[发明专利]一种独立微电网储能裕度检测方法

摘要

本发明公开了一种独立微电网储能裕度检测方法，基于拉丁超立方采样场景生成和基于概率距离的场景削减技术，建立风电、光伏出力与负荷的随机模型；建立以孤岛电力不足期望值和孤岛电力过剩期望值为可靠性评价指标，建立基于场景生成和削减技术、蓄电池充放电优化技术和弦截法相结合的微电网储能裕度检测模型；在考虑微源和负荷随机特性的基础上，在维持系统可靠性不变的条件下，由于储能设备的引入，新增的负荷承载能力与系统原始负荷的比值，对微电网储能裕度进行检测或计算微电网要达到某一储能裕度时，所需的储能设备的最小容量。本发明实现了对含储能设备的微电网储能裕度进行量化，对于含储能设备的微电网优化运行具有指导意义。

主权项

一种独立微电网储能裕度检测方法，其特征在于，包括以下步骤：步骤1：确定可靠性评价指标微电网孤岛运行，在电力不足而削减负荷的情况下，其可靠性采用孤岛电力不足期望值指标进行描述，即式中，EDNSI为孤岛电力不足期望值，Ci为微电网在孤岛运行时，第i个场景下的负荷削减量，Pi为第i个场景的概率，np代表总的场景数；在电力过剩而弃风弃光的情况下，其可靠性采用孤岛电力过剩而生成的弃风弃光量进行描述，即式中，EPEI为孤岛电力过剩期望值，i代表由抽样产生的场景，Di为微电网在孤岛运行时，第i个场景下的弃风弃光量，np代表总的场景数；若是第i个场景下的发电量恰好能满足负荷，则认为第i个场景的负荷削减量Ci和弃风弃光量Di均为0；步骤2：建立考虑随机特性的风、光或负荷模型各个时刻的风、光或负荷由预测功率和由预测所带来的误差的补偿两部分组成，即ν＝d+p，式中，v为考虑预测误差的风、光或负荷的出力，d为风、光或负荷出力的日前预测值，p为日前功率预测值d的预测误差补偿部分，通过p的变化描述日前预测所带来的误差；采用正态分布N(μ,σ2)对风、光或负荷出力的随机特性进行描述，即描述产生满足正态分布N(μ,σ2)的随机数为风、光或负荷的各个时刻的出力v，其中，μ为日前预测值，σ为由于预测误差所带来的标准差；步骤3：输入风、光或负荷日前预测值及对应的日前预测误差步骤4：生成场景基于拉丁超立方采样的蒙特卡洛模拟法，分别产生Ns个风、光出力或负荷随机场景，各场景初始概率均为1/Ns，其中Ns为需要生成的场景总数；各个风、光或负荷的场景具体生成方法为：分别针对各个时刻，对步骤2中正态分布进行反函数变换，生成的符合分布的随机变量即为该场景该时刻的风、光或负荷的实际出力；步骤5：评估储能设备接入前系统的可靠性针对所述步骤4中产生的各个随机场景，利用步骤1中所述的可靠性评价指标，即分别利用孤岛电力不足期望值指标和孤岛电力过剩指标对该场景进行评价，然后将负荷削减量与弃风弃光量相加作为该场景的可靠性评价结果，计算出储能设备接入前系统的可靠性评价结果R0，记录初始负荷水平L0；步骤6：投入储能设备，输入储能设备荷电状态约束和功率约束步骤7：投入储能设备后，再次生成场景投入储能设备后，再次基于拉丁超立方采样的蒙特卡洛模拟法，分别产生Ns个风、光出力或负荷随机场景，各场景初始概率均为1/Ns，其中Ns为需要生成的场景总数；各个风、光或负荷的场景具体生成方法为：分别针对各个时刻，对步骤2中正态分布进行反函数变换，生成的符合分布的随机变量即为该场景该时刻的风、光或负荷的实际出力；步骤8：评估储能设备接入后系统的可靠性对投入储能设备后产生的各个随机场景，利用步骤1中所述的可靠性评价指标，即分别利用孤岛电力不足期望值指标和孤岛电力过剩指标对该场景进行评价，然后将负荷削减量与弃风弃光量相加作为该场景的可靠性评价结果，计算出储能设备接入后系统的可靠性评价结果R1，记录当前负荷水平L1；步骤9：将投入储能装置前后的微电网系统孤网运行的可靠性评价结果作差，即|R1‑R0|步骤10：对差值|R1‑R0|进行判别若满足|R1‑R0|<ε，则根据步骤5记录的微电网初始负荷水平L0和步骤8记录的微电网当前负荷水平L1，利用公式|L1‑L0|/L0计算微电网的储能裕度；若不满足|R1‑R0|<ε，利用弦割法求解新的负荷水平并调整投入储能设备后微电网的负荷水平L1，再对|R1‑R0|进行判别，直到|R1‑R0|<ε，计算出微电网的储能裕度|L1‑L0|/L0。