CN105931134A - 一种含并网光伏电站的系统可靠性评估方法 - Google Patents

Abstract

本发明公开了属于电力系统控制技术领域的一种含并网光伏电站的系统可靠性评估方法。主要考虑多状态转移与时序信息相结合的光伏电站出力建模以及计算光伏接入系统对可靠性指标的影响限值；包括应用模糊C均值聚类、按四种不同天气类型对光伏电站历史数据做聚类分析，在聚类结果的基础上创建光伏电站发电状态的转移概率矩阵，将光伏电站的转移状态分为16种基本类型，并对转移状态做ARMA时间序列建模，最终创建完整的考虑光伏电站状态转移与时序特征的出力模型。此模型能更加真实的模拟光伏电站的出力情况。利用该出力模型测试光伏接入系统后对系统可靠性的影响，该方法简单实用，对评估光伏接入对系统的影响具有积极作用。

Description

一种含并网光伏电站的系统可靠性评估方法

技术领域

本发明涉及电力系统控制技术领域，特别涉及一种含并网光伏电站的系统可靠性评估方法。

背景技术

太阳能光伏发电作为重要的可再生能源发电方式之一，越来越受到各个国家的重视，并得到了快速的开发和应用。我国发布的《可再生能源中长期发展规划》中提出，到2020年光伏发电装机容量将达到2000MWp，计划年增长15％以上。

随着光伏电站在电力系统中装机容量所占比例的不断增大，其随机性、间歇性和周期性的特点对电力系统的运行规划、调度控制、可靠性等方面带来极大影响。光伏电站接入系统后对电力系统可靠性的影响分析是指导光伏电站接入、制定光伏出力计划、制定调度方案的重要依据。

现有的含光伏电站系统可靠性评估分为两个主要步骤：1)建立能够反映电站实际出力特性的光伏发电模型。其主要方法有基于太阳跟踪的基本辐照度模型法、晴空指数法、分时段模型法、随机模型法、考虑辐照波动的状态转移法、设备停运率方法等。但现有研究中对光伏电站出力建模中缺少同时考虑多状态转移模型与时序模型相结合的建模方法，而状态转移信息与时序信息是光伏发电中不可忽略的两大要素。2)可靠性计算。主要有解析法和模拟法两种，其中蒙特卡罗方法是计算系统可靠性的重要方法。

发明内容

本发明的目的是提出一种含并网光伏电站的系统可靠性评估方法，其特征在于，主要考虑多状态转移与时序信息相结合的光伏电站出力建模以及计算光伏接入系统对可靠性指标的影响限值；包括以下步骤：

步骤1：运用模糊C均值聚类方法(Fuzzy‐c‐means，FCM)对所选光伏电站历史出力数据做聚类分析；

步骤2：根据聚类结果，统计光伏电站历史出力数据的状态转移信息，创建状态转移概率矩阵P_W；

步骤3：根据步骤2中的结果，将光伏电站的全部状态转移可能分为16种，即晴天、少云、多云、阴雨四种天气类型之间的互相转移；对每一种转移状态根据历史数据做自回归滑动平均(Auto‐Regressive and Moving Average，ARMA)时间序列建模；

步骤4：根据步骤1、2、3的结果生成全年光伏电站出力序列，模型评价准确性指标选取均值、标准差、概率密度函数(Probability Density Function，PDF)；

步骤5：应用序贯蒙特卡罗方法计算光伏电站介入系统后可靠性指标，指标选取失负荷概率(Loss of Load Probability，LOLP)，无量纲；电力不足频率(Loss ofLoad Frequency LOLF)，单位次/年；电力不足期望(Expected Power Not Supply，EPNS)；

步骤6：根据步骤5计算结果，计算光伏接入影响系统可靠性指标的限值，包括该光伏电站接入系统后可靠性指标的上、下限。

所述光伏电站历史出力数据的状态转移概率矩阵P_W为

$P_W=\left[\begin{array}{cccc}P\left(A\right|A)& P\left(B\right|A)& P\left(C\right|A)& P\left(D\right|A)\\ P\left(A\right|B)& P\left(B\right|B)& P\left(C\right|B)& P\left(D\right|B)\\ P\left(A\right|C)& P\left(B\right|C)& P\left(C\right|C)& P\left(D\right|C)\\ P\left(A\right|D)& P\left(B\right|D)& P\left(C\right|D)& P\left(D\right|D)\end{array}\right];$

