武利敏 王化文
内蒙古北方龙源风力发电有限责任公司， 内蒙古 呼和浩特 010030
摘 要：发电机故障停运是电力系统运行中的不确定事件。目前在含风电机组组合中考虑机组故障停运的方法，不同程度地忽略了机组故障停运的概率特征，难以较好描述机组故障停运风险。在含风电机组组合模型的基础上，引入电量不足期望以量化机组故障停运风险，基于成本收益分析建立了考虑风电不确定性和机组故障停运风险的两阶段机组组合模型，并提出计算电量不足期望的简化模型以提升计算效率。基于改进的IEEE-RTS26机系统验证所提模型和方法，结果表明该方法能较好考虑风电不确定性和机组故障停运风险的影响，该简化模型能显著减小问题求解规模、缩短计算时间。
关键词：机组组合；机组故障停运风险；成本收益分析；可靠性评估
引 言：日前机组组合是调度部门安排电力生产的重要工具，旨在满足负荷需求和电网运行各类约束条件下，确定次日机组的最优开停机计划。近年来，风电大规模接入系统给传统确定性机组组合方法带来了新的挑战。在风电日前功率预测误差仍较大的背景下，合理考虑风电不确定性是机组组合研究的热点。随机机组组合和机组组合是目前在机组组合中考虑风电不确定性的两种常用方法。其中，机组组合采用不确定集刻画不确定参数（如风电出力）的随机性，最小化最恶劣场景下的运行成本。这里的最恶劣场景表征了不确定参数在不确定集上的某种实现，其使得系统运行情况最不利。所以，机组组合优化得到的开停机计划对不确定参数的实现具有较强的适应性。学界已经对含风电的机组组合进行了深入研究，引入了基数性不确定集，通过设置不确定度，控制决策的保守度。提出了一种随机机组组合和机组组合的混合方法，通过调整两者之间的权重以减轻模型的保守性。本文针对含风电的机组组合模型中考虑机组故障停运风险的问题，在含风电的机组组合模型基础上，引入系统可靠性指标EENS以量化机组故障停运风险，并建立成本收益分析模型，优化风电最恶劣场景下的系统运行总成本；此外，提出了一种求解EENS的简化模型，通过建立机组状态的线性函数模型，近似计算可靠性指标EENS，可缩减计算规模。
1 风电不确定性对电力系统的影响分析
本文基于成本收益分析建立考虑机组故障停运风险的含风电2阶段机组组合模型，在机组组合模型中同时考虑了风电出力和发电机组随机故障两种不确定性因素。不同于已有文献的是，本文采用方法考虑了风电的不确定性，同时采用EENS可靠性指标计算发电机组随机故障带来的损失。模型最小化风电最不利场景下的成本，该成本中包含了发电机组随机故障导致的损失。考虑到EENS是机组状态变量的非线性函数，须将其线性化以便于求解。辉腾锡勒风电场是内蒙古北方龙源风力发电有限责任公司的一个主力风电场。风电场始建于1996年，是最早开发建设的并网型风力发电场之一。目前运营两座变电站，装机容量239MW，12种机型，216台风电机，年发电量约4亿千瓦时。110KV变电站于1996年10月投运，装机台数96台，装机容量72.5MW，共九种机型：麦康M1500/600KW 42台；麦康N52-900KW 12台；麦康NM48-600KW 1台；美国Z40-550KW 10台；荷兰V42-600KW 9台；德国N43-600KW 9台；美国GE1500KW 10台；中国万电600KW 1台；海装2000KW 2台。220KV变电站于2007年10月投运，装机台数120台，装机容量166.5MW，共四种机型：华锐FL1500KW 27台；海装2000KW 12台；瑞能2000KW 1台；苏司兰1250KW 80台。）计算可靠性指标EENS的简化模型本文根据电力系统特点采用分区分类的方法对EENS计算模型进行简化：（1）由于输电通道一般留有安全裕度，部分线路的直流潮流约束并不影响机组组合问题的求解。因此，可通过特定方法[22]识别出直流潮流约束对机组组合决策有影响的线路或断面，将电网划分成多个区域，然后将同一区域的节点等效为单节点；（2）由于相同额定容量的发电机设计往往满足同一标准，若按额定容量对发电机分类，则在不计及网架约束的条件下，任意若干台同一类型处于运行状态的发电机发生故障，系统的失负荷损失都相同，可直接表示成该类型发电机开机数量的函数。
