关于风电不确定性对电力系统影响的评述
《2024年风电功率预测不确定性及电力系统经济调度》范文
《风电功率预测不确定性及电力系统经济调度》篇一一、引言随着全球对可再生能源的日益关注，风电作为清洁能源的代表，其装机容量在电力系统中逐渐增加。
然而，风电的间歇性和不可预测性给电力系统的稳定运行带来了挑战。
本文将探讨风电功率预测的不确定性及其对电力系统经济调度的影响。
二、风电功率预测的不确定性分析1. 自然因素的影响风电功率的预测受到风速、风向、温度等自然因素的影响，这些因素具有高度的随机性和不可预测性。
风速的突变和风向的转变都会导致风电功率的波动，增加了预测的难度。
2. 预测模型的不完善目前，虽然已经有许多先进的预测模型被应用于风电功率预测，但由于模型参数的复杂性和多样性，以及实际运行环境的复杂性，使得预测模型难以完全准确地预测风电功率。
3. 数据采集与传输的局限性风电场的数据采集和传输对于提高预测精度至关重要。
然而，由于某些地区的风电场数据采集设备不完善或数据传输存在延迟，导致预测模型无法及时获取准确的数据，从而影响预测的准确性。
三、风电功率预测不确定性对电力系统经济调度的影响1. 电力系统的稳定运行由于风电功率的波动性，电力系统需要调整其运行模式以保持稳定。
这种调整可能导致传统电源的频繁启动和停机，增加了电力系统的运行成本。
2. 备用容量的配置为了应对风电功率的不确定性，电力系统需要配置一定比例的备用容量。
这些备用容量通常是传统的火电或水电，它们的运行成本相对较高。
如果预测误差较大，可能会造成备用容量的浪费或电力短缺的风险。
3. 电力市场的供需平衡在电力市场中，发电厂商需要根据预测的风电功率来调整其报价策略。
由于预测的不确定性，可能导致电力市场的供需失衡，影响电力市场的公平性和效率。
四、电力系统经济调度的应对策略1. 优化调度模型通过建立更加精确的调度模型，考虑风电功率的不确定性以及各种电源的运行成本，实现电力系统的经济调度。
这需要引入更加先进的优化算法和技术手段。
2. 备用容量的合理配置根据历史数据和预测的不确定性分析结果，合理配置备用容量，既能够保证电力系统的稳定性，又能降低运行成本。
探析风电不确定性对电力系统的影响
探析风电不确定性对电力系统的影响作者：孔祥明来源：《科技资讯》2018年第33期摘要：利用风能代替其他能源进行电力生产，在确保满足我国现代居民和城市的生活和发展的需求的同时，保证对我国其他能源的节约和保护，达到节能生产的目的，并为进一步加大我国科技开发力度起到推动作用，但由于在该电力系统中存在的风电不确定性会导致电力生产过程及效率也随之受到影响，基于此，本文对风电不确定性进行简要分析，就该不确定性对电力系统产生的影响和相应对策展开思考与研究。
关键词：风电不确定性电力系统影响应对措施中图分类号：TM62 文献标识码：A 文章编号：1672-3791（2018）11（c）-0053-021 风电不确定性的基本概念通常情况下，在利用风能进行发电时产生的波动性、间歇性是风电不确定性在发电过程中展现出的基本形式。
波动性是指风力在运动过程中产生的风速的不均匀性产生的一定波动，而导致风速出现波动性的主要原因包括地域、气候和风速频率，一般来说不同地域的风速因其地理环境和海拔等条件不同也有所不同，再加上短时间内风速在频率上有所变化，在利用不同风速进行发电时出现的波动性和不确定性也较大，因此则导致风电出现不确定性。
而实际上利用现有技术和测量技术无法对风速产生的波动和间歇性进行准确测量和记录，同时也无法针对其产生的风电不确定性标准进行确定，因此在使用正弦波、矩形波等方法时无法得到明确、准确的波动值和间歇值，随机性、不确定性极强，因此导致风电不确定性产生的主要原因还是源自于风速本身。
