CN107666155B - 基于Markov模型的多能互补系统随机稳定性分析方法 - Google Patents
基于Markov模型的多能互补系统随机稳定性分析方法 Download PDFInfo
- Publication number
- CN107666155B CN107666155B CN201710906143.2A CN201710906143A CN107666155B CN 107666155 B CN107666155 B CN 107666155B CN 201710906143 A CN201710906143 A CN 201710906143A CN 107666155 B CN107666155 B CN 107666155B
- Authority
- CN
- China
- Prior art keywords
- representing
- state
- power
- markov
- markov 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 42
- 230000000295 complement effect Effects 0.000 title claims abstract description 30
- 238000010248 power generation Methods 0.000 claims abstract description 57
- 238000005286 illumination Methods 0.000 claims abstract description 54
- 239000011159 matrix material Substances 0.000 claims abstract description 20
- 238000012546 transfer Methods 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 15
- 230000008859 change Effects 0.000 claims abstract description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 25
- HEMHJVSKTPXQMS-UHFFFAOYSA-M Sodium hydroxide Chemical compound [OH-].[Na+] HEMHJVSKTPXQMS-UHFFFAOYSA-M 0.000 claims description 24
- 230000014509 gene expression Effects 0.000 claims description 21
- 229910052739 hydrogen Inorganic materials 0.000 claims description 15
- 239000001257 hydrogen Substances 0.000 claims description 15
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 14
- 230000008878 coupling Effects 0.000 claims description 13
- 238000010168 coupling process Methods 0.000 claims description 13
- 238000005859 coupling reaction Methods 0.000 claims description 13
- 238000004519 manufacturing process Methods 0.000 claims description 13
- 230000007704 transition Effects 0.000 claims description 12
- 238000010438 heat treatment Methods 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000007621 cluster analysis Methods 0.000 claims description 9
- 238000011217 control strategy Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 6
- 150000001875 compounds Chemical class 0.000 claims description 3
- 238000013016 damping Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 2
- 230000005764 inhibitory process Effects 0.000 claims 1
- 230000000452 restraining effect Effects 0.000 claims 1
- 238000004088 simulation Methods 0.000 abstract description 4
- 238000012360 testing method Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 10
- 238000004146 energy storage Methods 0.000 description 8
