陸　丹，袁　越，楊　蘇，包江民

(1.河海大學能源與電氣學院，江蘇南京　211100；2.河海大學可再生能源發(fā)電技術(shù)教育部工程研究中心，江蘇南京　210098)

?

風柴儲孤島微網(wǎng)的風險評估體系研究及應用

陸丹1,2，袁越1,2，楊蘇1,2，包江民1,2

(1.河海大學能源與電氣學院，江蘇南京211100；2.河海大學可再生能源發(fā)電技術(shù)教育部工程研究中心，江蘇南京210098)

0　引　言

微網(wǎng)是由分布式電源、儲能設(shè)備和可控的負載組成的，既可聯(lián)網(wǎng)又可孤島運行的中/低壓配電系統(tǒng)[1]。在偏遠山區(qū)和海島等地常以孤島微網(wǎng)的形式來解決用戶供電問題。由于孤島微網(wǎng)的設(shè)備存在隨機故障，一旦處理不當極易造成停電等嚴重后果。因此，量化評估孤島微網(wǎng)運行風險水平是保證其安全穩(wěn)定運行的一項基本任務(wù)，不僅可以防御網(wǎng)中因自然或者人為造成的各種災難，調(diào)節(jié)微網(wǎng)系統(tǒng)發(fā)電容量充裕度和經(jīng)濟性，還可以定量分析孤島微網(wǎng)的穩(wěn)定運行能力。

風險評估是指在事件發(fā)生前對其危險程度進行量化分析，通過管控風險來保障系統(tǒng)的穩(wěn)定運行[2-3]。目前已有文獻對電力系統(tǒng)風險評估進行了研究。文獻[4]基于層次分析法建立了綜合嚴重度指標，并結(jié)合線路故障概率對輸電線路進行安全風險評估。文獻[5]以風險成本為指標量化了風電預測誤差造成的風險水平。文獻[6]從電力安全事故的角度提出一系列停電風險評估指標來計算電網(wǎng)發(fā)生安全事故的風險值。文獻[7-8]提出了城市電網(wǎng)的風險評估模型及其指標的計算方法，分別采用枚舉抽樣法和截斷抽樣法進行了分析。綜上，目前國內(nèi)外文獻針對大電網(wǎng)的風險評估已取得了一些成果，然而針對微網(wǎng)風險評估的研究還相對較少。微網(wǎng)在電源結(jié)構(gòu)和運行方式等方面都與大電網(wǎng)有很大差異，大電網(wǎng)采用的風險評估指標和方法并不完全適用于微網(wǎng)。目前對于微網(wǎng)的研究更多地停留在可靠性評估層面。文獻[9]針對風光柴儲微網(wǎng)考慮了微電源出力和負荷對可靠性水平的影響。文獻[10-11]基于故障樹法，建立了在孤島運行模式下的微網(wǎng)可靠性模型，并對其進行了可靠性評估。然而，可靠性研究并不能綜合反映事故發(fā)生的概率和后果，也無法量化分析事故發(fā)生后造成的經(jīng)濟損失。因此，選取適用于微網(wǎng)的風險指標，對微網(wǎng)進行風險評估，辨識失效事件發(fā)生的可能性并量化這些事件后果的嚴重程度就顯得尤為必要了。

