CN112803460A - 超大规模电池储能电站信息物理系统可靠性分析法及装置 - Google Patents

超大规模电池储能电站信息物理系统可靠性分析法及装置 Download PDF

Info

Publication number
CN112803460A
CN112803460A CN202110230263.1A CN202110230263A CN112803460A CN 112803460 A CN112803460 A CN 112803460A CN 202110230263 A CN202110230263 A CN 202110230263A CN 112803460 A CN112803460 A CN 112803460A
Authority
CN
China
Prior art keywords
energy storage
information
power station
storage power
battery energy
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
Application number
CN202110230263.1A
Other languages
English (en)
Other versions
CN112803460B (zh
Inventor
李相俊
高夏翔
杨锡运
盛兴
贾学翠
王上行
董立志
王凯丰
牛萌
杨水丽
韩月
段方维
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
Electric Power Research Institute of State Grid Liaoning Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
Electric Power Research Institute of State Grid Liaoning Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, China Electric Power Research Institute Co Ltd CEPRI, Electric Power Research Institute of State Grid Liaoning Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202110230263.1A priority Critical patent/CN112803460B/zh
Publication of CN112803460A publication Critical patent/CN112803460A/zh
Priority to EP21926072.6A priority patent/EP4096045A4/en
Priority to PCT/CN2021/120769 priority patent/WO2022183722A1/zh
Application granted granted Critical
Publication of CN112803460B publication Critical patent/CN112803460B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/20—Administration of product repair or maintenance
    • 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
    • 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]
    • 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
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Quality & Reliability (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Power Engineering (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供了一种超大规模电池储能电站信息物理系统可靠性分析法及装置，解决了超大规模电池储能电站由于通讯和监控系统的拓扑结构庞大和复杂，当通讯和监控设备出现故障时极大地降低了其运行效率，造成电站停运的危险的问题。方法包括：基于预设的信息系统可靠性模型得到信息扰动数据；基于预设的信息物理接口装置的可靠性模型得到信息物理接口装置的故障率及修复率；基于预设的物理系统可靠性模型、所述信息扰动数据和所述信息物理接口装置的故障率及修复率得到所述超大规模电池储能电站信息物理系统的可靠性模型；基于所述超大规模电池储能电站信息物理系统的可靠性模型得到所述超大规模电池储能电站可靠性指标。

