CN105429129A - 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 - Google Patents

Abstract

本发明涉及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，包括：获取规划年电网规划典型运行方式；运用序贯蒙特卡罗模拟技术，抽样年度常规机组、负荷和线路投运时序数据G(t)；运用序贯蒙特卡罗模拟技术进行风电年度出力时序采样；计算发电系统潮流；静态安全分析和辅助决策；计算发电系统可靠性；计算新增能源容量置信度；计算发电系统内所有间歇性能源容量置信度；本发明提供的技术方案通过电网规划数据获得包括发电、负荷和网架结构规划方案，结合风电场历史风速和历史出力信息，分析其统计规律，进行其年度随机生产模拟序贯蒙特卡罗模型，考虑网络约束条件，新能源发电容量置信度评估。

Description

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

技术领域

本发明涉及一种电力系统规划领域的评估方法，具体涉及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。

背景技术

随着特高压交直流混联电网建立，大规模新能源高电压远距离输送，对发输电系统可靠性要求越来越高。发输电系统可靠性评估是指考虑系统实际运行约束条件下，对电源满足负荷需求的能力进行定量评估。现有一些技术考虑了风电间相关性问题，但对运行过程中网络约束并未计及，需要改进。

发明内容

为解决上述现有技术中的不足，本发明提供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。

本发明的目的是采用下述技术方案实现的：

本发明提供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，其改进之处在于，所述方法包括下述步骤：

1)获取规划年电网规划典型运行方式；

2)运用序贯蒙特卡罗模拟技术，抽样年度常规机组、负荷和线路投运时序数据G(t)；

3)运用序贯蒙特卡罗模拟技术进行风电年度出力时序采样；

4)计算发电系统潮流；

5)静态安全分析和辅助决策；

6)计算发电系统可靠性；

7)计算新增能源容量置信度；

8)计算发电系统内所有间歇性能源容量置信度。

进一步地，所述步骤1)中，根据规划年发电规划、负荷预测和网架建设规划，获取电力系统年度典型运行方式(典型运行方式就是在当前网架结构、电源和负荷的基础上，加入截至规划年的新建电源、变电站、输电线路，调整负荷水平，形成一套未来的电网结构)。

进一步地，所述步骤2)中，根据各常规机组、线路的强迫停运和计划停运历史信息，统计分析其历史停运率，以两点分布概率抽样(抽样方法可采用简单抽样或分层抽样、重要抽样等高级抽样方法)；根据负荷功率正态分布概率模型，抽样各母线负荷L(t)。

进一步地，所述步骤3)包括下述步骤：

①建立风力发电出力抽样模型；

②对风电场进行平稳化处理；

③建立相关性模型；

④建立相关时序模型。

进一步地，所述步骤①中，对已经投运的风电场和具备风速数据的新规划风电场，统计历史N年内的各风电场测风塔风速信息，进行核分布概率密度拟合，并采样；对没有历史风速数据的风电场，用当地典型风速数据(典型风速数据指气象部门对当地风速进行测量的统计数据，代替风电场风速时，与风电场测风塔数据相比具有较大误差)代替，采用威布尔分布进行风速抽样。

进一步地，所述步骤②中，对某一特定风电站的平稳化处理，包括：在气象数据库的某风电场的N年每小时风速序列(Vt)求取均值和，求取N年该风电场同一时刻的风速均值v_meant和标准差v_deltat，结合该风电场N年每小时风速序列，经过标准化处理过程，得到该风电场的平稳化时间序列；标准化处理为：

Xt＝(Vt-V_meant)/v_deltat。

进一步地，所述步骤③中，采用copula函数对风速进行相关性模拟，利用间歇式能源数据库的某个风电场的N年每小时风速序列(Vt)，分别计算每一小时风速值核分布估计，构建出生成Frank-Copula函数，采样生成Frank-Copula函数的随机数，转换为高斯白噪声序列，并分别存储为某风场高斯白噪声序列；当具有两个风电场时，Frank-Copula函数解析式为：

$C(u_1,u_2;\mathrm{\α})=-\frac{1}{\mathrm{\α}}ln\[1+\frac{(e^{-{\mathrm{\αu}}_1}-1)(e^{-{\mathrm{\αu}}_2}-1)}{e^{\mathrm{\α}}-1}\]$

