CN111416345B - 考虑需求侧资源响应随机性的配电系统可靠性计算方法 - Google Patents
考虑需求侧资源响应随机性的配电系统可靠性计算方法 Download PDFInfo
- Publication number
- CN111416345B CN111416345B CN202010267925.8A CN202010267925A CN111416345B CN 111416345 B CN111416345 B CN 111416345B CN 202010267925 A CN202010267925 A CN 202010267925A CN 111416345 B CN111416345 B CN 111416345B
- Authority
- CN
- China
- Prior art keywords
- demand side
- energy storage
- response
- resource
- demand
- 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
- 230000004044 response Effects 0.000 title claims abstract description 117
- 238000009826 distribution Methods 0.000 title claims abstract description 43
- 238000004364 calculation method Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 23
- 230000008569 process Effects 0.000 claims abstract description 13
- 230000002776 aggregation Effects 0.000 claims abstract description 12
- 238000004220 aggregation Methods 0.000 claims abstract description 12
- 238000004146 energy storage Methods 0.000 claims description 86
- 238000010248 power generation Methods 0.000 claims description 24
- 239000000126 substance Substances 0.000 claims description 15
- 238000007599 discharging Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 3
- 230000010287 polarization Effects 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 13
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 3
- 208000032953 Device battery issue Diseases 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000005309 stochastic process Methods 0.000 description 1
- 238000012546 transfer 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
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or 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
-
- 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
-
- 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
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
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)
- Power Engineering (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明涉及一种考虑需求侧资源响应随机性的配电系统时变可靠性计算方法，包括以下步骤：步骤1、根据需求侧资源的物理特性，分别建立不同需求侧资源的物理模型；步骤2、考虑需求侧资源设备的随机性故障，建立不同需求侧资源响应量模型；步骤3、计算得到需求侧资源聚合后响应量；步骤4、建立考虑随机过程的需求侧资源聚合后的响应量模型，得到需求侧资源响应量在不同状态时的概率；步骤5、计算考虑需求侧资源响应随机性的配电系统时变可靠性值。本发明能够精确定量评估需求侧资源响应随机性的配电系统可靠性的影响。
Description
技术领域
本发明属于配电系统可靠性分析技术领域，涉及配电系统可靠性计算方法，尤其是一种考虑需求侧资源响应随机性的配电系统可靠性计算方法。
背景技术
随着信息通讯技术的发展，需求侧资源如储能设备、分布式发电设备等，能够向电力系统提供响应量，提高系统资源优化配置能力，从而提高系统安全可靠运行的能力。因此，定量评估需求侧资源提供响应量的能力，进而评估考虑需求侧资源的配电系统可靠性计算至关重要。
然而，不同类型的需求侧资源具有不同的物理特性，且会受到需求侧资源设备随机故障的影响，给配电系统的安全运行引入不确定因素。传统配电系统可靠性计算未考虑需求侧资源响应随机性对系统的影响，因此，有必要研究随机性故障对需求侧资源设备的影响，进而定量计算考虑需求侧资源响应随机性的配电系统可靠性。
发明内容
本发明的目的在于克服现有技术的不足，提出一种考虑需求侧资源响应随机性的配电系统可靠性计算方法。
本发明解决其现实问题是采取以下技术方案实现的：
一种考虑需求侧资源响应随机性的配电系统时变可靠性计算方法，包括以下步骤：
步骤1、针对储能和分布式光伏需求侧资源的配电系统，根据需求侧资源的物理特性，分别建立不同需求侧资源的物理模型；
步骤2、在步骤1所建立的不同需求侧资源物理模型的基础上，考虑需求侧资源设备的随机性故障，建立不同需求侧资源响应量模型；
步骤3、在步骤2中建立的考虑需求侧资源设备的随机性故障的储能设备和分布式光伏的响应量模型基础上，得到需求侧资源聚合后响应量；
步骤4、基于步骤3中含储能设备与分布式光伏的需求侧资源聚合后的响应量，考虑需求侧资源响应的随机性，建立考虑随机过程的需求侧资源聚合后的响应量模型，得到需求侧资源响应量在不同状态时的概率；
步骤5、根据步骤4获得的考虑随机过程的需求侧资源聚合后的响应量模型，计算考虑需求侧资源响应随机性的配电系统时变可靠性值。
而且，所述步骤1中的不同需求侧资源的物理模型包括储能设备的充放电模型和分布式光伏设备的发电模型；
其中，所述储能设备的充放电模型如下：
第i个储能设备的放电模型为：
其中，
为第i个储能设备在时刻t的端电压，
为第i个储能设备的开路电压，
为第i个储能设备在时刻t的放电电流，
分别为第i个储能设备的极化电阻、放电过电压电阻，τ0为双电层效应时间常数。
第i个储能设备的在时刻t荷电状态模型为SOCi(t)：
其中，SOCi(t)为第i个储能设备的在时刻t荷电状态，
分别为第i个储能设备中储能电池串联和并联的个数，
为储能设备充满状态下的额定量。
第i个储能设备在时刻t的充电模型为：
其中，BSi(t)表示第i个储能设备在时刻t的响应量，
分别表示第i个储能设备的初始荷电状态；所述储能设备在时刻t的响应量BSi(t)满足以下约束条件：
其中，
表示第i个储能设备的最大充电功率；
表示第i个储能设备的最大荷电状态。
其中，所述分布式光伏设备的发电模型如下：
第j个分布式光伏设备的发电功率PVi(t)为：
PVj(t)＝SIj(t)·SVj(t)·Kj·ξj
其中，SIj(t)、SVj(t)、Kj、ξj分别为第j个分布式光伏设备中太阳能板的工作电流、工作电压、太阳能板的数量、太阳能板的损耗。
而且，所述步骤2的考虑需求侧资源设备的随机性故障，建立不同需求侧资源响应量模型，包括储能设备的响应量模型和分布式光伏响应量模型；
其中，所述步骤2的考虑需求侧资源设备的随机性故障的储能设备的响应量模型如下：
第i个储能设备由m个电池串以并联结构构成，每个电池串由n个电池以串联结构构成，第i个储能设备的可用度为
其中，
表示第u(u＝1,…,m)个电池串中的第k(k＝1,…,n)个电池在考虑电池随机故障后的可用度。
第i个储能设备的响应量为Si(t)：
其中，所述步骤2的考虑需求侧资源设备的随机性故障的分布式光伏发电响应量模型如下：
第i个分布式光伏发电设备由光伏电池阵列、DC-DC变换器、DC-AC逆变器和并网滤波器构成；第i个分布式光伏发电设备的可用度为
其中，
分别为光伏电池阵列、DC-DC变换器、DC-AC逆变器和并网滤波器的可用度。
第j个分布式光伏发电设备的响应量为Vj(t)：
而且，所述步骤3的需求侧资源聚合后响应量DR(t)为：
将DR(t)离散为M个状态值DRw(w＝1,…,M)，且有0≤DRw-1＜DRw≤DRmax；
其中，w为需求侧资源响应量的状态编号，M为需求侧资源响应量的状态数量，DRw为需求侧资源在第w个状态时的响应量，DRmax为需求侧资源响应量的最大值。
而且，所述步骤4建立考虑随机过程的需求侧资源聚合后的响应量模型如下：
其中，
表示需求侧资源在第w个(w＝1,…,M)状态时的概率，
表示需求侧资源从第(w-1)个状态转移到第w个状态的转移率。
