CN112085399A - 能源系统可靠性确定方法、装置和设备 - Google Patents
能源系统可靠性确定方法、装置和设备 Download PDFInfo
- Publication number
- CN112085399A CN112085399A CN202010966744.4A CN202010966744A CN112085399A CN 112085399 A CN112085399 A CN 112085399A CN 202010966744 A CN202010966744 A CN 202010966744A CN 112085399 A CN112085399 A CN 112085399A
- Authority
- CN
- China
- Prior art keywords
- energy system
- target energy
- target
- gas
- pressure
- 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 74
- 239000000203 mixture Substances 0.000 claims abstract description 37
- 230000005611 electricity Effects 0.000 claims abstract description 28
- 230000008569 process Effects 0.000 claims abstract description 28
- 238000006243 chemical reaction Methods 0.000 claims abstract description 25
- 239000007789 gas Substances 0.000 claims description 85
- 239000003949 liquefied natural gas Substances 0.000 claims description 32
- 230000008859 change Effects 0.000 claims description 29
- 238000005070 sampling Methods 0.000 claims description 22
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 11
- 230000009467 reduction Effects 0.000 claims description 9
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 34
- 239000003345 natural gas Substances 0.000 description 17
- 238000004088 simulation Methods 0.000 description 17
- 238000004458 analytical method Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 14
- 238000003860 storage Methods 0.000 description 10
- 238000012546 transfer Methods 0.000 description 7
- 238000009826 distribution Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 239000010432 diamond Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000528 statistical test Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic 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
- G06Q10/0639—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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Game Theory and Decision Science (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Linguistics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (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
本申请提供了一种能源系统可靠性确定方法、装置和设备,其中,该方法包括:获取目标能源系统的供需数据;生成所述目标能源系统的第一动态事件树,其中,第一动态事件树中包括目标能源系统中可能发生的所有事件序列;根据供需数据和第一动态事件树,确定在预设时间内在多个系统组成情况下分别对应的失效概率数据,其中,所述多个系统组成情况包括:目标能源系统中包含电转气、不包含电转气;根据所述失效概率数据确定目标能源系统分别在各个系统组成情况下的可靠性。在本申请实施例中,可以利用第一动态事件树准确的体现目标能源系统的物理模型和系统运行过程中可能发生的不确定性事件,从而高效、准确的确定包含电转气的综合能源系统的可靠性。
Description
技术领域
本申请涉及可再生能源技术领域,特别涉及一种能源系统可靠性确定方法、装置和设备。
背景技术
随着低碳化进程的加快和可再生能源利用技术的发展,天然气作为清洁能源和可再生能源在世界能源领域受到越来越多的关注。在能源转化科技的发展过程中,提出了综合能源系统的概念。综合能源系统指在规划、建设和运行等过程中,对不同能源(电网,热网和天然气管网等)的生产、传输、分配、转换、存储和消费等环节进行有机协调形成的能源产供销一体化系统,并充分利用可再生能源提高系统的安全性和可靠性。但是能源结构的改变和转型必然会对能源系统的可靠运行产生巨大的影响,确保综合能源系统安全运行是日常运行的基本要求。
