CN113949098A - 计及fcv的孤岛型混合微电网系统可靠性评估方法 - Google Patents

计及fcv的孤岛型混合微电网系统可靠性评估方法 Download PDF

Info

Publication number
CN113949098A
CN113949098A CN202111246519.4A CN202111246519A CN113949098A CN 113949098 A CN113949098 A CN 113949098A CN 202111246519 A CN202111246519 A CN 202111246519A CN 113949098 A CN113949098 A CN 113949098A
Authority
CN
China
Prior art keywords
fcv
power
load
time
output
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
CN202111246519.4A
Other languages
English (en)
Other versions
CN113949098B (zh
Inventor
岳大为
赵文体
李练兵
王正平
杨海跃
高冰
刘汉民
袁行行
杨明哲
姜毅
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.)
Hebei University of Technology
Original Assignee
Hebei University of Technology
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 Hebei University of Technology filed Critical Hebei University of Technology
Priority to CN202111246519.4A priority Critical patent/CN113949098B/zh
Publication of CN113949098A publication Critical patent/CN113949098A/zh
Application granted granted Critical
Publication of CN113949098B publication Critical patent/CN113949098B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • 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
    • H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
    • 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
    • H02J3/388—Islanding, i.e. disconnection of local power supply from the network
    • 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
    • H02J2203/20—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
    • H02J2300/30—The power source being a fuel cell
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明为一种计及FCV的孤岛型混合微电网系统可靠性评估方法，该方法构建了计及氢燃料电池汽车的孤岛型混合微电网系统并对系统进行建模，将FCV接入混合微电网，将传统V2G模式中的纯电动汽车替换为氢燃料电池汽车，增加了系统制氢和用氢环节，利用氢燃料电池汽车的充、放电来实现系统中分布式电源出力的“削峰填谷”；该系统充分考虑了FCV的出行需求，在满足FCV出行需求的基础上提出了功率调度策略，对系统进行负荷削减，解决了目前对于评估含有氢燃料电池汽车的孤岛型混合微电网系统可靠性比较困难的问题。