2 风电不确定性出现时对电力系统产生的不同影响2.1 对电力频率产生的影响在电力系统的正常运行过程中保证其稳定性是确保该系统整体运行水平的关键因素，而针对其稳定性进行控制时多需要对其系统内部的防干扰系统及抵御系统整体强度进行加强，确保电力系统的充裕性，才能够保证该电力系统能够在运行过程中保证对电力用户的电力输送。
但由于风电不确定性的存在，则会对其充裕性和抵御系统产生一定影响，最直接的表现则为电力的频率出现不稳定现象。
关于风电不确定性对电力系统影响的评述贾政
关于风电不确定性对电力系统影响的评述贾政摘要：风电的主要缺点是风能的不确定性。
风电场在实时电力市场向供电公司供电时会面临供电不足的风险，为保证供需双方的利益，必须要对风电不确定性进行控制和预防。
通过研究风电波动性、随机性和间歇性的关系，归纳总结风电不确定性的构成因素，分析对电力系统的影响，从而实现不确定性的协调控制。
本文对风电不确定性对电力系统的影响进行简单分析。
关键词：风电；不确定性；风电系统；影响一、风电不确定性1.1风速的波动性和间歇性风速往往表现出较强的波动性和间歇性，在时域上可分解为大时间尺度的平均风速及小时间尺度的脉动风速，在频域上则对应于低频分量和高频分量。
此外，风速的波动及间歇都不是确定性的行为，而是随机变化的。
风电功率是风速的3次幂函数。
目前机械式风速仪每秒采集1次，以5min为周期计算均值并上传，尚不能很好反映风速的脉动性。
风电的间歇性对应于平均风速的突然变化，很难预测。
每个快变事件可用平均风速的变化幅度（或变化率）、开始时刻、结束时刻（或持续时间）来描述。
1.2输出不稳定性风速的波动性、间歇性和难预测性导致风电机组的输出具有很大的随机性。
通常认为风力发电只能提供电力而不能提供有效的发电容量。
研究表明，风电场的容量因子（实际发电时间总和/系统总的正常时间）为1/3。
1.3风电的不确定性因素1.3.1风速的不确定性。
风速的不确定性反映在风向、平均风速及脉动风速等要素的时空分布上，受到地形、塔位、高度、空气密度、塔影效应和尾流效应等的影响。
平均风速常用的概率模型是Weibull分布，其尺度参数和形状参数由观测到的风速的期望和标准差来折算。
时域或统计方法仅能考虑导致风电功率不确定的部分因素，而难以完整反映风的时空分布，因此风电不确定性及其对系统影响的评估结果往往偏差很大。
用频域模型描述风电场功率的波动特性，并研究时频的快速转换。
1.3.2风电转换中的不确定性。
影响风电转换过程的不确定性包括：①风机脱网、故障、检修及由风速越限引起的切入切出；②大风电功率追踪与远程调节等工况间的变化；③机组运行特性的变化。
风电场对电力系统的电源规划风险评估的影响分析
９ ４・
科 技 论 坛
风电场对电力系统的电源规划风险评估的影响分析
邓 琳 翠
（ 中国能源建设集 团黑龙江省电力设计 院有 限公 司， 黑龙 江 哈 尔滨 １ ５ ０ ０ ０ ０ ） 摘 要： 风 电能源是社会 生产 生活中的绿 色可再生能源， 在社会 可持 续发展理念下 ， 对 于能源发展 以及 电力结构调 整都 具有重要 的作 用。在 电力 系统电源规 划风 险评估 中， 风 电场属于一种不确 定性 因素 ， 为提 高评估 的科 学性和合理性 ， 应 当准确把握风 电场对 电力 系统电 源规划风险评 估的影响 。本文就此进 行简要分析 ， 仅供相 关人 员参考。
关键词： 风 电场 ； 电 力 系统 ； 电 源规 划 ； 风 险评 估 ： 影 响
电力系统 电源规划作为 电力系统规划工作 中的重要 内容 ， 其直 之 间时 ， 风 电机组才会有输 出功率 ， 低于切入 风速时风 电机组不会 接关系着电力 系统 电源布局 战略决策 的科学性和有效性 ， 并且 对于 启动； 高于切 出速度时风电机组将 自动停运 。 电力系统运行 的稳定性 和安全性也产 生较 为明显 的影响 。 