葛少云, 李吉峰, 劉 洪, 王 瑩, 孫 昊, 路志英

(1. 智能電網教育部重點實驗室(天津大學), 天津市 300072; 2. 國網天津市電力公司, 天津市 300010)

0 引言

隨著能源互聯網建設的不斷深入,打破各供能系統(tǒng)單獨規(guī)劃、獨立運行的既有模式,實現電、氣、熱(冷)多能源的協同供應,將是未來供能系統(tǒng)的發(fā)展趨勢。而作為能源互聯網的關鍵節(jié)點,綜合能源微網由于其靈活的運行方式,受到了廣泛的關注[1]。供電可靠性是衡量電力系統(tǒng)持續(xù)供電能力的重要指標,是提出理想規(guī)劃方案的基礎。對于多能耦合的綜合能源系統(tǒng),可靠性評估同樣重要,而多能源系統(tǒng)之間耦合特性的增強也對可靠性產生了一定的影響:一方面,由于能源之間的耦合關系,對于需求側而言相當于擁有多個能源供給點,增強了供能可靠性;另一方面,由于供能系統(tǒng)的多能耦合,某個供能系統(tǒng)出現問題都可能對系統(tǒng)整體的能源供給產生影響。因此,研究面向多能耦合的可靠性評估方法是目前亟待解決的重要問題。

針對綜合能源微網概念與架構的建設,文獻[2]率先提出了能源集線器模型;在此基礎上,文獻[3]進一步提出了綜合能源系統(tǒng)的概念。同時,隨著微電網概念[4-6]的提出,分布式供能及儲能裝置進一步融入綜合能源系統(tǒng),形成運行方式更加靈活的綜合能源微網,為可再生能源的有效消納及與能源主網的相互支撐提供保障。

作為運行及規(guī)劃過程中的關鍵技術,可靠性評估方法的研究一直得到廣泛的關注。在元件停運分析環(huán)節(jié),解析法與模擬法[7-8]是電力系統(tǒng)常用的方法;在系統(tǒng)狀態(tài)評估環(huán)節(jié),故障模式影響分析(FMEA)法通過遍歷元件故障對系統(tǒng)負荷的影響,被廣泛使用,其計算思路也被應用到微電網可靠性[9-10]的評估中。然而,針對綜合能源供能可靠性,目前的研究較少。對于主動配電網,文獻[11]分析了包含分布式電源與電動汽車的能源集線器的運行模式,并建立可靠性評估的數學解析模型;文獻[12]建立雙層網絡分區(qū)模型,并結合蒙特卡洛模擬法評估可靠性。針對多能源網絡,文獻[13-14]以能源集線器作為研究對象,建立能源傳輸的狀態(tài)空間,通過數學解析模型實現多能源系統(tǒng)的可靠性評估;文獻[15]通過建立電網與燃氣網中元件設備的狀態(tài)模型,結合蒙特卡洛模擬法建立可靠性評估模型,并評估系統(tǒng)典型時段的可靠性。

上述成果為本文課題的研究奠定了一定的基礎。然而,現有的研究存在以下問題:①研究對象大多仍停留在以電能為代表的單一能源網絡,難以滿足綜合能源協同規(guī)劃的需求;②常規(guī)數學解析方法無法體現機組設備及用戶需求時序方面的特征;③上述文獻缺少對儲能能量充放策略影響的考慮;④上述文獻未能考慮不同能源之間的能源品位差異化并由此產生的供能優(yōu)先級和負荷削減的策略。

針對傳統(tǒng)可靠性評估方法只能評估單一能源網絡可靠性的問題,本文首先結合能源集線器模型分析多能源網絡的耦合關系。其次,通過FMEA法與蒙特卡洛模擬法相結合的方式,在分析微網系統(tǒng)內部能量關系的基礎上,進一步體現微網系統(tǒng)運行的時序特性,彌補數學解析法的不足。然后,對儲電、儲熱裝置在微網系統(tǒng)不同運行模式下的充放策略進行分析,以體現各類儲能裝置對能量平衡產生的影響,在此基礎上,通過微網系統(tǒng)的運行模式、負荷削減策略與評價指標三個方面,體現不同能源之間的能源品位差異。最后,通過算例對比分析,說明本文所提方法的有效性與實用性。

1 綜合能源微網架構

綜合能源微網是可以自治運行的能量系統(tǒng),由能量管理設備、分布式可再生能源裝置、儲能裝置、能量轉換裝置和能源負荷組成,在結構上可分為能源輸入、轉換、存儲和輸出等環(huán)節(jié)。本文結合能源集線器模型,構建包含分布式冷熱電聯供機組、燃氣熱泵、分布式光伏系統(tǒng)、電制冷機、儲電裝置、儲熱裝置等設備,及電、氣、熱(冷)多種終端能源在內的綜合能源微網,典型的微網系統(tǒng)的結構如圖1所示。

圖1 綜合能源微網結構圖Fig.1 Structure of multi-energy microgrid

綜合能源微網作為能源互聯網在用戶終端、獨立可控的基本單元,其靈活的運行模式可以降低能源在傳輸過程中的損耗,同時實現可再生能源的有效消納。后文將主要針對微網系統(tǒng)兩種典型運行模式的可靠性進行分析,即并網式與電孤島式運行模式。同時,本文對綜合能源微網模型做出如下假設。

1)針對綜合能源微網內部的網架結構,能源配送網均為單母線輻射網結構,并考慮設備之間的隔離。

2)不同類型的能源負荷由相應的機組集中供給。

3)不同機組設備的故障相互獨立,并且只考慮單重故障的情況[16]。

4)假設外部能源主網絡能在必要時刻提供足夠的電能和天然氣。

2 綜合能源微網可靠性評估

2.1 設備元件狀態(tài)模型

在微網系統(tǒng)內,以光伏與冷熱電三聯供為代表的機組設備出力及不同能源負荷的需求均具有較強的時序特性,僅通過數學解析的方法難以反映微網系統(tǒng)內的時序特性,從而影響可靠性的評估結果。因此需要建立設備元件的狀態(tài)模型,并結合蒙特卡洛法模擬設備機組狀態(tài),體現微網系統(tǒng)內時序特性。

對于微網系統(tǒng)內機組設備的處理方法采用馬爾可夫兩個狀態(tài)模型來進行描述[17]。即機組設備的正常狀態(tài)采用指數分布,機組設備從正常狀態(tài)運行到故障狀態(tài)的持續(xù)時間為:

(1)

式中:λk為第k類元件設備的故障率;n為機組設備的總數;uk為[0,1]區(qū)間均勻分布的隨機數。

機組設備均為可修復設備,故障持續(xù)時間同樣采用指數分布,機組設備的故障持續(xù)時間為:

(2)

式中:μk為第k類元件設備的修復率。

2.2 可靠性評估指標

本文分別選取能量供給期望、缺供能量期望、能量不足持續(xù)時間作為評估綜合能源微網不同類型能源可靠性的指標,并在此基礎上結合能源價格構建綜合能源可靠性評價指標。指標的意義與計算方法如下。

1)能量供給期望(RESS)

該指標表示在統(tǒng)計時間段內某一類型能源能夠順利傳輸到用戶需求側的概率,能源供給期望越高,代表該類型能源在抽樣時間段內能源供給能夠滿足能源需求,供能可靠性越高。具體求解方法如下。

將能源集線器模型中的能源轉換矩陣[2]擴展為能源傳輸功率矩陣C,C矩陣包括機組供應矩陣Cm和可調用資源矩陣Cs,矩陣的表達形式如式(3)和式(4)所示。矩陣的行代表運行過程中可能出現的不同運行場景(包括正常運行及故障場景);矩陣的列代表針對電能、熱能、冷能的供應。

Cm=

(3)

(4)

式中:Cm為某一時間段內機組按照不同類型能源需求所提供的出力;Cs為某一時間段內后備資源或者外部電網可以為微網提供的能量,具體數值大小與制定的運行策略有關;CCCHP為熱電冷聯產系統(tǒng)的出力;CPV為光伏的出力;CGHP為燃氣熱泵的出力;CCAC為電制冷機的出力;CEN為外部電網可以提供的電量;CES儲電裝置可以提供的電量;CHS為儲熱裝置可以提供的熱量。

因此,在抽樣時間段內對應第i種場景的能源傳輸矩陣Ci=Cm,i+Cs,i。同時,建立負荷能源需求矩陣L=[Le,Lh,Lc],表示在抽樣時間段內電、熱、冷能源的需求情況,下標e, h, c分別代表電能、熱能和冷能。

在此基礎上,建立供給/需求對比矩陣Q,Q矩陣內的元素是布爾變量,矩陣中的元素Qk,j,i表示第k(k∈{e,h,c})種能源,在第i(i∈{1,2,3,4,5})種場景下的第j(j∈{1,2,…,N})次抽樣的判別情況。以電能為例,矩陣中的判別方法為:

(5)

因此,微網系統(tǒng)內電、熱、冷能這3種能源的能源供給期望的計算方法如下:

(6)

(7)

(8)

式中:N為蒙特卡洛模擬抽樣的時間段數。

2)缺供能量期望(RLOEE)

該指標表示在統(tǒng)計時間段內,某一類型能源由于機組故障或停運事故所缺供的總能量。缺供能量期望越高,代表該類型能源受機組故障的影響越大,供能可靠性越低。缺供能量期望的求解方法為:

(9)

(10)

(11)

式中:T為蒙特卡洛模擬的時長。

3)系統(tǒng)能源不足持續(xù)時間(RSAIDI)

該指標表示在統(tǒng)計時間段內,某一類型能源由于機組故障或停運事故所造成能源供給不足的持續(xù)時間。時間越長,代表該類型能源受機組故障的影響越大供能可靠性越低。具體求解方法為:

(12)

(13)

(14)

4)綜合能源可靠性影響評價指標

本文基于文獻[18]的分析思想,通過不同類型能源缺供能量期望結合相應能源價格,計算綜合可靠性影響評價指標。指標數值從價格方面評估機組設備失效對微網系統(tǒng)造成的損失。具體測算如式(15)所示:

I=weRLOEE,e+whRLOEE,h+wcRLOEE,c

(15)

式中:I為綜合可靠性影響評價指標,表示停運造成能源不足的損失,數值越大代表機組失效對微網系統(tǒng)供能可靠性的影響越嚴重;we,wh,wc分別為電、熱、冷能的能源價格。

2.3 機組設備運行機制及元件時序模型

2.3.1運行機制分析

1)機組運行機制

綜合能源微網內包含多種設備機組,通過互補來滿足不同能源負荷的需求。電負荷由冷熱電三聯供機組及光伏系統(tǒng)進行供應,若出力不足則考慮調用儲電裝置或者從外部電網購電;熱負荷由冷熱電三聯供機組及燃氣熱泵進行供應,若出力不足,則考慮調用儲熱裝置;冷負荷由冷熱電三聯供機組及電制冷機進行供應。不同形式的能源優(yōu)先考慮同類能源負荷的供給及儲能裝置的補充,如有剩余,再考慮參與能源轉換與支援,以體現不同能源品位的差異。

作為微網系統(tǒng)內的關鍵設備,燃氣冷熱電三聯供機組將為吸收式冷機、換熱器等自身設備及微網系統(tǒng)內的電、熱、冷負荷供電。機組的運行方式為以熱(冷)定電,動力設備根據微網內所需的熱(冷)量運行。發(fā)電量與微網實際電負荷存在偏差,當發(fā)電量高于所需電量時,多余電量輸送至儲能裝置或者上網賣出;發(fā)電量不足時,從電網購電或由微網內其他資源(例如光伏系統(tǒng)、儲電裝置)進行補充。綜合能源微網內冷、熱負荷存在差異,當差異較大時,為保證燃氣三聯供機組的效率,燃氣機三聯供組的出力按照熱負荷和冷負荷中較小的值進行配置[19]。

2)儲能運行機制

微網系統(tǒng)包含儲電與儲熱兩種形式的儲能裝置。其中,儲電裝置作為微網中的可調控資源,能夠提高能源利用效率及供能可靠性。在并網運行模式下,結合實際情況,儲電裝置在任意時刻的充放電狀態(tài)與相關機組的出力及電價機制有關。同時,考慮到不同能源的品位問題,電能在過剩情況下會優(yōu)先對儲電裝置進行供給,如再有剩余,再考慮能源轉換問題。參考文獻[20]所介紹的儲能運行方式,多能源微網系統(tǒng)內儲電裝置的運行機制如圖2所示。

圖2 并網模式下儲電裝置運行機制流程圖Fig.2 Flow chart of operation mechanism of energy storage devices under grid-connected mode

在電孤島運行模式下,儲電裝置主要發(fā)揮可調用后備資源的作用,具體的運行機制如圖3所示。

圖3 電孤島模式下儲電裝置運行機制流程圖Fig.3 Flow chart of operation mechanism of energy storage devices under electric-isolated mode

