风电并网系统

第30卷第22期中国电机工程学报V ol.30 No.22 Aug.5, 2010

14 2010年8月5日Proceedings of the CSEE ?2010 Chin.Soc.for Elec.Eng. 文章编号：0258-8013 (2010) 22-0014-08 中图分类号：TM 74 文献标志码：A 学科分类号：470·4051

风电并网系统可用输电能力的评估

周明，冉瑞江，李庚银

(电力系统保护与动态安全监控教育部重点实验室(华北电力大学)，北京市昌平区 102206)

Assessment on Available Transfer Capability of Wind Farm Incorporated System

ZHOU Ming, RAN Rui-jiang, LI Geng-yin

(Key Laboratory of Power System Protection and Dynamic Security Monitoring and Control (North China Electric Power University), Ministry of Education, Changping District, Beijing 102206, China)

ABSTRACT: Available transfer capability (ATC) is used to measure the further reliable power transfer capability between two nodes (or areas) in power system. With the rapid development of wind power generation and gradual maturity of power market, the research on large-scale wind power penetration on ATC has been an urgent need. Under the chronological model of wind speed and wind farm’s power output, ATC incorporated with wind farm is evaluated based on sequential Monte Carlo simulation. ATC determination of every sample state is calculated by key factor constrained AC power flow method. Expectation and variance and corresponding annualized indices are used to evaluate the impacts of wind farm on ATC. Simulation is employed on the modified IEEE-RTS79 system involving wind farm, the results show the proposed algorithm with the merits of fast and accurate calculation. The research could be a valuable reference to power market operations and wind farm planning.

KEY WORDS: wind farm; available transfer capability (ATC); probabilistic assessment; sequential Monte Carlo simulation; key constraint

摘要：可用输电能力(available transfer capability，ATC)是衡

量电力系统两点(区域)间可用来进一步可靠传输电能的能力。随着风力发电技术的快速发展和电力市场的逐渐成熟，迫切需要研究大型并网风电场对系统ATC的影响。利用时

间序列模型描述风电场风速和输出功率，进而采用序贯蒙特

卡罗仿真的方法对包含风电场的ATC进行概率评估；每一

抽样状态的ATC采用关键约束下的交流潮流方法来计算；

结合期望值和方差及相应的年度化指标评估风电场对ATC

基金项目：国家自然科学基金项目(50877027)；“十一五”国家科

技支撑计划项目(2008BAA14B05)。

Project Supported by National Natural Science Foundation of China (50877027); Project of the National Eleventh-Five Year Research Program of China (2008BAA14B05)．的影响。利用包含风电场的改进IEEE-RTS79系统进行仿真和算法验证，表明所提算法能快速而准确地计算ATC，并能有效评估风电场对ATC的影响，研究成果可为电力系统的运行和风电场的规划提供有益的参考。

关键词：风电场；可用输电能力；概率评估；序贯蒙特卡罗仿真；关键约束

0 引言

风力发电是目前世界上增长速度最快、经济效益最好的一种可再生能源发电技术，但是风速的随机性和间歇性会直接影响风电场的输出功率，越来越多的大型风电场的并网对电力系统的运行产生了一定的影响[1-4]。

随着跨区域电网互联的扩大和电力市场改革的不断推进，准确确定电网的输电能力尤其是可用输电能力(available transfer capability，ATC)在保证市场交易的顺利进行和电网的安全稳定运行方面起着重要的作用[5]。当大型风电场并入电网以后，ATC的计算需要综合、准确地考虑风速的特点以及电力系统各种不确定性因素的影响，目前这方面的研究还很少。文献[6]通过加入异步风力发电机模型的含参潮流方法分析了风速概率分布参数对最大输电能力的影响，但没有考虑风速及系统状态变化的时序特性。为了能够更有效和全面地反映大型风电场对ATC的影响，还需要从不同角度对各种影响进行更详细的评估。探索含风电场的有效的ATC 计算和评估方法是一个值得研究的课题。

为了保证速度，ATC的在线计算多采用确定性的方法，常常忽略系统中大量存在的不确定性因素，而概率性的求解方法能够克服确定性方法的上述缺陷，所得结果也更加符合实际情况[7]。由于风

