秦小濱,彭超
(重慶市萬(wàn)州職業(yè)教育中心,萬(wàn)州 404500)
隨著化石能源的日益枯竭和環(huán)境問(wèn)題的日益嚴(yán)峻,煤炭、石油等傳統(tǒng)能源已經(jīng)不能滿足未來(lái)社會(huì)發(fā)展的需求。大力開(kāi)發(fā)以風(fēng)電、光伏為代表的可再生能源,構(gòu)建綠色高效的能源網(wǎng)絡(luò)已成為能源行業(yè)的未來(lái)發(fā)展趨勢(shì)[1,2]。風(fēng)電作為一種常見(jiàn)的可再生能源,因其無(wú)污染、儲(chǔ)量大、成本低等諸多優(yōu)點(diǎn),近年來(lái)得到了快速發(fā)展。截止2017年年底,全球并網(wǎng)風(fēng)電總裝機(jī)容量已超過(guò)500 GW,并將在2021年末超過(guò)800 GW[3,4]。
大力開(kāi)發(fā)風(fēng)電已成為能源板塊調(diào)整的重要環(huán)節(jié)。然而,風(fēng)電具有明顯的間歇性和波動(dòng)性,隨著風(fēng)電裝機(jī)容量的提高,其大規(guī)模并網(wǎng)造成的風(fēng)電并網(wǎng)輸出電能質(zhì)量低、功率波動(dòng)大等問(wèn)題嚴(yán)重影響了電網(wǎng)的安全穩(wěn)定運(yùn)行[5-7]。有效的風(fēng)電出力預(yù)測(cè)可以為未來(lái)風(fēng)電系統(tǒng)的出力提供有效的預(yù)報(bào)信息,是風(fēng)電系統(tǒng)調(diào)度技術(shù)中的重要組成部分。因此,為了實(shí)現(xiàn)風(fēng)電的大規(guī)模并網(wǎng),有必要考慮風(fēng)電系統(tǒng)中存在的各種不確定性因素,對(duì)風(fēng)電系統(tǒng)未來(lái)某段時(shí)間的出力進(jìn)行有效預(yù)測(cè),并以此為依據(jù)實(shí)現(xiàn)對(duì)系統(tǒng)運(yùn)行可靠性的正確評(píng)估。
目前已有大量關(guān)于風(fēng)電出力預(yù)測(cè)的方法,如:人工神經(jīng)網(wǎng)絡(luò)[8]、支持向量機(jī)[9,10]、證據(jù)理論[11]等。盡管如此,由于風(fēng)電輸出功率受到所在地形地貌、風(fēng)機(jī)布局、風(fēng)機(jī)特性等多方面的因素,現(xiàn)有的風(fēng)電出力預(yù)測(cè)方法難以實(shí)現(xiàn)高精度的預(yù)測(cè)結(jié)果,風(fēng)電出力仍然具有顯著不確定性,而這些不確定因素也往往影響著風(fēng)電系統(tǒng)的可靠性。概率分析方法是一種有效的不確定因素處理方法,通過(guò)對(duì)不確定因素的歷史統(tǒng)計(jì)數(shù)據(jù)的分析,能夠有效識(shí)別它們的概率分布。更為理想的情況下,合理的應(yīng)用概率分析方法,可以對(duì)能源系統(tǒng)的未來(lái)運(yùn)行狀態(tài)進(jìn)行模擬,以評(píng)估系統(tǒng)在未來(lái)時(shí)間內(nèi)的運(yùn)行可靠性,實(shí)現(xiàn)對(duì)故障風(fēng)險(xiǎn)的有效預(yù)防。
