CN106886953B - 考虑多重不确定性的需求响应对含风电系统风险分析方法 - Google Patents

考虑多重不确定性的需求响应对含风电系统风险分析方法 Download PDF

Info

Publication number
CN106886953B
CN106886953B CN201710198935.9A CN201710198935A CN106886953B CN 106886953 B CN106886953 B CN 106886953B CN 201710198935 A CN201710198935 A CN 201710198935A CN 106886953 B CN106886953 B CN 106886953B
Authority
CN
China
Prior art keywords
state
fan
user area
model
risk model
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
Application number
CN201710198935.9A
Other languages
English (en)
Other versions
CN106886953A (zh
Inventor
加鹤萍
丁一
宋永华
金文德
朱承治
刘翰林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Zhejiang University ZJU
State Grid Zhejiang Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU, State Grid Zhejiang Electric Power Co Ltd filed Critical Zhejiang University ZJU
Priority to CN201710198935.9A priority Critical patent/CN106886953B/zh
Publication of CN106886953A publication Critical patent/CN106886953A/zh
Application granted granted Critical
Publication of CN106886953B publication Critical patent/CN106886953B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种考虑多重不确定性的需求响应对含风电系统风险分析方法。建立考虑风速随机性的风机出力多状态模型和考虑风机故障不确定性的风机故障两状态模型，结合建立含多个风机的风电场多状态风险模型；建立考虑信息通讯系统分层分散控制的信息通讯系统风险模型和考虑用户区区参与度不确定性的需求响应风险模型，结合建立用户区实际参与度的风险模型；建立考虑需求响应中用户区可提供备用容量随机性的多状态风险模型，结合建立用户区参与需求响应的综合风险模型；统筹考虑计算风险分析结果。本发明考虑多重不确定性的需求响应对含风电系统运行风险的影响，对智能电网的建设有一定的参考价值，为更好地分析及评估在新环境下的智能电网可靠性提供了科学依据。

