CN107506331A - 基于时间关联性及元件运行时间的微电网可靠性计算方法 - Google Patents
基于时间关联性及元件运行时间的微电网可靠性计算方法 Download PDFInfo
- Publication number
- CN107506331A CN107506331A CN201710751226.9A CN201710751226A CN107506331A CN 107506331 A CN107506331 A CN 107506331A CN 201710751226 A CN201710751226 A CN 201710751226A CN 107506331 A CN107506331 A CN 107506331A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- micro
- capacitance sensor
- mfrac
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 36
- 230000002123 temporal effect Effects 0.000 title claims abstract description 9
- 238000005070 sampling Methods 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000005286 illumination Methods 0.000 claims abstract description 27
- 238000009826 distribution Methods 0.000 claims description 18
- 230000009758 senescence Effects 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000005315 distribution function Methods 0.000 claims description 10
- 230000007257 malfunction Effects 0.000 claims description 7
- 238000004088 simulation Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 230000008439 repair process Effects 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 9
- 230000005611 electricity Effects 0.000 description 9
- 238000004146 energy storage Methods 0.000 description 4
- 238000010248 power generation Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 229910052744 lithium Inorganic materials 0.000 description 3
- 241000894007 species Species 0.000 description 3
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 2
- 240000002853 Nelumbo nucifera Species 0.000 description 2
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 2
- 230000032683 aging Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- NRTLIYOWLVMQBO-UHFFFAOYSA-N 5-chloro-1,3-dimethyl-N-(1,1,3-trimethyl-1,3-dihydro-2-benzofuran-4-yl)pyrazole-4-carboxamide Chemical group C=12C(C)OC(C)(C)C2=CC=CC=1NC(=O)C=1C(C)=NN(C)C=1Cl NRTLIYOWLVMQBO-UHFFFAOYSA-N 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Computing Systems (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Photovoltaic Devices (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种基于时间关联性及元件运行时间的微电网可靠性计算方法,该方法根据微电网元件运行时间,参考元件浴盆曲线得到元件准确的故障率,通过建立时刻标签与季节标签,综合考虑新能源出力的随机性、波动性;通过改进的拉丁超立方抽样方法抽取风速,通过时刻和季节标签确定光照强度,进而计算出新能源电源出力,然后基于状态持续时间抽样法进行可靠性计算。该方法适用于含有新能源电源的微电网可靠性计算,通过时间标签联络起任一时刻的新能源电源出力及负荷,并且考虑了元件在真实运行情况下的故障率,能够更准确、更真实地计算含新能源电源的微电网可靠性。
Description
技术领域
本发明涉及电力系统可靠性计算研究领域,特别的,涉及一种基于时间关联性及元件运行时间对微电网的可靠性进行计算的方法。
背景技术
电力工业是国民经济发展的基础,电网安全是社会公共安全的重要组成部分。长期以来,火力发电在我国电力工业中处于主导地位,传统能源的大量消耗严重破坏了生态环境并造成能源危机。发展以风能、太阳能为主的新能源发电是建设环境友好型社会的必然选择。传统电网大停电事故时有发生,利用新能源进行发电的分布式发电技术成为新形势下电力工业可持续发展的趋势。
分布式发电具有污染小、网损小、安装灵活等优点,通常以小规模分散式的形式安装在负荷点附近,作为大电网的有效补充可改善电网峰谷性能。但分布式发电多利用一次能源,功率输出不稳定,对于大电网来说是一个不可控源,为了更好地解决分布式电源与大电网之间的矛盾,提出了微电网的概念。
微电网的发展不仅使新能源得到了利用,又减少了系统停电事故带来的损失,其接入节约了电网建设投资,增加了电网运行控制的灵活性,提高了负荷点供电可靠性。作为多电源系统,当故障发生时微电网可形成局部孤岛,孤岛内负荷可由微电源继续供电,此时微电源的输出功率决定了对负荷点的供电可靠性,故传统的可靠性评估方法无法合理地运用到微电网可靠性评估中。具体而言,微电网可靠性计算主要受以下几个因素影响:
1.微电网结构。微电网结构越复杂,其可靠性计算过程越复杂,计算时间越长,用户受元件故障影响可能性越大,可靠性指标可能越差。
2.元件故障率。元件故障率越高,微电网受元件故障导致的停电时间越长,负荷点停电时间越长,可靠性指标越差。
3.新能源电源出力。新能源电源出力越大(也就是新能源的发电量越大),一般而言微电网可靠性越强,但在每个时间,新能源并不一定能够满足该时刻所有负荷点的负荷值。
4.负荷大小。微电网中负荷值需要与新能源电源出力值进行比较,当负荷值大于新能源总出力值时,部分负荷需要切除。
5.可靠性计算方法。微电网可靠性计算中有解析法和模拟法两类,解析法采用较为严格的数学模型以及有效的算法来计算系统的可靠性,虽然具有较高的准确度,但是该方法会随着系统元件数目的增加不断增大计算量,而且对随机因素的考虑不到位,故更适用于元件数目不多,故障比较稀少,但有重大影响的简单系统。模拟法主要是指蒙特卡洛模拟法,该方法以概率统计为基础,适用于多维、高维问题及较大的系统规模,具有方便模拟非指数型分布、可以考虑工程实际情况、可以得到可靠性指标的概率分布函数或数字特征等优点。
现有技术中对于新能源的发电系统可靠性进行了一定的研究,但上述研究方法均存在以下缺点:
1.研究尚未涉及新能源出力与负荷的时间关联性,在对任一时刻系统状态模拟时,并未准确地将新能源电源出力与负荷值一一对应。
2.在可靠性计算时未考虑现有元件已运行时间,一律采用元件有效寿命期的故障率存在一定的误差。
3.在对风速抽样时传统抽样方法难以遍历全部区间并该抽样方式存在较大误差。
发明内容
本发明的目的在于提出一种基于时间关联性及元件运行时间的微电网可靠性计算方法,通过时间标签联络起任一时刻的新能源电源出力(即发电量)及负荷,并且考虑了元件在真实运行情况下的故障率,能够更准确、更真实地计算含新能源电源的微电网可靠性。
为达此目的,本发明采用以下技术方案:
一种基于时间关联性及元件运行时间的微电网可靠性计算方法,包括如下步骤:
步骤110:确定微电网的结构,确定元件的初始状态,根据元件的运行时间,得到元件的故障率;
步骤120:对每一元件停留在当前状态的持续时间抽样,模拟出时间段T内的元件运行状态持续时间序列,并综合得到系统的状态序列和持续时间;
步骤130:对系统状态序列进行依次检查,对于每个故障时刻,根据故障发生时刻找到临近的整点时刻,得到时间标签t并根据该时刻确定季节标签S;
步骤S140:对于每一个故障时刻,根据得到的时间标签t和季节标签S,参考新能源季节变化趋势,得到新能源的气候情况,根据所述气候情况计算得到新能源出力,根据所述新能源出力结合微电网负载情况,对系统故障时刻进行计算分析;
步骤150:根据对系统故障时刻进行计算分析的结果,得到反应微电网各个负荷点的可靠性指标,并利用负荷点可靠性指标计算系统可靠性指标。
可选的,在步骤110中,元件包括断路器、馈线和变压器,首先根据各个元件的运行时间确定各个元件处于哪个时期,进而根据浴盆曲线确定元件故障率,所述故障率包括中期和老年期的故障率。
可选的,所述变压器的老年期故障率服从如下函数:
馈线老年期故障率服从如下函数:
其中x1∈[21.25,25],x2∈[52.08,60]。
可选的,步骤120具体包括如下步骤:
步骤121,确定元件的初始状态,通常假设所有元件初始时刻处于运行状态;
步骤122,对每一元件停留在当前状态的持续时间进行抽样,对于可修复的两状态元件,包括变压器、馈线和断路器,根据元件的故障率λ和修复率μ,采用如下公式获得满足指数分布的无故障工作时间τ1和故障修复时间τ2:
其中,G1和G2是[0,1]上的均匀分布随机数;
步骤123,根据元件的无故障工作时间τ1和故障修复时间τ2,模拟出给定的模拟总时间段T内的元件运行状态持续时间序列;
步骤124,综合所有元件的运行状态持续时间序列,获得整个微电网的系统状态序列和持续时间。
可选的,在步骤S140中,所述新能源包括风力和太阳能,根据时间标签t和季节标签S,确定对应的风速概率密度曲线以及光照强度曲线,对于风速概率密度曲线采用抽样法确定风速,对于光照强度曲线由时间标签t和季节标签S确定光照强度,得到风速、光照强度数值后,确定风机、光伏出力,根据风机、光伏出力结合微电网负载情况,对系统故障时刻进行计算分析。
可选的,所述风速采用改进的拉丁超立方抽样法确定。
可选的,改进的拉丁超立方抽样方法的抽样点选择为:
其中,N为抽样次数,1≤n≤N.x1,x2…xK为K个随机变量,E(xk)表示x序列的期望值,其中xk(1≤k≤K)的累积分布函数为Yk=Fk(xk),此分布函数的取值范围[0,1]被等分为N个子区间,Y-1表示该累积分布函数的逆函数。
可选的,步骤130和步骤140循环进行,直到故障状态为时间端T内的最后一个故障状态,才进行步骤150。
可选的,所述各个负荷点的可靠性指标为年故障率λi、年平均停运持续时间Ui,与每次停电的平均停运持续时间γi;
所述系统可靠性指标包括:
(1)系统平均停电频率指标SAIFI,单位:次/(户·年)
其中,λi和Ni分别为负荷点i的故障率和用户数;R为系统所有负荷点的集合;
(2)系统平均停电持续时间指标SAIDI,单位:小时/(户·年)
其中,Ui为负荷点i的年平均停运持续时间,单位:小时/年;
(3)用户平均停电持续时间指标CAIDI,单位:小时/(停电用户·年)
(4)平均供电可用率指标ASAI
(5)电量不足指标ENS,千瓦·小时/年
其中,Lai为连接在负荷点i的平均负荷,单位:kW;Ui为负荷点i的年平均停运持续时间,单位:小时/年。
本发明还公开了一种存储介质,用于存储计算机可执行指令,
所述计算机可执行指令在被处理器执行时执行上述的方法。
本发明具有以下优点:
1.在微电网可靠性计算中,获取新能源电源出力时考虑了新能源出力与负荷的时间关联性,通过风速、光照强度与季节、时刻的关系,建立风速、光照强度的季节时刻分布曲线,意在可靠性计算时获取准确的新能源出力。
2.在获取元件故障率时,考虑了元件运行时刻元件的运行时间,现有微电网中的元件并非均处于有效寿命期,故其准确的故障率取决于其已经运行的时间。
3.在确定了季节与时刻标签后,采用了改进的拉丁超立方抽样方法获取风速,该方法不仅能够实现全区间的分层抽样,还兼顾了数据的期望值,使得对风速的抽样更加全面准确。
附图说明
图1是根据本发明具体实施例的微电网可靠性计算方法的步骤流程图;
图2是根据本发明具体实施例的含新能源电源的微电网示意图;
图3是根据本发明具体实施例的变压器的浴盆曲线示意图;
图4是根据本发明具体实施例的馈线的浴盆曲线示意图;
图5是状态持续时间抽样原理示意图;
图6是根据本发明具体实施例的24时刻四季总负荷曲线示意图;
图7是根据本发明具体实施例在某季节风速概率密度曲线;