現(xiàn)有關(guān)于風(fēng)電系統(tǒng)的可靠性預(yù)測(cè)所考慮的不確定因素主要集中于風(fēng)機(jī)與電網(wǎng)之間的能量交換過(guò)程。而未充分計(jì)及系統(tǒng)中存在的其它不確定因素,這在一定程度上限制了對(duì)系統(tǒng)的可靠性評(píng)估,甚至忽略系統(tǒng)中潛在的危害?!癛-L”作為一種風(fēng)險(xiǎn)分析技術(shù),采用參數(shù)電阻(R)和負(fù)荷(L)刻畫系統(tǒng)的運(yùn)行狀態(tài),目前已在多個(gè)工程、非工程領(lǐng)域?qū)崿F(xiàn)了可靠性評(píng)估,如:工程系統(tǒng)中的結(jié)構(gòu)可靠性評(píng)估、證券市場(chǎng)交易、通信網(wǎng)絡(luò)的評(píng)估等[12]。本文充分考慮了風(fēng)電系統(tǒng)風(fēng)電出力和負(fù)荷的隨機(jī)性,應(yīng)用“R-L”技術(shù),將總發(fā)電量視為系統(tǒng)中的電阻參數(shù)R,用電負(fù)荷作為系統(tǒng)中的負(fù)荷參數(shù)L。當(dāng)系統(tǒng)滿足R>L時(shí),則認(rèn)為該系統(tǒng)是可靠的。通過(guò)歷史數(shù)據(jù)的采集和模擬,分析風(fēng)電系統(tǒng)在未來(lái)時(shí)間內(nèi)的可靠性(即事件R>L的概率,P[R>L])。基于某一風(fēng)電場(chǎng)的實(shí)測(cè)數(shù)據(jù)進(jìn)行仿真分析,結(jié)果驗(yàn)證了所提方法的正確性和有效性。
采用“R-L”技術(shù)進(jìn)行可靠性預(yù)測(cè)的主要思路為:
1)確定系統(tǒng)中存在的不確定因素;
2)通過(guò)對(duì)上述不確定因素的歷史數(shù)據(jù)進(jìn)行統(tǒng)計(jì)和分析,確定大致的概率分布類型(如:正態(tài)分布、Weibull分布等);
3)計(jì)算上述概率分布函數(shù)的具體參數(shù);
4)確定系統(tǒng)中的參數(shù)R和L;
5)計(jì)算系統(tǒng)的可靠性方程,即P[R>L],其中,P[·]表示某事件發(fā)生的概率。
需要說(shuō)明的是,對(duì)于系統(tǒng)中的風(fēng)速、線損以及用戶負(fù)荷等變量,可基于圖像分析技術(shù),如:直方圖、概率圖等方法建立其相應(yīng)的概率分布函數(shù);而對(duì)于參數(shù)R和L,需基于上述變量的分布參數(shù),采用模擬方法進(jìn)行建模。
對(duì)于風(fēng)電系統(tǒng),參數(shù)R可用過(guò)去某一年的總發(fā)電量表示?;陲L(fēng)速(v)和系統(tǒng)損耗(loss)的概率模型,可以獲得相應(yīng)的R值。首先介紹v的概率分布函數(shù)的求解方法。
一般而言,可根據(jù)歷史風(fēng)速數(shù)據(jù)模擬得到風(fēng)速的概率分布。現(xiàn)通常采用雙參數(shù)Weibull分布刻畫風(fēng)速的不確定模型,其累積分布函數(shù)如下:
式中:
F(·)—累積概率分布函數(shù);
v—風(fēng)速變量;
f(·)—概率密度分布函數(shù);
c、k—Weibull分布函數(shù)的參數(shù)。
若對(duì)F(v)取兩次自然對(duì)數(shù)處理,則式(1)轉(zhuǎn)換為如下形式:
通過(guò)以上處理方式,式(1)可轉(zhuǎn)換為形如y=ax+b的線性表達(dá)式(式(2))。若以ln{-ln[1-F(v)]}為輸出變量y,以ln(v)為輸入變量x,則可以計(jì)算得到Weibull分布參數(shù)的表達(dá)式:
F(v)可基于歷史統(tǒng)計(jì)數(shù)據(jù)模擬得到,具體方法如表1所示。其中,n是歷史數(shù)據(jù)數(shù)目,vx為序列為x的風(fēng)速實(shí)際大小,所有的歷史數(shù)據(jù)從小到大排列。
在確定Weibull分布參數(shù)后,便可通過(guò)隨機(jī)生成變量樣本和反變換,生成更多新的風(fēng)速樣本。具體步驟為:生成服從均勻分布的隨機(jī)數(shù)u,滿足0≤u≤1,與概率值u相對(duì)應(yīng)的風(fēng)速大小可由以下逆變換計(jì)算得到:
由于u滿足位于區(qū)間[0,1]上的均勻分布,相應(yīng)地,(1-u)也可視為位于[0,1]的均勻分布變量。則上式可以改寫為:
以上是獲取風(fēng)速v的概率分布函數(shù)的大概原理。類似地,基于風(fēng)電場(chǎng)損耗loss的歷史統(tǒng)計(jì)數(shù)據(jù),也可以建立其相應(yīng)的概率模型。
基于上述風(fēng)電系統(tǒng)損耗和風(fēng)速的模擬數(shù)據(jù),可以計(jì)算得到風(fēng)電場(chǎng)每小時(shí)產(chǎn)生的電功率為PNet(h)。假設(shè)風(fēng)電系統(tǒng)中的風(fēng)力渦輪機(jī)數(shù)目為NT,PNet(h)的計(jì)算公式為:
式中:
表1 F(v)的模擬方法
Pout—單個(gè)風(fēng)力渦輪機(jī)輸出的電功率,其大小與風(fēng)速、空氣以及渦輪機(jī)特性等因素相關(guān);
Tloss—經(jīng)模擬得到的風(fēng)電系統(tǒng)總功率損耗。
Pout可由以下方程求得:
式中:
A—渦輪機(jī)的掃掠面積;
ρa(bǔ)ir—空氣密度;
Cp—功率系數(shù);
v—經(jīng)模擬得到的每小時(shí)風(fēng)速值。
總功率損耗Tloss由多部分構(gòu)成:
式中:
loss1,···, lossn—系統(tǒng)各方面的損耗,如:由渦輪機(jī)故障、傳輸損失,以及尾流引起的功率損失等。各類損耗所占的百分比均以通過(guò)測(cè)量得到。
如前文所述,參數(shù)R表征風(fēng)電系統(tǒng)的年發(fā)電量,即一年中各小時(shí)發(fā)電量的總和:
結(jié)合概率統(tǒng)計(jì)相關(guān)知識(shí),可以得到R的均值μR和標(biāo)準(zhǔn)差σR:
在風(fēng)電系統(tǒng)中,通常認(rèn)為負(fù)荷服從正態(tài)分布或者對(duì)數(shù)分布。本文暫不考慮負(fù)荷與風(fēng)速之間的相關(guān)性,因此可以對(duì)負(fù)荷單獨(dú)進(jìn)行建模。負(fù)荷模型的建立往往需要大量的歷史統(tǒng)計(jì)數(shù)據(jù),本文采用Box和Muller轉(zhuǎn)換方法刻畫負(fù)荷的正態(tài)分布模型。若變量Y服從對(duì)數(shù)正態(tài)分布,則始終滿足以下情況:若變量Y的均值為μ,方差為σ2,則eY也服從對(duì)數(shù)正態(tài)分布,且有均值為μ,方差為σ2。
在風(fēng)電系統(tǒng)中,參數(shù)L可由年度總負(fù)荷值表示,與公式(10)類似,采用采用Lh(每小時(shí)負(fù)荷模擬值)代替PNet(h),即可得到參數(shù)L關(guān)于Lh的表達(dá)式。此外,與式(11)和(12)類似,采用L代替R,Lh代替PNet(h),以及μR代替μL,可以計(jì)算得到參數(shù)L的均值和標(biāo)準(zhǔn)差。
