并网光伏电站的发电可靠性评估_汪海瑛
第 36 卷 第 10 期 电 网 技 术 Vol. 36 No. 10 2012 年 10 月 Power System Technology Oct. 2012 文章编号: 1000-3673( 2012) 10-0001-05 中图分类号: TM 614 文献标志码: A 学科代码: 470· 4054并网光伏电站的发电可靠性评估汪海瑛 1,白晓民 2,马纲 3 ( 1.强电磁工程与新技术国家重点实验室 (华中科技大学 ),湖北省 武汉市 430074 ;2.中国电力科学研究院,北京市 海淀区 100192 ;3.国电电力宁夏风电开发有限公司,宁夏回族自治区 银川市 750001 )Reliability Assessment of Grid-Integrated Solar Photovoltaic SystemWANG Haiying 1, BAI Xiaomin 2, MA Gang 3(1. State Key Laboratory of Advanced Electromagnetic Engineering and Technology (Huazhong University of Science and Technology), Wuhan 430074, Hubei Province, China; 2. China Electric Power Research Institute, Haidian District, Beijing 100192, China; 3. GD Power Ningxia Wind Power Development Co., Ltd.,Yinchuan 750001, The Ningxia Hui Autonomous Region, China)ABSTRACT: Solar photovoltaic (PV) power is a kind of promising renewable energy generation technology, which is expected to replace traditional fossil fuel-fired power generation after wind power. Its operational characteristics, which are different from conventional generation, make the difference between the method to assess generation adequacy of power grid containing PV generation system and of those only containing conventional generation. Based on sequential Monte Carlo method and comprehensively considering main factors influencing PV power output, such as the time-varying solar irradiance, power output characteristics of solar panels, annual variation characteristics of ambient temperature, configuration of PV generation station and so on, a generation reliability assessment model for PV generation station is built. Developing a program for reliability analysis by Matlab and adding above-mentioned model into RBTS to perform simulation, the system reliability of power grid after grid-integration of PV station is assessed. Besides, based on the simulation results, the peak load carrying capability is researched, thus an objective assessment on reliability benefit of grid-integrated PV station can be given. KEY WORDS: photovoltaic generation system; reliability; Monte Carlo simulation; peak load carrying capability 摘要: 太阳能光伏发电是继风力发电后另外一个被寄予厚望以代替传统发电的可再生能源发电技术。 