Description

考虑多重不确定性的需求响应对含风电系统风险分析方法
技术领域
本发明属于电力系统风险评估领域，特别是涉及了考虑多重不确定性的需求响应对含风电系统风险分析方法。
背景技术
风电的大规模接入使得电力系统需要越来越多的备用容量来维持系统的可靠性水平。智能电网中电动汽车、空调、分布式电等智能设备的发展以及信息通讯技术的渗透，为用户区参与需求响应提供了条件。然而，来自于需求响应的多重不确定性会给系统安全可靠运行带来一系列问题。例如，分层分散控制的信息通讯系统一旦发生故障，使得控制区域的用户区难以参与需求响应，从而增加系统运行的风险。此外，用户区参与度以及用户区提供备用容量的随机性会对系统内所有用户区实际提供备用容量的能力产生影响。因此，如何精确评估考虑用户区在参与需求响应时的不确定性对含风电的电力系统的影响至关重要。基于Lz变换的可靠性分析方法，能够分析时变系统的风险，可更好的评估考虑需求响应不确定性的电力系统风险。
发明内容
本发明的目的是针对考虑需求响不确定性的电力系统，提供了一种考虑需求响应多重不确定性的风险分析方法。
本发明方法首先建立考虑风速的随机性以及风机故障不确定性的风机出力多状态风险模型，利用并联结构算子得到风电场的多状态风险模型；考虑信息通讯系统的分层分散控制，建立其风险模型；并建立考虑用户区参与度不确定性的需求响应风险模型，利用串联结构算子，得到综合考虑信息通讯系统以及用户区参与度的不确定性的用户区实际参与度的风险模型；建立需求响应中用户区可提供备用容量的多状态风险模型，并统筹考虑用户区实际参与度以及用户区提供备用容量的随机性，建立用户区参与需求响应的综合风险模型。统筹考虑风电以及信息通讯系统不确定性的需求响应，分析其对系统风险的影响。
本发明对考虑需求响应的含风电系统的风险分析理论分析具有一定的指导意义，对更好地分析及评估考虑用户区参与需求响应不确定性的含风电系统可靠性提供了科学依据。
本发明采用的具体技术方案包括以下步骤：
1)建立分别考虑风速随机性和风机故障不确定性的风机出力多状态模型和风机故障两状态模型；
考虑风速的随机性建立风机出力多状态模型，考虑风机故障不确定性建立风机故障两状态模型；
2)利用并联结构通用生成算子结合风机出力多状态模型和风机故障两状态模型，建立含多个风机的风电场多状态风险模型；
3)建立考虑信息通讯系统分层分散控制的信息通讯系统风险模型；
4)建立考虑用户区参与度不确定性的需求响应风险模型；
5)综合考虑信息通讯系统以及用户区参与度的不确定性，建立用户区实际参与度的风险模型；
6)建立考虑需求响应中用户区可提供备用容量随机性的多状态风险模型；
7)统筹考虑用户区实际参与度以及用户区提供备用容量的随机性，建立用户区参与需求响应的综合风险模型；
8)统筹考虑风电场多状态风险模型和用户区参与需求响应的综合风险模型，分析对系统风险的影响，计算风险分析结果。
所述步骤1)中，将风速的随机性与风机出力的关系用如下公式表示：
Figure BDF0000006457350000021
其中,t表示时间，POk表示当风速为v(t)时风机k的出力；vci,vc,vco分别表示切入风速、额定风速以及切出风速；
Figure BDF0000006457350000022
表示风机k的额定出力；参数a,b,c分别表示第一、第二、第三风机出力与风速关系系数；
由风速的随机性，利用Lz变换对上述公式处理得到考虑风速随机性的风机出力多状态模型：
Figure BDF0000006457350000023
其中，t表示时间，
Figure BDF0000006457350000024
表示风机k出力的Lz变换表示形式，jk表示风机k的出力状态，风机k共有Jk个出力状态，
Figure BDF0000006457350000025
表示在风机k出力状态在jk时的时变概率值；
Figure BDF0000006457350000026
表示风机k在状态jk的出力，此处的z用来表示风机出力的随机变量状态值，
Figure BDF0000006457350000027
表示风机出力的取值为
Figure BDF0000006457350000028
所述步骤1)中，考虑风机故障不确定性的风机故障两状态模型如下表示：
Figure BDF0000006457350000029
其中，
Figure BDF0000006457350000031
为风机k故障的Lz变换表示形式，pr(t)(这个字母中的下标jk已删除，下文中对应的公式中也作删除)表示风机k的可用概率，且0≤pr(t)≤1；当风机k发生故障时，pr(t)为0；此处的z表示风机故障的随机变量状态值，z0表示风机发生故障使得风机出力为0。
所述步骤2)中，统筹考虑风速的随机性以及风机故障将风机出力多状态模型
Figure BDF0000006457350000032
和风机故障两状态模型
Figure BDF0000006457350000033
利用串联结构通用生成算子Ωs获得风机多状态风险模型，表示为
Figure BDF0000006457350000034
Figure BDF0000006457350000035
再利用并联结构通用生成算子Ωp获得含K个相同风机的风电场多状态风险模型，表示为Lwf(z,t)：
Figure BDF0000006457350000036
其中，k表示风机的序数，K表示风机的总数。u表示风电场出力的状态，，且共有U个状态，WFu表示风电场在状态u时出力，