需要注意的是,對(duì)于參數(shù)R和L的均值和方差的自然對(duì)數(shù)可以通過(guò)它們的對(duì)數(shù)正態(tài)分布函數(shù)獲得,標(biāo)準(zhǔn)差r可直接由方差的平方根計(jì)算得到。
如前文所述,系統(tǒng)的可靠性指標(biāo)可由事件R>L發(fā)生的概率,即P[R>L]表示,其定義如下:
式中:
fRL(r, l)—參數(shù)R和L的聯(lián)合分布函數(shù),具體可以寫為:
fRL(r, l)一旦確定,系統(tǒng)可靠性指標(biāo)便可以通過(guò)數(shù)值積分估算得到。構(gòu)建fRL(r, l)具有較大的難度,需要在獲取大量統(tǒng)計(jì)數(shù)據(jù)的基礎(chǔ)上,繪制相應(yīng)的二元直方圖,進(jìn)而建立相應(yīng)的聯(lián)合分布。為簡(jiǎn)化計(jì)算過(guò)程,假設(shè)R和L之間相互獨(dú)立,則聯(lián)合分布函數(shù)則可以簡(jiǎn)化為以下形式:
由于R和L相互獨(dú)立, fRL(r, l)可以簡(jiǎn)化為各單變量分布函數(shù)的乘積。由于單變量分布函數(shù)所需要的統(tǒng)計(jì)數(shù)據(jù)較少,采用式(15)的表達(dá)形式有效降低了求解難度。基于以上假設(shè),系統(tǒng)的可靠性指標(biāo)可以改寫為:
對(duì)于參數(shù)R和L,若它們均服從正態(tài)分布或者對(duì)數(shù)正態(tài)分布,則事件R>L可以等價(jià)為如下情況:
1)若R和L均 服 從 正 態(tài) 分 布,則R>L等 價(jià) 為R-L>0;
2)若R和L均服從對(duì)數(shù)正態(tài)分布,則R>L等價(jià)為R/L>1。
令事件R>L為X。對(duì)于第一種情況,當(dāng)R和L服從正態(tài)分布時(shí),X的均值和方差為:
系統(tǒng)可靠性指標(biāo)可由如下方程估計(jì):
式中:
φ(·)—標(biāo)準(zhǔn)正態(tài)分布變量的累積概率函數(shù)。其數(shù)據(jù)可由正態(tài)分布概率表查閱得到。
類似地,對(duì)于第二種情況,若R和L服從對(duì)數(shù)正態(tài)分布,令事件X為[R/L],則其均值和方差可寫為如下形式:
系統(tǒng)可靠性指標(biāo)可寫為:
式(19)和(22)分別表示R和L服從不同分布函數(shù)的情況下,系統(tǒng)可靠性指標(biāo)的表達(dá)式。
為驗(yàn)證所提可靠性預(yù)測(cè)方法的正確性和有效性,以某海島的實(shí)測(cè)歷史數(shù)據(jù)為例進(jìn)行仿真說(shuō)明。該海島上具有裝機(jī)容量為12 MW的風(fēng)電場(chǎng),包含四個(gè)額定容量為3 MW的風(fēng)力渦輪機(jī)。其它數(shù)據(jù)說(shuō)明如下:
1)氣候環(huán)境說(shuō)明
采用風(fēng)速統(tǒng)計(jì)數(shù)據(jù),數(shù)據(jù)量測(cè)點(diǎn)海拔為20 m。從歷史數(shù)據(jù)中,統(tǒng)計(jì)出風(fēng)度與海拔高度的關(guān)系:
式中:
v—與海拔高度h對(duì)應(yīng)的風(fēng)速(80 m,即為渦輪輪轂的高度);
vref—在參考海拔高度href處的風(fēng)速參考值(href=10 m);
α—風(fēng)切變,取0.2。
