CN107732970B - 一种新能源并网电力系统的静态安全概率评估方法 - Google Patents
一种新能源并网电力系统的静态安全概率评估方法 Download PDFInfo
- Publication number
- CN107732970B CN107732970B CN201711107076.4A CN201711107076A CN107732970B CN 107732970 B CN107732970 B CN 107732970B CN 201711107076 A CN201711107076 A CN 201711107076A CN 107732970 B CN107732970 B CN 107732970B
- Authority
- CN
- China
- Prior art keywords
- probability
- risk
- index
- limit
- new energy
- 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
- 230000003068 static effect Effects 0.000 title claims abstract description 47
- 238000011156 evaluation Methods 0.000 title claims abstract description 39
- 230000008859 change Effects 0.000 claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 34
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 22
- 238000004088 simulation Methods 0.000 claims description 50
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000010248 power generation Methods 0.000 claims description 7
- 238000002940 Newton-Raphson method Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 12
- 230000007774 longterm Effects 0.000 abstract description 4
- 238000011160 research Methods 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 3
- 230000005684 electric field Effects 0.000 description 3
- 238000012502 risk assessment Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000002715 modification method Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000009466 transformation Effects 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
- 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
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种新能源并网电力系统的静态安全概率评估方法,采用风速、日照强度等气象要素时间周期特征的新能源出力模型综合反映气象随机波动特征和时间变化规律,采用基于蒙特卡洛模拟的概率潮流方法反映系统运行的不确定性,两者结合建立新能源并网系统静态安全概率评估方法;为分析系统的薄弱环节及高风险时段,提出系统潮流越限概率指标;为评估系统N‑1风险水平和新能源接入场景变化导致的风险变化情况,提出系统N‑1风险评价指标;本发明与传统的、确定性的系统静态安全分析相比,将新能源并网系统的不确定性考虑在内,用概率评估方法及指标评估系统静态安全的可能性,为系统运行提供更加全面的信息,为电力系统中长期规划和调度等提供参考。
Description
技术领域
本发明涉及新能源并网电力系统的静态安全风险评估方法。
背景技术
电力系统静态安全分析是对系统故障后的稳态行为进行分析,用预想事故来模拟系统故障状态,研究事故后系统稳定运行状态下的安全问题及相应的校正控制。静态安全分析能使系统运行人员事先了解系统的安全水平,是系统安全分析中的一种重要手段。
对于不含新能源的传统电力系统,已有大量文献从不同的角度对静态安全进行了研究。有文献从算法的角度,将支持矢量机分类器,多路决策树和模糊聚类等新的算法运用到电力系统的静态安全分析中;有文献从控制的角度,研究了系统静态安全预防控制和校正控制策略;有文献从计算效率的角度,用并行计算方法和图形处理器等提高了静态安全分析的速度;也有文献从应用的角度,研究了电力系统在线静态安全分析。
近年来,以风电和光伏为代表的新能源发电技术迅猛发展,越来越多大型风电场、光伏电站接入电力系统。由于新能源发电具有随机性、间歇性等特点,传统的确定性静态安全分析已难以适用。根据研究的时间尺度,概率潮流问题可分为中长期和短期两类。在研究中长期概率潮流问题时,常用概率分布模型来反映新能源出力的随机波动,该方法能反映气象要素长期的统计规律,但不能反映其时间变化规律;在研究短期概率潮流问题时,通常直接对新能源出力进行预测,这种方法降低了分析所需的数据基础要求,适用于系统短期或在线评估分析,但建模难度较大。此外,目前多采用确定性指标来分析含新能源发电电力系统的节点电压越限、线路负载率越限等问题,尚缺乏描述新能源并网电力系统静态安全的概率指标。
由此可见,为了更充分地考虑新能源出力的不确定性对系统静态安全的影响,有必要研究计及新能源出力时间周期特征的电网静态安全概率评估方法及指标。
发明内容
针对上述现有技术的不足,本发明提供一种新能源并网电力系统的静态安全概率评估方法,解决现有技术中不能对新能源并网电力系统的静态安全进行风险概率评估的技术问题,能够将新能源并网电力系统的不确定性考虑在内,用概率评估方法及指标评估系统静态安全的可能性,可为系统运行人员提供更加全面的信息,为电力系统中长期规划和调度等提供参考。
为了解决上述技术问题,本发明采用了如下的技术方案:一种新能源并网电力系统的静态安全概率评估方法,新能源并网电力系统包括风电场以及光伏电场,该系统中节点总个数为nb,线路总条数为nl;包括以下步骤:
步骤1:采集风速样本建立对应的气象要素时间周期模型F1(t)=f1(t)+ε1,其中,t是以自然天为单位的时间,t∈[1,365],f1(t)为风速的月变化趋势的拟合函数,ε1为服从风速日波动分量概率分布的随机变量;
采集日照强度样本建立对应的气象要素时间周期模型F2(t)=f2(t)+ε2,其中,t是以自然天为单位的时间,t∈[1,365],f2(t)为日照强度的月变化趋势的拟合函数,ε2为服从日照强度日波动分量概率分布的随机变量;
步骤2:构建新能源出力模型,新能源出力模型包括风电场出力模型以及光伏电站出力模型;其中,风电场出力模型如下:
其中,Pw(t)为第t天的风电场出力,P0为风电场装机容量,单位均为MW;Vt为第t天的风速,Vci、Vr、Vco分别表示风机的切入风速、额定风速和切除风速,单位均为m/s;A、B和C为中间变量,分别按如下公式:
光伏电场出力模型如下:
Ps(t)=αSrt
其中,Ps(t)为第t天的光伏电站出力,单位为W;α为能量转换效率,S为光伏电站中光伏板的总面积,单位为m2;rt为t时刻日照强度大小,单位为为W/m2;
步骤3:为年度的每个月划分时间区间:按照每个月所对应的自然天数,从1月份的第1天所对应的时间t=1开始进行划分,共划分出12个时间区间;
步骤4:运用蒙特卡洛模拟法,以获得每个月的概率潮流;其中,每个月的概率潮流均按如下方式获得:
从该月对应的时间区间内随机抽取一天,并分别取气象要素时间周期模型F1(t)、F2(t)中该天所对应的风速和日照强度的模拟值,抽取次数等于蒙特卡洛模拟总次数;每抽取一次模拟值,就代入风电场出力、光伏电站出力模型分别计算风电场出力、光伏电站出力;根据得到的风电场和光伏电站出力和系统拓扑结构、网络参数,运用牛顿-拉夫逊法计算系统的潮流,即系统中每个节点的电压和每条线路的负载率,统计各次模拟得到的潮流结果,从而得到该月的概率潮流;
步骤5:根据各个月的概率潮流计算各个月的系统静态安全概率评估指标,根据系统静态安全概率评估指标对新能源并网电力系统安全水平进行评估。
优选的,系统静态安全概率评估指标包括系统潮流越限概率指标,系统潮流越限概率指标按如下步骤计算:
步骤201:运用蒙特卡洛模拟法,计算新能源并网电力系统正常运行状态下的概率潮流,蒙特卡洛模拟总次数为N次;其中,第i个节点在第k次模拟时的电压幅值标幺值为Uik,第j条线路在第k次模拟时的线路负载率为ηjk,i∈{1,2,...,nb},j∈{1,2,...,nl},k∈{1,2,...,N};统计全部N次潮流计算结果,即可得到计及新能源出力随机性影响的系统正常运行状态下的概率潮流;
步骤202:根据概率潮流结果确定各个节点在各次模拟时是否发生电压幅值越限,其中,第i个节点在第k次模拟时是否发生电压幅值越限的状态nikv表示如下:
其中,nikv=0表示没有发生电压幅值越限,nikv=1表示发生电压幅值越限;
步骤203:根据概率潮流结果确定各条线路在各次模拟时是否发生线路负载率越限,第j条线路在第k次模拟时是否发生线路负载率越限的状态njkl表示如下:
其中,njkl=0表示没有发生线路负载率越限,njkl=1表示发生线路负载率越限;
步骤204:确定新能源并网电力系统在第k次模拟时是否存在节点电压幅值越限或线路负载率越限,按如下公式:
其中,nbv表示系统中节点电压幅值越限的个数,当nbv>0时,表示系统中存在电压幅值越限的节点;
ntl表示系统中线路负载率越限的条数,当ntl>0时,表示系统中存在线路负载率越限的线路;
步骤205:计算系统中各节点以及各线路的系统潮流越限概率指标,其中,第i个节点发生电压幅值越限的概率以及第j条线路发生线路负载率越限的概率,按如下公式:
其中,Piv为第i个节点的电压幅值越限概率,Pjl为第j条线路的线路负载率越限概率。
优选的,在计算系统N-1风险评价指标之前需要进行以下步骤:
步骤401:构造预想事故集FN-1:
FN-1=FL∪FG;
其中,FL为所有线路开断的合集,FL={FL1,...,FLj,...,FLnl},nl为线路总条数,FLj表示第j条线路开断,j∈{1,2,...,nl};
FG为所有发电机开断的合集,FG={FG1,...,FGq,...,FGm},m为发电机的总个数,FGq表示第q个发电机开断,q∈{1,2,...,m};
步骤402:根据预想事故集中各个预想事故,即发生各个N-1故障时,对该系统状态进行蒙特卡洛模拟,蒙特卡洛模拟总次数为M,以获得每个月的概率潮流。
优选的,根据步骤402的计算结果,计算系统N-1风险水平指标,按如下步骤:
步骤501:计算各次模拟时系统N-1结构风险指标,单次系统N-1结构风险指标nls,按如下公式:
其中,F为预想事故集中预想事故的总数,nhl为发生第h个预想事故时系统中线路负载率越限的线路条数,h∈{1,2,...,F};
nhs代表发生第h个预想事故时系统是否会解列,当nhs=1时,表示系统发生解列,当nhs=0表示系统未发生解列;
步骤502:计算各次模拟时系统N-1电压风险指标,单次系统N-1电压风险指标nv,按如下公式:
其中,nhv代表发生第h个预想事故时系统中发生电压幅值越限的节点个数;
步骤503:根据各个月的概率潮流,进一步统计得到系统N-1结构风险指标nls和系统N-1电压风险指标nv的概率分布。
优选的,系统N-1风险变化概率指标按如下步骤计算:
步骤601:根据步骤501中各次模拟系统N-1结构风险指标,构造集合nlsr,根据步骤502中各次模拟时系统N-1电压风险指标构造集合nvr;
步骤602:计算不含新能源发电的原始电力系统的系统N-1结构风险指标nlso,以及系统N-1电压风险指标nvo;
步骤603:计算系统N-1结构风险变化概率指标:
其中,f{nlsr|nlsr>nlso}、f{nlsr|nlsr=nlso}以及f{nlsr|nlsr<nlso}分别表示M次模拟中新能源并网电力系统中系统N-1结构风险指标nlsr大于、等于和小于原始电力系统的系统N-1结构风险指标nlso的频数;
步骤604:计算系统N-1电压风险变化概率指标:
其中,f{nvr|nvr>nvo}、f{nvr|nvr=nvo}以及f{nvr|nvr>nvo}分别表示M次模拟中新能源并网电力系统中系统N-1电压风险指标nvr大于、等于和小于原始电力系统的系统N-1电压风险指标nvo的频数。
与现有技术相比,本发明具有以下有益效果:
1)目前常用的概率分布模型不能反映气象要素时变规律,本发明构建了基于气象要素时间周期特征的新能源出力模型,能综合反映气象要素的随机波动特征和时间变化规律,将其用于后续的系统静态安全概率评估中,可得到时间相关的评估结果,能更准确地反映系统安全随时间的变化情况。
2)本发明采用的基于蒙特卡洛模拟的概率潮流方法是随机抽样技术与传统潮流计算方法的结合,易于用计算机实现,且适用于大规模的电力系统分析计算。结果以概率的形式给出,能充分反映系统的不确定性。
3)本发明提出用系统潮流越限概率指标评估系统的薄弱环节及其高风险时段,用系统N-1风险评价指标评估系统N-1风险水平和受新能源影响下风险变化的趋势及其概率,可更好地反映新能源的不同接入场景对系统安全的影响程度,能为系统运行人员提供更全面的信息。
4)与传统的静态安全分析所关注的系统是否安全不同,本发明用概率性的方法和指标评估时间相关的系统安全的可能性,能充分反映新能源出力的随机性和时变性对电网中长期安全的影响。
附图说明
图1为计及新能源出力时间周期特征的电网静态安全概率评估方法流程图;
图2为IEEE-RTS96单区域系统网架结构图;
图3为IEEE-RTS96单区域系统各月峰值负荷曲线图;
图4为节点6在4月和12月的电压幅值标幺值概率密度图;
图5为节点6在4月和12月的电压幅值标幺值累积概率分布图;
图6为线路7-8在4月和12月的负载率概率密度图;
图7为线路7-8在4月和12月的负载率累积概率分布图;
图8为节点6各月电压幅值越限概率图;
图9为线路7-8负载率越限概率图;
图10为新能源并网电力系统各月N-1结构风险变化概率图;
图11为新能源并网电力系统各月N-1电压风险变化概率图。
具体实施方式
为了使本发明更加容易理解,进行如下说明:
1、由于作为新能源的风电以及光伏的出力具有明显的随机性、季节性,因此需要建立气象要素时间周期模型,来表征一年中每一天的风速、日照强度,用月变化趋势的拟合函数与日波动分量的概率分布相叠加的形式来表征一年中第t天的气象特征。
2、本发明针对新能源并网电力系统的静态安全问题,提出了两种系统静态安全概率评估指标:1)系统潮流越限概率指标,用于表征系统在正常运行状态下由于新能源出力随时间变化而引起系统发生越限的概率分布;根据本发明的系统潮流越限概率指标能够评估系统正常运行状态下的薄弱环节及高风险时段;2)系统N-1风险变化概率评价指标,用于系统N-1风险评价指标能评估系统N-1风险水平和新能源接入场景变化导致的风险变化情况;
3、本发明在计算系统静态安全概率评估指标时是针对每一个月进行计算的,每个月的气象特征不同导致了系统每个月的新能源出力不同,使得系统每个月的概率潮流不同。在运用蒙特卡洛模拟计算出每个月的概率潮流的基础上,计算每个月的系统静态安全概率评估指标。
一种新能源并网电力系统的静态安全概率评估方法,新能源并网电力系统包括风电场以及光伏电场,该系统中节点总个数为nb,线路总条数为nl;包括以下步骤:
步骤1:采集风速样本建立对应的气象要素时间周期模型F1(t)=f1(t)+ε1,其中,t是以自然天为单位的时间,t∈[1,365],f1(t)为风速的月变化趋势的拟合函数,ε1为服从风速日波动分量概率分布的随机变量;
采集日照强度样本建立对应的气象要素时间周期模型F2(t)=f2(t)+ε2,其中,t是以自然天为单位的时间,t∈[1,365],f2(t)为日照强度的月变化趋势的拟合函数,ε2为服从日照强度日波动分量概率分布的随机变量;
本发明中气象要素包括风速和日照强度。下面对气象要素时间周期特征模型的建模方法进行介绍:
首先,以气象要素的累年月平均值为纵坐标,以每月天数的中位数作为横坐标绘制曲线,将其作为气象要素的月变化趋势曲线。用多种典型的拟合函数进行曲线拟合,如适应单峰周期性特征的高斯函数和适应多峰周期性曲线的傅里叶函数等,并根据拟合优度从中选出最优的拟合函数作为气象要素的时间周期拟合函数。用曲线拟合方法确定拟合函数中的待定参数,并生成一年内气象要素每天的模拟值。然后,用每天的气象要素值减去该天的模拟值,得到气象要素的日波动分量,如下式所示:
Δx(t)=x0(t)-f(t);
其中,t表示时间,单位为天,Δx(t)为气象要素第t天的波动分量,x0(t)为气象要素第t天的实际值。f(t)为气象要素月变化趋势拟合函数第t天的模拟值。绘制Δx(t)的频率直方图,此直方图的矩形顶边接近一光滑曲线,该曲线就是随机变量ε服从的概率密度函数曲线,用常用的概率分布模型对其进行拟合,如正态分布、三参数伽马分布及三参数威布尔分布等,并根据拟合优度从中选出最优的概率分布作为气象要素日波动分量的概率分布模型。
气象要素时间周期特征模型是通过将气象要素月变化趋势拟合函数与服从特定概率分布的随机变量相叠加建立的,如下式所示:
F(t)=f(t)+ε;
