CN111082424A - 一种综合能源及微电网系统可靠性预测方法及装置 - Google Patents
一种综合能源及微电网系统可靠性预测方法及装置 Download PDFInfo
- Publication number
- CN111082424A CN111082424A CN202010006168.9A CN202010006168A CN111082424A CN 111082424 A CN111082424 A CN 111082424A CN 202010006168 A CN202010006168 A CN 202010006168A CN 111082424 A CN111082424 A CN 111082424A
- Authority
- CN
- China
- Prior art keywords
- output power
- reliability
- micro
- power
- energy storage
- 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 45
- 238000004088 simulation Methods 0.000 claims abstract description 48
- 230000001105 regulatory effect Effects 0.000 claims abstract description 7
- 238000004146 energy storage Methods 0.000 claims description 101
- 230000008439 repair process Effects 0.000 claims description 12
- 230000009467 reduction Effects 0.000 claims description 10
- 238000011217 control strategy Methods 0.000 claims description 6
- 230000001276 controlling effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003121 nonmonotonic effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 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
-
- 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
- H02J3/24—Arrangements for preventing or reducing oscillations of power in 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
- H02J3/38—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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种综合能源及微电网系统可靠性预测方法及装置,包括:建立多态不确定条件的可靠性仿真模型;运行所述可靠性仿真模型,得到运行数据;根据所述运行数据,对微电网系统的可靠性指标进行统计,得到可靠性指标结果;根据所述运行数据和可靠性指标结果,对微电网系统进行能量调控。本发明能够根据多态不确定条件的仿真模型的运行数据评估微电网系统的可靠性,并对微电网系统进行能量调控,以保证微电网系统的可靠性。
Description
技术领域
本发明涉及微电网技术领域,尤其涉及一种综合能源及微电网系统可靠性预测方法及装置。
背景技术
微电网与常规电力系统相比,分布式电源、负荷等构成要素呈更强的随机性、波动性和间歇性,储能装置、需求响应等是影响微电网的功率和能量的关键调控因素,微电网与常规电力系统的可靠性预测及协调控制存在显著不同。如何综合电源、负荷、储能装置等多态不确定条件,准确预测并调控微电网运行状态,是保证微电网可靠、经济运行的关键。
发明内容
有鉴于此,本发明的目的在于提出一种综合能源及微电网系统可靠性预测方法及装置,能够综合多态不确定条件对微电网的可靠性进行准确的预测与调控。
基于上述目的,本发明提供了一种综合能源及微电网系统可靠性预测方法,所述微电网系统包括电源、储能装置,所述电源包括光伏、微型燃气轮机,方法包括:
建立多态不确定条件的可靠性仿真模型;
运行所述可靠性仿真模型,得到运行数据;
根据所述运行数据,对微电网系统的可靠性指标进行统计,得到可靠性指标结果;
根据所述运行数据和可靠性指标结果,对微电网系统进行能量调控。
可选的,所述可靠性仿真模型包括设备寿命时序仿真模型、光伏输出功率模型、负荷模型、储能装置充放电模型。
可选的,所述根据所述运行数据和可靠性指标结果,对微电网系统进行能量调控,包括:
根据所述运行数据和可靠性指标,确定功率调度与负荷削减的调控策略。
