CN109993445A - 一种考虑光伏预测误差的综合能源系统脆弱性评估方法 - Google Patents
一种考虑光伏预测误差的综合能源系统脆弱性评估方法 Download PDFInfo
- Publication number
- CN109993445A CN109993445A CN201910271051.0A CN201910271051A CN109993445A CN 109993445 A CN109993445 A CN 109993445A CN 201910271051 A CN201910271051 A CN 201910271051A CN 109993445 A CN109993445 A CN 109993445A
- Authority
- CN
- China
- Prior art keywords
- prediction error
- energy system
- integrated energy
- photovoltaic
- equipment
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000010248 power generation Methods 0.000 claims abstract description 44
- 230000001186 cumulative effect Effects 0.000 claims abstract description 13
- 238000005315 distribution function Methods 0.000 claims abstract description 13
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 7
- 239000007789 gas Substances 0.000 claims description 21
- 238000005057 refrigeration Methods 0.000 claims description 19
- 238000004378 air conditioning Methods 0.000 claims description 16
- 238000005070 sampling Methods 0.000 claims description 11
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 6
- 230000005611 electricity Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000003345 natural gas Substances 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims 1
- 240000002853 Nelumbo nucifera Species 0.000 claims 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims 1
- 230000004888 barrier function Effects 0.000 claims 1
- 238000002485 combustion reaction Methods 0.000 claims 1
- 230000002596 correlated effect Effects 0.000 claims 1
- 238000002360 preparation method Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000012423 maintenance Methods 0.000 abstract description 5
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 239000000567 combustion gas Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012038 vulnerability analysis Methods 0.000 description 1
Classifications
-
- 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
-
- 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
-
- 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
-
- 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
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
-