我 国风能 ２ 含 风 电 场 电源 规 划 的 风 险 评估 资源 比较 丰富 ， 风力 发电的； ｉ Ｎ Ｎ实现 ， 能够在一定 程度上缓解 我国 电源规划 的风 险评估是 电力 系统 规划中一个复杂 的任务 ， 其基 能源需求 问题 ， 优化 能源结构 ， 对于整个社会经济 的稳定持续 发展 本 目标是在满足负荷增长要求和系统可靠 性水平的同时 ， 合理 的设 都具有重要的意义 。由于风能资源具有不确定性 ， 基于风电机组运 置新增 电源 的位置和容量。 通常 ， 该规划过程中不考虑输 电网， 而主 行特性 ， 使得 电力系统运行和规划往往会受 到风电机组的波动性和 要考虑 电源与负荷之间的平衡 。 传统方法 即是基于这一前提进行 电 间歇性等 的影响 ， 此 种情况下 ， 加大力度探讨风 电场对 电力 系统电 源风险评估 。本文提出了考虑风电场的电源规划的风险评估 ， 某个 源规划风险评估的影响， 对于风能资源和有效利用具有重要 意义 。 电源对 系统风险 的影响不仅取决于其容量的大小 ， 而且 与其在 系统 １ 风 电场 电源 规 划 和 可 靠性 模 型 中的位置有关 。 含风 电机组的电源规划 的风 险评估包括以下几个方 １ ． １ 常 规 电源 的 电源 规划 面： （ １ ） 根据社会 、 环境和政府 管制方面的要求 ， 选 择可行 的电源 规划 就电力系统电源规划 的实 际情况来看 ， 常规 电源的电源规划具 方案。 （ ２ ） 通过技术分析和风险灵敏度分析选择 出要重点考虑的规划 有高维数 、 非线性 和离散性特征 ， 若通过直接方式 进行求解 的难度 备选方案 。 技术分析包括系统潮流计算 、 故障水平 、 暂态稳定和技术 较大 ， 因此在实际 电源规划工作中主要将其分解为电源投资决策问 可行性研究 。 风险灵敏度分析是对新增 电源在不 同容量和位置时对 题和生产优化决策问题 ， 以促进问题的； ｉ Ｎ Ｎ解决。该模型在实际应 系统风 险的影响进行评估。 可用发输电系统风险评估方法进行这一 用 中忽视了未来收益的不确定性 和投 资者对投 资时机 的选择权 ， 通 分析。 要重点考虑 的规划备选方案应包 括新增 电源可能的容量范围 过对启发式算法或线性 规划法 的运用 ， 将多种数学优化算法融合在 和位置 。 （ ３ ） 利用基 于蒙特卡洛模拟的方法进行发 电成本和风险费用 起， 促进 问题 的解决 。 近年来科学技术不断进步 ， 电源规划 中对人 的随机模拟 。（ ４ ） 进行包括投资 、 运行成本 和风险费用 的综 合经济分 丁智能算法的应用也更 为广 泛 ， 以神经 网络算法和遗传算法等为典 析。（ ５ ） 将总费用最小的方案作为最佳方案 。 就发 电成本和风险费用 型应用代表 。 模拟 的模拟来看 ，把蒙特卡洛模拟技术 与最小费用评 估模型 相结 １ ． ２ 风 电场 对 电源 规 划 的 影 响 合， 进行发 电成本和风险损失 费用 的模 拟。模拟 方法 包括以下基本 风 电机组对电力系统电源规 划的影响包含 多个方 面 ， 其一是风 步骤： （ １ ） 建立 多水平年度 负荷模型 ， 这个模 型使用小 时负荷数 据合 电机组 的间歇性和波 动性 对电力系统 电源规 划的可靠性产 生较为 成负荷水平状态 。 （ ２ ） 利用蒙特卡洛模拟选择某一个负荷水平下 的系 明显的影响 ， 导致电力系统等效 负荷 峰谷差逐渐增 大 ， 部分 机组需 统状态。所评估的系统是一个发输 电系统 。发电机组 以及输 电元件 要调停 以吸纳风电场出力 ， 此种情况下导致 电力系统设备备用容量 用两状态 随机变 量表示（ 仅运 行和停运状态） ， 或者根 据具体情 况可 不断增大 ， 并且 给电网调频和调峰都产生极为不利 的影响 。其二是 以被假设 为 １ ０ ０ ％可靠 。（ ３ ） 求解最小费用模 型 ， 计算发 电出力分 配 、 在风 电速度 的影 响下 ， 风 电机组 的输 出功率存在不确定 性 ， 难 以实 发 电成本 、 负荷削减和母线停 电损失 。 （ ４ ） 重复第（ ２ ） 和第（ ３ ） 步， 直到各 现科学化控制。 