计及储能电池系统容量衰减失效和热失控失效的电力系统可靠性评估方法

技术领域

本发明属于电力系统可靠性领域，具体为一种计及储能电池系统容量衰减失效和热失控失效的电力系统可靠性评估方法。

背景技术

储能电池响应速度快、调节能力强，现已被广泛应用于含风力、光伏等可再生能源的电力系统。然而，随着储能电池逐渐步入规模化发展阶段，电力系统对储能电池的安全性和可靠性提出了更高要求。目前，储能电池已经开始从商业化初期阶段进入规模化发展的阶段，逐步具备更大规模的商业化应用条件。至2021年底，中国储能电池市场累积装机容量规模为5117.1MW，位居全球第一。截至2022年底，中国已投运新型储能项目装机容量规模达8700MW，其中，储能电池占比为97.8％。到2025年，预计新型储能装机容量规模将达到50GW以上，其中，储能电池将达到12GW。国家发改委、国家能源局在《关于加快推动新型储能发展的指导意见》中指出：到2025年，新型电池储能技术的创新能力需显著提高，在含大规模储能电池的电力系统运行可靠性评估方面，应加强现行电力系统可靠性评估方法与储能电池失效评估方法的统筹衔接。

在储能电池安全方面，储能电池失效评估通过衡量储能可靠输出功率以实现储能电池性能评估，是衡量含储能电池电力系统运行可靠性的关键。储能电池失效评估方法主要分为热失控失效预警和性能衰减失效评估。一方面，储能电池热失控失效初期阶段现象不明显，而末期会在短时间内引发燃烧爆炸，导致储能电池系统直接丧失出力能力，对储能电池及电力系统的安全可靠运行造成显著挑战。另一方面，储能电池性能随时间呈现明显的衰减趋势，直接影响储能电池系统出力上限。

针对储能电池热失控失效预警，主流方法可分为基于实验、模型和数据驱动的三类方法。基于实验的方法能够得出储能电池温度安全边界进而指导储能电池系统设计，包括过充实验、过放实验、过热实验和机械冲击实验等，上述实验要求尽可能不给储能电池带来任何二次危害(泄露、燃烧和爆炸)。但实验方法的准确性依赖于大量实验次数，存在不安全和经济成本高的问题，难以推广运用。基于模型的方法主要通过估计储能电池的温升、电压变化或温度分布来间接预警热失控失效。此类方法物理意义明晰，但所针对工况较为单一，难以适用于复杂多变的真实工况。基于数据驱动的方法则通过使用历史数据，建立储能电池电压、温度、电流、SOC等数据与其热失控失效关系的数据模型，能够反映电池真实工况并且避免对于储能电池内部复杂电化学机理的研究，但热失控失效电池数据占比少，存在小样本问题，模型精度有待进一步提高。为此，需进一步研究适应于多种工况且不依赖于热失控失效电池数据标签的热失控失效预警方法，以准确衡量含储能电池电力系统运行可靠性。

针对储能电池性能衰减失效评估，则主要围绕储能电池容量和电池电压，测算储能电池寿命和电池性能。通常采用机理模型和数驱动模型挖掘储能电池容量的多种影响因素，或者通过微分电压曲线构建电压特征量，以挖掘电池老化过程中电压变化规律。但是现有研究存在考虑维度单一问题，未能全面表征容量、电压等多个维度性能衰减失效对储能电池性能的综合影响，难以保障储能电池性能衰减失效评估结果精确性，进而导致含储能电力系统可靠性评估的准确性受限。

随着可再生能源在电力系统中比例不断增大，通常需要配置储能电池系统以弥补可再生能源的随机性和不可控性给电网安全稳定运行带来的缺陷。为合理制定储能充放电计划，可令储能电池系统参与电力系统联合调度决策。其中，储能需满足的运行约束介绍如下。

储能电池系统的充放电功率上下限约束如式(25)-式(26)所示：

0≤P

0≤P

式中：第t个时间段内，储能电池系统的放电功率为P

储能电池系统充放电功率将影响储能电池系统存储能量。储能电池系统当前时段所存储能量由上一时段所存储能量、当前时段的充放电功率以及充放电效率共同决定，而且还会受到其容量上下限限制，其约束如式(27)-式(28)所示：

E

E

式中：E

在同一时刻，储能电池系统的状态不能同时处于充电、放电状态如式(29)所示：

P

综上可见，储能电池运行受到功率上限和容量上限的限制，现有方法一般采用额定功率和容量作为储能运行限制，如式(1)(25)-式(26)与(28)所示。然而，储能电池系统可靠性下降会导致其最大输出功率的衰减，即当其可靠性降低时，储能的充放电功率无法达到其功率上限。

综上所述，现有研究缺乏对储能电池热失控失效与性能衰减失效的精准建模，储能电池的可靠电力能力难以有效衡量，进而导致电力系统的运行可靠性难以精确评估，亟需计及储能电池系统容量衰减失效和热失控失效的电力系统运行可靠性评估方法。

发明内容

本发明的目的在于提供一种计及储能电池系统容量衰减失效和热失控失效的电力系统可靠性评估方法，实现计及储能电池系统失效的电力系统可靠性精准评估。

为实现上述目的，本发明提供如下技术方案：一种计及储能电池系统容量衰减失效和热失控失效的电力系统可靠性评估方法，包括以下步骤：

1)考虑潜在储能电池热失控失效预警概率和储能电池系统性能衰减失效对储能电池系统可用输出功率的影响，建立储能电池系统可用输出功率模型；

2)考虑功率平衡以及储能运行可靠性等约束，建立计及储能电池系统失效的电力系统负荷削减优化模型；

3)基于非时序蒙特卡洛模拟法，提出综合考虑储能电池热失控失效与储能电池性能衰减失效的电力系统可靠性评估方法，准确考虑储能电池失效特性对电力系统可靠性的影响。

优选地，步骤1)中建立储能电池系统可用输出功率模型；具体如下：首先，采用数据驱动储能电池热失控失效预警方法判别结果进行统计，得到实验数据集中潜在热失控失效率δ，假设电池单体潜在热失控失效率为δ，若当前热失控概率大于δ，电池单体热失控失效系数R

R'

考虑储能电池综合可靠性后，将储能电池系统的可用输出功率定义为储能电池系统最大额定充放电功率与综合可靠性的乘积，储能电池系统的充放电功率上下限约束式如下：

0≤P

0≤P

另外，储能电池系统综合可靠性也将影响其容量上限，容量约束式如下：

E

至此，通过式(6)(25)-式(4)构建了储能电池系统可用输出功率模型，可为负荷削减优化模型提供模型支撑。

优选地，所述步骤2)中建立的计及储能电池系统失效的电力系统负荷削减优化模型包括：1)目标函数：以负荷削减、弃风量、弃光量的加权之和最小为目标建立优化模型，通过储能电池系统与风电/光伏电站的协调，在满足运行约束的情况下，尽可能减少系统弃风、弃光和负荷削减的情况；2)约束条件：a)功率平衡约束，b)支路功率约束，c)爬坡约束，d)负荷削减约束，e)风电场、光伏电站的弃风量、弃光量约束，f)储能运行约束。

优选地，目标函数的表达式如式(5)所示：

式中：ΔP

优选地，a)功率平衡约束式如式(11)

式中：t＝1,2,…,T；N

b)支路功率约束式如式(12)

P

式中：t＝1,2,…,T；l＝1,2,…,L；L为系统中所包含的支路总数；P

c)爬坡约束式如式(13)

r

式中：t＝1,2,…,T；i＝1,2,…,N

d)负荷削减约束

负荷削减应小于等于当前负荷功率，如式(14)所示，

0≤C

e)风电场、光伏电站的弃风量、弃光量约束风电场弃风量、光伏电站弃光量应分别小于等于当前时刻风电场、光伏电站最大可发电功率，如式(15)(10)-式(16)(11)所示；风电、光伏实际功率与弃风量、弃光量的关联关系如式(17)(12)-式(13)(18)所示，

0≤ΔP

0≤ΔP

P

P

式中：t＝1,2,…,T；k＝1,2,…,N

f)储能运行约束

基于储能电池系统可用输出功率模型，对电力系统中第j个储能电池系统运行约束整理如下：可用充放电功率为储能电池系统最大充放电功率与综合可靠性的乘积，因此，储能电池系统的充放电功率上下限约束如式(19)(14)-式(20)(15)所示；储能电池系统充放电约束如式(21)(16)所示；储能电池系统当前时段所存储能量由上一时段所存储能量、当前时段的充放电功率、以及充放电效率共同决定，如式(22)(17)所示；储能电池系统可储存电量由其装置自身物理特性、储能电池系统的综合可靠性决定上下限约束如式(23)(18)所示，

0≤P

0≤P

P

E

E

式中：t＝1,2,…,T；j＝1,2,…,N

综上，所建立的计及储能电池系统失效的电力系统负荷削减优化模型具体包括式(10(5)-式(18)(23)。

优选地，所述步骤3)中提出的计及储能电池系统失效的电力系统运行可靠性评估方法，包括非时序蒙特卡洛模拟法的运用与计及储能电池系统失效的电力系统运行可靠性评估流程两个部分；其中非时序蒙特卡洛模拟法的运用，为一个系统状态是所有元件状态的组合，且每一个元件状态可由元件在该状态中出现概率来决定；其中计及储能电池系统失效的电力系统运行可靠性评估流程是基于建立的储能电池系统功率输出模型，提出计及储能电池系统失效的电力系统负荷削减优化模型，进而实现对电力系统的可靠性评估。

优选地，非时序蒙特卡洛模拟法的运用具体步骤如下：

步骤1，利用负荷概率模型，根据负荷的期望和标准差，采用随机数生成器产生服从高斯分布的随机数，可确定负荷P

步骤2，利用元件可靠性模型，抽取系统元件状态，令x

步骤3，利用的风电场出力模型与光伏电站根据负荷的期望和标准差，采用随机数生成器产生服从高斯分布的随机数，可确定风电出力P

重复实施步骤1至步骤3M次，可得到M个系统状态构成集合X'＝{X

工程实际中，由于样本个数一般有限，因此试验结果期望值的估计值可由试验值的均值代替：

式中：

式中：V(F)为试验函数F期望值的方差，其值可由下式计算：

选用方差系数μ作为蒙特卡洛模拟的收敛判据，其定义为：

优选地，计及储能电池系统失效的电力系统运行可靠性评估流程，具体步骤如下：

步骤1：数据读入

输入系统元件状态、负荷、风电场、光伏电站以及储能电池数据；

步骤2：储能电池系统可用输出功率确定

利用储能电池系统可用输出功率模型确定当前各储能电池系统的可用功率；

步骤3：状态抽样

利用蒙特卡洛模拟法对系统元件状态、负荷、风电场以及光伏电站出力等随机变量进行抽样，由此确定一个系统状态；

步骤4：拓扑分析与潮流计算

首先对抽样得到系统状态进行连通性辨识，主要任务是分析系统的节点由支路连接成多少子系统，然后进行潮流计算，判断系统是否存在节点电压越限、线路越限问题；

步骤5：最小切负荷计算与可靠性指标计算

若系统存在问题，则根据式(16)-式(29)对存在负荷削减或弃风弃光的系统状态，对系统进行最小切负荷计算和弃风/弃光量计算，然后用式(10)-式(11)计算系统可靠性指标，若系统不存在问题，则直接利用式(10)-式(11)计算系统可靠性指标；

步骤6：抽样收敛判据

以运行可靠性指标的最大方差系数μ≤0.01或抽样次数K<30000作为收敛判据，若满足收敛判据则结束计算；否则进行下一次抽样，返回步骤2。

本发明可以实现计及储能电池系统失效的电力系统可靠性精准评估。

附图说明

图1为本发明中计及储能电池系统失效的电力系统运行可靠性评估方法的流程图；

图2为本发明中含新能源的RTS-79系统各负荷节点EDNS及峰荷示意图；

图3为本发明中含有新能源与储能电池系统的I EEE RTS-79系统示意图；

图4为本发明实施例1中储能电池系统失效对电力系统可靠性影响示意图；

图5为本发明实施例2中修改后RTS-79系统EDNS随储能电池系统容量变化示意图；

图6为本发明实施例3中修改后RTS-79系统EDNS随储能电池系统充/放电功率变化示意图；

图7为本发明实施例4中不同工况下储能电池系统可靠性指标计算结果。

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、完整地描述，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他实施例，都属于本发明保护的范围。

如图1所示，计及储能电池系统失效的电力系统运行可靠性评估方法，包括非时序蒙特卡洛模拟法的运用与计及储能电池系统失效的电力系统运行可靠性评估流程两个部分。

a)非时序蒙特卡洛模拟法的运用

因电力系统运行可靠性仅与当前时刻系统状态有关，因此本文使用非时序蒙特卡洛模拟法进行可靠性评估。非时序蒙特卡洛模拟法思路为一个系统状态是所有元件状态的组合，且每一个元件状态可由元件在该状态中出现概率来决定。具体步骤如下：

1)利用负荷概率模型，根据负荷的期望和标准差，采用随机数生成器产生服从高斯分布的随机数，可确定负荷P

2)利用元件可靠性模型，抽取系统元件(电力机组、输电线路、变压器、风电场、光伏电站等)状态。令x

3)利用的风电场出力模型与光伏电站根据负荷的期望和标准差，采用随机数生成器产生服从高斯分布的随机数，可确定风电出力P

4)重复实施1)至3)M次，可得到M个系统状态构成集合X'＝{X

工程实际中，由于样本个数一般有限，因此试验结果期望值的估计值可由试验值的均值代替：

式中：

式中：V(F)为试验函数F期望值的方差，其值可由下式计算：

本发明选用方差系数μ作为蒙特卡洛模拟的收敛判据，其定义为：

b)计及储能电池系统失效的电力系统运行可靠性评估流程

基于本发明所建立的储能电池系统功率输出模型，提出计及储能电池系统失效的电力系统负荷削减优化模型，进而实现对电力系统的可靠性评估，其评估流程如图1所示，具体步骤如下：

步骤1：数据读入

输入系统元件(电力机组、输电线路、变压器等)状态、负荷、风电场、光伏电站以及储能电池数据。

步骤2：储能电池系统可用输出功率确定

利用本文所提储能电池系统可用输出功率模型确定当前各储能电池系统的可用功率。

步骤3：状态抽样

利用蒙特卡洛模拟法对系统元件状态、负荷、风电场以及光伏电站出力等随机变量进行抽样，由此确定一个系统状态。

步骤4：拓扑分析与潮流计算

首先对抽样得到系统状态进行连通性辨识，主要任务是分析系统的节点由支路连接成多少子系统，然后进行潮流计算，判断系统是否存在节点电压越限、线路越限问题。

步骤5：最小切负荷计算与可靠性指标计算

若系统存在问题，则根据式(16)-式(29)对存在负荷削减或弃风弃光的系统状态，对系统进行最小切负荷计算和弃风/弃光量计算，然后用式(10)-式(11)计算系统可靠性指标。若系统不存在问题，则直接利用式(10)-式(11)计算系统可靠性指标。

步骤6：抽样收敛判据

以运行可靠性指标的最大方差系数μ≤0.01或抽样次数K<30000作为收敛判据，若满足收敛判据则结束计算；否则进行下一次抽样，返回步骤2。

实施例1

本实施例在I EEE RTS-79系统进行测试。I EEE RTS-79系统被广泛用于测试发/输电系统的可靠性，本实施例采用我国某内陆城市年度负荷曲线、风电场输出功率曲线、光伏电站输出功率曲线，并对其数值进行等比缩小以适应RTS-79系统。在负荷节点1、3、7、19分别接入装机容量为100MW的光伏电站，在负荷节点2、5、9、15分别接入装机容量为100MW的风电场，其他参数与I EEE RTS-79原始系统保持一致。

对上述增加了新能源的I EEE RTS-79系统进行可靠性评估，统计各个负荷节点的EDNS，由图2可知，当含新能源的RTS-79系统中不含有储能电池系统时，负荷节点1、2的EDNS最大，分别为2.21MW和2.28MW，负荷节点18峰荷最大，为334MW。结合新能源场站的安装位置、RTS-79系统各负荷节点峰荷大小以及各负荷节点的削负荷量，为使储能电池系统能够尽可能减小电力系统符合削减量，本实施例在负荷节点1、2、3、5、7、9、15、18、19分别接入容量为100MWh的储能电站，修改后的系统拓扑结构如图3所示。

结合上述修改后的RTS-79仿真系统，首先，对比三种场景下的电力系统可靠性指标，论证储能电池系统自身失效对其接入的电力系统可靠性评估结果存在影响。其次，通过设置不同容量、不同充放电功率的储能电池系统以探究能够提高电力系统可靠性的储能参数。最后，通过设置不同的储能电池系统的温度、放电深度，探究不同储能工况对电力系统可靠性的影响。本实施例所有算例仿真均在Intel(R)Core(TM)i7-9750H CPU@2.60GHz、24GB RAM的硬件环境下测试。

设置三组场景应用于仿真系统：一是不含储能电池的RTS-79系统，即图3中不含储能电池系统部分；二是含储能的RTS-79系统，其拓扑结构如图3，但不考虑储能电池系统的失效特性，其中，各储能电池系统充放电效率η

实施例2

本实施例在I EEE RTS-79系统进行测试。I EEE RTS-79系统被广泛用于测试发/输电系统的可靠性，本实施例采用我国某内陆城市年度负荷曲线、风电场输出功率曲线、光伏电站输出功率曲线，并对其数值进行等比缩小以适应RTS-79系统。在负荷节点1、3、7、19分别接入装机容量为100MW的光伏电站，在负荷节点2、5、9、15分别接入装机容量为100MW的风电场，其他参数与I EEE RTS-79原始系统保持一致。

对上述增加了新能源的I EEE RTS-79系统进行可靠性评估，统计各个负荷节点的EDNS，由图2可知，当含新能源的RTS-79系统中不含有储能电池系统时，负荷节点1、2的EDNS最大，分别为2.21MW和2.28MW，负荷节点18峰荷最大，为334MW。结合新能源场站的安装位置、RTS-79系统各负荷节点峰荷大小以及各负荷节点的削负荷量，为使储能电池系统能够尽可能减小电力系统符合削减量，本实施例在负荷节点1、2、3、5、7、9、15、18、19分别接入容量为100MWh的储能电站，修改后的系统拓扑结构如图3所示。

结合上述修改后的RTS-79仿真系统，首先，对比三种场景下的电力系统可靠性指标，论证储能电池系统自身失效对其接入的电力系统可靠性评估结果存在影响。其次，通过设置不同容量、不同充放电功率的储能电池系统以探究能够提高电力系统可靠性的储能参数。最后，通过设置不同的储能电池系统的温度、放电深度，探究不同储能工况对电力系统可靠性的影响。本实施例所有算例仿真均在I nte l(R)Core(TM)i7-9750H CPU@2.60GHz、24GB RAM的硬件环境下测试。

因储能电池系统价格较为高昂，在提高电力系统可靠性的同时，应减少冗余的储能电池系统配比。因此，本实施例通过设置不同容量的储能电池系统(最大充/放电功率、负荷设置均与实施例一中第三组场景设置相同)，以探索储能电池系统容量对修改后的RTS-79系统的可靠性指标影响。

由图5知，当各储能电池系统装机容量大于800MWh之后，修改后的RTS-79系统EDNS指标变化很小，然而，当各储能电池系统装机容量从0MWh增加至700MWh时，RTS-79系统EDNS指标从15.2064MW下降至14.5399MW，下降了0.6665MW，即在此容量区间内，对此电力系统增配储能容量可有效提高电力系统的可靠性。

实施例3

本实施例在I EEE RTS-79系统进行测试。I EEE RTS-79系统被广泛用于测试发/输电系统的可靠性，本实施例采用我国某内陆城市年度负荷曲线、风电场输出功率曲线、光伏电站输出功率曲线，并对其数值进行等比缩小以适应RTS-79系统。在负荷节点1、3、7、19分别接入装机容量为100MW的光伏电站，在负荷节点2、5、9、15分别接入装机容量为100MW的风电场，其他参数与I EEE RTS-79原始系统保持一致。

对上述增加了新能源的I EEE RTS-79系统进行可靠性评估，统计各个负荷节点的EDNS，由图2可知，当含新能源的RTS-79系统中不含有储能电池系统时，负荷节点1、2的EDNS最大，分别为2.21MW和2.28MW，负荷节点18峰荷最大，为334MW。结合新能源场站的安装位置、RTS-79系统各负荷节点峰荷大小以及各负荷节点的削负荷量，为使储能电池系统能够尽可能减小电力系统符合削减量，本实施例在负荷节点1、2、3、5、7、9、15、18、19分别接入容量为100MWh的储能电站，修改后的系统拓扑结构如图3所示。