- 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)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Power Engineering (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种考虑光伏预测误差的综合能源系统脆弱性评估方法，属于电力系统与新能源技术领域。所述方法包括以下步骤：获取综合能源系统的设备和负荷数据；构建设备运行状态及负荷需求和光伏发电预测误差的累积分布函数；利用蒙特卡洛模拟对设备是否故障和预测误差大小进行采样；计算综合能源系统的脆弱性指标；判断脆弱性指标收敛精度。用于评估综合能源系统运行时一旦发生风险所造成结果的严重程度，帮助综合能源系统的调度与维护人员合理分析系统运行状态并及时发现脆弱环节进行重点关注，实现综合能源系统的精准运维。
Description
技术领域
本发明涉及电力系统与新能源技术领域，具体是一种考虑光伏预测误差的综合能源系统脆弱性评估方法。
背景技术
随着经济、社会的不断发展，对能源的需求迅速增长。煤、石油等化石燃料储量有限，能源问题日渐紧迫。这些问题迫使研究人员寻找一种更加高效、可持续的能源利用方式。同时，伴随着分布式发电技术、微电网技术的发展，以电能作为能量传输和利用枢纽的综合能源系统架构被研究人员提出，并作为能量梯级利用、综合利用、清洁利用的方式展开相关研究和应用。发电厂与用户构成的热电联产系统作为最基本综合能源系统，已广泛应用于北方冬季的供暖和供电需求。燃气轮机、光伏发电、压缩机、锅炉、集热热泵等设备的加入与一体化设计，使得气-电、光-电、电-冷、电-热、热-电之间的转化更为灵活；系统内能量的梯级利用使得能源利用效率得到提高。综合能源系统作为能源和环境问题的解决手段之一，已得到世界范围内的普遍认可。
但相比于传统的电力系统，综合能源系统存在冷、热、电、气多种能源形式，设备多、技术杂、能量转化过程复杂多样，管理起来更为困难，一种能源供给出现问题往往会牵扯到其他能源的供给。而对于存在分布式光伏发电的综合能源系统，光伏发电的间歇性与不确定性更成为了综合能源系统供能环节的一大风险因素。因此，对综合能源系统运行风险的预判尤为重要，合理开展综合能源系统的脆弱性分析对降低系统运行风险、提高供能可靠性具有实际意义。
发明内容
本发明的目的是提供一种综合能源系统脆弱性评估的方法，用于评估综合能源系统运行时一旦发生风险所造成结果的严重程度，帮助综合能源系统的调度与维护人员合理分析系统运行状态并及时发现脆弱环节进行重点关注，实现综合能源系统的精准运维。
一种考虑光伏预测误差的综合能源系统脆弱性评估方法，具体包含以下步骤：
步骤1、获取综合能源系统的设备数据和负荷数据，根据所获取的设备数据和负荷数据构建综合能源系统功率交换模型，所述综合能源系统功率交换模型用于计算电负荷需求Le、热负荷需求Lh和冷负荷需求量Lc；
步骤2、构建设备运行状态及负荷需求和光伏发电预测误差的累积分布函数，其中设备运行状态的概率服从均匀分布，负荷需求和光伏发电预测误差发生的概率服从高斯分布；
步骤3、利用蒙特卡洛模拟，基于步骤2所得累积分布函数对设备运行状态和预测误差大小进行随机抽样，获得各设备采样后新的设备运行状态、以及考虑预测误差后新的负荷需求量电负荷需求热负荷需求冷负荷需求和光伏发电量
步骤4、计算步骤3中蒙特卡洛模拟后考虑光伏预测误差和设备运行状态的实际供给量根据考虑预测误差后新的负荷需求量以及考虑光伏预测误差和设备运行状态的实际供给量计算电负荷损失值ΔLe、热负荷损失值ΔLh、冷负荷损失值ΔL；
步骤5、重复步骤2-4多次得到三组数据，分别计算三组数据的均值和方差得到能源系统脆弱性指标的收敛精度，在收敛精度满足预设条件时输出能源系统脆弱性评估的最终结果，即电负荷、热负荷和冷负荷损失值。
进一步的，所述步骤1中，所述设备数据包括能量分配系数v、设备运行状态S、设备效率η和设备数量N，所述负荷数据包括能量供给量P、能量需求量L。
进一步的，所述步骤1构建的综合能源系统功率交换模型可用下式进行描述：
式中，Le、Lh、Lc分别表示电负荷需求、热负荷需求和冷负荷需求量；vDN表示从配电网传输至综合能源系统中电能用以供给电负荷需求的分配系数，表示第i台光伏发电设备产生的电能用以供给电负荷需求的分配系数，表示第j台燃气轮机产生的电能用以供给电负荷需求的分配系数；SDN表示配电网运行状态，表示第i台光伏发电设备的运行状态，表示第j台燃气轮机的运行状态，表示第k台中央空调的运行状态，数值0表示故障，1表示正常运行；和分别表示第j台燃气轮机的气-电转化效率和气-热转化效率；表示第k台中央空调的电制冷效率；表示配电网传输至综合能源系统的电能总量，表示第i台光伏发电设备所发电能总量，Pj,g表示天然气网传输至第j台燃气轮机所包含的能量大小。
进一步的，所述步骤2中，对于任意设备的运行状态，其均匀分布的累积分布函数均满足：
对于任意负荷和光伏发电量预测误差的累积分布函数均满足：
式中，预测误差的均值μ、方差σ通过统计预测误差，利用距估计或点估计法得到。
进一步的，所述步骤3中，采样后通过下式计算各设备采样后新的运行状态：
