CN103971293A - 一种考虑天气的风电场可靠性建模方法 - Google Patents
一种考虑天气的风电场可靠性建模方法 Download PDFInfo
- Publication number
- CN103971293A CN103971293A CN201410173180.3A CN201410173180A CN103971293A CN 103971293 A CN103971293 A CN 103971293A CN 201410173180 A CN201410173180 A CN 201410173180A CN 103971293 A CN103971293 A CN 103971293A
- Authority
- CN
- China
- Prior art keywords
- wind
- turbine set
- energy turbine
- wind energy
- electricity generation
- 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.)
- Granted
Links
Landscapes
- Wind Motors (AREA)
Abstract
本发明提出了一种考虑天气的风电场可靠性建模方法,包括步骤:参数初始化;产生各个风电场的小时风速序列;计算各个风电场中各台风电机组正常运行时的小时输出功率序列;产生各个风电场的小时天气状况序列;产生各个风电场中各台风电机组的小时运行状态序列;产生各个风电场中各台风电机组的小时输出功率序列;产生各个风电场的小时输出功率序列;建立各个风电场的多状态模型。本发明方法所建立的风电场模型同时考虑了多个风电场天气状况的相关性、天气状况对风电机组强迫停运率的影响以及恶劣天气状况下风电机组之间的相关停运等因素,更加符合实际情况。
Description
技术领域
本发明属于电力系统建模技术领域,尤其是涉及一种考虑天气的风电场可靠性建模方法。
背景技术
作为节能环保的新能源,风能在世界范围内受到了广泛的重视,随着世界经济的发展,近年来风电产业发展势头迅猛。风能存在波动性和间歇性特点,同时风电机组的停运也存在随机性,这使得风电场的输出功率是一个随机变量。由于风电场输出功率的不确定性和不可调度性,大规模的风电并网可能会对电力系统的安全稳定运行造成一定的影响,因此有必要建立准确的风电场可靠性模型,从而为系统规划和调度人员进行风电接入后的系统运行方案的制定提供参考。
户外环境中运行的电力系统元件容易受到天气状况的影响,根据天气状况对暴露元件故障率的影响程度,IEEE标准将天气状况分成正常天气、恶劣天气、大灾难天气三类,由于大灾难天气出现的机会极小,因此大多数天气条件都可归入正常和恶劣两种情况。根据天气状况对风电机组故障率的影响,可将对风电机组故障率影响较小的天气归类为正常天气,对风电机组故障率影响很大的天气(如冰冻、台风、雷击和盐雾等)归为恶劣天气。
天气状况不同,则风电场中风电机组的强迫停运率不同,同一风电场内风电机组的停运相关系数也不同。正常天气状况下,可以采用统计平均值作为风电机组的强迫停运率,且采用同一风电场内各台风电机组独立停运的假设;而在冰冻、台风、雷击和盐雾等恶劣的天气条件下,则有必要采用高于统计平均值的强迫停运率作为风电机组的强迫停运率,且认为在天气原因引起的共因停运模式下风电机组的停运存在一定的相关性。
现有文献在进行风电场可靠性建模时,对于天气状况因素的考虑存在以下缺陷:(1)在考虑风电机组的随机停运时,往往采用固定的风电机组强迫停运率,这种不论天气状况而统一采用固定的风电机组强迫停运率的建模方法将会带来较大的误差;(2)往往假设风电场的所有风电机组相互独立,采用的是独立停运模型,没有考虑恶劣天气下风电机组共因停运的影响。
发明内容
本发明所要解决的技术问题在于克服现有技术的不足,提出了一种考虑天气的风电场可靠性建模方法。
为解决上述技术问题,本发明所采用的技术方案是:
一种考虑天气的风电场可靠性建模方法,包含步骤如下:
步骤A,参数初始化;
所述参数包括:
风电场的数目NWF;
各个风电场包含的不同类型风电机组的型号数目,其中第i个风电场由ni个不同型号的风电机组组成,i=1,...,NWF;
各个风电场中各种型号的风电机组的台数,其中第i个风电场中第j种类型风电机组的台数为mij,j=1,...,ni;
第i个风电场总的风电机组的台数ntotal(i):ntotal(i)=mijni;
第i个风电场中第j种型号的风电机组的技术参数包括,额定功率PR,ij、风电机组的切入风速Vci,ij、风电机组的切出风速为Vco,ij、风电机组的额定风速VR,ij、风电机组在正常天气状况时的强迫停运率λnormij、风电机组在恶劣天气状况时的强迫停运率λbadij;
第i个风电场的等值状态数为Nstatei;
第i个风电场处于正常天气的概率为Pnorm(i);
风电场之间天气状况的相关系数矩阵ρw,矩阵ρw的维数为NWF×NWF;
风电场之间风速的相关系数矩阵ρv,矩阵ρv的维数为NWF×NWF;
