乔加奇
身份证号：14022119910820****
摘 要：本文以风力发电的电力系统可靠性进行相关讨论，建立了风电机组模型数据，对风速概率密度、波动性风速分层模型、风电场公路功率输出进行了计算，继而采用粒子群优化算法对四种不同类型风速（切入风速、低风速、高风速）进行了不同实验，结合相关嵌入性理论与分析，论述了风力发电的电力系统可靠性试验研究。
关键词：风力发电；电力系统；可靠性；研究
引 言：
风力发电模式主要就是将自然界中的风能转换成为电能的系统性过程，该项技术从早期阶段就得到了广泛使用，不仅具备良好的环保性能，同时蕴含了较大能量，属于可再生能源之一，加之世界范围内污染程度不断加剧，能源紧张的环节下使得风力发电受到了广泛关注，目前我国风力发电的发展较快，但风力发电最大问题仍是风力发电可靠性受多方面因素影响。因此，基于电力系统可靠性评估与分析，寻找快速的系统状态选择方法较为关键[1]。
1 风电机组模型研究
对风速随机性进行数据建模，有利于对风电场处理波动性进行研究，根据分数模型，依托双馈风力发电机功率输出特性曲线，计算得出风电场有功功率输出数值，结合相关嵌入性分析方法代入可靠性评估，继而得出风电场并网对系统可靠性存在的若干影响因子，且从电力系统可靠性角度出发分析，建立风电机组可靠性分析数值模型，可为风力发电系统可靠性评估奠定数据基础。
1.1风速概率密度
韦伯和正态分布拟合风速分布的方法虽存在误差，但仍得到了较为广泛的应用。实际中，通常采用联众拟合方法对风速分布拟合，正态分布模型参数简单易求，随机变量包含诸多相互独立因素，使得分布服从正态分布，据中心极限定理分析的得出，如随机变量列χ1，χ2···，χm···独立同分布，且存在优先数学期待E（χk）=μ，方差D（χk）=σ2≠0（k=1,2，···），如n取足够大，随机变量索取样本算术平均值以服从正态分布。
1.2波动性风速分层模型
以符合变化模拟方法进行研究，基本方式即对时段风速（/h）扫描模拟，以功率输出公式求出有功功率，带入该风电功率计算该时段可靠性指标，继而以加权求和方式得出难度指标。根据风速概率密度曲线，对风速若干区间的风速概率进行计算，将其降序排列，构造风速多次模型。如：将风速数值模型分为19层，切入风速设置为3.5/s，额定风速为12.5m/s出风速为23.0m/s，将3.5m/s以下风速的概率忽略不计，因为3.5m/s以下及23m/s以上的风速将不会产生功率输出，即输出功率为零。将12.5m/s及以上至23m/s的风速概率求总和，其间所有风速均输出最大功率值。以0.5m/s的步长进行分层的概率分布如图1所示。
.png)
图1 风速概率分布与正态分布拟合曲线图
1.3风电场功率输出
风电场并联安装发电机组较多，机组出力随风速都存在一定差异， 同一个风电场中不同地点的风速基本相同，故可认为同一个风电场中每台风机接收到的风向和风速均相同。文章主要对风力发电的电力系统的可靠性进行研究，因此简化模型，不谈尾流效应影响。研究其可靠性时，应对双轨风电机组输出有功功率进行确定，WTG机组发电与否以及处理情况都取决于接收到风速状况，输出有功与风速之间具有非线性关系，曲线函数可通过WTG 机组运行参数决定。主要参数为切入风速Vci、额定风速V以及切除风速Vco，如同一标准大气压下，有功输出与风速关系为标准公路特性曲线，如图2所示[2]。
.png)
图2 风电机组出力曲线
2 风力发电的电力系统可靠性研究
以4种不同类型风速进行试验。试验中：通过改变风速类型，对风电机组在电力系统作用中的变化大小进行分析，判断电力系统作业可靠性及其影响因子，具体如下：