目前对于综合能源系统的研究主要集中在综合能源系统优化问题,而对于可靠性的分析较少。现有技术中的可靠性分析主要是针对电力系统、天然气管网和热力系统等系统,而没有针对包含P2G(Power to Gas,电转气)的综合能源系统的可靠性分析方案,即现有技术中的可靠性分析方案具有一定的局限性。由于P2G是综合能源系统中十分重要的一个组成部分,因此,采用现有技术中的可靠性分析方案无法准确、高效地确定包含P2G的综合能源系统的可靠性。
针对上述问题,目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种能源系统可靠性确定方法、装置和设备,以解决现有技术中无法准确、高效地确定包含P2G的综合能源系统的可靠性的问题。
本申请实施例提供了一种能源系统可靠性确定方法,包括:获取目标能源系统的供需数据;生成所述目标能源系统的第一动态事件树,其中,所述第一动态事件树中包括所述目标能源系统中可能发生的事件序列;根据所述供需数据和所述第一动态事件树,确定在预设时间内所述目标能源系统在多个系统组成情况下分别对应的失效概率数据,其中,所述多个系统组成情况包括:所述目标能源系统中包含电转气、所述目标能源系统中不包含电转气;根据所述失效概率数据确定所述目标能源系统分别在各个系统组成情况下的可靠性。
在一个实施例中,所述失效概率数据包括:在预设时间内所述目标能源系统的总失效概率、在所述预设时间中的各个预设时间段内的失效可能性。
在一个实施例中,所述多个系统组成情况包括:所述目标能源系统中包含液化天然气但不包含电转气、所述目标能源系统中包含电转气且包含液化天然气、所述目标能源系统中不包含电转气且不包含液化天然气、所述目标能源系统中包含电转气但不包含液化天然气。
在一个实施例中,在所述目标能源系统中包含电转气的情况下,在根据所述失效概率数据确定所述目标能源系统在各个系统组成情况下的可靠性之后,还包括:获取所述目标能源系统的目标压力;将所述目标压力作为动态事件树的过程变量,生成所述目标能源系统的第二动态事件树;基于所述第二动态事件树,计算所述目标能源系统的安全裕度;根据所述安全裕度,确定包含电转气的能源系统的可靠性。
在一个实施例中,基于所述第二动态事件树,计算所述目标能源系统的安全裕度,包括:确定所述第二动态事件树中包含的多个事件序列;基于所述第二动态事件树进行模拟,得到所述多个事件序列中各个事件序列对应的压力变化数据;将所述各个事件序列对应的压力变化数据中最接近所述目标压力的压力变化数据作为目标压力变化数据;将所述目标压力变化数据对应的事件序列作为目标事件序列;利用蒙特卡洛模拟抽样,计算所述目标能源系统在所述目标事件序列下的安全裕度。
在一个实施例中,利用蒙特卡洛模拟抽样,计算所述目标能源系统在所述目标事件序列下的安全裕度,包括:确定所述目标能源系统中压力最低的节点;将所述压力最低的节点处的压力作为参考压力;利用蒙特卡洛模拟抽样,根据所述参考压力计算所述目标能源系统在所述目标事件序列下的安全裕度。
在一个实施例中,所述目标事件序列中包括:气源压力降低。
在一个实施例中,利用蒙特卡洛模拟抽样,计算所述目标能源系统在所述目标事件序列下的安全裕度,包括:计算不同气源压力降低幅度对应方差;在不同方差的条件下分别进行蒙特卡洛模拟抽样,得到不同方差的条件下的抽样结果;根据所述不同方差的条件下的抽样结果,计算在不同方差的条件下所述目标能源系统在所述目标事件序列下的安全裕度。
本申请实施例还提供了一种能源系统可靠性确定装置,包括:获取模块,用于获取目标能源系统的供需数据;生成模块,用于生成所述目标能源系统的第一动态事件树,其中,所述第一动态事件树中包括所述目标能源系统中可能发生的事件序列;第一确定模块,用于根据所述供需数据和所述第一动态事件树,确定在预设时间内所述目标能源系统在多个系统组成情况下分别对应的失效概率数据,其中,所述多个系统组成情况包括:所述目标能源系统中包含电转气、所述目标能源系统中不包含电转气;第二确定模块,用于根据所述失效概率数据确定所述目标能源系统分别在各个系统组成情况下的可靠性。
本申请实施例还提供了一种能源系统可靠性确定设备,包括处理器以及用于存储处理器可执行指令的存储器,所述处理器执行所述指令时实现所述能源系统可靠性确定方法的步骤。
本申请实施例提供了一种能源系统可靠性确定方法,可以通过获取目标能源系统的供需数据,生成所述目标能源系统的第一动态事件树,其中,所述第一动态事件树中包括所述目标能源系统中可能发生的所有事件序列,从而可以利用第一动态事件树准确的综合体现目标能源系统的物理模型和系统运行过程中可能发生的不确定性事件。进一步的,可以根据所述供需数据和所述第一动态事件树,确定在预设时间内所述目标能源系统在多个系统组成情况下分别对应的失效概率数据,其中,所述多个系统组成情况包括:所述目标能源系统中包含电转气、所述目标能源系统中不包含电转气,从而可以将电转气对目标能源系统的影响考虑进去。可以根据所述失效概率数据确定所述目标能源系统分别在各个系统组成情况下的可靠性,从而可以高效、准确的确定包含电转气的综合能源系统的可靠性。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,并不构成对本申请的限定。在附图中:
图1是根据本申请实施例提供的能源系统可靠性确定方法的步骤示意图;
图2是根据本申请具体实施例提供的综合能源系统的抽象结构图的示意图;
图3是根据本申请具体实施例提供的动态事件树的演化过程的示意图;
图4是根据本申请具体实施例提供的第一动态事件树的示意图;
图5是根据本申请具体实施例提供的系统失效概率的变化情况的示意图;
图6是根据本申请具体实施例提供的第二动态事件树结构简图的示意图;
图7是根据本申请具体实施例提供的不同的事件序列下的压力变化数据的示意图;
图8是根据本申请实施例提供的能源系统可靠性确定装置的结构示意图;
图9是根据本申请实施例提供的能源系统可靠性确定设备的结构示意图。
具体实施方式
下面将参考若干示例性实施方式来描述本申请的原理和精神。应当理解,给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本申请,而并非以任何方式限制本申请的范围。相反,提供这些实施方式是为了使本申请公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
本领域的技术人员知道,本申请的实施方式可以实现为一种系统、装置设备、方法或计算机程序产品。因此,本申请公开可以具体实现为以下形式,即:完全的硬件、完全的软件(包括固件、驻留软件、微代码等),或者硬件和软件结合的形式。
虽然下文描述流程包括以特定顺序出现的多个操作,但是应该清楚了解,这些过程可以包括更多或更少的操作,这些操作可以顺序执行或并行执行(例如使用并行处理器或多线程环境)。