第22期 周明等：风电并网系统可用输电能力的评估 15

电功率的随机性和间歇性，会给风电并网系统的ATC 计算增加一些不确定性，因此采用概率性的方法评估其对ATC 的影响较为合适。概率性的方法需要计算系统许多可能状态下的ATC 值。文献[8]采用故障枚举法结合马尔可夫链来计算各种可能状态出现的概率和ATC ，但枚举法不适合大系统的研究；而使用蒙特卡罗仿真法计算ATC ，无论采用精确的连续潮流模型[9]还是最优潮流模型[10-11]，都会导致计算时间过长。文献[12]采用直流潮流的模型进行ATC 的概率计算，虽然速度快，但因为忽略了很多因素，难以满足计算精度的要求。文献[13]采用静态电压稳定域的方法来快速计算最大输电能力，但该方法的实现较为复杂。

本文采用时间序列法建立风电场的风速和输出功率的模型，利用序贯蒙特卡罗仿真，综合考虑风电场风速、负荷、发电机出力和设备故障等不确定性因素来进行系统时序状态的抽样，针对大量采样状态的ATC 计算，提出采用关键约束下的交流潮流方法来计算，在提高计算速度的同时保证了计算的精度。对多种情况进行比较，分析了风电场容量和并网位置对系统ATC 的影响，为风电场的规划以及电力市场的运营提供了参考依据。

1 风电场模型

1.1 风速模型

对风速的分析表明，风速随时间和地点的变化而变化，但总体上有一定的周期性，某一小时的值和前一小时的值有关，所以采用时间序列模型来对风速建模较为合适。时间序列模型主要包括平稳模型和非平稳模型。由于某个地区的风速在一年之中近似是平稳的随机过程，故采用自回归滑动平均(auto regressive moving average ，ARMA)模型来模拟[14]。

ARMA(n , m )模型的一般表达式为

11

n m

t i t i t j t j i j y y φαθα??===+?∑∑ (1)

式中：y t 为t 时刻的时间序列值，表示风速随时间

的变化趋势；φ

i (i = 1,2,???, n )和θ

j (j = 1,2,???, m )为自回

归滑动平均参数；{α t }为正态白噪声过程，满足平

均值为0和方差为 σ

a 2。由于平稳的随机系统可以

近似地使用ARMA(n , n ? 1)模型替代ARMA(n , m )

模型，因此，根据风速的历史数据即可确定模型的

参数。

一般来说，使用的观测数据越多，建模结果就

越精确，但在概率仿真中，由于仿真样本较多，所

以采用较少的实测数据也可满足要求。t 时刻的模拟风速可由年平均风速μ、标准差σ 等实测数据和时间序列y t 的值来获得： v t = μ + σ y t (2)

风电场的年平均风速和标准差的计算方法为

8760(0)

1

18760t t v μ==∑ (3)

87602

(0)2 1

1()8760t t v σμ==?∑ (4) 式中{v t (0)}为观测所得的风速序列。

1.2 风电机组功率模型

风电机组的输出功率与风速及自身的功率曲线关系密切。描述风机功率曲线最简单而有效的模型[15]为

o i i

w r i r

r i

r r o 0,(),,

v v v v νv P v P v v v v v P v v v ?>

根据风速以及风电机组的功率特性曲线即可求出风机输出的有功功率，同时假设无功补偿设备可以保证无功功率的平衡，在此基础上，风电场的输出功率等于所有风电机组功率之和。风电场的运行经验表明，尾流效应造成损失的典型值是10%，因此本文将风电机组总的输出功率乘以典型系数值0.9来表示风电场的实际输出功率[16]。

2 基于序贯蒙特卡罗仿真的系统状态确定

序贯蒙特卡罗仿真是按照时间顺序，在一个时间跨度上进行的仿真，常采用状态持续时间抽样法。它可描述设备运行状态的连续性，反映随时间变化的不确定性对系统的影响，长期仿真运行能更

准确地刻画实际系统的情况，并可方便地计算概率

统计分布。因此对于包含风电这种时变性功率源的系统进行ATC 的评估，采用序贯蒙特卡罗仿真更合适。 进行系统状态确定时，风电场作为PQ 节点，首先根据ARMA 模型得到其仿真时刻的随机风速，再由风机功率特性曲线即可确定该状态风电场的输出功率，从而反映出风速的随机特性对系统的影响。 风电机组、常规发电机组和输电线路均采用双状态模型，即正常运行和故障状态，用正常运行持

