CN102545214B - 一种含电池储能设备的风电场可靠性评估方法 - Google Patents
一种含电池储能设备的风电场可靠性评估方法 Download PDFInfo
- Publication number
- CN102545214B CN102545214B CN201210010422.8A CN201210010422A CN102545214B CN 102545214 B CN102545214 B CN 102545214B CN 201210010422 A CN201210010422 A CN 201210010422A CN 102545214 B CN102545214 B CN 102545214B
- Authority
- CN
- China
- Prior art keywords
- power
- wind
- energy storage
- storage equipment
- battery energy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
Landscapes
- Wind Motors (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种含电池储能设备的风电场可靠性评估方法:采集风电场的原始数据、建立风电机组功率时序模型、建立含电池储能设备的输出功率序列模型、建立含电池储能设备的风电场可靠性评估模型、建立计及运行特性参数的可靠性评估模型、将原始采集的数据输入计算机系统出处理,获得计及电池储能设备运行特性参数的风电场可靠性参数;在本发明中,考虑了不同类型电池储能设备运行特性参数对风电场可靠性的影响,提高了对含电池储能设备的风电场可靠性评估的准确性。
Description
技术领域
本发明涉及风电场可靠性评估方法,具体涉及一种计及电池储能设备运行特性的风电场可靠性评估方法,属于电力工程技术领域。
背景技术
风能具有间歇性和随机性的特点,其输出功率的波动性是限制大规模风电场接入电网的重要因素之一。为了抑制波动、平滑风电场输出功率,常将储能设备接入以提高系统稳定性和可靠性,电池储能设备有功率型和能量型两种。
现有技术中,针对电池储能设备风电场可靠性评估有记下三种方法:(1)计及电池储能的风电场可靠性概率评估模型与离散的风速威布尔分布结合,提出系统可靠性指标的计算分析方法(Reliability Evaluation of a Wind-Diesel Hybrid Power System with Battery Bank Using Discrete Wind Speed Frame Analysis[C].International Conference on Probabilistic Methods Applied to Power System,Stockholm,Sweden,2006),该方法未考虑储能自身特性对系统运行状态的限制,提出的模型较为简单;(2)使用解析法评估包含风电机组和储能设备的发电系统可靠性(Reliability assessment of a wind-power system with integrated energy storage[J].Renewable Power Generation,IET,2010,4(3):211-219,),该方法初步分析了储能设备对风电场可靠性的提升效果,计及了储能设备自身故障率以 及容量限制、充放电速率等因素的影响,但未分析不同类型储能设备充放电过程差异对系统可靠性的影响;(3)计算包含储能设备大型风电系统可靠性指标的通用方法和模型是建立在前面两种方法的基础上的(Reliability evaluation of generating systems containing wind power and energy storage[J].IET Generation,Transmission&Distribution,2009,3(8):783-79),该方法在宏观上计及了储能设备不同能量存储释放控制策略对系统可靠性造成的差异,但仍未考虑设备自身充放电特性对可靠性的影响,不同类型储能设备充放电过程差异。
综上所述,已有分风电场可靠性评估的方法和模型中,没有考虑不同类型储能设备在运行状态中各项参数对风电场可靠性的影响,做出的可靠性分析准确性不高。
发明内容
针对现有技术存在的上述问题,本发明提供一种计及电池储能设备运行特性的风电场可靠性评估方法,能够对含电池储能设备的风电场可靠性做出准确地评估。
本发明是这样实现的:
一种含电池储能设备的风电场可靠性评估方法,具体步骤包括:
步骤1:采集风电场原始数据,确定ARMA模型中风电场历史风速的每小时平均值μt和标准差σ,风电机组的额定功率、切入风速、额定风速、切出风速,负荷有功功率、切负荷功率;风电场中各风电机组、电池储能设备和开关设备之间的连接关系;
步骤2:建立风电机组功率时序模型
ARMA(n,m)模型数学表达式为
yt=φ1yt-1+φ2yt-2+…+φnyt-n+αt-θ1αt-1-θ2αt-2-…-θmαt-m
(1)
式中,yt为时刻t的风速序列值,Φi(i=1,2,…,n)和θj(j=1,2,…,m)分别为ARMA模型的自回归参数和滑动平均参数;
利用ARMA(n,m)模型获得风电场在任意时刻t的风速时间序列模拟值后,通过历史风速的每小时平均值μt和标准差σtσt求取时刻t的风电场风速SWt:
SWt=μt+σtyt (2)
利用(3)式计算得到任意t时刻下风电机组的输出功率:
式中,Pr、Vci、Vr和Vco分别为风电机组的额定功率、切入风速、额定风速和切出风速,参数A、B、C可由Vci、Vr和Vco进行计算;
步骤3:建立含电池储能设备的输出功率序列模型
风电场输出功率高于当前负荷的某一比例P%,常规发电机组输出功率低于当前负荷的1-P%,储能设备开始释放能量参与供电,基于此种策略建立储能设备充放电模型:
1)利用(1)-(3)式获取在某一时间段T内的风电机组功率输出时间序列Wi,;
2)根据时间段T内的常规发电机组功率时间序列{Gi,i=1,2,.......T}以及利用负荷曲线得到的负荷时间序列{Li,i=1,2,......T},P%表示风电场输出功率低于或高于当前负荷的比例,分别利用(4)式和(5)式求取风电机组剩余功率序列{PWi,i=1,2,......T}和常规机组剩余功率序列{PGi,i=1,2,......T}:
PWi=Wi-P%×Li (4)
PGi=Gi-(1-P%)×Li (5)
3)求取电池储能设备的输出功率序列{PBi,i=1,2,......T}:
步骤4:建立含电池储能设备的风电场可靠性评估模型
将风电机组和储能设备看作负荷,对原始负荷曲线与输出或输入功率进行叠加,得到等效负荷曲线:
LNi=Li+LDi-ΣPWi-ΣPBi (7)
其中,PWi、PGi、PBi、Li和LDi分别为T时刻下的风电机组剩余功率、常规机组剩余功率、电池储能设备输出功率、负荷有功功率以及切负荷功率;
由此可得到每一抽样年中发生的缺电次数LLTi、缺电持续时间LLDi和缺供电量ENSi,对于N年的抽样时间,缺电时间期望LOLE电量不足期望LOEE的计算式可由(9)和(10)得到:
ENSi=ΣLLDiLNi (8)
步骤5:计及电池储能设备运行特性参数的可靠性评估模型
计及电池储能设备运行参数设备容量、充放电速率和充放电电压稳定性的影响下,风电场可靠性评估模型为:
1)在一个时间段内对常规机组进行抽样,得到每小时的机组功率序列PGi;
2)结合当前负荷大小,确定电池储能系统的初始充放电功率Pini
其中,Pdisch-max和Pch-max分别为设备最大放电功率和设备最大充电功率;
3)当前时段内设备每小时释放或充入的能量,能量型和功率型设备的EBi计算表达式分别如(12)和(13)所示:
其中,
由于EN与充放电初始功率Pini有关,因此fp(t)实际上是功率型电池设备的功率时间函数曲线簇,即:
fp(t)=fpb(t)+Pini,0≤t≤T (15)
4)获取时间段T内设备的可用充放电功率Pavai,可用放电功率Pavai-out和可用充电功率Pavai-in,计算公式如下:
步骤6:计算计及电池储能设备运行特性参数的风电场可靠性参数
根据(6)式电池储能设备的输出功率序列以及时间段T内的可用充放电功率,结合时间段T内设备的可用充放电功率Pavai,获取在n个模拟年内储能设备的完整充放电功率序列{PBt(i),i=1,2,…,8736×n},根据式(4)、(5)和(6)分别求得PWi、PGi、和PBi、以及利用式(7)表示的等效负荷曲线,使用序贯蒙特卡洛法求取相应的可靠性指标。
附图说明
图1-含风电机组及电池储能设备的发电系统模型。
图2-两类设备在风电场VL下的可靠性指标。
图3-两类设备在风电场WI下的可靠性指标。
图4-LOLE指标在不同设备容量下的变化。
图5-LOLE指标在不同放电限制下的变化。
具体实施方式
下面对结合附图对本发明作进一步详细说明。
参见图1,一种含电池储能设备的风电场可靠性评估方法,首先采集风电场的原始数据、然后建立风电机组功率时序模型和含电池储能设备的输出功率序列模型、再建立含电池储能设备的风电场可靠性评估模型和建立计及运行特性参数的可靠性评估模型、最后将采集的数据输入计算机系统出处理,获得计及电池储能设备运行特性参数的风电场可靠性参数;具体步骤包括:
步骤1:采集风电场原始数据,确定ARMA模型中风电场历史风速的每小时平均值μt和标准差σ,风电机组的额定功率、切入风速、额定风速、切出风速,负荷有功功率、切负荷功率;风电场中各风电机组、电池储能设备和开关设备之间的连接关系;
