[发明专利]基于控制变量抽样的大规模风电场可靠性评估方法

说明书

技术领域

本发明涉及一种含大规模风电场可靠性评估技术，属于风力发电的可靠性领域，特别涉及一种基于控制变量抽样的大规模风电场可靠性评估方法，该大规模风电场可靠性评估方法是一种发电系统可靠性指标的评测方法。

背景技术

近年来，由于风力发电技术的日益完善，发电成本的进一步降低，风电成为最具竞争力、发展最快的一种新能源，并逐步向大容量、大规模方向迈进。然而，由于风力发电具有随机性和间歇性的特点，大规模风电并网会增加电力系统可靠性的不确定性，此背景下有效评估含大规模风电场电力系统可靠性是亟待解决的问题。

含大规模风电的电力系统的可靠性评估方法可分为解析法和模拟法。其中，解析法在系统规模较大时，可能会出现“维数灾”的计算难题。一种可行的方法是，将风电场建模成一个类似于多降额状态的常规机组，形成系统停运容量概率表来分析系统可靠性。该方法在系统规模较大时仍能有效评估。以蒙特卡洛法为代表的模拟法在风电场的可靠性评估中的应用较为广泛。然而由于蒙特卡洛(Monte Carlo，MC)方法计算精度和计算时间的矛盾，要取得令人满意的计算精度，往往耗费大量的计算时间。通过方差减小技术可以加快蒙特卡洛模拟的收敛速度，提高计算效率。目前常用的方差减小方法有控制变量法(Control Variable，CV)、等分散抽样法(Average and Scattered Sampling，SS)、重要抽样法(Importance Sampling，IS)和对偶变数法(Antithetic Variable，AV)等。文献(丁明，李生虎.可靠性计算中加快蒙特卡罗仿真收敛速度的方法[J].电力系统自动化，2000，24(12)：16-19.)采用控制变量法评估组合系统可靠性，节省计算时间减少蒙特卡洛法的40％以上，并从系统和节点两个方面验证了算法抽样的高效性。文献(何国锋，谭震宇.采用等分散抽样法的电力系统概率仿真[J].电力自动化设备，2004，24(7)：57-59，64.)用等分散抽样法进行电力系统概率仿真，结果表明该方法可以在保证结果可信度的同时，能大幅度减少抽样次数，使可靠性指标快速收敛且不存在实用的制约条件。目前，关于风电场可靠性的控制变量抽样，尚未见到相关报道。

发明内容

本发明的目的在于克服现有技术中的含大规模风电场发电系统的可靠性建模难、评估效率低，以及蒙特卡洛方法抽样容量大、效率低的问题，提供一种基于控制变量抽样的大规模风电场可靠性评估方法，该大规模风电场可靠性评估方法是一种基于控制变量抽样的快速收敛方法。

本发明的目的通过下述技术方案实现：一种基于控制变量抽样的大规模风电场可靠性评估方法，包括：采用控制变量法对含大规模风电场的发电系统进行抽样，采集发电系统的原始数据，用K-means方法建立新负荷模型，以常规机组抽样的可靠性指标作为控制变量构造的新状态函数，用解析法计算常规机组的可靠性指标。依次对常规机组和风电机组循环抽样并分别计算可靠性指标，可根据新状态函数计算此次抽样的系统可靠性指标。多次循环抽样，可统计计算系统最终可靠性指标。

基于控制变量抽样的大规模风电场可靠性评估方法，集发电系统的原始数据；用K-means方法建立新负荷模型；以常规机组抽样的可靠性指标作为控制变量构造的新状态函数；用解析法计算常规机组的可靠性指标。依次对常规机组和风电机组循环抽样并分别计算常规机组和所有机组的可靠性指标，根据新状态函数计算此次抽样的系统可靠性指标；多次循环抽样，统计计算系统最终可靠性指标。系统评估流程如图1所示。具体包括以下步骤：

步骤1：采集系统的原始数据：系统常规机组的机组数目、机组出力和故障率，系统负荷数据；风电机组数目、额定出力和故障率以及风电机组的切入、切出和额定功率风速。威布尔分布的尺度参数c和形状参数k；系统计算的收敛判据。

步骤2：用K-means方法建立新的负荷模型，如图2所示，

(1)设定IEEE-RTS79标准系统的8760个负荷点转换为NL＝20个负荷等级；

(2)预置聚类均值的初值M_i，i代表第i个聚类(i＝1,2,…,NL)；

(3)计算负荷点L_k(k＝1,2,…,NL)到聚类均值M_i的距离D_ki；

D_ki＝|M_i-L_k|，  (1)

(4)将负荷点分配到最近的聚类中，计算新的聚类均值M_i；