基于云模型集成云滴影响值的全直流风电场综合可靠性评估

《Protection and Control of Modern Power Systems》：Comprehensive Reliability Assessment of All-DC Wind Farm Based on Cloud Model Integrated with Cloud Droplet Influence Values

　　

全直流风电场的可靠性对于提升可再生能源消纳能力、促进新型电力系统建设与发展具有重要意义。研究人员对全直流风电场的拓扑结构进行了详细分析，基于序贯蒙特卡洛方法(Sequential Monte Carlo, SMC)构建了可靠性评估模型。从空间和对象等维度定义了层级类、对象类、时限类和程度类可靠性评估指标，建立了多层次、多环节可靠性指标体系。同时，引入集成云滴影响值的云模型方法，通过正态云发生器有效处理指标数据的随机性，实现了对全直流风电场多维度可靠性的综合评估。最后，以中国西北某100 MW风电场为例进行仿真验证。与传统方法相比，结果表明所提方法有效且优越，可为全直流风电场的规划、运行维护以及新能源并网提供关键技术支撑。

基于云模型集成云滴影响值的全直流风电场综合可靠性评估研究解读

随着风电装机容量持续增长，中国正加速推进沙漠、戈壁、荒漠地区大型新能源基地建设。传统风电场多采用交流汇集-直流输电结构，但交流汇集环节存在谐波谐振、无功补偿等问题，影响可靠运行。全直流风电场（DC汇集-DC输电）具有低损耗、高效率等优点，然而其风电机组分散、远离负荷中心，可靠性评估需覆盖发电端、汇集环节、设备端、输电环节和受电端，兼顾空间与时间维度，并考虑直流损耗。常用单指标如期望缺供电量(Expected Energy Not Supplied, EENS)、失负荷概率(Loss of Load Probability, LOLP)等难以全面反映多维可靠性；熵权法等权重方法难以处理指标随机性，且缺少实际工程数据。为此，研究人员在《Protection and Control of Modern Power Systems》上发表论文，提出一种基于云模型(Cloud Model, CM)集成云滴影响值(Cloud Droplet Influence Value, CDIV)的全直流风电场综合可靠性评估方法。

研究人员采用如下主要技术方法：利用Weibull分布建立风速模型，通过K-means聚类对风电机组输出状态进行聚类以降低计算复杂度；基于故障树分析-序贯蒙特卡洛(Fault Tree Analysis-Sequential Monte Carlo, FTA-SMC)方法建立可靠性评估模型，模拟组件时序状态转移；构建包含直流风电机组、DC/DC变换器、输电线路、模块化多电平换流器(Modular Multilevel Converter, MMC)及集中式DC/DC变换器的损耗模型，并在供电量指标中计入直流损耗；建立“供电层-设备层-受电层”与“汇集环节-输电环节”的多层次多环节指标体系；提出基于CDIV的集成立云模型权重计算方法，通过正态云发生器量化指标随机性并计算指标权重。以中国西北某100 MW风电场为例进行仿真验证。

研究结果如下：A. 全直流风电场构成及元件可靠性数据。该算例风电场采用20台5 MW直流风电机组，构成并联型或串并联型拓扑，并根据已有可靠性参数设定元件状态，为后续评估提供基础。B. 直流损耗对全直流风电场可靠性评估结果的影响。通过对比考虑直流损耗与不考虑直流损耗两种方案，发现直流损耗使供电量显著下降，并联