- 238000011161 development Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 239000003990 capacitor Substances 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000008236 heating water Substances 0.000 description 1
- 150000002431 hydrogen Chemical class 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- H02J3/383—
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
-
- H02J3/386—
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- External Artificial Organs (AREA)
- Control Of Eletrric Generators (AREA)
- Wind Motors (AREA)
Abstract
本发明提供了一种基于Markov模型的多能互补系统随机稳定性分析方法，为了合理的刻画光照、风速的变化情况，通过对已有的光照、风速等数据进行聚类分析，得出各个聚类中心点，将每个聚类中心点作为一个Markov状态，并通过贝叶斯推理得出各个状态之间的转移率矩阵。根据基尔霍夫电压、电流定律建立Markov状态空间模型，在此基础上构建随机Lyapunov函数对系统进行随机稳定性分析。并通过检测并网点的电流值，设计电流控制器进行可调节负荷的就地消纳，根据新能源发电的波动情况，调节负荷的消纳量，保障传输到电网中功率的连续稳定。最后，通过建立仿真算例测试，验证本发明方法的有效性与实用性。
Description
技术领域
本发明涉及一种多能互补系统，具体涉及一种多能互补系统随机稳定性分析方法。
背景技术
随着现代工业的快速发展，人们对能源的需求量迅速的增加，相比于传统的化石能源，可再生新能源具有清洁、可再生以及容易获取等特点。尤其针对当今突出的环境问题以及化石能源的枯竭，可再生新能源发电已经成为未来全球发电的主要方式。目前，新能源发电在电力系统中的渗透率也逐渐增加，随着大容量风电场、光伏电站的规划、建设和运行，新能源发电在电力系统中的比重逐步增加，新能源的随机性和波动性对电力系统的影响也随之加大，由于单一的风力发电或光伏发电稳定性较差，难以按照需求提供连续稳定的能量输出，很大程度上造成发电与用电在时间和空间上的不匹配，严重时可能出现有求无供和有供无求两种极端情况，这也是目前中国弃风弃光等问题的核心矛盾所在，严重的弃风弃光等问题不利于新能源行业健康的发展，也是对资源的浪费。此外，可再生新能源发电由于其随机、间歇性等特点导致其发电具有波动性，这将会对电力系统的安全、稳定运行带来巨大的威胁。另外，相对于单一的新能源开发利用，对多种新能源同时进行合理的开发更能提高能源的利用率，同时能够提高系统的经济性。因此，多能互补系统(multi-energycomplementary system，MCS)得到了广泛的关注。
多能互补就是多种能源之间的互补，目的是为了综合使用能源，提高能源的利用效率。通过风光等新能源的差异性进行互补，通过并入储能设备以此控制传输到电网的电量，另外在少数情况下可以选择引入备用能源与新能源配合进行多能互补，可以有效缓解我国长期存在的弃光弃风等问题，提升新能源发电的消纳能力，推进能源结构调整和合理发展。计及新能源的随机波动性，研究多能互补系统的随机稳定性并提出合理的控制策略具有重要的意义。
目前对于新能源发电稳定性的分析主要是小干扰分析，适用于风速和光照变化不大的情况，但是实际生活中往往会出现较大程度的变化。现有文献关于MCS的研究大致可分为以下几个方面：
1)含风电光伏的电力系统建模研究；2)含新能源电力系统的小干扰稳定性分析；3)储能系统的建模与控制研究；4)含储能系统的新能源电力系统控制策略研究。
对于新能源发电的随机波动情况，目前的主要方式是采用储能系统进行削峰平谷。储能系统主要有超级电容、飞轮储能、锂电池以及抽水蓄能等方式。由于抽水蓄能受到地理环境的限制，因此，超级电容和飞轮储能的研究更为广泛。然而受到储能系统容量和寿命的限制，现有的储能技术还不能完美的解决新能源出力波动的问题，尤其是针对波动幅值较大以及频繁出现波动的情况，储能系统的充放电过程难以及时的做出响应。
发明内容
发明目的：本发明的目的在于针对现有技术的不同，提供了一种基于Markov模型的多能互补系统随机稳定性分析方法，该方法通过建立Markov模型分析风速、光照的波动情况，在此基础上建立耦合Markov模型，进一步得出基于耦合Markov模型的系统空间状态方程，并通过Lyapunov函数判定系统的随机稳定性，最后通过设计可调节负荷控制器保障系统安全稳定的运行。
技术方案：本发明提供了一种基于Markov模型的多能互补系统随机稳定性分析方法，包括以下步骤：
(1)风速的Markov建模；
(2)光照强度的Markov建模；
(3)风速与光照强度的耦合Markov建模；
(4)根据多能互补系统包括发电、传输以及并网三个单元，建立基于Markov模型的状态空间方程；
(5)基于Markov模型的随机稳定性分析；
(6)当系统不稳定或者进一步抑制输出功率的波动，采用可调节负荷控制策略；
(7)结果输出。
进一步，步骤(1)通过Markov模型来刻画风速的变化，对现有风速数据进行聚类分析，得出有限个聚类中心点m＝1，2，...，s，将每个聚类中心点作为一个Markov状态，计算t时刻下各个状态之间的转移概率如下：
式中，t表示时间，Δt＞0表示时间差，r(t)表示t时刻对应的状态，o(Δt)表示等价无穷小，
表示风速由状态i到状态j的转移率；
得出风速每个状态之间的转移率矩阵如下：