$u_1=ln(e^{-\mathrm{\α}}-1)-ln(e^{-{\mathrm{\αv}}_1}-1)$

$u_2=ln(e^{-\mathrm{\α}}-1)-ln(e^{-{\mathrm{\αv}}_2}-1)$

式中：v1、v2为两个风电场风速，u₁、u₂分别为两风速数据的Copula生成元，α为Frank-Copula函数的参数，由极大似然函数法求得。

进一步地，所述步骤④中，针对某一特定风电场，利用其平稳化时间序列，通过参数拟合确定自回归滑动平均模型(ARMA模型)参数值，并存储某风场风速ARMA模型的白噪声方差，AMAR模型的参数值和N+1年小时分辨率的白噪声序列综合形成Copula-ARMA模型，得到N+1年的模拟平稳化时间序列；白噪声序列和平稳化处理的风电场数据进行还原，得到N+1年的风电场模拟风速序列，取出最后一年的风速数据，即该风场规划年的每小时风速序列；

其中，AMAR模型描述为：

式中：式中：p和q为模型参数；x_t为t时刻的时间序列值；和θ_j分别为模型p和q的自回归参数滑动平均参数；{ε_t}是一个随机的服从的白噪声序列；x_t-i为t-i时刻的时间序列值，ε_t-j是{ε_t}的第t-j个元素；

Copula-AMAR模型最终描述为：

其中：x_k,t为第k个风电场在t时刻的时间序列值，k＝1,2,…,n，即x_k,t＝x_1,t,x_2,t,…x_n,tt是时间，k是风电场数，ε_k,t＝(ε_1,t,ε_2,t,…ε_n,t)，ε_k,t为第k个风电场在t时刻的正态白噪声序列，k＝1,2,…,n，即(ε_1,t,ε_2,t,…ε_n,t)分别为第1个风电场在t时刻的正态白噪声序列，第2个风电场在t时刻的正态白噪声序列，第n个风电场在t时刻的正态白噪声序列，σ₁,σ₂,…σ_n分别为时间序列值x_1,t,x_2,t,…x_n,t的标准差，x_k,t-i是第k个风电场t-i时刻的时间序列值，{ε_k,t}是关于第k个风电场的一个随机白噪声序列；ε_k,t-j是一个{ε_k,t}的第t-j个元素；Φ(·)为标准正态分布函数，C_a(Φ₁(·),…,Φ_n(·))为根据n元风速序列构建的一个Copula函数，描绘n个白噪声序列之间的相关结构，v_k,t表示第k个风电场在t时刻的风速，μ_k,tσ_k,t分别是第k个风电场在t时刻的正态分布的均值和标准差参数。

进一步地，所述步骤4)中，步骤3)中抽样所得电力系统中发电如果小于电力系统中负荷L(t)的潮流断面，调整常规机组出力；若常规机组出力在限额范围内无法满足负荷需求，即判定为系统供电不足，ΔPW(t)+PW(t)+G(t)<L(t)，无需进行潮流计算，其中：L(t)表示各母线负荷，G(t)表示常规机组，ΔPW(t)表示新增风电，PW(t)表示原有风电的时序数据；抽样所得电力系统发电如果大于电力系统负荷的断面，采用最优乘子法进行潮流计算，其中以规划潮流为潮流初值进行潮流求解，提高系统潮流收敛性；如果潮流不收敛，则电力系统在解列点解列运行。

进一步地，所述步骤5)的静态安全分析和辅助决策包括：

如果基态潮流越限，则根据辅助决策对发电出力调整；如果辅助决策结果为降低发电机出力，则说明断面满足供电可靠性，判定ΔPW(t)+PW(t)+G(t)≥L(t)；如果辅助决策结果为增加发电机出力或切负荷，则说明断面不满足供电可靠性，判定ΔPW(t)+PW(t)+G(t)<L(t)；

如果基态潮流满足限额约束，进行N-1扫描；如果满足N-1热稳限额，则进行辅助决策计算；如果辅助决策结果为降低发电机出力，则说明断面满足供电可靠性，判定ΔPW(t)+PW(t)+G(t)≥L(t)；如果辅助决策结果为增加发电机出力或切负荷，则说明断面不满足供电可靠性，判定ΔPW(t)+PW(t)+G(t)<L(t)；其中：L(t)表示各母线负荷，G(t)表示常规机组，ΔPW(t)表示新增风电，PW(t)表示原有风电的时序数据。