可选的,所述功率调度与负荷削减的调控策略,包括:
若负荷功率小于光伏最大输出功率,则优先利用光伏输出功率消纳负荷功率,并利用冗余的光伏输出功率为储能装置充电;
若负荷功率大于光伏最大输出功率,负荷功率小于光伏最大输出功率与微型燃气轮机最大输出功率的联合输出功率,则全部消纳所述光伏最大输出功率,并利用冗余的联合输出功率为储能装置充电;
若负荷功率大于光伏最大输出功率与微型燃气轮机最大输出功率的联合输出功率,负荷功率小于光伏最大输出功率、微型燃气轮机最大输出功率与储能装置最大输出功率的联合输出功率,则全部消纳光伏最大输出功率和微型燃气轮机最大输出功率,储能装置放电;
若负荷功率大于光伏最大输出功率、微型燃气轮机最大输出功率与储能装置最大输出功率的联合输出功率,全部消纳光伏、微型燃气轮机和储能装置的最大输出功率,削减负荷以满足功率平衡。
可选的,所述根据所述运行数据和可靠性指标结果,对微电网系统进行能量调控,包括:
根据所述运行数据和可靠性指标结果,对微电网系统的储能装置的容量配置进行调控。
可选的,根据所述运行数据和可靠性指标结果,对微电网系统的储能装置的容量配置进行调控,包括:
根据所述运行数据计算确定储能装置的目标输出功率;
基于所述目标输出功率,调整储能装置的容量,计算不同容量条件下的可靠性指标;
根据满足可靠性条件的目标可靠性指标,确定储能装置的目标容量。
可选的,所述目标输出功率根据储能装置的功率饱和区和容量饱和区确定。
可选的,运行所述可靠性仿真模型,得到运行数据,包括:
根据微电网系统中各设备的故障率确定各设备的无故障时间;
根据各设备的修复率确定各设备的修复时间;
根据所述无故障时间和修复时间,确定仿真时间段之内所有设备处于运行状态的持续时间;
根据所有设备处于运行状态的持续时间,确定微电网系统处于运行状态的持续时间;
根据微电网系统处于运行状态的持续时间,确定运行数据。
可选的,所述可靠性指标包括频率和持续时间指标与概率性指标,所述频率和持续时间指标包括CAIDI指标与SAIFI指标,所述概率性指标包括LOLP指标、SAIDI指标与ASAI指标。
本发明实施例还提供一种综合能源及微电网系统可靠性预测装置,包括:
模型建立模块,用于建立多态不确定条件的可靠性仿真模型;
模型运行模块,用于运行所述可靠性仿真模型,得到运行数据;
统计模块,用于根据所述运行数据,对微电网系统的可靠性指标进行统计,得到可靠性指标结果;
调控模块,用于根据所述运行数据和可靠性指标结果,对微电网系统进行能量调控。
从上面所述可以看出,本发明提供的综合能源及微电网系统可靠性预测方法及装置,建立多态不确定条件的可靠性仿真模型;运行可靠性仿真模型,得到运行数据;根据运行数据,对微电网系统的可靠性指标进行统计,得到可靠性指标结果;根据运行数据和可靠性指标结果,对微电网系统进行能量调控。本发明能够根据多态不确定条件的仿真模型的运行数据评估微电网系统的可靠性,并对微电网系统进行能量调控,以保证微电网系统的可靠性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例的方法流程示意图;
图2为本发明实施例的仿真模型运行与评估流程示意图;
图3为本发明实施例的光伏输出功率模型仿真示意图;
图4A-4D分别为本发明实施例的四种功率调度与负荷削减调控策略示意图;
图5为本发明实施例的微电网架构示意图;
图6为本发明实施例的LOLP指标的变化示意图;
图7为本发明实施例的CAIDI指标的变化示意图;
图8为本发明实施例的SAIFI指标的变化示意图;
图9为本发明实施例的SAIDI指标的变化示意图;
图10为本发明实施例的ASAI指标的变化示意图;
图11为本发明实施例的储能装置不同容量、功率与LOLP指标的变化关系示意图;
图12为本发明实施例的储能装置的目标输出功率下的容量与LOLP指标的变化关系示意图;
图13为本发明实施例的装置结构框图;
图14为本发明实施例的电子设备的结构框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。
需要说明的是,除非另外定义,本发明实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
图1为本发明实施例的方法流程示意图。如图所示,本发明实施例提供的综合能源及微电网系统可靠性预测方法,包括:
S101:建立多态不确定条件的可靠性仿真模型;
S102:运行可靠性仿真模型,得到运行数据;
S103:根据运行数据,对微电网系统的可靠性指标进行统计,得到可靠性指标结果;
S104:根据运行数据和可靠性指标结果,对微电网系统进行能量调控。
本实施例中,通过建立包含多态不确定条件的可靠性仿真模型,运行可靠性仿真模型,运行可靠性仿真模型过程中得到运行数据,根据运行数据对微电网系统的可靠性指标进行统计,得到可靠性指标结果,并根据运行数据和可靠性指标结果对微电网系统进行能量调控,能够根据仿真模型的运行数据评估微电网系统的可靠性,并对微电网系统进行能量调控,以保证微电网系统的可靠性。