式中P(A|A)等为光伏电站的16种转移状态，如式中P(B|A)表示本日天气类型为A、次日天气类型为B的条件概率，其他项含义类似。

本发明相比现有技术具有以下有益效果：

1.在光伏发电出力建模中同时考虑了电站的状态转移信息和日出力时序信息，使建模结果在统计特性上与实际情况更相符；

2.提供了光伏电站出力建模与序贯蒙特卡洛仿真详细流程与步骤，为光伏接入影响电力系统可靠性分析方面提供参考，有利于该领域的发展；

3.提出一种光伏接入对电力系统可靠性影响的限值计算方法，该方法简单有效，为制定光伏电站处理计划、指导电力调度提供了重要的参考依据，保证电网安全可靠运行。

附图说明

图1为含并网光伏电站的系统可靠性评估流程图。

图2为电站出力状态转移判断方法图。

图3为光伏建模方法流程图。

图4为序贯蒙特卡罗仿真流程图。

具体实施方式

本发明的目的是提出一种含并网光伏电站的系统可靠性评估方法，下面结合附图和实施例对本发明做进一步说明。

所述含并网光伏电站的系统可靠性评估方法主要考虑多状态转移与时序信息相结合的光伏电站出力建模以及计算光伏接入系统对可靠性指标的影响限值，包括以下步骤：(如图1所示)

步骤1：运用模糊C均值聚类方法(Fuzzy‐c‐means，FCM)对所选光伏电站历史出力数据，包括发电功率信息、天气状况做聚类分析；

步骤2：根据聚类结果，统计光伏电站历史出力数据的状态转移信息，创建状态转移概率矩阵P_W

$P_W=\left[\begin{array}{cccc}P\left(A\right|A)& P\left(B\right|A)& P\left(C\right|A)& P\left(D\right|A)\\ P\left(A\right|B)& P\left(B\right|B)& P\left(C\right|B)& P\left(D\right|B)\\ P\left(A\right|C)& P\left(B\right|C)& P\left(C\right|C)& P\left(D\right|C)\\ P\left(A\right|D)& P\left(B\right|D)& P\left(C\right|D)& P\left(D\right|D)\end{array}\right]$

步骤3：根据步骤2中的结果，将光伏电站的全部状态转移可能分为16种，即晴天、少云、多云、阴雨四种天气类型之间的互相转移；对每一种转移状态根据历史数据做自回归滑动平均(Auto‐Regressive and Moving Average，ARMA)时间序列建模；

步骤4：根据步骤1、2、3的结果生成全年光伏电站出力序列，模型评价准确性指标选取均值、标准差、概率密度函数(Probability Density Function，PDF)；

步骤5：应用序贯蒙特卡罗方法计算光伏电站接入系统后可靠性指标，指标选取失负荷概率(Loss of Load Probability，LOLP)，无量纲；电力不足频率(Loss ofLoad Frequency LOLF)，单位次/年；电力不足期望(Expected Power Not Supply，EPNS)；

步骤6：根据步骤5计算结果，计算光伏接入影响系统可靠性指标的影响限值。

图2所示为电站出力状态转移判断方法图，包含以下步骤：

步骤1、将光伏电站状态转移的所有可能按条件概率大小依次累加在数轴[0，1]之间；

步骤2、生成0～1之间服从均匀分布的随机数R，并判断R在数轴上的位置；

步骤3、若R在数轴上的位置为P_ij＝P(j|i)，则表示光伏电站在下一日运行于状态j。

图3所示为光伏建模方法流程图，包含以下步骤：

步骤1.根据光伏电站历史数据的发电功率信息、天气状况，应用模糊C聚类均值方法对历史数据进行聚类分析,模糊C均值聚类方法是无监督机器学习的主要技术之一，具体过程如下：

1)将天气情况分为4种基本类型：晴天、少云、多云、阴雨，即取聚类中心数为4。聚类特征选择辐照度波动量VI、最大辐照比例Kr、温度T。其中最大辐照比例是太阳能电池板接受到的实际太阳辐照度与同时段地外水平面最大辐照度的比值，计算公式为

