余志強(qiáng)，王 淳，胡奕濤，鐘 云，汪碩承

(南昌大學(xué)電氣與自動(dòng)化系，江西 南昌 330031)

并網(wǎng)光伏發(fā)電置信容量評(píng)估

余志強(qiáng)，王 淳，胡奕濤，鐘 云，汪碩承

(南昌大學(xué)電氣與自動(dòng)化系，江西 南昌 330031)

提出了一種應(yīng)用含衰老和競(jìng)爭(zhēng)機(jī)制的粒子群算法(Particle Swarm Optimization with Aging and Challenging Mechanism，ACM-PSO)，分別從負(fù)荷側(cè)和電源側(cè)求解并網(wǎng)光伏發(fā)電置信容量。在構(gòu)建了以常規(guī)機(jī)組類型數(shù)為系統(tǒng)狀態(tài)變量的基礎(chǔ)上，將ACM-PSO算法作為一種系統(tǒng)狀態(tài)掃描及分類工具篩選出對(duì)發(fā)電可靠性指標(biāo)有貢獻(xiàn)的系統(tǒng)故障狀態(tài)集。定義了負(fù)荷比例增加方式，以光伏發(fā)電接入前后系統(tǒng)電力不足期望(loss of load expectation, LOLE)保持不變?yōu)樵瓌t，分別從負(fù)荷側(cè)和電源側(cè)構(gòu)建了目標(biāo)函數(shù)，應(yīng)用ACM-PSO算法求解光伏發(fā)電的有效荷載能力和等效常規(guī)機(jī)組容量。應(yīng)用改進(jìn)的IEEE-RTS79測(cè)試系統(tǒng)驗(yàn)證了所提方法的有效性。

光伏發(fā)電；發(fā)電可靠性；有效荷載能力；等效常規(guī)機(jī)組容量；含衰老和競(jìng)爭(zhēng)機(jī)制的粒子群算法

0 引言

人類在分享現(xiàn)代工業(yè)快速發(fā)展成果的同時(shí)，也表達(dá)出對(duì)化石能源日益枯竭、生態(tài)環(huán)境日漸惡劣的擔(dān)憂以及對(duì)開發(fā)利用可再生能源的渴望[1]。作為一種理想可再生能源，光伏發(fā)電因太陽(yáng)能儲(chǔ)量豐富以及光電轉(zhuǎn)換零污染特點(diǎn)而備受關(guān)注。此外，積極穩(wěn)健的政策扶持和日臻完善的并網(wǎng)技術(shù)支撐使得光伏發(fā)電有了飛躍式的發(fā)展。但受太陽(yáng)能資源和發(fā)電設(shè)備特性的影響，光伏發(fā)電具有顯著的時(shí)序性和隨機(jī)性，大規(guī)模并網(wǎng)將給系統(tǒng)的運(yùn)行帶來新的挑戰(zhàn)。準(zhǔn)確、有效地分析光伏發(fā)電接入對(duì)發(fā)電系統(tǒng)可靠性的影響及評(píng)估光伏發(fā)電置信容量，不僅為高效利用太陽(yáng)能提供了理論依據(jù)，也為人類走出環(huán)境污染困局奠定了基礎(chǔ)。

分析含光伏發(fā)電的發(fā)電系統(tǒng)可靠性方法主要有解析法[2-3]和模擬法[4-12]。解析法依據(jù)系統(tǒng)可靠性數(shù)學(xué)模型并采用嚴(yán)格的數(shù)學(xué)手段求解系統(tǒng)可靠性指標(biāo)，計(jì)算結(jié)果可信度高。但光伏發(fā)電接入增加了系統(tǒng)的不確定性，解析法的研究過程將變得異常復(fù)雜且無法反映出光伏發(fā)電的時(shí)序性。模擬法的核心思想是將系統(tǒng)狀態(tài)按其概率大小進(jìn)行重復(fù)抽樣實(shí)驗(yàn)。模擬法方便描述光伏發(fā)電的時(shí)序性，且能給出系統(tǒng)可靠性指標(biāo)及其分布情況。由于系統(tǒng)故障狀態(tài)通常以極其稀疏的形式散布于系統(tǒng)狀態(tài)空間，導(dǎo)致模擬法不能以“真實(shí)”概率對(duì)故障狀態(tài)進(jìn)行抽樣，造成可靠性指標(biāo)計(jì)算結(jié)果偏差較大甚至出現(xiàn)收斂問題。鑒于此，本文嘗試將ACM-PSO算法[13]作為系統(tǒng)狀態(tài)掃描及分類工具應(yīng)用于求解含光伏發(fā)電的發(fā)電系統(tǒng)可靠性問題，以克服模擬法計(jì)算結(jié)果偏差較大及可能出現(xiàn)收斂問題的不足。