微电网系统是一种规模较小且比较分散的电力系统,可以在某一区域内独立运行为该区域供电(离网型微电网),或是并入大型电网为特定区域供电(并网型微电网);微电网系统主要包括分布式电源、负荷和储能装置等,分布式电源、负荷和储能装置以一定的电网结构相连接,由综合能源管理系统统一管理,其中,分布式电源包括但不限于风力发电机、微型燃气轮机、燃料电池、光伏等供电设备。各类电源设备的寿命、输出功率,负荷的随机性、波动性及间歇性,以及储能装置的输出功率、容量等多态不确定条件均是影响微电网系统可靠性的因素。
本发明实施例中,针对电源包括光伏的光储微电网,所述步骤S101中,所建立的多态不确定条件的可靠性仿真模型包括设备寿命时序仿真模型、光伏输出功率模型、负荷模型、储能装置充放电模型。
对于设备寿命时序仿真模型,设备i的无故障工作时间TTTF,i与设备i的故障率有关,表示为:
其中,λi为设备i的故障率,u为区间[0,1]上均匀分布的随机变量。
设备i的故障持续时间(修复时间)TTTR,i与设备i的修复率有关,表示为:
其中,μi为设备i的修复率,ξ为区间[0,1]上均匀分布的随机变量。本实施例的设备寿命时序仿真模型,包含了概率、频率和持续时间信息,可采用设备寿命时序仿真模型模拟微型燃气轮机、光伏等电源及储能装置的寿命过程。
对于光伏输出功率模型,包括最大输出功率模型和光伏寿命输出功率模型,其中,最大输出功率模型表示为:
其中,xmax为最大光照强度,A为光伏阵列面积,η为光电转换效率。
光伏寿命输出功率模型为考虑了光伏寿命特性对光伏输出功率影响的模型,表示为:
PPV(h)=P'PV(h)FPV(h) (4)
其中,FPV(h)为光伏状态函数,表示为:
P'PV(h)为光伏的输出功率,由于一定时长内的光照强度近似服从Beta分布,因此,光伏的输出功率P'PV(h)也服从Beta分布,其概率密度函数为:
其中,Γ(·)为Gamma函数,α和β分别为Beta分布的形状参数。本实施例的光伏输出功率模型是以小时h为基本步长,建立一定时间段(例如一年8760小时)之内的光伏输出功率模型,模拟光伏输出功率变化过程。
负荷的多态不确定性主要体现为负荷的时变特性与随机波动特性,本发明根据上述特性,采用包含多态不确定条件的负荷综合时序模型,负荷模型表示为:
其中,Ly为年负荷峰值,Py-m为当月负荷峰值在年负荷峰值Ly的占比(当月负荷峰值与年负荷峰值的比值),Pd(h)为当日负荷峰值在当月负荷峰值Py-m的占比(当日负荷峰值与当月负荷峰值的比值)。
其中,μL为负荷波动的期望值,σL为负荷波动的标准差。
对于储能装置充放电模型,综合考虑储能装置充放电特性及寿命特性,需约束其荷电状态(state of charge,SOC)以避免过充过放,建立考虑运行约束的储能装置充放电模型,储能装置的充电过程表示为:
储能装置的放电过程表示为:
其中,
其中,PESS(h)和EESS(h)分别为h时刻储能装置的输出功率和储存能量;和分别为h时刻储能装置充电功率最大容许值和放电功率最大容许值;和分别为储能装置储存能量的上限容许值和下限容许值;FESS(h)是储能装置的状态函数;和分别为储能装置i的无故障工作时间和故障持续时间。
本发明实施例中,于综合能源管理系统运行设备寿命时序仿真模型、光伏输出功率模型、负荷模型、储能装置充放电模型,获取各模型运行过程中的运行数据(包括设备寿命运行数据、光伏输出功率数据、负荷运行数据、储能装置的容量数据、储能装置的充放电数据等等),根据运行数据对微电网系统的可靠性指标进行统计,得到可靠性指标结果,根据可靠性指标结果进行可靠性评估预测。
于一些实施例中,对微电网系统进行可靠性评估预测的可靠性指标体系包括失负荷概率(loss of load probability,LOLP)、用户平均停电持续时间指数(customeraverage interruption duration index,CAIDI)、系统平均停电频率指数(systemaverage interruption frequency index,SAIFI)、系统平均停电持续时间指数(systemaverage interruption duration index,SAIDI)、平均供电可用率指数(average serviceavailability index,ASAI)等。
结合图2所示,对本实施例的设备寿命时序仿真模型、光伏输出功率模型、负荷模型、储能装置充放电模型进行初始化,设置仿真时长;各模型运行过程中,由公式(1)根据设备(在光储微电网中,主要指微型燃气轮机、光伏等电源及储能装置)的故障率确定设备的无故障时间,以最小无故障时间为微电网系统工作时间,由公式(2)根据设备的修复率确定设备的修复时间;根据设备的无故障时间和修复时间,确定仿真时间段之内所有设备处于运行状态的持续时间,根据各设备处于运行状态的持续时间,确定微电网系统处于运行状态的持续时间,根据微电网系统处于运行状态的持续时间,统计可靠性指标体系中的各类指标,根据统计结果对微电网系统的可靠性进行评估预测。本实施例中,通过建立并运行可靠性仿真模型,能够以概率、频率与持续时间两类指标,全面评估微电网系统的可靠性。
结合图3所示,运行光伏输出功率模型得到仿真运行曲线,能够看出,光伏输出功率呈现典型的间歇性及波动性,在第56-58小时,光伏在日照期间出现故障,导致光伏输出功率变为0,在第50-51小时,光伏在夜间出现故障,但并不改变光伏输出功率为0的状态,可见,光伏输出功率与光伏寿命相关,微电网系统可靠性与光伏寿命相关。
