考虑时变因素的高速公路新能源微网可靠性评估

安孟林， 肖仕武， 刘博昊

(华北电力大学 电气与电子工程学院，北京 102206)

0 引 言

截至2021年底,我国高速公路总里程已突破16万公里,对既有电力系统的依赖性导致高速公路弹性系统面临重大挑战,以化石能源为主体的交通能源结构面临绿色化转型。在此背景下,高速公路新能源微网的发展和普及已成为不可避免的趋势。

应用高速公路新能源微网要考虑沿路周边资源禀赋,也要考虑电网发展的历史沿革。高速公路新能源微网是源-网-荷-储一体的系统,分布式能源所占比重更大,分散度更高,且采用交/直混合模式,系统更为复杂。另外因线路走廊大多露天,受天气影响较大,评估其供电可靠性更应被重视。

目前国内外学者对系统可靠性评估的方法理论已经较为成熟,例如状态空间法,网络等值法,蒙特卡洛法等,而蒙特卡洛法[1]常用于微网的可靠性评估过程中,文献[2]在蒙特卡洛法的基础上结合well-being 理论研究了光伏发电因素对风/光/柴/储小型发电系统的可靠性影响;文献[3]采用时序蒙特卡洛法对风光互补综合发电系统在夏冬季典型日的可靠性水平进行了评估;文献[4]考虑到大规模风/光/储联合发电系统协调运行,在采用时序蒙特卡洛法对系统进行可靠性评估后,提出新的调度策略。高速公路系统含高比例的分布式能源,网架结构较为复杂,计算量大,采用时序蒙特卡洛法对其可靠性进行仿真分析不仅能解决计算量问题,而且能灵活模拟状态持续时间内的分布。

在评估过程中,系统内元件参数受到多方面因素的影响,如工作运行条件、设备的老化状态、气候变化,另外也会受到来自人为因素的干扰,因此负荷用能也往往存在着时变性和不确定性。若不充分考虑这些因素在可靠性评估过程中的影响,会造成分析结论与现场实际情况之间存在偏差,从而难以反映系统运行过程中真实的可靠性水平。目前国内外学者往往采用时变故障率[5-8]作为可靠性评估参数,从而对系统可靠性进行研究。文献[9]考虑到了天气条件及负荷时变特性,但其中对于气象因素采用阶梯模型,建模不够完善;文献[10]根据复杂天气源模型引入综合气象因子,使得可靠性评估过程更为准确,但只是在输电系统层次进行评估;文献[11]建立了变流器的时变故障概率模型,但并未考虑其他时变因素。上述文献都从不同层面考虑了时变因素对可靠性评估的影响,但都较为局限,且建模相对粗糙。

针对上述问题,考虑将时变因素与时序蒙特卡洛法相结合对高速公路新能源微网进行可靠性评估:对于高比例的分布式电源元件,通过考虑热疲劳的积累对变流器的影响得到变流器时变故障概率,进而得到电源元件的时变故障概率;对于在露天环境中的元件引入气象因子进行故障概率的修正;另外采用馈线分区的方法对高速公路新能源微网整体进行划分,从而使复杂系统得到简化;然后利用时序蒙特卡洛法对考虑了时变因素的高速公路网架结构进行可靠性计算,进行负荷削减并得到可靠性指标,并为提升运维水平提供指导。

1 考虑时变因素的高速公路系统可靠性建模

高速公路新能源微网是有源的含高比例渗透率风/光/储的微网,在服务区设置一台风电机组,沿高速公路边坡铺设光伏机组,并在服务区、收费站、隧道等负荷群辅以储能设备。此外,采取交、直流混合模式,收费站处构成小型直流微网与主干线相连,其电气连接图如图1所示。

图1 系统电气连接图Fig.1 Electrical connection diagram of the system

在对高速公路新能源微网进行可靠性建模时,考虑到高速公路系统绝大部分暴露于室外环境中,模型需要计及天气因素[12,13]的影响。首先对元件本身可靠性进行建模,注意到高渗透率新能源场景下变流器等电力电子器件占比重较大,且位于室内,其本身建模即采用文献[11]中的时变故障率,从而对电源元件的故障率模型进行修正;基础建模完成后,在元件本身故障概率的基础上采用文献[16]中的条件云模型引入气象因子,得到整体时变故障概率。对系统进行可靠性建模时,考虑到高速公路某一服务区段内50-60 km,距离较长,因此采用馈线分区[14]的方法对模型进行简化。

1.1 考虑变流器时变故障概率的电源元件建模

在接入母线之前,系统中新能源发电元件直驱风机、光伏、蓄电池储能[15]装置需连接变流器、滤波器等,对模型进行简化后考量的范围包括新能源发电机组与变流器。直驱风机先后通过AC/DC整流器与DC/AC逆变器再进行过滤并入电网,风电机组的故障概率为风力发电机与变流器故障概率之和;光伏阵列采用双极式结构进行可靠性建模,采用DC/DC提高或降低直流电的电压,再将直流电通DC/AC逆变后,进行过滤再并入交流电网,光伏机组的故障概率为光伏阵列与变流器的故障概率之和;储能装置选择铅酸蓄电池储能,对于双极式放电系统来说,铅酸蓄电池组产生了直流电,通过DC/AC逆变器和DC/DC变换器,经过很不断变换并入电网,储能装置的故障概率为铅酸蓄电池与变流器的故障概率之和。

电力电子器件的故障大多是由于热疲劳积累导致的,因此建立实时故障率模型来作为变流器的可靠性模型。变流器的故障概率受到微电源输出功率和以器件的运行温度的影响,通过风机、光伏的功率模型和储能装置的充、放电模型可得到电源的出力,之后再根据器件的功率损耗、热模型计算得到变流器的温升,从而得到变流器的实时故障概率模型。

对不同种类变流器来说,可通过单个IGBT与二极管在一个输出周期内的平均损耗PIGBT、Pdiode以及变流器的总损耗Ploss计算IGBT与二极管的结温如下:

TjI=Tamb+PlossRha+PIGBT(Rjc+Rch)

(1)

Tjd=Tamb+PlossRha+Pdiode(Rjcd+Rchd)

(2)

式中:Rha表示散热器与环境之间的等效热阻,Rjc(Rjcd)表示IGBT(二极管)芯片结到外壳的等效热阻,Rch(Rchd)表示IGBT(二极管)外壳到散热器之间的等效热阻,Tamb表示环境温度。

为了更好的体现时变运行条件对变流器故障概率的影响,每隔一小时采集一次数据,进而计算每小时的器件失效率,电力电子器件的实时失效率表示如下:

λ=τPMτind(γTHτTH+γTCτTC+γMτMγRHτRH)

(3)

式中:τPM体现器件使用的质量,默认为1.6～1.7,τind是代表超限应力的因子,受应用领域和超限应力敏感度的影响,τH、τTC分别为热应力因子和温度循环因子,τM、τRH分别是受机械、湿度影响的基本失效概率,γTH,γTC,γM,γRH分别是与温度、温度循环、机械因素和湿度相关的元件失效概率。

变流器的实时失效率如下:

λblq=6(λgrI+λgrd+λgeI+λgeD)

(4)

式中:λgrI、λgrD分别为网侧的二极管和IGBT的失效率,λgeI、λgeD分别为机侧的二极管和IGBT的失效率。

1.2 考虑天气因素影响的元件建模

对于高速公路新能源微网而言,其中的常规元件如架空线路、断路器、隔离开关、变压器以及风力发电机、光伏阵列等,暴露在露天环境中,若忽略气候变化对系统内元件参数的影响,会使得可靠性评估结果过于乐观。因此在对其建立可修复的运行、停运两状态模型的基础上叠加气象因子。

本文通过条件云模型[16]引入气象因子,从而量化不同天气条件下元件故障率受到的影响。首先定义隶属度函数,使用X条件云发生器完成各类天气因素到天气条件隶属度的转化,然后通过Γ云模型对天气隶属度与气象因子的关系进行模糊处理,再使用 Y条件云模型完成天气条件到天气影响因子的转化。即根据云模型的不确定性推理规则,由t时刻天气条件,包括风速Fv、光照强度Fz、温度Ft、湿度Fh,推测对应时刻的气象因子。

在t时刻参考四种天气因素,定义不同天气状态的隶属度函数:

u(Fv,Fz,Ft,Fh)=1-

(5)

式中:u(Fv,Fz,Ft,Fh)为天气条件的隶属度,f(x,y,z,p) 为风速、辐照度、温度、湿度的四维离散型随机变量的联合分布律,Ev、Ez、Et、Eh分别取好天气隶属度为1时的典型样本点所对应的风速、辐照度、温度、湿度值,即四维离散型随机变量中四种天气因素一年中的期望值,ΔFv,ΔFz,ΔFt,ΔFh为四种天气因素与期望值的差值的绝对值。

在四维正态云模型的基础上,建立基于X条件云发生器的天气状态模型,将t时刻的风速、辐照度、温度、湿度值和四维正态云的数字特征带入X条件云发生器,得到t时刻的天气状态隶属度,并实时更新天气状态。

然后通过Γ半降云将天气条件的好坏程度和气象因子之间的关系进行模糊处理,认为当气象因子为1时对应的状态为好天气。Γ云的期望方程曲线由期望Ex、熵En两个数字特征确定,表达式如下:

f(x)=exp(1/En(x-Ex)),x≤Ex

(6)

f(x)=exp(-1/En(x-Ex)),x≥Ex

(7)

在此基础上,把t时刻的天气状态隶属度和Γ半降云的数字特征代入Y条件云发生器,得到t时刻气象因子θ(t),完成对天气条件产生的影响的量化,以此来对元件可靠性模型进行修正。

即暴露在露天环境下的元件在不同天气条件、不同老化状态下的故障率为

λ(t)=λ×θ(t)

(8)

式中:λ代表各元件的基本失效概率,θ(t)为气象因子,λ(t)为各元件在不同天气状态下的时变故障概率。

1.3 系统馈线分区及故障分区

考虑到高速公路系统为辐射式结构,且公路区段整体为 50 km,采用馈线分区的方法进行简化。馈线区是具有共同入口元件的元件,入口元件为开关或保护装置,馈线区内某个元件失电时,同一馈线区中的其它元件也会失电且失电时间均相同,可靠性评估过程以馈线区为最小单元,将不同元件故障时的系统[17]分为故障区、无影响区、上游隔离区、上游无缝孤岛区、下游隔离孤岛区、下游无缝孤岛区,并建立故障模式影响表得到不同元件故障时对各个馈线区的影响。

2 高速公路新能源微网可靠性评估

2.1 可靠性评估理论

对于高速公路系统来说,其辐射状网络结构相对简单,但具备分布式电源发电系统,另外还包括输电及配电系统,为包括风/光/储的高渗透率新能源微网,在对其进行可靠性评估时,需要考虑各系统的差异与关联,并解决计算量问题。另外负荷的时变用能特性以及孤岛效应对高速公路新能源微网可靠性的影响也不可忽略,需制定负荷的最优削减策略,保障系统的安全稳定运行。

2.2 可靠性评估流程

在高渗透率状态下,基于时序蒙特卡洛法对系统进行可靠性评估,找出高速公路新能源微网的可靠性指标,考虑到分布式电源比重很大,且分布式电源已划入馈线分区内,采样时将元件分为了电源元件及非电源元件,对非电源元件采用序贯抽样,而对处于不同馈线分区中的电源元件所处的运行状态采用非序贯抽样。评估步骤如图2所示,其中TF为无故障工作时间,TR为上游隔离区负荷点停电时间,TR为故障区负荷点停电时间。

步骤1:输入数据,包括可再生发电机组技术和可靠性参数,时序负荷曲线,年度气象数据等,并通过条件云生成气象因子,并将气象因子、老化因子赋给元件;

步骤2:由馈线分区建立故障模式影响表,对系统进行预想事故的完整判断,即确定导致负荷点失效的各类事件,生成故障模式影响表;

步骤3:通过产生随机数来模拟元件失效状态的变化情况,按照时间顺序分析不同元件故障对系统可靠性的影响;

步骤4:找到具有TFmin的元件,时钟推进至此刻代表元件故障,(继续推进就是元件修复)对于该元件产生新的随机数,并转化成TR,同时产生TS;

步骤5:根据故障影响分类表,查询该元件故障时哪些馈线分区会受到影响根据分区,故障区停电时间即为TR,上游隔离区负荷点停电时间即为TS,上游无缝孤岛区自动瞬时形成孤岛,对孤岛馈线区内分布式能源的运行状态以及TFmin时刻蓄电池组的蓄电状态进行抽样,计算TFmin时间内风机、光伏阵列出力与负荷的实时值,记录负荷削减和馈线区停电情况;

步骤6:对下游无缝孤岛区进行与步骤4相同操作;

步骤7:对故障元件重新产生一个随机数并将其转化为该元件新的无故障工作时间TFN;

步骤8:判断是否在仿真时间周期内,若在,则进行步骤3,否则进行步骤8;

步骤9:根据上述步骤所得的参数进行可靠性指标计算。

2.3 最优负荷削减模型

高速公路新能源微网能够实现并网和孤岛运行状态的转换,在上级容量一定的情况下,分布式电源的出力和负荷都是实时变化的,需要对分布式电源出力、储能装置储存功率和负荷的大小关系都分别进行判断,若孤岛内输出功率不大于总负荷,则进行负荷削减,风、光出力模型均采用文献[15]中的常规模型。

采用自回归滑动平均模型产生风速的实时序列之后,再通过风机的出力曲线来定量描述风机实时出力。

(9)

式中:Pw为风机的实时出力,SWt为实时风速,Vci为切入风速,Vr为为额定风速,Vco为切出风速,Pr为风机额定功率,A、B、C三个常数表示风电机组的输出功率特性参数。

光伏的实时出力主要取决于光照强度,将光伏出力与光强的联系表示如下:

(10)

式中:Pb为光伏的实时出力,Psn为光伏的额定功率,Gstd为光照强度,Rc为某一特定强度的光强,在该光强下光伏出力与光强的关系开始由非线性变为线性,Gbt为第t个小时的实时光强。

对于负荷模型,采用典型的年-周-日-小时曲线形成实时的负荷数据,体现高速公路负荷群的实时用能特性;储能装置采取两充两放策略,针对风力发电的反调峰特性和光伏发电在午间出力最大的特点,蓄电池装置充电时段分别为03:00～08:00和13:00～16:00;放电时段为高速公路的负荷高峰期,分别为8:00～11:00和17:00～21:00。

高速公路新能源微网内的设备可以按功能进行重要性等级的划分,分级优先,距离其次。先切负荷等级低的距离远的负荷,后切距离近的负荷等级高的负荷。负荷分级情况为监控设备、机电设备为1级负荷;照明设备、温控设备、车充设备、排风装置为2级负荷;其他生活用电为3级负荷。

2.4 可靠性评估指标体系

对高速公路新能源微网建立可靠性评估指标体系,分为故障指标和切负荷指标[8],通过2.2中评估流程可得到负荷点的停电次数和停电时间Ui,进而得到供电可靠率ASAI,平均缺供电量AENS,及由元件切负荷概率PLC。

(11)

(12)

(13)

式中:Ni为负荷点i的用户数,本系统中各负荷点均定义为1户,Ui为负荷点i的年平均停电时间,Lai为接入负荷点i的平均负荷,N0为由元件故障引起的切负荷事件,Na为元件发生故障但并未发生停电事件。

3 算例

3.1 高速公路新能源微网系统简介

高速公路服务区段平均间距为50 km,整体为交-直流混联的网架结构,接入监控/灯牌按每1.5 km一组建设,图1中简化表示每个LP代表3组监控与灯牌,重要负荷如服务区、隧道、收费站位于各监控/灯牌组之间,电能分布如表1所示。

表1 系统电能分布

高速公路新能源微网中的可靠性参数是通过查阅相关资料及统计某省故障日志得到的,分类为电源元件与非电源元件,线路的故障概率为0.065次/年*千米,换流器的相关技术参数见文献[7], 其余可靠性参数如表2、表3所示:

表2 非电源元件故障概率

表3 电源元件故障概率

根据2.3节提到的负荷重要性,共设立3级切负荷等级,表中等级数值越大的设备,等级越低,在切负荷过程中被优先切除。

计算时采用的全年气候条件如图3所示。

图3 全年气候条件Fig.3 Annual climatic conditions

对系统进行馈线分区如图4所示。

图4 馈线分区图Fig.4 Feeder partition

图中各馈线线路长度如表4所示。

当断路器5发生故障时,馈线区23与36为故障区,故障区内负荷的停电时间即为故障元件修复所需要的时间;馈线区1～13为无影响区,无影响区内的负荷不会受到故障元件的影响;馈线区15,18～21为上游无缝孤岛区,在故障发生时,该区域可立即转化为孤岛模式,以孤岛状态能够运行的时间为故障隔离所需的时间,若供电不足则削减负荷;馈线区14,16,17,22,24,25属于上游隔离区,位于故障区上游,并且在故障被隔离之前,该区域内所有的电力负荷点保持失电状态,此时负荷点上的停电时段为故障隔离时间;馈线区27-35为下游无缝孤岛区,此区域的孤岛运行时间分为两部分:一是故障隔离前能够直接在孤岛状态下运行的时间;二是故障隔离后,能够与下游隔离孤岛区构成大孤岛,再继续运行的时间;馈线区26为下游隔离区,在故障隔离前,所有负荷点失电,故障隔离后,能够和与其联通的其他下游区域形成一个大范围孤岛,在孤岛状态下运行的时间是故障修复与故障隔离的时间差,综上所述,可通过馈线分区逐元件建立故障模式影响表。

3.2 算例结果及分析

通过时序蒙特卡洛法对高速公路新能源微网的可靠性在1年的时间跨度上进行模拟,加之考虑到换流器实时失效率、气候更替以及负荷用能特性等时变要素,能够灵活地模拟状态持续时间内的任何分布,使可靠性评估结果能够更加贴合实际情况。

以二月份某天为例风/光/储换流器的故障率计算如图5所示。

图5 换流器时变故障概率Fig.5 Time varying fault probability of converter

采用条件云模型得到的每小时气象因子展示如图6。

图6 气象因子Fig.6 Meteorological factors

气象因子为1时代表最好天气情况,即元件故障概率保持不变,气象因子的时候代表恶劣天气情况,此时元件故障概率最大为原来的2倍。

将气象因子赋予暴露在环境中的各元件,包括风电机组、光伏阵列以及输/配电系统的元件;在得到系统内所有故障概率参数后通过流程1～9对高速公路新能源微网系统进行可靠性评估,其中隔离时间与负荷转带时间都规定为1 h,其中风机切入风速为2.5 m/s,额定风速为12.5 m/s,切出风速为25 m/s,风机额定功率为200 kW,A为0.121 5,B为-0.078 4,C为0.012 6;光伏阵列的额定功率为12.5 kW,Rc为0.15 kW/m2,Gstd为1 kW/m2。根据全年天气条件图中的风速、光照强度曲线以及出力公式得到风/光实时出力,将系统能供给电量与负荷所需电量进行对比判断是否需要进行负荷削减。

高速公路负荷用能存在早、晚高峰期,配网正常供电时,减去配网供给的电量的负荷用能特性及风/光出力与储能计划如图7所示。

图7 风/光/储/负荷示意图Fig.7 Schematic diagram of wind / light / storage / load

通过2.4节的可靠性指标计算过程进行计算,将得到的结果与不考虑时变因素的情况进行对比,如表5所示。

表5 可靠性对比

由表5可知,在恒定概率下,系统的平均供电可靠率ASAI为99.927%,在考虑时变因素后,系统的平均供电可靠率ASAI下降到99.89%,系统供电可靠率变低;在恒定概率下,平均缺供电量期望值AENS为3 511.54 kW·h每户每年,考虑时变因素后,平均缺供电量期望值大幅度提高变为5 442.25 kW·h每户每年;切负荷概率PLC在恒定概率下为1.03%,在考虑时变因素时也明显提高为1.3%,因此在进行高速公路新能源微网可靠性评估过程中,时变因素不可或缺。

3.3 薄弱环节分析

为深度挖掘各馈线区负荷切除的规律,根据各馈线区损失的负荷与额定负荷的比重,得到各馈线区发生高比例失负荷的概率。由于沿路监控作为一级负荷,只会在服务区、隧道、收费站三个负荷群都被切除且仍旧不能保障供电的情况下停电,故只对三个负荷群的负荷切除情况进行分析比较,结果如图8所示。

由图8可以看出,负荷群中隧道发生高比例切负荷的概率较大,另外服务区中馈线区7作为3级负荷区,切负荷概率也较大。

图8 高比例切负荷概率Fig.8 High ratio of load loss probability

为分析不同种类的设备对三个负荷群的影响,统计导致各负荷群切负荷的故障中不同的故障设备占比如图9所示。

图9 失负荷故障中不同设备故障占比Fig.9 Proportion of different faulty equipment in load failure

由图9可以看出:服务区本身负荷基数较大,作为风电机组和光伏机组共同的接入点,失电主要受到受风、光出力不稳定的影响;隧道位于50 km高速公路中部,其前后路段若发生故障均会影响隧道供电,故可靠性受主干线路故障影响最大,另外由于隧道处无光伏资源直接供电,故受新能源出力影响最小;而收费站自身负荷基数不大,光、储资源充足时,主干线发生故障时容易形成孤岛,故主要由自身保护装置导致故障。

为提高系统的运行可靠性,需重点关注影响三个主要负荷群的设备的可靠性。例如对于服务区,可以考虑将配网直接接入或提升储能容量,以减小风、光出力不稳带来的压力;对于隧道,需考虑强化主干线路的特性,或加入备用线路;对于收费站,可缩短运维周期,便于故障及时发现,及时修复。

4 结 论

根据高速公路新能源微网源-网-荷-储一体的特点,将元件的时变故障率与时序蒙特卡洛法相结合对系统进行可靠性评估。该方法能够准确、有效地得到系统可靠性指标,结合算例分析得出以下结论:①考虑时变因素时可靠性水平较低,但评估结果更贴合实际且更为准确;②通过挖掘可靠性指标可以识别系统运行中的薄弱环节,从而提供针对性的改进措施。

该建模方法贴近高速公路电网实际运行与故障情况,能够真实的反映高速公路新能源微网的可靠性。在考虑天气等时变因素后,如何保障高速公路新能源微网在极端灾害条件下的安全稳定以及经济性问题将是下一步研究的方向。