一种海上风电场及VSC-HVDC并网系统可靠性评估方法与流程

一种海上风电场及vsc
‑
hvdc并网系统可靠性评估方法
技术领域
1.本发明涉及电力系统可靠性评估技术领域，具体涉及一种计及海上风电场风速和浪高相关性的海上风电场及vsc
‑
hvdc并网系统可靠性评估方法。


背景技术：

2.随着人们对环境、资源问题的重视程度不断加深，可再生能源被世界各国重视。风能作为优质的可再生能源，得到了极大的发展，特别是海上的风能资源十分丰富，年利用小时数高且噪声影响小，已逐渐成为全球可再生能源发展的主要方向。相比于传统高压直流输电系统(high voltage direct current transmission，缩写为hvdc)而言，基于电压源换流器的高压直流输电(voltage source converter based high voltage direct current transmission，缩写为vsc
‑
hvdc)允许独立控制有功功率和连续交流电压调节，谐波水平低，不存在换向失败的问题，优点突出。同时多端vsc
‑
hvdc相比于双端形式运行方式更加灵活，可靠性更高，目前世界上采用直流输电的海上风电场多采用vsc
‑
hvdc技术。
3.但是已有研究建立的海上风电场模型都未考虑风速与浪高的相关性、恶劣天气等影响海上风场可靠性的重要因素，未建立完善风电场与vsc
‑
hvdc并网系统的可靠性评估模型，使得可靠性评估结果过于乐观，不能正确指导海上风电场的运行维护。实际上，海上风场及其并网系统地处海上，其可靠性直接受海上恶劣天气的影响，且维护费用高，维修时间较长，传统可靠性评估模型和方法难以准确评估其可靠性，会造成高昂的经济和时间成本，所以亟需考虑恶劣天气影响的海上风电场及vsc
‑
hvdc并网系统可靠性评估模型和方法。
4.因此，综合考虑恶劣天气、风速与浪高相关性等影响因素对海上风电场及vsc
‑
hvdc并网系统进行可靠性评估，是一项十分重要的工作。


技术实现要素：

5.针对现有技术存在的上述不足，本发明需要解决的问题是：如何对海上风电场及vsc
‑
hvdc并网系统的进行可靠性评估。
6.为解决上述技术问题，本发明采用了如下的技术方案：
7.一种海上风电场及vsc
‑
hvdc并网系统可靠性评估方法，包括如下步骤：
8.s1、将海上风电场及vsc
‑
hvdc并网系统划分为海上风电场系统部分和vsc
‑
hvdc输电系统部分，且分别对海上风电场系统部分和vsc
‑
hvdc输电系统部分再进行子系统划分；
9.s2、获取海上风电场及vsc
‑
hvdc并网系统中各元件的可靠性参数，进而根据各个子系统内部的元件可靠性连接关系，分别建立各个子系统对应的可靠性评估模型；
10.s3、计及风速和浪高相关性，建立海上风电场及vsc
‑
hvdc并网系统中各元件的时变故障率模型和时变修复时间模型；
11.s4、建立海上风电场及vsc
‑
hvdc并网系统中各元件的状态统一模拟模型，结合各元件的时变故障率模型和时变修复时间模型推演确定各元件在不同时刻的状态，进而采用时序蒙特卡罗法计算风电场及vsc
‑
hvdc并网系统的可靠性指标。
12.上述的海上风电场及vsc
‑
hvdc并网系统可靠性评估方法中，作为优选方案，s1包括如下步骤：
13.s101、对海上风电场系统部分进行子系统划分，分解为风机模块子系统和电缆模块子系统；
14.s102、对vsc
‑
hvdc输电系统部分进行子系统划分，分解包括直流输电系统子系统和若干个vsc换流站子系统。
15.上述的海上风电场及vsc
‑
hvdc并网系统可靠性评估方法中，作为优选方案，s2包括如下步骤：
16.s201、获取海上风电场及vsc
‑
hvdc并网系统中各元件的可靠性参数；
17.s202、根据各元件的可靠性参数以及各个子系统内部的元件可靠性连接关系，分别求出海上风电场系统部分和vsc
‑
hvdc输电系统部分中各个子系统的等效可靠性参数；
18.s203、基于海上风电场系统部分中各个子系统的等效可靠性参数、以及海上风电场系统部分中各个子系统的可靠性连接关系，求出海上风电场系统部分的等效可靠性参数；基于vsc
‑
hvdc输电系统部分中各个子系统的等效可靠性参数、以及vsc
‑
hvdc输电系统部分中各个子系统的可靠性连接关系，求出vsc
‑
hvdc输电系统部分的等效可靠性参数；
19.s204、根据各个子系统中所包含元件的可靠性连接关系进行合并，分别得到各个子系统的等效模型，从而基于各个子系统的等效可靠性参数以及各子系统的等效模型，分别建立各个子系统的两状态马尔科夫模型，作为各子系统的可靠性评估模型。
20.上述的海上风电场及vsc
‑
hvdc并网系统可靠性评估方法中，作为优选方案，所述各个子系统为串联结构时，所述各个子系统的等效可靠性参数的计算公式包括：
[0021][0022][0023]
式中，λ
s
、r
s
分别为串联系统等效故障率、等效修复时间；λ
i
、r
i
分别为串联系统中第i个元件的故障率、修复时间。
[0024]
上述的海上风电场及vsc
‑
hvdc并网系统可靠性评估方法中，作为优选方案，s3包括如下步骤：
[0025]
s301、建立海上风电场风机的时变故障率模型：
[0026]
λ(t)＝λ1 λ2(w(t)) λ3(n(t))；
[0027]
式中，λ(t)为风机的时变故障率；λ1为正常天气下风机的故障率；λ2(w(t))为风速w(t)对风机故障率的影响；λ3(n(t))为地面闪光密度n(t)对风机故障率的影响；λ2(w(t))和λ3(n(t))的求解方法如下：
[0028][0029]
式中，a为正比例常数；w
c
为风速的临界阈值；
[0030]
λ3(n(t))＝bn(t)λ1[0031]
式中，b为正比例参数；n(t)为地面闪光密度；
[0032]
s302、分别建立海上风电场及vsc
‑
hvdc并网系统中各元件的时变修复时间模型；任意元件的时变修复时间模型如下：
[0033][0034]
式中，t3(t)表示元件的时变修复时间；r1为正常条件下元件故障的修复时间；c为风速对元件维修时间的影响系数。
[0035]
上述的海上风电场及vsc
‑
hvdc并网系统可靠性评估方法中，作为优选方案，s4中，假设s
(k)
＝(s
k1
,s
k2
,...,s
kt
)是二进制系统状态集的第k个时刻的状态采样样本，其中t表示海上风电场及vsc
‑
hvdc并网系统中的元件数量，其中的第i个元件在第k个时刻的状态采样样本s
ki
是二进制变量，正常状态取为1，故障状态取为0；推演确定各元件在不同时刻的状态的方法包络如下步骤：
[0036]
步骤1：设置初始值s
(0)
＝{1,1,
…
,1}，即系统中的所有元件最初都假设处于正常状态。将s
(0)
的系统状态概率设置为初始状态保持概率；
[0037]
步骤2：由条件概率分布p{s
k 1
,i|s
k\i
}计算状态变化概率ρ：
[0038]
s
k\i
＝{s
k 1,1
,...,s
k 1,i
‑1,s
k,i 1
,...,s
k,t
}
[0039]
其中条件s
k\i
的前(i
‑
1)个元素是从(k 1)次采样中得到的，s
k\i
的最后(t
‑
1)个元素是从k次采样中得到的；
[0040][0041]
其中p
j
(j＝1，...，i
‑
1)和p
l
(l＝i 1，...，t)分别是除设备i之外的电源设备的故障概率；
[0042]
步骤3：计算第(k 1)个样本中基于gibb采样器的器件i的失效概率η，这是整个过程的关键步骤；
[0043]
η＝p
i
×
exp(p
on
‑
p
down
)
[0044]
如果设备i在第k个样本中正常，p
down
是状态改变概率ρ，p
on
是状态保持概率；相反，如果器件i在第k个样本中故障，p
on
定义为状态变化概率ρ，p
down
是状态保持概率；
[0045]
步骤4：根据均匀分布u[0，1]生成随机数u，并将其与概率η进行比较，以确定(k 1)个样本中设备i的状态：
[0046][0047]
步骤5：如果设备i改变状态，步骤2中获得的ρ用作下一个设备的状态保持概率；
[0048]
步骤6：重复上述步骤，当时间t大于给定的时间尺度t时停止迭代。
[0049]
上述的海上风电场及vsc
‑
hvdc并网系统可靠性评估方法中，作为优选方案，所述目标考虑恶劣天气影响的海上风电场及vsc
‑
hvdc并网系统的可靠性指标包括：风电场的容量因子s
factor
；发电比可用率gra指标；海上风电场及柔性直流并网系统每小时缺电量ens及一年内平均电量削减量eens；hvdc给定模拟区间总等值停运时间teot、系统能量不可用率eu以及系统能量可用率ea。
[0050]
上述的海上风电场及vsc
‑
hvdc并网系统可靠性评估方法中，作为优选方案，所述可靠性指标的计算公式如下：
[0051]
n＝sqrt(var(1
‑
s
state
)/t)
÷
mean(1
‑
s
state
)
[0052][0053]
ens(h)＝p
install
‑
w
n
×
p
output
(w(h))
[0054][0055][0056]
eot(h)＝1
‑
(停运期间可用容量)
÷
p
install
[0057]
eu＝teot
÷
t
[0058]
ea＝1
‑
eu
[0059]
式中，n为方差系数；s
state
为系统状态；s
factor
为功率因子；eens为期望失电电量；p
install
为海上风电场风机装机容量；h表示第h个时段，本发明中单个时段取1小时；ens(h)为第h小时的缺电量；p
output
(w(h))为风机第h小时的输出功率；w
n
为风机个数；eot(h)为第h小时的等值停运时间；t为时间尺度，即小时h的上限取值；teot为总等值停运时间；eu为系统能量不可用率；ea为系统能量可用功率。
[0060]
上述的海上风电场及vsc
‑
hvdc并网系统可靠性评估方法中，作为优选方案，进行所述可靠性指标分析的计算公式包括：
[0061][0062][0063][0064]
c
h
＝find(p
i
＞rand(1))
[0065]
r＝(a i)
k 1
[0066]
式中：t
k
为状态持续时间；m为当前状态向外转移情况总数，u为[0,1]间的随机数，λ
i
为元件状态转移率；r为可达矩阵；a为邻接矩阵；p
j
为状态转移概率；i为(m
a
*m
a
)单位矩阵；其中，m
a
为风机、内部电缆和连接电缆的数量和。
[0067]
上述的海上风电场及vsc
‑
hvdc并网系统可靠性评估方法中，作为优选方案，还包括：
[0068]
s5、根据海上风电场及vsc
‑
hvdc并网系统的可靠性指标对海上风电场及vsc
‑
hvdc并网系统进行可靠性评估。
[0069]
相比于现有技术，本发明的有益效果在于：
[0070]
本发明公开了一种计及风速和浪高相关性的海上风电场及vsc
‑
hvdc并网系统可靠性评估方法，通过将整个并网系统分解为各个子系统、各个元件，进行可靠性评估时结合考虑了计及风速和浪高相关引起的故障率的时变性和维修时间的时变性，结合各元件的时变故障率模型和时变修复时间模型推演确定各元件在不同时刻的状态，可以提高可靠性评
估精度；在进行蒙特卡洛模拟分析可靠性指标的过程中，抽取相应的风速等参数时，借助各元件的时变故障率模型和时变修复时间模型的计算，就能够将相应时刻具体元件的故障率和修复时间进行修正，再结合根据各子系统的可靠性评估模型以及每个系统部分的等效可靠性模型，就能够计算整体海上风电场及vsc
‑
hvdc并网系统的可靠性指标。本发明的海上风电场及vsc
‑
hvdc并网系统可靠性评估方法考虑了恶劣天气下风速与浪高间的相关性对组合系统的可靠性产生负面影响，可以提高评估结果对组合系统运行和规划的参考价值，有利于正确指导海上风电场的运行维护。
附图说明
[0071]
图1是本发明公开的海上风电场及vsc
‑
hvdc并网系统可靠性可靠性评估方法的流程图。
[0072]
图2是一种海上风电场及vsc
‑
hvdc并网系统示例的单线结构示意图。
[0073]
图3是风机模块构成结构示意图。
[0074]
图4是电缆模块构成结构示意图。
[0075]
图5是图2所示海上风电场及vsc
‑
hvdc并网系统示例的可靠性模型结构。
[0076]
图6是海上风电场风速和浪高历史统计示例数据曲线图。
具体实施方式
[0077]
下面结合附图对本发明进一步的详细说明。
[0078]
参见图2，即海上风电场及vsc
‑
hvdc并网系统的单线结构示意图，图2中，wf为并网系统中的海上风电场，mmc的组件部分为并网系统中的vsc
‑
hvdc输电系统部分，图2示出的并网系统包含两个海上风电场和一个典型的三端vsc
‑
hvdc系统。其中每个风电场配备一个vsc，两个风电场共享一个共同的网格侧vsc，本发明以该接线图为例进行建模分析和说明。同时，本发明计及了恶劣天气和风电场风速相关性，建立一种海上风电场和vsc
‑
hvdc耦合的可靠性评估模型来实施对并网系统的可靠性评估。具体而言，如图1所示，本发明海上风电场及vsc
‑
hvdc并网系统可靠性评估方法包括步骤如下：
[0079]
s1、本发明采用“分而治之”的思想，首先将该海上风电场及vsc
‑
hvdc并网系统分成两个部分，即海上风电场系统部分和vsc
‑
hvdc输电系统部分，并且分别对海上风电场系统部分和vsc
‑
hvdc输电系统部分再进行子系统划分。
[0080]
该部分具体包括：
[0081]
s101、对海上风电场系统部分进行子系统划分，分解为风机模块子系统和电缆模块子系统。
[0082]
参见图3，给出了集电系统中风机模块的组成元件，包含风力发电机、隔离开关、内部电缆等元件；参见图4，给出了电缆模块的组成元件，包括连接电缆和隔离开关。由图3和图4可知，海上风电场系统部分的各个组成元件均为串联关系，此时，根据串联结构的可靠性分析原理，可得到风机模块等值可靠性参数，其修复率和修复时间分别如下面公式所示。
[0083]
[0084][0085]
式中，λ
i
和r
i
分别表示风机系统中第i个元件对应的故障率、修复时间。λ
s
和r
s
分别表示风机系统等效故障率、等效修复时间。
[0086]
特别地，风机模块和电缆模块串联组成了集电系统，同理集电系统的等值可靠性参数可通过下式计算得到。
[0087][0088][0089]
s102、针对vsc
‑
hvdc输电系统部分，本发明将其分解为两类子系统，分别为直流输电系统子系统和vsc换流站子系统；其中vsc换流站子系统有可能有若干个。
[0090]
根据对图2、图3、图4的介绍可建立整个系统的组合可靠性模型，如图5所示，整个并网系统可以分为9个子系统：子系统1主要由风电场构成，可视为海上风电场系统部分；子系统2～9可视为vsc
‑
hvdc输电系统部分，其中，子系统2和9由交流开关、变压器和站控组成，子系统3和4(子系统7和8)为极控、相电控器和换流阀等元件组成，子系统5和6由dc输电线路构成，因此，子系统2～4、7～9可视为vsc
‑
hvdc输电系统部分中的两个vsc换流站子系统，子系统5和6可视为vsc
‑
hvdc输电系统部分中的直流输电系统子系统。
[0091]
分析图5可知，在vsc换流站子系统中，各个单极元件均为串联关系，根据组合系统中vsc站的结构，可得到中三个换流站的单级等值故障率和修复时间如下公式所示。
[0092][0093][0094]
式中，λ
i
和r
i
分别表示组合系统中第i个元件的故障率、修复时间。λ
s
和r
s
分别表示组合系统等效故障率、等效修复时间。
[0095]
显而易见，根据dc输电线路子系统的结构，vsc
‑
hvdc有如下特性，总结如下表：
[0096][0097]
s2、获取海上风电场及vsc
‑
hvdc并网系统中各元件的可靠性参数，进而根据各个
子系统内部的元件可靠性连接关系，分别建立各个子系统对应的可靠性评估模型。
[0098]
该部分具体包括：
[0099]
s201、根据各个模块的历史统计数据，分别获取其可靠性参数。由划分的各个子系统将得到海上风电场系统部分，以及柔性直流输电系统vsc换流站子系统、直流输电子系统中各元件的可靠性参数。
[0100]
每个元件对应一个故障率曲线，在一般情况下故障率取值为“正常使用”时的故障率；每个元件的可靠性参数包括元件的故障率、修复时间等参数。
[0101]
s202、根据各元件的可靠性参数以及各个子系统内部的元件可靠性连接关系，分别求出海上风电场系统部分和vsc
‑
hvdc输电系统部分中各个子系统的等效可靠性参数；即，分别求出海上风电场系统部分中风机模块、电缆模块的等效可靠性参数，以及vsc
‑
hvdc系统vsc换流站2、3和4子系统以及dc输电线路子系统的等效可靠性参数。
[0102]
根据每个元件的故障率、修复时间等可靠性参数，可以计算出相应元件的不可用率和频率；获知各个元件的不可用率和频率后，根据各个子系统中所包含元件的可靠性连接关系(并联关系或者串联关系)进行合并，就可以分别得到各个子系统的等效模型，从而基于子系统中所包含元件的可靠性参数分别计算出各个子系统的等效可靠性参数。
[0103]
s203、根据串联系统的可靠性连接结构可以确定系统中海上风电场系统部分、vsc
‑
hvdc输电系统部分中各个子系统的可靠性连接关系；进而，基于海上风电场系统部分中各个子系统的等效可靠性参数、以及海上风电场系统部分中各个子系统的可靠性连接关系，求出海上风电场系统部分的等效可靠性参数；同理，也可以基于vsc
‑
hvdc输电系统部分中各个子系统的等效可靠性参数、以及vsc
‑
hvdc输电系统部分中各个子系统的可靠性连接关系，求出vsc
‑
hvdc输电系统部分的等效可靠性参数。
[0104]
同样的，根据每个子系统的等效可靠性参数获知其不可用率和频率后，根据每个系统部分中包含的各个子系统的可靠性连接关系(并联关系或者串联关系)进行合并，就可以分别得到每个系统部分的等效模型，从而基于每个系统部分各自所包含的子系统的等效可靠性参数，就能够分别计算出每个系统部分的等效可靠性参数。
[0105]
s204、根据各个子系统中所包含元件的可靠性连接关系进行合并，分别得到各个子系统的等效模型，从而基于各个子系统的等效可靠性参数以及各子系统的等效模型，分别建立各个子系统的两状态马尔科夫模型，作为各子系统的可靠性评估模型。
[0106]
s3、计及风速和浪高相关性，建立海上风电场及vsc
‑
hvdc并网系统中各元件的时变故障率模型和时变修复时间模型。
[0107]
该部分具体包括：
[0108]
s301、分析风速与浪高的相关性。
[0109]
从图6可以看出，浪高与风速高度相关。三个常见的相关系数，即pearson,spearman rank和kendall rank相关系数，通常用于关系分析。利用浪高与风速的相关性，建立浪高、风速耦合模型。
[0110]
copula函数是一种耦合函数，可以通过组合多个变量的边际分布函数来形成多个变量之间的联合分布。
[0111]
多变量联合分布可以写成
[0112]
f(x1,x2,
…
,x
n
)＝c[f1(x1),f2(x2),
…
,f
n
(x
n
)]
[0113]
式中，f(x1,x2,
…
,x
n
)为变量之间的联合累计概率分布函数，f
i
(x
i
)为各变量的边缘累计概率分布函数，c为copula函数，由sklar定理提出。
[0114]
利用copula函数建立了风速与浪高之间的耦合模型。
[0115]
copula函数涉及的类型不同，主要有椭圆copula和阿基米德copula。有一些常见的copula函数，即normal
‑
copula，t
‑
copula，gumbel
‑
copula，clayton
‑
copula，frank
‑
copula。最大似然估计方法被用来估计这些copula函数的参数。为了建立风速和浪高耦合模型，找到最合适的拟合函数是很重要的。经验copula函数和平方欧氏距离用于决定哪个copula函数最适合建立耦合模型。较低的评价指标d2意味着copula函数的更好的适应性。利用风速w和平均波高h，评估指数d2是所选和经验copula函数之间的平方欧氏距离，其被写成
[0116][0117]
这里u
i
是风速的边际函数，u
i
＝f(x
i
)；v
i
是浪高的边际函数，v
i
＝g(y
i
)；c
n
(u
i
，v
i
)为经验函数；c
copula
(u
i
，v
i
)是选择的copula函数。
[0118]
s302、建立海上风电场风机时变故障率模型。
[0119]
优选地，对海上风机故障率影响较大的因素主要为风速以及雷击，在此背景下，本发明主要考虑了这两个因素，建立风机的时变故障率模型。同时假设各个影响因素之间是相互独立的，因此，在恶劣天气下，风机的时变故障率模型可以表示为：
[0120]
λ(t)＝λ1 λ2(w(t)) λ3(n(t))；
[0121]
式中，λ(t)为风机的时变故障率；λ1为正常天气下风机的故障率；λ2(w(t))为风速w(t)对风机故障率的影响；λ3(n(t))为地面闪光密度(即雷击密度)n(t)对风机故障率的影响；λ2(w(t))和λ3(n(t))的求解方法如下：
[0122][0123]
式中，a为正比例常数；w
c
为风速的临界阈值，本发明取值为8m/s。
[0124]
λ3(n(t))＝bn(t)λ1[0125]
式中，b为正比例参数；n(t)为地面闪光密度。
[0126]
由于风速主要对海上风电场中风机造成很大影响，而对海上风电场系统部分中的其它子系统影响不大，所以本发明仅考虑了风速对风机故障率的影响。
[0127]
s302、分别建立海上风电场及vsc
‑
hvdc并网系统中各元件的时变修复时间模型。
[0128]
根据经验，等待时间和维修时间是影响vsc
‑
hvdc系统的元件修复的最主要因素。要使系统维修人员和资源能够按时到达维修地点的环境条件为，海上风速要小于15m/s，并且海浪高度要小于2m否则将不能运输到故障地点。当海上风电场及vsc
‑
hvdc并网系统发生故障时，元件修复时间的关键因素是资源的等待时间t1和等待工具可正常使用的天气时间t2。
[0129]
t1＝max(t
a1
，t
a2
)，t
a1
和t
a2
分别为元件、运输工具和人员的准备时间。如果维修人员和运输工具均在仓库时，t
a2
和t
a21
相等，否则t
a2
等于t
a21
与t
a22
之和，其中，t
a21
为它们的实际准备时间，t
a22
为等待人员维修工作结束回到仓库的时间。综合考虑以上两个因素，可以得到元件修复时间为t1和t2之和。各个时间的具体取值如下表所示：
[0130][0131]
此外，在不同的条件下，假定维修人员的效率不变。因此，维修时间t3(t)取决于风速对维修人员维修效率的影响。综上，本发明得到的任意元件的时变修复时间模型如下：
[0132][0133]
式中，t3(t)表示元件的时变修复时间；r1为正常条件下元件故障的修复时间；c为风速对元件维修时间的影响系数，实际应用中可取风速对元件维修时间的影响系数c＝0.4。
[0134]
s4、建立海上风电场及vsc
‑
hvdc并网系统中各元件的状态统一模拟模型，结合各元件的时变故障率模型和时变修复时间模型推演确定各元件在不同时刻的状态，进而采用时序蒙特卡罗法计算风电场及vsc
‑
hvdc并网系统的可靠性指标。
[0135]
本发明将整个并网系统分解为各个子系统、各个元件，是为了简化计算，因为并网系统中可能有成千上万个元件，必须分解到每个元件的状态统一模拟模型分别进行分析；由于系统中某些元件会受恶劣天气的影响，所以本发明进行可靠性评估时结合考虑了计及风速和浪高相关引起的故障率的时变性和维修时间的时变性，结合各元件的时变故障率模型和时变修复时间模型推演确定各元件在不同时刻的状态，可以提高可靠性评估精度；在进行蒙特卡洛模拟分析可靠性指标的过程中，抽取相应的风速等参数时，借助各元件的时变故障率模型和时变修复时间模型的计算，就能够将相应时刻具体元件的故障率和修复时间进行修正，再结合根据各子系统的可靠性评估模型以及每个系统部分(海上风电场系统部分和vsc
‑
hvdc输电系统部分)的等效可靠性模型，就能够计算整体海上风电场及vsc
‑
hvdc并网系统的可靠性指标。
[0136]
该部分具体包括：
[0137]
s401、建立基于海上天气和风电场元件状态统一模拟模型，假设t时刻元件故障率和修复时间不变，基于gibb抽样其生成mcmc转移概率矩阵，得到t 1时刻系统中元件状态；
[0138]
优选地，gibb抽样方法具体如下：
[0139]
马尔可夫链蒙特卡罗(mcmc)是为两种状态(失败和成功)生成随机样本的有力措施。gibb抽样的关键在于给定多元分布，它从条件分布中抽样，而不是通过联合分布上的积分边缘化。本发明提出了一种改进的基于gibb抽样器的mcmc可靠性评估方法。
[0140]
假设s
(k)
＝(s
k1
,s
k2
,...,s
kt
)是二进制系统状态集的第k个时刻的状态采样样本，其中t表示海上风电场及vsc
‑
hvdc并网系统中的元件数量，其中的第i个元件在第k个时刻的状态采样样本s
ki
是二进制变量，正常状态取为1，故障状态取为0。具体步骤如下：
[0141]
步骤1：设置初始值s
(0)
＝{1,1,
…
,1}，即系统中的所有元件最初都假设处于正常
状态。将s
(0)
的系统状态概率设置为初始状态保持概率。
[0142]
步骤2：由条件概率分布p{s
k 1
,i|s
k\i
}计算状态变化概率ρ：
[0143]
s
k\i
＝{s
k 1,1
,...,s
k 1,i
‑1,s
k,i 1
,...,s
k,t
}
[0144]
其中条件s
k\i
的前(i
‑
1)个元素是从(k 1)次采样中得到的，s
k\i
的最后(t
‑
1)个元素是从k次采样中得到的。
[0145][0146]
其中p
j
(j＝1，...，i
‑
1)和p
l
(l＝i 1，...，t)分别是除设备i之外的电源设备的故障概率。
[0147]
步骤3：计算第(k 1)个样本中基于gibb采样器的器件i的失效概率η，这是整个过程的关键步骤。
[0148]
η＝p
i
×
exp(p
on
‑
p
down
)
[0149]
如果设备i在第k个样本中正常，p
down
是状态改变概率ρ，p
on
是状态保持概率；相反，如果器件i在第k个样本中故障，p
on
定义为状态变化概率ρ，p
down
是状态保持概率。
[0150]
步骤4：根据均匀分布u[0，1]生成随机数u，并将其与概率η进行比较，以确定(k 1)个样本中设备i的状态：
[0151][0152]
步骤5：如果设备i改变状态，步骤2中获得的ρ用作下一个设备的状态保持概率。
[0153]
步骤6：重复上述步骤，当时间t大于给定的时间尺度t时停止迭代。
[0154]
s402、通过s401抽样得到的t时间长度的元件状态序列，根据可达矩阵进行元件故障后果分析，分析风机出力到达集电点以及陆上的功率。可达矩阵g可以根据邻接矩阵a
g
求得，如下式。
[0155]
g＝(a
g
e)
k 1
[0156]
式中，e为(a
w
*a
w
)单位矩阵。其中，a
w
为风机、内部电缆和连接电缆的数量和。
[0157]
计算方差系数n，若n小于0.001，则停止迭代计算，输出相应的可靠性指标。
[0158]
在蒙特卡罗模拟中进行可靠性指标分析需要抽取系统状态以计算系统的可靠性指标，其中可靠性指标分析需要使用的计算公式包括：
[0159][0160][0161][0162]
c
h
＝find(p
i
＞rand(1))
[0163]
r＝(a i)
k 1
[0164]
式中：t
k
为状态持续时间；m为当前状态向外转移情况总数，u为[0,1]间的随机数，λ
i
为元件状态转移率；r为可达矩阵；a为邻接矩阵；p
j
为状态转移概率；i为(m
a
*m
a
)单位矩
阵；其中，m
a
为风机、内部电缆和连接电缆的数量和。
[0165]
计算的可靠性指标可以包括：发电比可用率gra指标，风电场的容量因子s
factor
、海上风电场及柔性直流并网系统每小时缺电量ens、一年内平均电量削减量eens、hvdc给定模拟区间总等值停运时间teot、系统能量不可用率eu、以及系统能量可用率ea，等等；分别定义为下式：
[0166]
n＝sqrt(var(1
‑
s
state
)/t)
÷
mean(1
‑
s
state
)
[0167][0168]
ens(h)＝p
install
‑
w
n
×
p
output
(w(h))
[0169][0170][0171]
eot(h)＝1
‑
(停运期间可用容量)
÷
p
install
[0172]
eu＝teot
÷
t
[0173]
ea＝1
‑
eu
[0174]
式中，n为方差系数；s
state
为系统状态；s
factor
为功率因子；eens为期望失电电量；p
install
为海上风电场风机装机容量；h表示第h个时段，本发明中单个时段取1小时；ens(h)为第h小时的缺电量；p
output
(w(h))为风机第h小时的输出功率；w
n
为风机个数；eot(h)为第h小时的等值停运时间；t为时间尺度，即小时h的上限取值；eu为系统能量不可用率；ea为系统能量可用功率。
[0175]
在得到这些可靠性指标后，就可以采用现有可用的一些评估方法，对并网系统进行不同方面的可靠性评估。因此，本发明的海上风电场及vsc
‑
hvdc并网系统可靠性评估方法，还可以包括步骤s5：
[0176]
s5、根据海上风电场及vsc
‑
hvdc并网系统的可靠性指标对海上风电场及vsc
‑
hvdc并网系统进行可靠性评估。
[0177]
下面对本发明方案加以举例说明：
[0178]
本发明采用图2所示例的并网系统单线图行可靠性评估，图5为图2所示并网系统的可靠性等值模型，由两个海上风电场、一个双极三端vsc
‑
hvdc构成。海上风电场各由12台相同的风机组成，风机切入风速、额定风速以及切出风速分别为3m/s、13.5m/s和25m/s，额定功率为2mw。换流站1和2的额定容量均为30mw，并且单极功率为15mw；换流站3额定容量为50mw，并且单极功率为25mw。换流站1和换流站2中的直流输电线路分别为12.5km和28.2km；t取131400小时。
[0179]
下表为本发明所用示例中常规直流工程可靠性评估采用的元件可靠性参数：
[0180]
表1 海上风电场组成成分及可靠性参数
[0181][0182]
表2 vsc
‑
hvdc主要元件及可靠性参数
[0183][0184]
优选地，风速与浪高的相关性证明如下：
[0185]
计算综合风速和浪高之间的pearson,spearman rank和kendall rank相关系数，列于表3。从表3可以看出，风浪波高与风速的相关性非常强。
[0186]
表3 风速与海浪的不同类型的相关系数
[0187][0188]
根据表3可得，风速和浪高的相关性很强，在进行可靠性评估时必须考虑风速和浪高的相关性。
[0189]
优选地，用最大似然估计方法选择copula函数的过程如下：
[0190]
评估指数d2是所选copula函数和经验copula函数之间的平方欧氏距离计算如表4所示。较低的评价指标d2意味着copula函数的更好的适应性。因此三个最合适的copula函数是normal
‑
copula、t
‑
copula函数和gumbel
‑
copula函数。由表4可知，正态copula是最优的选择，因此，本发明下面选择正态copula来建立风速和浪高耦合模型。
[0191]
表4 同copula函数的参数估计和评价指数值
[0192][0193]
在恶劣天气下，分析考虑海上风电场间风速与浪高相关性对可靠性评估的影响，结果如下表所示。
[0194]
表5 系统可靠性指标对比
[0195][0196]
由表5可得，考虑海上风电场风速与浪高间相关性后，s
factor
指标下降2.26％；eens增加2546mwh；gra指标下降0.1068；teot减小236.19h；ea下降0.0018；相应地，eu增加0.0018。这表明考虑海上风电场风速与浪高的相关性会延长海上风电场及vsc
‑
hvdc并网系统修复时间，可靠性指标明显下降，对系统可靠性造成负面影响。而在考虑风速与浪高相关性后，vsc
‑
hvdc的可用率有所提高。这是因为考虑风速与浪高相关性后，风速相对平稳，使得vsc
‑
hvdc的修复时间变短。
[0197]
上述示例以一个两海上风电场、双极三端vsc
‑
hvdc组合系统为例进行算例分析，建立完善风电场与vsc
‑
hvdc并网系统的可靠性评估模型。分析表明，恶劣天气下风速与浪高间的相关性对组合系统的可靠性产生负面影响，本发明中考虑以上因素可以提高评估结果对组合系统运行和规划的参考价值，有利于正确指导海上风电场的运行维护。
[0198]
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管通过参照本发明的优选实施例已经对本发明进行了描述，但本领域的普通技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离所附权利要求书所限定的本发明的精神和范围。