評(píng)估光伏發(fā)電置信容量有從負(fù)荷側(cè)計(jì)算的有效荷載能力(Effective Load Carring Capacity, ELCC)[5-6]和從電源側(cè)計(jì)算的等效常規(guī)機(jī)組容量(Equivalent Convenational Unit Capacity, ECUC)[8,10]兩類方法。上述文獻(xiàn)均從負(fù)荷側(cè)或電源側(cè)單方面給出了光伏發(fā)電置信容量，具有一定的局限性。本文以光伏發(fā)電接入前后LOLE保持不變?yōu)樵瓌t，分別從負(fù)荷側(cè)和電源側(cè)的角度構(gòu)建了目標(biāo)函數(shù)，提出采用ACM-PSO算法求解光伏發(fā)電的ELCC和ECUC。采用改進(jìn)的IEEE-RTS79測(cè)試系統(tǒng)對(duì)所提方法進(jìn)行測(cè)試，結(jié)果表明所提方法能正確求解發(fā)電系統(tǒng)可靠性指標(biāo)，且能高效地從負(fù)荷側(cè)與電源側(cè)計(jì)算光伏發(fā)電的置信容量。

1 ACM-PSO算法概述

ACM-PSO算法是在基本PSO算法[14]的基礎(chǔ)上，通過引入自然界中普遍存在的衰老和競(jìng)爭(zhēng)機(jī)制改進(jìn)而成的。異于基本PSO算法，ACM-PSO算法給群體領(lǐng)袖(Leader)分配了一個(gè)合適的壽命Θ和衰老速度θ，并根據(jù)Leader領(lǐng)導(dǎo)群體搜索最優(yōu)解的能力自動(dòng)調(diào)整其壽命Θ。當(dāng)Leader壽命耗盡時(shí)，群體將產(chǎn)生一個(gè)競(jìng)爭(zhēng)者(Challenger)來競(jìng)爭(zhēng)甚至取代Leader的領(lǐng)袖地位，而Challenger能否勝任群體領(lǐng)袖地位需對(duì)其領(lǐng)導(dǎo)能力進(jìn)行T代評(píng)估方能確定。在迭代過程中，粒子分別根據(jù)式(1)和式(3)更新速度和位置向量。

式中：i=1, 2, …,M，M為粒子群規(guī)模；d=1, 2, …,n，n為解空間的維度；k為當(dāng)前迭代次數(shù)；ω為慣性權(quán)重；c1、c2為學(xué)習(xí)因子；r1和r2為區(qū)間[0,1]上的隨機(jī)數(shù)；xd,max為第d維解空間的上限。

由以上敘述可知，ACM-PSO算法是在基本PSO的基礎(chǔ)上增加了Leader壽命調(diào)整、Challenger產(chǎn)生和Challenger領(lǐng)導(dǎo)能力評(píng)估3個(gè)關(guān)鍵策略，具體內(nèi)容見文獻(xiàn)[13,15]，此處不再贅述。

2 含光伏發(fā)電的發(fā)電系統(tǒng)可靠性計(jì)算

2.1 系統(tǒng)故障狀態(tài)集的形成

文獻(xiàn)[16]以各常規(guī)機(jī)組運(yùn)行狀態(tài)為系統(tǒng)狀態(tài)變量，應(yīng)用MSGA算法求解發(fā)電系統(tǒng)可靠性指標(biāo)，獲得了較為滿意的效果。為降低系統(tǒng)狀態(tài)的維數(shù)，提高算法的搜索效率，本文將機(jī)組類型(將額定容量和可靠性參數(shù)均相同的常規(guī)機(jī)組合并為同一類型機(jī)組)數(shù)作為系統(tǒng)狀態(tài)變量，將ACM-PSO算法作為系統(tǒng)狀態(tài)掃描及分類工具，用于篩選出系統(tǒng)故障狀態(tài)集，詳細(xì)過程如下。