其 三 是 风 力 发 电 中所 运 用 的 电力 电子设 备 在 入 网后 负荷水平的计算都达到收敛为止。 （ ５ ） 将所有负荷水平 的结果按其概 会对电网产生谐波污染 ， 并且严 重影 响电 网质量 ， 甚至 出现闪变 问 率加权 ， 计算期望发电成本 和期望风险损失费用 的年度指标 。 题， 为保 证 电 力 系 统 电源 规 划 的顺 利 开 展 ， 往 往 需 要 对 滤 波 装 置 进 就含风电场的最小费用模型来看 ， 这个模型 的 目标是要 在满足 行合理设置 ， 并在实 际工作 中准确把握风 电场最大穿透功率等 因素 功率平衡 、 线性化潮 流关 系 、 以及支路额定容量 和发 电机组 出力限 的影 响 ， 以保证 电力 系统 电源规划 的科学性和合理性 。其 四是风 电 制 的条件下 ， 使发电成本 和停 电损失费用之和最小。 机组实 际运行过程中需要从电网吸收无功功率 ， 此种情况下往往导 结 束 语 致 电压 下降或 电压波动 ， 使得风 电的单位发 电成本 明显增 大。其五 总而言之 ， 电力 系统 电源规划 的有 效性和可靠性往往 影响着整 是 风电位置选择 的不合理或装机容量的不适宜 ， 也是影 响电力 系统 个 电力系统的有序运行 ， 并且对于 电力系统的整体规划也产生较大 电源规划 的重要 因素 ， 极易导致 电网损耗增大 ， 并且影 响系统稳定 的影响 ， 与整个社会经济的发展也存在密切的联系 。这就要求在 电 性， 对于电网建设及稳定运行都是不利的。 力 系统 规划 过程 中要准确把握好 风电场对 电力 系统 电源规划 风险 １ ３ 风 电场 的可 靠 性 模 型 评估 的影 响 ， 基 于蒙特卡洛模拟计算 和最 小费用评估模 型 ， 对 引入 风电机组可靠性模型的建立是一项复杂性工作 ， 需要 准确把握 风 电场后的 电源规划进行经济性研究 ， 实现对现有 电源规划模型 的 风速的随机性变化 、风电机组的强迫停运率等要素极易全面分析 ， 完善 ， 从整体上促进 电源规划的不 断发展进步 。 结合 风电机组运行 的实际需求 ， 掌握好风 电机组 的输 出功率 与风速 参考文献 之间的关 系 ， 从而提高电力 系统 电源规划的有效性和可靠性 。 『 １ １ 向磊 ， 蒋铁 铮 ， 徐 晟， 彭亮． 风 电 场 对 电力 系统 电 源规 划 风 险 评 估 的 是威布尔分布风速模型 。威布尔分布属于一种分布 函数法 ， 影 响［ Ｊ １ ． 电 气 开 关， ２ ０ １ ４ ，５ ２ （ ２ ） ： ４ ６ — ５ ０ ． 是 一种 单 峰 两 参 数 法 ， 在 风 速 变 化 均 得 到 良好 应 用 ， 基 于 分 布 函数 ［ ２ 】 陈曦． 基 于风 险 理 论 的 电 力 系统 静 态安 全 性 评 估 方 法 研 究 ［ Ｄ ］ ． 武 能够准确把握威 布尔分布 的偏斜度 ， 并在标 准取值范 围内 ， 能够对 汉 ： 华 中科技 大学， ２ ０ １ ２ ． 每４ ， ｕ ｔ ． 的风 速 随机 抽 样 值 进 行 准 确 计 算 ， 以促 进 电力 系统 电 源 规划 的顺利进行 。威布尔分布模拟法在实际应用 中的计算量较小 ， 原理 简单 ， 具有一定应用优势 ， 但也存在一定不足 ， 其在风速模 拟中能够 得到合理应用 ， 但难以实现对风速 的科学化预测。 二是风 电机组 的输 Ｉ ｑ Ｊ 功率与风速的关 系。 风速 的大小决定了风 力发电机组 的输 出功率大小 ， 只有 当风速值 在切人风速和切出风速
探讨风电接入对电力系统的影响
探讨风电接入对电力系统的影响风电是一种清洁、可持续的能源，已经成为了世界各国发展可再生能源的主要选择之一。
近年来，随着国内对可再生能源的推广和利用，风电在国内的发展也越来越迅速。
风电接入电力系统对于电力系统自身以及国家经济的发展都具有重要的意义。