进一步地，所述步骤6)中，以电力系统失负荷时间期望LOLP为指标，求解电力系统可靠性；电力系统可靠性LOLE＝T*LOLP，研究周期T以年为计算周期，为8760小时，在序贯蒙特卡罗模拟中，当可用机组出力不能满足负荷需求而出现功率差额时，电力系统可靠性LOLE＝8760p[PW(t)+G(t)<L(t)]；其中p为概率，G(t)表示常规机组、负荷和线路投运时序数据；L(t)表示各母线负荷，ΔPW(t)表示新增风电，PW(t)表示原有风电的时序数据。

进一步地，所述步骤7)中，利用等效载荷容量ELCC为指标进行新能源容量置信度计算；等效载荷容量ELCC是当电源容量增加时，为满足与原电力系统相同的可靠性指标，电力系统允许增加的负荷容量；

计算过程为：未新建间歇性能源发电机组时，电力系统可靠性LOLE＝8760p[PW(t)+G(t)<L(t)]；规划新建风电机组额定功率为ΔPW，而新建电源的电力系统可靠性为LOLE’，由于新建电源，因而新建电源的电力系统可靠性LOLE’<电力系统可靠性LOLE；当电源新增负荷ΔL时，电力系统规划年与规划前可靠性相等，即：p[PW(t)+G(t)<L(t)]＝p[PW(t)+G(t)+ΔPW(t)<L(t)+ΔL]；新增风电机组置信容量即为CC＝ΔL，容量置信度为CD＝ΔL/ΔPW；其中：L(t)表示各母线负荷，G(t)表示常规机组，ΔPW(t)表示新增风电，PW(t)表示原有风电的时序数据，ΔL表示电源新增负荷。

进一步地，所述步骤8)中，先去除电力系统内所有间歇性能源，评价电力系统可靠性LOLE＝p[G(t)<L(t)]；为评估所有间歇性能源容量置信度，当电源新增负荷ΔL时，保持电力系统可靠性相等，即p[G(t)<L(t)]＝p[PW(t)+G(t)+ΔPW(t)<L(t)+ΔL]；所有间歇性能源置信容量即为CC＝ΔL，容量置信度为CD＝ΔL/(PW+ΔPW)；其中：L(t)表示各母线负荷，G(t)表示常规机组，ΔPW(t)表示新增风电，PW(t)表示原有风电的时序数据，ΔL表示电源新增负荷。

本发明提供的技术方案具有的优异效果是：

1)综合利用电网规划数据和风电场、光伏场气象统计信息，进行包含新能源发电的电力系统年度随机生产模拟。

2)对新能源发电数据进行采样，其中综合利用历史统计数据和典型风速数据，并考虑相关性和时序性。

3)根据抽样所得系统发电负荷数据进行潮流计算。在潮流计算中，潮流处置选取会影响潮流收敛性。首先对发电数据进行调整，达到发电负荷平衡，采用最优乘子法进行潮流计算，其中以规划潮流为潮流初值进行潮流求解，提高系统潮流收敛性。

4)在可靠性评估和容量置信度的计算过程中考虑网络约束作为边界条件。在做新能源发电的规划过程中，将网络约束考虑在内，能够解决大规模风电消纳问题，对新能源电源规划和外送通道规划具有指导意义。

附图说明

图1是本发明提供的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的流程图。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步的详细说明。

以下描述和附图充分地示出本发明的具体实施方案，以使本领域的技术人员能够实践它们。其他实施方案可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求，否则单独的组件和功能是可选的，并且操作的顺序可以变化。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本发明的实施方案的范围包括权利要求书的整个范围，以及权利要求书的所有可获得的等同物。在本文中，本发明的这些实施方案可以被单独地或总地用术语“发明”来表示，这仅仅是为了方便，并且如果事实上公开了超过一个的发明，不是要自动地限制该应用的范围为任何单个发明或发明构思。

其中涉及的关键技术有：

考虑相关性的间歇性能源发电模型

间歇性能源发电模型是其容量置信度计算的基础，现有研究技术中，现有时间序列法模拟的间歇性能源发电模型能够考虑风电的时序波动性和自相关性，但随着风电场规模的增大，单一时序模型无法满足风电场间的相关性。建立准确的发电模型是进行间歇性能源置信度计算的关键。

可靠性评估和间歇性能源发电置信度计算

间歇性能源的大规模并网，不仅对发电系统可靠性产生影响，对输电系统的可靠性也会产生影响。因此，在传统的可靠性评估计算方法中，引入网络约束条件是具有必要性。

静态安全分析及辅助决策

静态安全分析在系统运行中取得较广泛的应用，但在系统可靠性的计算中很少涉及，在考虑网络约束中，运用静态安全分析及辅助决策技术。

本申请中所涉及的专业数据及缩略语如下：

新能源发电

间歇性能源发电是指随机性、波动性较大的能源形式。相对于常规能源发电(如火电)，间歇性能源发电出力随自然气象等变化较为明显。在本专利中，利用大规模应用的风力发电为例。

电力系统可靠性

电力系统可靠性包括两方面的内容：即充裕度和安全性。前者是指电力系统有足够的发电容量和足够的输电容量，在任何时候都能满足用户的峰荷要求，表征了电网的稳态性能，后者是指电力系统在事故状态下的安全性和避免连锁反应而不会引起失控和大面积停电的能力，表征了电力系统的动态性能。

间歇性能源发电容量置信度

等可靠性前提下间歇性能源机组可以替代的常规机组的容量占间歇性能源装机容量的比例，是衡量间歇性能源发电对电力系统充裕度贡献的重要指标。

网络约束

电网在运行中需要满足一定的条件，即各种限值约束，包括机组出力上下限、线路电流上下限、输电断面功率上下限、N-1热稳极限等。

潮流计算

指在给定电力系统网络拓扑、元件参数和发电、负荷参量条件下，计算有功功率、无功功率及电压在电力网中的分布。潮流计算是根据给定的电网结构、参数和发电机、负荷等元件的运行条件，确定电力系统各部分稳态运行状态参数的计算。

静态安全分析

在电力系统潮流基础上进行故障选择的快速潮流计算，校核发生元件开断后电网是否仍能满足网络约束。

静态安全分析辅助决策

在静态安全分析计算发生违反安全约束后，提出校正对策，主要措施包括调整机组出力、切负荷等。

本发明所要解决的技术问题是考虑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。此方法通过电网规划数据获得包括发电、负荷和网架结构规划方案，结合风电场历史风速和历史出力信息，分析其统计规律，进行其年度随机生产模拟序贯蒙特卡罗模型，考虑网络约束条件，新能源发电容量置信度评估。

本发明所提供的考虑网络约束的新能源发电容量置信度评估方法，其流程图如图1所示，包括以下步骤：

1)获取规划年电网规划典型运行方式。根据规划年发电规划、负荷预测和网架建设规划，获得年度典型运行方式。

2)运用序贯蒙特卡罗模拟技术，抽样年度常规机组、负荷、线路投运时序数据G(t)。根据各常规机组、线路的强迫停运和计划停运历史信息，统计分析其停运率，以两点分布概率抽样得到时序的网架结构。根据负荷功率正态分布概率模型，抽样各母线负荷L(t)。

3)运用序贯蒙特卡罗方法进行风电年度出力时序采样。

风力发电模型。对已经投运的风电场和具备风速数据的新规划风电场，统计历史N年内的各风电场测风塔风速信息，进行核分布概率密度拟合，进行采样。对没有历史风速数据的风电场，用当地典型风速数据代替，采用威布尔分布进行风速抽样。

平稳化处理。针对某一特定风电站的平稳化过程如下：在气象数据库的某风电场的N年每小时风速序列(Vt)求取均值和，求N年同一时刻的均值v_meant和标准差v_delta，结合该风电场N年每小时风速序列，经过标准化处理过程，得到该风电场的平稳化时间序列。标准化处理具体为Xt＝(Vt-V_meant)/v_deltat。

相关性模型。采用copula函数进行相关性模拟。利用间歇式能源数据库的某个风电场的N年每小时风速序列，分别计算每一小时风速值核分布估计，构建出生成Frank-Copula函数，采样生成Frank-Copula函数的随机数，转换为高斯白噪声序列，并分别存储为某风场高斯白噪声序列；当具有两个风电场时，Frank-Copula函数解析式为：

$C(u_1,u_2;\mathrm{\&alpha;})=-\frac{1}{\mathrm{\&alpha;}}ln\&lsqb;1+\frac{(e^{-{\mathrm{\&alpha;u}}_1}-1)(e^{-{\mathrm{\&alpha;u}}_2}-1)}{e^{\mathrm{\&alpha;}}-1}\&rsqb;$

$u_1=ln(e^{-\mathrm{\&alpha;}}-1)-ln(e^{-{\mathrm{\&alpha;v}}_1}-1)$

$u_2=ln(e^{-\mathrm{\&alpha;}}-1)-ln(e^{-{\mathrm{\&alpha;v}}_2}-1)$

式中：v1、v2为两个风电场风速，u₁、u₂分别为两风速数据的Copula生成元，α为Frank-Copula函数的参数，由极大似然函数法求得。

相关时序模型。针对某一特定风电场，利用其平稳化时间序列，通过参数拟合确定ARMA模型的阶数和参数值，并存储某风场风速ARMA模型的白噪声方差，AMAR模型的参数值和N+1年小时分辨率的白噪声序列综合形成Copula-ARMA模型，得到N+1年的模拟平稳化时间序列。白噪声序列和平稳化处理的风电场数据进行还原，得到N+1年的风电场模拟风速序列，取出最后一年的风速数据，即该风场规划年的每小时风速序列PW(t)。

AMAR模型描述为：

式中：式中：p和q为模型参数；x_t为t时刻的时间序列值；和θ_j分别为模型p和q的自回归参数滑动平均参数；{ε_t}是一个随机的服从的白噪声序列；x_t-i为t-i时刻的时间序列值，ε_t-j是{ε_t}的第t-j个元素；

Copula-AMAR模型最终描述为：

其中：x_k,t为第k个风电场在t时刻的时间序列值，k＝1,2,…,n，即x_k,t＝x_1,t,x_2,t,…x_n,tt是时间，k是风电场数，ε_k,t＝(ε_1,t,ε_2,t,…ε_n,t)，ε_k,t为第k个风电场在t时刻的正态白噪声序列，k＝1,2,…,n，即(ε_1,t,ε_2,t,…ε_n,t)分别为第1个风电场在t时刻的正态白噪声序列，第2个风电场在t时刻的正态白噪声序列，第n个风电场在t时刻的正态白噪声序列，σ₁,σ₂,…σ_n分别为时间序列值x_1,t,x_2,t,…x_n,t的标准差，x_k,t-i是第k个风电场t-i时刻的时间序列值，{ε_k,t}是关于第k个风电场的一个随机白噪声序列；ε_k,t-j是一个{ε_k,t}的第t-j个元素；Φ(·)为标准正态分布函数，C_a(Φ₁(·),…,Φ_n(·))为根据n元风速序列构建的一个Copula函数，描绘n个白噪声序列之间的相关结构，v_k,t表示第k个风电场在t时刻的风速，μ_k,tσ_k,t分别是第k个风电场在t时刻的正态分布的均值和标准差参数。

4)系统潮流计算。上一步骤中抽样所得系统发电小于系统负荷的潮流断面，可调整常规机组出力，若常规机组出力在限额范围内无法满足负荷需求，即可判定为系统供电不足，无需进行潮流计算，即ΔPW(t)+PW(t)+G(t)<L(t)。抽样所得系统发电大于系统负荷的断面，采用最优乘子法进行潮流计算，其中以规划潮流为潮流初值进行潮流求解，提高系统潮流收敛性。如果潮流不收敛，则系统在解列点解列运行。

5)静态安全分析和辅助决策

如果基态潮流越限，则根据辅助决策对发电出力调整。如果辅助决策结果为降低发电机出力，则说明断面满足供电可靠性，判定ΔPW(t)+PW(t)+G(t)≥L(t)；如果辅助决策结果为增加发电机出力或切负荷，则说明断面不满足供电可靠性，判定ΔPW(t)+PW(t)+G(t)<L(t)；。

如果基态潮流满足限额约束，进行N-1扫描。如果满足N-1热稳限额，则进行辅助决策计算。如果辅助决策结果为降低发电机出力，则说明断面满足供电可靠性，判定ΔPW(t)+PW(t)+G(t)≥L(t)；如果辅助决策结果为增加发电机出力或切负荷，则说明断面不满足供电可靠性，判定ΔPW(t)+PW(t)+G(t)<L(t)，其中：L(t)表示各母线负荷，G(t)表示常规机组，ΔPW(t)表示新增风电，PW(t)表示原有风电的时序数据。。