图8是根据本发明具体实施例在某时刻光照强度曲线;
图9是改进的拉丁超立方抽样方法抽样点对比示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
在本发明中,微电网指由分布式电源、储能装置、能量转换装置、负荷、监控和保护装置等组成的小型发配电系统,微电网可靠性,即指的是含分布式新能源电源的配电网孤岛运行时的状态。就是要针对任意一个微电网,尤其是自治微电网,就是与大电网公共连接点断开的微电网,计算其可靠性,这个微电网中含有分布式电源,这些分布式电源采用风、光等新能源电源,最终目的是计算出来可靠性指标的数值,并做分析。
该发明建立“出力——负荷时间标签”,综合考虑新能源发电出力的随机性、波动性,根据微电网元件运行时间,参考元件浴盆曲线得到主要容易发生故障的元件的故障率,通过对风速、光照强度的历史数据进行处理,拟合出风速概率密度曲线、光照强度曲线,通过改进的拉丁超立方抽样方法抽取风速,通过时刻和季节标签确定光照强度,进而计算出新能源电源出力,最后基于状态持续时间抽样法进行可靠性计算。
该方法适用于含有新能源发电微电网可靠性计算,通过时间标签联络起任一时刻的新能源发电出力及负荷,能够更准确、更真实地计算含新能源电源的微电网可靠性。
参见图1,示出了根据本发明具体实施例的微电网可靠性计算方法的步骤流程图,包括如下步骤:
步骤110:确定微电网的结构,确定元件的初始状态,根据元件的运行时间,得到元件的故障率;
示例性的,参见图2,示出了一种示例性的微电网结构,该微电网主要由新能源发电设备、储能设备组成,示例性的新能源发电设备包括风力发电机组、光伏电池板,储能设备包括锂电池,超级电容器等。具体而言,包括馈线两条、断路器十个、配电变压器八台、负荷点八个,负荷种类包含居民用电、商业用电以及工业用电,各种类负荷比例稳定,各负荷点所占总负荷比例稳定。
而在该步骤中,元件主要指的是容易发生故障的元件,可以为断路器、馈线和变压器。
元件的故障率是一个比较重要的参数。对大量不同类型元件的故障数据研究表明,元件的故障率曲线呈浴盆形状,以浴盆曲线表示,表明了元件在整个寿命周期内的故障率变化。按照时间时序可以分为初期、中期和老年期。
初期又称为调试器,通常不会投入运行,元件在投入使用的早期,由于设计的缺陷或制造工艺的不完整很快暴露出来,因而故障率较高。经过一段时间的调试,故障率随时间的增加而逐渐下降,趋于稳定,即进入有效寿命期。中期又称为有效寿命期或偶然故障期。经过前一阶段的调试,元件的故障率低而且平稳,近似为一常数。故障的发生只是由于偶然的原因,这时的概率分布通常被认为是指数分布。老年期又称衰耗期。在此期间,元件由于老化、疲劳和磨损等原因而进入衰老阶段,这一时期的故障率随时间的增长而迅速上升,可用威布尔分布、正太分布、伽马分布等来描述。
进一步的,在本发明计算元件的可靠性时,首先根据各个元件的运行时间确定各个元件处于哪个时期,进而根据浴盆曲线确定元件故障率,所述故障率包括中期和老年期的故障率,其中中期是恒定值,后期是指数函数。其中断路器的故障率用使用次数表示。示例性的,表1中示出了元件的中期可靠性。
表1:主要发生故障的元件的中期可靠性
参见图3、图4、分别示出了变压器以及馈线的的浴盆曲线示意图。
更进一步的,所述变压器的老年期故障率服从如下函数:
馈线老年期故障率服从如下函数:
其中x1∈[21.25,25],x2∈[52.08,60]。
步骤120:对每一元件停留在当前状态的持续时间抽样,模拟出时间段T内的元件运行状态持续时间序列,并综合得到系统的状态序列和持续时间。
对于步骤120,采用“状态持续时间抽样法”获得。状态持续时间抽样法是一种时序蒙特卡洛法。状态持续时间抽样法是基于对元件状态持续时间的概率分布进行抽样。假定元件运行时间和故障状态下修复时间服从某种概率分布(例如指数分布),然后根据元件的故障率和修复率抽样确定该元件在给定时间段内的状态和状态持续时间。当给定时间段内所有元件的状态和状态持续时间确定后,就可以获得系统的状态和持续时间。具体而言,步骤120包括如下步骤:
步骤121,确定元件的初始状态,通常假设所有元件初始时刻处于运行状态;
步骤122,对每一元件停留在当前状态的持续时间进行抽样,对于可修复的两状态元件,包括变压器、馈线和断路器,根据元件的故障率λ(平均无故障工作时间MTTF的倒数)和修复率μ(平均修复时间MTTR的倒数),采用变换方法获得满足指数分布的无故障工作时间τ1和故障修复时间τ2:
其中,G1和G2是[0,1]上的均匀分布随机数。
步骤123,根据元件的无故障工作时间τ1和故障修复时间τ2,模拟出给定的模拟总时间段T内的元件运行状态持续时间序列;
步骤124,综合所有元件的运行状态持续时间序列,可以获得整个微电网的系统状态序列和持续时间,每一系统状态内,各元件状态不变。
示例性的,参见图5,示出了状态持续时间抽样原理示意图,在该图中,横坐标表示持续时间,纵坐标表示状态。
先通过对3个元件(A、B和C)的运行和故障状态持续时间模拟,然后获得系统状态和状态持续时间,图中给定模拟时间段内总共模拟出11个系统状态。
所述时间段T为进行模拟计算的时间,示例性的,可以为10年、20年、50年、100年等在考察电网可靠性中常用的时间。
而根据该图所示出的系统的状态序列和持续时间,能够得到在不考虑新能源给本微电网提供负荷的情况下该微电网主要状态参数。但微电网自身具有新能源发电设备,即便产生停电事故,微电网仍然具备一定的潮流,各新能源电源出力能补给一定的负荷,使得本微电网的负荷正常运行,只有当出力不足以供给本电网的负荷时,可能造成新的故障负荷点,即根据所述新能源出力结合微电网负载情况,对系统故障时刻进行计算分析,考虑在故障时刻的新能源出力、负荷点负荷的情况,进而确定供电情况。因此,还需要对新能源在故障时刻的时刻的出力情况进行考核计算,而新能源的气候特征是与时刻相关联的。需要针对故障的时刻,利用风速、太阳能等的情况估算新能源的出力。从而得到如下的步骤130和步骤140。
步骤130:对系统状态序列进行依次检查,对于每个故障时刻,根据故障发生时刻找到临近的整点时刻(半点归算为上一整点时刻),得到时间标签t并根据该时刻确定季节标签S;
在本步骤中,由于统计数据限制及计算量所限,按照就近的原则,故障时刻以靠近整点时刻进行计算,上午10:29根据就近原则认为处于10点。所谓的半点归算到上一整点,即10:30的故障时刻,按10点的算,而根据时刻和季节标签,能够得到风力和太阳能情况,从而得到相应的风力发电值和太阳能发电值。
步骤S140:对于每一个故障时刻,根据得到的时间标签t和季节标签S,参考新能源季节变化趋势,得到新能源的气候情况,根据所述气候情况计算得到新能源出力,根据所述新能源出力结合微电网负载情况,对系统故障时刻进行计算分析。