步骤2:建立风电机组功率时序模型
ARMA(n,m)模型数学表达式为
yt=φ1yt-1+φ2yt-2+…+φnyt-n+αt-θ1αt-1-θ2αt-2-…-θmαt-m
(1)
式中,yt为时刻t的风速序列值,Φi(i=1,2,…,n)和θj(j=1,2,…,m) 分别为ARMA模型的自回归参数和滑动平均参数;
利用ARMA(n,m)模型获得风电场在任意时刻t的风速时间序列模拟值后,通过历史风速的每小时平均值μt和标准差σtσt求取时刻t的风电场风速SWt:
SWt=μt+σtyt (2)
利用(3)式计算得到任意t时刻下风电机组的输出功率:
式中,Pr、Vci、Vr和Vco分别为风电机组的额定功率、切入风速、额定风速和切出风速,参数A、B、C可由Vci、Vr和Vco进行计算;
步骤3:建立含电池储能设备的输出功率序列模型
风电场输出功率高于当前负荷的某一比例P%,常规发电机组输出功率低于当前负荷的1-P%,储能设备开始释放能量参与供电,基于此种策略建立储能设备充放电模型:
1)利用(1)-(3)式获取在某一时间段T内的风电机组功率输出时间序列Wi,;
2)根据时间段T内的常规发电机组功率时间序列{Gi,i=1,2,.......T}以及利用负荷曲线得到的负荷时间序列{Li,i=1,2,......T},P%表示风电场输出功率低于或高于当前负荷的比例,分别利用(4)式和(5)式求取风电机组剩余功 率序列{PWi,i=1,2,......T}和常规机组剩余功率序列{PGi,i=1,2,......T}:
PWi=Wi-P%×Li (4)
PGi=Gi-(1-P%)×Li (5)
3)求取电池储能设备的输出功率序列{PBi,i=1,2,......T}:
步骤4:建立含电池储能设备的风电场可靠性评估模型
将风电机组和储能设备看作负荷,对原始负荷曲线与输出或输入功率进行叠加,得到等效负荷曲线:
LNi=Li+LDi-ΣPWi-ΣPBi (7)
其中,PWi、PGi、PBi、Li和LDi分别为T时刻下的风电机组剩余功率、常规机组剩余功率、电池储能设备输出功率、负荷有功功率以及切负荷功率;
由此可得到每一抽样年中发生的缺电次数LLTi、缺电持续时间LLDi和缺供电量ENSi,对于N年的抽样时间,缺电时间期望LOLE电量不足期望LOEE的计算式可由(9)和(10)得到:
ENSi=ΣLLDiLNi (8)
步骤5:计及电池储能设备运行特性参数的可靠性评估模型
计及电池储能设备运行参数设备容量、充放电速率和充放电电压稳定性的影响下,风电场可靠性评估模型为:
1)在一个时间段内对常规机组进行抽样,得到每小时的机组功率序列PGi;
2)结合当前负荷大小,确定电池储能系统的初始充放电功率Pini
其中,Pdisch-max和Pch-max分别为设备最大放电功率和设备最大充电功率;
3)当前时段内设备每小时释放或充入的能量,能量型和功率型设备的EBi计算表达式分别如(12)和(13)所示:
其中,
由于EN与充放电初始功率Pini有关,因此fp(t)实际上是功率型电池设备的功率时间函数曲线簇,即:
fp(t)=fpb(t)+Pini,0≤t≤T (15)
4)获取时间段T内设备的可用充放电功率Pavai,可用放电功率Pavai-out和可用充电功率Pavai-in,计算公式如下:
步骤6:计算计及电池储能设备运行特性参数的风电场可靠性参数
根据(6)式电池储能设备的输出功率序列以及时间段T内的可用充放电功率,结合时间段T内设备的可用充放电功率Pavai,获取在n个模拟年内储能设备的完整充放电功率序列{PBt(i),i=1,2,…,8736×n},根据式(4)、(5)和(6)分别求得PWi、PGi、和PBi、以及利用式(7)表示的等效负荷曲线,使用序贯蒙特卡洛法求取相应的可靠性指标。
实施例:使用RBTS系统进行分析,对其分别接入两个风电场作为待比较的两个测试系统,其风速数据来源于简称为VL的荷兰Vlieland和简称为WI的Wijdenes两个风电场过去10年的历史统计,风电场VL中,平均风速为5.1m/s,机组的Vci、Vr和Vco分别为3.5m/s、13m/s、26m/s;风电场WI中,平均风速为4.3m/s,机组的Vci、Vr和Vco分别为3m/s、15m/s、27.5m/s。
两个风电场的风速ARMA模型分别如式(21)和式(22)所示:
yt=3.482yt-1-4.615yt-2+2.77yt-3+αt-2.544αt-1+2.238αt-2
(21)
αt∈NID(0,0.310392)
yt=1.832yt-1-0.7834yt-2+0.0504yt-3+αt-0.9676αt-1+0.0065αt-2
(22)
αt∈NID(0,0.375932)
