CN111882228A - 一种含分布式电源的配电网可靠性评估方法 - Google Patents
一种含分布式电源的配电网可靠性评估方法 Download PDFInfo
- Publication number
- CN111882228A CN111882228A CN202010759617.7A CN202010759617A CN111882228A CN 111882228 A CN111882228 A CN 111882228A CN 202010759617 A CN202010759617 A CN 202010759617A CN 111882228 A CN111882228 A CN 111882228A
- Authority
- CN
- China
- Prior art keywords
- power
- wind
- power supply
- reliability
- distribution network
- 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
- 238000011156 evaluation Methods 0.000 title claims description 8
- 238000010248 power generation Methods 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 27
- 241000039077 Copula Species 0.000 claims abstract description 11
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 9
- 238000004088 simulation Methods 0.000 claims description 15
- 230000000295 complement effect Effects 0.000 claims description 13
- 238000005315 distribution function Methods 0.000 claims description 11
- 230000008439 repair process Effects 0.000 claims description 6
- 150000001875 compounds Chemical class 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 14
- 238000005286 illumination Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 238000010835 comparative analysis Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
-
- 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
- H02J3/381—Dispersed generators
-
- 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
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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]
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/28—The renewable source being wind energy
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
-
- 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
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Power Engineering (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (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)
Abstract
本发明公开了一种含分布式电源的配电网可靠性评估方法,属于能源优化技术领域。所述方法包括:步骤1、构建风力发电概率模型和光伏发电概率模型,并采用Copula函数理论构建风光互补供电系统联合出力概率模型;步骤2、根据风光互补供电系统联合出力概率模型计算出给定参数条件下的功率参数和概率参数;步骤3、采用改进的序贯蒙特卡洛模拟法计算出不同分布式电源接入类型和/或位置中配电网的各负荷点的可靠性指标;步骤4、对所述可靠性指标进行分析以确定分布式电源接入类型和/或位置对配电网可靠性的影响。本发明方法通过引入风光互补供电系统联合出力概率模型,结合改进的序贯蒙特卡洛模拟,能够较好地评估含分布式电源的配电网的可靠性。