具体而言,所述新能源包括风力和太阳能,根据时间标签t和季节标签S,确定对应的风速概率密度曲线以及光照强度曲线,对于风速概率密度曲线采用抽样法确定风速,对于光照强度曲线由时间标签t和季节标签S确定光照强度,得到风速、光照强度数值后,确定风机、光伏出力,根据风机、光伏出力结合微电网负载情况,对系统故障时刻进行计算分析。
示例性的,在对于太阳能时,能够示例性的根据如图8的某时刻光照强度曲线,并根据具体的时刻得到光照强度数值。对于风力,在统计风速时,按时刻统计得到四季24时刻的风速概率密度曲线,图7示出了根据本发明具体实施例在某季节风速概率密度曲线,例如为冬季10点。而后采用抽样的方法获取风速,进而得到风力和太阳能出力情况。
在计算微电网负载情况时,能够利用图6所示的24时刻四季总负荷曲线示意图,利用时间标签t和季节标签S获取本微电网所需负荷,并根据风力和太阳能出力情况,分析在故障时刻的新能源出力、负荷点负荷的情况,进而确定供电情况,进而对系统故障时刻进行计算分析,这样就建立了“新能源电源出力与负荷的时间关联性”。
具体的,当故障时刻10点时,通过查询10点的光照强度曲线,结合季节标签可以获得光照强度,而某地区的风速特征可通过查询上午10点风速概率密度曲线得到。负载也对应负荷曲线10点的位置。
更进一步的,所述风速采用改进的拉丁超立方抽样法确定。
由于风速概率密度曲线由历史数据绘制而成,其数据具有完全的真实性,但在实际抽样计算中,真实历史数据中的个别离散性的点会对整个概率密度曲线产生一些期望偏移。因此,基于这一特点在原有方法保证了抽样覆盖全区间、各子区间均匀抽样等优点下,基于概率密度分布期望的影响,提出一种考虑概率期望的拉丁超立方抽样方法(Expectation Latin Hypercube Sampling,ELHS)。改进的拉丁超立方抽样方法在保证原有的超立方抽样的条件下,根据变量的期望值,将其划分为两部分。
[E(xk)]是指概率密度曲线期望值的左半平面;
[E(xk)]是指概率密度曲线期望值的右半平面。
使得抽样区间中,左平面的选择抽样区间的右边界,右平面选择抽样区间的左边界,两侧同时向期望值靠拢,通过公式中的实现。
综上:改进的拉丁超立方抽样方法的抽样点选择为:
其中,N为抽样次数,1≤n≤N.x1,x2…xK为K个随机变量,E(xk)表示x序列的期望值,其中xk(1≤k≤K)的累积分布函数为Yk=Fk(xk),此分布函数的取值范围[0,1]被等分为N个子区间,Y-1表示该累积分布函数的逆函数。
参见图9,示出了左图的拉丁超立方抽样方法(MLHS)和右图的改进的拉丁超立方抽样方法(ELHS)的区别。从图中可见,根据变量的期望值E(xk)将曲线划分为左右两个部分,在保证原有拉丁超立方抽样的条件下,左半平面选取其右边界,右半平面选取其左边界,两侧同时向期望值靠拢。在期望E(xk)两侧的抽样点A、B在经ELHS法改进后均选定为点C。
步骤130和步骤140循环进行,直到故障状态为时间端T内的最后一个故障状态,才进行步骤150。
步骤150:根据对系统故障时刻进行计算分析的结果,得到反应微电网各个负荷点的可靠性指标,并利用负荷点可靠性指标计算系统可靠性指标。
因此,通过更新以后的系统状态序列可以得到最终的负荷点的可靠性指标以及因此计算得到的系统可靠性指标,从而从每个负荷点,以及系统等两方面对整体的可靠性进行衡量。
进一步的,所述各个负荷点的可靠性指标为年故障率(load-point failurerate)λi、年平均停运持续时间(load-point annual unavailability)Ui,与每次停电的平均停运持续时间(load-point outage duration)γi,计算系统可靠性指标。
负荷点可靠性指标表征的是微电网中各个负荷点供电的可靠性水平,它反映的是微电网可靠性长期平均值的概率指标,而不是某一确定的值。系统可靠性指标是从系统的角度对其可靠性进行综合度量。微电网系统的系统级可靠性指标可以从负荷点指标导出,这些指标可用于反映过去或未来的系统性能。
所述系统可靠性指标包括:
(1)系统平均停电频率指标(system average interruption frequency index)SAIFI,单位:次/(户·年)
其中,λi和Ni分别为负荷点i的故障率和用户数;R为系统所有负荷点的集合;
(2)系统平均停电持续时间指标(system average interruption durationindex)SAIDI,单位:小时/(户·年)
其中,Ui为负荷点i的年平均停运持续时间,单位:小时/年。
(3)用户平均停电持续时间指标(customer average interruption durationindex)CAIDI,单位:小时/(停电用户·年)
(4)平均供电可用率指标(average service availability index)ASAI
(5)电量不足指标(energy not supplied)ENS,千瓦·小时/年
其中,Lai为连接在负荷点i的平均负荷,单位:kW;Ui为负荷点i的年平均停运持续时间,单位:小时/年。系统的平均负荷La可以根据系统需求Lp乘以负荷系数f得到,或者根据负荷持续时间曲线计算所研究时间中所需的总电量,再除以研究的时间得到,最后通过一定的比例分配就可以计算得到负荷点的平均负荷Lai。
实施例1:
以南部城市(119°33′19″E,23°34′02″N)某微电网为例,对本发明作进一步的说明。
a.该微电网由风力发电机组、光伏电池板、储能设备等组成,包含馈线两条、断路器十个、配电变压器八台、负荷点八个,负荷种类包含居民用电、商业用电以及工业用电,各种类负荷比例稳定,各负荷点所占总负荷比例稳定;
b.该微网中含风机300台,光伏单元5000个,柴油机10台,锂电池1.5×105个,超级电容器60个;
c.风机额定功率30kW,额定风速12m/s,切入风速3m/s,切出风速24m/s,光伏单元额定功率0.2kW,标准光照强度1kW/m2,标准工作温度25℃,功率温度系数-0.0045,柴油机额定功率100kW,锂电池单位容量3.2v 3000mAH,超级电容器单位容量1kWh;
d.设备初期为调试期,不会投入运行;设备中期为有效寿命期,故障率为恒定值;设备老年期故障率随已运行时间变化而变化,设备到达寿命极限时进行更换;
e.变压器、馈线的运行时间分别是22.5年、11.7年,变压器老年期故障率服从函数馈线老年期故障率服从函数其中x1∈[21.25,25],x2∈[52.08,60];
f.负荷点1-8所占总负荷比例分别为15%、8%、27%、20%、4%、11%、9%、6%,包含用户数分别为1、40、120、2、18、1、45、23,区域负荷最大值为1.7MW;
g.仿真时间T取100年,风速、光照强度数据参考网址:
http://www.cwb.gov.tw/V7/index.htm,计算得可靠性指标如表所示:
表2负荷点可靠性指标计算结果