那么，本文将从三个方面探讨风电接入对电力系统的影响。
一、对电网的稳定性和可靠性的影响从技术层面上来看，风电的不可控因素对电网稳定性产生一定影响。
由于风资源的不稳定性，风电场并不能保证始终能够输出稳定的电力，而这些波动将反映到电网的负荷平衡、电压稳定等方面，特别是在高密度风电接入网络中，对电力系统的影响会更加明显。
面对这样的挑战，研究人员通过协调各类技术手段，包括电力系统调度、风电场运行控制、电力系统各层面的管理和规划等，来增强电网的稳定性和可靠性。
二、对环保的影响风电正是因为具有良好的环保性而得到了广泛的关注和追捧。
风电作为一种利用自然能源的发电方式，没有排放污染物和温室气体，降低了对环境造成的影响。
同时，大规模建设风电项目也能促进电力行业实现减排和优化能源结构的目标，从而实现可持续发展。
所以，风电接入电力系统，对于环境保护方面的影响非常大。
三、对电力市场的影响风电产业的发展对电力市场带来了巨大影响，其实际的贡献在于降低电力市场价格。
在中国，随着风电装机容量增加，其在全国电力供应结构中的比例也在逐年提高。
根据中国电力规划纲要，到2021年和2030年，风电装机容量分别将达到扩容到2.2亿千瓦和4.5亿千瓦。
在此背景下，大规模开发风电必然导致电力市场竞争加剧，更新换代速度加快，同时也为电力市场参与者带来了新的机会和挑战。
总而言之，风电的广泛应用以及与传统能源的搭配，有利于促进可持续能源的发展，减少对环境的破坏，助推我国向低碳经济转型，并对全球气候变化产生积极的影响。
风电接入电力系统，其正向作用显而易见，但同时也需要在合理规划、科学管理、可持续发展等方面加以强化和探索。
风电不确定性对电力系统的影响阐释
风电不确定性对电力系统的影响阐释摘要：风电不确定性具有波动性、间歇性、随机性以及模糊性等特点，会对电力系统的运行产生影响。
因此，本文针对风电不确定性对电力系统频率、电压、暂态稳定性、充裕性等带来的影响进行分析，目的是为确保电力系统的稳定运行，实现电力行业的可持续发展。
关键词：风电；不确定性；电力系统风电的波动行为以及间歇行为都有着较强的不确定性，这对于电力的可靠性、经济性以及电能质量等都会产生影响。
电力是促进我国更好发展的前提保障，也就是说电力的发展能够带动社会的发展与经济的进步。
因此，要在最大程度上保证电力系统的安全稳定运行，这样才能为社会市场提供充足电能，并保证电能质量。
所以，本文将针对风电不确定性对电力系统的影响相应内容进行阐述。
1、风电不确定性基本概述风电不确定性通常情况下主要包含两部分内容，分别是随机性与模糊性，或者是偶然性与非明晰性，它们的物理意义以及产生机理等有着一定的差异性。
随机性通常情况下主要是指，结果与给出的场景特征不完善。
随机性能够将其分为两种类型，分别是本质型与激励型。
本质型随机性主要是指，在没有随机因素的影响下，多维非线性都动力系统表现出来的随机性。
激励型随机性主要来源是是随机因素，研究工具是树立统计以及随机过程等。
模糊性随机通常情况下主要是指，事物自身概念并不清晰、在事物衡量过程中其尺度不明确，此类问题造成的分类不确定性就被称为模糊型随机性[1]。
模糊性与随机性会共同存在于研究对象中，但是由于预报方法缺乏完善性、主观判断缺乏准确性，会导致不确定性的影响范围会进一步扩大。
传统的统计回归方式只能实现对随机性的考虑与分析，对于模糊性的处理却是无法更好落实。
电力系统规划与运行期间，都会涉及到许多不同的不确定因素。
因此，对于不同因素的处理需要深入研究。
2、风电不确定性的风速波动性与间歇性风速通常情况下都有着较强的波动性与间歇性，如果从时域上对其进行分解，会将风速分为时间尺度的平均风速、时间尺度的脉动风速[2]。
关于风电不确定性对电力系统影响的评述_薛禹胜
randomness; wind power forecasting; wind farm control 摘要： 风电的波动和间歇行为都具有强烈的不确定性， 其对 电力可靠性、 电能质量、 经济性及社会福利的影响随着渗透 率的增加而越发突出。为此，讨论风电波动性、间歇性与随 机性的关系；归纳风电不确定性因素的构成、描述，及其对 电力系统功角稳定性、频率与电压可接受性、充裕性、电能 质量、 电力市场及减排等方面的影响； 并将其纳入广义阻塞 的框架。回顾对其机理的研究现状；讨论发电侧、电网、需 求侧及其综合的不确定性分析及协调控制； 提出计及风电不 确定性的电网三道防线； 强调量化和风险观点在上述研究中 的重要性。 关键词：风电；波动性；间歇性；随机性；风电功率预测； 风电场控制
A Review on Impacts of Wind Power Uncertainties on Power Systems
XUE Yusheng1, LEI Xing2, XUE Feng1, YU Chen1, DONG Zhaoyang3, WEN Fushuan4, JU Ping5
风力发电技术对电力系统频率稳定性的影响及控制策略
风力发电技术对电力系统频率稳定性的影响及控制策略风力发电作为一种清洁、可再生的能源形式，得到了越来越广泛的应用和发展。
然而，由于风力发电的不确定性和波动性，它对电力系统的频率稳定性产生了一定的影响。
本文将重点讨论风力发电技术对电力系统频率稳定性的影响，并提出相应的控制策略。
首先，我们需要了解电力系统的频率稳定性是指系统在外部干扰下，能够保持合适的频率范围内运行，不发生频率失控或频率振荡的能力。
风力发电技术的引入增加了电力系统的不确定性，对电力系统频率稳定性带来了一定的挑战。
风力发电的不稳定性主要表现在两个方面：首先，风力发电的产生与风速息息相关，而风速是一个非常不稳定的因素，容易导致风力发电的输出功率波动较大。
其次，风力发电机组的快速响应能力有限，无法像传统的发电机组那样快速调节输出功率，造成了系统频率的波动。
造成频率稳定性问题的一个重要因素是风力发电机组的不确定性。
因为风速的变化会直接影响风力发电机组的输出功率，而电力系统中的其他发电机组需要根据整个系统的负荷需求来调节发电功率和频率。
当风速突然改变时，风力发电机组的输出功率会突然增加或减少，而电力系统中的其他发电机组则需要迅速调整以平衡负荷需求，这就带来了频率的波动。
针对风力发电技术对电力系统频率稳定性的影响，我们可以采取一些控制策略来解决这个问题。
首先，我们可以通过增加风力发电机组的容量来减小风速变化对系统频率的影响。
较大的风力发电机组容量意味着更大的惯性，它们能够更好地抵抗外界风速变化带来的冲击，从而减小了对系统频率的影响。
其次，我们可以采用功率控制策略来调整风力发电机组的输出功率，以缓解频率波动。
现代风力发电技术通常配备了先进的功率控制系统，可以通过改变桨叶的角度或调节发电机的励磁电流来实现输出功率的调整。
通过及时响应系统频率的变化，风力发电机组可以根据需要增加或减少输出功率，保持系统频率的稳定。
此外，增加风力发电机组与其他发电机组之间的协调和通信也是解决频率稳定性问题的有效方法。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
关于风电不确定性对电力系统影响的评
述
摘要：发电机故障停运是电力系统运行中的不确定事件。
目前在含风电机组
组合中考虑机组故障停运的方法，不同程度地忽略了机组故障停运的概率特征，
难以较好描述机组故障停运风险。
在含风电机组组合模型的基础上，引入电量不
足期望以量化机组故障停运风险，基于成本收益分析建立了考虑风电不确定性和
机组故障停运风险的两阶段机组组合模型，并提出计算电量不足期望的简化模型
以提升计算效率。
基于改进的IEEE-RTS26机系统验证所提模型和方法，结果表
明该方法能较好考虑风电不确定性和机组故障停运风险的影响，该简化模型能显
著减小问题求解规模、缩短计算时间。