16 中 国 电 机 工 程 学 报 第30卷

续时间t 1和检修时间t 2描述。一般情况下，工作时间和修复时间均服从指数分布，抽样方法为

t 1 = ?t MTTF ln γ (6)

t 2 = ?t MTTR ln γ (7)

式中：γ 为[0,1]之间均匀分布的随机数；t MTTF 为平均工作时间；t MTTR 为平均修复时间。 假设所有元件初始状态均为运行。把一年分为

8 760个区间，在每个区间内系统状态假定不变。

在每一年的时间跨度里，对包含风电机组的所有设备的状态持续时间反复抽样，获得该设备在仿真时间内的时序转移过程，所有设备的状态转移过程组合在一起就构成了系统的时序状态转移循环过程。 系统负荷的期望值采用小时最大尖峰负荷来表示，随机性采用服从正态分布的负荷波动来仿真。 对于抽样所得的系统状态，如果该状态不能满

足系统安全的要求，如发生了系统解列或系统发电量与负荷量不平衡等情况，则认为这种状态下的

ATC 为零，而对可行状态进行下文的详细计算。

3 基于关键约束交流潮流的ATC 计算方法

3.1 ATC 计算中的关键约束

ATC 是系统输电断面或节点对之间能够可靠传输电力的剩余容量，输电能力的大小通常是由系统的安全约束决定的。在只考虑静态安全约束的情况下，限制ATC 的因素，包括节点电压约束、线路热极限以及发电机的容量限制。对于抽样所得的系统状态，一般情况下考虑到系统输电断面的传输极限同时违反几个安全约束的概率很小，因此采用关键的一个约束作为交流潮流ATC 计算的约束条件也可满足工程计算精度。

这种方法首先引入一个反映安全限制的指标来线性地预测限制输电能力的关键约束，再将此关键约束加入到基于交流潮流的模型中[17]，即可快速地计算出该状态下的ATC 。由于关键约束是采用线性预测的方法求得，所以计算速度比传统的连续潮流算法快。虽然电力系统是非线性的，这种方法在一次计算中得到的值可能和全局最优解有一些误差，但是由于本文采用概率性的方法来评估风电功率对ATC 的影响，所以大量样本的仿真可以得到满意的评估结果；同时采用交流潮流的计算模型，考虑了无功功率和电压对于ATC 的影响，所以计算的精度也要比直流潮流算法高。

采用概率型方法计算送电侧与受电侧通过输送断面的ATC ，已经考虑了各种不确定性因素对输

电能力的影响，ATC 的计算就不用包括输电可靠性裕度(transmission reliability margin ，TRM)这一项，只需用最大输电能力(total transfer capability ，TTC)减去现有输电协议(existing transfer capability ，ETC)和容量效益裕度(capacity benefit margin ，CBM)即可。本文CBM 按TTC 的5%取值。输电断面的输

送功率达到最大与受电侧负荷累加达到最大是等价的，因此本文的ATC 计算采用负荷因子λ 来反映受电侧负荷的增长程度。受电侧起始时刻的负荷值

为P D (0i )

，对应现存的输电情况，此时λ = 0；当受电侧各节点按照现存负荷的有功比例K pi 和无功比例K qi 增长，使得λ 的值达到最大，即P Di

(λ

max ) =

P D (0i )

(1 + K pi λ

max )时，则输电能力也达到最大。因此，只需计算负荷因子λ 达到最大时的P Di

(λ

max ) 值 ，即

可方便地计算出ATC 的值。ATC 的计算公式为

ink ink

(0)

ATC max CBM ()Di Di i S i S P P P P λ∈∈=??∑∑ (8) 式中：P Di

(λ

max )为受电侧节点i 的负荷达到最大的值；S ink 为受电侧负荷节点集合。

求解负荷因子达到最大的问题是一个优化问题，但若使用最优潮流(optimal power flow ，OPF)就会很耗时，而使用包含关键约束的扩展潮流方法能快速计算出当系统变量达到约束时的λ 值。