结合上述修改后的RTS-79仿真系统，首先，对比三种场景下的电力系统可靠性指标，论证储能电池系统自身失效对其接入的电力系统可靠性评估结果存在影响。其次，通过设置不同容量、不同充放电功率的储能电池系统以探究能够提高电力系统可靠性的储能参数。最后，通过设置不同的储能电池系统的温度、放电深度，探究不同储能工况对电力系统可靠性的影响。本实施例所有算例仿真均在I nte l(R)Core(TM)i7-9750H CPU@2.60GHz、24GB RAM的硬件环境下测试。

本实施例设置不同最大充/放电功率的储能电池系统(容量设置为200MWh、可靠性函数、负荷设置均与实施例一中第三组场景设置相同)，以探索储能电池系统容量对修改后的RTS-79系统的EDNS指标影响。令储能电池系统最大充/放电功率同时从10MW增加到100MW。在研究最大充/放电功率的影响时，其他条件保持与实施例一中设置一致。改造后的RTS-79系统EDNS指标随最大充/放电功率变化过程如图6所示。

由图6可知，储能电池系统最大充/放电功率在0MW到70MW之间时，随最大充/放电功率的增加，系统的EDNS明显降低，当最大充电/放电功率大于70MW时，系统EDNS变化幅度很小。对充电功率而言，当发电机组大于负荷需求时，储能电池系统充电功率越大，存储在其中的电能越多，因此，当系统电力功率小于负荷需求时，储能电池系统能够放出的电能就越多，满足了负荷需求。对放电功率而言，当发电机组所提供功率小于负荷需求时，储能电池系统能够输出的功率越大，削负荷量越小。即对于该系统，最佳充/放电功率应该设置在60MW-70MW之间，当小于此功率时，电力系统的可靠性仍待提高，当大于此功率时，进一步提高储能电池系统的充/放电功率对电力系统可靠性提升程度有限。

实施例4

本实施例在I EEE RTS-79系统进行测试。I EEE RTS-79系统被广泛用于测试发/输电系统的可靠性，本实施例采用我国某内陆城市年度负荷曲线、风电场输出功率曲线、光伏电站输出功率曲线，并对其数值进行等比缩小以适应RTS-79系统。在负荷节点1、3、7、19分别接入装机容量为100MW的光伏电站，在负荷节点2、5、9、15分别接入装机容量为100MW的风电场，其他参数与I EEE RTS-79原始系统保持一致。

对上述增加了新能源的I EEE RTS-79系统进行可靠性评估，统计各个负荷节点的EDNS，由图2可知，当含新能源的RTS-79系统中不含有储能电池系统时，负荷节点1、2的EDNS最大，分别为2.21MW和2.28MW，负荷节点18峰荷最大，为334MW。结合新能源场站的安装位置、RTS-79系统各负荷节点峰荷大小以及各负荷节点的削负荷量，为使储能电池系统能够尽可能减小电力系统符合削减量，本实施例在负荷节点1、2、3、5、7、9、15、18、19分别接入容量为100MWh的储能电站，修改后的系统拓扑结构如图3所示。

结合上述修改后的RTS-79仿真系统，首先，对比三种场景下的电力系统可靠性指标，论证储能电池系统自身失效对其接入的电力系统可靠性评估结果存在影响。其次，通过设置不同容量、不同充放电功率的储能电池系统以探究能够提高电力系统可靠性的储能参数。最后，通过设置不同的储能电池系统的温度、放电深度，探究不同储能工况对电力系统可靠性的影响。本实施例所有算例仿真均在I nte l(R)Core(TM)i7-9750H CPU@2.60GHz、24GB RAM的硬件环境下测试。

储能电池系统运行工况也与其可靠性直接相关，即储能电池系统在不同工况下，其可靠性曲线会随之变化，进而影响电力系统可靠性评估结果。因此，为了探究不同工况下含储能电池系统的电力系统可靠性，设置如下算例：设定不同温度来反映不同的储能电池系统运行工况。将储能电池系统分别运行于15℃、25℃、35℃下(储能电池系统容量、最大充/放电功率、负荷设置均与实施例一中第三组场景设置相同)计算其所在的RTS-79系统可靠性指标，结果如图7所示。由图7知，温度至15℃变化至35℃的过程中，含储能电池系统的RTS-79系统的EDNS从14.1831MW增长至15.2717MW，增长了1.0866MW，LOLP从0.0816增长至0.0897增长了0.0081，即储能电池系统运行过程中，温度越高，电力系统的可靠性越低。因此，在储能电池系统的工作温度应尽量降低，以提高其所在电力系统的运行可靠性。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。