CN115456304A - 考虑台风影响的海上风电场可靠性指标计算方法及装置 - Google Patents
考虑台风影响的海上风电场可靠性指标计算方法及装置 Download PDFInfo
- Publication number
- CN115456304A CN115456304A CN202211231127.5A CN202211231127A CN115456304A CN 115456304 A CN115456304 A CN 115456304A CN 202211231127 A CN202211231127 A CN 202211231127A CN 115456304 A CN115456304 A CN 115456304A
- Authority
- CN
- China
- Prior art keywords
- typhoon
- reliability
- offshore wind
- model
- power system
- 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.)
- Pending
Links
- 238000004364 calculation method Methods 0.000 title claims description 15
- 238000009826 distribution Methods 0.000 claims abstract description 70
- 238000000034 method Methods 0.000 claims abstract description 67
- 238000004146 energy storage Methods 0.000 claims abstract description 26
- 230000007704 transition Effects 0.000 claims abstract description 21
- 238000005070 sampling Methods 0.000 claims abstract description 15
- 230000008439 repair process Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 14
- 230000005540 biological transmission Effects 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 7
- 238000009827 uniform distribution Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 abstract description 6
- 238000010276 construction Methods 0.000 abstract description 3
- 239000000306 component Substances 0.000 description 14
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000010248 power generation Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 230000009194 climbing Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010516 chain-walking reaction Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000012423 maintenance 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
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012795 verification 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/28—The renewable source being wind energy
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种考虑台风影响的海上风电场可靠性指标计算方法、装置、设备及存储介质，所述方法包括：获取台风关键参数、海上风电系统的可靠性参数和储能数据；采用自回归移动平均模型对海上风电系统在目标年份的风速进行预测；基于台风关键参数对目标年份的台风分布情况进行预测，并基于台风分布情况对海上风电系统的风速和故障率进行修正；基于可靠性参数、储能数据和修正后的风速和故障率，构建得到海上风电系统的可靠性模型；采用系统状态转移采样法基于可靠性模型进行计算得到海上风电系统在台风影响下的可靠性指标。本发明能够提高对于考虑台风影响的海上风电场可靠性评估的准确性，从而为海上风电场的建设提供有效的指导和参考。
Description
技术领域
本发明涉及数据处理技术领域，尤其是涉及一种考虑台风影响的海上风电场可靠性指标计算方法、装置、设备及存储介质。