Description
技术领域
本发明涉及能源优化技术领域,特别是一种含分布式电源的配电网可靠性评估方法。
背景技术
智能电网的提出以及分布式发电技术的日益成熟,使得以风能、太阳能为首的可再生清洁能源广泛应用于配电系统成为了可能。风电、光伏等分布式电源(distributedgeneration, DG)的应用不仅能起到缓解能源危机、减轻环境污染的作用,而且还可以满足电网的负荷增长需求。但是,DG的接入会影响电网的结构和运行方式。传统配电网大多数呈现辐射状,系统中所带的负荷点获取电能的路径是唯一的,一旦馈线故障,可能会导致故障线路后面所有负荷点停电,并且这种停电事故只有在故障修复后才能解除。而接入DG后,配电网变成了一个与多电源多用户相连的新型网络,此时馈线若发生故障,DG可能和部分负荷点从电网中脱离,形成孤岛运行,孤岛内的负荷点可以由DG快速恢复供电,从而改变了配电系统的可靠性。此外,部分分布式电源(如风电、光伏等)出力会受自然条件的影响,具有间歇性与随机性的特点。因此,传统可靠性分析方法不适用于研究新型配电网可靠性,需要建立新的模型与方法来分析。
发明内容
有鉴于背景技术的上述缺陷,本发明的目的是提供一种含分布式电源的配电网可靠性评估方法,引入风光互补供电系统联合出力概率模型,以解决背景技术中提出的问题。
本法明的实施例提出一种含分布式电源的配电网可靠性评估方法,包括以下步骤:
步骤1、构建风力发电概率模型和光伏发电概率模型,并采用Copula函数理论,构建风光互补供电系统联合出力概率模型;
步骤2、根据风光互补供电系统联合出力概率模型计算出给定参数条件下的功率参数和概率参数;
步骤3、采用改进的序贯蒙特卡洛模拟法计算出不同分布式电源接入类型和 /或位置中配电网的各负荷点的可靠性指标;
步骤4、对所述可靠性指标进行分析以确定分布式电源接入类型和/或位置对配电网可靠性的影响。
在本发明的优选实施例中,所述风光互补供电系统联合出力概率模型中分布函数F(PW,PV)及概率密度函数f(PW,PV)可表示如下:
在本发明的优选实施例中,所述步骤3包括:
步骤31:输入所述功率参数和概率参数,设定模拟仿真年限N,并初始化仿真时间MCTime=0;
步骤32:计算各个元件的无故障工作时间TTF;
步骤33:比较随机生成的各个元件的TTF,找到TTF最小的元件,假定该元件编号为i,设定此元件为故障元件,累加至仿真时间MCTime=MCTime+TTFmin;
步骤34:确定故障元件对系统负荷造成的影响:对元件i生成一个新的(0,1)之间的随机数,计算该元件的故障修复时间TTR;对开关元件也生成一个(0,1)之间的随机数,计算开关元件的切换时间TTS;依据元件i在网络中的位置,确定该元件故障导致系统各负荷点的停电情况;
步骤35:判断MCTime是否达到设置的仿真年限,若达到,则结束模拟过程,继续下一步;若未达到,则转至步骤32;
步骤36:统计各负荷点的停电情况,计算各负荷点及系统可靠性指标。
在本发明的优选实施例中,当故障元件处于计划孤岛外时,可以形成孤岛运行且计划孤岛内负荷,所述步骤34包括:
步骤341:由所述概率模型抽样得到t时刻DG的输出功率PDG、计划孤岛负荷需求为PL,其中t=1;
步骤342:若PDG>PL,孤岛内负荷均能由DG继续供电;否则,按照重要负荷优先供电原则进行负荷削减,直至孤岛内满足功率平衡;记录孤岛内各负荷点停电时间和缺供电量;
步骤343:判断故障元件是否修复,即满足t≥TTR,累计孤岛内各负荷点停电次数;若不满足,则令t=t+1,转至步骤341。
在本发明的优选实施例中,所述步骤3中的不同分布式电源接入类型至少包括以下之一:不接入分布式电源、在分支馈线上接入额定容量的风力发电机组、在分支馈线上接入额定容量的光伏发电机组、在分支馈线上接入额定容量的风光互补供电系统。
在本发明的优选实施例中,在分支馈线上接入额定容量的风光互补供电系统,风电容量与光伏容量为1:1。
在本发明的优选实施例中,所述步骤3中的不同分布式电源的接入位置至少为两个。
本发明具有如下的优点:基于风光出力特性,建立了风力发电和光伏发电概率模型,同时考虑到风光出力相关性,结合Copula理论建立了风光互补供电系统联合出力概率模型。将风光互补供电系统联合出力概率模型的输出参数导入序贯蒙特卡洛模拟法计算出的可靠性指标较好地表征了含分布式电源的配电网可靠性。
附图说明
本发明的附图说明如下:
图1风力发电概率密度/频数统计图。
图2光伏发电概率密度/频数统计图。
图3风光互补供电系统联合出力频数统计/概率密度图。
图4基于序贯蒙特卡洛模拟的含DG的配电网可靠性评估流程图。
图5算例系统各负荷点可靠性指标计算结果。
图6不同方案下系统期望缺供电量指标ENSI。
图7优选实施例中不同方案下系统期望缺供电量指标ENSI。