Description

计及FCV的孤岛型混合微电网系统可靠性评估方法
技术领域
本发明属于能源系统评估技术领域，具体是一种计及FCV的孤岛型混合微电网系统可靠性评估方法。
背景技术
交直流混合微电网是智能电网未来的发展方向之一，其可靠性评估是系统稳定运行的基础和重要保障。交直流混合微电网的运行模式包括并网模式和孤岛模式，与并网模式相比，孤岛模式下的分布式电源、负荷等构成要素具有较强的随机性、波动性和间歇性。此外，由于孤岛型交直流混合微电网不能与大型电网形成电能的双向流动，容易造成能源浪费和供能不足，降低系统可靠性。
随着汽车到电网(Vehicle to Grid，简称V2G)技术的快速发展，V2G技术为解决孤岛型交直流混合微电网的分布式电源出力波动问题提供了有效手段，能够显著提高电网系统的可靠性。目前，V2G主要是将纯电动汽车接入电网，相比于纯电动汽车，氢燃料电池汽车(Hydrogen Fuel Cell Vehicles，简称FCV)具有能量转化效率高、加氢时间短和续航里程长等特点。为了提高能源利用率，利用电转氢技术将多余的电能转化为氢气，并供给以氢燃料电池为动力源的氢燃料电池汽车使用，是V2G技术的研究热点。随着孤岛型交直流混合微电网技术的日益发展，电能与氢能系统之间的耦合关系越来越深，将FCV接入电网能够实现汽车与电网、氢能与电能之间的互动。然而，含FCV的交直流混合微电网系统具有设备类型繁多、设备运行特性各异等特征，使其可靠性评估的建模和计算复杂度大大增加，目前对含FCV的交直流混合微电网系统的可靠性研究相对较少，难以有效量化其可靠性水平。
综上，本申请提出一种计及FCV的孤岛型混合微电网系统可靠性评估方法，对于评估含有FCV的孤岛型混合微电网可靠性具有重要意义。
发明内容
针对现有技术的不足，本发明拟解决的技术问题是，提供一种计及FCV的孤岛型混合微电网系统可靠性评估方法。
本发明解决所述技术问题采用的技术方案是：
一种计及FCV的孤岛型混合微电网系统可靠性评估方法，其特征在于，该方法包括以下步骤：
步骤1、构建系统模型并输入系统各个元件的参数；根据工况设定系统总模拟时长，并进行数据初始化将系统累计模拟时长置零；对系统进行当前组抽样；
系统模型包括新能源出力模型、V2G模型、负荷模型、蓄电池出力模型和电解槽模型；新能源出力模型包括风电出力模型和光伏出力模型，V2G模型包含FCV动态模型和FCV放电功率模型；
步骤2、在当前组抽样的某个抽样时刻对系统所有元件进行随机抽样，并计算各个元件的正常工作时间；选取正常工作时间最小的元件作为故障元件，计算故障元件的修复时间；
步骤3、故障元件j进行分类；若故障元件为电源元件，则该电源元件的出力为零，其他元件正常工作；若故障元件为非电源元件，则系统失去连接的负荷点，系统停止工作直至该故障元件修复，其他元件正常工作；
步骤4、根据步骤3得到的故障元件分类结果，基于步骤1的系统模型对系统在抽样时刻的运行状态进行分析，判断系统在该抽样时刻是否需要负荷削减；
步骤5、若当前抽样时刻t＜Tj+TTTR，则进入当前组抽样的下一次抽样，下一次抽样时刻t'＝t+a，然后重复步骤4，a表示对系统运行状态进行抽样的间隔时间；若当前抽样时刻t≥Tj+TTTR，则执行步骤6；Tj为故障元件的最小正常工作时间，TTTR为故障元件的修复时间；
步骤6、计算当前组抽样的系统累计模拟时长MCT，若MCT＜步骤1设定的系统总模拟时长，则返回步骤2，进行下一组抽样；若MCT≥步骤1设定的系统总模拟时长，则执行步骤7；
步骤7、通过计算可靠性指标，对系统进行可靠性评估。
FCV动态模型为：
家用车辆的往返时刻服从正态分布，概率密度函数为：
Figure BDA0003321209230000021
式(4)中，μs表示家用车辆的往返时刻均值，σs表示家用车辆的往返时刻标准差；
家用车辆的日行驶里程服从对数正态分布，其概率密度函数为：
Figure BDA0003321209230000022
式(5)中，μD表示家用车辆的日行驶里程均值，σD表示家用车辆的日行驶里程标准差；
FCV放电功率模型为：当电网中新能源出力不足时，利用FCV向电网放电，避免系统负荷削减；当FCV向电网放电时，单台FCV在t时刻的输出功率PFCV(t)为：
Figure BDA0003321209230000023
式(6)中，QFCV(t)表示t时刻单台FCV的耗氢量；QΔ为每产生1kW·h电能的耗氢量；μFCV为FCV的放电效率；
当FCV不需要向电网放电时，假设FCV在起始出行时刻的车载储氢罐为满氢状态，在行驶过程中FCV消耗氢气提供电能，则FCV在t时刻的剩余氢气量SFCV(t)为：