1) 輸入形成系統(tǒng)故障狀態(tài)集所需原始參數(shù)，包括各類常規(guī)機(jī)組運(yùn)行參數(shù)(額定容量、臺(tái)數(shù)、強(qiáng)迫停運(yùn)率、故障率和修復(fù)率)、系統(tǒng)年最大負(fù)荷Lmax和系統(tǒng)狀態(tài)概率閾值ε。

2) 粒子群初始化，包括設(shè)置粒子群規(guī)模M、粒子維度D(即機(jī)組類型數(shù))、慣性權(quán)重ω、學(xué)習(xí)因子c1、c2，初始迭代次數(shù)k=1、最大迭代次數(shù)kmax、領(lǐng)袖壽命Θ0和競(jìng)爭(zhēng)者評(píng)估代數(shù)T并初始化各粒子的速度、位置向量V和X、個(gè)體極值pbest和全局極值gbest及領(lǐng)袖Leader。

3) 按式(4)計(jì)算粒子(即系統(tǒng)狀態(tài))i的概率Pi，若Pi<ε，表示系統(tǒng)狀態(tài)i為正常運(yùn)行狀態(tài)且不加入系統(tǒng)故障狀態(tài)集，其適應(yīng)度值等于Pi的1e-5倍，跳至步驟6)；否則，執(zhí)行步驟4)。

式中：qj為第j類常規(guī)機(jī)組的強(qiáng)迫停運(yùn)率；xj、xj,max分別為第j類常規(guī)機(jī)組的運(yùn)行臺(tái)數(shù)和總臺(tái)數(shù)。

4) 根據(jù)式(5)計(jì)算系統(tǒng)狀態(tài)i的有效發(fā)電容量Ei，若Ei≥Lmax，表明系統(tǒng)狀態(tài)i處于正常運(yùn)行狀態(tài)，其適應(yīng)度值設(shè)定為一極小數(shù)且不加入系統(tǒng)故障狀態(tài)集，跳至步驟6)；若Ei

式中：xj的含義同上；gj為第j類常規(guī)機(jī)組額定容量。

5) 判斷系統(tǒng)狀態(tài)i是否與系統(tǒng)故障狀態(tài)集中的已有故障狀態(tài)重復(fù)，若重復(fù)，其適應(yīng)度值為Pi的1e-5倍且不加入系統(tǒng)故障狀態(tài)集；否則，系統(tǒng)狀態(tài)i為一新的系統(tǒng)故障狀態(tài)，按式(6)—式(8)分別計(jì)算其適應(yīng)度值、故障頻率及等效組合數(shù)后加入系統(tǒng)故障狀態(tài)集，執(zhí)行步驟6)。故障狀態(tài)i存入系統(tǒng)故障狀態(tài)集的結(jié)構(gòu)如圖1所示。

圖1 系統(tǒng)故障狀態(tài)集的結(jié)構(gòu)Fig. 1 Construction of failure state array

式中：λj、μj分別為第j類常規(guī)機(jī)組的故障率和修復(fù)率；其他參數(shù)同上。

6) 重返并執(zhí)行步驟3)至所有粒子的適應(yīng)度值計(jì)算及對(duì)應(yīng)的系統(tǒng)狀態(tài)篩選完畢，執(zhí)行步驟7)。

7) 迭代次數(shù)更新，k=k+1。判斷k≥kmax是否成立，若成立，算法結(jié)束并輸出系統(tǒng)故障狀態(tài)集；否則，執(zhí)行步驟8)。

8) 根據(jù)式(1)、式(3)更新各粒子的速度和位置向量V、X，并更新pbest、gbest和Leader轉(zhuǎn)步驟3)繼續(xù)執(zhí)行，直至算法滿足收斂條件為止。

2.2 時(shí)序負(fù)荷曲線的修正

將時(shí)序負(fù)荷曲線與光伏出力時(shí)序曲線進(jìn)行合并(光伏出力作為“負(fù)負(fù)荷”修正系統(tǒng)負(fù)荷)，得到修正后的時(shí)序負(fù)荷曲線。

