CN115358531B - 一种虚拟电厂运行风险分析方法及装置 - Google Patents

一种虚拟电厂运行风险分析方法及装置 Download PDF

Info

Publication number
CN115358531B
CN115358531B CN202210887009.3A CN202210887009A CN115358531B CN 115358531 B CN115358531 B CN 115358531B CN 202210887009 A CN202210887009 A CN 202210887009A CN 115358531 B CN115358531 B CN 115358531B
Authority
CN
China
Prior art keywords
fan
output
wind speed
time
state
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
Application number
CN202210887009.3A
Other languages
English (en)
Other versions
CN115358531A (zh
Inventor
加鹤萍
刘敦楠
李彦斌
王宣元
刘明光
李根柱
许小峰
刘蓁
宁卜
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.)
North China Electric Power University
State Grid Jibei Electric Power Co Ltd
Original Assignee
North China Electric Power University
State Grid Jibei 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 North China Electric Power University, State Grid Jibei Electric Power Co Ltd filed Critical North China Electric Power University
Priority to CN202210887009.3A priority Critical patent/CN115358531B/zh
Priority to US17/900,964 priority patent/US20240037293A1/en
Publication of CN115358531A publication Critical patent/CN115358531A/zh
Application granted granted Critical
Publication of CN115358531B publication Critical patent/CN115358531B/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
    • G06Q10/06—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/08—Probabilistic or stochastic CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/06—Wind turbines or wind farms
    • 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
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Wind Motors (AREA)

Abstract

本发明涉及一种虚拟电厂运行风险分析方法及装置，方法包括：建立风机出力的多状态模型，基于风机出力的多状态模型，分析风速对风机故障率的影响，建立考虑风机时变故障率的风机失效模型；基于风机出力的多状态模型以及考虑风机时变故障率的风机失效模型，通过改进的通用生成函数方法，建立考虑风速与风机时变故障率的风机出力多状态模型；基于考虑风速与风机时变故障率的风机出力多状态模型，建立虚拟电厂多状态出力模型；通过虚拟电厂多状态出力模型，计算虚拟电厂运行风险指标。本发明提高了由分布式风电构成的虚拟电厂运行风险评估的准确性和可靠性。

Description

一种虚拟电厂运行风险分析方法及装置
技术领域
本发明涉及电力系统风险评估技术领域，特别是涉及一种虚拟电厂运行风险分析方法及装置。
背景技术
随着“双碳”目标的提出，位于电力需求侧的分布式能源资源，如分布式风电、工业负荷等可聚合为虚拟电厂，提高电力系统的灵活性。然而，由分布式风电聚合而成的虚拟电厂出力一方面受风速等不确定性因素的影响，另一方面，不同风速对风电机组的故障率带来影响，进一步影响由分布式电源构成的虚拟电厂的出力，给虚拟电厂内部工业负荷的安全可靠运行带来风险。
传统的故障率分析模型采用固定故障率分析，难以反映风速等因素对分布式电源设备的影响。此外，传统可靠性分析模型一般为两状态模型，采用多状态模型分析系统可靠性能够更加精确。因此，有必要提出一种考虑分布式风电时变故障率的虚拟电厂运行风险分析方法及装置。
发明内容
本发明的目的在于克服现有技术的不足，提出一种虚拟电厂运行风险分析方法及装置，相比于传统的两状态可靠性分析方法，考虑分布式风电时变故障率的虚拟电厂运行风险分析方法能够更加精确分析虚拟电厂的运行风险。
为实现上述目的，本发明提供了如下方案：
一种虚拟电厂运行风险分析方法，包括：
建立风机出力的多状态模型，基于所述风机出力的多状态模型，分析风速对风机故障率的影响，建立考虑风机时变故障率的风机失效模型；
基于所述风机出力的多状态模型以及所述考虑风机时变故障率的风机失效模型，通过改进的通用生成函数方法，建立考虑风速与风机时变故障率的风机出力多状态模型；
基于所述考虑风速与风机时变故障率的风机出力多状态模型，建立虚拟电厂多状态出力模型；
通过所述虚拟电厂多状态出力模型，计算虚拟电厂运行风险指标，完成对电厂运行风险的分析。
优选的，建立所述风机出力的多状态模型，包括：
在不考虑风机故障的情况下，分析风速对风机出力的关系；基于所述风速对风机出力的关系，构建所述风机出力的多状态模型，将风速s(t)离散为Ks个状态，采用马尔可夫过程对风机出力进行建模，将wpi1(t)离散为Ks个状态，得到第ks个状态的风机出力为wpi1,k的时变概率值qi,k(t)，利用改进的通用生成函数方法，建立所述风机出力的多状态模型。
优选的，所述风速对风机出力的关系为：
Figure BDA0003766110240000031
式中，t表示时间，i表示风机的编号，
Figure BDA0003766110240000032
表示t时刻在风速s(t)下风机i的出力，
Figure BDA0003766110240000033
分别表示风机i的切入风速、额定风速和切出风速，
Figure BDA0003766110240000034
表示风机i的额定功率；ai、bi分别为风机的出力与风速的关系系数，其中，
Figure BDA0003766110240000035
所述第ks个状态的风机出力为
Figure BDA0003766110240000036
的时变概率值qi,k(t)为：
Figure BDA0003766110240000037
其中，
Figure BDA0003766110240000038
为风机出力由第ks个状态转移到第ls个状态的状态转移率，qi,k(t0)为风机i在t0时刻时风机出力为第ks个状态的时变概率值，qi,l(t0)为风机i在t0时刻时风机出力为第ls个状态的时变概率值，qi,l(t)为风机i在t时刻时风机出力为状态l的时变概率值；
所述风机出力的多状态模型为：
Figure BDA0003766110240000039
式中，
Figure BDA00037661102400000310
表示不考虑风机故障下风机i出力的改进通用生成函数表示方法，z表示随机变量状态值，
Figure BDA00037661102400000311
表示风机i的出力值为
Figure BDA00037661102400000312
优选的，建立所述考虑风机时变故障率的风机失效模型包括：
分析风速对风机故障率的影响，建立风机时变故障率模型：
λi(t)＝λi,0+λi,s(t)
式中，λi(t)表示t时刻风机i的时变故障率，λi,0表示风机i的基本故障率，λi,s(t)表示t时刻由风速导致风机i的可变故障率；
其中，t时刻由风速导致风机i的可变故障率与风速s(t)之间的关系模型为：
Figure BDA0003766110240000041
式中，λi,max表示风机i的切出风速
Figure BDA0003766110240000042
对应的风机故障率，λi,min表示风机i的切入风速
Figure BDA0003766110240000043
对应的风机故障率，cs表示与切入风速、切出风速相关的常数。
优选的，通过所述多状态模型描述所述风机在不同风速下的基本故障率，并考虑不同风速下风机的可变故障率，得到风机失效概率为：
Figure BDA0003766110240000044
式中，t为时间，
Figure BDA0003766110240000045
为t时刻在第ks个风速下风机i的失效概率，λi,k为t时刻风机i在第ks个风速下的故障率；
基于所述风机失效概率，利用改进的通用生成函数方法，建立第ks个风速状态下风机i的失效模型：
Figure BDA0003766110240000046
式中，
Figure BDA0003766110240000047
表示考虑风速对风机失效概率的影响下风机i失效模型的改进通用生成函数表示方法，z1表示风机i正常运行，z0表示风机i失效。
优选的，所述考虑风速与风机时变故障率的风机出力多状态模型为：
Figure BDA0003766110240000051
式中，
Figure BDA0003766110240000052
表示考虑风速与风机时变故障率的风机i出力模型的改进通用生成函数表示方法，Ωser表示串联算子，
Figure BDA0003766110240000053
表示风机i在状态j的概率，
Figure BDA0003766110240000054
表示风机i在状态j的出力值为
Figure BDA0003766110240000055
优选的，通过所述考虑风速与风机时变故障率的风机出力多状态模型，建立由多个分布式风电构成的所述虚拟电厂多状态模型：
Figure BDA0003766110240000056
式中，uVPP(z,t)表示Nw个独立风机聚合为虚拟电厂出力模型的改进通用生成函数表示方法，Ωpar表示并联算子，
Figure BDA0003766110240000057
表示虚拟电厂在状态m的概率，
Figure BDA0003766110240000058
表示虚拟电厂在状态m的出力值为VPPm。
优选的，计算所述虚拟电厂运行风险指标：
Figure BDA0003766110240000061
Figure BDA0003766110240000062
Figure BDA0003766110240000063
其中，D(t)为供电不足概率、E(t)为期望供电缺额、A(t)为工业用户供电不足损失，L表示由虚拟电厂供电的工业用户负荷值，T表示虚拟电厂供电总时长，t表示时刻，且t∈[0,T]；τ表示停电持续时间，cdf(τ)表示工业用户供电不足的损失函数，与停电持续时间τ相关。
为了实现上述目的，本发明还提供了一种虚拟电厂运行风险分析装置，包括：
风速与风机出力模块：用于构建风机出力与风速的关系模型，将风速离散为多个状态，建立多状态风速模型；依据所述风机出力与风速的关系模型，根据风机的多状态出力模型，计算不考虑风机故障的情况下的风机出力值及相应的概率值；
风机时变故障率获取模块：用于获取风机可变故障率，将风机基本故障率与由风速导致的风机可变故障率相加，获得风机时变故障率；
考虑风速与风机时变故障率的风机出力模块：用于基于所述风机时变故障率获取模块，构建考虑风机时变故障率的风机失效模型；基于风速与风机出力模块获取的风机出力，获取考虑风速与风机时变故障率的风机出力值及相应的概率值；
虚拟电厂运行风险评价模块：用于构建包括若干分布式风电的虚拟电厂出力模型；建立包括供电不足概率、期望供电缺额、虚拟电厂中工业用户供电不足损失的虚拟电厂运行风险指标体系，计算虚拟电厂的供电不足概率、期望供电缺额、虚拟电厂中工业用户供电不足损失。
本发明的有益效果为：
本发明提供的虚拟电厂运行风险分析方法及装置，通过分析风速对风机故障率的影响，考虑风机时变故障率对分布式风电出力的影响，并考虑虚拟电厂出力在实际运行过程中的多状态特性，计算供电不足概率、期望供电缺额、虚拟电厂中工业用户供电不足损失等用于量化评估虚拟电厂的运行风险指标，由此提高由分布式风电构成的虚拟电厂运行风险评估的准确性和可靠性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的考虑分布式风电时变故障的虚拟电厂运行分析方法流程图；
图2为本发明实施例提供的考虑分布式风电时变故障率的虚拟电厂运行分析方法中虚拟电厂结构模型示意图；
图3为本发明实施例中在是否考虑分布式风电时变故障率的虚拟电厂供电不足的概率结果图；
图4为本发明实施例提供的考虑分布式风电时变故障率的虚拟电厂运行风险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做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。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
一种虚拟电厂运行风险分析方法，流程图如图1所示，具体包括：
步骤1、在不考虑风机故障的情况下，建立风机出力的多状态模型；
所述步骤1的具体步骤包括：
(1)在不考虑风机故障的情况下，分析风速对风机出力的关系。
在风机运行良好状态下，第i个风机的出力与风速的关系用以下公式表示。
Figure BDA0003766110240000091
式中，t表示时间，i表示风机的编号，
Figure BDA0003766110240000092
表示t时刻在风速s(t)下风机i的出力，
Figure BDA0003766110240000093
分别表示风机i的切入风速、额定风速和切出风速，
Figure BDA0003766110240000094
表示风机i的额定功率；ai、bi分别为风机的出力与风速的关系系数，其中，
Figure BDA0003766110240000095
(2)在不考虑风机故障的情况下，建立风机出力的多状态模型。
将风速s(t)离散为Ks个状态，建立多状态风速模型。第ks(ks＝1,…,Ks)个状态的风速为sk且sk＜sk+1，不同风速状态ks与ls之间的风速状态转移率为
Figure BDA0003766110240000096
其中，ks、ls分别表示不同风速状态的编号。
由风机正常运行情况下风机的出力与风速的关系，建立风机出力的多状态模型。采用马尔可夫过程对风机出力进行建模，将
Figure BDA0003766110240000097
离散为Ks个状态，第ks(ks＝1,…,Ks)个状态的风机出力为
Figure BDA0003766110240000098
且
Figure BDA0003766110240000099
根据如下式的多状态马尔可夫过程的微分方程组，可得第ks个状态的风机出力为
Figure BDA00037661102400000910
的时变概率值qi,k(t)。
Figure BDA00037661102400000911
利用改进的通用生成函数方法，建立风机i出力的多状态模型，用以下公式表示。
Figure BDA0003766110240000101
式中，
Figure BDA0003766110240000102
表示不考虑风机故障下风机i出力的改进通用生成函数表示方法，z表示随机变量状态值，
Figure BDA0003766110240000103
表示风机i的出力值为
Figure BDA0003766110240000104
步骤2、分析风速对风机故障率的影响，建立考虑风机时变故障率的风机失效模型；
所述步骤2的具体步骤包括：
(1)分析风速对风机故障率的影响，建立风机时变故障率模型。
由于虚拟电厂中的风机故障与风速密切相关，本发明考虑风速的变化对风机故障率的影响，风机时变故障率由风机基本故障率与由风速导致的风机可变故障率构成，如下式所示。
λi(t)＝λi,0+λi,s(t)
式中，λi(t)表示t时刻风机i的时变故障率，λi,0表示风机i的基本故障率，λi,s(t)表示t时刻由风速导致风机i的可变故障率。
其中，t时刻由风速导致风机i的可变故障率与风速s(t)之间的关系模型如下式所示。
Figure BDA0003766110240000105
式中，λi,max表示风机i的切出风速
Figure BDA0003766110240000106
对应的风机故障率，λi,min表示风机i的切入风速
Figure BDA0003766110240000107
对应的风机故障率，cs表示与切入风速、切出风速相关的常数。由上式可以看出，风速越大，风机故障率越大。
(2)建立考虑风机时变故障率的风机失效模型。
本发明考虑风速的变化对风机故障率的影响，采用多状态模型描述风机在不同风速下的故障率，根据风速s(t)离散的Ks个状态，相应的，将风机i的故障率λi(t)离散为Ks个状态，第ks(ks＝1,…,Ks)个状态的故障率为λi,k且λi,k＜λi,k+1。风机的故障模型通常用两状态模型，即正常运行状态和完全失效状态，考虑不同风速下风机的时变故障率λi,k，可得第ks(ks＝1,…,Ks)个风速状态下的风机失效概率为：
Figure BDA0003766110240000111
式中，
Figure BDA0003766110240000112
表示t时刻在第ks个风速下风机i的失效概率。
利用改进的通用生成函数方法，建立第ks个风速状态下风机i的失效模型，用以下公式表示。
Figure BDA0003766110240000113
式中，
Figure BDA0003766110240000114
表示考虑风速对风机失效概率的影响下风机i失效模型的改进通用生成函数表示方法，z1表示风机i正常运行，z0表示风机i失效。
步骤3、在步骤1和步骤2的基础上，建立考虑风速与风机时变故障率的分布式风电多状态出力模型；
所述步骤3的具体步骤包括：
基于步骤1中不考虑风机故障时的风机出力多状态模型、步骤2中考虑风机时变故障率的风机失效模型，利用改进的通用生成函数方法，建立考虑风速与风机时变故障率的风机i出力多状态模型，用以下公式表示：
Figure BDA0003766110240000121
式中，
Figure BDA0003766110240000122
表示考虑风速与风机时变故障率的风机i出力模型的改进通用生成函数表示方法，Ωser表示串联算子，
Figure BDA0003766110240000123
表示风机i在状态j的概率，
Figure BDA0003766110240000124
表示风机i在状态j的出力值为
Figure BDA0003766110240000125
步骤4、在步骤3的基础上，建立由多个分布式风电构成的虚拟电厂多状态出力模型；
所述步骤4的具体步骤包括：
对于虚拟电厂中的Nw个独立风机，Nw个风电机组的出力如下式所示。
Figure BDA0003766110240000126
式中，uVPP(z,t)表示Nw个独立风机聚合为虚拟电厂出力模型的改进通用生成函数表示方法，Ωpar表示并联算子，
Figure BDA0003766110240000131
表示虚拟电厂在状态m的概率，
Figure BDA0003766110240000132
表示虚拟电厂在状态m的出力值为VPPm。
步骤5、根据步骤4建立的虚拟电厂多状态出力模型，计算虚拟电厂运行风险指标。
所述步骤5的具体步骤包括：
根据步骤4中所获得的虚拟电厂多状态出力模型，计算虚拟电厂运行风险指标，包括供电不足概率D(t)、期望供电缺额E(t)、工业用户供电不足损失A(t)，具体计算公式如下所述：
Figure BDA0003766110240000133
Figure BDA0003766110240000134
Figure BDA0003766110240000135
其中，D(t)表示虚拟电厂供电不足概率，E(t)表示虚拟电厂期望供电缺额，A(t)表示虚拟电厂中工业用户供电不足损失；L表示由虚拟电厂供电的工业用户负荷值，T表示虚拟电厂供电总时长，t表示时刻，且t∈[0,T]；τ表示停电持续时间，cdf(τ)表示工业用户供电不足的损失函数，与停电持续时间τ相关。
本发明的实施例如下：
实施例中的虚拟电厂由10个2MW的分布式风电机组、2个用电需求为5MW的工业用户构成，建立如图2所示虚拟电厂结构模型的示意图。构建步骤1中在不考虑风机故障的情况下风机出力的多状态模型，得到风机的出力值及在不同出力值的时变概率值。其次，建立步骤2中考虑风机时变故障率的风机失效模型，得到风机在不同风速影响下的失效概率。然后，利用改进的通用生成函数方法，建立步骤3中考虑风速与风机时变故障率的单个独立风机出力多状态模型。并利用步骤4方法，建立由8个分布式风电机组构成的虚拟电厂的出力模型。最后，当虚拟电厂运行时间为100小时时，计算虚拟电厂运行风险指标，包括供电不足概率、期望供电缺额、工业用户供电不足损失，其中，工业用户供电不足的损失函数用分段函数表示，不同停电持续时间下的虚拟电厂中工业用户的单位损失如表1所示。
表1
Figure BDA0003766110240000141
由以上步骤，可以计算得到在是否考虑分布式风电时变故障率的虚拟电厂运行风险指标体系中的供电不足概率分别如图3所示；运行100小时后虚拟电厂在不考虑分布式风电时变故障率和考虑分布式风电时变故障率的虚拟电厂期望供电缺额分别为422.93MWh、435.98MWh，运行100小时的虚拟电厂在不考虑分布式风电时变故障率和考虑分布式风电时变故障率的虚拟电厂工业用户供电不足损失分别为3700.66元、3814.85元。通过对比可以发现，是考虑分布式风电时变故障率的虚拟电厂供电不足概率、期望供电缺额、供电不足损失均高于不考虑分布式风电时变故障率的虚拟电厂运行风险指标。其中，在t＝100小时时，考虑分布式风电时变故障率的虚拟电厂供电不足概率比不考虑分布式风电时变故障率的虚拟电厂供电不足概率高6.28％；考虑分布式风电时变故障率的虚拟电厂期望供电缺额、供电不足损失比不考虑分布式风电时变故障率的虚拟电厂运行风险指标高3.09％。综上所述，考虑风机时变故障率对虚拟电厂的运行风险产生一定影响，且通过量化分析风机时变故障率对虚拟电厂的运行风险的影响，为虚拟电厂的运行提供参考。
本发明实施例还构建一种考虑分布式风电时变故障率的虚拟电厂运行风险分析装置，如图4所示，主要包括风速与风机出力模块10、风机时变故障率获取模块20、风机失效概率获取模块30、考虑风速与风机时变故障率的风机出力模块40、虚拟电厂运行风险评价模块50。
风速与风机出力模块用于：在风机运行良好状态下，构建风机出力与风速的关系模型；将风速离散为多个状态，建立多状态风速模型；依据风机出力与风速的关系模型，根据风机的多状态出力模型，计算不考虑风机故障的情况下的风机出力值及相应的概率值。
风机时变故障率获取模块用于：依据由风速导致风机的可变故障率与风速之间的关系模型，获取风机可变故障率；将风机基本故障率与由风速导致的风机可变故障率相加，获得风机时变故障率。
考虑风速与风机时变故障率的风机出力模块用于：基于风机时变故障率获取模块，构建考虑风机时变故障率的风机失效模型；基于风速与风机出力模块获取的风机出力，获取考虑风速与风机时变故障率的风机出力值及相应的概率值。
虚拟电厂运行风险评价模块用于：构建包括多个分布式风电的虚拟电厂出力模型；建立包括供电不足概率、期望供电缺额、虚拟电厂中工业用户供电不足损失的虚拟电厂运行风险指标体系，计算虚拟电厂的供电不足概率、期望供电缺额、虚拟电厂中工业用户供电不足损失。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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。
本申请是参照根据本申请实施例的方法、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。
以上所述的实施例仅是对本发明优选方式进行的描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (8)

1.一种虚拟电厂运行风险分析方法，其特征在于，包括：
建立风机出力的多状态模型，基于所述风机出力的多状态模型，分析风速对风机故障率的影响，建立考虑风机时变故障率的风机失效模型；
基于所述风机出力的多状态模型以及所述考虑风机时变故障率的风机失效模型，通过改进的通用生成函数方法，建立考虑风速与风机时变故障率的风机出力多状态模型；
基于所述考虑风速与风机时变故障率的风机出力多状态模型，建立虚拟电厂多状态出力模型；
通过所述虚拟电厂多状态出力模型，计算虚拟电厂运行风险指标，完成对电厂运行风险的分析；
建立所述风机出力的多状态模型，包括：
在不考虑风机故障的情况下，分析风速对风机出力的关系；基于所述风速对风机出力的关系，构建所述风机出力的多状态模型，将风速s(t)离散为Ks个状态，采用马尔可夫过程对风机出力进行建模，将
Figure FDA0004116296900000011
离散为Ks个状态，得到第ks个状态的风机出力为
Figure FDA0004116296900000012
的时变概率值qi,k(t)，利用改进的通用生成函数方法，建立所述风机出力的多状态模型，其中，
Figure FDA0004116296900000013
表示t时刻在风速s(t)下风机i的出力。
2.根据权利要求1所述的虚拟电厂运行风险分析方法，其特征在于，所述风速对风机出力的关系为：
Figure FDA0004116296900000021
式中，t表示时间，i表示风机的编号，
Figure FDA0004116296900000022
表示t时刻在风速s(t)下风机i的出力，
Figure FDA0004116296900000023
分别表示风机i的切入风速、额定风速和切出风速，
Figure FDA0004116296900000024
表示风机i的额定功率；ai、bi分别为风机的出力与风速的关系系数，其中，
Figure FDA0004116296900000025
所述第ks个状态的风机出力为
Figure FDA0004116296900000026
的时变概率值qi,k(t)为：
Figure FDA0004116296900000027
其中，
Figure FDA0004116296900000028
为风机出力由第ks个状态转移到第ls个状态的状态转移率，qi,k(t0)为风机i在t0时刻时风机出力为第ks个状态的时变概率值，qi,l(t0)为风机i在t0时刻时风机出力为第ls个状态的时变概率值，qi,l(t)为风机i在t时刻时风机出力为状态l的时变概率值；
所述风机出力的多状态模型为：
Figure FDA0004116296900000029
式中，
Figure FDA00041162969000000210
表示不考虑风机故障下风机i出力的改进通用生成函数表示方法，z表示随机变量状态值，
Figure FDA00041162969000000211
表示风机i的出力值为
Figure FDA00041162969000000212
3.根据权利要求1所述的虚拟电厂运行风险分析方法，其特征在于，建立所述考虑风机时变故障率的风机失效模型包括：
分析风速对风机故障率的影响，建立风机时变故障率模型：
λi(t)＝λi,0+λi,s(t)
式中，λi(t)表示t时刻风机i的时变故障率，λi,0表示风机i的基本故障率，λi,s(t)表示t时刻由风速导致风机i的可变故障率；
其中，t时刻由风速导致风机i的可变故障率与风速s(t)之间的关系模型为：
Figure FDA0004116296900000031
式中，λi,max表示风机i的切出风速
Figure FDA0004116296900000032
对应的风机故障率，λi,min表示风机i的切入风速
Figure FDA0004116296900000033
对应的风机故障率，cs表示与切入风速、切出风速相关的常数。
4.根据权利要求3所述的虚拟电厂运行风险分析方法，其特征在于，通过所述多状态模型描述所述风机在不同风速下的基本故障率，并考虑不同风速下风机的可变故障率，得到风机失效概率为：
Figure FDA0004116296900000034
式中，t为时间，
Figure FDA0004116296900000035
为t时刻在第ks个风速下风机i的失效概率，λi,k为t时刻风机i在第ks个风速下的故障率；
基于所述风机失效概率，利用改进的通用生成函数方法，建立第ks个风速状态下风机i的失效模型：
Figure FDA0004116296900000036
式中，
Figure FDA0004116296900000037
表示考虑风速对风机失效概率的影响下风机i失效模型的改进通用生成函数表示方法，z1表示风机i正常运行，z0表示风机i失效。
5.根据权利要求4所述的虚拟电厂运行风险分析方法，其特征在于，所述考虑风速与风机时变故障率的风机出力多状态模型为：
Figure FDA0004116296900000041
式中，
Figure FDA0004116296900000042
表示考虑风速与风机时变故障率的风机i出力模型的改进通用生成函数表示方法，Ωser表示串联算子，
Figure FDA0004116296900000043
表示风机i在状态j的概率，
Figure FDA0004116296900000044
表示风机i在状态j的出力值为
Figure FDA0004116296900000045
6.根据权利要求5所述的虚拟电厂运行风险分析方法，其特征在于，通过所述考虑风速与风机时变故障率的风机出力多状态模型，建立由多个分布式风电构成的所述虚拟电厂多状态模型：
Figure FDA0004116296900000046
式中，uVPP(z,t)表示Nw个独立风机聚合为虚拟电厂出力模型的改进通用生成函数表示方法，Ωpar表示并联算子，
Figure FDA0004116296900000051
表示虚拟电厂在状态m的概率，
Figure FDA0004116296900000052
表示虚拟电厂在状态m的出力值为VPPm。
7.根据权利要求6所述的虚拟电厂运行风险分析方法，其特征在于，计算所述虚拟电厂运行风险指标：
Figure FDA0004116296900000053
Figure FDA0004116296900000054
Figure FDA0004116296900000055
其中，D(t)为供电不足概率、E(t)为期望供电缺额、A(t)为工业用户供电不足损失，L表示由虚拟电厂供电的工业用户负荷值，T表示虚拟电厂供电总时长，t表示时刻，且t∈[0,T]；τ表示停电持续时间，cdf(τ)表示工业用户供电不足的损失函数，与停电持续时间τ相关。
8.一种虚拟电厂运行风险分析装置，用于实现如权利要求1-7任一项所述的虚拟电厂运行风险分析方法，其特征在于，包括：
风速与风机出力模块：用于构建风机出力与风速的关系模型，将风速离散为多个状态，建立多状态风速模型；依据所述风机出力与风速的关系模型，根据风机的多状态出力模型，计算不考虑风机故障的情况下的风机出力值及相应的概率值；
风机时变故障率获取模块：用于获取风机可变故障率，将风机基本故障率与由风速导致的风机可变故障率相加，获得风机时变故障率；
考虑风速与风机时变故障率的风机出力模块：用于基于所述风机时变故障率获取模块，构建考虑风机时变故障率的风机失效模型；基于风速与风机出力模块获取的风机出力，获取考虑风速与风机时变故障率的风机出力值及相应的概率值；
虚拟电厂运行风险评价模块：用于构建包括若干分布式风电的虚拟电厂出力模型；建立包括供电不足概率、期望供电缺额、虚拟电厂中工业用户供电不足损失的虚拟电厂运行风险指标体系，计算虚拟电厂的供电不足概率、期望供电缺额、虚拟电厂中工业用户供电不足损失。
CN202210887009.3A 2022-07-26 2022-07-26 一种虚拟电厂运行风险分析方法及装置 Active CN115358531B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210887009.3A CN115358531B (zh) 2022-07-26 2022-07-26 一种虚拟电厂运行风险分析方法及装置
US17/900,964 US20240037293A1 (en) 2022-07-26 2022-09-01 Method and device for analyzing virtual power plant operation risk

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210887009.3A CN115358531B (zh) 2022-07-26 2022-07-26 一种虚拟电厂运行风险分析方法及装置

Publications (2)

Publication Number Publication Date
CN115358531A CN115358531A (zh) 2022-11-18
CN115358531B true CN115358531B (zh) 2023-04-18

Family

ID=84031219

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210887009.3A Active CN115358531B (zh) 2022-07-26 2022-07-26 一种虚拟电厂运行风险分析方法及装置

Country Status (2)

Country Link
US (1) US20240037293A1 (zh)
CN (1) CN115358531B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106886953A (zh) * 2017-03-29 2017-06-23 浙江大学 考虑多重不确定性的需求响应对含风电系统风险分析方法
WO2021203738A1 (zh) * 2020-04-08 2021-10-14 华北电力大学 考虑需求侧资源分层分散控制的配电系统可靠性计算方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102633236B1 (ko) * 2015-09-07 2024-02-02 쇼어라인 에이에스 시뮬레이션 방법 및 시스템
CN111797537B (zh) * 2020-07-13 2023-08-11 云南电网有限责任公司 一种含风电配电系统可靠性评估方法及装置
CN112287531B (zh) * 2020-10-20 2022-10-18 国网上海市电力公司 一种考虑台风影响的海上风电场多状态可靠性获取方法
CN113541194B (zh) * 2021-07-29 2024-01-19 南方电网科学研究院有限责任公司 一种海上风电场及vsc-hvdc并网系统可靠性评估方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106886953A (zh) * 2017-03-29 2017-06-23 浙江大学 考虑多重不确定性的需求响应对含风电系统风险分析方法
WO2021203738A1 (zh) * 2020-04-08 2021-10-14 华北电力大学 考虑需求侧资源分层分散控制的配电系统可靠性计算方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
计及风速与线路故障率周期时变特性的风电并网系统可靠性评估;严勤等;《四川电力技术》(第05期);第34-42页 *

Also Published As

Publication number Publication date
US20240037293A1 (en) 2024-02-01
CN115358531A (zh) 2022-11-18

Similar Documents

Publication Publication Date Title
EP2869144B1 (en) Simulation testing platform for wind power plant and testing method thereof
CN104317283A (zh) 一种用于风电场控制系统硬件在环测试平台及其测试方法
CN108667005B (zh) 一种计及新能源影响的电网静动态结合脆弱性评估方法
CN111293686A (zh) 基于armax系统辨识的电力系统惯量实时评估方法
CN107947228B (zh) 基于Markov理论的含风电电力系统随机稳定性分析方法
CN111224404B (zh) 含可控移相器的电力系统潮流快速控制方法
CN111709112B (zh) 一种海上风电运行模拟方法、装置及存储介质
CN116031887B (zh) 一种电网仿真分析算例数据生成方法、系统、设备及介质
CN102830692A (zh) 风电机组主控制系统低电压穿越一致性测试系统及其方法
CN106056305B (zh) 一种基于状态聚类的发电系统可靠性快速评估方法
CN106410862B (zh) 基于有功恢复斜率校正的风电场单机等值方法
CN108073150A (zh) 基于硬件在环仿真的风电机组功率控制测试平台及其方法
CN115358531B (zh) 一种虚拟电厂运行风险分析方法及装置
CN111950131B (zh) 一种考虑限电因素的风电场出力等值聚合模型构建方法
CN111478332B (zh) 基于保守极限的暂态稳定紧急控制切机定值在线调整方法
CN116542030A (zh) 基于轨迹灵敏度的双馈风机参数辨识方法、系统及设备
CN117200250A (zh) 火储联合调频的控制方法及系统
Wang et al. Reliability assessment of wind farm active power based on sequential monte-carlo method
CN110443471A (zh) 量化评估风光出力互补效应的方法及系统
CN116306236A (zh) 一种基于gru-lstm-fc组合网络的风电场动态等值建模方法及系统
CN115549093A (zh) 一种新能源电力系统在线建模与振荡分析的方法及系统
CN115329251A (zh) 风力电站的理论功率计算方法及装置
Yan et al. A comprehensive reliability assessment index system for regional grid with a large renewable energy penetration
CN108920810A (zh) 基于大数据架构的电力仿真方法
CN114548762A (zh) 基于时空图神经网络的电力系统连锁故障风险实时评估方法及系统

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