CN109217294A - 风电场大型电网安全性评估方法 - Google Patents
风电场大型电网安全性评估方法 Download PDFInfo
- Publication number
- CN109217294A CN109217294A CN201811076692.2A CN201811076692A CN109217294A CN 109217294 A CN109217294 A CN 109217294A CN 201811076692 A CN201811076692 A CN 201811076692A CN 109217294 A CN109217294 A CN 109217294A
- Authority
- CN
- China
- Prior art keywords
- power plant
- wind
- wind power
- model
- power grid
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000010248 power generation Methods 0.000 claims description 17
- 238000004088 simulation Methods 0.000 claims description 17
- 230000008439 repair process Effects 0.000 claims description 11
- 230000005611 electricity Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 230000009467 reduction Effects 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000005684 electric field Effects 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 241001123248 Arma Species 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 4
- 241001269238 Data Species 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 4
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 2
- 240000002853 Nelumbo nucifera Species 0.000 description 2
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 2
- 230000018199 S phase Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- 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
-
- H02J3/386—
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Wind Motors (AREA)
Abstract
本发明涉及一种风电场安全评估技术领域，是一种风电场大型电网安全性评估方法，包括以下步骤：第一步建立风电场时序功率输出模型；第二步建立含风电场的大电网可靠性模型；第三步建立含风电场的大电网可靠性评估的指标体系；第四步求取风电场功率输出曲线；第五步建立含风电场的系统状态序列模型；第六步按时间顺序选取系统状态序列模型中的系统状态；第七步输出系统的可靠性指标。本发明在电网侧以及风电场侧分别建立了相关安全性模型及指标体系，衡量风电场的接入对大型安全性的影响，综合考虑风的间歇性和随机性及在时间和空间上分布的不平均性，准确的评估电网安全性，并更充分的反映了系统的整体安全性状况以及风电场对大电网充裕性的贡献。
Description
技术领域
本发明涉及一种风电场安全评估技术领域，是一种风电场大型电网安全性评估方法。
背景技术
在不断持续的能源紧张中，不少人想到了新能源利用。利用洁净的能源(可再生能源)是人类社会文明进步的表现、是科学技术的发展、是环保理念的体现。洁净能源指太阳能、风能、潮汐能、生物能等，这都是可再生取之不尽的能源，特别是风能技术最为成熟，经济可行性较高，是一种较理想的发展能源，大力发展水电与风电是我国的长期能源政策，随着电力电子技术、微电子技术和现代控制技术的发展，风力发电技术已经日趋成熟，在过去的十年中，一些地区的风力发电已经成为对常规能源具有一定竞争力的新能源开发形式。风力发电机组的单机容量从最初的千瓦级到现在进入市场的兆瓦级，容量日趋增大，成为发展新能源的热点。
但是由于风能具有间歇性和随机性，在时间和空间上的分布具有很大的不平均性，风电场的功率输出随风能、时间和空间的变化而波动，大规模风力发电在进行并网后会对电力系统的安全运行带来一定隐患或影响，尤其是大型电网可靠性产生影响，传统的大型电网安全性评估方法已经无法满足其要求。
发明内容
本发明提供了一种风电场大型电网安全性评估方法，克服了上述现有技术之不足，其能有效解决现有风电场大型电网安全性评估方法存在的风电并网安全性评估不准确问题。
本发明的技术方案是通过以下措施来实现的：一种风电场大型电网安全性评估方法，包括以下步骤：
第一步：建立风电场时序功率输出模型；
第二步：建立含风电场的大电网可靠性模型；
第三步：建立含风电场的大电网可靠性评估的指标体系；
第四步：读入风电场接入大电网后的整个系统的基本参数数据，根据风电场时序功率输出模型，求取风电场功率输出曲线；
第五步：建立含风电场的系统状态序列模型；
第六步：按时间顺序依次选取系统状态序列模型中的系统状态，判断该系统状态与前一系统状态是否一致，若一致，则直接读入前一系统状态的评估结果作为该系统状态的评估结果，若不一致，则进入第七步；
第七步：对该系统状态进行分析，之后计算各母线的切负荷量和系统总切负荷量，并判断是否满足收敛判据，若满足，则输出系统的可靠性指标，若不满足，则返回第六步，选取下一系统状态。
下面是对上述发明技术方案的进一步优化或/和改进：
上述第七步的具体计算过程如下：
(一)判断该系统状态下的系统是否能解列，若不能，则进入第(二)步对整个系统进行分析，若能，则将整个系统分解成各个子系统，之后进入第(二)步，对每个子系统进行分析；
(二)判断系统的发电总容量是否满足负荷，若不满足，则削减负荷，并进入第(三)步，若满足，则进入第(三)步；
(三)计算系统的直流潮流，根据直流潮流判断输电线路功率是否越限，若越限，则采用相应的负荷切除策略削减负荷，并再次计算系统的直流潮流；若不越限，则进入第(四)步；
(四)计算各母线的切负荷量、系统总切负荷量，判断是否满足收敛判据，若满足，则输出系统的可靠性指标；若不满足，则返回第六步，选取下一系统状态。
上述第七步的(三)中直流潮流的计算公式如下：
Pk＝Bk(θi-θj)k∈M
其中，Ωi为同节点i相连的支路集，Aik为节点i与支路k的关联系数，Pk为支路k潮流，Gi、PDi为节点i发电出力及负荷，N为系统节点集，Bk为支路电纳，θi、θj分别为母线i、j的相角；
具有两类约束条件分别为如下公式所示的发电机功率约束和输电线路潮流约束：
其中，PGmax和PGmin分别为发电机有功功率输出的上下限，Pkmax为支路传输功率上限。
上述第一步建立风电场时序功率输出模型的具体步骤如下：
(一)录入风电机组的基本参数数据，基本参数数据包括风电机组的故障率、修复率，风电场风机台数，仿真年数；
(二)统计大量历史风速数据，建立ARMA风速预测模型，并依据仿真年数模拟给出时序风速数据；
(三)运用风电机组停运模型，模拟抽样得出风电机组的运行持续时间和故障恢复时间，建立风电机组的正常运行和故障停运的时序过程；
(四)根据(二)中统计的时序风速数据，依据Jensen尾流损失模型，计算经尾流效应后通过各风电机组转子处的风速；
(五)依据风电机组的功率特性曲线，计算(四)中得到的某一风速数值的功率输出，并将风电场内各机组输出功率相叠加，建立风电场的时序功率输出模型。
上述第二步建立含风电场的大电网可靠性模型的具体步骤如下：
(一)建立元件的序贯概率仿真模型；
(二)建立常规发电机组的序贯概率仿真模型；
(三)利用时序负荷曲线，建立大电网时序负荷模型；
(四)建立含风电场的大电网时序负荷模型。
上述第五步建立含风电场的系统状态序列模型的具体过程如下：
(一)根据元件的序贯概率仿真模型，对大电网中的元件状态持续时间抽样，得到相应的持续时间与故障时间，形成元件的状态序列；
(二)根据常规发电机组的序贯概率仿真模型，形成发电机组的状态序列；
(三)根据含风电场的大电网时序负荷模型及上述状态序列，形成含风电场的系统状态序列模型。
上述第三步建立含风电场的大电网可靠性评估的指标体系具体包括如下指标：
(一)切负荷频率EFLC
其中，N是有切负荷的状态总数；如果系统状态序列中连续几个系统状态均有切负荷，将其视为一个切负荷状态；
(二)切负荷持续时间EDLC
其中，S是有切负荷的系统状态的集合；ti是系统状态i的持续时间，T是总模拟时间；
(三)电量不足期望值EENS
其中，Ci是系统状态i的切负荷量；
(四)容量可信度Cc
机组的容量与风电场容量的比值，用公式表示为：
R＝f(c,l)＝f(C+Cw,L+ΔL)＝f(C+Cequ,L+ΔL)
其中，Cequ表示维持系统可靠性水平不变，风电场可替换常规机组的容量，Cw为风电场的额定容量，C、L分别表示原系统的发电容量和峰值负荷，ΔL表示接入风机和常规机后，系统可额外承载的峰值负荷量；
根据定义，容量可信度的计算公式为：
(五)风电场可中断能量效益WGIEB
其中，EENSbw、EENSaw分别表示为大电网未加入风电场和加入风电场后的电量不足期望值，Cw为风电场的额定容量。
本发明在电网侧以及风电场侧分别建立了相关安全性模型及指标体系，用以衡量风电场的接入对大型安全性的影响，综合考虑风的间歇性和随机性及在时间和空间上分布的不平均性，准确的评估电网安全性，并更充分的反映了系统的整体安全性状况以及风电场对大电网充裕性的贡献。
附图说明
附图1为本发明的流程图。
附图2为本发明系统状态分析的流程图。
附图3为本发明建立风电场时序功率输出模型的流程图。
附图4为本发明建立含风电场的大电网可靠性模型的流程图。
附图5为本发明建立含风电场的系统状态序列模型的流程图。
具体实施方式
本发明不受下述实施例的限制，可根据本发明的技术方案与实际情况来确定具体的实施方式。
下面结合实施例及附图对本发明作进一步描述：
实施例1：如附图1所示，一种风电场大型电网安全性评估方法，其特征在于包括以下步骤：
第一步：建立风电场时序功率输出模型；
第二步：建立含风电场的大电网可靠性模型；
第三步：建立含风电场的大电网可靠性评估的指标体系；
第四步：读入风电场接入大电网后的整个系统的基本参数数据，根据风电场时序功率输出模型，求取风电场功率输出曲线；
第五步：建立含风电场的系统状态序列模型；
第六步：按时间顺序依次选取系统状态序列模型中的系统状态，判断该系统状态与前一系统状态是否一致，若一致，则直接读入前一系统状态的评估结果作为该系统状态的评估结果，若不一致，则进入第七步；
第七步：对该系统状态进行分析，之后计算各母线的切负荷量和系统总切负荷量，并判断是否满足收敛判据，若满足，则输出系统的可靠性指标，若不满足，则返回第六步，选取下一系统状态。
上述第四步中，求取风电场功率输出曲线的过程如下：
(一)读入风电场接入大电网后的整个系统的基本参数数据，设置仿真年数m，m根据实际情况进行设定；
(二)读入历史风速数据，运用ARMA模型进行模拟，仿真m年的风速数据，基于第一步建立的风电场时序功率输出模型，求取风电场功率输出曲线。
本发明在电网侧以及风电场侧分别建立了相关安全性模型及指标体系，用以衡量风电场的接入对大型安全性的影响，综合考虑风的间歇性和随机性及在时间和空间上分布的不平均性，准确的评估电网安全性，并更充分的反映了系统的整体安全性状况以及风电场对大电网充裕性的贡献。
下面是对上述发明技术方案的进一步优化或/和改进：
如附图2所示，第七步的具体计算过程如下：
(一)判断该系统状态下的系统是否能解列，若不能，则进入第(二)步对整个系统进行分析，若能，则将整个系统分解成各个子系统，之后进入第(二)步，对每个子系统进行分析；
(二)判断系统的发电总容量是否满足负荷，若不满足，则削减负荷，并进入第(三)步，若满足，则进入第(三)步；
(三)计算系统的直流潮流，根据直流潮流判断输电线路功率是否越限，若越限，则采用相应的负荷切除策略削减负荷，并再次计算系统的直流潮流；若不越限，则进入第(四)步；
(四)计算各母线的切负荷量、系统总切负荷量，判断是否满足收敛判据，若满足，则输出系统的可靠性指标；若不满足，则返回第六步，选取下一系统状态。
上述，第七步的(三)中直流潮流的计算公式如下：
Pk＝Bk(θi-θj)k∈M
其中，Ωi为同节点i相连的支路集，Aik为节点i与支路k的关联系数，Pk为支路k潮流，Gi、PDi为节点i发电出力及负荷，N为系统节点集，Bk为支路电纳，θi、θj分别为母线i、j的相角；
具有两类约束条件分别为如下公式所示的发电机功率约束和输电线路潮流约束：
其中，PGmax和PGmin分别为发电机有功功率输出的上下限，Pkmax为支路传输功率上限。
上述，第七步的(三)中相应的负荷切除策略削减负荷可为采用最优负荷削减模型，其目标函数为最小总负荷削减量：
目标函数为：
约束条件为：
其中，T(S)表示状态S的有功潮流矢量，A(S)表示状态S的有功潮流和注入功率之间的关系矩阵，PG和PD分别表示发电输出和负荷功率矢量，C是负荷削减矢变量，PGi、PDi、Ci和Tk(S)分别是PG、PD、C和T(S)的元素；PGi min、PGi max和Tk max分别是PGi和Tk(S)的限值，NG、ND和L分别是系统发电母线、负荷母线以及支路的集合。
如附图3所示，第一步建立风电场时序功率输出模型的具体步骤如下：
(一)录入风电机组的基本参数数据，基本参数数据包括风电机组的故障率、修复率，风电场风机台数，仿真年数；
(二)统计大量历史风速数据，建立ARMA风速预测模型，并依据仿真年数模拟给出时序风速数据；
(三)运用风电机组停运模型，模拟抽样得出风电机组的运行持续时间和故障恢复时间，建立风电机组的正常运行和故障停运的时序过程；
这里风电机组停运模型：可假设风电机组正常持续时间和故障修复时间服从指数分布，即故障率λ和修复率μ为常数，风力发电机组的随机停运可用正常运行持续时间和故障修复时间来描述。
风电机组的故障率λ假定为常数后，则其与可靠度为指数函数关系：
R(t)＝e-λt(t≥0)
利用反函数变换法，得到正常持续运行时间t1：
x＝R(t)e-λt
故障修复时间为t2:
平均持续工作时间为：
平均修复时间为：
元件的强迫停运率为：
其中，故障率λ和修复率μ为常数，R(t)为可靠度；
(四)根据(二)中统计的时序风速数据，依据Jensen尾流损失模型，计算经尾流效应后通过各风电机组转子处的风速；
(五)依据风电机组的功率特性曲线，计算(四)中得到的某一风速数值的功率输出，并将风电场内各机组输出功率相叠加，建立风电场的时序功率输出模型。
这里风电机组的功率特性曲线由分段函数表示：
其中，vci、vr、vco分别表示风电机组的切入风速、额定风速和切出风速，Pr为风电机组的额定功率；
A、B、C为风电机组的功率特性曲线参数，利用如下公式计算：
如附图4所示，第二步建立含风电场的大电网可靠性模型的具体步骤如下：
(一)建立元件的序贯概率仿真模型；
元件指的是大电网中的元件，包括输电线、变压器等。
元件的序贯概率仿真模型可为：按照时序，在一个时间跨度上进行模拟，通常假设元件的运行与修复过程服从指数分布：
式中，一个时间跨度通常指数十年；Ri为[0,1]均匀分布的抽样值，若λi是某元件的故障率，则Di表示元件运行状态的持续时间；反之，若λi是某元件的修复率，则Di表示元件的故障的持续时间。
(二)建立常规发电机组的序贯概率仿真模型；
假设不计机组完全停运状态与降额运行状态之间的状态转移，若常规发电机组初始运行状态处于状态1满额运行，则由状态1可进入状态2降额运行状态或状态3完全停运状态，其转移率分别为λ1和λ2，则状态1的持续时间可分为两种情况进行计算：
其中，U12、U13表示(0，1]之间的随机数。若TTT12小于TTT13，则状态1的持续时间为TTT12，当状态1持续时间结束后进入状态2；反之，若TTT12大于TTT13，则状态1的持续时间为TTT13，当状态1持续时间结束后进入状态3。在进入状态2或状态3后，其返回状态只有状态1，若进入状态2，则将λ1换成μ1即可；若进入状态3，则将λ2换成μ2即可。
常规发电机组的序贯概率仿真模型可为，按照时序，在一个时间跨度上进行模拟，通常假设元件的运行与修复过程服从指数分布：
式中，Ri为[0,1]均匀分布的抽样值，若λi是某元件的故障率，则Di表示元件运行状态的持续时间；反之，若λi是某元件的修复率，则Di表示元件的故障的持续时间。
(三)利用时序负荷曲线，建立大电网时序负荷模型；
用序贯蒙特卡罗模拟法时，为方便起见负荷模型利用时序负荷曲线，时间间隔为一小时，则某天的负荷曲线是由二十四个点构成的负荷曲线，假定一年为8760个小时，则年负荷曲线为由8760个负荷点构成的时序负荷曲线，基于此建立时序负荷模型。
(四)建立含风电场的大电网时序负荷模型。
假设风速预测时间间隔为一小时，根据该小时的风速大小及方向，考虑尾流损失、机组故障率等计算出整个风电场在该时刻的功率输出，则风电场的年功率输出曲线由这8760个离散的功率输出值组成。
如附图5所示，第五步建立含风电场的系统状态序列模型的具体过程如下：
(一)根据元件的序贯概率仿真模型，对大电网中的元件状态持续时间抽样，得到相应的持续时间与故障时间，形成元件的状态序列；
(二)根据常规发电机组的序贯概率仿真模型，形成发电机组的状态序列；
(三)根据含风电场的大电网时序负荷模型及上述状态序列，形成含风电场的系统状态序列模型。
如附图1所示，第三步建立含风电场的大电网可靠性评估的指标体系；
旧有的电力系统充裕性评估的指标体系不能够充分体现风电场对于大电网可靠性的贡献，因此，需从风电场角度出发建立相应的指标，衡量风电场接入后对大电网可靠性的影响，本文建立的主要评估指标体系包括：
(一)切负荷频率EFLC
其中，N是有切负荷的状态总数；如果系统状态序列中连续几个系统状态均有切负荷，将其视为一个切负荷状态；切负荷频率EFLC指标越小越好，越小表示系统越可靠。
(二)切负荷持续时间EDLC
其中，S是有切负荷的系统状态的集合；ti是系统状态i的持续时间，T是总模拟时间；切负荷持续时间EDLC指标越小越好，越小表示系统越可靠。
(三)电量不足期望值EENS
其中，Ci是系统状态i的切负荷量；电量不足期望值EENS指标越小越好，越小表示系统越可靠。
(四)容量可信度Cc
容量可信度的定义为维持系统可靠性水平不变的情况下，风电场可替换常规机组的容量与风电场容量的比值，用公式表示为：
R＝f(c,l)＝f(C+Cw,L+ΔL)＝f(C+Cequ,L+ΔL)
其中，Cequ表示维持系统可靠性水平不变，风电场可替换常规机组的容量，Cw为风电场的额定容量，C、L分别表示原系统的发电容量和峰值负荷，ΔL表示接入风机和常规机后，系统可额外承载的峰值负荷量；
根据定义，容量可信度的计算公式为：
这里容量可信度通常达到35％以上较好。
(五)风电场可中断能量效益WGIEB
其中，EENSbw、EENSaw分别表示为大电网未加入风电场和加入风电场后的电量不足期望值，Cw为风电场的额定容量。风电场可中断能量效益通常达到30以上较好。
以上技术特征构成了本发明的最佳实施例，其具有较强的适应性和最佳实施效果，可根据实际需要增减非必要的技术特征，来满足不同情况的需求。
Claims (7)
1.一种风电场大型电网安全性评估方法，其特征在于包括以下步骤：
第一步：建立风电场时序功率输出模型；
第二步：建立含风电场的大电网可靠性模型；
第三步：建立含风电场的大电网可靠性评估的指标体系；
第四步：读入风电场接入大电网后的整个系统的基本参数数据，根据风电场时序功率输出模型，求取风电场功率输出曲线；
第五步：建立含风电场的系统状态序列模型；
第六步：按时间顺序依次选取系统状态序列模型中的系统状态，判断该系统状态与前一系统状态是否一致，若一致，则直接读入前一系统状态的评估结果作为该系统状态的评估结果，若不一致，则进入第七步；
第七步：对该系统状态进行分析，之后计算各母线的切负荷量和系统总切负荷量，并判断是否满足收敛判据，若满足，则输出系统的可靠性指标，若不满足，则返回第六步，选取下一系统状态。
2.根据权利要求1所述的风电场大型电网安全性评估方法，其特征在于第七步的具体计算过程如下：
(一)判断该系统状态下的系统是否能解列，若不能，则进入第(二)步对整个系统进行分析，若能，则将整个系统分解成各个子系统，之后进入第(二)步，对每个子系统进行分析；
(二)判断系统的发电总容量是否满足负荷，若不满足，则削减负荷，并进入第(三)步，若满足，则进入第(三)步；
(三)计算系统的直流潮流，根据直流潮流判断输电线路功率是否越限，若越限，则采用相应的负荷切除策略削减负荷，并再次计算系统的直流潮流；若不越限，则进入第(四)步；
(四)计算各母线的切负荷量、系统总切负荷量，判断是否满足收敛判据，若满足，则输出系统的可靠性指标；若不满足，则返回第六步，选取下一系统状态。
3.根据权利要求2所述的风电场大型电网安全性评估方法，其特征在于第七步的(三)中直流潮流的计算公式如下：
Pk＝Bk(θi-θj)k∈M
其中，Ωi为同节点i相连的支路集，Aik为节点i与支路k的关联系数，Pk为支路k潮流，Gi、PDi为节点i发电出力及负荷，N为系统节点集，Bk为支路电纳，θi、θj分别为母线i、j的相角；
具有两类约束条件分别为如下公式所示的发电机功率约束和输电线路潮流约束：
其中，PGmax和PGmin分别为发电机有功功率输出的上下限，Pkmax为支路传输功率上限。
4.根据权利要求1所述的风电场大型电网安全性评估方法，其特征在于第一步建立风电场时序功率输出模型的具体步骤如下：
(一)录入风电机组的基本参数数据，基本参数数据包括风电机组的故障率、修复率，风电场风机台数，仿真年数；
(二)统计大量历史风速数据，建立ARMA风速预测模型，并依据仿真年数模拟给出时序风速数据；
(三)运用风电机组停运模型，模拟抽样得出风电机组的运行持续时间和故障恢复时间，建立风电机组的正常运行和故障停运的时序过程；
(四)根据(二)中统计的时序风速数据，依据Jensen尾流损失模型，计算经尾流效应后通过各风电机组转子处的风速；
(五)依据风电机组的功率特性曲线，计算(四)中得到的某一风速数值的功率输出，并将风电场内各机组输出功率相叠加，建立风电场的时序功率输出模型。
5.根据权利要求1所述的风电场大型电网安全性评估方法，其特征在于第二步建立含风电场的大电网可靠性模型的具体步骤如下：
(一)建立元件的序贯概率仿真模型；
(二)建立常规发电机组的序贯概率仿真模型；
(三)利用时序负荷曲线，建立大电网时序负荷模型；
(四)建立含风电场的大电网时序负荷模型。
6.根据权利要求5所述的风电场大型电网安全性评估方法，其特征在于第五步建立含风电场的系统状态序列模型的具体过程如下：
(一)根据元件的序贯概率仿真模型，对大电网中的元件状态持续时间抽样，得到相应的持续时间与故障时间，形成元件的状态序列；
(二)根据常规发电机组的序贯概率仿真模型，形成发电机组的状态序列；
(三)根据含风电场的大电网时序负荷模型及上述状态序列，形成含风电场的系统状态序列模型。
7.根据权利要求1至6中任意一项所述的风电场大型电网安全性评估方法，其特征在于第三步建立含风电场的大电网可靠性评估的指标体系具体包括如下指标：
(一)切负荷频率EFLC
其中，N是有切负荷的状态总数；如果系统状态序列中连续几个系统状态均有切负荷，将其视为一个切负荷状态；
(二)切负荷持续时间EDLC
其中，S是有切负荷的系统状态的集合；ti是系统状态i的持续时间，T是总模拟时间；
(三)电量不足期望值EENS
其中，Ci是系统状态i的切负荷量；
(四)容量可信度Cc
机组的容量与风电场容量的比值，用公式表示为：
R＝f(c,l)＝f(C+Cw,L+ΔL)＝f(C+Cequ,L+ΔL)
其中，Cequ表示维持系统可靠性水平不变，风电场可替换常规机组的容量，Cw为风电场的额定容量，C、L分别表示原系统的发电容量和峰值负荷，ΔL表示接入风机和常规机后，系统可额外承载的峰值负荷量；
根据定义，容量可信度的计算公式为：
(五)风电场可中断能量效益WGIEB
其中，EENSbw、EENSaw分别表示为大电网未加入风电场和加入风电场后的电量不足期望值，Cw为风电场的额定容量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811076692.2A CN109217294A (zh) | 2018-09-14 | 2018-09-14 | 风电场大型电网安全性评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811076692.2A CN109217294A (zh) | 2018-09-14 | 2018-09-14 | 风电场大型电网安全性评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109217294A true CN109217294A (zh) | 2019-01-15 |
Family
ID=64983853
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811076692.2A Pending CN109217294A (zh) | 2018-09-14 | 2018-09-14 | 风电场大型电网安全性评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109217294A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111859812A (zh) * | 2020-07-30 | 2020-10-30 | 南方电网科学研究院有限责任公司 | 天气影响下的海上风电场及柔直并网系统可靠性评估方法 |
| CN112613179A (zh) * | 2020-12-28 | 2021-04-06 | 国网天津市电力公司电力科学研究院 | 一种输变电带电检修对电网的影响评估方法 |
| CN115021335A (zh) * | 2022-06-16 | 2022-09-06 | 西安交通大学 | 一种考虑储能和新能源的多时段鲁棒可靠性评估方法 |
| CN115510677A (zh) * | 2022-10-17 | 2022-12-23 | 华能山东发电有限公司 | 一种风电场发电能力评估方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101630273A (zh) * | 2009-08-06 | 2010-01-20 | 中国电力科学研究院 | 一种电力系统小干扰稳定仿真方法 |
| CN102545214A (zh) * | 2012-01-13 | 2012-07-04 | 重庆大学 | 一种含电池储能设备的风电场可靠性评估方法 |
| CN103701120A (zh) * | 2013-12-23 | 2014-04-02 | 华北电力大学 | 一种含风电场的大电网可靠性的评估方法 |
| CN105429129A (zh) * | 2015-10-14 | 2016-03-23 | 中国电力科学研究院 | 一种考虑网络约束的间歇性能源发电容量置信度评估方法 |
| CN107104466A (zh) * | 2017-05-22 | 2017-08-29 | 南京工程学院 | 基于冒泡排序的风储联合发电系统储能元件优化运行方法 |
-
2018
- 2018-09-14 CN CN201811076692.2A patent/CN109217294A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101630273A (zh) * | 2009-08-06 | 2010-01-20 | 中国电力科学研究院 | 一种电力系统小干扰稳定仿真方法 |
| CN102545214A (zh) * | 2012-01-13 | 2012-07-04 | 重庆大学 | 一种含电池储能设备的风电场可靠性评估方法 |
| CN103701120A (zh) * | 2013-12-23 | 2014-04-02 | 华北电力大学 | 一种含风电场的大电网可靠性的评估方法 |
| CN105429129A (zh) * | 2015-10-14 | 2016-03-23 | 中国电力科学研究院 | 一种考虑网络约束的间歇性能源发电容量置信度评估方法 |
| CN107104466A (zh) * | 2017-05-22 | 2017-08-29 | 南京工程学院 | 基于冒泡排序的风储联合发电系统储能元件优化运行方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111859812A (zh) * | 2020-07-30 | 2020-10-30 | 南方电网科学研究院有限责任公司 | 天气影响下的海上风电场及柔直并网系统可靠性评估方法 |
| CN111859812B (zh) * | 2020-07-30 | 2024-03-12 | 南方电网科学研究院有限责任公司 | 天气影响下的海上风电场及柔直并网系统可靠性评估方法 |
| CN112613179A (zh) * | 2020-12-28 | 2021-04-06 | 国网天津市电力公司电力科学研究院 | 一种输变电带电检修对电网的影响评估方法 |
| CN115021335A (zh) * | 2022-06-16 | 2022-09-06 | 西安交通大学 | 一种考虑储能和新能源的多时段鲁棒可靠性评估方法 |
| CN115021335B (zh) * | 2022-06-16 | 2024-03-26 | 西安交通大学 | 一种考虑储能和新能源的多时段鲁棒可靠性评估方法 |
| CN115510677A (zh) * | 2022-10-17 | 2022-12-23 | 华能山东发电有限公司 | 一种风电场发电能力评估方法及系统 |
| CN115510677B (zh) * | 2022-10-17 | 2024-01-09 | 华能山东发电有限公司 | 一种风电场发电能力评估方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103701120B (zh) | 一种含风电场的大电网可靠性的评估方法 | |
| Billinton et al. | Multistate wind energy conversion system models for adequacy assessment of generating systems incorporating wind energy | |
| Ramírez et al. | Placement and sizing of battery energy storage for primary frequency control in an isolated section of the Mexican power system | |