图8本发明方法的流程示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
实施例一
大量研究表明,风电机组的输出功率与风速关系密切,两者之间的关系即风力发电出力特性可用以下分段函数近似表示:
式中,Pw表示风电机组的输出功率;v为实际风速;Pwr为风电额定出力;、vci、vr、vco分别表示切入、额定和切出风速;a1、a2为出力参数,且有:
根据式中m的取值情况,可以将风电出力特性曲线分为线性、二次型和三次型曲线。当 m=1时,风电出力与风速之间呈线性关系,计算量较小,适用于实际工程估算,应用较为广泛。因此本实施例选择线性模型进行计算。
风力发电机输出功率基本由风速确定。因此,建立合理准确的风速分布模型是确定风机输出功率的前提。大量的实测数据研究表明,在配电网可靠性评估过程中,双参数威布尔函数对风速实际分布的拟合近似度最高,其概率分布函数及概率密度函数可表示为:
式中,c、k分别表示尺度参数和形状参数,计算公式如下:
k=(σv/μv)-1.086 (7)
式中,μv、σv分别表示实测风速的平均值和标准差。
在已知风速概率分布和风力发电机出力特性的情况下,即综合式(1)-(5),可以计算得到风力发电机出力概率分布:
①当v<vci或v>vco,即Pw=0时,风力发电概率分布为:
②当vci<v<vr,即0<Pw<Pwr时,风力发电概率分布为:
③当vr<v<vco,即Pw=Pwr时,风力发电概率分布为:
考虑到大部分时间风速位于切入风速和额定风速之间,可以由式(9)求导得到风力发电概率密度函数近似表达式为:
以额定输出功率Pwr=1MW的风力发电机为例,假设机组的切入风速vci=4m/s,额定风速vr=14m/s,切出风速vco=25m/s,通过统计年小时风速数据可以计算得到风电出力统计小时数以及风力发电概率密度。由图1可以看出,风力发电概率模型能够较好地刻画风电出力的统计特性。
光伏发电机主要由光伏电池阵列和电力电子器件等组成,可再生的太阳能资源由光伏阵列转换为电能。因此,光伏发电机输出功率的大小与其表面感应到的太阳能光照强度密不可分。研究表明,光伏发电机的输出功率Pv与太阳能光照强度的关系可近似表示为:
Pv=GAηv (12)
式中,G为实际光照强度;A、ηv分别表示光伏阵列总面积和光电转换效率。
与风电机组出力特性相似,确定光伏发电系统输出功率的关键在于建立合理准确的光照强度分布模型。大量的实测数据指出,光照强度的随机性可以用Beta分布拟合,其概率分布为:
综合光伏发电机出力特性模型和光照强度分布模型,即由式(12)、(13),可以计算得到光伏发电机出力概率密度和概率分布,其表达式如下:
式中,Pvmax为光伏机组最大输出功率,Pvmax=GmaxAη。
以Pvmax=Pvr=1MW的光伏机组为例,通过统计年小时光照强度数据可以计算得到光电出力统计小时数以及光伏发电概率密度。由图2可以看出,光伏发电概率模型能够较好地刻画光伏出力的统计特性。
在大多数有关含DG的配电网可靠性评估文献中,通常单独考虑风力发电或光伏发电对系统可靠性的影响,没有计及风光出力互补性和相关性,将其当做一个整体接入配电系统进行可靠性分析。因此,本实施例考虑将风电和光伏作为一个整体接入配电网中,用以分析风光互补供电系统对改善配电网可靠性的作用。
风机和光伏阵列输出功率有一定的相关性,即Pw与Pv为两个有相关性的随机变量。前面已经建立了这两个随机变量的概率分布模型,在已知Pw和Pv分布函数的情况下,建立风光互补供电系统联合出力概率模型就转换成了求解两个随机变量联合分布函数的问题。现阶段研究两个变量的联合分布函数的常用方法主有Copula理论和极值理论两种方法,其中极值理论常用于风险管理的评估。因此,本实施例在研究Pw、Pv两个随机变量联合概率分布模型时,选择用Copula函数理论。
针对多元随机变量联合分布问题,Copula理论可以将其转化为边际分布和相关程度2个问题。在已知两个随机变量x1、x2各自的分布函数分别为的前提下,可以用一个Copula函数表示其联合分布F(x1,x2)及密度函数f(x1,x2):
本实施例选取FrankCopula函数作为连接函数,其概率分布的表达式为:
式中,θ表示随机变量u、v间相关系数,θ>0表示u、v正相关,θ→0表示u、v趋于相互独立,θ<0表示u、v负相关。
基于Copula函数理论,结合风力发电、光伏发电概率模型,风光互补供电系统联合出力分布函数及概率密度函数可表示如下:
式中,FPw(Pw)、FPv(Pv)分别表示风力发电Pw和光伏发电Pv的分布函数。
以某风光互补示范工程为例,由统计结果得到的风光互补供电系统出力的频数统计直方图以及基于Copula理论建立的风光互补供电系统联合概率密度如图3所示。由图3可知,基于Copula函数理论所建立的风光联合出力概率模型,可以比较准确地体现出风光互补供电系统出力统计特性。
接入DG后,元件故障时,配电网可能形成孤岛运行,因此需要在传统配电网可靠性评估的基础上,计及孤岛运行特性及其对系统各负荷点供电情况的影响,对序贯蒙特卡洛模拟法进行一定的改进。孤岛运行情况由分布式电源出力与孤岛内负荷需求共同决定,然而DG出力和孤岛负荷水平均具有随机性和波动性,很难考虑完全随机条件下的孤岛运行,因此为简化计算,本文假定在配电网元件故障修复期间,以1小时为时间间隔,即认为DG出力和孤岛负荷水平在每小时内保持不变。
