CN108647415A - 用于高比例风电并网的电力系统的可靠性评估方法 - Google Patents
用于高比例风电并网的电力系统的可靠性评估方法 Download PDFInfo
- Publication number
- CN108647415A CN108647415A CN201810400017.4A CN201810400017A CN108647415A CN 108647415 A CN108647415 A CN 108647415A CN 201810400017 A CN201810400017 A CN 201810400017A CN 108647415 A CN108647415 A CN 108647415A
- Authority
- CN
- China
- Prior art keywords
- wind
- energy
- reliability
- power
- integration
- 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.)
- Pending
Links
- 230000010354 integration Effects 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000004146 energy storage Methods 0.000 claims abstract description 57
- 230000005611 electricity Effects 0.000 claims abstract description 17
- 230000005684 electric field Effects 0.000 claims abstract description 13
- 238000009826 distribution Methods 0.000 claims description 15
- 238000004519 manufacturing process Methods 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 10
- 230000002045 lasting effect Effects 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000035699 permeability Effects 0.000 claims description 4
- 238000007476 Maximum Likelihood Methods 0.000 claims description 3
- 238000005094 computer simulation Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- 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
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种用于高比例风电并网的电力系统的可靠性评估方法，包括对待分析区域的风电场出力进行建模；获取待分析区域在风电接入前的电力系统可靠性指标；获取待分析区域在风电接入后的电力系统可靠性指标；建立待分析区域在风电接入后的电力系统中的储能系统模型；获取待分析区域在风电和储能系统接入后的电力系统的可靠性指标，从而完成可靠性评估。本发明方法能够对高比例风电并网的电力系统的可靠性进行较好的评估，对于含风电场的电力系统运行规划、可靠性评估以及储能系统的应用等具有重要意义。
Description
技术领域
本发明具体涉及一种用于高比例风电并网的电力系统的可靠性评估方法。
背景技术
随着经济技术的发展和人们生活水平的提高，电能已经成为了人们生产和生活中必不可少的二次能源，给人们的生产和生活带来了无尽的便利。
随着人们对新能源发展的需求，风电作为一种清洁的可再生能源受到重视并得到了快速和长足的发展，其中最重要的表现即为风机装机容量的不断攀升。新能源电源在提供清洁电力的同时，也给规划运行带来一系列问题。一方面，为了实现减少碳排放、保护环境的目标，风光资源大规模开发并接入电网；另一方面，受限于系统消纳能力，运行人员不得不弃风、弃光以保证系统安全可靠运行，而弃风率的居高不下引起社会各界的广泛重视。
由于风电运行具有间歇性和随机性的特点，使得大规模的风电并网后给电网的稳定运行带来了很大的隐患。特别地，当风电机组的渗透率比较高时，对系统的可靠性影响更大。但是，目前常用的电网可靠性评估方法，都没有针对高比例风电并网的电力系统的可靠性进行评估，因此使得目前的可靠性评估方法已经不再适用于现今的电网发展需求。
发明内容
本发明的目的在于提供一种能够对高比例风电并网的电力系统的可靠性进行较好的评估的用于高比例风电并网的电力系统的可靠性评估方法。
本发明提供的这种用于高比例风电并网的电力系统的可靠性评估方法，包括如下步骤：
S1.对待分析区域的风电场出力进行建模；
S2.获取待分析区域在风电接入前的电力系统可靠性指标；
S3.根据步骤S2得到的可靠性指标，获取待分析区域在风电接入后的电力系统可靠性指标；
S4.根据步骤S2和步骤S3得到的可靠性指标，建立待分析区域在风电接入后的电力系统中的储能系统模型；
S5.根据步骤S4得到的模型，获取待分析区域在风电和储能系统接入后的电力系统的可靠性指标，从而完成可靠性评估。
步骤S1所述的对待分析区域的风电场出力进行建模，具体为根据待分析区域的风况特征，通过Weibull分布拟合风速概率模型；然后利用极大似然法计算风速概率分布参数，获得考虑风电接入的电力系统随机生产模拟算法中的基础参数；最后采用多状态模型作为风电场的建模模型，分季节来描述风电场中的电机出力。
所述的对待分析区域的风电场出力进行建模，具体为采用如下步骤进行建模：
A.采用如下公式建立风速概率分布模型：
式中k为威布尔分布的形状参数，c为威布尔分布的尺度参数；
B.采用如下算式计算风速概率分布模型中的参数k和c的估计值和
式中i为风速样本的编号，n为总的风速样本空间数，v为风速样本值；
C.采用如下公式建立风机的输出模型Pg(v)：
式中vci为切入风速，vco为切出风速，vr为额定风速，Pr为风力发电机组额定输出功率；其中函数且
D.建立风电场的出力模型：
式中为第j组风电机组在第i个状态下的平均输出输出，i＝1表示风电机组为零功率状态，i＝4表明风电机组处于满功率状态，i＝2或3表示风电机组的风速处于切入风速与额定风度之间的两个状态，且当i＝2时风电机组风速v满足vci≤v≤vr，当i＝3时风电机组风速v满足vr≤v≤vco，vci为切入风速，vco为切出风速，vr为额定风速；Ej(P)为第j组风电机组在第i个状态下的机组处理期望值，pi为风力发电机组在第i中状态下的额定发电功率；Nj为风机总台数；
E.按照如下公式计算当加入一种风电机组后的发电机停运概率函数：
式中Pn(x)为加入该种风电机组后发电机停运容量概率；Pn-1(x)表示该种风机加入前发电机停运容量概率；Δci为第i个状态风机的降额容量；pi为风力发电机组在第i中状态下的额定发电功率；
F.将步骤E得到的概率函数，将风电场的风机一次加入并进行更新计算，得到整个风电场的发电机停运容量概率函数，从而完成待分析区域的风电场出力建模。
步骤S2所述的获取待分析区域在风电接入前的电力系统可靠性指标，具体为利用等效电量函数法将时序负荷曲线转化为持续负荷曲线，并依次安排常规机组带负荷；然后通过卷积不断修正持续负荷曲线来考虑常规机组随即停运的情况，从而获得可靠性指标。
所述的获取待分析区域在风电接入前的电力系统可靠性指标，具体为采用如下步骤获取指标：
a.采用等效电量函数法将时序负荷曲线转化为持续负荷曲线；
b.按照设定的规则(比如发电成本)确定发电机组带负荷的优先顺序；
c.采用如下公式计算发电机组的发电量：
E(i)(j)＝piE(i-1)(j)+qiE(i-1)(j-Ki)
式中E(i)(j)为第i台发电机组的发电量，pi为发电机组i的可用率，qi＝1-pi，E(i-1)(j)为原始等效电量函数，Ki＝Ci/Δx，Ci为发电机组i的容量，Δx为步长；
d.计算可靠性指标：当全部发电机组卷积运算结束并得到发电机组的发电量E(n)(j)后，采用如下算式急死俺系统的电量不足期望值EEENS和电力不足概率PLOLP：
式中Jn＝Cs/Δx，T为研究的总时间；Δx为步长。
步骤S3所述的获取待分析区域在风电接入后的电力系统可靠性指标，具体为以季节为周期，采用随机生产模拟方法获得风电接入后的电力系统可靠性指标；进而分析不同容量的风电机组接入电网后对系统可靠性的影响。
步骤S4所述的建立待分析区域在风电接入后的电力系统中的储能系统模型，具体为选取使得电力系统可靠性最高时对应容量的风电机组接入，并将储能设备接入后建立数学模型。
所述的建立待分析区域在风电接入后的电力系统中的储能系统模型，具体为采用如下步骤建立模型：
(1)采用如下规则计算储能系统的输出功率和放电功率：
若PWt＞PLt*P％，则储能系统充电且充电功率为：
Pct＝PWt-PLt*P％
若PWt＜PLt*P％且PWt+PDt＜PLt，则储能系统放电且放电功率为：
Pdt＝min(PLt*P％-PWt,PWt-PLt+PDt)
式中PWt为第t小时风电机组的输出功率，PLt为第t小时的负荷，P％为风电渗透率且PW为风电场的装机容量，PL为系统的最大负荷，Pct为第t小时储能系统的充电功率，PDt为常规机组第t小时的输出功率，Pdt为第t小时储能系统的放电功率；
(2)按照如下算式建立储能系统的储存能量序列，从而完成储能系统建模：
EBt+1＝EBt+PBt
式中EBt表示第t小时储能系统储存的能量，EBt+1表示第t+1小时储能系统储存的能量，PBt表示储能系统第t小时的充放电功率。
步骤S5所述的获取待分析区域在风电和储能系统接入后的电力系统的可靠性指标，具体为采用随机生产模拟方法获得风电接入和储能设备接入的电力系统可靠性指标；进而比较可靠性指标来分析储能设备对电力系统可靠性的影响。
本发明提供的这种用于高比例风电并网的电力系统的可靠性评估方法，针对储能用于提升高比例风电并网的电力系统可靠性指标进行研究，针对不同季节估算出不同的风电场概率模型参数，在只含常规机组的随机生产模拟方法的基础之上，提出了接入风电场的电力系统长期随机生产模拟算法，进而分析不同容量的风电机组接入电网后对系统可靠性的影响，建立含有风电场和储能设备的电力系统可靠性评估模型，通过分析可靠性指标来比较储能设备对电力系统可靠性的影响；本发明方法能够对高比例风电并网的电力系统的可靠性进行较好的评估，对于含风电场的电力系统运行规划、可靠性评估以及储能系统的应用等具有重要意义。
附图说明
图1为本发明方法的方法流程图。
具体实施方式
如图1所示为本发明方法的方法流程图：本发明提供的这种用于高比例风电并网的电力系统的可靠性评估方法，包括如下步骤：
S1.对待分析区域的风电场出力进行建模；具体为根据待分析区域的风况特征，通过Weibull分布拟合风速概率模型；然后利用极大似然法计算风速概率分布参数，获得考虑风电接入的电力系统随机生产模拟算法中的基础参数；最后采用多状态模型作为风电场的建模模型，分季节来描述风电场中的电机出力；
在具体实施时，采用如下步骤进行建模：
A.采用如下公式建立风速概率分布模型：
式中k为威布尔分布的形状参数，c为威布尔分布的尺度参数；
B.采用如下算式计算风速概率分布模型中的参数k和c的估计值和
式中i为风速样本的编号，n为总的风速样本空间数，v为风速样本值；
C.采用如下公式建立风机的输出模型Pg(v)：
式中vci为切入风速，vco为切出风速，vr为额定风速，Pr为风力发电机组额定输出功率；其中函数且
D.建立风电场的出力模型：
式中为第j组风电机组在第i个状态下的平均输出输出，i＝1表示风电机组为零功率状态，i＝4表明风电机组处于满功率状态，i＝2或3表示风电机组的风速处于切入风速与额定风度之间的两个状态，且当i＝2时风电机组风速v满足vci≤v≤vr，当i＝3时风电机组风速v满足vr≤v≤vco，vci为切入风速，vco为切出风速，vr为额定风速；Ej(P)为第j组风电机组在第i个状态下的机组处理期望值，pi为风力发电机组在第i中状态下的额定发电功率；Nj为风机总台数；
E.按照如下公式计算当加入一种风电机组后的发电机停运概率函数：
式中Pn(x)为加入该种风电机组后发电机停运容量概率，Pn-1(x)表示该种风机加入前发电机停运容量概率；Δci为第i个状态风机的降额容量；pi为风力发电机组在第i中状态下的额定发电功率；
F.将步骤E得到的概率函数，将风电场的风机一次加入并进行更新计算，得到整个风电场的发电机停运容量概率函数，从而完成待分析区域的风电场出力建模；
S2.获取待分析区域在风电接入前的电力系统可靠性指标；具体为利用等效电量函数法将时序负荷曲线转化为持续负荷曲线，并依次安排常规机组带负荷；然后通过卷积不断修正持续负荷曲线来考虑常规机组随即停运的情况，从而获得可靠性指标；
在具体实施时，采用如下步骤获取指标：
a.采用等效电量函数法将时序负荷曲线转化为持续负荷曲线；
b.按照设定的规则(比如发电成本)确定发电机组带负荷的优先顺序；
c.采用如下公式计算发电机组的发电量：
E(i)(j)＝piE(i-1)(j)+qiE(i-1)(j-Ki)
式中E(i)(j)为第i台发电机组的发电量，pi为发电机组i的可用率，qi＝1-pi，E(i-1)(j)为原始等效电量函数，Ki＝Ci/Δx，Ci为发电机组i的容量，Δx为步长；
d.计算可靠性指标：当全部发电机组卷积运算结束并得到发电机组的发电量E(n)(j)后，采用如下算式急死俺系统的电量不足期望值EEENS和电力不足概率PLOLP：
式中Jn＝Cs/Δx，T为研究的总时间；Δx为步长；
S3.根据步骤S2得到的可靠性指标，获取待分析区域在风电接入后的电力系统可靠性指标；具体为以季节为周期，采用随机生产模拟方法获得风电接入后的电力系统可靠性指标；进而分析不同容量的风电机组接入电网后对系统可靠性的影响；
在具体实施时，主要采用如下步骤：
Ⅰ计算可靠性指标：
在处理含风电场的电力系统随机生产模拟时,将步骤一所建立的考虑风速、风电机组出力随机性的综合风电出力模型作为基础,并将风电场等效成一个多状态的常规机组运用到常规的电力系统随机生产模拟计算中；
此时,可以假设多状态机组i有Ns个状态的情况,分别将各个状态的运行容量及对应的概率表示为Cs、ps(s＝1,2,…,Ns)，定义离散值Ks＝Cs/Δx和则发电机组额定容量对应的离散值为KNs＝CNs/Δx；
此时多状态发电机组i的发电量计算公式为:
最后基于所述的等效电量函数法获得含风电场的电力系统可靠性指标；
Ⅱ分析对比多个场景下的电力系统可靠性指标
分析在相同节点接入不同容量的风电机组后，对系统可靠性指标的影响；
S4.根据步骤S2和步骤S3得到的可靠性指标，建立待分析区域在风电接入后的电力系统中的储能系统模型；具体为选取使得电力系统可靠性最高时对应容量的风电机组接入，并将储能设备接入后建立数学模型；
在具体实施时，采用如下步骤建立模型：
(1)采用如下规则计算储能系统的输出功率和放电功率：
若PWt＞PLt*P％，则储能系统充电且充电功率为：
Pct＝PWt-PLt*P％
若PWt＜PLt*P％且PWt+PDt＜PLt，则储能系统放电且放电功率为：
Pdt＝min(PLt*P％-PWt,PWt-PLt+PDt)
式中PWt为第t小时风电机组的输出功率，PLt为第t小时的负荷，P％为风电渗透率且PW为风电场的装机容量，PL为系统的最大负荷，Pct为第t小时储能系统的充电功率，PDt为常规机组第t小时的输出功率，Pdt为第t小时储能系统的放电功率；
(2)按照如下算式建立储能系统的储存能量序列，从而完成储能系统建模：
EBt+1＝EBt+PBt
式中EBt表示第t小时储能系统储存的能量，EBt+1表示第t+1小时储能系统储存的能量，PBt表示储能系统第t小时的充放电功率；
S5.根据步骤S4得到的模型，获取待分析区域在风电和储能系统接入后的电力系统的可靠性指标，从而完成可靠性评估；具体为采用随机生产模拟方法获得风电接入和储能设备接入的电力系统可靠性指标；进而比较可靠性指标来分析储能设备对电力系统可靠性的影响。
Claims (9)
1.一种用于高比例风电并网的电力系统的可靠性评估方法，包括如下步骤：
S1.对待分析区域的风电场出力进行建模；
S2.获取待分析区域在风电接入前的电力系统可靠性指标；
S3.根据步骤S2得到的可靠性指标，获取待分析区域在风电接入后的电力系统可靠性指标；
S4.根据步骤S2和步骤S3得到的可靠性指标，建立待分析区域在风电接入后的电力系统中的储能系统模型；
S5.根据步骤S4得到的模型，获取待分析区域在风电和储能系统接入后的电力系统的可靠性指标，从而完成可靠性评估。
2.根据权利要求1所述的用于高比例风电并网的电力系统的可靠性评估方法，其特征在于步骤S1所述的对待分析区域的风电场出力进行建模，具体为根据待分析区域的风况特征，通过Weibull分布拟合风速概率模型；然后利用极大似然法计算风速概率分布参数，获得考虑风电接入的电力系统随机生产模拟算法中的基础参数；最后采用多状态模型作为风电场的建模模型，分季节来描述风电场中的电机出力。
3.根据权利要求2所述的用于高比例风电并网的电力系统的可靠性评估方法，其特征在于所述的对待分析区域的风电场出力进行建模，具体为采用如下步骤进行建模：
A.采用如下公式建立风速概率分布模型：
式中k为威布尔分布的形状参数，c为威布尔分布的尺度参数；
B.采用如下算式计算风速概率分布模型中的参数k和c的估计值和
式中i为风速样本的编号，n为总的风速样本空间数，v为风速样本值；
C.采用如下公式建立风机的输出模型Pg(v)：
式中vci为切入风速，vco为切出风速，vr为额定风速，Pr为风力发电机组额定输出功率；其中函数且
D.建立风电场的出力模型：
式中为第j组风电机组在第i个状态下的平均输出输出，i＝1表示风电机组为零功率状态，i＝4表明风电机组处于满功率状态，i＝2或3表示风电机组的风速处于切入风速与额定风度之间的两个状态，且当i＝2时风电机组风速v满足vci≤v≤vr，当i＝3时风电机组风速v满足vr≤v≤vco，vci为切入风速，vco为切出风速，vr为额定风速；Ej(P)为第j组风电机组在第i个状态下的机组处理期望值，pi为风力发电机组在第i中状态下的额定发电功率；Nj为风机总台数；
E.按照如下公式计算当加入一种风电机组后的发电机停运概率函数：
式中Pn(x)为加入该种风电机组后发电机停运容量概率，Pn-1(x)表示该种风机加入前发电机停运容量概率；Δci为第i个状态风机的降额容量；pi为风力发电机组在第i中状态下的额定发电功率；
F.将步骤E得到的概率函数，将风电场的风机一次加入并进行更新计算，得到整个风电场的发电机停运容量概率函数，从而完成待分析区域的风电场出力建模。
4.根据权利要求3所述的用于高比例风电并网的电力系统的可靠性评估方法，其特征在于步骤S2所述的获取待分析区域在风电接入前的电力系统可靠性指标，具体为利用等效电量函数法将时序负荷曲线转化为持续负荷曲线，并依次安排常规机组带负荷；然后通过卷积不断修正持续负荷曲线来考虑常规机组随即停运的情况，从而获得可靠性指标。
5.根据权利要求4所述的用于高比例风电并网的电力系统的可靠性评估方法，其特征在于所述的获取待分析区域在风电接入前的电力系统可靠性指标，具体为采用如下步骤获取指标：
a.采用等效电量函数法将时序负荷曲线转化为持续负荷曲线；
b.按照设定的规则(比如发电成本)确定发电机组带负荷的优先顺序；
c.采用如下公式计算发电机组的发电量：
E(i)(j)＝piE(i-1)(j)+qiE(i-1)(j-Ki)
式中E(i)(j)为第i台发电机组的发电量，pi为发电机组i的可用率，qi＝1-pi，E(i-1)(j)为原始等效电量函数，Ki＝Ci/Δx，Ci为发电机组i的容量，Δx为步长；
d.计算可靠性指标：当全部发电机组卷积运算结束并得到发电机组的发电量E(n)(j)后，采用如下算式急死俺系统的电量不足期望值EEENS和电力不足概率PLOLP：
式中Jn＝Cs/Δx，T为研究的总时间；Δx为步长。
6.根据权利要求5所述的用于高比例风电并网的电力系统的可靠性评估方法，其特征在于步骤S3所述的获取待分析区域在风电接入后的电力系统可靠性指标，具体为以季节为周期，采用随机生产模拟方法获得风电接入后的电力系统可靠性指标；进而分析不同容量的风电机组接入电网后对系统可靠性的影响。
7.根据权利要求6所述的用于高比例风电并网的电力系统的可靠性评估方法，其特征在于步骤S4所述的建立待分析区域在风电接入后的电力系统中的储能系统模型，具体为选取使得电力系统可靠性最高时对应容量的风电机组接入，并将储能设备接入后建立数学模型。
8.根据权利要求7所述的用于高比例风电并网的电力系统的可靠性评估方法，其特征在于所述的建立待分析区域在风电接入后的电力系统中的储能系统模型，具体为采用如下步骤建立模型：
(1)采用如下规则计算储能系统的输出功率和放电功率：
若PWt＞PLt*P％，则储能系统充电且充电功率为：
Pct＝PWt-PLt*P％
若PWt＜PLt*P％且PWt+PDt＜PLt，则储能系统放电且放电功率为：
Pdt＝min(PLt*P％-PWt,PWt-PLt+PDt)
式中PWt为第t小时风电机组的输出功率，PLt为第t小时的负荷，P％为风电渗透率且PW为风电场的装机容量，PL为系统的最大负荷，Pct为第t小时储能系统的充电功率，PDt为常规机组第t小时的输出功率，Pdt为第t小时储能系统的放电功率；
(2)按照如下算式建立储能系统的储存能量序列，从而完成储能系统建模：
EBt+1＝EBt+PBt
式中EBt表示第t小时储能系统储存的能量，EBt+1表示第t+1小时储能系统储存的能量，PBt表示储能系统第t小时的充放电功率。
9.根据权利要求8所述的用于高比例风电并网的电力系统的可靠性评估方法，其特征在于步骤S5所述的获取待分析区域在风电和储能系统接入后的电力系统的可靠性指标，具体为采用随机生产模拟方法获得风电接入和储能设备接入的电力系统可靠性指标；进而比较可靠性指标来分析储能设备对电力系统可靠性的影响。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810400017.4A CN108647415A (zh) | 2018-04-28 | 2018-04-28 | 用于高比例风电并网的电力系统的可靠性评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810400017.4A CN108647415A (zh) | 2018-04-28 | 2018-04-28 | 用于高比例风电并网的电力系统的可靠性评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108647415A true CN108647415A (zh) | 2018-10-12 |
Family
ID=63748535
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810400017.4A Pending CN108647415A (zh) | 2018-04-28 | 2018-04-28 | 用于高比例风电并网的电力系统的可靠性评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108647415A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110601190A (zh) * | 2019-09-23 | 2019-12-20 | 国网辽宁省电力有限公司鞍山供电公司 | 一种区域电网运行域划分方法 |
| CN110932312A (zh) * | 2019-11-14 | 2020-03-27 | 北方工业大学 | 风光储微电网系统可靠性评估方法 |
| CN112182835A (zh) * | 2020-08-25 | 2021-01-05 | 中国电力科学研究院有限公司 | 一种考虑风电不确定性和储能调节的电力系统可靠性评估方法及系统 |
| CN112653179A (zh) * | 2019-11-19 | 2021-04-13 | 华北电力大学 | 一种评估弱送端电网可靠性的方法 |
| CN113076639A (zh) * | 2021-03-30 | 2021-07-06 | 国网山东省电力公司电力科学研究院 | 基于分段线性表示的风电机组运行评估方法及系统 |
| CN113240350A (zh) * | 2021-06-21 | 2021-08-10 | 广东电网有限责任公司 | 一种基于储能并网的综合效用评价方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103138256A (zh) * | 2011-11-30 | 2013-06-05 | 国网能源研究院 | 一种新能源电力消纳全景分析系统及方法 |
| CN103825272A (zh) * | 2014-03-18 | 2014-05-28 | 国家电网公司 | 一种基于解析法的含分散风电的配电网可靠性确定方法 |
| CN104300585A (zh) * | 2014-10-13 | 2015-01-21 | 江苏大学 | 一种基于大规模风电并网的经济调度优化方法 |
| CN105279617A (zh) * | 2015-11-25 | 2016-01-27 | 国家电网公司 | 配电网待建项目对电网可靠性影响的计算方法 |
| CN105870973A (zh) * | 2016-06-16 | 2016-08-17 | 东北电力大学 | 一种储能系统应对高风电渗透率系统调频需求容量配置方法 |
| CN106447218A (zh) * | 2016-10-14 | 2017-02-22 | 重庆大学 | 基于多风电场的抽水蓄能系统的可靠性评估方法 |
-
2018
- 2018-04-28 CN CN201810400017.4A patent/CN108647415A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103138256A (zh) * | 2011-11-30 | 2013-06-05 | 国网能源研究院 | 一种新能源电力消纳全景分析系统及方法 |
| CN103825272A (zh) * | 2014-03-18 | 2014-05-28 | 国家电网公司 | 一种基于解析法的含分散风电的配电网可靠性确定方法 |
| CN104300585A (zh) * | 2014-10-13 | 2015-01-21 | 江苏大学 | 一种基于大规模风电并网的经济调度优化方法 |
| CN105279617A (zh) * | 2015-11-25 | 2016-01-27 | 国家电网公司 | 配电网待建项目对电网可靠性影响的计算方法 |
| CN105870973A (zh) * | 2016-06-16 | 2016-08-17 | 东北电力大学 | 一种储能系统应对高风电渗透率系统调频需求容量配置方法 |
| CN106447218A (zh) * | 2016-10-14 | 2017-02-22 | 重庆大学 | 基于多风电场的抽水蓄能系统的可靠性评估方法 |
Non-Patent Citations (2)
| Title |
|---|
| 杨永旭: "计及储能的风电场可靠性评估", 《中国优秀博硕士学位论文全文数据库(硕士)_工程科技Ⅱ辑》 * |
| 高小镜: "考虑风电接入的电力系统随机生产模拟研究", 《中国优秀博硕士学位论文全文数据库(硕士)_工程科技Ⅱ辑》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110601190A (zh) * | 2019-09-23 | 2019-12-20 | 国网辽宁省电力有限公司鞍山供电公司 | 一种区域电网运行域划分方法 |
| CN110601190B (zh) * | 2019-09-23 | 2023-06-02 | 国网辽宁省电力有限公司鞍山供电公司 | 一种区域电网运行域划分方法 |
| CN110932312A (zh) * | 2019-11-14 | 2020-03-27 | 北方工业大学 | 风光储微电网系统可靠性评估方法 |
| CN110932312B (zh) * | 2019-11-14 | 2021-05-14 | 北方工业大学 | 风光储微电网系统可靠性评估方法 |
| CN112653179A (zh) * | 2019-11-19 | 2021-04-13 | 华北电力大学 | 一种评估弱送端电网可靠性的方法 |
| CN112182835A (zh) * | 2020-08-25 | 2021-01-05 | 中国电力科学研究院有限公司 | 一种考虑风电不确定性和储能调节的电力系统可靠性评估方法及系统 |
| CN113076639A (zh) * | 2021-03-30 | 2021-07-06 | 国网山东省电力公司电力科学研究院 | 基于分段线性表示的风电机组运行评估方法及系统 |
| CN113076639B (zh) * | 2021-03-30 | 2023-05-23 | 国网山东省电力公司电力科学研究院 | 基于分段线性表示的风电机组运行评估方法及系统 |
| CN113240350A (zh) * | 2021-06-21 | 2021-08-10 | 广东电网有限责任公司 | 一种基于储能并网的综合效用评价方法及系统 |
| CN113240350B (zh) * | 2021-06-21 | 2023-03-21 | 广东电网有限责任公司 | 一种基于储能并网的综合效用评价方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108647415A (zh) | 用于高比例风电并网的电力系统的可靠性评估方法 | |
| Billinton et al. | Reliability evaluation of small stand-alone wind energy conversion systems using a time series simulation model | |
| Brekken et al. | Optimal energy storage sizing and control for wind power applications | |
| CN105205232B (zh) | 基于rtds的微网系统稳定性仿真测试平台 | |
| CN103903073B (zh) | 一种含分布式电源及储能的微电网优化规划方法及系统 | |
| CN105633948B (zh) | 一种分布式能源接入电力系统随机模糊潮流算法 | |
| CN107317361B (zh) | 一种考虑区域自治能力的主动配电网全局优化调度方法 | |
| CN108599206A (zh) | 高比例不确定电源场景下的配电网混合储能配置方法 | |
| CN104732300B (zh) | 一种基于模糊分区理论的神经网络风功率短期预测方法 | |
| CN110009141B (zh) | 基于sdae特征提取和svm分类模型的爬坡事件预测方法及系统 | |
| CN112531790B (zh) | 一种虚拟电厂动态灵活性评估方法 | |
| CN102738817B (zh) | 利用电池储能系统对风电功率进行自适应平滑处理的方法 | |
| CN105656031A (zh) | 基于高斯混合分布特征的含风电电力系统安全风险评估方法 | |
| CN109510238B (zh) | 一种高效求解水电火电风电的协调调度机组组合方法 | |
| CN114595891A (zh) | 一种配电网电压及潮流越界风险评估方法、系统及设备 | |
| CN104795828A (zh) | 基于遗传算法的风储容量配置方法 | |
| CN106611243A (zh) | 一种基于garch模型的风速预测残差修正方法 | |
| CN105576654A (zh) | 直驱风电场等值方法和系统 | |
| CN109193714A (zh) | 一种抽水蓄能电站工况转换对电网影响的分析系统和方法 | |
| CN104779614A (zh) | 一种含有风电场的低碳可用输电能力计算方法 | |
| Varghese et al. | Energy storage management of hybrid solar/wind standalone system using adaptive neuro‐fuzzy inference system | |
| CN106779250A (zh) | 一种基于新型优化模型的孤立分布式电网配置方法 | |
| CN106021754A (zh) | 考虑vsc无功越限调整策略的混联电网概率潮流算法 | |
| Wang et al. | Adequacy assessment of generating systems incorporating wind, PV and energy storage | |
| Jemaa et al. | Optimum sizing of hybrid PV/Wind/battery installation using a fuzzy PSO |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181012 |
|
| RJ01 | Rejection of invention patent application after publication |