一种考虑风电接入的大电网可靠性分析方法及系统与流程

1.发明属于电力系统可靠性评估技术领域，尤其涉及一种考虑风电接入的大电网可靠性分析方法及系统。


背景技术：

2.电力系统正逐渐发展成为超大规模的复杂系统，具有容量上超大规模、空间上广域分布、扰动传播范围大等特征，在此情况下，进行大电网的可靠性分析，对实现电力系统的稳定运行与控制具有重要意义。
3.我国拥有富足的风力资源，在我国大力发展新能源的技术背景下，风电已经接入电网并投入使用，目前风电机组单机容量和风电场规模仍在不断增大。
4.目前，大电网可靠性分析的方法针对的都是未接入新能源电场的电网，若沿用现有的可靠性分析方法对接入风电的大电网进行可靠性分析，则存在以下技术缺陷：风能具有随机性和波动性的特点，所以这就导致风电机组同样具有随机性和波动性的特点，现有的可靠性分析方法并没有考虑风能的接入情况，这就意味着现有的可靠性分析方法没考虑风电的随机性和波动性。所以，利用现有的可靠性分析方法对接入风电的大电网进行可靠性分析所得到的结果并不准确、可靠。错误的大电网可靠性分析结果会降低电力系统的安全性能以及长期效益。


技术实现要素：

5.为了解决或者改善上述问题，本发明提供了一种考虑风电接入的大电网可靠性分析方法及系统，具体技术方案如下：
6.本发明提供了一种考虑风电接入的大电网可靠性分析方法，所述方法包括：s1：根据大电网未接入风电时的历史数据建立大电网参数数据集；s2：基于所述大电网参数数据集，利用序贯蒙特卡洛模拟法，得到大电网运行状态，对所述大电网运行状态进行分析，由此计算出第一可靠性指标；s3：建立风速时序模型；s4：基于所述风速时序模型建立风电机组出力模型，利用所述风电机组出力模型建立包含风电场的大电网参数数据集；s5：基于所述包含风电场的大电网参数数据集，利用序贯蒙特卡洛模拟法，得到包含风电场的大电网运行状态；s6：对所述包含风电场的大电网运行状态进行分析，得到包含风电场的大电网运行状态的分析结果，所述分析结果包括：包含风电场的大电网当中所有元件的负荷削减总量以及负荷削减的总次数；s7：基于所述包含风电场的大电网运行状态的分析结果，结合所述包含风电场的大电网参数数据集，计算出第二可靠性指标；s8：将第一可靠性指标与第二可靠性指标进行对比，得到包含风电场的大电网可靠性评估结果。
7.优选的，所述步骤s3中，建立风速时序模型，包括如下步骤：s301：获取原始风速数据，并对原始风速数据进行预处理，相应公式为：其中，v
t
是原始风速，μ
t
为原始数据的平均风速，σ
t
为原始数据的标准差；s302：基于arma模型以及完成预处理的风速数
据，构建出表征风速的风速时序模型：其中，yt为时刻t的风速序列值；φi(i＝1,2,
…
,n)和θj(j＝1,2,
…
,m)代表自回归与滑动平均的系数，{α
t
}是一个均值为零、方差为的正态白噪声序列，有
8.优选的，所述步骤s4中，基于所述风速时序模型建立风电机组出力模型，包括如下步骤：s401：在t时刻对所述表征风速的风速时序模型进行求解，得到模拟风速v
t
：v
t
＝μ
t
+δ
tyt
，其中，μ
t
为平均风速，y
t
为时间序列，δ
t
为标准差；s402：基于模拟风速v
t
，建立风电机组出力模型，如下：
[0009][0010]
其中，v
ci
为切入风速，v
co
为切出风速，vr为额定风速，pr为额定输出功率。
[0011]
优选的，所述步骤s5中，基于所述包含风电场的大电网参数数据集，利用序贯蒙特卡洛模拟法，得到包含风电场的大电网运行状态，包括如下步骤：所述包含风电场的大电网参数数据集包括：风力发电机的故障率λ以及修复率μ；s501：基于所述故障率λ建立风电机组正常状态运行模型，基于所述故障率μ建立风电机组故障状态运行模型；s502：基于所述风电机组正常状态运行模型以及故障状态运行模型进行多次抽样，得到包含风电场的大电网运行状态。
