CN117375081A - 计及柔性负荷的低碳型孤岛微电网系统的可靠性评估方法 - Google Patents

计及柔性负荷的低碳型孤岛微电网系统的可靠性评估方法 Download PDF

Info

Publication number
CN117375081A
CN117375081A CN202311333958.8A CN202311333958A CN117375081A CN 117375081 A CN117375081 A CN 117375081A CN 202311333958 A CN202311333958 A CN 202311333958A CN 117375081 A CN117375081 A CN 117375081A
Authority
CN
China
Prior art keywords
load
reliability
carbon
low
power
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
Application number
CN202311333958.8A
Other languages
English (en)
Inventor
岳大为
杨明哲
姜毅
张帅龙
商悦阳
刘长发
张家安
李洁
李练兵
张萍
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 CN202311333958.8A priority Critical patent/CN117375081A/zh
Publication of CN117375081A publication Critical patent/CN117375081A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • 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
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • 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
    • H02J15/00—Systems for storing electric energy
    • H02J15/008—Systems for storing electric energy using hydrogen as energy vector
    • 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
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • 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
    • H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
    • H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected 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
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • 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
    • 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
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Power Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Strategic Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Mathematical Optimization (AREA)
  • Computer Hardware Design (AREA)
  • Pure & Applied Mathematics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Medical Informatics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Operations Research (AREA)
  • Computing Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Algebra (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)

Abstract

计及柔性负荷的低碳型孤岛微电网系统的可靠性评估方法，所述方法包括以下步骤：搭建系统模型并输入系统各个元件的参数；步骤2、根据元件的马尔科夫两状态模型与时序蒙特卡洛法生成系统的状态矩阵；步骤3、进行柔性负荷的日前优化调度；步骤4、进行日内可靠性评估；步骤5、若ND<Ts/24，令ND＝ND+1，返回步骤3；否则，转至下一步；步骤6、停止模拟，输出可靠性评估指标与碳排放量。本发明将可靠性评估流程分为两个阶段，即以天为单位以提升系统可靠性水平为目标的柔性负荷日前优化调度和以小时为单位的日内可靠性评估。

