CN112134275B - 一种计算含风电场电力系统的可靠性方法及系统 - Google Patents
一种计算含风电场电力系统的可靠性方法及系统 Download PDFInfo
- Publication number
- CN112134275B CN112134275B CN202010801852.6A CN202010801852A CN112134275B CN 112134275 B CN112134275 B CN 112134275B CN 202010801852 A CN202010801852 A CN 202010801852A CN 112134275 B CN112134275 B CN 112134275B
- Authority
- CN
- China
- Prior art keywords
- wind
- power
- generating unit
- value
- wind power
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000004088 simulation Methods 0.000 claims abstract description 37
- 238000004519 manufacturing process Methods 0.000 claims abstract description 36
- 238000004364 calculation method Methods 0.000 claims abstract description 22
- 230000008569 process Effects 0.000 claims abstract description 15
- 238000009826 distribution Methods 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 12
- 230000005611 electricity Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000010438 heat treatment Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 239000013256 coordination polymer Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000003442 weekly 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
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- 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
- 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
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- 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
- H02J2300/28—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
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种计算含风电场电力系统的可靠性方法及系统,通过预测电力系统的负荷曲线,确定电力系统的调度周期,进行生产模拟,确定火电机组开机方式;预测风电场中的风速信息,确定风电功率,按照确定的火电机组的开机方式,计算荷机净值和弃风率;根据生产模拟、火电机组开机方式和荷机净值与风电功率,建立风电预测值‑荷机净值‑弃风率曲线;根据统计结果及火电机组的强迫停运率,按照火电机组的强迫停运率和风电预测值‑荷机净值‑弃风率曲线进行序贯卷积,建立等效风电预测值‑荷机净值‑弃风率曲线,计算得到系统可靠性。计算过程简单,且计算结果准确。
Description
技术领域
本公开属于电力系统运行优化技术领域,涉及一种计算含风电场电力系统的可靠性方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息,不必然构成在先技术。
随着风电装机规模的提高,人们越来越关注含风电场电力系统的可靠性。从全国范围来看,含风电场的电力系统在进行可靠性评估时,采用火电热备用容量平抑风电出力的波动性、随机性及机组的随机故障;评估考虑风电出力波动性、随机性和机组随机故障的含风电场电力系统可靠性,优化火电机组热备用容量,对于电力系统安全、可靠、经济运行具有重要意义。
然而,目前过高的弃风率直接影响了风电场的经济效益、延长了风电场的成本回收周期;同时,也增加了电力系统单位电量碳排放;更为重要的是,目前电力系统火电机组的开机容量未能与风电、系统机组故障统筹协调,这也限制了火电机组开机方式及发电量的优化计算。