而且，所述步骤5中计算考虑需求侧资源响应随机性的配电系统的时变可靠性值，包括配电系统可靠度R(t)、需求侧资源期望响应量E(t)，具体计算过程如下所述：
其中，L表示配电系统对需求侧资源提供响应量的需求。
本发明的优点和有益效果：
本发明提出了考虑需求侧资源响应随机性的配电系统可靠性计算模型，并对不同种类需求侧资源响应量进行建模，利用需求侧资源向电网提供响应量，对提高太阳能利用率、减少弃光，优化能源配置结构具有积极作用。本发明通过识别随机故障对需求侧资源响应量的影响，提出精确评估考虑需求侧资源的配电系统可靠性计算方法，定量评估需求侧资源响应随机性的配电系统可靠性的影响，为实现需求侧资源与电网的双向互动奠定基础，为智能电网的安全运行提供科学依据。
附图说明
图1是本发明的储能设备结构图；
图2是本发明的分布式光伏发电设备结构图；
图3是本发明的实施例中储能设备结构图；
图4是本发明的储能设备的充放电模型图；
图5是本发明的分布式光伏发电模型图；
图6是本发明的考虑随机性的需求侧资源响应量模型图；
图7是本发明的实施例最终获得配电系统的可靠度曲线图；
图8是本发明的实施例中需求侧资源期望响应量曲线图。
具体实施方式
以下结合附图对本发明实施例作进一步详述：
一种考虑需求侧资源响应随机性的配电系统时变可靠性计算方法，包括以下步骤：
步骤1、针对储能和分布式光伏需求侧资源的配电系统，根据需求侧资源的物理特性，分别建立不同需求侧资源的物理模型；
所述步骤1中的不同需求侧资源的物理模型包括储能设备的充放电模型和分布式光伏设备的发电模型；
其中，所述储能设备的充放电模型如下：
第i个储能设备的放电模型为：
其中，
为第i个储能设备在时刻t的端电压，
为第i个储能设备的开路电压，
为第i个储能设备在时刻t的放电电流，
分别为第i个储能设备的极化电阻、放电过电压电阻，τ0为双电层效应时间常数。
第i个储能设备的在时刻t荷电状态模型为SOCi(t)：
其中，SOCi(t)为第i个储能设备的在时刻t荷电状态，
分别为第i个储能设备中储能电池串联和并联的个数，
为储能设备充满状态下的额定量。
第i个储能设备在时刻t的充电模型为：
其中，BSi(t)表示第i个储能设备在时刻t的响应量，
分别表示第i个储能设备的初始荷电状态；所述储能设备在时刻t的响应量BSi(t)满足以下约束条件：
其中，
表示第i个储能设备的最大充电功率；
表示第i个储能设备的最大荷电状态。
其中，所述分布式光伏设备的发电模型如下：
第j个分布式光伏设备的发电功率PVi(t)为：
PVj(t)＝SIj(t)·SVj(t)·Kj·ξj
其中，SIj(t)、SVj(t)、Kj、ξj分别为第j个分布式光伏设备中太阳能板的工作电流、工作电压、太阳能板的数量、太阳能板的损耗。
步骤2、在步骤1所建立的不同需求侧资源物理模型的基础上，考虑需求侧资源设备的随机性故障，建立不同需求侧资源响应量模型；
所述步骤2的考虑需求侧资源设备的随机性故障，建立不同需求侧资源响应量模型，包括储能设备的响应量模型和分布式光伏响应量模型；
其中，所述步骤2的考虑需求侧资源设备的随机性故障的储能设备的响应量模型如下：
第i个储能设备由m个电池串以并联结构构成，每个电池串由n个电池以串联结构构成，如图1所示，第i个储能设备的可用度为
其中，
表示第u(u＝1,…,m)个电池串中的第k(k＝1,…,n)个电池在考虑电池随机故障后的可用度。
第i个储能设备的响应量为Si(t)：
其中，所述步骤2的考虑需求侧资源设备的随机性故障的分布式光伏发电响应量模型如下：
第i个分布式光伏发电设备由光伏电池阵列、DC-DC变换器、DC-AC逆变器和并网滤波器构成，如图2所示。第i个分布式光伏发电设备的可用度为
其中，
分别为光伏电池阵列、DC-DC变换器、DC-AC逆变器和并网滤波器的可用度。
第j个分布式光伏发电设备的响应量为Vj(t)：
步骤3、在步骤2中建立的考虑需求侧资源设备的随机性故障的储能设备和分布式光伏的响应量模型基础上，得到需求侧资源聚合后响应量为DR(t)为：
DR(t)＝∑Si(t)+∑Vj(t)；
将DR(t)离散为M个状态值DRw(w＝1,…,M)，且有0≤DRw-1＜DRw≤DRmax；
其中，w为需求侧资源响应量的状态编号，M为需求侧资源响应量的状态数量，DRw为需求侧资源在第w个状态时的响应量，DRmax为需求侧资源响应量的最大值。
步骤4、基于步骤3中含储能设备与分布式光伏的需求侧资源聚合后的响应量，考虑需求侧资源响应的随机性，建立考虑随机过程的需求侧资源聚合后的响应量模型，得到需求侧资源响应量在不同状态时的概率。
所述步骤4建立考虑随机过程的需求侧资源聚合后的响应量模型如下：
其中，
表示需求侧资源在第w个(w＝1,…,M)状态时的概率，
表示需求侧资源从第(w-1)个状态转移到第w个状态的转移率。
步骤5、根据步骤4获得的考虑随机过程的需求侧资源聚合后的响应量模型，计算考虑需求侧资源响应随机性的配电系统时变可靠性值。
所述步骤5中计算考虑需求侧资源响应随机性的配电系统的时变可靠性值，包括配电系统可靠度R(t)、需求侧资源期望响应量E(t)，具体计算过程如下所述：
其中，L表示配电系统对需求侧资源提供响应量的需求。
本发明的实施例如下：
首先，分别建立如图3和图4所示的储能设备及其充放电模型、图5所示的分布式光伏发电模型。
其次，分别计算考试设备随机故障的储能设备可用度和分布式光伏发电设备的可用度。
考虑储能设备的随机故障，图3中每一个电池的可用度
则整个储能储备的可用度为AS(t)＝1-(1-a3(t))2。
考虑分布式光伏发电设备的随机故障，图2中光伏电池阵列、DC-DC变换器、DC-AC逆变器和并网滤波器的可用度均为
则分布式光伏发电设备的可用度为
然后，考虑随机性的需求侧资源响应量模型如图6所示，需求侧资源由0.8MW转移到0.5MW的转移率为2次/年，由0.5MW转移到0.3MW的转移率为1次/年，由0.3MW转移到0MW的概率为0.7次/年。
最后，若系统在某一时段配电系统需要需求侧资源提供的备用量为0.4MW，可计算考虑需求侧资源响应随机性的配电系统可靠性指标，分别如图7和图8所示，图7中可见配电系统的可靠度随着时间的增大而减小，图8中可见配电系统期望响应量随着时间的增大而减小。在t＝1(年)时，系统可靠度为0.60、需求侧资源期望响应量为0.43，相比于系统运行初始时刻，系统可靠度和需求侧资源期望响应量降低了40％和46.25％。通过定量评估，可以为系统实际运行提供参考。
由此可见，本发明可实现考虑需求侧资源响应随机性的配电系统可靠性计算，为实现需求侧资源与电网的双向互动奠定基础，为智能电网的安全运行提供科学依据。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
Claims (5)
1.一种考虑需求侧资源响应随机性的配电系统时变可靠性计算方法，其特征在于：包括以下步骤：
步骤1、针对储能和分布式光伏需求侧资源的配电系统，根据需求侧资源的物理特性，分别建立不同需求侧资源的物理模型；
步骤2、在步骤1所建立的不同需求侧资源物理模型的基础上，考虑需求侧资源设备的随机性故障，建立不同需求侧资源响应量模型；
步骤3、在步骤2中建立的考虑需求侧资源设备的随机性故障的储能设备和分布式光伏的响应量模型基础上，得到需求侧资源聚合后响应量；
步骤4、基于步骤3中含储能设备与分布式光伏的需求侧资源聚合后的响应量，考虑需求侧资源响应的随机性，建立考虑随机过程的需求侧资源聚合后的响应量模型，得到需求侧资源响应量在不同状态时的概率；
步骤5、根据步骤4获得的考虑随机过程的需求侧资源聚合后的响应量模型，计算考虑需求侧资源响应随机性的配电系统时变可靠性值；
所述步骤1中的不同需求侧资源的物理模型包括储能设备的充放电模型和分布式光伏设备的发电模型；
其中，所述储能设备的充放电模型如下：
第i个储能设备的放电模型为：
其中，
为第i个储能设备在时刻t的端电压，
为第i个储能设备的开路电压，
为第i个储能设备在时刻t的放电电流，
分别为第i个储能设备的极化电阻、放电过电压电阻，τ0为双电层效应时间常数；
第i个储能设备的在时刻t荷电状态模型为SOCi(t)：
其中，SOCi(t)为第i个储能设备的在时刻t荷电状态，
分别为第i个储能设备中储能电池串联和并联的个数，
为储能设备充满状态下的额定量；
第i个储能设备在时刻t的充电模型为：
其中，BSi(t)表示第i个储能设备在时刻t的响应量，
分别表示第i个储能设备的初始荷电状态；所述储能设备在时刻t的响应量BSi(t)满足以下约束条件：
其中，
表示第i个储能设备的最大充电功率；
表示第i个储能设备的最大荷电状态；
其中，所述分布式光伏设备的发电模型如下：
第j个分布式光伏设备的发电功率PVj(t)为：
PVj(t)＝SIj(t)·SVj(t)·Kj·ξj
其中，SIj(t)、SVj(t)、Kj、ξj分别为第j个分布式光伏设备中太阳能板的工作电流、工作电压、太阳能板的数量、太阳能板的损耗。
2.根据权利要求1所述的一种考虑需求侧资源响应随机性的配电系统时变可靠性计算方法，其特征在于：所述步骤2的考虑需求侧资源设备的随机性故障，建立不同需求侧资源响应量模型，包括储能设备的响应量模型和分布式光伏响应量模型；
其中，所述步骤2的考虑需求侧资源设备的随机性故障的储能设备的响应量模型如下：
第i个储能设备由m个电池串以并联结构构成，每个电池串由n个电池以串联结构构成，第i个储能设备的可用度为
其中，
表示第U个电池串中的第K个电池在考虑电池随机故障后的可用度，U＝1，…，m；K＝1，…，n；
第i个储能设备的响应量为Si(t)：
其中，所述步骤2的考虑需求侧资源设备的随机性故障的分布式光伏发电响应量模型如下：
第i个分布式光伏发电设备由光伏电池阵列、DC-DC变换器、DC-AC逆变器和并网滤波器构成；第i个分布式光伏发电设备的可用度为
其中，
分别为光伏电池阵列、DC-DC变换器、DC-AC逆变器和并网滤波器的可用度；
第j个分布式光伏发电设备的响应量为Vj(t)：
3.根据权利要求1所述的一种考虑需求侧资源响应随机性的配电系统时变可靠性计算方法，其特征在于：所述步骤3的需求侧资源聚合后响应量DR(t)为：
DR(t)＝∑Si(t)+∑Vj(t)；
将DR(t)离散为M个状态值DRw，w＝1，…，M且有：0≤DRw-1＜DRw≤DRmax；
其中，w为需求侧资源响应量的状态编号，M为需求侧资源响应量的状态数量，DRw为需求侧资源在第w个状态时的响应量，DRmax为需求侧资源响应量的最大值。
4.根据权利要求1所述的一种考虑需求侧资源响应随机性的配电系统时变可靠性计算方法，其特征在于：所述步骤4建立考虑随机过程的需求侧资源聚合后的响应量模型如下：
其中，
表示需求侧资源在第w个状态时的概率，w＝1，…，M
5.根据权利要求1所述的一种考虑需求侧资源响应随机性的配电系统时变可靠性计算方法，其特征在于：所述步骤5中计算考虑需求侧资源响应随机性的配电系统的时变可靠性值，包括配电系统可靠度R(t)、需求侧资源期望响应量E(t)，具体计算过程如下所述：
其中，L表示配电系统对需求侧资源提供响应量的需求。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010267925.8A CN111416345B (zh) | 2020-04-08 | 2020-04-08 | 考虑需求侧资源响应随机性的配电系统可靠性计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010267925.8A CN111416345B (zh) | 2020-04-08 | 2020-04-08 | 考虑需求侧资源响应随机性的配电系统可靠性计算方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111416345A CN111416345A (zh) | 2020-07-14 |
| CN111416345B true CN111416345B (zh) | 2021-12-31 |
Family
ID=71493462
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010267925.8A Active CN111416345B (zh) | 2020-04-08 | 2020-04-08 | 考虑需求侧资源响应随机性的配电系统可靠性计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111416345B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102097808A (zh) * | 2011-01-31 | 2011-06-15 | 天津大学 | 一种含分布式风电、光伏及储能的配电系统可靠性评估方法 |
| CN108470233A (zh) * | 2018-02-01 | 2018-08-31 | 华北电力大学 | 一种智能电网的需求响应能力评估方法和计算设备 |
| CN110970933A (zh) * | 2019-11-23 | 2020-04-07 | 国网辽宁省电力有限公司电力科学研究院 | 基于主动支撑控制的光储联合发电系统虚拟惯量补偿方法 |
-
2020
- 2020-04-08 CN CN202010267925.8A patent/CN111416345B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102097808A (zh) * | 2011-01-31 | 2011-06-15 | 天津大学 | 一种含分布式风电、光伏及储能的配电系统可靠性评估方法 |
| CN108470233A (zh) * | 2018-02-01 | 2018-08-31 | 华北电力大学 | 一种智能电网的需求响应能力评估方法和计算设备 |
| CN110970933A (zh) * | 2019-11-23 | 2020-04-07 | 国网辽宁省电力有限公司电力科学研究院 | 基于主动支撑控制的光储联合发电系统虚拟惯量补偿方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111416345A (zh) | 2020-07-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jiaqiang et al. | Effects analysis on active equalization control of lithium-ion batteries based on intelligent estimation of the state-of-charge | |
| Li et al. | On the determination of battery energy storage capacity and short-term power dispatch of a wind farm | |
| CN112103946B (zh) | 一种基于粒子群算法的微电网储能优化配置方法 | |
| CN108183512B (zh) | 一种接入新能源的电力系统的可靠性评估方法 | |
| WO2023060815A1 (zh) | 一种提高配电网可靠性的储能容量优化配置方法 | |
| CN110266031A (zh) | 发电侧储能并网充放电量控制方法、装置、服务器及存储介质 | |
| CN114123280B (zh) | 一种考虑系统效率的电池储能电站能量管理方法 | |
| CN109672215A (zh) | 基于负荷可时移特性的分布式光伏消纳控制方法 | |
| US9871396B2 (en) | System and method for controlling charge of an energy storage device from a renewable energy source | |
| CN111628558A (zh) | 混合储能系统的能量管理和容量配置的优化系统及方法 | |
| CN104485705B (zh) | 多串电池组均衡管理方法及系统 | |
| CN115759361A (zh) | 基于双层规划的交通能源调度方法、系统、设备和介质 | |
| CN113131502B (zh) | 一种集中式储能电站的双层功率协调分配方法及装置 | |
| CN114362153A (zh) | 一种并网型风光储系统多目标容量优化配置方法及系统 | |
| CN112417656B (zh) | 光储系统的能量调度策略的优化方法、装置和存储介质 | |
| CN111416345B (zh) | 考虑需求侧资源响应随机性的配电系统可靠性计算方法 | |
| AU2020101660A4 (en) | Reliability calculation method of distribution system | |
| Homan et al. | A comprehensive model for battery state of charge prediction | |
| Ioli et al. | A smart grid energy management problem for data-driven design with probabilistic reachability guarantees | |
| CN112365299A (zh) | 考虑电池寿命损耗的综合能源电/热混合储能配置方法 | |
| CN111382518A (zh) | 风储联合系统的置信容量评估方法 | |
| CN110633918A (zh) | 储能系统运营评估确定方法、装置、设备及存储介质 | |
| CN108667121B (zh) | 一种应急电源系统容量确定方法、装置及系统 | |
| CN115549247A (zh) | 一种混搭电源管理方法及系统 | |
| CN114447963A (zh) | 储能电池功率控制方法及系统 |
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 | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Jia Heping Inventor after: Liu Dunnan Inventor after: Li Yanbin Inventor after: Liu Mingguang Inventor after: Cui Jinrui Inventor after: Tang Difei Inventor after: Wang Haichao Inventor before: Jia Heping Inventor before: Liu Dunnan Inventor before: Li Yanbin Inventor before: Liu Mingguang |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20221031 Address after: 102206 No. 2 Nong Road, Changping District, Beijing Patentee after: NORTH CHINA ELECTRIC POWER University Patentee after: ANHUI ELECTRIC POWER TRADING CENTER Co.,Ltd. Address before: 102206 No. 2 Nong Road, Changping District, Beijing Patentee before: NORTH CHINA ELECTRIC POWER University |