Description

计及柔性负荷的低碳型孤岛微电网系统的可靠性评估方法
技术领域
本发明属于能源系统评估技术领域，具体涉及一种计及柔性负荷的低碳型孤岛微电网系统的可靠性评估方法。
背景技术
孤岛微电网是一个电能自给自足的小型电力系统，由分布式电源、储能系统、监控保护装置和负荷组成，将是未来能源的主要承载形式之一。与传统的火电机组相比，孤岛微电网系统内的负荷主要依靠风机、光伏等出力，其更为清洁。为进一步减少孤岛微电网系统的碳排放量。可对孤岛微电网系统进行低碳优化调度或低碳优化配置，也可直接控制系统内的碳源—微型燃气轮机出力，从而努力构建低碳型孤岛微电网系统。
但低碳减排措施的引入有可能使孤岛微电网系统的可靠性降低，孤岛微电网与外界没有电能交互，因此保证其供电可靠性非常重要。柔性负荷是用户侧参与电网调度的主要承担者，通过柔性负荷的调度能够改善负荷曲线，缓解系统供电压力。柔性负荷一般可分为可平移负荷、可转移负荷与可削减负荷。可平移负荷是用户用电时间段的整体平移，可转移负荷是用户用电时间段的灵活转移，可削减负荷一般可设置在任意时刻，但需对削减次数与时长进行约束。因此可将柔性负荷引入低碳型孤岛微电网，并以提升系统可靠性水平为目标对其进行优化调度。
目前在微电网或综合能源系统内引入柔性负荷的研究有很多，但多是对柔性负荷进行低碳或经济调度，鲜有研究进行柔性负荷的可靠性调度。此外，目前多是通过优化配置或优化调度的方法来实现孤岛微电网的低碳运行，鲜有研究直接对系统内的碳源出力进行控制。因此亟需开展对计及柔性负荷的低碳型孤岛微电网系统的可靠性评估的研究。
发明内容
针对现有技术的不足，本发明提供一种计及柔性负荷的低碳型孤岛微电网系统的可靠性评估方法。
本发明的技术方案如下：
一种计及柔性负荷的低碳型孤岛微电网系统的可靠性评估方法，所述方法包括以下步骤：
步骤1、搭建系统模型并输入系统各个元件的参数；设仿真时长为Ts，初始化模拟天数ND，令ND＝1；初始化可靠性评估指标；设碳排放系数为C，碳排放量基准值为初始化系统碳排放量/>
步骤2、根据元件的马尔科夫两状态模型与时序蒙特卡洛法生成系统的状态矩阵；
步骤3、进行柔性负荷的日前优化调度；
步骤4、进行日内可靠性评估；
步骤5、若ND<Ts/24，令ND＝ND+1，返回步骤3；否则，转至下一步；
步骤6、停止模拟，输出可靠性评估指标与碳排放量。
进一步的，采用传统的马尔科夫两状态模型来模拟低碳型孤岛微电网内各元件的运行状态；设元件的平均正常运行时间为TF，平均故障修复时间为TR，计算公式如下：
其中，λ为故障率，μ为修复率，x1和x2均为在区间(0,1)内服从均匀分布的随机数。
进一步的，所述步骤2具体为：
(1)创建规模为(Ne+NL)行Ts列的空矩阵S，令模拟时间t＝0。
(2)通过各元件的故障率求TF；取TF最小的元件为故障元件，设故障元件编号为k，通过μk求其TR；将故障元件的TF和TR分别记为MUT和MTTR；
(3)将S中的第t+1列至第t+MUT列的全部元素赋值为1；
(4)更新模拟时间，令t＝t+MUT；
(5)若故障元件k不会导致负荷失电，则S的第t+1列至第t+MUT列中的第k行元素均为0，其他行元素均为1；否则，设失电负荷的编号为g，则S的第t+1列至第t+MTTR列中的第k行元素和第g行元素均为0，其他行元素均为1；
(6)更新模拟时间，令t＝t+MTTR；
(7)若t<Ts，返回步骤(2)；否则，进行步骤(8)。
(8)停止模拟，输出系统状态矩阵。
进一步的，所述步骤4具体为：
(1)令t＝1，初始化负荷削减次数、功率和弃风弃光次数、功率，令其均为0；
(2)计算时刻t的净负荷功率。
(3)若PJ(t)≥0，根据该时刻蓄电池、电解槽和储氢罐的状态对系统进行可靠性分析，累计弃风弃光次数、功率；
(4)若PJ(t)<0，此时若则微型燃气轮机可以工作；否则，微型燃气轮机不工作；根据该时刻的碳排放量以及蓄电池、储氢罐、微型燃气轮机和燃料电池的状态对系统进行可靠性分析，累计负荷削减次数、功率；
(5)计算可靠性评估指标；
(6)若t<24，则t＝t+1，跳转至步骤2；否则，转至步骤5。
进一步的，所述可靠性评估指标分别为失负荷概率、弃风弃光概率、电力不足期望和弃风弃光期望。
进一步的，步骤3中柔性负荷可分为可削减负荷、可转移负荷和可平移负荷；一般来讲，在负荷调度周期内的各时刻均设有可削减负荷，当系统出现缺额功率时，即可优先对该时刻的可削减负荷进行削减。可平移负荷一般设置在用电高峰时段，它是用户用电时间段的整体平移。可转移负荷一般也设置在用电高峰时段，其灵活性较高，可根据调度要求和电能供求关系转移至多个时间段。
可平移负荷的模型：
设负荷调度周期为T，单位调度时长为1小时。设可平移负荷的用电时长为D。负荷调度前，可平移负荷在T内的功率分布情况用向量Lshift来描述：
Lshift＝(0,…,Pshift1,Pshift2,…,PshiftD,…,0) (1)
其中，Pshift1,Pshift2,…,PshiftD为可平移负荷在用电时长内各时刻的功率大小。设Pshift1为Lshift中的第a个元素。
