一种含大规模风电场的电力系统暂态稳定风险评估方法与流程

本发明涉及电力系统暂态稳定风险评估技术领域，尤其涉及一种含大规模风电场的电力系统暂态稳定风险评估方法。

背景技术：

随着能源和环境问题日益严峻，可再生能源的利用受到越来越多的关注。其中，风力发电是可再生能源中发展最快，也最为成熟的发电技术。随着风电场规模和容量不断增大，风电接入后对电力系统安全稳定的影响已不容忽视。在大规模风电并网后，给整个电力系统安全稳定运行带来的诸多问题中，系统暂态稳定风险值得重点关注，其对于保证风电的有效接入和电网安全具有重要意义。

现有的研究风电并网对电力系统暂态稳定影响的方法主要可以分为两大类：一类是在给定风速和故障状态下，通过时域仿真的方法得出相应结论，这类方法虽然可以得到一些有价值的结论，但忽略了风速以及电网故障的不确定性。另一类方法考虑风电场出力等不确定性因素的影响，对系统进行暂态稳定概率评估，这类方法虽考虑了系统的不确定性，但未对暂态稳定的后果进行定量分析，使评估结果不够完善。

风险评估方法是对事件发生可能性和后果严重程度的综合度量，已被广泛应用于电力系统的安全评估中。尽管有部分技术涉及了含风电场的暂态稳定风险评估问题，但均面临以下几方面的问题：1，在考虑电力系统的不确定因素时缺乏完整性；2，在度量暂态稳定后果严重程度时，往往采用系统状态变量的线性函数刻画故障严重程度，这种刻画方法可能会导致一些后果十分严重，但发生概率不大的故障被淹没，使评估结果不符合客观实际；3，由于考虑了不确定性，已有方法大多采用蒙特卡洛法进行抽样评估，然而这种抽样方法时间开销巨大，难以应对复杂多变的电网环境。

技术实现要素：

本发明提供了一种含大规模风电场的电力系统暂态稳定风险评估方法，以解决目前含风电场的暂态稳定风险评估存在的不确定性因素不完整、评估结果不符合客观实际等问题。

本发明提供了一种含大规模风电场的电力系统暂态稳定风险评估方法，所述方法包括：

设定风电场并网容量与并网点，建立电网故障不确定性模型，根据所述电网故障不确定性模型获得预想故障集；

计算所述预想故障集的故障发生概率；

模拟典型风速场景，对风速样本进行区间划分，计算风速区间概率；

对各风速场景和故障场景进行时域仿真分析，构建非线性效用函数，获得故障严重程度；

根据所述故障发生概率、风速区间概率和故障严重程度获得风速场景的风险指标，并根据各风速场景的风险指标获得总的暂态稳定风险指标。

优选地，所述根据所述电网故障不确定性模型获得预想故障集，具体包括：

对电网中所有线路进行故障扫描筛选，并结合电网历史故障，获得预想故障集。

优选地，所述模拟典型风速场景，之后包括：

模拟典型风速场景，获得风速分布函数，对所述风速分布函数进行自适应估计，更新风速模型。

优选地，所述模拟典型风速场景，对风速样本进行区间划分，计算风速区间概率，具体包括：

模拟典型风速场景，将风速场景中的风速样本划分为等间隔区间；

计算所述区间的概率值，并将所述概率值作为所述区间中心风速的概率大小。

优选地，所述对各风速场景和故障场景进行时域仿真分析，构建非线性效用函数，获得故障严重程度，之前包括：

获得风速场景，根据各风速场景的风速大小计算得到风电场出力；

获得所述风电场出力后，将所述风电场出力作为负的负荷接入系统，计算得到系统的潮流。

优选地，所述对各风速场景和故障场景进行时域仿真分析，构建非线性效用函数，获得故障严重程度，具体包括：

对所述各风速场景和故障场景进行时域仿真分析，得到各风速场景下的系统功角曲线；

基于测度论和非线性效用理论，根据所述系统功角曲线构建功角偏差效用函数，计算得到所述故障严重程度。

优选地，所述根据各风速场景的风险指标获得总的暂态稳定风险指标，具体包括：

根据故障场景下的故障发生概率和风速场景下的风速区间故障、故障严重程度计算得到所述风速场景下的风险指标；

枚举风速场景和故障场景的风险指标，得到系统总的暂态稳定风险指标。

本发明提供的技术方案可以包括以下有益效果：

本发明提供的含大规模风电场的电力系统暂态稳定风险评估方法包括：设定风电场并网容量与并网点，建立电网故障不确定性模型，根据电网故障不确定性模型获得预想故障集；计算预想故障集中故障发生概率；模拟典型风速场景，对风速样本进行区间划分，计算风速区间概率；对各风速场景和故障场景进行时域仿真分析，计算得到故障严重程度；根据故障发生概率、风速区间概率和故障严重程度获得风速场景的风险指标，并根据各风速场景的风险指标获得总的暂态稳定风险指标。本发明提供的含大规模风电场的电力系统暂态稳定风险评估方法综合考虑了风速的不确定性以及系统故障状态的不确定性，更能反映实际电网运行的复杂性；根据系统功角曲线，基于测度论和非线性效用理论，构建功角偏差效用函数来量化故障严重程度，相比于传统方法更符合客观实际；采用场景模拟方法，在各风速场景下研究系统的暂态稳定性，解决了传统方法采用蒙塔卡洛模拟时间开销大的缺点。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

附图说明

为了更清楚地说明本发明的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种含大规模风电场的电力系统暂态稳定风险评估方法的流程示意图；

图2为本发明实施例提供的一种含大规模风电场的电力系统暂态稳定风险评估方法中步骤300的详细流程示意图；

图3为本发明实施例提供的一种含大规模风电场的电力系统暂态稳定风险评估方法中步骤400的详细流程示意图；

图4为本发明实施例提供的一种含大规模风电场的电力系统暂态稳定风险评估方法中故障严重程度与功角偏差的关系图；

图5为本发明实施例提供的一种含大规模风电场的电力系统暂态稳定风险评估方法中步骤500的详细流程示意图；

图6为改进新英格兰39节点系统单线图。

具体实施方式

参见图1，为本发明实施例提供的一种含大规模风电场的电力系统暂态稳定风险评估方法的流程图。

S100：设定风电场并网容量与并网点，建立电网故障不确定性模型，根据电网故障不确定性模型获得预想故障集。

具体地，风电场并网容量与并网点是事先人为设定的，可以研究不同并网容量和并网点风电场对系统风险的影响，为系统的规划提供有益参考。建立电网故障不确定性模型，考虑到电网中大多数线路故障时，系统仍能保持稳定性，只有少数线路故障对系统的暂态稳定影响严重，因此对系统所有线路进行故障扫描，并结合电网历史故障和运行状况，选出故障发生概率前五和故障严重程度前五的故障一起构成预想故障集。

S200：计算所述预想故障集的故障发生概率。

具体地，系统的故障发生符合泊松分布，利用历史数据进行参数计算，并根据计算得到的概率分布函数定量计算故障发生概率，因此预想故障集的故障发生概率可表示为：

Pr(E_i)＝1-exp(-λ_i) (1)

其中：λ_i——线路i的故障率，通过线路的历史统计数据计算得到。

充分考虑系统故障状态不确定性对系统暂态稳定风险评估的影响，并据此计算故障发生概率。

S300：模拟典型风速场景，对风速样本进行区间划分，计算风速区间概率。

具体地，统计研究地点的历史风速数据，以建立风速模型，并对风速模型进行分布函数自适应估计，及时更新风速模型。风速分布函数是指风速的概率分布函数，进行自适应估计是指利用风电场所在地区的历史风速大小对风速概率分布的参数进行估计，并根据自适应最小二乘法不断收集到的风速值自适应地对参数进行更新，使风速模型更为可靠。

风速采用威布尔分布，此分布是描述风速随机性最常用的分布，其表达式如下：

其中：v_w——风速大小；

c——尺度参数；

k——形状参数。

公式(2)反映了平均风速大小。根据风速模型模拟典型风速场景，计算风速区间概率的具体方法如图2所示：

S301：模拟典型风速场景，将风速场景中的风速样本划分为等间隔区间。

S302：计算所述区间的概率值，并将所述概率值作为所述区间中心风速的概率大小。

具体地，模拟典型风速场景，根据历史风速建立不同风速场景的区间概率模型，将风速样本划分为等间隔区间(v_w1,v_w2)，通过威布尔累计分布函数求得所给区间的概率值大小，并用该区间的中心风速代替该风速区间，此区间的概率值也就是该中心风速的概率大小。风速区间概率的计算公式为：

充分考虑了风速不确定性对电力系统暂态稳定风险评估的影响，并利用场景模拟法和区间概率模型刻画风速的不确定性，避免了传统方法时间开销大的缺点。

获得风速场景以后，根据各风速场景的风速大小计算得到风电机组的出力，其函数关系式如下：

其中：P_wr——风电机组的额定功率；

v_in——切入风速；

v_out——切出风速；

v_r——额定风速；

n——风速-功率系数，其理想值为3。

得到风电场出力后，将风电场出力最为负的负荷接入系统，计算得到系统的潮流。潮流反映电力系统运行状态，是指电力系统各节点的有功、无功、电压和相角等电气量。潮流计算的结果是电力系统稳定计算和故障分析的基础。计算潮流的方法主要有牛顿拉夫逊和PQ解耦法(快速解耦法)，本技术方案采用的是牛顿拉夫逊算法。

