CN105226650B - 基于微燃机‑储能联合运行策略的微电网可靠性计算方法 - Google Patents
基于微燃机‑储能联合运行策略的微电网可靠性计算方法 Download PDFInfo
- Publication number
- CN105226650B CN105226650B CN201510674197.1A CN201510674197A CN105226650B CN 105226650 B CN105226650 B CN 105226650B CN 201510674197 A CN201510674197 A CN 201510674197A CN 105226650 B CN105226650 B CN 105226650B
- Authority
- CN
- China
- Prior art keywords
- power
- energy
- combustion engine
- storage system
- miniature combustion
- 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
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于微燃机‑储能联合运行策略的微电网可靠性计算方法,包括以下步骤:a:建立微电网缺额功率模型,采用微燃机‑储能联合运行策略来平衡缺额功率;b:建立基于微燃机‑储能联合运行策略的储能系统6状态可靠性模型;c:采用时序蒙特卡罗模拟法对基于微燃机‑储能联合运行策略的微电网可靠性进行评估。显著效果是:该发明不仅提供了一种基于微燃机‑储能联合运行策略,还计及了储能系统自身可靠性对微电网可靠性的影响;采用本发明不仅能提高微电网系统的可靠性;还能减小储能系统容量配置需求,节约能源。
Description
技术领域
本发明涉及电力系统评估领域,尤其涉及一种基于微燃机-储能联合运行策略的微电网可靠性计算方法。
背景技术
随着全球范围内化石能源的枯竭和环境危机的爆发,分布式电源受到人们越来越高的重视。分布式能源的资源丰富、清洁无污染、分布范围广阔,使其在微电网中有非常广泛的应用。但是由于分布式电源具有可控性差、输出功率受环境影响、具有间歇性和随机性等不足,在微电网中引入储能系统,能有效的维持微电网稳定运行,提高微电网可靠性,提高分布式能源的利用率。
储能系统作为微电网必不可少的关键设备,在微电网中主要负责平滑联络线功率波动、削峰填谷及作为负荷备用等,其在微电网调度运行、提高可再生能源的接纳能力等方面发挥着不可替代的作用。储能系统的投资成本受自身容量的直接影响,储能系统容量越高,对系统可靠性的提升固然越大,但会使投资过高,而储能系统容量太小,微电网可靠性又不会有太大提升。
现有技术对于系统可靠性的处理存在如下缺点:其一,由于微电网中储能系统运行策略较多,不同运行策略对微电网可靠性影响不同,现有技术没有分析不同策略对微电网可靠性的影响,其二,随着微电网规模的扩大,储能系统也朝着大规模的趋势发展,其可靠性也存在问题,现有技术没有考虑储能系统自身可靠性的影响。
发明内容
本发明的目的是,提供一种基于微燃机-储能联合运行策略的微电网可靠性计算方法,该发明不仅提供了一种基于微燃机-储能联合运行策略,还计及了储能系统自身可靠性对微电网可靠性的影响;采用本发明不仅能提高微电网系统的可靠性;还能减小储能系统容量配置需求,节约能源。
为了达到上述目的,本发明采用如下技术方案,一种基于微燃机-储能联合运行策略的微电网可靠性计算方法,包括以下步骤:
a:建立含风电机组的微电网缺额功率模型,采用微燃机-储能联合运行策略来平衡缺额功率,该步骤包括:
建立含风电机组的微电网缺额功率时序状态模型;
通过傅立叶变换将该微电网缺额功率时序状态模型转换为频域模型;
通过微电网缺额功率的频域模型将缺额功率分解为低频分量和高频分量,提供一种采用微燃机提供缺额功率的低频分量和采用储能系统平衡缺额功率的高频分量的微燃机-储能联合运行策略;
b:建立基于微燃机-储能联合运行策略的储能系统6状态可靠性模型,该步骤包括:
将储能系统平衡缺额功率的高频分量定义为不平衡功率;
基于不平衡功率将储能系统的可靠性分为正常放电、放电准耗尽、放电故障、正常充电、充电准饱和、充电故障6种状态,放电准耗尽状态用于表示储能系统以降额功率放电;充电准饱和状态用于表示储能系统以降额功率充电;
建立基于6种状态的储能系统充放电功率与荷电状态、最大充放电功率、额定容量以及不平衡功率的可靠性模型;
c:采用时序蒙特卡罗模拟法对基于微燃机-储能联合运行策略的微电网可靠性进行评估,该步骤包括:
确定微电网系统的抽样时间、时序负荷、风电机组功率及风速数据;
对风速数据用Weibull函数进行处理,再对风速数据进行时序抽样,得到风速的时序序列;
根据风电机组出力模型,计算风电机组正常运行时的时序输出功率,结合时序负荷根据步骤a计算系统的缺额功率,并将缺额功率转换为频域模型,并对缺额功率采用微燃机-储能联合运行策略,确定微燃机额定输出功率和储能系统额定容量、最大充放电功率;
风电机组与微燃机采用运行、停运两状态模型,假定风电机组与微燃机开始均处于运行状态,通过对状态时间的抽样得到风电机组与微燃机的运行-停运时序状态序列;
根据微燃机-储能联合运行策略,计及微燃机、风电机组运行-停运状态,根据微燃机输出功率、时序负荷、风电机组输出功率计算时序不平衡功率;
计算每一个抽样时刻不平衡功率以及该时刻微燃机能够提供的最大正备用和负备用;
计及储能系统最大充放电功率约束和荷电状态约束,根据步骤b建立的储能系统可靠性模型对储能系统充放电功率进行调整,计算每个抽样时刻储能系统正常运行时的时序充放电功率;
