【技术实现步骤摘要】
投资成本和发电系统可靠性提升水平间的量化分析方法
[0001]本专利技术属于电力系统领域,特别涉及一种投资成本和发电系统可靠性提升水平间的量化分析方法
。
技术介绍
[0002]水力发电厂作为清洁能源,具有污染小
、
可再生
、
成本低等特点,受到了各国的广泛关注
。“双碳”目标下,风
、
光等新能源在我国电力系统的渗透率不断提高,将成为电力系统的主导电源
。
在此背景下,水力发电厂作为调峰调频的重要角色,研究其出力可靠性具有重要意义
。
众所周知,提高发电系统可靠性势必意味着增加投资成本
。
然而,目前还没有一个准确的数学模型来刻画投资成本与设备故障率降低水平间的不确定性关系,进而量化投资成本对发电系统可靠性的影响
。
[0003]因此,本专利技术建立了投资成本和发电系统可靠性间的映射关系,定量分析投资成本对发电系统可靠性的影响
。
首先,本专利技术提出基于
Sigmoid
云模型的投资成本和设备故障率降低百分比间的量化曲线,以刻画复杂因素影响下的投资成本和设备故障率降低水平间的不确定映射关系,并采用粒子群算法计算
Sigmoid
函数云模型的参数
。
然后,采用
K
‑
means
聚类算法对同一投资成本下的故障率参数进行聚类,提出一种快速可靠性评估方法,从而建立了投资成本和发电系统可靠性间的 ...
【技术保护点】
【技术特征摘要】
1.
一种投资成本和发电系统可靠性提升水平间的量化分析方法,其特征在于包括以下步骤:步骤
1、
建立故障率模型:用设备故障率降低百分比指标
HI
来量化投资成本对设备故障率降低水平的不确定性,考虑投资成本
P
j
对设备故障率降低百分比不确定性影响后的故障率记为
λ
j
,此时对应的设备故障率降低百分比指标为
HI
Pj
;为了模拟投资成本变化时设备故障率降低百分比指标的变化情况,将投资成本
P
和设备故障率降低百分比指标
HI
之间的不确定映射关系描述为:当
P
j
=0时,
HI
Pj
=0,设备故障率降低百分比指标为0,其随机故障率没有额外的不确定性变化;当0<
P
j
<
P
max
时,0<
HI
Pj
<
0.4
,随着投资成本的升高,设备故障率在降低时受其他非成本因素影响的概率越低,
HI
Pj
呈现缓慢降低
→
加速降低
→
缓慢降低的趋势;步骤
2、
建立改进的
Sigmoid
函数,表达式如下:
P
j
表示投资成本,
λ
j
表示投资成本
P
j
对设备故障率降低百分比不确定性影响后的故障率;此时对应的设备故障率降低百分比指标为
HI
Pj
;
w
参数刻画函数的陡峭程度,
w
越大,表示函数在
P
j
附近
HI
指标的变化越大;
b
参数刻画函数在纵轴上的偏移程度,
b
越大,表示同一投资成本下的
HI
指标越小;步骤
3、
基于改进
Sigmoid
函数云模型进行设备故障率降低百分比指标分析:先根据逆向云发生器,计算
Sigmoid
函数云模型中的数字特征:
Ea、Eb、En、He
;然后再根据正向云发生器,得出每一个投资成本
P
j
下设备故障率降低百分比指标
HI
Pj
。2.
根据权利要求1所述的投资成本和发电系统可靠性提升水平间的量化分析方法,其特征在于:步骤2中,
Sigmoid
函数的云图由云模型的四个数字特征来体现,四个数字特征包括陡峭程度期望值
Ea
,偏移程度期望值
Eb
,熵
En
和超熵
He
;因此,
Sigmoid
函数云图是由分布在该函数周围的散点组成的,其数字特征含义如下:陡峭程度期望值
Ea
:刻画函数在同一投资成本附近下设备故障率降低百分比指标的变化程度,即决定函数在横轴上的分布形状;是最能代表定性概念的点之一,
w
~
N(Ea
,
En
’
)
;偏移程度期望值
Eb
:刻画函数在同一投资成本下设备故障率降低百分比指标的偏移程度,即决定函数在纵轴上的分布位置;熵
En
:反应设备故障率降低百分比指标的随机性和模糊性,一般熵越大,随机性和模糊性也越大;即
En
刻画了
Ea
和
Eb
的不确定性程度,代表定性概念的可度量粒度以及度量定性概念的不确定性;超熵
He
:超熵是熵的不确定性的度量,是熵的熵,由熵的随机性和模糊性决定,反应了同一投资成本下设备故障率降低百分比指标的凝聚性;
Sigmoid
函数云模型图中的每一个点,就代表一个设备故障率降低百分比指标不确定性云滴,即代表投资成本
P
j
下用户设备故障率降低百分比指标
HI
Pj
的度量
。3.
根据权利要求2所述的投资成本和发电系统可靠性提升水平间的量化分析方法,其特征在于:步骤3的子步骤如下:步骤
3.1、Sigmoid
函数云模型数字特征计算:首先,根据各个厂家收集得到
S
组不同投
资成本下的设备故障率降低百分比指标将
S
组作为逆向云发生器的输入,来计算
Sigmoid
函数云模型的4个数字特征:
Ea、Eb、En、He
;用
m
表示粒子群算法中第
m
个粒子,
m
=
1,2,
…
,M
;
n
表示第
n
个参数,
n
=
1,2,3,4
分别代表参数
Ea、Eb、En、He
;
k、k
max
分别代表当前迭代次数和最大迭代次数;
x
max
、v
max
分别代表粒子位置和速度的最大值;
x
min
、v
min
分别代表粒子位置和速度的最小值;步骤
3.2、
进行设备故障率降低百分比指标分析:根据步骤
3.1
计算得到的云模型数字特征
Ea、Eb、En、He
,进而根据正向云发生器,得到不同投资成本
P
j
下的设备故障率降低百分比指标
HI
Pj
;步骤
3.3、
考虑投资成本对设备故障...
【专利技术属性】
技术研发人员:孙悦,李琛,张爱东,魏扬,李猛,杨备,徐晶,任静,
申请(专利权)人:中国长江电力股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。