含分布式电源的配电网风险评估技术

含分布式电源的配电网风险评估技术

许苑;王科;陈波

【摘要】安全、可靠接纳风电、光伏发电等分布式电源是未来智能配电网的重要功能之一,文中主要研究含分布式电源的配电网风险评估算法.首先引入事故后能量损失率指标和事故后用户损失率指标来描述系统故障概率和故障后果严重程度,并对引入分布式电源后的指标进行修正;然后结合分布式电源的出力概率模型和负荷概率模型,采用馈线分区方法,得出接入分布式电源及储能装置后的配电系统可靠性及风险评估指标;最后利用美国PG&E69节点配电系统对本文算法进行了验证.%It's an important function of the future smart distribution grid to accept with distributed generation.This paper studies reliability and risk assessment techniques for distribution network,which contains intelligent distributed power.Firstly,energy loss rate and user loss rate are used to describe the consequences of distribution network fault.Then,reliability and risk assessment algorithm are introduced based on probabilistic model and feeder partitioning method.Finally,a study with PG & E69 node distribution system is used to verify the proposed algorithm.

【期刊名称】《电力系统及其自动化学报》

【年(卷),期】2013(025)004

【总页数】5页(P117-121)

【关键词】分布式电源;智能配电网;概率模型;可靠性;风险评估

【作者】许苑;王科;陈波

【作者单位】广州供电局有限公司,广州510610;南方电网科学研究院,广州510080;南方电网科学研究院,广州510080

【正文语种】中文

【中图分类】TM762

目前，以配网智能化为重要标志的智能电网得到广泛研究，而安全、可靠接纳风电、光伏发电等分布式电源则是未来智能配网的重要功能之一。分布式电源大量并网后，一方面在系统发生故障时可为用户持续提供电能，从而充当一部分备用电源的角色；另一方面分布式电源的接入也将改变配网网络结构及潮流，传统的辐射状配电网变成多电源系统，将给配电网的运行、控制带来一定风险。分布式电源的这些特性使得其在可靠性和风险评估中不能完全等同于传统的备用电源，已有的配电网可靠性与风险评估方法难以继续适用，有必要研究含分布式电源新环境下的配电网可靠性及风险评估技术[1-5]。

首先需建立各类分布式电源有功出力的概率模型。目前，风力发电机可靠性模型大多采用威布尔分布来模拟风速的变化，再根据风机的出力与风速的关系最终确定其可靠性模型[6]；对光伏发电，常采用光强满足贝塔（Beta）分布的模型[7]。以源点单元和负荷单元为基础，采用启发式搜索算法，解出最优的孤岛划分策略[8]。

本文针对分布式电源在供电范围和出力随机性方面与传统备用电源的不同，首先采用馈线分区方法，基于分支定界思想对分布式电源进行供电区域划分，然后考虑分布式电源在故障发生时的可供电范围对每个负荷区域的可靠性指标和风险指标进行修正，最终得到接入分布式电源后的配电系统可靠性及风险评估指标。

含分布式电源的配电网给电力系统的风险评估带来了新的变化，如需考虑潮流双向流动、分布式电源可为负载提供备用电源等，需在现有评估指标中针对分布式电源进行适当修正。本文从系统故障概率和故障后果两方面对含分布式电源的配电系统

风险指标进行量化。

1.1 可靠性指标

系统可靠性指标用于评价配电系统直接对用户供给和分配电能的能力。本文综合常用的概率性指标系统平均停电频率指标SAIFI（system average interruption frequency index）、用户平均停电频率指标CAIFI（customer average interruption frequency index）、系统平均停电持续时间指标SAIDI （system average interruption duration index）等，采用事故后能量损失率指标ELR和

事故后用户损失率CLR来描述系统故障概率和故障后果严重程度。

式中：NS为系统中元件总数；λk为系统中第k个元件的故障率；Si为第i个损失用户的容量；μi为表征负荷重要程度引入的等级系数；Ti为第i个损失用户的停电持续时间；φLC为事故后损失的用户集合;φSC为系统用户集合。

考虑故障率和时间的影响，用户数量和等级，

式中，Ni为负荷i的用户数。

定义ELR和CLR就可用故障时用户能量损失率和用户损失率对配电网风险指标进行定量描述。

1.2 风险指标

风险评估是系统发生故障的概率与故障后严重程度的乘积，应充分考虑系统中每个故障发生的概率以及所造成的严重程度。由于能量损失率和用户数损失率指标本身已经包含了故障发生概率的含义，因此通过对两个指标的加权求和即可得到系统的风险指标。

指标Risk从系统发生故障后的能量损失和用户损失两个方面来定量分析了故障对

系统造成的不利影响。由于在计算Risk过程中无论是计算能量损失还是用户损失

量都考虑到了各元件的故障率及其在一定时期内的影响，因此，这一指标能够具体定量地给出系统事故发生的可能性，以及事故后对系统造成的总体不利影响的大小。

1.3 考虑分布式电源后的指标修正

引入分布式电源后，系统故障时，部分重要负荷可由分布式电源供电，因此式（1）～式（3）在考虑分布式电源后需进行适当修正：

式中：φULC为系统中不受分布式电源影响的用户集合；φGC为系统中受分布式

电源影响的用户集合，即形成孤岛时属于后备电源供电范围内的用户；pGj为区域j的有效供电概率，由风机、光伏出力概率密度函数给出。

由于分布式电源出力具有随机性和波动性，且受天气等不可控因素影响较大，当某一负荷点出现故障时，能否被持续供电还与当时的分布式电源出力大小有关，因此，解决分布式电源出力概率是本文分析的重要要素之一。

2.1 风力发电概率模型

风速分布曲线是风能资源的计算基础。目前常用的是采用威布尔（Weibull）分布来拟合风速[7]：

式中：v为风速；c和k为威布尔分布的两个参数；c称为尺度参数；k称为形状

参数。一旦确定了风速的分布后，即可通过风力机组的出力与风速之间的近似关系求出输出功率的随机分布。式中：k1=Pr/（vr-vci），k2=-k1vci；Pr为风力发电机的额定功率；vci为切入风速；vr为额定风速；vco为切出风速。根据概率论知识，风力发电输出功率Pw的概率为

2.2 光伏发电概率模型

在一定时间内（1 h或者几个小时）太阳能光照强度可近似看作服从Beta分布，

其概率密度函数如下：

式中：r和rmax（W/m）分别为这段时间内的实际光强和最大光强；Γ为伽马函数；α和β都为Beta分布的形状参数。太阳能电池组件有功输出功率PPV的概

率密度函数也服从Beta分布，表达式为

式中：Pmax为该组件最大输出功率，Pmax=A·η·rmax；A为电池组件的总面积；