2.3 發(fā)電可靠性指標(biāo)的計(jì)算

利用故障集中各系統(tǒng)故障狀態(tài)對(duì)應(yīng)的系統(tǒng)有效發(fā)電容量Ej,t與修正后的時(shí)序負(fù)荷Lt卷積計(jì)算，可得到系統(tǒng)發(fā)電可靠性指標(biāo)，具體過程如下。

1) 按式(9)計(jì)算t時(shí)刻系統(tǒng)電力不足概率LOLPt。

式中：當(dāng)Ej,t≥Lt時(shí)，αj=0，表明系統(tǒng)狀態(tài)j處于正常運(yùn)行狀態(tài)；反之，αj=1，表明系統(tǒng)狀態(tài)j為故障狀態(tài)；S為系統(tǒng)故障狀態(tài)集中系統(tǒng)狀態(tài)數(shù)。

放療在食管癌治療中占據(jù)著重要的位置，有效延長(zhǎng)了患者的生存時(shí)間，特別是3D-CRT能夠通過提高腫瘤劑量，減少正常組織器官發(fā)生放射毒性反應(yīng)的幾率，從而增加腫瘤局部控制率[13]。不過食管癌在放療中的體位常受到食管蠕動(dòng)、心臟搏動(dòng)、膈肌運(yùn)動(dòng)、呼吸運(yùn)動(dòng)等因素的影響，形成擺位誤差[14]。擺位誤差可能使高劑量分布區(qū)移至靶區(qū)附近的危及器官區(qū)域，也可能造成靶區(qū)漏照，影響治療效果[15]。

2) 若全年劃分為NT個(gè)小時(shí)，則根據(jù)式(10)—式(12)可分別計(jì)算出LOLE、EENS和LOLF。式(11)和式(12)中的αj和S的含義同式(9)，式(12)的第一項(xiàng)、第二項(xiàng)分別表示發(fā)電容量變化和系統(tǒng)負(fù)荷變化對(duì)系統(tǒng)故障頻率的影響，當(dāng)括號(hào)內(nèi)的差值小于零時(shí)，βt=0；反之，βt=1。

3 光伏發(fā)電置信容量評(píng)估

目前，基于可靠性分析的光伏發(fā)電置信容量評(píng)估有從負(fù)荷側(cè)計(jì)算的ELCC和從電源側(cè)計(jì)算的ECUC兩種指標(biāo)。評(píng)估光伏發(fā)電置信容量的指標(biāo)不同，所涉及的目標(biāo)函數(shù)和約束條件也不同。

3.1 基于負(fù)荷側(cè)的光伏發(fā)電置信容量評(píng)估

ELCC是指在系統(tǒng)等可靠性條件下，新增光伏容量可使系統(tǒng)額外承擔(dān)負(fù)荷的能力。文獻(xiàn)[5-6]以光伏接入前后系統(tǒng)等可靠性為迭代目標(biāo)，采用弦截法以負(fù)荷定值增加的方式求解了光伏發(fā)電的ELCC。負(fù)荷定值增加的方式顯然不符合負(fù)荷實(shí)際變化規(guī)律，為此，本文提出了一種更貼近實(shí)際的負(fù)荷變化方式，即負(fù)荷比例增加。所謂負(fù)荷比例增加是指系統(tǒng)年時(shí)序負(fù)荷按同一比例系數(shù)增加，記此比例系數(shù)為ΔLP。按負(fù)荷比例增加的方式求解光伏發(fā)電ELCC的目標(biāo)函數(shù)及約束條件分別如式(13)和式(14)所示。

式(13)中：f為系統(tǒng)LOLE改變量最小化函數(shù)；R(?)為系統(tǒng)LOLE計(jì)算函數(shù)；G、GPV,t和Lt分別為系統(tǒng)初始裝機(jī)容量、t時(shí)刻光伏出力和t時(shí)刻系統(tǒng)初始負(fù)荷。式(14)為目標(biāo)搜索約束條件，即系統(tǒng)負(fù)荷增加比例ΔLP不應(yīng)大于光伏滲透率(光伏裝機(jī)容量GPV與系統(tǒng)年最大負(fù)荷Lmax的比值)ΔPPV。