制约输电能力的静态安全约束主要分为节点电压、送电侧发电机出力和线路传输容量的约束3类。引入一个安全指标I SR ，通过对某一仿真时刻这3类约束所包含的所有节点电压、发电机出力和线路功率的指标进行计算，找出该时刻I SR 值最大的那个变量，即具有最少的可用边界且对负荷因子有最大灵敏度的变量作为此时的关键约束。当达到这个约束条件的最大值时，便是系统断面间获得最大输电能力的时候。这3类安全指标的计算公式为

ULimit 0

SR LLimit 0d d /(),0d d d d /(),0d d U U U U U I U U U U λλλ

λ??≥??=???

SR Limit 0d d /(),0d d d d /(),0d d ij ij ij ij

S ij ij ij ij S S S S I S S S S λλλλ??≥??=????

(10)

Limit 0

G SR G G d /()d P P I P P λ

=? (11) 式中：U ，U ULimit

和U LLimit 分别为节点电压的幅值

及其上、下限约束；S ij 和S i L j

imit

分别为线路ij 的视

第22期 周明等：风电并网系统可用输电能力的评估 17

在功率及其上限；P G 和P G Limit

则为送端节点的发电机有功功率及其上限；I SR U ，I SR S 和I SR P 分别为节点电压、线路功率和发电机功率的安全指标；上标0表示相应的初始值。

这些指标的计算不使用复杂的解析方法，而是通过在基态潮流上稍微增加送端节点出力和受端节点的负荷，计算起始时刻与新状态下的2次基本潮流就可以得到。

3.2 基于关键约束的交流潮流ATC 计算

将3.1节得到的关键约束扩展到潮流方程中，利用直角坐标下的牛顿–拉夫逊法求解这个扩展的

潮流方程即可快速计算出某一样本的ATC ，避免了连续潮流的多次潮流计算过程。 在扩展的参数化潮流方程中，受电侧节点的注

入功率为

(,,)()()(,,)()()i i ij j ij j j i i ij j ij j pi j i i i ij j ij j j i

i ij j ij j qi j i P e f e G e B f f G f B e K Q e f f G e B f e G f B e K λλλλ

∈∈∈∈?=?+??++???

=??

???++??

∑∑∑∑ (12) 送电侧节点的注入功率为 (,,)()()(,,)()()i i ij j ij j j i

i ij j ij j pi j i

i i ij j ij j j i i ij j ij j qi

j i P e f e G e B f f G f B e K Q e f f G e B f e G f B e K λλλλ∈∈∈∈?=?+?′?+???=????′+???∑∑∑∑ (13) 式中e 和f 分别为节点电压的实部与虚部。 再加上一个关键约束的方程 R (e , f ,λ) = R Limit (14) 式中R 为关键约束函数。对于受电侧节点，K pi , K qi 表示负荷的增长方式，即按受电侧节点现有负荷的比例来取值；而对于送电侧节点，K'p i λ, K'q i λ 等于所有受电侧节点负荷增加的总量再按送端节点的发电容量比例分配给送端节点i 的有功和无功功率增加量。这样就确保了总发电量和总负荷的平衡，这是保证程序收敛的一个关键因素。

解此扩展潮流方程，需要在常规修正方程基础上，增加计算各个节点的有功P 和无功Q 对λ 的导数，并将其扩展到雅可比矩阵的最后一列中；再计算出约束函数对电压的实部e 、虚部f 以及λ 的导数，并扩展到雅可比矩阵的最后一行里。则扩展的修正

方程式为

P P P f e f P Q Q Q e Q f e R R R R f e

λλλλ???????

????????????????????

=??????????????????????????????????

?

(15) 式中：节点有功P 和无功Q 对λ 的导数除了在受端和送端节点有值外，其余均为0。在受端节点处的导数为

pi

qi P

K Q K λλ

??=??????=??? (16) 在送端节点处的导数为

pi qi P

K Q K λλ??′=?????

