CN109980668B - 一种含有ess的电力系统可靠性评估方法 - Google Patents
一种含有ess的电力系统可靠性评估方法 Download PDFInfo
- Publication number
- CN109980668B CN109980668B CN201910210866.8A CN201910210866A CN109980668B CN 109980668 B CN109980668 B CN 109980668B CN 201910210866 A CN201910210866 A CN 201910210866A CN 109980668 B CN109980668 B CN 109980668B
- Authority
- CN
- China
- Prior art keywords
- ess
- reliability
- power
- time
- power system
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 49
- 238000013486 operation strategy Methods 0.000 claims abstract description 11
- 238000004146 energy storage Methods 0.000 claims description 21
- 238000012502 risk assessment Methods 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 4
- 238000010248 power generation Methods 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010206 sensitivity analysis Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 239000010902 straw Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- 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
Abstract
本发明公开了一种含有ESS的电力系统可靠性评估方法,首先,构建电力系统的等效运行可靠性模型,所述电力系统的等效运行可靠性模型包括:发电机组可靠性模型,风电场中传统元件、风力涡轮机的输出模型和负荷模型以及ESS可靠性模型;计算得到ESS可靠性模型的调度时间表和运行策略;利用PJM法进行含有ESS的电力系统运行可靠性评估。本发明利用改进的PJM法检测ESS运行策略对电力系统运行可靠性水平的影响,能更准确地评估短中期电力系统的可靠性水平,进而对ESS调度问题提出新的规划策略,使得ESS获得最大增益,并提高系统中期可靠性水平。
Description
技术领域
本发明属于电力系统风险评估技术领域,具体涉及一种含有ESS的电力系统可靠性评估方法。
背景技术
可再生能源(尤其是风力发电)在电力系统发电领域的比重越来越大,但其间歇性和随机性对电力系统造成了负面影响。储能系统(Energy Storage Systems,ESS)已作为一个潜在的解决方案,用以减轻大规模风电接入对电力系统造成的各种不良影响。
目前常用方法多是通过利用ESS内部各单元的协调运行来减轻风电接入对利润或成本优化等的不良影响,通过随机优化,解决风电的波动性和不确定性,一定程度上减轻了系统不平衡并提高了可靠性,然而现有技术没有将运行可靠性指标纳入调度问题中,未提出一个适用于电力系统正常运行状态的框架,仅仅关注短期的电力系统可靠性,利用短期风速建模会导致风电变化预测准确度不高,同时忽视了传统发电机组变化的影响,导致电力系统效率较低,经济性差。
发明内容
为解决上述问题,本发明提出一种含有ESS的电力系统可靠性评估方法,解决了现有技术中ESS运行策略的效率低、经济性差的问题。
本发明采用如下技术方案,一种含有ESS的电力系统可靠性评估方法,具体步骤如下:
1)构建电力系统的等效运行可靠性模型,所述电力系统的等效运行可靠性模型包括:发电机组可靠性模型,风电场中传统元件、风力涡轮机的输出模型和负荷模型以及ESS可靠性模型;
2)计算得到ESS可靠性模型的调度时间表和运行策略;
3)利用PJM法进行含有ESS的电力系统运行可靠性评估。
优选地,所述步骤1)中的发电机组可靠性模型计算方法如下所示:
pi(Δt)=λi×Δt
其中,pi(Δt)和λi分别是第i个风电模型机组单元的失效概率和失效率,Δt是用于进行可靠性评估的时间。