进一步，步骤(2)通过Markov模型来刻画光照的变化，对现有光照强度数据进行聚类分析，得出有限个聚类中心点n＝1，2，...，k，将每个聚类中心点作为一个Markov状态，获得t时刻下各个状态之间的转移概率如下：
式中，t表示时间，Δt＞0表示时间差，o(Δt)表示等价无穷小，
表示光照由状态l到状态h的转移率；
得出光照强度每个状态之间的转移率矩阵如下：
进一步，在步骤(1)(2)的基础上将两者进行耦合Markov建模，考虑风速和光照两者的概率分布之间相互独立性，得出耦合Markov链c＝1，2，...，s×k个状态，并得出t时刻下各个状态之间的转移率如下：
式中，m、n表示耦合后的Markov状态，i、j表示耦合前风速的Markov状态，l、h表示耦合前光照的Markov状态；
得出耦合发电系统的转移率矩阵如下：
进一步，①步骤(4)发电单元由风力发电和光伏发电两部分构成：
用于风力发电的风轮机的动力学模型如下：
式中，Tg表示风轮机获得的转矩大小，ρ表示空气的密度，f表示风轮的半径大小，V表示风速的大小，Cp表示风能的利用率，ωt表示风轮机的角速度；
Cp直接决定了系统的效率，表达式如下所示：
式中，λi表示中间变量，β表示风叶的仰角，λ表示叶尖速比；
连接风轮机和发电机的机械轴系统的动力学方程表示如下：
式中：D表示风轮机的等效阻尼因素，K表示低速轴的刚度系数，Htur表示风轮机的惯性时间常数，Hgen表示发电机的惯性时间常数，Tm和Tg分别表示风轮机和发电机的输出转矩，θs表示发电机转动的角度，ωt、ωr和ωB分别表示风轮机、发电机以及参考角速度；
对于光伏发电系统而言，通常采用的是将多个光伏单元进行串并联，单个的光伏单元的电压、电流表达式如下：
式中，I和U分别表示光伏单元的输出电流和电压，Ipv表示光照电流，I0表示通过漏的电流，q是库伦常数，T表示华氏温度，σ表示理想因子，d表示常数，Rs表示等效串联电阻，Rp表示等效并联电阻；
光伏电池采用最大功率点跟踪技术，该技术采用的是boost升压电路，通过调节开关管的占空比，使得外部的等效阻抗与电池内电阻相匹配，以此保证最大输出功率，boost电路的表达式如下：
式中，C和L分别是电容和电感；d(t)表示开关管的占空比，是开关管导通的时间与整个周期之比，随着光照等条件的变化，占空比的值也发生变化；vmp和imp表示不同光照条件下所对应的最大功率点的电压和电流；vDC和iDC表示向后级传输的电压、电流值；
②步骤(4)传输单元是由电力电子器件构成的，采用三相桥式逆变器，将直流电转化为符合电网电压等级和频率要求的交流电，将三相交流电转化到dq坐标系中，其表达式如下：
式中，R表示系统的电阻，id和iq分别是dq坐标系中的交流电流，vd和vq表示dq坐标系中的交流电压，Lk表示滤波电感，ω表示电网中交流电的角速度，dd和dq分别是dq坐标系中的开关占空比；
同样风力发电得出的交流电也要通过电力电子设备转化为与电网频率一致的交流电；
③步骤(4)并网单元在并网处连接电网和可调节负荷，由于风电和光伏的发电随机波动，导致传输到电网中的功率具有较大的波动性，也因此给电网的稳定性带来严重的影响，通过检测电网的运行状况，利用可调节负荷对能量进行消纳，抑制传输到电网中功率的波动。
进一步，步骤(4)由于光照和风速具有随机特性，因而两者发电后的输出功率也是随机变化的，根据步骤(1)(2)中所得出的聚类中心点，分别将对应的风速和光照值带入可以计算出对应的电压、电流和功率值的大小，得出系统基于Markov模型的系统状态空间方程如下：
式中，x(t)表示系统的状态量，u(t)表示输入量，r(t)表示各个的Markov状态，A(r(t))和B(r(t))分别表示不同风速和光照条件下对应的系统矩阵：
其中，Ls、Lr和Lm分别表示发电机上定子电感、转子电感以及定转子之间的互感，k1、k2、k3、k4、k5、k6和k7分别表示系统中反馈控制量，ωe表示同步转速，Rr和Rs分别表示发电机上转子电阻和定子电阻。
进一步，步骤(5)在不考虑可调节负荷控制的情况下，对系统进行随机稳定性分析，首先构建随机Lyapunov函数如下：
V(x(t)，r(t)＝i)＝V(x(t)，i)＝xT(t)Pix(t)
式中，x(t)表示系统的状态量，Pi表示一组正定对称矩阵，对于任意的x(t)≠0，满足V(x(t)，i)＞0；
对随机Lyapunov函数求导，如下所示：
式中，δ表示无穷小量，Pi和Pi表示正定对称矩阵组，Ai表示不同风速和光照条件下对应的矩阵；
如果满足下式，那么系统是随机稳定的：
因而，得出含新能源的多能互补系统的随机稳定性判定条件如下：
进一步，步骤(6)在并网点之前通过控制消纳电能的数值，抑制传输到电网中的功率波动，所述可调节负荷包括电解氢氧化钠溶液制氢和热水加热：
电解氢氧化钠溶液的表达式如下：
根据上式推导出制氢量与消耗电能之间的关系如下：
式中，
表示制氢量，
表示制氢消耗的电能，vChar表示电解棒之间的电压值；
在忽略热量损失的情况下，加热热水消耗的电能表达式如下：
式中，t1和t2分别表示加热的起始时间和终止时间，Mw表示水的质量，C表示水的比热容，Tref表示加热前水的温度，Ttar表示目标温度，P(t)表示加热水消耗的功率；
控制器的设计是通过PI控制实现的，通过检测和控制并网点的电流大小，控制器表达式如下：
式中，Pcon表示需要消纳的电量，Iref表示设置的参考电流值，Itra表示实际检测的传输到并网点电流值，kp和ki分别表示控制器中比例和积分常数；
最后通过控制器实现可调节负荷控制，表达式如下：
式中，Tw表示水温。
进一步，步骤(7)对已有数据进行聚类分析，得出聚类中心并建立Markov模型，然后根据所提方法对系统进行随机稳定性分析，并采用可调节负荷控制方案对新能源输出功率进行合理消纳，根据实际生活中的需求调节热水和制氢的比例关系，实现对传输到电网中功率波动的抑制。
