《电池储能运行策略对系统Well-being指标及风电(共8页).doc》由会员分享，可在线阅读，更多相关《电池储能运行策略对系统Well-being指标及风电(共8页).doc（8页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、精选优质文档-倾情为你奉上电池储能运行策略对系统Well-being指标及风电消纳能力的影响*陈凡,徐政,张晨阳（南京工程学院 电力工程学院， 南京 ）摘要：提出了一种电池储能系统有序放电运行策略，考虑风电出力不确定性、尾流效应、电池故障率等因素，对风储联合发电系统进行Well-being分析。算例表明，在风电超出允许接入比例，而系统吸收允许接入的风电后仍处于缺电状态时，该策略能提高系统的风电消纳能力，并进一步提高系统可靠性。此外，还进一步研究了该储能运行策略下，储能系统容量、电池最大充放电功率以及风电允许接入比例等因素对发电系统Well-being指标的影响。关键词：Well-being指标
2、；电池储能系统；运行策略；风电消纳能力中图分类号：TM732 文献标志码：A 文章编号：1001-1390（2018）00-0000-00Impacts of battery storage operating strategy on Well-being indices and wind power accommodation of power systemChen Fan, Xu Zheng, Zhang Chenyang(School of Electric Power Engineering, Nanjing Institute of Technology, Nanjing , Chi
3、na)Abstract: This paper presents an orderly discharging strategy of battery storage system. Taking the output uncertainty of wind power, wake effect and the failure rate of battery into account, this paper analyzes Well-being indices of generation system containing wind farm and battery energy stora
4、ge system. Case studies show that the proposed strategy is capable of increasing wind power accommodation and improving Well-being indices of generation system when wind power exceeds the penetration limit and at the same time generation system is short of power after absorbing obtainable wind power
5、. Moreover, this paper also studies the impacts of storage system capacity, charging and discharging power of BESS and wind power penetration on Well-being indices of generation power system.Keywords: Well-being indices, battery energy storage system, operating strategy, wind power accommodation专心-专
6、注-专业0 引 言随着全球能源战略的调整，可再生能源越来越受到各个国家的重视。风电作为一种分布广泛的清洁能源，在电力系统中所占比例越来越高。截至2015年底，全世界的风电总装机容量已达433 GW1。然而，风电的波动性和随机性可能导致风电并网引起电力系统稳定性的下降。为了提高风电并网后系统的稳定性，电池储能作为一种技术成熟度较高的储*基金项目：江苏省配电网智能技术与装备协同创新中心开放基金项目(XTCX)；江苏省大学生实践创新训练计划项目（5Y）；南京工程学院科研资助项目(ZKJ)能技术，逐渐被引入到风电系统中。电池储能技术能够快速实现风电的存储和释放，从而达到平抑风电功率、改善系统频率等2-
7、6效果。目前，国内外已有大量文献对储能系统接入风电作了相关研究。文献5中提到了几种目前已应用的电池储能技术，分别是锂电池储能、钠硫电池储能和液流电池储能，其额定功率均可达兆瓦级，为技术上实现风电的快速存储和释放奠定了基础。文献7对上述3种储能电池在电力系统中的应用作了相关研究，介绍了我国电池储能技术的发展现状和电池储能技术的应用前景。文献8-10采用蒙特卡洛方法研究储能元件的容量、接入位置和充放电功率等因素对系统可靠性的影响，但并未考虑允许风电接入比例和尾流效应等因素。文献11研究了不同储能运行策略对系统充裕度的影响，但其可靠性指标建立在传统风险评估模型框架下。文献12在Well-being模