Description

超大规模电池储能电站信息物理系统可靠性分析法及装置
技术领域
本发明涉及电气工程技术领域，具体涉及一种超大规模电池储能电站信息物理系统可靠性分析法及装置。
背景技术
目前，电池储能电站已经向百兆瓦级、吉瓦级的超大规模电池储能电站发展，吉瓦级的集中式超大规模电池储能电站对大规模可再生能源电力的消纳和区域电网的调峰调压等方面能够发挥积极的辅助作用。超大规模电池储能电站面对多样化的应用场景，可能同时需要满足紧急控制和平抑波动等不同时间尺度和不同处理精度的需求。因此，超大规模电池储能电站依赖先进的通讯技术和监控系统，才能够实现多样化功能。而在超大规模储能系统中，它的通讯和监控系统的拓扑结构会变得更加庞大和复杂，如果通讯和监控设备出现随机故障，能有造成控制中心获取和处理数据的难度，极大地降低了其运行效率，甚至会造成电站停运的危险，由此可见，超大规模电池储能电站为典型的信息物理系统。所以，信息系统的安全运行对超大规模电池储能电站的可靠性起着至关重要的作用。
发明内容
有鉴于此，本发明实施例提供了一种超大规模电池储能电站信息物理系统可靠性分析法及装置，解决了目前超大规模电池储能电站由于通讯和监控系统的拓扑结构庞大和复杂，一旦通讯和监控设备出现随机故障，能有造成控制中心获取和处理数据的难度，极大地降低了其运行效率，甚至会造成电站停运的危险的问题。
本发明一实施例提供的一种基于储能电站信息物理系统的可靠性模型构建方法，所述超大规模电池储能电站信息物理系统包括信息系统、物理系统和信息物理接口装置，所述方法包括：
基于预设的信息系统可靠性模型得到信息扰动数据；
基于预设的信息物理接口装置的可靠性模型得到信息物理接口装置的故障率及修复率；
基于预设的物理系统可靠性模型、所述信息扰动数据和所述信息物理接口装置的故障率及修复率得到所述超大规模电池储能电站信息物理系统的可靠性模型；
基于所述超大规模电池储能电站信息物理系统的可靠性模型得到所述超大规模电池储能电站可靠性指标。
在一种实施方式中，所述建立所述物理系统可靠性模型的方法包括：输入储能子站物理系统参数，采用串并联元件的建模方法建立储能子站中储能单元子串的可靠性模型。
在一种实施方式中，所述信息扰动数据包括总延迟时间，所述基于所述信息系统可靠性模型得到信息扰动数据包括：
将信息系统参数输入所述信息系统可靠性模型，所述信息系统可靠性模型建立通信网络的邻接矩阵；
将所述邻接矩阵的权重赋值延迟时间，并使所述延迟时间服从帕累托分布，计算所述总延迟时间。
在一种实施方式中，所述基于所述信息物理接口装置的可靠性模型得到信息物理接口装置的故障率及修复率包括：根据服从泊松分布的信息攻击强度得出信息物理接口装置的可用度；
基于所述信息物理接口装置的可用度得到所述信息物理接口装置的故障率和修复率。
在一种实施方式中，还包括训练所述超大规模电池储能电站信息物理系统可靠性模型，其中所述训练超大规模电池储能电站信息物理系统可靠性模型包括：
对所述超大规模电池储能电站信息物理系统进行预设次数次抽样仿真；
基于所述抽样仿真结果计算超大规模电池储能电站可靠性指标；
基于所述超大规模电池储能电站可靠性指标训练所述超大规模电池储能电站信息物理系统可靠性模型。
在一种实施方式中，所述对所述超大规模电池储能电站信息物理系统进行预设次数次抽样仿真包括：采用非序贯蒙特卡洛方法对所述超大规模电池储能电站信息物理系统状态进行抽样仿真。
在一种实施方式中，所述超大规模电池储能电站可靠性指标包括：储能电站可用功率期望，储能电站功率不足的概率，储能电站电量不足期望中的至少一种。
一种超大规模电池储能电站信息物理系统可靠性分析装置，所述超大规模电池储能电站信息物理系统包括信息系统、物理系统和信息物理接口装置，包括：
分析模块，配置为基于预设的信息系统可靠性模型得到信息扰动数据；基于预设的信息物理接口装置的可靠性模型得到信息物理接口装置的故障率及修复率；
建模模块，基于预设的物理系统可靠性模型、所述信息扰动数据和所述信息物理接口装置的故障率及修复率得到所述超大规模电池储能电站信息物理系统的可靠性模型；
计算模块，配置为基于所述超大规模电池储能电站信息物理系统的可靠性模型得到所述超大规模电池储能电站可靠性指标。
一种电子装置，包括存储器和处理器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时实现如上述任一所述的超大规模电池储能电站信息物理系统可靠性分析法。