對于儲熱裝置,由于微網系統(tǒng)采取“以熱(冷)定電”的運行機制,在正常運行狀況下不會生產多余的熱量。因此,本文所構建的綜合能源微網采用以蓄熱式電鍋爐為代表的電儲熱裝置,通過將多余的電能轉換成熱能,實現對熱能的儲存,從而起到后備可調控資源的作用,同時體現不同能源品位的差異性。

另外,本文在涉及運行與時序方面的分析中,考慮了機組/儲能設備的出力約束、儲能設備的容量約束、機組出力的爬坡約束、微網系統(tǒng)與外部電網的功率倒送約束等反映實際運行情況的約束條件。由于篇幅限制,本文不逐一列舉說明。

2.3.2元件時序模型

1)電負荷模型

本文采用文獻[21]中的電負荷模型,該模型通過負荷的典型年—周曲線、周—日曲線和日—小時曲線形成實時的負荷數據,既計算簡便,又能很好反映負荷的時變特性。具體的數學表達式為:

Lt=LpPwPdPh(t)

(16)

式中:Lp為年負荷峰值;Pw為與第t個小時對應的年—周負荷曲線中的值;Pd為與第t個小時對應的周—日負荷曲線中的值;Ph(t)為與第t個小時對應的日—小時負荷曲線中的值。

2)光伏出力模型

光伏陣列的實時輸出功率主要與實時的光照強度和溫度有關。但是,考慮到溫度的影響比較小,而且一般情況下光伏陣列均配備了最大功率跟蹤裝置,故可以認為光伏系統(tǒng)的實時出力主要取決于光照強度。因此,本文采用文獻[22]中的光伏模型,以反映光伏出力的時序特性。數學表達式為:

(17)

式中:Pb為光伏的實時出力;Psn為光伏的額定功率,表示在標準測試條件下單位光強所能產生的功率;Gstd為額定光照強度;Rc為某一特定強度的光強,在該光強下光伏出力與光強的關系開始由非線性變?yōu)榫€性;Gb,t為第t個小時的實時光強,Gb,t的實時序列可以通過對歷史光強的概率分布統(tǒng)計的抽樣得到,也可以利用文獻[23]中介紹的HDKR模型產生。

2.4 基于能源集線器模型的FMEA與負荷削減

本文通過FMEA法,分析微網系統(tǒng)內能源供給的邏輯關系,量化分析機組故障對不同類型能源供給可能產生的影響,同時體現不同能源之間的耦合特性。以并網式運行的綜合能源微網為例,微網系統(tǒng)內電、熱、冷不同類型能源的可靠性狀態(tài)為:

(18)

式中:Re,Rh,Rc分別為電、熱、冷能供給的可靠程度;f(·)表示能源供給可靠性的等級函數;SCCHP為冷熱電聯供機組的狀態(tài)(正?；蚬收蠣顟B(tài));SPV為光伏機組的狀態(tài);SES為儲電裝置的狀態(tài);SEN為外部電網的狀態(tài);SGN為外部燃氣網的狀態(tài);SGHP為燃氣熱泵的狀態(tài);SHS為儲熱裝置的狀態(tài);SCAC為電制冷機的狀態(tài)。

針對圖1所示的綜合能源微網結構,本文考慮并分析了燃氣冷熱電三聯供、燃氣熱泵、電制冷機、光伏機組、儲電裝置等設備裝置故障及外部電網、燃氣網故障造成供給中斷對微網系統(tǒng)的影響。由于篇幅的限制,本文重點對燃氣冷熱電三聯供在故障后的影響進行說明,分析量化不同能源之間的耦合關系。另外,在本文下述研究內容中,將一年分為8 760個時段,即每個時段為1 h,在每個時段中,假定設備狀態(tài)參數保持不變,對于瞬時量采用某個時段中的某個時刻的量來描述。

在燃氣冷熱電三聯供發(fā)生故障后,會影響冷、熱、電三種能源的供應。其中,電負荷主要由光伏系統(tǒng)進行供給,儲電裝置及上級電網進行后備補充;冷負荷在電能有剩余并且滿足電制冷機出力約束的情況下由電制冷機進行供給;熱負荷在滿足燃氣熱泵出力約束的情況下由主要由燃氣熱泵進行供給,儲熱作為后備補充。在故障發(fā)生后,微網系統(tǒng)會按照重要程度保障電、熱、冷重要負荷的供給,而對于同等重要程度的負荷會依據能源品位的差異,制定負荷供給的優(yōu)先級。

結合2.2節(jié)介紹的評估指標,缺供能源期望可以由式(19)和式(20)計算得到。

(19)

RLOEE,e,ke,CCHP=

(20)

式中:RLOEE,CCHP,e為冷熱電三聯供故障造成電能的缺供能源期望;RLOEE,e,ke,CCHP為受冷熱電三聯供故障影響所造成相應區(qū)域內的缺供電量期望;λCCHP為冷熱電三聯供機組的故障率;r1和r2分別為故障的起止時刻,時間跨度為冷熱電三聯供機組的修復時間rCCHP;Le(τ)為τ時刻電力負荷的需求;CES(τ)為τ時刻儲電裝置可提供的電量;CPV(τ)為τ時刻光伏出力;CEN(τ)為τ時刻外部電網可提供的電量。

系統(tǒng)能源不足持續(xù)時間為:

(21)

(22)

式中:RSAIDI,CCHP,e為冷熱電三聯供故障造成電能的能源不足持續(xù)時間;RSAIDI,e,ke,CCHP為變冷熱電三聯供故障影響所造成相應區(qū)域內電能的能源不足持續(xù)時間。

同理,通過式(23)至式(26)的計算可以得到熱能與冷能相應的可靠性指標。

RLOEE,h,kh,CCHP=

(23)

RLOEE,c,kc,CCHP=

(24)

(25)

PSAIDI,c,kc,CCHP=

(26)

式中:RLOEE,h,kh,CCHP和RLOEE,c,kc,CCHP分別為冷熱電三聯供故障造成熱能與冷能的缺供能源期望;Lh(τ)和Lc(τ)分別為τ時刻熱負荷與冷負荷的需求;CGHP(τ)為τ時刻燃氣熱泵的出力;CHS(τ)為τ時刻儲熱裝置可以提供的熱量;CCAC(τ)為τ時刻電制冷機的出力;RSAIDI,h,kh,CCHP和RSAIDI,c,kc,CCHP分別為冷熱電三聯供故障造成熱能與冷能的能源不足持續(xù)時間。

通過式(24)和式(26)對冷能源的分析,由于在正常運行狀態(tài)下一部分冷負荷由電制冷機進行供給,因此,在故障發(fā)生后,對于同等重要程度的能源負荷而言,考慮到電能的能源品位高于冷能及兩種能源需求的剛性/柔性特征,系統(tǒng)將會優(yōu)先供給電負荷,而由電制冷機供給的冷負荷在故障后可能會被削減以保障對電負荷的持續(xù)供應。

同理可分析其他機組故障對綜合能源微網不同能源供給產生的影響。另外,本文對電孤島運行模式的FMEA分析將不考慮外部電網故障對微網系統(tǒng)的影響,同時在分析過程中不考慮外部電網的供給CEN。

3 綜合能源微網可靠性評估流程

面向綜合能源微網的供能可靠性評估主要包括參數收集與數據生成、蒙特卡洛模擬、故障影響分析及可靠性指標統(tǒng)計計算4個主要部分。具體的評估流程圖如圖4所示。

圖4 綜合能源微網可靠性評估流程圖Fig.4 Flow chart of reliability evaluation of multi-energy microgrid

4 算例分析與對比

4.1 算例概況

本文以中國南方典型工業(yè)園區(qū)為例,物理結構與設備構成如圖1所示。能源供給與需求方面,4月至10月為供冷期,體現為冷負荷需求較大;熱負荷主要包括生產過程中存在的烘干、新風及生活中的熱水等需求,雖然沒有明確的供應期,但也具有一定的季節(jié)特性;全年均有電負荷需求,微網系統(tǒng)內全年的電、熱、冷負荷需求特性曲線如圖5所示。機組的運行參數見附錄A表A1,其中,儲電裝置的初始容量選取額定容量的30%,最大充放電功率選取額定容量的7.5%[24]。儲熱裝置的初始容量選取額定容量的50%,最大充放熱功率選取額定容量的80%[25]。綜合考慮可用面積、發(fā)電效率等因素,光伏機組的裝機容量為4.6 MW,年出力特性曲線如圖6所示,微網系統(tǒng)向上級主電網的倒送功率上限為200 kW[26]。結合當地實際的階梯電價政策方案,11:00—15:00和19:00—21:00為峰值電價；0:00—7:00為谷值電價；剩余時段為平值電價[27]。各類設備機組的可靠性參數見附錄A表A2,其中,上級主電網選取的是電源側主變壓器/母線的故障率及修復時間;上級燃氣網選取的是主要輸氣管道的故障率及修復時間。