本实施例中,基于建立并运行可靠性仿真模型所得到的运行数据和统计得到的可靠性指标结果,能够对微电网系统进行能量调控。于一些实施例中,对微电网系统进行能量调控包括:结合电源功率、储能装置容量等因素,在保证微电网供电可靠性的前提下,提供功率调度与负荷削减的调控策略,具体如下:
如图4A所示,负荷功率PL(h)小于光伏最大输出功率则,无负荷削减(负荷削减功率优先利用光伏输出功率消纳负荷功率,并利用冗余的光伏输出功率为储能装置充电。当h时刻,微型燃气轮机最大输出功率与光伏最大输出功率的联合输出功率与负荷功率之差超过储能装置充电功率最大容许值时,储能装置输出功率为负最大容许值否则储能装置输出功率为负荷功率与微型燃气轮机最大输出功率、光伏最大输出功率之差在 的条件下,若h时刻,光伏最大输出功率与负荷功率之差超过储能装置充电功率最大容许值则微型燃气轮机输出功率PMT(h)为零,光伏输出功率为负荷功率与储能装置充电功率最大容许值之和否则光伏输出功率为光伏最大输出功率微型燃气轮机输出功率为负荷功率与储能装置充电功率最大容许值之和与光伏最大输出功率的差
如图4B所示,负荷功率PL(h)大于光伏最大输出功率,小于光伏最大输出功率与微型燃气轮机最大输出功率的联合输出功率电源功率存在冗余,则,无负荷削减(负荷削减功率),全部消纳光伏最大输出功率并利用冗余的联合输出功率为储能装置充电即,储能装置的功率为冗余的输出功率,其值在微型燃气轮机最大输出功率与光伏最大输出功率的联合输出功率与负荷功率之差和储能装置充电功率最大容许值两者中取较小量的负数。
如图4C所示,负荷功率PL(h)大于光伏最大输出功率与微型燃气轮机最大输出功率的联合输出功率小于光伏最大输出功率、微型燃气轮机最大输出功率与储能装置最大输出功率的联合输出功率 则,无负荷削减(负荷削减功率),全部消纳光伏最大输出功率和微型燃气轮机最大输出功率 储能装置放电,储能装置输出功率为
如图4D所示,负荷功率PL(h)大于光伏最大输出功率、微型燃气轮机最大输出功率与储能装置最大输出功率的联合输出功率 微电网处于功率缺额状态,光伏全功率输出,微型燃气轮机全功率输出,储能装置最大功率放电,这种情况下,需削减负荷以满足功率平衡。
本实施例中所提出的功率调度与负荷削减调控策略是以微电网可靠性运行为前提,最小切负荷为目标的调度策略,能够保证微电网的稳定运行,最大化的满足负荷正常运行。
如图5所示,在一些实施方式中,将IEEE-RBTS BUS6系统的主馈线F4的分支线25处接入光伏(PV,photovoltaic)、微型燃气轮机(MT,micro turbine)、储能装置(ESS,energystorage system)和负荷LP19-LP23构成离网型光储微电网系统。
基于上述构建的离网型光储微电网系统,按照本实施例所建立的可靠性仿真模型,仿真过程中,根据运行数据统计微电网的可靠性指标,得到可靠性指标结果,对微电网系统的储能装置的容量配置进行调控,保证微电网系统的可靠性。
本实施例中,运行可靠性仿真模型,根据运行数据统计微电网的可靠性指标,得到可靠性指标结果,根据运行数据和可靠性指标结果,对微电网系统进行能量调控,还包括:对微电网系统的储能装置的容量配置进行调控,调控储能装置的容量配置方法包括:
根据运行数据计算确定储能装置的目标输出功率;
基于储能装置的目标输出功率,调整储能装置的容量,计算不同容量条件下的可靠性指标;
根据满足可靠性条件的目标可靠性指标,确定储能装置的目标容量。
如图6-10所示,当微型燃气轮机的容量分别为1.3MW(兆瓦)、1.4MW、1.5MW时,将光伏的容量由0MW升至2MW,LOLP指标、CAIDI指标、SAIFI指标、SAIDI指标、ASAI指标的变化情况,从图6-10可以看出,提高微型燃气轮机的容量在总体上能够改善微电网的频率和持续时间指标(CAIDI、SAIFI),提高光伏的容量能够提升微电网的可靠性水平,概率性指标(LOLP、SAIDI、ASAI)可以得到持续提升,但提升效果受到微型燃气轮机容量的制约,频率和持续时间指标受电源和负荷的实时匹配程度、能量平衡和储能配置的共同影响,其变化趋势呈现非单调特征。
于一些实施例中,选取微型燃气轮机的容量为1.5MW,光伏容量为2MW,将储能装置的输出功率按照0.2MW的步长从0.2MW增至3MW,容量按照0.4MW的步长从1MW·h增至14.6MW·h,统计储能装置的容量EESS、输出功率PESS与可靠性指标之间的变化关系。如图11所示,根据LOLP指标随储能装置的输出功率和容量的变化特性,可将坐标系分为功率饱和区、容量饱和区和灵敏参数区。在功率饱和区,LOLP变化曲线与储能装置的输出功率轴大致平行,增加储能装置的输出功率不会显著提升微电网可靠性,即微电网可靠性对储能装置的输出功率呈饱和效应,在功率饱和区增加储能装置的容量能够有效提高微电网可靠性,即微电网可靠性对储能装置的容量呈阶梯效应。
本实施例中,根据上述储能装置的容量、输出功率与微电网可靠性指标的关系,采用期望冗余功率得到储能装置的功率饱和区与容量饱和区的边界功率值作为储能装置的目标输出功率,确定储能装置的灵敏参数区,基于目标输出功率,在保证微电网可靠性要求的前提下,调整储能装置的容量配置使得微电网系统运行于目标可靠性指标下。具体的说:
为降低计算成本,定义期望冗余功率PR来估计功率饱和区与容量饱和区的目标输出功率,并将储能装置的输出功率等于期望冗余功率(PESS=PR)的直线与可靠性指标曲线族的交点集合定义为灵敏参数区。期望冗余功率PR的计算公式如式(13)-(16)所示:
其中,H'是处于功率冗余状态的总小时数,PMT(h)为h时刻微型燃气轮机的输出功率,FMT(h)为微型燃气轮机的状态函数,FR(h)为功率冗余状态函数,表示为:
当微型燃气轮机与光伏的可用功率大于负荷功率时,FR(h)为1,反之为0;
由式(13)-(16)可见,期望冗余功率PR的计算可通过可靠性仿真模型的全时序仿真运行过程中的运行数据计算得到,由于不涉及储能装置的充放电过程分析和负荷削减计算,计算量很小。
于一具体实现方式中,在设定的初始条件下,计算得到PR=1.166MW。如图11所示,PESS=1.166对应的直线将储能装置的输出功率和容量坐标系划分为功率饱和区、容量饱和区和灵敏参数区三个区域,基于确定的储能装置的目标输出功率,动态调整储能装置的容量,直至达到目标可靠性指标,能够满足微电网的可靠性运行状态,实现了通过调整储能装置的输出功率和容量参数,保证微电网系统的可靠运行。
进一步的,本实施例中,根据上述方法,基于确定出的储能装置的目标输出功率,调整储能装置的容量,通过可靠性指标确定储能装置的目标容量,如图12所示,该过程解耦了储能装置的输出功率与容量之间的关系,可直接确定储能装置的容量与可靠性指标(LOLP指标)之间的关系,能够大幅降低计算复杂度和所需计算资源。
于一些实施例中,在图11所示储能装置的输出功率、容量与可靠性指标的计算过程中,若容量(横坐标)取35个值,输出功率(纵坐标)取15个值,组合起来需要计算35×15,共525个值对应的可靠性指标;如图12所示,基于确定的目标输出功率PR=1.166,建立容量与可靠性指标之间的对应关系,容量取35个值,可靠性指标对应取35个值即可,计算量和计算复杂度大幅降低。
需要说明的是,本发明实施例的方法可以由单个设备执行,例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下,由多台设备相互配合来完成。在这种分布式场景的情况下,这多台设备中的一台设备可以只执行本发明实施例的方法中的某一个或多个步骤,这多台设备相互之间会进行交互以完成所述的方法。
如图13所示,本发明实施例提供一种综合能源及微电网系统可靠性预测装置,包括:
模型建立模块,用于建立多态不确定条件的可靠性仿真模型;
模型运行模块,用于运行所述可靠性仿真模型,得到运行数据;
统计模块,用于根据所述运行数据,对微电网系统的可靠性指标进行统计,得到可靠性指标结果;
调控模块,用于根据所述运行数据和可靠性指标结果,对微电网系统进行能量调控
上述实施例的装置用于实现前述实施例中相应的方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
图14示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图,该设备可以包括:处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
处理器1010可以采用通用的CPU(Central Processing Unit,中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本说明书实施例所提供的技术方案。
存储器1020可以采用ROM(Read Only Memory,只读存储器)、RAM(Random AccessMemory,随机存取存储器)、静态存储设备,动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器1020中,并由处理器1010来调用执行。
输入/输出接口1030用于连接输入/输出模块,以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出),也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等,输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1040用于连接通信模块(图中未示出),以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1050包括一通路,在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
需要说明的是,尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050,但是在具体实施过程中,该设备还可以包括实现正常运行所必需的其他组件。此外,本领域的技术人员可以理解的是,上述设备中也可以仅包含实现本说明书实施例方案所必需的组件,而不必包含图中所示的全部组件。
