分布式光伏发电系统可靠性评估综述文档格式.docx

分布式光伏发电系统可靠性评估综述文档格式.docx

《分布式光伏发电系统可靠性评估综述文档格式.docx》由会员分享，可在线阅读，更多相关《分布式光伏发电系统可靠性评估综述文档格式.docx（13页珍藏版）》请在冰豆网上搜索。

截止2012年底，我国光伏累计装机容量已达4.9GW，预计到2020年，光伏发电装机容量将突破20GW[1]。

随着光伏发电容量的增加，其出力的随机性和间歇给系统增加的不确定因素已不容无视。

为了准确衡量光伏发电对电力系统的奉献，必须对光伏发电系统的可靠性展开研究。

光伏发电系统的可靠性分析，国外已有一些研究。

文献[2]提出了一种含光伏系统的电力系统可靠性分析方法，在考虑光伏系统的多状态模型情况下用卷积方法构造有效负载持续时间曲线，并且提出了利用历史太阳辐射数据构造辐射概率分布函数的方法，给出了应用算例。

文献[3]给出了光伏发电系统的标准术语，提出了根本的时间指标以与可靠性指标体系。

文献[4]提出了一种光伏系统的马尔可夫模型，并建立了全寿命周期模型以进展经济性评估。

文献[5]描述了一种主要基于部件的故障以与系统的可靠性结构图的大型光伏发电系统的可靠性和可用性综合评估方法。

文献[6]提出了一个考虑天气影响的光伏发电系统的三状态可靠性模型，给出了一种评估含分布式光伏系统的配电网系统的可靠性方法。

文献[7]提出了一种考虑新能源不确定性的新可靠性指标——有效安装备用率。

然而，文献[2，6，7]考虑了能源输入的影响，但没有考虑系统故障的影响；

文献[3]给出了根底性的定义和术语，但缺少对系统特点的详细分析，缺少与具体的模型的结合；

文献[4，5]考虑了系统的结构模型与故障情况，但并未对一般的光伏发电系统给出通用的故障分析方法，同时缺少对太阳能不确定性的考虑。

总体而言，目前国外已有研究侧重分析光资源波动性对可靠性的影响，未能充分考虑光伏电站部的设备故障对光伏发电出力的影响，缺少综合考虑光资源波动和光伏发电系统结构特点的可靠性模型，也缺乏相应的评估指标。

本文在国外已有研究根底上，首先介绍了电力系统可靠性的评估方法与评估指标，然后比照分析了常用的光伏发电系统可靠性评估方法和优缺点，在此根底上最后详细分析了一种综合考虑能源约束和系统结构特点的光伏发电系统六状态可靠性模型，研究了光伏发电系统可靠性指标体系。

1电力系统可靠性

1.1可靠性评估方法

文献[8]给出电力系统可靠性的定义，是对电力系统按可承受的质量标准和所需数量不连续地向电力系统供给电力和电能能力的度量。

根据研究目标的不同，可靠性可以分为充裕度和平安性两个方面的容[9]。

充裕度又称为静态可靠性，它所关心的问题是系统是否有足够的能力可以产生满足负荷需求的电量，以与输配电系统是否可以将优质电能连续的供给给负荷点，评估的时候只需要考虑静态条件，在这一角度，分析还可以进一步划分为暂态稳定性和静态稳定性两局部。

暂态稳定性考虑大的干扰后各同步机保持稳定运行方式的能力，静态稳定性考虑小的干扰后，不会发生周期性失步自动恢复到起始运行状态的能力。

不同层面上的可靠性分析有着特定于该问题领域的评估方法，总体来说可以分为解析法和蒙特卡洛方法两种。

第一层评估的解析法，通常需要建立机组的解析模型，也就是容量停运概率表（COPT），然后再得到一个离散的负荷概率分布，之后利用概率卷积方法计算相应的可靠性指标；

第2层评估的解析法也可以称为状态枚举法，在评估过程中，通常是按照一定的规那么，如故障严重程度或故障发生概率大小来先选取系统故障状态，然后对该状态下的系统进展潮流计算，通过预先设定的事故准那么判断当前状态是否属于事故状态，如果是还要采取一定的措施对事故进展校正，采取一定措施后再进展判断，如果仍属于故障状态那么就要分析该事故所产生的后果，并评估它对可靠性产生的影响[10]。

解析法所具有的优点是计算速度快、模型精度高、物理概念清晰；

缺点是对某些可靠性指标的计算存在困难，如频率和持续时间指标；

其计算量通常和系统规模呈指数关系，因而更适用于小型电力系统[11]。

蒙特卡洛法是以概率统计理论为主要理论根底、以随机变量抽样为主要手段的统计实验方法。

应用在电力系统可靠性评估中的蒙特卡洛方法根据抽样原理可以分为序贯和非序贯蒙特卡洛两种。

其中非序贯蒙特卡洛方法又可以进一步分为状态采样方法和状态变换采样方法[12]。

状态采样方法通过对系统中所有元件状态进展抽样得到系统终态，在抽样过程中完全忽略事件发生的前后相继关系，每一个组件的行为都被认为是服从（0,1）区间上的均匀分布。

这种方法的主要优点是实现相对较简单，计算时间短，占用存空间也比拟少[9]。

它的最大缺点是无法计算频率和持续时间等相关指标。

状态变换采样方法将系统作为一个整体来考虑它的状态变换过程，而不是系统中所有组件的状态变换[14]。

这种方法的主要优点是可以用来计算实际的频率指标，缺点是只能应用于元件状态持续时间服从指数分布的情况，而且计算耗时一般来说要比状态采样方法长。

序贯蒙特卡洛方法也称为状态持续时间采样方法，这种方法依照组件状态持续时间的分布函数进展抽样。

每一次抽样所得到时间区间的完毕就意味着下一个系统状态的开场。

由于序贯蒙特卡洛仿真可以给出较为接近实际运行情况的元件时间相依运行历史，因而特别适用于发电容量严重依赖于运行状况且易受一些随机因素影响的电力系统组件，如水电机组和各种新兴的可再生能源发电技术等。

由于仿真结果包含了系统随时间演进和开展的前后相继关系，因此几乎可以对任何感兴趣的可靠性指标进展评估，也是目前唯一可以用来得到可靠性指标分布情况的方法[15]。

1.2可靠性评估指标

评价电网可靠性的指标从总体上来说可以分为确定性指标和概率性指标两类。

而概率指标又可以进一步分为如下四类：

1〕概率指标：

通常用来衡量研究期间事件出现的概率。

如失负荷概率（LOLP）、发电容量受阻概率（LOGP）、系统安康状况概率等。

2〕频率指标：

通常来来衡量研究时间段事件出现的频率。

如缺电频率（LOLF）、发电容量受阻频率（LOGF）、边际状态频率、系统平均停电频率（SAIFI）等。

3〕平均持续时间指标：

通常用来衡量研究区间每个状态对应事件持续时间。

如缺电持续时间（LOLD）、系统平均停电持续时间（SAIDI）等。

4〕期望值指标：

用来表征研究时间段发生故障事件某种后果的平均值。

如缺电时间期望（LOLE）、电量缺乏期望（LOEE）、安康状态持续时间期望（EHDUR）等。

随着电力市场的不断开展和新兴发输电技术的进步和应用，传统的电力系统可靠性指标已不能完全满足当前形势的需求，这种矛盾促进了新评价指标和评估体系的开展。

文献[15]提出利用失负荷价值（VOLL）来考虑各类不同负荷对经济费用的影响；

文献[16]提出一个用社会效益损失期望值（LOSBE）作为衡量可靠性价值的新标准。

文献[17]从时间、出力和系统三个层面建立了分布式光伏发电系统可靠性评价指标体系。

2光伏发电系统可靠性建模原理

大规模光伏发电的接入增加了系统的不确定因素，因此针对光伏发电出力的时序性和随机性找到一个适宜方法来预测它们对于可靠性评估是一个十分重要的前提步骤。

分布式光伏发电系统的典型结构如图1所示。

图1　典型分布式光伏发电系统的根本构架

Fig.1Basicstructureofdistributedphotovoltaicpowergenerationsystem

系统主要由光伏阵列和并网逆变器组成。

光伏阵列中，n块光伏电池板串联成一串，m串光伏电池板并联接入一台逆变器，共有k台逆变器并联接入电网。

根据这种结构特点，可知单块光伏电池板的故障仅会引起其所在光伏电池板串的停运，而逆变器的故障会导致其所在光伏—逆变器组停运。

按照不同的故障情况可将系统状态分为全额运行、故障减额运行以与故障停运这３种状态。

2.1太阳辐射的预测与概率分布

目前用来模拟或预测太阳辐射的方法有物理方法、统计方法和学习方法。

其中，物理过程预测结果较为准确，但是需要的输入数据太多且很难获取，因此使用围有限；

统计模型利用较为常规的气象要素以与一些必要的地理信息，如经度和纬度，来模拟逐时太阳辐射。

通过参加气温、降水和相对湿度等因子可以进一步提高模拟的精度[14]；

学习方法的实质是用人工智能的方法提取输入和输出间的关系，这种方法建立起的模型都是非线性模型，可以采用的方法有最小二乘支持向量机（LS-SVM）和神经网络等。

已有学者提出一些用来表征每天太阳总辐射量统计特性的概率分布函数，如正态分布、Boltzmann分布、伽玛分布和Log-normal分布等。

文献[15]认为正态分布更适合于拟合晴天的日射量概率分布；

文献[18]通过对几个地区的总辐射采用不同概率分布函数进展拟合，并采用Kolmogorov-Smirnov测试和均方差（RMS）对拟合效果进展检验后发现，天气变化在全年相比照拟稳定的地区采用正态分布拟合的效果是很好的，而对于总体特性不够显著的地区，那么是Log-normal拟合的效果更好；

对于逐时的太阳辐射数据，文献[5]提出用双峰Beta分布（bimodalBetadis-tribution）对于可代表季节特性的典型日的每小时的逐时辐射量概率分布进展拟合，并将之用于混合发电系统的光伏阵列容量优化。

2.2光伏电站可靠性建模方法

由于光伏发电要受到地理环境和气候条件的约束，目前的大规模光伏电站通常也处于自然环境比拟恶劣的地区。

而且由于单块光伏电池容量有限，要形成大容量并网光伏发电系统必须由电池形成模块，再由模块经过串、并联组成光伏阵列之后通过逆变器接入电网，但由于不同气候下的光伏出力差异较大因，如图2所示，因此对光伏发电系统进展可靠性建模需要考虑气候条件、部件故障和结构布置等因素。

图2不同天气的光伏日出力比照

Fig.2ComparisonofPVoutputindifferentweather

文献[19]以入射光辐照强度-光伏功率输出曲线拐点为界，将入射光照强度分为3个等级，建立了光伏发电系统的多态模型。

该方法的数据输入是每月平均每小时太阳辐照值与其均值与标准差，对于缺少有效历史数据的地点，该方法适用度不高。

文献[20]在总结目前关于光伏发电系统可靠性和置信容量的研究的根底上，考虑了天气变化、设备故障等随机因素对光伏发电出力的影响，建立并改良了光伏发电系统的出力模型。

通过序贯蒙特卡洛法实现了并网光伏系统可靠性的有效评估。

文献[21]以日地天文关系计算出的太阳辐照度为根底，通过对地面有效辐照度的分解引入逐时晴空指数来表达光照强度变化的随机性，并用时间序列方法对逐日温度建模，用正弦分段法获得逐时温度，最后依据光伏电池板的能量转换特性得到它的输出功率时间序列。

文献[17]在文献[4]的根底上，针对入射光资源约束与光伏发电系统的整体结构特点，提出分布式光伏发电系统的多状态可靠性模型，涵盖了不同季节、天气和不同部件故障情况下的系统状态，根本能够全面的反映分布式光伏发电系统的运行情况，此模型具有较高的准确性，具体介绍如下。

3状态分析与可靠性模型

3.1可用性状态的划分

文献[3]分析了系统的可用性状态，综合考虑了各种因素的影响，将光伏发电系统的状态作了如图3所示的划分。

图3分布式光伏发电系统的状态划分

Fig.3Statesdivisionofdistributedphotovoltaicpowergenerationsystem

光伏发电系统的状态可分为可用和不可用。

1）可用状态分为运行和备用2种情况：

①运行状态根据出力的大小，可以分为全额和减额2种状态。

减额状态分为低辐射引起或由局部光伏电池组件故障单独退出运行引起。

②系统处于备用状态时，分为全部出力可用和局部出力可用2种状态。

2）不可用状态可分为资源不可用和设备不可用2种情况：

①资源不可用为夜间状态或系统不可用。

②设备不可用为光伏发电系统发生部件的强迫停运或者计划检修停运。

以上的可用状态划分定义了光伏发电系统的根本状态，但对运行状态并未给出具体的划分和定义，在此根底上文献[17]结合第资源、结构特点分析，对分布式光伏发电系统的可靠性状态进一步作出明确划分。

3.2可靠性状态的划分

文献[17]对分布式光伏发电系统的可靠性状态划分如图４所示。

其中，详细划分定义3个新的状态：

资源限制减额运行、故障减额运行以与资源限制下故障减额运行状态。

图4可靠性状态划分

Fig.4Reliabilitystatesdivision

对图中划分的6个状态分别定义如下[17]。

1〕全额运行状态：

天气晴朗的午间，太阳辐射较强烈，系统的出力状态处于较高水平，可以到达装机容量的60%-90%。

将此类系统的运行状态归为全额运行状态，以装机容量的60%作为划定标准。

2〕资源限制减额运行状态：

受天气等因素的影响，将太阳辐射较低、出力水平低于60%装机容量的系统状态都归为资源限制减额运行状态。

3〕故障减额运行状态：

由于局部设备故障单独退出运行造成系统局部出力损失状态，此时系统的资源情况并不受限制。

4〕资源限制下故障减额运行状态：

系统同时受到资源限制以与局部设备故障影响造成系统局部出力损失的状态。

5〕故障停运状态：

系统发生强迫停运或计划性检修停运造成系统全部出力损失的状态。

6〕夜间停运状态：

系统由于夜间无辐射或辐射过低而处于停运的状态。

3.3马尔科夫多状态可靠性模型

根据系统的可靠性状态划分，可以得到马尔科夫六状态可靠性模型。

其状态转移如图５所示。

图5六状态转移图

Fig.5Six-Statetransitiondiagram

用P1，P2，P3，P4，P5，P6表示系统处在６个不同状态的概率，T1，T2，T3，T4，T5，T6表示系统处在6个不同状态的时间，那么

，i=1,2,…,6〔1〕

式中：

Ｔ为统计时间，通常为8760h。

4光伏发电系统可靠性指标体系

文献[3]中从时间、出力、可靠性等多方面定义了光伏发电系统的可靠性指标，但是未建立指标与可靠性模型之间的对应关系。

文献[17]在此根底上分别从时间、出力、系统总体等方面对应定义分布式光伏发电系统可靠性指标以反映系统各个状态的特性，进而综合反映系统特性。

4.1时间指标

对时间指标进展如图６所示的划分

图六时间指标划分体系

Fig.6Timeindicessystem

定义状态时间指标如下：

1）全额运行时间

：

系统处于全额运行状态的累积时间。

2）资源限制减额运行时间

系统仅由于资源限制处于减额运行状态的累积时间。

3）故障减额运行时间

系统仅由于故障处于减额运行状态的累积时间。

4）资源限制下故障减额运行时间

系统由资源限制、故障同时造成减额运行状态的累积时间。

5）故障停运时间

系统发生完全故障造成停运的累积时间。

6）夜晚停运时间

系统处在夜间停运的累积时间。

4.2出力状态指标

1）全额等效出力

系统在全额运行状态下的等效出力。

2）资源限制减额等效出力

系统在资源限制减额运行状态下的等效出力。

3）故障减额等效出力

系统在故障减额运行状态下的等效出力。

4）资源限制下故障减额等效出力

系统在资源限制下故障减额运行状态下的等效出力。

5）等效减额出力

系统处于减额运行状态的等效出力。

6）等效出力

系统统计时间等效恒定出力。

7）等效出力系数

实际发电中等效出力与额定出力的比值。

8）最大出力

系统实际发电中的最大出力。

9）最大出力系数

实际发电中最大出力与额定出力的比值。

4.3系统总体指标

为反映系统故障情况，定义故障指标如下；

1）故障率

系统一年发生完全故障次数。

2）故障平均修复时间

完全故障的平均修复时间。

3）设计可用率

根据系统故障率和修复时间计算出的设计上的系统可用率。

为反映系统实际运行状况，定义运行指标如下：

1）实际可用率

光伏发电系统实际处于运行状态的概率，

。

2）全额运行率

光伏发电系统实际处于全额运行的概率，

3）资源限制减额运行率

光伏发电系统实际中由于资源限制导致减额运行状态的概率。

4）设备故障减额运行率

光伏发电系统实际处于系统故障导致减额运行状态的概率，

5）能源利用效率Ｅ：

光伏发电系统利用太阳能的效率，可以等效运行时间与运行时间之比描述，

5结论

通过大量阅读国外参考文献发现，光伏发电系统可靠性模型主要分为间接转换模型和马尔科夫多状态模型两种。

间接转换模型，即通过建立太阳能辐射量模型，然后利用光能与电能转化关系，间接计算得到光伏发电系统输出功率，从而得到计与输出功率变化的时序可靠性模型。

马尔科夫多状态模型从光伏发电系统的结构出发，利用建立光伏发电系统的可靠性与性能分析模型，分析每个状态下电网的运行状态，评估电网可靠性水平。

间接转换模型通过建立光伏发电的时序输出功率模型得以实现，但由于实际光伏发电系统输出受多种因素影响，难以建立准确的模型。

由于分布式光伏发电系统的可靠性状态受到部件故障以与光照充裕度的影响，不能采用常规电源的可靠性模型来描述，马尔科夫多状态模型依托大量统计数据实现，在传统三状态的根底上，对分布式光伏发电系统的可靠性状态细分为六种状态，得到更加准确的可靠性模型。

同时建立了相应的系统可靠性指标体系，时间、出力、系统３个层面综合评价系统可靠性。

该模型以与指标体系能够全面反映出分布式光伏发电系统的运行情况、出力水平以与故障情况，反映系统实际运行可靠性。

这为分析分布式光伏发电等间歇式新能源接入后对电力系统可靠性的影响提供了根底，为间歇式新能源的应用分析提供了可靠性判断依据。

参考文献

[1]胜茂．2010-2015年中国太阳能光伏发电产业投资分析与前景预测报告[R]．：

中投参谋产业研究中心，2010．

[2]PARKJ，LIANGW，CHOJ，etal.Aprobabilisticreliabilityevaluationofapowersystemincludingsolar/photovoltaicellgenerator[C]//ProceedingsofPower&

EnergySocietyGeneralMeeting,July26-30,2009,Calgary,AB,Canada:

1-6.

[3]LAUFFENBURGERHA,ANDERSONRT.Reliabilityterminologyandformulateforphotovoltaicpowersystem[J].IEEETransonReliability,1982,31（3）:

289-295.

[4]STEMBERLH,HUSSWR,BRIDGMANMS.Amethodologyforphotovoltaicreliability&

economicanlysis[J].IEEEtransonReliability,1982,31（3）:

296-303

[5]COLLINSE,DVORACKM,MAHNJ,etal.Reliabilityandavailabilityanalysisofafieldedphotovoltaicsystem[C]//Proceedingofthe34thIEEEPhotovoltaicSpecialistsConference（PVSC）,June7-12,2009,Philadelphia,PA，USA：

2316-2321

[6]CHAST,JEONDH,BAEIS,etal.Reliabilityevaluationofdistributedsystemconnectedphotovoltaicgenerationconsideringweathereffects[C]//Proceedingsofthe8thInternationalConferenceonProbabilisticMethodsAppliedtoPowerSystem,September12-16,2004,Ames,IA,USA:

451-456

[7]JEONGJEP,JAESEOKC,SHAHIDEHPOUM,etal.Newefficientreserverateindexofpowersystemincludingrenewableenergygenerators[C]//ProceedingsofInnovativeSmartGridTechnologies（ISGT）,January19-21,2010,Gaithersburg,MD,USA:

1-6.

[8]郭永基.电力系统可靠性分析[M].:

清华大学,2003:

1-10

[9]BillintonR,AllanRN.Powersystemreliabilityinperspective[J].Electronics&

Power,1984,30（3）:

231-236

[10]渊.大电力系统可靠性评估的灵敏度分析与其校正措施模型研究[D].:

大学,2004

[11]硕,庚银,周明.含风电场的发输电系统可靠性评估[J].中国电机工程学报,2010,30（7）:

8-14

[12]GaoY.Adequacyassessmentofelectricpowersystemincorporatingwindandsolarenergy[D].Saskatoon:

UniversityofSaskatchewan,2006

[13]BillintonR,LiW.Asystemstatetransitionsamplingmethodforcompositesystemreliabilityevaluation[J].IEEETrans.onPowerSystems,1993,8（3）:

761-771

[14]JonnavithulaA.CompositesystemreliabilityevaluationusingsequentialMonteCarlosimulation[D].Saskatoon:

UniversityofSaska