S400：对各风速场景和故障场景进行时域仿真分析，构建非线性效用函数，获得故障严重程度。

具体地，基于测度论和非线性效用理论，建立非线性效用测度函数，借鉴效用理论的思想刻画故障严重程度，具体方法如图3所示：

S401：对所述各风速场景和故障场景进行时域仿真分析，得到各风速场景下的系统功角曲线。

S402：基于测度论和非线性效用理论，根据所述系统功角曲线构建功角偏差效用函数，计算得到所述故障严重程度。

具体地，时域仿真是指通过数值计算的方法计算电力系统的动态特性曲线，本技术方案利用时域仿真方法计算系统发生故障的功角曲线，以功角摇摆大小作为判断暂态稳定的基本依据，通过功角偏差效用函数刻画调度运行人员对功角摇摆程度的不满意程度，并以此作为刻画故障严重程度的测度，可以用下式的指数型效用函数加以刻画：

其中：|Δδ_max|——仿真时限内发电机相对于惯量中心最大偏移角的绝对值；

δ_th——设定的功角偏差阈值，本文设置为π；

α——大于0的常数。

故障严重程度与功角偏差的关系可用如图4所示的曲线表示。

以调度运行人员对系统运行状态的感知为出发点，利用测度论和非线性效用理论，通过构建功角摇摆的非线性效用测度函数，量化故障严重程度，更符合客观实际。

S500：根据所述故障发生概率、风速区间概率和故障严重程度获得风速场景的风险指标，并根据各风速场景的风险指标获得总的暂态稳定风险指标。

具体地，获得整个系统的暂态稳定风险指标的具体方法如图5所示：

S501：根据故障场景下的故障发生概率和风速场景下的风速区间概率、故障严重程度计算得到所述风速场景下的风险指标。

S502：枚举风速场景和故障场景的风险指标，得到系统总的暂态稳定风险指标。

具体地，采用场景模拟方法，分别获得各风速场景下的暂态稳定风险指标，再累加计算系统总的暂态稳定风险指标，以解决传统方法采用蒙塔卡洛模拟时间开销大的缺点。

某个风速场景下的暂态稳定风险指标计算公式为：

R_ij＝Pr(E_i)Pr(v_wj)Sev_ij (6)

枚举所有风速场景和故障场景，计算得到系统总的暂态稳定风险指标，计算公式为：

其中：N_l——故障场景总数；

N_w——风速场景总数。

以改进的新英格兰39节点系统为例对上述方法进行验证，该系统的单线图如图6所示，假设风电场的并网点为8号节点，表1给出了预想故障集包含的10条支路。

表1预想故障集

利用本发明对含风电场和不含风电场的电力系统进行暂态稳定风险评估，其对比结果如表2。

表2含风电场与不含风电场的风险对比

由表2可知，接入风电场后，电力系统的暂态稳定风险降低，主要是因为风电场接入导致系统等效负荷的减少，降低了暂态稳定风险。

表3给出了不同风电并网容量对系统暂态稳定风险大小的影响以及相同容量增量导致的风险值减小量。

表3不同风电并网容量的系统暂态稳定风险值大小与减小量

由表3可知，当风电并网容量增加时，系统风险不断减小。另外，随着风电并网容量的增加，相同容量增量导致的风险减小量不断降低，呈现逐渐饱和的趋势。

从上述实施例可以看出，本发明提供的含大规模风电场的电力系统暂态稳定风险评估方法包括：设定风电场并网容量与并网点，研究不同并网容量和并网点对电力系统暂态稳定风险指标的影响；建立电网故障不确定性模型，根据电网故障不确定性模型获得预想故障集，计算预想故障集的故障发生概率，充分考虑系统故障状态不确定性对电力系统暂态稳定风险评估的影响；模拟典型风速场景，对风速样本进行区间划分，计算风速区间概率，利用场景模拟法和区间概率模型刻画风速的不确定性，避免了传统方法时间开销大的缺点；对各风速场景和故障场景进行时域仿真分析，构建非线性效用函数，获得故障严重程度，利用测度论和非线性效用理论，通过时域仿真构建功角摇摆的非线性效用测度函数，量化故障严重程度，更符合客观实际。

本领域技术人员在考虑说明书及实践这里发明的公开后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。

以上所述的本发明实施方式并不构成对本发明保护范围的限定。