一种计算机可读存储介质，包括：所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用以实现如上述任一所述的超大规模电池储能电站信息物理系统可靠性分析法。
本发明实施例提供的一种基于储能电站信息物理系统的可靠性模型构建方法，通过提供一种超大规模电池储能电站信息物理系统可靠性模型，能够全面量化来自外界及内部信息扰动对储能电站的影响，以及储能电站的信息物理设备的冗余配置提高储能电站的可靠性和经济性。
附图说明
图1所示为本发明一实施例提供的一种超大规模电池储能电站信息物理系统可靠性分析法的流程图。
图2所示为本发明一实施例提供的一种基于超大规模电池储能电站信息物理系统可靠性分析流程图。
图3所示为本发明一实施例提供的一种超大规模电池储能电站信息物理系统模型图。
图4所示为本发明一实施例提供的一种储能子站一二次系统的结构示意图。
图5a所示为本发明一实施例提供的一种储能子站的多个状态转移示意图。
图5b所示为本发明一实施例提供的一种储能子站的两状态转移示意图。
图6所示为本发明一实施例提供的一种信息物理接口装置可用性的流程图
图7所示为本发明一实施例提供的一种超大规模电池储能电站信息物理系统可靠性分析装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一：
图1所示为本发明一实施例提供的一种超大规模电池储能电站信息物理系统可靠性分析法的流程图。图2所示为本发明一实施例提供的一种基于超大规模电池储能电站信息物理系统可靠性分析流程图。图3所示为本发明一实施例提供的一种超大规模电池储能电站信息物理系统模型图。
参考图1～图3所示。本实施例提供一种超大规模电池储能电站信息物理系统可靠性分析法，本方法基于超大规模电池储能电站信息物理系统，所述超大规模电池储能电站信息物理系统分为信息系统和物理系统，物理系统是由多个储能子站组成，通过电缆进线连接，主要是根据调度指令完成充/放电要求；信息系统是由与储能子站一一对应就地控制和监控系统(通信节点)组成，通过光纤进行通信，主要是进行储能子站数据的上传和控制指令的下传。
如图4所示，储能子站一二次系统是由N个储能单元串组成，一个储能单元串是由1个储能单元(每个储能单元由n个电池组和电池管理单元组成)、交流器、电池管理系统和信息物理接口装置组成。电池管理系统采集来自电池管理单元的电池状态信息，电池管理系统和交流器通过信息物理接口与就地控制和监控系统进行通讯。所述超大规模电池储能电站信息物理系统可靠性分析法包括：
步骤S01：基于预设的信息系统可靠性模型得到信息扰动数据。其中，所述信息扰动数据包括总延迟时间，基于预设的信息系统的可靠性模型得到信息扰动数据包括：将信息系统参数输入所述信息系统可靠性模型，所述信息系统可靠性模型建立通信网络的邻接矩阵；将所述邻接矩阵的权重赋值延迟时间，并使所述延迟时间服从帕累托分布，计算总延迟时间。
通讯节点的故障使得通讯网络的拓扑结构发生改变，就地控制和监控系统可能不能与调度中心通讯、网络负载过高导致的通讯延迟和外界干扰导致的信息误码都对储能电站的稳定运行有一定的影响，在实际工业光纤网络，误码率几乎不能超过误码率的阈值，因此主要研究通讯链路的可靠性和延迟时间的影响，让延迟时间服从Pareto(帕累托)分布，并计算就地控制和监控系统到调度中心得总延迟时间。
可选地，建立通讯网络链路的可靠性建模，储能电站的信息系统是由M个就地控制和监控系统和1个调度中心组成，将通讯网络结构被抽象成为一个无向图G＝{V E A}，其中，节点集V＝{v1 v2 … vM+1}，(vi,vj)构成边集E,邻接矩阵A＝(aij)M+1×M+1用来记录信息通讯链路的延迟时间，具体表示如下：
Figure BDA0002958867200000051
式中，Wij是节点vi和vj之间通讯链路延迟时间，服从正态分布，Wi为储能子站的可用额定功率和容量。
根据就地控制和监控系统(通信节点)的运行状态，采用深度优先搜索算法对通讯网络G进行更新。一般来说，通信节点到调度中心的通讯路径不止一条，只有当通信节点到调度中心的所有路径都中断，或者说存在的通讯路径的总延迟时间超出了延迟阈值，通信节点才无法与调度中心通信，可表示为：
R＝R(L)×R(T)
式中，R(L)表示通讯路径可靠性，R(T)表示延迟时间可靠性。
Figure BDA0002958867200000052
式中，L是通讯路径数，S(ni)和S(fi)是通讯路径l上通信节点和链路的可靠性。
Figure BDA0002958867200000061
式中，TU是通讯路径l上的延迟上限。
步骤S02：基于预设的信息物理接口装置的可靠性模型得到信息物理接口装置的故障率及修复率。其中，所述基于所述信息物理接口装置的可靠性模型得到信息物理接口装置的故障率及修复率包括：让信息攻击强度服从泊松分布，基于所述信息攻击强度得出信息物理接口装置的可用度，并计算所述信息物理接口装置的故障率和修复率。信息攻击利用信息物理系统接口装置的安全漏洞致使装置不可用，因此信息物理接口装置是由正常和故障两个运行状态组成，并不是所有信息攻击都可让装置故障，让信息攻击强度服从泊松分布，得出信息物理接口装置的可用度，计算其故障率和修复率。其他非电源元件也是由正常和故障两个运行状态组成。
可选地，信息物理接口装置的可用性计算流程图如图6所示，其故障率和修复率可计算如下：
Figure BDA0002958867200000062
Figure BDA0002958867200000063
式中，MTTR为信息物理接口装置的平均修复时间。
信息物理接口装置分为正常和故障两个运行状态，其平均不可用率可表示为：
Figure BDA0002958867200000064
在[0,1]区间抽取均匀分布的随机数UCP，其运行状态可表示为：
Figure BDA0002958867200000065
步骤S03：基于预设的物理系统可靠性模型、所述信息扰动和所述信息物理接口装置的故障率及修复率得到所述超大规模电池储能电站信息物理系统的可靠性模型。对超大规模电池储能电站信息系统元件通过串并联系统法进行物理系统可靠性建模，再考虑信息攻击对信息物理接口装置的可靠性分析以及信息扰动(传输延迟、误码等)对储能电站的安全稳定运行的影响，建立超大规模电池储能电站信息物理系统的可靠性模型。
本方法还包括建立物理系统可靠性模型。所述建立储能单元子串的可靠性模型包括：输入储能子站物理系统参数，采用串并联元件的建模方法来建立储能子站中储能单元子串的可靠性模型。物理系统的储能子站是由N个储能单元串组成，每个储能单元串是由正常和故障两种运行方式组成，单个储能单元串故障不会导致整个储能子站故障，因此储能子站的运行状态可分为多个状态。
可选地，对物理系统中的串并联系统模型进行计算，假设串联系统是由m个元件组成，每个元件的故障率分别为λ1，λ2，…，λm，修复率分别为μ1，μ2，…，μm。串联系统是指系统中任何一个元件故障都会导致系统故障，系统的修复状态概Pr率和故障状态概率Pf和故障率λsystem和修复率μsystem可靠性参数可如下计算：
Figure BDA0002958867200000071
Pf＝1-Pr
λsystem＝λ1+λ2+…+λm
μsystem＝λsystem×Pr×(Pf)-1
并联系统是指系统中所有元件故障才会导致系统故障，则其可靠性参数可计算如下：
Figure BDA0002958867200000072
Pr＝1-Pf
μsystem＝μ1+μ2+…+μm
λsystem＝μsystem×Pf×(Pr)-1
进一步的，建立超大规模电池储能电站信息物理系统的可靠性模型，储能子站的多个状态转移图如图5(a)所示，其故障率λi和修复率μi，多状态概率P＝(P1，P2，…，PN)计算如下：
Figure BDA0002958867200000073
Figure BDA0002958867200000074
将马尔可夫方法应用到图5(a)得到储能子站的状态转移矩阵：
Figure BDA0002958867200000081
物理系统的储能子站是由2个储能单元串组成，每个储能单元串是由正常和故障两种运行方式组成，单个储能单元串故障不会导致整个储能子站故障，因此储能子站的运行状态可分为多个状态。储能子站的多个状态转移图如图5(b)所示，其故障率λ和修复率μ。
根据马尔科夫过程逼近原理，对其进行求解可得出多状态概率：
PT＝P
超大规模电池储能电站有M个不同运行状态的储能子站集合S，在[0,1]区间抽取均匀分布的随机数Ui，第i个储能子站Si的运行状态可表示为：
S＝(S1 S2 … SM)
Figure BDA0002958867200000082
步骤S04：基于所述超大规模电池储能电站信息物理系统的可靠性模型得到所述超大规模电池储能电站可靠性指标。
其中，将信息系统数据输入所述超大规模电池储能电站信息物理系统可靠性模型，将可靠性指标定量表示出来。可选地，超大规模电池储能电站可靠性指标包括：储能电站可用功率期望，储能电站功率不足的概率，储能电站电量不足期望中的至少一种。