3.2 基于電源側(cè)的光伏發(fā)電置信容量評(píng)估

式中：G′為光伏接入后系統(tǒng)常規(guī)機(jī)組容量；gd為第d類常規(guī)機(jī)組的額定容量；xd, …,xD)的轉(zhuǎn)置，其余參數(shù)含義同3.1節(jié)。

3.3 光伏發(fā)電置信容量評(píng)估流程圖

圖2給出了應(yīng)用雙層ACM-PSO算法求解光伏發(fā)電置信容量的流程。第一層ACM-PSO算法是作為系統(tǒng)狀態(tài)掃描及分類工具形成系統(tǒng)故障狀態(tài)集；第二層ACM-PSO算法是作為優(yōu)化工具迭代求解光伏發(fā)電的ELCC和ECUC。

圖2 光伏發(fā)電置信容量評(píng)估流程圖Fig. 2 Flow chart of capacity credit evaluation of PV generation

4 算例分析

4.1 算例系統(tǒng)及參數(shù)設(shè)置

IEEE-RTS79測(cè)試系統(tǒng)[17]由9類32臺(tái)12 MW到400 MW容量不等的常規(guī)機(jī)組構(gòu)成，系統(tǒng)裝機(jī)容量、年最大負(fù)荷、年平均負(fù)荷分別為3 405 MW、2 850 MW和1 751 MW，全年負(fù)荷持續(xù)時(shí)間NT= 8 736 h。在不同規(guī)模光伏發(fā)電具有相同的時(shí)序出力因子的前提下，將裝機(jī)規(guī)模不同的光伏發(fā)電接入IEEE-RTS79測(cè)試系統(tǒng)并對(duì)含光伏發(fā)電的發(fā)電系統(tǒng)可靠性及其置信容量作重復(fù)性統(tǒng)計(jì)測(cè)試。測(cè)試過程中，篩選系統(tǒng)故障狀態(tài)集的ACM-PSO算法參數(shù)為：粒子群規(guī)模=50、粒子維度=9，最大迭代次數(shù)=200，概率閾值ε=1e-15；計(jì)算光伏發(fā)電ELCC時(shí)，ACMPSO算法參數(shù)為：粒子群規(guī)模=10，粒子維度=1、最大迭代次數(shù)=50；計(jì)算光伏發(fā)電ECUC時(shí)，ACM-PSO算法參數(shù)為：粒子群規(guī)模=10，粒子維度=9、最大迭代次數(shù)=100。慣性權(quán)重ω、學(xué)習(xí)因子c1、c2、領(lǐng)袖壽命Θ0和競(jìng)爭(zhēng)者評(píng)估代數(shù)T的設(shè)置參照文獻(xiàn)[15]。

4.2 可靠性分析結(jié)果

表1為應(yīng)用ACM-PSO算法計(jì)算IEEE-RTS79測(cè)試系統(tǒng)的發(fā)電可靠性指標(biāo)，其中LOLE、EENS和LOLF的單位分別為h/年、MWh/年和次/年。由表1可知，應(yīng)用模擬法求解系統(tǒng)發(fā)電可靠性指標(biāo)時(shí)，其結(jié)果或大于或小于“真實(shí)值(解析法求解的發(fā)電可靠性指標(biāo))”，誤差分別為1.7%、2.5%和-5.0%，原因在于模擬法比例抽樣機(jī)制導(dǎo)致高概率的系統(tǒng)狀態(tài)可能被重復(fù)抽樣而低概率的系統(tǒng)狀態(tài)無法被抽樣。ACM-PSO算法采用按系統(tǒng)狀態(tài)適應(yīng)度值大小進(jìn)行抽樣的機(jī)制，能比較全面且無重復(fù)地篩選出對(duì)發(fā)電可靠性指標(biāo)有貢獻(xiàn)的系統(tǒng)故障狀態(tài)，指標(biāo)計(jì)算誤差分別為-0.15%、-0.23%和-0.6%，計(jì)算精度高于模擬法10倍左右，證實(shí)了所提方法的精確性。

表1 IEEE-RTS79測(cè)試系統(tǒng)的發(fā)電可靠性指標(biāo)Table 1 Generation reliability of IEEE-RTS79 test system

4.3 ELCC的評(píng)估結(jié)果

表2列出了應(yīng)用ACM-PSO算法求解ELCC的結(jié)果。由表2可知，光伏并網(wǎng)規(guī)模的增大可使系統(tǒng)額外承擔(dān)負(fù)荷增加的比例得到提升。與此同時(shí)，表2的第4列給出了光伏滲透率與負(fù)荷增加比例的比值，可以看出，光伏接入允許系統(tǒng)負(fù)荷增長(zhǎng)的比例約為光伏滲透率的1/3。

表2 ELCC的評(píng)估結(jié)果Table 2 Assessment results of ELCC

4.4 ECUC的評(píng)估結(jié)果

表3給出了應(yīng)用ACM-PSO算法從系統(tǒng)常規(guī)機(jī)組類型構(gòu)成的可行解中搜索出不同規(guī)模光伏接入后系統(tǒng)的最優(yōu)常規(guī)機(jī)組組合及其ECUC。在表3中，“U12”表示常規(guī)機(jī)組的額定容量為12 MW，其余機(jī)組依次類推；光伏接入容量為0 MW對(duì)應(yīng)的常規(guī)機(jī)組組合為系統(tǒng)初始常規(guī)機(jī)組組合。由表3可知，接入100 MW光伏時(shí)，可替代3臺(tái)12 MW的常規(guī)機(jī)組，即光伏發(fā)電的ECUC為36 MW；接入1 600 MW光伏時(shí)，可替代12 MW、20 MW、50 MW、76 MW、100 MW和155 MW的常規(guī)機(jī)組各1臺(tái)，此時(shí)，光伏發(fā)電的ECUC為413 MW。

表3 ECUC的評(píng)估結(jié)果Table 3 Assessment results of ECUC

4.5 ELCC和ECUC的比較

為比較采用ELCC與采用ECUC評(píng)估光伏發(fā)電置信容量間的差異，圖3分別給出了系統(tǒng)年平均負(fù)荷、系統(tǒng)年最大負(fù)荷與系統(tǒng)負(fù)荷增加比例ΔLP的乘積(分別記為ELCC_A和ELCC_P)以及ECUC的置信度(光伏置信容量與光伏裝機(jī)容量的比值)曲線。由圖3可知，在較為寬泛的光伏接入滲透率水平下，光伏發(fā)電ELCC_A的置信度基本維持在20%左右，ELCC_P的置信度大致在33%左右趨于穩(wěn)定。同時(shí)，由圖3可知，ECUC的置信度在一定光伏滲透率下降幅明顯，但隨著光伏滲透率的提升，其下降幅度趨于平緩，基本停滯于25%左右?？紤]到電力系統(tǒng)電源規(guī)劃一般針對(duì)于全系統(tǒng)最大負(fù)荷時(shí)刻進(jìn)行，因而將接入的光伏發(fā)電容量等效為系統(tǒng)允許的負(fù)荷增加比例更易發(fā)揮光伏發(fā)電的容量?jī)r(jià)值。

圖3 光伏發(fā)電容量置信度Fig. 3 Capacity credit of PV generation

5 結(jié)論

1) 相比將各常規(guī)機(jī)組運(yùn)行狀態(tài)作為系統(tǒng)狀態(tài)變量，以常規(guī)機(jī)組類型數(shù)作為系統(tǒng)狀態(tài)變量，降低了目標(biāo)搜索空間的維度，提高了算法的計(jì)算效率。

2) ACM-PSO算法作為系統(tǒng)故障狀態(tài)篩選優(yōu)化工具應(yīng)用于求解含光伏發(fā)電的發(fā)電系統(tǒng)可靠性指標(biāo)時(shí)，其根據(jù)系統(tǒng)狀態(tài)適應(yīng)度值大小進(jìn)行抽樣的機(jī)制，可無重復(fù)地篩選出系統(tǒng)故障狀態(tài)集，提高了發(fā)電可靠性的計(jì)算精度。