6)计算发电系统可靠性。以系统失负荷时间期望(LOLP)为指标，求解电力系统可靠性。LOLE＝T*LOLP，研究周期T以年为计算周期，为8760小时。在本文的序贯蒙特卡罗模拟中，当可用机组出力不能满足负荷需求而出现功率差额时，LOLE＝8760p[PW(t)+G(t)<L(t)]。其中p为概率。

7)新增能源容量置信度计算。利用等效载荷容量(ELCC)为指标进行新能源容量置信度计算。ELCC是当电源容量增加时，为满足与原系统相同的可靠性指标，系统允许增加的负荷容量。计算过程为，未新建间歇性能源发电机组时，系统可靠性LOLE＝8760p[PW(t)+G(t)<L(t)]；规划新建风电机组额定功率为ΔPW，系统可靠性为LOLE’，由于新建电源，因而LOLE’<LOLE；为评估新建风电机组的置信度，当电源新增负荷ΔL时，系统规划年与规划前可靠性相等，即：p[PW(t)+G(t)<L(t)]＝p[PW(t)+G(t)+ΔPW(t)<L(t)+ΔL]。新增风电机组置信容量即为CC＝ΔL，容量置信度为CD＝ΔL/ΔPW，其中：L(t)表示各母线负荷，G(t)表示常规机组，ΔPW(t)表示新增风电，PW(t)表示原有风电的时序数据，ΔL表示电源新增负荷。

8)系统内所有间歇性能源容量置信度计算。根据7)的评价方法，计算系统内所有间歇性能源容量置信度。先去除系统内所有间歇性能源，评价系统可靠性LOLE＝p[G(t)<L(t)]；为评估所有间歇性能源容量置信度，当电源新增负荷ΔL时，保持系统可靠性相等，即p[G(t)<L(t)]＝p[PW(t)+G(t)+ΔPW(t)<L(t)+ΔL]。所有间歇性能源置信容量即为CC＝ΔL，容量置信度为CD＝ΔL/(PW+ΔPW)，其中：L(t)表示各母线负荷，G(t)表示常规机组，ΔPW(t)表示新增风电，PW(t)表示原有风电的时序数据，ΔL表示电源新增负荷。

本发明提供的考虑网络约束的间歇性能源发电容量置信度评估方法，通过电网规划数据获得包括发电、负荷和网架结构规划方案，结合风电场历史风速和历史出力信息，分析其统计规律，进行其年度随机生产模拟序贯蒙特卡罗模型，考虑网络约束条件，新能源发电容量置信度评估。

以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的本发明的权利要求保护范围之内。

Claims (13)

1.一种考虑网络约束的间歇性能源发电容量置信度评估方法，其特征在于，所述方法包括下述步骤：

1)获取规划年电网规划典型运行方式；

2)运用序贯蒙特卡罗模拟技术，抽样年度常规机组、负荷和线路投运时序数据G(t)；

3)运用序贯蒙特卡罗模拟技术进行风电年度出力时序采样；

4)计算发电系统潮流；

5)静态安全分析和辅助决策；

6)计算发电系统可靠性；

7)计算新增能源容量置信度；

8)计算发电系统内所有间歇性能源容量置信度。

2.如权利要求1所述的置信度评估方法，其特征在于，所述步骤1)中，根据规划年发电规划、负荷预测和网架建设规划，获取电力系统年度典型运行方式。

3.如权利要求1所述的置信度评估方法，其特征在于，所述步骤2)中，根据各常规机组、线路的强迫停运和计划停运历史信息，统计分析其历史停运率，以两点分布概率抽样；根据负荷功率正态分布概率模型，抽样各母线负荷L(t)。

4.如权利要求1所述的置信度评估方法，其特征在于，所述步骤3)包括下述步骤：

①建立风力发电出力抽样模型；

②对风电场进行平稳化处理；

③建立相关性模型；

④建立相关时序模型。

5.如权利要求4所述的置信度评估方法，其特征在于，所述步骤①中，对已经投运的风电场和具备风速数据的新规划风电场，统计历史N年内的各风电场测风塔风速信息，进行核分布概率密度拟合，并采样；对没有历史风速数据的风电场，用当地典型风速数据代替，采用威布尔分布进行风速抽样。

