工作进度汇报：风电容量可信度的测算

任务：用RTS-79系统测算风电容量可信度。

1.RTS79系统的介绍

RTS（Reliability Test System)提供了一个基准模型，用于研究电力系统的可靠性和稳定性问题 。

它包含了24个节点、32个发电机组、38条输电线路。

设计动机：为了给比较不同方法得到的电力系统可靠性结果提供依据，最好有一个包含可靠性评估所需的基本数据的参考或“试验”系统。这个系统被设计为具有高度的代表性，能够模拟现实世界电力系统的各种操作条件和故障情况。

2.测算风电容量前，先算LOLE（加风电的情况）

目前问题是不明确风电如何接入，用那部分的数据。

机组容量(MW)	强迫停运率(％)
20	10.00
20	10.00
76	2.00
76	2.00
20	10.00
20	10.00
76	2.00
76	2.00
100	4.00
100	4.00
100	4.00
197	5.00
197	5.00
197	5.00
12	2.00
12	2.00
12	2.00
12	2.00
12	2.00
155	4.00
155	4.00
400	12.00
400	12.00
50	1.00
50	1.00
50	1.00
50	1.00
50	1.00
50	1.00
155	4.00
155	4.00
350	8.00

录入数据，我们算此时的LOLE。

% 发电机组的容量和可靠性数据
gen_capacity =table2array(fuhe(:,1)); % 发电机组容量（MW）
gen_failure_rate = table2array(fuhe(:,2)) * 0.01; % 发电机组故障率，我直接用了强迫停运率，有问题
gen_work_rate=table2array(fuhe(:,4));
average_wind_output=0;%风电取0

% 假设有一个负荷需求
load_demand = 3045;% 负荷需求（MW）3045

% 计算系统的总可用容量（包括风电）
total_capacity = sum(gen_capacity) + average_wind_output;

suoyin=@(num_remain)...
    randperm(length(gen_capacity), num_remain);
remaining_capacity = @(num_remain)...
    sum(gen_capacity(suoyin(num_remain))) + average_wind_output;
%randperm(length(gen_capacity), num_fails))生成1到32索引

% 计算LOLP
lolp = 0;
p=0;
for i = 1:32
    fails = i-1; % 失败的发电机组数量
    num_remain=32-fails;
    % 计算在各种故障状态下系统的剩余容量
    if remaining_capacity(num_remain)<load_demand
        % 得到要保留的索引
        indices_to_keep = setdiff(1:32, suoyin(num_remain));
        % 使用索引数组来提取元素
        filtered_arr = gen_work_rate(indices_to_keep);
        p=prod(filtered_arr);%相乘
    lolp=lolp+p;
    end
end

% 显示LOLP结果
disp(['LOLE with wind power integration: ', num2str(lolp)]);

上述为运行结果。（不加风电）值只能作为平均值。问题一：这是因为我在代码中犯了错，没有完全遍历。

问题2：结果甚至不是定义的LOLE。因为LOLE是对时间指标上的相加，我的数据里并没有用时间上的指标？

加风电，我查到：

% 计算风电场的平均出力
average_wind_output = wind_capacity * wind_output_factor;

% 计算系统的总可用容量（包括风电）
total_capacity = sum(gen_capacity) + average_wind_output;

然后直接加到容量里，我认为是有误的。

问题3：风电的接入是需要利用什么数据呢？是用所谓平均出力来描述？

我们改一下代码：

%该系统是由10条 发电母线、17个负荷节点、33条输电线、5台变压器和32台发电机组组成，该系统的
% 总装机容量是3405MW，系统最大负荷是2850MW。
% 负荷模型数据、常规发电机组模型数据将采用IEEE—RTS79系统中的可靠性分析数据。

% 假设数据
gen_capacity =table2array(fuhe(:,1)); % 发电机组容量（MW）
wind_turbines = 50; % 风电机组数量
wind_capacity = wind_turbines * 200; % 风电机组总容量，假设每台风机容量为2MW
load_demand =3045; % 系统负荷需求

% 系统可靠性评估参数
num_simulations = 10000; % 蒙特卡罗仿真次数

% 初始化可靠性指标
total_outages = 0; % 总停电次数
total_duration = 0; % 停电总时长

% 蒙特卡罗仿真
for i = 1:num_simulations
    % 随机生成系统运行状态
    gen_status = randi([0, 1], length(gen_capacity), 1); % 发电机组运行状态（0-故障，1-运行）
    wind_output = randi([0, wind_capacity], 1, 1); % 风电输出，假设风电输出在0到风电总容量之间随机

    % 计算当前可用容量
    available_capacity = sum(gen_capacity .* gen_status) + wind_output;

    % 检查是否发生停电
    if available_capacity < load_demand
        total_outages = total_outages + 1; % 停电次数加1
        % 假设每次停电持续时间为1小时，可以根据实际情况调整
        total_duration = total_duration + 1;
    end
end

% 计算LOLP和EENS
LOLP = total_outages / num_simulations; % 失负荷概率
EENS = total_duration / num_simulations * 8760; % 年期望能量不供应量

% 输出结果
fprintf('LOLP: %.4f\n', LOLP);
fprintf('EENS: %.2f MWh\n', EENS);

这里风电机组取了50个。想确认下这样的算法正确吗，与论文结果比对发现：

LOLP相差较大，EENS相差在可容忍范围内。

3.算好之后，用截弦法来求交点

记录一些AI写的：

def secant_method(f, x0, x1, tolerance):
    """
    使用截弦法求解方程 f(x) = 0 的根。

    参数:
    f -- 需要求解的函数
    x0 -- 第一个初始近似值
    x1 -- 第二个初始近似值
    tolerance -- 容许误差

    返回:
    x -- 方程的近似根
    """
    while abs(x1 - x0) > tolerance:
        # 计算新的近似值
        x = x1 - f(x1) * (x1 - x0) / (f(x1) - f(x0))
        # 更新近似值
        x0, x1 = x1, x
    return x

# 定义一个示例函数
def example_function(x):
    return x**2 - 2  # 例如，求解 x^2 - 2 = 0

# 初始近似值
x0 = 1.0
x1 = 1.5

# 容许误差
tolerance = 1e-5

# 调用截弦法求解
root = secant_method(example_function, x0, x1, tolerance)
print(f"方程 {example_function.__name__} 的近似根是: {root}")

当然可以求f(x)=a的根。