??′=???? (17) 至于式(15)中最后一行的计算，根据关键约束的类别分别推导其对节点电压和负荷因子的导数。 1）当某节点k 的电压值达到极限时，有

Limit k U U ==则在式(15)的最后一行中，约束函数对节点电压的导数仅在关键节点处有值，其余均为0。

? (19) 2）当送端某节点k 的发电机输出功率达到极限时，有

Limit G G ()k k kj j kj j j k

P P e G e B f ∈==?+∑

()k k kj j kj j L j k

f G f B e P ∈++∑ (20)

则在式(15)的最后一行中，约束函数对节点电压的导数与原雅克比矩阵中该节点有功P 对电压实部和虚部的导数完全相同，而对负荷因子λ 的导数为0。

3）当某条线路k 的功率达到极限时，有

Limit k ij ij S S ===

(21)

18 中 国 电 机 工 程 学 报 第30卷

此时，在式(15)的最后一行里，约束函数仅对关键线路k 所关联的节点i 和j 的电压实部和虚部的导数有值，其余均为0，约束函数对λ 的导数也为0。

由以上推导可知，在得到关键约束后，每个仿真样本的ATC 求解只需计算一次扩展的潮流方程，通过迭代求解出λ 的值，即可按式(8)计算ATC 。

此外，在采用此方法快速计算ATC 时，由于通过一个静态安全约束来限制输送功率的增长，在有的情况下这种约束条件会不合理，出现某些仿真样本的初始潮流收敛但扩展潮流不收敛的情况，这就需要选择安全指标值稍小的条件作为关键约束重新计算，直到找出能使程序收敛的约束条件，计算此

时的ATC ，这样就保证了算法的精确性和完整性。

4 ATC 概率评估指标

为了研究风电功率对ATC 的影响，需要对比不

同情况下ATC 的期望值和方差。ATC 期望值的估

计值E ATC (t )以及方差的估计值V ATC (t )的计算公式为

ATC ATC 11()(())N

i i E t F x t N ==∑

2ATC ATC ATC 1

1()[(())()]N

i i V t F x t E t N ==?∑ (23)

式中：F ATC (x i (t ))为在时刻t 系统某一抽样状态i 下的ATC 的样本值；N 为时刻t 的仿真样本数。

此外参考文献[18]中的方法，再采用几个年度化的指标来反映风电场功率的季节性变化对ATC 的影响。

ATC 期望值的年度平均值A YATC 为

8760

YATC ATC 1

1()8760t A E t ==∑ATC 期望值的年度方差V YATC 为

8760

2YATC ATC YATC 1

1[()]8760i V E t A ==?∑ (25) ATC 的期望值在一年中小于某特定值C 的概

率P EANS 为

ATC EANS ()

8760

H E C P <= (26) 式中H (E ATC < C)为ATC 的期望值小于某特定值的

小时数。

5 ATC 评估算法的流程 基于序贯蒙特卡罗仿真的计算要仿真多年的样本。在一年的时间跨度里，首先要形成每一小时风电场的风速、系统设备的抽样状态和负荷的随机变化情况，然后再进行每小时样本的ATC 计算，最

后统计多年仿真的结果，采用合理的概率指标来评价风电场对ATC 的影响。算法的流程如图1所示。

图1 仿真计算流程图

Fig. 1 Simulation flow chart

6 算例与分析 以24节点的IEEE-RTS79系统为基础进行风电

场仿真研究，计算从230 kV 供电区域到138 kV 受

电区域的ATC 。原系统由32台机组组成，总装机容量为3 405 MW ，峰荷为2 850 MW ，系统元件的参数见文献[19]。采用标幺值计算，基准容量取100 MV A ，负荷波动方差取期望值的0.02。选取节点13为平衡节点，其装机容量为591 MW 。计算

P EANS 时C 取500 MW 。

以2个大型风电场为例，根据一些统计数据可知，风电穿透功率极限一般不超过10%，因此这里假设每个风电场均包含50台风电机组，每台机组

第22期周明等：风电并网系统可用输电能力的评估 19

额定功率2MW，其参数如文献[20]中所示，风电机组故障率为2次/年，平均修复时间为44h。2个风场的平均风速分别为5.42, 5.41m/s，标准差分别为3.05和2.69，风机的切入风速、切出风速和额定风速分别为4, 22.2和10m/s。综合考虑结果的可信度和计算时间，仿真年限取100年。

本文重点研究大型风电场对ATC的影响，在没有具体风电场实测数据的前提下，此处2个典型风电场的历史数据参考文献[20]。

第1座风场的风速模型(ARMA(4,3))为

y t=0.9336y t?1+0.4506y t?2?0.5545y t?3+0.1110y t?4+αt?0.2033αt?1?0.4684αt?2+0.2301αt?3,

αt∈N ID(0, 0.4094232) (27)

第2座风场的风速模型(ARMA(4,3))为

y t=1.1772y t?1+0.1001y t?2?0.3572y t?3+0.0379y t?4+αt?0.5030αt?1?0.2924αt?2+0.1317αt?3,

αt∈N ID(0, 0.5247602) (28) 式中N ID表示标准独立分布。

算例程序采用VC++6.0编写，在Intel Celeron 2.4GHz, 256MB PC上运算获得。100年的仿真时间大致为2h。作为采用序贯蒙特卡罗仿真的ATC 计算，由于应用关键约束交流潮流方法，计算时间在离线评估中是较快的。每个系统状态下的基本潮流方程以及扩展潮流方程通常经过7次左右的迭代即可收敛。

根据风电场并网条件的不同，大型风电场对ATC的影响呈现出不同的特点。在由时间序列模型得到风速时序变化的基础上，本文着重评估风电场的容量以及并网位置的不同给ATC的影响。为了对比分析，不包含风电场的情况作为案例0。接下来分3种情况对比研究：

1）案例1是在原系统总装机容量不变的条件下在节点21和22分别加入2个风电场的情况；

2）案例2是用2个风电场替换供电区域节点22同等容量的4台50MW常规机组的情况；

3）案例3是用2个风电场替换受电区域节点7同等容量的2台100MW常规机组的情况。

通过仿真可以发现关键约束出现的位置比较集中，例如节点6的电压经常越限，而18号和25号线路的传输功率最容易达到极限，13号线路的容量也稍有不足。这些都是今后电网规划中需要加强的地方，而送电侧发电节点的出力都有限制输电能力增加的情况出现，这说明即使有大型风电场的并网，IEEE-RTS79系统的发电量仍显不足。

为了反映风电功率对ATC的影响，将3种情况下系统ATC期望值的年度变化曲线绘制出来，如图2~5所示。

t/h

E

A

T

C

/

p

u

图2不含风电场时E ATC的变化曲线Fig. 2 Profile of E ATC without wind farm connection

t

/h

E

A

T

C

/

p

u

图3风电场直接并入节点21和22时E ATC的变化曲线Fig. 3 Profile of E ATC with the wind farms connected to

node 21 and 22

t/h

E

A

T

C

/

p

u

图4风电场替代节点22的常规机组时E ATC的变化曲线Fig. 4 Curve of E ATC with the conventional generators replaced by wind farms at node 22

t/h

E

A

T

C

/

p

u

图5风电场替代节点7的常规机组时E ATC的变化曲线Fig. 5 Curve of E ATC with the conventional generators replaced by wind farms at node 7

20 中国电机工程学报第30卷

由ATC的期望值曲线可以看出，几种情况下ATC的年度变化规律很相似，这是因为ATC的时

序变化主要还是由负荷的时序变化引起的，并且大

致和负荷的变化情况相反。风电场的加入使ATC

的年度变化曲线略有改变，具体可由数值反映。

选取一些时刻ATC方差的估计值来反映不同

情况风电场对ATC波动程度的影响，如表1所示。

表1风电场对ATC方差的影响

Tab. 1 Wind farm’s influences on the variances of ATC

V ATC(t)/pu

时间/h

案例0 案例1 案例2 案例3

54 1.178 1.693 1.372 3.940

330 2.939 3.724 4.236 6.049 1561 2.371 4.648 4.857 10.538 3804 0.069 0.293 0.250 4.521 5524 2.767 7.401 8.553 13.518 8385 3.802 5.841 4.823 5.954 由表1可以看出，当在系统中直接加入风电场