由于目前对于综合能源系统的研究主要集中在综合能源系统优化问题,而对于可靠性的分析较少。现有技术中对于电力系统,天然气管网和热力系统等系统的可靠性分析都已经有了较为深入的研究,但是对于包含P2G的综合能源系统的可靠性评价仍未有较为成熟的技术方案。综合能源系统的可靠性评价可以大致分为三个方面,首先是不同系统之间的相互作用,其次是具有不确定性的可再生能源和用户需求,最后是不同能源系统的特征。虽然目前对于上述不同方面进行了一定程度的研究,但是未将综合能源系统中的电转气(Power to gas,P2G)模块考虑进去,而电转气是未来能源系统十分重要的一个组成部分。因此,采用现有技术中的可靠性分析方案无法准确、高效地确定包含P2G的综合能源系统的可靠性。
基于以上问题,本发明实施例提供了一种能源系统可靠性确定方法,如图1所示,可以包括以下步骤:
S101:获取目标能源系统的供需数据。
上述目标能源系统可以为需要进行可靠性分析的综合能源系统,目标能源系统中可以包括多个电力供应节点和天然气供应节点,用于向相应节点处的用户进行供气和供电。上述目标能源系统的供需数据可以用于表征气电消费者需求、气源供气量以及发电厂发电量,可以包括但不限于以下至少之一:电力需求、天然气需求和风电场电力输出。
在一些实施例中,由于不同节点处的特性不同,可以分别获取目标能源系统中各个节点处的供需数据,对应的,分别确定各个节点处的可靠性,并根据各个节点处的可靠性确定目标能源系统的可靠性,具体采用何种方式可以根据实际情况确定,本申请对此不作限定。
S102:生成目标能源系统的第一动态事件树,其中,第一动态事件树中包括目标能源系统中可能发生的所有事件序列。
为了将复杂的目标能源系统的物理模型和系统运行过程中可能发生的不确定性事件统一考虑,可以采用动态事件树(DET,Dynamic Event Tree)提供一个方法框架来模拟物理系统的演化,从而能够考虑目标能源系统中的随机事件与连续时间行为之间的相互作用。可以根据目标能源系统的物理模型生成目标能源系统的第一动态事件树,其中,第一动态事件树中包括有目标能源系统中可能发生的所有事件序列。
具体的,可以通过在模拟过程中考虑目标能源系统的复杂物理模型和不确定性因素,通过过程变量的表示和不同事件的注入,在物理模型基础下演变出每个事件序列的末状态,从而生成第一动态事件树。其中,上述动态事件树是一种基于事故场景的比较全面的仿真方法,可以按事故发展的时间顺序由初始事件开始推论可能的后果,从而进行危险源辨识的方法,动态事件树方法将系统可能发生的某种事故与导致事故发生的各种原因之间的逻辑关系用一种称为事件树的树形图表示。
上述事件序列可以为在预设时间内的各个时间节点处可能发生的事件,例如:在预设时间为1天的情况下,第一动态树中的某一个事件序列可以为:8:00am压缩机失效-12:00am气源压力不变-15:00pm气源压力不变-19:00pm用户需求增加。可能发生的事件序列可以根据系统的历史数据,由专业人员分析推论获得,或者构建可能发生的事件序列库,再基于各个时间节点的特性从事件序列库中选择可能发生的事件序列。
S103:根据供需数据和第一动态事件树,确定在预定时间内目标能源系统在多个系统组成情况下分别对应的失效概率数据,其中,多个系统组成情况包括:目标能源系统中包含电转气、目标能源系统中不包含电转气。
在一些实施例中,可以通过确定目标能源系统是否能够满足用户的需求来评价目标能源系统的可靠性。因此,可以根据上述供需数据和第一动态事件树,确定在预定时间内目标能源系统在多个系统组成情况下分别对应的失效概率数据,当目标能源系统的供需不平衡的情况下,认为目标能源系统失效。
其中,上述多个系统组成情况可以包括:目标能源系统中包含电转气、目标能源系统中不包含电转气。由于供气节点可以使用P2G进行供气,也可以采用LNG(液化天然气)进行供气,因此,在一些实施例中,上述目标能源系统还可以包括:目标能源系统中包含液化天然气但不包含电转气、目标能源系统中包含电转气且包含液化天然气、目标能源系统中不包含电转气且不包含液化天然气、目标能源系统中包含电转气但不包含液化天然气。上述电转气是将电能转化为气体燃料的技术,是用于解决再生能源电力储存的难题的一项技术,目前采用的方式有三种,但所有的方法都是借助于电力将水电解为氢和氧。
上述失效概率数据可以用于表征目标能源系统在使用过程中失效的可能性,可以包括但不限于以下至少之一:在预设时间内所述目标能源系统的总失效概率、在所述预设时间中的各个预设时间段内的失效可能性。预设时间可以为1天、2天、20小时等,具体的可以根据实际情况确定,本申请对此不作限定。
在一些实施例中,可以将上述预设时间分为多个时间段,即上述多个预设时间段,例如在预设时间为1的情况下,将预设时间分为四个时间段,那么对应的多个预设时间段分别为:0:00-4:00、4:00-10:00、10:00-16:00、16:00-24:00。当然还可以采用其它的分段方式,具体的可以根据实际情况确定,本申请对此不作限定。
在一些实施例中,可以根据预设时间内的供需数据和第一动态事件树,实时确定失效概率数据,从而准确地评价目标能源系统的可靠性。也可以根据预设时间之前一段时间内的供需数据和第一动态事件树,进行预测得到失效概率数据,从而可以根据预测得到的失效概率数据评价目标能源系统的可靠性,并对目标能源系统进行相应的改进,以提高目标能源系统的可靠性。具体采用哪种方式可以根据实际情况确定,本申请对此不作限定。
在一个实施例中,可以通过结合上述供需数据对第一动态事件树进行分析,可以在以下假设的基础上进行第一动态事件树的分析:(1)目标能源系统的随机变量离散化,例如每个时间点的供需;(2)目标能源系统气源供气,LNG供气和备用电源的都是具有一定概率减少或失效;(3)当气源供气减少,需求不能得到满足时,首先通过LNG进行供气,当LNG仍然不能满足需求时才使用备用电源进行供能;(4)当目标能源系统供需不平衡时,认为系统失效。
S104:根据失效概率数据确定目标能源系统分别在各个系统组成情况下的可靠性。
在一些实施例中,可以根据失效概率数据确定目标能源系统分别在各个系统组成情况下的可靠性,失效概率越低则可靠性越高。根据最终确定的可靠性数据可以发现,包含电转气的目标能源系统比不包含电转气的目标能源系统的可靠性要高。
为了进一步确定包含电转气的目标能源系统的可靠性,可以将天然气系统的特性考虑进行,即可以获取目标能源系统的目标压力,并将目标压力作为动态事件树的过程变量,生成目标能源系统的第二动态事件树。进一步的,可以基于第二动态事件树,计算目标能源系统的安全裕度(safety margin,SM),并根据安全裕度,确定包含电转气的能源系统的可靠性。
