下：
[0127] (1)获取状态参数的异常情况：越限概率为0表示状态参数处于"正常"情况，结 束计算；当状态参数处于"注意"或"异常"，预测模型的训练样本采用当天之前1个月的数 据；若处于"异常"状态，预测模型的训练样本采用1个小时之前的数据；
[0128] (2)建立预测模型：由于状态参数类型不同，选择不同的输入参数；对于与温度无 关的状态参数，如叶轮转速、输出功率，选择风速作为输入参数；对于温度参数，输入参数选 择风速、环境温度及上一时刻温度；
[0129] (3)采用ARMA预测法，对风速概率进行预测；第一步以风速预测模型计算预测风 速值vf(t+l)，第二步依据vf(t+l)所处风速区间和预测时间时间间隔得到风速预测的概率 密度函数，第三步离散化概率密度函数，计算各风速预测值Vj(t+1)及概率Pvj(t+1);
[0130] (4)状态参数预测：根据风速预测值'(1+1)，通过预测模型进行状态参数预测； 设备温度参数的输入参数选择预测风速 v] (t+1)、环境温度Ta(t+1)和本时刻自身温度 L(t);并且设环境温度在短期内不发生剧烈变化，即Ta(t+1)等于Ta(t);输出功率、叶轮转 速的输入参数选择预测风速Vj(t+1);
[0131] (5)依据公式（12)计算各预测风速'(〖+1)下的参数越限概率Ρρ,α+Ι);通过公 式（13)计算参数i越限概率Pzl(t+1);
[0132]
(13)
[0133] 式中，N为离散化风速误差的风速预测值的个数；本发明以风速预测误差0.5m/s 为间隔进行离散化处理，当概率小于〇. 01时不考虑，以此确定风速预测值的个数N。
[0134] 当机组工作于限功率模式，第1类状态参数的越限概率内容计算分为两部分：建 立状态参数预测模型和状态参数概率预测，具体步骤如下：
[0135] (1)在工作于限功率模式下，叶轮转速及输出功率被直接控制，所以可设越限概率 很小，无需计算；当设备温度参数处于"正常"情况，越限概率计为0,结束计算；当处于"注 意"状态，预测模型的训练样本采用当天之前1个月的数据；当处于"异常"状态，训练样本 采用1个小时之前的数据；
[0136] (2)建立设备温度的预测模型，输出功率、环境温度及上一时刻温度作为其输入参 数；
[0137] (3)状态参数预测：功率限值Plini(t+1)、环境温度1^+1)和本时刻自身温度Tjt) 作为输入参数；设环境温度在短期内不会发生剧烈变化，即Ta(t+1)等于Ta(t);
[0138] (4)依据公式（12)计算限功率Ρ1ιηι下的越限概率Pjt+1)，即状态参数i越限概率 Pzi (t+1)，完成计算；
[0139] 根据状态参数越限保护动作模型，计算每个状态参数的越限保护动作概率；基于 状态参数越限保护动作的机组短期停运概率Pzi为：
[0140]
(14)
[0141] 式中，N表示状态参数个数，Pzi表示监测参数i的越限保护动作概率；
[0142] 结合风速相依的风电机组统计停运模型和参数越限保护动作模型，统计停运模型 的输入为：风速概率预测信息和机组工作模式，获得基于统计数据的停运概率；当状态参 数越限保护动作概率值很小时，基于统计数据的停运概率可有效反映其他原因导致机组停 运的概率，但是当状态参数越限保护动作概率值很大时，基于统计数据的停运概率的参考 价值较小；因此，计算机组短期停运概率的方法为：
[0143] P=max(Pt,Pz) (15)
[0144] 其中，Pt为基于统计数据的机组短期停运概率，P2为基于状态参数越限的短期停 运概率。
[0145] 在步骤S3中，根据风电场工作于不同运行情况，产生风电场功率损失的原因和计 算方法都不同，基于此构成的风险指标也就不同，具体可以分为无电网约束和限功率运行 这两种情况：
[0146] 1)无电网约束情况：
[0147] 当机组工作于正常全功率模式，对于功率损失仅考虑停运造成的，即为：
[0148]
(16)
[0149] 其中，A(p)为机组i在功率p下的概率密度，PRat为机组的额定功率；功率损失 实际上为功率预测期望值；
[0150]当机组工作于非全功率模式，风电机组功率损失考虑两部分：其一为风电机组停 运造成的功率损失，如式（16);其二为机组未停运但由于功率受限造成的功率损失，即为：
[0151]
C1?)