8、型下研究风电场容量和储能系统容量等因素对风储混合发电系统的影响，但所建立的风电场模型过于简单，未考虑风电机组降额状态及尾流效应的影响。文献13-14在限制风电允许接入比例的条件下研究电池储能系统对系统可靠性的影响，介绍了一种储能运行策略，在风电超出允许接入比例，而系统吸收允许接入的风电后仍处于缺电状态时，储能系统一方面可以补充系统缺电量，另一方面可吸收超出风电允许接入比例的过剩风电。但该文献将系统中所有电池简化为单一电池元件，并未进一步研究此储能运行策略的具体过程。本文在上述文献研究的基础上，提出了一种电池储能系统有序放电策略。研究表明，在风电超出允许接入比例而系统吸收允许接入的风电后仍处于缺
9、电状态时，该运行策略能够一步提高储能系统对风电的吸收量，改善系统Well-being指标。1 Well-being模型Well-being模型是将电力安全分析的确定性准则和传统风险评估相结合的评估模型12。相对于传统风险评估模型，该模型能有效的分离出系统濒临失负荷的边界状态。本文根据N-1准则建立Well-being模型：健康状态指系统能够满足负荷需求，并且满足N-1准则；边界状态指系统能满足负荷需求，但是不满足N-1准则；风险状态指系统不能满足负荷需求。三种状态的可靠性指标分别为：健康状态概率PH，边界状态概率PM，风险状态概率PR。各指标的计算公式如式(1)式(3)所示。 (1) (2)
10、(3)式中N指仿真年数，THi、TMi、TRi分别指第i年中健康状态、临界状态、风险状态的时间，单位h。2 风电场模型常规机组采用“运行故障”两态模型11，而对于风电机组，由于风电机组处于降额状态的时间在其运行期间较多，因此采用两态模型并不能精确地反映风电机组对系统的出力程度，因此采用“运行停运/降额”三态模型13。故障模型如图1所示，其中l1、l2、m1、m2为对应状态间的转移率。图1 风电机组三态模型Fig.1 Three states model of wind turbine目前广泛使用的风速模型主要有自回归滑动平均模型(ARMA模型15)和Weibull风速模型16。ARMA模型能够
11、计及风速的时序特性，而储能设备在运行过程中需要充分考虑风速和剩余电量等时序变量的约束，因此本文采取ARMA模型对风速进行模拟，一般表达式如式(4)所示。 (4)式中，yt为t时刻时间序列值， ji(in)和qj(jm)为自回归和滑动平均参数，at为服从(0,s2)分布的标准正态白噪声。研究表明，风电机组的功率与风速呈非线性关系17。风速低于切入风速Vci时，功率为零；风速介于切入风速Vci和额定风速Vr之间时，功率近似为与风速相关的二次函数；风速介于额定风速Vr和切出风速Vco之间时，功率为最大功率；风速超过切出风速时，功率为零。表达式如式(5)所示。 (5)式中，A、B、C可由Vci、Vr、
12、Vco计算得到17。此外，在大型风电场中还存在尾流效应，处于下风向的风电机组受处于上风向的风电机组影响，其风速将低于后者的风速，从而对风电场的实际出力产生一定影响。本文采用Jeason模型18对尾流效应进行描述，表达式如式(6)所示。 (6)式中， Vx(t)为受尾流效应影响的风速；V0(t)为t时刻的平均风速；CT为推力系数，一般取0.1219；K为尾流下降系数；R为风机半径；X为风机间距。3 电池储能系统模型设风电允许接入比例（风电占实际负荷PL(t)比例13）为h%，风电场出力为Gw(t)，常规机组出力为Gc(t)，则“风电超出允许接入比例而系统吸收允许接入的风电后仍处于缺电状态”这一条
13、件的数学表达式如式（7），将此条件记为条件A： (7)由式(7)可定义，当风电和常规机组出力不满足条件A时，系统的过剩电量Gb(t)如式(8)所示。当风电和常规机组满足条件A时，系统的缺电电量Gob(t)如式(9)所示，此时系统过剩的风电电量Gw(t)如式(10)所示。 (8) (9) (10)式中，Gb(t)为正表示系统不缺电，Gb(t)为负表示系统缺电；Gob(t)恒为负，表示系统缺电。在多电池元件的储能系统中，当风电超出允许接入比例而系统吸收允许接入的风电后仍处于缺电状态时，电池系统一方面可对系统放电，另一方面可吸收过剩风电Gw(t)，可得到文献13中的等效单电池储能系统充放电量GB(t
14、)如式(11)所示。(11)同时，在电池运行时，还需计及以下约束条件： (12)式中，Pbmax、Ebmax分别指最大充放电功率、电池容量，Pb(t)和Eb(t)分别指电池t时刻的充放电功率、剩余电量；state(t)指电池工作状态，故障模型采用两态模型，1正常，0故障；Soc指电池的荷电率10。值得指出的是，对于多电池的储能系统，不同的电池放电顺序会对式(11)中过剩风电Gw(t)的吸收产生影响。本文对多电池储能系统中电池放电顺序进行研究，根据电池无序和有序放电过程分别提出了储能运行策略F1、F2。为便于描述这两种策略，设定了简单的系统场景：设系统此时负荷为200 MW，常规机组提供170
15、MW，风电为30 MW，风电允许接入比例为10%，则过剩风电量为10 MW，负荷此时缺电量为10 MW。系统内含有5台电池，每台电池所允许的最低剩余电量为1 MWh，最高电量为5 MWh。考虑两种储能系统运行策略：(1) F1策略（无序放电策略）：按照电池序号确定每时刻各电池充放电电量，总电池数为N，若电池k此时的电量高于所允许的最低电量，则进行放电；若电池k此时的电量等于所允许的最低电量，则此电池对过剩的风电进行吸收。若n个电池进行上述过程后可满足系统负荷，则剩余N-n个未放电的电池对过剩的风电进行吸收;(2) F2策略（有序放电策略）：在F1策略基础上，按照电池剩余电量由高到低对电池进行动