其中,F(t)为气象要素时间周期特征模型在第t天的模拟值,ε为服从气象要素日波动分量的概率分布的随机变量。
构建新能源出力模型,新能源出力模型包括风电场出力模型以及光伏电站出力模型;其中,风电场出力模型如下:
其中,Pw(t)为第t天的风电场出力,P0为风电场装机容量,单位均为MW;Vt为第t天的风速,Vci、Vr、Vco分别表示风机的切入风速、额定风速和切除风速,单位均为m/s;A、B和C为中间变量,分别按如下公式:
光伏电站出力模型如下:
Ps=αSrt
其中,Ps为第t天的光伏电站出力(W),α为能量转换效率,S为光伏电站中光伏板的总面积(m2),rt为t时刻日照强度大小(W/m2);
步骤3:为年度的每个月划分时间区间:按照每个月所对应的自然天数,从1月份的第1天所对应的时间t=1开始进行划分,共划分出12个时间区间;
步骤4:运用蒙特卡洛模拟法,以获得每个月的概率潮流;其中,每个月的概率潮流均按如下方式获得:
从该月对应的时间区间内随机抽取一天,并分别取气象要素时间周期模型F1(t)、F2(t)中该天所对应的风速和日照强度的模拟值,抽取次数等于蒙特卡洛模拟总次数;每抽取一次模拟值,就代入风电场出力、光伏电站出力模型分别计算风电场出力、光伏电站出力;根据得到的风电场和光伏电站出力和系统拓扑结构、网络参数,运用牛顿-拉夫逊法计算系统的潮流,即系统中每个节点的电压和每条线路的负载率,统计各次模拟得到的潮流结果,从而得到该月的概率潮流;
其中,线路负载率的计算公式如下:
其中,Pjk、Qjk分别为潮流计算得到的线路j第k次模拟时的有功功率和无功功率,Sj为线路j的极限传输容量;ηjk为线路j第k次模拟时的负载率,能表征输电线路的负载情况;
步骤5:根据各个月的概率潮流计算各个月的系统静态安全概率评估指标,根据系统静态安全概率评估指标对新能源并网电力系统安全水平进行评估。
本具体实施方式中,系统静态安全概率评估指标包括系统潮流越限概率指标,系统潮流越限概率指标按如下步骤计算:
步骤201:运用蒙特卡洛模拟法,计算新能源并网电力系统正常运行状态下的概率潮流,蒙特卡洛模拟总次数为N次;其中,第i个节点在第k次模拟时的电压幅值标幺值为Uik,第j条线路在第k次模拟时的线路负载率为ηjk,i∈{1,2,...,nb},j∈{1,2,...,nl},k∈{1,2,...,N};统计全部N次潮流计算结果,即可得到计及新能源出力随机性影响的系统正常运行状态下的概率潮流;
步骤202:根据概率潮流结果确定各个节点在各次模拟时是否发生电压幅值越限,其中,第i个节点在第k次模拟时是否发生电压幅值越限的状态nikv表示如下:
其中,nikv=0表示没有发生电压幅值越限,nikv=1表示发生电压幅值越限;
步骤203:根据概率潮流结果确定各条线路在各次模拟时是否发生线路负载率越限,第j条线路在第k次模拟时是否发生线路负载率越限的状态njkl表示如下:
其中,njkl=0表示没有发生线路负载率越限,njkl=1表示发生线路负载率越限;
步骤204:确定新能源并网电力系统在第k次模拟时是否存在节点电压幅值越限或线路负载率越限,按如下公式:
其中,nbv表示系统中节点电压幅值越限的个数,当nbv>0时,表示系统中存在电压幅值越限的节点;
ntl表示系统中线路负载率越限的条数,当ntl>0时,表示系统中存在线路负载率越限的线路;
步骤205:计算系统中各节点以及各线路的系统潮流越限概率指标,其中,第i个节点发生电压幅值越限的概率以及第j条线路发生线路负载率越限的概率,按如下公式:
其中,Piv为第i个节点的电压幅值越限概率,Pjl为第j条线路的线路负载率越限概率。
本具体实施方式中,系统静态安全概率评估指标还包括系统N-1风险评价指标,系统N-1风险评价指标包括系统N-1风险水平指标以及系统N-1风险变化概率指标;其中,系统N-1风险水平指标包括系统N-1结构风险指标以及系统N-1电压风险指标;系统N-1风险变化概率指标包括系统N-1结构风险变化概率指标以及系统N-1电压风险变化概率指标。
本具体实施方式中,在计算系统N-1风险评价指标之前需要进行以下步骤:
步骤401:构造预想事故集FN-1:
FN-1=FL∪FG;
其中,FL为所有线路开断的合集,FL={FL1,...,FLj,...,FLnl},nl为线路总条数,FLj表示第j条线路开断,j∈{1,2,...,nl};
FG为所有发电机开断的合集,FG={FG1,...,FGq,...,FGm},m为发电机的总个数,FGq表示第q个发电机开断,q∈{1,2,...,m};
预想事故集中的发电机开断通常不会影响网络的拓扑结构,仍可用故障前系统的拓扑结构进行概率潮流的计算;但线路开断会使网络的拓扑结构发生改变,有可能引起系统解列,形成孤岛;本具体实施方式中,在线路开断引起系统解列时,采用广度优先搜索算法重新生成故障后的系统拓扑结构,根据重新生成的系统拓扑结构进行蒙特卡洛模拟法计算概率潮流。
步骤402:根据预想事故集中各个预想事故,即发生各个N-1故障时,对该系统状态进行蒙特卡洛模拟,蒙特卡洛模拟总次数为M,以获得每个月的概率潮流。
本具体实施方式中,根据步骤402的计算结果,计算系统N-1风险水平指标,按如下步骤:
步骤501:计算各次模拟时系统N-1结构风险指标,单次系统N-1结构风险指标nls,按如下公式:
其中,F为预想事故集中预想事故的总数,nhl为发生第h个预想事故时系统中线路负载率越限的线路条数,h∈{1,2,...,F};
nhs代表发生第h个预想事故时系统是否会解列,当nhs=1时,表示系统发生解列,当nhs=0表示系统未发生解列;
步骤502:计算各次模拟时系统N-1电压风险指标,单次系统N-1电压风险指标nv,按如下公式:
其中,nhv代表发生第h个预想事故时系统中发生电压幅值越限的节点个数;
步骤503:根据各个月的概率潮流,进一步统计得到系统N-1结构风险指标nls和系统N-1电压风险指标nv的概率分布。
本具体实施方式中,系统N-1风险变化概率指标按如下步骤计算:
步骤801:根据步骤501中各次模拟系统N-1结构风险指标,构造集合nlsr,根据步骤502中各次模拟时系统N-1电压风险指标构造集合nvr;
步骤602:计算不含新能源发电的原始电力系统的系统N-1结构风险指标nlso,以及系统N-1电压风险指标nvo;
步骤603:计算系统N-1结构风险变化概率指标:
其中,f{nlsr|nlsr>nlso}、f{nlsr|nlsr=nlso}以及f{nlsr|nlsr<nlso}分别表示M次模拟中新能源并网电力系统中系统N-1结构风险指标nlsr大于、等于和小于原始电力系统的系统N-1结构风险指标nlso的频数;
步骤604:计算系统N-1电压风险变化概率指标:
其中,f{nvr|nvr>nvo}、f{nvr|nvr=nvo}以及f{nvr|nvr>nvo}分别表示M次模拟中新能源并网电力系统中系统N-1电压风险指标nvr大于、等于和小于原始电力系统的系统N-1电压风险指标nvo的频数。
上述的系统N-1结构风险指标和系统N-1电压风险指标能分别从网架结构和电压分布上反映系统对于N-1故障的抵御能力;指标值越大,说明系统抵御N-1故障的能力越弱,风险越高,反之系统越坚强;对于不含新能源发电的电力系统而言,在不考虑负荷随机变化的条件下,计算得到的nls和nv是确定的;而对于新能源并网电力系统,用概率潮流进行计算,得到的是nls,nv的概率分布。
下面,结合具体实例详细说明本发明的工作原理:
本例以IEEE-RTS96单区域系统作为新能源接入前的原始系统。该系统包含32台发电机,24个节点和38条线路,该系统的网架结构如图2所示。总装机容量为3405MW,年负荷峰值为2850MW。节点的负荷模型采用该节点处各月的峰值负荷,系统各月的峰值负荷如图3所示。
为研究新能源出力随机性对系统安全的影响,对原始系统进行改造,分别将节点7、13、15和21处的一台传统发电机组替换为等装机容量的风电场,将节点1处的一台传统发电机组替换为等装机容量的光伏电站,具体改造方法如表1所示。改造前后系统的总装机容量不变,改造后新能源发电的渗透率为27%。
表1系统改造方法
根据上述的新能源并网电力系统概率潮流计算步骤和所提各项指标的定义,用Matpower和Matlab编程实现,分别计算得到了原始系统和改造系统各月的静态安全概率指标。
一、系统潮流越限概率指标
对原始系统各月的节点电压幅值越限个数nbv和线路负载率越限条数ntl进行计算,结果为各月的nbv、ntl均为0,说明原始系统在正常运行状态下不会发生节点电压幅值越限和线路负载率越限。用同样的方法,计算改造后的新能源并网电力系统各月的nbv和ntl,计算结果如表2所示。
表2新能源并网电力系统各月潮流越限情况
从表中可以看出,新能源并网电力系统的nbv和ntl存在非零值且最大等于1,说明该系统有且只有一个节点和一条线路会发生越限。根据计算结果可得,会发生节点电压幅值越限的是节点6,会发生线路负载率越限的是线路7-8。本例选取了新能源出力差异较大的4月和12月的节点6电压幅值标幺值、线路7-8负载率的概率密度和累积概率分布对结果进行展示,如图4-图7所示。
根据式(4)可计算得到节点6和线路7-8各月的越限概率,结果如图8和图9所示。
对上述计算结果进行分析,可以得出:
1)从图4-图7中可以看出,用概率潮流计算方法可计算得到节点电压、线路负载率各月的概率分布,能使系统运行人员了解所关注量的变化区间及各区间的概率,提供的信息更加全面。
2)用系统各月的节点电压幅值越限个数nbv和线路负载率越限条数ntl等能找出系统中的薄弱环节,如本例中的节点6和线路7-8。用本方法所提系统潮流越限概率指标能评估系统薄弱环节的各月风险,找出高风险时段,如图8和图9所示,节点6在7~10月有较大可能发生电压幅值越限;线路7-8在3、4月有较大可能发生负载率越限。
可见,相比于传统的潮流计算方法,概率潮流的结果更能反映新能源并网电力系统的不确定性。利用本方法所提的系统潮流越限概率指标可评估系统正常运行状态下的薄弱环节及其高风险时段。
二、系统N-1风险评价指标
根据系统N-1风险水平指标的计算方法,用式(6)、(7)对原始系统各月的nls和nv进行计算,计算结果如表3所示。
表3原始系统N-1风险水平指标
从表中可以看出,原始系统在3~4月和8~9月的N-1风险较大,即在此时系统抵御N-1故障的能力较弱。
用基于蒙特卡洛模拟的概率潮流和式(8)、(9)计算出新能源并网电力系统各月的N-1结构风险变化概率和N-1电压风险变化概率,如图10、11所示。
对上述计算结果进行分析,可以得出:
1)由图10可得,从网架结构的角度看,新能源并网电力系统在3、4、8、9月份抵御N-1风险的能力极有可能上升,其余月份极有可能不变。这主要是因为在3、4、8、9月份的新能源出力较大,系统供电充裕,且此时负荷较小,系统较为坚强。
2)由图11可得,从电压分布的角度看,新能源并网电力系统在3、4、7、8、9、10月份抵御N-1风险的能力极有可能下降,在1、5、6、11月份抵御N-1风险的能力极有可能不变。这主要是因为在3、4、7、8、9、10月份新能源出力较大,且此时负荷较小,系统中无功过剩导致电压升高而越限。
可见,本方法提出的系统N-1风险变化概率指标分别从网架结构和电压分布的角度对系统抵御N-1故障的能力进行量化评估,直观地反映了系统N-1风险随时间的变化情况。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种新能源并网电力系统的静态安全概率评估方法,新能源并网电力系统包括风电场以及光伏电站,该系统中节点总个数为nb,线路总条数为nl;其特征在于:包括以下步骤:
步骤1:采集风速样本建立对应的气象要素时间周期模型F1(t)=f1(t)+ε1,其中,t是以自然天为单位的时间,t∈[1,365],f1(t)为风速的月变化趋势的拟合函数,ε1为服从风速日波动分量概率分布的随机变量;
采集日照强度样本建立对应的气象要素时间周期模型F2(t)=f2(t)+ε2,其中,t是以自然天为单位的时间,t∈[1,365],f2(t)为日照强度的月变化趋势的拟合函数,ε2为服从日照强度日波动分量概率分布的随机变量;
步骤2:构建新能源出力模型,新能源出力模型包括风电场出力模型以及光伏电站出力模型;其中,风电场出力模型如下:
其中,Pw(t)为第t天的风电场出力,P0为风电场装机容量,单位均为MW;Vt为第t天的风速,Vci、Vr、Vco分别表示风机的切入风速、额定风速和切除风速,单位均为m/s;A、B和C为中间变量,分别按如下公式:
光伏电站出力模型如下:
Ps(t)=αSrt
其中,Ps(t)为第t天的光伏电站出力,单位为W;α为能量转换效率,S为光伏电站中光伏板的总面积,单位为m2;rt为t时刻日照强度大小,单位为为W/m2;
步骤3:为年度的每个月划分时间区间:按照每个月所对应的自然天数,从1月份的第1天所对应的时间t=1开始进行划分,共划分出12个时间区间;
步骤4:运用蒙特卡洛模拟法,以获得每个月的概率潮流;其中,每个月的概率潮流均按如下方式获得:
从该月对应的时间区间内随机抽取一天,并分别取气象要素时间周期模型F1(t)、F2(t)中该天所对应的风速和日照强度的模拟值,抽取次数等于蒙特卡洛模拟总次数;每抽取一次模拟值,就代入风电场出力、光伏电站出力模型分别计算风电场出力、光伏电站出力;根据得到的风电场和光伏电站出力和系统拓扑结构、网络参数,运用牛顿-拉夫逊法计算系统的潮流,即系统中每个节点的电压和每条线路的负载率,统计各次模拟得到的潮流结果,从而得到该月的概率潮流;
步骤5:根据各个月的概率潮流计算各个月的系统静态安全概率评估指标,根据系统静态安全概率评估指标对新能源并网电力系统安全水平进行评估;
系统静态安全概率评估指标包括系统潮流越限概率指标,系统潮流越限概率指标按如下步骤计算:
步骤201:运用蒙特卡洛模拟法,计算新能源并网电力系统正常运行状态下的概率潮流,蒙特卡洛模拟总次数为N次;其中,第i个节点在第k次模拟时的电压幅值标幺值为Uik,第j条线路在第k次模拟时的线路负载率为ηjk,i∈{1,2,...,nb},j∈{1,2,...,nl},k∈{1,2,...,N};统计全部N次潮流计算结果,即可得到计及新能源出力随机性影响的系统正常运行状态下的概率潮流;
步骤202:根据概率潮流结果确定各个节点在各次模拟时是否发生电压幅值越限,其中,第i个节点在第k次模拟时是否发生电压幅值越限的状态nikv表示如下:
其中,nikv=0表示没有发生电压幅值越限,nikv=1表示发生电压幅值越限;
步骤203:根据概率潮流结果确定各条线路在各次模拟时是否发生线路负载率越限,第j条线路在第k次模拟时是否发生线路负载率越限的状态njkl表示如下:
其中,njkl=0表示没有发生线路负载率越限,njkl=1表示发生线路负载率越限;
步骤204:确定新能源并网电力系统在第k次模拟时是否存在节点电压幅值越限或线路负载率越限,按如下公式:
其中,nbv表示系统中节点电压幅值越限的个数,当nbv>0时,表示系统中存在电压幅值越限的节点;
ntl表示系统中线路负载率越限的条数,当ntl>0时,表示系统中存在线路负载率越限的线路;
步骤205:计算系统中各节点以及各线路的系统潮流越限概率指标,其中,第i个节点发生电压幅值越限的概率以及第j条线路发生线路负载率越限的概率,按如下公式:
其中,Piv为第i个节点的电压幅值越限概率,Pjl为第j条线路的线路负载率越限概率。
2.根据权利要求1所述的新能源并网电力系统的静态安全概率评估方法,其特征在于:系统静态安全概率评估指标还包括系统N-1风险评价指标,系统N-1风险评价指标包括系统N-1风险水平指标以及系统N-1风险变化概率指标;其中,系统N-1风险水平指标包括系统N-1结构风险指标以及系统N-1电压风险指标;系统N-1风险变化概率指标包括系统N-1结构风险变化概率指标以及系统N-1电压风险变化概率指标。
3.根据权利要求2所述的新能源并网电力系统的静态安全概率评估方法,其特征在于:在计算系统N-1风险评价指标之前需要进行以下步骤:
步骤401:构造预想事故集FN-1:
FN-1=FL∪FG;
其中,FL为所有线路开断的合集,FL={FL1,...,FLj,...,FLnl},nl为线路总条数,FLj表示第j条线路开断,j∈{1,2,...,nl};
FG为所有发电机开断的合集,FG={FG1,...,FGq,...,FGm},m为发电机的总个数,FGq表示第q个发电机开断,q∈{1,2,...,m};
步骤402:根据预想事故集中各个预想事故,即发生各个N-1故障时,对该系统状态进行蒙特卡洛模拟,蒙特卡洛模拟总次数为M,以获得每个月的概率潮流。
4.根据权利要求3所述的新能源并网电力系统的静态安全概率评估方法,其特征在于:根据步骤402得到的每个月的概率潮流,计算系统N-1风险水平指标,按如下步骤:
步骤501:计算各次模拟时系统N-1结构风险指标,单次系统N-1结构风险指标nls,按如下公式:
其中,F为预想事故集中预想事故的总数,nhl为发生第h个预想事故时系统中线路负载率越限的线路条数,h∈{1,2,...,F};
nhs代表发生第h个预想事故时系统是否会解列,当nhs=1时,表示系统发生解列,当nhs=0表示系统未发生解列;
步骤502:计算各次模拟时系统N-1电压风险指标,单次系统N-1电压风险指标nv,按如下公式:
其中,nhv代表发生第h个预想事故时系统中发生电压幅值越限的节点个数;
步骤503:根据各个月的概率潮流,进一步统计得到系统N-1结构风险指标nls和系统N-1电压风险指标nv的概率分布。
5.根据权利要求4所述的新能源并网电力系统的静态安全概率评估方法,其特征在于:系统N-1风险变化概率指标按如下步骤计算:
步骤601:根据步骤501中各次模拟系统N-1结构风险指标,构造集合nlsr,根据步骤502中各次模拟时系统N-1电压风险指标构造集合nvr;
步骤602:计算不含新能源发电的原始电力系统的系统N-1结构风险指标nlso,以及系统N-1电压风险指标nvo;
步骤603:计算系统N-1结构风险变化概率指标:
其中,f{nlsr|nlsr>nlso}、f{nlsr|nlsr=nlso}以及f{nlsr|nlsr<nlso}分别表示M次模拟中新能源并网电力系统中系统N-1结构风险指标nlsr大于、等于和小于原始电力系统的系统N-1结构风险指标nlso的频数;
步骤604:计算系统N-1电压风险变化概率指标:
其中,f{nvr|nvr>nvo}、f{nvr|nvr=nvo}以及f{nvr|nvr>nvo}分别表示M次模拟中新能源并网电力系统中系统N-1电压风险指标nvr大于、等于和小于原始电力系统的系统N-1电压风险指标nvo的频数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711107076.4A CN107732970B (zh) | 2017-11-10 | 2017-11-10 | 一种新能源并网电力系统的静态安全概率评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711107076.4A CN107732970B (zh) | 2017-11-10 | 2017-11-10 | 一种新能源并网电力系统的静态安全概率评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107732970A CN107732970A (zh) | 2018-02-23 |
CN107732970B true CN107732970B (zh) | 2020-03-17 |
Family
ID=61214997
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711107076.4A Active CN107732970B (zh) | 2017-11-10 | 2017-11-10 | 一种新能源并网电力系统的静态安全概率评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107732970B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110348659A (zh) * | 2018-04-08 | 2019-10-18 | 中国电力科学研究院有限公司 | 一种电网安全评估指标的图形化展示方法及系统 |
CN109066651B (zh) * | 2018-07-20 | 2020-04-28 | 国网四川省电力公司经济技术研究院 | 风电-负荷场景的极限传输功率的计算方法 |
CN109950935B (zh) * | 2018-11-08 | 2020-10-27 | 国网甘肃省电力公司电力科学研究院 | 孤岛运行的交直流混联微电网概率潮流方法 |
JP6552077B1 (ja) * | 2019-01-18 | 2019-07-31 | 株式会社ヒデ・ハウジング | 日射量正規化統計解析システム、日射量正規化統計解析法および日射量正規化統計解析プログラム |
JP6562491B1 (ja) | 2019-01-18 | 2019-08-21 | 株式会社ヒデ・ハウジング | 期待値計算による発電量精密予測法、期待値計算による発電量精密予測システムおよび期待値計算による発電量精密予測プログラム |
WO2020148940A1 (ja) * | 2019-01-18 | 2020-07-23 | 株式会社ヒデ・ハウジング | 日射量出現確率分布解析法、日射量出現確率分布解析システム、日射量出現確率分布解析プログラム、日射量正規化統計解析システム、日射量正規化統計解析法および日射量正規化統計解析プログラム |
JP6552076B1 (ja) * | 2019-01-18 | 2019-07-31 | 株式会社ヒデ・ハウジング | 日射量出現確率分布解析法、日射量出現確率分布解析システムおよび日射量出現確率分布解析プログラム |
CN109993445B (zh) * | 2019-04-04 | 2021-07-30 | 国家电网有限公司 | 一种考虑光伏预测误差的综合能源系统脆弱性评估方法 |
CN110110434B (zh) * | 2019-05-05 | 2020-10-16 | 重庆大学 | 一种概率潮流深度神经网络计算的初始化方法 |
CN110429637B (zh) * | 2019-06-25 | 2020-11-13 | 广西电网有限责任公司南宁供电局 | 一种概率静态电压稳定域的可视化方法 |
CN110942243A (zh) * | 2019-11-22 | 2020-03-31 | 国网陕西省电力公司电力科学研究院 | 计及大规模新能源并网中长期电力市场运营风险评估方法 |
CN112564181B (zh) * | 2020-11-25 | 2023-05-26 | 云南电网有限责任公司 | 考虑新能源出力不确定性的在线概率安全监测方法 |
CN114336628A (zh) * | 2021-11-26 | 2022-04-12 | 国网河北省电力有限公司雄安新区供电公司 | 基于随机潮流的光伏电源接入配电网安全性评估方法 |
CN115828497B (zh) * | 2022-09-21 | 2023-11-28 | 中国电力科学研究院有限公司 | 融合蒙特卡洛与区间数的电网网络阻塞分析方法及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7202638B2 (en) * | 2004-10-15 | 2007-04-10 | General Electric Company | Anti-islanding protection systems for synchronous machine based distributed generators |
CN105337301B (zh) * | 2014-08-12 | 2018-06-26 | 国家电网公司 | 微电网并网点的选择方法和装置 |