風柴儲微網(wǎng)是目前較為典型的一種孤島微網(wǎng)結(jié)構(gòu)。為了最大化的利用風能，減少柴油的消耗量以及提高用戶的供電穩(wěn)定性，本文從用電和發(fā)電兩個方面考慮，提出電源損失指標(Load Loss Risk,LLR)和負荷損失指標(Load Loss Risk,PLR)，具體包括負荷損失概率(Power Loss Probability,LLP)、負荷損失嚴重度(Severity of Load Loss,SevLL)、電源損失概率(Power Loss Probability,PLP)和電源損失嚴重度(Severity of Power Loss,SevPL)，對孤島運行模式下的風柴儲微網(wǎng)風險水平進行評估，從而可根據(jù)當?shù)刭Y源，優(yōu)化配置微網(wǎng)各發(fā)電單元的容量，以此指導微網(wǎng)的規(guī)劃運行。本文的章節(jié)安排如下：第一小節(jié)對風柴儲孤島微網(wǎng)各元件建立可靠性模型，特別是采用了馬爾科夫鏈蒙特卡洛法(Markov Chain Monte Carlo,MCMC)建立了風電機組多狀態(tài)可靠性模型。第二小節(jié)以第一小節(jié)中提到的風柴儲孤島微網(wǎng)各元件運行策略為基礎(chǔ)，提出了孤島微網(wǎng)指標評價體系。最后小節(jié)以歐洲典型風柴儲微網(wǎng)為例，比較分析了不同的風速、風機故障率、風電裝機容量以及儲能容量情況下微網(wǎng)的風險水平，對降低孤島運行模式下的風柴儲微網(wǎng)的風險水平提出了一些建議。

1　風柴儲孤島微網(wǎng)各元件模型

1.1風力發(fā)電系統(tǒng)可靠性模型

建立風力發(fā)電系統(tǒng)可靠性模型首先要建立其風速模型。本文采用馬爾可夫鏈[12]來體現(xiàn)風速大小的分布特性。馬爾科夫鏈作為風速模型在縮減計算量的同時，可較好地模擬風速的變化情況。如圖1所示，馬爾可夫鏈將風速值按照大小分為N個狀態(tài)，各狀態(tài)之間的轉(zhuǎn)移率是定值，且只考慮就近狀態(tài)之間的轉(zhuǎn)移。兩狀態(tài)之間的轉(zhuǎn)移率σa,b如下式：

(1)

式中：Na,b是狀態(tài)a到狀態(tài)b的轉(zhuǎn)移次數(shù)；Da,b是狀態(tài)a在進入狀態(tài)b之前的持續(xù)時間。

圖1　馬爾可夫鏈

不計風速突變的情況，當風機處于狀態(tài)a，可能轉(zhuǎn)變的下一狀態(tài)是狀態(tài)a-1或狀態(tài)a+1，到達狀態(tài)a-1，a+1的概率Qa,a-1，Qa,a+1為

(2)

(3)

經(jīng)過抽樣可得風機處于狀態(tài)a的持續(xù)時間，公式如下：

(4)

式中：γ為[0,1]區(qū)間內(nèi)服從均勻分布的隨機數(shù)。

單臺風機的出力與風速有關(guān)，其數(shù)值關(guān)系如下式所示：

(5)

式中：Pt為t時刻風機的出力；vt為t時刻的風速；Pr為額定功率；vi為切入風速；vr為額定風速；vo為切出風速。

微網(wǎng)內(nèi)所裝風機一般為同一型號，忽略地域差異的影響，各風機風況近似相同，可以近似認為其出力相同。根據(jù)運行經(jīng)驗，尾流效應造成的功率損失為風電總出力的10%[13]。因此，t時刻風電機組的輸出總功率Pw,t為

(6)

式中：n為風機總臺數(shù)；cl為第l臺風機的運行狀態(tài)。

(7)

1.2儲能設(shè)備模型

儲能電池可以有效地平緩風力發(fā)電帶來的間接性和波動性。磷酸鐵鋰電池具有能量密度高，效率高和充放電倍率高等優(yōu)點，本文將其作為儲能電池接入微網(wǎng)。儲能電池所采用的運行策略：當風力發(fā)電不能滿足負荷需求時，儲能電池放電；當風力發(fā)電大于負荷需求時，風機可同時給儲能電池充電。儲能電池在t時刻的充放電功率為

(8)

(9)

