欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024114805809
申请人: 南京邮电大学
专利类型:发明专利
专利状态:已下证
专利领域: 发电、变电或配电
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种考虑源荷不确定性的孤岛式微电网可靠性评估方法,其特征在于,包括如下步骤:S1、建立孤岛式微电网系统的不确定性模型,包括采用故障-修复时序模型模拟微型燃气轮机组的寿命过程,采用正常-缺额-停运时序模型结合风电、光伏预测误差模拟风光不确定性,建立考虑负荷预测误差的负荷不确定性模型,建立考虑储能寿命的储能充放电模型;

其中,采用正常-缺额-停运时序模型结合风电、光伏预测误差模拟风光不确定性,具体为:马尔科夫法是通过转移概率定义的,随机变量从当前时刻到下一个时刻,状态转移到状态的概率为:(3),

式中,表示t时刻的离散型随机变量,为随机变量的状态值,i= 1,2,…;i为某时刻,j为i的下一个时刻;

随机变量取值为的概率为:

(4),

式中,为k时刻随机变量的状态值,表示离散型随机变量取值为的概率;

假设状态数目为n,则:

(5),

风机、光伏的状态转移矩阵表示如下:(6),

(7),

根据不同出力之间的转移率得到各个出力状态的持续时间,即:(8);

将新能源发电系统即风电、光伏分为运行、缺额及停运三个状态;

状态1即正常运行r:此状态下新能源机组内部无故障部件,新能源发电系统在计划方式下运行;

状态2即缺额d:新能源系统中某些约束无法满足条件,经调整后,按原计划的一定比例出力运行;

状态3即停运s:此状态下由于系统内部元件的故障,会有暂时性的停机;

假设新能源机组初始状态为,经过单位时间的新能源机组状态表示为:(9),

经过m个单位时间后新能源机组的状态转移表示为:(10);

已知新能源机组的初始状态及其状态转移矩阵得每个时刻其状态分布的稳态值;运行、缺额及停运三个状态概率公式表示为:(11),

式中,为正常运行、缺额及停运状态之间的转移率,其下标代表状态转移的方向;为运行、缺额及停运状态下的概率;

停留在正常运行、缺额及停运的平均持续时间为:(12),

式中,为正常运行、缺额及停运的持续时间;

新能源出力预测误差用零均值的正态分布来描述,新能源出力预测误差与预测值的关系式如下:(13),

(14),

式中,和分别为时段新能源出力的实际值和预测值;为新能源出力预测误差;表示光伏出力预测误差的标准差;

最后得到计及新能源发电系统运行状态的功率输出的表达式为:(15),

其中:

(16),

式中,为新能源机组状态函数;分别为新能源机组正常运行、缺额及停运三个状态序列;

S2、采用霜冰优化算法RIME优化的由卷积神经网络CNN、双向长短期记忆网络BILSTM和多头注意力机制MATT组成的CNN - BILSTM -MATT混合模型,对风光、负荷进行预测;

S3、利用自适应带宽核密度估计ABKDE计算出预测误差的概率密度函数,结合CNN-BILSTM-MATT混合模型和误差的概率统计值进行风光功率的区间预测;

S4、利用蒙特卡洛抽样,在风光预测区间内抽样风光出力,结合风光正常-缺额-停运时序模型,得到此时模拟风光的实际功率;

S5、根据S1中建立的微电网不确定性模型得到微型燃气轮机组和储能运行状态,再结合电力负荷预测数据及模拟风光的实际功率,计算可靠性指标失负荷概率和电力不足期望值,通过所计算的可靠性指标对微电网进行可靠性评估。

2.根据权利要求1所述的一种考虑源荷不确定性的孤岛式微电网可靠性评估方法,其特征在于,S1中,采用故障-修复时序模型模拟微型燃气轮机组的寿命过程,具体为:微型燃气轮机组的发电模型用两状态马尔科夫模型来表示,发电机的故障率和修复率分别用和表示,微型燃气轮机的无故障工作时间和故障修复时间分别为:(1),

(2),

式中,和为区间[0, 1]上均匀分布的随机变量;为微型燃气轮机i的故障率,为微型燃气轮机i的修复率。

3.根据权利要求1所述的一种考虑源荷不确定性的孤岛式微电网可靠性评估方法,其特征在于,S1中,建立考虑负荷预测误差的负荷不确定性模型,具体为:负荷预测误差服从零均值的正态分布,建立负荷预测误差与预测值的关系式为:(17),

(18),

式中,和分别为时段系统负荷的实际值和预测值;为负荷预测误差;表示负荷预测误差的标准差;为表征预测工具精度的比例系数。

4.根据权利要求1所述的一种考虑源荷不确定性的孤岛式微电网可靠性评估方法,其特征在于,S1中,建立考虑储能寿命的储能充放电模型,所述储能充放电模型中,储能充电过程为:(19),

放电过程为:

(20),

式中,和分别为时刻储能ESS的功率和储存能量;和分别为时刻储能ESS的最大充、放电功率;和分别为储能ESS储存能量的上、下限;

蓄电池寿命模型为:

(21),

式中,为蓄电池实际放电深度,为额定放电深度;、分别为对应额定放电深度和实际放电深度下的循环次数;

根据等效循环寿命法,将实际循环次数折算至额定循环次数如下式:(22),

式中,为折算后的等效循环次数;

则蓄电池运行寿命的估算结果为:

(23),

式中,为蓄电池运行寿命的估算结果,N为蓄电池一年内的研究时段数。

5.根据权利要求1所述的一种考虑源荷不确定性的孤岛式微电网可靠性评估方法,其特征在于,S2中,构建CNN -BILSTM -MATT混合模型具体为:CNN模型由多个卷积层、激活函数、池化层和全连接层组成,通过反向传播算法进行训练;在训练过程中,CNN通过调整权重参数来最小化损失函数;

卷积计算方法:

(24),

式中,为卷积操作;为卷积计算的序列;为卷积核的权重;表示偏移量;为激活函数;

BILSTM通过在时间维度上同时运行两个LSTM模型,一个从前向后即正向,另一个从后向前即反向来处理序列数据;

所述LSTM模型包括遗忘门、输入门和输出门,LSTM模型当前状态与上一时刻状态关系为:(25),

式中,为sigmod激活函数;tanh为双曲正切激活函数;为时刻的输入;为时刻的隐藏状态;、、 、为LSTM的权重矩阵;、 、、为 LSTM 的偏置量;、、、为分别为时刻下遗忘门限、输入门限、输出门限、状态矩阵;

对于BILSTM模型:

(26),

式中,为时刻前向隐藏层状态;为时刻后向隐藏层状态; 、 分别为权重矩阵和偏置项;为时刻的输出;

BILSTM模型训练过程中,引入多头注意力机制作为BILSTM的补充;将BILSTM输出的向量通过3次不同的映射操作分别转换成3个维度均为的输入矩阵:查询Q、键K和值V,其注意力输出矩阵为:(27),

式中,为各键的特征维度,用于权重缩放,经softmax归一化至[0,1]区间;

多头注意力机制将时间序列分为个子空间,每个头对子空间进行自注意力计算;然后,将个头的结果进行拼接和集成,得到多个head,将每个head进行拼接,通过线性变换得到最终结果:(28),

式中,、、分别表示 、、的权重矩阵;

(29),

式中, 表示线性变换的权重;表示多头注意力模块中的第个头;代表拼接操作;为最后输出结果,能够从不同空间中学习到更多的特征信息。

6.根据权利要求5所述的一种考虑源荷不确定性的孤岛式微电网可靠性评估方法,其特征在于,采用RIME算法对CNN -BILSTM -MATT混合模型进行优化,具体为:S2-1、初始化霜冰种群和参数,参数包括神经网络的层数、神经元数量和学习率;

S2-2、实施软霜冰搜索策略,计算出每个软霜冰粒子所在的位置;

软霜冰粒子计算公式为:

(30),

各参数表述为:

(31),

(32),

(33),

式中,是更新后粒子的新位置;表示第个霜冰智能体的第个粒子;为霜冰种群中最佳霜冰智能体的第个粒子;是(-1,1)范围内的随机数;为霜冰运动方向与水平方向的夹角;与一起控制粒子运动的方向将随着迭代次数的变化而变化;为另一个随机系数,为搜索过程提供随机性;是附着系数;和分别代表第维参数的上界和下界;为环境因子;为粘附度;表示四舍五入;为控制阶梯函数的分段数量;为当前迭代次数;为算法的最大迭代次数;

S2-3、实施硬霜冰穿刺机制,使算法的霜冰粒子进行交换,对新的搜索位置进行边界吸收,确保搜索位置不会超出问题描述的搜索空间;

硬霜冰穿刺机制中粒子间的交换公式为:(34),

式中,是(-1,1)范围内的随机数;表示当前智能体适应度值的归一化值,表示第个霜冰智能体被选择的机会;代表第个解或状态的集合或向量;

S2-4、实施正向贪婪选择机制,将更新后的霜冰粒子位置适应度值与更新前的进行比较,其中适应度值为一个衡量解的优劣的指标;如果更新后的适应度值优于更新前的值,则发生替换,从而得到了霜冰粒子最优位置即全局最优解;若种群迭代次数达到最大或适应度值小于误差限,则停止迭代并输出最优解,否则继续进行迭代。

7.根据权利要求1所述的一种考虑源荷不确定性的孤岛式微电网可靠性评估方法,其特征在于,S3具体为:对于一组n个独立分布的功率预测误差数据,其对应的概率密度函数如下式:(35),

式中,表示概率密度函数;为功率预测误差样本个数;为窗口带宽;表示核密度估计使用的核函数;为概率密度函数的自变量;

基于核密度估计的功率预测概率密度函数计算公式为:(36),

为了定量化实现最优带宽计算,使用平均积分平方误差MISE指标,MISE 表达式为:(37),

式中,为预测误差估计值;为预测误差实际值;为求均值函数;

通过带宽修正函数来对固定带宽核密度估计的相关参数做修正处理得到自适应带宽的核密度估计方法,计算公式为:(38),

(39),

式中,为自适应带宽下的误差概率密度函数;为带宽的自适应修订系数;为敏感性参数,取0~1;表示带宽为的核密度估计函数,表示预测误差样本的总个数。

8.根据权利要求1所述的一种考虑源荷不确定性的孤岛式微电网可靠性评估方法,其特征在于,S4中,利用蒙特卡洛抽样,在风光预测区间内抽样风光出力,表达式为:(40),

式中,为该时刻的模拟抽样功率;与为时刻所覆盖功率区间的下限和上限;为均匀分布产生随机数(0-1);

将抽样所得功率结合风光出力状态,得到此时模拟风光的实际功率,其式为:(41),

式中,为模拟考虑风光发电机组状态的实际功率。

9.根据权利要求1所述的一种考虑源荷不确定性的孤岛式微电网可靠性评估方法,其特征在于,S5中,结合电力负荷预测数据、常规发电机和储能状态,计算微电网可靠性指标,具体为:S5-1、数据初始化,形成8760h的负荷等级水平并确定全时序仿真时长;

S5-2、使用蒙特卡洛对预测区间内的功率进行抽样,结合其运行状态得出考虑风光发电机组状态的模拟功率;

若模拟功率大于负荷需求时,储能充电以存储过剩能量;若其小于负荷需求时,根据马尔科夫法,得出燃气轮机组的正常工作持续时间TTF和故障修复时间TTR,依次排列形成每个燃气轮机组在模拟总时间内的运行状态持续时间序列,由燃气轮机进行功率输出对剩余负荷供电;

当风光与燃气轮机共同出力仍小于负荷需求,储能放电;

若风光、燃气轮机和储能三者出力仍不能满足负荷需求时,则负荷停电,即失负荷;

S5-3、判断总的模拟时间是否大于模拟年数乘以8760个小时;如果是,则执行S5-4,否则跳转到S5-2;

S5-4、计算可靠性指标,所述可靠性的指标包括失负荷概率LOLP和系统电力不足期望值EENS;

其中LOLP计算公式为:

(42),

(43),

式中,为总仿真时长;为时刻负荷的需求功率;为时刻风电、光伏、燃气轮机和储能输出功率的总和;

EENS计算公式为:

(44),

式中,为出现失负荷的状态集合;为系统状态的概率;为在系统状态下的失负荷量。