CN104318111B (zh) * | 2014-10-29 | 2017-07-18 | 中电国际新能源控股有限公司 | 一种风电场在线静态安全评估及预警方法 |
CN105305488B (zh) * | 2015-10-13 | 2018-09-21 | 国家电网公司 | 一种考虑新能源并网对输电网利用率影响的评价方法 |
CN105469216B (zh) * | 2015-12-15 | 2020-04-24 | 深圳供电局有限公司 | 一种结合天气及风速评价风电场运行风险的方法和系统 |
-
2017
- 2017-11-10 CN CN201711107076.4A patent/CN107732970B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107732970A (zh) | 2018-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107732970B (zh) | 一种新能源并网电力系统的静态安全概率评估方法 | |
CN103400302B (zh) | 一种风电基地连锁故障风险感知预警方法 | |
CN107394809B (zh) | 基于风速时间周期特征的风电并网系统风险评估方法 | |
EP2537222B1 (en) | Energy generating system and control thereof | |
Mosadeghy et al. | A time-dependent approach to evaluate capacity value of wind and solar PV generation | |
CN104599189B (zh) | 一种计入电力系统运行方式的电网规划方案风险评估方法 | |
CN104156892A (zh) | 一种有源配电网电压跌落仿真与评估方法 | |
Fang et al. | Application of gray relational analysis to k-means clustering for dynamic equivalent modeling of wind farm | |
CN104217077A (zh) | 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 | |
CN107730111A (zh) | 一种考虑用户负荷和新能源接入的配网电压风险评估模型 | |
CN109004679A (zh) | 一种可再生能源接入的电网安全稳定监控方法 | |
CN105069236A (zh) | 考虑风电场节点空间相关性的广义负荷联合概率建模方法 | |
Wei et al. | Reliability evaluation of Microgrid with PV-WG hybrid system | |
CN104951654A (zh) | 基于控制变量抽样的大规模风电场可靠性评估方法 | |
Su et al. | Dynamic probability modeling of photovoltaic strings and its application in fault diagnosis | |
Domínguez et al. | Analysis of electric power consumption using Self-Organizing Maps. | |
Mehdizadeh et al. | New sequential approach based on graph traversal algorithm to investigate cascading outages considering correlated wind farms | |
Du et al. | Evaluation of power system reliability based on the maintenance state | |
Khalel et al. | Dynamic security assessment for the power system in the presence of wind turbines | |
Xiaoqun et al. | Optimal location and capacity of distributed generation based on scenario probability | |
Fan et al. | Temporal and Spatial Distribution of Power System Voltage based on Generalized Regression Neural Network | |
Chen et al. | Review on measurement-based frequency dynamics monitoring and analyzing in renewable energy dominated power systems | |
Khatavkar et al. | Impact of probabilistic nature and location of wind generation on transmission power flows | |
CN110334951A (zh) | 一种风电机组高温降容状态的智能评估方法及系统 | |
Chu et al. | Fast calculation of available transfer capability incorporating uncertainty of wind generation |
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 |