一种综合能源系统供能可靠性评估方法及计算机系统

摘要

本发明涉及一种综合能源系统供能可靠性评估方法及计算机系统，所述方法包括以下步骤：获取待评估的综合能源系统的原始参数和拓扑结构；基于序贯蒙特卡洛法获取所述待评估的综合能源系统的仿真模型；采用节点标记法对所述仿真模型的系统状态进行拓扑分析，获得多个连通域；对各所述连通域分别进行状态分析，采用基于用能目的和用户立场的供能可靠性指标体系对所述待评估的综合能源系统进行可靠性评估。与现有技术相比，本发明能够考虑不同类型用户的用能目的和用户立场，具有评估准确度高等优点，保证综合能源系统的安全和高效运行。

权利要求

1.一种综合能源系统供能可靠性评估方法，其特征在于，包括以下步骤：获取待评估的综合能源系统的原始参数和拓扑结构；

基于序贯蒙特卡洛法获取所述待评估的综合能源系统的仿真模型；

采用节点标记法对所述仿真模型的系统状态进行拓扑分析，获得多个连通域；

对各所述连通域分别进行状态分析，采用基于用能目的和用户立场的供能可靠性指标体系对所述待评估的综合能源系统进行可靠性评估。

2.根据权利要求1所述的综合能源系统供能可靠性评估方法，其特征在于，所述基于用能目的和用户立场的供能可靠性指标体系包括负荷点可靠性指标和系统级可靠性指标。

3.根据权利要求2所述的综合能源系统供能可靠性评估方法，其特征在于，所述负荷点可靠性指标包括负荷点故障率、负荷点平均停供持续时间、负荷点年平均停供持续时间和负荷点年平均热舒适时间，其中，负荷点故障率表示为：

式中，λα,j为α子系统负荷节点j的故障率，T为总模拟时间， 为在整个模拟时间段中α子系统负荷节点j总的故障次数；

负荷点平均停供持续时间表示为：

式中，γα,j为α子系统负荷节点j的平均停供持续时间， 为第i次模拟中α子系统负荷节点j的故障时间，N为整个模拟时段内系统随机状态的数目；

负荷点年平均停供持续时间表示为：

Uα,j＝λα,jγα,j

式中，Uα,j为α子系统负荷节点j的年平均停供持续时间；

负荷点年平均热舒适时间表示为：

式中，Uh,j指热力系统第j个负荷点平均每年的热舒适时间，Fh,j(Xi)为与系统随机状态Xi对应的热舒适系数，为0或1，ti为系统随机状态Xi持续时间。

4.根据权利要求3所述的综合能源系统供能可靠性评估方法，其特征在于，所述热舒适系数Fh,j(Xi)由下式决定：其中，PMV为预计平均热感觉指数。

5.根据权利要求2所述的综合能源系统供能可靠性评估方法，其特征在于，所述系统级可靠性指标包括系统平均停供频率、系统平均停供持续时间、系统平均供能可靠率、系统供应不足期望和系统热用户满意度，其中，系统平均停供频率SAIFIα表示为：

式中，下标α代表子系统能源类型，Nα,j为α子系统负荷节点j的用户数，Nα为α子系统负荷节点总数，λα,j为α子系统负荷节点j的故障率；

系统平均停供持续时间SAIDIα表示为：

式中，Uα,j为α子系统负荷节点j的年平均停供持续时间；

系统平均供能可靠率ASAIα表示为：

系统供应不足期望EPNSα表示为：

式中，Cα,j(Xi)为系统在状态Xi下α子系统负荷节点j负荷削减量，ti为系统随机状态Xi持续时间，T为总模拟时间，N为整个模拟时段内系统随机状态的数目；

系统热用户满意度Ph表示为：

式中，Nh为热负荷节点总数，Nh,j为热力子系统负荷节点j的用户数，Uh,j指热力系统第j个负荷点平均每年的热舒适时间。

6.根据权利要求1所述的综合能源系统供能可靠性评估方法，其特征在于，所述序贯蒙特卡洛法中，所有元件均采用工作-故障两状态模型，各元件的无故障工作时间TTF和修复时间TTR均为服从指数分布的随机变量，基于所述随机变量获得系统运行状态序列。

7.根据权利要求1所述的综合能源系统供能可靠性评估方法，其特征在于，所述节点标记法通过依次搜索并标记支路两端节点的编号来进行连通域区分。

8.根据权利要求1所述的综合能源系统供能可靠性评估方法，其特征在于，所述对各所述连通域分别进行状态分析具体为：若区域内能源供给量为0，则区域内所有负荷均得不到能源供给；

