风储联合系统的置信容量评估方法技术方案

本发明专利技术提供了风储联合系统的置信容量评估方法，包括：获取风储联合系统的基础数据，数据包括风电基础数据和储能基础数据；根据风电基础数据建立风电机组的可靠性模型；根据储能基础数据和风能调度策略建立储能系统的可靠性模型；根据风电机组的可靠性模型和储能系统的可靠性模型建立风储联合系统的可靠性模型，并利用蒙特卡洛模拟法计算风储联合系统的可靠性指标和置信容量；根据置信容量规划储能策略。本发明专利技术通过蒙特卡洛模拟对风储联合系统的置信容量进行评估，能够为当前新能源的建设和电网规划提供有益参考。

【技术实现步骤摘要】
风储联合系统的置信容量评估方法
本专利技术涉及电力系统储能
，尤其是涉及风储联合系统的置信容量评估方法。
技术介绍
由于风电场有功出力存在很大的波动性和不可控性，大规模风电并网给电力系统带来较大的风险。近年来，在大型风电场中添加储能以平滑风电场出力已得到广泛研究，其中随着电池储能成本的降低，技术指标的提高，电池储能发展迅速，并开始了初步的示范应用，但如何最大程度地降低风电给电力系统带来的风险，合理选择风电和储能的运行方式、确定储能的容量和充放电约束是关键，因此迫切需要分析不同因素对电池储能系统的影响，并对含电池储能风电场的发电系统进行置信评估。针对上述问题，现有技术的方案主要包括：考虑风能的随机性、尾流效应、风电机组的老化和故障等环节，建立风电机组的可靠性模型，但未考虑降额状态，且仅对风电场进行建模，未建立电池储能的可靠性模型。或者，建立含储能风电场的可靠性模型，其中考虑了储能的充放电约束、电量约束和允许风电接入比例等因素，但未考虑风电机组和储能装置的强迫停运率。再者，建立包含多个独立风电机组、电池储能和负载独立系统的概率模型，并对其进行评估，给出EENS(期望供电量)等可靠性指标，但未考虑由此引起的后果严重程度，即未考虑给系统带来的风险。综上所述，针对风电机组出力的波动性和不可控性，对风储系统进行置信容量评估是亟待解决的问题。
技术实现思路
有鉴于此，本专利技术的目的在于提供风储联合系统的置信容量评估方法，通过蒙特卡洛模拟对风储联合系统的置信容量进行评估，能够为当前新能源的建设和电网规划提供有益参考。第一方面，本专利技术实施例提供了风储联合系统的置信容量评估方法，包括：获取风储联合系统的基础数据，其中，所述基础数据包括风电基础数据和储能基础数据；根据所述风电基础数据建立风电机组的可靠性模型；根据所述储能基础数据和风能调度策略建立储能系统的可靠性模型；根据所述风电机组的可靠性模型和所述储能系统的可靠性模型建立风储联合系统的可靠性模型，并利用蒙特卡洛模拟法计算风储联合系统的可靠性指标和置信容量；根据所述置信容量规划储能策略。结合第一方面，本专利技术实施例提供了第一方面的第一种可能的实施方式，其中，所述风储联合系统可靠性模型的可靠性指标包括缺电概率LOLP、缺电频率LOLF、缺电时间期望LOLE和期望缺供电量LOEE。结合第一方面的第一种可能的实施方式，本专利技术实施例提供了第一方面的第二种可能的实施方式，其中，所述利用蒙特卡洛模拟法计算风储联合系统的可靠性指标和置信容量包括：读取所述风储联合系统的基础数据；离散化风电出力，过滤风电数据，结合负荷数据计算得到储能配置的参考值；利用随机数生成程序产生每个机组双状态模型中所需要的若干个随机数；根据所述风电基础数据计算机组的正常工作时间和故障时间，并根据所述随机数得到每个机组出力的时间序列；选取无故障工作时间最小的机组作为故障机组，并得到系统的最小工作时间，将所述最小工作时间累加至仿真时间得到每一时段风储联合系统的总出力；判断仿真时间是否大于预设值。结合第一方面的第二种可能的实施方式，本专利技术实施例提供了第一方面的第三种可能的实施方式，其中，还包括：若大于所述预设值，则停止累加，并形成风储联合系统出力的时间序列，与负荷的时间序列进行比较；计算风储联合系统的所述LOLE。结合第一方面的第三种可能的实施方式，本专利技术实施例提供了第一方面的第四种可能的实施方式，其中，还包括：定义置信容量评估指标，所述置信容量评估指标为基于负荷侧的有效载荷容量；将风电机组出力的时间序列与常规机组出力的时间序列相加得到新的电源侧出力时间序列，并进行可靠性评估；在保持可靠性不变的情况下调整负荷侧的负荷加入容量，得到所述置信容量。结合第一方面的第四种可能的实施方式，本专利技术实施例提供了第一方面的第五种可能的实施方式，其中，，所述风储联合系统的有效载荷容量为保持发电可靠性不变的前提下电网所能额外支撑的负荷容量。结合第一方面的第四种可能的实施方式，本专利技术实施例提供了第一方面的第六种可能的实施方式，其中，，还包括：根据出力曲线和负荷曲线建立目标函数，并将所述置信容量代入所述目标函数中。本专利技术提供了风储联合系统的置信容量评估方法，包括：获取风储联合系统的基础数据，数据包括风电基础数据和储能基础数据；根据风电基础数据建立风电机组的可靠性模型；根据储能基础数据和风能调度策略建立储能系统的可靠性模型；根据风电机组的可靠性模型和储能系统的可靠性模型建立风储联合系统的可靠性模型，并利用蒙特卡洛模拟法计算风储联合系统的可靠性指标和置信容量；根据置信容量规划储能策略。本专利技术通过蒙特卡洛模拟对风储联合系统的置信容量进行评估，能够为新能源的建设和电网规划提供了有益参考。本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的风储联合系统的置信容量评估方法流程图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。由于风电场有功出力存在很大的波动性和不可控性，大规模风电并网给电力系统带来较大的风险。近年来，在大型风电场中添加储能以平滑风电场出力已得到广泛研究，其中随着电池储能成本的降低，技术指标的提高，电池储能发展迅速，并开始了初步的示范应用，但如何最大程度地降低风电给电力系统带来的风险，合理选择风电和储能的运行方式、确定储能的容量和充放电约束是关键，因此迫切需要分析不同因素对电池储能系统的影响，并对含电池储能风电场的发电系统进行置信评估。针对上述问题，现有技术的方案主要包括：考虑风能的随机性、尾流效应、风电机组的老化和故障等环节，建立风电机组的可靠性模型，但未考虑降额状态，且仅对风电场进行建模，未建立电池储能的可靠性模型。或者，建立含储能风电场的可靠性模型，其中考虑了储能的充放电约束、电量约束和允许风电接入比例等因素，但未考虑风电机组和储能装置的强迫停运率。再者，建立包含多个独立风电机组、电池储能和负载独立系统的本文档来自技高网...