可选地，计算储能电站可靠性指标：
1.额定功率不足概率PIP，表示储能电站元件故障时额定功率不足的概率，计算方式为：
Figure BDA0002958867200000091
式中，X＝{S G}为储能电站信息物理系统元件状态信息的一个样本,N为抽样次数，Ω为储能电站出现额定功率不足样本的集合。
2.可用额定功率期望EAP，表示储能电站元件故障使可用额定功率的期望，计算方式如下：
Figure BDA0002958867200000092
式中，
Figure BDA0002958867200000093
为储能电站在样本状态X下可用额定功率的值。
3.额定功率缺失的期望EIP,表示储能电站元件故障额定功率缺失的期望，计算方式如下：
Figure BDA0002958867200000094
式中，
Figure BDA0002958867200000095
为储能电站在样本状态X下额定功率缺失的值。
4.储能电站容量不足期望EIC,表示储能电站内部元件故障造成可再生能源浪费的电能的期望，计算方式如下：
Figure BDA0002958867200000096
式中，T为系统在样本状态X下的持续时间。
除了上述方法所述的步骤外，超大规模电池储能电站信息物理系统可靠性模型构建方法还可包括：训练所述超大规模电池储能电站信息物理系统可靠性模型，其中所述训练超大规模电池储能电站信息物理系统可靠性模型包括：对所述信息物理系统进行预设次数次抽样仿真；基于所述抽样仿真结果计算储能电站可靠性指标基于所述储能电站可靠性指标训练所述超大规模电池储能电站信息物理系统可靠性模型。可选地，对所述信息物理系统进行预设次数次抽样仿真包括：采用非序贯蒙特卡洛方法对所述信息物理系统状态进行抽样仿真。可选地，预设次数可以为10000次，除此之外，预设次数是可以根据实际的情况进行设定的，本发明对预设次数不做限定。可选地，储能电站可靠性指标包括储能电站可用功率期望，储能电站功率不足的概率，储能电站电量不足期望中的至少一种，除此之外，储能电站可靠性指标还可以包括其他指标，本发明对储能电站可靠性指标的具体内容不做限定。
本发明的一种超大规模电池储能电站信息物理系统可靠性分析法，能够全面量化来自外界及内部信息扰动对储能电站的影响，以及储能电站的信息物理设备的冗余配置提高储能电站的可靠性和经济性，对超大规模电池储能电站的规划建设具有重要的意义。该方法首先对超大规模电池储能电站信息系统元件通过串并联系统法进行可靠性建模，再考虑信息攻击对信息物理接口装置的可靠性分析和信息扰动(传输延迟、误码等)对储能电站的安全稳定运行的影响，从可靠性指标上定量的表示出来。此外，以本发明以可靠性分析法为基础，可在一定程度上提高储能电站收益成本。
实施例二：
图7所示为本发明一实施例提供的一种超大规模电池储能电站信息物理系统可靠性分析装置的结构示意图。
参考图7，本实施例提供一种超大规模电池储能电站信息物理系统可靠性分析装置100，所述超大规模电池储能电站信息物理系统可靠性分析装置包括：分析模块10、建模模块20和计算模块30。可选地，
分析模块10，配置为基于预设的信息系统可靠性模型得到信息扰动；基于预设的信息物理接口装置的可靠性模型得到信息物理接口装置的故障率及修复率；
建模模块20，基于预设的物理系统可靠性模型、所述信息扰动和所述信息物理接口装置的故障率及修复率得到所述超大规模电池储能电站信息物理系统的可靠性模型；
计算模块30，配置为基于所述超大规模电池储能电站信息物理系统的可靠性模型得到所述超大规模电池储能电站可靠性指标。
分析模块10基于预设的信息系统可靠性模型得到信息扰动；基于预设的信息物理接口装置的可靠性模型得到信息物理接口装置的故障率及修复率。然后建模模块20基于预设的物理系统可靠性模型、所述信息扰动和所述信息物理接口装置的故障率及修复率得到所述超大规模电池储能电站信息物理系统的可靠性模型。计算模块30基于所述超大规模电池储能电站信息物理系统的可靠性模型得到所述超大规模电池储能电站可靠性指标。
本实施例提供的基于超大规模电池储能电站信息物理系统可靠性分析装置，能够全面量化来自外界及内部信息扰动对储能电站的影响，以及储能电站的信息物理设备的冗余配置提高储能电站的可靠性和经济性，对超大规模电池储能电站的规划建设具有重要的意义。该装置主要是结合物理系统可靠性建模，再考虑信息攻击对信息物理接口装置的可靠性分析和信息扰动(传输延迟、误码等)对储能电站的安全稳定运行的影响，从可靠性指标上定量的表示出来，且可一定程度上提高储能电站收益成本。
实施例三：
本实施例提供了一种电子设备，该电子设备可以包括存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被处理器执行时实现如实施例一种所述的超大规模电池储能电站信息物理系统可靠性分析法。可以理解，电子设备还可以包括，输入/输出(I/O)接口，以及通信组件。
其中，处理器用于执行如实施例一中的超大规模电池储能电站信息物理系统可靠性分析法中的全部或部分步骤。存储器用于存储各种类型的数据，这些数据例如可以包括电子设备中的任何应用程序或方法的指令，以及应用程序相关的数据。
所述处理器可以是专用集成电路(Application Specific Integrated Cricuit，简称ASIC)、数字信号处理器(Digital Signal Processor，简称DSP)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable GateArray，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述实施例一中的超大规模电池储能电站信息物理系统可靠性分析法。
所述存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memery，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM),可编程只读存储器(Programmable Read-Only Memory，简称PROM),只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。
实施例四：
本实施例还提供一种计算机可读存储介质。在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。
基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
而前述的存储介质包括：闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、APP应用商城等等各种可以存储程序校验码的介质，其上存储有计算机程序，所述计算机程序被处理器执行时可以实现如下方法步骤：
步骤S01：基于预设的信息系统可靠性模型得到信息扰动；
步骤S02：基于预设的信息物理接口装置的可靠性模型得到信息物理接口装置的故障率及修复率；
步骤S03：基于预设的物理系统可靠性模型、所述信息扰动和所述信息物理接口装置的故障率及修复率得到所述超大规模电池储能电站信息物理系统的可靠性模型；
步骤S04:基于所述超大规模电池储能电站信息物理系统的可靠性模型得到所述超大规模电池储能电站可靠性指标。
具体的实施方式和产生的效果可以参考实施例一中所述，本发明在此不再赘述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上结合具体实施例描述了本申请的基本原理，但是，需要指出的是，在本申请中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本申请为必须采用上述具体的细节来实现。
本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。
还需要指出的是，在本申请的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此，本申请不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。本申请实施例中所有方向性指示(诸如上、下、左、右、前、后、顶、底……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
另外，在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换等，均应包含在本发明的保护范围之内。以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换等，均应包含在本发明的保护范围之内。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换等，均应包含在本发明的保护范围之内。

Claims (10)

1.超大规模电池储能电站信息物理系统可靠性分析法，其特征在于，所述超大规模电池储能电站信息物理系统包括信息系统、物理系统和信息物理接口装置，所述超大规模电池储能电站信息物理系统可靠性分析法包括：
基于预设的信息系统可靠性模型得到信息扰动数据；
基于预设的信息物理接口装置的可靠性模型得到信息物理接口装置的故障率及修复率；
基于预设的物理系统可靠性模型、所述信息扰动数据和所述信息物理接口装置的故障率及修复率得到所述超大规模电池储能电站信息物理系统的可靠性模型；
基于所述超大规模电池储能电站信息物理系统的可靠性模型得到所述超大规模电池储能电站可靠性指标。
2.根据权利要求1所述的超大规模电池储能电站信息物理系统可靠性分析法，其特征在于，所述建立所述物理系统可靠性模型的方法包括：输入储能子站物理系统参数，采用串并联元件的建模方法建立储能子站中储能单元子串的可靠性模型。
3.根据权利要求1所述的超大规模电池储能电站信息物理系统可靠性分析法，其特征在于，所述信息扰动数据包括总延迟时间，所述基于预设的信息系统可靠性模型得到信息扰动数据包括：
将信息系统参数输入所述信息系统可靠性模型，所述信息系统可靠性模型建立通信网络的邻接矩阵；
将所述邻接矩阵的权重赋值延迟时间，并使所述延迟时间服从帕累托分布，计算所述总延迟时间。
4.根据权利要求1所述的超大规模电池储能电站信息物理系统可靠性分析法，其特征在于，所述基于预设的信息物理接口装置的可靠性模型得到信息物理接口装置的故障率及修复率包括：根据服从泊松分布的信息攻击强度得出信息物理接口装置的可用度；
基于所述信息物理接口装置的可用度得到所述信息物理接口装置的故障率和修复率。
5.根据权利要求1所述的超大规模电池储能电站信息物理系统可靠性分析法，其特征在于，还包括训练所述超大规模电池储能电站信息物理系统可靠性模型，其中所述训练超大规模电池储能电站信息物理系统可靠性模型包括：
对所述超大规模电池储能电站信息物理系统进行预设次数次抽样仿真；
基于所述抽样仿真结果计算超大规模电池储能电站可靠性指标；
基于所述超大规模电池储能电站可靠性指标训练所述超大规模电池储能电站信息物理系统可靠性模型。
6.根据权利要求5所述的超大规模电池储能电站信息物理系统可靠性分析法，其特征在于，所述对所述超大规模电池储能电站信息物理系统进行预设次数次抽样仿真包括：采用非序贯蒙特卡洛方法对所述超大规模电池储能电站信息物理系统状态进行抽样仿真。
7.根据权利要求5所述的超大规模电池储能电站信息物理系统可靠性分析法，其特征在于，所述超大规模电池储能电站可靠性指标包括：储能电站可用功率期望，储能电站功率不足的概率，储能电站电量不足期望中的至少一种。
8.超大规模电池储能电站信息物理系统可靠性分析装置，所述超大规模电池储能电站信息物理系统包括信息系统、物理系统和信息物理接口装置，其特征在于，包括：
分析模块，配置为基于预设的信息系统可靠性模型得到信息扰动数据；基于预设的信息物理接口装置的可靠性模型得到信息物理接口装置的故障率及修复率；
建模模块，基于预设的物理系统可靠性模型、所述信息扰动数据和所述信息物理接口装置的故障率及修复率得到所述超大规模电池储能电站信息物理系统的可靠性模型；
计算模块，配置为基于所述超大规模电池储能电站信息物理系统的可靠性模型得到所述超大规模电池储能电站可靠性指标。
9.一种电子装置，其特征在于，包括存储器和处理器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时实现如权利要求1-7任一所述的超大规模电池储能电站信息物理系统可靠性分析法。
10.一种计算机可读存储介质，其特征在于，包括：所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用以实现如权利要求1-7任一所述的超大规模电池储能电站信息物理系统可靠性分析法。
CN202110230263.1A 2021-03-02 2021-03-02 超大规模电池储能电站信息物理系统可靠性分析法及装置 Active CN112803460B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202110230263.1A CN112803460B (zh) 2021-03-02 2021-03-02 超大规模电池储能电站信息物理系统可靠性分析法及装置
EP21926072.6A EP4096045A4 (en) 2021-03-02 2021-09-26 METHOD AND DEVICE FOR ANALYZING THE RELIABILITY OF A CYBER-PHYSICAL SYSTEM OF A BATTERY ENERGY STORAGE POWER PLANT ON A VERY LARGE SCALE
PCT/CN2021/120769 WO2022183722A1 (zh) 2021-03-02 2021-09-26 超大规模电池储能电站信息物理系统可靠性分析法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110230263.1A CN112803460B (zh) 2021-03-02 2021-03-02 超大规模电池储能电站信息物理系统可靠性分析法及装置

Publications (2)

Publication Number Publication Date
CN112803460A true CN112803460A (zh) 2021-05-14
CN112803460B CN112803460B (zh) 2022-06-07

Family

ID=75816260

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110230263.1A Active CN112803460B (zh) 2021-03-02 2021-03-02 超大规模电池储能电站信息物理系统可靠性分析法及装置

Country Status (3)

Country Link
EP (1) EP4096045A4 (zh)
CN (1) CN112803460B (zh)
WO (1) WO2022183722A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022183722A1 (zh) * 2021-03-02 2022-09-09 中国电力科学研究院有限公司 超大规模电池储能电站信息物理系统可靠性分析法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090096406A1 (en) * 2007-10-15 2009-04-16 General Electric Company Method and system for determining the reliability of a dc motor system
CN107194594A (zh) * 2017-05-26 2017-09-22 中国南方电网有限责任公司超高压输电公司天生桥局 一种基于iec61850的背靠背换流站物理信息系统可靠性评估方法
CN110391935A (zh) * 2019-07-11 2019-10-29 南瑞集团有限公司 计及信息物理耦合特性和信息扰动的量测度评估方法及系统
CN111475953A (zh) * 2020-04-10 2020-07-31 广东电网有限责任公司 供能可靠性影响分析方法、装置设备及存储介质
CN111695231A (zh) * 2020-04-01 2020-09-22 华南理工大学 复杂配电网信息物理系统的实用化可靠性分析方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180218277A1 (en) * 2017-01-30 2018-08-02 General Electric Company Systems and methods for reliability monitoring
CN107394773B (zh) * 2017-07-04 2020-01-31 天津大学 考虑故障处理全过程的配网信息物理系统可靠性评估方法
CN109033507A (zh) * 2018-06-13 2018-12-18 南京邮电大学 一种考虑信息系统监视功能失效的电力系统可靠性评估方法
CN111008454B (zh) * 2019-10-23 2021-12-03 武汉大学 一种基于信息物理融合模型的智能变电站可靠性评估方法
CN111143958B (zh) * 2020-02-29 2024-08-06 华南理工大学 配电自动化条件下配电网信息物理系统可靠性分析方法
CN111697566B (zh) * 2020-05-19 2022-04-08 浙江工业大学 一种考虑信息失效的主动配电网信息物理系统可靠性评估方法
CN112803460B (zh) * 2021-03-02 2022-06-07 中国电力科学研究院有限公司 超大规模电池储能电站信息物理系统可靠性分析法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090096406A1 (en) * 2007-10-15 2009-04-16 General Electric Company Method and system for determining the reliability of a dc motor system
CN107194594A (zh) * 2017-05-26 2017-09-22 中国南方电网有限责任公司超高压输电公司天生桥局 一种基于iec61850的背靠背换流站物理信息系统可靠性评估方法
CN110391935A (zh) * 2019-07-11 2019-10-29 南瑞集团有限公司 计及信息物理耦合特性和信息扰动的量测度评估方法及系统
CN111695231A (zh) * 2020-04-01 2020-09-22 华南理工大学 复杂配电网信息物理系统的实用化可靠性分析方法
CN111475953A (zh) * 2020-04-10 2020-07-31 广东电网有限责任公司 供能可靠性影响分析方法、装置设备及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022183722A1 (zh) * 2021-03-02 2022-09-09 中国电力科学研究院有限公司 超大规模电池储能电站信息物理系统可靠性分析法及装置

Also Published As

Publication number Publication date
EP4096045A4 (en) 2023-10-18
WO2022183722A1 (zh) 2022-09-09
EP4096045A1 (en) 2022-11-30
CN112803460B (zh) 2022-06-07

Similar Documents

Publication Publication Date Title
Holmgren Using graph models to analyze the vulnerability of electric power networks
Xu et al. Optimal placement of static compensators for multi‐objective voltage stability enhancement of power systems
CN106503923B (zh) 一种电力系统连锁故障风险评估的方法及系统
CN110034581B (zh) 风电并网下电力系统的区间电气介数脆弱性评估方法
Leou et al. Modelling and verifying the load behaviour of electric vehicle charging stations based on field measurements
Faza A probabilistic model for estimating the effects of photovoltaic sources on the power systems reliability
CN109102146B (zh) 基于多参数线性规划的电力系统风险评估加速方法
Doagou‐Mojarrad et al. Probabilistic multi‐objective HVDC/AC transmission expansion planning considering distant wind/solar farms
US20220308573A1 (en) System and method for predicting failure in a power system in real-time
Hou et al. Impact‐increment based decoupled reliability assessment approach for composite generation and transmission systems
Xu et al. Risk‐averse multi‐objective generation dispatch considering transient stability under load model uncertainty
CN111697599A (zh) 一种低压配电网控制方法及低压配电网控制系统
CN112803460B (zh) 超大规模电池储能电站信息物理系统可靠性分析法及装置
Duan et al. Co‐simulation of distributed control system based on JADE for smart distribution networks with distributed generations
Sun et al. A fault diagnosis method of smart grid based on rough sets combined with genetic algorithm and tabu search
CN109066650A (zh) 电力系统脆弱性评估方法及终端设备
Nasiruzzaman et al. Vulnerability of the large-scale future smart electric power grid
Zhang et al. Intentional islanding method based on community detection for distribution networks
Zhang et al. A multi-hierarchical interpretable method for DRL-based dispatching control in power systems
Nutaro et al. Integrated modeling of the electric grid, communications, and control
WO2014185921A1 (en) Systems and methods for meter placement in power grid networks
Zhang et al. Risk‐neutral and risk‐averse transmission switching for load shed recovery with uncertain renewable generation and demand
Ivanova et al. Intentional islanding of electricity grids using binary genetic algorithm
CN116341950A (zh) 一种基于综合介数的电力系统脆弱线路评估方法及装置
Fan et al. Research on optimal load shedding for active distribution network based on genetic algorithm

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