$K_{ri}=\frac{I_i}{E_i^c}---\left(1\right)$

每日辐照度波动量能够体现太阳能电池板实际接受辐照度的波动情况，计算公式为

${\mathrm{VI}}_i=\frac{\underset{i=2}{\overset{n}{\Σ}}\sqrt{{(I_{k,i}-I_{k-1,i})}^2+{\mathrm{\Δt}}^2}}{\underset{i=2}{\overset{n}{\Σ}}\sqrt{{\[(E_{k,i}^c-E_{k-1,i}^c)K_{ri}\]}^2+{\mathrm{\Δt}}^2}}---\left(2\right)$

I_k为第k日地表水平面实际辐照度；

为第k日地外水平面最大辐照度；

Δt为数据点辐照度时间间隔；

VI为日辐照度波动量。

2)初始化各数据点隶属度矩阵

U^(k)＝[μ_c(i)^(k)]∈R^C×N (3)

k为迭代次数，初始化为k＝0。

3)计算第k+1次迭代的聚类中心位置向量V_C

$V_c=\frac{{\mathrm{\Σ}}_{i=1}^M{\left({\mathrm{\μ}}_c{\left(i\right)}^{\left(k\right)}\right)}^m{X}_i}{{\mathrm{\Σ}}_{i=1}^M{\left({\mathrm{\μ}}_c{\left(i\right)}^{\left(k\right)}\right)}^m}---\left(4\right)$

其中，1≤c≤C。

4)在3)中得到的中心位置向量的基础上，更新各数据点X_i的隶属度

${\mathrm{\μ}}_c{\left(i\right)}^{\left(k\right)}=\frac{1}{\underset{j=1}{\overset{C}{\Σ}}{\[\frac{\left|\right|X_i-V_c\left|\right|}{\left|\right|X_i-V_j\left|\right|}\]}^{\frac{2}{m-1}}}---\left(5\right)$

5)判断迭代终止条件

||μ_c(i)^(k)-μ_c(i)^(k-1)||<ε (6)

其中ε>0为给定聚类终止条件。

步骤2.根据步骤1中得到的光伏电站历史数据的聚类分析结果，统计光伏电站在四中天气状况下的持续时间与状态转移情况，创建光伏电站出力的状态转移矩阵P_W，具体过程为：

${\mathrm{\&lambda;}}_{ij}=\frac{n_{ij}}{N_i}---\left(7\right)$

式中，λ_ij为状态i到j的转移率；

n_ij为状态i到j的转移次数；

N_i为处于状态i的总次数.

$P\left(j\right|i)=\frac{{\mathrm{\&lambda;}}_{ij}}{\underset{j=1}{\overset{M}{\&Sigma;}}{\mathrm{\&lambda;}}_{ij}}---\left(8\right)$

式中，P(j|i)为状态i到j的条件概率；

状态转移概率矩阵P_W为

$P_W=\left[\begin{array}{cccc}P\left(A\right|A)& P\left(B\right|A)& P\left(C\right|A)& P\left(D\right|A)\\ P\left(A\right|B)& P\left(B\right|B)& P\left(C\right|B)& P\left(D\right|B)\\ P\left(A\right|C)& P\left(B\right|C)& P\left(C\right|C)& P\left(D\right|C)\\ P\left(A\right|D)& P\left(B\right|D)& P\left(C\right|D)& P\left(D\right|D)\end{array}\right]---\left(9\right)$

根据公式(9)中的转移概率矩阵和说明书附图2中所示的电站出力状态转移判断方法，可以由当前日电站工作状态预测下一日工作状态。

步骤3.光伏发电的ARMA时间序列建模,选择AIC(Akaike informationcriterion)准则确定ARMA模型阶数，消除模型定阶中的人为因素干扰；

步骤4，根据步骤1‐3中的建模结果，创建考虑天气因素影响的光伏发电系统状态转移时序模型，生成光伏电站全年出力数据，(如图3所示)。

图4所示为序贯蒙特卡罗仿真流程图，包含以下步骤：

步骤1、创建可靠性测试系统IEEE‐RTS79；

步骤2选择可靠性指标失负荷概率(Loss of Load Probability，LOLP)，无量纲；电力不足频率(Loss of Load Frequency LOLF)，单位次/年；电力不足期望(Expected Power Not Supply，EPNS)；