6.如权利要求4所述的置信度评估方法，其特征在于，所述步骤②中，对某一特定风电站的平稳化处理，包括：在气象数据库的某风电场的N年每小时风速序列(Vt)求取均值和，求取N年该风电场同一时刻的风速均值v_meant和标准差v_deltat，结合该风电场N年每小时风速序列，经过标准化处理过程，得到该风电场的平稳化时间序列；标准化处理为：

Xt＝(Vt-V_meant)/v_deltat。

7.如权利要求4所述的置信度评估方法，其特征在于，所述步骤③中，采用copula函数对风速进行相关性模拟，利用间歇式能源数据库的某个风电场的N年每小时风速序列(Vt)，分别计算每一小时风速值核分布估计，构建出生成Frank-Copula函数，采样生成Frank-Copula函数的随机数，转换为高斯白噪声序列，并分别存储为某风场高斯白噪声序列；当具有两个风电场时，Frank-Copula函数解析式为：

$C(u_1,u_2;\mathrm{\&alpha;})=-\frac{1}{\mathrm{\&alpha;}}ln\&lsqb;1+\frac{(e^{-{\mathrm{\&alpha;u}}_1}-1)(e^{-{\mathrm{\&alpha;u}}_2}-1)}{e^{\mathrm{\&alpha;}}-1}\&rsqb;$

$u_1=ln(e^{-\mathrm{\&alpha;}}-1)-ln(e^{-{\mathrm{\&alpha;v}}_1}-1)$

$u_2=ln(e^{-\mathrm{\&alpha;}}-1)-ln(e^{-{\mathrm{\&alpha;v}}_2}-1)$

式中：v1、v2为两个风电场风速，u₁、u₂分别为两风速数据的Copula生成元，α为Frank-Copula函数的参数，由极大似然函数法求得。

8.如权利要求4所述的置信度评估方法，其特征在于，所述步骤④中，针对某一特定风电场，利用其平稳化时间序列，通过参数拟合确定自回归滑动平均模型，即ARMA模型参数值，并存储某风场风速ARMA模型的白噪声方差，AMAR模型的参数值和N+1年小时分辨率的白噪声序列综合形成Copula-ARMA模型，得到N+1年的模拟平稳化时间序列；白噪声序列和平稳化处理的风电场数据进行还原，得到N+1年的风电场模拟风速序列，取出最后一年的风速数据，即该风场规划年的每小时风速序列；

其中，AMAR模型描述为：

式中：p和q为模型参数；x_t为t时刻的时间序列值；和θ_j分别为模型p和q的自回归参数滑动平均参数；{ε_t}是一个随机的服从的白噪声序列；x_t-i为t-i时刻的时间序列值，ε_t-j是{ε_t}的第t-j个元素；

Copula-AMAR模型最终描述为：

其中：x_k,t为第k个风电场在t时刻的时间序列值，k＝1,2,…,n，即x_k,t＝x_1,t,x_2,t,…x_n,tt是时间，k是风电场数，ε_k,t＝(ε_1,t,ε_2,t,…ε_n,t)，ε_k,t为第k个风电场在t时刻的正态白噪声序列，k＝1,2,…,n，即(ε_1,t,ε_2,t,…ε_n,t)分别为第1个风电场在t时刻的正态白噪声序列，第2个风电场在t时刻的正态白噪声序列，第n个风电场在t时刻的正态白噪声序列，σ₁,σ₂,…σ_n分别为时间序列值x_1,t,x_2,t,…x_n,t的标准差，x_k,t-i是第k个风电场t-i时刻的时间序列值，{ε_k,t}是关于第k个风电场的一个随机白噪声序列；ε_k,t-j是一个{ε_k,t}的第t-j个元素；Φ(·)为标准正态分布函数，C_a(Φ₁(·),…,Φ_n(·))为根据n元风速序列构建的一个Copula函数，描绘n个白噪声序列之间的相关结构，v_k,t表示第k个风电场在t时刻的风速，μ_k,tσ_k,t分别是第k个风电场在t时刻的正态分布的均值和标准差参数。

