基于儲(chǔ)能概率模型的獨(dú)立風(fēng)光儲(chǔ)系統(tǒng)可靠性評(píng)估方法
【專利摘要】一種基于儲(chǔ)能概率模型的獨(dú)立風(fēng)光儲(chǔ)系統(tǒng)可靠性評(píng)估方法，包括如下步驟：1)利用模糊c均值算法聚類得到風(fēng)、光資源在典型日下不同時(shí)段的離散狀態(tài)和對(duì)應(yīng)概率；2)提出基于風(fēng)光聚類結(jié)果的多臺(tái)間歇式電源（風(fēng)機(jī)、光伏）出力的解析模型；3)提出了計(jì)及設(shè)備故障的儲(chǔ)能電池多時(shí)段概率模型；4)在所述模型的基礎(chǔ)上通過(guò)卷積法建立了系統(tǒng)的解析模型，并以全年為評(píng)估周期計(jì)算系統(tǒng)的可靠性指標(biāo)。與傳統(tǒng)的基于概率密度函數(shù)的方法相比，該方法所需歷史數(shù)據(jù)更少、狀態(tài)劃分更典型、有利于增加解析法的計(jì)算效率。
【專利說(shuō)明】基于儲(chǔ)能概率模型的獨(dú)立風(fēng)光儲(chǔ)系統(tǒng)可靠性評(píng)估方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于微網(wǎng)可靠性評(píng)估領(lǐng)域，具體是一種基于儲(chǔ)能概率模型的獨(dú)立風(fēng)光儲(chǔ)系 統(tǒng)可靠性評(píng)估方法。

【背景技術(shù)】
[0002] 在可再生能源發(fā)電技術(shù)日臻成熟的環(huán)境下，獨(dú)立微網(wǎng)系統(tǒng)作為結(jié)合多種可再生能 源的有效形式，不僅是解決海島、山區(qū)等偏遠(yuǎn)地區(qū)供電問(wèn)題的重要手段，還能夠?qū)崿F(xiàn)可再生 能源的優(yōu)勢(shì)互補(bǔ)，提高整個(gè)系統(tǒng)的能源利用率。相比于單一的光儲(chǔ)或風(fēng)儲(chǔ)系統(tǒng)，聯(lián)合利用風(fēng) 光資源的獨(dú)立微網(wǎng)能夠更積極地實(shí)現(xiàn)風(fēng)光互補(bǔ)，可進(jìn)一步降低系統(tǒng)建設(shè)成本、提高系統(tǒng)供 電可靠性。
[0003] 作為微電網(wǎng)技術(shù)評(píng)價(jià)、優(yōu)化規(guī)劃等研究的基礎(chǔ)性工作，可靠性評(píng)估具有十分重要 的意義。目前，獨(dú)立微網(wǎng)系統(tǒng)的可靠性評(píng)估方法主要包括序貫蒙特卡洛仿真法（Sequential Monte Carlo Simulation, SMCS)和解析法。其中，SMCS能較好體現(xiàn)系統(tǒng)的時(shí)序特性，逐時(shí) 地模擬系統(tǒng)中的電源出力和儲(chǔ)能狀態(tài)，因此常用于含儲(chǔ)能設(shè)備的系統(tǒng)可靠性評(píng)估中。但是， SMCS逐時(shí)模擬的特點(diǎn)使其十分耗時(shí)。如果希望將可靠性與優(yōu)化規(guī)劃相結(jié)合，那么該方法耗 時(shí)長(zhǎng)的缺陷將更加顯著。
[0004] 與蒙特卡洛仿真法不同，解析法是一種從系統(tǒng)數(shù)學(xué)模型直接求取數(shù)值解的方法， 可以避免冗長(zhǎng)的抽樣過(guò)程。解析法需要對(duì)系統(tǒng)中各電源設(shè)備和負(fù)荷水平建立多狀態(tài)概率模 型，進(jìn)而通過(guò)各狀態(tài)的卷積計(jì)算來(lái)得到系統(tǒng)的解析模型。該方法在保證可靠性評(píng)估精度的 同時(shí)，顯著地提升了可靠性評(píng)估速度，具有計(jì)算效率上的優(yōu)越性。
[0005] 但是，由于儲(chǔ)能設(shè)備的荷電狀態(tài)（State of Charge, S0C)具有時(shí)間上的連續(xù)性，難 以通過(guò)概率模型直接表達(dá)，現(xiàn)有解析方法中大多忽略儲(chǔ)能設(shè)備對(duì)于系統(tǒng)解析模型的影響， 無(wú)法適用于含儲(chǔ)能設(shè)備的獨(dú)立微網(wǎng)系統(tǒng)。此外，現(xiàn)有解析方法中大多基于風(fēng)速、光照強(qiáng)度的 概率密度函數(shù)來(lái)得到不同風(fēng)速、光照強(qiáng)度水平及對(duì)應(yīng)概率，這種方法不僅需要大量的風(fēng)光 資源歷史數(shù)據(jù)，還難以避免最終建立的模型中存在低概率狀態(tài)，從而增加了計(jì)算負(fù)擔(dān)。


【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的是提供一種基于儲(chǔ)能概率模型的獨(dú)立風(fēng)光儲(chǔ)系統(tǒng)可靠性評(píng)估方法， 基于風(fēng)、光的歷史數(shù)據(jù)，針對(duì)不同月份下典型日的不同時(shí)段利用FCM算法進(jìn)行聚類，獲得所 述獨(dú)立微網(wǎng)系統(tǒng)風(fēng)、光的典型狀態(tài)和對(duì)應(yīng)概率，相比傳統(tǒng)的基于概率密度函數(shù)的方法，該方 法所需歷史數(shù)據(jù)更少、狀態(tài)劃分更典型、有利于增加解析法的計(jì)算效率。
[0007] 本發(fā)明的技術(shù)方案是：一種基于儲(chǔ)能概率模型的獨(dú)立風(fēng)光儲(chǔ)系統(tǒng)可靠性評(píng)估方 法，包括如下步驟：
[0008] (1)獲取風(fēng)力發(fā)電機(jī)、光伏電池和儲(chǔ)能電池的設(shè)備運(yùn)行參數(shù)和故障參數(shù)；
[0009] (2)基于風(fēng)速、光照強(qiáng)度的隨機(jī)數(shù)據(jù)的歷史信息，按照其所屬月份形成12個(gè)典型 日；針對(duì)典型日的不同時(shí)段利用模糊c均值（fuzzy-c-means，F(xiàn)CM)算法進(jìn)行聚類，獲得獨(dú)立 微網(wǎng)系統(tǒng)風(fēng)、光資源在不同時(shí)段下的離散狀態(tài)和對(duì)應(yīng)概率；負(fù)荷按照時(shí)序序列建模，每個(gè)時(shí) 段僅對(duì)應(yīng)一個(gè)負(fù)荷值；
[0010] (3)根據(jù)所述風(fēng)機(jī)、光伏的運(yùn)行參數(shù)和風(fēng)速、光照強(qiáng)度的聚類結(jié)果，利用風(fēng)機(jī)出力 模型和光伏出力模型得到單臺(tái)風(fēng)機(jī)與單臺(tái)光伏的出力多狀態(tài)模型；根據(jù)風(fēng)機(jī)、光伏的故障 參數(shù)，利用伯努利分布得到設(shè)備正常運(yùn)行數(shù)目的概率分布；基于設(shè)備的出力多狀態(tài)模型與 設(shè)備正常運(yùn)行數(shù)目的概率分布，卷積生成多臺(tái)風(fēng)機(jī)（光伏）出力的總解析模型；
[0011] ⑷根據(jù)所述儲(chǔ)能電池的運(yùn)行參數(shù)和故障參數(shù)，建立了蓄電池的多時(shí)段概率模型； 所述多時(shí)段概率模型將不同時(shí)段的儲(chǔ)能S0C劃分為有限多個(gè)離散狀態(tài)，基于當(dāng)前風(fēng)光負(fù)荷 數(shù)據(jù)和儲(chǔ)能運(yùn)行約束判斷充放電情況，以實(shí)現(xiàn)儲(chǔ)能S0C的更新；所述儲(chǔ)能S0C更新過(guò)程中將 儲(chǔ)能分為正常狀態(tài)與故障狀態(tài)兩種情況，下一時(shí)段儲(chǔ)能S0C的分布通過(guò)當(dāng)前時(shí)段兩種情況 下儲(chǔ)能S0C更新情況的組合得到；
[0012] (5)根據(jù)負(fù)荷模型、風(fēng)機(jī)、光伏出力的總解析模型和儲(chǔ)能電池的多時(shí)段概率模型， 通過(guò)卷積法建立了全年的系統(tǒng)解析模型，所述系統(tǒng)解析模型包含全年8760個(gè)時(shí)段下所有 風(fēng)機(jī)出力、光伏出力、儲(chǔ)能狀態(tài)和負(fù)荷水平的全部組合及對(duì)應(yīng)概率，遍歷每個(gè)時(shí)段下的所述 組合，記錄每種組合下的停電狀態(tài)與停電量，根據(jù)其對(duì)應(yīng)概率計(jì)算系統(tǒng)的年可靠性指標(biāo)。
[0013] 步驟（2)所述的基于風(fēng)速、光照強(qiáng)度的隨機(jī)數(shù)據(jù)的歷史信息，按照其所屬月份形 成12個(gè)典型日；針對(duì)典型日的不同時(shí)段利用模糊c均值（fuzzy-c-means，F(xiàn)CM)算法進(jìn)行聚 類，獲得獨(dú)立微網(wǎng)系統(tǒng)風(fēng)、光資源在不同時(shí)段下的離散狀態(tài)和對(duì)應(yīng)概率是將風(fēng)速、光照強(qiáng)度 的歷史數(shù)據(jù)按所屬月份歸類為12個(gè)典型日，并按照其所處時(shí)段劃分為24個(gè)時(shí)段對(duì)應(yīng)的風(fēng) 速、光照強(qiáng)度集合，對(duì)典型日內(nèi)不同時(shí)段的數(shù)據(jù)集合初始化其成員函數(shù)，并執(zhí)行下述迭代步 驟：計(jì)算數(shù)據(jù)集合類心、更新成員函數(shù)、判斷收斂條件是否滿足，當(dāng)收斂條件滿足時(shí)停止迭 代，得到風(fēng)速、光照強(qiáng)度的典型狀態(tài)的聚類結(jié)果，并根據(jù)初始數(shù)據(jù)集合中各元素對(duì)聚類結(jié)果 的歸屬情況計(jì)算相應(yīng)概率。
[0014] 步驟（3)所述的利用風(fēng)機(jī)出力模型和光伏出力模型得到單臺(tái)風(fēng)機(jī)與單臺(tái)光伏的 出力多狀態(tài)模型和基于設(shè)備的出力多狀態(tài)模型與設(shè)備正常運(yùn)行數(shù)目的概率分布，卷積生成 多臺(tái)風(fēng)機(jī)（光伏）出力的總解析模型是將風(fēng)速的聚類結(jié)果與風(fēng)機(jī)出力模型進(jìn)行組合得到單 臺(tái)風(fēng)機(jī)出力的多狀態(tài)模型，其中各狀態(tài)為風(fēng)速聚類結(jié)果在風(fēng)機(jī)出力模型中對(duì)應(yīng)的出力值， 各狀態(tài)概率為相應(yīng)風(fēng)速聚類結(jié)果的概率，根據(jù)風(fēng)機(jī)的兩狀態(tài)模型計(jì)算風(fēng)機(jī)的可用率和不可 用率，并根據(jù)伯努利分布生成風(fēng)機(jī)正常運(yùn)行數(shù)目的概率分布，基于所述風(fēng)機(jī)出力的多狀態(tài) 模型與所述風(fēng)機(jī)正常運(yùn)行數(shù)目的概率分布，卷積得到多臺(tái)風(fēng)機(jī)出力的總解析模型，其中各 狀態(tài)為單臺(tái)風(fēng)機(jī)出力與風(fēng)機(jī)正常工作數(shù)的乘積，各狀態(tài)概率為相應(yīng)概率的乘積，光伏出力 的總解析模型可通過(guò)相似方法得到。
[0015] 步驟⑷所述根據(jù)儲(chǔ)能電池的運(yùn)行參數(shù)和故障參數(shù)，建立了蓄電池的多時(shí)段概率 模型是將所述儲(chǔ)能電池的S0C劃分為有限多個(gè)離散水平，并根據(jù)狀態(tài)數(shù)確定S0C劃分精度， 則任意S0C值都可用所述離散水平之一來(lái)表示，從而將所述儲(chǔ)能的狀態(tài)表示為不同的S0C 離散水平及對(duì)應(yīng)概率，又由于儲(chǔ)能狀態(tài)具有時(shí)間上的連續(xù)性，因此同時(shí)建立多個(gè)時(shí)段的蓄 電池概率模型，并基于本時(shí)段的S0C分布更新下一時(shí)段的S0C分布；
[0016] 所述S0C分布更新是將每一種S0C離散水平劃分為儲(chǔ)能正常工作和儲(chǔ)能故障兩種 子狀態(tài)；對(duì)所述儲(chǔ)能正常工作狀態(tài)，儲(chǔ)能電池的充放電情況受到當(dāng)前S0C水平下最大充放 電功率的約束，根據(jù)儲(chǔ)能電池充放電情況確定下一時(shí)段SOC所處離散水平，并更新該SOC水 平對(duì)應(yīng)概率值；對(duì)所述儲(chǔ)能故障狀態(tài)，儲(chǔ)能電池的充放電功率為0,下一時(shí)段S0C所處離散 水平與本時(shí)段相同，并更新該S0C水平對(duì)應(yīng)概率值。
[0017] 步驟（5)所述獲得獨(dú)立微網(wǎng)系統(tǒng)可靠性指標(biāo)的過(guò)程中，以全年為評(píng)估周期，遍歷 各時(shí)段對(duì)應(yīng)風(fēng)機(jī)出力、光伏出力、儲(chǔ)能狀態(tài)和負(fù)荷水平的全部組合，根據(jù)其對(duì)應(yīng)概率計(jì)算系 統(tǒng)的年可靠性指標(biāo)是根據(jù)所述風(fēng)機(jī)、光伏的總解析模型、所述儲(chǔ)能電池的多時(shí)段概率模型 和所述負(fù)荷的時(shí)序序列模型，卷積得到所述獨(dú)立微網(wǎng)系統(tǒng)的解析模型，模型中包括各時(shí)段 下的風(fēng)機(jī)出力、光伏出力、儲(chǔ)能狀態(tài)和負(fù)荷水平的全部組合及對(duì)應(yīng)概率；
[0018] 以全年為評(píng)估周期，遍歷每個(gè)時(shí)段下所述獨(dú)立微網(wǎng)系統(tǒng)的解析模型中所有狀態(tài)組 合，若某時(shí)段下的風(fēng)光出力與儲(chǔ)能放電之和不能滿足當(dāng)前負(fù)荷需求，則該狀態(tài)組合下系統(tǒng) 發(fā)生停電事件，分別記錄其停電時(shí)間和停電量，并與該狀態(tài)組合對(duì)應(yīng)概率相乘得到其對(duì)于 系統(tǒng)L0LE指標(biāo)和L0EE指標(biāo)的貢獻(xiàn)值，對(duì)全年所述系統(tǒng)解析模型中全部狀態(tài)組合的可靠性 指標(biāo)貢獻(xiàn)值求和，得到系統(tǒng)的年可靠性指標(biāo)。
[0019] 本發(fā)明的突出實(shí)質(zhì)性特點(diǎn)在于：
[0020] 1)本發(fā)明基于風(fēng)、光的歷史數(shù)據(jù)，針對(duì)不同月份下典型日的不同時(shí)段利用FCM算 法進(jìn)行聚類，獲得所述獨(dú)立微網(wǎng)系統(tǒng)風(fēng)、光的典型狀態(tài)和對(duì)應(yīng)概率，相比傳統(tǒng)的基于概率密 度函數(shù)的方法，該方法所需歷史數(shù)據(jù)更少、狀態(tài)劃分更典型、有利于增加解析法的計(jì)算效 率。
[0021] 2)本發(fā)明在所述建立系統(tǒng)解析模型的過(guò)程中，基于所述風(fēng)機(jī)（光伏）出力的多狀 態(tài)模型與所述風(fēng)機(jī)（光伏）正常工作數(shù)的概率分布，通過(guò)卷積運(yùn)算生成了多臺(tái)風(fēng)機(jī)（光伏） 的總解析模型，同時(shí)計(jì)及了設(shè)備數(shù)量與設(shè)備故障的影響。
[0022] 3)本發(fā)明在所述建立典型日系統(tǒng)解析模型的過(guò)程中，根據(jù)所述儲(chǔ)能電池的運(yùn)行參 數(shù)和故障參數(shù)，建立了計(jì)及故障狀態(tài)的儲(chǔ)能電池多時(shí)段概率模型。
[0023] 4)本發(fā)明在獲得所述獨(dú)立微網(wǎng)系統(tǒng)可靠性指標(biāo)的過(guò)程中，以全年為評(píng)估周期，遍 歷各時(shí)段對(duì)應(yīng)風(fēng)機(jī)出力、光伏出力、儲(chǔ)能狀態(tài)和負(fù)荷水平的全部組合，根據(jù)其對(duì)應(yīng)概率計(jì)算 系統(tǒng)的年可靠性指標(biāo)。

【專利附圖】

【附圖說(shuō)明】
[0024] 圖1為本發(fā)明所述的基于儲(chǔ)能概率模型的獨(dú)立風(fēng)光儲(chǔ)系統(tǒng)可靠性評(píng)估方法的流 程圖。
[0025] 圖2為本發(fā)明采用的風(fēng)機(jī)出力模型。
[0026] 圖3為本發(fā)明采用的光伏出力模型。

【具體實(shí)施方式】
[0027] 下面通過(guò)附圖和實(shí)施例對(duì)本發(fā)明的技術(shù)方案作進(jìn)一步描述。
[0028] 如圖1所示，本發(fā)明所述的基于儲(chǔ)能概率模型的獨(dú)立風(fēng)光儲(chǔ)系統(tǒng)可靠性評(píng)估方 法，包括如下步驟：
[0029] 首先，獲取風(fēng)力發(fā)電機(jī)、光伏電池和儲(chǔ)能電池的設(shè)備運(yùn)行參數(shù)和故障參數(shù)。風(fēng)力發(fā) 電機(jī)、光伏電池的運(yùn)行參數(shù)包括設(shè)備臺(tái)數(shù)和設(shè)備出力曲線，儲(chǔ)能電池的運(yùn)行參數(shù)包括儲(chǔ)能 容量和SOC上下限、最大充放電功率、充放電效率等約束。故障參數(shù)包括系統(tǒng)中各設(shè)備的故 障率λ和修復(fù)率μ。
[0030] 其次，獲取風(fēng)速、光照強(qiáng)度的隨機(jī)數(shù)據(jù)的歷史信息，并基于FCM算法進(jìn)行風(fēng)速、光 照的聚類，為建立風(fēng)機(jī)出力、光伏出力解析模型提供支撐。說(shuō)明如下：
[0031] 模糊c均值算法（Fuzzy-c-means, FCM)是一種具有較高穩(wěn)定性的聚類算法。它與 傳統(tǒng)的k-means聚類算法相比，存在以下兩點(diǎn)優(yōu)勢(shì)：第一，針對(duì)同樣的樣本集合，每次得到 的聚類結(jié)果十分接近；第二，能夠保證聚類結(jié)果具有全局最小的方差。在FCM算法中，在每 次迭代中不是簡(jiǎn)單地將樣本歸屬到某一類中，而是計(jì)算它對(duì)當(dāng)前所有類心的隸屬度（即成 員函數(shù)）。FCM算法的目標(biāo)函數(shù)J(U，V)定義如下：
[0032]

【權(quán)利要求】
1. 一種基于儲(chǔ)能概率模型的獨(dú)立風(fēng)光儲(chǔ)系統(tǒng)可靠性評(píng)估方法，其特征在于，包括如下 步驟： (1) 獲取風(fēng)力發(fā)電機(jī)、光伏電池和儲(chǔ)能電池的設(shè)備運(yùn)行參數(shù)和故障參數(shù)； (2) 基于風(fēng)速、光照強(qiáng)度的隨機(jī)數(shù)據(jù)的歷史信息，按照其所屬月份形成12個(gè)典型日；針 對(duì)典型日的不同時(shí)段利用模糊c均值（fUZZy- C-meanS，F(xiàn)CM)算法進(jìn)行聚類，獲得獨(dú)立微網(wǎng) 系統(tǒng)風(fēng)、光資源在不同時(shí)段下的離散狀態(tài)和對(duì)應(yīng)概率；負(fù)荷按照時(shí)序序列建模，每個(gè)時(shí)段僅 對(duì)應(yīng)一個(gè)負(fù)荷值； (3) 根據(jù)所述風(fēng)機(jī)、光伏的運(yùn)行參數(shù)和風(fēng)速、光照強(qiáng)度的聚類結(jié)果，利用風(fēng)機(jī)出力模型 和光伏出力模型得到單臺(tái)風(fēng)機(jī)與單臺(tái)光伏的出力多狀態(tài)模型；根據(jù)風(fēng)機(jī)、光伏的故障參數(shù)， 利用伯努利分布得到設(shè)備正常運(yùn)行數(shù)目的概率分布；基于設(shè)備的出力多狀態(tài)模型與設(shè)備正 常運(yùn)行數(shù)目的概率分布，卷積生成多臺(tái)風(fēng)機(jī)（光伏）出力的總解析模型； (4) 根據(jù)所述儲(chǔ)能電池的運(yùn)行參數(shù)和故障參數(shù)，建立了蓄電池的多時(shí)段概率模型；所 述多時(shí)段概率模型將不同時(shí)段的儲(chǔ)能SOC劃分為有限多個(gè)離散狀態(tài)，基于當(dāng)前風(fēng)光負(fù)荷數(shù) 據(jù)和儲(chǔ)能運(yùn)行約束判斷充放電情況，以實(shí)現(xiàn)儲(chǔ)能SOC的更新；所述儲(chǔ)能SOC更新過(guò)程中將儲(chǔ) 能分為正常狀態(tài)與故障狀態(tài)兩種情況，下一時(shí)段儲(chǔ)能SOC的分布通過(guò)當(dāng)前時(shí)段兩種情況下 儲(chǔ)能SOC更新情況的組合得到； (5) 根據(jù)負(fù)荷模型、多臺(tái)風(fēng)機(jī)、光伏出力的總解析模型和儲(chǔ)能電池的多時(shí)段概率模型， 通過(guò)卷積法建立了全年的系統(tǒng)解析模型，所述系統(tǒng)解析模型包含全年8760個(gè)時(shí)段下所有 風(fēng)機(jī)出力、光伏出力、儲(chǔ)能狀態(tài)和負(fù)荷水平的全部組合及對(duì)應(yīng)概率，遍歷每個(gè)時(shí)段下的所述 組合，記錄每種組合下的停電狀態(tài)與停電量，根據(jù)其對(duì)應(yīng)概率計(jì)算系統(tǒng)的年可靠性指標(biāo)。
2. 根據(jù)權(quán)利要求1所述的基于儲(chǔ)能概率模型的獨(dú)立風(fēng)光儲(chǔ)系統(tǒng)可靠性評(píng)估方法，其特 征在于，步驟（2)所述的基于風(fēng)速、光照強(qiáng)度的隨機(jī)數(shù)據(jù)的歷史信息，按照其所屬月份形成 12個(gè)典型日；針對(duì)典型日的不同時(shí)段利用模糊c均值（fu ZZy-C-meanS，F(xiàn)CM)算法進(jìn)行聚 類，獲得獨(dú)立微網(wǎng)系統(tǒng)風(fēng)、光資源在不同時(shí)段下的離散狀態(tài)和對(duì)應(yīng)概率是將風(fēng)速、光照強(qiáng)度 的歷史數(shù)據(jù)按所屬月份歸類為12個(gè)典型日，并按照其所處時(shí)段劃分為24個(gè)時(shí)段對(duì)應(yīng)的風(fēng) 速、光照強(qiáng)度集合，對(duì)典型日內(nèi)不同時(shí)段的數(shù)據(jù)集合初始化其成員函數(shù)，并執(zhí)行下述迭代步 驟：計(jì)算數(shù)據(jù)集合類心、更新成員函數(shù)、判斷收斂條件是否滿足，當(dāng)收斂條件滿足時(shí)停止迭 代，得到風(fēng)速、光照強(qiáng)度的典型狀態(tài)的聚類結(jié)果，并根據(jù)初始數(shù)據(jù)集合中各元素對(duì)聚類結(jié)果 的歸屬情況計(jì)算相應(yīng)概率。
3. 根據(jù)權(quán)利要求1所述的基于儲(chǔ)能概率模型的獨(dú)立風(fēng)光儲(chǔ)系統(tǒng)可靠性評(píng)估方法，其特 征在于，步驟（3)所述的利用風(fēng)機(jī)出力模型和光伏出力模型得到單臺(tái)風(fēng)機(jī)與單臺(tái)光伏的出 力多狀態(tài)模型和基于設(shè)備的出力多狀態(tài)模型與設(shè)備正常運(yùn)行數(shù)目的概率分布，卷積生成多 臺(tái)風(fēng)機(jī)（光伏）出力的總解析模型是將風(fēng)速的聚類結(jié)果與風(fēng)機(jī)出力模型進(jìn)行組合得到單臺(tái) 風(fēng)機(jī)出力的多狀態(tài)模型，其中各狀態(tài)為風(fēng)速聚類結(jié)果在風(fēng)機(jī)出力模型中對(duì)應(yīng)的出力值，各 狀態(tài)概率為相應(yīng)風(fēng)速聚類結(jié)果的概率，根據(jù)風(fēng)機(jī)的兩狀態(tài)模型計(jì)算風(fēng)機(jī)的可用率和不可用 率，并根據(jù)伯努利分布生成風(fēng)機(jī)正常運(yùn)行數(shù)目的概率分布，基于所述風(fēng)機(jī)出力的多狀態(tài)模 型與所述風(fēng)機(jī)正常運(yùn)行數(shù)目的概率分布，卷積得到多臺(tái)風(fēng)機(jī)出力的總解析模型，其中各狀 態(tài)為單臺(tái)風(fēng)機(jī)出力與風(fēng)機(jī)正常工作數(shù)的乘積，各狀態(tài)概率為相應(yīng)概率的乘積，光伏出力的 總解析模型可通過(guò)相似方法得到。
4. 根據(jù)權(quán)利要求1所述的基于儲(chǔ)能概率模型的獨(dú)立風(fēng)光儲(chǔ)系統(tǒng)可靠性評(píng)估方法，其特 征在于，步驟（4)所述根據(jù)儲(chǔ)能電池的運(yùn)行參數(shù)和故障參數(shù)，建立了蓄電池的多時(shí)段概率 模型是將所述儲(chǔ)能電池的SOC劃分為有限多個(gè)離散水平，并根據(jù)狀態(tài)數(shù)確定SOC劃分精度， 則任意SOC值都可用所述離散水平之一來(lái)表示，從而將所述儲(chǔ)能的狀態(tài)表示為不同的SOC 離散水平及對(duì)應(yīng)概率，又由于儲(chǔ)能狀態(tài)具有時(shí)間上的連續(xù)性，因此同時(shí)建立多個(gè)時(shí)段的蓄 電池概率模型，并基于本時(shí)段的SOC分布更新下一時(shí)段的SOC分布； 所述SOC分布更新是將每一種SOC離散水平劃分為儲(chǔ)能正常工作和儲(chǔ)能故障兩種子狀 態(tài)；對(duì)所述儲(chǔ)能正常工作狀態(tài)，儲(chǔ)能電池的充放電情況受到當(dāng)前SOC水平下最大充放電功 率的約束，根據(jù)儲(chǔ)能電池充放電情況確定下一時(shí)段SOC所處離散水平，并更新該SOC水平對(duì) 應(yīng)概率值；對(duì)所述儲(chǔ)能故障狀態(tài)，儲(chǔ)能電池的充放電功率為0,下一時(shí)段SOC所處離散水平 與本時(shí)段相同，并更新該SOC水平對(duì)應(yīng)概率值。
5. 根據(jù)權(quán)利要求1所述的基于儲(chǔ)能概率模型的獨(dú)立風(fēng)光儲(chǔ)系統(tǒng)可靠性評(píng)估方法，其特 征在于，步驟（5)所述獲得獨(dú)立微網(wǎng)系統(tǒng)可靠性指標(biāo)的過(guò)程中，以全年為評(píng)估周期，遍歷各 時(shí)段對(duì)應(yīng)風(fēng)機(jī)出力、光伏出力、儲(chǔ)能狀態(tài)和負(fù)荷水平的全部組合，根據(jù)其對(duì)應(yīng)概率計(jì)算系統(tǒng) 的年可靠性指標(biāo)是根據(jù)所述風(fēng)機(jī)、光伏的總解析模型、所述儲(chǔ)能電池的多時(shí)段概率模型和 所述負(fù)荷的時(shí)序序列模型，卷積得到所述獨(dú)立微網(wǎng)系統(tǒng)的解析模型，模型中包括各時(shí)段下 的風(fēng)機(jī)出力、光伏出力、儲(chǔ)能狀態(tài)和負(fù)荷水平的全部組合及對(duì)應(yīng)概率； 以全年為評(píng)估周期，遍歷每個(gè)時(shí)段下所述獨(dú)立微網(wǎng)系統(tǒng)的解析模型中所有狀態(tài)組合， 若某時(shí)段下的風(fēng)光出力與儲(chǔ)能放電之和不能滿足當(dāng)前負(fù)荷需求，則該狀態(tài)組合下系統(tǒng)發(fā)生 停電事件，分別記錄其停電時(shí)間和停電量，并與該狀態(tài)組合對(duì)應(yīng)概率相乘得到其對(duì)于系統(tǒng) LOLE指標(biāo)和LOEE指標(biāo)的貢獻(xiàn)值，對(duì)全年所述系統(tǒng)解析模型中全部狀態(tài)組合的可靠性指標(biāo) 貢獻(xiàn)值求和，得到系統(tǒng)的年可靠性指標(biāo)。
【文檔編號(hào)】G06F19/00GK104217113SQ201410445177
【公開日】2014年12月17日 申請(qǐng)日期:2014年9月3日 優(yōu)先權(quán)日:2014年9月3日
【發(fā)明者】陳衛(wèi)東, 郭力, 余舟子, 黃秀瓊, 張閣, 梁朔 申請(qǐng)人:廣西電網(wǎng)有限責(zé)任公司, 天津大學(xué)