步骤3、利用序贯蒙特卡洛仿真方法计算步骤2中的IEEE‐RTS79系统可靠性指标；

步骤4、选择光伏电站接入系统方案，即光伏电站额定功率及接入系统节点位置；

步骤5、计算光伏电站按步骤4接入系统后的步骤2中的可靠性指标，并记录结果；

步骤6、选择不同类型天气下光伏典型出力曲线，并利用序贯蒙特卡罗方法计算其影响系统可靠性上限、下限值。具体过程为：

1)在对光伏电站出力准确建模的基础上，提取四种天气类型下的典型出力曲线；

2)考虑极限状况，用四种典型天气出力数据替代全年电站出力；

3)将四种典型电站出力状态分别接入测试系统中，应用序贯蒙特卡罗法计算系统可靠性指标；

4)记晴天出力情况下对系统可靠性指标影响为上限值，阴雨条件下出力为下限值。此上下限值即为该光伏接入方案下对系统影响程度区间。

Claims (4)

1.一种含并网光伏电站的系统可靠性评估方法，其特征在于，主要考虑多状态转移与时序信息相结合的光伏电站出力建模以及计算光伏接入系统对可靠性指标的影响限值；包括以下步骤：

步骤1：运用模糊C均值聚类方法FCM(Fuzzy-c-means，FCM)对所选光伏电站历史出力数据，包括发电功率信息、天气状况做聚类分析；

步骤2：根据聚类结果，统计光伏电站历史出力数据的状态转移信息，创建状态转移概率矩阵P_W

步骤3：根据步骤2中的结果，将光伏电站的全部状态转移分为16种，即晴天、少云、多云、阴雨四种天气类型之间的互相转移；根据历史数据转移状态做自回归滑动平均ARMA(Auto-Regressive and Moving Average，ARMA)时间序列建模；

步骤4：根据步骤1、2、3的结果生成全年光伏电站出力序列，模型评价准确性指标选取均值、标准差、概率密度函数PDF(Probability Density Function，PDF)；

步骤5：应用序贯蒙特卡罗方法计算光伏电站介入系统后可靠性指标，指标选取失负荷概率LOLP(Loss of Load Probability，LOLP)，无量纲；电力不足频率(Loss of Load Frequency LOLF)，单位次/年；电力不足期望EPNS(ExpectedPower Not Supply，EPNS)；

步骤6：根据步骤5计算结果，计算光伏接入影响系统可靠性指标的限值，包括光伏电站可靠性指标LOLP,LOLF,EPNS的上、下限。

2.根据权利要求1所述含并网光伏电站的系统可靠性评估方法，其特征在于，所述步骤1中模糊C均值聚类的聚类特征选取辐照度波动量、日最大辐照比例、日平均气温。

3.根据权利要求1所述含并网光伏电站的系统可靠性评估方法，其特征在于，根据所述光伏电站历史出力数据的状态转移概率矩阵P_W为

$P_W=\left[\begin{array}{cccc}P\left(A\right|A)& P\left(B\right|A)& P\left(C\right|A)& P\left(D\right|A)\\ P\left(A\right|B)& P\left(B\right|B)& P\left(C\right|B)& P\left(D\right|B)\\ P\left(A\right|C)& P\left(B\right|C)& P\left(C\right|C)& P\left(D\right|C)\\ P\left(A\right|D)& P\left(B\right|D)& P\left(C\right|D)& P\left(D\right|D)\end{array}\right];$

式中P(A|A)……P(D|D)为光伏电站的16种转移状态；每种转移状态“P(B|A)”表示本日天气类型为A、次日天气类型为B的条件概率，其他项含义类似。

4.根据权利要求1所述含并网光伏电站的系统可靠性评估方法，其特征在于，所述步骤6的光伏接入提高电力系统可靠性限值计算，具体过程为：

1)在对光伏电站出力准确建模的基础上，提取四种天气类型下的典型出力曲线；

2)考虑极限状况，用四种典型天气出力数据替代全年电站出力；

3)将四种典型电站出力状态分别接入测试系统中，应用序贯蒙特卡罗法计算系统可靠性指标LOLP,LOLF,EPNS；

4)记晴天出力情况下对系统可靠性指标影响为上限值，阴雨条件下出力为下限值；此上下限值即为该光伏接入方案下对系统影响程度区间。