根据储能系统故障率对储能系统状态进行抽样,模拟储能系统运行-停运状态,确定储能系统每个抽样时刻的放电功率和充电功率,计及每个抽样时刻的不平衡功率及微燃机的正负备用,根据储能系统的充放电及故障状态统计每个抽样时刻内的缺电量和停电时间、弃风电量;
统计一年内的缺电量、缺电时间、缺电概率和风电吸纳水平;
重复模拟N年,计算微电网可靠性指标。
进一步地,所述的步骤a包括:
a1:建立含风电机组的微电网缺额功率时序状态模型,
将缺额功率定义为时序负荷功率与间歇性新能源风电机组输出功率的差值,采用用公式(1)表示:
PD(t)=Pl(t)-Pw(t) (1)
公式(1)中,PD(t)为缺额功率;Pl(t)为时序负荷功率;Pw(t)为新能源风电机组输出功率;
a2:通过傅立叶变换将微电网缺额功率PD(t)的时序模型转换为频域模型,
将缺额功率PD(t)看作是一个采样点数为N、周期为Ts的时域离散信号,将公式(1)通过DFT变换,得到时序功率信号在频域下的表现形式,采用公式(2)表示:
公式(2)中,F(k)为傅立叶函数,N为采样点数,k=0,1,…,N-1,代表每个频率的序列数(k=0代表直流分量,k=1代表基频分量,k=2代表2倍频分量,依次类推),
对公式(2)进行离散傅立叶逆变换得到缺额功率PD(t)的频域模型,采用公式(3)表示:
公式(3)中,t=0,1,…,N-1;
可以将缺额功率P(t)看作是一个采样点数为N的时域离散信号,设采样周期为Ts,采样频率为fs,则P(t)可以视为一个周期为NTs的信号,该信号基频为1/(NTs),通过DFT变换,可以将其变换成直流分量、基频周期分量以及倍频周期分量之和的形式,这种形式即为时序功率信号在频域下的表现形式。
由采样定理和离散傅里叶变换数据的对称性可知,F(k)以Nyquist频率fk=fs/2(频谱分析结果的最高分辨频率,为采样频率1/2)为对称轴,两侧对称的复序列互为共轭,模相等,相角相反,因此在分析傅立叶变换的幅频特性时,只需要考虑前半部分即可,即0~fs/2频率范围内的幅频特性,虽然频谱分析过程只用到F(k)的前半部分,但是在逆变换的过程中,仍需要将对称的两部分同时进行逆变换,才能保证信号的完整性。
a3:通过缺额功率PD(t)的频域模型得到其频谱曲线,以12小时为分界点将缺额功率PD(t)分解为低频分量和高频分量,用微燃机提供缺额功率PD(t)的低频分量,用储能系统平衡缺额功率PD(t)的高频分量,即微燃机-储能联合运行策略。
为了分析微电网中有功功率的波动特性,特定义缺额功率,由于风电机组出力和负荷的波动性可知缺额功率的波动具有频率快,幅值高等特点,若想利用微燃机来满足系统负荷需求,保证电网的稳定可靠的运行,不仅需要较高装机成本和调度成本,且当风况较好、负荷需求又较低时,风能过剩也会造成资源的浪费。在微电网中加入储能系统可以改善微燃机的出力,降低微燃机燃料消耗和环境污染,同时还可以将过剩的风电进行储存,提高风电利用率。
进一步地,所述的步骤b包括:
将储能系统平衡缺额功率PD(t)的高频分量定义为不平衡功率Pim(i);
b1:基于不平衡功率Pim(i)将储能系统的可靠性分为6种状态,
①正常放电状态:储能系统正常放电;
②放电准耗尽状态:储能系统以降额功率放电直至达到电量下限;
③放电故障状态:储能系统放电时发生故障,放电功率为零;
④正常充电状态:储能系统正常充电;
⑤充电准饱和状态:储能系统以降额功率充电直至达到电量上限;
⑥充电故障状态:储能系统充电时发生故障,充电功率为零;
b2:基于所述6种状态按照放电过程和充电过程对储能系统充放电功率建立可靠性模型;
放电过程:
不平衡功率Pim(i)大于0时,储能系统释放能量,假设储能系统在i时刻的放电功率为Pd(i),荷电状态为SOC(i),储能系统的最大放电功率为Pdmax,ER为储能系统额定容量,储能系统最低荷电状态为SOCmin,可分为①-③三种情形:
①.储能系统正常放电,不平衡功率Pim(i)大于最大放电功率Pdmax时,即Pim(i)>Pdmax,
②.储能系统正常放电,不平衡功率Pim(i)小于等于最大放电功率Pdmax时,即Pim(i)≤Pdmax,
③.储能系统放电故障,此时Pd(i)=0;
储能系统荷电状态变化:
公式(6)中SOC(i+1)为下一时刻储能系统电量,ηd为放电效率;
充电过程:
不平衡功率Pim(i)小于0时,储能系统储存能量,假设储能系统在i时刻的充电功率为Pc(i),储能系统的最大充电功率为Pcmax,储能系统最高荷电状态为SOCmax,可以分为④-⑥三种情形:
④.储能系统正常充电,不平衡功率Pim(i)的绝对值大于最大充电功率Pcmax时,即-Pim(i)>Pcmax,
⑤.储能系统正常充电,不平衡功率Pim(i)的绝对值小于等于最大充电功率Pcmax时,即-Pim(i)≤Pcmax,
⑥.储能系统充电故障,此时Pc(i)=0;
储能系统荷电状态变化:
公式(9)中SOC(i+1)为下一时刻储能系统电量,ηc为充电效率。
由于储能系统可靠性较高,因此国内外文献中针对微电网可靠性评估一般都忽略储能系统自身可靠性的影响,认为储能系统完全可靠,为了简化可靠性评估模型,只建立了储能系统正常运行时的充电、放电两状态模型,这使得微电网可靠性评估结果并不精确,且大规模储能系统中,由于级联模块增多,储能系统故障率升高,维护时间延长,因此有必要考虑储能系统故障率对系统可靠性的影响,建立完整的储能可靠性模型,提高微电网可靠性评估结果的精确度。
进一步地,所述的步骤c采用时序蒙特卡罗模拟法对含风电机组的微燃机-储能微电网可靠性进行评估,首先确定系统的抽样时间、时序负荷Pl(t)、风电机组功率及风速数据;以5分钟为时间间隔Δt,将一年划分为8760×12个Δt,设定每个Δt内系统的状态不发生变化,通过随机抽样选择系统的运行状态,通过计算得到微电网的可靠性指标;
所述的步骤c可以分为八个步骤:
第一步:对风速数据用Weibull分布拟合,计算Weibull分布参数,再对风速数据进行时序抽样,得到风速的时序序列;
第二步:根据风电机组出力模型,计算风电机组正常运行时的时序输出功率Pw(t),结合时序负荷功率Pl(t)根据步骤a计算系统的缺额功率PD(t),并将缺额功率PD(t)转换为频域模型,并对缺额功率PD(t)采用微燃机-储能联合运行策略,确定微燃机额定输出功率和储能系统额定容量、最大充放电功率;
第三步:风电机组与微燃机采用运行、停运两状态模型,假定风电机组与微燃机开始均处于运行状态,产生[0,1]区间均匀分布的随机数,通过对状态时间的抽样得到风电机组与微燃机的运行-停运时序状态序列;
第四步:根据微燃机-储能联合运行策略,计及微燃机、风电机组运行-停运状态,根据微燃机输出功率Pmt(t)、风电机组输出功率Pw(t)和时序负荷曲线Pl(t)计算时序不平衡功率Pim(t),同时计算微燃机能够提供的最大正备用Pup(t)和负备用Pdown(t);
第五步:计算每一个抽样时刻不平衡功率Pim(i)、微燃机能够提供的最大正备用Pup(i)和负备用Pdown(i):
微燃机在i时刻能提供的最大正备用Pup(i)为:
公式(10)中,Pup(i)为i时刻微燃机的正备用;Pmax_j(i)为第j台机组在i时刻的最大输出功率;Pj(i)为第j台机组在i时刻的输出功率;uj(i)为微燃机在i时刻的运行状态,正常运行时为1,故障时为0;M为机组的台数;
微燃机在i时刻能提供的最大负备用Pdown(i)为:
公式(11)中,Pdown(i)为i时刻微燃机的负备用;
计及储能系统最大充放电功率约束和荷电状态约束,根据步骤b确定的储能系统的六种状态及公式(4)-(9)对储能系统充放电功率进行调整,计算每个抽样时刻储能系统正常运行时的时序充放电功率;
第六步:根据储能系统故障率产生[0,1]区间均匀分布的随机数,模拟储能系统运行-停运状态,确定储能系统每个抽样时刻的放电功率Pd(i)和充电功率Pc(i),计及每个抽样时刻的不平衡功率Pim(i)及微燃机的正备用Pup(i)和负备用Pdown(i),统计每个抽样时刻内的缺电量ENS(i)和停电时间LLD(i),具体计算可分为充电和放电两个环节;
①放电环节:储能系统处于正常放电状态,若放电功率Pd(i)小于不平衡功率Pim(i),且微燃机能够提供最大正备用仍无法满足负荷,则i时刻缺电量为:
ENS(i)=(Pim(i)-Pd(i)-Pup(i))Δt (12)
缺电时间为:
LLD(i)=Δt (13)
微燃机能够提供的最大正备用Pup(i)可以满足负荷时,提高微燃机出力:
若放电功率Pd(i)等于不平衡功率Pim(i),则表示该时段内满足负荷需求,没有缺电;
储能系统处于放电故障状态时,放电功率为0,若微燃机能够提供最大正备用Pup(i)无法满足负荷,则i时刻缺电量为:
ENS(i)=(Pim(i)-Pup(i))Δt (15)
缺电时间为:
LLD(i)=Δt (16)
若微燃机能够提供最大正备用Pup(i)可以满足负荷,则提高微燃机出力:
②充电环节:出力满足负荷需求,储能系统处于正常充电状态,若充电功率Pc(i)小于-Pim(i),且微燃机能够提供的最大负备用Pdown(i)小于其差值,则系统弃风,i时刻弃风电量为WPA(i),该弃风电量WPA(i)定义为i时刻风电机组能够发出的最大功率减去实际发出功率:
WPA(i)=(-Pim(i)-Pc(i)-Pdown(i))Δt (18)
微燃机能够提供的最大负备用Pdown(i)大于其差值,则降低微燃机出力:
若充电功率Pc(i)等于-Pim(i),则表示该时段功率平衡,没有弃风;
储能系统处于充电故障状态时,充电功率为0,若微燃机能够提供的最大负备用Pdown(i)小于-Pim(i),则系统弃风,i时刻弃风电量为:
WPA(i)=(-Pim(i)-Pdown(i))Δt (20)
若微燃机能够提供的最大负备用Pdown(i)大于-Pim(i),则降低微燃机出力:
第七步:统计一年内的缺电量ENSk、缺电时间LLDk、缺电概率LLPk和风电吸纳水平WPABk,可以通过式(22)-(25)计算:
第八步:重复模拟N年后,计算微电网可靠性指标。
显著效果是:提供了一种基于微燃机-储能联合运行策略的微电网可靠性计算方法,该发明不仅提供了一种基于微燃机-储能联合运行策略,还计及了储能系统自身可靠性对微电网可靠性的影响;采用本发明不仅能提高微电网系统的可靠性;还能减小储能系统容量配置需求,节约能源。
附图说明
图1为一个微电网缺额功率曲线;
图2为缺额功率幅频特性曲线;
图3为缺额功率低频分量和高频分量曲线;
图4为微电网可靠性评估流程图;
图5不同的储能系统最大充放电功率对微电网可靠性指标的影响图;
图6不同的微燃机额定功率对微电网可靠性的影响图;
图7不同的负荷对微电网可靠性的影响图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细说明。
一种基于微燃机-储能联合运行策略的微电网可靠性计算方法,包括以下步骤:
a:建立含风电机组的微电网缺额功率模型,采用微燃机-储能联合运行策略来平衡缺额功率,该步骤包括:
建立含风电机组的微电网缺额功率时序状态模型;
通过傅立叶变换将该微电网缺额功率时序状态模型转换为频域模型;
