發布時間：2022-03-17所屬分類：科技論文瀏覽：1次
摘 要： 摘要：為分析光伏電站并網對發電系統可靠性的影響，提出了新的光伏電站多狀態可靠性模型。模型根據光伏電站實測數據求得各狀態的晴空指數和輻照度波動指標，提出按數據等頻劃分的原則計算各狀態之間的轉移概率，并對給定狀態下的太陽輻照度進行分時模擬，最后采用序貫
摘要：為分析光伏電站并網對發電系統可靠性的影響，提出了新的光伏電站多狀態可靠性模型。模型根據光伏電站實測數據求得各狀態的晴空指數和輻照度波動指標，提出按數據等頻劃分的原則計算各狀態之間的轉移概率，并對給定狀態下的太陽輻照度進行分時模擬，最后采用序貫蒙特卡洛模擬法評估含光伏電站的發電系統的可靠性。由于考慮了實際太陽輻照度波動特性與晴空指數之間的相關性，狀態抽樣結果表明，提出的光伏輻照度多狀態時序模型更符合實際的天氣變化特性。基于 RBTS 的仿真結果表明，采用此模型的光伏電站可靠性分析相對于直接抽樣法的計算結果更精確。
關鍵詞：光伏電站;可靠性;晴空指數;波動特性;序貫蒙特卡洛模擬
0 引言
可再生能源的大規模應用滿足了社會對環境保護、節能減排和可持續性發展的要求。經過合理的規劃之后，它們可以在推遲輸配電網絡的建設或升級、減少網絡傳輸損耗以及增強系統運行安全性和可靠性、改善系統電能質量、改善輸電阻塞等方面產生有益的影響[1]。文獻[2]中提出，到 2020 年我國光伏發電裝機容量將達到 2 000 MWp，計劃年增長 15%以上。
隨著光伏產業的迅速發展和并網核心技術的提高，光伏電源正從補充能源向替代能源過渡[3]。由于地表太陽能輻射的隨機性、間歇性和波動性，光伏發電具有分時性、斷續性的特點[4]，為評估含光伏電站接入的系統運行可靠性，建立合理、精確的太陽輻照度及光伏發電出力的可靠性模型十分必要。
目前電力系統的可靠性評估方法主要有解析法[5-7]與蒙特卡洛模擬法[8-10]。解析法用故障枚舉法進行狀態選擇，用解析的方法計算出可靠性指標。蒙特卡洛法采用抽樣的方法進行狀態選擇，一個模擬序列表示一個實際的樣本，因此蒙特卡洛模擬法更適合模擬各種復雜的運行控制策略和隨機變化的負荷特性，可以為工程技術人員提供更多的信息，為他們的決策提供更準確的依據[11]。尤其是序貫蒙特卡洛仿真不但能夠容易地計算實際的可靠性頻率指標，而且能夠考慮任何狀態持續時間分布情況以及計算可靠性指標的統計概率分布[12]。
電力系統可靠性水平最終體現為系統可獲得發電容量是否滿足負荷的需求。與傳統發電機組不同，光伏電站正常運行時多處于由于太陽能資源限制導致的降額運行狀態，且其出力是輻照度的函數。文獻[13]將光伏發電系統的可靠性狀態劃分為：資源限制減額運行、故障減額運行以及資源限制下故障減額運行。因此可以將目前研究中使用的光伏發電系統的可靠性模型分為基于元件故障的可靠性模型和基于資源限制的可靠性模型。
針對元件故障的可靠性模型與傳統發電系統的可靠性分析類似，根據元件的故障率和修復率等參數建立光伏發電系統的可靠性評估模型，往往簡化太陽輻照度的建模。文獻[13]根據光伏發電系統實際出力統計曲線，結合光伏發電系統各部分故障數據建立的光伏發電系統的六狀態可靠性模型;文獻[14]中考慮了天氣情況對光伏發電輸出效率和元件故障率的影響;文獻[15]采用廣義矩陣求逆法，并根據馬爾科夫回報模型，建立了光伏發電系統可靠性框架。
基于資源限制的可靠性模型一般根據太陽能的資源狀況，對光伏發電系統的出力進行狀態劃分，可建立光伏發電系統出力的時序模型。光伏發電系統出力一般包括有出力狀態和無出力狀態。無出力狀態可能是系統故障或太陽無輻射兩種原因造成，而有出力狀態的重點就是根據地表太陽輻照度的變化模型建立光伏發電系統的實時出力模型。
文獻[8]將每天各時刻太陽輻照度的衰減量聚類，并進行正態擬合;文獻[5,16]采用 Beta 分布模擬太陽輻照度的隨機變化;文獻[17]基于地外輻射和每小時晴空指數的概率密度函數建立了光伏發電輸出概率模型;文獻[18]基于月平均氣象數據與經驗公式，借助 HOMER 軟件得到太陽輻照度的實時模型;文獻[19]基于天氣影響因子(晴、多云、陰、雨)建立了光伏電源功率輸出四狀態模型。
綜上可以發現，太陽輻照度的變化特性是影響光伏發電出力的關鍵因素，以前的研究大多基于較簡單的或短期的太陽輻照概率特性建立光伏發電系統的出力模型，缺乏對太陽輻照度長期變化特性及狀態轉移特性的研究。而光伏發電所具有的模塊化和間歇性的特點，使我們可以認為其能夠快速的修復或在自然停機的時間進行檢測和維修，因此本文暫時沒有考慮其故障率的問題，而僅僅考慮了其隨太陽輻照度的變換而變換的有功功率輸出能力。因此本文針對太陽能輻照度變化的氣象特點，根據晴空指數與波動特性的相關性，依據日晴空指數 (daily clearness index，DCI)與波動指數(variability index，VI)分布圖，提出了采用等頻方式對光伏電站的運行狀態進行劃分，并以此為基礎建立了考慮狀態轉移抽樣的光伏電站多狀態可靠性模型。