表3系统可靠性指标计算结果
可靠性指标 | 计算结果 |
SAIFI(次/户·年) | 0.4805 |
SAIDI(小时/户·年) | 5.6911 |
CAIDI(小时/停户·年) | 11.8441 |
ASAI | 0.9994 |
ENS(MW·h/年) | 9.7687 |
本发明进一步公开了一种存储介质,用于存储计算机可执行指令,所述计算机可执行指令在被处理器执行时执行上述的方法。
本发明具有以下优点:
1.在微电网可靠性计算中,获取新能源电源出力时考虑了新能源出力与负荷的时间关联性,通过风速、光照强度与季节、时刻的关系,建立风速、光照强度的季节时刻分布曲线,意在可靠性计算时获取准确的新能源出力。
2.在获取元件故障率时,考虑了元件运行时刻元件的运行时间,现有微电网中的元件并非均处于有效寿命期,故其准确的故障率取决于其已经运行的时间。
3.在确定了季节与时刻标签后,采用了改进的拉丁超立方抽样方法获取风速,该方法不仅能够实现全区间的分层抽样,还兼顾了数据的期望值,使得对风速的抽样更加全面准确。
显然,本领域技术人员应该明白,上述的本发明的各单元或各步骤可以用通用的计算装置来实现,它们可以集中在单个计算装置上,可选地,他们可以用计算机装置可执行的程序代码来实现,从而可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件的结合。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施方式仅限于此,对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单的推演或替换,都应当视为属于本发明由所提交的权利要求书确定保护范围。
Claims (10)
1.一种基于时间关联性及元件运行时间的微电网可靠性计算方法,包括如下步骤:
步骤110:确定微电网的结构,确定元件的初始状态,根据元件的运行时间,得到元件的故障率;
步骤120:对每一元件停留在当前状态的持续时间抽样,模拟出时间段T内的元件运行状态持续时间序列,并综合得到系统的状态序列和持续时间;
步骤130:对系统状态序列进行依次检查,对于每个故障时刻,根据故障发生时刻找到临近的整点时刻,得到时间标签t并根据该时刻确定季节标签s;
步骤S140:对于每一个故障时刻,根据得到的时间标签t和季节标签s,参考新能源季节变化趋势,得到新能源的气候情况,根据所述气候情况计算得到新能源出力,根据所述新能源出力结合微电网负载情况,对系统故障时刻进行计算分析;
步骤150:根据对系统故障时刻计算分析的结果,得到反应微电网各个负荷点的可靠性指标,并利用负荷点可靠性指标计算系统可靠性指标。
2.根据权利要求1所述的微电网可靠性计算方法,其特征在于:
在步骤110中,元件包括断路器、馈线和变压器,首先根据各个元件的运行时间确定各个元件处于哪个时期,进而根据浴盆曲线确定元件故障率,所述故障率包括中期和老年期的故障率。
3.根据权利要求2所述的微电网可靠性计算方法,其特征在于:
所述变压器的老年期故障率服从如下函数:
<mrow>
<msub>
<mi>y</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mn>0.015</mn>
<msup>
<mi>e</mi>
<mrow>
<mn>0.5296</mn>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<mn>21.25</mn>
<mo>)</mo>
</mrow>
</mrow>
</msup>
</mrow>
馈线老年期故障率服从如下函数:
<mrow>
<msub>
<mi>y</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<mn>0.015</mn>
<msup>
<mi>e</mi>
<mrow>
<mn>0.2382</mn>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
<mo>-</mo>
<mn>52.08</mn>
<mo>)</mo>
</mrow>
</mrow>
</msup>
</mrow>
其中x1∈[21.25,25],x2∈[52.08,60]。
4.根据权利要求1所述的微电网可靠性计算方法,其特征在于:
步骤120具体包括如下步骤:
步骤121,确定元件的初始状态,通常假设所有元件初始时刻处于运行状态;
步骤122,对每一元件停留在当前状态的持续时间进行抽样,对于可修复的两状态元件,包括变压器、馈线和断路器,根据元件的故障率λ和修复率μ,采用如下公式获得满足指数分布的无故障工作时间τ1和故障修复时间τ2:
<mrow>
<msub>
<mi>&tau;</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<mi>&lambda;</mi>
</mfrac>
<mi>ln</mi>
<mi> </mi>
<msub>
<mi>G</mi>
<mn>1</mn>
</msub>
</mrow>
<mrow>
<msub>
<mi>&tau;</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<mi>&mu;</mi>
</mfrac>
<mi>l</mi>
<mi>n</mi>
<mi> </mi>
<msub>
<mi>G</mi>
<mn>2</mn>
</msub>
</mrow>
其中,G1和G2是[0,1]上的均匀分布随机数;
步骤123,根据元件的无故障工作时间τ1和故障修复时间τ2,模拟出给定的模拟总时间段T内的元件运行状态持续时间序列;
步骤124,综合所有元件的运行状态持续时间序列,获得整个微电网的系统状态序列和持续时间。
5.根据权利要求1所述的微电网可靠性计算方法,其特征在于:
在步骤S140中,所述新能源包括风力和太阳能,根据时间标签t和季节标签s,确定对应的风速概率密度曲线以及光照强度曲线,对于风速概率密度曲线采用抽样法确定风速,对于光照强度曲线由时间标签t和季节标签s确定光照强度,得到风速、光照强度数值后,确定风机、光伏出力,根据风机、光伏出力结合微电网负载情况,对系统故障时刻计算分析的结果。
6.根据权利要求5所述的微电网可靠性计算方法,其特征在于:
所述风速采用改进的拉丁超立方抽样法确定。
7.根据权利要求6所述的微电网可靠性计算方法,其特征在于:
改进的拉丁超立方抽样方法的抽样点选择为:
<mrow>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msup>
<mi>Y</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>(</mo>
<mfrac>
<mrow>
<mi>n</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</mfrac>
<mo>)</mo>
<mo>,</mo>
<mfrac>
<mi>n</mi>
<mi>N</mi>
</mfrac>
<mo>&le;</mo>
<msup>
<mi>Y</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>&lsqb;</mo>
<mi>E</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msup>
<mi>Y</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>(</mo>
<mfrac>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</mfrac>
<mo>)</mo>
<mo>,</mo>
<mfrac>
<mi>n</mi>
<mi>N</mi>
</mfrac>
<mo>></mo>
<msup>
<mi>Y</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>&lsqb;</mo>
<mi>E</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中,N为抽样次数,1≤n≤N.x1,x2…xK为K个随机变量,E(xk)表示x序列的期望值,其中xk(1≤k≤K)的累积分布函数为Yk=Fk(xk),此分布函数的取值范围[0,1]被等分为N个子区间,Y-1表示该累积分布函数的逆函数。
8.根据权利要求1所述的微电网可靠性计算方法,其特征在于:
步骤130和步骤140循环进行,直到故障状态为时间端T内的最后一个故障状态,才进行步骤150。
9.根据权利要求1或8所述的微电网可靠性计算方法,其特征在于:
所述各个负荷点的可靠性指标为年故障率λi、年平均停运持续时间Ui,与每次停电的平均停运持续时间γi;
所述系统可靠性指标包括:
(1)系统平均停电频率指标SAIFI,单位:次/(户·年)
<mrow>
<mi>S</mi>
<mi>A</mi>
<mi>I</mi>
<mi>F</mi>
<mi>I</mi>
<mo>=</mo>
<mfrac>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>R</mi>
</mrow>
</munder>
<msub>
<mi>&lambda;</mi>
<mi>i</mi>
</msub>
<msub>
<mi>N</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>R</mi>
</mrow>
</munder>
<msub>
<mi>N</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
</mrow>
其中,λi和Ni分别为负荷点i的故障率和用户数;R为系统所有负荷点的集合;
(2)系统平均停电持续时间指标SAIDI,单位:小时/(户·年)
<mrow>
<mi>S</mi>
<mi>A</mi>
<mi>I</mi>
<mi>D</mi>
<mi>I</mi>
<mo>=</mo>
<mfrac>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>R</mi>
</mrow>
</munder>
<msub>
<mi>U</mi>
<mi>i</mi>
</msub>
<msub>
<mi>N</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>R</mi>
</mrow>
</munder>
<msub>
<mi>N</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
</mrow>
其中,Ui为负荷点i的年平均停运持续时间,单位:小时/年;
(3)用户平均停电持续时间指标CAIDI,单位:小时/(停电用户·年)
<mrow>
<mi>C</mi>
<mi>A</mi>
<mi>I</mi>
<mi>D</mi>
<mi>I</mi>
<mo>=</mo>
<mfrac>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>R</mi>
</mrow>
</munder>
<msub>
<mi>U</mi>
<mi>i</mi>
</msub>
<msub>
<mi>N</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>R</mi>
</mrow>
</munder>
<msub>
<mi>&lambda;</mi>
<mi>i</mi>
</msub>
<msub>
<mi>N</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
<mo>=</mo>
<mfrac>
<mrow>
<mi>S</mi>
<mi>A</mi>
<mi>I</mi>
<mi>D</mi>
<mi>I</mi>
</mrow>
<mrow>
<mi>S</mi>
<mi>A</mi>
<mi>I</mi>
<mi>F</mi>
<mi>I</mi>
</mrow>
</mfrac>
</mrow>
(4)平均供电可用率指标ASAI
<mrow>
<mi>A</mi>
<mi>S</mi>
<mi>A</mi>
<mi>I</mi>
<mo>=</mo>
<mfrac>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>R</mi>
</mrow>
</munder>
<mn>8760</mn>
<msub>
<mi>N</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>R</mi>
</mrow>
</munder>
<mrow>
<msub>
<mi>U</mi>
<mi>i</mi>
</msub>
<msub>
<mi>N</mi>
<mi>i</mi>
</msub>
</mrow>
</mrow>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>R</mi>
</mrow>
</munder>
<mn>8760</mn>
<msub>
<mi>N</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
</mrow>
(5)电量不足指标ENS,千瓦·小时/年
<mrow>
<mi>E</mi>
<mi>N</mi>
<mi>S</mi>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>R</mi>
</mrow>
</munder>
<msub>
<mi>L</mi>
<mrow>
<mi>a</mi>
<mi>i</mi>
</mrow>
</msub>
<msub>
<mi>U</mi>
<mi>i</mi>
</msub>
</mrow>
其中,Lai为连接在负荷点i的平均负荷,单位:kW;Ui为负荷点i的年平均停运持续时间,单位:小时/年。
10.一种存储介质,用于存储计算机可执行指令,
所述计算机可执行指令在被处理器执行时执行权利要求1-9中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710751226.9A CN107506331B (zh) | 2017-08-25 | 2017-08-25 | 基于时间关联性及元件运行时间的微电网可靠性计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710751226.9A CN107506331B (zh) | 2017-08-25 | 2017-08-25 | 基于时间关联性及元件运行时间的微电网可靠性计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107506331A true CN107506331A (zh) | 2017-12-22 |
CN107506331B CN107506331B (zh) | 2023-01-10 |
Family
ID=60693772
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710751226.9A Active CN107506331B (zh) | 2017-08-25 | 2017-08-25 | 基于时间关联性及元件运行时间的微电网可靠性计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107506331B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110489856A (zh) * | 2019-08-15 | 2019-11-22 | 安徽机电职业技术学院 | 一种基于cps的微电网可靠建模方法和系统 |
CN111008793A (zh) * | 2019-12-24 | 2020-04-14 | 天津相和电气科技有限公司 | 面向用户体验的电-气-热综合用能可靠性评估方法 |
CN111861259A (zh) * | 2020-07-30 | 2020-10-30 | 中国大唐集团科学技术研究院有限公司华东电力试验研究院 | 一种考虑时序性的负荷建模方法、系统、存储介质 |
CN115860586A (zh) * | 2023-03-01 | 2023-03-28 | 英迪格(天津)电气有限公司 | 一种铁路变配电故障的分析系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102097808A (zh) * | 2011-01-31 | 2011-06-15 | 天津大学 | 一种含分布式风电、光伏及储能的配电系统可靠性评估方法 |
CN102593828A (zh) * | 2012-02-28 | 2012-07-18 | 重庆大学 | 一种含wtg的配电网可靠性评估方法 |
CN104376504A (zh) * | 2014-11-06 | 2015-02-25 | 国家电网公司 | 一种基于解析法的配电系统概率可靠性评估方法 |
CN105406470A (zh) * | 2015-12-21 | 2016-03-16 | 国家电网公司 | 一种基于开关边界分区的有源配电网可靠性评估方法 |
US20160103164A1 (en) * | 2014-10-14 | 2016-04-14 | Indian Institute Of Technology Bombay | Identification of a power source in a multiple power source scenario and characterization of loads |
US20160233682A1 (en) * | 2013-09-30 | 2016-08-11 | Jackseario Antonio Dionisio DO ROSARIO | Power Quality of Service Optimization for Microgrids |
-
2017
- 2017-08-25 CN CN201710751226.9A patent/CN107506331B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102097808A (zh) * | 2011-01-31 | 2011-06-15 | 天津大学 | 一种含分布式风电、光伏及储能的配电系统可靠性评估方法 |
CN102593828A (zh) * | 2012-02-28 | 2012-07-18 | 重庆大学 | 一种含wtg的配电网可靠性评估方法 |
US20160233682A1 (en) * | 2013-09-30 | 2016-08-11 | Jackseario Antonio Dionisio DO ROSARIO | Power Quality of Service Optimization for Microgrids |
US20160103164A1 (en) * | 2014-10-14 | 2016-04-14 | Indian Institute Of Technology Bombay | Identification of a power source in a multiple power source scenario and characterization of loads |
CN104376504A (zh) * | 2014-11-06 | 2015-02-25 | 国家电网公司 | 一种基于解析法的配电系统概率可靠性评估方法 |