圖5 負荷需求曲線Fig.5 Load demand curve

圖6 光伏出力曲線Fig.6 PV output curve

4.2 全年可靠性指標分析

本文將蒙特卡洛模擬時長設定為10 000 a,即T=10 000。通過蒙特卡洛模擬結合FMEA法,分別計算綜合能源微網在并網及電孤島兩種運行模式下的年可靠性指標如表1所示。

表1 不同運行模式年可靠性指標對比Table 1 Comparison of annual reliability indices under different operation modes

對比不同運行模式下綜合能源微網年可靠性指標,相比較于并網運行模式,電孤島運行模式由于沒有外部上級電網作為后備支撐,因此,電網側的可靠性有所下降。同時,由于能源供給策略方面考慮了能源品位的因素,因此在電能供給不足時會切斷通過電制冷機對與冷能源的供給及切斷通過電鍋爐對熱能源的儲存,以保障電能的有效持續(xù)供給,反映到熱能源與冷能源的供給會受到不同程度的影響。其中,電制冷機在供給過程中會直接受到電能的影響,造成冷能源的供能可靠性相比于熱能源下降較大;而電儲熱裝置在本文所構建的微網系統(tǒng)內主要起到后備資源的作用,因此,熱能源的供能可靠性下降較小。

4.3 預安排停運分析

在評估綜合能源微網年可靠性指標的基礎上,本文進一步選取典型時刻,通過模擬冷熱電三聯供機組的預想故障,從而構造對電、熱、冷三種能源均會產生影響的典型場景,進一步說明在不同能源需求情況下,多能源耦合對供能可靠性的影響。

本文分別選取電負荷、熱負荷、冷負荷在一年內的峰谷時段,模擬冷熱電三聯供機組的停運失效,評估綜合能源微網在不同能源需求及不同運行模式下的缺供能量期望及停電時間期望(Er),同時為保證預想故障造成的影響時間相同,預安排停運時長選取為故障修復時間的參考值,即24 h。評估結果如表2和表3所示。

表2 并網運行模式典型時段可靠性指標Table 2 Reliability indices during typical time period under grid-connected mode

表3 電孤島運行模式典型時段可靠性指標Table 3 Reliability indices during typical time period under electric-isolated mode

通常情況下,在對單一能源網絡進行預安排停運檢修時,通常會避開負荷峰值以確保造成的影響最低。然而,以電孤島運行模式為例,通過對比同一種運行模式在不同典型時段的可靠性指標可以得到,在某一種能源負荷的谷值進行預安排停運雖然能在一定程度上保證該能源的可靠供應,但是在綜合考慮多能源耦合及供能周期的情況下，卻可能對其他能源產生較大的影響。例如在電負荷的谷值模擬故障,對冷負荷造成的影響甚至會超過在電負荷的峰值模擬故障。而對比不同運行模式在不同典型時段的可靠性指標可以得到,相比較于并網運行模式,電孤島運行模式由于缺少了重要的后備資源,電能的供應受到了影響;同時由于能源之間的耦合關系,也對冷能的供應及熱能的存儲間接產生了影響。

在此基礎上,進一步分析綜合可靠性影響指標,并依此分析最優(yōu)檢修時段。以中國南方地區(qū)為例,不同類型的能源供給價格見附錄A表A3。

通過計算,在并網運行模式下,在時刻t=2 120進行預想事故模擬,得到Imin=0,在該時刻開始模擬冷熱電三聯供機組的停運失效,受影響的負荷可以借助外部電網及其他機組進行轉帶,不會對微網系統(tǒng)的能源供給產生影響;在電孤島運行模式下,在時刻t=3 500進行預想事故模擬,得到Imin=13 326.314 元,由于光伏機組在模擬時段內出力較高,配合儲電裝置能夠有效減少缺供電量,多余的電量也可以通過電制冷機對冷負荷進行供給,而熱負荷可以由燃氣熱泵完全轉帶,因此,相較于其他時刻對微網系統(tǒng)可靠性造成的影響較小。