式中，表示第i台光伏发电设备新的运行状态，表示第j台燃气轮机新的运行状态，表示第k台中央空调新的运行状态；和分别表示光伏发电设备、燃气轮机、中央空调发生故障的概率。
进一步的，所述步骤3中，考虑预测误差后，新的负荷需求量和光伏发电量变为：
式中，为第i台光伏发电设备发电量的预测值，和分别为第i台光伏发电设备发电量预测误差的均值和方差；Le,f为电负荷需求的预测值，μL和σL分别为电负荷需求预测误差的均值和方差；其他L、μ、σ下标h和c同理表示为热负荷、冷负荷需求的相关变量。
进一步的，所述步骤4具体为：
将步骤3中求得的考虑预测误差后新的光伏发电量光伏发电设备、燃气轮机、中央空调采样后新的运行状态和代入下式计算得出考虑光伏预测误差和设备运行状态的实际供给量
其次，根据考虑预测误差后新的负荷需求量以及考虑光伏预测误差和设备运行状态的实际供给量计算电负荷损失值ΔLe、热负荷损失值ΔLh、冷负荷损失值ΔLc：
进一步的，所述步骤5中具体为：
重复步骤2至步骤4共m次，m为大于等于3的自然数，得到三组数据：
分别计算三组数据的均值μe、μh、μc和方差σe、σh、σc，代入下式计算脆弱性指标的收敛精度θ：
进一步的，所述预设条件为：脆弱性指标的收敛精度θ<0.03。
本发明具有的有益的效果是：能够以具体数值的形式展示综合能源系统的脆弱性大小，并能分别展示电、冷、热子系统的脆弱性大小，同时考虑了负荷预测误差和光伏发电预测误差对评估结果的影响，相比于没有考虑预测误差的方法，本方法的评估结果更能反映系统运行的实际情况，帮助运维人员更好的安排设备维护。
附图说明
图1本发明考虑光伏预测误差的综合能源系统脆弱性评估方法的流程图；
图2是综合能源系统架构图。
具体实施方式
下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述。
下面将结合附图，对本发明实施例中的技术方案进行清楚、完整地描述。
综合能源系统如图1所示，结合附图2进行说明，一种考虑光伏预测误差的综合能源系统脆弱性评估方法包括以下步骤：
步骤1.获取综合能源系统的设备和负荷数据，根据所获取的设备和负荷数据构建综合能源系统功率交换模型，所述综合能源系统功率交换模型用于计算电负荷需求Le、热负荷需求Lh和冷负荷需求量Lc，其可用于步骤4中负荷损失指标的计算。需要获取的具体数据包括设备数据：能量分配系数v，设备运行状态S，设备效率η和设备数量N，以及负荷数据：能量供给量P，能量需求量L，这些数据可以通过读取计量表、设备铭牌和综合能源系统的控制中心得到。所构建的综合能源系统功率交换模型可用下式进行描述：
式中，Le、Lh、Lc分别表示电负荷需求、热负荷需求和冷负荷需求量；vDN表示从配电网传输至综合能源系统中电能用以供给电负荷需求的分配系数，表示第i台光伏发电设备产生的电能用以供给电负荷需求的分配系数，表示第j台燃气轮机产生的电能用以供给电负荷需求的分配系数；SDN表示配电网运行状态，表示第i台光伏发电设备的运行状态，表示第j台燃气轮机的运行状态，表示第k台中央空调的运行状态，数值0表示故障，1表示正常运行；和分别表示第j台燃气轮机的气-电转化效率和气-热转化效率；表示第k台中央空调的电制冷效率；表示配电网传输至综合能源系统的电能总量，表示第i台光伏发电设备所发电能总量，Pg表示天然气网传输至综合能源系统所包含的能量大小。
步骤2.构建设备运行状态及负荷需求和光伏发电预测误差的累积分布函数，其中光伏发电设备、燃气轮机、中央空调发生故障的概率服从均匀分布；负荷需求和光伏发电预测误差发生的概率服从高斯分布。
对于任意设备的运行状态，其均匀分布的累积分布函数均满足：
对于任意负荷和光伏发电量预测误差的累积分布函数均满足：
式中，预测误差的均值μ、方差σ通过统计预测误差，利用距估计或点估计法易于得到。
步骤3.利用蒙特卡洛模拟，基于步骤2所得累积分布函数对设备运行状态(例如是否发生故障)和预测误差大小进行随机抽样，获得设备运行状态、以及负荷需求和光伏发电量的预测误差。
采样后，可通过下式计算各设备采样后新的运行状态，区别于步骤1中的运行状态变量，新的运行状态变量加入了上标“’”作为区别。由于我国城市配电网供电可靠率高达99.9％，配电网完全故障至无法提供电能的概率可以忽略不计，因此令步骤1中的SDN恒等于1。
式中，表示第i台光伏发电设备新的运行状态，表示第j台燃气轮机新的运行状态，表示第k台中央空调新的运行状态；和分别表示光伏发电设备、燃气轮机、中央空调发生故障的概率。
考虑预测误差后，新的负荷需求量和光伏发电量变为：
式中，为第i台光伏发电设备发电量的预测值，和分别为第i台光伏发电设备发电量预测误差的均值和方差；Le,f为电负荷需求的预测值，μL和σL分别为电负荷需求预测误差的均值和方差；其他L、μ、σ下标h和c同理表示为热负荷、冷负荷需求的相关变量。
步骤4.计算综合能源系统的脆弱性指标，具体指标包括：电负荷损失指标、热负荷损失指标、冷负荷损失指标。
首先需要计算步骤3中蒙特卡洛模拟后考虑光伏预测误差和设备运行状态(有无故障)的实际供给量，具体的，将步骤3中求得的考虑预测误差后新的光伏发电量光伏发电设备、燃气轮机、中央空调采样后新的设备运行状态和代入下式计算得出考虑光伏预测误差和设备运行状态(有无故障)的实际供给量