3) 基于可靠性的原則，分別從負(fù)荷側(cè)和電源側(cè)構(gòu)建了光伏發(fā)電置信容量評(píng)估模型，并應(yīng)用ACM-PSO算法計(jì)算了光伏發(fā)電置信容量。算例分析表明，將光伏發(fā)電等效為系統(tǒng)負(fù)荷增加的比例時(shí)，該比例系數(shù)約為光伏滲透率的1/3。此外，在將光伏發(fā)電容量等效為可替換的常規(guī)機(jī)組容量的同時(shí)，應(yīng)用ACM-PSO算法從常規(guī)機(jī)組類型構(gòu)成的系統(tǒng)狀態(tài)空間中搜索出光伏接入后系統(tǒng)最優(yōu)的常規(guī)機(jī)組組合。光伏發(fā)電置信容量不同指標(biāo)比較結(jié)果表明，在電源規(guī)劃過程中將光伏發(fā)電容量等效為系統(tǒng)允許的負(fù)荷增加比例更易發(fā)揮光伏發(fā)電的調(diào)峰作用。

[1] 閆凱, 張保會(huì), 瞿繼平, 等. 光伏發(fā)電系統(tǒng)暫態(tài)建模與等值[J]. 電力系統(tǒng)保護(hù)與控制, 2015, 43(1): 1-8. YAN Kai, ZHANG Baohui, QU Jiping, et al. Photovoltaic power system transient modeling and equivalents[J]. Power System Protection and Control, 2015, 43(1): 1-8.

[2] ZHANG Peng, WANG Yang, XIAO Weidong, et al. Reliability evaluation of grid-connected photovoltaic power systems[J]. IEEE Transactions on Sustainable Energy, 2012, 3(3): 379-389.

[3] SINGH C, GUBBALA N V. An alternative approach to rounding off generation models in power system reliability evaluation[J]. Electric Power System Research, 1996, 36(1): 728-734.

[4] 蔡德華, 陳柏熹, 程樂峰, 等. 實(shí)施需求側(cè)管理對(duì)提高發(fā)電系統(tǒng)可靠性的影響探究[J]. 電力系統(tǒng)保護(hù)與控制, 2015, 43(10): 51-56. CAI Dehua, CHEN Baixi, CHENG Lefeng, et al. Effective study about the implementation of demand side management on improving reliability of generation system[J]. Power System Protection and Control, 2015, 43(10): 51-56.

[5] 方鑫, 郭強(qiáng), 張東霞, 等. 考慮天氣不確定性的光伏電站置信容量評(píng)估[J]. 電力系統(tǒng)自動(dòng)化, 2012, 36(10): 27-32. FANG Xin, GUO Qiang, ZHANG Dongxia, et al. Capacity credit evaluation of grid-connected photovoltaic generation considering weather uncertainly[J]. Automation of Electric Power Systems, 2012, 36(10): 27-32.

[6] 梁雙, 胡學(xué)皓, 張東霞, 等. 基于隨機(jī)模型的光伏發(fā)電置信容量評(píng)估方法[J]. 電力系統(tǒng)自動(dòng)化, 2012, 36(13): 32-37. LIANG Shuang, HU Xuehao, ZHANG Dongxia, et al. Probabilistic models based on evaluation method for capacity credit of photovoltaic generation[J]. Automation of Electric Power Systems, 2012, 36(13): 32-37.

[7] 王海瑛, 白曉民, 馬綱. 并網(wǎng)光伏電站的發(fā)電可靠性評(píng)估[J]. 電網(wǎng)技術(shù), 2012, 36(10): 1-5. WANG Haiying, BAI Xiaomin, MA Gang. Reliability assessment of grid-integrated solar photovoltaic system[J]. Power System Technology, 2012, 36(10): 1-5.

[8] 方鑫, 郭強(qiáng), 張東霞, 等. 并網(wǎng)光伏電站置信容量評(píng)估[J]. 電網(wǎng)技術(shù), 2012, 36(9): 31-35. FANG Xin, GUO Qiang, ZHANG Dongxia, et al. Capacity credit evaluation of grid-connected photovoltaic generation[J]. Power System Technology, 2012, 36(9): 31-35.