RBTS系统总装机容量为240MW,其中5MW机组2台,10MW机组1台,20MW机组5台,40MW机组3台。两个风电场各自的装机总容量均为18.0MW,渗透率P%为9.73%,风电机组单机容量为2MW,每个风电场中的机组数量为9台。
选用的功率型电池储能设备和能量型电池储能设备总容量均为10MWh,对于功率型设备,通过统计数据进行二次拟合后得到的功率时间函数曲线簇表达式为:
fp(t)=0.3873t2-4.7775t+12.7202+Pini (23)
风速数据每1小时取一次,因此电池设备充放电时间段T为1小时。
(1)两类电池储能设备对可靠性影响的比较
电池充电设备输出功率序列模型的建立决定于电池储能设备的充放策略,本申请计及电池储能设备运行特性,在步骤3建立含电池储能设备的输出功率序列模型时,使用的策略为:风电场输出功率高于当前负荷的某一比例P%,常规发电机组输出功率低于当前负荷的1-P%,储能设备开始释放能量参与供电。
现有技术中计及电池储能设备运行特性的策略有:策略2:风电场输出功率低于当前负荷的某一比例P%,储能设备就开始释放能量参与供电;策略3:风电场输出功率高于当前负荷的某一比例P%,常规发电机组输出功率低于当前负荷的1-P%,储能设备开始释放能量参与供电。
(2)基于策略2和策略3建立含电池储能设备的输出功率序列模型
1)利用(1)-(3)式获取在某一时间段T内的风电机组功率输出时间序列Wi,;
2)根据此时间段内的常规发电机组功率时间序列{Gi,i=1,2,...T}以及利用负荷曲线得到的负荷时间序列{Li,i=1,2,...T},P%表示风电场输出功率低于或高于当前负荷的比例,分别利用(24)式和(25)式求取风电机组剩余功率序列{PWi,i=1,2,...T}和常规机组剩余功率序列{PGi,i=1,2,...T}:
PWi=Wi-P%×Li (24)
PGi=Gi-(1-P%)×Li (25)
3)求取电池储能设备的输出功率序列{PBi,i=1,2,...T}:
策略2:PBi+1=PBi+PWi
(26)
策略3:
(3)在三种储能策略下,分别将能量型设备和功率型设备接入RBTS系统中,计算得到的可靠性指标以及各指标。
1)两类设备在风电场VL中的可靠性指标如表1和图2所示
表1.风电场VL中不同设备和储能策略的可靠性指标
由图表比较分析可知,在三种充放电策略下,两类设备对风电场可靠性均有所改善。但能量型电池储能设备对系统可靠性的改善优于功率型电池储能设备,功率型设备对可靠性改善的程度不如能量型设备。事实上,功率型设备等效后的功率与能量型设备稳定的功率水平相比,其差距并不大,因此图表中反映的两类指标数据也十分接近。
2)两类设备在风电场WI中的可靠性指标如表2和图3所示
表2.接入风电场WI时不同设备和储能策略的可靠性指标
对于不同的充放电策略,其可靠性指标优秀程度排序为:本申请策略>策略2>策略3。从较长的时间段内来看,电池设备处于满能量运行的时间较长,可从外界接受的能量一直处于较低的水平,一旦出现即将失负荷的情况,设备内的能量将用于填补这部分负荷缺额,因此对可靠性的提升最为明显; 策略2和策略3主要将储能设备作为平衡风电场渗透率的手段,目的在于平滑风电场的输出功率曲线,浪费了储能设备在负荷端的功率弥补能力,所以对系统可靠性的提升均不如本申请策略;而策略3面临削减负荷的概率更大,因此该策略的表现不如策略2。
(4)储能设备容量对可靠性的影响
参照图4可知,随着储能设备容量的增加,不论是何种储能策略,可靠性指标均得以不断提升,其中,在本申请策略下,可靠性指标提升较为明显,而另两种策略的提升则不大,尤其是策略3,当设备容量增加到30MW后,可靠性指标已几乎没有变化。
(5)储能设备充放电速率对可靠性的影响
参照图5可知,两类设备的Pdisch-max越大,可靠性指标越好,但增加到一定水平后,指标的变化幅度并不大。事实上,放电限制的数值越高,设备在制造工艺上实现的难度越大,造价也越昂贵,因此在选择相应的电池储能设备时,应根据风电场容量、系统规模等实际情况进行优化选择。
Claims (1)
1.一种含电池储能设备的风电场可靠性评估方法,其特征在于:具体步骤包括:
步骤1:采集风电场原始数据,确定 ARMA(n,m)模型中风电场历史风速的每小时平均值μt和标准差σt ,风电机组的额定功率、切入风速、额定风速、切出风速,负荷有功功率、切负荷功率以及风电场中各风电机组、电池储能设备和开关设备之间的连接关系;
步骤2:建立风电机组功率时序模型
ARMA(n,m)模型数学表达式为
(1)
式中,为时刻t的风速序列值,Φi和θj分别为ARMA模型的自回归参数和滑动平均参数,其中,i=1, 2,…, n;j=1, 2,…, m;
利用ARMA(n,m)模型获得风电场在任意时刻t的风速时间序列模拟值后,通过历史风速的每小时平均值μt和标准差σt求取时刻t的风电场风速SWt:
(2)
利用(3)式计算得到任意t时刻下风电机组的输出功率:
(3)
式中,Pr、Vci、Vr和Vco分别为风电机组的额定功率、切入风速、额定风速和切出风速,参数A、B、C由Vci、Vr和Vco进行计算;
步骤3:建立含电池储能设备的输出功率序列模型
风电场输出功率高于当前负荷的某一比例P%,常规发电机组输出功率低于当前负荷的1-P%,储能设备开始释放能量参与供电,基于此种策略建立储能设备充放电模型:
1)利用(1)-(3)式获取在某一时间段T内的风电机组功率输出时间序列Wi;
2)根据时间段T内的常规发电机组功率时间序列以及利用负荷曲线得到的负荷时间序列,P%表示风电场输出功率高于当前负荷的比例,分别利用(4)式和(5)式求取风电机组剩余功率序列和常规机组剩余功率序列:
(4)
(5)
3)求取电池储能设备的输出功率序列:
(6)
是指第i+1个时段电池储能设备的输出功率;
步骤4:建立含电池储能设备的风电场可靠性评估模型
将风电机组和储能设备看作负荷,对原始负荷曲线与输出或输入功率进行叠加,得到等效负荷曲线:
(7)
其中,PWi、PGi、PBi、Li和LDi分别为T时刻下的风电机组剩余功率、常规机组剩余功率、电池储能设备输出功率、负荷有功功率以及切负荷功率;
由此可得到每一抽样年中发生的缺电次数LLTi、缺电持续时间LLDi和缺供电量ENSi,对于N年的抽样时间,缺电时间期望LOLE和电量不足期望LOEE的计算式由(9)和(10)得到:
(8)
(9)
(10)
步骤5:计及电池储能设备运行特性参数的可靠性评估模型
计及电池储能设备运行参数设备容量、充放电速率和充放电电压稳定性的影响下,风电场可靠性评估模型为:
1)在一个时间段内对常规机组进行抽样,得到常规机组剩余功率序列;
2)结合当前负荷大小,确定电池储能系统的初始充放电功率Pini
(11)
其中,Pdisch-max和Pch-max分别为设备最大放电功率和设备最大充电功率;
3)能量型和功率型设备的当前时段内设备每小时释放或充入的能量EBi计算表达式分别如(12)和(13)所示:(12)
其中,指的是能量型和功率型设备第i+1时段每小时释放或充入的能量;
(13)
其中,
(14)
由于EN与充放电初始功率Pini有关,因此fp(t)实际上是功率型电池设备的功率时间函数曲线簇,即:
(15)
其中,通过统计数据进行二次拟合获取;
4)获取时间段T内设备的可用充放电功率Pavai,可用放电功率Pavai-out和可用充电功率Pavai-in,计算公式如下:
(16)
(17)
步骤6:计算计及电池储能设备运行特性参数的风电场可靠性参数根据(6)式电池储能设备的输出功率序列以及时间段T内的可用充放电功率,结合时间段T内设备的可用充放电功率Pavai,获取在n个模拟年内储能设备的完整充放电功率序列{PBt(i),i=1, 2, …, 8736×n},根据式(4)、(5)和(6)分别求得PWi、PGi、和PBi、以及利用式(7)表示的等效负荷曲线,使用序贯蒙特卡洛法求取相应的可靠性指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210010422.8A CN102545214B (zh) | 2012-01-13 | 2012-01-13 | 一种含电池储能设备的风电场可靠性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210010422.8A CN102545214B (zh) | 2012-01-13 | 2012-01-13 | 一种含电池储能设备的风电场可靠性评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102545214A CN102545214A (zh) | 2012-07-04 |
CN102545214B true CN102545214B (zh) | 2014-08-20 |
Family
ID=46351430
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210010422.8A Active CN102545214B (zh) | 2012-01-13 | 2012-01-13 | 一种含电池储能设备的风电场可靠性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102545214B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103051018B (zh) * | 2012-12-06 | 2014-03-12 | 中国电力科学研究院 | 用于提高风电可控性的电池储能系统控制方法 |
CN103294848B (zh) * | 2013-05-03 | 2016-03-02 | 中国航天标准化研究所 | 基于混合自回归滑动平均模型的卫星太阳能电池阵寿命预测方法 |
CN103746402B (zh) * | 2013-12-13 | 2016-08-17 | 国家电网公司 | 一种接入风储互补微网的配电网可靠性评估方法 |
CN103825272A (zh) * | 2014-03-18 | 2014-05-28 | 国家电网公司 | 一种基于解析法的含分散风电的配电网可靠性确定方法 |
CN103997052B (zh) * | 2014-04-23 | 2016-08-17 | 国家电网公司 | 一种多储能电站的有功功率控制的方法 |
CN104167734B (zh) * | 2014-08-29 | 2016-04-27 | 重庆大学 | 基于时序模拟的并网型微网可靠性评估方法 |
CN104253432B (zh) * | 2014-09-09 | 2017-12-15 | 上海交通大学 | 数据中心内利用风能和电池储能的运行费用计算方法 |
CN105021993B (zh) * | 2015-06-16 | 2019-07-09 | 北京亿利智慧能源科技有限公司 | 一种电池在线控制性能评估方法 |
CN105069535B (zh) * | 2015-08-19 | 2020-07-24 | 中国电力科学研究院 | 一种基于arima模型的配电网运行可靠性的预测方法 |
CN105207211B (zh) * | 2015-10-20 | 2017-08-01 | 河海大学 | 一种风储混合电力系统充裕度评估方法 |
CN106447218B (zh) * | 2016-10-14 | 2019-07-09 | 重庆大学 | 基于多风电场的抽水蓄能系统的可靠性评估方法 |
CN107037733B (zh) * | 2017-06-15 | 2023-09-05 | 中国东方电气集团有限公司 | 风电场储能硬件在环测试调整系统及方法 |
CN109217294A (zh) * | 2018-09-14 | 2019-01-15 | 大唐新疆清洁能源有限公司 | 风电场大型电网安全性评估方法 |
CN111915451B (zh) * | 2020-08-05 | 2024-03-29 | 国网安徽省电力有限公司电力科学研究院 | 台区日功率曲线计算方法 |
CN116523349B (zh) * | 2023-05-19 | 2024-01-23 | 北京协合运维风电技术有限公司 | 一种风力电站可靠性分析方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101710703A (zh) * | 2009-11-20 | 2010-05-19 | 东北电力大学 | 风电场群功率汇聚外送输电容量静态优化方法 |
CN101858312A (zh) * | 2010-05-31 | 2010-10-13 | 重庆大学 | 风力发电机组实时运行状态评估系统及评估方法 |
-
2012
- 2012-01-13 CN CN201210010422.8A patent/CN102545214B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101710703A (zh) * | 2009-11-20 | 2010-05-19 | 东北电力大学 | 风电场群功率汇聚外送输电容量静态优化方法 |
CN101858312A (zh) * | 2010-05-31 | 2010-10-13 | 重庆大学 | 风力发电机组实时运行状态评估系统及评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102545214A (zh) | 2012-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102545214B (zh) | 一种含电池储能设备的风电场可靠性评估方法 | |
Barelli et al. | Integrating Hybrid Energy Storage System on a Wind Generator to enhance grid safety and stability: A Levelized Cost of Electricity analysis | |
Salimi et al. | Simultaneous operation of wind and pumped storage hydropower plants in a linearized security-constrained unit commitment model for high wind energy penetration | |
