值。

采用荷电状态(State of Charge,SOC)来表示储能电池在运行过程中的累计电荷量，其公式以及约束条件如下：

(10)

(11)

式中：S(t+1)和S(t)分别为储能电池在t+1时刻和t时刻的荷电状态；ρc和ρd为其充电和放电标志，均为二进制变量，当取1时可表示充电或放电状态，且两者满足0≤ρc+ρd<1；Δt为采样时间间隔；Smin和Smax分别为荷电状态的最小允许值和最大允许值。

1.3柴油发电机模型

在孤岛微网中，柴油发电机可作为风电和储能发电的备用电源，即当风力发电和储能放电仍不能满足负荷需求时，柴油发电机开始工作。柴油发电机输出功率如下：

(12)

(13)

式中:Pd,t为t时刻柴油机的输出功率；PΔ为t时刻网内风电和储能出力仍无法满足的负荷电量；Pd,min和Pd,max为柴油机允许的最小和最大输出功率。

为了降低柴油发电机的寿命损耗，应尽可能减少柴油机的启停次数，一旦柴油机启动，则需满足最短运行要求：

(14)

式中:td,run为柴油机的运行时间；Td,run为柴油机允许的最短运行时间。

1.4 风力发电机和柴油机的停运模型

风力发电机和柴油机的停运模型均采用两状态停运模型[14]，即正常运行状态和故障停运状态。状态转移参数包括故障率λ和修复率μ。

通过蒙特卡洛抽样[15](Monte Carlo,MC)，可以得到单台风机或柴油机的持续运行时间t1和检修时间t2，公式如下：

(15)

(16)

2　风柴储孤岛微网风险评估

2.1风险评估方法

MC法通过重复的多次试验来模拟所求事件，对结果进行统计得出其概率特征。在第一节中提到的风机处于状态a的持续时间、风机的运行时间以及检修时间等都可通过MC法抽样得到。

马尔可夫链蒙特卡洛法[16](MCMC)是将随机过程中的马尔可夫过程与蒙特卡洛模拟相结合，实现动态模拟，即抽样分布随模拟的进行而发生改变。本文中，通过构造一个平稳分布的马尔可夫链来得到风速随机样本，对任一t≥0的时刻，下一时刻的风速值只取决于上一时刻风速的大小，而与历史风速大小无关。由MCMC方法抽样得到的风速序列体现了风速变化的连续性，更接近真实风速，且不依赖于历史风速，大大节省了数据的存储空间。

2.2风险评估指标体系

电力系统风险评估综合考虑了不确定事件发生的概率和后果[17]。由于风电出力具有波动性和间歇性，网内储能和柴油机供电又存在一定的运行约束，因此在孤岛运行模式下，要求电源出力时时满足负荷需求是较难实现的。当电源出力不足时会造成负荷的削减，当电源出力过剩时出现“弃风”现象。因此，针对孤岛运行模式下的微网，本文从经济性的角度进行风险分析，提出一个全新的评价体系，即负荷损失风险指标和电源损失风险指标，从用电和发电两个角度对微网运行进行风险评估。

2.2.1负荷损失指标

传统的微网可靠性指标[18]可以单一地量化描述发电容量不足引起负荷削减的概率或严重程度，无法综合地反映元件发生故障后网内的风险水平。基于此，本文提出负荷损失指标，更适用于微网的风险水平研究。具体公式如下。

负荷损失概率(LLP)的数学表达式如下：

(17)

(18)

式中：SL,f为第f个采样时间点时的负荷损失标志，当f点出现切负荷现象，则SL,f=1，否则SL,f=0；N为总采样个数；TL为模拟总时间内电源输出功率小于负荷需求的采样点集合。

负荷损失严重度(SevLL)以切除的负荷量占负荷总量的比例大小来表示，公式如下：

(19)

(20)

式中：PLcut,f为第f个采样点时切除的负荷值；PL,f为第f个采样点时网内的负荷值。

负荷损失风险(LLR)是对负荷损失概率和负荷损失严重度的综合量度，公式如下：

LLR=LLP×SevLL

(21)

2.2.2电源损失指标

电源损失以弃风造成的能量损失来表示。传统可靠性指标只针对失负荷进行研究而不考虑电源的损失情况，电力系统风险研究也较少涉及。然而弃风造成的损失是不可忽略的。因此，本文提出电源损失风险指标来量化微电网内弃风的概率和严重程度，具体公式如下。

电源损失概率(PLP)的数学表达式如下：

(22)

(23)