| Vargas et al. | Wind power curtailment and energy storage in transmission congestion management considering power plants ramp rates | |
| CN109217294A (zh) | 风电场大型电网安全性评估方法 | |
| Orfanos et al. | Transmission expansion planning of systems with increasing wind power integration | |
| CN107732970B (zh) | 一种新能源并网电力系统的静态安全概率评估方法 | |
| CN102831321B (zh) | 一种基于蒙特卡洛方法的风电场风险评估方法 | |
| Billinton et al. | Wind power modeling and application in generating adequacy assessment | |
| CN104156892A (zh) | 一种有源配电网电压跌落仿真与评估方法 | |
| CN103473393B (zh) | 一种考虑随机概率的输电裕度控制模型建模方法 | |
| CN102214922A (zh) | 一种电网规划方案的评估系统 | |
| CN105429129A (zh) | 一种考虑网络约束的间歇性能源发电容量置信度评估方法 | |
| Billinton | Reliability considerations in the utilization of wind energy, solar energy and energy storage in electric power systems | |
| CN103825272A (zh) | 一种基于解析法的含分散风电的配电网可靠性确定方法 | |
| CN106447218A (zh) | 基于多风电场的抽水蓄能系统的可靠性评估方法 | |
| Rossi et al. | Analysis of active power curtailment strategies for renewable distributed generation | |
| Gao et al. | Impacts of energy storage on reliability of power systems with WTGs | |
| McKenna et al. | Impact of wind curtailment and storage on the Irish power system 2020 renewable electricity targets: A free open-source electricity system balancing and market (ESBM) model | |
| CN106026111A (zh) | 一种基于概率潮流计算的新能源穿透率评估方法 | |
| Billinton et al. | Adequacy evaluation of generation systems including wind energy | |
| Wang et al. | Reliability assessment of power systems with wind power generation | |
| CN104504606A (zh) | 一种多类型电源分散并网的可信容量计算方法 | |
| Bayem et al. | Probabilistic study of the maximum penetration rate of renewable energy in an island network | |
| Li et al. | Steady security risk assessment considering uncertainties of wind power and fault in smart grid |
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: 20190115 |
|
| RJ01 | Rejection of invention patent application after publication |