64]其中，UMA(z)表示光伏發(fā)電系統(tǒng)的機械可靠性的通用生成函數(shù)UGF模型；ΩΦΡ表示 UGF模型的通用并聯(lián)算子;UmCKU(Z)表示第1個光伏陣列逆變器組的UGF模型;UMd,_d(z)表 不第nm〇d個光伏陣列逆變器組的UGF模型;kMA、分別對應光伏發(fā)電系統(tǒng)機械狀 態(tài)數(shù)目、狀態(tài)概率及狀態(tài)值，所述狀態(tài)值表示正常工作的電池串數(shù)目；
[0065]其中，所述光伏陣列逆變器組的UGF模型為：
[0067]其中，Uinv(Z)表示光伏逆變器的UGF模型，Uinv(Z) =UinvZQ+a-Uinv)Z1;uarr (Z)表示 光伏陣列的UGF模型，
.其中，Ustr(Z)表不光伏電池 串的UGF模型，ustr(z) =UstrZQ+(l-UstOZ1 ;其中，Ustr表示電池串的不可用率，
;其中，Uww為光伏電池塊的不可用率;Uinv為逆變器的不可用率； Ωφρ、ΩΦ5分別為UGF的通用并聯(lián)算子和串聯(lián)算子;karr、??#7':、分別對應光伏陣列的 狀態(tài)數(shù)目、狀態(tài)概率及狀態(tài)值;^^，廣^&^分別對應光伏逆變器組的狀態(tài)數(shù)目冰態(tài) 概率及狀態(tài)值；
[0068]所述第二建立模塊，用于建立光伏出力概率預測性的通用生成函數(shù)UGF模型：
[0070] 其中，UlR(z)表示光伏出力概率預測性的通用生成函數(shù)UGF模型；nIR、；?r嚴、 分別表示光伏出力狀態(tài)數(shù)目、狀態(tài)概率及狀態(tài)值，所述狀態(tài)值表示單位光伏電池串面積的 輸出功率；
[0071] 其中，利用馬爾科夫模型進行光照強度概率預測，根據(jù)光照強度歷史數(shù)據(jù)將光照 強度等間隔劃分為mR個區(qū)間，分別表示nIR個狀態(tài)，已知初始時刻to光照強度的狀態(tài)概率，根 據(jù)ΡΗω=ΡΓ(?ο) ·Ρ求得未來某時刻七的預測狀態(tài)概率;其中，Pr(to)為初始時刻to的狀態(tài) 概率，為1 XniR行向量;Pr(ti)為未來某時刻ti的預測狀態(tài)概率，為1 X mR行向量;P為狀態(tài)轉 移概率矩陣，為niRXnIR矩陣;根據(jù)得到的未來某時刻的預測光照強度狀態(tài)及概率，結合光 能轉換特性Ps = nSI，建立所述光伏出力概率預測性的UGF模型：
[0072]將未來某時刻t的預測光照強度狀態(tài)代入光能轉換特性ps=nsi中，得到所述光伏
[0073] 其中，η為轉換效率，s為陣列面積，I為光照強度；
[0074] 所述第三建立模塊，用于根據(jù)所述光伏發(fā)電系統(tǒng)的機械可靠性的通用生成函數(shù) UGF模型和所述光伏出力概率預測性的通用生成函數(shù)UGF模型，建立所述光伏發(fā)電系統(tǒng)的通 用生成函數(shù)UGF模型：
[0076]其中，upvs(z)為光伏發(fā)電系統(tǒng)的通用生成函數(shù)UGF模型；的通用乘法算 子;kpvs^gf*分別對應光伏發(fā)電系統(tǒng)出力狀態(tài)數(shù)目、狀態(tài)概率及狀態(tài)值，所述狀態(tài) 值表示輸出功率的大小。
[0077]進一步地，所述第二建立單元包括第四建立模塊、第五建立模塊和第六建立模塊； [0078]所述第四建立模塊，用于建立風力發(fā)電系統(tǒng)的機械可靠性的通用生成函數(shù)UGF模 型：
[0080] 其中，uwf (z)為風力發(fā)電系統(tǒng)的機械可靠性的通用生成函數(shù)UGF模型;風電場共有 nw臺風機并聯(lián)，分別對應風電場所有風機機械狀態(tài)數(shù)目、狀態(tài)概率及狀態(tài) 值，所述狀態(tài)值為正常工作的風機數(shù)目；其中，如心）=1^2<)+(1-1^)2 1;1^=1-(卜1^(3)(1-1]_:)(1-1]_);1^(2)為未來某時刻單臺風機的不可用率1^的1^模型 ;1]_(3為(^、1]_分別 為發(fā)電機、齒輪箱、逆變器的不可用率，Uwt為單臺風機的不可用率；
[0081] 所述第五建立模塊，用于建立風機出力概率預測性的通用生成函數(shù)UGF模型：