在一些实施例中,当安全裕度小于0时认为系统是不可靠的,或者在小于某个预设阈值的情况下认为系统是不可靠的,上述预设阈值可以为0.1、0.91等,具体的可以根据实际情况确定,本申请对此不作限定。
上述目标压力可以为管道天然气供气协议中,乙方(供气方)需要向甲方(用户)提供的供气压力的最低值,上述安全裕度可以用于表征目标能源系统的安全性、可靠性和系统风险性。
由于不同的事件序列对应的发生场景和可能发生的情况均是存在一定差异的,因此,在一个实施例中,在基于第二动态事件树计算目标能源系统的安全裕度时,可以先确定第二动态事件树中包含的多个事件序列,并基于第二动态事件树进行模拟,得到多个事件序列中各个事件序列对应的压力变化数据。进一步的,可以将各个事件序列对应的压力变化数据中最接近目标压力的压力变化数据作为目标压力变化数据,并将目标压力变化数据对应的事件序列作为目标事件序列。可以利用蒙特卡洛模拟抽样,计算目标能源系统在目标事件序列下的安全裕度。
其中,上述事件序列对应的压力变化数据可以包括:事件序列中各个时间点对应的压力。由于最接近目标压力的压力变化数据更能体现目标能源系统可能失效的概念,因此可以将最接近目标压力的压力变化数据作为目标压力变化数据,即如果目标能源系统在目标压力变化数据对应的事件序列下都是安全可靠的,那么在其它事件序列下也应该是安全可靠的。
上述蒙特卡洛模拟抽样又称随机抽样或统计试验方法,属于计算数学的一个分支,当所要求解的问题是某种事件出现的概率,或者是某个随机变量的期望值时,可以通过某种“试验”的方法,得到这种事件出现的频率,或者这个随机变数的平均值,并用它们作为问题的解。
在一个实施例中,在确定第二动态事件树中包含的多个事件序列时,可以去除多个事件序列中失效的事件序列,其中,失效的事件序列为对应的压力小于目标压力的事件序列,即为供需不平衡的情况。
在一个实施例中,可以对目标能源系统中压力最低的节点处的数据进行分析,以确定目标能源系统的可靠性。即可以确定第二动态事件树中压力最低的节点处包含的多个事件序列,并基于压力最低的节点处包含的多个事件序列采用上述方式计算安全裕度。其中,压力最低的节点可以是目标能源系统的中位于传输管道最末端的节点,或者也可以是根据实时测量的压力数据确定的,具体的可以根据实际情况确定本申请对此不作限定。
对应的,在计算安全裕度时,可以先确定目标能源系统中压力最低的节点,并将压力最低的节点处的压力作为参考压力。进一步的,可以利用蒙特卡洛模拟抽样,根据参考压力计算目标能源系统在目标事件序列下的安全裕度。
在上述目标事件序列中包括气源压力降低的情况下,可以探究气源压力降低幅度对于目标能源系统中其他指标的影响,从而确定气源压力降低幅度在不同波动范围下对目标能源系统安全的影响,以保证系统的安全可靠。在一些实施例中,可以计算不同气源压力降低幅度对应方差,在不同方差的条件下分别进行蒙特卡洛模拟抽样,可以得到不同方差的条件下的抽样结果。可以根据不同方差的条件下的抽样结果,计算在不同方差的条件下目标能源系统在目标事件序列下的安全裕度,即气源压力变化在方差不同的正态分布情况下目标能源系统的安全裕度。其中,上述方差可以用于表征气源压力降低幅度的波动范围。
可以理解的是,上述步骤中仅是示例性阐述了如何确定气源压力降低幅度在不同波动范围下对目标能源系统安全的影响,还可以利用杉树方法继续探究其他因素对于目标能源系统其他指标的影响,从而确定不同影响因素在不同波动范围下对目标能源系统安全的影响,以保证目标能源系统的安全可靠。具体的可以根据实际情况确定,本申请对此不作限定。
从以上的描述中,可以看出,本申请实施例实现了如下技术效果:可以通过获取目标能源系统的供需数据,生成所述目标能源系统的第一动态事件树,其中,所述第一动态事件树中包括所述目标能源系统中可能发生的所有事件序列,从而可以利用第一动态事件树准确的综合体现目标能源系统的物理模型和系统运行过程中可能发生的不确定性事件。进一步的,可以根据所述供需数据和所述第一动态事件树,确定在预设时间内所述目标能源系统在多个系统组成情况下分别对应的失效概率数据,其中,所述多个系统组成情况包括:所述目标能源系统中包含电转气、所述目标能源系统中不包含电转气,从而可以将电转气对目标能源系统的影响考虑进去。可以根据所述失效概率数据确定所述目标能源系统分别在各个系统组成情况下的可靠性,从而可以高效、准确的确定包含电转气的综合能源系统的可靠性。
下面结合一个具体实施例对上述方法进行说明,然而,值得注意的是,该具体实施例仅是为了更好地说明本申请,并不构成对本申请的不当限定。
本发明实施提供了一种能源系统可靠性确定方法,可以包括:
步骤1:获取电力和天然气需求和风电场电力输出。
综合能源系统的抽象结构图可以如图2中所示,该系统由天然气系统和电力系统组成(包含可再生能源)。其中,天然气系统由管道、压气站、管道气源和LNG站构成。电力系统由燃气发电站、可再生能源发电站、变压器和高压线路构成。两个系统通过燃气发电站和电转气站进行耦合。node1为上游来气(Gas source)输入点,正常供气能力为52000m3/h,node4连接着一个LNG站,正常供气能力为8000m3/h。bus3连接有一个火力发电厂,其输出功率为260MW。Bus2连接有一个风力发电厂,其输出电力和实际风速相关。Coal-fired powerplant为可再生能源发电站;Wind farm为风力站;Gas-fired power plant燃气发电站;power-to-gas为电转气站;Customer表示用户。
其他节点为用户需求点,以一天24h为例,不同节点对于电力和天然气需求和风电场电力输出如表1中所示。其中,p.u为标准化的单位,电力的为MW/100,天然气为m3/h/10000。
步骤2:生成综合能源系统的第一动态事件树。
动态事件树的分析、生成过程如下:(1)定义系统的物理模型和过程变量,通过分析过程变量表现物理模型状态的变化;(2)定义系统的分支规则,用来确定系统演化过程中分支开始和结束的规则;(3)根据物理模型生成动态事件树刻画所有可能的事故场景。即从一个初始的状态作为分析起点,根据分支规则,吸收规则等进行向前演化,每一个步长中都对系统的各种变量进行识别和判断,从而产生所有事件序列直到识别出系统所有可能的事故场景。
表1电力和天然气需求和风电场电力输出