其次，根据考虑预测误差后新的负荷需求量以及考虑光伏预测误差和设备运行状态(有无故障)的实际供给量 计算电负荷损失值ΔLe、热负荷损失值ΔLh、冷负荷损失值ΔLc：
步骤5.重复步骤2至步骤4共m次，得到三组数据：
分别计算三组数据的均值μe、μh、μc和方差σe、σh、σc，代入下式计算收敛精度：
若脆弱性指标的收敛精度满足预设条件(例如θ<0.03)，则输出最后一次指标结果，即脆弱性评估的最终结果为电负荷、热负荷和冷负荷损失值分别为μe、μh和μc；反之，则重复步骤5直到获得到一组收敛精度满足预设条件(例如θ<0.03)的值，由此可得到三组脆弱性评估值。
经过以上步骤即完成了考虑光伏预测误差的综合能源系统脆弱性评估方法，损失值越大，则系统越脆弱，对于脆弱性高的电、冷、热部分需要设备运行维护人员格外关注。
应当理解的是，本说明书未详细阐述的部分均属于现有技术。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何属于本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。
Claims (9)
1.一种考虑光伏预测误差的综合能源系统脆弱性评估方法，其特征在于包括以下步骤：
步骤1、获取综合能源系统的设备数据和负荷数据，根据所获取的设备数据和负荷数据构建综合能源系统功率交换模型，所述综合能源系统功率交换模型用于计算电负荷需求Le、热负荷需求Lh和冷负荷需求量Lc；
步骤2、构建设备运行状态及负荷需求和光伏发电预测误差的累积分布函数，其中设备运行状态的概率服从均匀分布，负荷需求和光伏发电预测误差发生的概率服从高斯分布；
步骤3、利用蒙特卡洛模拟，基于步骤2所得累积分布函数对设备运行状态和预测误差大小进行随机抽样，获得各设备采样后新的设备运行状态、以及考虑预测误差后新的负荷需求量电负荷需求热负荷需求冷负荷需求和光伏发电量
步骤4、计算步骤3中蒙特卡洛模拟后考虑光伏预测误差和设备运行状态的实际供给量根据考虑预测误差后新的负荷需求量以及考虑光伏预测误差和设备运行状态的实际供给量计算电负荷损失值ΔLe、热负荷损失值ΔLh、冷负荷损失值ΔL；
步骤5、重复步骤2-4多次得到三组数据，分别计算三组数据的均值和方差得到能源系统脆弱性指标的收敛精度，在收敛精度满足预设条件时输出能源系统脆弱性评估的最终结果，即电负荷、热负荷和冷负荷损失值。
2.如权利要求1所述的考虑光伏预测误差的综合能源系统脆弱性评估方法，其特征在于：所述步骤1中，所述设备数据包括能量分配系数v、设备运行状态S、设备效率η和设备数量N，所述负荷数据包括能量供给量P、能量需求量L。
3.如权利要求1所述的考虑光伏预测误差的综合能源系统脆弱性评估方法，其特征在于：所述步骤1构建的综合能源系统功率交换模型可用下式进行描述：
式中，Le、Lh、Lc分别表示电负荷需求、热负荷需求和冷负荷需求量；vDN表示从配电网传输至综合能源系统中电能用以供给电负荷需求的分配系数，表示第i台光伏发电设备产生的电能用以供给电负荷需求的分配系数，表示第j台燃气轮机产生的电能用以供给电负荷需求的分配系数；SDN表示配电网运行状态，表示第i台光伏发电设备的运行状态，表示第j台燃气轮机的运行状态，表示第k台中央空调的运行状态，数值0表示故障，1表示正常运行；和 分别表示第j台燃气轮机的气-电转化效率和气-热转化效率；表示第k台中央空调的电制冷效率；表示配电网传输至综合能源系统的电能总量，表示第i台光伏发电设备所发电能总量，Pj,g表示天然气网传输至第j台燃气轮机所包含的能量大小。
4.如权利要求1所述的考虑光伏预测误差的综合能源系统脆弱性评估方法，其特征在于：所述步骤2中，对于任意设备的运行状态，其均匀分布的累积分布函数均满足：
对于任意负荷和光伏发电量预测误差的累积分布函数均满足：
式中，预测误差的均值μ、方差σ通过统计预测误差，利用距估计或点估计法得到。
5.如权利要求1所述的考虑光伏预测误差的综合能源系统脆弱性评估方法，其特征在于：所述步骤3中，采样后通过下式计算各设备采样后新的运行状态：
式中，表示第i台光伏发电设备新的运行状态，表示第j台燃气轮机新的运行状态，表示第k台中央空调新的运行状态； 和分别表示光伏发电设备、燃气轮机、中央空调发生故障的概率。
6.如权利要求1所述的考虑光伏预测误差的综合能源系统脆弱性评估方法，其特征在于：所述步骤3中，考虑预测误差后，新的负荷需求量和光伏发电量变为：
式中，为第i台光伏发电设备发电量的预测值，和分别为第i台光伏发电设备发电量预测误差的均值和方差；Le,f为电负荷需求的预测值，μL和σL分别为电负荷需求预测误差的均值和方差；其他L、μ、σ下标h和c同理表示为热负荷、冷负荷需求的相关变量。
7.如权利要求1所述的考虑光伏预测误差的综合能源系统脆弱性评估方法，其特征在于：所述步骤4具体为：
将步骤3中求得的考虑预测误差后新的光伏发电量光伏发电设备、燃气轮机、中央空调采样后新的运行状态和代入下式计算得出考虑光伏预测误差和设备运行状态的实际供给量