将可平移负荷在T内各时刻的平移标志m1,m2,…,mT存放在平移标志向量Mshift中：
Mshift＝(m1,m2,…,mT) (2)
若可平移负荷平移至时刻i，则mi＝1；否则，mi＝0。设向量Mshift中第b个元素为首个非零元素。
可平移负荷在T内的可平移时段为[tshift-,tshift+]。可平移负荷是用户用电时间段的整体平移，负荷调度后，可平移负荷的用电时长不变且用电时间连续，其约束条件如下：
负荷调度后，可平移负荷在T内的功率分布情况用向量ALshift来描述：
可转移负荷的模型：
负荷调度前，设可转移负荷在T内的累计用电时长为E，用向量Ltran来表示可转移负荷在T内的功率分布情况：
Ltran＝(0,…,Ptran1,Ptran2,…,PtranE,…,0) (7)
其中，Ptran1,Ptran2,…,PtranE为可转移负荷在用电时长内各时刻的功率大小。
将可转移负荷在T内各时刻的转移标志n1,n2,…,nT存放在转移标志向量Ntran中：
Ntran＝(n1,n2,…,nT) (8)
若可转移负荷转移至时刻i，则ni＝1；否则，ni＝0。
可转移负荷在T内的可转移时段为[ttran-,ttran+]。可转移负荷的灵活性较高，负荷调度后，可转移负荷的用电时长可增可减，其用电时间可连续也可间断。但负荷调度前后，其在T内的负荷总量保持不变，即：
其中，ALtran为负荷调度后可转移负荷在T内的功率分布向量。
为避免可转移负荷转移至多个单时段，需要对其转移功率和最小连续用电时长进行约束：
Ntran(i)Ptran_min≤ALtran(i)≤Ntran(i)Ptran_max,i＝1,2,…,T
(10)
其中，Ptran_min和Ptran_max分别为可转移负荷所转移功率的下限和上限，Ttran_min为可转移负荷的最小连续用电时长。
可削减负荷的模型：
用向量Lcut来表示负荷调度前可削减负荷在T内的功率分布情况：
Lcut＝(Pcut1,Pcut2,…,PcutT) (12)
其中，Pcut1,Pcut2,…,PcutT为T内各时刻可削减的最大功率。
将可削减负荷在T内各时刻的削减标志z1,z2,…,zT存放在削减标志向量Zcut中：
Zcut＝(z1,z2,…,zT) (13)
若在时刻i削减负荷，则zi＝1；否则，zi＝0。
用向量ALcut来表示负荷调度后可削减负荷在T内的实际削减功率分布情况：
ALcut＝(APcut1,APcut2,…,APcutT) (14)
其中，APcut1,APcut2,…,APcutT为T内各时刻的实际削减功率，且应满足如下约束：
APcuti≤Pcuti,i＝1,2,…,T (15)
考虑到用户的满意度以及舒适度，需要对T内的负荷削减次数和最大连续削减时长进行约束：
Tcut_max≤t≤T+1-Tcut_max (18)
其中，Cmax为最大削减次数，Tcut_max为最大连续削减时长。
柔性负荷的调度：
本发明对低碳型孤岛微电网内的柔性负荷进行日前优化调度，即提前一天制定柔性负荷的调度计划。柔性负荷的调度周期T为24h。忽略季节变化和工作日与非工作日的更替对负荷用电情况的影响。
根据微电网所在地域的风速、光照的历史数据以及风机与光伏的出力模型，对次日的风光出力进行预测：
PWT＝(PWT1,PWT2,…,PWT24) (19)
PPV＝(PPV1,PPV2,…,PPV24) (20)
其中，PWTi(i＝1,2,…,24)为次日时刻i的风机输出功率，PPVi(i＝1,2,…,24)为次日时刻i的光伏输出功率。
设T内各时刻的负荷总功率为：
PL＝(PL1,PL2,…,PL24) (21)
则时刻i的基础负荷为：
PBL(i)＝PL(i)-Lshift(i)-Ltran(i)-Lcut(i),i＝1,2,…,24 (22)
则负荷调度后时刻i的负荷功率为：
PAL(i)＝PBL(i)+ALshift(i)+ALtran(i)+Lcut(i)-ALcut(i),i＝1,2,…,24 (23)
本发明在低碳型孤岛微电网内引入柔性负荷的目的是提升其供电可靠性。通过柔性负荷的削减、转移和平移来改善负荷曲线，使负荷曲线最大程度上靠近风光出力曲线，使T内各时刻的电能需求量最大程度上接近电能供给量，从而减小失负荷概率或弃风弃光率，提升系统的可靠性。因此柔性负荷进行日前优化调度的优化目标为：
优化变量为ALshift(i)、ALtran(i)和ALcut(i)，其中i＝1,2,…,24。运用MATLAB中的cplex求解器对优化变量进行求解，并将求出的最优解作为调度结果进行输出。所求的最优解即为柔性负荷次日的调度计划。
碳排放系数：
在本发明所搭建的孤岛微电网模型中，MT是唯一的碳源。MT燃烧天然气产生二氧化碳的化学方程式如下：
CH4+2O2＝CO2+2H2O (25)
MT每产生1kW·h电所消耗的天然气量为设t时刻MT消耗的天然气量为MT出力功率为PMT(t)，则t时刻的碳排放量/>为：
因此对于该孤岛型微电网，要控制其碳排放量即要控制MT的出力。
将该孤岛型微电网在调度周期T内的二氧化碳排放总量作为碳排放的基准值并为其设置若干碳排放系数C，其中：C＝0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9、1.0。
若孤岛型微电网以碳排放系数C运行，则当系统的碳排放总量达到C时，将终止MT的出力。
本发明的技术效果：
(1)本研究采用时序蒙特卡洛法对计及柔性负荷的低碳型孤岛微电网系统进行可靠性评估。不同于传统的可靠性评估中完全以小时为单位向前模拟推进的方法，本研究将可靠性评估流程分为两个阶段，即以天为单位以提升系统可靠性水平为目标的柔性负荷日前优化调度和以小时为单位的日内可靠性评估。
(2)碳排放系数的引入为孤岛微电网设置了若干种低碳运行模式，可综合考虑用户对可靠性的诉求与当地环保政策的要求为孤岛微电网选择合适的碳排放系数，并且当对可靠性与低碳环保性的要求发生变化时，可随之调整碳排放系数，因此其具有较高的灵活性。此外这种低碳减排措施从碳源入手，对MT的出力进行约束，因此其对碳排放量的控制更加直接、精准。
附图说明
附图大体上通过举例而不是限制的方式示出各种实施例，并且与说明书以及权利要求书一起用于对所发明的实施例进行说明。在适当的时候，在所有附图中使用相同的附图标记指代同一或相似的部分。这样的实施例是例证性的，而并非旨在作为本装置或方法的穷尽或排他实施例。
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为仿真算例中不同柔性负荷比例下的LOLP指标柱状图；
图4为仿真算例中不同柔性负荷比例下的EEDNS指标柱状图；
图5为仿真算例中不同柔性负荷比例下的WSPCP指标柱状图；
图6为仿真算例中不同柔性负荷比例下的EWSPC指标柱状图；
图7为仿真算例中不同柔性负荷比例下的碳排放量柱状图；
图8为仿真算例中不同柔性负荷比例与不同碳排放系数下的G值柱状图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
本发明提出了一种计及柔性负荷的低碳型孤岛微电网系统的可靠性评估方法，参见图1，所述方法包括以下步骤：
步骤1、搭建系统模型并输入系统各个元件的参数；设仿真时长为Ts，初始化模拟天数ND，令ND＝1；初始化可靠性评估指标；设碳排放系数为C，碳排放量基准值为初始化系统碳排放量/>
(1)本发明所搭建的低碳型孤岛微电网模型中含有电-氢储能系统，电-氢储能系统由电解槽(electrolyser，EL)、储氢罐(hydrogen tank，HT)和燃料电池(fuel cell，FC)三部分组成，其模型如下：
EL的数学模型：
设t时刻EL的输入功率为Pel(t)，产氢量为Vel(t)，则：
Vel(t)＝Pel(t)ηelVel0 (27)
其中，ηel为EL的效率，Vel0为EL每消耗1kW·h电所制取的氢气量。
设EL的额定功率为PelN，EL的输入功率应满足：
Pel(t)≤PelN (28)
用0-1变量STel(t)描述t时刻EL的工作状态：若STel(t)为1，EL正常运行；否则，EL停止运行。EL的启停受到输入功率与HT中氢气量的双重约束，即：
其中，VHT(t)为t时刻HT中的氢气量，VHT_max为HT的最大储氢量。、
FC的数学模型：
设t时刻FC的输出功率为Pfc(t)，耗氢量为Vfc(t)，则：
其中，ηfc为FC的效率，Vfc0为FC每产生1kW·h电所消耗的氢气量。
设FC的额定功率为PfcN，FC的输出功率应满足：
Pfc(t)≤PfcN (31)
用0-1变量STfc(t)描述t时刻FC的工作状态：若STfc(t)为1，FC正常运行；否则，FC停止运行。FC的启停也会受到HT中氢气量的约束，即：
其中，VHT(t)为t时刻HT中的氢气量，VHT_min为HT的最小储氢量。
为保证氢储能系统的高效运行，氢储能系统中的FC与EL不能同时工作，所以：
STfc(t)+STel(t)≤1 (33)
HT的数学模型：
t时刻HT中的氢气量VHT(t)为：
VHT(t)＝VHT(t-1)+STae(t)Vae(t)-STpemfc(t)Vpemfc(t) (34)
VHT(t)应满足如下约束：
VHT_min≤VHT(t)≤VHT_max (35)
其中，VHT_min与VHT_max分别为HT的最小与最大储氢量。
t时刻HT中的压强PHT(t)为：
其中，Rc为阿伏伽德罗常数，T为温度，Vht为HT的容积。
设HT的压强上限为PHT_max，则t时刻HT的储氢状态SHT(t)可表示为：
为保证HT的安全运行，需要对其储氢状态进行如下约束：
SHT_min≤SHT(t)≤SHT_max (38)
其中，SHT_max和SHT_min分别为HT储氢状态的上限和下限。
步骤2、根据元件的马尔科夫两状态模型与时序蒙特卡洛法生成系统的状态矩阵S。
本发明采用传统的马尔科夫两状态模型来模拟低碳型孤岛微电网内各元件的运行状态。设元件的平均正常运行时间为TF，平均故障修复时间为TR，计算公式如下：