文中根據美國國家可再生能源實驗室(national renewable energy laboratory，NREL)某光伏電站近 20 年的實測數據求得光伏電站各狀態的晴空指數、輻照度波動分布參數以及各狀態之間的轉移概率�？紤]到光伏電站的出力具有很強的時序性，本文采用序貫蒙特卡洛模擬算法對含光伏電站的電力系統的運行狀況進行模擬，并在此基礎上評估其可靠性[11]�；� IEEE Roy Billinton 測試系統(Roy Billinton test system，RBTS)的計算結果驗證了模型的精確性，并根據計算結果分析了光伏電站并網容量對電力系統可靠性的影響。
1 太陽能輻照度模型
1.1 天文輻射
天文輻射是指到達大氣上界，未經大氣衰減的太陽輻射，其大小由太陽對地球的天文位置和各地的經緯度決定[20]。
1.2 晴空指數
受云層和大氣塵埃等吸收、散射和反射作用的影響，到達地球表面的輻射出現衰減，這一衰減過程可由 CDCI來衡量[21]，計算公式為
2 光伏電站可靠性模型
2.1 光伏電站出力模型
光伏發電系統是通過光伏面板，利用光生伏打效應將太陽能轉化為電能，考慮其不同光照強度下的轉化特性，其輸出功率與太陽輻照度之間的關系可近似表示為[14]
2.2 光伏電站多狀態模型
將光伏電站多狀態可靠性模型與文獻[8]進行對比，稱文獻[8]中的可靠性模型為直接法。直接法忽略日出日落時間和天氣的變化，采用統一的二次函數作為每天輻照度基準值，函數最大值為正午 12:00 時最大日輻射強度的平均值。將每天各時刻太陽輻照度的衰減量聚類，并進行正態分布擬合。
然而通過前面的分析可以發現，地表太陽輻照度與晴空指數以及波動特性密切相關，因此可以根據 VI 與 DCI 的大小對光伏電站的運行狀態進行劃分，建立多狀態可靠性模型。本文提出分別根據 VI與DCI的值將光伏電站的運行狀態劃分為M份，建立了光伏電站 M2 狀態模型(圖 1 中 M = 2，因此劃分為 4 個狀態區間)。為避免狀態數增加后，落在少數狀態的點太稀疏，提出等頻區間劃分原則，即出現在每個 VI 或 DCI 區間的數據點的個數相同，因此 VI 或 DCI 區間并不是等間距的。
3 序貫蒙特卡洛模擬仿真
考慮傳統發電機組的隨機故障停運與光伏電站多狀態模型對可靠性的影響，序貫蒙特卡羅模擬 過程如下：1)根據雙狀態停運模型，確定傳統發電機組每小時的停運狀態，從而得到傳統發電機組在模擬周期內的可用放電容量序列;2)根據式(8) 與圖 3 判定光伏電站的運行狀態，形成多狀態運行序列表;3)根據光伏電站所處狀態下的實測數據擬合 ΔI(t)的正態分布參數 μ(t)、σ(t)，根據式(5)計算對應時刻的太陽輻照度;4)根據式(7)可獲得光伏電站在模擬周期內的出力序列;5)判斷系統運行狀態，計算系統的可靠性指標失負荷頻率(loss of load frequency，LOLF)、失負荷持續時間(loss of load duration ， LOLD) 、失負荷概率 (loss of load expectation，LOLE)、電量不足期望(loss of energy expectation，LOEE)。
4 算例分析
4.1 算例參數
本節以 RBTS 可靠性測試系統為算例[27]，采用 VC++編程評估含光伏電站接入的發電系統可靠性�？煽啃詼y試系統由 11 臺傳統發電機組組成，總裝機容量為 240 MW，最高負荷為 185 MW。其可靠性指標 LOEE 值為 9.65 (MW⋅h)/a，系統的最高負荷由 185 MW 增至 205 MW 時，系統可靠性降低， LOEE 值上升為 54.59 (MW⋅h)/a。
4.2 日太陽輻照度模擬方法比較
太陽輻照度數據采用美國 NREL 某光伏電站 20 年實測數據來統計、擬合各狀態下的相關參數。
作為比較依據，畫出由直接法抽樣得到的日太陽輻照度變化情況，如圖 4 所示。從圖中可以看出模型中由于沒有區分天氣類型，實際抽樣出來的持續日輻照度的波動都很大，不符合實際的天氣情況。
采用本文提出的方法，選取蒙特卡洛模擬過程中任意兩天由多狀態轉移法抽樣得到的太陽輻照度，如圖 5 所示。從圖中可以清晰地看出，左側曲線為晴天，波動很小;而右側曲線為多云天氣，波動較大。多狀態轉移法對光伏電站的各運行狀態進行了聚類分析，統計、擬合參數具有代表性，同時考慮了各狀態之間的轉移，使得抽樣所得輻照度具有時序性，更符合實際情況。
4.3 年太陽輻射分布模擬方法比較
首先采用直接法對日太陽輻照度進行模擬，得到的任意連續 5 年的日太陽輻照度數據繪出 VI-DCI 分布圖，如圖 6 所示�？梢园l現，直接法的模擬結果完全不具有圖 1 中的“箭頭狀”特性，無法反應天氣情況和波動特性之間的相關性。