式中：Pb-c,t和Pb-d,t分布為儲能電池在t時刻的充電功率和放電功率；PL,t為t時刻的負荷消耗電量；Pc-max,t和Pd-max,t分別為t時刻儲能電池的充電和放電功率限值。

采用荷電狀態(tài)(State of Charge,SOC)來表示儲能電池在運行過程中的累計電荷量，其公式以及約束條件如下：

(10)

(11)

式中：S(t+1)和S(t)分別為儲能電池在t+1時刻和t時刻的荷電狀態(tài)；ρc和ρd為其充電和放電標志，均為二進制變量，當取1時可表示充電或放電狀態(tài)，且兩者滿足0≤ρc+ρd<1；Δt為采樣時間間隔；Smin和Smax分別為荷電狀態(tài)的最小允許值和最大允許值。

1.3柴油發(fā)電機模型

在孤島微網(wǎng)中，柴油發(fā)電機可作為風電和儲能發(fā)電的備用電源，即當風力發(fā)電和儲能放電仍不能滿足負荷需求時，柴油發(fā)電機開始工作。柴油發(fā)電機輸出功率如下：

(12)

(13)

式中:Pd,t為t時刻柴油機的輸出功率；PΔ為t時刻網(wǎng)內(nèi)風電和儲能出力仍無法滿足的負荷電量；Pd,min和Pd,max為柴油機允許的最小和最大輸出功率。

為了降低柴油發(fā)電機的壽命損耗，應盡可能減少柴油機的啟停次數(shù)，一旦柴油機啟動，則需滿足最短運行要求：

(14)

式中:td,run為柴油機的運行時間；Td,run為柴油機允許的最短運行時間。

1.4 風力發(fā)電機和柴油機的停運模型

風力發(fā)電機和柴油機的停運模型均采用兩狀態(tài)停運模型[14]，即正常運行狀態(tài)和故障停運狀態(tài)。狀態(tài)轉(zhuǎn)移參數(shù)包括故障率λ和修復率μ。

通過蒙特卡洛抽樣[15](Monte Carlo,MC)，可以得到單臺風機或柴油機的持續(xù)運行時間t1和檢修時間t2，公式如下：

(15)

(16)

2　風柴儲孤島微網(wǎng)風險評估

2.1風險評估方法

MC法通過重復的多次試驗來模擬所求事件，對結(jié)果進行統(tǒng)計得出其概率特征。在第一節(jié)中提到的風機處于狀態(tài)a的持續(xù)時間、風機的運行時間以及檢修時間等都可通過MC法抽樣得到。

馬爾可夫鏈蒙特卡洛法[16](MCMC)是將隨機過程中的馬爾可夫過程與蒙特卡洛模擬相結(jié)合，實現(xiàn)動態(tài)模擬，即抽樣分布隨模擬的進行而發(fā)生改變。本文中，通過構(gòu)造一個平穩(wěn)分布的馬爾可夫鏈來得到風速隨機樣本，對任一t≥0的時刻，下一時刻的風速值只取決于上一時刻風速的大小，而與歷史風速大小無關(guān)。由MCMC方法抽樣得到的風速序列體現(xiàn)了風速變化的連續(xù)性，更接近真實風速，且不依賴于歷史風速，大大節(jié)省了數(shù)據(jù)的存儲空間。

2.2風險評估指標體系

電力系統(tǒng)風險評估綜合考慮了不確定事件發(fā)生的概率和后果[17]。由于風電出力具有波動性和間歇性，網(wǎng)內(nèi)儲能和柴油機供電又存在一定的運行約束，因此在孤島運行模式下，要求電源出力時時滿足負荷需求是較難實現(xiàn)的。當電源出力不足時會造成負荷的削減，當電源出力過剩時出現(xiàn)“棄風”現(xiàn)象。因此，針對孤島運行模式下的微網(wǎng)，本文從經(jīng)濟性的角度進行風險分析，提出一個全新的評價體系，即負荷損失風險指標和電源損失風險指標，從用電和發(fā)電兩個角度對微網(wǎng)運行進行風險評估。