它异于常规电源的运行特性使得关于它的系统发电充裕度评估技术与传统方法有所不同。 基于序贯蒙特卡洛方法, 综合考虑影响光伏功率输出的主要因素: 太阳光辐照度的时变特性、 光伏面板的输出功率特性、 环境温度的年度变化特性和光伏电站的配置等,建立了光伏电站的发电可靠性评估模型。在 Matlab 中编制程序, 并将上述模型加入 RBTS 可靠性测试系统中进行仿真计算, 评估增加光伏后的系统可靠性, 同时在该结果基础之上对系统承载峰荷能力进行研究, 从而给出并网光伏可靠性收益客观评价。 关键词: 光伏发电系统;可靠性;蒙特卡洛仿真;峰荷承载能力0 引言光伏发电是继风力发电后最有潜力实现规模化发展和应用的可再生能源发电技术 [1]。根据我国可再生能源发展的十二五规划,中国到 2015 年将形成 5GW 的并网太阳能发电能力,最近这一目标又被调整为 10GW [2]。 而欧盟则计划到 2050 年, 整个欧洲能源消耗的 19%~27%都由光伏提供 [3]。光伏发电也存在着间歇性与随机性的特点,所以为准确衡量光伏发电带给电网的收益,并对它的价值进行客观评价,必须建立适当的模型对含光伏系统可靠性进行评估。目前,进行可靠性评估的主要方法有解析法与模拟法 [4-5] 。 解析法的关键在于机组容量停运概率模型的建立,文献 [6-7] 就是采用了解析法对光伏发电系统进行可靠性评估。使用解析法进行可靠性评估最主要的缺点是不能将光伏这种可再生能源发电系统的时序特性考虑进来, 因此也就无法准确评估它的随机时变特性对于功率输出及与频率相关指标的影响。所以本文采用序贯蒙特卡洛模拟方法,综合考虑光照强度、环境温度和光伏电池功率转换特性等因素对光伏发电系统进行可靠性建模,然后对含有光伏的系统发电充裕度进行评估,并在该结果的基础上进一步研究 并 入 光 伏 后 系 统 峰 荷 承 载 能 力 (peak load carrying capability , PLCC) 的变化。DOI:10.13335/j.1000-3673.pst.2012.10.0132 汪海瑛等:并网光伏电站的发电可靠性评估 Vol. 36 No. 10 1 光伏电站的可靠性建模1.1 辐照度建模光伏发电是利用光生伏打效应将太阳的辐射能直接转化为电能的能源变换系统。决定光伏功率输出的主要因素是到达地面或者说光伏组件的辐照度 (也称为辐射通量密度 )、环境温度及电池能量转换特性,因此光伏的功率输出极大地依赖于电站安装地的地理位置和气候条件,对其进行可靠性建模也分这几个步骤进行。太阳能来自于太阳内部由于高温高压条件而不断发生的核聚变反应,它以辐射的形式到达地球。进入地球大气层之前的太阳辐射 I E0 被称为地外辐射,它受日地天文关系影响而以年为周期发生变化,它的计算关系 [8] 如式 (1)所示:E0 SC d360[1 0.033cos( )]365I I n= + (1) 式中: I SC 代表太阳常数, 根据世界气象组织发布的数值,它的取值范围为 1367± 7 W/m 2; nd为该天在一年中的顺序数。假定 IE0 未受大气影响全部到达地面,那么由于太阳光线与光伏阵列表面法线间存在夹角, 而能被有效吸收的那部分能量 I 0只与跟面板垂直的分量相关,所以必须先计算该入射角大小。水平搁置的面板入射角按下式计算:hcos cos cos cos sin sinθ ? δ ω ? δ= + (2) 式中: θ h 代表水平面太阳的入射角; ?为光伏安装所在地纬度; δ 为太阳赤纬; ω 为太阳时角。那么到达该面板的有效能量就将按式 (3)进行计算: 0 E0 hcosI I θ= (3)在实际情况中,地外辐射 IE0 进入大气层之后,由于受云层和大气尘埃等的吸收、散射和反射作用等影响,到达地面的辐射 I t 出现衰减,这一衰减程度可由每 h 晴空指数 (hourly clearness index) kt[9]来表征:t t 0/k I I= (4) 式中 I t 是水平地面上接受到的太阳总辐射,它由直接辐射和散射辐射 2 个部分组成。当光伏面板与地面之间有了倾角 β 后,由于地面反射和入射角变化等的作用,光伏面板上所接受的太阳辐射能计算关系发生了变化,如式 (5)所示 [10] :b b d t1 cos 1 cos( ) ( )2 2I I R I Iβ βρβ+ -= + + (5) 式中: Ib 和 Id 分别代表直接辐射和散射辐射; Iβ 代表倾角为 β 的光伏面板单位面积上接受到的辐照度;对于双轴跟踪系统,每个时刻光伏面板的倾角取该时刻太阳高度角的余角 [11]; ρ 代表地表反射率;Rb 表示斜面和水平面上接受到的直接辐射比值, 其值按照式 (6)进行计算:b hcos /cosR θ θ= (6) 式中 θ 代表斜面上的入射角。此外每 h 散射辐射与水平地面总辐射的比值可表示为晴空指数的函数,如式 (7)所示 [12]:t tdt ttt1.0 0.249 , 0 0.351.557 1.84 , 0.35 0.750.177, 0.75k kIk kIk- ≤ ?= - ≤ ≤?? (7) 由以上各式可知,构成 Iβ 的每一个分量都可以表示为 It 的函数,而 It 主要由 kt 决定,所以只要知道了 kt 的概率密度或分布函数, 即可通过逆变换法对每 h到达具有倾角 β 的斜面上的辐照度进行模拟。kt 的概率密度函数如式 (8)所示 [13]:tth2thtth( )e( )e 1ktkk kP kkλλλλ-=- - (8) 式中: kth 表示 kt 的最大值; λ 为由 kth 和某月每 h 晴空指数均值 ktm 所决定的常数。 令 F(kt)=Y 为 kt 的分布函数, 则蒙特卡洛仿真中用于模拟产生 kt 的函数表达式如式 (9)所示:thththt th( 1)(1 )( 1) e1 1[ ]ekkk Y Yk W kλλ λλλ λ++ - -= + + (9) 式中: Y 为区间 (0, 1)上服从均匀分布的随机变量;W( )代表朗伯 W 函数。1.2 功率输出模型光伏功率输出大小的决定因素是光伏面板的能量转换效率 η ct 和入射太阳辐照度, 它们的关系 [14]如式 (10)所示:m c CAt t tP S Iβη= (10) 式中: SCA 代表电池面积; Pmt 代表 t 时刻电池输出功率; Iβ t 代表 t 时刻斜面上的太阳辐照度。光伏面板能量转换效率 η ct 并不是一个常量, 它的大小要受到相应时刻入射光辐照强度 Iβ t 的影响 [15] ,分段函数可用来近似表示 2 者之间的关系:c k kcc k( / ) , 0,t tttI I I II Iβ ββηηη≤ ≤??= ? ?(11) 式中: η c 是由电池厂家给出的标准测试条件下的能量转换效率; Ik 代表某一入射光辐照度阈值,当辐照度低于该值时,转换效率随辐照度的增加线性增长;当辐照度超过该值之后,电池的转换效率即可基本保持恒定而不再随入射辐照度的变化而变化。第 36 卷 第 10 期 电 网 技 术 3 一般取该值为 150 W/m 2。 此外, 由于入射的光照能量中只有部分可以被转化为电能,而剩余大部分能量都将被光伏面板吸收或反射,从而与环境温度一起作用引起电池温度的变化。而电池温度变化反过来又会影响输出功率的大小。由于光伏电池开路电压的负温度系数特性,以及对于温度变化高于短路电流的敏感度,使光伏的输出将随电池温度的升高而减小 [16],其表达式如式 (12)和 (13)所示:NOCTC A s20( )0.8TT T Iβ-= + (12) s m pm C STC[1 ( )]t tP P c T T= + - (13) 式中: TC 表示电池温度; TA 代表环境温度; TNOCT表示电池额定运行温度; Iβ s与前文中的 Iβ 意义一致,区别在于单位不同, Iβ s 的单位取 kW/m 2; TSTC 表示标准测试条件下的电池温度,一般为 25° C; Pst 表示在时刻 t 电池的实际输出功率; cpm 为电池功率温度系数。由式 (13)可知,在夏日高温环境下电池的性能会受到较大影响,输出功率会由于电池温度的升高而发生衰减。地面气象观测站一般可以提供的资料是逐日气温极值与均值。由于任何平稳随机过程都可以用(n, n- 1) 阶 自 回 归 滑 动 平 均 (auto-regressive and moving average , ARMA) 模型近似表示 [17-18],而逐日气温最高值或最低值序列和气温日较差序列之间可以认为是相互独立的,并且它们均带有极强的季节变化趋势特性,因此可以对逐日气温序列进行分析与建模,之后再利用该模型产生的序列进行逐时气温模拟。取我国西部某地 30 年逐日气温极值序列,分别进行平稳化操作后建立起的 ARMA 模型如式 (14)— (16)所示:Ah Ah 1 Ah 2 Ah 3Ah Ah 1 Ah 21.574 5 0.668 3 0.069 20.822 2 0.072 6 ,t t t tt t tT T T Tα α α- - -- -= - + +- -% % % %2Ah NID(0,0.714 598 )tα ∈ (14) Ad Ad 1 Ad 20.896 3 0.167 3t t tT T T- -= - +% % %Ad Ad 10.491 1 ,t tα α --2Ad NID(0,0.887 750 )tα ∈ (15) Am Am Am Amt t t tT Tμ σ= + % (16) 式中: μ Amt 和 σ Am t 代表第 t 天最高温或日较差的均值与标准差; AhtT% 和 Ad tT% 分别代表最高温和日较差的时间序列。由于气温逐时变化的连续性较强,所以在获得每日气温的最高与最低值后,可利用正弦分段法对每天的逐时气温进行模拟,如式 (17)所示 [19]:A Ah Al Ah Al0.5( )sin 0.5( )i i i i i iT T T T Tω= - + + (17) 式中: TAhi 与 TAl i 分别代表在相邻的时间段内气温上升区间或下降区间两端出现的气温极值; ω i 代表太阳时角,它的大小由所在地区经度和计算时刻所属日期在 1a中的顺序共同决定。2 算例系统的可靠性及峰荷承载能力评估2.1 算例系统及参数本文将上述模型应用到一个专门的可靠性测试系统 RBTS [20] 中, 并在 Matlab 中编制程序, 对加入光伏后的系统可靠性进行评估。 RBTS 包含 11 台传统发电机组,总装机容量为 240 MW ,系统峰荷为 185 MW 。用于序贯蒙特卡洛仿真的负荷持续曲线数据来自文献 [21] 。算例中光伏电站采用的光伏组件在标准测试条件下最大功率输出为 280 W,转换效率为 14.4%, 功率温度系数为 - 0.44%/° C, 电池组件面积约为 2 m2。 所考察光伏电站分别处于我国太阳能资源比较丰富的 I 类和 II 类地区,其每年月平均晴空指数分别为 0.496 与 0.431。 图 1 给出仿真所得光伏安装地在夏季 (6 月份 )连续 5 d 太阳辐照度的典型变动趋势。文中研究使用的主要可靠性指标有缺电时间期望 (loss of load expectation , LOLE) 、缺电频率 (loss of load frequency , LOLF) 。1 3 50400800辐照度/(W/m2)时间 /dII 类地区I 类地区图 1 夏季辐照度变化Fig. 1 Variation of solar radiation in summer 2.2 可靠性评估图 2 为在原始 RBTS 系统加入不同容量光伏系统、系统年峰值负荷在原基础上增加 2%后得到的LOLF 指标。从图 2 可以看出,无论是太阳能资源较好的 I 类地区,还是次之的 II 类地区,光伏的加0 20 40 600.20.240.280.32缺电频率LOLF(次/年)并网光伏容量 /MWII 类地区I 类地区图 2 光伏容量对 LOLF 的影响Fig. 2 Effects of PV capacity on LOLF4 汪海瑛等:并网光伏电站的发电可靠性评估 Vol. 36 No. 10 入都不会带来 LOLF 指标的显著改善,即使在光伏的穿透率水平 (此处定义为光伏装机容量和系统峰荷的比值 )近似达到 40%的情况下。出现这种情况的原因主要在于测试系统所采用的负荷持续曲线与光伏的运行特性不匹配。算例采用的负荷持续曲线会在 1 d 中的 17:00— 22:00 再次出现用电高峰,而此时光伏已基本无功率输出,因而光伏容量的增加对于此时刻出现的停电事件没有任何帮助。为验证此结论,对原负荷曲线做出修正,即将全年17:00— 22:00 的负荷减少 10%,系统峰荷则在原基础上增加 5%,做出上述修正后再执行仿真计算,由图 3 给出可靠性评估结果。从图 3 可以看出,修正负荷曲线后的运行场景与图 2 所示场景在未加入光伏时有着相近的 LOLF 指标。然而,随着光伏容量的增大,图 3 中 LOLF 指标有了显著改善,尤其是在太阳能资源比较充足的 I 类地区。而 II 类地区对系统可靠性的贡献虽然比图 2 所示的结果要好一些,但是效果仍然不是很理想。这种结果证明,当负荷变动特征与光伏运行特性一致后,可对光伏改善系统充裕度的能力有很大提升。表 1 列出与图 2和图 3 所示 2 种运行场景相对应的 LOLE 指标的变化情况。由表中结果可知,就 LOLE 指标而言,随光伏容量的增加, 2 种场景下都会给系统带来一定的可靠性收益,但显然也是在负荷曲线进行修正后0 20 40 600.200.240.280.32LOLF/(次/a)并网光伏容量 /MWII 类地区I 类地区图 3 修正负荷曲线后得到的 LOLFFig. 3 LOLF index obtained based on the modified load curve表 1 可靠性评估结果Tab. 1 Reliability evaluation results I 类地区 LOLE/(h/a) II 类地区 LOLE/(h/a) 光伏容量 / MW 图 2 场景 图 3 场景 图 2 场景 图 3 场景原 RBTS 1.551 1.582 1.551 1.582 10 1.122 1.188 1.139 1.197 20 0.965 0.849 1.094 0.913 30 0.818 0.659 0.860 0.803 40 0.755 0.530 0.859 0.624 50 0.704 0.458 0.815 0.594 60 0.680 0.429 0.810 0.557 70 0.659 0.360 0.802 0.536 会有更显著的可靠性改进。而且对于太阳能资源不够充裕的 II 类地区, 加入光伏后的可靠性收益总是很快进入饱和状态,这是由其间歇运行特性和整体偏低的辐照强度水平共同决定的。2.3 峰荷承载能力评估图 4 和 5 为采用原始 RBTS 系统参数、基于不同可靠性指标得到的 50 MW 并网光伏系统的载荷能力。算例采用的传统机组平均无故障工作时间为2 190 h,平均维修时间为 45 h。由图 4 可知,在原RBTS 中加入具有 I 类地区辐照强度的 50 MW 光伏,其载荷能力基本与加入一个 8.5 MW 的传统机组相当,其可以多承担的峰荷约为 9.25 MW ;而加入 II 类地区光伏则与加入一个 6.5 MW 的传统机组相当,其可以承载的峰荷值增加 6.84 MW 。而由图5 得到的结果与图 4 有很大不同:对于 I 类地区的50MW 光伏, 在基于 LOLF 指标获得的结果中, 其承载峰荷的能力只与一个 1.5 MW 传统机组相当;而对于 II 类地区的 50 MW 光伏,其 PLCC 几乎没有任何改进与提高,仍与原始系统相当。用 2 种可靠性指标得到差异如此大的结果,其原因在于指标所代表的意义有差别。 LOLF 指标考察的是系统在0.98 1.00 1.02 1.04 1.060.40.81.21.6系统峰荷 /puLOLE/(h/a)原系统指标6.5 MW 传统机组光伏 50MW(II 类地区 )光伏 50 MW(I 类地区 )8.5 MW 传统机组图 4 基于 LOLE 指标的传统机组与50 MW 并网光伏系统峰荷承载能力对比Fig. 4 Comparison of PLCC based on LOLE for PV and conventional units0.98 1.00 1.02 1.04 1.060.200.300.400.500.60系统峰荷 /puLOLF/(次/a)原系统指标1.5 MW 传统机组光伏 50 MW(II 类地区 )光伏 50 MW(I 类地区 )图 5 基于 LOLF 指标的传统机组与50 MW 并网光伏系统峰荷承载能力对比Fig. 5 Comparison of PLCC based on LOLF for PV and conventional units 第 36 卷 第 10 期 电 网 技 术 5 一段时间内供电不足事件发生的次数, LOLE 指标考察的则是系统在一段时间内发生的供电不足事件的持续时间。由前文的分析已经得知,由于光伏在进入夜间后已经完全没有功率输出,因此对于夜间有可能发生的缺电力事件没有任何补益,同时由于其供电的间歇性,很难带来 LOLF 的显著提高,但新加入的发电容量总是可以不同程度地缓解系统缺电情况,增加系统裕度,从而从总体上减少系统停电的持续时间。3 结论光伏有别于风能及传统可再生能源的发电特性,在对其进行发电可靠性评估时,如果选用的负荷曲线变化特征与它的运行特性不匹配,会对其可靠性收益结果产生很大影响,从而对它为系统的贡献做出偏离实际的评价。与风能一样,作为一种间歇性的可再生能源发电技术,在以 LOLF 和 LOLE作为评估光伏峰荷承载能力的准则时,得到的结果差距非常明显。参考文献[1] 许洪华. 中国光伏发电技术发展研究 [J]. 电网技术, 2007, 31(20):77-81.Xu Honghua . The study on development of PV technology in China [J]. Power System Technology, 2007, 31(20): 77-81(in English) .[2] 李俊峰.风光无限:中国风电发展报告 2011[M] .北京:中国环境科学出版社, 2011: 85-86.[3] European Renewable Energy Council . RE-thinking 2050 : a 100% renewable energy vision for the European Union[R] . Belgium :EREC, 2010.[4] 李文沅.电力系统风险评估:模型、方法和应用 [M] .北京:科学出版社, 2006: 79-87.[5] Billinton R , Chen H, Ghajar R. A sequential simulation technique for adequacy evaluation of generating systems including wind energy [J]. IEEE Trans on Energy Conversion, 1996, 11(4): 728-734.[6] Tina G M , Gagliano S, Raiti S . Hybrid solar wind power system probabilistic modeling for long-term performance assessment [J]. Solar Energy, 2006, 80(5): 578-588.[7] Jeongje P, Wu Liang , Jaeseok C, et al. A probabilistic reliability evaluation of a power system including solar/photovoltaic cell generator[C]//IEEE Power & Energy Society General Meeting. Calgary, Canada: IEEE, 2009: 5-10.[8] 赵争鸣,刘建政,孙晓瑛,等.太阳能光伏发电及其应用 [M] .北京:科学出版社, 2005: 43-57.[9] Graham V A, Hollands K G T . A method to generate synthetic hourly solar radiation globally[J] . Solar Energy, 1990, 44(6): 333-341.[10] Duffie J A , Beckman W A . Solar engineering of thermal process (second edition)[M] . New York : John Wiley & Sons, Inc , 1991:91-98.[11] Tina G M , Gagliano S. Probabilistic modelling of hybrid solar wind power system with solar tracking system[J] . Renewable Energy,2011, 36(6): 1719-1727.[12] Orgill J F , Hollands K G T . Correlation equation for hourly diffuse radiation on a horizontal surface[J] . Solar Energy, 1977, 19(4):357-359.[13] Hollands K G T , Huget R G . A probability density function for the clearness index with applications[J] . Solar Energy, 1983, 30(3):195-209.[14] Moharil R M , Kulkarni P S. Reliability analysis of solar photovoltaic system using hourly mean solar radiation data[J]. Solar Energy, 2010,84(4): 691-702.[15] Cha S T , Jeon D H , Bae I S , et al . Reliability Evaluation of Distribution System Connected Photovoltaic Generation Considering Weather Effects[C]//8th International Conference on Probabilistic Methods Applied to Power Systems . Iowa , US : Iowa State University , 2004: 451-456.[16] Masters G M . Renewable and efficient electric power systems [M] . New Jersey: John Wiley & Sons Inc. , 2004: 473-477.[17] 潘迪特 S M,吴宪明.时间序列及系统分析与应用 [M] .北京:机械工业出版社, 1988: 28-31.[18] Karki R , Hu P, Billinton R . Reliability evaluation considering wind and hydro power coordination[J] . IEEE Trans on Power Systems ,2010, 25(2): 685-693.[19] 姜会飞, 温德永, 李楠, 等. 利用正弦分段法模拟气温日变化 [J]. 气象与减灾研究, 2010, 33(3): 61-65.Jiang Huifei , Wen Deyong, Li Nan , et al. A new simulation method for the diurnal variation of temperature sub-sine simulation [J]. Meteorology and Disaster Reduction Research, 2010, 33(3):61-65(in Chinese).[20] Billinton R , Kumar S, Chowdhury N , et al. A reliability test system for educational purposes-basic data[J] . IEEE Trans on Power Systems, 1989, 4(3): 1238-1244.[21] A report prepared by the Reliability Test System Task Force of the application of probability methods subcommittee . IEEE reliability test system[J]. IEEE Trans on Power Apparatus and Systems , 1979,98(6): 2047-2054.收稿日期: 2012-02-25。作者简介:汪海瑛 (1980),女,博士研究生,研究方向为可 再 生 能 源 发 电 技 术 , E-mail : wanghaiying@epri.sgcc.com.cn;白晓民 (1951),男,教授级高级工程师,研究方向为智能电网、电力系统分析与监控、电力市场等。(责任编辑 杜宁)汪海瑛