一种含有储能系统的光伏电站可信容量计算方法及系统与流程

文档序号：12466357阅读：205来源：国知局

本发明涉及光伏发电技术领域，特别是涉及一种含有储能系统的光伏电站可信容量计算方法及系统。

背景技术：

光伏电站的输出功率具有不确定性、间歇性以及不可控性，同样容量的光伏电站与常规电站(比如火电厂和水电厂)带负荷的能力并不相同，因此在电力系统充裕度分析中光伏电站的发电容量无法与常规电站同等对待。为此，采用可信容量来表示在等可靠性前提下光伏电站的发电系统可以替代的常规电站中的机组容量。可靠性为电能正常供应的程度。

传统计算可信容量的方法为序贯蒙特卡洛法(sequential Monte-Carlo method)。该方法在蒙特卡洛方法的基础上加入时序因素。蒙特卡洛方法是指使用随机数(或更常见的伪随机数)来解决很多计算问题的方法。非序贯蒙特卡洛法是通过随机抽样得到系统状态，不考虑时间上的连续性；序贯蒙特卡洛法是通过模拟系统运行的状态转移过程，可得到具有时序特性的概率分布。光伏发电站的输出功率在一定时间范围下具有强相关性，适合采用序贯蒙特卡洛法进行研究。

传统采用序贯蒙特卡洛法计算可信容量的过程为：预先随机生成一系列时序场景，然后对各个时序场景依次进行模拟，计算可靠性指标。然后，在常规电站的发电系统中，通过添加或减少虚拟机组容量确定与光伏电站的发电系统可靠性相等的等效系统，即确定了光伏电站的可信容量。

然而，对于含储能装置的光伏电站，如果用序贯蒙特卡洛法采样，然后计算可信容量，则对于每个时刻，都需要根据光伏电站的输出功率数据和负荷数据生成大量的场景。由于储能装置的存在，系统状态不仅与所处时刻有关，还与上一时刻的历史状态有关。因此，在采样过程中，所需要模拟的总场景数目，实际上是每个时刻场景数目的乘积。在考虑时间段较长时，所需要模拟的场景数目将十分庞大，难以计算。

技术实现要素：

本发明的目的是提供一种含有储能系统的光伏电站可信容量确定方法及系统，可以减少模拟的场景数目，加快计算速度。

为实现上述目的，本发明提供了如下方案：

一种含有储能系统的光伏电站可信容量确定方法，包括：

获取光伏电站的输出功率数据；

获取光伏电站的负荷数据；

利用序贯蒙特卡洛采样法对所述输出功率数据和所述负荷数据进行采样，生成连续的多个时序场景；

利用马尔科夫链模型分别对各个时序场景下的储能状态进行模拟；

根据所述储能状态，利用马尔科夫决策过程确定储能装置输出功率控制策略，确定对电网进行调度的调度方案；

根据所述调度方案，对电网的调度进行模拟，得到每个所述时序场景的模拟仿真结果；

对所述模拟仿真结果进行分析，得到可靠性指标；

根据所述可靠性指标计算所述光伏电站的可信容量。

可选的，所述获取光伏电站的输出功率数据，具体包括：

获取光照预测值和温度预测值；

利用最大功率跟踪算法获取光伏电站在所述光照预测值和所述温度预测值的条件下的输出功率预测值；

获取影响实际光照和实际温度的干扰因素；

根据所述干扰因素对光照和温度的影响，计算输出功率干扰值；

在所述输出功率预测值的基础上减去所述输出功率干扰值得到所述输出功率数据。

可选的，所述获取光伏电站的负荷数据，具体包括：

获取光伏电站的历史负荷数据；

根据所述历史负荷数据分析负荷变化规律；

根据所述历史负荷数据和所述负荷变化规律对负荷进行预测，得到负荷预测值；

利用标准差原则，确定所述负荷预测值的误差，得到负荷预测误差；

在所述负荷预测值的基础上减去所述负荷预测误差得到所述负荷数据。

可选的，所述利用马尔科夫链模型分别对各个时序场景下的储能状态进行模拟，具体包括：

将储能状态分为N个逐渐增加的离散状态，任意相邻的两个所述离散状态的能量差值相同；

选定连续的多个离散时刻，任意相邻的两个所述离散时刻的时间间隔相同；

利用预设的所述时间间隔内储能装置输出的所述有功功率平均值计算所述时间间隔内的输出电能；

利用所述输出电能、所述能量差值和预设的每个所述离散时刻下所述离散状态的概率分布计算马尔科夫转移概率；

根据所述马尔科夫转移概率计算马尔科夫转移矩阵；

利用所述马尔科夫转移矩阵，在给定了初始离散时刻下所述离散状态的概率分布的前提下，计算目标离散时刻下所述离散状态的概率分布。

可选的，所述根据所述可靠性指标计算可信容量，具体包括：

在参考电站中通过调整负荷使所述参考电站的可靠性指标与所述光伏电站的可靠性指标的差值小于预设阈值；

将所述光伏电站的负荷与所述参考电站中的负荷进行对比，获得负荷差；

确定所述负荷差的绝对值为所述可信容量。

本发明还公开了一种含有储能系统的光伏电站可信容量确定系统，包括：

输出功率获取模块，用于获取光伏电站的输出功率数据；

负荷数据获取模块，用于获取光伏电站的负荷数据；

采样模块，用于利用序贯蒙特卡洛采样法对所述输出功率数据和所述负荷数据进行采样，生成连续的多个时序场景；

储能状态模拟模块，用于利用马尔科夫链模型分别对各个时序场景下的储能状态进行模拟；

调度方案确定模块，用于根据所述储能状态，利用马尔科夫决策过程确定储能装置输出功率控制策略，确定对电网进行调度的调度方案；

调度模拟模块，用于根据所述调度方案，对电网的调度进行模拟，得到每个所述时序场景的模拟仿真结果；

可靠性指标模块，用于对所述模拟仿真结果进行分析，得到可靠性指标；

可信容量模块，用于根据所述可靠性指标计算所述光伏电站的可信容量。

可选的，所述输出功率获取模块，具体包括：

预测单元，用于获取光照预测值和温度预测值；

输出功率预测单元，用于利用最大功率跟踪算法获取光伏电站在所述光照预测值和所述温度预测值的条件下的输出功率预测值；

干扰获取单元，用于获取影响实际光照和实际温度的干扰因素；

干扰计算单元，用于根据所述干扰因素对光照和温度的影响，计算输出功率干扰值；

输出功率纠正单元，用于在所述输出功率预测值的基础上减去所述输出功率干扰值得到所述输出功率数据。

可选的，所述负荷数据获取模块，具体包括：

历史数据获取单元，用于获取光伏电站的历史负荷数据；

变化规律分析单元，用于根据所述历史负荷数据分析负荷变化规律；

负荷预测单元，用于根据所述历史负荷数据和所述负荷变化规律对负荷进行预测，得到负荷预测值；

负荷误差单元，用于利用标准差原则，确定所述负荷预测值的误差，得到负荷预测误差；

负荷纠正单元，用于在所述负荷预测值的基础上减去所述负荷预测误差得到所述负荷数据。

可选的，所述储能状态模拟模块，具体包括：

储能状态划分单元，用于将储能状态分为N个逐渐增加的离散状态，任意相邻的两个所述离散状态的能量差值相同；

离散时刻选定单元，用于选定连续的多个离散时刻，任意相邻的两个所述离散时刻的时间间隔相同；

输出电能计算单元，用于利用预设的所述时间间隔内储能装置输出的所述有功功率平均值计算所述时间间隔内的输出电能；

概率计算单元，用于利用所述输出电能、所述能量差值和预设的每个所述离散时刻下所述离散状态的概率分布计算马尔科夫转移概率；

矩阵计算单元，用于根据所述马尔科夫转移概率计算马尔科夫转移矩阵；

概率分布计算单元，用于利用所述马尔科夫转移矩阵，在给定了初始离散时刻下所述离散状态的概率分布的前提下，计算目标离散时刻下所述离散状态的概率分布。

可选的，所述可信容量模块，具体包括：

可靠性指标趋近单元，用于在参考电站中通过调整负荷使所述参考电站的可靠性指标与所述光伏电站的可靠性指标的差值小于预设阈值；

负荷差计算单元，用于将所述光伏电站的负荷与所述参考电站中的负荷进行对比，获得负荷差；

可信容量计算单元，用于确定所述负荷差的绝对值为所述可信容量。

根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明针对储能状态建立了马尔科夫链模型，利用马尔科夫链模型来模拟储能系统在每个时刻中的充放电情况，系统在不同时刻的连贯关系，可以用马尔科夫链模型的状态转移来描述，由此可以得到系统在各个状态的分布概率。根据马尔科夫链的特性：在已知目前状态(现在)的条件下，未来的演变(将来)不依赖于以往的演变(过去)，本发明在加入马尔科夫链模型后，只需要对每个时刻内部进行蒙特卡洛采样，而不必将这些时刻的场景组合起来，这样就减少了需要仿真的场景数目。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图做简单的介绍，显而易见的，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1为本发明一种含有储能系统的光伏电站可信容量确定方法实施例的方法流程图；

图2为本发明一种含有储能系统的光伏电站可信容量确定方法实施例的获取光伏电站的输出功率数据的方法流程图；

图3为本发明一种含有储能系统的光伏电站可信容量确定方法实施例的夏季和冬季的输出功率对比图；

图4为本发明一种含有储能系统的光伏电站可信容量确定方法实施例的获取光伏电站的负荷数据的方法流程图；

图5为本发明一种含有储能系统的光伏电站可信容量确定方法实施例的某天中负荷变化规律与时间曲线关系图；

图6为本发明一种含有储能系统的光伏电站可信容量确定方法实施例的储能状态模拟的方法流程图；

图7为本发明一种含有储能系统的光伏电站可信容量确定系统实施例的系统结构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

本发明的目的是提供一种含有储能系统的光伏电站可信容量确定方法及系统。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明做进一步详细的说明。

图1为本发明一种含有储能系统的光伏电站可信容量确定方法实施例的方法流程图。

参见图1，一种含有储能系统的光伏电站可信容量确定方法，包括：

步骤1：获取光伏电站的输出功率数据；

步骤2：获取光伏电站的负荷数据；

步骤3：利用序贯蒙特卡洛采样法对所述输出功率数据和所述负荷数据进行采样，生成连续的多个时序场景；

步骤4：利用马尔科夫链模型分别对各个时序场景下的储能状态进行模拟；

步骤5：根据所述储能状态，利用马尔科夫决策过程确定储能装置输出功率控制策略，确定对电网进行调度的调度方案；

步骤6：根据所述调度方案，对电网的调度进行模拟，得到每个所述时序场景的模拟仿真结果；

步骤7：对所述模拟仿真结果进行分析，得到可靠性指标；

步骤8：根据所述可靠性指标计算所述光伏电站的可信容量。

图2为本发明一种含有储能系统的光伏电站可信容量确定方法实施例的获取光伏电站的输出功率数据的方法流程图。

参见图2，所述获取光伏电站的输出功率数据，具体包括：

步骤101：获取光照预测值和温度预测值；

步骤102：利用最大功率跟踪算法获取光伏电站在所述光照预测值和所述温度预测值的条件下的输出功率预测值；

步骤103：获取影响实际光照和实际温度的干扰因素；

步骤104：根据所述干扰因素对光照和温度的影响，计算输出功率干扰值；

步骤105：在所述输出功率预测值的基础上减去所述输出功率干扰值得到所述输出功率数据。

在对输出功率进行预测时，根据最大功率跟踪原理，光伏电站的输出功率直接受到光照和温度的影响。因此，预测输出功率时，通过直接对光照和温度进行预测即可。光照和温度的变化受气候和天气的影响较大，比如夏季和冬季的光照和温度存在极大差异，直接导致光伏电站的输出功率的差异较大。例如，图3为本发明一种含有储能系统的光伏电站可信容量确定方法实施例的夏季和冬季的输出功率对比图，参见图3，选取夏季三个典型日期和冬季的三个典型日期对光伏电站的输出功率的统计，在该图中，横坐标为时刻，纵坐标为输出功率，实线代表冬季，虚线代表夏季，明显夏季光伏电站的输出功率高于冬季光伏电站的输出功率。

然而，虽然可以通过对气候的分析和对天气的预测得到光照预测值和温度预测值，但是该预测值并不准确。在现实中，光照和温度不仅受天气的影响，还有其它影响因素，比如气压、地形、海拔等。本发明的技术方案，充分考虑到光伏电站所在区域的影响光照和温度的其它因素，通过对这些因素进行分析，从而计算出这些因素对输出功率预测造成的干扰，即输出功率干扰值，从而在输出功率预测值的基础上减去输出功率干扰值得到更加准确的输出功率预测结果。

图4为本发明一种含有储能系统的光伏电站可信容量确定方法实施例的获取光伏电站的负荷数据的方法流程图。

参见图4，所述获取光伏电站的负荷数据，具体包括：

步骤201：获取光伏电站的历史负荷数据；

步骤202：根据所述历史负荷数据分析负荷变化规律；

步骤203：根据所述历史负荷数据和所述负荷变化规律对负荷进行预测，得到负荷预测值；

步骤204：利用标准差原则，确定所述负荷预测值的误差，得到负荷预测误差；

步骤205：在所述负荷预测值的基础上减去所述负荷预测误差得到所述负荷数据。

光伏电站的可信容量与负荷的变化趋势密切相关，而且负荷水平的高低对于调度部门计算最优潮流、安排经济运行十分重要。实际系统中，负荷并非固定不变，而是随着人们生活工作规律周期性变化。在不同的时间尺度上，负荷变化规律也不尽相同。

以日为单位，负荷的变化规律为白天工作时间为高峰，夜晚休息时间为低谷；以周为单位，负荷的变化规律为工作日高，休息日低；以年为单位，负荷的变化规律表现出明显的季节性，即夏季高于其它三个季节；以五年为单位，负荷的变化规律表现出随着经济发展逐年增长的趋势。

图5为本发明一种含有储能系统的光伏电站可信容量确定方法实施例的某天中负荷变化规律与时间曲线关系图。

参见图5，以某一天中负荷的变化规律为例进行说明，在这一天中，白天工作时间和晚上九点睡觉之前，负荷较高，而晚上九点以后和早上上班之前，负荷偏低。

根据负荷的上述变化规律，可由历史负荷数据对负荷进行预测。对于多节点的电力系统，每个节点的负荷类型不尽相同，可以分别各个节点的自身规律进行预测，然后相加得到系统整体负荷的预测值。对于以年为单位的负荷的预测，可由经济发展率和电力弹性系数等相关指标计算负荷增长率，然后得到负荷预测值。

负荷的预测也存在误差。一般认为实际的负荷数据服从正态分布，根据标准差原则(即3-sigma原则)，即实际的负荷不会超过负荷预测值的概率分布的3倍标准差的范围，可以确定负荷预测值的误差，得到负荷预测误差，然后在负荷预测值的基础上将所述负荷预测误差纠正就能得到更加准确的负荷数据。

图6为本发明一种含有储能系统的光伏电站可信容量确定方法实施例的储能状态模拟的方法流程图。

参见图6，所述利用马尔科夫链模型分别对各个时序场景下的储能状态进行模拟，具体包括：

步骤401：将储能状态分为N个逐渐增加的离散状态，任意相邻的两个所述离散状态的能量差值相同；

步骤402：选定连续的多个离散时刻，任意相邻的两个所述离散时刻的时间间隔相同；

步骤403：利用预设的所述时间间隔内储能装置输出的所述有功功率平均值计算所述时间间隔内的输出电能；

步骤404：利用所述输出电能、所述能量差值和预设的每个所述离散时刻下所述离散状态的概率分布计算马尔科夫转移概率；

步骤405：根据所述马尔科夫转移概率计算马尔科夫转移矩阵；

步骤406：利用所述马尔科夫转移矩阵，在给定了初始离散时刻下所述离散状态的概率分布的前提下，计算目标离散时刻下所述离散状态的概率分布。

作为本发明的一个具体实施例，利用马尔科夫链模型描述储能状态的变化的过程如下：

将储能状态离散后作为马尔科夫链过程的状态，储能状态的变化就可以用马尔科夫链的状态转移来描述。

设X为储能状态的集合，则X＝{x₀，x₁，x₂，…，x_N}，其中x₀，x₁，x₂，…，x_N代表储能能量逐渐增加的N+1个离散状态，并且任意相邻的两个离散状态之间的能量差固定为记为递增能量差；其中E为储能系统的总容量。

选定一系列以时间Δt为时间间隔的离散时刻t₀，t₁，t₂，…，t_M，并设各个时刻依次对应的所述储能系统的储能状态的概率分布分别为s₀，s₁，s₂，…，s_M，则第i时刻储能状态的概率分布表示为s_i＝(pⁱ₀,pⁱ₁,pⁱ₂,…，pⁱ_N)^T，其中0≤i≤M，pⁱ₀,pⁱ₁,pⁱ₂,…，pⁱ_N表示第i时刻，储能状态分别为x₀，x₁，x₂，…，x_N的概率。则可以确定其中0≤j≤N。

当i≥1时，对于两个相邻的时刻t_i-1和t_i，设t_i-1到t_i时间段内储能系统输出的有功功率的平均值为P_out，那么该时间段内储能系统的输出电能为ΔE_out＝P_out·Δt；

由于输出功率为概率分布，所以输出功率后储能系统的能量也为概率分布，即输出功率后储能系统的储能状态为概率分布，设t_i-1时刻储能系统的储能状态为x_m，t_i时刻储能系统的储能状态为x_k，其中x_k∈X，x_m∈X，即k和m均为整数，且1≤k≤N，1≤m≤N。则t_i-1时刻到t_i时刻的马尔科夫转移概率为其中x^(i-1)表示在t_i-1时刻的储能状态，x⁽ⁱ⁾表示在t_i时刻的储能状态，Pr(x⁽ⁱ⁾＝x_k|x^(i-1)＝x_m)表示在t_i-1时刻的储能状态为x_m的条件下，t_i时刻的储能状态为x_k的概率。表示储能状态x_m与储能状态x_k的状态差等于输出电能为递增能量差的向上整数倍的概率。其中表示对的值向上取整。

当t_i-1时刻的储能状态不确定时，即t_i-1时刻的储能状态为概率分布s_i-1，则需要对s_i-1中的每个可能的取值按照马尔科夫转移概率进行计算，从而得到马尔科夫转移矩阵P⁽ⁱ⁾，则并对所述马尔科夫转移矩阵P⁽ⁱ⁾的第一行和最后一行单独进行处理，即：

以t_i-1时刻的储能状态x_m为例进行说明，则所述马尔科夫转移矩阵P⁽ⁱ⁾的第一行为最后一行为

其中表示过放，即一个时间段内储能系统的输出电能超出当前的储能状态所代表的储能能量时，储能能量归零，而不会变成负数。表示过充，即一个时间段内储能系统的输入电能超出当前的储能状态上升到充满电的储能状态时，储能状态达到最大，而不会超过最大储能状态。

上述得到的马尔科夫转移矩阵P⁽ⁱ⁾具有如下性质：当k不等于0或N，m不等于0或N，且k+n不等于0或N，m+n不等于0或N时，其中n为正整数且1≤n≤N，则存在由储能状态x_m到储能状态x_k的马尔科夫转移矩阵与由储能状态x_m+n到储能状态x_k+n的马尔科夫转移矩阵相等。因为储能状态x_m与储能状态x_k两者之间的能量差值和储能状态x_m+n与储能状态x_k+n两者之间的能量差值相同。

在构造了各个时刻的马尔科夫转移矩阵P⁽ⁱ⁾之后，给定储能状态在初始时刻下的概率分布s₀＝(p⁰₀,p⁰₁,p₂,...,p⁰_N)^T，则可以计算出储能系统在第t_i时刻的概率分布s_i＝(P⁽¹⁾·P⁽²⁾·...·P⁽ⁱ⁾)s₀。

由上述过程可以确定储能系统在各个时刻的储能状态的概率分布。在此基础上，设定储能系统所允许处于的最低储能状态，当计算得到的所述储能系统的储能状态低于所述最低储能状态时，通过对所述电力系统进行调控并且对所述储能系统进行充电，以及时对储能系统的能量进行补充。