背景技术
在全球能源短缺和环境污染严重的背景下，风力发电在世界范围内迅速发展，尤其是海上风力发电。但海上风电场运行环境恶劣，尤其是台风频繁发生。风力发电增加了系统的不确定性，对系统的安全性、稳定性和可靠性带来了挑战。因此，需要准确研究台风期间不同工况场景对海上风电机组、海上风电场、集电系统以及直流换流站故障率的影响。
近年来，台风模型的研究已被国内外学者大量采用。考虑概率的台风分析模型被许多研究者提出和发展。在风电场可靠性模型方面，在不考虑台风影响的情况下，现有文献采用连续蒙特卡罗方法对风机的出力和持续时间进行了抽样。此外，提出了海上风电场整体可靠性模型，并采用考虑约束条件和天气因素的最小路径法进行了计算，然而，其对于恶劣天气和正常天气的标准过于简单。此外，基于台风可预见性，有文献提出了考虑风速对故障率影响的配电网器件可靠性模型，但只计算台风期间最高风速的可靠性等级。
综上，现有方法对于考虑台风影响下的海上风电场可靠性评估的准确性不足，未能为海上风电场的建设提供有效的指导和参考。
发明内容
本发明旨在提供一种考虑台风影响的海上风电场可靠性指标计算方法、装置、设备及存储介质，以解决上述技术问题，从而能够提高对于考虑台风影响的海上风电场可靠性评估的准确性。
为了解决上述技术问题，本发明提供了一种考虑台风影响的海上风电场可靠性指标计算方法，包括：
获取台风关键参数、海上风电系统的可靠性参数和储能数据；
采用自回归移动平均模型对海上风电系统在目标年份的风速进行预测；
基于所述台风关键参数对目标年份的台风分布情况进行预测，并基于所述台风分布情况对所述海上风电系统的风速和故障率进行修正；
基于所述可靠性参数、所述储能数据和修正后的风速和故障率，构建得到所述海上风电系统的可靠性模型；
采用系统状态转移采样法基于所述可靠性模型进行计算得到所述海上风电系统在台风影响下的可靠性指标。
进一步地，所述基于所述台风关键参数对目标年份的台风分布情况进行预测，并基于所述台风分布情况对所述海上风电系统的风速和故障率进行修正，包括：
基于预设的台风数学分布模型和所述台风关键参数对目标年份的台风分布情况进行预测；
基于预设的台风对风机的影响模型以及所述台风分布情况对所述海上风电系统的风速和故障率进行修正。
进一步地，所述海上风电系统的可靠性模型包括风电机组多状态可靠性模型；所述基于所述可靠性参数、所述储能数据和修正后的风速和故障率，构建得到所述海上风电系统的可靠性模型，包括：
根据所述海上风电系统的风电机组输入功率曲线和修正后的风速和故障率，构建得到单台风电机组的运行故障模型；
对所述运行故障模型中相同的故障状态进行合并得到风电机组多状态可靠性模型。
进一步地，所述海上风电系统的可靠性模型包括直流换流站的可靠性模型；所述基于所述可靠性参数、所述储能数据和修正后的风速和故障率，构建得到所述海上风电系统的可靠性模型，包括：
按照预设的元件连接关系参数将直流换流站系统划分为若干子系统；其中，所述若干子系统包括交流侧设备、换流器子系统、输电线路子系统和极子系统；
根据所述可靠性参数结合所述若干子系统的结构及电气组成，构建得到所述直流换流站的可靠性模型。
进一步地，所述台风数学分布模型包括台风频率的泊松分布类型、台风的整体移动方向的副法线分布类型、台风的整体移动速度的对数正态分布类型、台风的最小距离的均匀分布类型、中心压力的对数正态分布类型和台风开始时间的正态分布类型。
进一步地，所述可靠性参数包括风机的失效率和修复率、开关的失效率和修复率、线缆的失效率和修复率、VSC-HVDC的失效率和修复率。
进一步地，所述可靠性指标包括负载消减概率、负荷缩减的预期频率、平均限载时间和预期未供应能量。
本发明还提供一种考虑台风影响的海上风电场可靠性指标计算装置，包括：
数据获取模块，用于获取台风关键参数、海上风电系统的可靠性参数和储能数据；
风速预测模块，用于采用自回归移动平均模型对海上风电系统在目标年份的风速进行预测；
台风修正模块，用于基于所述台风关键参数对目标年份的台风分布情况进行预测，并基于所述台风分布情况对所述海上风电系统的风速和故障率进行修正；
模型构建模块，用于基于所述可靠性参数、所述储能数据和修正后的风速和故障率，构建得到所述海上风电系统的可靠性模型；
指标计算模块，用于采用系统状态转移采样法基于所述可靠性模型进行计算得到所述海上风电系统在台风影响下的可靠性指标。
本发明还提供一种终端设备，包括处理器和存储有计算机程序的存储器，所述处理器执行所述计算机程序时实现任一项所述的考虑台风影响的海上风电场可靠性指标计算方法。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现任一项所述的考虑台风影响的海上风电场可靠性指标计算方法。
与现有技术相比，本发明具有如下有益效果：
本发明提供了一种考虑台风影响的海上风电场可靠性指标计算方法、装置、设备及存储介质，所述方法包括：获取台风关键参数、海上风电系统的可靠性参数和储能数据；采用自回归移动平均模型对海上风电系统在目标年份的风速进行预测；基于所述台风关键参数对目标年份的台风分布情况进行预测，并基于所述台风分布情况对所述海上风电系统的风速和故障率进行修正；基于所述可靠性参数、所述储能数据和修正后的风速和故障率，构建得到所述海上风电系统的可靠性模型；采用系统状态转移采样法基于所述可靠性模型进行计算得到所述海上风电系统在台风影响下的可靠性指标。本发明能够提高对于考虑台风影响的海上风电场可靠性评估的准确性，从而为海上风电场的建设提供有效的指导和参考。
附图说明
图1是本发明提供的考虑台风影响的海上风电场可靠性指标计算方法的流程示意图之一；
图2是本发明提供的含储能系统的海上风电场接入电网的示意图；
图3是本发明提供的不考虑随机故障场景下单台风电机组的输出模型示意图；
图4是本发明提供的风力发电机组运行故障模型示意图；
图5是本发明提供的多机组海上风电场的输出模型示意图；
图6是本发明提供的双层系统状态转移抽样示意图；
图7是本发明提供的考虑台风影响的海上风电场可靠性指标计算方法的流程示意图之二；
图8是本发明提供的不同台风期间的风速曲线示意图；
图9是本发明提供的基于ARMA对该年风速的预测和台风分布情况示意图；
图10是本发明提供的考虑台风影响的海上风电场可靠性指标计算装置的结构示意图。
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、完整的描述，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。
请参见图1，本发明实施例提供了一种考虑台风影响的海上风电场可靠性指标计算方法，可以包括步骤：
S1、获取台风关键参数、海上风电系统的可靠性参数和储能数据；
S2、采用自回归移动平均模型对海上风电系统在目标年份的风速进行预测；
S3、基于所述台风关键参数对目标年份的台风分布情况进行预测，并基于所述台风分布情况对所述海上风电系统的风速和故障率进行修正；
S4、基于所述可靠性参数、所述储能数据和修正后的风速和故障率，构建得到所述海上风电系统的可靠性模型；
S5、采用系统状态转移采样法基于所述可靠性模型进行计算得到所述海上风电系统在台风影响下的可靠性指标。
在本发明实施例中，进一步地，步骤S3可以包括：
基于预设的台风数学分布模型和所述台风关键参数对目标年份的台风分布情况进行预测；
基于预设的台风对风机的影响模型以及所述台风分布情况对所述海上风电系统的风速和故障率进行修正。
在本发明实施例中，进一步地，所述海上风电系统的可靠性模型包括风电机组多状态可靠性模型；步骤S4可以包括：
根据所述海上风电系统的风电机组输入功率曲线和修正后的风速和故障率，构建得到单台风电机组的运行故障模型；
对所述运行故障模型中相同的故障状态进行合并得到风电机组多状态可靠性模型。
在本发明实施例中，进一步地，所述海上风电系统的可靠性模型包括直流换流站的可靠性模型；步骤S4可以包括：
按照预设的元件连接关系参数将直流换流站系统划分为若干子系统；其中，所述若干子系统包括交流侧设备、换流器子系统、输电线路子系统和极子系统；
根据所述可靠性参数结合所述若干子系统的结构及电气组成，构建得到所述直流换流站的可靠性模型。
在本发明实施例中，进一步地，所述台风数学分布模型包括台风频率的泊松分布类型、台风的整体移动方向的副法线分布类型、台风的整体移动速度的对数正态分布类型、台风的最小距离的均匀分布类型、中心压力的对数正态分布类型和台风开始时间的正态分布类型。
在本发明实施例中，进一步地，所述可靠性参数包括风机的失效率和修复率、开关的失效率和修复率、线缆的失效率和修复率、VSC-HVDC的失效率和修复率。
在本发明实施例中，进一步地，所述可靠性指标包括负载消减概率、负荷缩减的预期频率、平均限载时间和预期未供应能量。
基于上述方案，为便于更好的理解本发明实施例提供的考虑台风影响的海上风电场可靠性指标计算方法，以下进行详细说明：
需要说明的是，本发明实施例提供了一种基于双层系统转移模型及台风影响的并网海上风电场综合可靠性建模及评估方法。该方法首先基于Batts模型和台风的关键特征，结合海上风电场地理位置和物理模型，建立了台风影响机理模型；然后，充分考虑台风对海上风电机组、海上风电场、集电系统以及直流换流站故障率的影响，建立了并网海上风电场综合可靠性评估模型；接着，结合所建模型，暂不考虑系统元件的检修计划基础上，利用双层系统转移抽样理论，考虑到多个海上风电场的风速相关性以及台风对海上风电场处风速及风机故障率的累积机理，建立台风和不同工况对海上风电场风速相关性与可靠性水平的影响模型，并深入研究和分析台风期间对海上风电场综合可靠性指标求解与评估。
请参见图2，其为含储能系统的海上风电场接入电网的示意图。由图可知，海上风电场的出力情况对受端电网的运行影响较大，特别是台风期间。而台风对海上风电场的影响主要集中在海上风电场达到截止风速后短时间内大规模跳闸引起的风电爬坡事件，从而造成受端电网严重供需失衡。
本发明实施例可以通过以下方面进行实现：
1、台风计算模型：
由于海上风电场运行过程中经常遭遇台风天气的侵袭，强度较大的台风会使得风电机组故障率显著增加，降低机组和整个海上风电接入系统的出力和可靠性水平。因此，需要通过建立海上风电场处的台风模型以及台风关键参数的分布模型研究台风对海上风电场的影响机理。
1.1、基于Batts的台风建模：
目前常用的台风模型有：Batts，CE，shapiro，Yan Meng等。其中，Batts台风模型简单、应用广泛、描述台风的准确性高，本文采用该模型对台风风速进行建模，其最大风速：
其中，K为经验常数，其值通常为6.72。f为科里奥利系数，Δp为中心压差。Rmax为最大风速半径：
Rmax＝exp(-0.1239Δp0.6003+5.1034) (2)
海拔高度10m和最大风速半径的平均最大风速，可表示为：
