[發(fā)明專利]一種獨立微電網(wǎng)儲能裕度檢測方法

有效

• 申請?zhí)枺?/td>: 201610019461.2
• 申請日: 2016-01-12
• 公開（公告）號: CN105576699B
• 公開（公告）日: 2018-01-26
• 發(fā)明（設計）人: 劉天琪;胡曉通;何川
• 申請（專利權(quán)）人: 四川大學
• 主分類號: H02J3/38
• 分類號: H02J3/38;H02J3/28;H02J3/00
• 代理公司: 成都信博專利代理有限責任公司51200
• 代理人: 崔建中

1.一種獨立微電網(wǎng)儲能裕度檢測方法，其特征在于，包括以下步驟：

步驟1：確定可靠性評價指標

微電網(wǎng)孤島運行，在電力不足而削減負荷的情況下，其可靠性采用孤島電力不足期望值指標進行描述，即式中，EDNSI為孤島電力不足期望值，C_i為微電網(wǎng)在孤島運行時，第i個場景下的負荷削減量，P_i為第i個場景的概率，n_p代表總的場景數(shù)；在電力過剩而棄風棄光的情況下，其可靠性采用孤島電力過剩而生成的棄風棄光量進行描述，即式中，EPEI為孤島電力過剩期望值，i代表由抽樣產(chǎn)生的場景，D_i為微電網(wǎng)在孤島運行時，第i個場景下的棄風棄光量，n_p代表總的場景數(shù)；若是第i個場景下的發(fā)電量恰好能滿足負荷，則認為第i個場景的負荷削減量C_i和棄風棄光量D_i均為0；

步驟2：建立考慮隨機特性的風、光或負荷模型

各個時刻的風、光或負荷由預測功率和由預測所帶來的誤差的補償兩部分組成，即ν＝d+p，式中，v為考慮預測誤差的風、光或負荷的出力，d為風、光或負荷出力的日前預測值，p為日前功率預測值d的預測誤差補償部分，通過p的變化描述日前預測所帶來的誤差；采用正態(tài)分布N(μ,σ²)對風、光或負荷出力的隨機特性進行描述，即描述產(chǎn)生滿足正態(tài)分布N(μ,σ²)的隨機數(shù)為風、光或負荷的各個時刻的出力v，其中，μ為日前預測值，σ為由于預測誤差所帶來的標準差；

步驟3：輸入風、光或負荷日前預測值及對應的日前預測誤差

步驟4：生成場景

基于拉丁超立方采樣的蒙特卡洛模擬法，分別產(chǎn)生N_s個風、光出力或負荷隨機場景，各場景初始概率均為1/N_s，其中N_s為需要生成的場景總數(shù)；各個風、光或負荷的場景具體生成方法為：分別針對各個時刻，對步驟2中正態(tài)分布進行反函數(shù)變換，生成的符合分布的隨機變量即為該場景該時刻的風、光或負荷的實際出力；

步驟5：評估儲能設備接入前系統(tǒng)的可靠性

針對所述步驟4中產(chǎn)生的各個隨機場景，利用步驟1中所述的可靠性評價指標，即分別利用孤島電力不足期望值指標和孤島電力過剩指標對該場景進行評價，然后將負荷削減量與棄風棄光量相加作為該場景的可靠性評價結(jié)果，計算出儲能設備接入前系統(tǒng)的可靠性評價結(jié)果R₀，記錄初始負荷水平L₀；

步驟6：投入儲能設備，輸入儲能設備荷電狀態(tài)約束和功率約束

步驟7：投入儲能設備后，再次生成場景

投入儲能設備后，再次基于拉丁超立方采樣的蒙特卡洛模擬法，分別產(chǎn)生N_s個風、光出力或負荷隨機場景，各場景初始概率均為1/N_s，其中N_s為需要生成的場景總數(shù)；各個風、光或負荷的場景具體生成方法為：分別針對各個時刻，對步驟2中正態(tài)分布進行反函數(shù)變換，生成的符合分布的隨機變量即為該場景該時刻的風、光或負荷的實際出力；

步驟8：評估儲能設備接入后系統(tǒng)的可靠性

對投入儲能設備后產(chǎn)生的各個隨機場景，利用步驟1中所述的可靠性評價指標，即分別利用孤島電力不足期望值指標和孤島電力過剩指標對該場景進行評價，然后將負荷削減量與棄風棄光量相加作為該場景的可靠性評價結(jié)果，計算出儲能設備接入后系統(tǒng)的可靠性評價結(jié)果R₁，記錄當前負荷水平L₁；

步驟9：將投入儲能裝置前后的微電網(wǎng)系統(tǒng)孤網(wǎng)運行的可靠性評價結(jié)果作差，即|R₁-R₀|

步驟10：對差值|R₁-R₀|進行判別

若滿足|R₁-R₀|<ε，則根據(jù)步驟5記錄的微電網(wǎng)初始負荷水平L₀和步驟8記錄的微電網(wǎng)當前負荷水平L₁，利用公式|L₁-L₀|/L₀計算微電網(wǎng)的儲能裕度；若不滿足|R₁-R₀|<ε，利用弦割法求解新的負荷水平并調(diào)整投入儲能設備后微電網(wǎng)的負荷水平L₁，再對|R₁-R₀|進行判別，直到|R₁-R₀|<ε，計算出微電網(wǎng)的儲能裕度|L₁-L₀|/L₀。