【技术保护点】
1.一种风储联合系统的置信容量评估方法，其特征在于，包括：/n获取风储联合系统的基础数据，其中，所述基础数据包括风电基础数据和储能基础数据；/n根据所述风电基础数据建立风电机组的可靠性模型；/n根据所述储能基础数据和风能调度策略建立储能系统的可靠性模型；/n根据所述风电机组的可靠性模型和所述储能系统的可靠性模型建立风储联合系统的可靠性模型，并利用蒙特卡洛模拟法计算风储联合系统的可靠性指标和置信容量；/n根据所述置信容量规划储能策略。/n

【技术特征摘要】
1.一种风储联合系统的置信容量评估方法，其特征在于，包括：
获取风储联合系统的基础数据，其中，所述基础数据包括风电基础数据和储能基础数据；
根据所述风电基础数据建立风电机组的可靠性模型；
根据所述储能基础数据和风能调度策略建立储能系统的可靠性模型；
根据所述风电机组的可靠性模型和所述储能系统的可靠性模型建立风储联合系统的可靠性模型，并利用蒙特卡洛模拟法计算风储联合系统的可靠性指标和置信容量；
根据所述置信容量规划储能策略。


2.根据权利要求1所述的风储联合系统的置信容量评估方法，其特征在于，所述风储联合系统可靠性模型的可靠性指标包括缺电概率LOLP、缺电频率LOLF、缺电时间期望LOLE和期望缺供电量LOEE。


3.根据权利要求2所述的风储联合系统的置信容量评估方法，其特征在于，所述利用蒙特卡洛模拟法计算风储联合系统的可靠性指标和置信容量包括：
读取所述风储联合系统的基础数据；
离散化风电出力，过滤风电数据，结合负荷数据计算得到储能配置的参考值；
利用随机数生成程序产生每个机组双状态模型中所需要的若干个随机数；
根据所述风电基础数据计算机组的正常工作时间和故障时间，并根据随机数得到每个机组出力的时间序列；
...

【专利技术属性】
技术研发人员：孙凯胜，刘春明，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：北京;11