因此,统筹计算含风电场电力系统的可靠性在增加风电场上网电量、减少电力系统碳排放的过程中就显得尤为重要;而目前多采用增加火电机组热备用容量的方法平抑风电波动性、随机性,悲观的评估了系统的可靠性,增加了电力系统单位电量碳排放;同时,目前的方法没有对风电出力与火电机组出力进行序贯卷积,可靠性计算时无法评估风电出力的波动性和随机性,无法全面反映含风电场电力系统的可靠性。
发明内容
本公开为了解决上述问题,提出了一种计算含风电场电力系统的可靠性方法及系统,本公开进行电力系统的确定性生产模拟和风电预测出力,并在此基础上确立初始开机方式和弃风曲线,通过序贯卷积建立等效风电预测值-荷机净值-弃风率曲线,最终计算系统的可靠性;本公开能够在风电场上网电量最大,即弃风率最小的情况下,综合考虑风电波动性、随机性及机组随机故障情况下确定火电机组的开机方式及热备用容量,并计算出系统的可靠性。
根据一些实施例,本公开采用如下技术方案:
一种计算含风电场电力系统的可靠性方法,包括以下步骤:
预测电力系统的负荷曲线,确定电力系统的调度周期,进行生产模拟,确定火电机组开机方式;
预测风电场中的风速信息,确定风电功率,按照确定的火电机组的开机方式,计算荷机净值和弃风率;
根据生产模拟、火电机组开机方式和荷机净值与风电功率,建立风电预测值-荷机净值-弃风率曲线;
根据统计结果及火电机组的强迫停运率,按照火电机组的强迫停运率和风电预测值-荷机净值-弃风率曲线进行序贯卷积,建立等效风电预测值-荷机净值-弃风率曲线,计算得到系统可靠性。
作为可选择的实施方式,预测电力系统的负荷曲线,确定电力系统的调度周期,进行生产模拟,确定火电机组开机方式的具体过程包括:构建预测电力系统的负荷模型,确定电力系统的调度周期,不考虑火电机组的强迫停运率,对火电机组进行确定生产模拟,根据确定生产模拟,确定火电机组的开机方式。
作为进一步的,确定火电机组的开机方式的具体过程包括:根据确定生产模拟的计算结果,得到在调度周期内以小时为单位机组组合结果,根据机组组合结果得到每个小时内机组的开停机方式。
作为可选择的实施方式,预测风电场中的风速信息,确定风电功率,按照确定的火电机组的开机方式,计算荷机净值和弃风率的具体过程包括:根据历史风况信息,识别出典型的风速或风功率模式,通过聚类分析形成多个风场景,表示每个场景下系统风功率的期望值,根据确定的风功率期望值和确定的机组开机方式计算荷机净值,根据电力系统负荷模型、火电机组开机方式和风电预测功率计算得到系统的弃风电量,计算出弃风率。
作为进一步的,当全系统分散在各位置的多个风电场的出力加总时,应用中心极限定理,假设系统风电出力预测误差服从均值为0的正态分布。
作为可选择的实施方式,根据生产模拟、火电机组开机方式和荷机净值与风电功率,建立风电预测值-荷机净值-弃风率曲线的具体过程包括:将风电预测功率、荷机净值和弃风率组成三维坐标,形成风电预测值-荷机净值-弃风率曲线。
作为可选择的实施方式,系统可靠性表示为:
EENSi,t=(1-qi)EENSi-1,t+qiEk,t
式中:qi表示第i台火电机组的强迫停运率,Lt表示t时刻的负荷,Pw,t表示t时刻风电预测出力,No表示t时刻正常运行的机组集合。
一种计算含风电场电力系统的可靠性系统,包括:
生产模拟模块,被配置为预测电力系统的负荷曲线,确定电力系统的调度周期,进行生产模拟,确定火电机组开机方式;
风电功率预测模块,被配置为预测风电场中的风速信息,确定风电功率,按照确定的火电机组的开机方式,计算荷机净值和弃风率;
曲线构建模块,被配置为根据生产模拟、火电机组开机方式和荷机净值与风电功率,建立风电预测值-荷机净值-弃风率曲线;
计算模块,被配置为根据统计结果及火电机组的强迫停运率,按照火电机组的强迫停运率和风电预测值-荷机净值-弃风率曲线进行序贯卷积,建立等效风电预测值-荷机净值-弃风率曲线,计算得到系统可靠性。
一种计算机可读存储介质,其中存储有多条指令,所述指令适于由终端设备的处理器加载并执行所述一种计算含风电场电力系统的可靠性方法。
一种终端设备,包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,所述指令适于由处理器加载并执行所述的一种计算含风电场电力系统的可靠性方法。
与现有技术相比,本公开的有益效果为:
本公开综合考虑电力系统中风电出力波动性、随机性及火电机组的随机故障,进行生产模拟,建立等效风电预测值-荷机净值-弃风率曲线,从而评估含风电场电力系统的可靠性。该方法与传统方法相比,该方法计算的可靠性可以更好的反映风电的波动性和随机性,充分运用火电机组的热备用容量,降低系统弃风率,提高电力系统的可靠性和安全性。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的不当限定。
图1为本实施例的风电预测值-荷机净值-弃风率曲面图;
图2为本实施例的风电弃风分布曲线图;
图3为本实施例中供热期典型周弃风分布图;
图4为本实施例中风电预测值-荷机净值-弃风率曲线卷积过程图;
图5为本实施例中非供热期典型周弃风分布图;
图6为本实施例中供热期和非供热期EENS分布图。
具体实施方式:
下面结合附图与实施例对本公开作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本公开提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
一种计算含风电场电力系统的可靠性计算方法,包括以下步骤:
1)火电机组开机方式的确定
A)负荷模型的建立
某时段系统负荷的预测值与实际值之间存在一定偏差,表示为:
考虑到大量负荷节点分散分布,根据中心极限定理有
式中,ll t为第t个时段系统负荷的预测值;lo t为由某随机因素集决定的第t个时段系统负荷的实际值;为第t个时段系统负荷的预测误差,服从均值为0的正态分布;为系统负荷预测误差的标准差;一般可假设是ll t的特定百分比:
其中,k是负荷预测精度的函数,一般可取为常数;
B)电力系统调度周期的确定
电力系统的调度周期按照长度可以分为年、季、月、周、日等,时间尺度可以选用小时、30分、15分、5分。考虑率到计算的精度及速度,本实施例选用调度周期时间长度为周,实践尺度为小时。
C)确定生产模拟
将传统随机生产模拟中的发电机组出力转化为下式:
显然,上式满足如下关系
(Ii,t)2=Ii,t (5)
火电机组燃料费用计算方式取下式所示,
CF(Pi,t)=ai,t+bi,tPi,t+ci,t(Pi,t)2 (6)
将式(4)(5)带入式(6)中可以得到变换后的火电机组燃料费用计算式(8):
用变换式(4)对式传统的随机生产方程进行变换得到式(8)~(11):
不考虑火电机组的强迫停运率,对火电机组进行确定生产模拟,表示为:
式中,Nt、Na、Ng表示计算区域的分区数量、时间周期长度和常规机组数量,CI、CP、DI和DP和DS表示系数矩阵,c’uc和d’uc分别表示功率平衡、备用常数向量和爬坡约束右端常数向量,Iiat表示时刻t区域a的第i台机组的开启状态,取值为0和1,Piat,min表示时刻t区域a的第i台机组的最小出力。
D)开机方式的确定
根据确定生产模拟的计算结果,可以得到在调度周期内以小时为单位机组组合结果,根据机组组合结果可以得到每个小时内机组的开停机方式。
Iiat∈{0,1} (13)
2)荷机净值及弃风率计算
A)风电功率的计算
根据历史风况信息,识别出典型的风速或风功率模式,通过聚类分析形成多个风场景;在第t个时段、第s个场景下系统风功率的期望值表示为:
当全系统分散在各位置的多个风电场的出力加总时,应用中心极限定理,假设系统风电出力预测误差服从均值为0的正态分布:
式中,为时段t、场景s下系统加总的风功率的预测误差;为系统风功率预测误差的标准差;不同地区的风况、预测工具的精度、预测点距当前的时间、预测的时间分辨率以及各方对风功率预测的积极性都会影响的取值,其计算公式如下:
式中,WP为并网风电场的总装机容量;μ1、μ2为影响风功率预测误差标准差的经验参数,其取值范围均为0~1;
B)计算荷机净值
按照步骤式(3)和式(4)确定的机组开机方式计算荷机净值,表示为:
式中,ht表示时刻t的荷机净值。
C)弃风率计算
按照式(1)、式(3)及式(7)可以得到系统的弃风电量,表示为:
式中,Pcut,t表示时刻t的弃风电量;
根据弃风电量可计算出弃风率为
式中ηt表示时刻t的弃风率。
3)风电预测值-荷机净值-弃风率曲线的确立
A)建立风电预测值-荷机净值-弃风率曲线
将风电功率预测值与计算的荷机净值、弃风率计算结果组合成三维数组,表示为
f(i)={wts,ht,ηt} (20)
将式(10)绘制成三维图如图1所示。
4)系统可靠性的计算
A)建立等效风电预测值-荷机净值-弃风率曲线
风电预测值-荷机净值-弃风率曲线序贯卷积,建立等效风电预测值-荷机净值-弃风率曲线,等效风电预测值-荷机净值-弃风率曲线的卷积过程如图2所示,表示为:
f(i)=(1-qi)f(i-1)+qif(i-1) (21)
式中,qi表示第i台火电机组的强迫停运率。
B)计算系统可靠性
根据等效风电预测值-荷机净值-弃风率曲线,计算系统可靠性,表示为
EENSi,t=(1-qi)EENSi-1,t+qiEk,t
式中:Lt表示t时刻的负荷,Pw,t表示t时刻风电预测出力,No表示t时刻正常运行的机组集合。
还提供以下产品实施例:
一种计算含风电场电力系统的可靠性系统,包括:
生产模拟模块,被配置为预测电力系统的负荷曲线,确定电力系统的调度周期,进行生产模拟,确定火电机组开机方式;
风电功率预测模块,被配置为预测风电场中的风速信息,确定风电功率,按照确定的火电机组的开机方式,计算荷机净值和弃风率;
曲线构建模块,被配置为根据生产模拟、火电机组开机方式和荷机净值与风电功率,建立风电预测值-荷机净值-弃风率曲线;
计算模块,被配置为根据统计结果及火电机组的强迫停运率,按照火电机组的强迫停运率和风电预测值-荷机净值-弃风率曲线进行序贯卷积,建立等效风电预测值-荷机净值-弃风率曲线,计算得到系统可靠性。
一种计算机可读存储介质,其中存储有多条指令,所述指令适于由终端设备的处理器加载并执行所述一种计算含风电场电力系统的可靠性方法。
一种终端设备,包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,所述指令适于由处理器加载并执行所述的一种计算含风电场电力系统的可靠性方法。
本实施例以我国某省2018年实际电网为算例进行实证。该省火电机组共54台,火电装机总容量14894MW,其中凝气式机组装机容量3060MW,抽气式机组装机容量11834MW,负荷最大值9425.46MW,风电装机总容量4278MW。该省电网的中具有大量的抽气式机组,在供热期存在大量的供热任务,在对所提方法进行验证时需要分供热期和非供热期进行研究。选取第45周为供热期典型周,第27周为非供热期典型周;同时,为表述风电出力的随机性,预测100条研究地区的风电出力