CN102289566B (zh) | 独立运行模式下的微电网多时间尺度能量优化调度方法 | |
Zaibi et al. | Smart power management of a hybrid photovoltaic/wind stand-alone system coupling battery storage and hydraulic network | |
Mahdavi et al. | Two-level planning for coordination of energy storage systems and wind-solar-diesel units in active distribution networks | |
Wang et al. | Optimal decentralized coordination of electric vehicles and renewable generators in a distribution network using A∗ search | |
Dhiman et al. | Wake management based life enhancement of battery energy storage system for hybrid wind farms | |
CN102436631B (zh) | 一种风/柴/储混合系统可靠性评估方法 | |
CN105226650A (zh) | 基于微燃机-储能联合运行策略的微电网可靠性计算方法 | |
Chen et al. | Energy storage sizing for dispatchability of wind farm | |
CN109378856A (zh) | 基于滚动优化的风-储混合电站功率波动平抑策略与模拟方法 | |
Zheng et al. | Optimal short-term power dispatch scheduling for a wind farm with battery energy storage system | |
Gao et al. | Reliability evaluation of power systems with WTGs and energy storage | |
Moradzadeh et al. | A stochastic optimal planning model for fully green stand-alone PEV charging stations | |
CN117767445A (zh) | 一种海上风电及储能参与的有功功率协调控制方法及系统 | |
Wang et al. | Adequacy assessment of generating systems incorporating wind, PV and energy storage | |
CN112186808A (zh) | 一种微网能量优化调度方法 | |
Houari et al. | Hybridization of electrical energy storage for intelligent integration of photovoltaics in electric networks | |
CN108599148A (zh) | 计及交直流微网应对灾害事件弹性能力的鲁棒调度方法 | |
Hussein et al. | Reliability assessment of integrated wind-storage systems using Monte Carlo simulation | |
Raff et al. | Comparative analysis of an off-grid PV system for different types of batteries | |
CN116454927A (zh) | 基于共享储能的电网两阶段在线调度方法、系统及设备 | |
Dey | Hybrid Hydro Renewable Energy Storage Model | |
Ghaedi et al. | The Impact of Vanadium-Redox Batteries on the Reliability of Power Systems Integrated with Current-Type Tidal-Turbines |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |