一種用于風光儲聯(lián)合發(fā)電系統(tǒng)的隨機生產(chǎn)模擬方法
【專利摘要】本發(fā)明公開了一種用于風光儲聯(lián)合發(fā)電系統(tǒng)的隨機生產(chǎn)模擬方法，是按如下步驟進行：1采用K?Means算法進行氣象模式劃分；2風光儲概率性建模；3風力發(fā)電模塊、光伏發(fā)電模塊、儲能裝置及負荷的序列化；4基于序列運算理論的隨機生產(chǎn)模擬。本發(fā)明能更好地描述風光互補特性，并進行風光儲聯(lián)合發(fā)電系統(tǒng)的隨機生產(chǎn)模擬，從而能為風光儲聯(lián)合發(fā)電系統(tǒng)的運行與調(diào)度提供參考。
【專利說明】
一種用于風光儲聯(lián)合發(fā)電系統(tǒng)的隨機生產(chǎn)模擬方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及風光儲聯(lián)合發(fā)電系統(tǒng)的運行與規(guī)劃領(lǐng)域，具體涉及應(yīng)用隨機生產(chǎn)模擬 算法進行風光儲聯(lián)合發(fā)電系統(tǒng)發(fā)電量與可靠性計算。
【背景技術(shù)】
[0002] 隨機生產(chǎn)模擬是傳統(tǒng)電力系統(tǒng)生產(chǎn)成本計算和可靠性評價的重要方法。隨機生產(chǎn) 模擬考慮了有關(guān)不確定性因素，如未來電力負荷的隨機波動、發(fā)電機組在運行中的隨機停 運等情況，深刻地描述了電力系統(tǒng)的生產(chǎn)過程，給出了發(fā)電系統(tǒng)運行的生產(chǎn)成本及可靠性 指標。國內(nèi)外從20世紀70年代就開始隨機生產(chǎn)模擬的研究，發(fā)展了標準卷積法、傅里葉級數(shù) 法、半不變量法、等效電量函數(shù)法和基于序列運算理論的隨機生產(chǎn)模擬計算方法。其中，序 列運算理論是在解決電力系統(tǒng)不確定性問題的過程中所提煉出的數(shù)學理論，它以概率性序 列為基礎(chǔ)，定義序列的相關(guān)性質(zhì)以及序列的卷和、卷差等序列運算?；谛蛄羞\算理論的隨 機生產(chǎn)模擬過程就是將發(fā)電機與負荷分別轉(zhuǎn)化為序列，通過序列間的交積、卷差、卷和等運 算，實現(xiàn)發(fā)電機組滿足負荷需求的動態(tài)過程。
[0003] 對于風光儲聯(lián)合發(fā)電系統(tǒng)，儲能元件用于平抑風光功率波動，風光資源具有互補 特性，這兩者均對提高系統(tǒng)穩(wěn)定性與可靠性有顯著影響。如果應(yīng)用傳統(tǒng)的隨機生產(chǎn)模擬算 法來評估風光儲聯(lián)合發(fā)電系統(tǒng)的經(jīng)濟型與可靠性，顯然無法考慮到儲能裝置的運行特性和 風光互補作用對系統(tǒng)所帶來的影響，這會影響到隨機生產(chǎn)模擬結(jié)果的準確度。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明是為避免上述現(xiàn)有技術(shù)所存在的不足之處，提供一種用于風光儲聯(lián)合發(fā)電 系統(tǒng)的隨機生產(chǎn)模擬方法，以期能更好地描述風光互補特性和儲能特性，并進行風光儲聯(lián) 合發(fā)電系統(tǒng)的隨機生產(chǎn)模擬，從而能為風光儲聯(lián)合發(fā)電系統(tǒng)的運行與調(diào)度提供參考。
[0005] 為了達到上述目的，本發(fā)明所采用的技術(shù)方案為：
[0006] 本發(fā)明一種用于風光儲聯(lián)合發(fā)電系統(tǒng)的隨機生產(chǎn)模擬方法，所述風光儲聯(lián)合發(fā)電 系統(tǒng)包括:風力發(fā)電模塊、光伏發(fā)電模塊、儲能裝置;其特點在于:所述隨機生產(chǎn)模擬方法是 按如下步驟進行：
[0007] 步驟一、采用K-Means算法進行氣象模式劃分：
[0008] 步驟1.1、按照晝夜將原始風光數(shù)據(jù)分作若干個時間段，定義每一時間段為一個樣 本;其中，每一個樣本包括任意一天白天的氣象數(shù)據(jù)或任意一天夜晚的氣象數(shù)據(jù);對于任意 一天白天的氣象數(shù)據(jù)求其風速均值、風速方差及輻照度均值三個特征量;對于任意一天夜 晚的氣象數(shù)據(jù)求其風速均值、風速方差兩個特征量；
[0009] 步驟1.2、設(shè)定類別個數(shù)為N，并隨機選擇初始聚類中心，采用K-means聚類算法對 各個樣本進行聚類;將各個特征量相似的樣本劃作一類并進行合并，從而形成N類氣象模 式；
[0010]步驟二、風光儲概率性建模：
[0011] 步驟2.1、應(yīng)用威布爾分布函數(shù)建立如式（1)所示的第i類氣象模式的風速概率分 布模型f (Vi):
[0012]
(Π
[0013] 式（1)中，匕和^分別為第i類氣象模式的形狀參數(shù)和尺度參數(shù)，Vl為第i類氣象模 式的風速;l$i彡N;
[0014] 步驟2.2、利用式（2)獲得第i類氣象模式下風力發(fā)電模塊中風電機組在風速為Vl 時的輸出有功功率Pw(Vi):
[0015]
(2)
[0016] 式(2)中，Vci為所述風電機組的切入風速，Vc。為所述風電機組的切出風速， Vr為所 述風電機組的額定風速，Pr為所述風電機組的額定輸出功率；
[0017] 由所述第i類氣象模式的風速概率分布模型f(Vl)和第i類氣象模式下風力發(fā)電模 塊中風電機組在風速為^時的輸出有功功率P w(Vl)構(gòu)成第i類氣象模式下所述風電機組的 出力概率分布函數(shù)；
[0018] 步驟2.3、采用式(3)模擬第i類氣象模式下太陽輻照度的概率密度函數(shù)
[0019]
(3)
[0020] 式(3)中，α?、β?為第i類氣象模式下Beta分布的形狀系數(shù)，Γ為gamma函數(shù)，ri為第i 類氣象模式下太陽輻照度，?為第i類氣象模式下最大太陽輻照度；
[0021] 步驟2.4、采用式(4)獲得第i類氣象模式下所述光伏發(fā)電模塊中光伏機組的有功 出力
[0022]
(4)
[0023] 式(4)中，SCA為所述光伏機組的面積，為第i類氣象模式下的太陽輻照度，rv為所 述光伏機組的能量轉(zhuǎn)換效率，并有：
[0024]
(5)
[0025] 式(5)中，II。為標準測試條件下的電池能量轉(zhuǎn)換效率，Ik為入射光太陽輻照度臨界 值；
[0026] 由所述第i類氣象模式下太陽輻照度的概率密度函數(shù)和第i類氣象模式下 所述光伏發(fā)電模塊中光伏機組的有功出力if構(gòu)成第i類氣象模式下光伏機組的出力概率 分布函數(shù)；
[0027] 步驟2.5、采用式(6)獲得第i類氣象模式下t時刻的風光儲聯(lián)合參考出力
[0028]
(6)
[0029] 式(6)中，為第i類氣象模式下t時刻的風光聯(lián)合出力，1^為第i類氣象模式下 的計算周期，τ為濾波時間常數(shù)，初始時刻下與if 目等；
[0030] 步驟2.6、采用式(7)獲得第i類氣象模式下t時刻所述儲能裝置的出力
[0031]
(7)
[0032] 步驟2.7、根據(jù)所述第i類氣象模式下t時刻的風光儲聯(lián)合參考出力和儲 能裝置的出力通過蒙特卡洛抽樣方法模擬所述儲能裝置的功率變化情況，并對 所述儲能裝置的功率變化情況進行概率統(tǒng)計，得到第i類氣象模式下所述儲能裝置的功率 近似概率分布，記為;X表示儲能裝置的輸出功率；
[0033]步驟2.8、采用式(8)獲得第i類氣象模式下所述儲能裝置的儲能等效發(fā)電機組的 出力概率分布
[0034]
(8)
[0035] 式(8)中，所述儲能裝置的輸出功率X大于零和小于零分別代表所述儲能裝置的放 電狀態(tài)與充電狀態(tài)；
[0036]采用式(9)定義第i類氣象模式下所述儲能裝置的儲能等效負荷的出力概率分布
[0037](9) ￡:υ
[0038] 步驟三、風力發(fā)電模塊、光伏發(fā)電模塊、儲能裝置及負荷的序列化：
[0039] 步驟3.1、將所述風力發(fā)電模塊中風電機組、光伏發(fā)電模塊中光伏機組、儲能裝置 的儲能等效發(fā)電機組分別定義為第1資源、第2資源和第3資源；
[0040] 設(shè)所述風光儲聯(lián)合發(fā)電系統(tǒng)的實際負荷為第1需求，所述儲能裝置的儲能等效負 荷為第2需求；
[0041] 步驟3.2、定義離散化步長AC，且AC為所述儲能裝置的出力與風光儲聯(lián)合發(fā)電系 統(tǒng)的實際負荷的最大公約數(shù)；
[0042] 步驟3.3、根據(jù)步長AC利用式（10)對第j個資源或需求進行離散化，獲得序列中第 m個元素 Si(m):
[0043]
(10)
[0044]式(10)中，F(xiàn)j(X)為第j個資源或需求的出力概率分布，j e {1，2，3};
[0045] 步驟四、基于序列運算理論的隨機生產(chǎn)模擬：
[0046] 步驟4.1、采用式（11)對第1次供需平衡過程中所定義的長度分別為Na、Nb的序列 ai (mWPbWm)進行交積運算，獲得第1次供需平衡過程中的消耗裕度的概率分m(m):
[0047]
(11)
[0048] 式（11)中，aKmaWPbKmb)分別表示第1次供需平衡過程中序列&1(!11)和13 1(111)的第 ma個數(shù)與第mb個數(shù)；
[0049] 步驟4.2、采用式（12)對第1次供需平衡過程中序列&1〇11)和13 1(111)進行卷差運算，獲 得第1次供需平衡過程中所述風光儲聯(lián)合發(fā)電系統(tǒng)實際負荷的剩余可用裕度yi(m)或第1次 供需平衡過程中資源剩余可用裕度yi(m):
[0050]
U2j
[0051] 式（12)中，若ai(m)代表資源，bKm)代表需求，則表示獲得第1次供需平衡過程中資 源剩余可用裕度;反之，表示獲得所述風光儲聯(lián)合發(fā)電系統(tǒng)實際負荷的剩余可用裕度；
[0052] 步驟4.3、將1 + 1賦值給1，并返回步驟4.1執(zhí)行，直到所有風力發(fā)電模塊中風電機 組、光伏發(fā)電模塊中光伏機組、儲能裝置的儲能等效發(fā)電機組都投入運行或所述風光儲聯(lián) 合發(fā)電系統(tǒng)實際負荷的剩余可用裕度中第一個元素為"Γ為止；
[0053]步驟4.4、采用式（14)獲得所述風光儲聯(lián)合發(fā)電系統(tǒng)的第1需求累計的消耗裕度的 概率分布PR1:
[0054]
(14)
[0055] 式（14)中，/^廣為第i類氣象模式下第1需求的消耗裕度;Pi為第i類氣象模式在N 類氣象模式中所占的比例辻
[0056] 步驟4.5、對各資源的消耗裕度的期望值與發(fā)電時間進行乘積運算，獲得各資源的 發(fā)電量；
[0057] 對第1需求的可用裕度的期望值與發(fā)電時間進行乘積運算，獲得所述風光儲聯(lián)合 發(fā)電系統(tǒng)的電量不足的期望值；
[0058] 取出第1需求的可用裕度中功率為0時所對應(yīng)的元素作為所述風光儲聯(lián)合發(fā)電系 統(tǒng)的電量不足概率；
[0059]以所述各資源的發(fā)電量、所述風光儲聯(lián)合發(fā)電系統(tǒng)的電量不足的期望值和電量不 足概率作為隨機生產(chǎn)模擬結(jié)果。
[0060] 與已有技術(shù)相比，本發(fā)明的有益效果體現(xiàn)在：
[0061] 1、本發(fā)明能夠建立風光儲聯(lián)合系統(tǒng)中包括儲能元件在內(nèi)的各單元的概率模型，并 考慮聯(lián)合系統(tǒng)中風光互補特性，有助于更準確地刻畫電力系統(tǒng)生產(chǎn)過程。
[0062] 2、本發(fā)明基于K-means聚類算法進行氣象模式劃分，考慮了各種可能存在的風、光 氣象條件組合以及晝夜情況，體現(xiàn)風光聯(lián)合發(fā)電系統(tǒng)中的風光互補特性。
[0063] 3、本發(fā)明針對風光儲聯(lián)合發(fā)電系統(tǒng)中的儲能元件，根據(jù)儲能充放電策略控制儲能 裝置的輸出功率，通過蒙特卡洛抽樣得出儲能裝置功率的離散概率分布，進而將其等效為 發(fā)電機組與負荷的組合。該方法使得儲能裝置得以參與到隨機生產(chǎn)模擬過程中去，使得隨 機生產(chǎn)模擬的結(jié)果，尤其是可靠性指標更加準確。
【附圖說明】
[0064] 圖1為本發(fā)明中涉及的為風光儲聯(lián)合發(fā)電系統(tǒng)的結(jié)構(gòu)示意圖；
[0065] 圖2為本發(fā)明中涉及的風光儲系統(tǒng)的隨機生產(chǎn)模擬算法流程圖。
【具體實施方式】
[0066] 本實施例中，如圖1所示，風光儲聯(lián)合發(fā)電系統(tǒng)包括:風力發(fā)電模塊、光伏發(fā)電模 塊、儲能裝置;如圖2所示，一種用于風光儲聯(lián)合發(fā)電系統(tǒng)的隨機生產(chǎn)模擬方法是按如下步 驟進行：
[0067] 步驟一、采用K-Means算法進行氣象模式劃分：
[0068]在不限制新能源出力的情況下，風光儲聯(lián)合發(fā)電系統(tǒng)的出力情況與氣象環(huán)境有 關(guān)。如果孤立地考慮風速與太陽輻照度因素顯然無法全面地描述風光互補特性。為此，將原 始風速與太陽輻照度數(shù)據(jù)進行分析處理；
[0069]步驟1.1、按照晝夜將原始風光數(shù)據(jù)分作若干個時間段，定義每一時間段為一個樣 本;其中，每一個樣本包括任意一天白天的氣象數(shù)據(jù)或任意一天夜晚的氣象數(shù)據(jù);對于任意 一天白天的氣象數(shù)據(jù)求其風速均值、風速方差及輻照度均值三個特征量;對于任意一天夜 晚的氣象數(shù)據(jù)求其風速均值、風速方差兩個特征量；
[0070] 步驟1.2、設(shè)定類別個數(shù)為N，并隨機選擇初始聚類中心，采用K-means聚類算法對 各個樣本進行聚類;將各個特征量相似的樣本劃作一類并進行合并，從而形成N類氣象模 式;則同一氣象模式下的氣象數(shù)據(jù)都具有相似性，如大風風力密集且輻照度度低，或微風且 輻照度高等氣象模式。這一方法的中心思想盡可能全面地描述所有可能出現(xiàn)的風光氣象組 合，使得互補特性得以體現(xiàn)，劃分越詳細，對于結(jié)果的描述越精確。
[0071] 步驟二、風光儲概率性建模：
[0072] 步驟2.1、應(yīng)用威布爾分布函數(shù)建立如式（1)所示的第i類氣象模式的風速概率分 布模型f (Vi):
[0073]
(1)
[0074] 式（1)中，匕和^分別為第i類氣象模式的形狀參數(shù)和尺度參數(shù)，Vl為第i類氣象模 式的風速;l$i彡N;
[0075] 步驟2.2、利用式（2)獲得第i類氣象模式下風力發(fā)電模塊中風電機組在風速為Vl 時的輸出有功功率Pw(Vi):
[0076]
(2)
[0077] 式(2)中，vci為風電機組的切入風速，vc。為風電機組的切出風速，v r為風電機組的 額定風速，Pr為風電機組的額定輸出功率；
[0078] 由第i類氣象模式的風速概率分布模型f(Vl)和第i類氣象模式下風力發(fā)電模塊中 風電機組在風速為 Vl時的輸出有功功率Pw(Vl)構(gòu)成第i類氣象模式下風電機組的出力概率 分布函數(shù)； .廣
[0079] 步驟2.3、采用式(3)模擬第i類氣象模式下太陽輻照度的概率密度函數(shù)
[0080]
(3)
[0081 ]式(3)中，α?、β?為第i類氣象模式下Beta分布的形狀系數(shù)，Γ為gamma函數(shù)，ri為第i 類氣象模式下太陽輻照度，為第i類氣象模式下最大太陽輻照度；
[0082] 步驟2.4、采用式⑷獲得第i類氣象模式下光伏發(fā)電模塊中光伏機組的有功出力
[0083]
(4)
[0084] 式(4)中，SCA為光伏機組的面積，為第i類氣象模式下的太陽輻照度，rw為光伏機 組的能量轉(zhuǎn)換效率，并有：
[0085]
(5)
[0086] 式(5)中，II。為標準測試條件下的電池能量轉(zhuǎn)換效率，Ik為入射光太陽輻照度臨界 值；
[0087] 由第i類氣象模式下太陽輻照度的概率密度函數(shù)和第i類氣象模式下光伏 7 max 發(fā)電模塊中光伏機組的有功出力/?1構(gòu)成第i類氣象模式下光伏機組的出力概率分布函數(shù)；
[0088] 步驟2.5、儲能系統(tǒng)可以在能量過剩時存儲能量，并在能量不足時釋放能量，其將 為提高風光儲聯(lián)合發(fā)電系統(tǒng)系統(tǒng)可靠性發(fā)揮顯著作用。本發(fā)明中，儲能裝置主要用于平抑 風光出力波動，其任務(wù)是使風光輸出功率保持平穩(wěn)，提高電能質(zhì)量，降低對電網(wǎng)的沖擊。采 用式(6)獲得第i類氣象模式下t時刻的風光儲聯(lián)合參考出力(6():
[0089]
(6)
[0090] 式(6)中，< ⑴為第i類氣象模式下t時刻的風光聯(lián)合出力，1\為第i類氣象模式下 的計算周期，T為濾波時間常數(shù)，初始時刻下(0)與/^ (0)相等；
[0091] 步驟2.6、采用式(7)獲得第i類氣象模式下t時刻儲能裝置的出力
[0092]
(7)
[0093] 步驟2.7、根據(jù)第i類氣象模式下t時刻的風光儲聯(lián)合參考出力(?和儲能裝置 的出力通過蒙特卡洛抽樣方法模擬儲能裝置的功率變化情況，并對儲能裝置的 功率變化情況進行概率統(tǒng)計，得到第i類氣象模式下儲能裝置的功率近似概率分布，記為 ;x表示儲能裝置的輸出功率；
[0094] 步驟2.8、采用式(8)獲得第i類氣象模式下儲能裝置的儲能等效發(fā)電機組的出力 概率分布/^
[0095]
(8)
[0096] 式(8)中，儲能裝置的輸出功率X大于零和小于零分別代表儲能裝置的放電狀態(tài)與 充電狀態(tài)；
[0097]采用式(9)定義第i類氣象模式下儲能裝置的儲能等效負荷的出力概率分布
[0098]
(9)：
[0099] 在等效過程中，等效發(fā)電機出力為0的狀態(tài)包含儲能裝置不工作與儲能裝置充電 兩種情況，對于儲能等效負荷也是如此。
[0100]步驟三、風力發(fā)電模塊、光伏發(fā)電模塊、儲能裝置及負荷的序列化：
[0101] 步驟3.1、將風力發(fā)電模塊中風電機組、光伏發(fā)電模塊中光伏機組、儲能裝置的儲 能等效發(fā)電機組分別定義為第1資源、第2資源和第3資源；
[0102] 設(shè)風光儲聯(lián)合發(fā)電系統(tǒng)的實際負荷為第1需求，儲能裝置的儲能等效負荷為第2需 求；
[0103] 步驟3.2、定義離散化步長△ C，且△ C為儲能裝置的出力與風光儲聯(lián)合發(fā)電系統(tǒng)的 實際負荷的最大公約數(shù)；
[0104] 步驟3.3、根據(jù)步長AC利用式（10)對第j個資源或需求進行離散化，獲得序列中第 m個元素 Sj(m):
[0105]
(!〇)
[0106] 式（10)中，F(xiàn)JX)為第j個資源或需求的出力概率分布，_]_^{1，2,3};對于獲得的資 源與需求的各個序列，其中的各個元素相加之和為1且序列中個元素的順序是固定的，不能 隨意更換。
[0107] 步驟四、基于序列運算理論的隨機生產(chǎn)模擬：
[0108] 序列運算理論是在解決電力系統(tǒng)不確定性問題的過程中所提煉出的數(shù)學理論，它 以概率性序列為基礎(chǔ)，定義序列的相關(guān)性質(zhì)以及序列的卷和、卷差等序列運算。基于序列運 算理論的隨機生產(chǎn)模擬過程就是將發(fā)電機與負荷分別轉(zhuǎn)化為序列，通過序列間的交積、卷 差、卷和等運算，實現(xiàn)發(fā)電機組滿足負荷需求的動態(tài)過程。
[0109] 步驟4.1、采用式（11)對第1次供需平衡過程中所定義的長度分別為Na、Nb的序列 ai (mWPbKm)進行交積運算，獲得第1次供需平衡過程中的消耗裕度的概率分m(m):
[0110]
(1.1)
[0111] 式（11)中，aKmaWPbKmb)分別表示第1次供需平衡過程中序列&1(!11)和131( 111)的第 ma個數(shù)與第mb個數(shù)；
[0112] 步驟4.2、采用式（12)對第1次供需平衡過程中序列&1〇11)和13 1(111)進行卷差運算，獲 得第1次供需平衡過程中風光儲聯(lián)合發(fā)電系統(tǒng)實際負荷的剩余可用裕度yi(m)或第1次供需 平衡過程中資源剩余可用裕度yi(m):
[0113]
(12)
[0114] 式（12)中，若ai(m)代表資源，bKm)代表需求，則表示獲得第1次供需平衡過程中資 源剩余可用裕度;反之，表示獲得風光儲聯(lián)合發(fā)電系統(tǒng)實際負荷的剩余可用裕度；
[0115] 步驟4.3、將1 + 1賦值給1，并返回步驟4.1執(zhí)行，直到所有風力發(fā)電模塊中風電機 組、光伏發(fā)電模塊中光伏機組、儲能裝置的儲能等效發(fā)電機組都投入運行或風光儲聯(lián)合發(fā) 電系統(tǒng)實際負荷的剩余可用裕度中第一個元素為"Γ為止;循環(huán)的先后順序即為機組的投 入順序，若在此過程中加入常規(guī)機組，只需考慮常規(guī)機組的停運概率將其序列化即可。如對 于停運概率為〇. 1的火電機組，其序列的第一個元素為〇. 9，最后一個元素為0.1，其余元素 均為0。
[0116] 步驟4.4、采用式（14)獲得風光儲聯(lián)合發(fā)電系統(tǒng)的第1需求累計的消耗裕度的概率 分布PRi:
[0117]
(14)
[0118] 式（14)中，/V廣為第i類氣象模式下第1需求的消耗裕度;Ρ,為第i類氣象模式在N 類氣象模式中所占的比例;且I；巧機組和負荷的剩余可用裕度求法與式(14)相同。 tel
[0119] 步驟4.5、對各資源的消耗裕度的期望值與發(fā)電時間進行乘積運算，獲得各資源的 發(fā)電量；
[0120] 對第1需求的可用裕度的期望值與發(fā)電時間進行乘積運算，獲得風光儲聯(lián)合發(fā)電 系統(tǒng)的電量不足的期望值；
[0121] 取出第1需求的可用裕度中功率為0時所對應(yīng)的元素作為風光儲聯(lián)合發(fā)電系統(tǒng)的 電量不足概率；
[0122] 以各資源的發(fā)電量、風光儲聯(lián)合發(fā)電系統(tǒng)的電量不足的期望值和電量不足概率作 為隨機生產(chǎn)模擬結(jié)果。對于得到的隨機生產(chǎn)模擬結(jié)果，可作為電力系統(tǒng)機組運行與規(guī)劃的 參考依據(jù)。
【主權(quán)項】
1. 一種用于風光儲聯(lián)合發(fā)電系統(tǒng)的隨機生產(chǎn)模擬方法，所述風光儲聯(lián)合發(fā)電系統(tǒng)包 括:風力發(fā)電模塊、光伏發(fā)電模塊、儲能裝置;其特征在于:所述隨機生產(chǎn)模擬方法是按如下 步驟進行： 步驟一、采用K-Means算法進行氣象模式劃分： 步驟1.1、按照晝夜將原始風光數(shù)據(jù)分作若干個時間段，定義每一時間段為一個樣本； 其中，每一個樣本包括任意一天白天的氣象數(shù)據(jù)或任意一天夜晚的氣象數(shù)據(jù);對于任意一 天白天的氣象數(shù)據(jù)求其風速均值、風速方差及輻照度均值三個特征量;對于任意一天夜晚 的氣象數(shù)據(jù)求其風速均值、風速方差兩個特征量； 步驟1.2、設(shè)定類別個數(shù)為N，并隨機選擇初始聚類中心，采用K-means聚類算法對各個 樣本進行聚類;將各個特征量相似的樣本劃作一類并進行合并，從而形成N類氣象模式； 步驟二、風光儲概率性建模：步驟2.1、應(yīng)用威布爾分布函數(shù)建立如式（1)所示的第i類氣象模式的風速概率分布模 型f(Vi): (1) 式（1)中，kdPCl*別為第i類氣象模式的形狀參數(shù)和尺度參數(shù)，Vl為第i類氣象模式的 風速;KiSN; 步驟2.2、利用式(2)獲得第i類氣象模式下風力發(fā)電模塊中風電機組在風速為V1時的輸 出有功功率Pw(Vi):(2) 式(2)中，Vc1為所述風電機組的切入風速，％。為所述風電機組的切出風速，Vr為所述風 電機組的額定風速，Pr為所述風電機組的額定輸出功率；由所述第i類氣象模式的風速概率分布模型f (V1)和第i類氣象模式下風力發(fā)電模塊中 風電機組在風速為V1時的輸出有功功率Pw(V1)構(gòu)成第i類氣象模式下所述風電機組的出力 概率分布函數(shù)； 步驟2.3、采用式(3)模擬第i類氣象模式下太陽輻照度的概率密度函(3) 式(3)中，α?、β?為第i類氣象模式下Beta分布的形狀系數(shù)，Γ為gamma函數(shù)，ri為第i類氣 象模式下太陽輻照度，為第i類氣象模式下最大太陽輻照度； 步驟2.4、采用式⑷獲得第i類氣象模式下所述光伏發(fā)電模塊中光伏機組的有功出力(4) 式(4)中，Sca為所述光伏機組的面積，I1為第i類氣象模式下的太陽輻照度，rw為所述光 (5) 伏機組的能量轉(zhuǎn)換效率，并有： 式(5)中，η。為標準測試條件下的電池能量轉(zhuǎn)換效率，Ik為入射光太陽輻照度臨界值； 由所述第i類氣象模式下太陽輻照度的概率密度函數(shù)和第i類氣象模式下所述 光伏發(fā)電模塊中光伏機組的有功出力構(gòu)成第i類氣象模式下光伏機組的出力概率分布 函數(shù)； 步驟2.5、采用式(6)獲得第i類氣象模式下t時刻的風光儲聯(lián)合參考出力(6) 式(6)中，為第i類氣象模式下t時刻的風光聯(lián)合出力,T1為第i類氣象模式下的計 算周期，T為濾波時間常數(shù)，初始時刻下if 與相等； 步驟2.6、采用式(7)獲得第i類氣象模式下t時刻所述儲能裝置的出力(7) 步驟2.7、根據(jù)所述第i類氣象模式下t時刻的風光儲聯(lián)合參考出力和儲能裝置 的出力卜；)，通過蒙特卡洛抽樣方法模擬所述儲能裝置的功率變化情況，并對所述儲 能裝置的功率變化情況進行概率統(tǒng)計，得到第i類氣象模式下所述儲能裝置的功率近似概 率分布，記為;X表示儲能裝置的輸出功率；步驟2.8、采用式(8)獲得第i類氣象模式下所述儲能裝置的儲能等效發(fā)電機組的出力 概率分布(y^· (8) 式(8)中，所述儲能裝置的輸出功率X大于零和小于零分別代表所述儲能裝置的放電狀 態(tài)與充電狀態(tài)； 采用式(9)定義第i類氣象模式下所述儲能裝置的儲能等效負荷的出力概率分布(Z):(9) 步驟三、風力發(fā)電模塊、光伏發(fā)電模塊、儲能裝置及負荷的序列化： 步驟3.1、將所述風力發(fā)電模塊中風電機組、光伏發(fā)電模塊中光伏機組、儲能裝置的儲 能等效發(fā)電機組分別定義為第1資源、第2資源和第3資源； 設(shè)所述風光儲聯(lián)合發(fā)電系統(tǒng)的實際負荷為第1需求，所述儲能裝置的儲能等效負荷為 第2需求； 步驟3.2、定義離散化步長AC，且AC為所述儲能裝置的出力與風光儲聯(lián)合發(fā)電系統(tǒng)的 實際負荷的最大公約數(shù)； 步驟3.3、根據(jù)步長AC利用式（10)對第j個資源或需求進行離散化，獲得序列中第m個 元素 Sj(m):(1〇) 式(10)中，F(xiàn)j(X)為第j個資源或需求的出力概率分布，je{l，2,3h 步驟四、基于序列運算理論的隨機生產(chǎn)模擬： 步驟4.1、采用式（11)對第1次供需平衡過程中所定義的長度分別為Na、Nb的序列 ai(m) 和匕化)進行交積運算，獲得第1次供需平衡過程中的消耗裕度的概率分m(m):(11) 式(11)中，mOnaWPhUb)分別表示第1次供需平衡過程中序列mOnWPbWm)的第ma個數(shù) 與第mb個數(shù)； 步驟4.2、采用式（12)對第1次供需平衡過程中序列&1(!11)和131( 111)進行卷差運算，獲得第 1次供需平衡過程中所述風光儲聯(lián)合發(fā)電系統(tǒng)實際負荷的剩余可用裕度yi(m)或第1次供需 平衡過程中資源剩余可用裕度yi(m):(12) 式（12)中，若ai(m)代表資源，M(Hi)代表需求，則表示獲得第1次供需平衡過程中資源剩 余可用裕度;反之，表示獲得所述風光儲聯(lián)合發(fā)電系統(tǒng)實際負荷的剩余可用裕度； 步驟4.3、將1+1賦值給1，并返回步驟4.1執(zhí)行，直到所有風力發(fā)電模塊中風電機組、光 伏發(fā)電模塊中光伏機組、儲能裝置的儲能等效發(fā)電機組都投入運行或所述風光儲聯(lián)合發(fā)電 系統(tǒng)實際負荷的剩余可用裕度中第一個元素為"1"為止；步驟4.4、采用式（14)獲得所述風光儲聯(lián)合發(fā)電系統(tǒng)的第1需求累計的消耗裕度的概率 分布PRi: (14) 式(14)中，為第i類氣象模式下第1需求的消耗裕度;P1為第i類氣象模式在N類氣象 模式中所占的比步驟4.5、對各資源的消耗裕度的期望值與發(fā)電時間進行乘積運算，獲得各資源的發(fā)電 量； 對第1需求的可用裕度的期望值與發(fā)電時間進行乘積運算，獲得所述風光儲聯(lián)合發(fā)電 系統(tǒng)的電量不足的期望值； 取出第1需求的可用裕度中功率為〇時所對應(yīng)的元素作為所述風光儲聯(lián)合發(fā)電系統(tǒng)的 電量不足概率； 以所述各資源的發(fā)電量、所述風光儲聯(lián)合發(fā)電系統(tǒng)的電量不足的期望值和電量不足概 率作為隨機生產(chǎn)模擬結(jié)果。
【文檔編號】H02J3/32GK105896578SQ201610230146
【公開日】2016年8月24日
【申請日】2016年4月13日
【發(fā)明人】吳紅斌, 白雪, 丁明, 趙波, 周金輝, 徐琛
【申請人】合肥工業(yè)大學, 國網(wǎng)浙江省電力公司電力科學研究院