若区域内能源供给量不为零且大于等于负荷量，则区域内所有负荷均得到正常能源供给，无需进行负荷削减；

若区域内能源供给量不为零且小于负荷量，则对区域内负荷进行削减，直至能源供给量大于等于负荷量。

9.根据权利要求8所述的综合能源系统供能可靠性评估方法，其特征在于，采用基于考虑热惯性的负荷削减策略对区域内负荷进行削减。

10.一种综合能源系统供能可靠性评估计算机系统，包括处理器和存储器，所述存储器存储有计算机程序，其特征在于，所述处理器调用所述计算机程序实现如权利要求1-9任一所述的综合能源系统供能可靠性评估方法的步骤。

说明书

一种综合能源系统供能可靠性评估方法及计算机系统

技术领域

[0001] 本发明涉及综合能源领域，尤其是涉及一种综合能源系统供能可靠性评估方法及计算机系统。

背景技术

[0002] 随着全球能源危机的不断加剧和环境问题的日益严峻，传统的高碳化能源开发与利用方式将难以为继。美国著名学者杰里米.里夫金在《第三次工业革命》中指出第二次工业革命中奠定的基于化石燃料大规模利用的工业模式正在走向终结。近年来，以大数据、云计算、物联网、移动互联网为代表的信息支撑技术和以可再生能源、分布式发电、储能、微网、电动汽车等为代表的能源技术得到了快速发展，以信息技术与能源技术深度融合为特征的能源互联网已经成为学术界、工业界和政府关注的焦点。

[0003] 在能源互联网背景下，考虑多种能源耦合、旨在提高能源利用效率和充分利用可再生能源的区域综合能源系统成为国内外研究热点。区域综合能源系统能够打破传统的供电、供气、供热、供冷等各种能源供应系统单独规划、单独设计和独立运行的既有模式，在规划、设计、建设和运营阶段能对各类能源的生产、传输、分配、转化、储存和消费等环节进行有机协调与优化。

[0004] 随着经济社会的发展，人们对能源供给的可靠性要求越来越高，确保电、气、热、冷等综合能源系统的供能可靠性显得尤为重要，开展其可靠性评估研究具有十分重要的意义。因此，如何对综合能源系统的可靠性进行评估，以保证综合能源系统的安全和高效运行是本领域技术人员需要解决的问题。现有的综合能源系统可靠性评价方法尚未建立完整的可靠性指标体系，也不能很好地计及用户用能目的和用能立场。

发明内容

[0005] 本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种评估准确度高的综合能源系统供能可靠性评估方法及计算机系统。

[0006] 本发明的目的可以通过以下技术方案来实现：

[0007] 一种综合能源系统供能可靠性评估方法，包括以下步骤：

[0008] 获取待评估的综合能源系统的原始参数和拓扑结构；

[0009] 基于序贯蒙特卡洛法获取所述待评估的综合能源系统的仿真模型；

[0010] 采用节点标记法对所述仿真模型的系统状态进行拓扑分析，获得多个连通域；

[0011] 对各所述连通域分别进行状态分析，采用基于用能目的和用户立场的供能可靠性指标体系对所述待评估的综合能源系统进行可靠性评估。

[0012] 进一步地，所述基于用能目的和用户立场的供能可靠性指标体系包括负荷点可靠性指标和系统级可靠性指标。

[0013] 进一步地，所述负荷点可靠性指标包括负荷点故障率、负荷点平均停供持续时间、负荷点年平均停供持续时间和负荷点年平均热舒适时间，其中，

[0014] 负荷点故障率表示为：

[0015]

[0016] 式中，λα,j为α子系统负荷节点j的故障率，T为总模拟时间， 为在整个模拟时间段中α子系统负荷节点j总的故障次数；

[0017] 负荷点平均停供持续时间表示为：

[0018]

[0019] 式中，γα,j为α子系统负荷节点j的平均停供持续时间， 为第i次模拟中α子系统负荷节点j的故障时间，N为整个模拟时段内系统随机状态的数目；

[0020] 负荷点年平均停供持续时间表示为：

[0021] Uα,j＝λα,jγα,j

[0022] 式中，Uα,j为α子系统负荷节点j的年平均停供持续时间；

[0023] 负荷点年平均热舒适时间表示为：

[0024]

[0025] 式中，Uh,j指热力系统第j个负荷点平均每年的热舒适时间，Fh,j(Xi)为与系统随机状态Xi对应的热舒适系数，为0或1，ti为系统随机状态Xi持续时间。

[0026] 进一步地，所述热舒适系数Fh,j(Xi)由下式决定：

[0027]

[0028] 其中，PMV为预计平均热感觉指数。

[0029] 进一步地，所述系统级可靠性指标包括系统平均停供频率、系统平均停供持续时间、系统平均供能可靠率、系统供应不足期望和系统热用户满意度，其中，[0030] 系统平均停供频率SAIFIα表示为：

[0031]

[0032] 式中，下标α代表子系统能源类型，Nα,j为α子系统负荷节点j的用户数，Nα为α子系统负荷节点总数，λα,j为α子系统负荷节点j的故障率；

[0033] 系统平均停供持续时间SAIDIα表示为：

[0034]

[0035] 式中，Uα,j为α子系统负荷节点j的年平均停供持续时间；

[0036] 系统平均供能可靠率ASAIα表示为：

[0037]

[0038] 系统供应不足期望EPNSα表示为：

[0039]

[0040] 式中，Cα,j(Xi)为系统在状态Xi下α子系统负荷节点j负荷削减量，ti为系统随机状态Xi持续时间，T为总模拟时间，N为整个模拟时段内系统随机状态的数目；

[0041] 系统热用户满意度Ph表示为：

[0042]

[0043] 式中，Nh为热负荷节点总数，Nh,j为热力子系统负荷节点j的用户数，Uh,j指热力系统第j个负荷点平均每年的热舒适时间。

[0044] 进一步地，所述序贯蒙特卡洛法中，所有元件均采用工作-故障两状态模型，各元件的无故障工作时间TTF和修复时间TTR均为服从指数分布的随机变量，基于所述随机变量获得系统运行状态序列。

[0045] 进一步地，所述节点标记法通过依次搜索并标记支路两端节点的编号来进行连通域区分。

[0046] 进一步地，所述对各所述连通域分别进行状态分析具体为：

[0047] 若区域内能源供给量为0，则区域内所有负荷均得不到能源供给；

[0048] 若区域内能源供给量不为零且大于等于负荷量，则区域内所有负荷均得到正常能源供给，无需进行负荷削减；

[0049] 若区域内能源供给量不为零且小于负荷量，则对区域内负荷进行削减，直至能源供给量大于等于负荷量。

[0050] 进一步地，采用基于考虑热惯性的负荷削减策略对区域内负荷进行削减，对不同负荷采用不同削减方式，针对性强，有效性高。

[0051] 本发明还提供一种综合能源系统供能可靠性评估计算机系统，包括处理器和存储器，所述存储器存储有计算机程序，所述处理器调用所述计算机程序实现所述的综合能源系统供能可靠性评估方法的步骤。

[0052] 与现有技术相比，本发明具有如下有益效果：

[0053] 1、本发明建立基于用能目的和用户立场的综合能源系统供能可靠性指标体系，能对综合能源系统进行更全面和完整的评价，评估准确度高，以保证综合能源系统的安全和高效运行。

[0054] 2、考虑热负荷特性及用户舒适度，提出考虑负荷热惯性的负荷削减策略，基于序贯蒙特卡洛法形成综合能源系统供能可靠性评估流程，能够考虑不同类型用户的用能目的和用户立场，进一步提高评估结果准确度，便于综合能源系统的使用，提高供能可靠性。

附图说明

[0055] 图1为本发明序贯蒙特卡罗法仿真示意图；

[0056] 图2为本发明节点标记法流程图；

[0057] 图3为本发明评估过程示意图；

[0058] 图4为本发明实施例中综合能源系统供能系统结构图；

[0059] 图5为本发明实施例中Energy hub I结构图；

[0060] 图6为本发明实施例中Energy hub II结构图；

[0061] 图7为本发明实施例中系统级可靠性指标收敛速度；

[0062] 图8为本发明实施例中不同仿真年限下指标均值；

[0063] 图9为本发明实施例中不同仿真年限下指标标准差；

[0064] 图10为本发明实施例中配电系统负荷点可靠性指标示意图，其中，(10a)为负荷点故障率，(10b)为负荷点平均停供持续时间，(10c)为负荷点年平均停供持续时间；

[0065] 图11为本发明实施例中天然气系统负荷点可靠性指标示意图，其中，(11a)为负荷点故障率，(11b)为负荷点平均停供持续时间，(11c)为负荷点年平均停供持续时间；

[0066] 图12为本发明实施例中热力系统负荷点可靠性指标示意图，其中，(12a)为负荷点故障率，(12b)为负荷点平均停供持续时间，(12c)为负荷点年平均停供持续时间，(12d)为负荷点年平均热舒适时间。

具体实施方式

[0067] 下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

[0068] 如图3所示，本发明提供一种综合能源系统供能可靠性评估方法，包括以下步骤：获取待评估的综合能源系统的原始参数和拓扑结构；基于序贯蒙特卡洛法获取所述待评估的综合能源系统的仿真模型；采用节点标记法对所述仿真模型的系统状态进行拓扑分析，获得多个连通域；对各所述连通域分别进行状态分析，采用基于用能目的和用户立场的供能可靠性指标体系对所述待评估的综合能源系统进行可靠性评估。

[0069] (1)基于用能目的和用户立场的供能可靠性指标体系

[0070] 本发明建立的供能可靠性指标体系包括负荷点可靠性指标和系统级可靠性指标，具体如表1所示。

[0071] 表1综合能源系统供能可靠性指标体系

[0072]

[0073] 1)负荷点可靠性指标

[0074] a.负荷点故障率λ(次/a)

[0075]

[0076] 式中，λα,j为α子系统负荷节点j的故障率，T为总模拟时间， 为在整个模拟时间段中α子系统负荷节点j总的故障次数。

[0077] 对于电、气负荷，如果当前时间段内系统所能供应的能量低于该负荷点负荷需求，则认为出现供电或供气故障。对于热负荷，可通过式(14)至式(18)计算负荷温度，如果当前时段内温度低于允许的最低温度则认为该负荷点出现供热故障。

[0078] b.负荷点平均停供持续时间γ(h/次)

[0079]

[0080] 式中，γα,j为α子系统负荷节点j的平均停供持续时间， 为第i次模拟中α子系统负荷节点j的故障时间，N为整个模拟时段内系统随机状态的数目。

[0081] c.负荷点年平均停供持续时间U(h/a)

[0082] Uα,j＝λα,jγα,j   (3)

[0083] 式中，Uα,j为α子系统负荷节点j的年平均停供持续时间。

[0084] d.负荷点年平均热舒适时间Uh(h/a)

[0085]

[0086] 式中，Uh,j指热力系统第j个负荷点平均每年的热舒适时间，Fh,j(Xi)由下式决定：

[0087]

[0088] 2)系统级可靠性指标

[0089] a.系统平均停供频率指标(system average interruption frequency index，SAIFI)(次/用户·a)

[0090]

[0091] 式中，下标α代表子系统能源类型，Nα,j为α子系统负荷节点j的用户数，Nα为α子系统负荷节点总数。

[0092] b.系统平均停供持续时间指标(system average interruption duration index，SAIDI)(h/用户·a)

[0093]

[0094] c.系统平均供能可靠率指标(average service availability index，ASAI)[0095]

[0096] d.系统供应不足期望(expected energy not supply，EENS)(MWh/a)[0097]

[0098] 式中，Cα,j(Xi)为系统在状态Xi下α子系统负荷节点j负荷削减量，ti为系统随机状态Xi持续时间。

[0099] e.系统热用户满意度Ph

[0100] 系统热用户满意度Ph指一年中热力系统用户处于热舒适的概率。

[0101]

[0102] 式中，Nh为热负荷节点总数，Nh,j为热力子系统负荷节点j的用户数。

[0103] 用户热舒适的计算方法如下。

[0104] 由于用户对温度舒适程度的感知具有模糊性，即当室内温度在一定范围内变化时，用户不会感受到明显的差异，因此，用户的采暖负荷需求曲线是一个区间。热用户对热环境质量的要求一般用热舒适度来表征，选择预计平均热感觉指数(predicted mean vote，PMV)来量化温度对用户热舒适度的影响。PMV指数是根据人体热平衡的基本方程式以及心理生理学主观热感觉的等级为出发点，考虑了人体热舒适感的诸多有关因素的全面评价指标。PMV指数表明群体对于七个等级热感觉投票的平均指数，人体感觉与PMV指数的对应关系如表2所示。

[0105] 表2人体感觉与PMV指数的对应关系

[0106]

[0107] PMV值可以通过下式得到：

[0108]

[0109] 式中，M为人体能量代谢率，W为人体所作的机械功率，fcl为人体覆盖服装面积与裸露面积之比，hc为表面传热系数，Pa为人体周围空气的水蒸气分压力，tn为人体周围空气温度，tr为平均辐射温度，tcl为服装外表面温度。

[0110] 根据《民用建筑供暖通风与空气调节设计规范》，PMV宜处于[-1，+1]之间。冬季供暖时，从节能原则出发，满足热舒适的条件下尽量考虑节能，因此选择偏冷的环境，PMV宜处于[-1，0]之间。

[0111] (2)序贯蒙特卡洛法仿真模型

[0112] 假设系统所有元件均采用工作-故障两状态模型，元件的故障率和修复率分别为常数λ、μ，此时元件的无故障工作时间(time to failure，TTF)和修复时间(time to repair，TTR)均为服从指数分布的随机变量，可按式(12)和式(13)依次进行抽样，形成元件运行状态持续时间序列，综合各元件可得到系统运行状态序列。

[0113]

[0114]

[0115] 式中，δ1和δ2为[0，1]上均匀分布的随机数。

[0116] 假设某简单系统由两个元件A、B构成，则通过对两个元件的状态序列模拟确定整个系统的状态转移过程如图1所示。图中“1”状态表示元件的运行状态，“0”状态表示元件的停运状态。“00”、“01”、“10”以及“11”表示由两个元件构成的系统组合状态。

[0117] (3)综合能源系统拓扑分析

[0118] 对蒙特卡洛模拟所得到的系统状态进行拓扑分析，主要任务是分析系统的节点由支路和能源转换设备连接成多少子系统。此处采用节点标记法进行系统的连通性辨识。节点标记法对系统中每一个节点进行归类，属于同一个区域(即节点间存在一条路可以连通)的节点归为一类，它通过依次搜索并标记支路两端节点的编号来进行连通域区分，搜索次数仅为支路总数。