5 結語

在能源交互頻繁和通信手段多樣化的背景下,多能源子系統(tǒng)通過相互關聯耦合構成的綜合能源微網是能源互聯網中的重要組成部分。如何改善常規(guī)的能源利用形式,推動能源之間的協調發(fā)展是今后研究的重中之重。本文以綜合能源微網作為研究對象,提出了一種可靠性評估方法。在評估的過程中,充分考慮了供給側與需求側存在的隨機性問題、儲能裝置與微網系統(tǒng)之間的協調運行問題及不同能源之間的品位問題。同時,通過將FMEA分析法與蒙特卡洛模擬法相結合的方式,量化了不同能源之間的耦合邏輯關系,體現了能源生產、存儲及使用環(huán)節(jié)中的時序特性,完善可靠性評估方法。最后,計算了不同運行模式下綜合能源微網的年可靠性,以及在典型場景與典型時段內的可靠性指標,從而驗證了本文所提方法的有效性及實用性,主要結論如下。

1)以電力系統(tǒng)為例,傳統(tǒng)可靠性計算通常是以負荷峰值為基準進行評估,沒有考慮多能源耦合與時序特性的影響,方法很難滿足能源互聯網背景下多能源系統(tǒng)規(guī)劃的需求。

2)考慮到以電、熱、冷能為代表的多能源負荷的時序特性不同,負荷的供能周期及峰谷差存在同時率的問題。因此,本文所提出的可靠性評估方法進一步考慮了微網系統(tǒng)“源—荷—儲”環(huán)節(jié)的時序特性及運行因素,保障可靠性評估模型的科學性。

3)從用戶需求側的角度出發(fā),同一個用戶可能具有多種能源的需求,在不同時段內用戶對于能源的需求程度也不盡相同。因此,研究多能耦合集成系統(tǒng)的可靠性評估方法以響應并兼顧多能耦合情況下用戶對于多種能源的需求十分必要。

4)考慮多能耦合的綜合可靠性評價方法也可以為供能機組的預防性檢修與維護提供參考。

在未來的研究中,將會進一步細化系統(tǒng)內的網架結構,分析不同能源系統(tǒng)供給與運行方式對多能源耦合系統(tǒng)可靠性的影響,從而進一步完善綜合可靠性評估模型及方法。

附錄見本刊網絡版(http://www.aeps-info.com/aeps/ch/index.aspx)。

[1] 董朝陽,趙俊華,文福拴,等.從智能電網到能源互聯網:基本概念與研究框架[J].電力系統(tǒng)自動化,2014,38(15):1-11.DOI:10.7500/AEPS20140613007.

DONG Zhaoyang, ZHAO Junhua, WEN Fushuan, et al. From smart grid to Energy Internet: basic concept and research framework[J]. Automation of Electric Power Systems, 2014, 38(15): 1-11. DOI: 10.7500/AEPS20140613007.

[2] GEIDL M, KOEPPEL G, FAVRE P, et al. Energy hubs for the future[J]. IEEE Power & Energy Magazine, 2007, 5(1): 24-30.

[3] WU J, YAN J, JIA H, et al. Integrated energy systems[J]. Applied Energy, 2016, 167: 155-157.

[4] LASSETER R, AKHIL A, MAMAY C, et al. White paper on integration of distributed energy resources-the CERTS microgrid concept[R]. Office of Scientific & Technologies, the US Department of Energy, 2002.

[5] LASSETER R H, PAIGI P. Microgrid: a conceptual solution[C]// IEEE Power Electronics Specialists Conference, June 20-25, 2004, Aachen, Germany: 4285-4290.

[6] LI H, ESEYE A T, ZHANG J, et al. Optimal energy management for industrial microgrids with high-penetration renewables[J]. Protection & Control of Modern Power Systems, 2017, 2(1): 12.

[7] WANG P, BILLINTON R, GOEL L. Probability distribution evaluation of distribution system reliability indices using a time sequential simulation technique[C]// Canadian Conference on Electrical and Computer Engineering, May 7-10, 2000, Halifax, Canada: 760-764.

[8] BILLINTON R, WANG P. Teaching distribution system reliability evaluation using Monte Carlo simulation[J]. IEEE Transactions on Power Systems, 1999, 14(2): 397-403.

[9] CHE L, ZHANG X, SHAHIDEHPOUR M, et al. Optimal interconnection planning of community microgrids with renewable energy sources[J]. IEEE Transactions on Smart Grid, 2017, 8(3): 1054-1063.

[10] XU X, MITRA J, WANG T, et al. An evaluation strategy for microgrid reliability considering the effects of protection system[J]. IEEE Transactions on Power Delivery, 2016, 31(5): 1989-1997.

[11] MOEINI A M, FARAIN H, FOTUHI F M, et al. Generalized analytical approach to assess reliability of renewable-based energy hubs[J]. IEEE Transactions on Power Systems, 2016, 32(1): 368-377.

[12] LI G, BIE Z, KOU Y, et al. Reliability evaluation of integrated energy systems based on smart agent communication[J]. Applied Energy, 2016, 167: 397-406.

[13] KOEPPEL G, ANDRSSON G. Reliability modeling of multi-carrier energy systems[J]. Energy, 2009, 34(3): 235-244.

[14] KOEPPEL G, ANDERSSON G. The influence of combined power, gas, and thermal networks on the reliability of supply[C]// The Sixth World Energy System Conference, July 10-12, 2006, Torino, Italy: 646-651.

[15] CHAUDRY M, WU J, JENKINS N. A sequential Monte Carlo model of the combined GB gas and electricity network[J]. Energy Policy, 2013, 62(9): 473-483.

[16] CONTI S, NICOLOSI R, RIZZO S A. Generalized systematic approach to assess distribution system reliability with renewable distributed generators and microgrids[J]. IEEE Transactions on Power Delivery, 2012, 27(1): 261-270.

[17] 王旭東,林濟鏗.基于網絡化簡的含分布式電源的配電網可靠性分析[J].電力系統(tǒng)自動化,2010,34(4):38-43.

WANG Xudong, LIN Jikeng. Reliability evaluation based on network simplification for the distribution system with distributed generation[J]. Automation of Electric Power Systems, 2010, 34(4): 38-43.

[18] XU X, HOU K, JIA H, et al. A reliability assessment approach for the urban energy system and its application in energy hub planning[C]// IEEE Power & Energy Society General Meeting, July 26-30, 2015, Denver, USA.

[19] 徐科,劉洪,田喆,等.區(qū)域分布式供能系統(tǒng)經濟性概率分析[J].電力建設,2017,38(2):138-146.

XU Ke, LIU Hong, TIAN Zhe, et al. Economic probability analysis of urban distributed energy supply system[J]. Electric Power Construction, 2017, 38(2): 138-146.

[20] 陳健,劉玉田,張文,等.基于博弈論的配電網中多級微電網優(yōu)化配置分析[J].電力系統(tǒng)自動化,2016,40(1):45-52.DOI:10.7500/AEPS20150130005.

CHEN Jian, LIU Yutian, ZHANG Wen, et al. Optimal sizing analysis of multilevel microgrids in distribution network based on game theory[J]. Automation of Electric Power Systems, 2016, 40(1): 45-52. DOI: 10.7500/AEPS20150130005.

[21] WANG Peng, BILLINTON R. Time sequential distribution system reliability worth analysis considering time varying load and cost models[J]. IEEE Transactions on Power Delivery, 1999, 14(3): 1046-1051.

[22] NIKMEHR N, RAVADANEGH S N. Reliability evaluation of multi-microgrids considering optimal operation of small scale energy zones under load-generation uncertainties[J]. International Journal of Electrical Power & Energy Systems, 2016, 78: 80-87.

[23] DUFFIE J A, BECKMAN W A. Solar engineering of thermal processes[M]. New York, USA: Wiley, 1991.

[24] GHIANI E, VERTUCCIO C, PILO F. Optimal sizing and management of a smart microgrid for prevailing self-consumption[C]// 2015 IEEE Eindhoven PowerTech, June 29-July 2, 2015, Eindhoven, Netherlands: 639-645.

[25] ERDINC O. Economic impacts of small-scale own generating and storage units, and electric vehicles under different demand response strategies for smart households[J]. Applied Energy, 2014, 126: 142-150.

[26] 趙波,包侃侃,徐志成,等.考慮需求側響應的光儲并網型微電網優(yōu)化配置[J].中國電機工程學報,2015,35(21):5465-5474.

ZHAO Bo, BAO Kankan, XU Zhicheng, et al. Optimal sizing for grid-connected PV-and-storage microgrid considering demand response[J]. Proceedings of the CSEE, 2015, 35(21): 5465-5474.

[27] 吳雄,王秀麗,李駿,等.風電儲能混合系統(tǒng)的聯合調度模型及求解[J].中國電機工程學報,2013,33(13):10-17.

WU Xiong, WANG Xiuli, LI Jun, et al. A joint operation model and solution for hybrid wind energy storage systems[J]. Proceedings of the CSEE, 2013, 33(13): 10-17.