以后，在一年中的大多数时间里ATC的方差比没有

风电场并网时增大了；而用风电场替换系统中的常

规机组以后，ATC的波动程度更大，说明风电出力

的间歇性加大了ATC的波动。

系统ATC的年度化指标在不同情况下的对比

结果如表2所示。

表2年度化指标的对比

Tab. 2 Comparison of annual index of ATC

风电并网情况A YATC/pu V YATC/pu P EANS 案例0 6.262 5.764 0.367 案例1 6.425 6.467 0.360 案例2 6.149 5.145 0.351 案例3 5.897 5.937 0.417 由表2的结果可以看出：

1）在原有系统中直接并入风电场，ATC期望

值的年度化平均值最大，这是因为即使增加的是风

电场这种波动性的电源，同样能提高该系统的ATC。

2）当用风电场替换系统的常规机组以后，ATC

的期望值均有所减小，这是由于风电功率的随机性

和间歇性使系统的供电可靠性降低的缘故。

3）在系统中直接并入风电场以后，大多数时

间里ATC的方差都增大了，这主要是由风速的随机

特性引起的。

4）风电场在不同地点并网会给ATC带来不同

的影响。在送电区域并网，ATC的期望值减小得不多，波动幅度也较小；而在受电区域并网会使ATC

的各项指标变化较大。这说明风电场在送电区域并

网对ATC的影响较小，因此系统规划时尽量考虑在运行中经常作为送电侧的区域进行风电场的并网。

7 结论

针对风电并网系统的ATC计算要考虑大量不确定性因素的特点，建立了基于序贯蒙特卡罗仿真的包含风电场的ATC计算和概率评估模型。ATC 的计算使用关键约束下的交流潮流方法，计算速度快，并结合大量仿真提高准确度。通过仿真电力系统各种不确定性状态并计算相应的ATC，对风电场并网后给ATC带来的影响进行评估。仿真算例验证了所提模型和方法的有效性；同时，在ATC计算中得到的关键约束可为系统运行和规划提供参考。所得成果也可推广作为研究风电场并网系统规划和运行问题的一种有效方法。

参考文献

[1] 孙元章，吴俊，李国杰．风力发电对电力系统的影响[J]．电网技

术，2007，31(20)：55-62．

Sun Yuanzhang，Wu Jun，Li Guojie．Influence research of wind power generation on power systems[J]．Power System Technology，2007，

31(20)：55-62(in English)．

[2] 迟永宁，刘燕华，王伟胜，等．风电接入对电力系统的影响[J]．

电网技术，2007，31(3)：77-81．

Chi Yongning，Liu Yanhua，Wang Weisheng，et al．Study on impact of wind power integration on power system[J]．Power System Technology，2007，31(3)：77-81(in Chinese)．

[3] Lu M S，Chang C L，Lee W J．Impact of wind generation on a

transmission system[C]．The 39th North American Power Symposium，Las Cruces，New Mexico，2007．

[4] 吴俊玲，周双喜．并网风力发电场的最大注入功率分析[J]．电网

技术，2004，28(20)：28-32．

Wu Junling，Zhou Shuangxi．Analysis on maximum power injection of wind farm connected to power system[J]．Power System Technology，2004，28(20)：28-32(in Chinese)．

[5] NERC．Available transfer capability definition and determination：a

reference document prepared by TTC task force[R]．New Jersey：

North American Electric Reliability Council，1996．

[6] 王成山，王兴刚，孙玮．含大型风电场的电力系统概率最大输电

能力快速计算[J]．中国电机工程学报，2008，28(10)：56-62．

Wang Chengshan，Wang Xinggang，Sun Wei．Fast calculation and analysis of probabilistic total transfer capability in power system including large-scale wind farms[J]．Proceedings of the CSEE，2008，28(10)：56-62(in Chinese)．

[7] Gao Yajing，Zhou Ming，Li Gengyin，et al．Monte Carlo simulation

based available transmission capability calculation[C]．IEEE/PES Transmission and Distribution Conference & Exhibition：Asia and Pacific，Dalian，China，2005．

[8] 高亚静，周明，李庚银，等．基于马尔可夫链和故障枚举法的可

用输电能力计算[J]．中国电机工程学报，2006，26(19)：41-46．

Gao Yajing，Zhou Ming，Li Gengyin，et al．Available transfer capability calculation based on Markov chain and enumeration method[J]．Proceedings of the CSEE，2006，26(19)：41-46(in

第22期周明等：风电并网系统可用输电能力的评估 21

Chinese)．

[9] Ejebe G C，Tong J，Waight J G，et al．Available transfer capability

calculations[J]．IEEE Transactions on Power Systems，1998，13(4)：1521-1527．

[10] 汪峰，白晓民．基于最优潮流方法的传输容量计算研究[J]．中国

电机工程学报，2002，22(11)：35-40．

Wang Feng，Bai Xiaomin．OPF based transfer capability calculation [J]．Proceedings of the CSEE，2002，22(11)：35-40(in Chinese)．[11] 潘雄，徐国禹．基于最优潮流并计及静态电压稳定性约束的区域

间可用输电能力计算[J]．中国电机工程学报，2004，24(12)：86-91．Pan Xiong，Xu Guoyu．OPF based ATC calculation with static voltage stability constraints[J]．Proceedings of the CSEE，2004，24(12)：86-91(in Chinese)．

[12] 崔雅莉，别朝红，王锡凡．输电系统可用输电能力的概率模型及

计算[J]．电力系统自动化，2003，27(14)：36-40．

Cui Yali，Bie Zhaohong，Wang Xifan．Study on probabilistic models and algorithms of available transfer capability[J]．Automation of Electric Power Systems，2003，27(14)：36-40(in Chinese)．[13] 王成山，王兴刚．考虑静态电压稳定约束并计及负荷和发电机出

力不确定性因素的概率最大输电能力快速计算[J]．中国电机工程学报，2006，26(16)：46-51．

Wang Chengshan，Wang Xinggang．Fast calculation of probabilistic total transfer capability considering static voltage stability constraints and the uncertainties of load and generator output[J]．Proceedings of the CSEE，2006，26(16)：46-51(in Chinese)．

[14] Billinton R，Chen H，Ghajar R．Time-series models for reliability

evaluation of power systems including wind energy[J]．Microelectronics and Reliability，1996，36(9)：1253-1261．[15] 黄杰鹏，李宇红，倪维斗．并网风电场可避免费用的计算[J]．电

网技术，2006，30(16)：50-53．

Huang Jiepeng，Li Yuhong，Ni Weidou．Avoidable cost of wind farm interconnected to power grid[J]．Power System Technology，2006，

30(16)：50-53(in Chinese)．

[16] 吴义纯，丁明，李生虎．风电场对发输电系统可靠性影响的评估

[J]．电工技术学报，2004，19(11)：72-76．

Wu Yichun，Ding Ming，Li Shenghu．Reliability assessment of wind farms in generation and transmission systems[J]．Transactions of China Electrotechnical Society，2004，19(11)：72-76(in Chinese)．[17] Audomvongseree K，Yokoyama A．Consideration of an appropriate

TTC by probabilistic approach[J]．IEEE Transactions on Power Systems，2004，19(1)：375-383．

[18] 李庚银，高亚静，周明．可用输电能力评估的序贯蒙特卡罗仿真

法[J]．中国电机工程学报，2008，28(25)：74-79．

Li Gengyin，Gao Yajing，Zhou Ming．Sequential Monte Carlo simulation approach for assessment of available transfer capability[J]．Proceedings of the CSEE，2008，28(25)：74-79(in Chinese)．[19] Reliability Test System Task Force of the IEEE Subcommittee on the

Application of Probability Methods．IEEE reliability test system[J]．IEEE Transactions on PAS，1979，98(6)：2047-2054．

[20] Billinton R，Wangdee W．Reliability-based transmission reinforcement

planning associated with large-scale wind farms[J]．IEEE Transactions on Power Systems，2007，22(1)：34-40．

收稿日期：2010-03-01。

作者简介：

周明(1967—)，女，博士，教授，博士生导师，

主要研究方向为电力市场、电力系统规划与可靠

性、电能质量等，zhouming@https://www.360docs.net/doc/a716345862.html,；

冉瑞江(1984—)，男，硕士研究生，研究方向

为风力发电与电力市场，kongrrjrrj@https://www.360docs.net/doc/a716345862.html,；

李庚银(1964—)，男，博士，教授，博士生导

师，主要研究方向为电能质量、电力市场、新型输

配电技术等，ligy@https://www.360docs.net/doc/a716345862.html,。

周明

(责任编辑刘浩芳)