式中：TP为指定时间内电源输出功率大于负荷需求的采样点集合；SP,f为第f个采样时间点时的电源损失标志，当f点出现弃风现象，则SP,f=1，否则SP,f=0。

电源损失严重度(SevPL)表示为舍弃的风能占理想风力发电总功率的比值，公式如下：

(24)

Pwl,f=0.9nPf

(25)

(26)

式中：Pwl,f为第f个抽样点时风力发电机出力的理论值，即不考虑风机故障时的出力大小，Pwc,f为考虑网内出力和负荷平衡后风机的实际出力值。

电源损失风险(PLR)是对电源损失概率和电源损失严重度的综合量度，公式如下：

(27)

本文提出的这两组指标适用于评估孤岛微网风险水平，具体指标计算方式可根据实际微网配置电源、负荷种类的不同而进行灵活调整，这里不再赘述。

2.3风柴储孤岛微网风险评估流程

综上所述，风柴储孤岛微网风险评估流程如图2所示。首先设置采样点个数为N，总模拟次数为W，并令模拟次数j=1。考虑风速变化的连续性，采用MCMC法对风电机组1 a内的出力状态进行模拟。具体可分为以下3个步骤：①根据风电机组的双状态停运模型得出风机在模拟周期内的停运序列；②根据公式(1)～(4)采用MCMC法抽样产生风速序列；③结合风机运行状态根据公式(5)～(7)得出风电机组出力值序列。

而后考虑储能电池的运行策略以及运行约束条件，根据公式(8)～(11)模拟出储能设备的出力序列；考虑柴油发电机的运行策略以及运行约束条件，根据公式(12)～(14)模拟出柴油发电机的出力序列。为使网内的发电和负荷达到平衡根据公式(20)、(25)、(26)计算出负荷削减序列和弃风序列。最后根据公式(17)～(27)计算出各风险指标值。通过多次(本文设为105次)模拟仿真提高模拟结果的准确性。

图2　风险评估流程图

3　算例分析

本文采用欧洲典型低压风柴储微网[19]为例进行风险评估研究，网络结构如图3所示。该微网由两组风力发电机组，一个储能设备，两台柴油发电机和5组用户负荷组成。

图3　风柴储微网结构

微网各发电单元具体参数如下：单台风力发电机的额定功率为30kW，风轮直径为12.5m，切入风速、额定风速和切出风速分别为3m/s，10m/s和25m/s。两台柴油发电机的额定功率分别为200kW和100kW。年负荷峰值为400kW。假设柴油发电机故障率为0.01次/a。国内某风电场的实测风况如图4，该组风速数据的平均风速为6.28m/s，最大风速为25.42m/s，最小风速为0.47m/s。

图4　某风电场的风速数据

表1和表2将马尔科夫链风速模型和精确状态转移矩阵风速模型进行了对比。从表1中可以看出，状态3至状态1、5、6和7的转移次数仅占状态3总转移次数的0.928%，马尔科夫链忽略了状态3和状态1、5、6和7之间的转移情况，而只考虑与就近的状态2和4之间的转移。在数据比较庞大的系统中，采用马尔科夫链可以大大减少计算量，提高运行效率。表2中给出了实测风速、采用马尔科夫链模拟风速以及采用状态转移矩阵模拟风速时，各状态中的风速概率分布。从表中可以看出，采用马尔可夫链模拟的风速概率分布与实测风速概率分布基本一致。因此，马尔科夫链作为风速模型在缩减计算量的同时，也较好地模拟了风速的变化情况。

3.1风速对风险水平的影响分析

为研究风速大小对风险水平的影响，评估不同风速下，即平均风速从算例平均风速的0.4倍等步长增长至1.8倍情况下的微网系统风险水平。图5～图6给出了LLR和PLR值随风速变化情况。

由图5、图6可看出，风速的增大降低了微网的负荷损失风险，增加了微网的电源损失风险。当风速增大时，风电机组出力增加，切负荷的概率和总量减少，LLR曲线呈下降趋势且最终趋于平缓；风机以额定功率输出的情况增多，弃风的概率和严重度均增加，因此PLR曲线呈指数形式上升。

表1　采用不同方法时的状态转移情况

表2　采用不同方法时每个状态概率

图5　LLR值随风速变化情况

图6　PLR值随风速变化情况

当平均风速小于等于算例风速的0.8倍，即平均风速小于5.024m/s时，虽然电源损失风险为0，但大多数采样时间点风机出力无法满足负荷需求，负荷损失现象严重，故该微网适合建在平均风速大于5.024m/s的地区。

进一步对比分析图5和图6可知，当风速不变时，风电装机容量越大，负荷损失风险越小，电源损失风险越大。然而对于微网接入风电装机容量的大小，还需进一步权衡两组指标综合考虑经济性。

3.2风机故障率对风险水平的影响分析

为了研究风机故障率对风险水平的影响，评估不同风机故障率下，即故障率从0.005等步长增长至0.03情况下的微网系统风险水平。图7～图8给出了LLR和PLR值随风机故障率的变化情况。

图7　LLR值随风机故障率变化情况

图8　PLR值随风机故障率变化情况

从图7、图8中可以看出，随着风机故障率的增加，LLR和PLR曲线呈上升趋势，但上升幅值较小。当风电装机容量保持不变时，风机的故障率等比例增加，风电机组整体的停运时间相应增加，切负荷以及弃风的概率和严重度小范围增加，因此负荷损失和电源损失风险均略有增加。减小风电机组的故障率有助于降低微网的运行风险，特别是在恶劣自然环境情况下尤其要考虑故障率对运行风险的影响。

3.3储能容量对风险水平的影响分析

为了研究储能容量对风险水平的影响，评估不同的储能容量下，即储能设备容量从40kW等步长增长至160kW下的微网系统风险水平。图9～图10给出了LLR和PLR值随储能容量的变化情况。

图9　LLR值随储能容量变化情况

图10　PLR值随储能容量变化情况

图9、图10中，LLR和PLR指标随着储能容量的增加而降低，即储能设备的接入可以降低系统的LLR和PLR风险水平。同一风电装机容量下，储能接入容量越大，在风力发电不能满足负荷需求时储能放出的电量就越大，LLR曲线下降；同时风机给储能充电所消耗的风能也越大，PLR曲线呈下降趋势。

当储能容量增至120kW，两指标曲线趋于平缓。由于储能的容量较负荷和风电机组容量要小得多，只能平衡部分负荷需求或者多余风能，当储能容量增加到一定程度时这种平衡能力会有所减弱。若同时考虑到储能电池经济成本与微网风险水平，对于本文选取微网允许接入的最大储能容量为120kW。

4　结　论

本文以孤岛运行模式下的风柴储微网为研究对象，构建了微网各元件可靠性模型，并提出了一套新的风险评估体系，从发电和用电两个角度分析了不同因素对微网风险水平的影响。结果表明：

① 本文所提负荷损失指标和电源损失指标可以全面有效体现微网的风险水平；

② 采用马尔科夫链来模拟风速可以较好体现风速的概率分布及其连续性，同时减少了计算量；

③ 风速、风电装机容量、风机故障率以及储能容量对微网风险水平均有不同程度的影响，选取合适的容量配置可有效提高降低微网的风险水平。

考虑微网运行经济性，对孤岛微网进行多目标规划研究，是下一步的研究方向。

[1]丁道齐.复杂大电网安全性分析-智能电网的概念和实现[M].北京：中国电力出版社，2010.

[2]李文沅.电力系统风险评估模型、方法和应用[M].北京：科学出版社，2008.

[3]Zhe Li，Wang Bingdong，Jia Hongjie.Hierarchical risk assessment of transmission network considering the influence of micro-grid[C].IEEE，Power and Energy Society General Meeting (PES)，Vancouver，Canada，2013：1-6.

[4]蒋乐，刘俊勇，魏震波，等.基于马尔可夫链模型的输电线路运行状态及其风险评估[J].电力系统自动化，2015，39(13)：51-57.

[5]郁琛，薛禹胜，文福拴，等.风电功率预测误差的风险评估[J].电力系统自动化，2015，39(7)：52-58.[6]卢恩，鲁晓军，龙霏，等.电力系统停电风险评估指标及方法[J].电力自动化设备，2015，35(3)：68-74.

[7]魏远航，刘思革，苏剑.基于枚举抽样法的城市电网风险评估[J].电网技术，2015，32(18)：62-66.[8]赵书强，李聪.快速配网风险评估[J].电力系统保护与控制，2010，38(10)：58-61.

[9]陶爽，袁越，傅质馨.基于发电-负荷需求系统评估方法的智能微网风险评估[J].现代电力，2013，30(2)：7-12.

[10]解翔，袁越，邹文仲，等.非计划孤岛下的微电网供电可靠性评估[J].电力系统自动化，2012，36(9)：18-23.

[11]Li Zhengjie，Yuan Yue，Li Furong.Evaluating the Reliability of Island Microgrid in an Emergency Mode[C].Universities Power Engineering Conference (UPEC)，Cardiff，England，2010：1-7.