其中，λ为故障率，μ为修复率，x1和x2均为在区间(0,1)内服从均匀分布的随机数。
设低碳型孤岛微电网内元件个数为Ne，负荷点个数为NL。给各元件编号为1,2,…,Ne，给各负荷编号为Ne+1,Ne+2,…,Ne+NL。运用时序蒙特卡洛法模拟仿真时长Ts内各元件的运行状态。若元件正常，元件状态记为1；否则，元件状态记为0。若故障元件导致某负荷失电，则该负荷状态记为0；否则，负荷状态记为1。
将元件与负荷在Ts内各时刻的状态存放在系统状态矩阵S中。系统状态矩阵中第i行第j列的元素S(i,j)为编号为i的元件或负荷在时刻j的状态。运用时序蒙特卡洛法生成系统状态矩阵的具体步骤如下：
(1)创建规模为(Ne+NL)行Ts列的空矩阵S，令模拟时间t＝0。
(2)将各元件的故障率带入公式(39)中求TF。取TF最小的元件为故障元件，设故障元件编号为k，将μk带入公式(40)中求其TR。将故障元件TF和TR分别记为MUT和MTTR。
(3)将S中的第t+1列至第t+MUT列的全部元素赋值为1。
(4)更新模拟时间，令t＝t+MUT。
(5)若故障元件k不会导致负荷失电，则S的第t+1列至第t+MTTR列中的第k行元素均为0，其他行元素均为1；否则，设失电负荷的编号为g，则S的第t+1列至第t+MTTR列中的第k行元素和第g行元素均为0，其他行元素均为1。
(6)更新模拟时间，令t＝t+MTTR。
(7)若t<Ts，返回步骤(2)；否则，进行步骤(8)。
(8)停止模拟，输出系统状态矩阵S。
步骤3、进行柔性负荷的日前优化调度。优化目标为公式(24)，优化变量为各负荷点的ALshift、ALtran和ALcut。
步骤4、进行日内可靠性评估。日内各负荷点的柔性负荷按照步骤3的日前优化调度结果进行调度。具体流程如下：
(1)令t＝1，初始化负荷削减次数、功率和弃风弃光次数、功率，令其均为0。
(2)计算时刻t的净负荷功率PJ(t)。
PJ(t)＝PWT(t)S[w,(Nd-1)×24+t]+PPV(t)S[p,(Nd-1)×24+t]-PAL_total(t) (41)
其中，PWT(t)为风机功率，PPV(t)为光伏功率，w与p分别为风机和光伏的编号。PAL_total(t)为柔性负荷调度后该时刻的总负荷功率，其计算公式如下：
其中，Ne+i为负荷点i的编号，为柔性负荷调度后负荷点i的功率，其计算可参照公式(23)。
(3)若PJ(t)≥0，有如下四种场景：
Case1:S[s,(Nd-1)×24+t]＝1且S[e,(Nd-1)×24+t]＝1S[h,(Nd-1)×24+t]＝1。
Case2:S[s,(Nd-1)×24+t]＝0且S[e,(Nd-1)×24+t]＝1S[h,(Nd-1)×24+t]＝1。
Case3:S[s,(Nd-1)×24+t]＝1且S[e,(Nd-1)×24+t]＝0S[h,(Nd-1)×24+t]＝1。
Case4:S[s,(Nd-1)×24+t]＝1且S[e,(Nd-1)×24+t]＝1S[h,(Nd-1)×24+t]＝0。
其中，s、e和h分别为BES、EL和HT的编号。根据该时刻BES、EL和HT的状态选择对应的场景并对系统进行可靠性分析，累计弃风弃光次数、功率。
(4)若PJ(t)<0，有如下五种场景：
Case1:S[s,(Nd-1)×24+t]＝1且S[h,(Nd-1)×24+t]＝1S[m,(Nd-1)×24+t]＝1且
S[f,(Nd-1)×24+t]＝1。
Case2S[s,(Nd-1)×24+t]＝0且S[h,(Nd-1)×24+t]＝1S[m,(Nd-1)×24+t]＝1且
S[f,(Nd-1)×24+t]＝1。
Case3S[s,(Nd-1)×24+t]＝1且S[h,(Nd-1)×24+t]＝1S[m,(Nd-1)×24+t]＝1且
S[f,(Nd-1)×24+t]＝0。
Case4S[s,(Nd-1)×24+t]＝1且S[h,(Nd-1)×24+t]＝1S[m,(Nd-1)×24+t]＝0且
S[f,(Nd-1)×24+t]＝1。
Case5S[s,(Nd-1)×24+t]＝1且S[h,(Nd-1)×24+t]＝0S[m,(Nd-1)×24+t]＝1且
S[f,(Nd-1)×24+t]＝1。
其中，m与f分别为MT和FC的编号。若则MT可以工作；否则，MT不工作。根据该时刻的碳排放量以及BES、HT、MT和FC的状态选择对应的场景并对系统进行可靠性分析，累计负荷削减次数、功率。
(5)计算可靠性评估指标。
本发明采用如下四个指标来评估低碳型孤岛微电网的可靠性水平，分别为失负荷概率(loss of load probability,LOLP)、弃风弃光概率(wind/solar power curtailmentprobability,WSPCP)、电力不足期望(expected electric demand not supplied,EEDNS)和弃风弃光期望(expected wind/solar power curtailment,EWSPC)，计算公式如下：
(6)若t<24，则t＝t+1，跳转至步骤(2)；否则，转至步骤5。
步骤5、若ND<Ts/24，令ND＝ND+1，返回步骤3；否则，转至下一步。
步骤6、停止模拟，输出可靠性评估指标与碳排放量。
仿真算例：
图2为系统的仿真结构示意图，其中LP1-LP3为交流负荷，LP4-LP8为直流负荷。Ts为8760h，在不设置柔性负荷和碳排放系数时，模拟孤岛微电网运行情况，累计其碳排放量与可靠性评估指标，并将此时的碳排放量设置为碳排放基准值如下表所示：
表1不设置柔性负荷和碳排放系数时的碳排放量与可靠性评估指标
(1)碳排放系数对孤岛微电网的影响
为孤岛微电网设置若干碳排放系数，并模拟其在不同碳排放系数下的运行情况，累计碳排放量与可靠性评估指标，如下表所示：
表2不同碳排放系数下的碳排放量与可靠性评估指标
由表2可知，与VCO2_RV相比，引入碳排放系数后，孤岛微电网的碳排放量降低了，并且碳排放系数越小，其碳排放量越少。
与表1中的可靠性评估指标相比，引入碳排放系数后，孤岛微电网的LOLP和EEDNS均增大了，并且碳排放系数越小，LOLP和EEDNS越大。但碳排放系数的引入对WSPCP和EWSPC均没有明显影响。这是由于碳排放系数引入后仅会对MT出力进行约束，而MT仅在系统电能供应不足时才会工作，当电能有盈余时不工作。因此碳排放系数的引入仅会提升LOLP和EEDNS，而不会影响WSPCP和EWSPC。
由以上分析可知，为孤岛微电网设置碳排放系数能显著提升低碳环保性，但可靠性水平有所降低。
(2)柔性负荷对低碳型孤岛微电网的影响
为提升低碳型孤岛微电网的可靠性，现将柔性负荷引入其中，并模拟其在Ts内的运行情况，累计碳排放量与可靠性评估指标，如下表所示：
表3设置柔性负荷后在不同碳排放系数下的碳排放量与可靠性评估指标
将表3中的数据与表2中的数据对比可知，引入柔性负荷后，低碳型孤岛微电网在各碳排放系数下的LOLP和EEDNS均降低了，而WSPCP和EWSPC均提高了。但WSPCP值最多提高了约3％，EWSPC值最多提高了约4.6kW；而LOLP值最少降低了约9％，最多降低了约19％；EEDNS值最少降低了约77kW,最多降低了约150kW。
对于孤岛微电网而言，保障用户连续用电、减少切负荷次数与功率是十分重要的。因此在衡量系统可靠性时，LOLP和EEDNS所占权重比WSPCP和EWSPC大。综上所述，引入柔性负荷会提升低碳型孤岛微电网的可靠性水平。
将表3中的数据与表2中的数据对比可知，在碳排放系数为0.1至0.7时，引入柔性负荷对碳排放量影响不大；但在碳排放系数为0.8至1.0时，引入柔性负荷后，碳排放量降低了。这说明低碳型孤岛微电网在某些碳排放系数下运行时，柔性负荷的引入会提升其低碳环保性。
(3)柔性负荷比例对低碳型孤岛微电网的影响
为低碳型孤岛微电网设置不同比例的柔性负荷，柔性负荷占总负荷比例分别为0、1/5、1/4、1/3和2/5，模拟其在不同柔性负荷比例下的运行情况，累计可靠性评估指标与碳排放量。
图3至图6展示了不同柔性负荷比例下的可靠性评估指标，由图片可知，在各碳排放系数下，随着柔性负荷比例的增加，LOLP和EEDNS均先降低后提高，而WSPCP和EWSPC均先提高后降低。并且在柔性负荷比例为1/3时，LOLP和EEDNS达到最低，WSPCP和EWSPC达到最高。在各柔性负荷比例下，随着碳排放系数的增大，LOLP和EEDNS均降低，WSPCP和EWSPC均没有明显变化。
由图7可知，在碳排放系数为0.1至0.6时，随着柔性负荷比例的增加，碳排放量变化很小；在碳排放系数为0.7至1.0时，随着柔性负荷比例的增加，碳排放量发生变化，但变化不规律。
现引入G值来综合考量系统在不同柔性负荷比例和不同碳排放系数下的可靠性与低碳环保性，G值的计算公式如下：
其中，g1和g2分别是低碳环保性与可靠性的权重系数，取值分别为0.4和0.6；k1、k2、k3和k4分别LOLP、WSPCP、EEDNS和EWSPC的权重系数，取值分别为0.35、0.15、0.35和0.15。
将系统在各场景下的碳排放量与可靠性评估指标带入上式求G值，G值的分布情况如图8所示。由图8可知，在柔性负荷比例为1/3，碳排放系数为0.7、0.8、0.9和1.0时，G值最小。即在此种柔性负荷比例与碳排放系数的配置下，系统的可靠性与低碳环保性最高。
由上述仿真算例可得出如下结论：
(1)引入碳排放系数能显著降低孤岛微电网系统的碳排放量，但由于限制MT的出力，系统的可靠性水平有所降低。
(2)引入柔性负荷并对其进行合理的调度能显著提升系统的可靠性水平；系统在某些碳排放系数下运行时，柔性负荷的引入还会提升其低碳环保性。
(3)为低碳型孤岛微电网设置不同比例的柔性负荷，引入综合考量系统可靠性与低碳环保性的G值。通过不断调整柔性负荷比例与碳排放系数大小，发现存在柔性负荷比例与碳排放系数的最优配置，在该配置下系统的可靠性与低碳环保性最高。
本发明未述及之处适用于现有技术。
以上所述，仅为本发明优选的具体实施方式，但本发明的保护范围不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (7)

1.一种计及柔性负荷的低碳型孤岛微电网系统的可靠性评估方法，其特征在于，所述方法包括以下步骤：
步骤1、搭建系统模型并输入系统各个元件的参数；设仿真时长为Ts，初始化模拟天数ND，令ND＝1；初始化可靠性评估指标；设碳排放系数为C，碳排放量基准值为VCO2_RV，初始化系统碳排放量VCO2；
步骤2、根据元件的马尔科夫两状态模型与时序蒙特卡洛法生成系统的状态矩阵；
步骤3、进行柔性负荷的日前优化调度；
步骤4、进行日内可靠性评估；
步骤5、若ND<Ts/24，令ND＝ND+1，返回步骤3；否则，转至下一步；
步骤6、停止模拟，输出可靠性评估指标与碳排放量。
2.根据权利要求1所述的计及柔性负荷的低碳型孤岛微电网系统的可靠性评估方法，其特征在于，
所述系统模型包括电-氢储能系统，所述电-氢储能系统由电解槽、储氢罐和燃料电池三部分组成。
3.根据权利要求1所述的计及柔性负荷的低碳型孤岛微电网系统的可靠性评估方法，其特征在于，
采用马尔科夫两状态模型来模拟低碳型孤岛微电网内各元件的运行状态；设元件的平均正常运行时间为TF，平均故障修复时间为TR，计算公式如下：
其中，λ为故障率，μ为修复率，x1和x2均为在区间(0,1)内服从均匀分布的随机数。
4.根据权利要求1所述的计及柔性负荷的低碳型孤岛微电网系统的可靠性评估方法，其特征在于，所述步骤2具体为：
(1)创建规模为(Ne+NL)行Ts列的空矩阵S，令模拟时间t＝0；
(2)通过各元件的故障率求TF；取TF最小的元件为故障元件，设故障元件编号为k，通过μk求其TR；将故障元件的TF和TR分别记为MUT和MTTR；
(3)将S中的第t+1列至第t+MUT列的全部元素赋值为1；
(4)更新模拟时间，令t＝t+MUT；
(5)若故障元件k不会导致负荷失电，则S的第t+1列至第t+MUT列中的第k行元素均为0，其他行元素均为1；否则，设失电负荷的编号为g，则S的第t+1列至第t+MTTR列中的第k行元素和第g行元素均为0，其他行元素均为1；
(6)更新模拟时间，令t＝t+MTTR；
(7)若t<Ts，返回步骤(2)；否则，进行步骤(8)；
(8)停止模拟，输出系统状态矩阵。
5.根据权利要求1所述的计及柔性负荷的低碳型孤岛微电网系统的可靠性评估方法，其特征在于，所述步骤4具体为：
(1)令t＝1，初始化负荷削减次数、功率和弃风弃光次数、功率，令其均为0；
(2)计算时刻t的净负荷功率；
(3)若PJ(t)≥0，根据该时刻蓄电池、电解槽和储氢罐的状态对系统进行可靠性分析，累计弃风弃光次数、功率；
(4)若PJ(t)<0，此时若则微型燃气轮机可工作；否则，微型燃气轮机不工作；根据当前时刻的碳排放量以及蓄电池、储氢罐、微型燃气轮机和燃料电池的状态对系统进行可靠性分析，累计负荷削减次数、功率；
(5)计算可靠性评估指标；
(6)若t<24，则t＝t+1，跳转至步骤2；否则，转至步骤5。
6.根据权利要求1所述的计及柔性负荷的低碳型孤岛微电网系统的可靠性评估方法，其特征在于，所述可靠性评估指标分别为失负荷概率、弃风弃光概率、电力不足期望和弃风弃光期望。
7.根据权利要求1所述的计及柔性负荷的低碳型孤岛微电网系统的可靠性评估方法，其特征在于，步骤3中柔性负荷可分为可削减负荷、可转移负荷和可平移负荷；
所述柔性负荷进行日前优化调度的优化目标为：
优化变量为ALshift(i)、ALtran(i)和ALcut(i)，其中i＝1,2,…,24，运用MATLAB中的cplex求解器对优化变量进行求解，并将求出的最优解作为调度结果进行输出，所述调度结果用于生成柔性负荷次日的调度计划。
CN202311333958.8A 2023-10-16 2023-10-16 计及柔性负荷的低碳型孤岛微电网系统的可靠性评估方法 Pending CN117375081A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311333958.8A CN117375081A (zh) 2023-10-16 2023-10-16 计及柔性负荷的低碳型孤岛微电网系统的可靠性评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311333958.8A CN117375081A (zh) 2023-10-16 2023-10-16 计及柔性负荷的低碳型孤岛微电网系统的可靠性评估方法