关键词：机组组合；机组故障停运风险；成本收益分析；可靠性评估
引言：日前机组组合是调度部门安排电力生产的重要工具，旨在满足负荷需
求和电网运行各类约束条件下，确定次日机组的最优开停机计划。
近年来，风电
大规模接入系统给传统确定性机组组合方法带来了新的挑战。
在风电日前功率预
测误差仍较大的背景下，合理考虑风电不确定性是机组组合研究的热点。
随机机
组组合和机组组合是目前在机组组合中考虑风电不确定性的两种常用方法。
其中，机组组合采用不确定集刻画不确定参数（如风电出力）的随机性，最小化最恶劣
场景下的运行成本。
这里的最恶劣场景表征了不确定参数在不确定集上的某种实现，其使得系统运行情况最不利。
所以，机组组合优化得到的开停机计划对不确
定参数的实现具有较强的适应性。
学界已经对含风电的机组组合进行了深入研究，引入了基数性不确定集，通过设置不确定度，控制决策的保守度。
提出了一种随
机机组组合和机组组合的混合方法，通过调整两者之间的权重以减轻模型的保守性。
本文针对含风电的机组组合模型中考虑机组故障停运风险的问题，在含风电
的机组组合模型基础上，引入系统可靠性指标EENS以量化机组故障停运风险，
并建立成本收益分析模型，优化风电最恶劣场景下的系统运行总成本；此外，提
出了一种求解EENS的简化模型，通过建立机组状态的线性函数模型，近似计算
可靠性指标EENS，可缩减计算规模。
1风电不确定性对电力系统的影响分析
本文基于成本收益分析建立考虑机组故障停运风险的含风电2阶段机组组合
模型，在机组组合模型中同时考虑了风电出力和发电机组随机故障两种不确定性
因素。
不同于已有文献的是，本文采用方法考虑了风电的不确定性，同时采用EENS可靠性指标计算发电机组随机故障带来的损失。
模型最小化风电最不利场景
下的成本，该成本中包含了发电机组随机故障导致的损失。
考虑到EENS是机组
状态变量的非线性函数，须将其线性化以便于求解。
辉腾锡勒风电场是内蒙古北
方龙源风力发电有限责任公司的一个主力风电场。
风电场始建于1996年，是最
早开发建设的并网型风力发电场之一。
目前运营两座变电站，装机容量239MW，
12种机型，216台风电机，年发电量约4亿千瓦时。
110KV变电站于1996年10
月投运，装机台数96台，装机容量72.5MW，共九种机型：麦康M1500/600KW 42台；麦康N52-900KW 12台；麦康NM48-600KW 1台；美国Z40-550KW 10台；荷
兰V42-600KW 9台；德国N43-600KW 9台；美国GE1500KW 10台；中国万电
600KW 1台；海装2000KW 2台。
220KV变电站于2007年10月投运，装机台数
120台，装机容量166.5MW，共四种机型：华锐FL1500KW 27台；海装2000KW 12台；瑞能2000KW 1台；苏司兰1250KW 80台。
）计算可靠性指标EENS的简化模
型本文根据电力系统特点采用分区分类的方法对EENS计算模型进行简化：（1）
由于输电通道一般留有安全裕度，部分线路的直流潮流约束并不影响机组组合问
题的求解。
因此，可通过特定方法[22]识别出直流潮流约束对机组组合决策有影
响的线路或断面，将电网划分成多个区域，然后将同一区域的节点等效为单节点；（2）由于相同额定容量的发电机设计往往满足同一标准，若按额定容量对发电
机分类，则在不计及网架约束的条件下，任意若干台同一类型处于运行状态的发
电机发生故障，系统的失负荷损失都相同，可直接表示成该类型发电机开机数量
的函数。
因实际系统中发电机数量一般远大于机组额定容量类型数，故基于机组
额定容量类型对故障损失和故障概率建模，将极大降低模型规模。
本文以一个包
含子区域A，B的系统为例，给出二阶故障时电量不足期望EENS2的简化模型。
2算例分析
2.1测试系统
本文采用改进的IEEE-RTS26机系统测试所建立的模型，机组组合时间尺度为小时。