9.如权利要求1所述的置信度评估方法，其特征在于，所述步骤4)中，步骤3)中抽样所得电力系统中发电如果小于电力系统中负荷L(t)的潮流断面，调整常规机组出力；若常规机组出力在限额范围内无法满足负荷需求，即判定为系统供电不足，ΔPW(t)+PW(t)+G(t)<L(t)，无需进行潮流计算，其中：L(t)表示各母线负荷，G(t)表示常规机组，ΔPW(t)表示新增风电，PW(t)表示原有风电的时序数据；抽样所得电力系统发电如果大于电力系统负荷的断面，采用最优乘子法进行潮流计算，其中以规划潮流为潮流初值进行潮流求解，提高系统潮流收敛性；如果潮流不收敛，则电力系统在解列点解列运行。

10.如权利要求1所述的置信度评估方法，其特征在于，所述步骤5)的静态安全分析和辅助决策包括：

如果基态潮流越限，则根据辅助决策对发电出力调整；如果辅助决策结果为降低发电机出力，则说明断面满足供电可靠性，判定ΔPW(t)+PW(t)+G(t)≥L(t)；如果辅助决策结果为增加发电机出力或切负荷，则说明断面不满足供电可靠性，判定ΔPW(t)+PW(t)+G(t)<L(t)；

如果基态潮流满足限额约束，进行N-1扫描；如果满足N-1热稳限额，则进行辅助决策计算；如果辅助决策结果为降低发电机出力，则说明断面满足供电可靠性，判定ΔPW(t)+PW(t)+G(t)≥L(t)；如果辅助决策结果为增加发电机出力或切负荷，则说明断面不满足供电可靠性，判定ΔPW(t)+PW(t)+G(t)<L(t)；其中：L(t)表示各母线负荷，G(t)表示常规机组，ΔPW(t)表示新增风电，PW(t)表示原有风电的时序数据。

11.如权利要求1所述的置信度评估方法，其特征在于，所述步骤6)中，以电力系统失负荷时间期望LOLP为指标，求解电力系统可靠性；电力系统可靠性LOLE＝T*LOLP，研究周期T以年为计算周期，为8760小时，在序贯蒙特卡罗模拟中，当可用机组出力不能满足负荷需求而出现功率差额时，电力系统可靠性LOLE＝8760p[PW(t)+G(t)<L(t)]；其中p为概率，L(t)表示各母线负荷，G(t)表示常规机组、负荷和线路投运时序数据；ΔPW(t)表示新增风电，PW(t)表示原有风电的时序数据。

12.如权利要求1所述的置信度评估方法，其特征在于，所述步骤7)中，利用等效载荷容量ELCC为指标进行新能源容量置信度计算；等效载荷容量ELCC是当电源容量增加时，为满足与原电力系统相同的可靠性指标，电力系统允许增加的负荷容量；

计算过程为：未新建间歇性能源发电机组时，电力系统可靠性LOLE＝8760p[PW(t)+G(t)<L(t)]；规划新建风电机组额定功率为ΔPW，新建电源的电力系统可靠性为LOLE’，由于新建电源，因而新建电源的电力系统可靠性LOLE’<电力系统可靠性LOLE；当电源新增负荷ΔL时，电力系统规划年与规划前可靠性相等，即：p[PW(t)+G(t)<L(t)]＝p[PW(t)+G(t)+ΔPW(t)<L(t)+ΔL]；新增风电机组置信容量即为CC＝ΔL，容量置信度为CD＝ΔL/ΔPW；其中：L(t)表示各母线负荷，G(t)表示常规机组，ΔPW(t)表示新增风电，PW(t)表示原有风电的时序数据，ΔL表示电源新增负荷。

13.如权利要求1所述的置信度评估方法，其特征在于，所述步骤8)中，先去除电力系统内所有间歇性能源，评价电力系统可靠性LOLE＝p[G(t)<L(t)]；为评估所有间歇性能源容量置信度，当电源新增负荷ΔL时，保持电力系统可靠性相等，即p[G(t)<L(t)]＝p[PW(t)+G(t)+ΔPW(t)<L(t)+ΔL]；所有间歇性能源置信容量即为CC＝ΔL，容量置信度为CD＝ΔL/(PW+ΔPW)；其中：L(t)表示各母线负荷，G(t)表示常规机组，ΔPW(t)表示新增风电，PW(t)表示原有风电的时序数据，ΔL表示电源新增负荷。