Figure BDA0003321209230000031
式(7)中，
Figure BDA0003321209230000032
为储氢罐的额定容量；D(t)为FCV截止到t时刻所行驶的路程，RFCV为FCV每行驶1km消耗的氢气量。
步骤4中采用功率调度策略判断系统在该抽样时刻是否需要负荷削减：
1)当PJ(t)≥0时，表示抽样时刻风机和光伏机组的输出功率大于系统负荷所需功率，优先利用蓄电池消纳冗余功率；若蓄电池消纳后还有冗余功率则同时启动多个电解槽，此时微型燃气轮机不动作，FCV无需向系统放电，系统无负荷削减；
2)当PJ(t)＜0且
Figure BDA0003321209230000033
时，表示抽样时刻风机和光伏机组的输出功率小于系统负荷所需功率，但是由蓄电池单独出力能够满足系统负荷所需功率的缺额，此时微型燃气轮机不动作，FCV无需向系统放电，系统无负荷削减；
3)当PJ(t)＜0且
Figure BDA0003321209230000034
时，表示抽样时刻风机和光伏机组的输出功率小于系统负荷所需功率，且由蓄电池和FCV联合出力能够满足系统负荷所需功率的缺额，此时微型燃气轮机不动作，系统无负荷削减；
4)当PJ(t)＜0且
Figure BDA0003321209230000035
时，表示抽样时刻风机和光伏机组的输出功率小于系统负荷所需功率，且由蓄电池、FCV和微型燃气轮机联合出力能够满足系统负荷所需功率的缺额，此时系统无负荷削减；
5)当PJ(t)＜0且
Figure BDA0003321209230000036
时，表示抽样时刻风机和光伏机组的输出功率小于系统负荷所需功率，并且由蓄电池、FCV和微型燃气轮机联合出力依旧不能满足系统负荷所需功率的缺额，此时系统需要进行负荷削减；
其中，PJ(t)为系统净负荷功率，即风机和光伏机组出力与系统负荷用电之间产生的功率差额；
Figure BDA0003321209230000037
分别为蓄电池的放电功率最大容许值；
Figure BDA0003321209230000038
为参与向系统放电的所有FCV的放电功率总和；
Figure BDA0003321209230000039
为微型燃气轮机的最大输出功率。
与现有技术相比，本发明的有益效果在于：
(1)本发明构建了计及氢燃料电池汽车的孤岛型混合微电网系统并对系统进行建模，将FCV接入混合微电网，将传统V2G模式中的纯电动汽车替换为氢燃料电池汽车，增加了系统制氢和用氢环节，利用氢燃料电池汽车的充、放电来实现系统中分布式电源出力的“削峰填谷”，氢燃料电池汽车的充、放电过程不会对环境造成任何污染。
(2)本发明的系统充分考虑了FCV的出行需求，在满足FCV出行需求的基础上提出了功率调度策略，对系统进行负荷削减，解决了目前对于评估含有氢燃料电池汽车的孤岛型混合微电网系统可靠性比较困难的问题，提高了系统运行的可靠性。
(3)本发明的实验结果表明，通过氢燃料电池汽车的充电(消耗氢气)与放电(通过燃料电池消耗氢气)不仅能够提高系统的可靠性，还可以实现电能和氢能之间的耦合与转化，使电力和制氢子系统之间的能量能够进行双向流动。
附图说明
图1为本发明的整体流程图；
图2为系统的仿真结构示意图；
图3为仿真算例中不同FCV数量和输出功率下系统的LOLP指标柱状图；
图4为仿真算例中不同FCV数量和输出功率下系统的EEDNS指标柱状图。
具体实施方式
下面给出本发明的具体实施例，具体实施例仅用于进一步详细说明本发明的技术方案，不限制本申请权利要求的保护范围。
本发明提出了一种计及FCV的孤岛型混合微电网系统可靠性评估方法(简称方法，参见图1)，该方法包括以下步骤：
步骤1、构建系统模型并输入系统各个元件的参数；根据工况设定系统总模拟时长，并进行数据初始化将系统累计模拟时长置零；采用序贯蒙特卡洛法对系统进行当前组抽样；
系统模型包括新能源出力模型、V2G模型、负荷模型、蓄电池出力模型和电解槽模型；新能源出力模型包括风电出力模型和光伏出力模型，V2G模型包含FCV动态模型和FCV放电功率模型；
风电出力模型：设风速服从Weibull(威布尔)分布，已知t时刻的风速为vt，利用式(1)将风速转换为单台风机的输出功率；
Figure BDA0003321209230000041
式(1)中，P1(t)为t时刻风机的输出功率；Pr为风机的额定功率；vr、vci、vco分别表示风机的额定风速、切入风速和切出风速；A、B、C的值取决于风机的额定风速vr和切入风速vci，表达式为：
Figure BDA0003321209230000042
光伏出力模型：设光照强度服从Beta(贝塔)分布，已知t时刻的光照强度为Gt，利用式(3)将光照强度转换为光伏机组的输出功率；
Figure BDA0003321209230000043
式(3)中，P2(t)为t时刻光伏机组的输出功率；Pm为光伏机组的额定功率；Gstd为标准环境给定的光照强度，通常取1kW/m2；Rc为特定光照强度，通常取0.15kW/m2；
FCV动态模型：根据美国交通部对家用车辆行驶特性的调查结果分析可知，家用车辆的往返时刻服从正态分布，其概率密度函数为：
Figure BDA0003321209230000051
式(4)中，μs表示家用车辆的往返时刻均值，取值为8；σs表示家用车辆的往返时刻标准差，取值为1；
家用车辆的日行驶里程服从对数正态分布，其概率密度函数为：
Figure BDA0003321209230000052
式(5)中，μD表示家用车辆的日行驶里程均值，取值为3.2；σD表示家用车辆的日行驶里程标准差，取值为0.88；
FCV放电功率模型：当电网中新能源出力不足时，利用FCV向电网放电，避免系统负荷削减；当FCV向电网放电时，单台FCV在t时刻的输出功率PFCV(t)为：
Figure BDA0003321209230000053
式(6)中，QFCV(t)表示t时刻单台FCV的耗氢量；QΔ为每产生1kW·h电能的耗氢量；μFCV为FCV的放电效率；
当FCV不需要向电网放电时，假设FCV在起始出行时刻的车载储氢罐为满氢状态，在行驶过程中FCV消耗氢气提供电能，则FCV在t时刻的剩余氢气量SFCV(t)为：
Figure BDA0003321209230000054
式(7)中，
Figure BDA0003321209230000055
为储氢罐的额定容量；D(t)为FCV截止到t时刻所行驶的路程(km)，RFCV为FCV每行驶1km消耗的氢气量；
负荷模型：系统中的负荷具有时变性和随机波动性，则负荷模型的表达式为：
Figure BDA0003321209230000056
式(8)中，PL(t)为t时刻系统负荷所需功率，
Figure BDA0003321209230000057
分别为t时刻系统负荷的时变性和随机波动性，分别满足式(9)和(10)；
Figure BDA0003321209230000058
Figure BDA0003321209230000059
其中，PLPy为负荷点的年负荷峰值；cw为周负荷对年负荷峰值的占比；cd(t)为日负荷对周负荷峰值的占比；μL、σL为系统负荷随机波动性的期望值和标准差；
根据蓄电池的充放电特性建立蓄电池出力模型，蓄电池出力模型包括充电过程模型和放电过程模型；充电过程模型为：
Figure BDA0003321209230000061
放电过程模型为：
Figure BDA0003321209230000062
式(11)和(12)中，PSB(t)为t时刻蓄电池的输出功率，ESB(t)、ESB(t+1)分别为t时刻和t+1时刻蓄电池的储存容量；
Figure BDA0003321209230000063
分别为t时刻蓄电池的充电功率最大容许值和放电功率最大容许值；
Figure BDA0003321209230000064
分别为蓄电池储存容量的上限和下限；
电解槽模型：电解槽通过消耗系统多余的电能电解水产生氢气，产生的氢气供给FCV使用，用于满足日常出行；当系统供能不足时利用FCV向系统放电，减少系统的切负荷，则电解槽模型为：
Figure BDA0003321209230000065
式(13)中，QEL(t)、PEL(t)分别为t时刻电解槽的产氢量和输入功率；ηEL为电解槽的效率；ρ为每小时消耗1kW电能够制取的氢气量；M(t)、M(t-1)分别为t时刻和t-1时刻储氢罐的氢气量；ηi为储氢罐的储放效率，i＝1表示耗氢效率，i＝2表示储氢效率；Qi(t)为t时刻储氢罐的氢气消耗量或储存量，i＝1表示消耗量，i＝2表示储存量；
步骤2、在当前组抽样的某个抽样时刻t对系统所有元件进行随机抽样，并根据式(14)计算各个元件的正常工作时间TTTF；
Figure BDA0003321209230000066
式(14)中，λk为元件k的故障率，α为(0,1)之间服从均匀分布的随机数；
选取正常工作时间TTTF最小的元件作为故障元件j，根据式(15)计算故障元件j的修复时间TTTR；
Figure BDA0003321209230000067
式(15)中，μj为故障元件j的修复率，β为(0,1)之间服从均匀分布的随机数；
步骤3、对步骤2得到的故障元件j进行分类；若故障元件为电源元件，则该电源元件的出力为零，其他元件正常工作；若故障元件为非电源元件，则系统失去连接的负荷点，系统停止工作直至该故障元件修复，其他元件正常工作；
系统采用分布式电源，则电源元件包括风机、光伏机组、蓄电池和微型燃气轮机；当故障元件为风机时，风机的出力为零，即P1(t)＝0；当故障元件是光伏机组时，光伏机组的出力为零，即P2(t)＝0；当故障元件为蓄电池时，蓄电池的出力为零，即PSB(t)＝0；当故障元件为微型燃气轮机时，微型燃气轮机的出力为零，即
Figure BDA0003321209230000071
Figure BDA0003321209230000072
为抽样时刻微型燃气轮机的最大输出功率；
步骤4、根据步骤3得到的故障元件分类结果，基于步骤1的系统模型对系统在抽样时刻的运行状态进行分析，采用功率调度策略判断系统在该抽样时刻是否需要负荷削减；
风机和光伏机组出力与系统负荷用电之间产生的功率差额为系统净负荷功率PJ(t)，其表达式为：
Figure BDA0003321209230000073
式(16)中，ΔPDC(t)、ΔPAC(t)分别为t时刻系统交流侧和直流侧的净负荷功率，ΔPAC(t)＝PWT(t)-PL,AC(t)，ΔPDC(t)＝PPV(t)-PL,DC(t)，PWT(t)和PPV(t)分别为t时刻风机和光伏机组的输出功率，PL,AC(t)和PL,DC(t)分别为t时刻系统交流侧和直流侧负荷消耗功率；ηBIC为系统的双向接口变流器的换流效率；
1)当PJ(t)≥0时，表示抽样时刻风机和光伏机组的输出功率大于系统负荷所需功率，优先利用蓄电池消纳冗余功率；若蓄电池消纳后还有冗余功率则同时启动多个电解槽，此时微型燃气轮机不动作，FCV无需向系统放电，系统无负荷削减；
2)当PJ(t)＜0且
Figure BDA0003321209230000074
时，表示抽样时刻风机和光伏机组的输出功率小于系统负荷所需功率，但是由蓄电池单独出力能够满足系统负荷所需功率的缺额，此时微型燃气轮机不动作，FCV无需向系统放电，系统无负荷削减；
3)当PJ(t)＜0且
Figure BDA0003321209230000075
时，表示抽样时刻风机和光伏机组的输出功率小于系统负荷所需功率，且由蓄电池和FCV联合出力能够满足系统负荷所需功率的缺额，此时微型燃气轮机不动作，系统无负荷削减；
Figure BDA0003321209230000076
为参与向系统放电的所有FCV的放电功率总和；
4)当PJ(t)＜0且
Figure BDA0003321209230000077
时，表示抽样时刻风机和光伏机组的输出功率小于系统负荷所需功率，且由蓄电池、FCV和微型燃气轮机联合出力能够满足系统负荷所需功率的缺额，此时系统无负荷削减；
5)当PJ(t)＜0且
Figure BDA0003321209230000078
时，表示抽样时刻风机和光伏机组的输出功率小于系统负荷所需功率，并且由蓄电池、FCV和微型燃气轮机联合出力依旧不能满足系统负荷所需功率的缺额，此时系统需要进行负荷削减；
负荷削减具体为：当系统功率不能满足负荷需求时，切除功率最小的负荷点，即关闭功率最小的负荷元件；若存在多个功率最小的负荷点，则按照负荷点的重要程度依次切除，重要程度相同时，则随机切除一个；采用现有方法计算负荷点的重要程度，具体参见文献《王杨.基于时序蒙特卡洛模拟的微电网可靠性评估[D].重庆大学,2014.》；
步骤5、若当前抽样时刻t＜Tj+TTTR，Tj为故障元件j的最小正常工作时间，则进入当前组抽样的下一次抽样，下一次抽样时刻t'＝t+a，然后重复步骤4，a表示对系统运行状态进行抽样的间隔时间，取0.5h～1.5h；若当前抽样时刻t≥Tj+TTTR，则执行步骤6；
步骤6、计算当前组抽样的系统累计模拟时长MCT，若MCT＜步骤1设定的系统总模拟时长，则返回步骤2，进行下一组抽样；若MCT≥步骤1设定的系统总模拟时长，则执行步骤7；
步骤7、通过计算可靠性指标，对系统进行可靠性评估；系统的可靠性指标包括失负荷概率(Loss Of Load Probability，简写为LOLP)、系统平均停电频率指数(SystemAverage InterruptionFrequency Index，简写为SAIFI)和系统电力不足期望值(ExpectedElectric Demand Not Supplied，简写为EEDNS)；
失负荷概率(LOLP)是指系统在规定运行时间内不能满足负荷需求的概率，其表达式为：
Figure BDA0003321209230000081
Figure BDA0003321209230000082
其中，F(t)为LOLP的状态函数，T为总模拟时长，PDG(t)为t时刻分布式电源的总输出功率；
系统平均停电频率指数(SAIFI)是指系统在规定运行时间内的平均停电次数，其表达式为：
Figure BDA0003321209230000083
式(19)中，λw、Nw分别为负荷点w的年故障率和用户数；NLP为负荷点总数；
系统电力不足期望值(EEDNS)反映系统对负荷的供应水平，表达式为：
Figure BDA0003321209230000084
式(20)中：P(y)为系统状态y的概率；G为出现负荷削减的状态集合；Ce(y)为在系统状态y下的负荷削减量。
仿真算例：
图2系统的仿真结构示意图，微型燃气轮机(MT)和风机(WT)接入系统的交流母线，光伏机组(PV)、蓄电池(SB)、FCV和电解槽(EL)接入系统的直流母线，负荷点LP1～LP3为交流变压器，负荷点LP4～LP8为直流变压器，FCV采用燃料电池，HT为储氢罐；各个元件的故障率和修复率如表1所示，各个负荷点的负荷数据如表2所示；
表1系统元件参数表
元件 故障率 修复率
线路 0.054 0.253
交流变压器 0.016 0.007
直流变压器 0.420 0.105
风机 0.220 0.017
微型燃气轮机 0.180 0.083
蓄电池 0.050 0.020
光伏机组 0.120 0.014
电解槽 0.150 0.033
表2负荷数据表
Figure BDA0003321209230000091
在两种场景下分别利用图2的系统结构进行仿真分析，对系统的可靠性进行评估；场景1：某孤岛地区不含FCV；场景2：某孤岛地区含300辆FCV，其中设风机的额定功率为1.5MW，光伏机组的额定功率为1MW，电解槽的输入功率为0.7MW，储氢罐的额定容量为10m3。
1)含FCV对孤岛型混合微电网系统可靠性的影响，结果如表3所示；
表3两种场景下系统的可靠性指标
Figure BDA0003321209230000092
由表3可以看出：相对于情景1，情景2中系统的各个可靠性指标均得到有效改善，其中系统的EEDNS降低了33.94％，SAIDI降低了33.72％，LOLP降低了31.1％，EENS降低了21.38％，SAIFI降低了42.72％，因此本申请提出的计及FCV的功率调度策略，不仅能够利用系统的电解槽出力制氢并供给FCV使用，还能够在满足出行的基础上，当系统的分布式电源出力不足时使用FCV向系统放电，减少系统的切负荷次数、缺供电量和用户的停电时间、停电次数，提高孤岛型微电网的可靠性水平。
2)不同FCV数量和功率对系统可靠性的影响；
为研究配置不同FCV数量和输出功率对系统可靠性的影响，设风机的额定功率为2MW，光伏机组的额定功率为1.5MW；当单台FCV的输出功率分别为40kW、50kW和60kW时，该地区的FCV数量从200辆增至500辆，LOLP和EEDNS这两个指标的变化情况如图3和图4。
通过LOLP和EEDNS这两个指标可以看出，增加FCV数量可以提高系统的可靠性水平，但是提升效果会受到FCV输出功率的影响。以指标LOLP为例，当FCV的输出功率为40kW，FCV数量由200辆增加至500辆时，LOLP由0.35降至0.267，LOLP降低了23.7％；当FCV数量增加到一定程度，继续增加FCV数量对系统的可靠性影响不大，例如当FCV输出功率为60kW，FCV数量从200辆增加至350辆时，LOLP由0.118降低到0.082，LOLP降低了30.51％，FCV数量由350辆增至500辆时，LOLP由0.082降低到0.078，LOLP降低了4.88％，因此FCV数量存在可靠性拐点为350辆，当FCV数量大于350辆时，系统的可靠性主要受FCV输出功率的影响；小于350辆时，系统可靠性主要受FCV数量的影响。
同理，当FCV数量为350辆，输出功率由40kW增至50kW时，系统的LOLP降低了15.1％，输出功率由50kW增至60kW时，系统的LOLP降低了66.7％，因此FCV输出功率存在可靠性拐点为50kW，当FCV输出功率低于50kW时，系统可靠性受FCV数量的影响较大，当FCV输出功率高于50kW时，系统可靠性受输出功率的影响较大。综上，当FCV输出功率一定时，FCV数量存在最佳配置。总体而言，本文所提的功率调控策略能够提升孤岛型混合微电网系统的可靠性水平。
从实验结果可知，本发明提出的方法，在满足FCV用户出行的前提下能够有效利用FCV向电网放电，并提供一组最佳的FCV参与电网放电的数量和功率配置，减少能源浪费，有效提高了系统的可靠性水平。
本发明未述及之处适用于现有技术。

Claims (3)

1.一种计及FCV的孤岛型混合微电网系统可靠性评估方法，其特征在于，该方法包括以下步骤：
步骤1、构建系统模型并输入系统各个元件的参数；根据工况设定系统总模拟时长，并进行数据初始化将系统累计模拟时长置零；对系统进行当前组抽样；
系统模型包括新能源出力模型、V2G模型、负荷模型、蓄电池出力模型和电解槽模型；新能源出力模型包括风电出力模型和光伏出力模型，V2G模型包含FCV动态模型和FCV放电功率模型；
步骤2、在当前组抽样的某个抽样时刻对系统所有元件进行随机抽样，并计算各个元件的正常工作时间；选取正常工作时间最小的元件作为故障元件，计算故障元件的修复时间；
步骤3、故障元件j进行分类；若故障元件为电源元件，则该电源元件的出力为零，其他元件正常工作；若故障元件为非电源元件，则系统失去连接的负荷点，系统停止工作直至该故障元件修复，其他元件正常工作；
步骤4、根据步骤3得到的故障元件分类结果，基于步骤1的系统模型对系统在抽样时刻的运行状态进行分析，判断系统在该抽样时刻是否需要负荷削减；
步骤5、若当前抽样时刻t＜Tj+TTTR，则进入当前组抽样的下一次抽样，下一次抽样时刻t'＝t+a，然后重复步骤4，a表示对系统运行状态进行抽样的间隔时间；若当前抽样时刻t≥Tj+TTTR，则执行步骤6；Tj为故障元件的最小正常工作时间，TTTR为故障元件的修复时间；
步骤6、计算当前组抽样的系统累计模拟时长MCT，若MCT＜步骤1设定的系统总模拟时长，则返回步骤2，进行下一组抽样；若MCT≥步骤1设定的系统总模拟时长，则执行步骤7；
步骤7、通过计算可靠性指标，对系统进行可靠性评估。
2.根据权利要求1所述的计及FCV的孤岛型混合微电网系统可靠性评估方法，其特征在于，FCV动态模型为：
家用车辆的往返时刻服从正态分布，概率密度函数为：
Figure FDA0003321209220000011
式(4)中，μs表示家用车辆的往返时刻均值，σs表示家用车辆的往返时刻标准差；
家用车辆的日行驶里程服从对数正态分布，其概率密度函数为：
Figure FDA0003321209220000012
式(5)中，μD表示家用车辆的日行驶里程均值，σD表示家用车辆的日行驶里程标准差；
FCV放电功率模型为：当电网中新能源出力不足时，利用FCV向电网放电，避免系统负荷削减；当FCV向电网放电时，单台FCV在t时刻的输出功率PFCV(t)为：
Figure FDA0003321209220000021
式(6)中，QFCV(t)表示t时刻单台FCV的耗氢量；QΔ为每产生1kW·h电能的耗氢量；μFCV为FCV的放电效率；
当FCV不需要向电网放电时，假设FCV在起始出行时刻的车载储氢罐为满氢状态，在行驶过程中FCV消耗氢气提供电能，则FCV在t时刻的剩余氢气量SFCV(t)为：
Figure FDA0003321209220000022
式(7)中，
Figure FDA0003321209220000023
为储氢罐的额定容量；D(t)为FCV截止到t时刻所行驶的路程，RFCV为FCV每行驶1km消耗的氢气量。
3.根据权利要求1所述的计及FCV的孤岛型混合微电网系统可靠性评估方法，其特征在于，步骤4中采用功率调度策略判断系统在该抽样时刻是否需要负荷削减：
1)当PJ(t)≥0时，表示抽样时刻风机和光伏机组的输出功率大于系统负荷所需功率，优先利用蓄电池消纳冗余功率；若蓄电池消纳后还有冗余功率则同时启动多个电解槽，此时微型燃气轮机不动作，FCV无需向系统放电，系统无负荷削减；
2)当PJ(t)＜0且
Figure FDA0003321209220000024
时，表示抽样时刻风机和光伏机组的输出功率小于系统负荷所需功率，但是由蓄电池单独出力能够满足系统负荷所需功率的缺额，此时微型燃气轮机不动作，FCV无需向系统放电，系统无负荷削减；
3)当PJ(t)＜0且
Figure FDA0003321209220000025
时，表示抽样时刻风机和光伏机组的输出功率小于系统负荷所需功率，且由蓄电池和FCV联合出力能够满足系统负荷所需功率的缺额，此时微型燃气轮机不动作，系统无负荷削减；
4)当PJ(t)＜0且
Figure FDA0003321209220000026
时，表示抽样时刻风机和光伏机组的输出功率小于系统负荷所需功率，且由蓄电池、FCV和微型燃气轮机联合出力能够满足系统负荷所需功率的缺额，此时系统无负荷削减；
5)当PJ(t)＜0且
Figure FDA0003321209220000027
时，表示抽样时刻风机和光伏机组的输出功率小于系统负荷所需功率，并且由蓄电池、FCV和微型燃气轮机联合出力依旧不能满足系统负荷所需功率的缺额，此时系统需要进行负荷削减；
其中，PJ(t)为系统净负荷功率，即风机和光伏机组出力与系统负荷用电之间产生的功率差额；
Figure FDA0003321209220000028
分别为蓄电池的放电功率最大容许值；
Figure FDA0003321209220000029
为参与向系统放电的所有FCV的放电功率总和；
Figure FDA00033212092200000210
为微型燃气轮机的最大输出功率。
CN202111246519.4A 2021-10-26 2021-10-26 计及fcv的孤岛型混合微电网系统可靠性评估方法 Active CN113949098B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111246519.4A CN113949098B (zh) 2021-10-26 2021-10-26 计及fcv的孤岛型混合微电网系统可靠性评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111246519.4A CN113949098B (zh) 2021-10-26 2021-10-26 计及fcv的孤岛型混合微电网系统可靠性评估方法

Publications (2)

Publication Number Publication Date
CN113949098A true CN113949098A (zh) 2022-01-18
CN113949098B CN113949098B (zh) 2023-06-02

Family

ID=79332370

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111246519.4A Active CN113949098B (zh) 2021-10-26 2021-10-26 计及fcv的孤岛型混合微电网系统可靠性评估方法

Country Status (1)

Country Link
CN (1) CN113949098B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113141025A (zh) * 2021-04-26 2021-07-20 河北工业大学 含ehs的孤岛型交直流混合微电网系统的可靠性评估方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103488864A (zh) * 2013-07-04 2014-01-01 清华大学 一种风光储联合发电系统风险的评估方法
WO2015014249A1 (zh) * 2013-07-29 2015-02-05 华北电力大学（保定） 一种基于新能源的混合双向互动式直流牵引供电系统
CN105406469A (zh) * 2015-12-21 2016-03-16 国家电网公司 基于状态转移抽样法的高渗透率有源配电网可靠性评估法
CN109165788A (zh) * 2018-09-04 2019-01-08 河北工业大学 一种冷热电联供系统的优化方法
CN113141025A (zh) * 2021-04-26 2021-07-20 河北工业大学 含ehs的孤岛型交直流混合微电网系统的可靠性评估方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103488864A (zh) * 2013-07-04 2014-01-01 清华大学 一种风光储联合发电系统风险的评估方法
WO2015014249A1 (zh) * 2013-07-29 2015-02-05 华北电力大学（保定） 一种基于新能源的混合双向互动式直流牵引供电系统
CN105406469A (zh) * 2015-12-21 2016-03-16 国家电网公司 基于状态转移抽样法的高渗透率有源配电网可靠性评估法
CN109165788A (zh) * 2018-09-04 2019-01-08 河北工业大学 一种冷热电联供系统的优化方法
CN113141025A (zh) * 2021-04-26 2021-07-20 河北工业大学 含ehs的孤岛型交直流混合微电网系统的可靠性评估方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113141025A (zh) * 2021-04-26 2021-07-20 河北工业大学 含ehs的孤岛型交直流混合微电网系统的可靠性评估方法
CN113141025B (zh) * 2021-04-26 2022-11-25 河北工业大学 含ehs的孤岛型交直流混合微电网系统的可靠性评估方法

Also Published As

Publication number Publication date
CN113949098B (zh) 2023-06-02

Similar Documents

Publication Publication Date Title
CN111293718B (zh) 基于场景分析的交直流混合微网分区二层优化运行方法
CN110126679B (zh) 一种燃料电池最佳工作点的获取方法
CN114243795A (zh) 一种典型充电站综合能源协同交互优化配置方法及系统
CN111626527A (zh) 计及可调度电动汽车快/慢充放电形式的智能电网深度学习调度方法
CN106549419A (zh) 基于万有引力算法的独立微网系统设计方法
CN112350369B (zh) 光储充一体化电站能效评估方法
CN115936244A (zh) 考虑可再生能源发电不确定性的虚拟电厂优化调度方法
Huangfu et al. An optimal energy management strategy with subsection bi-objective optimization dynamic programming for photovoltaic/battery/hydrogen hybrid energy system
CN113949098B (zh) 计及fcv的孤岛型混合微电网系统可靠性评估方法
CN115940284B (zh) 一种考虑分时电价的新能源制氢系统的运行控制策略
CN113141025B (zh) 含ehs的孤岛型交直流混合微电网系统的可靠性评估方法
CN113690925B (zh) 一种基于微电网的能量交互优化方法及系统
CN115564124A (zh) 一种基于分解协调的综合能源系统顺序优化方法及系统
CN114997662A (zh) 含电动车充电桩的区域分布式多能源系统低碳规划方法
CN112886624B (zh) 一种三站合一变电站储能装置规划设计系统及方法
Yang et al. Collaborative optimization of wind-solar-storage configuration in county distribution network considering near-zero carbon emission
Tian et al. Carbon emission reduction capability assessment based on synergistic optimization control of electric vehicle V2G and multiple types power supply
CN112736894A (zh) 一种计及风电与电动汽车随机性的两阶段机组组合建模方法
Zou et al. Day-ahead Capacity Management for Directly Dispatched Multiple Battery Energy Storage Participating in Peak Regulation
Wang et al. Research on Microgrid Emission Reduction Mechanism and Emission Reduction Calculation Method
Gatta et al. Integration of passenger road transport in a fully renewable electric power system dominated by variable generation
Wentao et al. Multi-objective optimization of capacity configuration for grid-connected microgrid system
Liu et al. Cost Evaluation of Electric Hydrogen Energy System Based on Renewable Energy Power Generation
Fang et al. Multi-objective Optimization Method of Electric and Hydrogen Energy System Considering Uncertain Scenarios
Kai et al. Carbon and Energy Synergistic Optimization of Park Integrated Energy System Considering Wind and Solar Uncertainty

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