Publications (1)

Publication Number Publication Date
CN117375081A true CN117375081A (zh) 2024-01-09

Family

ID=89403556

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311333958.8A Pending CN117375081A (zh) 2023-10-16 2023-10-16 计及柔性负荷的低碳型孤岛微电网系统的可靠性评估方法

Country Status (1)

Country Link
CN (1) CN117375081A (zh)

Similar Documents

Publication Publication Date Title
Lu et al. Probabilistic flexibility evaluation for power system planning considering its association with renewable power curtailment
Li et al. Sizing of a stand-alone microgrid considering electric power, cooling/heating, hydrogen loads and hydrogen storage degradation
Li et al. A real-time dispatch model of CAES with considering the part-load characteristics and the power regulation uncertainty
CN111555281B (zh) 一种电力系统灵活性资源配置仿真方法及装置
CN108875992B (zh) 一种考虑需求响应的虚拟电厂日前优化调度方法
Morin et al. Evaluation of performance improvement by model predictive control in a renewable energy system with hydrogen storage
CN111210079B (zh) 一种分布式能源虚拟电厂运行优化方法及系统
CN109149656B (zh) 一种气-电互联综合能源系统机组组合方法
CN114301081B (zh) 一种考虑蓄电池储能寿命损耗与需求响应的微电网优化方法
CN113988714B (zh) 计及多重不确定性的园区综合能源系统动态规划方法、设备及介质
CN114400698B (zh) 一种高比例清洁能源电网电源最优降碳运行方法
CN108493992A (zh) 一种含分布式潮流控制器的风电场优化调度方法
CN114943417A (zh) 基于模型预测控制的多目标能源组合优化调度方法及系统
CN112886645A (zh) 一种基于氢能超高比例的新能源电力系统运行模拟方法
CN113255224A (zh) 一种基于发光萤火虫算法的能源系统配置优化方法
CN113158547B (zh) 计及经济性和可靠性的区域综合能源系统优化配置方法
CN113919676A (zh) 计及需求响应与电制氢系统的虚拟电厂运行效果评估方法
CN112288130A (zh) 一种基于两阶段多目标优化的新能源消纳计算方法
CN117013623A (zh) 一种考虑碳排放的多能源电力系统时序生产模拟方法
CN110120682B (zh) 一种最小失弃风量的塔筒电梯供电优化调度方法
CN117375081A (zh) 计及柔性负荷的低碳型孤岛微电网系统的可靠性评估方法
CN116611628A (zh) 计及动态性能的综合能源生产单元两阶段容量配置方法
CN115907110A (zh) 一种电力系统灵活性资源评估方法及多维度调度方法
CN113054685B (zh) 基于乌鸦算法和模式搜索算法的太阳能微电网调度方法
CN114742269B (zh) 考虑多能耦合的园区综合能源系统顶层设计方法及装置

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