[0083]其中，uve(z)為風機出力概率預測性的通用生成函數(shù)UGF模型；ην(3、；?ΓΓ、分 別表示風機出力狀態(tài)數(shù)、狀態(tài)概率及狀態(tài)值，所述狀態(tài)值為單臺風機輸出功率的大?。?br>[0084]其中，利用馬爾科夫模型進行風速狀態(tài)預測，根據(jù)風速狀態(tài)歷史數(shù)據(jù)將風速狀態(tài) 等間隔劃分為mR個區(qū)間，分別表示nIR個狀態(tài);已知初始時刻風速狀態(tài)及概率，根據(jù)Pr(t〇 = Pr(to) ·P得到未來某時刻的預測風速狀態(tài)及概率，其中，Pr(to)為初始時刻to的狀態(tài)概率， 為1XniR行向量;Pr(ti)為未來某時刻七的預測狀態(tài)概率，為1XniR行向量;P為狀態(tài)轉移概 率矩陣，為niRXniR矩陣；
[0085]將預測風速狀態(tài)及概率代入風能轉換特性模型，得到單臺風機的多狀態(tài)出力概率 預測：
[0087]其中，wPr為風機的額定功率，Vci、Vc〇、Vr分別為切入、切出和額定風速;根據(jù)所述單 臺風機的多狀態(tài)出力概率預測，建立風機出力概率預測性的通用生成函數(shù)UGF模型
[0088]所述第六建立模塊，用于根據(jù)所述風力發(fā)電系統(tǒng)的機械可靠性的通用生成函數(shù)UGF模型和所述風機出力概率預測性的通用生成函數(shù)UGF模型，建立所述風力發(fā)電系統(tǒng)的通 用生成函數(shù)模型：
[0090]其中，的通用乘法算子;^廣、gf分別對應風力發(fā)電系統(tǒng)出力 狀態(tài)數(shù)目、狀態(tài)概率及狀態(tài)值，所述狀態(tài)值為風力發(fā)電系統(tǒng)輸出功率的大小。
[0091]進一步地，所述第三建立單元，具體用于：
[0092]建立所述傳統(tǒng)發(fā)電機組的通用生成函數(shù)UGF模型uac(z);
[0094]其中，Uac(z)為所有投運傳統(tǒng)發(fā)電機組的通用生成函數(shù)UGF模型； ;;，⑴=Γ，+(卜c()z"，Uc(z)為單臺傳統(tǒng)機組的UGF模型;Uc為機組處于停運狀態(tài)的概率;nc 為機組的數(shù)量;Pc為機組經(jīng)過邊際時間向上或向下爬坡后的出力;kac、尸Γ/'gf分別對應 所有投運傳統(tǒng)機組的出力狀態(tài)數(shù)目、狀態(tài)概率及狀態(tài)值，所述狀態(tài)值為機組輸出功率的大 小。
[0095]進一步地，所述第四建立單元，具體用于：
[0096]利用馬爾科夫模型進行負荷概率預測，已知初始時刻負荷狀態(tài)及概率，根據(jù)式Pr(t〇 =Pr(t〇) ·P得到未來某時刻的預測負荷狀態(tài)及概率，根據(jù)未來某時刻的預測負荷狀態(tài) 及概率建立所述微電網(wǎng)的負荷的通用生成函數(shù)模型：
[0098] 其中，111。以2)為微電網(wǎng)的負荷的通用生成函數(shù)皿6模型山。'/^/^/、@/^分別 對應負荷的狀態(tài)數(shù)目、狀態(tài)概率及狀態(tài)值，所述狀態(tài)值為負荷的大??；其中，Pr(to)為初始 時刻to的狀態(tài)概率，為1XniR行向量;Pr(ti)為未來某時刻七的預測狀態(tài)概率，為1XniR行向 量;P為狀態(tài)轉移概率矩陣，為niRXniR矩陣。
[0099] 由上述技術方案可知，本發(fā)明所述的適用于微電網(wǎng)的多狀態(tài)等值分析方法，根據(jù) 風速、太陽光照、負荷隨機變量的時間序列，考慮分布式能源的轉換關系、分布式能源的拓 撲結構特性、分布式能源的設備故障參數(shù)，以及考慮傳統(tǒng)機組(微型燃氣輪機、柴油機等）的 機械可靠性，建立了微電網(wǎng)的UGF模型，根據(jù)該模型對微電網(wǎng)進行等值分析，能夠解決含微 電網(wǎng)的配電系統(tǒng)規(guī)劃、運行分析、可靠性評估等研究中微電網(wǎng)等值問題。
【附圖說明】
[0100] 為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術中的技術方案，下面將對實施例或現(xiàn) 有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明 的一些實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù) 這些附圖獲得其他的附圖。
[0101] 圖1是本發(fā)明第一個實施例提供的適用于微電網(wǎng)的多狀態(tài)等值分析方法的流程 圖；
[0102] 圖2是光伏發(fā)電系統(tǒng)的典型結構示意圖；
[0103] 圖3是風力發(fā)電機內部主要元件示意圖；
[0104] 圖4是本發(fā)明第一個實施例提供的適用于微電網(wǎng)的多狀態(tài)等值分析的框架流程示 意圖；
[0105] 圖5是本發(fā)明第二個實施例提供的適用于微電網(wǎng)的多狀態(tài)等值分析系統(tǒng)的結構示 意圖。
【具體實施方式】
