曲嘉偉，朱樂為，劉澤宇，侯 愷

(1.天津大學(xué)智能電網(wǎng)教育部重點實驗室，天津 300072；2.天津理工大學(xué)海運(yùn)學(xué)院，天津 300384)

能源是人類賴以生存與發(fā)展的基礎(chǔ)，是文明發(fā)展不可或缺的動力之一.隨著化石能源的日益消耗以及人類對環(huán)境污染、氣候變化等問題的不斷重視，打破原有供能系統(tǒng)單獨(dú)規(guī)劃、獨(dú)立運(yùn)行的傳統(tǒng)模式，實現(xiàn)電、氣、熱(冷)等多種能源的協(xié)同供應(yīng)、梯級利用，已成為未來能源系統(tǒng)的發(fā)展趨勢[1-2].綜合能源微網(wǎng)可以有效實現(xiàn)多能源的協(xié)調(diào)互補(bǔ)與高效管理，目前已得到了廣泛的研究與關(guān)注.

儲能是綜合能源微網(wǎng)中的關(guān)鍵環(huán)節(jié)之一，不僅有利于消納可再生能源，提升微網(wǎng)運(yùn)行效益，還能夠在微網(wǎng)獨(dú)立運(yùn)行狀態(tài)下，保障負(fù)荷的可靠供應(yīng)，提升系統(tǒng)可靠性.近年來，隨著各種新型儲能技術(shù)的不斷發(fā)展，壓縮空氣儲能(Compressed Air Energy Storage，CAES)以其安全性較高、儲能規(guī)模大、響應(yīng)速度快、使用壽命長、熱/冷/電綜合利用面廣等優(yōu)點[3-4]，已成為綜合能源微網(wǎng)中多能源協(xié)同利用、孤島運(yùn)行負(fù)荷保障的重要解決方案.

目前，針對CAES系統(tǒng)及其在綜合能源微網(wǎng)中的應(yīng)用，國內(nèi)外學(xué)者以開展了大量研究.文獻(xiàn)[5-6]提出了一種絕熱壓縮空氣儲能技術(shù)，通過利用儲熱技術(shù)代替燃燒室通過燃燒的方式加熱高壓空氣的方法，有效避免了燃燒室的污染物排放.先進(jìn)絕熱壓縮空氣儲能利用先進(jìn)的儲熱技術(shù)將壓縮空氣過程中產(chǎn)生的熱量回收，大大降低了傳統(tǒng)CAES補(bǔ)燃環(huán)節(jié)的能量耗費(fèi)[7].文獻(xiàn)[8]提出了一種基于三聯(lián)產(chǎn)的微型CAES系統(tǒng)，通過系統(tǒng)優(yōu)化，大大提高了能源利用效率.針對含CAES的綜合能源微網(wǎng)，文獻(xiàn)[9]提出一種基于雙層規(guī)劃的CAES微網(wǎng)容量規(guī)劃方法，上層通過最小化總成本來確定最佳出力計劃，下層根據(jù)微電網(wǎng)的旋轉(zhuǎn)備用需求確定最佳機(jī)組計劃.文獻(xiàn)[10]基于CAES的溫度動態(tài)特性，采用二進(jìn)制技術(shù)和分段逼近方法，提出了含CAES的冷熱電聯(lián)供微網(wǎng)日前優(yōu)化調(diào)度模型.文獻(xiàn)[11]提出了一種考慮風(fēng)力發(fā)電和CAES的微網(wǎng)碳排最小運(yùn)行策略，給出了CAES運(yùn)行的最優(yōu)調(diào)度方案，有效降低了系統(tǒng)運(yùn)行成本.針對于微網(wǎng)中負(fù)荷的不確定性，文獻(xiàn)[12]提出了一種基于信息缺口決策理論的隨機(jī)優(yōu)化運(yùn)行策略，以提高微網(wǎng)的運(yùn)行靈活性.然而，現(xiàn)有關(guān)于CAES的研究多關(guān)注于微網(wǎng)的經(jīng)濟(jì)性和環(huán)保性，尚缺乏對綜合能源微網(wǎng)可靠性的相關(guān)研究.文獻(xiàn)[13]結(jié)合能源集線器構(gòu)建了典型綜合能源微網(wǎng)系統(tǒng)的物理模型，并提出了并網(wǎng)與孤島兩種典型運(yùn)行模式下綜合能源微網(wǎng)的可靠性評估方法.文獻(xiàn)[14]針對綜合能源微網(wǎng)多能源耦合、負(fù)荷供應(yīng)能力難評估等問題，構(gòu)建了綜合能源微網(wǎng)可行供能區(qū)間模型.文獻(xiàn)[15]量化分析了多元儲能不同運(yùn)行策略對綜合能源微網(wǎng)可靠性的影響.

上述文獻(xiàn)為本文的研究奠定了一定基礎(chǔ)，然而，隨著CAES和可再生能源的推廣應(yīng)用，其多能流異質(zhì)特性和多重不確定性給綜合能源微網(wǎng)的安全可靠運(yùn)行帶來了新的挑戰(zhàn)，但現(xiàn)有研究仍然存在以下問題：(1)壓縮空氣儲能與綜合能源微網(wǎng)的交互耦合影響復(fù)雜，現(xiàn)有方法尚未分析CAES故障對綜合能源微網(wǎng)可靠性的影響；(2) 現(xiàn)有狀態(tài)枚舉等傳統(tǒng)可靠性評估方法效率低，難以快速準(zhǔn)確得到含CAES的綜合能源微網(wǎng)可靠性指標(biāo).

因此，本文在現(xiàn)有研究的基礎(chǔ)上，從供能可靠性的角度對深度耦合的壓縮空氣儲能和風(fēng)光綜合能源微網(wǎng)開展研究，提出了一種基于影響增量法的CAES微網(wǎng)可靠性評估方法.首先，根據(jù)CAES系統(tǒng)的實際物理特性，建立CAES系統(tǒng)、熱力系統(tǒng)和分布式發(fā)電系統(tǒng)的數(shù)學(xué)模型；其次，針對于傳統(tǒng)狀態(tài)枚舉法評估效率低下的問題，給出了基于影響增量的含CAES綜合可靠性指標(biāo)計算方法及評估流程；最后，對某CAES微網(wǎng)進(jìn)行可靠性分析，并進(jìn)一步分析CAES和可再生能源滲透率對系統(tǒng)可靠性的影響.

1 含CAES的綜合能源微網(wǎng)系統(tǒng)建模

典型含CAES的微網(wǎng)系統(tǒng)結(jié)構(gòu)如圖1所示，包括熱力系統(tǒng)、CAES系統(tǒng)、分布式發(fā)電系統(tǒng)三部分.其中：CAES系統(tǒng)包括壓縮機(jī)、高壓儲氣罐、換熱器、透平機(jī)組等設(shè)備；熱力系統(tǒng)包括光伏集熱器、電加熱器、高低溫油罐、相變蓄熱等設(shè)備；分布式發(fā)電系統(tǒng)包括風(fēng)機(jī)、光伏等可再生能源發(fā)電設(shè)備.本文模型建立基于如下假設(shè)：(1)將空氣視作理想氣體；(2)在單個調(diào)度時間區(qū)間內(nèi)壓縮機(jī)流量、透平機(jī)組和儲油罐流量恒定.

圖1 CAES系統(tǒng)結(jié)構(gòu)圖

1.1 CAES系統(tǒng)建模

CAES運(yùn)行可以分為壓縮、換熱、儲氣和透平膨脹四個階段.系統(tǒng)運(yùn)行結(jié)構(gòu)圖如圖2所示.CAES工作原理是：當(dāng)處于用電低谷時，電能驅(qū)動壓縮機(jī)壓縮空氣的同時回收在壓縮過程中產(chǎn)生的壓縮熱能，將電能轉(zhuǎn)化為高壓氣體內(nèi)能和熱能進(jìn)行存儲；當(dāng)處于用電高峰時，儲氣裝置釋放的高壓氣體，經(jīng)儲熱裝置預(yù)熱后進(jìn)入透平膨脹機(jī)對外膨脹輸出，將高壓氣體內(nèi)能和熱能轉(zhuǎn)化為電能，實現(xiàn)電力供應(yīng)[16].

(1)壓縮階段模型

壓縮機(jī)是一種提高氣體壓力的設(shè)備.CAES中，壓縮機(jī)一般采用多級壓縮、級間冷卻方式運(yùn)行.在采用電驅(qū)動(電壓縮機(jī))的場景下，若將壓縮過程當(dāng)作絕熱過程處理，則壓縮機(jī)中原動機(jī)所消耗的電功率可由公式(1)計算得出

(1)

公式中：ηc為壓縮效率；ma為通過第i級壓縮機(jī)空氣質(zhì)量；Cp為空氣定壓比熱容；Tc,i,in為第i級壓縮機(jī)的進(jìn)氣溫度；βc為壓縮機(jī)的額定壓縮比；γ為理想空氣的比熱比.則：第i級壓縮機(jī)的出口空氣溫度可以表示為

(2)

圖2 CAES系統(tǒng)結(jié)構(gòu)

(2)換熱階段模型

換熱器是一種熱能傳遞設(shè)備，在CAES的儲能階段，換熱器能夠使空氣和載熱介質(zhì)進(jìn)行熱交換.第i級換熱器交換的熱能Qhc,i可以由下式表達(dá)：

Qhc,i=ma,iCq(Tc,i,out-Tc,i,in)，

(3)

公式中：Tc,i,in為載熱介質(zhì)流入換熱器時的溫度；Tc,i,out為流出換熱器時的溫度；ma,i為流體的質(zhì)量；Cq為導(dǎo)熱介質(zhì)的比熱，換熱器第i級的換熱溫度與第i+1級壓縮機(jī)的進(jìn)氣溫度可以按照下式計算：

(4)

公式中：ε為換熱器的效能參數(shù).

儲油罐是實現(xiàn)熱能循環(huán)的重要設(shè)備，一般由高溫儲油罐、低溫儲油罐構(gòu)成.在換熱過程中，儲油罐的功率可以表達(dá)為

(5)

公式中：Nc為單位時間內(nèi)熱交換次數(shù)；Qosc為高溫油罐的熱功率；Qosg為低溫油罐的熱功率；Qosc,i為高溫油罐的熱交換功率；Qosg,i為低溫油罐的熱交換功率.

(3)儲氣階段模型

儲氣設(shè)備可類比于儲能設(shè)備進(jìn)行建模，針對空氣的特性建立儲氣設(shè)備容量方程可由公式(6)計算得到：

(6)

(4)膨脹階段模型

每級透平機(jī)之間均通過換熱器加熱，將其視為絕熱過程.則CAES系統(tǒng)在t時刻第i級膨脹功率

(7)

公式中：ηt為膨脹效率；βt為膨脹機(jī)額定膨脹比；Tt,i,in為第i級透平機(jī)的入口溫度.

第i級透平機(jī)的出口溫度Tt,i,out為

.

(8)

1.2 熱力系統(tǒng)建模

(1)太陽能集熱器模型

太陽能集熱器吸收太陽光輻射能并對傳熱管內(nèi)的導(dǎo)熱油進(jìn)行加熱.其中，太陽能集熱器熱量

Qsol=N·DNI·APTC·(1-BM)，

(9)

公式中：N為太陽能集熱器數(shù)；APTC為單個設(shè)備的集熱面積；DNI為太陽能輻射強(qiáng)度；BM為鏡面損壞程度.

集熱器收集的太陽能最終被導(dǎo)熱管內(nèi)的導(dǎo)熱介質(zhì)吸收，導(dǎo)熱介質(zhì)吸熱方程表達(dá)如下：

Qhtf=Qsol·ηte,c，
Qhtf=mcol,in·Cp,htf·(Tcol,out-Tcol,in) ，

(10)

公式中：mcol,in為進(jìn)入集熱器的導(dǎo)熱介質(zhì)質(zhì)量流量；Cp.htf為導(dǎo)熱介質(zhì)定壓熱容；Tcol.in為導(dǎo)熱介質(zhì)進(jìn)集熱器的溫度；Tcol.out為導(dǎo)熱介質(zhì)出集熱器的溫度；ηte,c為集熱效率，可由下述方程計算得出：

ηte,c=0.7408·K(θ)-4.32×10-2·(Tcol,in-Tam)/DNI-5.03×10-4·(Tcol,in-Tam)2/DNI，

(11)

公式中：Tam為環(huán)境溫度；K(θ)為修正系數(shù)，可以由下式計算得出：

K(θ)=cos(θ)-5.25×10-4·θ-2.86×10-5·θ2，

(12)

公式中：θ為太陽入射角.

(2)電加熱器模型

電加熱器是將電能轉(zhuǎn)化為熱能的設(shè)備，其功率可由下式求得：

Qd=ηGFPd，

(13)

公式中：Pd為輸入電功率；Qd為輸出供熱功率；ηGF為電加熱器的電熱轉(zhuǎn)化效率.

(3)儲熱模型

儲熱的典型物理模型可以被表示為

(14)

公式中：SOC(t)為儲熱在t時刻的剩余電量；SOC(t0)為儲熱在t0時刻的剩余電量；δ為儲熱的自放能率；Δt為t0到t的時間跨度；Qch為儲熱的充熱功率；Qdis為放熱功率；ηch為儲熱的充熱效率；ηdis為放熱效率.

1.3 分布式發(fā)電系統(tǒng)建模

(1)風(fēng)力模型

風(fēng)力發(fā)電機(jī)組的輸出與風(fēng)速呈相關(guān)性，可以用輸出功率特性曲線來描述風(fēng)電機(jī)組的輸出功率Pwt：

(15)

公式中：v為風(fēng)機(jī)輪轂高度處的風(fēng)速;vci為切入風(fēng)速；vco為切出風(fēng)速；vr為額定風(fēng)速；Pr為額定輸出的功率.

(2)光伏模型

光伏的出力模型通?？梢员硎緸?/p>

Ppv=ξcosθηmApηp，

(16)

公式中：ξ為光照輻射強(qiáng)度；ηm為MPPT控制器的效率；Ap為太陽能電池板的面積；ηp為太陽能電池板效率.

2 含CAES微網(wǎng)可靠性評估方法

系統(tǒng)可靠性評估方法主要分為狀態(tài)枚舉法(State Enumeration，SE)和蒙特卡洛模擬法(Monte Carlo Simulation，MCS)[17-19].但由于CAES微網(wǎng)內(nèi)風(fēng)光出力的隨機(jī)性，導(dǎo)致系統(tǒng)運(yùn)行狀態(tài)數(shù)量龐大.為提高可靠性評估的計算效率，本文提出了一種基于影響增量法[20]的CAES微網(wǎng)可靠性評估方法.

2.1 含CAES的綜合能源微網(wǎng)可靠性評估模型

2.1.1 綜合能源微網(wǎng)可靠性指標(biāo)

本文針對含CAES微網(wǎng)采用兩種指標(biāo)對系統(tǒng)的可靠性水平進(jìn)行量化.

供能不足期望值(Expected Energy Not Supplied，EENS)：

(17)

公式中：P(s)為狀態(tài)s的概率；I(s)為CAES模型中狀態(tài)s的最優(yōu)負(fù)荷削減量；下標(biāo)e為電負(fù)荷；h為熱負(fù)荷.

負(fù)荷損失概率指標(biāo)(Loss of Load Probability，LOLP)：

(18)

公式中：當(dāng)I(s)≠0時，u(I(s))=1，否則u(I(s))=0.

2.1.2 綜合能源微網(wǎng)故障影響分析模型

含CAES的微網(wǎng)模型用于評估每個系統(tǒng)狀態(tài)影響.目標(biāo)函數(shù)是最小化總負(fù)荷削減，具體模型如下所示：

minflc=∑w1Plc+w2Hlc，

(19)

公式中：s為系統(tǒng)的故障狀態(tài)；flc為目標(biāo)函數(shù)；Ωs為系統(tǒng)狀態(tài)集；Plc為電負(fù)荷削減量；Hlc為熱負(fù)荷削減量；w1、w2為對應(yīng)負(fù)荷削減量的權(quán)重系數(shù).

除公式(1)～公式(16)所示模型約束外，系統(tǒng)運(yùn)行約束如下所示：

Ppv+Pwt+Pc-Pcp-Pd=Pload+Plc，

(20)

Qosc+Qosg+Qhtf+Qd+Qch-Qdis=Qload+Qlc+∑Qhc,i，

(21)

(22)

(23)

(24)

公式中：公式(20)為系統(tǒng)的電平衡方程；公式(21)為熱平衡方程；Pload為系統(tǒng)電負(fù)荷；Qload為熱負(fù)荷；xe為電設(shè)備向量集；xh為熱設(shè)備向量集.xe=[pv，wt，c，cp，d，lc]、xh=[osc，osg，htf，d，ch，dis,lchc]；公式(22)為設(shè)備電功率；公式(23)為熱功率；公式(24)為儲能容量上下限約束.

2.2 基于影響增量的含CAES微網(wǎng)可靠性評估方法

2.2.1 基于影響增量的可靠性指標(biāo)計算方法

在使用公式(17)～公式(18)對2.1.2節(jié)中的微網(wǎng)模型進(jìn)行基于狀態(tài)枚舉法的可靠性評估時，大量高階故障狀態(tài)和可再生能源出力的不確定性導(dǎo)致待評估場景數(shù)量非常龐大，導(dǎo)致評估效率低下.為在保證計算精度的同時提高計算效率，本文采用一種基于影響增量法的狀態(tài)枚舉改進(jìn)方法來進(jìn)行CAES微網(wǎng)的可靠性評估.

影響增量法的基本思路是：利用高階故障狀態(tài)的影響與低階故障狀態(tài)影響的相關(guān)性，通過將部分的高階系統(tǒng)狀態(tài)影響轉(zhuǎn)移到低階，提高基于狀態(tài)枚舉法的可靠性評估效率，文獻(xiàn)[20]給出了影響增量法完備的數(shù)學(xué)證明.圖3展示了影響增量法的原理，基于影響增量法的系統(tǒng)可靠性指標(biāo)計算方法如下：

首先，定義狀態(tài)s的影響增量ΔIs如下：

(25)

公式中：ns為系統(tǒng)故障場景s的設(shè)備故障數(shù)；Ωh為故障場景s的h階子集；Is為故障場景s發(fā)生時系統(tǒng)的負(fù)荷損失量；ΔIu為場景s的故障子集狀態(tài)u的影響增量.

根據(jù)公式(25)，系統(tǒng)的可靠性指標(biāo)表達(dá)式計算如下：

(26)

圖3 影響增量法原理圖

2.2.2 基于影響增量法的可靠性評估流程

可靠性評估是分析可能出現(xiàn)的系統(tǒng)運(yùn)行狀態(tài)的影響，并提供量化的可靠性指標(biāo).在本文中，所提基于影響增量法的CAES可靠性評估流程圖4所示.

圖4 基于影響增量法的可靠性評估流程圖

步驟1：輸入系統(tǒng)數(shù)據(jù)，設(shè)備可靠性參數(shù)，最大枚舉階數(shù)NT，故障階數(shù)計數(shù)器k；

步驟4：通過2.1.2節(jié)所示模型計算狀態(tài)s的最優(yōu)負(fù)荷削減量；

步驟5：基于式(25)計算影響增量ΔIs；

步驟7：若k=NT，則進(jìn)入步驟8，否則令k=k+1，重復(fù)步驟2；

步驟8：基于式(26)計算系統(tǒng)的可靠性指標(biāo).

3 算例及結(jié)果分析

3.1 參數(shù)設(shè)置

采用圖1所示的算例對本文所采用的方法進(jìn)行數(shù)值分析，該算例模型為我國青海某農(nóng)業(yè)園區(qū)實際運(yùn)行系統(tǒng).系統(tǒng)由壓縮機(jī)、高壓儲氣罐、換熱器、透平機(jī)、光伏集熱器、電加熱器、高低溫油罐、相變蓄熱、風(fēng)機(jī)、光伏等設(shè)備組成.系統(tǒng)總電負(fù)荷是60 kW，總熱負(fù)荷是200 kW，風(fēng)機(jī)容量是30 kW，光伏容量是50 kW.該系統(tǒng)的典型日負(fù)荷曲線和可再生能源出力曲線如所圖5所示，系統(tǒng)電、熱負(fù)荷削減量權(quán)重w1、w2分別取0.6、0.2.算例仿真使用Visio Studio 2013在搭載Intel Core i5-9400U@1.80GHz CPU和16.0 GB RAM的計算機(jī)上實現(xiàn).

圖5 各典型日負(fù)荷及可再生能源出力曲線

3.2 仿真結(jié)果

3.2.1 算法對比分析

本算例中，將以MCS抽樣106次的計算結(jié)果作為基準(zhǔn)值來比對SE和本文所用影響增量法(IISE)的計算結(jié)果進(jìn)行比對，表1分別從效率和精度兩方面對比兩種算法，如下所示：

表1 IISE與SE和MCS方法的性能比較

可以看到，總體上SE方法與IISE方法在計算相同故障狀態(tài)階數(shù)時的計算時長基本一致.而對于SE方法，當(dāng)故障狀態(tài)為NT=2時，系統(tǒng)可靠性指標(biāo)的計算誤差分別為10.722 0%和18.418 2%，誤差極大，這是由于SE方法所忽略掉的大量高階狀態(tài)在系統(tǒng)指標(biāo)中占有很高的比重.此外，SE的計算時間隨著故障階數(shù)的增長而成指數(shù)變化，因此，SE方法在計算高階系統(tǒng)可靠性方面是沒有效率的，尤其是大規(guī)模系統(tǒng).而對于IISE方法，當(dāng)NT=3時，其計算誤差為0.2%和0.4334%，計算精度遠(yuǎn)遠(yuǎn)高于SE方法，是因為IISE能夠?qū)⒉糠指唠A故障狀態(tài)的影響轉(zhuǎn)移到低階，進(jìn)而大大提高計算精度，基于上述仿真分析，驗證了IISE方法在含CAES微網(wǎng)系統(tǒng)可靠性評估中的適用性.

3.2.2 可再生能源滲透率對可靠性影響

由于可再生能源發(fā)電具有隨機(jī)性和不確定性，其滲透率的提高意味著分布式能源微網(wǎng)需要承受更多的不確定性，這將不利于微網(wǎng)供能的可靠性.因此，在上述研究的基礎(chǔ)上，進(jìn)一步討論可再生能源滲透率對含CAES微網(wǎng)系統(tǒng)供能可靠性的影響，仿真結(jié)果如表2所示.

表2 光伏滲透率對系統(tǒng)可靠性指標(biāo)的影響

由上表可知，隨著可再生能源滲透率的不斷提高，EENSe和LOLPe指標(biāo)迅速提升，說明可再生能源滲透率的提高會極大地影響微網(wǎng)系統(tǒng)的可靠性，可以看到，當(dāng)可再生能源滲透率大于30%時，系統(tǒng)的EENSe指標(biāo)迅速增加，說明，該系統(tǒng)的可再生能源最大滲透率在20%～30%.此外，可再生能源滲透率的提升，除對供電指標(biāo)產(chǎn)生極大影響，還對供熱指標(biāo)EENSh產(chǎn)生一定的影響.

3.2.3 孤島獨(dú)立運(yùn)行情況下CAES放電深度的影響分析

本節(jié)將從獨(dú)立運(yùn)行的角度研究CAES放電深度對微網(wǎng)系統(tǒng)可靠性的影響.微電網(wǎng)的獨(dú)立運(yùn)行通常是在大電網(wǎng)出現(xiàn)嚴(yán)重故障情況下造成的，其獨(dú)立運(yùn)行時間一般不長，因此在本研究僅對系統(tǒng)孤島獨(dú)立運(yùn)行的前16小時進(jìn)行分析，以電能為例，系統(tǒng)獨(dú)立運(yùn)行的調(diào)度曲線圖如圖6所示.

圖6 系統(tǒng)獨(dú)立運(yùn)行調(diào)度曲線圖

從圖6中可以看出，隨著CAES放電深度的降低，系統(tǒng)的負(fù)荷跟蹤能力逐漸提升，這是因為更低的放電深度意味著CAES系統(tǒng)內(nèi)更多的高溫高壓空氣釋放用以做功維持系統(tǒng)電能供應(yīng).因此，降低CAES放電深度下限有利于CAES微網(wǎng)系統(tǒng)的可靠性提升.此外，在獨(dú)立運(yùn)行的最初8小時內(nèi)，系統(tǒng)出力能夠基本滿足負(fù)荷需求，但隨著獨(dú)立運(yùn)行時間的延長，系統(tǒng)供電缺額顯著增加，說明該系統(tǒng)能夠正常獨(dú)立運(yùn)行8小時.

4 結(jié) 論

本文提出了一種基于影響增量的含CAES綜合能源微網(wǎng)可靠性評估方法，主要結(jié)論如下：

(1)所建立的CAES故障模型更貼近實際情形，考慮了CAES內(nèi)部各種子設(shè)備的故障情形，且本文研究成果可定量評估CAES內(nèi)部設(shè)備給微網(wǎng)系統(tǒng)可靠性帶來的影響.

(2)可靠性評估對模型的計算效率要求極高，本文所提基于影響增量的含CAES綜合能源微網(wǎng)系統(tǒng)可靠性評估模型，在保證評估精度的前提下，能夠有效提高計算效率.

(3)所提方法能快速對分布式能源微網(wǎng)進(jìn)行薄弱環(huán)節(jié)識別，有利于運(yùn)行人員及時進(jìn)行維護(hù)和檢修.