第i个风电场风速的威布尔分布的尺度参数为ci;
第i个风电场风速的威布尔分布的形状参数为ki;
第i个风电场内各风电机组间故障停运相关系数矩阵为ρi,矩阵ρi的维数为ntotal(i)×ntotal(i);
风电场中风速模拟的小时数T;
步骤B,根据各个风电场风速的威布尔分布参数和风电场之间风速的相关系数,产生服从威布尔分布、具有相关性的各个风电场的小时风速序列;
步骤C:根据步骤B产生的各个风电场的小时风速序列和各种型号风电机组的输出功率特性,计算各个风电场中各台风电机组正常运行时的小时输出功率序列,其中第i个风电场中第r台风电机组在正常运行时第t小时的输出功率为PNi,r(t),r=1,2,...,ntotal(i);
步骤D:根据各个风电场处于正常天气状况的概率和风电场间天气状况的相关系数,产生各个风电场的小时天气状况序列;
步骤E:根据各个风电场小时天气状况序列,产生各个风电场中各台风电机组的小时运行状态序列,其中产生第i个风电场第r台风电机组的小时运行状态序列的具体步骤如下:
步骤E-1:确定第r台风电机组的型号;
步骤E-2:产生表征各台风电机组状态的随机数:
若第i个风电场第t小时为正常天气,则抽取ntotal(i)个独立的随机数来表征各台风电机组状态;
若第i个风电场第t小时为恶劣天气,则抽取ntotal(i)个服从[0,1]之间均匀分布、且具有指定相关系数ρi的随机数来表征各台风电机组状态;
步骤E-3:将步骤E-2中的随机数同各台风电机组在相应天气状况下的强迫停运率进行比较,根据比较结果确定风电机组的运行状态;其中,第i个风电场第r台风电机组第t小时的运行状态Si,r(t)的确定方法如下:
当风电场第t小时天气状况为恶劣天气时,若步骤E-2中产生的相关随机数小于或等于该风电机组在恶劣天气状况时的强迫停运率λbadij,则风电机组此刻处于停运状态,令Si,r(t)=0;反之,若步骤E-2中产生的相关随机数大于该风电机组在恶劣天气状况时的强迫停运率λbadij,则风电机组此刻处于正常运行状态,令Si,r(t)=1;
当风电场第t小时天气状况为正常天气时,若步骤E-2中产生的独立随机数小于或等于该风电机组在正常天气状况时的强迫停运率λnormij,则风电机组此刻处于停运状态,令Si,r(t)=0;反之,若步骤E-2中产生的独立随机数大于该风电机组在正常天气状况时的强迫停运率λnormij,则风电机组此刻处于正常运行状态,令Si,r(t)=1;
步骤F:将步骤C所得的各个风电场中各台风电机组正常运行时的小时输出功率序列PNi,r(t),同步骤E所得各台风电机组的运行状态Si,r(t)相乘,得到各个风电场中各台风电机组实际的小时输出功率序列PAi,r(t),其计算公式为:
PAi,r(t)=PNi,r(t)×Si,r(t)
步骤G:计算每一个风电场的小时输出功率序列,
第i个风电场的小时输出功率序列PWF(i,t)的计算公式为:
步骤H:采用线性划分或者聚类的方法,将步骤G所得的各个风电场的小时输出功率序列模型等值成多状态输出功率概率模型。
步骤B中,所述产生服从威布尔分布、具有相关性的各个风电场的小时风速序列的方法为逆Nataf变换方法,其具体步骤为:
步骤B-1:生成独立的标准正态分布变量Y的样本Ys,Ys的维数为NWF×T,其中T表示模拟的风速小时数;
步骤B-2:根据各个风电场风速的威布尔分布尺度参数和形状参数,计算各个风电场风速的期望和标准差,其中第i个风电场风速的期望μi和标准差σi的计算公式为:
上式中,ci和ki分别表示第i个风电场风速的威布尔分布尺度参数和形状参数;
步骤B-3:由式子ρ0ab=D(ρab)ρab来确定威布尔分布的等效相关系数矩阵ρ0,ρ0的维数为NWF×NWF,其中,ρ0ab是矩阵ρ0中第a行第b列的元素,ρab为风电场之间风速的相关系数矩阵ρv中第a行第b列的元素,D(ρab)的表达式为:
上式中,μa和σa为步骤B-2计算所得的第a个风电场风速的期望和标准差;μb和σb为步骤B-2计算所得的第b个风电场风速的期望和标准差;
步骤B-4:对ρ0进行Choleskey分解,得到下三角阵L0:
步骤B-5:计算相关系数矩阵为ρ0的样本Xs,其表达式为:
Xs=L0Ys
步骤B-6:根据等概率转换原则生成相关系数矩阵为ρv的随机模拟量的样本v,计算v中第i行第t列的元素vi,t的表达式为:
上式中,vi,t表示第i个风电场第t小时的风速,t=1,2,...,T,xi,t表示Xs中第i行第t列的元素,Φ为标准正态分布变量累积分布函数。
步骤D中,所述产生各个风电场的小时天气状况序列,其采用的方法为逆Nataf变换方法,其具体步骤如下:
步骤D-1:生成独立的标准正态分布变量Z的样本Zs,Zs的维数为NWF×T;
步骤D-2:由式子ρ1cd=F(γcd)γcd来确定均匀分布的等效相关系数ρ1,ρ1的维数为NWF×NWF,其中ρ1cd是矩阵ρ1中第c行第d列的元素,γcd为风电场之间天气相关系数矩阵ρw中第c行第d列的元素,F(γcd)的表达式为:
步骤D-3:对ρ1进行Choleskey分解得到下三角阵L1:
步骤D-4:计算相关系数矩阵为ρ1的样本Ms,其表达式为:
Ms=L1Zs
步骤D-5:根据等概率转换原则生成相关系数矩阵为ρw的随机模拟量的样本Us,其表达式为:
Us=Φ(Ms)
上式中,Φ为标准正态分布变量累积分布函数;
步骤D-6:将步骤D-5所产生的随机样本Us中的元素同各风电场处于正常天气状况的概率进行比较,根据比较结果确定各个风电场的小时天气状况序列;其中,产生第i个风电场t时刻的天气状况序列W(i,t)的方法为:
若us(i,t)≤Pnorm(i),则表示第i个风电场t时刻为正常天气,令W(i,t)=1;
若us(i,t)>Pnorm(i),则表示第i个风电场t时刻为恶劣天气,令W(i,t)=0;
其中,us(i,t)是步骤D-5所得的Us中第i行第t列的元素。
步骤E-2中,所述产生ntotal(i)个服从[0,1]之间均匀分布、且具有指定相关系数ρi的随机数的方法为逆Nataf方法。
本发明的有益效果是:本发明提出了一种考虑天气的风电场可靠性建模方法,包括步骤:参数初始化;产生各个风电场的小时风速序列;计算各个风电场中各台风电机组正常运行时的小时输出功率序列;产生各个风电场的小时天气状况序列;产生各个风电场中各台风电机组的小时运行状态序列;产生各个风电场中各台风电机组的小时输出功率序列;产生各个风电场的小时输出功率序列;建立各个风电场的多状态模型。本发明方法所建立的风电场模型同时考虑了多个风电场天气状况的相关性、天气状况对风电机组强迫停运率的影响以及恶劣天气状况下风电机组之间的相关停运等因素,更加符合实际情况。
附图说明
图1是本发明的考虑天气的风电场可靠性建模方法流程图。
图2是步骤E中产生各个风电场中各台风电机组小时运行状况序列的流程图。
具体实施方式
下面结合附图,对本发明提出的一种考虑天气的风电场可靠性建模方法进行详细说明:
如图1所示,是考虑天气的风电场可靠性建模方法流程图,一种风电场可靠性建模方法,包括步骤如下:
步骤A,参数初始化,所述参数包括:
风电场的数目NWF;
各个风电场包含的不同类型风电机组的型号数目,其中第i个风电场由ni个不同型号的风电机组组成,i=1,...,NWF;
各个风电场中各种型号的风电机组的台数,其中第i个风电场中第j种类型风电机组的台数为mij,j=1,...,ni;
各个风电场总的风电机组的台数:ntotal(i)=mijni
各个风电场中风电机组的技术参数,其中,第i个风电场中第j种型号的风电机组的技术参数包括,额定功率PR,ij、风电机组的切入风速Vci,ij、风电机组的切出风速为Vco,ij、风电机组的额定风速VR,ij、风电机组在正常天气状况时的强迫停运率λnormij、风电机组在恶劣天气状况时的强迫停运率λbadij;
各个风电场的等值状态数目,其中第i个风电场的等值状态数为Nstatei;
各个风电场中的风电机组处于正常运行天气状况的概率,其中第i个风电场处于正常天气的概率为Pnorm(i);
风电场之间天气状况的相关系数矩阵ρw,矩阵的维数为NWF×NWF;
风电场之间风速的相关系数矩阵ρv,矩阵的维数为NWF×NWF;
各个风电场风速的威布尔分布的尺度参数,其中第i个风电场风速的威布尔分布的尺度参数为ci;
各个风电场风速的威布尔分布的形状参数,其中第i个风电场风速的威布尔分布的形状参数为ki;
恶劣天气状况下,各个风电场中风电机组之间的故障停运相关系数矩阵,其中第i个风电场内各风电机组间故障停运相关系数矩阵为ρi,矩阵的维数为ntotal(i)×ntotal(i);
风电场中风速模拟的小时数T;
步骤B,根据各个风电场风速的威布尔分布参数和风电场之间风速的相关系数,产生服从威布尔分布、具有相关性的各个风电场的小时风速序列;
步骤B的具体实施例1:
步骤B-1:生成独立的标准正态分布变量Y的样本Ys,Ys的维数为NWF×T,其中T表示模拟的风速小时数。
步骤B-2:根据各个风电场风速的威布尔分布尺度参数和形状参数,计算各个风电场风速的期望和标准差,其中第i个风电场风速的期望μi和标准差σi的计算公式为:
上式中,ci和ki分别表示第i个风电场风速的威布尔分布尺度参数和形状参数。
步骤B-3:由式子ρ0ab=D(ρab)ρab来确定威布尔分布的等效相关系数矩阵ρ0(ρ0的维数为NWF×NWF),其中,ρ0ab是矩阵ρ0中第a行第b列的元素,ρab为风电场之间风速的相关系数矩阵ρv中第a行第b列的元素,D(ρab)的表达式为:
上式中,μa和σa为步骤B-2计算所得的第a个风电场风速的期望和标准差;μb和σb为步骤B-2计算所得的第b个风电场风速的期望和标准差;
步骤B-4:对ρ0进行Choleskey分解,得到下三角阵L0:
步骤B-5:计算相关系数矩阵为ρ0的样本Xs,其表达式为:
Xs=L0Ys
步骤B-6:根据等概率转换原则生成相关系数矩阵为ρv的随机模拟量的样本v,计算v中第i行第t列的元素vi,t的表达式为:
上式中,vi,t表示第i个风电场第t(t=1,2,...,T)小时的风速,xi,t表示Xs中第i行第t列的元素,Φ为标准正态分布变量累积分布函数。
步骤B的具体实施例2:
步骤B-1:生成[0,1]之间均匀分布的T维(其中T表示模拟的风速小时数)随机数序列Ri。
步骤B-2:产生无相关特性的、服从威布尔分布的各风电场的风速;其中第i个风电场的风速序列vi的计算公式为
步骤B-3:对步骤B-2中产生的风速向量进行标准化得到标准化后的风速向量z,计算公式是:
式中u是NWF个风电场小时风速序列的平均值构成的向量,σ是NWF个风电场小时风速序列的标准差构成的向量。
步骤B-4:对风电场间的相关系数矩阵进行Choleskey分解,其表达式为:
ρv=LLT
其中,L是下三角阵,且对角元素是正值;
步骤B-5:计算得到具有关联特性的各风电场的风速向量v,其表达式为:
v=Lz+u
步骤C:根据步骤B产生的各个风电场的小时风速序列和各种型号风电机组的输出功率特性,计算各个风电场中各台风电机组正常运行时的小时输出功率序列;
假设第i个风电场的第r台(r=1,2,...,ntotal(i))风电机组属于第j种类型的风电机组,则其中第i个风电场的第r台风电机组正常运行时的小时输出功率序列PNi,r(t)的计算公式为:
式中vi,t表示步骤B所得的第i个风电场t时刻的风速。
步骤D:根据各个风电场处于正常天气状况的概率和风电场间天气状况的相关系数,产生各个风电场的小时天气状况序列;
进一步地,采用逆Nataf变换的方法产生具有相关性的各个风电场的小时天气状况序列,具体步骤为:
步骤D-1:生成独立的标准正态分布变量Z的样本Zs,Zs的维数为NWF×T;
步骤D-2:由式子ρ1cd=F(γcd)γcd来确定均匀分布的等效相关系数ρ1(ρ1的维数为NWF×NWF),其中ρ1cd是矩阵ρ1中第c行第d列的元素,γcd为风电场之间天气相关系数矩阵ρw中第c行第d列的元素,F(γcd)的表达式为:
步骤D-3:对ρ1进行Choleskey分解得到下三角阵L1:
步骤D-4:计算相关系数矩阵为ρ1的样本Ms,其表达式为:
Ms=L1Zs
步骤D-5:根据等概率转换原则生成相关系数矩阵为ρw的随机模拟量的样本Us,其表达式为:
Us=Φ(Ms)
上式中,Φ为标准正态分布变量累积分布函数。
步骤D-6:将步骤D-5所产生的随机样本Us中的元素同各风电场处于正常天气状况的概率进行比较,根据比较结果确定各个风电场的小时天气状况序列;其中,产生第i个风电场t时刻的天气状况序列W(i,t)的方法为:
若us(i,t)≤Pnorm(i),则表示第i个风电场t时刻为正常天气,令W(i,t)=1;
若us(i,t)>Pnorm(i),则表示第i个风电场t时刻为恶劣天气,令W(i,t)=0。
其中,us(i,t)是步骤D-5所得的Us中第i行第t列的元素。
步骤E:根据步骤D产生的各个风电场小时天气状况,产生各个风电场中各台风电机组的小时运行状态序列。
如图2所示,产生第i个风电场第r台风电机组的小时运行状态序列的具体步骤如下:
步骤E-1:确定第r台风电机组的型号。假设经过判断得出第r台风电机组属于第j种类型的风电机组。
步骤E-2:产生表征各台风电机组状态的随机数:若步骤D所得的第i个风电场第t小时为正常天气,则抽取ntotal(i)个独立的随机数来表征各台风电机组状态;若步骤D所得的第i个风电场第t小时为恶劣天气,则抽取ntotal(i)个服从[0,1]之间均匀分布、且具有指定相关系数ρi的随机数来表征各台风电机组状态;
进一步地,步骤E-2中产生ntotal(i)个服从[0,1]之间均匀分布、且具有指定相关系数ρi的随机数的方法为逆Nataf方法;
步骤E-3:将步骤E-2中的随机数同各台风电机组在相应天气状况下的强迫停运率进行比较,根据比较结果确定风电机组的运行状态。确定第i个风电场第r台(r=1,2,...,ntotal(i))风电机组第t小时的运行状态Si,r(t)的具体方法如下:
当步骤D中抽样产生的风电场第t小时天气状况为恶劣天气时,若步骤E-2中产生的相关随机数小于或等于该风电机组在恶劣天气状况时的强迫停运率λbadij,则风电机组此刻处于停运状态,令Si,r(t)=0;反之,若步骤E-2中产生的相关随机数大于该风电机组在恶劣天气状况时的强迫停运率λbadij,则风电机组此刻处于正常运行状态,令Si,r(t)=1;
当步骤D中抽样产生的风电场第t小时天气状况为正常天气时,若步骤E-2中产生的独立随机数小于或等于该风电机组在正常天气状况时的强迫停运率λnormij,则风电机组此刻处于停运状态,令Si,r(t)=0;反之,若步骤E-2中产生的独立随机数大于该风电机组在正常天气状况时的强迫停运率λnormij,则风电机组此刻处于正常运行状态,令Si,r(t)=1;
步骤F:将步骤C所得的各个风电场中各台风电机组正常运行时的小时输出功率序列PNi,r(t)同步骤E所得各台风电机组的运行状态表示Si,r(t)相乘,得到各个风电场中各台风电机组实际的小时输出功率序列,计算公式为:
PAi,r(t)=PNi,r(t)×Si,r(t)
步骤G:计算每一个风电场的小时输出功率序列,
其中,第i个风电场的小时输出功率序列PWF(i,t)的计算公式为:
步骤G所建立的模型可以用于采用序贯蒙特卡洛方法进行含风电场的电力系统可靠性评估。倘若需要采用非序贯蒙特卡洛方法或者解析法进行含风力发电的系统可靠性评估,则可进一步根据步骤H将步骤G的模型等值成多状态模型。
步骤H:采用线性划分或者聚类的方法,将步骤G所得的各个风电场的小时输出功率序列模型等值成多状态输出功率概率模型。
步骤H的具体实施例1:采用线性划分等值方法建立第i个风电场的多状态概率模型的具体步骤为:
I,将第i个风电场的所有风电机组的额定输出功率之和划分成Nstatei个状态,其中第l(l=1,...,Nstatei)个状态的输出功率ASi,l为:
II,将第i个风电场第t小时的输出功率之和PWF(i,t)的持续时间分别划分到状态l和状态l+1;其中,划分到状态l的持续时间为ΔTl(i,t),划分到状态l+1的持续时间为ΔTl+1(i,t);ΔTl(i,t)和ΔTl+1(i,t)的计算公式分别如下:
若PWF(i,t)∈[ASi,l,ASi,l+1],则:
若PWF(i,t)[ASi,l,ASi,l+1],则:
ΔTl(i,t)=0
ΔTl+1(i,t)=0
III,计算第i个风电场的第l个状态的持续时间Ti,l,其计算公式为:
IV,计算第i个风电场第l个状态出现的概率EPi,l,其计算公式为:
步骤H的具体实施例2:采用k均值聚类的方法,将第i个风电场的小时输出功率序列模型聚类等值成Nstatei个多状态概率模型的具体步骤为:
1)从第i个风电场的小时输出功率序列数据对象PWF,i(t)中,任意选择Nstatei个对象作为初始聚类中心Ml(l=1,2,…,Nstatei);
2)计算第i个风电场的输出功率各个小时数据PWF,i(t)(t=1,2,…,T)与聚类中心Ml的距离Dl=|Ml-PWF,i(t)|,并根据最小距离重新对相应的对象进行划分,形成类簇Cix(ix=1,2,…,Nix),Nix表示类簇Cix中包含的对象个数。
3)计算每个聚类的均值作为更新后的聚类中心,其表达式为:
4)重复步骤2)和步骤3),直到每个聚类不再发生变化为止。
5)假设步骤4)的最终聚类结果为:第l个聚类中心为Mfl,第l个聚类包含的对象个数为Nfix,则第i个风电场第l个状态的输出功率为:
ASi,l=Mfl
第i个风电场第l个状态出现的概率的表达式为:
Claims (4)
1.一种考虑天气的风电场可靠性建模方法,其特征在于,包含步骤如下:
步骤A,参数初始化;
所述参数包括:
风电场的数目NWF;
各个风电场包含的不同类型风电机组的型号数目,其中第i个风电场由ni个不同型号的风电机组组成,i=1,...,NWF;
各个风电场中各种型号的风电机组的台数,其中第i个风电场中第j种类型风电机组的台数为mij,j=1,...,ni;
第i个风电场总的风电机组的台数ntotal(i):ntotal(i)=mijni;
第i个风电场中第j种型号的风电机组的技术参数包括,额定功率PR,ij、风电机组的切入风速Vci,ij、风电机组的切出风速为Vco,ij、风电机组的额定风速VR,ij、风电机组在正常天气状况时的强迫停运率λnormij、风电机组在恶劣天气状况时的强迫停运率λbadij;
第i个风电场的等值状态数为Nstatei;
第i个风电场处于正常天气的概率为Pnorm(i);
风电场之间天气状况的相关系数矩阵ρw,矩阵ρw的维数为NWF×NWF;
风电场之间风速的相关系数矩阵ρv,矩阵ρv的维数为NWF×NWF;
第i个风电场风速的威布尔分布的尺度参数为ci;
第i个风电场风速的威布尔分布的形状参数为ki;
第i个风电场内各风电机组间故障停运相关系数矩阵为ρi,矩阵ρi的维数为ntotal(i)×ntotal(i);
风电场中风速模拟的小时数T;
步骤B,根据各个风电场风速的威布尔分布参数和风电场之间风速的相关系数,产生服从威布尔分布、具有相关性的各个风电场的小时风速序列;
步骤C:根据步骤B产生的各个风电场的小时风速序列和各种型号风电机组的输出功率特性,计算各个风电场中各台风电机组正常运行时的小时输出功率序列,其中第i个风电场中第r台风电机组在正常运行时第t小时的输出功率为PNi,r(t),r=1,2,...,ntotal(i);
步骤D:根据各个风电场处于正常天气状况的概率和风电场间天气状况的相关系数,产生各个风电场的小时天气状况序列;
步骤E:根据各个风电场小时天气状况序列,产生各个风电场中各台风电机组的小时运行状态序列,其中产生第i个风电场第r台风电机组的小时运行状态序列的具体步骤如下:
步骤E-1:确定第r台风电机组的型号;
步骤E-2:产生表征各台风电机组状态的随机数:
若第i个风电场第t小时为正常天气,则抽取ntotal(i)个独立的随机数来表征各台风电机组状态;
若第i个风电场第t小时为恶劣天气,则抽取ntotal(i)个服从[0,1]之间均匀分布、且具有指定相关系数ρi的随机数来表征各台风电机组状态;
步骤E-3:将步骤E-2中的随机数同各台风电机组在相应天气状况下的强迫停运率进行比较,根据比较结果确定风电机组的运行状态;其中第i个风电场第r台风电机组第t小时的运行状态Si,r(t)的确定方法如下:
当风电场第t小时天气状况为恶劣天气时,若步骤E-2中产生的相关随机数小于或等于该风电机组在恶劣天气状况时的强迫停运率λbadij,则风电机组此刻处于停运状态,令Si,r(t)=0;反之,若步骤E-2中产生的相关随机数大于该风电机组在恶劣天气状况时的强迫停运率λbadij,则风电机组此刻处于正常运行状态,令Si,r(t)=1;
当风电场第t小时天气状况为正常天气时,若步骤E-2中产生的独立随机数小于或等于该风电机组在正常天气状况时的强迫停运率λnormij,则风电机组此刻处于停运状态,令Si,r(t)=0;反之,若步骤E-2中产生的独立随机数大于该风电机组在正常天气状况时的强迫停运率λnormij,则风电机组此刻处于正常运行状态,令Si,r(t)=1;
步骤F:将步骤C所得的各个风电场中各台风电机组正常运行时的小时输出功率序列PNi,r(t),同步骤E所得各台风电机组的运行状态Si,r(t)相乘,得到各个风电场中各台风电机组实际的小时输出功率序列PAi,r(t),其计算公式为:
PAi,r(t)=PNi,r(t)×Si,r(t)
步骤G:计算每一个风电场的小时输出功率序列,
第i个风电场的小时输出功率序列PWF(i,t)的计算公式为:
步骤H:采用线性划分或者聚类的方法,将步骤G所得的各个风电场的小时输出功率序列模型等值成多状态输出功率概率模型。
2.根据权利要求1所述的一种考虑天气的风电场可靠性建模方法,其特征在于,步骤B中,所述产生服从威布尔分布、具有相关性的各个风电场的小时风速序列的方法为逆Nataf变换方法,其具体步骤为:
步骤B-1:生成独立的标准正态分布变量Y的样本Ys,Ys的维数为NWF×T,其中T表示模拟的风速小时数;
步骤B-2:根据各个风电场风速的威布尔分布尺度参数和形状参数,计算各个风电场风速的期望和标准差,其中第i个风电场风速的期望μi和标准差σi的计算公式为:
上式中,ci和ki分别表示第i个风电场风速的威布尔分布尺度参数和形状参数;
步骤B-3:由式子ρ0ab=D(ρab)ρab来确定威布尔分布的等效相关系数矩阵ρ0,ρ0的维数为NWF×NWF,其中,ρ0ab是矩阵ρ0中第a行第b列的元素,ρab为风电场之间风速的相关系数矩阵ρv中第a行第b列的元素,D(ρab)的表达式为:
上式中,μa和σa为步骤B-2计算所得的第a个风电场风速的期望和标准差;μb和σb为步骤B-2计算所得的第b个风电场风速的期望和标准差;
步骤B-4:对ρ0进行Choleskey分解,得到下三角阵L0:
步骤B-5:计算相关系数矩阵为ρ0的样本Xs,其表达式为:
Xs=L0Ys
步骤B-6:根据等概率转换原则生成相关系数矩阵为ρv的随机模拟量的样本v,计算v中第i行第t列的元素vi,t的表达式为:
上式中,vi,t表示第i个风电场第t小时的风速,t=1,2,...,T,xi,t表示Xs中第i行第t列的元素,Φ为标准正态分布变量累积分布函数。
3.根据权利要求1所述的一种考虑天气的风电场可靠性建模方法,其特征在于,步骤D中,所述产生各个风电场的小时天气状况序列,其采用的方法为逆Nataf变换方法,其具体步骤如下:
步骤D-1:生成独立的标准正态分布变量Z的样本Zs,Zs的维数为NWF×T;
步骤D-2:由式子ρ1cd=F(γcd)γcd来确定均匀分布的等效相关系数ρ1,矩阵维数为NWF×NWF,其中ρ1cd是矩阵ρ1中第c行第d列的元素,γcd为风电场之间天气相关系数矩阵ρw中第c行第d列的元素,F(γcd)的表达式为:
步骤D-3:对ρ1进行Choleskey分解得到下三角阵L1:
步骤D-4:计算相关系数矩阵为ρ1的样本Ms,其表达式为:
Ms=L1Zs
步骤D-5:根据等概率转换原则生成相关系数矩阵为ρw的随机模拟量的样本Us,其表达式为:
Us=Φ(Ms)
上式中,Φ为标准正态分布变量累积分布函数;
步骤D-6:将步骤D-5所产生的随机样本Us中的元素同各风电场处于正常天气状况的概率进行比较,根据比较结果确定各个风电场的小时天气状况序列;其中,产生第i个风电场t时刻的天气状况序列W(i,t)的方法为:
若us(i,t)≤Pnorm(i),则表示第i个风电场t时刻为正常天气,令W(i,t)=1;
若us(i,t)>Pnorm(i),则表示第i个风电场t时刻为恶劣天气,令W(i,t)=0;
其中,us(i,t)是步骤D-5所得的Us中第i行第t列的元素。
4.根据权利要求1所述的一种考虑天气的风电场可靠性建模方法,其特征在于,步骤E-2中,所述产生ntotal(i)个服从[0,1]之间均匀分布、且具有指定相关系数ρi的随机数的方法为逆Nataf方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410173180.3A CN103971293B (zh) | 2014-04-25 | 2014-04-25 | 一种考虑天气的风电场可靠性建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410173180.3A CN103971293B (zh) | 2014-04-25 | 2014-04-25 | 一种考虑天气的风电场可靠性建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103971293A true CN103971293A (zh) | 2014-08-06 |
