CN103810535A - 电力系统风电消纳能力评估方法 - Google Patents
电力系统风电消纳能力评估方法 Download PDFInfo
- Publication number
- CN103810535A CN103810535A CN201410006421.5A CN201410006421A CN103810535A CN 103810535 A CN103810535 A CN 103810535A CN 201410006421 A CN201410006421 A CN 201410006421A CN 103810535 A CN103810535 A CN 103810535A
- Authority
- CN
- China
- Prior art keywords
- power
- wind power
- mrow
- msub
- capacity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000010521 absorption reaction Methods 0.000 title abstract description 10
- 238000004146 energy storage Methods 0.000 claims abstract description 47
- 238000010248 power generation Methods 0.000 claims abstract description 39
- XOFYZVNMUHMLCC-ZPOLXVRWSA-N prednisone Chemical group O=C1C=C[C@]2(C)[C@H]3C(=O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 XOFYZVNMUHMLCC-ZPOLXVRWSA-N 0.000 claims description 32
- 238000003860 storage Methods 0.000 claims description 21
- 238000010586 diagram Methods 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 11
- 230000001186 cumulative effect Effects 0.000 claims description 11
- 238000005315 distribution function Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000012854 evaluation process Methods 0.000 claims 1
- 230000007774 longterm Effects 0.000 abstract description 5
- 238000013461 design Methods 0.000 abstract description 3
- 238000011161 development Methods 0.000 abstract description 3
- 230000010354 integration Effects 0.000 abstract description 3
- 230000007812 deficiency Effects 0.000 description 11
- 238000011156 evaluation Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 238000012850 discrimination method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013433 optimization analysis Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Wind Motors (AREA)
Abstract
本发明公开了一种电力系统风电消纳能力评估方法,本发明在历史风电和负荷数据的基础上,挖掘风电和负荷的随机统计规律,以此为基础建立风电消纳能力评估模型和求解方法,使所提方法在反映长期规划要求的基础上,既能量化风电接入对系统发电和调峰能力的影响,又能利用储能系统有效提高风电消纳的能力,从而更好地解决大规模风电开发后难以并网及消纳的难题。本发明具有计算得到的储能容量Ex或风电功率Pwny为电力系统的规划设计和调度提供了可靠的方法和途径的特点。
Description
技术领域
本发明涉及风力发电技术领域,尤其涉及一种能够有效提高电力系统风电消纳能力的电力系统风电消纳能力评估方法。
背景技术
风电正经历由小规模、补充性电源向大规模、重要性电源的角色转换。风电大规模开发后能否并网以及风电并网后系统能消纳多少风电,是目前风电规模化发展的瓶颈,也是电力系统调度与规划部门关注的焦点问题。
但是,通常的风电消纳能力评估方法是对实时优化进行评估,评估结果难以为系统的长期规划提供参考依据,且所提方法从制约风电消纳能力的因素出发,未量化风电接入对系统充裕性的影响程度,评估结果的有效性和可靠性较差,无法有效提高风电消纳能力。
中国专利授权公开号:CN103219748A,授权公开日2012年1月20日,公开了一种风电消纳能力的确定方法和系统,该方法根据采集电网系统一定时间内的负荷功率、调整后机组的出力、区外来电功率,综合考虑高峰、低谷两个负荷水平下电网系统的功率平衡和每台机组的开停机状态及出力范围,将上述的众多因素进行统一优化,确定电网风电消纳的能力。
中国专利授权公开号:CN102915396A,授权公开日2012年10月16日,公开了一套计算涉及风电场的运行优化分析的电网风电消纳能力方法,该方法针对风电并网中的负面因素,通过保证风电场与其它电源一起进行协调优化,进而实现风电场能更好地进行适网运行,保证供电质量和电网安全稳定。
中国专利授权公开号:CN102780219A,授权公开日2012年5月17日,公开了一种基于风电运行模拟的多维度风电消纳能力判别方法,该方法根据测风数据,利用多风电场运行模拟技术模拟风电场时序出力,结合年度风电消纳能力判别以及调峰能力、调频能力、负荷跟踪能力、快速备用能力和网络输送能力作为约束条件,从而对风电消纳能力进行多维度判别。
上述三个发明的计算方法存在如下缺点:
主要聚焦于实时优化的风电消纳能力评估,评估结果难以为系统的长期规划提供参考依据;是从制约风电消纳能力的因素出发进行评估,未量化风电接入对系统充裕性的影响程度,评估结果的有效性和可靠性较差,无法有效提高风电消纳能力。
发明内容
本发明的发明目的是为了克服现有技术中的风电消纳能力评价方法的评估结果难以为系统的长期规划提供参考依据;未量化风电接入对系统充裕性的影响程度,评估结果的有效性和可靠性较差,无法有效提高风电消纳能力的不足,提供了一种能够有效提高电力系统风电消纳能力的电力系统风电消纳能力评估方法。
为了实现上述目的,本发明采用以下技术方案:
一种电力系统风电消纳能力评估方法,所述电力系统包括用电负荷、大功率蓄电池、输电电网,与输电电网相连接的若干个风电、水电和火电发电机组;用电负荷、大功率蓄电池分别与输电电网电连接;电力系统是指由发电、输电、变电、配电和用电等环节组成的电能生产与消费系统。为实现这一功能,电力系统在各个环节和不同层次还具有相应的信息与控制系统,对电能的生产过程进行测量、调节、控制、保护、通信和调度,以保证用户获得安全、经济、优质的电能。
包括如下步骤:
(1-1)在计算机中进行多情景的设置:
设定情景1:E=0,Pwn=0表示风电容量为0并且未连接大功率蓄电池的电力系统;
设定情景2:E=0;Pwn=ΔP,2ΔP,3ΔP,…,nΔP为风力发电机组有输出功率并且未连接大功率蓄电池的电力系统;
设定情景3:E=ΔE,2ΔE,3ΔE,…,mΔE;Pwn=0表示风电容量为0并且连接大功率蓄电池的电力系统;
设定情景4:E=ΔE,2ΔE,3ΔE,…,mΔE;Pwn=ΔP,2ΔP,3ΔP,…,nΔP为连接了大功率蓄电池并且风力发电机组有输出功率的电力系统;其中,E为各个大功率蓄电池的储能容量,Pwn为风电容量,m为储能递增步数,ΔE为储能递增步长,n为风电容量的递增步数,ΔP为风电容量的递增步长;风电容量为风力发电机组的发电功率,在电力系统的运行过程中,储能容量是按照ΔE的步长逐渐加入系统中的,Pwn为风力发电机组的输出功率是按照ΔP的步长逐渐增加的。
(1-2)计算综合净负荷曲线:
(1-2-1)计算机从电力系统中获得负荷功率数据和风电输出功率数据,利用负荷功率数据减去风电输出功率值,从而画出净负荷曲线;
(1-2-2)修正净负荷曲线,得到综合净负荷曲线:
计算机在净负荷曲线低谷值左、右选取n2个等间隔时刻t1,t2,…,tn2,读取各个时刻的净负荷值利用公式计算净负荷谷值P′min,Δt为相邻时刻的时间差,将净负荷曲线小于P′min的所有数值沿纵坐标向上平移至P′min,得到综合净负荷曲线;
(1-3)计算不同情景下的系统充裕性指标:
(1-3-1)将风力发电机组的输出功率值输入到计算机中,各风电功率值组合成风电场风功率序列,读取风力发电机组的调峰容量以及负荷时序曲线;
(1-3-2)建立综合净负荷分级水平和调峰需求分级水平:
利用核密度估计法计算系统综合净负荷的累积概率分布函数FL,将综合净负荷水平均分为KL个等级,设定Lload,k为第k级综合净负荷水平,利用公式
(1-3-3)利用核密度估计法计算系统调峰需求的累积分布函数FW,将系统调峰需求水平平均分为KL个等级,设定Preq,k为第k级调峰需求水平,利用公式
(1-4)对储能容量为E和风电容量为Pwn的系统充裕性进行评估:
(1-4-1)计算机对等级为1至KL的综合净负荷水平和系统调峰需求,所对应的水力和火力发电机组的运行状态进行抽样,设定N为抽样总次数,设定k的初始值为1;
(1-4-2)利用公式RG=PGmax-PGmin计算第k级第i次抽样的每台运行水力和火力发电机组的可调容量RG,利用公式Preserse=∑RG计算总的调峰容量Preserve,其中,PGmax为每台火力和水力发电机组的输出功率最大值;PGmin为每台火力和水利发电机组的输出功率最小值;i=1,...,N;
(1-4-3)利用公式PRNE,i=max{0,(Preq,k-Preserve)}计算第k级第i次抽样中的调峰不足容量PRNE,i;
(1-4-4)利用公式 判断Ii的取值;
其中,Preq,k为第k级调峰需求水平;PRNE,i表示第k级第i次抽样中的调峰不足容量;当运行的水力、火力发电机组总的调峰容量能满足调峰需求时,Ii取0,反之,Ii取1。
(1-4-5)利用公式PG=∑PGmax计算系统运行的水力和火力发电机组的总可用容量PG;
(1-4-6)利用公式LLNE,i=max{0,(Lload,k-PG)}计算第k级第i次抽样中发电不足容量LLNE,i,并根据公式 判断Ji的取值;
其中,PG为第k级可用容量;当水力和火力机组可用容量PG能满足负荷要求时,Ji取0,反之,Ji取1。
其中,Tk为设定的第k级水平的持续时间长度;PRNEPk为第k级调峰需求水平下的调峰不足概率;PRNEEk表示第k级调峰需求水平下的调峰不足期望;LOLPk为第k级负荷水平下的发电不足概率;LOEEk为第k级负荷水平下的发电不足期望;
若此时k<KL,则返回步骤(1-4-2);否则转入步骤(1-5);
其中,X′为PRNEPk或LOLPk,E(X‘)为1至KL级别的X′的均值,σ(X′)为X′的标准差;
(1-5)计算系统的整体充裕性指标:
利用公式 对分级水平的充裕性指标进行累加;
其中,PRNEP为调峰不足概率,PRNEE为调峰不足期望,LOLP为发电不足概率,LOEE为发电不足期望;
(1-6)建立充裕性指标与储能容量、风电容量的三维曲面图;
(1-7)计算机根据三维曲面图计算系统所需的储能容量Ex或风电功率Pwny;
电力系统规划调度部门,根据所得的风电消纳能力和储能容量进行规划设计,使风电和储能接入系统后,电网仍可继续保持安全稳定及可靠运行。
本发明在历史风电和负荷数据的基础上,挖掘风电和负荷的随机统计规律,以此为基础建立风电消纳能力评估模型和求解方法,使所提方法在反映长期规划要求的基础上,既能量化风电接入对系统发电和调峰能力的影响,又能利用储能系统有效提高风电消纳的能力,从而更好地解决大规模风电开发后难以并网及消纳的难题。
作为优选,所述步骤(1-6)包括如下步骤:
(2-1)设x轴为风电容量Pwn,y轴为储能容量E,z轴为与Pwn,和E相对应的充裕性指标PRNEP、PRNEE、LOLP或LOEE;
(2-2)设定离散的点(x1r,y1j)为网格点,由x11,x12,…,x1(n+1)组成矩阵X,由y11,y12,…,y1(m+1)组成矩阵Y;X=[x11,x12,…,x1(n+1)],Y=[y11,y12,…,y1(m+1)];
(2-3)利用步骤(1-4)至(1-5)计算网格点对应的充裕性指标zr((n+1)(m+1))值,得到充裕性指标矩阵Z;
(2-4)将各个点(x1r,y1j,zr((n+1)(m+1)))连接起来,构成三维曲面图。
作为优选,所述步骤(1-7)包括如下步骤:
计算机选取三维曲面图中的坐标点A(PwnA,EA,ZA),B(PwnB,EB,ZB),C(PwnC,EC,ZC);做向量AB=(PwnA-PwnB,EA-EB,ZA-ZB),向量AC=(PwnA-PwnC,EA-EC,ZA-ZC);设面ABC的法向量n=(a,b,c),利用公式AB·n=0,得到a,b,c的值,将a,b,c代入公式
(Ex-EA)a+(Pwny-PwnA)b+(Zz-ZA)c=0,当已知储能容量Ex时,计算得到风电功率Pwny;当已知风电功率Pwny时,计算得到储能容量;从而得到电力系统风电消纳能力;其中,Zz为设定的充裕性指标。
作为优选,N为900至10000。
作为优选,ΔP为1MW至100MW。
作为优选,ΔE为1MWh至100MWh。
作为优选,n2为1至10。
作为优选,n为10至1000,m为10至1000。
因此,本发明具有如下有益效果:通过协调系统调峰特性与风电装机容量、负荷水平、水力和火力机组装机容量以及储能容量的匹配关系,获得满足调峰不足概率、调峰不足期望、发电不足概率以及发电不足期望四种充裕性指标约束的系统可接纳储能容量Ex或风电功率Pwny。计算得到的储能容量Ex或风电功率Pwny为电力系统的规划设计和调度提供了可靠的方法和途径。
附图说明
图1本发明的可接纳风电容量及需配置的储能容量分析图;
图2是某系统某时段的综合净负荷曲线示意图;
图3是某系统综合净负荷累积概率分布函数及分级模型示意图;
图4是某系统调峰需求累积概率分布函数及分级模型示意图;
图5是本发明的不同风电并网容量下的系统调峰不足概率和发电不足概率对比图;
图6是本发明的不同风电并网容量下的系统调峰不足期望和发电不足期望对比图;
图7是本发明的不同风电并网容量,不同储能容量下的调峰不足概率和发电不足概率对比图;
图8是本发明的不同风电并网容量,不同储能容量下的调峰不足期望和发电不足期望对比图;
图9是本发明的实施例的一种流程图。
具体实施方式
下面结合图和具体实施方式对本发明做进一步的描述。
如图1所示的实施例是以下结合图对本发明实施案例作进一步详细说明。
一种电力系统风电消纳能力评估方法,电力系统包括用电负荷、大功率蓄电池、输电电网,与输电电网相连接的若干个风电、水电和火电发电机组;用电负荷、大功率蓄电池分别与输电电网电连接;
如图9所示,所述方法包括如下步骤:
在计算机中进行多情景的设置:
设定情景1:E=0,Pwn=0表示风电容量为0并且未连接大功率蓄电池的电力系统;
设定情景2:E=0;Pwn=ΔP,2ΔP,3ΔP,…,nΔP为风力发电机组有输出功率并且未连接大功率蓄电池的电力系统;
设定情景3:E=ΔE,2ΔE,3ΔE,…,mΔE;Pwn=0表示风电容量为0并且连接大功率蓄电池的电力系统;
设定情景4:E=ΔE,2ΔE,3ΔE,…,mΔE;Pwn=ΔP,2ΔP,3ΔP,…,nΔP为连接了大功率蓄电池并且风力发电机组有输出功率的电力系统;其中,E为各个大功率蓄电池的储能容量,Pwn为风电场的风电容量,m为储能递增步数,ΔE为储能递增步长,n为风电容量的递增步数,ΔP为风电容量的递增步长;
步骤100,计算综合净负荷曲线:
步骤110,计算机从电力系统中获得负荷功率数据和风电输出功率数据,利用负荷功率数据减去风电输出功率值,从而画出净负荷曲线;
步骤120,修正净负荷曲线,得到综合净负荷曲线:
计算机在净负荷曲线低谷值左、右选取n2个等间隔时刻t1,t2,…,tn2,读取各个时刻的净负荷值利用公式计算净负荷谷值P′min,Δt为相邻时刻的时间差,将净负荷曲线小于P′min的所有数值沿纵坐标平移至P′min,得到综合净负荷曲线;
步骤200,计算不同情景下的系统充裕性指标:
步骤210,将风力发电机组的输出功率值输入到计算机中,各风电功率值组合成风电场风功率序列,读取风力发电机组的调峰容量以及负荷时序曲线;
步骤220,建立综合净负荷分级水平和调峰需求分级水平:
利用核密度估计法计算系统综合净负荷的累积概率分布函数FL,将综合净负荷水平均分为KL个等级,设定Lload,k为第k级综合净负荷水平,利用公式
步骤230,利用核密度估计法计算系统调峰需求的累积分布函数FW,将系统调峰需求水平平均分为KL个等级,设定Preq,k为为第k级调峰需求水平,利用公式
步骤300,对储能容量为E和风电容量为Pwn的系统充裕性进行评估:
步骤310,计算机对等级为1至KL的综合净负荷水平和系统调峰需求,所对应的水力和火力发电机组的运行状态进行抽样,设定N为抽样总次数,设定k的初始值为1;
步骤320,利用公式RG=PGmax-PGmin计算第k级第i次抽样的每台运行水力和火力发电机组的可调容量RG,利用公式Preserse=∑RG计算总的调峰容量Preserve,其中,PGmax为每台火力和水力发电机组的输出功率最大值;PGmin为每台火力和水利发电机组的输出功率最小值;i=1,…,N;
步骤330,利用公式PRNE,i=max{0,(Preq,k-Preserve)}计算第k级第i次抽样中的调峰不足容量PRNE,i;
步骤340,利用公式 判断Ii的取值;
其中,Preq,k为第k级调峰需求水平;PRNE,i表示第k级第i次抽样中的调峰不足容量;当运行的水力、火力发电机组总的调峰容量能满足调峰需求时,Ii取0,反之,Ii取1。
步骤350,利用公式PG=∑PGmax计算系统运行的水力和火力发电机组的总可用容量PG;
步骤360,利用公式LLNE,i=max{0,(Lload,k-PG)}计算第k级第i次抽样中发电不足容量LLNE,i,并根据公式 判断Ji的取值;
其中,PG为第k级可用容量;当水力和火力机组可用容量PG能满足负荷要求时,Ji取0,反之,Ji取1。
其中,Tk为设定的第k级水平的持续时间长度;PRNEPk为第k级调峰需求水平下的调峰不足概率;PRNEEk表示第k级调峰需求水平下的调峰不足期望;LOLPk为第k级负荷水平下的发电不足概率;LOEEk为第k级负荷水平下的发电不足期望;
当使k值增加1;
若此时k<KL,则返回步骤320;否则,转入步骤400;
其中,X′为PRNEPk或LOLPk,E(X‘)为1至KL级别的X′的均值,σ(X′)为X′的标准差;
步骤400,计算电力系统的整体充裕性指标:
利用公式 对分级水平的充裕性指标进行累加;
其中,PRNEP为调峰不足概率,PRNEE为调峰不足期望,LOLP为发电不足概率,LOEE为发电不足期望;
步骤500,建立充裕性指标与储能容量、风电容量的三维曲面图;
步骤510,设x轴为风电容量Pwn,y轴为储能容量E,z轴为与Pwn和E相对应的充裕性指标PRNEP、PRNEE、LOLP或LOEE;
步骤520,设定离散的点(x1r,y1j)为网格点,由x11,x12,…,x1(n+1)组成矩阵X,由y11,y12,…,y1(m+1)组成矩阵Y;X=[x11,x12,…,x1(n+1)],Y=[y11,y12,…,y1(m+1)];
步骤530,利用步骤300至400计算网格点对应的充裕性指标zr ((n+1)(m+1))值,得到充裕性指标矩阵Z;
步骤540,将各个点(x1r,y1j,zr((n+1)(m+1)))连接起来,构成三维曲面图。
步骤600,计算机根据三维曲面图计算电力系统所需的储能容量Ex或风电功率Pwny;
计算机选取三维曲面图中的坐标点A(PwnA,EA,ZA),B(PwnB,EB,ZB),C(PwnC,EC,ZC);做向量AB=(PwnA-PwnB,EA-EB,ZA-ZB),向量AC=(PwnA-PwnC,EA-EC,ZA-ZC);设面ABC的法向量n=(a,b,c),利用公式AB·n=0,得到a,b,c的值,将a,b,c代入公式
(Ex-EA)a+(Pwny-PwnA)b+(Zz-Z4)c=0,当已知储能容量Ex时,计算得到风电功率Pwny;当已知风电功率Pwny时,计算得到储能容量;从而得到电力系统风电消纳能力;其中,Zz为设定的充裕性指标。
电力系统规划调度部门,根据所得的风电消纳能力和储能容量进行规划设计,使风电和储能接入系统后,电网仍可继续保持安全稳定及可靠运行。
仿真实验:
本仿真实验中ΔP、ΔE、E、Pwn、n2、KL的取值分别为:
ΔP取值为100MW;ΔE取值为10MWh;E取值为100MWh;Pwn取值为20000MW;n2取值为5;KL的取值为7。
为了便于说明本发明原理和步骤,这里采用某系统所含风电场风功率和负荷1年的实际值作为统计净负荷样本数据,数据样本以15min为采样时间间隔。某系统某时段的综合净负荷曲线如图2所示。
获得综合净负荷曲线和调峰需求的累积概率分布函数,如图3所示为系统的综合净负荷累积概率分布函数,图4所示为系统调峰需求累积概率分布函数。假设将其均分为7个等级,计算得到不同风电并网容量下调峰需求分级水平和综合净负荷分级水平情况如表1和表2所示。
表1为不同风电并网容量下调峰需求水平分级情况(MW):
表1
表2为不同风电并网容量负荷水平分级情况(MW):
风电并网容量 | Lload,1 | Lload,2 | Lload,3 | Lload,4 | Lload,5 | Lload,6 | Lload,7 |
2000 | 16403 | 17209 | 18014 | 18820 | 19626 | 20432 | 21237 |
4000 | 16405 | 17216 | 18027 | 18837 | 19648 | 20458 | 21269 |
6000 | 16414 | 17242 | 18070 | 18898 | 19726 | 20554 | 21382 |
8000 | 16426 | 17278 | 18131 | 18983 | 19835 | 20688 | 21540 |
表2
不含储能情景下,在不同风电并网容量下,某系统充裕性指标的计算结果如图5、6所示。从图5、6可以看出:仅考虑发电充裕性或仅考虑调峰充裕性,所得的风电接纳比实际能接纳的风电能力偏于保守,将导致系统不能可靠安排运行,故需要综合考虑发电和调峰两个充裕性指标的要求。
不含储能情景下,假定调峰不足概率不大于0.03%,调峰不足期望不大于170MWh/年,发电不足概率不大于0.06%,发电不足期望不大于330MWh/年时,确定考虑不同充裕性指标的系统接纳风电能力,得到如表3所示的不含储能情景下系统的风电接纳能力:
表3
从表3可知,若仅考虑发电充裕性,则所得的风电接纳比实际能接纳的风电能力偏高,使得系统接纳的风电容量超过其所能承受的范围,将导致系统不能可靠安排运行,严重时会使系统崩溃,给电力系统带来不可估量的事故。故需要综合考虑发电和调峰两个充裕性指标的要求。
含储能情景下,在不同风电并网容量下,某系统充裕性指标的计算结果如图7、8所示。从图7、8可以看出:当系统充裕性指标不满足系统要求时,使得系统不能安全可靠运行,加入储能系统,系统充裕性指标降低,即加入储能系统可以有利于改善系统调峰和发电情况,进而有效提高风电消纳的能力。
当调峰不足概率不大于0.03%,调峰不足期望不大于170MWh/年,发电不足概率不大于0.06%,发电不足期望不大于330MWh/年时,计算得到如表4所示的含储能系统风电接纳能力:
表4
从表4可知,若仅考虑调峰充裕性,当储能容量为10MWh时,所得的风电接纳比实际能接纳的风电能力偏高,使得系统接纳的风电容量超过其所能承受的范围,将导致系统不能可靠安排运行。若储能容量为50、100MWh时,若仅考虑发电充裕性,则所得的风电接纳能力超出了系统实际能承受的能力,系统面临巨大的风险,威胁着整个电网的安全稳定性。故需要综合考虑发电和调峰两个充裕性指标的要求。
因此,本发明具有如下有益效果:通过协调系统调峰特性与风电装机容量、负荷水平、水力和火力机组装机容量以及储能容量的匹配关系,获得满足调峰不足概率、调峰不足期望、发电不足概率以及发电不足期望四种充裕性指标约束的系统可接纳储能容量Ex或风电功率Pwny。计算得到的储能容量Ex或风电功率Pwny为电力系统的规划设计和调度提供了可靠的方法和途径。
应理解,本实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
Claims (8)
1.一种电力系统风电消纳能力评估方法,所述电力系统包括用电负荷、大功率蓄电池、输电电网,与输电电网相连接的若干个风电、水电和火电发电机组;用电负荷、大功率蓄电池分别与输电电网电连接,其评估过程包括如下步骤:
(1-1)在计算机中进行多情景的设置:
设定情景1:E=0,Pwn=0表示风电容量为0并且未连接大功率蓄电池的电力系统;
设定情景2:E=0;Pwn=ΔP,2ΔP,3ΔP,…,nΔP为风力发电机组有输出功率并且未连接大功率蓄电池的电力系统;
设定情景3:E=ΔE,2ΔE,3ΔE,…,mΔE;Pwn=0表示风电容量为0并且连接大功率蓄电池的电力系统;
设定情景4:E=ΔE,2ΔE,3ΔE,…,mΔE;Pwn=ΔP,2ΔP,3ΔP,…,nΔP为连接了大功率蓄电池并且风力发电机组有输出功率的电力系统;其中,E为各个大功率蓄电池的储能容量,Pwn为风电容量,m为储能递增步数,ΔE为储能递增步长,n为风电容量的递增步数,ΔP为风电容量的递增步长;
(1-2)计算综合净负荷曲线:
(1-2-1)计算机从电力系统中获得负荷功率数据和风电输出功率数据,利用负荷功率数据减去风电输出功率值,从而画出净负荷曲线;
(1-2-2)修正净负荷曲线,得到综合净负荷曲线:
计算机在净负荷曲线低谷值左、右选取n2个等间隔时刻 t1,t2,…,tn2,读取各个时刻的净负荷值利用公式 计算净负荷谷值P′min,Δt为相邻时刻的时间差,将净负荷曲线小于P′min的所有数值沿纵坐标平移至P′min,得到综合净负荷曲线;
(1-3)计算不同情景下的系统充裕性指标:
(1-3-1)将风力发电机组的输出功率值输入到计算机中,各风电功率值组合成风电场风功率序列,读取风力发电机组的调峰容量以及负荷时序曲线;
(1-3-2)建立综合净负荷分级水平和调峰需求分级水平:
利用核密度估计法计算系统综合净负荷的累积概率分布函数FL,将综合净负荷水平均分为KL个等级,设定Lload,k为第k级综合净负荷水平,利用公式
(1-3-3)利用核密度估计法计算系统调峰需求的累积分布函数FW,将系统调峰需求水平平均分为KL个等级,设定Preq,k为第k级调 峰需求水平,利用公式
(1-4)对储能容量为E和风电容量为Pwn的系统充裕性进行评估:
(1-4-1)计算机对等级为1至KL的综合净负荷水平和系统调峰需求,所对应的水力和火力发电机组的运行状态进行抽样,设定N为抽样总次数,设定k的初始值为1;
(1-4-2)利用公式RG=PGmax-PGmin计算第k级第i次抽样的每台运行水力和火力发电机组的可调容量RG,利用公式Preserse=∑RG计算总的调峰容量Preserve,其中,PGmax为每台火力和水力发电机组的输出功率最大值;PGmin为每台火力和水利发电机组的输出功率最小值;i=1,…,N;
(1-4-3)利用公式PRNE,i=max{0,(Preq,k-Preserve)}计算第k级第i次抽样中的调峰不足容量PRNE,i;
其中,Preq,k为第k级调峰需求水平;PRNE,i表示第k级第i次抽样 中的调峰不足容量;
(1-4-5)利用公式PG=∑PGmax计算系统运行的水力和火力发电机组的总可用容量PG;
(1-4-6)利用公式LLNE,i=max{0,(Lload,k-PG)}计算第k级第i次抽样中发电不足容量LLNE,i,并根据公式判断Ji的取值;
其中,PG为第k级可用容量;
其中,Tk为设定的第k级水平的持续时间长度;PRNEPk为第k级调峰需求水平下的调峰不足概率;PRNEEk表示第k级调峰需求水平下的调峰不足期望;LOLPk为第k级负荷水平下的发电不足概率;LOEEk为第k级负荷水平下的发电不足期望;
若k<KL,则返回步骤(1-4-2);否则转入步骤(1-5);
其中,X′为PRNEPk或LOLPk,E(X‘)为1至KL级别的X′的均值, σ(X′)为X′的标准差;
(1-5)计算系统的整体充裕性指标:
其中,PRNEP为调峰不足概率,PRNEE为调峰不足期望,LOLP为发电不足概率,LOEE为发电不足期望;
(1-6)建立充裕性指标与储能容量、风电容量的三维曲面图;
(1-7)计算机根据三维曲面图计算系统所需的储能容量Ex或风电功率Pwny。
2.根据权利要求1所述的电力系统风电消纳能力评估方法,其特征是,所述步骤(1-6)包括如下步骤:
(2-1)设x轴为风电容量Pwn,y轴为储能容量E,z轴为与Pwn,和E相对应的充裕性指标PRNEP、PRNEE、LOLP或LOEE;
(2-2)设定离散的点(x1r,y1j)为网格点,由x11,x12,…,x1(n+1)组成矩阵X,由y11,y12,…,y1(m+1)组成矩阵Y;X=[x11,x12,…,x1(n+1)],Y=[y11,y12,…,y1(m+1)];
(2-3)利用步骤(1-4)至(1-5)计算网格点对应的充裕性指 标zr((n+1)(m+1)值,得到充裕性指标矩阵Z;
(2-4)将各个点(x1r,y1j,zr((n+1)(m+1)))连接起来,构成三维曲面图。
3.根据权利要求1所述的电力系统风电消纳能力评估方法,其特征是,所述步骤(1-7)包括如下步骤:
计算机选取三维曲面图中的坐标点A(PwnA,EA,ZA),B(PwnB,EB,ZB),C(PwnC,EC,ZC);做向量AB=(PwnA-PwnB,EA-EB,ZA-ZB),向量AC=(PwnA-PwnC,EA-EC,ZA-ZC);设面ABC的法向量n=(a,b,c),利用公式AB·n=0,得到a,b,c的值,将a,b,c代入公式
(Ex-EA)a+(Pwny-PwnA)b+(Zz-ZA)c=0,当已知储能容量Ex时,计算得到风电功率Pwny;当已知风电功率Pwny时,计算得到储能容量;从而得到电力系统风电消纳能力;其中,Zz为设定的充裕性指标。
4.根据权利要求1所述的电力系统风电消纳能力评估方法,其特征是,N为900至10000。
5.根据权利要求1所述的电力系统风电消纳能力评估方法,其特征是,ΔP为1MW至100MW。
6.根据权利要求1所述的电力系统风电消纳能力评估方法,其特征是,ΔE为1MWh至100MWh。
7.根据权利要求1所述的电力系统风电消纳能力评估方法,其特征是,n2为1至10。
8.根据权利要求1所述的电力系统风电消纳能力评估方法,其 特征是,n为10至1000,m为10至1000。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410006421.5A CN103810535B (zh) | 2014-01-07 | 2014-01-07 | 电力系统风电消纳能力评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410006421.5A CN103810535B (zh) | 2014-01-07 | 2014-01-07 | 电力系统风电消纳能力评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103810535A true CN103810535A (zh) | 2014-05-21 |
CN103810535B CN103810535B (zh) | 2016-09-14 |
Family
ID=50707273
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410006421.5A Active CN103810535B (zh) | 2014-01-07 | 2014-01-07 | 电力系统风电消纳能力评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103810535B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103986193A (zh) * | 2014-05-30 | 2014-08-13 | 广西大学 | 一种最大风电并网容量获取的方法 |
CN104463378A (zh) * | 2014-12-29 | 2015-03-25 | 国家电网公司 | 用于水电资源丰富地区省级电网风力发电消纳能力的算法 |
CN104537204A (zh) * | 2014-11-07 | 2015-04-22 | 国家电网公司 | 热电联供电网中风电电量消纳能力的评估方法 |
CN105490309A (zh) * | 2015-12-21 | 2016-04-13 | 国网山西省电力公司大同供电公司 | 一种基于电网调峰能力的风电消纳评估方法 |
CN105914785A (zh) * | 2016-05-12 | 2016-08-31 | 中国电力科学研究院 | 一种提升风电消纳能力的方法 |
CN106356897A (zh) * | 2016-10-28 | 2017-01-25 | 国家电网公司 | 一种风电接纳能力动态评估方法 |
CN106936128A (zh) * | 2017-03-07 | 2017-07-07 | 广西电网有限责任公司电力科学研究院 | 一种电网短期接纳可再生能源能力的评估方法 |
CN107292539A (zh) * | 2017-07-28 | 2017-10-24 | 国网芜湖供电公司 | 一种评估可再生能源消纳能力的指标方法 |
CN107609732A (zh) * | 2017-07-31 | 2018-01-19 | 中国电力科学研究院 | 一种风电消纳潜力确定方法及系统 |
CN108171407A (zh) * | 2017-12-14 | 2018-06-15 | 国家电网公司 | 一种储能需求评估方法、系统、终端及可读存储介质 |
CN109149562A (zh) * | 2018-08-22 | 2019-01-04 | 中国南方电网有限责任公司 | 一种适用于交直流混联电网的经济调度方法及装置 |
CN116644903A (zh) * | 2023-04-23 | 2023-08-25 | 国网上海市电力公司 | 电力系统调峰充裕性评估方法、系统、设备及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102780219B (zh) * | 2012-05-17 | 2014-01-29 | 清华大学 | 基于风电运行模拟的多维度风电消纳能力判别方法 |
CN102915396B (zh) * | 2012-10-16 | 2015-05-13 | 内蒙古自治区电力科学研究院 | 一套计算电网风电消纳能力的方法 |
CN103049609B (zh) * | 2012-12-18 | 2015-07-22 | 华中科技大学 | 一种风功率多阶段场景模拟方法 |
-
2014
- 2014-01-07 CN CN201410006421.5A patent/CN103810535B/zh active Active
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103986193B (zh) * | 2014-05-30 | 2016-04-20 | 广西大学 | 一种最大风电并网容量获取的方法 |
CN103986193A (zh) * | 2014-05-30 | 2014-08-13 | 广西大学 | 一种最大风电并网容量获取的方法 |
CN104537204A (zh) * | 2014-11-07 | 2015-04-22 | 国家电网公司 | 热电联供电网中风电电量消纳能力的评估方法 |
CN104537204B (zh) * | 2014-11-07 | 2017-11-28 | 国家电网公司 | 热电联供电网中风电电量消纳能力的评估方法 |
CN104463378B (zh) * | 2014-12-29 | 2017-08-29 | 国家电网公司 | 用于水电资源丰富地区省级电网风力发电消纳能力的算法 |
CN104463378A (zh) * | 2014-12-29 | 2015-03-25 | 国家电网公司 | 用于水电资源丰富地区省级电网风力发电消纳能力的算法 |
CN105490309A (zh) * | 2015-12-21 | 2016-04-13 | 国网山西省电力公司大同供电公司 | 一种基于电网调峰能力的风电消纳评估方法 |
CN105490309B (zh) * | 2015-12-21 | 2018-02-06 | 国网山西省电力公司大同供电公司 | 一种基于电网调峰能力的风电消纳评估方法 |
CN105914785A (zh) * | 2016-05-12 | 2016-08-31 | 中国电力科学研究院 | 一种提升风电消纳能力的方法 |
CN105914785B (zh) * | 2016-05-12 | 2022-04-29 | 中国电力科学研究院 | 一种提升风电消纳能力的方法 |
CN106356897A (zh) * | 2016-10-28 | 2017-01-25 | 国家电网公司 | 一种风电接纳能力动态评估方法 |
CN106936128A (zh) * | 2017-03-07 | 2017-07-07 | 广西电网有限责任公司电力科学研究院 | 一种电网短期接纳可再生能源能力的评估方法 |
CN106936128B (zh) * | 2017-03-07 | 2019-06-04 | 广西电网有限责任公司电力科学研究院 | 一种电网短期接纳可再生能源能力的评估方法 |
CN107292539A (zh) * | 2017-07-28 | 2017-10-24 | 国网芜湖供电公司 | 一种评估可再生能源消纳能力的指标方法 |
CN107609732A (zh) * | 2017-07-31 | 2018-01-19 | 中国电力科学研究院 | 一种风电消纳潜力确定方法及系统 |
CN107609732B (zh) * | 2017-07-31 | 2022-09-02 | 中国电力科学研究院 | 一种风电消纳潜力确定方法及系统 |
CN108171407A (zh) * | 2017-12-14 | 2018-06-15 | 国家电网公司 | 一种储能需求评估方法、系统、终端及可读存储介质 |
CN108171407B (zh) * | 2017-12-14 | 2021-11-09 | 国家电网有限公司 | 一种储能需求评估方法、系统、终端及可读存储介质 |
CN109149562A (zh) * | 2018-08-22 | 2019-01-04 | 中国南方电网有限责任公司 | 一种适用于交直流混联电网的经济调度方法及装置 |
CN109149562B (zh) * | 2018-08-22 | 2021-10-08 | 中国南方电网有限责任公司 | 一种适用于交直流混联电网的经济调度方法及装置 |
CN116644903A (zh) * | 2023-04-23 | 2023-08-25 | 国网上海市电力公司 | 电力系统调峰充裕性评估方法、系统、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103810535B (zh) | 2016-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103810535B (zh) | 电力系统风电消纳能力评估方法 | |
Lu et al. | Optimization model for the short-term joint operation of a grid-connected wind-photovoltaic-hydro hybrid energy system with cascade hydropower plants | |
CN103545832B (zh) | 一种基于发电预测误差的光伏系统储能容量配置方法 | |
CN104682381B (zh) | 大型风电场柔性直流输电系统可靠性计算方法 | |
CN107947164A (zh) | 一种考虑多重不确定性及相关性的电力系统日前鲁棒调度方法 | |
CN104701880B (zh) | 一种基于调峰约束的电网接纳光伏最大容量的计算方法 | |
CN109840636B (zh) | 一种基于牛顿法的电力系统随机滚动调度方法 | |
CN103296701B (zh) | 一种风电场有功功率控制方法 | |
Guo et al. | Evaluating effects of battery storage on day-ahead generation scheduling of large hydro–wind–photovoltaic complementary systems | |
CN104242356A (zh) | 考虑风电场集电线故障的鲁棒区间风电调度方法及装置 | |
CN107977744A (zh) | 一种基于传统Benders分解法的电力系统日前鲁棒调度方法 | |
CN103887813B (zh) | 基于风功率预测不确定度的风电系统运行的控制方法 | |
CN103198235A (zh) | 基于风功率纵向时刻概率分布的风功率预测值预评估方法 | |
CN103326394B (zh) | 一种计及风电波动性的多场景概率优化调度方法 | |
CN105490309A (zh) | 一种基于电网调峰能力的风电消纳评估方法 | |
CN104182808B (zh) | 一种基于等比例限电的新能源场站发电计划制定方法 | |
Fu et al. | Statistical machine learning model for uncertainty planning of distributed renewable energy sources in distribution networks | |
CN106208136A (zh) | 计及效益和风险的含不确定风电的日前调度方法 | |
Ding et al. | A dynamic period partition method for time-of-use pricing with high-penetration renewable energy | |
CN105320992A (zh) | 一种电力系统备用量化评估方法 | |
CN116316889A (zh) | 一种考虑电网调峰需求的新能源优化调度方法 | |
CN114336607B (zh) | 计及源荷双侧不确定性的电网经济运行域生成方法及系统 | |
CN110544033A (zh) | 热电厂灵活性改造后的电力系统风电消纳评估方法 | |
CN104935004A (zh) | 基于全景理论的多微网聚合协调优化运行方法 | |
KR101580982B1 (ko) | 신재생 에너지 발전의 확률적인 발전량 표현을 이용한 시뮬레이션 장치 및 그 시뮬레이션 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |