含风电场的电力系统随机生产模拟.pdf

第４１卷第１４期２０１３年７月１６日电力系统保护与控制ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌＶ０１．４ｌＮＯ．１４Ｊｕｌｙ１６，２０１３含风电场的电力系统随机生产模拟聂永辉，李天云，关晓辉，初壮。（１．东北电力大学教务处，吉林吉林１３２０１２；２．西安交通大学电气工程学院，陕西西安７１００４９；３．东北电力大学电气工程学院，吉林吉林１３２０１２）摘要：针对风电机组出力的间歇性和波动性，提出了用于电力系统随机模拟的时序多状态风电场模型。该模型把研究周期分成不同的阶段，在每个阶段内，风电场的输出功率状态以及各状态的概率都与时间间隔有关系，时间间隔越小，记录的风速数据越多，这样更详细地反映风电场输出功率的波动性；而且在不同的阶段，风速的情况有所差异，因此各阶段风电场输出功率的状态数、各状态值及各状态值对应的概率郝可能不相同。该模型反映了风电场输出功率的时序性。基于等效电量函数法的含风电场的电力系统随机模拟计算表明，该模型比较客观地反映风电场输出功率的实际情况。关键词：风电场；随机生产模拟；时序多状态风电场模型；多状态机组模型ＰｏｗｅｒｓｙｓｔｅｍｐｒｏｂａｂｉｌｉｓｔｉｃｐｒｏｄｕｃｔｉｏｎｓｉｍｕｌａｔｉｏｎｉｎｃｌｕｄｉｎｇｗｉｎｄｆａｒｍｓＮＩＥＹｏｎｇ．ｈｕｉ一，ＬＩＴｉａｎ．ｙｕｎ，ＧＵＡＮＸｉａｏ．ｈｕｉ，ＣＨＵＺｈｕａｎｇ’（１．ＡｃａｄｅｍｉｃＡｄｍｉｎｉｓｔｒａｔｉｏｎＯｆｆｉｃｅ，ＮｏｒｔｈｅａｓｔＤｉａｎｌｉＵｎｉｖｅｒｓｉｔｙ，Ｊｉｌｉｎ１３２０１２，Ｃｈｉｎａ；２．ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，Ｘｉａｎ’ＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｘｉａｎ７１００４９，Ｃｈｉｎａ；３．ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＮｏｒｔｈｅａｓｔＤｉａｎｌｉＵｎｉｖｅｒｓｉｔｙ，Ｊｉｌｉｎ１３２０１２，Ｃｈｉｎａ）—Ａｂｓｔｒａｃｔ：Ａｃｃｏｒｄｉｎｇｔｏｔｈｅｓｔｏｃｈａｓｔｉｃａｎｄｉｎｔｅｒｍｉｔｔｅｎｔｎａｔｕｒｅｓｏｆｗｉｎｄｔｕｒｂｉｎｅｓ，ａｔｉｍｅｓｅｑｕｅｎｔｉａｌｍｕｌｔｉｓｔａｔｅｇｅｎｅｒａｔｏｒｍｏｄｅｌｃｏｒｒｅｓｐｏｎｄｉｎｇｔｏｗｉｎｄｆａｒｍｉｓｐｒｅｓｅｍｅｄｉｎｐｏｗｅｒｓｙｓｔｅｍｐｒｏｂａｂｉｌｉｓｔｉｃｐｒｏｄｕｃｔｉｏｎｓｉｍｕｌａｔｉｏｎ．Ｉｎｔｈｅｍｏｄｅｌ，ｔｈｅｒｅｓｅａｒｃｈｐｅｒｉｏｄｉｓｄｉｖｉｄｅｄｉｎｔｏｄｉｆｆｅｒｅｎｔｓｔａｇｅｓ，ａｎｄｉｎｅａｃｈｓｔａｇｅｔｈｅｗｉｎｄｏｕｔｐｕｔｐｏｗｅｒｓｔａｔｅａｎｄｉｔｓｐｒｏｂａｂｉｌｉｔｙａｒｅｒｅｌａｔｅｄｔｏｔｉｍｅｉｎｔｅｒｖａ１．Ｔｈｅｓｍａｌｌｅｒｔｈｅｔｉｍｅｉｎｔｅｒｖａｌｉｓ，ｔｈｅｍｏｒｅｗｉｎｄｄａｔａａｒｅｒｅｃｏｒｄｅｄ，ＳＯｔｈａｔｔｈｅｍｏｄｅｌｒｅｆｌｅｃｔｓｔｈｅｆｌｕｃｔｕａｔｉｏｎｏｆｔｈｅｗｉｎｄｐｏｗｅｒｅｆｆｅｃｔｉｖｅｌｙ．Ｉｎｄｉｆｆｅｒｅｎｔｓｔａｇｅｓ，ｄｕｅｔｏｔｈｅｄｉｆｆｅｒｅｎｃｅｏｆｗｉｎｄｓｐｅｅｄ，ｔｈｅｗｉｎｄｏｕｔｐｕｔｐｏｗｅｒｓｔａｔｅｎｕｍｂｅｒｓ，ｓｔａｔｅｖａｌｕｅｓａｎｄｔｈｅｃｏｒｒｅｓｐｏｎｄｉｎｇｐｒｏｂａｂｉｌｉｔｙｏｆｗｉｎｄｏｕｔｐｕｔｐｏｗｅｒｓｔａｔｅｓａｒｅｄｉｆｆｅｒｅｎｔ，ＳＯｔｈａｔｔｈｅｍｏｄｅｌｒｅｆｌｅｃｔｓｓｅｑｕｅｎｔｉａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｏｆｔｈｅｗｉｎｄｐｏｗｅｒｅｆｆｅｃｔｉｖｅｌｙ．Ｐｏｗｅｒｓｙｓｔｅｍｐｒｏｂａｂｉｌｉｓｔｉｃｐｒｏｄｕｃｔｉｏｎｓｉｍｕｌａｔｉｏｎ，ｂａｓｅｄｏｎｅｑｕｉｖａｌｅｎｔｅｎｅｒｇｙｆｕｎｃｔｉｏｎｍｅｔｈｏｄ，ｓｈｏｗｓｔｈａｔｔｈｅｐｒｏｐｏｓｅｄｍｏｄｅｌｃａｒｌｓｉｍｕｌａｔｅｗｉｎｄｐｏｗｅｒｐｒａｃｔｉｃａｌｌｙ．—Ｋｅｙｗｏｒｄｓ：ｗｉｎｄｆａｒｍ；ｐｒｏｂａｂｉｌｉｓｔｉｃｐｒｏｄｕｃｔｉｏｎｓｉｍｕｌａｔｉｏｎ；ｔｉｍｅｓｅｑｕｅｎｔｉａｌｍｕｌｔｉ－ｓｔａｔｅｇｅｎｅｒａｔｏｒｍｏｄｅｌ；ｍｕｌｔｉｓｔａｔｅｇｅｎｅｒａｔｏｒｍｏｄｅｌ中图分类号：ＴＭ７１１文献标识码：Ａ—文章编号：１６７４・３４１５（２０１３）１４－０１０２０６０引言随机生产模拟是一种考虑机组的随机故障及电力负荷的随机性，通过优化调度发电机组的运行情况，从而计算出最优运行方式下各电厂的发电量、系统的生产成本及系统的可靠性指标的算法。随机生产模拟是电力系统电源规划、运行规划以及可靠性评估的重要工具，它有下面几个基本应用【１ｊ：１）在电源规划中的应用，目的是根据某一时期的负荷需求预测，在满足一定可靠性水平的条件下寻求一个最经济的电源开发方案；２）在系统可靠性分析中的应用，在系统充裕性和系统安全性两方面给出电力系统有关的可靠性指标；３）在机组组合中的应用，机组组合问题是指在受到设备和操作的约束下，确定电力系统发电机组调度安排的问题。在该决策过程中，要确定机组的启停、燃料类型、每台发电机组的发电量、适时的燃料混合，以及备用电量。近几年来，我国风力发电得到大力发展，并网风力发电机组单机容量和风电场建设规模都日益扩大，成为电网电源中的重要组成部分。但风电具有一些与火电、水电、核电等常规发电机组不同的特性，如间歇性、波动性、反调峰特性等，给电力系统的运行及可靠性评估等方面带来很大影响Ｌ６Ｊ。如何确定电力系统中风电场在负荷曲线上的最佳工作位置及风能利用情况，这就是含风电场的随机生产模拟问题。它可以用来评估风电场的效益，即风电首要璺蚕统进行随机生产模拟时，应羹功一璺萼、风电震菱墨机有功功率特性。…。。～、厦电能铭璺的规律，关系到是否霎掌詈宰蓓：粪磊薹著风早以及系统中其他机组的出力菠茬兰譬如图１所示，风电机组安装在：０速方向离开风电机组墨’是和，主风速椴尾流影响的风分０、［８Ｊ……、Ｔ一１０４－电力系统保护与控制ｄ√一＝Ｖｏ（１－一ＣＴ）（）（４）式中：Ｃ是风电机组的推力系数，与风速和风电机组结构有关；为尾流下降系数，与风的湍流强度成正比。在风电场内部，下游的风机可能处于上游多个风机的尾流效应影响，因此，需要考虑多重尾流效应，可得到考虑多重尾流效应后的风速损失为ｄＶ＝１一／＝Ⅳ式中：为自由风速；为其尾流影响该机组的上游机组数；为在第个机组尾流效应影响下的风速；为综合各尾流效应影响后该机组处的风速。相对于单一的尾流效应，考虑多个尾流效应对同一个机组影响更准确地描述风电场内部风速的损失。当风速一定时，在多重尾流模型的基础上计算风电场内部各机组的风速。１．３风电机组有功功率特性风机输出的功率与风速以及风机自身的功率曲线关系密切。描述风机功率曲线最为简单而有效的模型为ｆｏ＝≤｛＋ｋ２＜Ｖｃｉ＜Ｖｃ６ｌ０＞Ｖｃ。其中：为额定功率；ｋ＝＿＝。；＝一ｉ。ｒ—Ｖｃｉ由Ｉ卜当今风力发电技术的成熟，风力发电机组本身的故障率几乎可以忽略，风电机组是否运行关键由风资源的状况决定，所以风资源的概率分布决定了风力发电机输出功率的概率分布。所以可由风速的概率分布模型和发电机的功率特性得到风力发电机出力概率分布模型，经推导得到风力发电机出力的累积概率分布为１）当０ＶｉＵＶ。，Ｐｗ＝０Ｆ（Ｐｗ＝０）＝ｓ（ｖ）ｄｖ＋￣，ｏＳ（Ｖ）ｄｖ＝一ｐ卜］２）当ｉ＜ＶＶｒ，０＜尸ｗＦ（）：Ｐ（＜Ｐｗ）＝））ｄ式中：Ｆ（尸ｗ）为风力发电机有功出力的概率分布函数；尸Ｗ为风电机组出力随机变量。３）当Ｖ＜。，＝ｅｒｒＦ（＝）＝Ｓ（Ｖ）ｄＶ＝唧卜）【ｐ［］可以通过以上公式计算风力发电机输出功率的概率分布。２时序多状态风电场模型在常规的生产模拟中，火电机组可能出现局部故障或个别辅助设备故障，这时火电机组并不一定必须退出运行，但其发电能力已达不到名牌出力，这样就出现了降额运行状态，这时必须采用多状态模型。同样，当采用被公认为是最适合描述风速统计规律的Ｗｅｉｂｕｌ１分布函数时，并可以估计出风电场当地的风资源Ｗｅｉｂｕｌｌ参数时，可以在整个研究周期内，在缺乏风电场当地的风速资料情况下把风电场等效为多状态机组来处理。等效多状态机组模型是认为在研究周期内风速概率分布为已知，而忽略了风电场输出功率的时序性；风电场作为负值负荷处理时，需要知道风电场在研究周期内的大量的风速数据，但是认为风电场在某段时间内的输出功率恒定，忽略了风电场在该段时间内输出功率的波动性，因此，结合风电场多状态模型和负荷修正模型的优点，本文提出了时序多状态机组模型，该模型既考虑了风电场输出功率的波动性，又考虑了风电场的输出功率的时序性，模型如下：设为风电场机组台数，为风机额定功率，ｉ为切入风速，为额定风速，为切出风速，下面推导等效多状态风电场模型。△采用等步长在［ｉ，］区间取离散风速ⅣⅣ值，共个离散风速值，选取步长时使得为整数。＝…Ｖｃｉ＋ｉ・ＡＶ（ｉ＝０，，Ｎ一１）（１０）（７）式中：当ｉ＝０时，有Ｖｏ＝ｉ；当ｉ＝Ｎ一１时，有一＝。。聂永辉，等含风电场的电力系统随机生产模拟对应每个离散风速，其确切概率可采用式（３）计算得到Ｐｏ＝１一ｅｘｐ［一（Ｖｏ／ｃ）］（０）（１１）Ｐ／＝Ｆｗ（Ｖｉ）一Ｆｗ（ｖｉ一１）＝ｅｘｐ［－（Ｖ，．一。／ｏ）］一ｅｘｐ［一（／ｃ）】（１２）…Ⅳ（ｆ＝１，，一１）设所研究的周期共个阶段，第个阶段内风…电场记录的离散风速数据序列为，２，，，…１，ｗ｝，其中ｆ＝１，，，为序列项数，即阶段所记录的随时间变化的风速值的数量。对应任何风速，可以在前文的尾流模型以及风机功率特性基础上计算得到风电场的输出功率，因此可求得在阶…Ⅳ段内风电场输出功率的序列｛ＰＰｆ２，Ｐ，ｆ）（该序列可能存在相同的值），剔除…Ⅳ｛ＰＰＰ，ｐｆ｝中的相同项，并按从小到大…的顺序重新排序得到新的序列｛Ｃｉ，Ｃｉ：，，），…由于｛Ｐｆｌ，ＰＰ，ＰｉＮｉ）中可能存在相同的值，…｛。，：，，ＣｉＭ）的项数小于等于。…｛，，，）序列中各项值为风电场在阶段内输出功率各状态值，其概率可以统计得到，计算公式为Ｐｋ＝ｐｒｏｂ（Ｃｋ、）一ｌｋｆＮｉ…、…（＝ｌ，，且Ｎｉ）式中：表示第ｆ个阶段输出功率序列…｛ＰＰＰ，｝中值等于Ｃ的项数；表示功率为Ｃ的概率，且满足：ｖｉｉＭ∑Ⅳ∑Ｉｉｋ＝ｆ，＝ｌ（１４）ｋ＝ｌｋ＝ｌ目前，大多数风电场的风速数据都是按一定的时间间隔记录的离散数据，每个阶段内，风电场的输出功率各状态以及各状态的概率都与时间间隔有关系。时间间隔越短，风速变化得越频繁，状态数也越多，就能更详细地反映风电场输出功率的波动性；并且不同的阶段，风速的情况有所差异，因此各阶段风电场输出功率的状态数，各状态值及各状态值对应的概率都可能不相同。因此该方法需要对研究周期内的每个阶段都进行计算，计算量较大，但该模型综合了风电功率的随机波动性和时序性两大特征，合理地反映了风电功率的特点，本文在研究周期内以每小时为１个阶段。３仿真分析—本文采用ＩＥＥＥＲＴＳ标准测试系统的发电系统，该系统共９个电厂，其中火电厂７个、核电站１个，水电站１个，各电厂机组的可靠性数据见表１所示。采用ＩＥＥＥ．ＲＴＳ标准测试系统的１年的时序负荷数据作为测试系统的负荷数据。给定评估的风电场由１００台风力发电机组组成，机组按１０×１０阵型排列，风电场风力发电机的额定功率为２ＭＷ，切入风速３ｍ／ｓ，额定风速为１２ｍ／ｓ，切出风速为２５ｍ／ｓ，采用我国某地每１０ｍｉｎ风力资源统计数据进行仿真，如图２所示。表１ＲＩＳ发电机组强迫停运率Ｔａｂｌｅ１ＦｏｒｃｅｄｏｕｔａｇｅｒａｔｅｏｆＲＴＳｇｅｎｅｒａｔｏｒｓｅｔｓ机组容量／ＭＷ机组台数／台强迫停运率（ＦＯＲ）１２５０．Ｏ２２０４０．１０５０６０．０１７６４０．Ｏ２１００３０．０４１５５４０．０４１９７３０．０５３５０２０．Ｏ８４００１０．１２３Ｏ善。１００Ｏ１０００２０００３０００４０００５０００６０００７０００８０００ｔ／ｈ图２风速变化曲线Ｆｉｇ．２Ｗｉｎｄｓｐｅｅｄｃｕｒｖｅ对加入了给定风电场的ＩＥＥＥＲＴＳ标准测试系统进行随机生产模拟，模拟总时问为５２周。风电场分别采用等效多状态机组模型、等效负值负荷模型和时序多状态模型。三种模型加入到随机生产模拟中。风电场接入系统后，无论采用哪一种模型，都首先处理风电场，然后再安排系统其他机组。由于篇幅限制，等效多状态机组模型对应的多个输出功率状态值及其对应概率，风电场采用负值负荷模型对应的各时段输出功率和时序多状态风电场模型对应的各时段的输出功率各状态值及其概率，在这里没有被显示。风电场分别采用三种模型的随机生产模拟结果比较如表２所示。电力系统保护与控制表２三种模型随机生产模拟结果Ｔａｂｌｅ２Ｐｒｏｂａｂｉｌｉｓｔｉｃｐｒｏｄｕｃｔｉｏｎｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｆｏｒｔｈｒｅｅｍｏｄｅｌｓ由表２可以看出，根据３种不同的模型进行随机生产模拟计算，给定风电场在研究周期内提供的电量是不同的，采用等效多状态风电场模型时，风电场总的发电量为６９．７３×１０。ｋＷｈ，当用负值负荷来模拟风电场时，其等效电量为７３．０６×１０。ｋＷｈ，采用时序多状态风电场模型，风电场供给总的发电量为７１．３３ｋＷｈ。事实上，由于Ｗｅｉｂｕｌ１分布的两个参数是根据风电场全年的风资源估计的，在研究周期内任何时段里，风电场输出功率采用相同的概率分布，即具有相同的波动性，而忽略了风电场输出功率的时序性特征；但是风速的波动性决定风电场功率的波动性，由于风速在每个阶段的波动特性完全不同，因此采用根据风速Ｗｅｉｂｕｌｌ概率分布得到的等效多状态机组风电场模型计算可靠性指标时，其结果存在着一定的误差；当风电场用负值负荷来模拟时，忽略了风电场功率在较小时间段内（本算例为１ｈ）的波动性，因此所得到结果可能会过于乐观。而时序多状态风电场模型是直接采用风速时序数据计算风电场输出功率，因此结果更接近真实值。由表２可以看出，相比无风电场的系统，无论采用哪种模型，风电场接入后，系统的电量不足期望值（ＥＥＮｓ）和停电概率（ＬＯＬＰ）都有所减少，系统其他机组总的发电量也有所减少。采用三种模型时，ＥＥＮＳ和停电概率ＬＯＬＰ减少程度不同。风电场作为等效多状态机组处理时，系统ＥＥＮＳ减少得最少，为０．０５４１５×１０。ｋＷｈ；风电场模拟为负值负荷时，系统的ＥＥＮＳ减少得最多，为０．０６１１９×１０。ｋＷｈ；风电场采用时序多状态模型时，系统的ＥＥＮＳ减少了０．０６×１０。ｋＷｈ，其值介于前两者之问。采用等效多状态风电场模型时，整个风电场在研究周期内任何阶段都具有相同的各状态概率分布，忽略了风电场输出功率的时序性，在某些时段采用该模型可能高估了风电场的波动性，因此其ＥＥＮＳ及ＬＯＬＰ减少得最少；风电场用负值负荷来模拟时，在研究周期内任何时段没有考虑风电场功率的波动性，认为风电场在对应时段是完全可靠的固定容量的发电机，可能会导致高估风电场对系统的贡献，尤其是当该时段较大时，因此其ＥＥＮＳ及ＬＯＬＰ指标减少得最多；采用时序多状态风电场模型时，考虑了风电场输出功率的时序性和波动性，所计算的系统ＥＥＮＳ和ＬＯＬＰ指标相对客观。４结论结合风电场多状态模型和负值等效模型的优点，本文提出了用于电力系统随机模拟的时序多状态风电场模型，本模型把研究周期内的离散数据分成不同的阶段，由于风电场的输出功率各状态以及各状态的概率都与时问间隔有关系。时间间隔越小，记录的风速数据越多，就能更详细地反映风电场输出功率的波动性；并且不同的阶段，风速的情况有所差异，因此各阶段风电场输出功率的状态数，各状态值及各状态值对应的概率都可能不相同，该模型既考虑了风电场输出功率的波动性，又考虑了风电场的输出功率的时序性。仿真表明该模型客观地反映风电场输出功率的实际情况。参考文献［１］王锡凡．电力系统优化规划【Ｍ］．北京：水利水电出版社，１９９０．［２］于若英，高山．随机生产模拟在电力系统中的应用【Ｊ１．—电力系统保护与控制，２０１２，４０（１１）：１４９１５４．—ＹＵＲｕｏｙｉｎｇ，ＧＡＯＳｈａｎ．Ａｐｐｌｉｃａｔｉｏｎｓｏｆｐｒｏｂａｂｉｌｉｓｔｉｃｐｒｏｄｕ￣ｉｏｎｓｉｍｕｌａｔｉｏｎｉｎｐｏｗｅｒｓｙｓｔｅｍ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍ—ＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１２，４０（１１）：１４９１５４．［３］黄蕾，李丰伟，秦俊宁．基于效益分析的抽水蓄能电站运行工况优化调度［Ｊ］．电力系统保护与控制，２００９，—３７（２２）：９４９８．—ＨＵＡＮＧＬｅｉ，ＬＩＦｅｎｇｗｅｉ，ＱＩＮＪｕｎ－ｎｉｎｇ．Ｏｐｔｉｍａｌ—ｄｉｓｐａｔｃｈｉｎｇｏｆｐｕｍｐｓｔｏｒａｇｅｐｏｗｅｒｓｔａｔｉｏｎｂａｓｅｄＯｎｂｅｎｅｆｉｔｓａｎａｌｙｓｉｓ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄ—Ｃｏｎｔｒｏｌ，２００９，３７（２２）：９４９８．［４］王锡凡，王秀丽．随机生产模拟及其应用『Ｊ】．电力系—统自动化，２００３，２７（８）：１０１５．—ＷＡＮＧＸｉｆａ—ｎ，ＷＡＮＧＸｉｕｌｉ．Ｐｒｏｂａｂｉｌｉｓｔｉｃｐｒｏｄｕｃｔｉｏｎｓｉｍｕｌａｔｉｏｎｍｅｔｈｏｄａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎ［Ｊ］．Ａｕｔｏｍａｔｉｏｎｏｆ聂永辉，等含风电场的电力系统随机生产模拟．１０７．ＥｌｅｃｔｒｉｃＰｏｗｅｒＳｙｓｔｅｍｓ，２００３，２７（８）：１０・１５．［５］周景宏，胡兆光，田建伟，等．含能效电厂的电力系统生产模拟［Ｊ］．电力系统自动化，２０１０，３４（１８）：２７．３１．———ＺＨＯＵＪｉｎｇｈｏｎｇ，ＨＵＺｈａｏｇｕａｎｇ，ＴＩＡＮＪｉａｎｗｅｉ，ｅｔａ１．Ｐｏｗｅｒｓｙｓｔｅｍｐｒｏｄｕｃｔｉｏｎｓｉｍｕｌａｔｉｏｎｉｎｃｌｕｄｉｎｇｅｆｆｉｃｉｅｎｃｙｐｏｗｅｒｐｌａｎｔ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒＳｙｓｔｅｍｓ，２０１０，３４（１８）：２７－３１．［６］姜文，严正，杨建林．计及风电场的发输电可靠性评估［Ｊ］＿电力系统保护与控制，２０１０，３８（２２）：１２６－１３０．ＪＩＡＮＧＷｅｎ，ＹＡＮＺｈｅｎｇ，ＹＡＮＧＪｉａｎ－ｌｉｎ．Ｒｅｌｉａｂｉｌｉｔｙａｓｓｅｓｓｍｅｎｔｏｆｃｏｍｐｏｓｉｔｅｇｅｎｅｒａｔｉｏｎａｎｄｔｒａｎｓｍｉｓｓｉｏｎｓｙｓｔｅｍｃｏｎｓｉｄｅｒｉｎｇｗｉｎｄｆａｒｍｓ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍ—ＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１０，３８（２２）：１２６１３０．［７］王海超，鲁宗相，周双喜．风电场发电容量可信度研—究【Ｊ】．中国电机工程学报，２００５，２５（１Ｏ）：１０３１０６．——ＷＡＮＧＨａｉ・ｃｈａｏ，ＬＵＺｏｎｇｘｉａｎｇ，ＺＨＯＵＳｈｕａｎｇｘｉ．Ｒｅｓｅａｒｃｈｏｎｔｈｅｃａｐａｃｉｔｙｃｒｅｄｉｔｏｆｗｉｎｄｅｎｅｒｇｙｒｅｓｏｕｒｃｅｓ［Ｊ］．ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＣＳＥＥ，２００５，２５（１０）：１０３．１０６．［８］陈树勇，戴慧珠，白晓民，等．风电场的发电可靠性模—型及其应用［Ｊ］．中国电机工程学报，２０００，３Ｏ（３）：２６２９．——ＣＨＥＮＳｈｕｙｏｎｇ，ＤＡＩＨｕｉ－ｚｈｕ，ＢＡＩＸｉａｏｍｉｎ，ｅｔａ１．Ｒｅｌｉａｂｉｌｉｔｙｍｏｄｅｌｏｆｗｉｎｄｐｏｗｅｒｐｌａｎｔｓａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎ［Ｊ］．ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＣＳＥＥ，２０００，３０（３）：２６．２９．［９］陈树勇，戴慧珠，白晓民，等．含风电场的电力系统随机生产模拟［Ｊ】．中国电力，２０００，３３（３）：３０．３１，６９．——ＣＨＥＮＳｈｕｙｏｎｇ，ＤＡＩＨｕｉ－ｚｈｕ，ＢＡＩＸｉａｏｍｉｎ，ｅｔａ１．［１Ｏ］［１１］Ｐｏｗｅｒｓｙｓｔｅｍｐｒｏｂａｂｉｌｉｓｔｉｃｐｒｏｄｕｃｔｉｏｎｓｉｍｕｌａｔｉｏｎｉｎｃｌｕｄｉｎｇｗｉｎｄｐｏｗｅｒｐｌａｎｔｓ［Ｊ］．ＥｌｅｃｔｒｉｃＰｏｗｅｒ，２０００，—３３（３）：３０３Ｉ，６９．黄杰鹏，李宇红，倪维斗．并网风电场可避免费用的—计算【Ｊ］．电网技术，２００６，３０（１６）：５０５３．———ＨＵＡＮＧＪｉｅｐｅｎｇ，ＬＩＹｕｈｏｎｇ，ＮＩＷｅｉｄｏｕ．Ａｖｏｉｄａｂｌｅｃｏｓｔｏｆｗｉｎｄｆａｒｍｉｎｔｅｒｃｏｎｎｅｃｔｅｄｔｏｐｏｗｅｒｇｒｉｄ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＴｅｃｈｎｏｌｏｇｙ，２００６，３０（１６）：５０－５３．张节潭，程浩忠，胡泽春，等．含风电场的电力系统随机生产模拟［Ｊ］．中国电机工程学报，２００９，２９（２８）：—３４３９．ＺＨＡＮＧＪｉｅ－ｔａｎ，ＣＨＥＮＧＨａｏ－ｚｈｏｎｇ，ＨＵＺｅ－ｃｈｕｎ，ｅｔａ１．Ｐｏｗｅｒｓｙｓｔｅｍｐｒｏｂａｂｉｌｉｓｔｉｃｐｒｏｄｕｃｔｉｏｎｓｉｍｕｌａｔｉｏｎｉｎｃｌｕｄｉｎｇｗｉｎｄｆａｒｍｓ［Ｊ］．ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＣＳＥＥ，２００９，—２９（２８）：３４３９．收稿日期：２０１２－０９－２７；—修回１９期：２０１３０１－０６作者简介：聂永辉（１９７０－），男，博士研究生，讲师，研究方向—为电力系统优化运行与控制：Ｅｍａｉｌ：ｙｏｎｇｈｕｉｎ＠ｙａｈｏｏ．ＣＯｍ．ｃｎ李天云（１９４５一），男，教授，硕士生导师，从事自动控制理论、信号处理、非线性系统理论的教学及其在电力系统中的应用研究工作；关晓辉（１９６３一），男，博士，教授，硕士生导师，从事电厂化学水垢处理的应用研究工作。