V10,max＝0.865Vgx+0.5VT (3)
其中，VT为台风的移动速度。台风过程中的风速为：
式中，V10,rin为台风风场各点内部风速。V10,out是台风风场外各点的风速。r为海上风电场到台风中心的距离。α从0.5变为0.7。
1.2、台风主要特征的数学分布模型：
模拟圆法是以研究点为圆心，以一定距离R为半径制作圆。考虑经过模拟圈的台风会对研究点风速产生影响。根据我国东南沿海台风历史数据将台风关键特征的数学分布模型总结为：1)台风频率：台风的数量在一年内，这被认为是服从泊松分布；2)台风的移动方向：该参数被认为是服从副法线分布；3)台风的移动速度(VT)：台风的移动速度在2km/h到65km/h之间，这被认为是服从对数正态分布；4)台风的最小距离(Dmin)：台风整体移动方向与研究点之间的垂直距离。当研究点位于台风移动方向左侧时，Dmin为负，用均匀分布来描述；5)台风中心气压差(Δp)：Δp为台风周边气压差(1010hpa)，中心压力pc，一般在0～135hpa范围内，用对数正态分布描述；6)台风发生时间(Tc)：台风在不同月份的发生概率服从正态分布。
1.3台风对风机的影响：
台风对海上风电场的影响根据台风强度可以分为两类：
第一类为台风强度较弱，且海上风电场所处位置在其最大风速半径以外时，由于其风速变化不大，且最大风速未超出切出风速，会导致风电机组运行在额定出力状态下，增加海上风电场的输出功率。此类台风占总台风的比重较大，为65％-70％左右。
第二类则是台风强度较大，且海上风电场所处位置在其最大风速半径以内时，此时海上风电场处风速变化剧烈，导致机组出力波动增加，甚至出现频繁切机，大面积频繁接网和脱网等事故，增加了系统潮流波动和运行风险。另外一方面，较大风速会显著提高机组部件的故障率，影响其可靠性水平。此类台风占比在30％-35％左右。此外，台风增加了风电场的输出功率；另一方面，增加了部件的故障率，对可靠性的影响严重。因此，考虑每年台风的故障率为：
其中，wwind为考虑台风影响的故障率影响因子，Cp为尺度参数，Vt为t时刻风速，Vcri为临界风速，λ和λwind分别为考虑台风影响前后的故障率。
2、海上风电场及其集电系统和直流换流站可靠性建模：
2.1、风电机组多状态可靠性模型：
根据Batts台风模型，本发明实施例通过元件-子系统-系统的状态空间图建立了海上风电机组的运行-故障两状态可靠性模型。本发明实施例采用自回归移动平均模型(ARMA)对台风期间海上风电区域风速进行预测，其公式如下：
其中，yt为时间t的序列值，
和θj(j＝1,2..)分别为回归系数和移动平均参数，εt(0,o2)可以用ARMA(n,m)来描述。单台海上风机的输出功率曲线可以用以下公式表示：
式中，Pt为单台风机的输出功率，Pr为风力机额定容量，vci、vr和vco分别为接入风速、额定风速、切断风速；A、B、C可以通过已有文献查得。根据海上风机台风期间的功率输出特性，本发明实施例采用状态空间法和K-means聚类法，将单台以及多台风机台风期间的输出状态建模为Markov输出模型。图3为不考虑随机故障场景下单台风电机组的输出模型。
建模过程中采用状态空间法的理论基础是Markov过程，其步骤为：1)确定系统的范围和各个状态的具体含义；2)建立系统的状态转移图；3)根据以下公式建立并求解方程，得到状态概率：
图4中，λ(次/A)为风电机组故障率，μ(次/A)为风电机组返修率。而且海上风电场中通常有多台风力机，它们之间一般都满足平行关系，即一台风力机的运行或故障状态对其他风力机不产生影响。若有N台风机构成一个海上风电场，根据状态转换关系得到海上风电场的输出模型，如图5所示。
本发明实施例将海上风电场系统状态划分为特定数m，根据Markov过程，故障风机数量较多的状态出现故障的概率远小于故障风机数量较少的状态出现故障的概率，因此，可忽略故障风机数量较多的状态。在这个过程中，相同的状态可按照以下公式进行合并：
合并：
其中，λIJ(I＝1,2,…,m；J＝1,2…,m)是状态I到状态J(状态合并后)的转换速率，pi可以由式(9)计算。
2.2、海上风电场集电系统可靠性建模：
目前海上风电场电能收集系统主要采用链式布置和最小开关配置方法。在这种拓扑结构中，多个风机连接到公共馈线，多个馈线连接到同一母线。在传统的链拓扑开关配置中，链分支与总线之间只设置一个开关。只有所有电缆和连接总线的开关均在运行时，集电系统可将电能传递。针对集电系统的可靠性模型，本发明实施例采用解析法分析，将m台额定功率为Pr的风电机组组成的的风机串等效为额定容量为mPr的常规发电机组，将部分停运折合为全部停运，并采用拓扑等效功率输出值ELGC和拓扑等效停运率Qm表征不同拓扑结构和开关配置的集电系统的可靠性。因此，各链运行qc的概率为：
式中，qs1为开关失效概率，qLi为电缆Li失效概率，qw为风机失效概率。
2.3、海上风电场VSC-HVDC输电系统的可靠性模型：
海上风电直流换流站系统核心部件为电压源换流器(VSC)，本发明实施例按照元件连接关系将换流站系统划分为若干子系统：交流侧设备、换流器子系统、输电线路子系统和极子系统。针对VSC-HVDC系统以及传统机组、线路、母线等部件，可以得到故障率和返修率，建立运行故障可靠性模型。综合考虑海上风电集电系统中的风机，电缆以及开关故障，根据海上风电直流换流站系统的结构及电气组成建立海上风电直流换流站的可靠性模型。
3、并网海上风电场的可靠性评估：
3.1、系统状态转移采样法：
系统状态转移抽样方法是一种顺序蒙特卡罗方法，即对整个系统的状态转移过程而不是对部件的状态转移过程进行抽样。图6为双层系统状态转移抽样图。
其步骤如下：
1)确定元件的初始状态：通常所有元件在初始时刻都处于运行状态；
2)确定当前状态的持续时间：假设hi是组件i离开当前状态的转移速率。若部件i处于运行状态，则λi为故障率。若部件i处于故障状态，λi为返修率。如果组件i有多个状态，则应考虑离开当前状态的每个跃迁速率。当前系统状态Sk持续时间Dk的计算公式为：
其中，m为当前系统状态Sk的偏离率数；
3)对当前系统状态进行后果分析和评价；
4)更新系统状态：生成[0 1]上均匀分布的随机数U，如果满足下式：
其中，
然后，元素j的转移会导致系统转移到下一个状态Sk+1。
5)回到第2)步，直到满足收敛条件。
3.2、最优限负荷模型：
由于在发输电系统的充裕性评估中需要对大量系统状态进行切负荷计算，为了减少计算量采用直流潮流模型。基于直流潮流的最优限负荷模型，其目标函数：
运行约束为：
上式中，
和
分别为储能系统在t时刻的充放电功率；
和
分别为储能系统的最大充放电功率；
为储能系统的荷电状态；ΩES为储能系统的充放电效率。
Pload,t＝Pg,t+Pw,t+Pess,t-Pw.loss.t (19)
式中，Pload,t为t时刻受端电网的负荷量；Pg,t为t时刻受端电网的传统发电机输出量；Pw,t为t时刻海上风电的输出功率；受端电网的发电机输出约束：
式中，Pg,min和Pg,max分别为传统发电机的最小输出和最大输出量；
和
分别为传统发电机在t时刻的正、负备用容量。
传统发电机爬坡率约束：
Rd,tΔt≤Pg,t-Pg,t-1≤Ru,tΔt (22)
其中，Rd,t和Ru,t分别为发电机在t时刻的上下爬坡率，Pg,t和Pg,t-1分别为发电机在t时刻和t-1时刻的输出功率，Δt为时间间隔。
发电机储备约束：
发电机备用约束中包含备用容量约束和备用响应率约束，可表示为：
其中，
和
为系统所需的预留容量。此外，储备响应率也取决于单位的匝道率。
弃风约束：
0≤Pwind×Nw,loss,t≤Psum,wind (24)
其中，Pwind为一个风力发电机的额定容量，Psum,wind为总风能装机容量；Nw,loss,t和Nsum,wind分别为在t时刻放弃风力涡轮机的数量和风力涡轮机的总数；Tn为海上风电场的截止风速。
负荷损失约束：
0≤Ploss,t≤Dn,t (26)
式中，Dn,t为第n节点在t时刻连接的负载的额定容量。
3.3可靠性指标：
本发明实施例采用PLC、EFLC、ADLC、EENS等对系统可靠性水平进行定量描述。
1)负载消减概率(PLC)：
式中，S为有负荷缩减的系统状态集，ti为系统状态i的时间，Ts为总仿真时间。
2)负荷缩减的预期频率(EFLC)：
式中，Ni为有负荷缩减的系统状态数(若连续多个系统状态均有负荷缩减，则视为一个负荷缩减状态)。
3)平均限载时间(ADLC)：
ADLC＝8760×PLC/EFLC(29)
4)预期未供应能量(EENS)：
Ci为状态i的负荷缩减。
3.4可靠性评估过程：
本发明采用系统状态转移采样的方法对海上风电场的可靠性指标进行了分析。首先，预测一年的风速和台风分布。然后根据评估对风速和故障率进行修正，得到海上风电场及其他部件的可靠性模型。最后计算可靠性指标。图7为所述考虑台风影响的海上风电场可靠性指标计算方法的另一流程示意图。
4、仿真分析与验证：
4.1、仿真参数：
本发明以改进的IEEE79测试系统为例，该系统含取代了6台额定功率为50MW，总容量为300MW传统机组的海上风电场，该海上风电场共有120台风机，平均6个为一个集群，每个集群的额定容量为2.5MW。进风、出风、额定风速和临界风速分别为3m/s、25m/s、12m/s、21m/s。表1和表2分别为台风分布参数和系统可靠性参数。α＝0.5，R＝250km。
表1台风的参数分布表
表2可靠性参数
| 元器件 | 失效率(次/a) | 修复率(次/a) |
| 风机 | 0.678 | 36.312 |
| 开关 | 0.021 | 36.51 |
| 线缆 | 0.00144 | 6.184 |
| VSC-HVDC | 7.5243 | 38.3311 |
4.2仿真结果分析：
图8为不同台风期间的风速图。图9为ARMA对该年风速的预测和台风分布情况图。
在强台风和Rmax＜Dmin期间，风速远高于切断风速和临界风速，会导致风力机停机，故障率较高。考虑台风影响后的风速通常比原风速高。根据K-means将海上风电场状态分为6种类型(0MW、10MW、20MW、30MW、40MW、50MW)。在建立风机可靠性模型、集电系统可靠性模型和VSC-HCDC可靠性模型后，采用系统状态转移采样法计算测试系统的可靠性指标，如表3和表4所示。
表3不同容量海上风电场的可靠性指标
表4考虑台风影响前后的可靠性指标
| 指标类型 | PLC | EFLC | ADLC | EENS |
| 无台风 | 0.001778 | 1.6422 | 9.5521 | 1735.66 |
| 考虑台风 | 0.002088 | 1.8623 | 9.7844 | 1953.11 |
| 增长率 | 15.98 | 13.33 | 3.2 | 12.35 |
随着海上风电场取代传统机组的容量不断增加，其可靠性指标也不断提高。随着海上风电场发电量的增加，供电可靠性下降的速度也在加快。此外，考虑台风对风速和故障率的影响后，可靠性指标增幅大多在10％以上，说明台风对海上风电场可靠性影响较大。
需要说明的是，对于以上方法或流程实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作并不一定是本发明实施例所必须的。
请参见图10，本发明实施例还提供一种考虑台风影响的海上风电场可靠性指标计算装置，包括：
数据获取模块1，用于获取台风关键参数、海上风电系统的可靠性参数和储能数据；
风速预测模块2，用于采用自回归移动平均模型对海上风电系统在目标年份的风速进行预测；
台风修正模块3，用于基于所述台风关键参数对目标年份的台风分布情况进行预测，并基于所述台风分布情况对所述海上风电系统的风速和故障率进行修正；
模型构建模块4，用于基于所述可靠性参数、所述储能数据和修正后的风速和故障率，构建得到所述海上风电系统的可靠性模型；
指标计算模块5，用于采用系统状态转移采样法基于所述可靠性模型进行计算得到所述海上风电系统在台风影响下的可靠性指标。
进一步地，所述台风修正模块3具体用于：
基于预设的台风数学分布模型和所述台风关键参数对目标年份的台风分布情况进行预测；
基于预设的台风对风机的影响模型以及所述台风分布情况对所述海上风电系统的风速和故障率进行修正。
进一步地，所述海上风电系统的可靠性模型包括风电机组多状态可靠性模型；所述模型构建模块4具体用于：
根据所述海上风电系统的风电机组输入功率曲线和修正后的风速和故障率，构建得到单台风电机组的运行故障模型；
对所述运行故障模型中相同的故障状态进行合并得到风电机组多状态可靠性模型。
进一步地，所述海上风电系统的可靠性模型包括直流换流站的可靠性模型；所述基于所述可靠性参数、所述模型构建模块4具体用于：
按照预设的元件连接关系参数将直流换流站系统划分为若干子系统；其中，所述若干子系统包括交流侧设备、换流器子系统、输电线路子系统和极子系统；
根据所述可靠性参数结合所述若干子系统的结构及电气组成，构建得到所述直流换流站的可靠性模型。
进一步地，所述台风数学分布模型包括台风频率的泊松分布类型、台风的整体移动方向的副法线分布类型、台风的整体移动速度的对数正态分布类型、台风的最小距离的均匀分布类型、中心压力的对数正态分布类型和台风开始时间的正态分布类型。
进一步地，所述可靠性参数包括风机的失效率和修复率、开关的失效率和修复率、线缆的失效率和修复率、VSC-HVDC的失效率和修复率。
进一步地，所述可靠性指标包括负载消减概率、负荷缩减的预期频率、平均限载时间和预期未供应能量。
可以理解的是上述装置项实施例，是与本发明方法项实施例相对应的，本发明实施例提供的一种考虑台风影响的海上风电场可靠性指标计算装置，可以实现本发明任意一项方法项实施例提供的考虑台风影响的海上风电场可靠性指标计算方法。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现任一项所述的考虑台风影响的海上风电场可靠性指标计算方法。
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
所述领域的技术人员可以清楚地了解到，为了方便和简洁，上述描述的装置的具体工作过程，可参考前述方法实施例中对应的过程，在此不再赘述。
终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器、存储器。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述终端设备的控制中心，利用各种接口和线路连接整个终端设备的各个部分。
所述存储器可用于存储所述计算机程序，所述处理器通过运行或执行存储在所述存储器内的计算机程序，以及调用存储在存储器内的数据，实现所述终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据手机的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述存储介质为计算机可读存储介质，所述计算机程序存储在所述计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种考虑台风影响的海上风电场可靠性指标计算方法，其特征在于，包括：
获取台风关键参数、海上风电系统的可靠性参数和储能数据；
采用自回归移动平均模型对海上风电系统在目标年份的风速进行预测；
基于所述台风关键参数对目标年份的台风分布情况进行预测，并基于所述台风分布情况对所述海上风电系统的风速和故障率进行修正；
基于所述可靠性参数、所述储能数据和修正后的风速和故障率，构建得到所述海上风电系统的可靠性模型；
采用系统状态转移采样法基于所述可靠性模型进行计算得到所述海上风电系统在台风影响下的可靠性指标。
2.根据权利要求1所述的考虑台风影响的海上风电场可靠性指标计算方法，其特征在于，所述基于所述台风关键参数对目标年份的台风分布情况进行预测，并基于所述台风分布情况对所述海上风电系统的风速和故障率进行修正，包括：
基于预设的台风数学分布模型和所述台风关键参数对目标年份的台风分布情况进行预测；
基于预设的台风对风机的影响模型以及所述台风分布情况对所述海上风电系统的风速和故障率进行修正。
