含风储并网的电力系统可靠性评估方法研究

电力系统可靠性研究是电力系统并网规划及保障电力系统安全稳定性的重要组成部分,同时,可再生能源综合电力系统的研究也是现阶段的研究热点。但由于风电这类可再生能源通常具有间歇性及不确定性,会影响并网安全。如果能研究可再生能源的不确定特性对电力系统安全稳定的影响,将可再生能源高效的结合到电力系统中,从而提高运行的可靠性,使调度人员更好的进行电网规划。因此本文主要对风电及储能并网对电网可靠性造成的影响进行了研究与讨论。本文概述了当前阶段可再生能源的发展情况和趋势,指出了研究含可再生能源并网的电力系统可靠性的工程价值。再结合风电的不确定性及储能平抑风电波动的特性,详细介绍了如今国内外风电及储能并网可靠性研究的价值、方法及其亟待改进之处。首先对于风电不确定性,我们建立了一种基于灰狼优化算法（GWO）优化权值的隐马尔可夫链（HMM）风功率区间预测方法。首先对数据进行预处理,构建HMM模型,使用处理后的数据带入模型进行训练,使用HMM模型能够融合模型信息,充分利用样本的先验知识,并集合概率信息推理知识,使风电功率预测的精度更高。然后使用灰狼优化算法优化输出权重,在给定的置信水平下得到预测功率区间并求取预测评价指标,通过与粒子群优化方法的仿真对比,表明本文所用模型可以得到更准确、预测质量更高的区间预测结果。进一步的,我们考虑了风电这类可再生能源的不确定性,即在GWO-HMM风电区间预测模型的基础上,提出了基于风电不确定性的电力系统可靠性评估方法。首先采用基于GWO优化HMM模型的功率预测方法对风电功率的不确定性进行研究。然后我们在IEEERTS-79可靠性系统平台上,采用基于拉丁超立方抽样理论的蒙特卡罗法（MCLHS）对上述考虑风电不确定性的电力系统进行可靠性研究。与传统的评估方法比较,拉丁超立方抽样利用了分层抽样的特点,使样本分布更均匀,具有更高的抽样覆盖度和更强的适应性,最后通过与不同方法的仿真验证对比表明了本文方法的优越性。最后,基于风电的不确定性同时考虑储能的不确定性,即考虑储能在运行过程中由于故障可能会引发的不同种损耗功率误差,提出了一种基于风电功率不确定性及储能故障不确定性的可靠性评估方法。首先在风电GWO-HMM区间预测模型的基础上,采用神经网络理论对储能故障进行分析归类,考虑储能不同程度的故障对风电及储能协调并网功率的影响。然后采用拉丁超立方抽样理论对考虑风电及储能不确定性的电力系统后进行可靠性评估。最后通过与原系统及风电场并网系统进行可靠性指标对比,表明了本章方法的优越性及工程价值。