Figure BDF0000006457350000037
表示风电场出力为WFu时的概率，
Figure BDF0000006457350000038
表示所有用户区提供的需求响应随机变量的值为WFu。
所述步骤3)中，先建立考虑信息通讯系统分层分散控制的系统模型，再根据系统模型采用以下方式进行处理获得信息通讯系统风险模型
Figure BDF0000006457350000039
考虑信息通讯系统分层分散控制的系统模型描述为：如图1所示，上层为控制中心，中层为多个本地控制器，底层为参与需求响应的不同用户区区域，控制中心连接控制本地控制器，本地控制器连接控制各自的用户区区域，本地控制器和用户区之间一一对应，第i个本地控制器对应于第i个用户区。
首先，考虑系统模型中信息通讯系统的随机故障使得第i个本地控制器对第i个用户区的控制失效，得到该情况下第i个用户区的风险模型
Figure BDF0000006457350000041
Figure BDF0000006457350000042
其中，
Figure BDF0000006457350000043
表示第i个本地控制器到第i个用户区的信息通讯系统的可用率；此处的z表示信息通讯系统故障的随机变量状态值，z1表示响应的信息通讯系统正常工作，z0表示信息通讯系统的故障；
其次，考虑系统模型中信息通讯系统的随机故障使得控制中心对第i个本地控制器的控制失效，得到该情况下第i个用用户区的风险模型
Figure BDF0000006457350000044
Figure BDF0000006457350000045
其中，
Figure BDF0000006457350000046
表示控制中心到第i个本地控制器的信息通讯系统的可用率，此处的z表示随机变量状态值(信息通讯系统故障)，z1表示响应的信息通讯系统正常工作，z0表示信息通讯系统的故障；
最后，考虑系统模型中分层分区控制随机故障的影响，利用串联结构通用生成算子Ωs获得第i个用户区的信息通讯系统风险模型
Figure BDF0000006457350000047
Figure BDF0000006457350000048
此处的z表示信息通讯系统故障的随机变量状态值，z1表示响应的信息通讯系统正常工作，z0表示信息通讯系统的故障。
所述步骤4)中考虑用户区参与度不确定性的需求响应风险模型
Figure BDF0000006457350000049
表示为：
Figure BDF00000064573500000410
其中，t表示时间，
Figure BDF00000064573500000411
表示用户区参与度的Lz变换表示形式，此处的z用来表示用户区参与度的随机变量状态值，
Figure BDF00000064573500000412
表示随机变量用户区参与度的取值为
Figure BDF00000064573500000413
Figure BDF00000064573500000414
表示第i个用户区的参与度；yi表示第i个用户区参与度的状态，第i个用户区共有Yi个参与度状态；
Figure BDF00000064573500000415
表示在第i个用户区的参与度在yi时的时变概率值。
所述步骤5)中，利用串联结构通用生成算子Ωs结合信息通讯系统风险模型和需求响应风险模型获得考虑用户区实际参与度的风险模型，表示为
Figure BDF0000006457350000051
Figure BDF0000006457350000052
其中，t表示时间，
Figure BDF0000006457350000053
表示用户区实际参与度的Lz变换表示形式。
所述步骤6)中的多状态风险模型
Figure BDF0000006457350000054
表示为：
Figure BDF0000006457350000055
其中，t表示时间，
Figure BDF0000006457350000056
表示第i个用户区可提供备用容量的Lz变换表示形式，此处的z用来表示用户区可提供备用容量的随机变量状态值，
Figure BDF0000006457350000057
表示随机变量的取值为
Figure BDF0000006457350000058
xi表示用户区i可提供备用容量的状态，用户区i共有Xi个可提供备用容量的状态；
Figure BDF0000006457350000059
表示用户区i可提供的备用容量，
Figure BDF00000064573500000510
表示在用户区i可提供备用容量在状态ji时的时变概率值。
所述步骤7)中，利用乘法通用生成算子Ωm结合考虑用户区实际参与度的风险模型
Figure BDF00000064573500000511
和多状态风险模型
Figure BDF00000064573500000512
获得单个用户区参与需求响应的综合风险模型
Figure BDF00000064573500000513
表示为：
Figure BDF00000064573500000514
对于系统内N个用户区，参与需求响应提供备用容量的综合风险模型Ldr(z,t)表示为：
Figure BDF0000006457350000061
其中，w表示所有用户区进行需求响应所提供容量的状态，且共有W个状态，DRw表示所有用户区进行需求响应在状态w时提供的备用容量，
Figure BDF0000006457350000062
表示所提供容量为的DRw时的概率，