2.2.1負荷損失指標

傳統(tǒng)的微網(wǎng)可靠性指標[18]可以單一地量化描述發(fā)電容量不足引起負荷削減的概率或嚴重程度，無法綜合地反映元件發(fā)生故障后網(wǎng)內(nèi)的風險水平?；诖耍疚奶岢鲐摵蓳p失指標，更適用于微網(wǎng)的風險水平研究。具體公式如下。

負荷損失概率(LLP)的數(shù)學表達式如下：

(17)

(18)

式中：SL,f為第f個采樣時間點時的負荷損失標志，當f點出現(xiàn)切負荷現(xiàn)象，則SL,f=1，否則SL,f=0；N為總采樣個數(shù)；TL為模擬總時間內(nèi)電源輸出功率小于負荷需求的采樣點集合。

負荷損失嚴重度(SevLL)以切除的負荷量占負荷總量的比例大小來表示，公式如下：

(19)

(20)

式中：PLcut,f為第f個采樣點時切除的負荷值；PL,f為第f個采樣點時網(wǎng)內(nèi)的負荷值。

負荷損失風險(LLR)是對負荷損失概率和負荷損失嚴重度的綜合量度，公式如下：

LLR=LLP×SevLL

(21)

2.2.2電源損失指標

電源損失以棄風造成的能量損失來表示。傳統(tǒng)可靠性指標只針對失負荷進行研究而不考慮電源的損失情況，電力系統(tǒng)風險研究也較少涉及。然而棄風造成的損失是不可忽略的。因此，本文提出電源損失風險指標來量化微電網(wǎng)內(nèi)棄風的概率和嚴重程度，具體公式如下。

電源損失概率(PLP)的數(shù)學表達式如下：

(22)

(23)

式中：TP為指定時間內(nèi)電源輸出功率大于負荷需求的采樣點集合；SP,f為第f個采樣時間點時的電源損失標志，當f點出現(xiàn)棄風現(xiàn)象，則SP,f=1，否則SP,f=0。

電源損失嚴重度(SevPL)表示為舍棄的風能占理想風力發(fā)電總功率的比值，公式如下：

(24)

Pwl,f=0.9nPf

(25)

(26)

式中：Pwl,f為第f個抽樣點時風力發(fā)電機出力的理論值，即不考慮風機故障時的出力大小，Pwc,f為考慮網(wǎng)內(nèi)出力和負荷平衡后風機的實際出力值。

電源損失風險(PLR)是對電源損失概率和電源損失嚴重度的綜合量度，公式如下：

(27)

本文提出的這兩組指標適用于評估孤島微網(wǎng)風險水平，具體指標計算方式可根據(jù)實際微網(wǎng)配置電源、負荷種類的不同而進行靈活調(diào)整，這里不再贅述。

2.3風柴儲孤島微網(wǎng)風險評估流程

綜上所述，風柴儲孤島微網(wǎng)風險評估流程如圖2所示。首先設(shè)置采樣點個數(shù)為N，總模擬次數(shù)為W，并令模擬次數(shù)j=1?？紤]風速變化的連續(xù)性，采用MCMC法對風電機組1 a內(nèi)的出力狀態(tài)進行模擬。具體可分為以下3個步驟：①根據(jù)風電機組的雙狀態(tài)停運模型得出風機在模擬周期內(nèi)的停運序列；②根據(jù)公式(1)～(4)采用MCMC法抽樣產(chǎn)生風速序列；③結(jié)合風機運行狀態(tài)根據(jù)公式(5)～(7)得出風電機組出力值序列。