通过微电网缺额功率的频域模型将缺额功率分解为低频分量和高频分量,提供一种采用微燃机提供缺额功率的低频分量和采用储能系统平衡缺额功率的高频分量的微燃机-储能联合运行策略;
b:建立基于微燃机-储能联合运行策略的储能系统6状态可靠性模型,该步骤包括:
将储能系统平衡缺额功率的高频分量定义为不平衡功率;
基于不平衡功率将储能系统的可靠性分为正常放电、放电准耗尽、放电故障、正常充电、充电准饱和、充电故障6种状态,放电准耗尽状态用于表示储能系统以降额功率放电;充电准饱和状态用于表示储能系统以降额功率充电;
建立基于6种状态的储能系统充放电功率与荷电状态、最大充放电功率、额定容量以及不平衡功率的可靠性模型;
c:采用时序蒙特卡罗模拟法对基于微燃机-储能联合运行策略的微电网可靠性进行评估,该步骤包括:
确定微电网系统的抽样时间、时序负荷、风电机组功率及风速数据;
对风速数据用Weibull函数进行处理,再对风速数据进行时序抽样,得到风速的时序序列;
根据风电机组出力模型,计算风电机组正常运行时的时序输出功率,结合时序负荷根据步骤a计算系统的缺额功率,并将缺额功率转换为频域模型,并对缺额功率采用微燃机-储能联合运行策略;确定微燃机额定输出功率和储能系统额定容量、最大充放电功率;
风电机组与微燃机采用运行、停运两状态模型,假定风电机组与微燃机开始均处于运行状态,通过对状态时间的抽样得到风电机组与微燃机的运行-停运时序状态序列;
根据微燃机-储能联合运行策略,计及微燃机、风电机组运行-停运状态,根据微燃机输出功率、时序负荷、风电机组输出功率计算时序不平衡功率;
计算每一个抽样时刻不平衡功率以及该时刻微燃机能够提供的最大正备用和负备用;
计及储能系统最大充放电功率约束和荷电状态约束,根据步骤b建立的储能系统可靠性模型对储能系统充放电功率进行调整,计算每个抽样时刻储能系统正常运行时的时序充放电功率;
根据储能系统故障率对储能系统状态进行抽样,模拟储能系统运行-停运状态,确定储能系统每个抽样时刻的放电功率和充电功率,计及每个抽样时刻的不平衡功率及微燃机的正负备用,根据储能系统的充放电及故障状态统计每个抽样时刻内的缺电量和停电时间、弃风电量;
统计一年内的缺电量、缺电时间、缺电概率和风电吸纳水平;
重复模拟N年,计算微电网可靠性指标。
进一步地,所述的步骤a包括:
a1:建立含风电机组的微电网缺额功率时序状态模型,
将缺额功率定义为时序负荷功率与间歇性新能源风电机组输出功率的差值,采用用公式(1)表示:
PD(t)=Pl(t)-Pw(t) (1)
公式(1)中,PD(t)为缺额功率;Pl(t)为时序负荷功率;Pw(t)为新能源风电机组输出功率;
如图1所示,为一个微电网缺额功率曲线。
a2:通过傅立叶变换将微电网缺额功率PD(t)的时序模型转换为频域模型,
将缺额功率PD(t)看作是一个采样点数为N、周期为Ts的时域离散信号,将公式(1)通过DFT变换,得到时序功率信号在频域下的表现形式,采用公式(2)表示:
公式(2)中,F(k)为傅立叶函数,N为采样点数,k=0,1,…,N-1,代表每个频率的序列数(k=0代表直流分量,k=1代表基频分量,k=2代表2倍频分量,依次类推),
对公式(2)进行离散傅立叶逆变换得到缺额功率PD(t)的频域模型,采用公式(3)表示:
公式(3)中,t=0,1,…,N-1;
a3:通过缺额功率PD(t)的频域模型得到其频谱曲线,以12小时为分界点将缺额功率PD(t)分解为低频分量和高频分量,用微燃机提供缺额功率PD(t)的低频分量,用储能系统平衡缺额功率PD(t)的高频分量,即微燃机-储能联合运行策略。
如图2所示,为缺额功率幅频特性曲线;
如图3所示,为缺额功率低频分量和高频分量曲线。
进一步地,所述的步骤b包括:
将储能系统平衡缺额功率PD(t)的高频分量定义为不平衡功率Pim(i),
b1:基于不平衡功率Pim(i)将储能系统的可靠性分为6种状态,
①正常放电状态:储能系统正常放电;
②放电准耗尽状态:储能系统以降额功率放电直至达到电量下限;
③放电故障状态:储能系统放电时发生故障,放电功率为零;
④正常充电状态:储能系统正常充电;
⑤充电准饱和状态:储能系统以降额功率充电直至达到电量上限;
⑥充电故障状态:储能系统充电时发生故障,充电功率为零;
b2:基于所述6种状态按照放电过程和充电过程对储能系统充放电功率建立可靠性模型;
放电过程:
不平衡功率Pim(i)大于0时,储能系统释放能量,假设储能系统在i时刻的放电功率为Pd(i),荷电状态为SOC(i),储能系统的最大放电功率为Pdmax,ER为储能系统额定容量,储能系统最低荷电状态为SOCmin,可分为①-③三种情形:
①.储能系统正常放电,不平衡功率Pim(i)大于最大放电功率Pdmax时,即Pim(i)>Pdmax,
②.储能系统正常放电,不平衡功率Pim(i)小于等于最大放电功率Pdmax时,即Pim(i)≤Pdmax,
③.储能系统放电故障,此时Pd(i)=0;
储能系统荷电状态变化:
公式(6)中SOC(i+1)为下一时刻储能系统电量,ηd为放电效率;
充电过程:
不平衡功率Pim(i)小于0时,储能系统储存能量,假设储能系统在i时刻的充电功率为Pc(i),储能系统的最大充电功率为Pcmax,储能系统最高荷电状态为SOCmax,可以分为④-⑥三种情形:
④.储能系统正常充电,不平衡功率Pim(i)的绝对值大于最大充电功率Pcmax时,即-Pim(i)>Pcmax,
⑤.储能系统正常充电,不平衡功率Pim(i)的绝对值小于等于最大充电功率Pcmax时,即-Pim(i)≤Pcmax,
⑥.储能系统充电故障,此时Pc(i)=0;
储能系统荷电状态变化:
公式(9)中SOC(i+1)为下一时刻储能系统电量,ηc为充电效率。