Figure BDF0000006457350000063
表示随机变量(所有用户区提供的需求响应)的值为DRw。
所述步骤8)是具体采用以下计算公式获得系统风险分析结果，系统风险分析结果包括系统电量不足期望值EENS(t)以及系统可用率AVAI(t)：
Figure BDF0000006457350000064
Figure BDF0000006457350000065
其中，S表示可能具有的系统状态集合，s为S中的元素，即系统状态；Load表示系统负荷，WFu表示风电场多状态风险模型中风电场在状态为u时的出力，ConG表示系统中传统发电机组的发电量，DRw表示综合风险模型中的系统所有用户区参与需求响应提供备用容量的状态为w时的容量值，ps(t)为系统状态为s时的概率，可由概率组合得到；EENS(t)表示随系统运行时间变化的系统电量不足期望值，AVAI(t)表示随系统运行时间变化的系统可用率。
上述风机k在出力为
Figure BDF0000006457350000066
时对应的时变概率值
Figure BDF0000006457350000067
是通过建立风速的马尔可夫过程的微分方程模型，计算得到对应风电功率的概率值。
本发明的有益效果：
本发明方法以考虑需求响应不确定性的含风电系统为对象，利用Lz变换方法评估考虑灵活资源不确定性的系统风险，精确性高，运算速度快。
本发明方法可进一步完善电力系统可靠性分析理论，对考虑需求响应不确定性的含风电系统的理论分析及工程应用具有重要意义，对智能电网的工程建设有一定的参考价值，为解决考虑用户参与需求响应不确定性的电力系统风险评估提供了一条行之有效的技术途径。
附图说明
图1是信息通讯系统分层分散控制方式示意图。
图2是实施例系统不同场景下期望电量缺额(EENS)趋势图。
图3是实施例系统不同场景下可用率(AVAI)趋势图。
具体实施方式
本发明以下结合实施例及其附图作进一步说明如下。
本实施例如下：
实施的系统中有5台额定功率为40MW的燃煤发电机组，10台额定功率为2MW的风机，风速的状态以及对应的风机出力状态和状态转移率如表1所示，系统的峰时负荷为185MW。系统中有1个可参与需求响应的用户区域，该用户区域由4家工业用户组成，其用户参与度、可提供容量以及响应的状态转移率如表2所示。传统发电机组、风机以及信息通讯系统的平均故障时间以及平均维修时间如表3所示。
表1风速/风机出力状态及状态转移率
转移率 0MW 0.5MW 1MW 1.5MW 2MW
0MW - 0.039 0.013 0.008 0.018
0.5MW 0.365 - 0.151 0.045 0.097
1MW 0.122 0.220 - 0.192 0.155
1.5MW 0.038 0.093 0.185 - 0.359
2MW 0.016 0.012 0.016 0.067 -
表2参与需求响应的工业用户可提供的备用容量及状态转移率
Figure BDF0000006457350000071
表3传统发电机组以及信息通讯系统的可靠性参数
Figure BDF0000006457350000072
Figure BDF0000006457350000081
本实施例分析不同场景下，系统风险分析结果的变化情况。分为三个场景：
场景A：考虑风电以及需求响应不确定性的系统；
场景B：考虑风电以及需求响应，但不考虑需求响应不确定性的系统；
场景C：考虑风电，但不考虑需求响应的系统。
本实施例按照发明内容描述的方法进行实施，具体进行可靠性分析计算步骤如下：
1)建立分别考虑风速随机性和风机故障不确定性的风机出力多状态模型和风机故障两状态模型；
2)利用并联结构通用生成算子结合风机出力多状态模型和风机故障两状态模型，建立含多个风机的风电场多状态风险模型；
3)建立考虑信息通讯系统分层分散控制的信息通讯系统风险模型；
4)建立考虑用户区参与度不确定性的需求响应风险模型；
5)综合考虑信息通讯系统以及用户区参与度的不确定性，建立用户区实际参与度的风险模型；
6)建立考虑需求响应中用户可提供备用容量随机性的多状态风险模型；
7)统筹考虑用户区实际参与度以及用户区提供备用容量的随机性，建立用户区参与需求响应的综合风险模型；
8)统筹考虑风电场多状态风险模型和用户区参与需求响应的综合风险模型，分析对系统风险的影响，计算风险分析结果。
实施例结果获得的风险分析结果如下：
表4不同时间点下系统的风险分析结果
Figure BDF0000006457350000082
根据以上步骤，不同时间点下，系统的风险分析结果电量不足期望值(EENS)以及系统可用率(AVAI)如表4所示；系统的电量不足期望值随系统运行时间的增大而增大，系统可用率(AVAI)随系统运行时间的增大而减小。不同负荷水平下，系统的电量不足期望值随时间变化趋势如图2所示。不同时间点下，不同场景下系统的可用率随时间变化趋势如图3所示。通过系统风险分析结果的计算，可以得到，考虑需求响应的不确定性后，系统的风险增大，由此也说明需求响应的不确定性会对系统的可靠性产生影响。此外，不考虑需求响应的系统风险最高，由此也可以看出用户区参与需求响应对降低系统风险的重要意义。
最后应当说明的是，以上示例仅用以说明本发明的技术方案而非对其限制，尽管参照上述示例对本发明进行了说明，所属领域的普通技术人员应当理解；依然可以对本发明的具体实施方式进行修改或同等替换，而未脱离本发明精神和范围的任何修改或者同等替换，其均应涵盖在本发明的权利要求范围当中。