有益效果：本发明提出了基于Markov模型的随机稳定性分析方法，并针对分析结果提出合理的控制策略，保障多能互补系统的安全稳定运行。为了合理的刻画光照、风速的变化情况，通过对已有的光照、风速等数据进行聚类分析，得出各个聚类中心点，将每个聚类中心点作为一个Markov状态，并通过贝叶斯推理得出各个状态之间的转移率矩阵。根据基尔霍夫电压、电流定律建立Markov状态空间模型，在此基础上构建随机Lyapunov函数对系统进行随机稳定性分析。并通过检测并网点的电流值，设计电流控制器进行可调节负荷的就地消纳，根据新能源发电的波动情况，调节负荷的消纳量，保障传输到电网中功率的连续稳定。最后，通过建立仿真算例测试，验证本发明方法的有效性与实用性。
附图说明
图1为本发明方法流程图；
图2为风速聚类分析示意图；
图3为光照聚类分析示意图；
图4为光伏电池等效示意图；
图5为光伏发电系统结构图；
图6为风力发电系统结构图；
图7为多能互补系统结构图；
图8为电流控制器示意图。
具体实施方式
下面对本发明技术方案进行详细说明，但是本发明的保护范围不局限于所述实施例。
实施例：一种基于Markov模型的多能互补系统随机稳定性分析方法，如图1所示，具体步骤如下：
1、风速的Markov建模
Markov模型能够很好的刻画系统状态的随机过程，针对现有的风速数据进行K-mean值聚类分析，得出风速聚类中心点m＝1，2，...，s，并建立Markov链。如图2所示，横坐标表示时间，纵坐标表示风速大小，r(t)表示t时刻对应的状态，根据聚类结果，将风速划分为不同的状态(S1、S2、...、Ss)。通过贝叶斯推理过程得出各个状态之间的转移率矩阵，计算公式如下：
式中，t表示时间，Δt＞0表示时间差，o(Δt)表示等价无穷小，
表示风速由状态i到状态j的转移率；
得出风速每个状态之间的转移率矩阵如下：
2、光照强度的Markov建模
同样对现有的光照强度数据进行K-mean值聚类，得出有限个聚类中心点n＝1，2，...，k，并建立光照Markov链，如图3所示，横坐标表示时间，纵坐标表示光照强度，根据聚类结果将光照划分为各个状态(S1、S2、...、Sk)。通过贝叶斯推理得出转移率矩阵，计算公式如下所示：
式中，t表示时间，Δt＞0表示时间差，o(Δt)表示等价无穷小，
表示光照由状态l到状态h的转移率；
得出光照强度每个状态之间的转移率矩阵如下：
3、风速与光照强度的耦合Markov建模
为了综合分析多能互补系统，在步骤1和2的基础上建立风光的耦合Markov模型，由于风速和光照相互独立，得出耦合Markov链有c＝1，2，...，s×k个状态，并得出t时刻下各个状态之间的转移率如下：
式中，m、n表示耦合后的Markov状态，i、j表示耦合前风速的Markov状态，l、h表示耦合前光照的Markov状态。
得出多能互补系统的转移率矩阵如下：
4、基于Markov模型的系统状态空间方程
为了获得多能互补系统的Markov状态空间方程，本实施例从发电、传输和并网3方面分析：
1)发电单元
发电单元由风力发电与光伏发电共同构成，图4为光伏电池的等效示意图，单个的光伏单元的电压、电流表达式如下：
式中，I和U分别表示光伏单元的输出电流和电压，Ipv表示光照电流，I0表示通过漏的电流，q是库伦常数，T表示华氏温度，σ表示理想因子，d表示常数，Rs表示等效串联电阻，Rp表示等效并联电阻；
图5表示整个光伏发电系统，光伏电池将光能转化为电能，接着经过Boost电路实现最大功率点跟踪(MPPT)，接着将得到的直流电通过逆变器转化为交流电，最后在并网点进行并网连接。最大功率点跟踪技术，一般采用的是boost升压电路，通过调节开关管的占空比，使得外部的等效阻抗与电池内电阻相匹配，以此保证最大输出功率，boost电路的表达式如下：
式中：C和L分别是电容和电感，d(t)表示开关管的占空比，是开关管导通的时间与整个周期之比。随着光照等条件的变化，占空比的值也发生变化。vmp和imp表示不同光照条件下所对应的最大功率点的电压和电流。vDC和iDC表示向后级传输的电压、电流值。
图6是风力发电系统的结构图，风力推动风轮机转动，并通过齿轮箱进一步带动发电机转动进行发电，风轮机的动力学模型如下表述：
式中：Tg表示风轮机获得的转矩大小，ρ表示空气的密度，f表示风轮的半径大小，V表示风速的大小，ωt表示风轮机的角速度。
风能的利用率Cp直接决定了系统的效率，表达式如下所示：
式中，λi表示中间变量，β表示风叶的仰角，λ表示叶尖速比；
连接风轮机和发电机的机械轴系统的动力学方程表示如下：
式中：D表示风轮机的等效阻尼因素，K表示低速轴的刚度系数，Htur表示风轮机的惯性时间常数，Hgen表示发电机的惯性时间常数，Tm和Tg分别表示风轮机和发电机的输出转矩，θs表示发电机转动的角度，ωt、ωr和ωB分别表示风轮机、发电机以及参考角速度；
2)传输单元
图5和图6显示了风电、光伏发电后的传输电路，传输单元主要是由电力电子器件构成的，由于光伏发电得到的是直流电，要接入电网要转化为交流电，所以采用三相桥式逆变器，将直流电转化为符合电网电压等级和频率要求的交流电。为了分析需要将三相交流电转化到dq坐标系中，其表达式如下：
式中，R表示系统的电阻，id和iq分别是dq坐标系中的交流电流，vd和vq表示dq坐标系中的交流电压，Lk表示滤波电感，ω表示电网中交流电的角速度，dd和dq分别是dq坐标系中的开关占空比；
风力发电得出的交流电频率往往与电网频率不一致，所以需要经过整流和逆变两次过程，才能得出与符合并网要求的交流电。
3)并网单元
图7表示整个多能互补系统的结构图，在并网点处，新能源发电经过传输单元后，与滤波器相连接最后连接到电网，同时在并网点之前连接着可调节负荷，由于风电和光伏的发电随机波动，导致传输到电网中的功率具有较大的波动性，也因此给电网的稳定性带来严重的影响，通过检测电网的运行状况，利用可调节负荷对能量进行消纳，抑制传输到电网中功率的波动。
4)基于Markov模型的系统状态空间方程
结合发电、传输和并网三部分或得出系统的状态空间方程，由于光照和风速具有随机特性，因而两者发电后的输出功率也是随机变化的，根据1)和2)中所得出的聚类中心点，分别将对应的风速和光照值带入可以计算出对应的电压、电流和功率值的大小，得出整个系统的状态空间方程如下：
式中，x(t)表示系统的状态量，u(t)表示输入量，r(t)表示各个的Markov状态，A(r(t))表示不同风速和光照条件下对应的矩阵：
其中，Ls、Lr和Lm分别表示发电机上定子电感、转子电感以及定转子之间的互感，k1、k2、k3、k4、k5、k6和k7分别表示系统中反馈控制量，ωe表示同步转速，Rr和Rs分别表示发电机上转子电阻和定子电阻。
5、基于Markov模型的随机稳定性分析
根据4)得出的基于Markov模型的系统状态空间方程，构建随机Lyapunov函数如下：
V(x(t)，r(t)＝i)＝V(x(t)，i)＝xT(t)Pix(t)
式中：x(t)表示系统的状态量，Pi表示一组正定对称矩阵，对于任意的x(t)≠0，满足V(x(t)，i)＞0。
进一步对随机Lyapunov函数求导，如下所示：
式中，δ表示无穷小量，Pi和Pi表示正定对称矩阵组，Ai表示不同风速和光照条件下对应的矩阵。
根据Lyapunov随机稳定性判定定理，如果满足下式，那么系统就是随机稳定的。
因而，得出含新能源的多能互补系统的随机稳定性判定条件如下：
6、可调节负荷控制
6.1建立可调节负荷模型
由于电能具有不可大量储存的特性，本发明采用可调节负荷进行合理消纳的方式来抑制新能源发电的波动性。可采用电解氢氧化钠溶液和加热水两种可调节负荷。电解氢氧化钠溶液的产物为氢气，是一种清洁能源，同时氢气由于密度小，容易储存和运输；热水是人们生活的必需品，而且建立相应的热水管道也方便运输和使用，因此本发明采用这两种作为可调节负荷。
电解氢氧化钠溶液的表达式如下：
根据上式可以推导出制氢量与消耗电能之间的关系如下：
式中，
表示制氢量，
表示制氢消耗的电能，vChar电解棒之间的电压值。
在忽略热量损失的情况下，加热热水消耗的电能表达式如下：
式中，t1和t2分别表示加热的起始时间和终止时间，Mw表示水的质量，C表示水的比热容，Tref表示加热前水的温度，Ttar表示目标温度，P(t)表示加热水消耗的功率。
6.2设计电流控制器
采用可调节负荷对新能源发电量进行合理的消纳，保证传输到电网中电能的连续稳定。通过设计电流控制器来实现可调节负荷电能消耗的控制，本发明采用的是PI控制实现的，如图8电流控制器示意图所示，通过检测和控制并网点的电流大小，控制器的表达式如下：
式中：Pcon表示需要消纳的电量，Iref表示设置的参考电流值，Itra表示实际检测的传输到并网点电流值，kp和ki分别表示控制器中比例和积分常数。
最后通过控制器实现可调节负荷控制，表达式如下：
式中，Tw表示水温。
7、算例分析
本发明的测试算例如附录图7所示，由一个光伏发电系统、一个风力发电系统、电力电子器件、可调节负荷和110kv电网构成多能互补系统。光伏阵列是由5×96×66个SPR-305-WHT型号的基本光伏电池单元构成的。风力发电系统是容量为100kw的双馈式风力发电系统。电解氢氧化钠溶液和加热水的功率在0～50kv间可调。
通过分别对风速和光照进行聚类，得出风速和光照的聚类中心点分别为(v1v2v3v4)和(s1s2s3s4)，并以此建立Markov链，并在此基础上建立耦合Markov模型，并采用所提的随机Lyapunov函数法对系统的随机稳定型进行分析。
最后在Matlab/Simulink平台上搭建仿真模型，随机给出100组不同风速和光照强度组合，分别观测不进行可调节负荷控制策略下和采用可调节负荷控制策略下，传输到电网中电流、功率的情况。
通过分析比较可以得出，采用可调节负荷控制能够保障传输到电网中电能的连续稳定，不会给电网的安全稳定运行带来危害。通过仿真算理验证了所提随机稳定性分析方法的有效性。
Claims (8)
1.一种基于Markov模型的多能互补系统随机稳定性分析方法，其特征在于：包括以下步骤：
(1)风速的Markov建模；
(2)光照强度的Markov建模；
(3)风速与光照强度的耦合Markov建模；
(4)根据多能互补系统包括发电、传输以及并网三个单元，建立基于Markov模型的状态空间方程；
(5)基于Markov模型的随机稳定性分析；
(6)当系统不稳定或者进一步抑制输出功率的波动，采用可调节负荷控制策略；
(7)结果输出；
其中，所述步骤(3)包括：考虑风速和光照两者的概率分布之间相互独立性，得出耦合Markov链c＝1,2,...,s×k个状态，s表示风速Markov模型状态数，k表示光照强度Markov模型状态数；并得出t时刻下各个状态之间的转移率如下：
式中，m、n表示耦合后的Markov状态，i、j表示耦合前风速的Markov状态，l、h表示耦合前光照的Markov状态，
表示风速由状态i到状态j的转移率；
表示光照由状态l到状态h的转移率；
得出耦合发电系统的转移率矩阵如下：
式中，π11表示耦合发电系统从状态1到状态1的转移率，π12表示耦合发电系统从状态1到状态2的转移率，以此类推。
2.根据权利要求1所述的基于Markov模型的多能互补系统随机稳定性分析方法，其特征在于：步骤(1)通过Markov模型来刻画风速的变化，对现有风速数据进行聚类分析，得出有限个聚类中心点m＝1,2,...,s，将每个聚类中心点作为一个Markov状态，计算t时刻下各个状态之间的转移概率如下：
式中，t表示时间，Δt＞0表示时间差，r(t)表示t时刻对应的状态，o(Δt)表示等价无穷小，
表示风速由状态i到状态j的转移率；
得出风速每个状态之间的转移率矩阵如下：