上述公式s_i＝(P⁽¹⁾·P⁽²⁾·...·P⁽ⁱ⁾)s₀表明，储能状态在任意一个时刻的概率分布可以由初始状态的概率分布直接计算得到，而不需要考虑上一个时刻的储能状态，那么最后所需模拟的场景数量为各个时刻场景数量之和。相对现有技术中，任意一个时刻的储能状态都与上一时刻的储能状态有关，需要在计算出上一时刻的储能状态的概率分布的基础上才能计算下一个时刻的储能状态，即任意一个时刻需要模拟的场景数量为该时刻与该时刻之前所涉及到的各个时刻的场景数量的乘积，而总场景数量为各个乘积之和。由此可以看出，本申请的技术方案大大减少了需要模拟的场景数量。

综上，本发明通过马尔科夫链模型对储能状态进行模拟，从而不存在储能状态之间的限制，即各个时刻之间的场景相互独立，从而分别对这些场景进行模拟，并将各个时间段的评估结果拼合得到储能系统的总体仿真结果。由此可见，通过采用马尔科夫链模型，大大缩减了需要考虑的场景数量，提高了仿真计算速度。

本发明还公开了一种针对储能系统的优化调控方案，主要根据所述储能状态，利用马尔科夫决策过程确定储能装置输出功率控制策略，确定对电网进行调度的调度方案。

对于调度部门，应当对光伏电站的输出功率进行预测，在输出功率允许的范围内下达调度指令，从而保持一天时间内储能系统的充放电能量平衡，在这个过程中，要求光伏电站的输出电能不高于光伏电站的输入电能，即在光伏预测的有效期内保证光伏电站的期望输入功率大于或等于期望输出功率。光伏预测过程需要保证在光伏预测有效期内，超出该有效期得到的光伏预测结果会存在较大偏差，因此，当超出该有效期时，需要重新预测。所述期望输入功率在预测过程中需要尽量减小预测偏差，保证期望输入功率具有最小的预测偏差。

实际上，过去时刻已经产生的偏差不可更改，未来时刻的偏差只能估计，不能干涉，因此只能根据对未来时刻的光伏电站的输出功率、储能状态等量的估计值，调整当前时刻的偏差。而对未来时刻的储能状态的估计值，时间越远越不准确，所以应该优先考虑消除当前的误差。

由于储能系统的能量有限，如果为了完全消除当前时刻的偏差而消耗太多能量，那么下个时刻可能因为储能系统的剩余能量不足以支持调控而导致更大的偏差，所以综合考虑，可以在当前时刻适当保留偏差，从而能够保留储能系统的能量以便未来时刻使用。为此，本发明建立了马尔科夫决策过程(MDP，Markov decision processes)。

MDP用五元组来描述，即(S,A,T,R,γ)，其中S表示当前储能状态，A表示当前储能系统应当输入或输出的功率，S和A都是离散化的。T表示S随时间转移的概率，即马尔科夫转移概率。R表示储能系统输出某一功率后，光伏电站总输出功率与调度指令之间的偏差，即收益。γ为折扣因数，0≤γ≤1，表示未来时刻的储能状态的不确定性程度，为经验取值，如果光伏预测准确性高，则γ较大，反之则较小。光伏电站优化目标为

上式中，m表示在光伏预测有效期内共有m个时刻。β表示当前时刻t_β为第β个时刻。P_out(t_β+α)表示t_β+α时刻光伏电站的实际输出功率，P_dis(t_β+α)表示t_β+α时刻光伏电站的期望输出功率，即经过调度得到的光伏电站在调度之后的理想输出功率。α表示预测有效期内某一时刻与当前时刻相差的时刻数。上述公式表明，光伏电站的优化目标为求取公式的最小值。

为了实现上述目标，必须满足以下两个约束条件：

E_soc≥0

P_out(t)-P_PV(t)≤P_max

上述两个约束条件中，第一个约束条件为能量约束，表示光伏电站储能系统中存储的能量不能为负，E_SOC表示光伏电站储能系统的能量。第二个约束条件为功率约束，表示光伏电站有最大放电功率，光伏电站的放电功率不能超过该最大放电功率，P_out(t)表示t时刻光伏电站的实际输出功率，P_PV(t)表示光伏电站的实际输入功率，即光伏电站的实际光伏阵列功率曲线。P_max表示储能系统的最大放电功率。

通过上述三个公式可以得到光伏预测有效期内输出功率的最优决策，即能够根据当前时刻和储能状态得到储能系统的最优输出功率。

本发明公开的利用马尔科夫决策过程得到光伏电站的最优输出功率的控制策略，既在一定程度上降低了误差，也在一定程度上保证了储能系统的能量能够实现下一时刻的调控。

通过马尔科夫决策过程获取光伏电站的输出功率控制策略之后，再通过采样设备信息，然后对整个系统进行潮流计算，并根据潮流计算结果对电网的调度进行模拟，包括对发电机功率的调整、对储能系统输出功率的调整和对负荷进行切除或投入的操作等。最后将得到的仿真结果保存起来。

结合上述仿真结果和利用马尔科夫链模型得到的各个场景的概率分布，得到光伏电站的实际输出功率的曲线或概率分布，然后结合负荷运行状况，统计得到光伏电站的可靠性指标。本发明可选用的可靠性指标至少为以下四种：平均缺电概率、平均缺电期望、电力不足频率和电力不足持续时间。所述平均缺电概率为在给定时间内光伏电站不能满足负荷需求的平均概率。所述平均缺电期望为在给定时间内光伏电站不能满足负荷需求的小时数或天数的平均值。所述电力不足频率为在给定时间内光伏电站由电力充裕状态变为电力不足状态的平均次数。所述电力不足持续时间为在给定时间内电力系统处于停电状态的平均持续时间，例如天数或小时数。

可选的，所述根据所述可靠性指标计算可信容量，具体包括：

在参考电站中通过调整负荷使所述参考电站的可靠性指标与所述光伏电站的可靠性指标的差值小于预设阈值；所述参考电站为没有光伏发电系统和储能系统的电站，只通过常规发电机组进行发电，比如火力发电或水力发电。

将所述光伏电站的负荷与所述参考电站中的负荷进行对比，获得负荷差；

确定所述负荷差的绝对值为所述可信容量。

可选的，所述在参考电站中通过调整负荷使所述参考电站的可靠性指标与所述光伏电站的可靠性指标的差值小于预设阈值的过程采用序贯蒙特卡洛采样方法和潮流计算，具体如下：

在参考电站中通过对负荷进行调整获得负荷数据；

利用序贯蒙特卡洛采样法对所述负荷数据进行采样，生成负荷场景；

对所述负荷场景进行潮流计算，得到潮流计算结果；

根据所述潮流计算结果对所述参考电站进行电网调度模拟，得到参考电站仿真结果；

对所述参考电站仿真结果进行计算，得到参考电站可靠性指标；

将所述参考电站可靠性指标与光伏电站的可靠性指标做差，得到可靠性指标差值；

将所述可靠性指标差值与预设阈值进行对比，得到对比结果；

当所述对比结果表示所述可靠性指标差值小于或等于所述预设阈值时，获取参考电站的负荷值；

当所述对比结果表示所述可靠性指标差值大于所述预设阈值时，重新在参考电站中通过对负荷进行调整获得负荷数据。

图7为本发明一种含有储能系统的光伏电站可信容量确定系统实施例的系统结构图。

参见图7，该含有储能系统的光伏电站可信容量确定系统，包括：

输出功率获取模块901，用于获取光伏电站的输出功率数据；

负荷数据获取模块902，用于获取光伏电站的负荷数据；

采样模块903，用于利用序贯蒙特卡洛采样法对所述输出功率数据和所述负荷数据进行采样，生成连续的多个时序场景；

储能状态模拟模块904，用于利用马尔科夫链模型分别对各个时序场景下的储能状态进行模拟；

调度方案确定模块905，用于根据所述储能状态，利用马尔科夫决策过程确定储能装置输出功率控制策略，确定对电网进行调度的调度方案；

调度模拟模块906，用于根据所述调度方案，对电网的调度进行模拟，得到每个所述时序场景的模拟仿真结果；

可靠性指标模块907，用于对所述模拟仿真结果进行分析，得到可靠性指标；

可信容量模块908，用于根据所述可靠性指标计算所述光伏电站的可信容量。

可选的，所述输出功率获取模块901，具体包括：