Claims (2)

1.一种考虑多重不确定性的需求响应对含风电系统风险分析方法，其特征在于该方法包括以下步骤：
1)建立分别考虑风速随机性和风机故障不确定性的风机出力多状态模型和风机故障两状态模型；
2)结合风机出力多状态模型和风机故障两状态模型，建立含多个风机的风电场多状态风险模型；
3)建立考虑信息通讯系统分层分散控制的信息通讯系统风险模型；
4)建立考虑用户区参与度不确定性的需求响应风险模型；
5)综合考虑信息通讯系统以及用户区参与度的不确定性，建立用户区实际参与度的风险模型；
6)建立考虑需求响应中用户区可提供备用容量随机性的多状态风险模型；
7)统筹考虑用户区实际参与度以及用户区提供备用容量的随机性，建立用户区参与需求响应的综合风险模型；
8)统筹考虑风电场多状态风险模型和用户区参与需求响应的综合风险模型，分析对系统风险的影响，计算风险分析结果；
所述步骤1)中，将风速的随机性与风机出力的关系用如下公式表示：
Figure FDA0002838035050000011
其中,t表示时间，POk表示当风速为v(t)时风机k的出力；vci,vc,vco分别表示切入风速、额定风速以及切出风速；
Figure FDA0002838035050000012
表示风机k的额定出力；参数a,b,c分别表示第一、第二、第三风机出力与风速关系系数；
由风速的随机性，利用Lz变换对上述公式处理得到考虑风速随机性的风机出力多状态模型：
Figure FDA0002838035050000013
其中，t表示时间，
Figure FDA0002838035050000014
表示风机k出力的Lz变换表示形式，jk表示风机k的出力状态，风机k共有Jk个出力状态，
Figure FDA0002838035050000015
表示在风机k出力状态在jk时的时变概率值；
Figure FDA0002838035050000016
表示风机k在状态jk的出力，此处的z用来表示风机出力的随机变量状态值，
Figure FDA0002838035050000021
表示风机出力的取值为
Figure FDA0002838035050000022
所述步骤1)中，考虑风机故障不确定性的风机故障两状态模型如下表示：
Figure FDA0002838035050000023
其中，
Figure FDA0002838035050000024
为风机k故障的Lz变换表示形式，pr(t)表示风机k的可用概率，且0≤pr(t)≤1；当风机k发生故障时，pr(t)为0；此处的z表示风机故障的随机变量状态值，z0表示风机发生故障使得风机出力为0；
所述步骤2)中，统筹考虑风速的随机性以及风机故障将风机出力多状态模型
Figure FDA0002838035050000025
和风机故障两状态模型
Figure FDA0002838035050000026
利用串联结构通用生成算子Ωs获得风机多状态风险模型，表示为
Figure FDA0002838035050000027
Figure FDA0002838035050000028
再利用并联结构通用生成算子Ωp获得含K个相同风机的风电场多状态风险模型，表示为Lwf(z,t)：
Figure FDA0002838035050000029
其中，k表示风机的序数，K表示风机的总数，u表示风电场出力的状态，且共有U个状态，WFu表示风电场在状态u时出力，
Figure FDA00028380350500000210
表示风电场出力为WFu时的概率，
Figure FDA00028380350500000211
表示所有用户区提供的需求响应随机变量的值为WFu；
所述步骤3)中，先建立考虑信息通讯系统分层分散控制的系统模型，再根据系统模型采用以下方式进行处理获得信息通讯系统风险模型
Figure FDA0002838035050000031
首先，考虑系统模型中信息通讯系统的随机故障使得第i个本地控制器对第i个用户区的控制失效，得到第i个本地控制器对第i个用户区的控制失效情况下第i个用户区的风险模型
Figure FDA0002838035050000032
Figure FDA0002838035050000033
其中，
Figure FDA0002838035050000034
表示第i个本地控制器到第i个用户区的信息通讯系统的可用率；此处的z表示信息通讯系统故障的随机变量状态值，z1表示响应的信息通讯系统正常工作，z0表示信息通讯系统的故障；
其次，考虑系统模型中信息通讯系统的随机故障使得控制中心对第i个本地控制器的控制失效，得到控制中心对第i个本地控制器的控制失效情况下第i个用户区的风险模型
Figure FDA0002838035050000035
Figure FDA0002838035050000036
其中，
Figure FDA0002838035050000037
表示控制中心到第i个本地控制器的信息通讯系统的可用率，此处的z表示随机变量状态值，z1表示响应的信息通讯系统正常工作，z0表示信息通讯系统的故障；
最后，考虑系统模型中分层分区控制随机故障的影响，利用串联结构通用生成算子Ωs获得第i个用户区的信息通讯系统风险模型
Figure FDA0002838035050000038
Figure FDA0002838035050000039
此处的z表示信息通讯系统故障的随机变量状态值，z1表示响应的信息通讯系统正常工作，z0表示信息通讯系统的故障；
所述步骤4)中考虑用户区参与度不确定性的需求响应风险模型
Figure FDA00028380350500000310
表示为：
Figure FDA00028380350500000311
其中，t表示时间，
Figure FDA00028380350500000312
表示用户区参与度的Lz变换表示形式，此处的z用来表示用户区参与度的随机变量状态值，
Figure FDA00028380350500000313
表示随机变量用户区参与度的取值为
Figure FDA00028380350500000314
Figure FDA00028380350500000315
表示第i个用户区的参与度；yi表示第i个用户区参与度的状态，第i个用户区共有Yi个参与度状态；
Figure FDA00028380350500000316
表示在第i个用户区的参与度在yi时的时变概率值；
所述步骤5)中，利用串联结构通用生成算子Ωs结合信息通讯系统风险模型和需求响应风险模型获得考虑用户区实际参与度的风险模型，表示为
Figure FDA0002838035050000041
Figure FDA0002838035050000042
其中，t表示时间，
Figure FDA0002838035050000043
表示用户区实际参与度的Lz变换表示形式；
所述步骤6)中的多状态风险模型
Figure FDA0002838035050000044
表示为：
Figure FDA0002838035050000045
其中，t表示时间，
Figure FDA0002838035050000046
表示第i个用户区可提供备用容量的Lz变换表示形式，此处的z用来表示用户区可提供备用容量的随机变量状态值，
Figure FDA0002838035050000047
表示随机变量的取值为
Figure FDA0002838035050000048
xi表示用户区i可提供备用容量的状态，用户区i共有Xi个可提供备用容量的状态；
Figure FDA0002838035050000049
表示用户区i可提供的备用容量，
Figure FDA00028380350500000410
表示在用户区i可提供备用容量在状态ji时的时变概率值；
所述步骤7)中，利用乘法通用生成算子Ωm结合考虑用户区实际参与度的风险模型
Figure FDA00028380350500000411
和多状态风险模型
Figure FDA00028380350500000412
获得单个用户区参与需求响应的综合风险模型
Figure FDA00028380350500000413
表示为：
Figure FDA00028380350500000414
对于系统内N个用户区，参与需求响应提供备用容量的综合风险模型Ldr(z,t)表示为：
Figure FDA0002838035050000051
其中，w表示所有用户区进行需求响应所提供容量的状态，且共有W个状态，DRw表示所有用户区进行需求响应在状态w时提供的容量值，
Figure FDA0002838035050000052
表示所提供容量为的DRw时的概率，
Figure FDA0002838035050000053
表示所有用户区提供的需求响应随机变量的值为DRw。
2.根据权利要求1所述的一种考虑多重不确定性的需求响应对含风电系统风险分析方法，其特征在于：所述步骤8)是具体采用以下计算公式获得系统风险分析结果，系统风险分析结果包括系统电量不足期望值EENS(t)以及系统可用率AVAI(t)：
Figure FDA0002838035050000054
Figure FDA0002838035050000055
其中，S表示可能具有的系统状态集合，s为S中的元素；Load表示系统负荷，WFu表示风电场多状态风险模型中风电场在状态为u时的出力，ConG表示系统中传统发电机组的发电量，DRw表示综合风险模型中的系统所有用户区参与需求响应提供备用容量的状态为w时的容量值，ps(t)为系统状态为s时的概率，由概率组合得到；EENS(t)表示随系统运行时间变化的系统电量不足期望值，AVAI(t)表示随系统运行时间变化的系统可用率。
CN201710198935.9A 2017-03-29 2017-03-29 考虑多重不确定性的需求响应对含风电系统风险分析方法 Active CN106886953B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710198935.9A CN106886953B (zh) 2017-03-29 2017-03-29 考虑多重不确定性的需求响应对含风电系统风险分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710198935.9A CN106886953B (zh) 2017-03-29 2017-03-29 考虑多重不确定性的需求响应对含风电系统风险分析方法