1)弃风分布曲线的卷积
对供热期典型周进行随机生产-弃风模拟,得到如图3所示系统的弃风分布情况,图中“●”号红线为不考虑卷积的系统弃风分布;“×”号蓝线为卷积后弃风分布曲线,其考虑了机组随机故障和风电随机性;虚线表示逐台考虑机组故障时的卷积过程。
从图3可知,在考虑发电机组故障时,系统的弃风率较小。这是因为,火电机组发生故障时系统中风电的接纳空间会增大,风电的上网电量就会增大,因而在考虑机组故障时,弃风分布曲线在弃风分布平面上会向左移动,具体卷积过程如图4所示
对非供热期典型周进行随机生产-弃风模拟,得到图5所示系统弃风分布。从图中可知,“●”号红线表示在确定性生产模拟下的弃风分布,“×”号蓝线表示的是考虑发电机组故障时的弃风分布,虚线表示考虑机组随机故障的卷积过程。
通过随机生产-弃风模拟得到同时考虑机组随机故障及风电随机出力的供热期与非供热期EENS分布曲线如图6所示。从图中可知,在考虑机组故障时非供热期的期望失负荷电量要比供热期的期望失负荷电量严重,A点表示在供热期系统有100%的概率EENS小于0,B点表示在非供热期系统有99%的概率EENS小于1060MW。这是由于在进行确定性生产模拟时,以最大化接纳新能源为目标,系统在供热期为保证供热任务需要开启大量的火电机组,旋转备用能够满足考虑火电机组强迫停运率的修正荷机净值曲线的系统发电充裕度要求;同时,在研究中将整个风电场作为研究对象,只考虑整个风电场出力的随机性,不考虑风电场中风电机组的随机故障,因而整个系统的失负荷电量EENS为0。系统在非供热期,不存在供热要求,为保证最大接纳风电火电机组的开机容量较小,系统的旋转备用不能满足系统发电充裕度要求。
从图3、图5和图6可知,系统在非供热期弃风较少,但是系统在考虑火电机组的随机故障和风电随机性的情况时EENS较大,为保证可靠性系统在非供热期需要准备适当的旋转备用。
本领域内的技术人员应明白,本公开的实施例可提供为方法、系统、或计算机程序产品。因此,本公开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,本公开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。
本公开是参照根据本公开实施例的方法、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。
以上所述仅为本公开的优选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述,但并非对本公开保护范围的限制,所属领域技术人员应该明白,在本公开的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (10)
1.一种计算含风电场电力系统的可靠性方法,其特征是:包括以下步骤:
预测电力系统的负荷曲线,确定电力系统的调度周期,进行生产模拟,确定火电机组开机方式;
预测风电场中的风速信息,确定风电功率,按照确定的火电机组的开机方式,计算荷机净值和弃风率;
根据生产模拟、火电机组开机方式和荷机净值与风电功率,建立风电预测值-荷机净值-弃风率曲线;
根据风电预测值-荷机净值-弃风率曲线及火电机组的强迫停运率,按照火电机组的强迫停运率和风电预测值-荷机净值-弃风率曲线进行序贯卷积,建立等效风电预测值-荷机净值-弃风率曲线,计算得到系统可靠性。
2.如权利要求1所述的一种计算含风电场电力系统的可靠性方法,其特征是:预测电力系统的负荷曲线,确定电力系统的调度周期,进行生产模拟,确定火电机组开机方式的具体过程包括:构建预测电力系统的负荷模型,确定电力系统的调度周期,不考虑火电机组的强迫停运率,对火电机组进行确定生产模拟,根据确定生产模拟,确定火电机组的开机方式。
3.如权利要求2所述的一种计算含风电场电力系统的可靠性方法,其特征是:确定火电机组的开机方式的具体过程包括:根据确定生产模拟的计算结果,得到在调度周期内以小时为单位机组组合结果,根据机组组合结果得到每个小时内机组的开停机方式。
4.如权利要求1所述的一种计算含风电场电力系统的可靠性方法,其特征是:预测风电场中的风速信息,确定风电功率,按照确定的火电机组的开机方式,计算荷机净值和弃风率的具体过程包括:根据历史风况信息,识别出典型的风速或风功率模式,通过聚类分析形成多个风场景,表示每个场景下系统风功率的期望值,根据确定的风功率期望值和确定的机组开机方式计算荷机净值,根据电力系统负荷模型、火电机组开机方式和风电预测功率计算得到系统的弃风电量,计算出弃风率。
5.如权利要求4所述的一种计算含风电场电力系统的可靠性方法,其特征是:当全系统分散在各位置的多个风电场的出力加总时,应用中心极限定理,假设系统风电出力预测误差服从均值为0的正态分布。
6.如权利要求1所述的一种计算含风电场电力系统的可靠性方法,其特征是:根据生产模拟、火电机组开机方式和荷机净值与风电功率,建立风电预测值-荷机净值-弃风率曲线的具体过程包括:将风电预测功率、荷机净值和弃风率组成三维坐标,形成风电预测值-荷机净值-弃风率曲线。
8.一种计算含风电场电力系统的可靠性系统,其特征是:包括:
生产模拟模块,被配置为预测电力系统的负荷曲线,确定电力系统的调度周期,进行生产模拟,确定火电机组开机方式;
风电功率预测模块,被配置为预测风电场中的风速信息,确定风电功率,按照确定的火电机组的开机方式,计算荷机净值和弃风率;
曲线构建模块,被配置为根据生产模拟、火电机组开机方式和荷机净值与风电功率,建立风电预测值-荷机净值-弃风率曲线;
计算模块,被配置为根据风电预测值-荷机净值-弃风率曲线及火电机组的强迫停运率,按照火电机组的强迫停运率和风电预测值-荷机净值-弃风率曲线进行序贯卷积,建立等效风电预测值-荷机净值-弃风率曲线,计算得到系统可靠性。
9.一种计算机可读存储介质,其特征是:其中存储有多条指令,所述指令适于由终端设备的处理器加载并执行权利要求1-7中任一项所述一种计算含风电场电力系统的可靠性方法。
10.一种终端设备,其特征是:包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,所述指令适于由处理器加载并执行权利要求1-7中任一项所述的一种计算含风电场电力系统的可靠性方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010801852.6A CN112134275B (zh) | 2020-08-11 | 2020-08-11 | 一种计算含风电场电力系统的可靠性方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010801852.6A CN112134275B (zh) | 2020-08-11 | 2020-08-11 | 一种计算含风电场电力系统的可靠性方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112134275A CN112134275A (zh) | 2020-12-25 |
CN112134275B true CN112134275B (zh) | 2022-02-11 |
Family
ID=73850270
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010801852.6A Active CN112134275B (zh) | 2020-08-11 | 2020-08-11 | 一种计算含风电场电力系统的可靠性方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112134275B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113469470B (zh) * | 2021-09-02 | 2021-12-03 | 国网浙江省电力有限公司杭州供电公司 | 基于电力大脑中枢的用能数据与碳排放量关联分析方法 |
CN114548817B (zh) * | 2022-03-02 | 2024-06-28 | 华北电力大学 | 一种基于碳配额约束与电量平衡的转型机组识别方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103259285A (zh) * | 2013-05-03 | 2013-08-21 | 国家电网公司 | 含大规模风电电力系统的短期运行优化方法 |
CN105244870A (zh) * | 2015-10-16 | 2016-01-13 | 西安交通大学 | 一种快速计算电网风电场弃风率及机组发电量的方法 |
CN110912205A (zh) * | 2019-11-26 | 2020-03-24 | 三峡大学 | 基于场景集的含风电电力系统运行备用动态调度优化方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8996187B2 (en) * | 2011-07-18 | 2015-03-31 | Nec Laboratories America, Inc. | Optimal storage sizing for integrating wind and load forecast uncertainties |
-
2020
- 2020-08-11 CN CN202010801852.6A patent/CN112134275B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103259285A (zh) * | 2013-05-03 | 2013-08-21 | 国家电网公司 | 含大规模风电电力系统的短期运行优化方法 |
CN105244870A (zh) * | 2015-10-16 | 2016-01-13 | 西安交通大学 | 一种快速计算电网风电场弃风率及机组发电量的方法 |
CN110912205A (zh) * | 2019-11-26 | 2020-03-24 | 三峡大学 | 基于场景集的含风电电力系统运行备用动态调度优化方法 |
Non-Patent Citations (4)
Title |
---|