[0106] 為使本發(fā)明實施例的目的、技術方案和優(yōu)點更加清楚，下面將結合本發(fā)明實施例 中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整的描述，顯然，所描述的實施例是 本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領域普通技術人員 在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。
[0107]由于現(xiàn)有微電網(wǎng)等值方法所建立的等值模型并不適用于對含微電網(wǎng)的配電系統(tǒng) 進行規(guī)劃、運行分析、可靠性評估等領域的研究，因此，本發(fā)明針對該研究領域，提出了一種 適用于微電網(wǎng)的多狀態(tài)等值分析方法及系統(tǒng)。
[0108] 本發(fā)明根據(jù)風速、太陽光照、負荷隨機變量的時間序列，考慮分布式能源轉換關 系、分布式能源拓撲結構特性、分布式能源設備故障參數(shù)，以及考慮傳統(tǒng)機組(微型燃氣輪 機、柴油機等）的機械可靠性，提出了一種適用于微電網(wǎng)的多狀態(tài)等值方法，該方法能夠解 決含微電網(wǎng)的配電系統(tǒng)規(guī)劃、運行分析、可靠性評估等領域中微電網(wǎng)等值問題。
[0109]本發(fā)明首先根據(jù)風速、光照強度、負荷隨機變量的時間序列，利用馬爾科夫模型預 測得出狀態(tài)轉移概率矩陣，并結合初始狀態(tài)得到考察時刻的風速、光照強度、負荷的狀態(tài)及 概率，然后利用能量轉換模型得出單臺風機、單塊光伏電池陣列的輸出功率，并利用通用生 成函數(shù)法(universalgeneratingfunction，UGF)建立對應的UGF模型；其次考慮風機、光 伏電池陣列的內部拓撲結構，以及風電場所含風機臺數(shù)、光伏電池陣列個數(shù)，根據(jù)元件串并 聯(lián)關系，從單個元件的機械可靠性推導出風力發(fā)電系統(tǒng)和光伏發(fā)電系統(tǒng)的機械可靠性UGF 模型；最后結合上述建立的模型，利用UGF進行組合運算，得到與微電網(wǎng)整體出力等值的多 狀態(tài)出力及概率，即完成了微電網(wǎng)的等值。
[0110]圖1示出了本發(fā)明第一個實施例提供的適用于微電網(wǎng)的多狀態(tài)等值分析方法的流 程圖，其中，所述微電網(wǎng)包括光伏發(fā)電系統(tǒng)、風力發(fā)電系統(tǒng)和傳統(tǒng)發(fā)電機組。參見圖1，本實 施例提供的適用于微電網(wǎng)的多狀態(tài)等值分析方法，包括如下步驟：
[0111]步驟101:建立所述光伏發(fā)電系統(tǒng)的通用生成函數(shù)UGF模型。
[0112] 在本步驟中，光伏發(fā)電系統(tǒng)功率輸出的隨機性主要來源于兩個方面:外部太陽輻 照度的隨機變化和內部硬件(如光伏電池塊等)的機械故障特性變化。而光伏發(fā)電系統(tǒng)的機 械可靠性與內部硬件的拓撲結構直接相關。為清晰展現(xiàn)建模過程，分為以下步驟：
[0113] 1)機械可靠性建模：已知系統(tǒng)內單個元件的故障率和初始時刻狀態(tài)及概率，根據(jù) 馬爾科夫過程公式求取元件在未來某時刻的預測狀態(tài)及概率，結合元件連接的拓撲結構， 建立系統(tǒng)的機械可靠性UGF模型；
[0114] 2)光伏出力概率預測性建模：已知初始時刻光照強度狀態(tài)及概率，根據(jù)馬爾科夫 狀態(tài)轉移技術求取未來某時刻的預測光照強度狀態(tài)及概率，結合光能轉換特性，建立光伏 出力的UGF模型；
[0115] 最后，綜合上述建立的模型，結合UGF運算法則，建立光伏發(fā)電系統(tǒng)在未來某時刻 的UGF模型。下面通過步驟al、bl和cl詳細進行介紹。
[0116] 步驟a1.建立光伏發(fā)電系統(tǒng)的機械可靠性的通用生成函數(shù)UGF模型。
[0117]假設元件的故障率λ和修復率μ為常數(shù)，則元件的連續(xù)工作時間和停運時間服從指 數(shù)分布，元件狀態(tài)轉移過程為齊次馬爾可夫過程，可由下式(1)表示如下：
[0119]其中，P(t) = [p0(t)，pi(t)]，p〇(t)和pi(t)分別表示元件在t時刻處于運行狀態(tài)和 停運狀態(tài)的瞬時概率；
，表示轉移概率矩陣，在齊次馬爾可夫過程中，轉移密度是 常數(shù);t為預測時間，旋轉備用研究中也稱為前導時間。給定元件在t= 0的初始時刻處于運 行狀態(tài)，那么應用拉氏變換可求解得t時刻的狀態(tài)概率為：
[0121] 由于前導時間內不考慮