16、态排序，依照此排序确定每时刻各电池充放电电量。在上述两种策略下得到的储能系统充放电量如表1所示。表1 F1和F2策略下的各电池电量Tab.1 Battery power in F1 and F2 storage strategy电池序号12345原有电量/MWh35215放电次序F112345F231452放电电量/MWhF124103F224004充电电量/MWhF100040F200340剩余电量/MWhF111152F211551由表1可发现，按照F1策略运行的储能系统向系统放电10 MWh，同时消纳过剩风电4 MWh，最终剩余电量10 MWh。按照F2策略运行的储能系统向系统放电10
17、MWh，同时消纳过剩风电7 MWh，最终剩余电量13 MWh。因此F2策略相比F1策略能多消纳风电3MWh，而储能系统储备电量多出3 MWh，可用于下一时刻向缺电系统放电，从而提高发电系统可靠性。上述两种策略的根本区别在于有序放电策略使剩余电量多的电池承担了较多的负荷，从而减少了放电电池的数目，增加了可充电电池的数目，因此可吸收更多的过剩风电Gw(t)。最终由F2策略可得到本文提出的基于储能系统有序放电的系统Well-being分析具体流程图如图2所示。图2 基于储能系统有序放电的系统Well-being分析流程图Fig.2 Flow chart of Well-being analysis
18、based on orderly discharging of energy storage 4 算例分析4.1算例参数在Matlab2015b中编写相关程序，采用IEEE-RBTS系统，系统负荷为215 MW，负荷模型采用时序负荷模型20。单台电池最高电量为2 MWh，故障率为0.307次/a，修复率为20次/a10，电池的最大放电深度为80%（即荷电率Soc为0.2），每小时最大充放电功率为1.2 MW。单台风机的额定功率1.5 MW，风电允许接入比例h%为10%。根据风电场实际运行的数据，统计得到风电机组的转移率l1、l2、m1、m2分别为7.96次/a、5.84次/a、58.4次/a、
19、43.8次/a21。采用三状态出力模型，各状态出力分别为0、0.5、1，实际风速采用美国西部某风电场的实测数据22，风速均值为7.4385 m/s,标准差为4.2078 m/s，ARMA模型定阶为（12，12）。设切入风速度Vci=3 m/s,额定风速Vr=12m/s,切出风速Vco=22 m/s。风轮半径R=45m,风机间距X=135 m。4.2 储能运行策略对系统Well-being指标的影响根据式（8）和F1、F2策略，本文确立了三种电池储能运行策略，三种运行策略如下：（1）Sh1策略：当系统不满足条件A时，储能系统吸收或者释放电量Gb(t)；满足条件A时，储能系统向系统释放电能Gob(
20、t)，但不吸收此时过剩风电Gw(t)；（2）Sh2策略：在Sh1策略基础上，当系统满足条件A时，储能系统向系统释放电能Gob(t)，同时吸收此时过剩风电Gw(t)；（3）Sh3策略：在Sh2策略基础上，按照电池电量由高到低排序的序号确立放电电池及其放电电量，不参与放电的电池吸收此时过剩的风电Gw(t)。系统中风电场容量45 MW，储能系统容量50 MW。同时，采用电力不足期望值(expected energy not supplied, EENS12)来衡量系统可靠性，单位为MWh，仿真结果如表2所示。表2 3种储能运行策略下RBTS系统Well-being指标Tab.2 Well-being
21、 indices of RBTS under 3 kinds of energy storage operating strategies指标火电仅风电Sh1Sh2Sh3PH0.0.0.0.0.PM0.0.0.007070.0.PR0.0.0.0.0.EENS124.434152.9772118.5752918.0374317.82421 由表2可得：（1）风电系统和电池储能系统的接入能有效提高发电系统的可靠性。电池储能系统能有效吸收多余的风电和常规电能，并在系统缺电情况下放电，从而进一步改善系统的Well-being指标；（2）Sh2策略相对Sh1策略对系统Well-being指标有一定改善
22、，原因在于实际运行中未参与放电的电池吸收了过剩的风电。Sh3策略相对Sh2策略进一步改善系统Well-being指标，原因在于根据电池剩余电量排序所确定的有序放电策略，使得电池储能系统对风电的吸收率更高。4.3 储能运行策略对系统风电消纳能力的影响进一步定量分析上述储能运行策略对风电消纳能力的影响，仿真得到表3中结果。表中EBP指储能系统年均吸收的电能，EBN指储能系统年均释放的电能。Ew指储能系统年均吸收的风电，Ew指当风电超出允许接入比例而系统吸收允许接入的风电后仍处于缺电状态时，储能系统实际吸收的过剩风电，各指标单位均为MWh/a。表3 不同储能运行策略对系统风电消纳能力的影响Tab.3
23、 Impact of different storage operating strategies on wind farm accommodation指标Sh1Sh2Sh3EBP93.139 0793.681 8993.929 35EBN41.654 2942.197 0842.444 55EW7.4262 848.358 1529.456 071Ew01.350 3722.900 674由表3可得：（1）Sh3策略对应的年均吸收的电能EBP、年均释放的电能EBN比Sh1、Sh2策略高，表明储能系统Sh3策略下运行能吸收更多的电能，并且在系统缺电时向系统释放更多的电能，从而有效提升系统的可靠
24、性水平。（20）Sh3策略对应的年均吸收的风电Ew及吸收过剩的风电量Ew高于Sh1、Sh2策略，表明Sh3策略实际吸收了更多的风电，增加了系统对风电的利用率，因此提高了系统的风电消纳能力。4.4电池储能系统容量对系统Well-being指标影响采用Sh3策略，进一步分析不同储能系统容量Eb对系统可靠性的影响。系统中风电场容量分别为45 MW、90 MW，建立的系统分别记为RBTSW1、RBTSW2。仿真结果如表4、表5所示。表4 不同电池系统容量下RBTSW1系统Well-being指标Tab.4 Well-being indices of RBTSW1 in different BESS c
25、apacitiesEb/MWhPHPMPREENS200.988 530.011 150.000 3233.556400.992 070.007 740.000 1922.715600.994 010.005 870.000 1215.250800.995 4840.004 450.000 0710.8281000.996 290.003 660.000 057.3631200.996 990.002 970.000 044.956表5 不同电池系统容量下RBTSW2系统Well-being指标Tab.5 Well-being indices of RBTSW2 in different BE
26、SS capacitiesEb/MWhPHPMPREENS200.989 9710.009 7630.000 26726.892 89400.993 2440.006 6160.000 1416.318 39600.995 2320.004 6848.39E-0510.788 67800.996 3700.003 5745.67E-058.279 901000.997 2210.002 7364.28E-056.607 271200.997 7200.002 2522.8E-054.575 65根据表4、表5作图3和图4可得：(1) 随着电池系统容量的增加，系统处于健康状态的概率PH逐渐增加，
27、处于边界状态PM和风险状态概率PR逐渐减少，系统的缺电量EENS不断下降。这表明随着电池系统容量的增加，系统Well-being指标逐渐改善，可靠性水平得到提升;(2) 当电池系统总容量达到80 MW后，其对系统Well-being指标影响变小。这表明电池系统容量达到一定值后，其对系统Well-being指标的改善效果逐渐趋于饱和;(3) 对比RBTSW1系统和RBTSW2系统发现，后者风电容量为前者风电容量的两倍，但随着储能容量的进一步提升，二者的对系统的Well-being指标的改善程度相近。原因在于风电依赖于自然条件，具有明显的不确定性，而电池系统可有效针对系统缺电状态放电，在一定程度上
28、实现对系统缺电状态的调控。因而对于包含电池储能的高可靠性系统，风电容量对系统Well-being指标影响程度有限。图3 不同储能系统容量下EENSFig.3 EENS in different capacities of BESS图4 不同储能系统容量下PH、PM、PRFig.4 PH、PM、PR in different capacities of BESS4.4 电池充放电功率对系统Well-being指标影响采用Sh3策略，分析电池充放电功率对风储联合发电系统可靠性的影响。系统中储能设备容量为40 MW，风电容量为45 MW，系统Well-being分析结果如表6所示。表6不同充放电功率
29、下RBTS系统Well-being指标Tab.6 Well-being indices of RBTS in different BESS charging/discharging power功率/MWPHPMPREENS0.250.0.0.38.012360.500.0.0.28.334050.750.0.0.24.033831.000.0.0.23.095491.250.0.0.22.133641.500.0.0.21.530581.750.0.0.20.82025由表6作图5可得出，随着电池充放电功率从0.25 MW提升到1.75 MW，系统各项Well-being指标不断改善，但功率达
30、到1 MW后，其对系统Well-being指标的改善效果变小。这表明随着电池充放电功率的增大，系统可靠性不断提升，但当电池充放电功率达到一定量后，其对系统可靠性的改善效果趋于饱和。图5 不同充放电功率下EENSFig.5 EENS in different BESS charging/discharging power4.5 风电允许接入比例对系统Well-being指标影响采用Sh3策略，分析不同风电允许接入比例对系统Well-being指标的影响。系统中储能设备容量为40MW，风电容量为45 MW，系统Well-being仿真结果如表7所示。表7 不同风电接入比例下系统Well-being
31、指标Tab.7 Well-being indices in different wind power penetrationhPHPMPREENS0.040.0.0.26.513590.080.0.0.22.215990.120.0.0.20.045340.160.0.0.18.884410.200.0.0.18.22546由表7作出图6可得，随着风电允许接入比例从4%增加到20%，系统各项Well-being指标不断改善，但是当比例达到16%后，其对系统Well-being指标的影响较小。这表明增加风电允许接入比例能提升系统可靠性，但当风电允许接入比例增加到一定值后，其对系统的可靠性提高程度
32、逐渐饱和。图6 不同风电允许接入比例下EENSFig.6 EENS in different wind power penetration5 结束语本文提出了一种电池储能系统有序放电运行策略，研究了储能运行策略对系统Well-being指标和风电消纳能力的影响；并进一步分析了储能系统容量、电池充放电功率及风电允许接入比例对风储联合发电系统的影响。研究结果表明：1）本文提出的电池储能系统有序放电策略能有效提高系统对风电的消纳能力。同时，该策略能提高储能系统的年均充电和放电电量，进一步提高了系统的可靠性；2）随着储能系统容量、电池充放电功率和风电允许接入比例的提高，系统可靠性也相应增加。但值得指出
33、的是，当上述各影响因素增加到一定量后，其对系统Well-being指标的影响趋于饱和。参 考 文 献1金明, 邱炜, 朱继忠. 北美电力市场环境下风电能源的调度与运行J. 南方电网技术, 2017, 11(2): 1-5.JIN Ming, QIU Wei, ZHU Jizhong. Dispatching and Operation of Wind Power Energy in North America Power MarketJ. SOUTHERN POWER SYSTEM TECHNOLOGY, 2017, 11(2): 1-5.2张新松, 顾菊平, 袁越, 等. 基于电池储能系统的
34、风功率波动平抑策略J. 中国电机工程学报, 2014, 34(28): 4752-4760.ZHANG Xinsong, GU Juping, YUAN Yue,et al. Strategy of Smoothing Wind Power Fluctuation Based on Battery Energy Storage SystemJ. Proceedings of the CSEE, 2014, 34(28): 4752-4760.3汪海蛟, 江全元. 应用于平抑风电功率波动的储能系统控制与配置综述J. 电力系统自动化, 2014, 38(19): 126-135.WANG Haij
35、iao, JIANG Quanyuan. An Overview of Control and Configuration of Energy Storage System Used for Wind Power Fluctuation MitigationJ. Automation of Electric Power Systems, 2014, 38(19): 126-135.4胡志远. 基于储能的风电功率平抑技术研究D. 成都: 电子科技大学, 2015.HU Zhiyuan. Research of Power Smoothing Technology for Wind Farm on
36、 Energy StorgyD. Chengdu: University of Electric Science and Technology of China, 2015.5骆妮, 李建林. 储能技术在电力系统中的研究进展J. 电网与清洁能源, 2012, 28(2): 71-79.LUO Ni, LI Jianlin. Research Progress of Energy Storage Technology in Power SystemJ. Power System and Clean Energy, 2012, 28(2): 71-79.6丁明, 陈忠, 苏建徽, 等. 可再生能源
37、发电中的电池储能系统综述J. 电力系统自动化, 2013, 37(1): 19-25.DING Ming, CHEN Zhong, SU Jianhui,et al. An Overview of Battery Enemy Storage System for Renewable Enemy GenerationJ. Automation of Electric Power Systems, 2013, 37(1): 19-25.7王育飞, 王辉, 符杨, 等. 储能电池及其在电力系统中的应用J. 上海电力学院学报, 2012, 28(5): 417-422.WANG Yufei, WANG
38、 Hui, FU Yang,et al. Energy Storage Battery and Its Application in Power SystemJ. Journal of Shanghai University of Electric Power, 2012, 28(5): 417-422.8鲍莎日娜, 栗文义, 巴根, 等. 储能设备对风/柴/储能联合发电系统10min间隔可靠性影响的评估J. 华东电力, 2011, 39(7): 1053-1057.BAO Sharina, LI Wenyi, BA Gen,et al. 10-Minute Interval Reliabil
39、ity Assessment of Wind-diesel-storage Power Generation System Influenced by Energy Storage DevicesJ. East China Electric Power, 2011, 39(7): 1053-1057.9刘哲, 贾宏杰, 徐弢, 等. 基于N-k风险的风储系统接入及容量配置研究J. 电网技术, 2014, 38(4): 888-894.LIU Zhe, JIA Hongjie, XU Tao,et al. Study on N-k Risk Based Grid-Connection and C
40、apacity Allocation of Wind Farm and Energy Storage SystemJ. Power System Technology, 2014, 38(4): 888-894.10袁越, 张新松, 傅质馨. 电池储能系统对风力发电系统可靠性的影响J. 河海大学学报(自然科学版), 2012, 40(6): 704-709.YUAN Yue, ZHANG Xinsong, FU Zhixin. Impacts of battery energy storage system on reliability of wind energy generation sy
41、stemJ. Journal of Hohai University( Natural Sciences), 2012, 40(6): 704-709.11谢开贵, 王岸, 胡博. 计及储能设备运行策略的风/柴/储混合系统可靠性评估J. 电力系统保护与控制, 2012, 40(9): 1-7.XIE Kaigui, WANG An, HU Bo. Reliability evaluation of wind-diesel-storage hybrid system considering energy storage system operating strategiesJ. Power Sy
42、stem Protection and Control, 2012, 40(9): 1-7.12孙彬, 潘学萍, 吴峰, 等. 基于Well-Being理论的风储混合电力系统充裕度评估J. 电网技术, 2016, 40(5): 1363-1370.SUN Bin, PAN Xueping, WU Feng,et al. Adequacy Assessment for Power Systems With Wind Power and Energy Storage Integration Based on Well-Being TheoryJ. Power System Technology,
43、2016, 40(5): 1363-1370.13蒋程, 刘文霞, 张建华, 等. 含电池储能风电场的发电系统风险评估J. 太阳能学报, 2014, 35(2): 207-213.JIANG Cheng, LIU Wenxia, ZHANG Jianhua,et al. Risk Assessment of Generation Systems of Wind Farm With Battery Energy storageJ. ACTA ENERGIAE SOLARIS SINICA, 2014, 35(2): 207-213.14蒋程, 刘文霞, 张建华. 含电池储能风电场的电力系统风险评
44、估J. 电网技术, 2014, 38(8): 2087-2094.JIANG Cheng, LIU Wenxia, ZHANG Jianhua. RiskAssessment for Power System With Wind Farm and Battery Energy StorageJ. Power System Technology, 2014, 38(8): 2087-2094.15张宏宇, 印永华, 申洪, 等. 基于序贯蒙特卡洛方法的风电并网系统调峰裕度评估J. 电力系统自动化, 2012, 36(1): 32-37.ZHANG Hongyu, YIN Yonghua, SHE
45、N Hong,et al. Analysis on Influence of Load Rate on Power System Self-organized CriticalityJ. Automation of Electric Power Systems, 2012, 36(1): 32-37.16陈凡, 卫志农, 黄正, 等. 考虑风电并网的发电充裕度评估方法的比较J. 电力自动化设备, 2014, 34(6): 30-35.CHEN Fan, WEI Zhinong, HUANG Zheng,et al. Comparison of adequacy evaluation grid-
46、connected wind methods considering powerJ. Electric Power Automation Equipment, 2014, 34(6): 30-35.17汪新园. 大规模风电接入电力系统的可靠性评估及储能策略研究D. 杭州: 浙江大学, 2013.WANG Xinyuan. Research on Reliability Assessment and Storage Strategy on Power System with Large-scale Wind Power PenetrationD. Hangzhou: Zhejiang University, 2013.18苏勋文, 赵振兵, 陈盈今,