The wind model based on Markov process to determine the capacity for wind farm;Benhui Gong et al.;《2016 IEEE PES Asia-Pacific Power and Energy Engineering Conference (APPEEC)》;20161212;第2096-2100页 * |
基于等效负荷区间和随机生产模拟的新能源接纳能力快速计算方法;宫本辉等;《电力建设》;20160331;第37卷(第3期);第24-30页 * |
基于随机生产模拟的火电机组深度调峰提升新能源消纳能力评估方法;马彦宏等;《全球能源互联网》;20190131;第2卷(第1期);第35-43页 * |
考虑就地消纳与外送相协调的可再生能源生产模拟;崔德民等;《电力系统保护与控制》;20180816;第46卷(第16期);第112-118页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112134275A (zh) | 2020-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Huo et al. | Chance-constrained optimization for multienergy hub systems in a smart city | |
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 | |
Chen | Two-level hierarchical approach to unit commitment using expert system and elite PSO | |
CN107239863B (zh) | 一种电网安全约束的鲁棒机组组合方法 | |
Wang et al. | Comparing stochastic programming with posteriori approach for multi-objective optimization of distributed energy systems under uncertainty | |
Rahmani-Andebili et al. | Price-controlled energy management of smart homes for maximizing profit of a GENCO | |
CN112467807A (zh) | 一种多能源电力系统日前优化调度方法及系统 | |
CN112134275B (zh) | 一种计算含风电场电力系统的可靠性方法及系统 | |
CN105244870B (zh) | 一种快速计算电网风电场弃风率及机组发电量的方法 | |
CN112308411B (zh) | 基于动态碳交易模型的综合能源站随机规划方法及系统 | |
CN114897346A (zh) | 计及不确定性和需求响应的虚拟电厂鲁棒优化调度方法 | |
Baslis et al. | Simulation of optimal medium-term hydro-thermal system operation by grid computing | |
CN112966869A (zh) | 一种园区综合能源系统优化调度方法和系统 | |
Hoseini et al. | Preventive maintenance mid-term scheduling of resources in multi-carrier energy systems | |
CN114757500A (zh) | 一种基于mcmc算法的综合能源系统可靠性评估方法 | |
Vittal et al. | Performance and reliability analysis of wind turbines using Monte Carlo methods based on system transport theory | |
CN113158547B (zh) | 计及经济性和可靠性的区域综合能源系统优化配置方法 | |
CN108233357A (zh) | 基于非参数概率预测及风险期望的风电日前消纳优化方法 | |
CN112510690B (zh) | 考虑风火储联合和需求响应奖惩的优化调度方法及系统 | |
CN108767855A (zh) | 一种时序持续混合的电力系统随机生产模拟方法 | |
Liang et al. | Study on economic operation for micro-grid based on scenario and PSO | |
CN116070757A (zh) | 一种综合能源系统优化调度方法、装置、设备及存储介质 | |
CN114358382B (zh) | 电力系统等效惯量概率预测方法、装置、产品及存储介质 | |
CN113112296A (zh) | 一种集中式现货市场的典型场景库构建方法及装置 | |
Gao et al. | A review of different methodologies for solving the problem of wind power's fluctuation |
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 |