[0152] 其中，P"fl为功率限值；功率损失I12实际上为功率预测超过功率限值的期望值；
[0153] 另外fjp)无解析表达式，通过对功率损失进行离散化处理，即将公式（16)和 (17)分别用公式（18)和（19)进行近似计算：
[0154]
[0155]
[0156] 式中，Pj为离散后的功率值，Fi(Pj)为功率&的概率，N1为离散化后功率取值区 间的总数目，N2为功率大于限值Prafl的离散化功率取值区间的数目；
[0157] 根据风险的定义，在无电网约束情况下风电机组的功率损失风险指标即为：
[0158] R1= P 01Ι11+ δ χ (1-Ρο ι) Ιι 2 (20)
[0159] 式中，Py为机组i的停运概率；δi为标志系数，若机组i工作于正常全功率模式， 取值〇,若机组工作于非全功率模式，取值1 ;
[0160]2)限功率运行情况：
[0161] 运行于限功率情况下，风电场输出功率应低于电网调度指令值；将风电机组输出 功率小于其功率分配值的部分，定义为风电机组的功率损失；造成功率损失的原因由两部 分组成：风电功率的预测存在较大误差、风电机组的强迫停运；
[0162] 传统的功率分配方法依据风电机组功率预测值，然后以比例法设定每台机组的期 望功率，即为：
[0163]
[0164] 其中，P"fl为第i台机组的期望功率，P_为第i台机组预测值，Prafwf为风电场 功率限值，N为机组数目。
[0165]由于在某些风速区间内，风电机组的功率预测误差较大，因此根据公式（21)计算 机组的期望功率，可能引起2种情况：（1)期望功率小于最大可发功率时，机组按照期望功 率发电，不会出现功率损失；(2)期望功率大于最大可发功率时，机组按照最大可发功率发 电，会出现功率损失。由此可得风电场期望出力总是大于或等于各机组实际出力之和。
[0166] 在工作于限功率模式，风电机组的功率损失与其停机状态相关；风电机组停运情 况下的功率损失Iy和不停运情况下的功率损失Iu的计算公式分别为式（21)和（22):
[0167]
[0168]
[0169] 式中，fjp)为机组i在功率p下的概率密度，P"fl为功率限值；离散化处理后的 功率损失近似为：
[0170]
[0171]
[0172] 由风险的定义可得，在工作于限功率情况下，风电机组的功率损失风险为：
[0173] R1=P。―山―1+δ丄（1-P。-丄）I、2 (25)
[0174] 其中，P。」为机组i的停运概率。
[0175] 在步骤S4中，根据定义：短期停运概率高于0. 1的风电机组为低可靠性机组，假定 低可靠性机组在下一时刻存在正常运行和停运两种状态，对各机组的状态实现组合，然后 依照各机组的停运概率，计算得到各种状态出现的概率
[0176] 在步骤S5中，通过各低可靠性风电机组的停运和限功率状态，对相应的功率损失 值进行相加，计算获得风电处于状态i时的功率损失为
[0177] 由风电场各状态的功率损失及规定的风电场运行风险定义，获得风电场运行风险 如下：
[0178]
[0179] 实施例：
[0180] 本实例的研究对象采用国内某风电场在2012年7月21日到2012年7月22日的 SCADA数据。通过SCADA系统对风电机组停运和报警信息的统计，发现有12台机组在该时 段内反复启停，其原因如表1所示。通过各机组的功率预测值进行比例分配，表2中三列数 据分别为：通过计算得到的仅考虑风速波动情况下的功率损失风险值、考虑风速波动与机 组运行可靠性情况下的功率损失风险值以及各机组的实际功率损失。
[0181] 表1各机组的停运原因
[0182]
[0183] 表2功率损失风险
[0184]
[0185] 对以上结果进行对比可以看出，综合考虑风速波动及机组运行可靠性两种因素得 到的功率损失风险比仅考虑风速得到的功率损失风险更精确，能更加真实反映出风电机组 及风电场面临的风险状况。
[0186] 最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通 过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在 形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。
【主权项】
1. 一种风电场运行风险评估方法，其特征在于：包括以下步骤： 51 :建立风速预测模型，对风电机组风速进行预测； 52 :风电机组运行可靠性评估； 53 :风电机组功率损失与运行风险计算； 54 :