[0012]
优选的，所述步骤s501中，建立风电机组正常状态运行模型以及故障状态运行模型，包括：基于所述故障率λ，建立风电机组正常状态运行模型：其中，tj为该元件正常工作持续时间，λj为第j个风力发电机的故障率，uj是对应于第j个风力发电机在[0,1]间均匀分布的随机数；基于所述修复率μ，建立风电机组故障状态运行模型：其中，tj为该元件故障持续时间，μj为第j个风力发电机的修复率，uj是对应于第j个风力发电机在[0,1]间均匀分布的随机数。
[0013]
优选的，所述步骤s6中，得到包含风电场的大电网当中所有元件的负荷削减总量，包括如下步骤：对所述包含风电场的大电网运行状态进行分析，得到包含风电场的大电网当中所有元件的负荷削减总量，计算公式为：
[0014]
∑p
gi
+∑p
wi
＝p
l-pd，其中，pd为切负荷功率，p
gi
为第i台常规机组输出功率，p
wi
为第i台风电机组输出功率、p
l
为负荷功率。
[0015]
优选的，所述步骤s7中，计算出第二可靠性指标，包括：所述第二可靠性指标包括：给定时间区间内系统不能满足负荷需求的概率lolp，给定时间区间内负荷需求电量削减期望数eens以及给定时间区间内系统不能满足负荷需求的次数lolf；。
[0016]
计算给定时间区间内系统不能满足负荷需求的概率lolp，对应公式为：其中，n为总的抽样年数，d(x
ij
)表示系统状态xj的持续
时间，h(x
ij
)为失负荷概率的指示函数；
[0017][0018]
其中，ω
success
为正常状态空间集合，ω
failure
为故障状态空间集合。
[0019]
计算在给定时间区间内负荷需求电量削减期望数eens：
[0020][0021]
其中，δp(x
ij
)表示系统状态x
ij
故障时的负荷削减量，h(x
ij
)为失负荷概率的指示函数，d(x
ij
)表示系统状态xj的持续时间。
[0022]
计算给定时间区间内系统不能满足负荷需求的次数lolf：
[0023][0024]
其中，lloi指第i个抽样年发生负荷削减的次数，单位：次/年。
[0025]
优选的，所述步骤1中，基于所述大电网参数数据集，利用序贯蒙特卡洛模拟法，得到大电网运行状态，包括：所述大电网参数数据集包括：发电机的故障率λ’以及修复率μ’；基于所述故障率λ’建立风电机组正常状态运行模型，基于所述故障率μ’建立风电机组故障状态运行模型；基于所述风电机组正常状态运行模型以及故障状态运行模型进行多次抽样，得到包含风电场的大电网运行状态。
[0026]
优选的，所述步骤1中，第一可靠性指标，包括：给定时间区间内系统不能满足负荷需求的概率lolp，给定时间区间内负荷需求电量削减期望数eens以及给定时间区间内系统不能满足负荷需求的次数lolf。
[0027]
基于相同的发明构思，本技术提出一种考虑风电接入的大电网可靠性分析系统，包括：第一可靠性指标计算单元，用于计算出第一可靠性指标：根据大电网未接入风电时的历史数据建立大电网参数数据集，基于所述大电网参数数据集，利用序贯蒙特卡洛模拟法，得到大电网运行状态，对所述大电网运行状态进行分析，由此计算出第一可靠性指标；第二可靠性指标计算单元，用于计算出第二可靠性指标：建立风速时序模型，基于所述风速时序模型建立风电机组出力模型，利用所述风电机组出力模型建立包含风电场的大电网参数数据集，基于所述包含风电场的大电网参数数据集，利用序贯蒙特卡洛模拟法，得到包含风电场的大电网运行状态，对所述包含风电场的大电网运行状态进行分析，得到包含风电场的大电网运行状态的分析结果，所述分析结果包括：包含风电场的大电网当中所有元件的负荷削减总量以及负荷削减的总次数，基于所述包含风电场的大电网运行状态的分析结果，结合所述包含风电场的大电网参数数据集，计算出第二可靠性指标；可靠性评估单元，用于评估包含风电场的大电网可靠性：将第一可靠性指标与第二可靠性指标进行对比，得到包含风电场的大电网可靠性评估结果。