3.根据权利要求1所述的考虑台风影响的海上风电场可靠性指标计算方法，其特征在于，所述海上风电系统的可靠性模型包括风电机组多状态可靠性模型；所述基于所述可靠性参数、所述储能数据和修正后的风速和故障率，构建得到所述海上风电系统的可靠性模型，包括：
根据所述海上风电系统的风电机组输入功率曲线和修正后的风速和故障率，构建得到单台风电机组的运行故障模型；
对所述运行故障模型中相同的故障状态进行合并得到风电机组多状态可靠性模型。
4.根据权利要求1所述的考虑台风影响的海上风电场可靠性指标计算方法，其特征在于，所述海上风电系统的可靠性模型包括直流换流站的可靠性模型；所述基于所述可靠性参数、所述储能数据和修正后的风速和故障率，构建得到所述海上风电系统的可靠性模型，包括：
按照预设的元件连接关系参数将直流换流站系统划分为若干子系统；其中，所述若干子系统包括交流侧设备、换流器子系统、输电线路子系统和极子系统；
根据所述可靠性参数结合所述若干子系统的结构及电气组成，构建得到所述直流换流站的可靠性模型。
5.根据权利要求2所述的考虑台风影响的海上风电场可靠性指标计算方法，其特征在于，所述台风数学分布模型包括台风频率的泊松分布类型、台风的整体移动方向的副法线分布类型、台风的整体移动速度的对数正态分布类型、台风的最小距离的均匀分布类型、中心压力的对数正态分布类型和台风开始时间的正态分布类型。
6.根据权利要求1所述的考虑台风影响的海上风电场可靠性指标计算方法，其特征在于，所述可靠性参数包括风机的失效率和修复率、开关的失效率和修复率、线缆的失效率和修复率、VSC-HVDC的失效率和修复率。
7.根据权利要求1所述的考虑台风影响的海上风电场可靠性指标计算方法，其特征在于，所述可靠性指标包括负载消减概率、负荷缩减的预期频率、平均限载时间和预期未供应能量。
8.一种考虑台风影响的海上风电场可靠性指标计算装置，其特征在于，包括：
数据获取模块，用于获取台风关键参数、海上风电系统的可靠性参数和储能数据；
风速预测模块，用于采用自回归移动平均模型对海上风电系统在目标年份的风速进行预测；
台风修正模块，用于基于所述台风关键参数对目标年份的台风分布情况进行预测，并基于所述台风分布情况对所述海上风电系统的风速和故障率进行修正；
模型构建模块，用于基于所述可靠性参数、所述储能数据和修正后的风速和故障率，构建得到所述海上风电系统的可靠性模型；
指标计算模块，用于采用系统状态转移采样法基于所述可靠性模型进行计算得到所述海上风电系统在台风影响下的可靠性指标。
9.一种终端设备，包括处理器和存储有计算机程序的存储器，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的考虑台风影响的海上风电场可靠性指标计算方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述的考虑台风影响的海上风电场可靠性指标计算方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211231127.5A CN115456304A (zh) | 2022-10-08 | 2022-10-08 | 考虑台风影响的海上风电场可靠性指标计算方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211231127.5A CN115456304A (zh) | 2022-10-08 | 2022-10-08 | 考虑台风影响的海上风电场可靠性指标计算方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115456304A true CN115456304A (zh) | 2022-12-09 |
Family
ID=84309186
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211231127.5A Pending CN115456304A (zh) | 2022-10-08 | 2022-10-08 | 考虑台风影响的海上风电场可靠性指标计算方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115456304A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115690335A (zh) * | 2023-01-04 | 2023-02-03 | 中集海洋工程有限公司 | 一种海上风电应急避险舱的安全性测试方法及系统 |
| CN116050306A (zh) * | 2023-04-03 | 2023-05-02 | 广东电网有限责任公司珠海供电局 | 考虑海上风电分频接入的工频电网可靠性评估方法和系统 |
| CN116523349A (zh) * | 2023-05-19 | 2023-08-01 | 北京协合运维风电技术有限公司 | 一种风力电站可靠性分析方法及系统 |
| CN116667343A (zh) * | 2023-07-31 | 2023-08-29 | 国网浙江省电力有限公司宁波供电公司 | 一种基于单位画像的供电管理方法和供电管理模块 |
-
2022
- 2022-10-08 CN CN202211231127.5A patent/CN115456304A/zh active Pending