式中，π11表示风速从状态1到状态1的转移率，π12表示风速从状态1到状态2的转移率，以此类推。
3.根据权利要求2所述的基于Markov模型的多能互补系统随机稳定性分析方法，其特征在于：步骤(2)通过Markov模型来刻画光照的变化，对现有光照强度数据进行聚类分析，得出有限个聚类中心点n＝1,2,...,k，将每个聚类中心点作为一个Markov状态，获得t时刻下各个状态之间的转移概率如下：
式中，t表示时间，Δt＞0表示时间差，o(Δt)表示等价无穷小，
表示光照由状态l到状态h的转移率；
得出光照强度每个状态之间的转移率矩阵如下：
式中，π11表示光照强度从状态1到状态1的转移率，π12表示光照强度从状态1到状态2的转移率，以此类推。
4.根据权利要求1所述的基于Markov模型的多能互补系统随机稳定性分析方法，其特征在于：①步骤(4)发电单元由风力发电和光伏发电两部分构成：
用于风力发电的风轮机的动力学模型如下：
式中，Tg表示风轮机获得的转矩大小，ρ表示空气的密度，f表示风轮的半径大小，V表示风速的大小，Cp表示风能的利用率，ωt表示风轮机的角速度；
Cp直接决定了系统的效率，表达式如下所示：
式中，λi表示中间变量，β表示风叶的仰角，λ表示叶尖速比；
连接风轮机和发电机的机械轴系统的动力学方程表示如下：
式中：D表示风轮机的等效阻尼因素，K表示低速轴的刚度系数，Htur表示风轮机的惯性时间常数，Hgen表示发电机的惯性时间常数，Tm和Tg分别表示风轮机和发电机的输出转矩，θs表示发电机转动的角度，ωt、ωr和ωB分别表示风轮机的角速度、发电机的角速度以及参考角速度；
对于光伏发电系统而言，采用的是将多个光伏单元进行串并联，单个的光伏单元的电压、电流表达式如下：
式中，I和U分别表示光伏单元的输出电流和电压，Ipv表示光照电流，I0表示通过二极管的漏电流，q是库伦常数，T表示华氏温度，σ表示理想因子，d表示常数，Rs表示等效串联电阻，Rp表示等效并联电阻；
光伏电池采用最大功率点跟踪技术，该技术采用的是boost升压电路，通过调节开关管的占空比，使得外部的等效阻抗与电池内电阻相匹配，以此保证最大输出功率，boost电路的表达式如下：
式中，C和L分别是电容和电感；d(t)表示开关管的占空比，是开关管导通的时间与整个周期之比，随着光照条件的变化，占空比的值也发生变化；vmp和imp表示不同光照条件下所对应的最大功率点的电压和电流；vDC和iDC表示向后级传输的电压、电流值；
②步骤(4)传输单元是由电力电子器件构成的，采用三相桥式逆变器，将直流电转化为符合电网电压等级和频率要求的交流电，将三相交流电转化到dq坐标系中，其表达式如下：
式中，R表示系统的电阻，id和iq分别是dq坐标系中的交流电流，vd和vq表示dq坐标系中的交流电压，Lk表示滤波电感，ω表示电网中交流电的角速度，dd和dq分别是dq坐标系中的开关占空比；
同样风力发电得出的交流电也要通过电力电子设备转化为与电网频率一致的交流电；
③步骤(4)并网单元在并网处连接电网和可调节负荷，由于风电和光伏的发电随机波动，导致传输到电网中的功率具有较大的波动性，也因此给电网的稳定性带来严重的影响，通过检测电网的运行状况，利用可调节负荷对能量进行消纳，抑制传输到电网中功率的波动。
5.根据权利要求4所述的基于Markov模型的多能互补系统随机稳定性分析方法，其特征在于：步骤(4)由于光照和风速具有随机特性，因而两者发电后的输出功率也是随机变化的，根据步骤(1)(2)中所得出的聚类中心点，分别将对应的风速和光照值带入可以计算出对应的电压、电流和功率值的大小，得出系统基于Markov模型的系统状态空间方程如下：
式中，x(t)表示系统的状态量，u(t)表示输入量，r(t)表示各个的Markov状态，A(r(t))和B(r(t))分别表示不同风速和光照条件下对应的系统矩阵：
其中，Ls、Lr和Lm分别表示发电机上定子电感、转子电感以及定转子之间的互感，k1、k2、k3、k4、k5、k6和k7分别表示系统中反馈控制量，ωe表示同步转速，Rr和Rs分别表示发电机上转子电阻和定子电阻，d(r(t))表示对应Markov模态下的占空比，dd(r(t))表示对应Markov模态下的占空比在实轴上的分量，dq(r(t))表示对应Markov模态下的占空比在虚轴上的分量。
6.根据权利要求5所述的基于Markov模型的多能互补系统随机稳定性分析方法，其特征在于：步骤(5)在不考虑可调节负荷控制的情况下，对系统进行随机稳定性分析，首先构建随机Lyapunov函数如下：
V(x(t),r(t)＝i)＝V(x(t),i)＝xT(t)Pix(t)
式中，x(t)表示系统的状态量，Pi表示一组正定对称矩阵，对于任意的x(t)≠0，满足V(x(t),i)＞0；
对随机Lyapunov函数求导，如下所示：
式中，δ表示无穷小量，Pi和Pj表示正定对称矩阵组，Ai表示不同风速和光照条件下对应的矩阵；
如果满足下式，那么系统是随机稳定的：
因而，得出含新能源的多能互补系统的随机稳定性判定条件如下：
7.根据权利要求6所述的基于Markov模型的多能互补系统随机稳定性分析方法，其特征在于：步骤(6)在并网点之前通过控制消纳电能的数值，抑制传输到电网中的功率波动，所述可调节负荷包括电解氢氧化钠溶液制氢和热水加热：
电解氢氧化钠溶液的表达式如下：
根据上式推导出制氢量与消耗电能之间的关系如下：
式中，
表示制氢量，
表示制氢消耗的电能，vChar表示电解棒之间的电压值；
在忽略热量损失的情况下，加热热水消耗的电能表达式如下：
式中，t1和t2分别表示加热的起始时间和终止时间，Mw表示水的质量，Cw表示水的比热容，Tref表示加热前水的温度，Ttar表示目标温度，P(t)表示加热水消耗的功率；
控制器的设计是通过PI控制实现的，通过检测和控制并网点的电流大小，控制器表达式如下：
式中，Pcon表示需要消纳的电量，Iref表示设置的参考电流值，Itra表示实际检测的传输到并网点电流值，kp和ki分别表示控制器中比例和积分常数；
最后通过控制器实现可调节负荷控制，表达式如下：
式中，Tw表示水温，vDC表示向后级传输的电压。
8.根据权利要求1所述的基于Markov模型的多能互补系统随机稳定性分析方法，其特征在于：步骤(7)对已有数据进行聚类分析，得出聚类中心并建立Markov模型，然后根据所提方法对系统进行随机稳定性分析，并采用可调节负荷控制方案对新能源输出功率进行合理消纳，根据实际生活中的需求调节热水和制氢的比例关系，实现对传输到电网中功率波动的抑制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710906143.2A CN107666155B (zh) | 2017-09-28 | 2017-09-28 | 基于Markov模型的多能互补系统随机稳定性分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710906143.2A CN107666155B (zh) | 2017-09-28 | 2017-09-28 | 基于Markov模型的多能互补系统随机稳定性分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107666155A CN107666155A (zh) | 2018-02-06 |
| CN107666155B true CN107666155B (zh) | 2020-11-20 |
Family
ID=61098637
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710906143.2A Active CN107666155B (zh) | 2017-09-28 | 2017-09-28 | 基于Markov模型的多能互补系统随机稳定性分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107666155B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109617123B (zh) * | 2018-12-29 | 2022-02-11 | 合肥工业大学 | 基于状态空间组合和聚类简化的风火系统的可靠性灵敏度分析方法 |
| CN111736462B (zh) * | 2020-04-21 | 2022-09-23 | 河南科技大学 | 一种燃料电池汽车最优氢耗控制方法 |
| CN111555356B (zh) * | 2020-06-01 | 2021-12-07 | 江苏方天电力技术有限公司 | 基于耦合Markov模型的区域综合能源系统随机变量分析方法 |
| CN113516279B (zh) * | 2021-04-27 | 2022-08-30 | 贵州电网有限责任公司 | 一种基于能源用量状态转移的综合能源负荷预测方法 |
| CN113346489B (zh) * | 2021-06-09 | 2023-04-28 | 国网山西省电力公司经济技术研究院 | 一种新能源空间耦合性建模评估方法及系统 |
| CN113809747B (zh) * | 2021-11-19 | 2022-02-15 | 长沙理工大学 | 一种配电网拓扑识别方法、电子设备及介质 |
| CN114069723B (zh) * | 2021-12-03 | 2023-11-24 | 华北电力大学 | 一种含氢燃气轮机的新能源发电系统的管理方法和装置 |
| TWI783826B (zh) * | 2021-12-14 | 2022-11-11 | 國立中山大學 | 電力系統狀態的分析方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106936160A (zh) * | 2017-03-24 | 2017-07-07 | 华北电力大学 | 一种基于分布式发电的智能微电网系统功率协调控制方法 |
-
2017
- 2017-09-28 CN CN201710906143.2A patent/CN107666155B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106936160A (zh) * | 2017-03-24 | 2017-07-07 | 华北电力大学 | 一种基于分布式发电的智能微电网系统功率协调控制方法 |
Non-Patent Citations (1)
| Title |
|---|
| 风光柴储独立微网分布式电源多目标优化配置研究;谭颖;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20170215;第1-65页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107666155A (zh) | 2018-02-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107666155B (zh) | 基于Markov模型的多能互补系统随机稳定性分析方法 | |
| Esmaili et al. | A hybrid system of li-ion capacitors and flow battery for dynamic wind energy support | |
| Wang et al. | Grid-connected wind farm power control using VRB-based energy storage system | |