其次，根据考虑预测误差后新的负荷需求量以及考虑光伏预测误差和设备运行状态的实际供给量计算电负荷损失值ΔLe、热负荷损失值ΔLh、冷负荷损失值ΔLc：
8.如权利要求1所述的考虑光伏预测误差的综合能源系统脆弱性评估方法，其特征在于：所述步骤5中具体为：
重复步骤2至步骤4共m次，m为大于等于3的自然数，得到三组数据：
分别计算三组数据的均值μe、μh、μc和方差σe、σh、σc，代入下式计算脆弱性指标的收敛精度θ：
9.如权利要求1或8所述的考虑光伏预测误差的综合能源系统脆弱性评估方法，其特征在于：所述预设条件为：脆弱性指标的收敛精度θ<0.03。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910271051.0A CN109993445B (zh) | 2019-04-04 | 2019-04-04 | 一种考虑光伏预测误差的综合能源系统脆弱性评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910271051.0A CN109993445B (zh) | 2019-04-04 | 2019-04-04 | 一种考虑光伏预测误差的综合能源系统脆弱性评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109993445A true CN109993445A (zh) | 2019-07-09 |
| CN109993445B CN109993445B (zh) | 2021-07-30 |
Family
ID=67132413
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910271051.0A Active CN109993445B (zh) | 2019-04-04 | 2019-04-04 | 一种考虑光伏预测误差的综合能源系统脆弱性评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109993445B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109494816A (zh) * | 2018-12-28 | 2019-03-19 | 清华-伯克利深圳学院筹备办公室 | 电-热耦合的多能流系统的风险评估方法和装置 |
| CN110705866A (zh) * | 2019-09-27 | 2020-01-17 | 新奥数能科技有限公司 | 评估综合能源系统能源生产设备配置与负荷匹配度的方法 |
| CN110852631A (zh) * | 2019-11-14 | 2020-02-28 | 沈阳工业大学 | 基于负荷预测误差的多能源系统储能容量指标计算方法 |
| CN111857066A (zh) * | 2020-06-08 | 2020-10-30 | 北京燃气能源发展有限公司 | 区域性能源集中管控优化方法 |
| CN113077175A (zh) * | 2021-04-21 | 2021-07-06 | 广东电网有限责任公司 | 一种综合能源系统运行状态评估方法 |
| CN113420937A (zh) * | 2021-07-05 | 2021-09-21 | 山西大学 | 一种考虑输送路径脆弱性的综合能源切换方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107732970A (zh) * | 2017-11-10 | 2018-02-23 | 国网甘肃省电力公司经济技术研究院 | 一种新能源并网电力系统的静态安全概率评估方法 |
| CN107730129A (zh) * | 2017-10-24 | 2018-02-23 | 重庆大学 | 考虑光热热电联产与电锅炉的电‑气‑热互联系统风险评估方法 |
| CN108446865A (zh) * | 2018-04-17 | 2018-08-24 | 北京清大高科系统控制有限公司 | 基于区间方法的热-电耦合多能流系统功率风险评估方法 |
| CN108494021A (zh) * | 2018-04-20 | 2018-09-04 | 东北大学 | 电-热-气综合能源系统的稳定评估与静态控制方法 |
| CN108898287A (zh) * | 2018-06-11 | 2018-11-27 | 国网江西省电力有限公司电力科学研究院 | 大规模光伏并网的配电网运行风险评估方法 |
| CN109064062A (zh) * | 2018-09-11 | 2018-12-21 | 浙江大学 | 一种考虑多能耦合交互的用户侧综合能源系统运行风险评估方法 |
| CN109102132A (zh) * | 2017-06-20 | 2018-12-28 | 中国电力科学研究院 | 一种基于概率论的微电网脆弱性评估方法及装置 |
-
2019
- 2019-04-04 CN CN201910271051.0A patent/CN109993445B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109102132A (zh) * | 2017-06-20 | 2018-12-28 | 中国电力科学研究院 | 一种基于概率论的微电网脆弱性评估方法及装置 |
| CN107730129A (zh) * | 2017-10-24 | 2018-02-23 | 重庆大学 | 考虑光热热电联产与电锅炉的电‑气‑热互联系统风险评估方法 |
| CN107732970A (zh) * | 2017-11-10 | 2018-02-23 | 国网甘肃省电力公司经济技术研究院 | 一种新能源并网电力系统的静态安全概率评估方法 |
| CN108446865A (zh) * | 2018-04-17 | 2018-08-24 | 北京清大高科系统控制有限公司 | 基于区间方法的热-电耦合多能流系统功率风险评估方法 |
| CN108494021A (zh) * | 2018-04-20 | 2018-09-04 | 东北大学 | 电-热-气综合能源系统的稳定评估与静态控制方法 |
| CN108898287A (zh) * | 2018-06-11 | 2018-11-27 | 国网江西省电力有限公司电力科学研究院 | 大规模光伏并网的配电网运行风险评估方法 |
| CN109064062A (zh) * | 2018-09-11 | 2018-12-21 | 浙江大学 | 一种考虑多能耦合交互的用户侧综合能源系统运行风险评估方法 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109494816A (zh) * | 2018-12-28 | 2019-03-19 | 清华-伯克利深圳学院筹备办公室 | 电-热耦合的多能流系统的风险评估方法和装置 |
| CN109494816B (zh) * | 2018-12-28 | 2020-07-31 | 清华-伯克利深圳学院筹备办公室 | 电-热耦合的多能流系统的风险评估方法和装置 |
| CN110705866A (zh) * | 2019-09-27 | 2020-01-17 | 新奥数能科技有限公司 | 评估综合能源系统能源生产设备配置与负荷匹配度的方法 |
| CN110705866B (zh) * | 2019-09-27 | 2022-04-29 | 新奥数能科技有限公司 | 评估综合能源系统能源生产设备配置与负荷匹配度的方法 |
| CN110852631A (zh) * | 2019-11-14 | 2020-02-28 | 沈阳工业大学 | 基于负荷预测误差的多能源系统储能容量指标计算方法 |
| CN110852631B (zh) * | 2019-11-14 | 2022-05-24 | 沈阳工业大学 | 基于负荷预测误差的多能源系统储能容量指标计算方法 |
| CN111857066A (zh) * | 2020-06-08 | 2020-10-30 | 北京燃气能源发展有限公司 | 区域性能源集中管控优化方法 |
| CN113077175A (zh) * | 2021-04-21 | 2021-07-06 | 广东电网有限责任公司 | 一种综合能源系统运行状态评估方法 |
| CN113420937A (zh) * | 2021-07-05 | 2021-09-21 | 山西大学 | 一种考虑输送路径脆弱性的综合能源切换方法及系统 |
| CN113420937B (zh) * | 2021-07-05 | 2022-12-30 | 山西大学 | 一种考虑输送路径脆弱性的综合能源切换方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109993445B (zh) | 2021-07-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109993445A (zh) | 一种考虑光伏预测误差的综合能源系统脆弱性评估方法 | |
| Sawle et al. | PV-wind hybrid system: A review with case study | |
| Massrur et al. | Investigation of carrier demand response uncertainty on energy flow of renewable-based integrated electricity–gas–heat systems | |
| AlRafea et al. | Integration of renewable energy sources into combined cycle power plants through electrolysis generated hydrogen in a new designed energy hub | |
| Yan et al. | Flexibility improvement and stochastic multi-scenario hybrid optimization for an integrated energy system with high-proportion renewable energy | |
| Stephen et al. | A copula model of wind turbine performance | |
| Jin et al. | Multicriteria planning for distributed wind generation under strategic maintenance | |
| Faraji et al. | Optimal probabilistic scenario‐based operation and scheduling of prosumer microgrids considering uncertainties of renewable energy sources | |
| Hakimi et al. | Optimal sizing of renewable energy systems in a Microgrid considering electricity market interaction and reliability analysis | |
| Wu et al. | Impact of generation flexibility on the operating costs of the Taiwan power system under a high penetration of renewable power | |
| Noorollahi et al. | A scenario-based approach for optimal operation of energy hub under different schemes and structures | |
| CN114240011A (zh) | 一种综合能源系统多能流可靠性评估方法 | |
| Ameli et al. | Economical load distribution in power networks that include hybrid solar power plants | |
| Ahmad et al. | Efficient energy planning with decomposition-based evolutionary neural networks | |
| CN113158547B (zh) | 计及经济性和可靠性的区域综合能源系统优化配置方法 | |
| Chen et al. | A compressor off-line washing schedule optimization method with a LSTM deep learning model predicting the fouling trend | |
| CN109409609A (zh) | 综合能源系统多能流供需平衡的概率约束建模方法和装置 | |
| Guo et al. | A thermal response time ahead energy demand prediction strategy for building heating system using machine learning methods | |
| Wang et al. | Numerical and ensemble machine learning-based investigation of the energy and exergy yields of a concentrating photovoltaic thermal device equipped with a perforated twisted tube turbulator | |
| CN112670997B (zh) | 考虑光伏不确定性的电热能源系统时序概率潮流计算方法 | |
| CN112734451B (zh) | 一种基于非合作博弈的农业大棚多能源系统和优化方法 | |
| CN114037272A (zh) | 一种区域综合能源系统的能效评估方法 | |
| Shirsath et al. | A review of wind station data modeling for wind turbine reliability enhancement to optimize wind energy considering turbine design | |
| Prakash et al. | Modelling and Analysis of Solar and Wind System Adequacy Assessment and Cost Optimization. | |
| CN112365134A (zh) | 一种基于点估计法概率多能流的能源网络随机规划方法 |
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 |