[0119] 对于有N个节点、M条支路的系统，用矩阵AM×2记录支路和节点间的物理连接关系，即若第i条支路连接在节点j和k之间，则A(i,1)＝j，A(i,2)＝k。用矩阵CN×1记录节点所属区域，即若第i个节点位于区域1，则C(i,1)＝1。节点标记法的具体实现包括以下几个步骤，流程图如图2所示。

[0120] 步骤1：输入节点数N、支路数M、矩阵AM×2。初始化CN×1为零矩阵，i＝1，x＝0(x表示区域数)。

[0121] 步骤2：如果C(A(i,1),1)和C(A(i,2),1)均为0，即第i条支路与存在的区域不连通，则x＝x+1，C(A(i,1),1)＝x，C(A(i,2),1)＝x，即独立区域数增加1，支路两端节点所属区域为x，转步骤5；如果C(A(i,1),1)和C(A(i,2),1)中有一个为0，即此支路两端节点有且仅有一个节点与存在区域连通，则将当前支路两端节点中区域为0的节点归为另一节点所在区域，C(A(i,1),1)＝C(A(i,1),1)+C(A(i,2),1)，C(A(i,2),1)＝C(A(i,1),1)，转步骤5；如果C(A(i,1),1)和C(A(i,2),1)均不为0，且不等，即此支路将两个独立区域连通，则将区域数减小1，并更新相关节点所属区域，big＝max{C(A(i,1),1),C(A(i,2),1)}，sma＝max{C(A(i,1),1),C(A(i,2),1)}，x＝x-1，k＝1，转步骤3。

[0122] 步骤3：如果C(k,1)＞big，则C(k,1)＝C(k,1)-1；如果C(k,1)＝big，则C(k,1)＝sma。

[0123] 步骤4：k＝k+1，如果k≤N，转第步骤3，否则转第步骤5。

[0124] 步骤5：i＝i+1，如果i≤M，转步骤2，否则转第步骤6。

[0125] 步骤6：输出矩阵C。

[0126] (3)负荷热惯性

[0127] 建筑采暖系统热惯性反映的是建筑维护结构保持当前室温的能力，它与建筑围护结构面积、室内外温度等因素有关。建筑采暖系统热损失是一个十分复杂的过程，包括对流、传导和辐射。当采暖用户室温在允许的范围内变化时，其热损失可采用稳态简易算法，主要由建筑围护结构热负荷、冷风渗透热负荷和通风热负荷三部分组成，分别表示为：

[0128]

[0129]

[0130]

[0131] 式中， 为t时段节点k对应采暖用户的建筑围护结构热负荷，Sk为节点k对应采暖用户的建筑围护结构面积，Fe为节点k对应采暖用户的建筑围护结构热传导系数， 为t时段节点k对应采暖用户的室内温度， 为t时段节点k对应采暖用户的室外温度， 为t时段节点k对应采暖用户的楼层高度修正系数， 为t时段节点k对应采暖用户的建筑朝向修正系数， 为t时段节点k对应采暖用户的冷风渗透热负荷，Num为每小时换气次数，Vk为节点k对应采暖用户的建筑围护结构体积，cp为寒冷空气的恒压比热容， 为t时段室外空气密度， 为t时段节点k对应采暖用户的通风热负荷，Ven为每小时的通风量。

[0132] 考虑室温动态变化过程时，以室内温度为状态量，表征采暖负荷热惯性的方程可表示为：

[0133]

[0134]

[0135] 式中，Q为t时段节点k对应采暖用户热负荷功率，CM为室内空气比热容，Mk为节点k对应采暖用户的室内空气质量， 为t+1时段节点k对应采暖用户的室内温度。

[0136] (4)考虑负荷热惯性的负荷削减策略

[0137] 当综合能源系统出现故障导致系统不能完全满足所有负荷需求时，需要进行负荷削减以保证剩余负荷的正常供能。此处通过定义负荷削减系数来确定负荷削减的优先顺序。综合考虑负荷重要程度及位置，定义负荷削减系数如下式所示：

[0138]

[0139] 式中，αi为负荷点i的重要程度系数，LCi为负荷点i的重要程度因子，βi为负荷点i的位置削减系数。 为负荷点i与电(气、热)源点sj的最小距离，与系统拓扑结构有关，与支路长度无关，相邻两负荷点距离为1。Ns为电(气、热)源点的总个数。ILi为负荷点i的削减系数，其值越小越优先削减该负荷点处的负荷。

[0140] 基于上述负荷削减系数，设置考虑负荷热惯性的负荷削减策略如下：

[0141] 对蒙特卡洛模拟所得到的系统状态进行拓扑分析，对拓扑分析后得到的n个连通域分别进行状态分析，若第i个连通域内能源供给不能完全满足所有负荷能源需求，则需根据负荷削减系数依次削减负荷，每完成一个节点的负荷削减工作后便重新进行功率平衡分析，直至第i个连通域内能源供给量大于等于负荷量。