动态事件树的演化过程可以如图3中所示,每一个分支以离散的方式呈现,并代表了不同时间场景的发生和演化。在模拟过程中考虑到了系统的复杂物理模型和不确定性因素,通过过程变量的表示和不同事件的注入,在物理模型基础下演变出每个事件序列的末状态。动态事件树的演变从预设的一个初始状态开始,其中,在确定节点是否满足分支规则后,节点会存储系统状态的信息。图3(a)中表征了演变过程的第一个事件序列,其根据过程变量状态为依据演化到末状态,而不同状态的确定是由具体物理模型运行得到。在这次模拟过程中,产生了三个未完全演化的节点1、2和3,并且每个节点都记录了当下系统的状态信息,包括系统参数,硬件状态和计划状态等等。本次序列演化结束后,动态事件树的演化再次回到节点3,节点3存储的系统状态信息将会被读取,并判断是否有其他分支可能,并将沿着新的分支继续演化至末状态,而当节点3没有其他分支可能,节点3将会被标记为已完全演化,从而可以得到图3(b)。以此类推,动态事件树的演化过程将会放回到临近的未完全演化的节点,则会返回到2节点,读取该节点的系统信息并接着演化,如图3(c)中所示。最后,当所有节点都和序列都演化结束,即生成完整的动态事件树,如图3(d)中所示,动态事件树即包含了所有可能发生的事件和场景。
按照上述方式最终生成的综合能源系统的第一动态事件树可以如图4中所示,initiating stat为启动状态,图中菱形为天然气供应、正方形为LNG、圆形为储用功率(standby power)、三角形为失效。其中,第一动态事件树以时间作为横坐标。
步骤3:通过对第一动态事件树分析,确定失效概率数据。
基于综合能源的物理模型,在以下假设的基础上进行动态事件树的分析:(1)系统的随机变量离散化,例如每个时间点的供需;(2)系统气源供气,LNG供气和备用电源的都是具有一定概率减少或失效;(3)当气源供气减少,需求不能得到满足时,首先通过LNG进行供气,当LNG仍然不能满足需求时才使用备用电源进行供能;(4)当系统供需不平衡时,认为系统失效。
通过对第一动态事件树和表1中数据的分析,可以得出在一天当中系统的总失效概率和每个时间段(1h)的失效可能性。图5中是在4个不同系统组成情况(包含液化天然气但不包含电转气、包含电转气且包含液化天然气、不包含电转气且不包含液化天然气、包含电转气但不包含液化天然气)下系统失效概率的变化情况,其中实线代表累计的失效概率而虚线代表每个时间段内(1h)的失效概率。其中,Pc,i代表每个时间段(1h)的失效可能性,Ph,i代表一天当中系统的累计失效概率,其中,i∈{1,2,3,4},i等于1、2、3、4时分别代表综合能源系统不包含电转气且不包含液化天然气、包含液化天然气但不包含电转气、包含电转气但不包含液化天然气、包含电转气且包含液化天然气。
通过该分析,决策者可以提前预知次日的失效情况,通过一些优化和调整来降低系统失效的可能性,提高系统的可靠性。
步骤4:生成第二动态事件树。
为考虑天然气系统的特性,将天然气系统的合同压力考虑为动态事件树的过程变量,采用步骤2中的方式生成第二动态事件树,生成的第二动态事件树结构简图如图6中所示。其中,第二动态事件树中各个节点处的菱形表示压缩机故障、正方形表示气源压力降低、圆形表示需求增加、三角形表示系统失效、五角星表示系统安全。
建立第二动态事件树所使用的基础数据与第一动态事件树相同,在以下假设的基础上生成第二动态事件树:(1)压气站的压比具有一定概率减小,气源压力同样居于一定概率降低(服从正态分布);(2)此过程中天然气流量供应是满足需求的;(3)node5的需求具有一点概率降低;(4)合同压力为1.9MPa;(5)当用户端压力小于合同压力,决策者会降低某些优先级较低的用户流量来保障压力高于合同压力。
步骤5:基于第二动态事件树计算安全裕度。
根据图2可以发现node6在管道的做末端,因此node6的压力是整个系统中最低的。可以基于第二动态事件树确定node6包含的所有事件序列:1压缩机未失效-气源压力不变-气源压力不变-用户需求不变;2压缩机失效-气源压力不变-气源压力不变-用户需求增加;3压缩机失效-气源压力不变-气源压力不变-用户需求不变;4压缩机未失效-气源压力未降低-气源压力未降低-用户需求增加;5压缩机未失效-气源压力未降低-气源压力降低-用户需求未增加;6压缩机未失效-气源压力未降低-气源压力降低-用户需求增加;7压缩机未失效-气源压力降低-气源压力未降低-用户需求未增加;8压缩机未失效-气源压力降低-气源压力未降低-用户需求增加;9压缩机未失效-气源压力降低-气源压力降低-用户需求未增加;10压缩机未失效-气源压力降低-气源压力降低-用户需求增加。
上述10个事件序列中不包含失效的事件序列,可以通过模型模拟得到node6在上述10个不同的事件序列下的压力变化数据,其中,不同的事件序列下的压力变化数据如图7中所示,横坐标为时间,纵坐标为压力。从图7中可以看到在所有的压力变化曲线中,折线5是最接近合同压力的,因此可以选取折线5对应的事件序列作为安全裕度可靠性评价的事故序列。
当考虑系统运行过程中的不确定性因素时,如果要将系统可能的安全裕度全都变现出来,则需要百万次的蒙特卡洛抽样后带入模型模拟,才能得出安全裕度的概率分布。但是如此需要耗费大量的模式成本,为了降低计算成本,将模拟次数限定在一个可接受的范围,可以使用次序统计的方法进行分析模拟,得到满足一定置信度的安全裕度,计算方式如下所述:
(1)样本确定,其中,样本指的是每次模拟的次数。为保证得到的结果满足一定的置信度(一般选取为95%),需要根据下式来确定每次模拟的次数:
其中,ζ为置信度;N为每次模拟的次数;γ为预设的覆盖值(一般为0.95(0.05),一般看需要多大的精度,精度越高选取越大);ω为每次模拟过程中不在置信区间的个数;k为迭代过程用的一个参数。
(2)单次模型模拟。
在预设的方差条件下,通过蒙特卡洛模拟抽样,得到N个输入参数xi(i=1,2,…,N),并带入模型进行模拟,得到N个输出yi(i=1,2,…,N)。
(3)重复模拟。
(6)按照下式计算安全裕度:
其中,M(γ,ζ)为安全裕度;为点估计值;Lj为合同压力;yj ref为参考压力。上述yj ref为预设的yj(α)参考值,其表示在一个特定的事故场景下,系统的特征安全参数yj(α)和预设的允许最低值Lj之间的差值,用来确定系统状态是否满足安全需求。
取m=1,ζ=γ=0.95,N=59,G=50,并将node6的压力作为目标事件序列的参考压力,利用上述安全裕度的计算方法,带入计算得到压力变化在方差不同的正态分布情况下综合能源系统的安全裕度。
压力变化在方差不同的正态分布情况下系统的安全裕度计算结果如表2所示,可以看出,当压力变化方差大于0.02时,系统的安全裕度小于零,即系统认为是不安全的。