优选地,所述步骤1)中的风电场中传统元件、风力涡轮机的输出模型构建方法为基于研究时段内风速概率分布和计算得到的初始风速,建立风电短期模型,通过风力涡轮机的功率曲线将风速转换成输出功率,得到风电场中传统元件、风力涡轮机的输出模型。
优选地,所述步骤1)中构建ESS可靠性模型的具体方法如下:
计算在前导时间内含有ESS的电力系统的子周期数:
其中,SOCt是ESS在时间t时的能量等级,PD max是供电的最大功率,dsp表示每小时中风力持续的时间;
若N≥前导时间中分成的时段的数量nsp,则所有子时段ESS储能系统对电力系统供电输出的能量用供电的最大功率计算:
若1<N<nsp,则每个时段ESS储能系统对电力系统供电输出的能量计算如下:
若N<1,ESS储能系统对电力系统供电输出的能量按如下公式计算:
优选地,所述步骤2)中计算得到ESS可靠性模型的调度时间表和运行策略具体方法如下:
通过最大化能源获益来获得ESS的调度时间表如下:
约束条件为:
SOCmin≤SOCt≤SOCmax
其中,Pt ESS是ESS储能系统在时间t时从电力系统接收的功率,若ESS向电力系统供电,则Pt ESS为负值,是时间t时能源的价格;表示向电力系统供电功率的最大值,表示从电力系统接收的功率的最大值,SOCmin和SOCmax分别表示ESS能量等级的最小值和最大值,SOCt为ESS在时间t时的能量等级,SOCt-1为ESS在时间t-1时的能量等级。
优选地,所述步骤3)中利用PJM法进行含有ESS的电力系统运行可靠性评估具体方法如下:
根据运行条件将前导时间分成多个时间段,计算得到每个时间段的可靠性指标,即部分指标,总结所有的部分指标计算得到系统的可靠性指标;
所述可靠性指标包括风电机组的可靠性风险评估UCR和期望缺供电量EENS,在一个确定的前导时间内t=T0时等效可靠性指标RIT0通过下式计算:
其中nsp是前导时间的时段的数量,RI表示风电机组的可靠性风险评估UCR或者在时间t时传统元件CU、风能WP和负荷L组成的函数;负数和正数分别表示在考虑系统情况的时间之前和之后。
发明所达到的有益效果:本发明是一种含有ESS的电力系统可靠性评估方法。本发明考虑了更多参数,包括预测的每小时负荷和即将到来的一天的风速、传统元件(CommonUtensil,CU)的故障率和修复率、风力涡轮机(Wind Turbine,WT)等,对PJM法(PowerJustified Operation Method)进行改进,利用改进的PJM法检测ESS运行策略对电力系统运行可靠性水平的影响,能更准确地评估短中期电力系统的可靠性水平,进而对ESS调度问题提出新的规划策略,使得ESS获得最大增益,并提高系统中期可靠性水平。
附图说明
图1为本发明实施例中一种可靠性评估方法的流程图;
图2为本发明实施例中运行可靠性研究中的ESS建模图;
图3为本发明实施例中ESS不同能量水平下ESS的敏感性分析图;
图4为本发明实施例中电力系统关于负荷、风电和传统元件CU的风险函数图;
图5为本发明实施例中电力系统运行情况和4部分PJM法的UCR。
具体实施方式
下面根据附图并结合实施例对本发明的技术方案作进一步阐述。
含有ESS的电力系统可靠性评估的一般步骤为:首先确定电力系统和元件运行数据,包括:预测的未来一天负荷(每小时)和未来一天的风速,传统元件(Common Utensil,CU)的故障率和修复率,风力涡轮机(Wind Turbine,WT)运行数据,电力系统运行的可靠性评估程序以及ESS所要求的其他数据,需要说明的是,所述电力系统运行的可靠性评估程序为现有技术;定义常规元件的前一天调度时间表,并应用于电力系统运行的可靠性评估程序上,所述前一天调度时间表用于控制元件的各个参数,如开机时间、关机时间等;下一步,构建可靠性模型,基于ESS可靠性模型的调度时间表和运行策略,最后得出含ESS的电力系统运行可靠性评估模型。
实施例1:
一种含有ESS的电力系统可靠性评估方法,包括以下步骤:
1)构建电力系统的等效运行可靠性模型,所述电力系统的等效运行可靠性模型包括:发电机组可靠性模型,风电场中传统元件、风力涡轮机的输出模型和负荷模型以及ESS可靠性模型;
2)计算得到ESS可靠性模型的调度时间表和运行策略;
3)利用PJM法进行含有ESS的电力系统运行可靠性评估。
实施例2
在实施例1的基础上,一种含有ESS的电力系统可靠性评估方法如图1所示,
确定未来一天系统运行状态,包括未来一天的风速,系统信息CU、WT、ESS,未来一天的负荷;系统建模,包括发电机组模型、风电场传统元件CU、风力涡轮机WT输出模型和负荷模型、ESS建模;运行可靠性评估,包括:计算ESS运行策略和ESS调度时间表、利用改进的PJM运行电力系统运行的可靠性评估程序进行电力系统可靠性评估。
作为一种较佳的实施例,常规发电机组可靠性模型,由与每个状态相关联的概率的多态模型表示,发电机组可靠性的多态模型是一个随时间变化的参数模型,发电机组可靠性模型计算方法如下所示:
pi(Δt)=λi×Δt (1)
其中,pi(Δt)和λi分别是第i个风电模型机组单元的失效概率和失效率,Δt是用于进行可靠性评估的时间。所述失效概率是指所有风电机组在某一段设定时间不能发电的概率,失效率是所有风电机组不能发电的概率。
作为一种较佳的实施例,所述步骤1)中的风电场中传统元件、风力涡轮机的输出模型构建方法为基于研究时段内风速概率分布和计算得到的初始风速,建立风电短期模型,通过风力涡轮机WT的功率曲线将风速转换成输出功率,得到风电场中传统元件、风力涡轮机的输出模型。
风电厂每一时刻的输出功率取决于风的速度,通过历史的风速数据能够获得研究时段内风速概率分布,并计算得到初始风速。
本实施例中使用了模糊c-均值聚类法,将风电概率分布划分为若干个具有合适的范围和概率的组来进行计算分析。
本实施例中计算了26台额定功率为2MW、切入风速、额定风速和切出风速分别为4m/s、12m/s和25m/s的风电机组输出功率。使用的数据来自伊朗的可再生能源组织。得到表1所示不同初始风速下风电厂的可靠性输出模型。
表1:不同初始风速下风电厂的可靠性输出模型
如表1所示,初始风速为15m/s时,最大风力发电功率期望为52MW(等于风力发电WF的额定功率),且概率达到93%,与初始风速为6m/s的情况相比,输出模型具有较少的状态。这是由于较高的初始风速下风力涡轮机WT可以转换得到更高的输出功率,从而提高风电厂的输出水平。对于初始风速为6m/s的情况,最大风力发电功率期望为50MW,概率为4%,由于较低的初始风速比较接近切入风速,故在此初始风速下输出功率较低的概率较高。
建立负荷模型,在电力系统运行阶段,对即将到来的未来一天中的每小时进行负荷预测,负荷预测中的不确定性可以用正态分布表示并且分为若干离散区间。每个区间表示一个负荷等级以及其出现的概率。
ESS作为运行储备的贡献主要取决于能量水平和最大发电功率。本实施例中假设当电力系统遇到紧急情况且不能满足预期负荷时,任何充电计划都被取消,得到ESS的可靠性模型。同时ESS将以最大功率供电,直到电力系统恢复或达到ESS的最低供电水平。当负荷的期望小于发出的功率时,系统可能会出现发电剩余的情况。在这种情况下,通过对储能单元充电,储存额外的能量来平衡发电量和负荷量。为了量化ESS在电力系统可靠性研究中作为运行储备的贡献,计算ESS在系统能量达到最小值时能提供的最大功率,如图2所示。
作为一种较佳的实施例,构建ESS可靠性模型的具体方法如下:
计算在前导时间内含有ESS的电力系统的子周期数:
其中,SOCt是ESS在时间t时的能量等级,PD max是供电的最大功率,dsp表示每小时中风力持续的时间;
若N≥前导时间中分成的时段的数量nsp,则所有子时段ESS储能系统对电力系统供电输出的能量用供电的最大功率计算:
若1<N<nsp,则每个时段ESS储能系统对电力系统供电输出的能量计算如下:
若N<1,ESS储能系统对电力系统供电输出的能量按如下公式计算:
修正负荷代入式(2)-(4)中,即可计算含ESS元件电力系统的运行可靠性。此处需要注意ESS系统的可用性,ESS同样存在失效概率。由ESS的失效率(λi)可知,ESS在前导时间t内失效的概率能够用(1)式计算。
ESS对电力系统运行可靠性水平的影响主要取决于ESS的能量水平。图3是对不同ESS能量水平下的电力系统运行可靠性的灵敏度分析图,从图中可知ESS的不同能量水平在一天中的不同时刻会大大影响电力系统的可靠性水平。以6小时为例,由图中可以看出,高能量水平可以明显减少期望缺供电量(Expected Energy Not supplied,EENs),提高系统可靠性。实际运行中ESS每小时的能量水平是由其充放电时间表来确定的,因此该充放电时间表决定了ESS对电力系统可靠性的贡献。
ESS调度时间表定义了ESS在未来一天24小时的充放电时间表,即ESS每日计划表。
作为一种较佳的实施例,所述步骤2)中计算得到ESS可靠性模型的调度时间表和运行策略具体方法如下:
约束条件为:
SOCmin≤SOCt≤SOCmax (11)
通过最大化能源获益来获得ESS的调度时间表如下:
其中,Pt ESS是ESS储能系统在时间t时从电力系统接收的功率,若ESS向电力系统供电,则Pt ESS为负值,是时间t时能源的价格;表示向电力系统供电功率的最大值,表示从电力系统接收的功率的最大值,储能荷电状态(state of charge,SOC)用来说明储能电池当前状态还有多少电,SOCmin和SOCmax分别表示ESS能量等级的最小值和最大值,SOCt为ESS在时间t时的能量等级,单位为MWh,SOCt-1为ESS在时间t-1时的能量等级。ESS在时间t-1时的能量等级SOCt-1和功率的关系如式(12)所示。考虑调度期间的能量稳定性,在最初和最后几个小时的能量水平相等,如式(13)所示。
为了研究ESS调度对可靠性贡献的影响,本实施例中考虑了可靠性约束。此约束基于与图4类似的灵敏度分析,根据ESS的不同能量等级表示系统可靠性的变化。基于这种分析,通过对期望可靠性水平和灵敏度分析曲线的交叉,获得当天每小时达到所要求的可靠性指标RIdesired,以及所需的最低能量等级SOCt limit。风电机组可靠性风险评估曲线(UCR)上的点的能量等级满足RIdesired即为最低能量等级SOCt limit。然而,由于ESS的物理上的限制,这种约束在任何时候都不适用。因此只要SOCt limit达到ESS能量等级最大值SOCmax时,会出现如下情况:
当要求的SOCt limit大于SOCmax,SOCt对SOCmax来说是有限的,这意味着ESS不能够完全提供所要求的备用。因此,为了满足系统的可靠性要求,需要更多的备用。换言之,虽然可以利用ESS来提高运行可靠性,但不能期望ESS提供所需的所有运行备用来达到期望的可靠性水平。
PJM法的定义是当一个发电单元在一段时间发生故障,并且不能替换或者修复时,评估未能满足预期需求的概率。基于这种方法,根据前一天的预测确定不同传统元件CU的可靠性。此外,PJM法假设系统在设定的时间区间内运行情况保持恒定,这意味着恒定负荷,恒定风电功率,以及各个单元保持不变。然而,在风电系统中,这些假设可能在前导时间内会有几个小时不适用。因此,为了考虑在前导时间内电力系统状态所有的变化,引入了区域风险的概念,实现风电机组的可靠性风险评估UCR。同样在负荷变化,风力发电和CUs每小时组合安排上引入了区域风险的概念。根据不同的运行条件将几小时的前导时间分成不同的时间段,每个时间段的可靠性指标,称为部分指标,通过发电单元和WFs负荷预测模型卷积获得。通过考虑前导时间,总结所有的部分指标计算得到系统的可靠性指标。这种考虑了前导时间内变化的改进PJM法叫做n部分PJM,其中n定义了前导时间内子时段的数量。图4给出了4小时前导时间风险评估程序的说明图,其中前导时间被分成4个不同的部分(4部分PJM),曲线包括负荷、风力发电和传统元件CU。从图4中可以明显地看出基本和改进的风险函数f(R)s曲线的不同。特别的这仅仅是由于系统运行状态不同而发生的风险函数变化的示意图,它并不能说明参数的确切数值。
作为一种较佳的实施例,所述步骤3)中利用PJM法进行含有ESS的电力系统运行可靠性评估具体方法如下:
根据运行条件将前导时间分成多个时间段,计算得到每个时间段的可靠性指标,即部分指标,总结所有的部分指标计算得到系统的可靠性指标;
所述可靠性指标包括风电机组的可靠性风险评估UCR和期望缺供电量EENS,部分UCR和EENS指标可以通过下式计算:
其中,PGP和PL是总发电功率GP和负荷L的状态概率,K和KL为数量。
在一个确定的前导时间内t=T0时等效可靠性指标RIT0通过下式计算:
其中nsp是前导时间的时段的数量,RI表示风电机组的可靠性风险评估UCR或者在时间t时传统元件CU、风能WP和负荷L组成的函数;负数和正数分别表示在考虑系统情况的时间之前和之后。RIt为每个时间t下的可靠性指标,其传统元件CU、风能WP和负荷L随着时间t的变化可以实时评估可靠性。下标T0为前导时间,i为一个实验区间段。
通过上述过程计算得出改进的PJM法对含有ESS电力系统的可靠性大小。
为了更好地理解本发明,验证新方法在含ESS的电力系统中对评估运行可靠性方面的能力,下面给出实验验证。
改进的PJM法应用于系统运行的可靠性评估程序,得到的结果将与一般的PJM法相比较。如表2所示,这项分析的结果是针对不同的风电份额进行的。可以在表2中看到,当无风电份额时,在前导时间内,恒定运行情况下,在基本的PJM法中是仍然有效的,三种方法的结果之间没有显著差异;
表2:基于不同的PJM法的UCR
接下来将所考虑的时段在前导时间内增加,又考虑了负载,风能和机组的变化,特别是在净负荷和机组的时变性和高份额风能占有率的情况。评估了不同运行条件下一整天的系统风险。从表中可知,随着风电份额逐渐增加,基本的PJM法得到的UCR小于2部分的PJM,也小于4部分的PJM,计算得到的改进后的PJM法可靠性更高,因此改进的PJM法优于传统的PJM法。
如图5所示,在一天的第一个小时,当风力发电和CUs的状态是恒定的,且负荷下降到它非峰值时,系统风险降低并达到最小值。随着风力发电的份额在3小时至6小时增加,负荷也增加,最后系统风险的值增加。上升到高峰负荷时间,投入的CUs的数量增加,导致风力发电的份额降低。在这种情况下,系统的运行风险显著减少,这表明改进的PJM法优于传统的PJM法。
如图5所示,由于风力发电的逐渐减少,系统风险在10至18小时区间内有上升的趋势。相反,风力发电在19到20小时内份额增加的同时,系统负荷减少导致了系统风险的减少。然而,风力发电与传统发电的比例在未来几个小时内的增加又增加了风险。
Claims (5)
1.一种含有ESS的电力系统可靠性评估方法,其特征在于,包括以下步骤:
1)构建电力系统的等效运行可靠性模型,所述电力系统的等效运行可靠性模型包括:发电机组可靠性模型,风电场中传统元件、风力涡轮机的输出模型和负荷模型以及ESS可靠性模型;
2)计算得到ESS可靠性模型的调度时间表和运行策略;
3)利用PJM法进行含有ESS的电力系统运行可靠性评估;
所述步骤1)中构建ESS可靠性模型的具体方法如下:
计算在前导时间内含有ESS的电力系统的子周期数:
其中,SOCt是ESS在时间t时的能量等级,PD max是供电的最大功率,dsp表示每小时中风力持续的时间;
若N≥前导时间中分成的时段的数量nsp,则所有子时段ESS储能系统对电力系统供电输出的能量用供电的最大功率计算:
若1<N<nsp,则每个时段ESS储能系统对电力系统供电输出的能量计算如下:
若N<1,ESS储能系统对电力系统供电输出的能量按如下公式计算:
2.根据权利要求1所述的一种含有ESS的电力系统可靠性评估方法,其特征在于,所述步骤1)中的发电机组可靠性模型计算方法如下所示:
pi(Δt)=λi×Δt
其中,pi(Δt)和λi分别是第i个风电模型机组单元的失效概率和失效率,Δt是用于进行可靠性评估的时间。
3.根据权利要求1所述的一种含有ESS的电力系统可靠性评估方法,其特征在于,所述步骤1)中的风电场中传统元件、风力涡轮机的输出模型构建方法为基于研究时段内风速概率分布和计算得到的初始风速,建立风电短期模型,通过风力涡轮机的功率曲线将风速转换成输出功率,得到风电场中传统元件、风力涡轮机的输出模型。
4.根据权利要求1所述的一种含有ESS的电力系统可靠性评估方法,其特征在于,所述步骤2)中计算得到ESS可靠性模型的调度时间表和运行策略具体方法如下:
通过最大化能源获益来获得ESS的调度时间表如下:
约束条件为:
SOCmin≤SOCt≤SOCmax
5.根据权利要求1所述的一种含有ESS的电力系统可靠性评估方法,其特征在于,所述步骤3)中利用PJM法进行含有ESS的电力系统运行可靠性评估具体方法如下:
根据运行条件将前导时间分成多个时间段,计算得到每个时间段的可靠性指标,即部分指标,总结所有的部分指标计算得到系统的可靠性指标;
所述可靠性指标包括风电机组的可靠性风险评估UCR和期望缺供电量EENS,在一个确定的前导时间内t=T0时等效可靠性指标RIT0通过下式计算:
其中nsp是前导时间的时段的数量,RI表示风电机组的可靠性风险评估UCR或者在时间t时传统元件CU、风能WP和负荷L组成的函数;负数和正数分别表示在考虑系统情况的时间之前和之后。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910210866.8A CN109980668B (zh) | 2019-03-12 | 2019-03-12 | 一种含有ess的电力系统可靠性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910210866.8A CN109980668B (zh) | 2019-03-12 | 2019-03-12 | 一种含有ess的电力系统可靠性评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109980668A CN109980668A (zh) | 2019-07-05 |
CN109980668B true CN109980668B (zh) | 2022-11-08 |
Family
ID=67079604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910210866.8A Active CN109980668B (zh) | 2019-03-12 | 2019-03-12 | 一种含有ess的电力系统可靠性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109980668B (zh) |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ES2728354T3 (es) * | 2014-06-27 | 2019-10-23 | Abb Schweiz Ag | Procedimiento y dispositivo para determinar la potencia de salida de referencia para un sistema de almacenamiento de energía en un sistema de generación de potencia eólica |
CN104077664B (zh) * | 2014-07-09 | 2017-01-25 | 东南大学 | 一种风电储能发电系统的置信容量评估方法 |
-
2019
- 2019-03-12 CN CN201910210866.8A patent/CN109980668B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109980668A (zh) | 2019-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | A two-layer model for microgrid real-time dispatch based on energy storage system charging/discharging hidden costs | |
Li et al. | A coordinated dispatch method with pumped-storage and battery-storage for compensating the variation of wind power | |
US20230231516A1 (en) | Coordinated control of renewable electric generation resource and charge storage device | |
Chakraborty et al. | PV-microgrid operational cost minimization by neural forecasting and heuristic optimization | |
CN102714417B (zh) | 太阳能发电系统及供电系统 | |
CN107248751A (zh) | 一种实现配电网负荷功率削峰填谷的储能站调度控制方法 | |
Blake et al. | Optimization of distributed energy resources in an industrial microgrid | |
CN110633854A (zh) | 一种考虑储能电池多重分段服务全生命周期优化规划方法 | |
CN107565607A (zh) | 一种基于实时电价机制的微电网多时间尺度能量调度方法 | |
CN111697578B (zh) | 多目标含储能区域电网运行控制方法 | |
CN114243795A (zh) | 一种典型充电站综合能源协同交互优化配置方法及系统 | |
CN113919717A (zh) | 面向多目标同步优化的虚拟电厂资源调度方法和装置 | |
CN115510677A (zh) | 一种风电场发电能力评估方法及系统 | |
Aluisio et al. | Hybrid energy storage system optimization for improving wind power integration | |
CN109980668B (zh) | 一种含有ess的电力系统可靠性评估方法 | |
CN104659818A (zh) | 一种正负旋转备用容量在含风电系统中的最优分配方法 | |
CN117114281A (zh) | 一种灵活资源多阶段规划方案的确定方法 | |
CN107958306B (zh) | 一种基于参考线的水电站随机优化调度方法 | |
CN114336730B (zh) | 一种考虑辅助服务优选的电力系统低碳优化调度方法 | |
Yao et al. | Determination of a dispatch strategy to maximize income for a wind turbine-BESS power station | |
CN114884101A (zh) | 一种基于自适应模型控制预测的抽水蓄能调度方法 | |
CN113255129A (zh) | 增量式配电网双层随机优化运行方法及系统 | |
CN113489066A (zh) | 计及供需不确定性的含储能电网区间供电可靠性评估方法 | |
Hosseini et al. | Probabilistic unit commitment with wind farms considerations | |
CN111181158A (zh) | 一种基于人工神经网络的风电场经济调度方法 |
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 |