1）第一类为切入风速，该风速模式中的风电机组未进入作业状态，测得机组作用力为零；
2）第二类为低风速，该风速模式中的风电机组处于特定值情况下的作业状态，此时参数Qf=0，测得系统中的负荷量为基本负荷；
3）第三类为高风速，该风速模式中的风电机组同样处于特定值情况下的作业状态，此时参数 Qf=0，测得系统中的负荷量为基本负荷；
4）第四类风速类型与类型3相似，但是系统负荷量偏低，仅占据基本负荷的30%。
其中，类型1中的风机未投入运行，其他1种类型风机风速处于额定风速与切入风速数值之间。
2.1测试方法
采用粒子群优化算法对四种不同类型风速进行了不同实验。
粒子群优化算法（ParticleSwarmOptimization，以下简称PSO）或称鸟群觅食法。PSO 算法属于并行算法，从随机解出发，对群体中个体间合作、信息共享寻找最优解，通过自我适应程度对优点、缺点进行评价。粒子群理论假设没有质量的粒子模拟群鸟，每个粒子有两个数(速度，位置)。总群中，粒子需分别找到最优解，将其激发为当前单个极值 Pibest，对粒子个体极值与整个粒子群中的其他粒子共享信息，从而找出最优个体极值为整个粒子群中的最优解，及群体极值 Gbest。群集中的所有粒子，根据自身显示的个体极值和群集中所有粒子的信息，在群集中所有最优解更新速度和位置[3]-[5]。粒子群算法流程如下：①启动；②设置最大迭代次数；③设定群体个数；④个体粒子位始化位置x与速度v；⑤粒子具有初始值（速度与位置），将二者适应值fun（x）、fun（v）对个体粒子与群体粒子的最优位置与最优速度实时更新；⑥依托设定参数，对是否满足最大迭代次数、最优个体、最优群体的极值进行判断；⑦如满足条件跳出循环；如未满足条件重新计算。
2.2电力系统电压
对以上4种风速模式分别进行了系统电压、输出功率 P和无功功率 Q的测试，通过观测测试结果表明，系统运行可靠性受到了较大影响。电力系统在四种不同风速下运行时，无功功率均为0，但随着风速的增大，系统的输出功率和电压值也随之增大。由此得出风机运行风速的大小对电力系统的输出功率、电压稳定性有一定的影响，且两者之间有直接的关系。另外，试验中，3型和4型基本符合时，两种情况下的输出功率相同，但电压值有些许差异，随着基本符合度的降低，所有电压值都上升，在风机风速不变的情况下，改变基本符合度对电力系统工作电压有一定的影响，且呈负相关。
结 论：
综上所述，新能源并网成为未来的一大趋势，风力发电的规模尤为突出，其中，风力发电的波动性与不可控性也是对电力系统可靠性评估的一大挑战，因此，对风力发电电力系统可靠性研究成为了现阶段电力领域面临的主要问题。我国作为物产丰富的大国，给风力发电带来了先决性条件，风力发电显得至关重要，不但能够推动我国电力行业稳步健康发展，还能够促使国家经济稳定繁荣。风力发电技术不但隶属于再生能源技术，还能够有效地降低其他能源消耗的概率。因此，需要积极地运用风力发电技术，对风力发电的电力系统可靠性进行研究十分重要。
参考文献：
[1]李芸,李萍.基于风力发电的电力系统可靠性研究[J].工业控制计算机,2019,32(07):158-160.
[2]马秀蕊. 含风力发电的电力系统可靠性分析[D].燕山大学,2015.
[3]蒋泽甫. 风电转换系统可靠性评估及其薄弱环节辨识[D].重庆大学,2012.
[4]李晶,王素华.计及气候条件含风力发电电力系统可靠性分析[J].电力系统及其自动化学报,2012,24(05):67-70.
[5]姜文. 计及风力发电的电力系统可靠性与动态经济调度研究[D].上海交通大学,2012.