[12]Castro S F，Allan R N.Generation availability assessment of wind farms[J].IET Proceedings-Generation Transmission and Distribution，1996，143(5)：507-518.

[13]Kim H，Singh C，Sprintson A.Simulation and Estimation of Reliability in a Wind Farm Considering the Wake Effect[J].IEEE Transactions on Sustainable Energy，2012，3(2)：274-282.

[14]吴林伟，张建华，刘若溪.考虑风电机组故障的风电场可靠性模型及其应用[J].电力系统自动化，2012，36(16)：31-35.

[15]别朝红，王锡凡.蒙特卡洛法在评估电力系统可靠性中的应用[J].电力系统自动化，1997，21(6)：68-75.

[16]石文辉，别朝红，王锡凡.大型电力系统可靠性评估中的马尔可夫链蒙特卡洛方法[J].中国电机工程学报，2008，28(4)：9-15.

[17]Ni M，Mccalley J D，Vittal V，et al.Online Risk-Based Security Assessment[J].IEEE Power Engineering Review，2002，22(1)：59-59.

[18]潘仲立.可靠性分析的理论基础[M].北京：水利电力出版社，1986.

[19]Papathanassiou S，Hatziargyriou N，Kai S.A benchmark low voltage microgrid network[C].Proceedings of CIGRE Symposium：Power Systems with Dispersed Generation，Athens，Greece，2005：1-8.

(责任编辑：林海文)

Research and Application of the Risk Assessment System of Wind-diesel-storage Islanded Microgrid

LU Dan1,2,YUAN Yue1,2,YANG Su1,2,BAO Jiangmin1,2

(1.College of Energy and Electrical Engineering,Hohai University,Nanjing 211100,China; 2.Research Center for Renewable Energy Generation Engineering of Ministry of Education,Hohai University,Nanjing 210098,China)

以孤岛运行模式下的风柴储微网为研究对象，本文提出了一种全新的孤岛微网风险指标评价体系，即负荷损失指标(Load Loss Risk,LLR)和电源损失指标(Power Loss Risk,PLR)，从用电和发电两个角度全面评估其风险水平。首先，对风柴储微网各元件进行建模，特别是采用马尔可夫链建立了风电机组多状态可靠性模型，体现了风速变化的连续性。其次，在微网各元件可靠性模型的基础上，模拟微网的运行情况，并采用全新的风险评估指标量化其运行风险。最后，以欧洲典型低压风柴储微网为例，算例验证了本文所提指标的合理性，并对不同风速、风机故障率、风电装机容量以及储能容量对微网孤岛运行风险的影响进行了灵敏度分析，所得评估结果可为风柴储孤岛微网的容量配置以及规划运行提供参考。

风柴储微网；风险评估；孤岛运行；可靠性模型；马尔可夫链

In view of wind-diesel-storage microgrid operated in isolated operation mode,a kind of risk evaluation system of islanded microgrid with Load Loss Risk (LLR) indicator and Power Loss Risk (PLR) indicator is proposed to assess the risk level from two aspects of power consumption and power generation.First of all,the models of all components in wind-diesel-storage microgrid are built.Especially the multi-state reliability model of the wind turbine is established based on Markov chain,which reflects the change continuity of the wind speed.Secondly,based on the reliability models of all components of microgrid,the operation state of microgrid is simulated,and its risk level is assessed by using novel risk indicators.In the end,taking the European benchmark low-voltage wind-diesel-storage microgrid as example,the rationality of the proposed indicators are proved,and the effect of different wind speed,failure rate of wind turbine,energy storage capacity and wind power installed capacity on risk level are analyzed.The assessment results can provide reference for capacity allocation,planning and operation of wind-diesel-storage islanded microgrid.

wind-diesel-storage microgrid; risk assessment; isolated operation; reliability mode; Markov chain

1007-2322(2016)04-0059-08

A

TM744

国家自然科学基金资助项目(51477041)；教育部、国家外国专家局海外名师项目(MS2012HHDX021)

2016-01-10

陆丹(1992—)，女，硕士研究生，研究方向为微网系统风险评估，E-mail: ludan_hhu@163.com；

袁越(1966—)，男，教授，博士生导师，研究方向为电力系统运行与控制、可再生能源发电系统、智能电网与微网技术等，E-mail: yyuan@hhu.edu.cn；

杨苏(1992—)，男，硕士研究生，研究方向为微网系统可靠性研究，E-mail:yangsu0205@126.com;

包江民(1990—)，男，硕士研究生，研究方向为新能源发电技术，E-mail:bao_jiangmin@163.com。