发电机运行参数采用文献[24-25]的数据，部分发电机略作调整。
设有2个风电场，1号风电场装机容量为700MW，接入系统第14节点；2号风电场装机容量为500MW，接入第5节点。
由于2个风电场距离较远，认为两者的出力在空间上不具有相关性，即不确定集中的参数H为0。
系统分成上半区域和下半区域，对这2个区域分别统计机组类型，共得到8个类型。
设线路15—24，14—11，13—11，23—12，13—12组成的断面潮流上限为700MW。
假设弃风惩罚费用为0.03k$/MWh，停电损失费用为1k$/MWh，所有发电机的强迫停运率为0.01，忽略风电场的故障停运。
计算平台为1台处理器为i7-4790K，内存为8G的PC。
模型通过C++调用Cplex12.5软件求解。
2.2EENS模型的规模和计算效率对比
以风电不确定度Γ=8为例，比较EENS原始模型和简化模型的规模和计算效率，原始模型也进行了分区及单节点等效，否则过多的直流潮流约束导致求解时间无法接受，所以本小节实质上验证简化模型对机组分类处理的有效性。
简化模型的规模远小于原始模型，对于主要影响规模的子问题二阶故障模型，简化模型的变量、约束数量约为原始模型的1/4，因而计算时间明显缩短。
简化模型的总成本与原始模型的相同，说明了机组分类处理方法的正确性。
2.3不同方法的仿真结果对比
比较以下3种在含风电机组组合中考虑机组随机停运故障的方法：方法1：系统中任何时刻的旋转备用大于最大1台运行机组的容量.方法2：基于发电机
N-1不确定集的机组组合。
在文献[10]的模型中加入风电不确定集。
目标函数中的权重系数为0，即优化最恶劣的故障场景。
方法3：本文建立的模型。
方法1忽略了机组的可靠程度，因而对强迫停运率的变化并不敏感，表现为EENS和总费用均值随着强迫停运率的增大而不断上升。
本文方法通过成本收益分析协调基
本运行成本和故障停运风险费用，进而根据机组强迫停运率的大小调整开机方案，所以EENS均值对强迫停运率的变化具有较强的性，因而得到了更理想的机组组
合决策。
另外，观察强迫停运率等于0.07的方法3机组组合结果发现，部分高
峰负荷时段，系统所有发电机组都处于运行状态，如果强迫停运率进一步上升，
系统装机容量不足制约系统经济性的改善。
就方法2而言：（1）其针对的是最严重的发电机故障，需要采取保守的开
机方式以减少切负荷，因此基本运行成本较其余2种方法高；（2）随着系统中
在线发电机数量增多，发生2台机组同时故障的概率也随之增加，而该方法仅计
及了一阶故障，所以EENS指标较方法3偏大；（3）方法2的难点还在于权重系
数的选取，目前尚未有文献给出权重系数的合理取值方法。
结语：
针对如何在含风电机组组合中考虑概率性机组故障停运风险的问题，本文建
立了考虑风电不确定性和机组故障停运风险的两阶段机组组合模型。
同时提出了
计算EENS指标的简化模型以减小机组组合模型规模，提升计算效率。
通过改进
的IEEE-RTS26机系统验证了本文所提模型和方法的正确性。
算例结果表明，本
文所建立的模型能较好考虑风电不确定性和机组故障停运风险的影响，且对机组
强迫停运率的变化具有较强性；EENS的简化模型可在保证计算正确性的同时，明
显缩短计算时间。
参考文献
[1]韩自奋，景乾明，张彦凯，等.风电预测方法与新趋势综述[J].电力系统
保护与控制，2019，47（24）:178-187.
[2]孙堃，赵萌萌，沈美娜，等.基于CEEMD和模糊熵的随机森林风力发电功
率预测[J].智慧电力，2019，47（10）:36-42.
[3]何廷一，田鑫萃，李胜男，等.基于蜂群算法改进的BP神经网络风电功
率预测[J].电力科学与技术学报，2018，33（4）:22-27.
作者简介：姓名:武利敏，男，1987.09出生，内蒙古呼和浩特市人，学历:工程硕士，专业:电气工程及其自动化。
从事风力发电运行检修管理、生产技能人员教育培训。