[0028]
本发明的有益效果为：本技术提出的可靠性评估方法针对风电场并网对电力系统的可靠性影响，考虑到风能的随机性和波动性，建立了符合风能特性的风电场发电可靠性模型。本技术所提供的方法能够对含有风电场大电网的可靠性进行较为准确的评估，确保电力系统的稳定运行与控制，保证电力系统的安全性能以及长期效益，具备实用意义。
附图说明
[0029]
图1是根据本发明一实施例提供的一种考虑风电接入的大电网可靠性分析方法流程图。
[0030]
图2是根据本发明一实施例提供的一种考虑风电接入的大电网可靠性分析系统原理框图。
具体实施方式
[0031]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0032]
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0033]
还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
[0034]
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0035]
为了解决或者改善现有的技术无法对包含风电场的大电网进行准确的可靠性评估的技术问题，提出如图1所示的一种考虑多源数据的配网灾害预警及风险评估方法，所述包括如下步骤：
[0036]
s1：根据大电网未接入风电时的历史数据建立大电网参数数据集。
[0037]
s2：基于所述大电网参数数据集，利用序贯蒙特卡洛模拟法，得到大电网运行状态，对所述大电网运行状态进行分析，计算出第一可靠性指标。
[0038]
s3：建立风速时序模型。
[0039]
s4：基于所述风速时序模型建立风电机组出力模型，利用所述风电机组出力模型建立包含风电场的大电网参数数据集。
[0040]
s5：基于所述包含风电场的大电网参数数据集，利用序贯蒙特卡洛模拟法，得到包含风电场的大电网运行状态。
[0041]
s6：对所述包含风电场的大电网运行状态进行分析，得到包含风电场的大电网运行状态的分析结果。
[0042]
具体的，所述分析结果包括：包含风电场的大电网当中所有元件的负荷削减总量以及负荷削减的总次数。
[0043]
s7：基于所述包含风电场的大电网运行状态的分析结果，结合所述包含风电场的大电网参数数据集，计算出第二可靠性指标。
[0044]
s8：将第一可靠性指标与第二可靠性指标进行对比，得到包含风电场的大电网可靠性评估结果。
[0045]
在本技术的另一个实施例中，给出了考虑多源数据的配网灾害预警及风险评估方
法实施步骤的不同顺序：
[0046]
s1：建立风速时序模型。
[0047]
s2：基于所述风速时序模型建立风电机组出力模型，利用所述风电机组出力模型建立包含风电场的大电网参数数据集。
[0048]
s3：基于所述包含风电场的大电网参数数据集，利用序贯蒙特卡洛模拟法，得到包含风电场的大电网运行状态。
[0049]
s4：对所述包含风电场的大电网运行状态进行分析，得到包含风电场的大电网运行状态的分析结果。
[0050]
具体的，所述分析结果包括：包含风电场的大电网当中所有元件的负荷削减总量以及负荷削减的总次数。
[0051]
s5：基于所述包含风电场的大电网运行状态的分析结果，结合所述包含风电场的大电网参数数据集，计算出第二可靠性指标。
[0052]
s6：根据大电网未接入风电时的历史数据建立大电网参数数据集。
[0053]
s7：基于所述大电网参数数据集，利用序贯蒙特卡洛模拟法，得到大电网运行状态，对所述大电网运行状态进行分析，计算出第一可靠性指标。
[0054]
s8：将第一可靠性指标与第二可靠性指标进行对比，得到包含风电场的大电网可靠性评估结果。
[0055]
综上，本技术所提供的方法能够对含有风电场大电网的可靠性进行较为准确的评估，确保电力系统的稳定运行与控制，保证电力系统的安全性能以及长期效益，具备实用意义。
[0056]
本技术的一个实施例给出了建立风速时序模型的具体步骤，包括：
[0057]
s301：获取原始风速数据，并对原始风速数据进行预处理，相应公式为：
[0058][0059]
其中，v
t
是原始风速，μ
t
为原始数据的平均风速，σ
t
为原始数据的标准差；
[0060]
s302：基于arma模型以及完成预处理的风速数据，构建出表征风速的风速时序模型：
[0061][0062]
其中，y
t
为时刻t的风速序列值；φi(i＝1,2,
…
,n)和θj(j＝1,2,
…
,m)代表自回归与滑动平均的系数，{α
t
}是一个均值为零、方差为的正态白噪声序列，有
[0063]
本技术的一个实施例给出了基于风速时序模型建立风电机组出力模型的具体步骤，包括：
[0064]
s401：在t时刻对所述表征风速的风速时序模型进行求解，得到模拟风速v
t
：
[0065]vt
＝μ
t
+δ
tyt
[0066]
其中，μ
t
为平均风速，y
t
为时间序列，δ
t
为标准差；
[0067]
s402：基于模拟风速v
t
，建立风电机组出力模型，如下：
[0068][0069]
其中，v
ci
为切入风速，v
co
为切出风速，vr为额定风速，pr为额定输出功率。
[0070]
综上，本技术所提供的方法根据风能的所具备的随机性和波动性的特征，建立了符合风电机组出力模型，是的本技术所提出的方法能够对含有风电场大电网的可靠性进行较为准确的评估，确保电力系统的稳定运行与控制，保证电力系统的安全性能以及长期效益，具备实用意义。
[0071]
本技术的一个实施例给出了得到包含风电场的大电网运行状态的具体步骤，包括：
[0072]
基于所述包含风电场的大电网参数数据集，利用序贯蒙特卡洛模拟法，得到包含风电场的大电网运行状态。所述包含风电场的大电网参数数据集包括：风力发电机的故障率λ以及修复率μ。
[0073]
具体的，所述风力发电机的故障率λ以及修复率μ由所述包含风电场的大电网参数数据集中的运行数据计算得出，所述运行数据包括：包含风电场的大电网元件平均无故障运行时间mttf及平均故障修复时间mttr。根据下式计算得到故障率λ以及修复率μ：
[0074][0075]
式中，λ为元件故障率，单位为次/年；μ为元件修复率，单位为次/年；mttf为包含风电场的大电网元件平均无故障运行时间，mttr为包含风电场的大电网元件平均故障修复时间。
[0076]
s501：基于所述故障率λ建立风电机组正常状态运行模型，基于所述故障率μ建立风电机组故障状态运行模型；
[0077]
s502：基于所述风电机组正常状态运行模型以及故障状态运行模型进行多次抽样，得到包含风电场的大电网运行状态。
[0078]
本技术的一个实施例给出了建立风电机组正常状态运行模型以及故障状态运行模型的具体步骤，包括：
[0079]
基于所述故障率λ，建立风电机组正常状态运行模型：
[0080][0081]
其中，tj为该元件正常工作持续时间，λj为第j个风力发电机的故障率，uj是对应于第j个风力发电机在[0,1]间均匀分布的随机数；
[0082]
基于所述修复率μ，建立风电机组故障状态运行模型：
[0083]
[0084]
其中，tj为该元件故障持续时间，μj为第j个风力发电机的修复率，uj是对应于第j个风力发电机在[0,1]间均匀分布的随机数。
[0085]
本技术的一个实施例给出了得到包含风电场的大电网当中所有元件的负荷削减总量的具体步骤，包括：
[0086]
对所述包含风电场的大电网运行状态进行分析，得到包含风电场的大电网当中所有元件的负荷削减总量，计算公式为：
[0087]
σp
gi
+σp
wi
＝p
l-pd，
[0088]
其中，pd为切负荷功率，p
gi
为第i台常规机组输出功率，p
wi
为第i台风电机组输出功率、p
l
为负荷功率。
[0089]
本技术的一个实施例给出了计算出第二可靠性指标的具体步骤，包括：
[0090]
所述第二可靠性指标包括：给定时间区间内系统不能满足负荷需求的概率lolp，给定时间区间内负荷需求电量削减期望数eens以及给定时间区间内系统不能满足负荷需求的次数lolf；
[0091]
计算给定时间区间内系统不能满足负荷需求的概率lolp，对应公式为：
[0092][0093]
其中，n为总的抽样年数，d(x
ij
)表示系统状态xj的持续时间，h(x
ij
)为失负荷概率的指示函数；
[0094][0095]
其中，ω
success
为正常状态空间集合，ω
failure
为故障状态空间集合；
[0096]
计算在给定时间区间内负荷需求电量削减期望数eens：
[0097][0098]
其中，δp(x
ij
)表示系统状态x
ij
故障时的负荷削减量，h(x
ij
)为失负荷概率的指示函数，d(x
ij
)表示系统状态xj的持续时间；
[0099]
计算给定时间区间内系统不能满足负荷需求的次数lolf’：
[0100][0101]
其中，lloi指第i个抽样年发生负荷削减的次数，单位：次/年。
[0102]
本技术的一个实施例给出了基于所述大电网参数数据集，利用序贯蒙特卡洛模拟法，得到大电网运行状态，对所述大电网运行状态进行分析，由此计算出第一可靠性指标的具体步骤，包括：
[0103]
所述大电网参数数据集包括：发电机的故障率λ’以及修复率μ’。
[0104]
具体的，发电机的故障率λ’以及修复率μ’由所述大电网参数数据集中的运行数据计算得出，所述运行数据包括大电网元件平均无故障运行时间mttf’及平均故障修复时间mttr’，根据下式计算得到所述故障率λ’以及修复率μ’：
[0105][0106]
式中，λ’为元件故障率，单位为次/年；μ’为元件修复率，单位为次/年；mttf’为包含风电场的大电网元件平均无故障运行时间，mttr’为包含风电场的大电网元件平均故障修复时间。
[0107]
s201：基于所述故障率λ’建立风电机组正常状态运行模型，基于所述故障率μ’建立风电机组故障状态运行模型。
[0108]
具体的，基于所述故障率λ’，建立发电机组正常状态运行模型：
[0109][0110]
其中，t
a’j
为该元件正常工作持续时间，λ’j
为第j个发电机的故障率，u’j
是对应于第j个发电机在[0,1]间均匀分布的随机数；
[0111]
基于所述修复率μ’，建立发电机组故障状态运行模型：
[0112][0113]
其中，t
b’j
为该元件故障持续时间，μ’j
为第j个发电机的修复率，u’j
是对应于第j个发电机在[0,1]间均匀分布的随机数。
[0114]
s202：基于所述发电机组正常状态运行模型以及故障状态运行模型进行多次抽样，得到大电网运行状态。
[0115]
s203：对所述大电网运行状态进行分析，得到大电网运行状态的分析结果，所述分析结果包括大电网当中所有元件的负荷削减总量以及负荷削减的总次数。
[0116]
具体的，得到大电网当中所有元件的负荷削减总量的计算公式为：
[0117]
σp'
gi
+σp'
wi
＝p'
l-p'd，
[0118]
其中，p’d
为切负荷功率，p’gi
为第i台常规机组输出功率，p’wi
为第i发电机组输出功率、p’l
为负荷功率。
[0119]
s204：基于所述大电网运行状态的分析结果，结合所述大电网参数数据集，计算出第一可靠性指标。
[0120]
所述第一可靠性指标包括：给定时间区间内系统不能满足负荷需求的概率lolp’，给定时间区间内负荷需求电量削减期望数eens’以及给定时间区间内系统不能满足负荷需求的次数lolf’；
[0121]
计算给定时间区间内系统不能满足负荷需求的概率lolp’，对应公式为：
[0122][0123]
其中，n为总的抽样年数，d’(x
ij
)表示系统状态xj的持续时间，h’(x
ij
)为失负荷概率的指示函数；
[0124][0125]
其中，ω
success
为正常状态空间集合，ω
failure
为故障状态空间集合；
[0126]
计算在给定时间区间内负荷需求电量削减期望数eens’：
[0127][0128]
其中，δp’(x
ij
)表示系统状态x
ij
故障时的负荷削减量，h’(x
ij
)为失负荷概率的指示函数，d’(x
ij
)表示系统状态xj的持续时间；
[0129]
计算给定时间区间内系统不能满足负荷需求的次数lolf’：
[0130][0131]
其中，lloi指第i个抽样年发生负荷削减的次数，单位：次/年。
[0132]
本技术的一个实施例给出了将第一可靠性指标与第二可靠性指标进行对比，得到包含风电场的大电网可靠性评估结果的具体步骤，包括：
[0133]
分别将第一可靠性指标中的所述lolp’与第二可靠性指标中的所述lolp相比较；第一可靠性指标中的所述eens’与第二可靠性指标中的所述eens相比较；以及第一可靠性指标中的所述lolf’与第二可靠性指标中的所述lolf相比较。
[0134]
当所有第二可靠性指标均小于第一可靠性指标时，评估结果:包含风电场的大电网可靠性更强，即大电网接入风电场后可靠性提高。
[0135]
当存在任一第二可靠性指标大于第一可靠性指标时，评估结果：包含风电场的大电网可靠性减弱，即大电网接入风电场后可靠性降低。
[0136]
本技术基于相同的发明构思，提出了一种考虑风电接入的大电网可靠性分析系统。图2是根据本发明一实施例提供的一种考虑风电接入的大电网可靠性分析系统原理框图，该系统包括：
[0137]
第一可靠性指标计算单元，用于计算出第一可靠性指标：根据大电网未接入风电时的历史数据建立大电网参数数据集，基于所述大电网参数数据集，利用序贯蒙特卡洛模拟法，得到大电网运行状态，对所述大电网运行状态进行分析，由此计算出第一可靠性指标；
[0138]
第二可靠性指标计算单元，用于计算出第二可靠性指标：建立风速时序模型，基于所述风速时序模型建立风电机组出力模型，利用所述风电机组出力模型建立包含风电场的大电网参数数据集，基于所述包含风电场的大电网参数数据集，利用序贯蒙特卡洛模拟法，得到包含风电场的大电网运行状态，对所述包含风电场的大电网运行状态进行分析，得到包含风电场的大电网运行状态的分析结果，所述分析结果包括：包含风电场的大电网当中所有元件的负荷削减总量以及统计负荷削减的次数，基于所述包含风电场的大电网运行状态的分析结果，结合所述包含风电场的大电网参数数据集，计算出第二可靠性指标；
[0139]
可靠性评估单元，用于评估包含风电场的大电网可靠性：将第一可靠性指标与第二可靠性指标进行对比，得到包含风电场的大电网可靠性评估结果。
[0140]
综上所述，本技术所提供的方法能够对含有风电场大电网的可靠性进行较为准确
的评估，确保电力系统的稳定运行与控制，保证电力系统的安全性能以及长期效益，具备实用意义。
[0141]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0142]
在本技术所提供的实施例中，应该理解到，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元可结合为一个单元，一个单元可拆分为多个单元，或一些特征可以忽略等。
[0143]
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

技术特征：
1.一种考虑风电接入的大电网可靠性分析方法，其特征在于，包括：s1：根据大电网未接入风电时的历史数据建立大电网参数数据集；s2：基于所述大电网参数数据集，利用序贯蒙特卡洛模拟法，得到大电网运行状态，对所述大电网运行状态进行分析，由此计算出第一可靠性指标；s3：建立风速时序模型；s4：基于所述风速时序模型建立风电机组出力模型，利用所述风电机组出力模型建立包含风电场的大电网参数数据集；s5：基于所述包含风电场的大电网参数数据集，利用序贯蒙特卡洛模拟法，得到包含风电场的大电网运行状态；s6：对所述包含风电场的大电网运行状态进行分析，得到包含风电场的大电网运行状态的分析结果，所述分析结果包括：包含风电场的大电网当中所有元件的负荷削减总量以及负荷削减的总次数；s7：基于所述包含风电场的大电网运行状态的分析结果，结合所述包含风电场的大电网参数数据集，计算出第二可靠性指标；s8：将第一可靠性指标与第二可靠性指标进行对比，得到包含风电场的大电网可靠性评估结果。2.根据权利要求1所述的一种考虑风电接入的大电网可靠性分析方法，其特征在于所述步骤s3中，建立风速时序模型，包括如下步骤：s301：获取原始风速数据，并对原始风速数据进行预处理，相应公式为：其中，v
t
是原始风速，μ
t
为原始数据的平均风速，σ
t
为原始数据的标准差；s302：基于arma模型以及完成预处理的风速数据，构建出表征风速的风速时序模型：其中，y
t
为时刻t的风速序列值；φ
i
(i＝1,2,
…
,n)和θ
j(
j＝1,2,
…
,m)代表自回归与滑动平均的系数，{α
t
}是一个均值为零、方差为的正态白噪声序列，有3.根据权利要求2所述的一种考虑风电接入的大电网可靠性分析方法，其特征在于所述步骤s4中，基于所述风速时序模型建立风电机组出力模型，包括如下步骤：s401：在t时刻对所述表征风速的风速时序模型进行求解，得到模拟风速v
t
：v
t
＝μ
t
+δ
t
y
t
其中，μ
t
为平均风速，y
t
为时间序列，δ
t
为标准差；s402：基于模拟风速v
t
，建立风电机组出力模型，如下：
其中，v
ci
为切入风速，v
co
为切出风速，v
r
为额定风速，p
r
为额定输出功率。4.根据权利要求1所述的一种考虑风电接入的大电网可靠性分析方法，其特征在于所述步骤s5中，基于所述包含风电场的大电网参数数据集，利用序贯蒙特卡洛模拟法，得到包含风电场的大电网运行状态，包括如下步骤：所述包含风电场的大电网参数数据集包括：风力发电机的故障率λ以及修复率μ；s501：基于所述故障率λ建立风电机组正常状态运行模型，基于所述故障率μ建立风电机组故障状态运行模型；s502：基于所述风电机组正常状态运行模型以及故障状态运行模型进行多次抽样，得到包含风电场的大电网运行状态。5.根据权利要求4所述的一种考虑风电接入的大电网可靠性分析方法，其特征在于，所述步骤s501中，建立风电机组正常状态运行模型以及故障状态运行模型，包括：基于所述故障率λ，建立风电机组正常状态运行模型：其中，t
j
为该元件正常工作持续时间，λ
j
为第j个风力发电机的故障率，u
j
是对应于第j个风力发电机在[0,1]间均匀分布的随机数；基于所述修复率μ，建立风电机组故障状态运行模型：其中，t
j
为该元件故障持续时间，μ
j
为第j个风力发电机的修复率，u
j
是对应于第j个风力发电机在[0,1]间均匀分布的随机数。6.根据权利要求1所述的一种考虑风电接入的大电网可靠性分析方法，其特征在于所述步骤s6中，得到包含风电场的大电网当中所有元件的负荷削减总量，包括如下步骤：对所述包含风电场的大电网运行状态进行分析，得到包含风电场的大电网当中所有元件的负荷削减总量，计算公式为：∑p
gi
+σp
wi
＝p
l-p
d
其中，p
d
为切负荷功率，p
gi
为第i台常规机组输出功率，p
wi
为第i台风电机组输出功率、p
l
为负荷功率。7.根据权利要求1所述的一种考虑风电接入的大电网可靠性分析方法，其特征在于所述步骤s7中，计算出第二可靠性指标，包括：所述第二可靠性指标包括：给定时间区间内系统不能满足负荷需求的概率lolp，给定时间区间内负荷需求电量削减期望数eens以及给定时间区间内系统不能满足负荷需求的次数lolf；计算给定时间区间内系统不能满足负荷需求的概率lolp，对应公式为：其中，n为总的抽样年数，d(x
ij
)表示系统状态x
j
的持续时间，h(x
ij
)为失负荷概率的指示函数；
其中，ω
success
为正常状态空间集合，ω
failure
为故障状态空间集合；计算在给定时间区间内负荷需求电量削减期望数eens：其中，δp(x
ij
)表示系统状态x
ij
故障时的负荷削减量，h(x
ij
)为失负荷概率的指示函数，d(x
ij
)表示系统状态x
j
的持续时间；计算给定时间区间内系统不能满足负荷需求的次数lolf：其中，llo
i
指第i个抽样年发生负荷削减的次数，单位：次/年。8.根据权利要求1所述的一种考虑风电接入的大电网可靠性分析方法，其特征在于所述步骤1中，基于所述大电网参数数据集，利用序贯蒙特卡洛模拟法，得到大电网运行状态，包括：所述大电网参数数据集包括：发电机的故障率λ’以及修复率μ’；基于所述故障率λ’建立风电机组正常状态运行模型，基于所述故障率μ’建立风电机组故障状态运行模型；基于所述风电机组正常状态运行模型以及故障状态运行模型进行多次抽样，得到包含风电场的大电网运行状态。9.根据权利要求1所述的一种考虑风电接入的大电网可靠性分析方法，其特征在于所述步骤1中，第一可靠性指标，包括：给定时间区间内系统不能满足负荷需求的概率lolp，给定时间区间内负荷需求电量削减期望数eens以及给定时间区间内系统不能满足负荷需求的次数lolf。10.一种考虑风电接入的大电网可靠性分析系统，其特征在于，包括：第一可靠性指标计算单元，用于计算出第一可靠性指标：根据大电网未接入风电时的历史数据建立大电网参数数据集，基于所述大电网参数数据集，利用序贯蒙特卡洛模拟法，得到大电网运行状态，对所述大电网运行状态进行分析，由此计算出第一可靠性指标；第二可靠性指标计算单元，用于计算出第二可靠性指标：建立风速时序模型，基于所述风速时序模型建立风电机组出力模型，利用所述风电机组出力模型建立包含风电场的大电网参数数据集，基于所述包含风电场的大电网参数数据集，利用序贯蒙特卡洛模拟法，得到包含风电场的大电网运行状态，对所述包含风电场的大电网运行状态进行分析，得到包含风电场的大电网运行状态的分析结果，所述分析结果包括：包含风电场的大电网当中所有元件的负荷削减总量以及负荷削减的总次数，基于所述包含风电场的大电网运行状态的分析结果，结合所述包含风电场的大电网参数数据集，计算出第二可靠性指标；可靠性评估单元，用于评估包含风电场的大电网可靠性：将第一可靠性指标与第二可靠性指标进行对比，得到包含风电场的大电网可靠性评估结果。

技术总结
本发明属于电力系统可靠性评估技术领域，尤其涉及一种考虑风电接入的大电网可靠性分析方法及系统。一种考虑风电接入的大电网可靠性分析方法，其特征在于，包括：对不包含风电场的大电网运行状态进行分析，计算出第一可靠性指标；利用建立风速时序模型、风电机组出力模型建立包含风电场的大电网参数数据集，基于所述数据集利用序贯蒙特卡洛模拟法得到包含风电场的大电网运行状态，分析包含风电场的大电网运行状态，计算出第二可靠性指标；将第一可靠性指标与第二可靠性指标进行对比，得到包含风电场的大电网可靠性评估结果。本申请所提出的可靠性评估方法及系统能够考虑到风能的随机性和波动性，极具实用性。极具实用性。极具实用性。


技术研发人员：吴秋莉 黄维 张炜 刘阳升 韦昌福
受保护的技术使用者：广西电网有限责任公司电力科学研究院
技术研发日：2023.02.24
技术公布日：2023/7/11