CN103971293B CN103971293B (zh) | 2017-03-01 |
Family
ID=51240746
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410173180.3A Expired - Fee Related CN103971293B (zh) | 2014-04-25 | 2014-04-25 | 一种考虑天气的风电场可靠性建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103971293B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104331572A (zh) * | 2014-11-17 | 2015-02-04 | 南京工程学院 | 考虑风速和风电机组故障相关性的风电场可靠性建模方法 |
CN105427005A (zh) * | 2016-01-18 | 2016-03-23 | 重庆大学 | 一种风电场运行风险评估方法 |
CN105469216A (zh) * | 2015-12-15 | 2016-04-06 | 深圳供电局有限公司 | 一种结合天气及风速评价风电场运行风险的方法和系统 |
CN109617123A (zh) * | 2018-12-29 | 2019-04-12 | 合肥工业大学 | 基于状态空间组合和聚类简化的风火系统的可靠性灵敏度分析方法 |
CN112801352A (zh) * | 2021-01-15 | 2021-05-14 | 上海电力大学 | 一种面向海上风机场内协同控制的功率预测方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103746370A (zh) * | 2013-12-20 | 2014-04-23 | 河海大学 | 一种风电场可靠性建模方法 |
-
2014
- 2014-04-25 CN CN201410173180.3A patent/CN103971293B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103746370A (zh) * | 2013-12-20 | 2014-04-23 | 河海大学 | 一种风电场可靠性建模方法 |
Non-Patent Citations (6)
Title |
---|
GAO Y,BILLINTON R: "Adequacy assessment of generating systems containing wind power considering wind speed correlation", 《IET RENEWABLE POWER GENERATION》 * |
GHOFRANI M,ET AL: "Energy storage application for performance enhancement of wind integration", 《IEEE TRANSACTIONS ON POWER SYSTEMS》 * |
QIN Z L,ET AL: "Generation system reliability evaluation incorporating correlations of winds speeds with different distributions", 《IEEE TRANSACTIONS ON POWER SYSTEMS》 * |
吴林伟等: "考虑风电机组故障的风电场可靠性模型及其应用", 《电力系统自动化》 * |
石文辉等: "含风电场的互联发电系统可靠性评估", 《电网技术》 * |
秦志龙等: "考虑风速相关性的发输电系统可靠性评估", 《电力系统自动化》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104331572A (zh) * | 2014-11-17 | 2015-02-04 | 南京工程学院 | 考虑风速和风电机组故障相关性的风电场可靠性建模方法 |
CN105469216A (zh) * | 2015-12-15 | 2016-04-06 | 深圳供电局有限公司 | 一种结合天气及风速评价风电场运行风险的方法和系统 |
CN105469216B (zh) * | 2015-12-15 | 2020-04-24 | 深圳供电局有限公司 | 一种结合天气及风速评价风电场运行风险的方法和系统 |
CN105427005A (zh) * | 2016-01-18 | 2016-03-23 | 重庆大学 | 一种风电场运行风险评估方法 |
CN109617123A (zh) * | 2018-12-29 | 2019-04-12 | 合肥工业大学 | 基于状态空间组合和聚类简化的风火系统的可靠性灵敏度分析方法 |
CN109617123B (zh) * | 2018-12-29 | 2022-02-11 | 合肥工业大学 | 基于状态空间组合和聚类简化的风火系统的可靠性灵敏度分析方法 |
CN112801352A (zh) * | 2021-01-15 | 2021-05-14 | 上海电力大学 | 一种面向海上风机场内协同控制的功率预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103971293B (zh) | 2017-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Short-term wind power prediction based on extreme learning machine with error correction | |
CN101661530B (zh) | 基于相关分析求取风电场稳态等效风速与发电功率的方法 | |
CN103020462B (zh) | 计及复杂尾流效应模型的风电场概率输出功率计算方法 | |
CN104331572A (zh) | 考虑风速和风电机组故障相关性的风电场可靠性建模方法 | |
CN103971293B (zh) | 一种考虑天气的风电场可靠性建模方法 | |
CN103746370B (zh) | 一种风电场可靠性建模方法 | |
CN103440400B (zh) | 考虑灾害因素的电力系统短期风险判定方法 | |
CN110570122B (zh) | 一种计及风速季节特性及集电系统元件故障的海上风电场可靠性评估方法 | |
CN105429129A (zh) | 一种考虑网络约束的间歇性能源发电容量置信度评估方法 | |
CN104217077A (zh) | 一种反映风速变化特性的风力发电出力随机模型建模方法 | |
Almutairi et al. | Use of MCMC to incorporate a wind power model for the evaluation of generating capacity adequacy | |
CN103825272A (zh) | 一种基于解析法的含分散风电的配电网可靠性确定方法 | |
Wiest et al. | Weather data-based load profile modeling for grid expansion planning | |
CN104133989A (zh) | 计及覆冰损失的风电场时序输出功率计算方法 | |
CN109412161A (zh) | 一种电力系统概率潮流计算方法及系统 | |
Abdelaziz et al. | Short term wind power forecasting using autoregressive integrated moving average modeling | |
CN104091077A (zh) | 一种风电场光伏电站联合出力模拟方法 | |
CN106355517A (zh) | 一种风电场集电系统可靠性计算方法 | |
CN106026079A (zh) | 海上风电场集电系统拓扑结构综合评估方法 | |
CN105449667A (zh) | 一种发输电系统可靠性预测方法 | |
Martini et al. | The impact of downtime over the long-term energy yield of a floating wind farm | |
CN106022594B (zh) | 基于极值理论的电力系统在线运行安全风险评估方法 | |
Nassar et al. | Probabilistic power flow using novel wind and solar probabilistic models | |
Cheng et al. | Probabilistic wind power generation model: Derivation and applications | |
Rios et al. | PEM-based Generation Adequacy Assessment of Power Systems with Non-Conventional Renewable Energy Sources |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170301 Termination date: 20200425 |
|
CF01 | Termination of patent right due to non-payment of annual fee |