表2不同压力分布情况下的安全裕度
基于同一发明构思,本申请实施例中还提供了一种能源系统可靠性确定装置,如下面的实施例。由于能源系统可靠性确定装置解决问题的原理与能源系统可靠性确定方法相似,因此能源系统可靠性确定装置的实施可以参见能源系统可靠性确定方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。图8是本申请实施例的能源系统可靠性确定装置的一种结构框图,如图8所示,可以包括:获取模块801、生成模块802、第一确定模块803、第二确定模块804,下面对该结构进行说明。
获取模块801,可以用于获取目标能源系统的供需数据;
生成模块802,可以用于生成目标能源系统的第一动态事件树,其中,第一动态事件树中包括目标能源系统中可能发生的所有事件序列;
第一确定模块803,可以用于根据供需数据和第一动态事件树,确定在预设时间内目标能源系统在多个系统组成情况下分别对应的失效概率数据,其中,多个系统组成情况包括:目标能源系统中包含电转气、目标能源系统中不包含电转气;
第二确定模块804,可以用于根据失效概率数据确定目标能源系统分别在各个系统组成情况下的可靠性。
本申请实施方式还提供了一种电子设备,具体可以参阅图9所示的基于本申请实施例提供的能源系统可靠性确定方法的电子设备组成结构示意图,电子设备具体可以包括输入设备91、处理器92、存储器93。其中,输入设备91具体可以用于输入目标能源系统的供需数据。处理器92具体可以用于获取目标能源系统的供需数据;生成目标能源系统的第一动态事件树,其中,第一动态事件树中包括目标能源系统中可能发生的所有事件序列;根据供需数据和第一动态事件树,确定在预设时间内目标能源系统在多个系统组成情况下分别对应的失效概率数据,其中,多个系统组成情况包括:目标能源系统中包含电转气、目标能源系统中不包含电转气;根据失效概率数据确定目标能源系统分别在各个系统组成情况下的可靠性。存储器93具体可以用于存储第一动态事件树、多个系统组成情况、失效概率数据和目标能源系统分别在各个系统组成情况下的可靠性等参数。
在本实施方式中,所述输入设备具体可以是用户和计算机系统之间进行信息交换的主要装置之一。所述输入设备可以包括键盘、鼠标、摄像头、扫描仪、光笔、手写输入板、语音输入装置等;输入设备用于把原始数据和处理这些数的程序输入到计算机中。所述输入设备还可以获取接收其他模块、单元、设备传输过来的数据。所述处理器可以按任何适当的方式实现。例如,处理器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式等等。所述存储器具体可以是现代信息技术中用于保存信息的记忆设备。所述存储器可以包括多个层次,在数字系统中,只要能保存二进制数据的都可以是存储器;在集成电路中,一个没有实物形式的具有存储功能的电路也叫存储器,如RAM、FIFO等;在系统中,具有实物形式的存储设备也叫存储器,如内存条、TF卡等。
在本实施方式中,该电子设备具体实现的功能和效果,可以与其它实施方式对照解释,在此不再赘述。
本申请实施方式中还提供了一种基于能源系统可靠性确定方法的计算机存储介质,所述计算机存储介质存储有计算机程序指令,在所述计算机程序指令被执行时可以实现:获取目标能源系统的供需数据;生成所述目标能源系统的第一动态事件树,其中,所述第一动态事件树中包括所述目标能源系统中可能发生的所有事件序列;根据所述供需数据和所述第一动态事件树,确定在预设时间内所述目标能源系统在多个系统组成情况下分别对应的失效概率数据,其中,所述多个系统组成情况包括:所述目标能源系统中包含电转气、所述目标能源系统中不包含电转气;根据所述失效概率数据确定所述目标能源系统分别在各个系统组成情况下的可靠性。
在本实施方式中,上述存储介质包括但不限于随机存取存储器(Random AccessMemory,RAM)、只读存储器(Read-Only Memory,ROM)、缓存(Cache)、硬盘(Hard DiskDrive,HDD)或者存储卡(Memory Card)。所述存储器可以用于存储计算机程序指令。网络通信单元可以是依照通信协议规定的标准设置的,用于进行网络连接通信的接口。
在本实施方式中,该计算机存储介质存储的程序指令具体实现的功能和效果,可以与其它实施方式对照解释,在此不再赘述。
显然,本领域的技术人员应该明白,上述的本申请实施例的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本申请实施例不限制于任何特定的硬件和软件结合。
虽然本申请提供了如上述实施例或流程图所述的方法操作步骤,但基于常规或者无需创造性的劳动在所述方法中可以包括更多或者更少的操作步骤。在逻辑性上不存在必要因果关系的步骤中,这些步骤的执行顺序不限于本申请实施例提供的执行顺序。所述的方法的在实际中的装置或终端产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。
应该理解,以上描述是为了进行图示说明而不是为了进行限制。通过阅读上述描述,在所提供的示例之外的许多实施方式和许多应用对本领域技术人员来说都将是显而易见的。因此,本申请的范围不应该参照上述描述来确定,而是应该参照前述权利要求以及这些权利要求所拥有的等价物的全部范围来确定。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请实施例可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种能源系统可靠性确定方法,其特征在于,包括:
获取目标能源系统的供需数据;
生成所述目标能源系统的第一动态事件树,其中,所述第一动态事件树中包括所述目标能源系统中可能发生的事件序列;
根据所述供需数据和所述第一动态事件树,确定在预设时间内所述目标能源系统在多个系统组成情况下分别对应的失效概率数据,其中,所述多个系统组成情况包括:所述目标能源系统中包含电转气、所述目标能源系统中不包含电转气;
根据所述失效概率数据确定所述目标能源系统分别在各个系统组成情况下的可靠性。
2.根据权利要求1所述的方法,其特征在于,所述失效概率数据包括:在预设时间内所述目标能源系统的总失效概率、在所述预设时间中的各个预设时间段内的失效可能性。
3.根据权利要求1所述的方法,其特征在于,所述多个系统组成情况包括:所述目标能源系统中包含液化天然气但不包含电转气、所述目标能源系统中包含电转气且包含液化天然气、所述目标能源系统中不包含电转气且不包含液化天然气、所述目标能源系统中包含电转气但不包含液化天然气。
4.根据权利要求1所述的方法,其特征在于,在所述目标能源系统中包含电转气的情况下,在根据所述失效概率数据确定所述目标能源系统在各个系统组成情况下的可靠性之后,还包括:
获取所述目标能源系统的目标压力;
将所述目标压力作为动态事件树的过程变量,生成所述目标能源系统的第二动态事件树;
基于所述第二动态事件树,计算所述目标能源系统的安全裕度;
根据所述安全裕度,确定包含电转气的能源系统的可靠性。
5.根据权利要求4所述的方法,其特征在于,基于所述第二动态事件树,计算所述目标能源系统的安全裕度,包括:
确定所述第二动态事件树中包含的多个事件序列;
基于所述第二动态事件树进行模拟,得到所述多个事件序列中各个事件序列对应的压力变化数据;
将所述各个事件序列对应的压力变化数据中最接近所述目标压力的压力变化数据作为目标压力变化数据;
将所述目标压力变化数据对应的事件序列作为目标事件序列;
利用蒙特卡洛模拟抽样,计算所述目标能源系统在所述目标事件序列下的安全裕度。
6.根据权利要求5所述的方法,其特征在于,利用蒙特卡洛模拟抽样,计算所述目标能源系统在所述目标事件序列下的安全裕度,包括:
确定所述目标能源系统中压力最低的节点;
将所述压力最低的节点处的压力作为参考压力;
利用蒙特卡洛模拟抽样,根据所述参考压力计算所述目标能源系统在所述目标事件序列下的安全裕度。
7.根据权利要求5所述的方法,其特征在于,所述目标事件序列中包括:气源压力降低。
8.根据权利要求7所述的方法,其特征在于,利用蒙特卡洛模拟抽样,计算所述目标能源系统在所述目标事件序列下的安全裕度,包括:
计算不同气源压力降低幅度对应方差;
在不同方差的条件下分别进行蒙特卡洛模拟抽样,得到不同方差的条件下的抽样结果;
根据所述不同方差的条件下的抽样结果,计算在不同方差的条件下所述目标能源系统在所述目标事件序列下的安全裕度。
9.一种能源系统可靠性确定装置,其特征在于,包括:
获取模块,用于获取目标能源系统的供需数据;
生成模块,用于生成所述目标能源系统的第一动态事件树,其中,所述第一动态事件树中包括所述目标能源系统中可能发生的事件序列;
第一确定模块,用于根据所述供需数据和所述第一动态事件树,确定在预设时间内所述目标能源系统在多个系统组成情况下分别对应的失效概率数据,其中,所述多个系统组成情况包括:所述目标能源系统中包含电转气、所述目标能源系统中不包含电转气;
第二确定模块,用于根据所述失效概率数据确定所述目标能源系统分别在各个系统组成情况下的可靠性。
10.一种能源系统可靠性确定设备,其特征在于,包括处理器以及用于存储处理器可执行指令的存储器,所述处理器执行所述指令时实现权利要求1至8中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010966744.4A CN112085399B (zh) | 2020-09-15 | 2020-09-15 | 能源系统可靠性确定方法、装置和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010966744.4A CN112085399B (zh) | 2020-09-15 | 2020-09-15 | 能源系统可靠性确定方法、装置和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112085399A true CN112085399A (zh) | 2020-12-15 |
CN112085399B CN112085399B (zh) | 2024-02-06 |
Family
ID=73737127
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010966744.4A Active CN112085399B (zh) | 2020-09-15 | 2020-09-15 | 能源系统可靠性确定方法、装置和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112085399B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113051725A (zh) * | 2021-03-12 | 2021-06-29 | 哈尔滨工程大学 | 基于通用型辅助变量法的det与relap5耦合的动态特性分析方法 |
US20240094711A1 (en) * | 2023-02-13 | 2024-03-21 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods and internet of things for managing gas pressures based on smart gas |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103985027A (zh) * | 2014-05-19 | 2014-08-13 | 北京交通大学 | 一种基于多分支事件树绘制的铁路货物传输系统评估方法 |
CN110518583A (zh) * | 2019-08-23 | 2019-11-29 | 贵州电网有限责任公司 | 一种考虑动态特性的综合能源系统可靠性评估方法 |
CN111144590A (zh) * | 2020-01-19 | 2020-05-12 | 华电电力科学研究院有限公司 | 一种安全风险分级的火电厂风险管控系统及管控方法 |
-
2020
- 2020-09-15 CN CN202010966744.4A patent/CN112085399B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103985027A (zh) * | 2014-05-19 | 2014-08-13 | 北京交通大学 | 一种基于多分支事件树绘制的铁路货物传输系统评估方法 |
CN110518583A (zh) * | 2019-08-23 | 2019-11-29 | 贵州电网有限责任公司 | 一种考虑动态特性的综合能源系统可靠性评估方法 |
CN111144590A (zh) * | 2020-01-19 | 2020-05-12 | 华电电力科学研究院有限公司 | 一种安全风险分级的火电厂风险管控系统及管控方法 |
