使用交叉熵的电力系统发输电可靠性评估报告

使用交叉熵的电力系统发输电可靠性评估报告

ID:33317977

大小:852.75 KB

页数:9页

时间:2019-02-24

使用交叉熵的电力系统发输电可靠性评估报告_第1页
使用交叉熵的电力系统发输电可靠性评估报告_第2页
使用交叉熵的电力系统发输电可靠性评估报告_第3页
使用交叉熵的电力系统发输电可靠性评估报告_第4页
使用交叉熵的电力系统发输电可靠性评估报告_第5页
资源描述:

《使用交叉熵的电力系统发输电可靠性评估报告》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、.含多类型新能源发输电系统可靠性评估背景及分析发输电系统可靠性评估的基本目的就是对所谓的发电容量和主输电网的充裕度和安全度作评估。其实质也就是在各种可能的系统状态下,进行发电系统和主输电网对各用户点提供合符质量要求的供电能力的综合性定量评价。近年来对风能、太阳能等可再生能源的开发利用,成为可持续发展的能源战略决策之一。风能与太阳能开发利用的巨大潜力推动着风电场和光伏电站的大规模建设。但风能与太阳能的随机性和间断性特点,使得风电场和光伏电站对电力系统可靠性产生与常规能源不同的影响。因此,研究风电场和光伏电站对电力系统可靠性的

2、影响,对实际电力系统规划具有重要的理论指导意义和实际应用价值。与传统电力系统相比,风电,光伏并网系统后大大增加了系统运行中的不确定性。包含风电和光伏电站的发输电系统可靠性评估,关键在于如何建立风电场,光伏电站可靠性的模型。风电场风速模型的准确建立,对风电场规划与运行有重要的指导意义。同时也是研究含风电场的发输电系统风险评估的基础。目前用于风电场风速随机模拟的方法很多,如图1所示。同时图2对常用的两种方法进行了比较。ARMA时间序列模型对实测历史风速数据进行建模,然后对风电场风速进行预测,不仅能反映风速序列的时序性和自相关性

3、,还可以反映出风电场的未来风速分布特性。因此本文采用ARMA时间序列模型来进行风速预测,得到风速后,代入风电功率输出模型,就能得到风电输出功率。目前光辐射值预测研宄大多停留在短期预测方法,还不能满足电力系统中长期风险评估的要求。常用的预测方法如图3所示。其中HOMER软件为某地区光辐射值的获取提供了方便,该软件由美国可再生能源实验室开发,在离网分布式发电系统配置上有很强的优化功能。图1...图2在软件上通过输入指定地点的经度、纬度即可产生一年中该地点一年8760小时的光辐射值,软件获取的光福射值能较为准确反映当地的实际情况

4、。然后通过光伏功率输出曲线求解光伏功率序列图3发输电系统可靠性评估多采用蒙特卡洛模拟法。MonteCarlo模拟法是将系统中每个元件的概率参数在计算机上用相应的随机数表示,在计算机上模拟系统实际情况,按照对此模拟过程进行若干时间的观察,估算所要求的指标。MC模拟法一般有时序和非时序两种。非时序蒙特卡洛法模拟系统状态,不考虑状态随时间的变化。时序MC模拟法是基于抽样元件状态持续时间的概率分布。在这种方法中,通过抽样,首先模拟按时间顺序的元件状态转移过程,然后合并形成了按时间顺序的系统状态转移过程。...由于风速和光照等具有随

5、机性和随时间连续变化的特点,采用时序蒙特卡罗仿真方法可较为方便地模拟含风电、光伏等新能源的组合系统在运行中的实际问题,重现实际系统运行情况,更好的分析系统可靠性指标。故采用时序蒙特卡罗法,模拟确定包括各类发电机组、输电设备的系统时序状态。即对系统元件进行随机抽样,得到系统各元件的运行状态和持续时间的基础上,在系统约束条件的前提下进行优化调度,模拟系统的时序状态,并计算系统可靠性指标。MC模拟法的主要不足在于计算时间与计算精度的相关性,也即是说为了获得精度较高的可靠性指标,往往需要很长的计算时间。由蒙特卡洛法中的收敛判据知采

6、样次数与方差成正比,因此要提高MC模拟法收敛速度,可以通过减小方差来实现。随机变量一些特定的值对目标值的评估过程有着更加显著的作用,如果这些值能被尽可能多的采到,就能减小估计函数的方差。也就是选择一个最优的概率密度函数进行采样,以达到减小采样方差的目的。交叉熵法就是通过不断循环减小原始概率密度函数与最优概率密度函数之间的距离,从而得到最优概率密度函数或者一个靠近最优概率密度函数的函数。在发输电系统可靠性评估中就是要找到一个系统元件概率参数的最优扭曲,使采样到重要失败事件的概率增加。通过MC得到各元件的状态后,就可以通过最优

7、切负荷潮流模型进行状态估计,并反复模拟,得到可靠性指标。大体的流程图如图4所示图4风电和光伏建模风速预测及出力模型建立时间序列是指按时间顺序排列的随机数据,...时间序列分析就是估算和预测某一时间序列在长期变化过程中存在的统计规律性,如长期变动的趋势、季节性变化规律、周期规律,以此预测今后的发展和变化。风电场每小时风速属于时间序列,风速序列具有时序性和自相关性的特点,同时风速序列的数据大小和顺序表现了风速变化的动态过程,可以从时间序列的过去值及现在值采用ARMA模型来预测未来风速值。为了保证计算的精度,减少舍入的误差,降低

8、白噪声干扰,须对风电场原始风速序列进行标准化处理,根据标准化处理后的风速时间序列建立自回归滑动平均模型ARMA(n,m),最后将标准化处理后的风速时间序列还原成预测风速时间序列。选定模型后,需要进行模型参数估计和模型定阶:确定适当模型阶数,并计算该阶模型的具体参数,最后应用该模型进行风电场风速预测。预测

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。