| CN104092250B (zh) | 微电网系统的分布式经济调度与协调控制方法 | |
| Bin Abul Kashem et al. | Wind power integration with smart grid and storage system: Prospects and limitations | |
| CN105162167A (zh) | 一种基于自适应下垂控制的风光储微网调频方法 | |
| Mensou et al. | An efficient nonlinear Backstepping controller approach of a wind power generation system based on a DFIG | |
| Hossain et al. | Modelling and simulation of permanent magnet synchronous generator wind turbine: A step to microgrid technology | |
| Singh et al. | Operation and control of a hybrid wind-diesel-battery energy system connected to micro-grid | |
| Kumaravel et al. | Adapted multilayer feedforward ANN based power management control of solar photovoltaic and wind integrated power system | |
| Reddy et al. | Modelling and simulation of hybrid wind solar energy system using MPPT | |
| Li et al. | Research on clustering equivalent modeling of large-scale photovoltaic power plants | |
| Wei et al. | Smooth wind power fluctuation based on battery energy storage system for wind farm | |
| Merahi et al. | A novel power management strategies in PV‐wind‐based grid connected hybrid renewable energy system using proportional distribution algorithm | |
| Liao et al. | Model predictive control based coordinated voltage control for offshore radial DC-connected wind farms | |
| Ma et al. | Optimal renewable energy farm and energy storage sizing method for future hybrid power system | |
| Boghdady et al. | A Proposed Strategy to Solve the Intermittency Problem in Renewable Energy Systems Using A Hybrid Energy Storage System | |
| Khemiri et al. | A backstepping control strategy applied to the connected hybrid renewable energy system operated in MPPT | |
| Fu et al. | Optimal sizing design for hybrid renewable energy systems in rural areas | |
| Budh et al. | Smoothing control for BESS based hybrid renewable energy system | |
| Wang et al. | Modeling and simulation analysis of hybrid energy storage system based on wind power generation system | |
| Yan et al. | Master-slave wave farm systems based on energy filter with smoothed power output | |
| Ghosh et al. | Energy management techniques to enhance DC-bus voltage transient stability and power balancing issues for islanded DC microgrids | |
| Monteiro et al. | Power control of a small-scale standalone wind turbine for rural and remote areas electrification | |
| Haque et al. | Sizing, dynamic modeling and power electronics of a hybrid energy system |
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 |