2) 風(fēng)電場(chǎng)實(shí)測(cè)數(shù)據(jù)說(shuō)明
本文選取了該風(fēng)電場(chǎng)在2013至2017年間,連續(xù)五年內(nèi)每小時(shí)的用電負(fù)荷數(shù)據(jù),以及2017年內(nèi)每小時(shí)的風(fēng)電輸出數(shù)據(jù)。
3) 風(fēng)電系統(tǒng)損耗說(shuō)明
在風(fēng)電系統(tǒng)的實(shí)際運(yùn)行過(guò)程中,其能量的損耗來(lái)源于多個(gè)部分,基于歷史統(tǒng)計(jì)數(shù)據(jù),本文給出了在風(fēng)電系統(tǒng)中各部分損耗所占發(fā)電量的比例,具體見(jiàn)表2。
表2 風(fēng)電系統(tǒng)中部分損耗的比例
算例分析的主要思想為:①基于已知的歷史數(shù)據(jù),模擬該風(fēng)電系統(tǒng)2017年的發(fā)電量和用電負(fù)荷數(shù)據(jù),并以實(shí)際數(shù)據(jù)進(jìn)行比較,以此來(lái)驗(yàn)證所提預(yù)測(cè)方法的正確性;②在1)的基礎(chǔ)上,估算未來(lái)一年內(nèi)風(fēng)電系統(tǒng)的可靠性指標(biāo)(P[R>L])。在建立不確定因素概率分布函數(shù)時(shí),風(fēng)速基于其月度歷史數(shù)據(jù),而用電負(fù)荷基于其年度歷史數(shù)據(jù)。
基于對(duì)風(fēng)速歷史數(shù)據(jù)的統(tǒng)計(jì)和分析,發(fā)現(xiàn)風(fēng)速服從Weibull分布。以2014年12月的風(fēng)速作為示例,采用直方圖和QQ圖顯示統(tǒng)計(jì)結(jié)果,如圖1和圖2所示。圖2和相應(yīng)的假設(shè)檢驗(yàn)結(jié)果驗(yàn)證了風(fēng)速服從Weibull分布。
在此基礎(chǔ)上,采用公式(3)和(4)計(jì)算了Weibull分布函數(shù)中的參數(shù)c和k,參數(shù)計(jì)算結(jié)果的實(shí)際值和預(yù)測(cè)值如圖3所示。以2013至2016四年內(nèi)每個(gè)月的風(fēng)速統(tǒng)計(jì)數(shù)據(jù)為基礎(chǔ),計(jì)算四年內(nèi)每個(gè)月Weibull分布參數(shù)的平均值,以此作為實(shí)際值。采用Excel內(nèi)置的隨機(jī)數(shù)生成器和公式(6),基于歷史風(fēng)速數(shù)據(jù)以及Weibull分布參數(shù)c和k的平均值預(yù)測(cè)了2017年的每小時(shí)風(fēng)速,預(yù)測(cè)值和實(shí)際值的分布情況如圖3所示。由圖可見(jiàn),所提預(yù)測(cè)方法具有較高的精度。
圖1 風(fēng)速歷史數(shù)據(jù)直方圖
圖2 風(fēng)速Q(mào)Q圖
圖3 2017年風(fēng)速Weibull分布參數(shù)計(jì)算結(jié)果
在獲取風(fēng)速的概率分布函數(shù)和預(yù)測(cè)值后,可采用式(8)計(jì)算單個(gè)風(fēng)力渦輪機(jī)的輸出電量Pout,式(8)的各參數(shù)為:A=6 300 m2,ρa(bǔ)ir=1.230 kg/m3,Cp與風(fēng)速實(shí)際值有關(guān)。采用公式(7)計(jì)算系統(tǒng)每小時(shí)發(fā)電量PNet(h),采用公式(9)計(jì)算系統(tǒng)的總損耗Tloss。最終采用公式(10)計(jì)算參數(shù)R。表3給出了基于歷史數(shù)據(jù)和所提方法得到的2017年最大風(fēng)速、峰值負(fù)荷以及參數(shù)R的預(yù)測(cè)值和實(shí)際值之間的結(jié)果比較。