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本公开的范围(包括权利要求)被限于这些例子;在本发明的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本发明的不同方面的许多其它变化,为了简明它们没有在细节中提供。
另外,为简化说明和讨论,并且为了不会使本发明难以理解,在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外,可以以框图的形式示出装置,以便避免使本发明难以理解,并且这也考虑了以下事实,即关于这些框图装置的实施方式的细节是高度取决于将要实施本发明的平台的(即,这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如,电路)以描述本发明的示例性实施例的情况下,对本领域技术人员来说显而易见的是,可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本发明。因此,这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本发明的具体实施例对本发明进行了描述,但是根据前面的描述,这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如,其它存储器架构(例如,动态RAM(DRAM))可以使用所讨论的实施例。
本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此,凡在本发明的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种综合能源及微电网系统可靠性预测方法,所述微电网系统包括电源、储能装置,所述电源包括光伏、微型燃气轮机,其特征在于,包括:
建立多态不确定条件的可靠性仿真模型;
运行所述可靠性仿真模型,得到运行数据;
根据所述运行数据,对微电网系统的可靠性指标进行统计,得到可靠性指标结果;
根据所述运行数据和可靠性指标结果,对微电网系统进行能量调控。
2.根据权利要求1所述的方法,其特征在于,所述可靠性仿真模型包括设备寿命时序仿真模型、光伏输出功率模型、负荷模型、储能装置充放电模型。
3.根据权利要求1所述的方法,其特征在于,所述根据所述运行数据和可靠性指标结果,对微电网系统进行能量调控,包括:
根据所述运行数据和可靠性指标,确定功率调度与负荷削减的调控策略。
4.根据权利要求3所述的方法,其特征在于,所述功率调度与负荷削减的调控策略,包括:
若负荷功率小于光伏最大输出功率,则优先利用光伏输出功率消纳负荷功率,并利用冗余的光伏输出功率为储能装置充电;
若负荷功率大于光伏最大输出功率,负荷功率小于光伏最大输出功率与微型燃气轮机最大输出功率的联合输出功率,则全部消纳所述光伏最大输出功率,并利用冗余的联合输出功率为储能装置充电;
若负荷功率大于光伏最大输出功率与微型燃气轮机最大输出功率的联合输出功率,负荷功率小于光伏最大输出功率、微型燃气轮机最大输出功率与储能装置最大输出功率的联合输出功率,则全部消纳光伏最大输出功率和微型燃气轮机最大输出功率,储能装置放电;
若负荷功率大于光伏最大输出功率、微型燃气轮机最大输出功率与储能装置最大输出功率的联合输出功率,全部消纳光伏、微型燃气轮机和储能装置的最大输出功率,削减负荷以满足功率平衡。
5.根据权利要求1所述的方法,其特征在于,所述根据所述运行数据和可靠性指标结果,对微电网系统进行能量调控,包括:
根据所述运行数据和可靠性指标结果,对微电网系统的储能装置的容量配置进行调控。
6.根据权利要求5所述的方法,其特征在于,根据所述运行数据和可靠性指标结果,对微电网系统的储能装置的容量配置进行调控,包括:
根据所述运行数据计算确定储能装置的目标输出功率;
基于所述目标输出功率,调整储能装置的容量,计算不同容量条件下的可靠性指标;
根据满足可靠性条件的目标可靠性指标,确定储能装置的目标容量。
7.根据权利要求6所述的方法,其特征在于,所述目标输出功率根据储能装置的功率饱和区和容量饱和区确定。
8.根据权利要求1所述的方法,其特征在于,运行所述可靠性仿真模型,得到运行数据,包括:
根据微电网系统中各设备的故障率确定各设备的无故障时间;
根据各设备的修复率确定各设备的修复时间;
根据所述无故障时间和修复时间,确定仿真时间段之内所有设备处于运行状态的持续时间;
根据所有设备处于运行状态的持续时间,确定微电网系统处于运行状态的持续时间;
根据微电网系统处于运行状态的持续时间,确定运行数据。
9.根据权利要求1所述的方法,其特征在于,所述可靠性指标包括频率和持续时间指标与概率性指标,所述频率和持续时间指标包括CAIDI指标与SAIFI指标,所述概率性指标包括LOLP指标、SAIDI指标与ASAI指标。
10.一种综合能源及微电网系统可靠性预测装置,其特征在于,包括:
模型建立模块,用于建立多态不确定条件的可靠性仿真模型;
模型运行模块,用于运行所述可靠性仿真模型,得到运行数据;
统计模块,用于根据所述运行数据,对微电网系统的可靠性指标进行统计,得到可靠性指标结果;