[0142] 对于电负荷和气负荷，每次将负荷点处负荷削减至零。对于热负荷，当要削减某一负荷点处的负荷时，先假设将此负荷点处负荷削减至零，通过式(14)至式(18)计算下一时刻温度，若下一时刻温度高于设置的最低允许温度，则将此负荷点处负荷削减至零；若下一时刻温度低于设置的最低允许温度，则将下一时刻温度设置为最低允许温度，通过式(14)至式(18)计算负荷功率，从而得到负荷削减功率。

[0143] (5)综合能源系统供能可靠性评估过程

[0144] 基于序贯蒙特卡洛模拟的综合能源系统供能可靠性评估主要步骤流程图如图3所示，具体包括：

[0145] 步骤1：输入系统原始参数和拓扑结构。

[0146] 步骤2：数据初始化，确定仿真年限，初始化系统仿真时间、负荷点故障次数等。

[0147] 步骤3：随机产生与元件数量统一的随机数，根据随机数求取每个元件的无故障工作时间TTF。

[0148] 步骤3：选取TTF最小的元件作为故障元件，累计仿真时间。

[0149] 步骤4：再产生一随机数，计算出故障元件的修复时间。

[0150] 步骤5：采用节点标记法对系统状态进行拓扑分析。

[0151] 步骤6：对拓扑分析后得到的n个连通域分别进行状态分析：

[0152] 若区域内能源供给量为0，则判定该区域的状态为：区域内所有负荷均得不到能源供给；

[0153] 若区域内能源供给量不为零且大于等于负荷量，则判定该区域的状态为：区域内所有负荷均得到正常能源供给，无需进行负荷削减；

[0154] 若区域内能源供给量不为零且小于负荷量，则需要基于考虑热惯性的负荷削减策略，对区域内负荷进行削减，直至能源供给量大于等于负荷量。

[0155] 步骤7：对于热负荷节点，计算下一时刻温度。

[0156] 步骤8：判断是否达到仿真年限，若是，则执行步骤9，若否，则返回步骤3。

[0157] 步骤9：计算负荷点可靠性指标及系统级可靠性指标。

[0158] 步骤10：基于步骤9的计算结果评估综合能源系统的供能可靠性。

[0159] 实施例

[0160] (1)参数设置

[0161] 1)系统概况

[0162] 如图4所示，本实施例系统中的能源类型包括电力、天然气、热力三类。电力系统为IEEE 33节点系统，天然气系统为11节点系统，热力系统为32节点系统。实施例系统中包含两个Energy hub。节点EB24、节点GB10和节点HB3通过Energy hub I相连。Energy hub I的输入为电力和天然气，输出热能为热力系统负荷供能。Energy hub II连接了节点GB11和节点HB6，这两个节点分别向Energy hub II提供天然气和热能。

[0163] 2)配电系统参数

[0164] 表3配电系统节点数据

[0165]

[0166]

[0167] 表4配电系统线路数据

[0168]

[0169]

[0170] 3)天然气系统参数

[0171] 表5天然气系统节点数据

[0172]

[0173] 表6天然气系统管道数据

[0174]

[0175] 4)热力系统参数

[0176] 表7热力系统节点数据

[0177]

[0178] 表8热力系统管道数据

[0179]

[0180]

[0181] 5)能源集线器参数

[0182] 图4所示系统中包含两个能源集线器(Energy hub)，分别为Energy hub I与Energy hub II。Energy hub I结构图如图5所示。

[0183] 其中T为变压器，AC为空调系统，GF为燃气锅炉。

[0184] Energy hub I参数矩阵如下式所示：

[0185]

[0186] Energy hub II结构图如图6所示。

[0187] 其中HE为电加热器，MT为微型燃气轮机。

[0188] Energy hub II参数矩阵如下式所示：

[0189]

[0190] 6)系统元件可靠性参数

[0191] 考虑配电系统主馈线、配电线路、气源、天然气管道、热源、热力系统管道以及Energy hub中的能源转换设备故障，对图4所示的综合能源系统供能系统进行可靠性评估，系统元件可靠性参数如表9所示。

[0192] 表9系统元件可靠性参数

[0193]

[0194] 7)热负荷相关参数

[0195] 假设实施例中的热负荷均为采暖建筑热负荷，其热惯性方程中的相关参数如表10所示，PMV方程相关参数如表11所示。

[0196] 表10采暖建筑物热惯性方程相关参数

[0197]

[0198] 表11 PMV方程相关参数

[0199]

[0200]

[0201] (2)实施例结果

[0202] 1)指标收敛性分析

[0203] 由于采用的是规定仿真年限对综合能源系统的供能可靠性进行评估，因此，首先验证仿真的收敛性。对于序贯蒙特卡洛模拟，可根据下式计算统计指标的收敛速度β：

[0204]

[0205] 式中，X为某统计指标，σ(X)为X的标准差，E(X)是X的均值，N是模拟仿真年数。

[0206] 由于本实施例中需要计算SAIFIe等13个系统级可靠性指标，根据式22计算所有系统级可靠性指标的收敛速度如图7所示。从图中可以看出，EPNSg、SAIDIg、SAIFIg和SAIDIe四个指标收敛较慢，其中EPNSg指标收敛最慢。

[0207] 在此基础上，从两个方面验证仿真收敛性：第一方面是相同仿真年限仿真多次，第二方面是不同仿真年限结果对比验证。设置仿真年限分别为1000年、2000年和3000年，并分别进行了十次仿真，选取EPNSg、SAIDIg、SAIFIg和SAIDIe四个收敛较慢的具有代表性的系统级可靠性指标进行结果统计，具体见表12、表13和表14所示。其中不同仿真年限情况下仿真十次的均值与标准差如图8、图9所示。

[0208] 表12仿真年限为1000年时代表性系统级可靠性指标计算结果

[0209]

[0210] 表13仿真年限为2000年时代表性系统级可靠性指标计算结果

[0211]

[0212] 表14仿真年限为3000年时代表性系统级可靠性指标计算结果

[0213]

[0214] 通过表12、表13、表14、图8和图9可以看出，不同的仿真年限下分别仿真多次时，EPNSg指标的标准差总是最大的，说明其收敛速度最慢，与图7的结果相吻合。当仿真年限从1000年增加到2000年，再增加到3000年时，系统可靠性指标的统计标准差逐渐减小，指标收敛性逐渐变好。当仿真年限为3000年时，系统可靠性指标统计标准差均较小，其中收敛速度最慢的EPNSg指标，其统计标准差也在0.9以下，达到较好的收敛水平。此外，通过对比不同仿真年限下系统可靠性指标计算结果的均值，可以看出，仿真年限为1000年、2000年和3000年时，其指标计算结果均值基本吻合。因此，可将仿真年限设置为3000年，此时系统可靠性指标已具有较好的收敛性。

[0215] 2)供能可靠性指标计算结果

[0216] 鉴于系统出现多重故障的概率比较小，此处仅考虑系统单重故障，包括配电系统主馈线、配电线路、气源、天然气管道、热源、热力系统管道以及Energy hub中的能源转换设备故障。基于序贯蒙特卡洛模拟，选取仿真年限为3000年，热负荷允许最低温度为18度，最高温度为25度，模拟图4所示系统运行情况，计算供能可靠性指标，包括负荷点可靠性指标和系统级可靠性指标。

[0217] 配电系统负荷点可靠性指标计算结果如图10所示，(10a)为负荷点故障率，(10b)为负荷点平均停供持续时间，(10c)为负荷点年平均停供持续时间。从(10a)可以看出，由于节点1的负荷功率为0，其故障率为0，其他所有负荷点的故障率均在0.4次/a以下。此外，从节点1到节点18，节点19到节点22，节点23到节点33，负荷点故障率逐渐增大，符合辐射状配电网络的供能特点，从馈线首端到馈线末端负荷点故障率逐渐增大。从(10b)可以看出，配电系统所有负荷点的平均停供持续时间均在8h/次左右，与给定的可靠性参数(配电系统主馈线修复时间为2h，配电线路修复时间为8h)相吻合。从(10c)可以看出，所有负荷点的年平均停供持续时间均小于3h/a，且负荷点年平均停供持续时间的整体规律与负荷点故障率的整体规律一致，从馈线首端到馈线末端负荷点年平均停供持续时间逐渐增大。

[0218] 天然气系统负荷点可靠性指标计算结果如图11所示，(11a)为负荷点故障率，(11b)为负荷点平均停供持续时间，(11c)为负荷点年平均停供持续时间。首先，从图中可以看出，节点2到节点8的负荷点故障率、平均停供持续时间、年平均停供持续时间均相等，这是由于天然气系统特殊的拓扑结构所致。图4中的天然气系统为环枝状的拓扑结构，兼有环状和枝状，节点2到节点8的管道连接方式为环状，当只考虑气源和天然气管道故障时，节点2到节点8故障均为气源故障或管道1故障所导致，因此其负荷点可靠性指标均相等。

[0219] 从(11a)可以看出，节点1故障率为0，这是由于节点1负荷为0；系统所有负荷点故障率均小于0.35次/a；从节点9到节点11负荷点故障率逐渐增大，这是由于节点9到节点11的管道连接方式为单枝状，离气源越远负荷可靠性越低；并且节点9、10、11的负荷点故障率大于节点2到节点8，这是因为除了气源故障或管道1故障会引起负荷点9、10、11故障外，管道12、13、14故障也会引起负荷点9、10、11故障。

[0220] 从(11b)可以看出，除了节点1平均停供持续时间为0外，其他所有负荷点的平均停供持续时间均在25h/次-31h/次之间，与给定的可靠性参数(气源修复时间为30h，天然气管道修复时间为20h)相吻合。此外，从节点9到节点11负荷点平均停供持续时间逐渐减小，并且节点9、10、11的负荷点平均停供持续时间均小于节点2到节点8。其原因如下：通过分析负荷点故障原因可知，除了气源故障或管道1故障会引起节点2到节点11全部故障，管道12故障会引起负荷点9、10、11故障，管道13故障会引起负荷点10、11故障，管道14故障会引起负荷点11故障，而在可靠性参数设置中，气源修复时间大于天然气管道修复时间。在模拟时间段内，节点9、10、11的故障总时间和故障总次数依次增大，且均大于节点2到节点8，但故障总时间的增长速度小于故障总次数的增长速度，因此从节点9到节点11的负荷点平均停供持续时间逐渐减小，并且均小于节点2到节点8的平均停供持续时间。

[0221] 从(11c)可以看出，系统所有负荷点的年平均停供持续时间均在9h/a以下，并且负荷点年平均停供持续时间整体规律与负荷点故障率整体规律一致。

[0222] 热力系统负荷点可靠性指标计算结果如图12所示，(12a)为负荷点故障率，(12b)为负荷点平均停供持续时间，(12c)为负荷点年平均停供持续时间，(12d)为负荷点年平均热舒适时间。首先对图4中的热力系统进行简单分析，此热力系统在具有三个热源的同时，Energy hub I也可为其提供部分热能，其拓扑结构也为环枝状，兼有环状和枝状。在此基础上对热力系统负荷点可靠性指标进行分析。首先，从图中可以看出，对于负荷功率为0的节点，其负荷点可靠性指标均为0。节点3虽然负荷功率不为0，但其故障率、平均停供持续时间、年平均停供持续时间均为0，分析原因为节点3与Energy hub I-Lh1相连接，Energy hub I的热能输入提高了节点3的供能可靠性。

[0223] 从(12a)可以看出，热力系统所有负荷点的故障率均在0.4次/a以下。节点8、21、24的故障率较高，这是因为节点8、21、24的负荷削减系数较小，在进行负荷削减时负荷削减系数越小越优先削减，因此这三个节点的故障率较高。从(12b)可以看出，系统所有负荷点的平均停供持续时间均在30h/次左右，与给定的可靠性参数(热源修复时间为30h，热力管道修复时间为25h)相吻合。从(12c)可以看出，系统所有负荷点的年平均停供持续时间均小于14h/a，并且负荷点年平均停供持续时间整体规律与负荷点故障率整体规律基本一致。从(12d)可以看出，系统所有负荷点的年平均热舒适时间均在8700h/a以上。

[0224] Energy hub输出的三个独立负荷节点，其负荷点可靠性指标如表15所示。通过分析Energy hub I与Energy hub II结构可知，Energy hub I的输出电负荷节点，其可靠性与Energy hub I输入电能、Energy hub I中的变压器可靠性有关；Energy hub II的输出电负荷节点，其可靠性与Energy hub II输入天然气、Energy hub II中的微型燃气轮机可靠性有关；Energy hub II的输出热负荷节点，其可靠性与Energy hub II输入天然气和输入热能、Energy hub II中的微型燃气轮机、换热器可靠性均有关。

[0225] 从表15可以看出，Energy hub I-Le1节点、Energy hub II-Le2节点与Energy hub II-Lh2节点，其负荷点故障率与年平均停供持续时间均逐渐增大，说明Energy hub I-Le1节点可靠性最高，Energy hub II-Le2节点次之，Energy hub II-Lh2节点可靠性最差。其中，Energy hub II-Lh2节点故障率与年平均停供持续时间较大，其原因与Energy hub II中的微型燃气轮机、换热器故障率较大有关，还与Energy hub II热能输入可靠性较低有关。此外，Energy hub II-Lh2节点年平均热舒适时间为8688.5183h/a，热满意度仍算是处于一个较高的水平。

[0226] 表15 Energy hub输出负荷点可靠性指标

[0227]

[0228] 图4所示综合能源系统供能系统的系统级可靠性指标如表16所示。从表中可以看出，三个能源子系统的平均供能可靠率均在0.999以上，系统可靠性水平较高。配电系统、天然气系统与热力系统，其系统平均停供频率逐渐增大，系统平均停供持续时间逐渐增大，系统平均供能可靠率逐渐减小，系统供应不足期望逐渐增大，说明配电系统可靠性水平最高，天然气系统次之，热力系统可靠性水平最低。此外，对热力系统来说，其系统热用户满意度为0.996278，处于较高的满意度水平。综上图4所示的综合能源系统供能可靠性处于较高水平。

[0229] 表16系统级可靠性指标

[0230]

[0231] 以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。