因实际系统中发电机数量一般远大于机组额定容量类型数，故基于机组额定容量类型对故障损失和故障概率建模，将极大降低模型规模。本文以一个包含子区域A，B的系统为例，给出二阶故障时电量不足期望EENS2的简化模型。
2 算例分析
2.1 测试系统
本文采用改进的IEEE-RTS26机系统测试所建立的模型，机组组合时间尺度为小时。发电机运行参数采用文献[24-25]的数据，部分发电机略作调整。设有2个风电场，1号风电场装机容量为700MW，接入系统第14节点；2号风电场装机容量为500MW，接入第5节点。由于2个风电场距离较远，认为两者的出力在空间上不具有相关性，即不确定集中的参数H为0。
系统分成上半区域和下半区域，对这2个区域分别统计机组类型，共得到8个类型。设线路15—24，14—11，13—11，23—12，13—12组成的断面潮流上限为700MW。假设弃风惩罚费用为0.03k$/MWh，停电损失费用为1k$/MWh，所有发电机的强迫停运率为0.01，忽略风电场的故障停运。计算平台为1台处理器为i7-4790K，内存为8G的PC。模型通过C++调用Cplex12.5软件求解。
2.2 EENS模型的规模和计算效率对比
以风电不确定度Γ=8为例，比较EENS原始模型和简化模型的规模和计算效率，原始模型也进行了分区及单节点等效，否则过多的直流潮流约束导致求解时间无法接受，所以本小节实质上验证简化模型对机组分类处理的有效性。简化模型的规模远小于原始模型，对于主要影响规模的子问题二阶故障模型，简化模型的变量、约束数量约为原始模型的1/4，因而计算时间明显缩短。简化模型的总成本与原始模型的相同，说明了机组分类处理方法的正确性。
2.3 不同方法的仿真结果对比
比较以下3种在含风电机组组合中考虑机组随机停运故障的方法：方法1：系统中任何时刻的旋转备用大于最大1台运行机组的容量.方法2：基于发电机N-1不确定集的机组组合。在文献[10]的模型中加入风电不确定集。目标函数中的权重系数为0，即优化最恶劣的故障场景。方法3：本文建立的模型。方法1忽略了机组的可靠程度，因而对强迫停运率的变化并不敏感，表现为EENS和总费用均值随着强迫停运率的增大而不断上升。本文方法通过成本收益分析协调基本运行成本和故障停运风险费用，进而根据机组强迫停运率的大小调整开机方案，所以EENS均值对强迫停运率的变化具有较强的性，因而得到了更理想的机组组合决策。另外，观察强迫停运率等于0.07的方法3机组组合结果发现，部分高峰负荷时段，系统所有发电机组都处于运行状态，如果强迫停运率进一步上升，系统装机容量不足制约系统经济性的改善。
就方法2而言：（1）其针对的是最严重的发电机故障，需要采取保守的开机方式以减少切负荷，因此基本运行成本较其余2种方法高；（2）随着系统中在线发电机数量增多，发生2台机组同时故障的概率也随之增加，而该方法仅计及了一阶故障，所以EENS指标较方法3偏大；（3）方法2的难点还在于权重系数的选取，目前尚未有文献给出权重系数的合理取值方法。
结 语：
针对如何在含风电机组组合中考虑概率性机组故障停运风险的问题，本文建立了考虑风电不确定性和机组故障停运风险的两阶段机组组合模型。同时提出了计算EENS指标的简化模型以减小机组组合模型规模，提升计算效率。通过改进的IEEE-RTS26机系统验证了本文所提模型和方法的正确性。算例结果表明，本文所建立的模型能较好考虑风电不确定性和机组故障停运风险的影响，且对机组强迫停运率的变化具有较强性；EENS的简化模型可在保证计算正确性的同时，明显缩短计算时间。
参考文献
[1]韩自奋，景乾明，张彦凯，等.风电预测方法与新趋势综述[J].电力系统保护与控制，2019，47（24）:178-187.
[2]孙堃，赵萌萌，沈美娜，等.基于CEEMD和模糊熵的随机森林风力发电功率预测[J].智慧电力，2019，47（10）:36-42.
[3]何廷一，田鑫萃，李胜男，等.基于蜂群算法改进的BP神经网络风电功率预测[J].电力科学与技术学报，2018，33（4）:22-27.
作者简介：姓名:武利敏，男，1987.09出生，内蒙古呼和浩特市人，学历:工程硕士，专业:电气工程及其自动化。从事风力发电运行检修管理、生产技能人员教育培训。