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115690335A (zh) * | 2023-01-04 | 2023-02-03 | 中集海洋工程有限公司 | 一种海上风电应急避险舱的安全性测试方法及系统 |
| CN115690335B (zh) * | 2023-01-04 | 2023-03-31 | 中集海洋工程有限公司 | 一种海上风电应急避险舱的安全性测试方法及系统 |
| CN116050306A (zh) * | 2023-04-03 | 2023-05-02 | 广东电网有限责任公司珠海供电局 | 考虑海上风电分频接入的工频电网可靠性评估方法和系统 |
| CN116050306B (zh) * | 2023-04-03 | 2023-06-02 | 广东电网有限责任公司珠海供电局 | 考虑海上风电分频接入的工频电网可靠性评估方法和系统 |
| CN116523349A (zh) * | 2023-05-19 | 2023-08-01 | 北京协合运维风电技术有限公司 | 一种风力电站可靠性分析方法及系统 |
| CN116667343A (zh) * | 2023-07-31 | 2023-08-29 | 国网浙江省电力有限公司宁波供电公司 | 一种基于单位画像的供电管理方法和供电管理模块 |
| CN116667343B (zh) * | 2023-07-31 | 2023-12-15 | 国网浙江省电力有限公司宁波供电公司 | 一种供电管理方法和供电管理模块 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Alharbi et al. | Stochastic optimal planning of battery energy storage systems for isolated microgrids | |
| CN115456304A (zh) | 考虑台风影响的海上风电场可靠性指标计算方法及装置 | |
| CN108183512B (zh) | 一种接入新能源的电力系统的可靠性评估方法 | |
| CN111859812B (zh) | 天气影响下的海上风电场及柔直并网系统可靠性评估方法 | |
| CN103825272A (zh) | 一种基于解析法的含分散风电的配电网可靠性确定方法 | |
| CN104682381A (zh) | 大型风电场柔性直流输电系统可靠性计算方法 | |
| CN113315171B (zh) | 新能源消纳能力评估方法、装置、计算机设备和存储介质 | |
| CN112884270B (zh) | 一种考虑不确定性因素的多场景配电网规划方法及系统 | |
| CN101923685A (zh) | 一种基于断线故障概率预测的电力切负荷决策系统及方法 | |
| CN103971175A (zh) | 一种多级变电站的短期负荷预测方法 | |
| Liu et al. | Reliability evaluation of a wind-diesel hybrid power system with battery bank using discrete wind speed frame analysis | |
| CN107359611B (zh) | 考虑多种随机因素的配电网等值方法 | |
| CN113489003A (zh) | 一种考虑风光水一体化互补运行的源网协调规划方法 | |
| CN116306006A (zh) | 风光水联合发电的优化调度方法、装置和计算机设备 | |
| CN115510677A (zh) | 一种风电场发电能力评估方法及系统 | |
| CN112036718B (zh) | 一种考虑新能源不确定性的电力系统安全风险评估方法 | |
| CN106022594B (zh) | 基于极值理论的电力系统在线运行安全风险评估方法 | |
| Shoferpour et al. | Improving the flexibility of power systems using transportable battery, transmission switching, demand response, and flexible ramping product market in the presence of high wind power | |
| CN117522014A (zh) | 一种考虑多重不确定性的储配网联合规划方法 | |
| CN106875026B (zh) | 一种电力市场环境下中长期输电网拓展规划的混合性规划方法 | |
| CN111079982A (zh) | 风电场的电缆路径的规划方法、系统、介质及电子设备 | |
| CN103324795A (zh) | 一种考虑站用电影响的直流系统可靠性评估方法 | |
| CN113780722B (zh) | 配电网的联合规划方法、装置、计算机设备和存储介质 | |
| CN114738212A (zh) | 一种考虑多属性气象特性的风电机组检修方法及装置 | |
| CN112036740A (zh) | 基于节点停电风险不变的节点备用容量快速评估方法 |
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 |