而后考慮儲能電池的運行策略以及運行約束條件，根據(jù)公式(8)～(11)模擬出儲能設(shè)備的出力序列；考慮柴油發(fā)電機的運行策略以及運行約束條件，根據(jù)公式(12)～(14)模擬出柴油發(fā)電機的出力序列。為使網(wǎng)內(nèi)的發(fā)電和負荷達到平衡根據(jù)公式(20)、(25)、(26)計算出負荷削減序列和棄風序列。最后根據(jù)公式(17)～(27)計算出各風險指標值。通過多次(本文設(shè)為105次)模擬仿真提高模擬結(jié)果的準確性。

圖2　風險評估流程圖

3　算例分析

本文采用歐洲典型低壓風柴儲微網(wǎng)[19]為例進行風險評估研究，網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。該微網(wǎng)由兩組風力發(fā)電機組，一個儲能設(shè)備，兩臺柴油發(fā)電機和5組用戶負荷組成。

圖3　風柴儲微網(wǎng)結(jié)構(gòu)

微網(wǎng)各發(fā)電單元具體參數(shù)如下：單臺風力發(fā)電機的額定功率為30kW，風輪直徑為12.5m，切入風速、額定風速和切出風速分別為3m/s，10m/s和25m/s。兩臺柴油發(fā)電機的額定功率分別為200kW和100kW。年負荷峰值為400kW。假設(shè)柴油發(fā)電機故障率為0.01次/a。國內(nèi)某風電場的實測風況如圖4，該組風速數(shù)據(jù)的平均風速為6.28m/s，最大風速為25.42m/s，最小風速為0.47m/s。

圖4　某風電場的風速數(shù)據(jù)

表1和表2將馬爾科夫鏈風速模型和精確狀態(tài)轉(zhuǎn)移矩陣風速模型進行了對比。從表1中可以看出，狀態(tài)3至狀態(tài)1、5、6和7的轉(zhuǎn)移次數(shù)僅占狀態(tài)3總轉(zhuǎn)移次數(shù)的0.928%，馬爾科夫鏈忽略了狀態(tài)3和狀態(tài)1、5、6和7之間的轉(zhuǎn)移情況，而只考慮與就近的狀態(tài)2和4之間的轉(zhuǎn)移。在數(shù)據(jù)比較龐大的系統(tǒng)中，采用馬爾科夫鏈可以大大減少計算量，提高運行效率。表2中給出了實測風速、采用馬爾科夫鏈模擬風速以及采用狀態(tài)轉(zhuǎn)移矩陣模擬風速時，各狀態(tài)中的風速概率分布。從表中可以看出，采用馬爾可夫鏈模擬的風速概率分布與實測風速概率分布基本一致。因此，馬爾科夫鏈作為風速模型在縮減計算量的同時，也較好地模擬了風速的變化情況。

3.1風速對風險水平的影響分析

為研究風速大小對風險水平的影響，評估不同風速下，即平均風速從算例平均風速的0.4倍等步長增長至1.8倍情況下的微網(wǎng)系統(tǒng)風險水平。圖5～圖6給出了LLR和PLR值隨風速變化情況。

由圖5、圖6可看出，風速的增大降低了微網(wǎng)的負荷損失風險，增加了微網(wǎng)的電源損失風險。當風速增大時，風電機組出力增加，切負荷的概率和總量減少，LLR曲線呈下降趨勢且最終趨于平緩；風機以額定功率輸出的情況增多，棄風的概率和嚴重度均增加，因此PLR曲線呈指數(shù)形式上升。

表1　采用不同方法時的狀態(tài)轉(zhuǎn)移情況

表2　采用不同方法時每個狀態(tài)概率

圖5　LLR值隨風速變化情況

圖6　PLR值隨風速變化情況

當平均風速小于等于算例風速的0.8倍，即平均風速小于5.024m/s時，雖然電源損失風險為0，但大多數(shù)采樣時間點風機出力無法滿足負荷需求，負荷損失現(xiàn)象嚴重，故該微網(wǎng)適合建在平均風速大于5.024m/s的地區(qū)。