[9] 高英, 謝開貴, 胡博, 等. 考慮光伏出力與負(fù)荷相關(guān)性的光伏電站容量可信度評(píng)估[J]. 電力系統(tǒng)保護(hù)與控制, 2013, 41(14): 1-6. GAO Ying, XIE Kaigui, HU Bo, et al. Photovoltaic power capacity credit evaluation model considering the correlation between photovoltaic power generation and system load[J]. Power System Protection and Control, 2013, 41(14): 1-6.

[10] 王秀麗, 武澤辰, 曲翀. 光伏發(fā)電系統(tǒng)可靠性分析及其置信容量計(jì)算[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2014, 34(1): 15-23. WANG Xiuli, WU Zechen, QU Chong. Reliability and capacity value evaluation of photovoltaic generation systems[J]. Proceedings of the CSEE, 2014, 34(1): 15-23.

[11] BILLITON R, LI W. Reliability assessment of electric power systems using Monte Carlo simulation[M]. New York: Plenum Press, 1994.

[12] ARABALI A, GHOFRANI M, ETEZADI-AMOLI M, et al. Stochastic performance assessment and sizing for a hybrid power system of solar/wind/energy storage[J]. IEEE Transactions on Sustainable Energy, 2014, 5(2): 363-371.

[13] 余志強(qiáng), 王淳. 基于含衰老和競(jìng)爭(zhēng)機(jī)制的粒子群算法的配電網(wǎng)重構(gòu)[J]. 華東電力, 2014, 42(6): 1158-1163. YU Zhiqiang, WANG Chun. Distribution network reconfiguration based on particle swarm optimization with aging and challenging mechanism[J]. East China Electric Power, 2014, 42(6): 1158-1163.

[14] KENNEDY J, EBERHART R. Particle swarm optimization[C] // IEEE international Conference on Neural Networks, Perth, Australia, 1995: 1942-1948.

[15] CHEN Weineng ZHANG Jun, LI Ying, et al. Particle swarm optimization with an aging leader and challengers[J]. IEEE Transactions on Evolutionary Computation, 2013, 17(2): 241-258.

[16] SAMAAN N, SINGH C. Adequacy assessment of power system generation using a modified simple genetic algorithm[J]. IEEE Transactions on Power Systems, 2002, 17(4): 974-981.

[17] Reliability Test System Task Force of the Application of Probability Methods Subcommittee. IEEE reliability test system[J]. IEEE Transactions on Power Apparatus and Systems, 1979, PAS-98(6): 2047-2054.

Capacity credit evaluation of grid-connected photovoltaic generation

YU Zhiqiang, WANG Chun, HU Yitao, ZHONG Yun, WANG Shuocheng
(Department of Electrical and Automatic Engineering, Nanchang University, Nanchang 330031, China)

A particle swarm optimization with aging and challenging mechanism (ACM-PSO) is proposed for evaluating the capacity credit of photovoltaic (PV) generation from load side and generation side respectively. Firstly, on the basis of system state variables constructed by the number of types of conventional unit, ACM-PSO is adopted as a scan and classification tool to screen out the system failure state set which contributes to generation reliability indices. Secondly, proportional load increase mode is defined, and with the loss of load expectation remaining unchanged as the principle before and after the PV access, objection functions are constructed both from load side and generation side, and application of ACM-PSO for evaluating the effective load carrying capacity and equivalent conventional unit capacity of PV is executed. Finally, the proposed method is applied to an improved IEEE-RTS79 system to verify its effectiveness.

This work is supported by National Natural Science Foundation of China (No. 51167012 and No. 51467012).

photovoltaic generation; generation reliability; effective load carrying capacity; equivalent conventional unit capacity; particle swarm optimization with aging and challenging mechanism

10.7667/PSPC150819

2015-05-14；

2015-11-27

余志強(qiáng)(1989-)，男，碩士研究生，研究方向?yàn)殡娏ο到y(tǒng)分析；E-mail: Yu_ncu@163.com

(編輯 周金梅)

國(guó)家自然科學(xué)基金資助項(xiàng)目(51167012，51467012)；江西省研究生創(chuàng)新專項(xiàng)資金項(xiàng)目(YC2014-S066)

王 淳(1963-)，男，教授，博士生導(dǎo)師，研究方向?yàn)殡娏ο到y(tǒng)規(guī)劃、優(yōu)化理論在電力系統(tǒng)中的應(yīng)用。