含储能电池风电场并网可靠性评估.rar 蒙特卡洛 matlab

储能电池和风电场并网的可靠性评估， 1、其中matlab程序有详细注释， 2、几篇相关文献，提供具体思路。 3、本人亲测好使能跑出结果

clear;
clc;
tic

year=2;
%模拟的年限

%对含储能和风电的电力系统进行了可靠性评估，利用序贯蒙特卡洛法，把风储系统接入IEEE-RBTS系统来仿真，探讨了风电场、储能系统、储能容量和储能最大充放电功率对系统可靠性的具体影响。
%（The reliability of the power system with energy storage and wind power is uated. The wind storage system is connected to the IEEE-RBTS system by using the sequential Monte Carlo method. The wind farm energy storage system storage capacity and storage capacity are discussed. The maximum impact of the maximum charge and discharge power on the system reliability.） 

for l=1:year;
    
    %%%%%%%%%%%%%%%%%%%%%%%%%  第一步：数据导入与预处理  %%%%%%%%%%%%%%%%%%%
    
    SW0=load（‘windspeed.txt‘）;    %载入原始风速数据
    SW0=SW0‘;                     %将风速数据从横列转置成竖列
    SW0=SW0/10*36;                %原始数据的风速单位为m/s，这里转化为km/h
    N=size（SW02）;                %把SW0的列数赋值给N
    mu=mean（SW0）;                 %求SW0的平均值
    sigma=var（SW0）;
    sigma=sigma^0.5;              %求SW0的标准差
    y=（SW0-mu）./sigma;            %数据预处理
    
    N1=8736;                      %N1为模拟的小时数
    WTGnum=25;                    %WTGnum为风力发电机数量
    
    %%%%%%%%%%%%%%  第二步：根据AIC准则确定ARMA模型的阶数  %%%%%%%%%%%%%%%%%%
    
    for n=2:7;
        m=armax（y‘[nn-1]）;
        fai=-m.a;
        theta=m.c;                %把armax函数得到的参数，取出来
        
        for i=1:n;
            y1（i）=y（i）;
        end
        
        Noise=m.NoiseVariance^0.5;
        e=normrnd（0Noise1N）;
        for t=n+1:1:N;
            y1（t）=0;
            for j=2:n+1;
                y1（t）=y1（t）+fai（j）*y1（t-（j-1））;
            end
            for k=1:n;
                y1（t）=y1（t）+theta（k）*e（t-（k-1））;
            end
        end                          %y1（t）为预测值
        
        s（n）=0;
        for i1=1:N;
            residual=y1（i1）-y（i1）;
            s（n）=s（n）+residual^2;    %求取残差平方和
        end
        
        AIC（n）=N*log（s（n））+2*n-1;    %求AIC
    end
    
    arma=AIC（12:7）;                 %n=2-7时，各AIC的值
    [AICn1]=min（arma）;
    n1=n1+1;                         %n1为得到的ARMA模型的阶数
    
    %%%%%%%%%%%%%%%%%  第三步：用ARMA模型预测风速并确定风速分布  %%%%%%%%%%%%%%%%%
    
    m=armax（y‘[n1n1-1]）;
    fai=-m.a;
    theta=m.c;
    
    for i=1:n1;
        y2（i）=y（i）;
    end
    
    Noise=m.NoiseVariance^0.5;
    e=normrnd（0Noise18736）;
    for t=n1+1:1:8736;
        y2（t）=0;
        for j=2:n1+1;
            y2（t）=y2（t）+fai（j）*y2（t-（j-1））;
        end
        for k=1:n1;
            y2（t）=y2（t）+theta（k）*e（t-（k-1））;
        end
    end                 %y1（t）为预测值
    y2;
    SW=y2.*sigma+mu;
    
        figure（2）
        subplot（121）;
        hist（SW0100）;
        xlabel（‘风速‘）;ylabel（‘频数‘）;title（‘原始风速的分布‘）;
        subplot（122）;
        hist（SW100）;
        xlabel（‘风速‘）;ylabel（‘频数‘）;title（‘预测风速的分布‘）;
    
    
    %得到8736个小时的预测风速：SW 1*8736
    
    
    
    %%%%%%%  第四步：风电场的转移过程，确定其一年中三种状态分别存在的时长%%%%%%%
   
    %风电机组的三状态模型
    lambdaRD=5.84;lambdaRF=7.96;lambdaDR=48.3;lambdaFR=58.4;lambdaDF=0;lambdaFD=0;    %

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件      69317  2013-01-19 19:43  Reliability--of-Wind-Farm-bess-\load.txt

     文件      11679  2019-07-16 10:47  Reliability--of-Wind-Farm-bess-\wind.m

     文件        251  2017-04-09 20:59  Reliability--of-Wind-Farm-bess-\windspeed.txt

     文件    3471121  2019-07-16 10:28  Reliability--of-Wind-Farm-bess-\基于改进风速预测模型的风电并网可靠性分析_王玺.caj

     文件     702205  2019-07-16 10:39  Reliability--of-Wind-Farm-bess-\计及电池储能设备运行特性的风电场可靠性评估_孟虹年.caj

     文件    1854544  2019-07-16 10:35  Reliability--of-Wind-Farm-bess-\计及风电场的大电网可靠性模型算法研究_刘威.caj

     目录          0  2019-07-16 10:39  Reliability--of-Wind-Farm-bess-

----------- ---------  ---------- -----  ----

              6109117                    7