采用本文提出的方法，根據 VVI和 CDCI劃分等頻區間，建立光伏發電輸出的多狀態可靠性模型。圖 7 給出了采用不同 M 值時 VI-DCI 的分布圖(從左到右 M 值依次為 2、4、6、8、10)。從圖中可以看出，分布圖呈現明顯的“箭頭”狀。隨著狀態數的增加 “箭頭狀”特性更加清晰。當 M = 10 時，圖中數據分布在“箭尾”處較為密集，“箭首”稀疏， “箭身”相對分布均勻，與圖 1 的數據分布特性一致，準確體現了 VVI和 CDCI相關特性。但是隨著 M 的增加，其對 VI-DCI 分布圖改善效果逐步呈現飽和狀態，對模型精度的改善效果不再顯著;但 M 值的進一步增加卻導致狀態數增加迅速，大大增加模型分析的工作量。通過分析與比較，等頻原則下光伏電站 100 狀態(M = 10)模型，其既能滿足可靠性模型的精度要求，同時也不過于增加分析的繁瑣程度，故文中算例采用等頻原則下 100 狀態模型對光伏發電出力進行抽樣。
4.4 光伏電站多狀態模型對可靠性評估的影響
如果 RBTS 系統通過接入光伏電站以應對負荷增長。算例中標準環境下的單位光強取值為 1 000 W/m2 ，特定強度的光強設定為 150 W/m2[14]。為保證模擬精度，算例進行了 105 次年度模擬用于統計系統可靠性指標。
采用等頻原則下光伏電站 100 狀態(M = 10)模型分析多狀態模型對含光伏電站發電系統可靠性評估的影響，隨著光伏電站容量的增加，計算出的 LOLF、LOLD、LOLE、LOEE 值如圖 8—11 所示。
相關知識推薦：光伏產業論文發哪些期刊
由圖 8 得知，隨著光伏電站容量的增加，可靠性指標 LOLF 值呈現出先上升后下降的變化趨勢。在光伏容量較少時，隨著光伏裝機容量的增加，由于光伏電站出力的波動性，導致年停電次數的增加。隨著光伏電站容量的增大，多狀態模型由于考慮了日晴空指數的變化，一年中總有較固定的天數的輻照度基準值會處于很低的狀態，從而導致 LOLF 值處于一個較穩定的狀態，停電次數很難隨著光伏裝機容量的增加得到改善。而直接法由于其不考慮太陽輻照度的晴空指數變化規律，隨著光伏裝機容量的增加，輸出功率是抽樣數據的簡單疊加，因此得出了停電次數隨著光伏裝機容量的增加又再次顯著下降的不合理結論。
分析圖 9—11 可知，采用直接法對發電系統可靠性指標 LOLD、LOLE 和 LOEE 的評估偏樂觀。而本文提出的多狀態模型綜合考慮了天氣情況與波動特性對太陽輻照度的影響，其光伏發電的時序出力模擬更符合系統實際運行情況，因此計算出的發電系統可靠性指標值比直接法更加可信。
5 結論
本文建立了基于晴空指數與波動特性的光伏電站多狀態可靠性模型，用 VC++實現了含光伏電站的發電系統的序貫蒙特卡洛模擬仿真。采用美國 NREL 某光伏電站實測數據，對 RBTS 測試系統進行了可靠性分析，并得出以下結論：
1)通過對太陽輻照度實測數據 VI-DCI 分布圖的分析，提出基于晴空指數與波動特性分布的多狀態轉移抽樣方法，該方法更適合模擬長時間范圍內的太陽輻照度的變化規律，證實了模型的正確性與準確性。
2)當光伏電站可靠性模型的狀態數增加到一定值時，對 VI-DCI 分布圖改善效果呈現飽和狀態，對模型精度的改善不再顯著，然而 M 值的增加導致狀態數快速增長，使得模型分析的工作量大大增加。
3)本文提出的多狀態模型綜合考慮了天氣情況與波動特性對太陽輻照度的影響，其光伏發電的時序出力模擬更符合系統實際運行情況，故計算出的發電系統可靠性指標 LOLF、LOLD、LOLE、 LOEE 比直接法更加可信。
在以后的研究工作中，需要進一步考慮光伏發電系統的設備故障率，根據實際光伏電站的類型以及控制方式，進一步細化光伏發電的實時出力計算，有利于更加精確地分析光伏電站并網容量對發電系統可靠性的影響。——論文作者：王敏 1 ，宗炫君 1 ，袁越 1 ，張新松 2 ，劉盛松 3 ，錢康 4
參考文獻
[1] 王敏，丁明.市場環境下基于最優潮流的獨立式分布電源的規劃[DB/OL].(2008-8-28)[2010-08-09]http://d.g. wanfangdata.com.cn/Conference_6541585.aspx. Wang Min，Ding Ming.Independent distributed generation planning based on optimal power flow under the power market environment[DB/OL].(2008-8-28) [2010-08-09]http://d.g.wanfangdata.com.cn/Conference_6 541585.aspx (in Chinese).
[2] 中華人民共和國國家發展和改革委員會.可再生能源中長期發展規劃[R].北京：中華人民共和國國家發展和改革委員會，2007. National Development and Reform Commission the people's Republic of China.Long-term development plan for renewable energy[R].Beijing：National Development and Reform Commission the People's Republic of China， 2007(in Chinese).
[3] 梁雙，胡學浩，張東霞，等.光伏發電置信容量的研究現狀與發展趨勢[J].電力系統自動化，2011，35(19)： 101-106. Liang Shuang，Hu Xuehao，Zhang Dongxia，et al.Current status and development trend on capacity credit of photovoltaic generation[J].Automation of Electric Power Systems，2011，35(19)：101-106(in Chinese).
[4] 王丹，石新春，孫玉巍，等.基于 VRLA 構建光儲聯合并網發電系統[J].電力電子技術，2012，46(11)：17-19. Wang Dan，Shi Xinchun，Sun Yuwei，et al.Grid-connected photovoltaic system with energy storage based on VRLA[J].Power Electronics，2012，46(11)：17-19(in Chinese).
[5] Khatod D K，Pant V，Sharma J.Analytical approach for well-being assessment of small autonomous power system with solar and wind energy sources[J].IEEE Transactions on Energy Conversion，2010，25(2)：535-545.
[6] Zhang P，Wang Y，Xiao W D，et al.Reliability evaluation of grid-connected photovoltaic power system[J].IEEE Transactions on Sustainable Energy，2012，3(3)：379-389.
[7] 趙淵，謝開貴.電網可靠性指標概率密度分布的解析計算模型[J].中國電機工程學報，2011，31(4)：31-38. Zhao Yuan，Xie Kaigui.An analytical approach to compute the probability density distributions of reliability indices for bulk power systems[J].Proceedings of the CESS，2011，31(4)：31-38(in Chinese).
[8] 梁惠施，程林，劉思格.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. Liang Huishi，Cheng Lin，Liu Sige.Monte Carlo simulation based reliability evaluation of distribution system containing microgrids[J] . Power System Technology，2011，35(10)：76-81(in Chinese).
[9] Campoccia A，Favuzza S，Sanseverino E R，et al. Reliability analysis of a stand-alone PV system for the supply of a remote electric load[C]//IEEE International Symposium on Power Electronics Electrical Drives Automation and Motion.Pisa，Italy：IEEE，2010：.
[10] 宗炫君，袁 越，張新松，等.基于 Well-being 理論的風儲混合電站可靠性分析[J].電力系統自動化，2013， 37(17)：17-22. Zong Xuanjun，Yuan Yue，Zhang Xinsong，et al.Analysis on hybrid wind/energy storage power station reliability based on the well-being theory[J].Automation of Electric Power Systems，2013，37(17)：17-22(in Chinese).
SCISSCIAHCI