基于2013年至2016年間的負(fù)荷歷史數(shù)據(jù),建立其分布函數(shù),并得到2017年的參數(shù)L。由于負(fù)荷的數(shù)據(jù)以年為單位進(jìn)行統(tǒng)計(jì),以其中某一年為例,圖4顯示了2014年的負(fù)荷直方圖。與參數(shù)R的預(yù)測(cè)過(guò)程相似,建立負(fù)荷的直方圖和QQ圖分析負(fù)荷服從的具體分布及參數(shù)(經(jīng)仿真分析驗(yàn)證了負(fù)荷服從正態(tài)分布),基于Excel生成隨機(jī)數(shù)模擬2017年的負(fù)荷數(shù)據(jù)。表4比較了負(fù)荷的預(yù)測(cè)值和真實(shí)值。
由表3和表4可知,無(wú)論是對(duì)于參數(shù)R還是L,預(yù)測(cè)值與實(shí)際值之間的相對(duì)誤差絕對(duì)值均能夠保持在2%以內(nèi),這驗(yàn)證了所提方法具有較高的精度。
表3 2017年風(fēng)速和發(fā)電量預(yù)測(cè)結(jié)果
圖4 2014年負(fù)荷直方圖
表4 2017年參數(shù)R和L預(yù)測(cè)值和實(shí)際值比較結(jié)果
對(duì)于未來(lái)某一段時(shí)間內(nèi)風(fēng)電系統(tǒng)的可靠性,均可以由參數(shù)R和L的預(yù)測(cè)值計(jì)算得到。為計(jì)算P[R>L],本文基于2013年至2016年這五年的歷史統(tǒng)計(jì)數(shù)據(jù)預(yù)測(cè)未來(lái)時(shí)間內(nèi)的R和L參數(shù)。假設(shè)在預(yù)測(cè)時(shí)間內(nèi),風(fēng)電系統(tǒng)的負(fù)荷和總裝機(jī)容量保持不變,基于上一節(jié)的內(nèi)容獲取了過(guò)去五年內(nèi),每個(gè)月的風(fēng)速所服從的Weibull分布參數(shù)平均值,具體見(jiàn)表5。
假設(shè)風(fēng)電系統(tǒng)的損耗服從正態(tài)分布,基于現(xiàn)有每小時(shí)風(fēng)電系統(tǒng)的輸出電量數(shù)據(jù),將以表2中的占比計(jì)算得到的損耗作為均值,采用蒙特卡洛模擬法處理其不確定性。分別假設(shè)損耗的變異系數(shù)(Coefficient of Variation,Cov)為5 %、15 %和25 %。由表2可知,風(fēng)電系統(tǒng)的損耗可分為六種,由于loss2和loss2所占比重很?。ú怀^(guò)1 %),因此在模擬過(guò)程中可近似認(rèn)為它們的數(shù)值大小不變。以每小時(shí)的風(fēng)電系統(tǒng)損耗作為變量,表6給出了三種情況下,風(fēng)電系統(tǒng)的損耗、發(fā)電量以及參數(shù)R化對(duì)系統(tǒng)可靠性的影響要遠(yuǎn)遠(yuǎn)大于損耗變化的影響。從另一方面理解,P[R>L] 越高往往說(shuō)明了系統(tǒng)在某一年內(nèi)滿足負(fù)荷需求的可靠性越高。
表5 2013~2016年每月風(fēng)速的Weibull分布參數(shù)平均值