如图4所示,步骤c采用时序蒙特卡罗模拟法对含风电机组的微燃机-储能微电网可靠性进行评估,首先确定系统的抽样时间、时序负荷Pl(t)、风电机组功率及风速数据;以5分钟为时间间隔Δt,将一年划分为8760×12个Δt,设定每个Δt内系统的状态不发生变化,通过随机抽样选择系统的运行状态,通过计算得到微电网的可靠性指标;
所述的步骤c可以分为八个步骤:
第一步:对风速数据用Weibull分布拟合,计算Weibull分布参数,再对风速数据进行时序抽样,得到风速的时序序列;
第二步:根据风电机组出力模型,计算风电机组正常运行时的时序输出功率Pw(t),结合时序负荷功率Pl(t)根据步骤a计算系统的缺额功率PD(t),并将缺额功率PD(t)转换为频域模型,并对缺额功率PD(t)采用微燃机-储能联合运行策略;确定微燃机额定输出功率和储能系统额定电量、最大充放电功率;
第三步:风电机组与微燃机采用运行、停运两状态模型,假定风电机组与微燃机开始均处于运行状态,产生[0,1]区间均匀分布的随机数,通过对状态时间的抽样得到风电机组与微燃机的运行-停运时序状态序列;
第四步:根据微燃机-储能联合运行策略,计及微燃机、风电机组运行-停运状态,根据微燃机输出功率Pmt(t)、风电机组输出功率Pw(t)和时序负荷Pl(t)计算时序不平衡功率Pim(t),同时计算微燃机能够提供的最大正备用Pup(t)和负备用Pdown(t);
第五步:计算每一个抽样时刻不平衡功率Pim(i)、微燃机能够提供的最大正备用Pup(i)和负备用Pdown(i):
微燃机在i时刻能提供的最大正备用Pup(i)为:
公式(10)中,Pup(i)为i时刻微燃机的正备用;Pmax_j(i)为第j台机组在i时刻的最大输出功率;Pj(i)为第j台机组在i时刻的输出功率;uj(i)为微燃机在i时刻的运行状态,正常运行时为1,故障时为0;M为机组的台数;
微燃机在i时刻能提供的最大负备用Pdown(i)为:
公式(11)中,Pdown(i)为i时刻微燃机的负备用;
计及储能系统最大充放电功率约束和荷电状态约束,根据储能系统的六种状态及公式(4)-(9)对储能系统充放电功率进行调整,计算每个抽样时刻储能系统正常运行时的时序充放电功率;
第六步:根据储能系统故障率产生[0,1]区间均匀分布的随机数,模拟储能系统运行-停运状态,确定储能系统每个抽样时刻的放电功率Pd(i)和充电功率Pc(i),计及每个抽样时刻的不平衡功率Pim(i)及微燃机的正备用Pup(i)和负备用Pdown(i),统计每个抽样时刻内的缺电量ENS(i)和停电时间LLD(i),具体计算可分为充电和放电两个环节;
①放电环节:储能系统处于正常放电状态,若放电功率Pd(i)小于不平衡功率Pim(i),且微燃机能够提供最大正备用仍无法满足负荷,则i时刻缺电量为:
ENS(i)=(Pim(i)-Pd(i)-Pup(i))Δt (12)
缺电时间为:
LLD(i)=Δt (13)
微燃机能够提供的最大正备用Pup(i)可以满足负荷时,提高微燃机出力:
若放电功率Pd(i)等于不平衡功率Pim(i),则表示该时段内满足负荷需求,没有缺电;
储能系统处于放电故障状态时,放电功率为0,若微燃机能够提供最大正备用Pup(i)无法满足负荷,则i时刻缺电量为:
ENS(i)=(Pim(i)-Pup(i))Δt (15)
缺电时间为:
LLD(i)=Δt (16)
若微燃机能够提供最大正备用Pup(i)可以满足负荷,则提高微燃机出力:
②充电环节:出力满足负荷需求,储能系统处于正常充电状态,若充电功率Pc(i)小于-Pim(i),且微燃机能够提供的最大负备用Pdown(i)小于其差值,则系统弃风,i时刻弃风电量为WPA(i),该弃风电量WPA(i)定义为i时刻风电机组能够发出的最大功率减去实际发出功率:
WPA(i)=(-Pim(i)-Pc(i)-Pdown(i))Δt (18)
微燃机能够提供的最大负备用Pdown(i)大于其差值,则降低微燃机出力:
若充电功率Pc(i)等于-Pim(i),则表示该时段功率平衡,没有弃风;
储能系统处于充电故障状态时,充电功率为0,若微燃机能够提供的最大负备用Pdown(i)小于-Pim(i),则系统弃风,i时刻弃风电量为:
WPA(i)=(-Pim(i)-Pdown(i))Δt (20)
若微燃机能够提供的最大负备用Pdown(i)大于-Pim(i),则降低微燃机出力:
第七步:统计一年内的缺电量ENSk、缺电时间LLDk、缺电概率LLPk和风电吸纳水平WPABk,可以通过式(22)-(25)计算:
第八步:重复模拟N年,如果N大于模拟年限Nmax,则计算微电网可靠性指标。
下面是一微电网系统可靠性计算方法的实施例;
具体步骤如下:
设定微电网系统储能系统故障率为1.142×10-5次/小时,修复率为0.4次/小时,计算得到平均无故障持续时间为87565.7小时,平均故障修复时间为2.5小时,建立计及储能系统故障的六状态可靠性模型,风电机组和微燃机组采用常用的运行-故障两状态可靠性模型。
(1)、微电网缺额功率及其分解;
1)根据本发明中建立的可靠性评估模型,编写Matlab程序实现微电网可靠性的时序蒙特卡罗模拟法仿真,模拟时间为500年,风速历史数据采用荷兰Station K13历史风速数据和峰值负荷为35kW的IEEE-RTS系统中的时序负荷。输入储能系统的最大荷电状态SOCmax为1,最小荷电状态SOCmin为0。风电机组的切入、额定、切出风速分别为3m/s、10m/s、20m/s,系统参数见表1:
表1
发电或储能设备 | 台数(台) | 额定值 | MTTF(小时) | MTTR(小时) |
微燃机 | 2 | 20kW | 950 | 50 |