進一步對比分析圖5和圖6可知，當風速不變時，風電裝機容量越大，負荷損失風險越小，電源損失風險越大。然而對于微網(wǎng)接入風電裝機容量的大小，還需進一步權(quán)衡兩組指標綜合考慮經(jīng)濟性。

3.2風機故障率對風險水平的影響分析

為了研究風機故障率對風險水平的影響，評估不同風機故障率下，即故障率從0.005等步長增長至0.03情況下的微網(wǎng)系統(tǒng)風險水平。圖7～圖8給出了LLR和PLR值隨風機故障率的變化情況。

圖7　LLR值隨風機故障率變化情況

圖8　PLR值隨風機故障率變化情況

從圖7、圖8中可以看出，隨著風機故障率的增加，LLR和PLR曲線呈上升趨勢，但上升幅值較小。當風電裝機容量保持不變時，風機的故障率等比例增加，風電機組整體的停運時間相應增加，切負荷以及棄風的概率和嚴重度小范圍增加，因此負荷損失和電源損失風險均略有增加。減小風電機組的故障率有助于降低微網(wǎng)的運行風險，特別是在惡劣自然環(huán)境情況下尤其要考慮故障率對運行風險的影響。

3.3儲能容量對風險水平的影響分析

為了研究儲能容量對風險水平的影響，評估不同的儲能容量下，即儲能設(shè)備容量從40kW等步長增長至160kW下的微網(wǎng)系統(tǒng)風險水平。圖9～圖10給出了LLR和PLR值隨儲能容量的變化情況。

圖9　LLR值隨儲能容量變化情況

圖10　PLR值隨儲能容量變化情況

圖9、圖10中，LLR和PLR指標隨著儲能容量的增加而降低，即儲能設(shè)備的接入可以降低系統(tǒng)的LLR和PLR風險水平。同一風電裝機容量下，儲能接入容量越大，在風力發(fā)電不能滿足負荷需求時儲能放出的電量就越大，LLR曲線下降；同時風機給儲能充電所消耗的風能也越大，PLR曲線呈下降趨勢。

當儲能容量增至120kW，兩指標曲線趨于平緩。由于儲能的容量較負荷和風電機組容量要小得多，只能平衡部分負荷需求或者多余風能，當儲能容量增加到一定程度時這種平衡能力會有所減弱。若同時考慮到儲能電池經(jīng)濟成本與微網(wǎng)風險水平，對于本文選取微網(wǎng)允許接入的最大儲能容量為120kW。

4　結(jié)　論

本文以孤島運行模式下的風柴儲微網(wǎng)為研究對象，構(gòu)建了微網(wǎng)各元件可靠性模型，并提出了一套新的風險評估體系，從發(fā)電和用電兩個角度分析了不同因素對微網(wǎng)風險水平的影響。結(jié)果表明：

① 本文所提負荷損失指標和電源損失指標可以全面有效體現(xiàn)微網(wǎng)的風險水平；

② 采用馬爾科夫鏈來模擬風速可以較好體現(xiàn)風速的概率分布及其連續(xù)性，同時減少了計算量；

③ 風速、風電裝機容量、風機故障率以及儲能容量對微網(wǎng)風險水平均有不同程度的影響，選取合適的容量配置可有效提高降低微網(wǎng)的風險水平。

考慮微網(wǎng)運行經(jīng)濟性，對孤島微網(wǎng)進行多目標規(guī)劃研究，是下一步的研究方向。

[1]丁道齊.復雜大電網(wǎng)安全性分析-智能電網(wǎng)的概念和實現(xiàn)[M].北京：中國電力出版社，2010.

[2]李文沅.電力系統(tǒng)風險評估模型、方法和應用[M].北京：科學出版社，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]蔣樂，劉俊勇，魏震波，等.基于馬爾可夫鏈模型的輸電線路運行狀態(tài)及其風險評估[J].電力系統(tǒng)自動化，2015，39(13)：51-57.

[5]郁琛，薛禹勝，文福拴，等.風電功率預測誤差的風險評估[J].電力系統(tǒng)自動化，2015，39(7)：52-58.[6]盧恩，魯曉軍，龍霏，等.電力系統(tǒng)停電風險評估指標及方法[J].電力自動化設(shè)備，2015，35(3)：68-74.

[7]魏遠航，劉思革，蘇劍.基于枚舉抽樣法的城市電網(wǎng)風險評估[J].電網(wǎng)技術(shù)，2015，32(18)：62-66.[8]趙書強，李聰.快速配網(wǎng)風險評估[J].電力系統(tǒng)保護與控制，2010，38(10)：58-61.

[9]陶爽，袁越，傅質(zhì)馨.基于發(fā)電-負荷需求系統(tǒng)評估方法的智能微網(wǎng)風險評估[J].現(xiàn)代電力，2013，30(2)：7-12.

[10]解翔，袁越，鄒文仲，等.非計劃孤島下的微電網(wǎng)供電可靠性評估[J].電力系統(tǒng)自動化，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]吳林偉，張建華，劉若溪.考慮風電機組故障的風電場可靠性模型及其應用[J].電力系統(tǒng)自動化，2012，36(16)：31-35.

[15]別朝紅，王錫凡.蒙特卡洛法在評估電力系統(tǒng)可靠性中的應用[J].電力系統(tǒng)自動化，1997，21(6)：68-75.

[16]石文輝，別朝紅，王錫凡.大型電力系統(tǒng)可靠性評估中的馬爾可夫鏈蒙特卡洛方法[J].中國電機工程學報，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.可靠性分析的理論基礎(chǔ)[M].北京：水利電力出版社，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.

(責任編輯：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)

以孤島運行模式下的風柴儲微網(wǎng)為研究對象，本文提出了一種全新的孤島微網(wǎng)風險指標評價體系，即負荷損失指標(Load Loss Risk,LLR)和電源損失指標(Power Loss Risk,PLR)，從用電和發(fā)電兩個角度全面評估其風險水平。首先，對風柴儲微網(wǎng)各元件進行建模，特別是采用馬爾可夫鏈建立了風電機組多狀態(tài)可靠性模型，體現(xiàn)了風速變化的連續(xù)性。其次，在微網(wǎng)各元件可靠性模型的基礎(chǔ)上，模擬微網(wǎng)的運行情況，并采用全新的風險評估指標量化其運行風險。最后，以歐洲典型低壓風柴儲微網(wǎng)為例，算例驗證了本文所提指標的合理性，并對不同風速、風機故障率、風電裝機容量以及儲能容量對微網(wǎng)孤島運行風險的影響進行了靈敏度分析，所得評估結(jié)果可為風柴儲孤島微網(wǎng)的容量配置以及規(guī)劃運行提供參考。

風柴儲微網(wǎng)；風險評估；孤島運行；可靠性模型；馬爾可夫鏈

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

國家自然科學基金資助項目(51477041)；教育部、國家外國專家局海外名師項目(MS2012HHDX021)

2016-01-10

陸丹(1992—)，女，碩士研究生，研究方向為微網(wǎng)系統(tǒng)風險評估，E-mail: ludan_hhu@163.com；

袁越(1966—)，男，教授，博士生導師，研究方向為電力系統(tǒng)運行與控制、可再生能源發(fā)電系統(tǒng)、智能電網(wǎng)與微網(wǎng)技術(shù)等，E-mail: yyuan@hhu.edu.cn；

楊蘇(1992—)，男，碩士研究生，研究方向為微網(wǎng)系統(tǒng)可靠性研究，E-mail:yangsu0205@126.com;

包江民(1990—)，男，碩士研究生，研究方向為新能源發(fā)電技術(shù)，E-mail:bao_jiangmin@163.com。