一种含WTG的配电网可靠性评估方法
专利汇可以提供一种含WTG的配电网可靠性评估方法专利检索，专利查询，专利分析的服务。并且本 发明 提供一种考虑 风 速-负荷相关性对含WTG配 电网 可靠性评估方法：采集配电网的原始数据，构建WTG出 力 模型及确定风电供 电能 力范围，构建风速正态分布函数和负荷正态分布函数，通过对时序风速和负荷曲线的分析得到二者正态分布函数的平均值和标准差，构建风速-负荷二元分布函数，用MonteCarlo法对风速-负荷序列抽样，计算与抽样序列对应的WTG出力和供电能力范围，采用分 块 算法 计算系统的可靠性指标，对计算得到的所有可靠性指标求平均值，最终得到含WTG考虑风速-负荷相关性的配电网可靠性指标。由于考虑了风速-负荷相关性和时序负荷曲线的影响，并采用二元联合分布函数解析描述风速-负荷相关性，提高了对含WTG的配电网可靠性评估的准确度。，下面是一种含WTG的配电网可靠性评估方法专利的具体信息内容。
1.一种含WTG配电网可靠性评估方法，其特征在于：采集配电网的原始数据；构建WTG出力模型及确定风电供电能力范围；构建风速正态分布函数和负荷正态分布函数，通过计算机系统对时序风速和负荷曲线的分析处理得到二者正态分布函数的平均值和标准差；构建风速-负荷二元分布函数；通过计算机系统采用Monte Carlo法对风速-负荷序列抽样；
将配电网的原始数据输入计算机系统，计算与抽样序列对应的WTG出力和供电能力范围，采用分块算法计算系统的可靠性指标；再通过计算机对所得的各可靠性指标平均值，最终得到含WTG考虑风速-负荷相关性的配电网可靠性指标，具体步骤包括：
步骤1：采集配电网的原始数据:风电场时序风速数据，IEEE-RTS系统负荷数据，配电网各元件故障率、修复时间，各元件可靠性参数和各负荷点户数，WTG的切入风速，额定风速，切出风速，配电网中线路、变压器、开关设备、负荷点和WTG之间的联接关系；
步骤2：构建WTG出力模型及确定风电供电能力范围
（1）构建WTG出力模型
采用二次函数近似表示WTG出力Pt与风速vt的关系：
(1)
式中，vci、vR和vco分块为WTG的切入风速、额定风速和切出风速，PR为额定输出功率；
（2）确定风电供电能力范围
将配电网分为M1 ~M7七个分块，设分块s(1≤s≤7)有m 个元件，且第i(1≤i≤m)个元件的故障率和修复时间分块为λi和γi，则块s的等效故障率λs和等效平均修复时间γ 如下：
(2)
(3)
设WTG在t 时刻出力为Pt，其对负荷块Mi的供电路径上经过n 个块，第i 块Mi的总负荷为LMi，则其能对Mi恢复供电的条件可表示为式(4)：
(4)
由(4)式可得到WTG每种出力情况下对负荷恢复供电的次序和能力；
步骤3：构建风速正态分布函数和负荷正态分布函数，通过对时序风速和负荷曲线的分析得到二者正态分布函数的平均值和标准差；
（1）构建风速正态分布函数
式(5)为风电场风速正态分布函数：
(5)
式中，v 表示风速；μ1和σ1分别表示风速的平均值和标准差，对该风电场，其风速正
2
态分布模型参数为：μ1=5.9826、σ1=3.17，即 v~N(μ1, σ1)；
（2）构建负荷正态分布函数
式(6)给出IEEE-RTS系统负荷正态分布函数：
(6)
式中，l表示负荷功率；μ2和σ2分块表示负荷功率的平均值和标准差，IEEE-RTS系统
2
负荷正态分布模型的参数分块为μ2=0.6142、σ2=0.1482，即 l~N(μ2, σ2)；
步骤4：构建风速-负荷二元分布函数
（1）构建二维向量的二元正态函数
T
对于任意随机变量x1、x2，若其分块服从正态分布，则二维向量X=(x1, x2) 服从式(7)的二元正态分布函数：
(7)
2 2
式中，μ1、μ2分块是x1、x2的平均值，σ1、σ2 分块是x1、x2的方差，ρ 是x1与x2的相关系数，若ρ=0，则x1与x2相互独立；若ρ>0，则x1与x2正相关；若ρ<0，则x1与x2负相关；
（2）构建风速-负荷二元正态分布函数
2
在步骤3中构建了风速正态分布函数和负荷正态分布函数，即v~N(μ1, σ1)，
2 T
l~N(μ2, σ2)，二维向量Y=(v, l) 服从二元正态分布函数，二者的相关性由相关系数ρ表示，风速和负荷两个时间序列的相关系数定义如下：
(8)
式中，vt和lt分块为风速和负荷时间序列t 时刻的值；μ1和μ2、σ1和σ2分块为两个时间序列的平均值和标准差；n为时间序列的长度；
用上述风电场风速和IEEE-RTS负荷数据算出ρ=0.1755，表示二者具有正相关性，由此得到风速-负荷二元正态分布函数：
(9)
步骤5：用Monte Carlo法对风速-负荷序列抽样，计算与抽样序列对应的WTG出力和供电能力范围，采用分块算法计算系统的可靠性指标；
（1）Monte Carlo抽样方法为：
1) 随机产生两个标准正态分布随机数，即ω=(v1, l1)；
T
2) 对风速和负荷的协方差矩阵Ω 进行分解，使得Ω=LL ，得到矩阵L ；
T T T T
3) 利用矩阵L 对ω 进行变换，使ω'=Lω +μω；其中，ω 和μ ω分块为ω 和μω的转置，μω=（μ1, μ2），则ω'即为所求的风速-负荷序列(v, l)；
4) 用抽样得到的所有风速-负荷序列，根据式(5)-(9)求出与之对应的二元正态分布-3
函数f1(v, l)，通过区间积分计算f1(v, l)与式(9)的误差，若e<10 ，则停止抽样，否则重复以上步骤，直到满足误差条件为止；
设抽样次数为M，配电网被分为N 块，则通过抽样可得M 个考虑二者分布情况和相关性的风速-负荷序列；
（2）分块计算可靠性指标
根据式(1)和(4)，分块计算每个风速-负荷序列(vi, li) (1≤i≤M)对应的WPG出力pi和供电范围，并由式(2)和(3)计算块s(1≤s≤N)的λs和γs，则块s 的年平均停电时间Us如式(10)所示：
(10)
设块s 的用户数为Ns，总负荷为Ls，则系统可靠性指标SAIFI、SAIDI、ASAI和ENS可由式(11)-(14)得到：
(11)
(12)
(13)
(14)
步骤6：计算可靠性指标平均值
对所有通过步骤5计算得到的各种可靠性指标求平均值，最终得到含WTG考虑风速-负荷相关性的系统可靠性指标。
一种含WTG的配电网可靠性评估方法
技术领域
背景技术
发明内容
步骤2：构建WTG出力模型及确定风电供电能力范围
2.1：构建WTG出力模型
采用二次函数近似表示WTG出力Pt与风速vt的关系：
(1)
式中，vci、vR和vco分块为WTG的切入风速、额定风速和切出风速，PR为额定输出功率；
2.2：确定风电供电能力范围
将配电网分为M1 ~M7七个分块，设分块s(1≤s≤7)有m 个元件，且第i(1≤i≤m)个元件的故障率和修复时间分块为λi和γi，则块s的等效故障率λs和等效平均修复时间γ 如下：
(2)
(3)
设WTG在t 时刻出力为Pt，其对负荷块Mi的供电路径上经过n 个块，第i 块Mi的总负荷为LMi，则其能对Mi恢复供电的条件可表示为式(4)：
(4)
由(4)式可得到WTG每种出力情况下对负荷恢复供电的次序和能力；
步骤3：构建风速正态分布函数和负荷正态分布函数，通过对时序风速和负荷曲线的分析得到二者正态分布函数的平均值和标准差；
3.1：构建风速正态分布函数
式(5)为风电场风速正态分布函数：
(5)
式中，v 表示风速；μ1和σ1分别表示风速的平均值和标准差，对该风电场，其风速正
2
态分布模型参数为：μ1=5.9826、σ1=3.17，即 v~N(μ1, σ1)；
3.2：构建负荷正态分布函数
式(6)给出IEEE-RTS系统负荷正态分布函数：
(6)
式中，l表示负荷功率；μ2和σ2分块表示负荷功率的平均值和标准差，IEEE-RTS系统
2
负荷正态分布模型的参数分块为μ2=0.6142、σ2=0.1482，即 l~N(μ2, σ2)；
步骤4：构建风速-负荷二元分布函数
4.1：构建二维向量的二元正态函数
T
对于任意随机变量x1、x2，若其分块服从正态分布，则二维向量X=(x1, x2) 服从式(7)的二元正态分布函数：
(7)
2 2
式中，μ1、μ2分块是x1、x2的平均值，σ1、σ2 分块是x1、x2的方差，ρ 是x1与x2的相关系数，若ρ=0，则x1与x2相互独立；若ρ>0，则x1与x2正相关；若ρ<0，则x1与x2负相关；
4.2：构建风速-负荷二元正态分布函数
2
在步骤3中构建了风速正态分布函数和负荷正态分布函数，即v~N(μ1, σ1)，
2 T
l~N(μ2, σ2)，二维向量Y=(v, l) 服从二元正态分布函数，二者的相关性由相关系数ρ表示，风速和负荷两个时间序列的相关系数定义如下：
(8)
式中，vt和lt分块为风速和负荷时间序列t 时刻的值；μ1和μ2、σ1和σ2分块为两个时间序列的平均值和标准差；n为时间序列的长度；
用上述风电场风速和IEEE-RTS负荷数据算出ρ=0.1755，表示二者具有正相关性，由此得到风速-负荷二元正态分布函数：
(9)
步骤5：用Monte Carlo法对风速-负荷序列抽样，计算与抽样序列对应的WTG出力和供电能力范围，采用分块算法计算系统的可靠性指标；
5.1：Monte Carlo抽样方法为：
1) 随机产生两个标准正态分布随机数，即ω=(v1, l1)；
T
2) 对风速和负荷的协方差矩阵Ω 进行分解，使得Ω=LL ，得到矩阵L ；
T T T T
3) 利用矩阵L 对ω 进行变换，使ω'=Lω +μω；其中，ω 和μ ω分块为ω 和μω的转置，μω=（μ1, μ2），则ω'即为所求的风速-负荷序列(v, l)；
4) 用抽样得到的所有风速-负荷序列，根据式(5)-(9)求出与之对应的二元正态分布-3
函数f1(v, l)，通过区间积分计算f1(v, l)与式(9)的误差，若e<10 ，则停止抽样，否则重复以上步骤，直到满足误差条件为止；
设抽样次数为M，配电网被分为N 块，则通过抽样可得M 个考虑二者分布情况和相关性的风速-负荷序列；
5.2：分块计算可靠性指标
根据式(1)和(4)，分块计算每个风速-负荷序列(vi, li) (1≤i≤M)对应的WPG出力pi和供电范围，并由式(2)和(3)计算块s(1≤s≤N)的λs和γs，则块s 的年平均停电时间Us如式(10)所示：
(10)
设块s 的用户数为Ns，总负荷为Ls，则系统可靠性指标SAIFI、SAIDI、ASAI和ENS可由式(11)-(14)得到：
(11)
(12)
(13)
(14)
步骤6：计算可靠性指标平均值
对所有通过步骤5计算得到的各种可靠性指标求平均值，最终得到含WTG考虑风速-负荷相关性的系统可靠性指标。
相对于现有技术的优点：
由于本发明中，在对含WTG的配电网可靠性评估方法中，考虑了风速-负荷相关性和时序负荷曲线的影响，因此提高了对含WTG的配电网可靠性评估的准确度；同时采用二元联合分布函数解析描述风速-负荷相关性，使得对含WTG的配电网可靠性评估的准确度进一步提高。
具体实施方式
步骤2：构建WTG出力模型及确定风电供电能力范围
2.1：构建WTG出力模型
采用二次函数近似表示WTG出力Pt与风速vt的关系：
(1)
式中，vci、vR和vco分块为WTG的切入风速、额定风速和切出风速，PR为额定输出功率；
2.2：确定风电供电能力范围
将配电网分为M1 ~M7七个分块，设分块s(1≤s≤7)有m 个元件，且第i(1≤i≤m)个元件的故障率和修复时间分块为λi和γi，则块s的等效故障率λs和等效平均修复时间γ 如下：
(2)
(3)
设WTG在t 时刻出力为Pt，其对负荷块Mi的供电路径上经过n 个块，第i 块Mi的总负荷为LMi，则其能对Mi恢复供电的条件可表示为式(4)：
(4)
由(4)式可得到WTG每种出力情况下对负荷恢复供电的次序和能力；
步骤3：构建风速正态分布函数和负荷正态分布函数，通过对时序风速和负荷曲线的分析得到二者正态分布函数的平均值和标准差；
3.1：构建风速正态分布函数
式(5)为荷兰De Kooy风电场风速正态分布函数：
(5)
式中，v 表示风速；μ1和σ1分别表示风速的平均值和标准差，对该风电场，其风速正
2
态分布模型参数为：μ1=5.9826、σ1=3.17，即 v~N(μ1, σ1)；
3.2：构建负荷正态分布函数
式(6)给出IEEE-RTS系统负荷正态分布函数：
(6)
式中，l表示负荷功率；μ2和σ2分块表示负荷功率的平均值和标准差，IEEE-RTS系统
2
负荷正态分布模型的参数分块为μ2=0.6142、σ2=0.1482，即 l~N(μ2, σ2)；
步骤4：构建风速-负荷二元分布函数
4.1：构建二维向量的二元正态函数
T
对于任意随机变量x1、x2，若其分块服从正态分布，则二维向量X=(x1, x2) 服从式(7)的二元正态分布函数：
(7)
2 2
式中，μ1、μ2分块是x1、x2的平均值，σ1、σ2 分块是x1、x2的方差，ρ 是x1与x2的相关系数，若ρ=0，则x1与x2相互独立；若ρ>0，则x1与x2正相关；若ρ<0，则x1与x2负相关；
4.2：构建风速-负荷二元正态分布函数
2
在步骤3中构建了风速正态分布函数和负荷正态分布函数，即v~N(μ1, σ1)，
2 T
l~N(μ2, σ2)，二维向量Y=(v, l) 服从二元正态分布函数，二者的相关性由相关系数ρ表示，风速和负荷两个时间序列的相关系数定义如下：
(8)
式中，vt和lt分块为风速和负荷时间序列t 时刻的值；μ1和μ2、σ1和σ2分块为两个时间序列的平均值和标准差；n为时间序列的长度；
用上述De Kooy风电场风速和IEEE-RTS负荷数据算出ρ=0.1755，表示二者具有正相关性，由此得到风速-负荷二元正态分布函数：
(9)
步骤5：用Monte Carlo法对风速-负荷序列抽样，计算与抽样序列对应的WTG出力和供电能力范围，采用分块算法计算系统的可靠性指标；
5.1：Monte Carlo抽样方法为：
1) 随机产生两个标准正态分布随机数，即ω=(v1, l1)；
T
2) 对风速和负荷的协方差矩阵Ω 进行分解，使得Ω=LL ，得到矩阵L ；
T T T T
3) 利用矩阵L 对ω 进行变换，使ω'=Lω +μω；其中，ω 和μ ω分块为ω 和μω的转置，μω=（μ1, μ2），则ω'即为所求的风速-负荷序列(v, l)；
4) 用抽样得到的所有风速-负荷序列，根据式(5)-(9)求出与之对应的二元正态分布-3
函数f1(v, l)，通过区间积分计算f1(v, l)与式(9)的误差，若e<10 ，则停止抽样，否则重复以上步骤，直到满足误差条件为止；
设抽样次数为M，配电网被分为N 块，则通过抽样可得M 个考虑二者分布情况和相关性的风速-负荷序列；
5.2：分块计算可靠性指标
根据式(1)和(4)，分块计算每个风速-负荷序列(vi, li) (1≤i≤M)对应的WPG出力pi和供电范围，并由式(2)和(3)计算块s(1≤s≤N)的λs和γs，则块s 的年平均停电时间Us如式(10)所示：
(10)
设块s的用户数为Ns，总负荷为Ls，则系统可靠性指标：①SAIFI，即系统平均停电频率，英文全称为：system average interruption frequency；②SAIDI，即系统平均停运持续时间，英文全称为：system average interruption duration index；③ASAI，即平均供电可用率，英文全称为：average service availability index；④ENS，即系统缺电量，英文全称为：energy not supplied，SAIFI、SAIDI、ASAI和ENS可由式(11)-(14)得到：
(11)
(12)
(13)
(14)
步骤6：计算可靠性指标平均值
对所有通过步骤5计算得到的各种可靠性指标求平均值，最终得到含WTG考虑风速-负荷相关性的系统可靠性指标。
由表1可知风电接入前后，两种负荷模型计算的系统ENS指标分块相差25.9622和
25.3635(MW·h/年)。这表明，负荷变化对可靠性影响很大，为保证计算结果的准确性，不能用平均负荷代替负荷曲线。当WTG额定功率为1.0MW并计及系统年度负荷曲线时，风电的接入使系统ENS指标降低3.2254(MW·h/年)，SAIDI指标降低0.0876(h/户)，ASAI指标提高0.00001。这表明：在不考虑风速-负荷相关性时，WTG的接入使系统可靠性有一定程度提高，但效果并不明显。
表2反映了风速-负荷相关性对系统可靠性的影响。考虑相关性前后WTG对系统ENS的贡献(ΔENS)分块为3.2254和9.0311(MW·h/年)，即考虑相关性时ΔENS约为不考虑相关性时的2.8倍。这表明：风速-负荷相关性对可靠性计算结果影响较大。
表3给出在上述计算条件下，ρ分块为0、0.2、0.4、0.6、0.8和1.0时系统的可靠性指标，ΔENS随相关系数ρ的增大而显著增加，当 ρ=1时，ΔENS最大。这表明：风速-负荷相关性对系统可靠性指标影响较大。
表4给出WTG额定出力分别为1.0、1.5和2.0 MW，考虑风速-负荷相关性时系统的可靠性指标。由表4可知，随WTG额定出力的增加，系统各项可靠性指标均得到改善。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种基于风速分频和权值匹配的RBF超短期风电功率预测方法 | 2020-05-11 | 858 |
| 一种考虑风湍流强度的风机真实功率曲线获取方法 | 2020-05-15 | 377 |
| 基于蚁群算法的地区电网接纳新能源能力评估系统及方法 | 2020-05-13 | 783 |
| 一种基于功率曲线分析的风电机组偏航误差固有偏差辨识及补偿方法 | 2020-05-15 | 546 |
| 风电场集群发电状态的监测方法、装置及存储介质 | 2020-05-15 | 364 |
| 考虑多能需求响应的电热互联网系统调度优化方法 | 2020-05-11 | 980 |
| 微电网中水风光电源容量配置的优化方法 | 2020-05-15 | 781 |
| 风电场运行异常数据检测方法 | 2020-05-14 | 522 |
| 基于新能源集控系统的风机运行状态分析方法 | 2020-05-13 | 562 |
| 一种风力发电机组偏航控制系统及方法 | 2020-05-14 | 871 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