Publications (2)

Publication Number Publication Date
CN106886953A CN106886953A (zh) 2017-06-23
CN106886953B true CN106886953B (zh) 2021-03-23

Family

ID=59181067

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710198935.9A Active CN106886953B (zh) 2017-03-29 2017-03-29 考虑多重不确定性的需求响应对含风电系统风险分析方法

Country Status (1)

Country Link
CN (1) CN106886953B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110991122B (zh) * 2019-11-19 2021-08-10 浙江大学 用神经网络和交叉熵采样的风电电力系统可靠性估测方法
CN111507598A (zh) * 2020-04-08 2020-08-07 华北电力大学 考虑需求侧资源分层分散控制的配电系统可靠性计算方法
CN111797537B (zh) * 2020-07-13 2023-08-11 云南电网有限责任公司 一种含风电配电系统可靠性评估方法及装置
CN115358531B (zh) * 2022-07-26 2023-04-18 华北电力大学 一种虚拟电厂运行风险分析方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102108943A (zh) * 2009-12-28 2011-06-29 株式会社日立制作所 风力发电系统
CN104217077A (zh) * 2014-08-29 2014-12-17 国家电网公司 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
CN104821581A (zh) * 2015-05-22 2015-08-05 中国电力科学研究院 一种最优日前备用容量的确定方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2715904B1 (en) * 2011-05-24 2016-06-29 Cameron, D. Kevin System and method for integrating and managing demand/response between alternative energy sources, grid power, and loads

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102108943A (zh) * 2009-12-28 2011-06-29 株式会社日立制作所 风力发电系统
CN104217077A (zh) * 2014-08-29 2014-12-17 国家电网公司 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
CN104821581A (zh) * 2015-05-22 2015-08-05 中国电力科学研究院 一种最优日前备用容量的确定方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Multi-Stage Robust Unit Commitment Considering Wind and Demand Response Uncertainties;Chaoyue Zhao 等;《IEEE TRANSACTIONS ON POWER SYSTEMS》;20130831;第28卷(第3期);第2709页-第2717页 *
计及多类型需求响应的风电消纳随机优化调度模型;鞠立伟 等;《电网技术》;20150731;第39卷(第7期);第1839页-第1846页 *

Also Published As

Publication number Publication date
CN106886953A (zh) 2017-06-23

Similar Documents

Publication Publication Date Title
CN106886953B (zh) 考虑多重不确定性的需求响应对含风电系统风险分析方法
Marden et al. A model-free approach to wind farm control using game theoretic methods
Li et al. A multi-state model for the reliability assessment of a distributed generation system via universal generating function
Lopes et al. Impact of the combined integration of wind generation and small hydropower plants on the system reliability
CN106816886B (zh) 一种大规模风电并网系统调峰需求确定方法
WO2021203738A1 (zh) 考虑需求侧资源分层分散控制的配电系统可靠性计算方法
CN106208046A (zh) 一种考虑发电环境成本的潮汐流能发电场机组布局方法
CN105279707B (zh) 一种综合考虑负荷与风电时序特性的随机生产模拟方法
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
CN102510108A (zh) 一种用于求取地区电网最大风电装机容量的方法
CN107276070A (zh) 计及一二次调频的发输电系统运行可靠性建模及其评估方法
CN105932722A (zh) 计及风电出力不确定性的抽水蓄能-风电联合调度方法
CN112103941A (zh) 考虑电网灵活性的储能配置双层优化方法
CN107947228A (zh) 基于Markov理论的含风电电力系统随机稳定性分析方法
CN103904641A (zh) 基于相关均衡强化学习的孤岛微电网智能发电控制方法
CN103078353A (zh) 一种计及风电波动性的电源配置方法
CN108155673A (zh) 考虑发电侧组合发电不确定性的电力系统优化调度方法
CN105356446B (zh) 一种电力系统网络的风险评估方法
CN107769266A (zh) 一种多时间尺度发电与备用联合优化方法
Rawat et al. Probabilistic steady state voltage stability assessment method for correlated wind energy and solar photovoltaic integrated power systems
CN104269886B (zh) 用于风电并网系统容量效益裕度计算及分配的方法
CN113991651A (zh) 一种考虑新能源不确定性的电网静态电压稳定裕度概率预测方法
CN111047071B (zh) 基于深度迁移学习和Stackelberg博弈的电力系统实时供需互动方法
CN109787217B (zh) 基于风电多状态模型及机会成本修正的备用出清方法
Kavousi-Fard et al. Effect of wind turbine on the economic load dispatch problem considering the wind speed uncertainty

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant