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 PDFInfo
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000012502 risk assessment Methods 0.000 title claims abstract description 24
- 150000001875 compounds Chemical class 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 230000004931 aggregating effect Effects 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 230000006870 function Effects 0.000 description 24
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
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:
其中,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:
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:
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:
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:
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:
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:
优选的,计算所述虚拟电厂运行风险指标:
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。
(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,将离散为Ks个状态,第ks(ks=1,…,Ks)个状态的风机出力为且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的时变概率值qi,k(t)。
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。
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。
(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:
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。
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:
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。
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:
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
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:
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:
其中,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:
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。
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)
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)
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 |
-
2022
- 2022-07-26 CN CN202210887009.3A patent/CN115358531B/zh active Active
- 2022-09-01 US US17/900,964 patent/US20240037293A1/en not_active Abandoned
Patent Citations (2)
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)
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 |