CN105406470A (zh) * | 2015-12-21 | 2016-03-16 | 国家电网公司 | 一种基于开关边界分区的有源配电网可靠性评估方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110489856A (zh) * | 2019-08-15 | 2019-11-22 | 安徽机电职业技术学院 | 一种基于cps的微电网可靠建模方法和系统 |
CN111008793A (zh) * | 2019-12-24 | 2020-04-14 | 天津相和电气科技有限公司 | 面向用户体验的电-气-热综合用能可靠性评估方法 |
CN111008793B (zh) * | 2019-12-24 | 2023-10-31 | 天津相和电气科技有限公司 | 面向用户体验的电-气-热综合用能可靠性评估方法 |
CN111861259A (zh) * | 2020-07-30 | 2020-10-30 | 中国大唐集团科学技术研究院有限公司华东电力试验研究院 | 一种考虑时序性的负荷建模方法、系统、存储介质 |
CN111861259B (zh) * | 2020-07-30 | 2022-07-15 | 中国大唐集团科学技术研究院有限公司华东电力试验研究院 | 一种考虑时序性的负荷建模方法、系统、存储介质 |
CN115860586A (zh) * | 2023-03-01 | 2023-03-28 | 英迪格(天津)电气有限公司 | 一种铁路变配电故障的分析系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107506331B (zh) | 2023-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xin-gang et al. | Economic-environmental dispatch of microgrid based on improved quantum particle swarm optimization | |
Xu et al. | Data-driven configuration optimization of an off-grid wind/PV/hydrogen system based on modified NSGA-II and CRITIC-TOPSIS | |
Yan et al. | Stochastic multi-scenario optimization for a hybrid combined cooling, heating and power system considering multi-criteria | |
Guo et al. | Multi‐objective stochastic optimal planning method for stand‐alone microgrid system | |
Wang et al. | Optimal capacity allocation of standalone wind/solar/battery hybrid power system based on improved particle swarm optimisation algorithm | |
CN108183512B (zh) | 一种接入新能源的电力系统的可靠性评估方法 | |
CN106532688B (zh) | 一种用于评估微电网运行可靠性的方法及系统 | |
CN106327006A (zh) | 一种基于综合效益分析的微电网优化配置方法 | |
CN107506331A (zh) | 基于时间关联性及元件运行时间的微电网可靠性计算方法 | |
CN104851053A (zh) | 一种含风光储的配电网供电可靠性评估方法 | |
CN111598289A (zh) | 计及lstm光伏出力预测的综合能源系统分散式优化方法 | |
CN107359611B (zh) | 考虑多种随机因素的配电网等值方法 | |
Gen | Reliability and cost/worth evaluation of generating systems utilizing wind and solar energy | |
Li et al. | Capacity configuration optimization of a hybrid renewable energy system with hydrogen storage | |
CN112580897A (zh) | 基于鹦鹉算法的多能源电力系统优化调度的方法 | |
CN116914732A (zh) | 基于深度强化学习的热电联产系统低碳调度方法及系统 | |
Sadullaev et al. | Micro-grid based power supply of remote consumers located away from the centralized power grid | |
CN112736899B (zh) | 一种微电网规划方案评价指标计算方法以及装置 | |
CN105634005B (zh) | 一种用于评估光伏接纳能力的方法及系统 | |
Wu et al. | Study on optimal dispatching strategy of regional energy microgrid | |
Zhao et al. | The techno-economic evaluation of school integrated energy system based on G1-anti-entropy weight-TOPSIS method | |
Chen | Optimize configuration of multi energy storage system in a standalone microgrid | |
Guo et al. | A dynamic rolling dispatch for integrated energy system with a hybrid time scale framework | |
Wai et al. | Design of installation capacity evaluation mechanism for hybrid energy generation system | |
Jing et al. | DCCHP Cost Refinement Methodology Taking into Account New Energy Output and Load Forecast Errors |
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 |