工作进度汇报part2

修改代码如下，将不同时间（365x24）的负荷考虑在内，计算得到每个时间段的LOLE，得到365x24的表格。

% 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
gen_work_rate = table2array(fuhe(:,4)); % 发电机组工作率
average_wind_output = 0; % 假设风电的平均输出为0，如有数据则替换此处

% 初始化LOLE数组，假设我们要计算一整年的LOLE
time_series_length = 24; % 每天24小时
num_days = 365;
lolp_over_time = zeros(num_days, time_series_length);

% 遍历每一天
for j = 1:num_days
    % 假设demands是一个table，每一行代表一天的负荷需求
    % 这里我们取第j天的负荷需求数据，假设demands的每列代表一个小时的负荷需求
    load_demands = table2array(demands(j,:)); % 获取第j天的负荷需求数组
    
    % 计算系统的总可用容量（包括风电）
    total_capacity = sum(gen_capacity) + average_wind_output;

    % 遍历每个时间点的负荷需求
    for t = 1:time_series_length
        % 假设load_demands已经是1X24的double数组，直接使用
        load_demand = load_demands(t);
        num_gens = length(gen_capacity);

        % 初始化LOLE值
        lolp = 0;

        % 遍历所有可能的故障组合
        for num_fails = 0:(num_gens-1)
            remaining_capacity = total_capacity - sum(gen_capacity(1:num_fails));
            if remaining_capacity < load_demand
                % 计算在当前故障组合下，剩余机组的工作时间概率乘积
                indices_to_keep = setdiff(1:num_gens, (1:num_fails));
                remaining_gens_capacity = gen_capacity(indices_to_keep);
                remaining_gens_work_rate = gen_work_rate(indices_to_keep);
                probability = 1;
                for i = 1:length(indices_to_keep)
                    probability = probability * (1 - gen_failure_rate(indices_to_keep(i)));
                end
                % 累加所有可能的故障组合对LOLE的贡献
                lolp = lolp + probability * (1 - prod(remaining_gens_work_rate));
            end
        end

        % 将LOLE值存储在数组中
        lolp_over_time(j,t) = lolp;
    end
end

% 显示每天的LOLE结果
for j = 1:num_days
    fprintf('Day %d LOLE values:\n', j);
    for t = 1:time_series_length
        fprintf('Time %d: LOLE with wind power integration: %f\n', t, lolp_over_time(j,t));
    end
end

% 如果需要计算整个时间序列的LOLE总和
result = sum(lolp_over_time(:))/8736;

得到365*24的表格，截取部分如下：

发现早上和晚上的电力不足会比较大，基本符合预期。

期待做出这种可视化效果：

现有问题是：我不明确要利用哪部分的风电数据，查到的资料直接利用了所谓“风电平均出力”来加到可提供的容量上（我的理解），但我认为应该不对。

对风电场考虑：

从已知的风速序列获 得风电场的功率这一过程十分复杂，本文作简化处理，不考虑地形、尾流、机组 位置、风速空间分布、各种损耗等多种因素的影响，仅仅关注单台风机的出力与 机组的数量，首先需要对风力发电机的出力建立数学模型。

风力发电机的输出功率和风速的关系曲线称为标准功率特性曲线。

拟合得到：

然后加到代码中供给端。

但是需要关注到的是：部分论文中容量可信度是对于某一小时的值，这和综述论文中的计算准则中对全部的时间尺度来相加有细微差别，我们可以理解成是T设为该时刻的单点集。

所查论文：

如何得到弦截法的下图，是改变虚拟机组容量pv，不是负荷！

现在已知了A点，下面思考如何加虚拟机组和添加风电机组。

所以目前的计划是：

对于某一天的某一时刻来说：负荷已知，可算LOLE，那一时刻的风电提供容量如何算？得到风电提供容量后，我可以得到新的LOLE，我对原先的代码中虚拟机组加到供给的部分，以期得到相同的LOLE，此时得到的虚拟机组容量就是可信容量的分子部分。