调控模块,用于根据所述运行数据和可靠性指标结果,对微电网系统进行能量调控。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010006168.9A CN111082424B (zh) | 2020-01-03 | 2020-01-03 | 一种综合能源及微电网系统可靠性预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010006168.9A CN111082424B (zh) | 2020-01-03 | 2020-01-03 | 一种综合能源及微电网系统可靠性预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111082424A true CN111082424A (zh) | 2020-04-28 |
CN111082424B CN111082424B (zh) | 2022-10-28 |
Family
ID=70321890
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010006168.9A Expired - Fee Related CN111082424B (zh) | 2020-01-03 | 2020-01-03 | 一种综合能源及微电网系统可靠性预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111082424B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111767633A (zh) * | 2020-05-19 | 2020-10-13 | 国网山东省电力公司烟台供电公司 | 一种综合能源系统微型燃气轮机高效模拟方法及相关设备 |
CN112070395A (zh) * | 2020-09-07 | 2020-12-11 | 四川华泰电气股份有限公司 | 能源互联网可靠性评估体系、模型建立方法和评估方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018014450A1 (zh) * | 2016-07-20 | 2018-01-25 | 天津天大求实电力新技术股份有限公司 | 基于rt-lab的真实微电网运行动态仿真测试平台 |
CN109327042A (zh) * | 2018-09-27 | 2019-02-12 | 南京邮电大学 | 一种微电网多能源联合优化调度方法 |
-
2020
- 2020-01-03 CN CN202010006168.9A patent/CN111082424B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018014450A1 (zh) * | 2016-07-20 | 2018-01-25 | 天津天大求实电力新技术股份有限公司 | 基于rt-lab的真实微电网运行动态仿真测试平台 |
CN109327042A (zh) * | 2018-09-27 | 2019-02-12 | 南京邮电大学 | 一种微电网多能源联合优化调度方法 |
Non-Patent Citations (2)
Title |
---|
刘旭娜等: "考虑分布式再生能源和储能的主动配电网可靠性评估", 《四川电力技术》 * |
郭经等: "主动配电信息物理系统可靠性建模与评估方法综述", 《电网技术》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111767633A (zh) * | 2020-05-19 | 2020-10-13 | 国网山东省电力公司烟台供电公司 | 一种综合能源系统微型燃气轮机高效模拟方法及相关设备 |
CN112070395A (zh) * | 2020-09-07 | 2020-12-11 | 四川华泰电气股份有限公司 | 能源互联网可靠性评估体系、模型建立方法和评估方法 |
CN112070395B (zh) * | 2020-09-07 | 2024-02-13 | 四川华泰电气股份有限公司 | 能源互联网可靠性评估体系、模型建立方法和评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111082424B (zh) | 2022-10-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Poncelet et al. | Unit commitment constraints in long-term planning models: Relevance, pitfalls and the role of assumptions on flexibility | |
Li et al. | A coordinated dispatch method with pumped-storage and battery-storage for compensating the variation of wind power | |
Yang et al. | Fluctuation reduction of wind power and sizing of battery energy storage systems in microgrids | |
JP7113145B2 (ja) | 望ましい容量係数を提供するacオーバービルト再生可能電気生成リソース及び電荷ストレージ装置を利用するシステム及び方法 | |
Panda et al. | Economic operational analytics for energy storage placement at different grid locations and contingency scenarios with stochastic wind profiles | |
CN111082424B (zh) | 一种综合能源及微电网系统可靠性预测方法及装置 | |
CN107359611B (zh) | 考虑多种随机因素的配电网等值方法 | |
Zhou et al. | Interval optimization combined with point estimate method for stochastic security-constrained unit commitment | |
Zhu et al. | Energy optimal dispatch of the data center microgrid based on stochastic model predictive control | |
JP7170141B2 (ja) | 望ましい容量係数を提供する統合型の再生可能電気生成リソース及び電荷ストレージシステムを制御する方法 | |
CN116502771B (zh) | 一种基于电力物资预测的配电方法及系统 | |
Sharma et al. | Power generation planning with reserve dispatch and weather uncertainties including penetration of renewable sources | |
Galeela et al. | Reliability Framework Integrating Grid Scale BESS Considering BESS Degradation | |
CN115619159A (zh) | 一种智慧园区能源消耗分析调度方法和系统 | |
Awad | Novel planning and market models for energy storage systems in smart grids | |
Lukianenko et al. | Development and Utilization of a Quasi-dynamic Model for Power System Analysis | |
CN117748622B (zh) | 一种微电网多态协调控制方法及系统 | |
JP7219341B2 (ja) | 統合型の再生可能エネルギーソース及びエネルギーストレージシステム設備の潜在的電気出力用のパワー供給トランザクションを実装する方法 | |
US11587187B2 (en) | Robust and fast design of energy systems considering intra-hour variability | |
TWI685168B (zh) | 時前能源排程方法及時前能源排程系統 | |
Saxena et al. | Computation and Optimization of BESS in the Modeling of Renewable Energy Based Framework | |
Abugchem et al. | Optimal Battery Dispatch Using Finite-Input Set Non-Linear Model Predictive Control: Algorithm Development and Case Study. Electronics 2022, 11, 101 | |
Mishan et al. | Assessing power profile characteristics in solar PV-storage integrated electricity markets: A quantitative study | |
Weng et al. | Reliability Analysis of WTG-PV-ESS Microgrid System | |
Zuluaga et al. | Sizing Co-located Storage for Uncertain Renewable Energy Sold Through Forward Contracts |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20221028 |