技术领域
[0001] 本发明属于虚拟电厂中风电出力模拟技术领域，涉及一种风电出力模拟方法，尤其是一种考虑分布式能源不确定性的风电出力模拟方法。
相关背景技术
[0002] 由于全球对清洁能源的关注，新能源如风能和太阳能等由于其清洁和可再生特性而日益成为电力系统的重要组成部分。但新能源发电有明显的间歇性和不稳定性，给电力系统的调度和稳定运行带来了极大挑战。
[0003] 现有风力发电研究集中于风力发电预测，这些预测基于“风力发电机组设备处于正常运行的状态”的前提假设。但是在实际运行过程中，正常运行的风电机组有潜在损坏的可能性。
[0004] 风电等发电资源是虚拟电厂清洁能源的重要组成部分，其稳定、高效运行对于虚拟电厂的稳定运行具有重大意义。
[0005] 因此，本发明提出一种考虑分布式能源不确定性的风电出力模拟方法，针对分布式风电机组(wind power plant,WP)这种不确定性资源为例，进行虚拟电厂的风电出力情况模拟。
[0006] 经检索，未发现与本发明相同或相似的现有技术的公开文献。
具体实施方式
[0032] 以下结合附图对本发明实施例作进一步详述：
[0033] 一种考虑分布式能源不确定性的风电出力模拟方法，如图1所示，包括以下步骤：
[0034] 步骤1、将风机设备的初始状态设置为正常运行状态，即均未发生异常现象，并获取风机设备的额定功率；
[0035] 步骤2、在步骤1风机设备正常运行的前提下，采用随机函数随机生成365个0‑1之间的数，用该数乘以步骤1中获取的风机设备的额定功率得到365天中风机设备的日出力模拟；
[0036] 步骤3、基于步骤2计算出的正常风机设备的日出力模拟，考虑风机设备本身的随机运行状态，建立不确定性概率模型并输出单个风机设备的随机运行状态；
[0037] 步骤4、基于步骤3中各风机设备的不同随机运行状态，对风机设备进行不同时长的维修时间参数设置；
[0038] 步骤5、输出考虑步骤3的单个风机设备的随机运行状态和步骤4的维修时间参数后，最终获得风机设备在365天的出力模拟情况。
[0039] 所述步骤3的具体步骤包括：
[0040] (1)设置风机设备的潜在损坏状态及其概率参数，状态1为运行正常，概率设置为P(statec＝1)；状态2为部分故障，概率设置为P(statec＝2)；状态3为完全故障，概率设置为P(statec＝3)；
[0041] (2)再用随机函数随机生成0‑1之间的数，若第x个随机数在0.05‑1之间，则风机状态为statec＝1；若第x个随机数在0.01‑0.05之间，则风机状态为statec＝2；若第x个随机数在0‑0.01之间，则风机状态为statec＝3；
[0042] (3)建立风机不确定性概率模型如式(1)：
[0043]
[0044] 式中，statec为接入设备的运行状态参数，1表示风机设备正常运行，2表示风机设备存在故障，3表示风机设备完全故障。UI表示风机设备正常运行的概率，U2表示风机设备存在故障的概率，(1‑U1‑U2)表示风机设备完全故障的概率。P(statec)表示设备处在状态statec的概率，t＝1,2,...,365。
[0045] (4)输出单个风机设备的随机运行状态。
[0046] 所述步骤4的具体步骤包括：
[0047] 设置风机设备的维修时间参数，当状态1时，维修时间为R_time(1)＝0；状态2时，维修时间为R_time(2)＝12；状态3时，维修时间为R_time(3)＝24。机组的维修时间如式(2)所示：
[0048]
[0049] 式中，t＝1,2,...,360，当设备状态statec(t)＝1时，设备正常，无需维修；当设备状态statec(t)＝2时，设备存在故障，需要检修，检修时间为12h；当设备状态statec(t)＝3时，设备报废，需要大修，大修时间为24h。
[0050] 为简便计算，当第M1天设备损坏时，第M1+1天风机设备有12小时因维修而不发电，因此第M1+1天风机设备发电减半；当第M2天设备损坏时，M2+1天风机设备有24小时(全天)因维修而不发电，因此第M2+1天风机设备不发电。
[0051] 虚拟电厂中风机设备的不同状态及相应的维修时间如图2所示，最上面的水平直线表示设备正常运行；呈凹字形的两条线分别表示设备部分故障、完全故障，下凹处越多，代表设备损坏越严重，维修时间越长。
[0052] 下面通过具体算例对本发明作进一步说明：
[0053] (1)将风机设备的初始状态设置为正常运行状态，即均未发生异常现象，本文以额定功率为1500kW的大型风机为例进行计算。
[0054] (2)在步骤1风机设备正常运行的前提下，采用随机函数随机生成365个0‑1之间的数，用该数乘以步骤1中风机设备的额定功率得到：365天中风机设备的日出力模拟，如下表所示：
[0055]
[0056] (3)在步骤1、2计算出正常风机设备的出力模拟后，进一步考虑风机设备本身的随机运行状态。设置风机设备的潜在损坏概率参数，状态1为运行正常，概率设置为P(statec＝1)；状态2为部分故障，概率设置为P(statec＝2)；状态3为完全故障，概率设置为P(statec＝3)。再用随机函数随机生成365个0‑1之间的数，若第x个随机数在0.05‑1之间，则风机状态为statec＝1；若第x个随机数在0.01‑0.05之间，则风机状态为statec＝2；若第x个随机数在0‑0.01之间，则风机状态为statec＝3。得到部分故障或完全故障的信息如下：
[0057] 第x天 状态 第x天 状态 第x天 状态 第x天 状态34 3 137 2 163 2 184 2
39 2 140 2 167 2 304 2
76 2 143 2 178 2 346 2
104 2
[0058] (4)设置风机设备的维修时间参数，依据步骤(3)中风机的不同状态，对其进行不同时长的维修时间设置：当状态1时，维修时间为R_time(1)＝0；状态2时，维修时间为R_time(2)＝12；状态3时，维修时间为R_time(3)＝24。为简便计算，当第M1天设备损坏时，第M1+1天风机设备有12小时因维修而不发电，因此第M1+1天风机设备发电减半；当第M2天设备损坏时，M2+1天风机设备有24小时(全天)因维修而不发电，因此第M2+1天风机设备不发电。由(3)可知，因故障而少发电或不发电的日期如下：
[0059] 第x天 减少发电量 第x天 减少发电量 第x天 减少发电量 第x天 减少发电量35 停发 138 减半 164 减半 185 减半
40 减半 141 减半 168 减半 305 减半
77 减半 142 减半 179 减半 347 减半
105 减半
[0060] (5)输出考虑步骤3的风机设备本身的随机损坏以及步骤4的维修时间后，最终风机设备在365天的出力模拟情况。最终得到的一台1500kW的风机365天出力模拟情况如下表所示，将该数据做成的折线图如图3所示。
[0061]
[0062] 需要强调的是，本发明所述实施例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方式中所述实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。