风电机组 | 2 | 30kW | 1920 | 80 |
储能系统 | 1 | 50kW/300kWh | 87565.7 | 2.5 |
2)、缺额功率的分解;
第(1)-1)步完成后,由已给出的历史风速数据和风电机组参数可以计算历史的风电机组输出功率,结合给出的历史负荷数据,可以根据公式(1)计算出微电网的缺额功率,然后将该缺额功率通过公式(2)转换成频域形式,选择12h为切割点,最后通过公式(3)逆变换得到缺额功率低频分量和高频分量。
3)、微燃机-储能联合运行策略;
第(1)-2)步完成后,采用微燃机提供上述低频分量和储能系统提供上述高频分量的策略,可以对微燃机和储能系统的容量进行合理的规划。
(2)、基于联合运行策略的微电网可靠性计算。
1)、根据微电网缺额功率和联合运行策略计算微燃机备用;
根据蒙特卡罗模拟法抽样确定各元件运行状态,模拟风速数据,计算风机时序出力和微燃机时序出力和正负备用。
2)、计算调整后的储能系统充放电功率及每一时刻的可靠性数据;
第(2)-1)步完成后,根据储能系统的充放电功率调整策略,确定储能实际充放电功率,根据(2)-1)中计算得到的微燃机组正负备用,计算每一时刻的缺电量、弃风电量、微燃机功率调整值等指标。
3)、统计微电网系统可靠性;
第(2)-2)步完成后,统计一年内的缺电量、缺电时间、缺电概率和风电吸纳水平等指标。重复N年后,计算微电网可靠性指标。
4)、多种储能策略下系统可靠性指标对比;
第(2)-3)步完成后,为分析本说明所采用的运行策略与其他运行策略对微电网可靠性的影响,采用其他三种常用的储能运行策略对微电网可靠性进行评估并与本说明采用的策略进行对比。
5)、不同系统参数对微电网可靠性的影响分析;
为了分析系统参数(储能系统容量,峰值负荷大小,微燃机组额定容量)对微电网可靠性的影响,在控制其他参数不变的前提下,改变系统参数来分析其对微电网可靠性的影响。
实验结果
分别考虑不接入储能系统和接入储能系统两种情形,系统可靠性指标计算结果见表2:
表2
可靠性指标 | 不接入储能 | 接入储能 |
EENS(kWh/yr) | 1932.9 | 120.81 |
LOLE(h/yr) | 275.83 | 19.01 |
LOLP(%) | 1.0575 | 0.0661 |
WPAB(%) | 39.85 | 67.12 |
表2中EENS表示多年平均缺供电量,LOLE表示电力不足期望值,LOLP表示电力不足概率,WPAB表示风电吸纳水平。
由表2中可以看出,在系统中接入储能系统后能够有效的降低系统的期望缺供电量等可靠性指标,提高系统的可靠性水平。此外,本发明还计算了两种情形下的风电吸纳水平,在没有接入储能系统时,风电过剩的能量无法储存,因此风电有较多的浪费,使得WPAB只有39.85%,在加入储能系统后,可以有效的利用多余的风电,风电吸纳水平达到了67.12%,并在风电不足时释放,合理的利用了风力资源,风电吸纳水平有了很大的提高。
为分析本策略与其他运行策略对微电网可靠性的影响,采用其他常用的三种策略对微电网可靠性进行评估并与本说明采用的策略进行对比。该三种运行策略如下:
策略1:储能系统平滑风电机组出力波动,使风电机组出力变成恒定值,风电机组和储能系统总出力小于负荷则调整微燃机出力。
策略2:负荷电能大部分由内燃机提供,当风电机组出力超过负荷的x%时,储能系统吸收多余的能量,同时调整微燃机出力;当风电机组出力小于负荷的x%时,储能系统释放能量,但储能和风电机组总出力不超过负荷的x%,x%取30%。
策略3:当风电机组出力超过负荷时,储能系统吸收多余的能量;当风电机组出力小于负荷时,调整微燃机出力;当风电机组和微燃机总出力小于负荷时,储能系统释放能量。
策略4:微燃机-储能联合运行策略。
四种策略下微电网可靠性指标如表3所示:
表3
可靠性指标 | 策略1 | 策略2 | 策略3 | 策略4 |
EENS(kWh/yr) | 617.1 | 425.5 | 192.9 | 120.8 |
LOLE(h/yr) | 151.9 | 102.9 | 18.9 | 19.0 |
LOLP(%) | 0.3377 | 0.2329 | 0.1056 | 0.0661 |
WPAB(%) | 82.28 | 44.75 | 56.59 | 67.12 |
由表3可以看出,不同微电网运行策略下的可靠性水平不同,策略1可以平滑风电功率波动但在负荷较高时只能依赖微燃机出力来满足负荷,因此系统可靠性较差。策略2对风能渗透率进行了限制,虽然可靠性水平有了很大的提高,但是会造成较高的风能资源的浪费。策略3在风电不足时优先使用微燃机来满足负荷,可以有效的减小削负荷量,但是这种策略会极大的增加燃料的消耗,微燃机总发电量为32.725MWh/yr。本策略可以有效的提高系统可靠性,且能最大程度的利用储能系统,微燃机的总发电量为29.679MWh/yr,这一点同时也验证了本策略可以降低燃料消耗的结论。
如图5、图6、图7所示,分别给出了储能参数、微燃机组额定功率和峰值负荷大小对系统可靠性的影响。从结果可以看出,微电网接入储能系统后可靠性水平和风电吸纳水平都有所提升;微电网运行策略对微电网可靠性有较大的影响,采用微燃机-储能联合运行策略相比其他几种运行策略,在提高系统可靠性的同时降低微燃机的燃料消耗;随着储能系统最大充放电功率和额定容量的升高,其对系统可靠性和风电吸纳水平的提升效果趋于平缓,因此,对于降低投资成本以及提升微电网的可靠性等方面,有必要合理的调整储能系统容量的配置。此外,随着微燃机额定功率的增大,系统可靠性提升效果越来越低,随着峰值负荷的增大,风电吸纳水平相应提高,但微燃机出力越来越难以满足负荷需求,微电网可靠性出现大幅下滑。