Non-Patent Citations (1)
Title |
---|
童节娟;余少杰;赵军;: "核电站人员可靠性分析方法THERP中的班组因素", 清华大学学报(自然科学版), no. 09, pages 107 - 110 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113051725A (zh) * | 2021-03-12 | 2021-06-29 | 哈尔滨工程大学 | 基于通用型辅助变量法的det与relap5耦合的动态特性分析方法 |
CN113051725B (zh) * | 2021-03-12 | 2022-09-09 | 哈尔滨工程大学 | 基于通用型辅助变量法的det与relap5耦合的动态特性分析方法 |
US20240094711A1 (en) * | 2023-02-13 | 2024-03-21 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods and internet of things for managing gas pressures based on smart gas |
Also Published As
Publication number | Publication date |
---|---|
CN112085399B (zh) | 2024-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ding et al. | Multi-stage stochastic programming with nonanticipativity constraints for expansion of combined power and natural gas systems | |
Hu et al. | Robust SCUC considering continuous/discrete uncertainties and quick-start units: A two-stage robust optimization with mixed-integer recourse | |
Qadrdan et al. | Operating strategies for a GB integrated gas and electricity network considering the uncertainty in wind power forecasts | |
Zhao et al. | Unified stochastic and robust unit commitment | |
Morales-España et al. | Power-capacity and ramp-capability reserves for wind integration in power-based UC | |
CN107977744B (zh) | 一种基于传统Benders分解法的电力系统日前鲁棒调度方法 | |
CN109102146B (zh) | 基于多参数线性规划的电力系统风险评估加速方法 | |
CN112186766A (zh) | 一种基于Benders分解的多阶段分解方法 | |
CN108155674B (zh) | 考虑不确定分布特性的水火电联合调度方法及系统 | |
Sundar et al. | Unit commitment with n-1 security and wind uncertainty | |
CN112085399A (zh) | 能源系统可靠性确定方法、装置和设备 | |
CN115425668A (zh) | 一种基于电力系统时序生产模拟的储能容量优化配置方法 | |
CN112186734B (zh) | 一种电力系统中长期运行模拟方法、储存介质及计算设备 | |
CN111049193A (zh) | 一种风电系统多调度场景的备用需求动态评估方法 | |
Hafiz et al. | Feasible operation region for dynamic economic dispatch and reserve monitoring | |
CN112039127A (zh) | 一种考虑风功率预测误差相关特征的日前调度方法及系统 | |
Wang et al. | Chance‐constrained maintenance scheduling for interdependent power and natural gas grids considering wind power uncertainty | |
Wang et al. | Multi‐stage stochastic wind‐thermal generation expansion planning with probabilistic reliability criteria | |
Wu et al. | Security‐Constrained Unit Commitment with Uncertainties | |
CN116014743A (zh) | 一种直流配电网电压分区方法及装置 | |
Saravanan et al. | Unit commitment using DP—An exhaustive working of both classical and stochastic approach | |
Amjady et al. | Optimal reliable operation of hydrothermal power systems with random unit outages | |
Lyu et al. | Two-Stage stochastic coordinated scheduling of integrated gas-electric distribution systems considering network reconfiguration | |
CN105447598A (zh) | 一种基于误差修正模型的电力系统中负荷预测装置及方法 | |
CN114819319B (zh) | 一种含可再生能源的电力系统调度模型求解方法及系统 |
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 |