如图4所示,基于序贯蒙特卡洛模拟的含DG的配电网可靠性评估步骤如下:
步骤31:输入功率参数和概率参数,设定模拟仿真年限N,并初始化仿真时间MCTime=0;其中,功率参数包括发电机输出功率;概率参数包括发电机出力概率分布和概率密度。
所述基本参数包括功率参数和概率参数。
步骤32:计算各个元件的无故障工作时间TTF;
元件的无故障工作时间TTF、修复时间TTR与元件的故障率λ和修复率μ之间有如下关系:
式中,x表示(0,1)之间均匀分布的随机数。
步骤33:比较随机生成的各个元件的TTF,找到TTF最小的元件,假定该元件编号为i,设定此元件为故障元件,累加至仿真时间MCTime=MCTime+TTFmin;
步骤34:确定故障元件对系统负荷造成的影响:对元件i生成一个新的(0,1)之间的随机数,计算该元件的故障修复时间TTR;对开关元件也生成一个(0,1)之间的随机数,计算开关元件的切换时间TTS;依据元件i在网络中的位置,确定该元件故障导致系统各负荷点的停电情况;
当故障元件处于计划孤岛内时,此时孤岛运行不能形成,DG退出系统运行,按照传统配电网可靠性评估方法进行分析;当故障元件处于计划孤岛外时,可以形成孤岛运行,此时可将负荷分为a、b、c、d四类进行分析:
a类负荷:故障元件对其没有影响,不发生停电事故的负荷;
b类负荷:故障元件会导致其停电,但可通过隔离故障元件恢复供电的负荷;
c类负荷:故障元件会导致其停电,且只有元件修复后才能恢复供电的负荷;
d类负荷:计划孤岛内负荷。
对于a、b、c类负荷,按照传统方法统计其停电次数与停电时间;对于d类负荷,按以下方法进行分析,令t=1:
步骤341:基于前文所述的DG发电概率模型抽样得到t时刻DG的输出功率PDG、计划孤岛负荷需求为PL;
步骤342:若PDG>PL,孤岛内负荷均能由DG继续供电;否则,按照重要负荷优先供电原则进行负荷削减,直至孤岛内满足功率平衡;记录孤岛内各负荷点停电时间和缺供电量;
步骤342:判断故障元件是否修复,即满足t≥TTR,累计孤岛内各负荷点停电次数;若不满足,则令t=t+1,转至步骤341。
步骤35:判断MCTime是否达到设置的仿真年限,若达到,则结束模拟过程,继续下一步;若未达到,则转至步骤32;
步骤36:统计各负荷点的停电情况,计算各负荷点及系统可靠性指标。
实施例二
采用计划孤岛运行模式,孤岛形成时间为0.2h。各节点负荷服从正态分布,标准差取期望值的20%。DG参数设置参考1.1。设置接入DG的额定容量为2.6MW。计算过程中不考虑DG 故障对负荷点的影响。
为研究单独的风力、光伏发电系统以及风光互补供电系统对配电网可靠性的影响,设计以下四种方案:
方案一:不加DG;
方案二:在分支馈线F7上接入额定容量为2.6MW的风力发电机组;
方案三:在分支馈线F7上接入额定容量为2.6MW的光伏发电机组;
方案四:在分支馈线F7上接入额定容量为2.6MW的风光互补供电系统,风电容量与光伏容量为1:1。
基于Matlab编制程序,利用序贯蒙特卡洛模拟法计算算例系统可靠性,计算结果如表 1-4以及图5-6。
表1为不同方案下系统各负荷点可靠性指标计算结果:
表1部分负荷点的可靠性指标
表2为不同方案下系统可靠性指标计算结果:
表2不同方案下系统可靠性指标
表3为不同方案下分支馈线F7的可靠性指标计算结果:
表3分支馈线F7上各负荷点的可靠性指标
表4不同方案下F7馈线系统可靠性指标
对比分析各种方案下负荷点及系统的可靠性指标计算结果可得:
由表1以及图5中计算结果可以看出,部分负荷点可靠性发生了变化,说明DG的接入对孤岛外负荷点可靠性没有影响。计划孤岛内包含的负荷点LP19~23可靠性指标有所减少(即供电可靠性提高了),这验证了DG加入配电网后,可以在配电网主馈线上元件发生故障时形成孤岛运行,继续为孤岛内负荷点供电,从而提高了这些负荷点的供电可靠性水平;从表2 中的计算结果也可以直观看出,加入DG后,由于没有考虑DG故障会引起电网停电的情况,因此不会对系统SAIFI指标产生影响,但其他指标均有下降,说明DG的接入可以在一定程度上改善配电网的供电可靠性;
由于DG的接入只会影响计划孤岛内负荷点的可靠性,因此着重分析分支馈线系统F7上各负荷点可靠性指标变化情况,由表3可以看出,加入DG后,各负荷点可靠性指标均有所改善,但是由于DG出力具有随机性,有可能会小于计划孤岛内总负荷,当DG出力小于孤岛内总负荷时,需要根据重要负荷优先供电原则切除部分负荷,因此孤岛内各负荷点可靠性改善程度不一样,对于负荷等级较高的负荷点LP21、LP23,其可靠性提高程度最大,与切负荷策略相符;
由图6可以很直观地看出,加入分布式电源后,系统ENSI指标均有所减少,并且不同方案下ENSI指标减少程度不一样,其中方案四系统ENSI指标最小,由此可以得出,与单独的风、光发电相比,风光互补供电系统能够更好地改善系统供电可靠性。
在优选的实施例中,在分支馈线F5上接入额定容量为2.6MW的风力发电机组。
由前面的分析结果可知,DG是通过提高计划孤岛内负荷点可靠性,进而改善系统可靠性水平。由于DG接入位置不同,求解得到的计划孤岛范围也不同,方案二和方案五得到的负荷点可靠性指标不具有可比性,因此只比较两种方案下的系统可靠性指标。表5及图7给出了不同方案下系统可靠性指标计算结果。
表5不同方案下系统可靠性指标
对比分析各种方案下系统的可靠性指标计算结果可得:
方案二、五与方案一即未接入DG相比,系统可靠性指标得到了改善,表明DG接入配电网不同位置,均可以在一定程度上提高系统供电可靠性;
方案二与方案五相比,系统可靠性改善程度不同,这是由于DG接入配电网不同位置时,求解得到的计划孤岛划分范围不同所引起的;此外,从图7可以很清楚地看出,方案二计算得到的系统期望缺供电量最少,即将DG接入分支馈线F7上时,更有利于提高系统可靠性水平。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的保护范围之内。
Claims (7)
1.一种含分布式电源的配电网可靠性评估方法,其特征在于,包括以下步骤:
步骤1、构建风力发电概率模型和光伏发电概率模型,并采用Copula函数理论构建风光互补供电系统联合出力概率模型;
步骤2、根据风光互补供电系统联合出力概率模型计算出给定参数条件下的功率参数和概率参数;
步骤3、采用改进的序贯蒙特卡洛模拟法计算出不同分布式电源接入类型和/或位置中配电网的各负荷点的可靠性指标;
步骤4、对所述可靠性指标进行分析以确定分布式电源接入类型和/或位置对配电网可靠性的影响。
3.如权利要求1所述的方法,其特征在于,所述步骤3包括:
步骤31:输入所述功率参数和概率参数,设定模拟仿真年限N,并初始化仿真时间MCTime=0;
步骤32:计算各个元件的无故障工作时间TTF;
步骤33:比较随机生成的各个元件的TTF,找到TTF最小的元件,假定该元件编号为i,设定此元件为故障元件,累加至仿真时间MCTime=MCTime+TTFmin;
步骤34:确定故障元件对系统负荷造成的影响:对元件i生成一个新的(0,1)之间的随机数,计算该元件的故障修复时间TTR;对开关元件也生成一个(0,1)之间的随机数,计算开关元件的切换时间TTS;依据元件i在网络中的位置,确定该元件故障导致系统各负荷点的停电情况;
步骤35:判断MCTime是否达到设置的仿真年限,若达到,则结束模拟过程,继续下一步;若未达到,则转至步骤32;
步骤36:统计各负荷点的停电情况,计算各负荷点及系统可靠性指标。
4.如权利要求3所述的方法,其特征在于,当故障元件处于计划孤岛外时,可以形成孤岛运行且计划孤岛内负荷,所述步骤34包括:
步骤341:由所述概率模型抽样得到t时刻DG的输出功率PDG、计划孤岛负荷需求为PL,其中t=1;
步骤342:若PDG>PL,孤岛内负荷均能由DG继续供电;否则,按照重要负荷优先供电原则进行负荷削减,直至孤岛内满足功率平衡;记录孤岛内各负荷点停电时间和缺供电量;
步骤343:判断故障元件是否修复,即满足t≥TTR,累计孤岛内各负荷点停电次数;若不满足,则令t=t+1,转至步骤341。
5.如权利要求1所述的方法,其特征在于,所述步骤3中的不同分布式电源接入类型至少包括以下之一:不接入分布式电源、在分支馈线上接入额定容量的风力发电机组、在分支馈线上接入额定容量的光伏发电机组、在分支馈线上接入额定容量的风光互补供电系统。
6.如权利要求5所述的方法,其特征在于,在分支馈线上接入额定容量的风光互补供电系统,风电容量与光伏容量为1:1。
7.如权利要求1-6中任一项所述的方法,其特征在于,所述步骤3中的不同分布式电源的接入位置至少为两个。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010759617.7A CN111882228A (zh) | 2020-07-31 | 2020-07-31 | 一种含分布式电源的配电网可靠性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010759617.7A CN111882228A (zh) | 2020-07-31 | 2020-07-31 | 一种含分布式电源的配电网可靠性评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111882228A true CN111882228A (zh) | 2020-11-03 |
Family
ID=73206062
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010759617.7A Pending CN111882228A (zh) | 2020-07-31 | 2020-07-31 | 一种含分布式电源的配电网可靠性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111882228A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112701679A (zh) * | 2020-12-18 | 2021-04-23 | 厦门大学 | 基于模型-数据混合驱动的主动配电网短期可靠性评估方法 |
CN113505530A (zh) * | 2021-07-02 | 2021-10-15 | 广西电网有限责任公司桂林供电局 | 一种配网高可靠性优化电网重构的方法及相关设备 |
CN117810990A (zh) * | 2024-01-02 | 2024-04-02 | 国网江苏省电力有限公司宿迁供电分公司 | 一种基于配网两线三站结构提升新能源承载力的方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102801157A (zh) * | 2012-07-24 | 2012-11-28 | 江苏省电力设计院 | 基于Copula理论的风光互补发电系统可靠性评估方法 |
CN103746370A (zh) * | 2013-12-20 | 2014-04-23 | 河海大学 | 一种风电场可靠性建模方法 |
CN104376504A (zh) * | 2014-11-06 | 2015-02-25 | 国家电网公司 | 一种基于解析法的配电系统概率可靠性评估方法 |
CN104851053A (zh) * | 2015-05-14 | 2015-08-19 | 上海电力学院 | 一种含风光储的配电网供电可靠性评估方法 |
CN105207197A (zh) * | 2015-07-31 | 2015-12-30 | 南京工程学院 | 包含风电场的电力系统可靠性评估方法 |
CN106354985A (zh) * | 2016-10-26 | 2017-01-25 | 华中科技大学 | 一种考虑分布式电源的配电系统可靠性评估方法 |
CN108062633A (zh) * | 2018-01-05 | 2018-05-22 | 国网江苏省电力有限公司宿迁供电分公司 | 一种分布式电源高渗透下的配电网风险评估方法 |
CN108074038A (zh) * | 2017-12-11 | 2018-05-25 | 国网江苏省电力有限公司经济技术研究院 | 一种考虑可再生能源及负荷多时空分布特性的电力生产模拟方法 |
CN109921426A (zh) * | 2019-04-17 | 2019-06-21 | 兰州理工大学 | 基于cv-kde的风电并网系统概率潮流计算方法 |
-
2020
- 2020-07-31 CN CN202010759617.7A patent/CN111882228A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102801157A (zh) * | 2012-07-24 | 2012-11-28 | 江苏省电力设计院 | 基于Copula理论的风光互补发电系统可靠性评估方法 |
CN103746370A (zh) * | 2013-12-20 | 2014-04-23 | 河海大学 | 一种风电场可靠性建模方法 |
CN104376504A (zh) * | 2014-11-06 | 2015-02-25 | 国家电网公司 | 一种基于解析法的配电系统概率可靠性评估方法 |
CN104851053A (zh) * | 2015-05-14 | 2015-08-19 | 上海电力学院 | 一种含风光储的配电网供电可靠性评估方法 |
CN105207197A (zh) * | 2015-07-31 | 2015-12-30 | 南京工程学院 | 包含风电场的电力系统可靠性评估方法 |
CN106354985A (zh) * | 2016-10-26 | 2017-01-25 | 华中科技大学 | 一种考虑分布式电源的配电系统可靠性评估方法 |
CN108074038A (zh) * | 2017-12-11 | 2018-05-25 | 国网江苏省电力有限公司经济技术研究院 | 一种考虑可再生能源及负荷多时空分布特性的电力生产模拟方法 |
CN108062633A (zh) * | 2018-01-05 | 2018-05-22 | 国网江苏省电力有限公司宿迁供电分公司 | 一种分布式电源高渗透下的配电网风险评估方法 |
CN109921426A (zh) * | 2019-04-17 | 2019-06-21 | 兰州理工大学 | 基于cv-kde的风电并网系统概率潮流计算方法 |
Non-Patent Citations (2)
Title |
---|
20190515: ""含分布式电源与充电站的配电网可靠性评估与规划"", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
余佩: ""含分布式电源和电动汽车的配电网可靠性评估研究"", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112701679A (zh) * | 2020-12-18 | 2021-04-23 | 厦门大学 | 基于模型-数据混合驱动的主动配电网短期可靠性评估方法 |
CN112701679B (zh) * | 2020-12-18 | 2023-02-03 | 厦门大学 | 基于模型-数据混合驱动的主动配电网短期可靠性评估方法 |
CN113505530A (zh) * | 2021-07-02 | 2021-10-15 | 广西电网有限责任公司桂林供电局 | 一种配网高可靠性优化电网重构的方法及相关设备 |
CN117810990A (zh) * | 2024-01-02 | 2024-04-02 | 国网江苏省电力有限公司宿迁供电分公司 | 一种基于配网两线三站结构提升新能源承载力的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111882228A (zh) | 一种含分布式电源的配电网可靠性评估方法 | |
CN108183512B (zh) | 一种接入新能源的电力系统的可靠性评估方法 | |
Mosadeghy et al. | A time-dependent approach to evaluate capacity value of wind and solar PV generation | |
Billinton | Reliability considerations in the utilization of wind energy, solar energy and energy storage in electric power systems | |
CN106354985B (zh) | 一种考虑分布式电源的配电系统可靠性评估方法 | |
CN109190792B (zh) | 一种确定配电网中分布式电源的配置的方法和系统 | |
CN109934437B (zh) | 一种配电网停电风险评估方法及系统 | |
CN107359611B (zh) | 考虑多种随机因素的配电网等值方法 | |
CN105262146B (zh) | 含风电的电力系统备用容量计算方法和系统 | |
Tahir et al. | Optimal ESS size calculation for ramp rate control of grid-connected microgrid based on the selection of accurate representative days | |
Billinton | A sequential simulation method for the generating capacity adequacy evaluation of small stand-alone wind energy conversion systems | |
CN110661250B (zh) | 含风光储发输电系统的可靠性评估方法及系统 | |
Gen | Reliability and cost/worth evaluation of generating systems utilizing wind and solar energy | |
CN114301081B (zh) | 一种考虑蓄电池储能寿命损耗与需求响应的微电网优化方法 | |
CN104636993B (zh) | 配电系统可靠性算法 | |
CN111797537B (zh) | 一种含风电配电系统可靠性评估方法及装置 | |
CN111835003A (zh) | 多电源供电下中压配电网理论线损实时计算方法及系统 | |
CN116432978A (zh) | 一种计算高速公路自洽能源系统的供电可靠率指标的方法 | |
CN116307838A (zh) | 一种电网可靠性评估中配电网精确等值方法及系统、介质 | |
CN115378034A (zh) | 一种孤岛微电网系统可靠性评估方法以及装置 | |
Cheng et al. | A planning scenario clustering method based on monte-carlo simulation | |
CN110518633B (zh) | 考虑线路容量充裕度的电网节点新能源接纳容量获得方法 | |
CN112886569A (zh) | 一种用于并网型微电网供电可靠性的评估方法及装置 | |
Xu et al. | Risk assessment method for transmission-distribution integrated system with distributed PV | |
CN110365010A (zh) | 基于2m点估计法的含DG配电网可靠性评估指标获取方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201103 |