风光储发电系统的随机生产模拟及电动汽车光伏充电站的可靠性评估

发布时间：2020-04-13 04:52

【摘要】：近年来,随着新能源发电以及电动汽车充放电技术发展越来越快,新能源装机容量以及电动汽车数量也不断增加。新能源发电的间歇性特点以及电动汽车充电的不确定性等给电力系统的可靠性和经济性带来了巨大的挑战。在此背景下,研究新能源发电的可靠性和出力状态以及电动汽车与新能源协调调度运行下的电网可靠性具有重要的理论意义与现实意义。本文首先进行了基于序列运算理论的风光储发电系统随机生产模拟,在算法实施的过程中,同时计及了新能源机组的不确定性以及发电机组的故障情况。考虑到新能源机组的互补特性,运用了聚类运算理论进行风光相关气象指标的分析并辅助随机生产模拟的计算。此外,采用平滑策略进行储能的控制并利用蒙特卡罗方法对储能系统的出力进行建模。仿真算例表明,该算法具有较高的可行性且与蒙特卡罗方法相比具有较高计算效率效率。其次,考虑充电成本,储能系统放电次数等目标条件,以及出力约束、SOC约束,电动汽车功率变化等约束条件,建立了电动汽车光伏充电站的优化调度模型,并采用基于罚函数的粒子群算法进行求解。研究结果表明,充电站的优化调度策略可有效控制充电成本并降低负荷峰谷差,对控制充电站经济成本并维持电力系统稳定运行具有有效作用。最后,以电动汽车光伏充电站的优化调度策略为基础,在考虑了配网故障情况下充电站的响应情况、优化调度策略以及充电站作为电源向故障区域供电的孤岛供电情况后,基于序贯蒙特卡洛模拟方法进行了含电动汽车光伏充电站的配电网可靠性评估。通过算例仿真,分析了电动汽车光伏充电站对配电网的影响以及充电站自身的可靠性。
【图文】：

气象模式,聚类

的气象特征，，将原始数据聚类为１０种气象模式，其中，白天包含６种模式，夜晚逡逑包含４中模式。白天气象数据的特征量包括风速均值、风速方差和太阳辐照度均逡逑值３个。进行聚类分析的结果如图２．３（ａ）所示；夜间气象数据的特征量包括风速均逡逑值、风速方差２个，进行聚类分析的结果如图２．３（ｂ）所示。逡逑在聚类过程中，各特征量均己进行标准化处理。可以看出，通过Ｋ－ｍｅａｎｓ聚逡逑类方法得到的聚类结果可以有效地划分出１０种气象模式，每种气象模式下的气象逡逑数据均具有相似的特征。各个气象模式下的特征量数据及个模式所占比例见表２．１。逡逑：邋＾逡逑？逦－邋／邋？逦＇？逦萨逦Ｖ逡逑．逦■0逦，（令必；‘逡逑ｓ邋；逦？邋Ｉ逡逑ｃ邋０．５－ｉ逦ｉ邋Ｗ逦ｖ逦Ｗ逦？？逦＾逡逑芸逦＞逦ｃ逦＼逡逑ｔ邋°＇：逦ｆ＇Ｏ逦Ｉ邋0？逦、Ｖ逡逑－０邋５，逦４：．．．＇＇．，，，＊逦Ｓ逡逑％逦．逦．：？广对％逦？邋ｂ逡逑Ｗ邋－ｌｉ逦ｇ邋－０．５邋－逦．逦－邋＜－邋ｖ逡逑１逦＼逦？逦？逦？逦＊逦（０逦＾逦＾逦殊逡逑０，５逦Ｓ．邋一．…覆》－逡逑Ｖａｒｉａｎｃｅｏｆ逦．逦－１：逦逦0逦0＇

曲线,可调度,电动汽车

３．５．１可调度电动汽车数量建模逡逑根据对电动汽车出行规律的预测及可调度电动汽车数量建模方法，可得到各逡逑个时刻可调度电动汽车数量。图３．４给出了春季某日电动汽车充放电站内可调度电逡逑动汽车数量随时间变化的曲线。逡逑４００邋，逡逑可邋３５０邋－逡逑２邋３００邋－逡逑度逡逑电邋２５０邋ｎ逡逑动逡逑汽邋２００邋－逡逑｜１５０逡逑１２３４５６７８邋９邋１０１１１２１３邋１４１５邋１６１７１８邋１９邋２０邋２１２２邋２３邋２４逡逑时刻（ｈ）逡逑图３．４可调度电动汽车数量逡逑Ｆｉｇ邋３．４邋Ｔｈｅ邋ｎｕｍｂｅｒ邋ｏｆ邋ｄｉｓｐａｔｃｈａｂｌｅ邋ｅｌｅｃｔｒｉｃ邋ｖｅｈｉｃｌｅｓ逡逑从图中可以看出，在凌晨时段，电动汽车出行需求较少，凌晨ｉ点电动汽车的逡逑可调度数量达到高峰，而随着驶入充电站内电动汽车逐渐减少，驶出电动汽车数逡逑量逐渐增加，站内可调度电动汽车数量逐渐较小。上午可调度电动汽车的数量继逡逑续下降，且由于午间出行需求较大，其下降趋势较凌晨期间更加明显。中午时刻，逡逑可供调度的电动汽车数量达到最低点，随后，由于驶入电动汽车数量增加而驶出逡逑汽车数量减少，站内可调度电动汽车数量逐渐上升且上升趋势较为明显。１９：００以逡逑后
【学位授予单位】：合肥工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TM61;U491.8

【相似文献】