表6 風(fēng)電系統(tǒng)損耗、發(fā)電量以及參數(shù)R的統(tǒng)計(jì)結(jié)果
風(fēng)電作為一種綠色、環(huán)保的可再生能源,推動(dòng)其開(kāi)發(fā)和利用在為能源產(chǎn)業(yè)同時(shí)帶來(lái)了機(jī)遇和挑戰(zhàn)。現(xiàn)有風(fēng)電場(chǎng)饋入電網(wǎng)的最大問(wèn)題仍然在于風(fēng)電的不確定性對(duì)電的統(tǒng)計(jì)情況。
表7 不同負(fù)荷水平下的P[R>L]
以上是風(fēng)電系統(tǒng)在不同波動(dòng)情況下對(duì)參數(shù)R的預(yù)測(cè)情況。對(duì)于參數(shù)L,其可由風(fēng)電系統(tǒng)的總負(fù)荷表示。根據(jù)2013年至2016年四年內(nèi)的負(fù)荷歷史數(shù)據(jù),可得四年間負(fù)荷服從正態(tài)分布,且均值和標(biāo)準(zhǔn)差分別為μL=13.52 MWh和σL=2.85 MWh,四年內(nèi)參數(shù)L的均值為118 214 MWh。
至此,參數(shù)R和L的概率分布和預(yù)測(cè)值均已得到。由于R和L均服從正態(tài)分布,可通過(guò)公式(19)計(jì)算得到P[R>L]。查找正態(tài)分布概率表獲取所需要的φX值。經(jīng)過(guò)仿真運(yùn)算,參數(shù)R的均值和標(biāo)準(zhǔn)差可由表6查得,參數(shù)L的均值和標(biāo)準(zhǔn)差也可采用類似的方法,最后算得μL=12.98 MWh和σL=2.85 MWh。表7給出了在不同的變異系數(shù)下,負(fù)荷水平分別取均值的100 %、75 %以及50 %這三種情況時(shí),計(jì)算得到的P[R>L]。
P[R>L]表征了在給定條件下(風(fēng)速、負(fù)荷以及系統(tǒng)損耗),風(fēng)電系統(tǒng)所具有的可靠性。P[R>L]的數(shù)值越大,表明系統(tǒng)可靠性越高。由表7可見(jiàn),當(dāng)取負(fù)荷水平逐漸降低時(shí),系統(tǒng)的可靠性逐漸增加。保持負(fù)荷水平不變,當(dāng)系統(tǒng)損耗的變異水平由5 %增長(zhǎng)至25 %時(shí),P[R>L]的數(shù)值基本上保持不變,這表明在風(fēng)電系統(tǒng)中,負(fù)荷變力系統(tǒng)安全運(yùn)行造成的隱患。鑒于風(fēng)電系統(tǒng)可靠性的需求,本文提出了一種風(fēng)電可靠性預(yù)測(cè)方法,基于大量歷史數(shù)據(jù),同時(shí)考慮了風(fēng)電系統(tǒng)出力和用電負(fù)荷的不確定性,采用R-L技術(shù)對(duì)風(fēng)電系統(tǒng)負(fù)荷和發(fā)電量進(jìn)行預(yù)測(cè),進(jìn)而構(gòu)建系統(tǒng)的“R-L”模型,以實(shí)現(xiàn)對(duì)未來(lái)時(shí)間段內(nèi)風(fēng)電系統(tǒng)可靠性的評(píng)估。以某一實(shí)際風(fēng)電場(chǎng)為研究對(duì)象,通過(guò)算例仿真和比較,可以驗(yàn)證所提模擬預(yù)測(cè)方法可以實(shí)現(xiàn)在未來(lái)時(shí)間段內(nèi)對(duì)風(fēng)電出力及用電負(fù)荷的正確預(yù)測(cè),而R-L技術(shù)可以實(shí)現(xiàn)對(duì)風(fēng)電系統(tǒng)可靠性的有效評(píng)估。