从上述结果可知,运用本方法评估微电网可靠性时,可以在评估过程中考虑储能系统可靠性的影响,更为接近工程实际;采用的微燃机-储能联合运行策略具有较好的实用性,可以降低常规化石燃料的消耗,提高系统对风能的吸纳能力以及系统的可靠性,同时还可以对微电网的发电容量规划和储能系统容量配置提供一定的参考,可以有效地应用于含风电和储能系统的大规模微电网系统中。
Claims (1)
1.一种基于微燃机-储能联合运行策略的微电网可靠性计算方法,其特征在于包括以下步骤:
a:建立含风电机组的微电网缺额功率模型,采用微燃机-储能联合运行策略来平衡缺额功率,该步骤包括:
建立含风电机组的微电网缺额功率时序状态模型;
通过傅立叶变换将该微电网缺额功率时序状态模型转换为频域模型;
通过微电网缺额功率的频域模型将缺额功率分解为低频分量和高频分量,提供一种采用微燃机提供缺额功率的低频分量和采用储能系统平衡缺额功率的高频分量的微燃机-储能联合运行策略;
b:建立基于微燃机-储能联合运行策略的储能系统6状态可靠性模型,该步骤包括:
将储能系统平衡缺额功率的高频分量定义为不平衡功率;
基于不平衡功率将储能系统的可靠性分为正常放电、放电准耗尽、放电故障、正常充电、充电准饱和、充电故障6种状态,放电准耗尽状态用于表示储能系统以降额功率放电;充电准饱和状态用于表示储能系统以降额功率充电;
建立基于6种状态的储能系统充放电功率与荷电状态、最大充放电功率、额定容量以及不平衡功率的可靠性模型;
c:采用时序蒙特卡罗模拟法对基于微燃机-储能联合运行策略的微电网可靠性进行评估,该步骤包括:
确定微电网系统的抽样时间、时序负荷、风电机组功率及风速数据;
对风速数据用Weibull函数进行处理,再对风速数据进行时序抽样,得到风速的时序序列;
根据风电机组出力模型,计算风电机组正常运行时的时序输出功率,结合时序负荷根据步骤a计算系统的缺额功率,并将缺额功率转换为频域模型,并对缺额功率采用微燃机-储能联合运行策略,确定微燃机额定输出功率和储能系统额定容量、最大充放电功率;
风电机组与微燃机采用运行、停运两状态模型,假定风电机组与微燃机开始均处于运行状态,通过对状态时间的抽样得到风电机组与微燃机的运行-停运时序状态序列;
根据微燃机-储能联合运行策略,计及微燃机、风电机组运行-停运状态,根据微燃机输出功率、时序负荷、风电机组输出功率计算时序不平衡功率;
计算每一个抽样时刻不平衡功率以及该时刻微燃机能够提供的最大正备用和负备用;
计及储能系统最大充放电功率约束和荷电状态约束,根据步骤b建立的储能系统可靠性模型对储能系统充放电功率进行调整,计算每个抽样时刻储能系统正常运行时的时序充放电功率;
根据储能系统故障率对储能系统状态进行抽样,模拟储能系统运行-停运状态,确定储能系统每个抽样时刻的放电功率和充电功率,计及每个抽样时刻的不平衡功率和微燃机的正负备用,根据储能系统的充放电及故障状态统计每个抽样时刻内的缺电量和停电时间、弃风电量;
统计一年内的缺电量、缺电时间、缺电概率和风电吸纳水平;
重复模拟N年,计算微电网可靠性指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510674197.1A CN105226650B (zh) | 2015-10-19 | 2015-10-19 | 基于微燃机‑储能联合运行策略的微电网可靠性计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510674197.1A CN105226650B (zh) | 2015-10-19 | 2015-10-19 | 基于微燃机‑储能联合运行策略的微电网可靠性计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105226650A CN105226650A (zh) | 2016-01-06 |
CN105226650B true CN105226650B (zh) | 2017-09-26 |
Family
ID=54995442
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510674197.1A Active CN105226650B (zh) | 2015-10-19 | 2015-10-19 | 基于微燃机‑储能联合运行策略的微电网可靠性计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105226650B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107591833A (zh) * | 2016-07-08 | 2018-01-16 | 华北电力大学(保定) | 一种计及不同运行策略的微网可靠性评估方法 |
CN107332241B (zh) * | 2017-08-30 | 2020-02-18 | 国家电网公司 | 用于评估含分布式新能源配电网可靠性的方法及系统 |
CN108122070B (zh) * | 2017-12-12 | 2021-04-16 | 国家电网公司 | 配电网可靠性的确定方法和装置 |
CN109524959B (zh) * | 2018-11-22 | 2022-03-25 | 重庆大学 | 一种计及天然气网故障的发输电系统充裕性评估方法 |
CN109687441A (zh) * | 2018-12-27 | 2019-04-26 | 广州穗华能源科技有限公司 | 一种基于场景分解-协调的独立微电网灵活性资源容量配置方法 |
CN111832936B (zh) * | 2020-07-10 | 2023-12-19 | 国网辽宁省电力有限公司电力科学研究院 | 一种含分布式电源的配网供电可靠性评估方法 |
CN111884260B (zh) * | 2020-08-05 | 2021-10-26 | 中国华电科工集团有限公司 | 一种发供电系统的控制方法 |
CN113839416B (zh) * | 2021-09-13 | 2023-10-27 | 国网湖南省电力有限公司 | 基于频率响应模型的风电最大接入比例确定方法及装置 |
CN114498597B (zh) * | 2022-01-21 | 2024-04-26 | 上海电器科学研究所(集团)有限公司 | 一种基于事件驱动的船舶直流电网电压调节方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101432422B1 (ko) * | 2013-01-15 | 2014-08-20 | 현대중공업 주식회사 | 선박의 에너지 시스템 |
CN103701120B (zh) * | 2013-12-23 | 2015-08-12 | 华北电力大学 | 一种含风电场的大电网可靠性的评估方法 |
-
2015
- 2015-10-19 CN CN201510674197.1A patent/CN105226650B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN105226650A (zh) | 2016-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105226650B (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 | |
CN106972481B (zh) | 规模化充电设施接入有源配电网的安全性量化评估方法 | |
CN105160451B (zh) | 一种含电动汽车的微电网多目标优化调度方法 | |
CN103904695B (zh) | 一种基于mcs-pso的临近海岛多微网动态调度方法 | |
CN104077664B (zh) | 一种风电储能发电系统的置信容量评估方法 | |
CN106487038A (zh) | 一种用于风电‑火电‑储能联合调频系统的控制优化方法 | |
WO2023060815A1 (zh) | 一种提高配电网可靠性的储能容量优化配置方法 | |
CN104009499A (zh) | 一种解决风电并网系统潮流不均衡的调度方法 | |
CN107666155A (zh) | 基于Markov模型的多能互补系统随机稳定性分析方法 | |
CN104036073A (zh) | 适于有功功率特性分析的双馈风电场动态等值建模方法 | |
CN106786736A (zh) | 基于经济调度的风电储能源功率与容量优化配置方法 | |
CN106786977A (zh) | 一种电动汽车充电站的充电调度方法 | |
CN108565865A (zh) | 一种含风电的交直流混联系统风险评估方法 | |
CN103544373A (zh) | 一种智能配电网清洁性评估方法 | |
CN109921459B (zh) | 一种光伏高占比送端电网直流闭锁后的有功频率控制方法 | |
CN106021754A (zh) | 考虑vsc无功越限调整策略的混联电网概率潮流算法 | |
CN105633950A (zh) | 考虑风电注入不确定性的多目标随机模糊动态最优潮流 | |
Meng et al. | Research on the Automatic Control Method of Energy Storage for Wind Power Consumption | |
Faranda et al. | SCADA system for optimization of energy exchange with the BESS in a residential case | |
Li et al. | Modeling and optimization oriented to the micro-grid-EV joint system | |
Wu et al. | Distribution network energy loss calculation method considering wind power integration | |
CN109165873B (zh) | 一种UMDs系统可靠性评估方法 | |
Chen et al. | Risk assessment method for combined air storage system based on wind power uncertainty | |
Xu et al. | Research on coordinated charging and influence of EV based on distributed charge control | |
Yang et al. | Comprehensive evaluation of distribution network reliability for power consumer based on AHP and entropy combination method |
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 |