CN104217294B - 一种包含间歇性电源的电力电量平衡方法 - Google Patents
一种包含间歇性电源的电力电量平衡方法 Download PDFInfo
- Publication number
- CN104217294B CN104217294B CN201410452357.3A CN201410452357A CN104217294B CN 104217294 B CN104217294 B CN 104217294B CN 201410452357 A CN201410452357 A CN 201410452357A CN 104217294 B CN104217294 B CN 104217294B
- Authority
- CN
- China
- Prior art keywords
- day
- curve
- month
- power
- power supply
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000005611 electricity Effects 0.000 claims description 21
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims description 12
- 230000005619 thermoelectricity Effects 0.000 claims description 12
- 238000000418 atomic force spectrum Methods 0.000 claims description 6
- 239000003245 coal Substances 0.000 claims description 2
- 239000000470 constituent Substances 0.000 claims description 2
- 230000007773 growth pattern Effects 0.000 claims description 2
- 238000009434 installation Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000012407 engineering method Methods 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 5
- 238000007796 conventional method Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 2
- 239000006227 byproduct Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000012010 growth Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明基于场景削减技术提出一种包含间歇性电源的电力电量平衡方法,属于电力系统规划与运行技术领域。所提方法可描绘间歇性电源典型出力、出力上下限的日特性曲线,在此基础上与传统可控电源发电能力、负荷日特性预测曲线进行比较,完成电力电量平衡计算,以解决现有工程方法因忽视间歇性电源出力随机性、波动性特点而造成误差过大的缺点。
Description
技术领域
本发明属于电力计算领域,特别是一种包含间歇性电源的电力电量平衡方法。
背景技术
电力电量平衡是电力系统规划以及调度工作中的一项基础任务,其目的是衡量电力系统的发供电能力能否满足负荷需求,计算结果将作为电源规划、网架规划、调度计划制定等的依据。在只包含火电、水电、核电等传统可控电源的电力电量平衡中,负荷是唯一的随机变量,由枯水期、机组检修等因素造成的电源受阻容量通常可根据经验确定。平衡计算大致流程为,将电源出力表征为一个常数,即电源装机容量与受阻容量之差,再与最大负荷预测值进行比较完成电力平衡;通过电源有效利用小时数折算出发电量,与用电量预测值进行比较即完成电量平衡。
而在包含间歇性电源的电力电量平衡中,存在间歇性电源出力和负荷两个随机变量。目前应用较广泛的工程方法是将间歇性电源的装机容量乘以同时率的经验值,将乘积作为电源的典型出力参与平衡,其计算结果往往存在较大误差。误差的根源在于,该方法将间歇性电源等效为传统电源,将出力表征为常数,忽略了其固有的随机性、波动性特点。例如,在最大负荷出现的时刻,间歇性电源出力可能远低于典型值,这就会导致电力充足的误判;在进行小区域电力平衡时,通常要计算最大电力盈余或亏缺,以指导目标电网与外部电网的联络通道建设,用前述工程方法进行此计算也将造成较大误差。
虽然间歇性电源的出力是不可控的,但其变化仍具有一定的规律,总结、描绘其日特性曲线,再与负荷日特性曲线、传统电源出力安排等进行比较,是提高电力电量平衡精度的一种思路。本发明提出一种包含间歇性电源的电力电量平衡方法,其核心是利用随机规划中的场景削减技术求取间歇性电源的典型日出力特性曲线、出力上限和出力下限的日特性曲线。
发明内容
本发明的目的是提供一种包含间歇性电源的电力电量平衡方法。
本发明主要采用以下方案进行实现:一种包含间歇性电源的电力电量平衡方法,其特征在于:所述方法包括以下步骤:S01、分别对前一年的各个月份,采集网内间歇性电源总出力的历史数据集DPw_his;其中,N为该月天数,为该月第n天的出力曲线, 为该月第n天第t时刻的出力数据,取15分钟为一时刻,一天共包含96个时刻的数据;S02、采用场景削减技术获取前一年各月份中,间歇性电源出力的典型日特性曲线S03、剔除极端气象日,获取前一年各月份中,间歇性电源出力上限和出力下限的日特性曲线和S04、在前一年特性曲线的基础上,根据间歇性电源装机容量增长情况折算水平年各月典型日特性曲线出力上限日特性曲线和和出力下限日特性曲线其中 为水平年各月份中典型日特性曲线t时刻的出力数据,是Nw为间歇性电源在水平年的装机容量,Nw_his为前一年的装机容量, 为水平年出力上限日特性曲线t时刻的出力数据, 为水平年出力下限日特性曲线t时刻的出力数据;S05、按照传统电力平衡中的方法,给出水平年各月份中传统电源发电能力的日特性曲线Pc=[Pc1,Pc2,L Pc96],Pct为传统电源发t时刻发电量,Pct取相同值;S06、根据负荷预测获得水平年各月典型日负荷曲线L=[L1,L2,L L96];Lt为水平年各月典型日t时刻负荷;S07、计算水平年各月电力盈亏量;S08、计算水平年各月电量平衡:对于各个月份,通过负荷预测确定当月用电量WL,确定除火电外当月的发电量WK,根据间歇性电源典型日出力曲线计算间歇性电源当月发电量WW,N为该月天数,需要的火电发电量WT=WL-WW-WK,若当月火电开机及燃煤供应情况可以满足发电量WT,则电量供需平衡;若不能满足发电量WT,则电量供不应求。
其中步骤S02还包括以下的具体流程:S021、djk为第j天与第k天出力曲线间的距离,
S022、统计各天出力曲线与其余日期出力曲线的距离总和:Di为第i天出力曲线与其余日期出力曲线的距离总和,S023选取Di最小当天的出力曲线作为该月典型日特性曲线
其中步骤S3的具体步骤为:S031、选取当月Di最大的若干天作为极端气象日,在统计出力极值时排除其影响;S032、设第a天与第b天为极端气象日,将其剔除后当月剩余日期的出力曲线组成有效数据集,一天中第t个时刻的出力上下限为当月有效数据集中第t个时刻的最大值和最小值,96个时刻的出力上下限组成曲线和
其中步骤S07还包括以下步骤:S071、计算电力盈亏ΔP:根据间歇性电源典型日出力曲线传统电源日发电能力曲线Pc和典型日负荷曲线L,取15%备用率,计算电力盈亏的典型日序列ΔP,取ΔP中的最小元素值作为电力盈亏量ΔP;其中,
ΔP=min(ΔPmodel_1,ΔPmodel_2,L,ΔPmodel_96);S072、如果作为送电区域,计算最大电力盈余ΔPmax:
根据间歇性电源出力上限日特性曲线传统电源日发电能力曲线Pc和典型日负荷曲线L,计算电力最大盈余的典型日序列ΔPmax,取ΔPmax中的最大元素值为ΔPmax;其中,
ΔPmax=max(ΔPmax_1,ΔPmax_2,L,ΔPmax_96),S073、如果作为受电区域,计算最大电力亏缺ΔPmin:根据间歇性电源出力下限日特性曲线传统电源日发电能力曲线Pc和典型日负荷曲线L,计算电力最大亏缺的典型日序列ΔPmin,取ΔPmin中的最小元素值为ΔPmin;
其中,
ΔPmin=min(ΔPmin_1,ΔPmin_2,L,ΔPmin_96)。
相对于现有技术,本发明具有以下优点:
(1)本发明基于场景削减技术描绘了间歇性电源出力的典型日特性曲线、出力上下限的日特性曲线,反映了其随机性、波动性特点;
(2)在间歇性电源出力的历史数据集中,利用场景削减技术将各日期的出力曲线按照重现概率从大到小排序,典型日出力曲线和极端气象日出力曲线在未来重现概率分别为最大和最小,物理意义明确;
(3)可以以小时为时间尺度比较间歇性电源出力变化和负荷变化之间的相关性,反映两者叠加的“综合负荷”的峰谷差,从而提高平衡计算精度;
(4)避免了传统方法中选取间歇性电源同时率的难题。
附图说明
图1是本发明计算方法流程图。
图2是本发明一实施例中,2014年8月风电出力的每日96点数据曲线,其中选出了两个极端气象日。
图3是本发明一实施例中,预测的2015年8月风电典型出力、出力上限和出力下限的日特性曲线。
图4是本发明一实施例中,预测的2015年8月电力平衡情况。
具体实施方式
下面结合具体实施例和附图对本发明作进一步说明。
本发明提出一种包含间歇性电源的电力电量平衡方法,实施流程如图1所示。
在本发明一具体实施例中对一个包含多风电场的区域电力系统进行2015年8月的电力电量平衡进行预测。2014年8月该系统包含1个装机容量800MW的火电厂以及6个风电场,风电总装机容量450MW。
2015年8月负荷预测达630MW,用电量预测达到3亿千瓦时。根据电源规划,风电总装机容量至2015年8月将增加到500MW,并设火电2015年8月利用小时数可达400小时。
利用本发明电力电量平衡方法具体步骤如下:
(1)通过EMS系统获得2014年8月风电出力的历史数据集DPw_his,如图2所示。计算各天出力曲线与其余日期出力曲线的距离总和Di,按Di从小到大将各日期排序,结果如表1所示,对于排位越靠前的日期,其当日风电出力曲线在未来重现的概率越大。取Di最小的8月8日为典型日,取Di最大的8月22日和8月21日为极端气象日;
表1 2014年8月风电出力曲线按重现概率由大至小排序
(2)取8月8日的出力曲线为2014年8月风电典型出力特性曲线将8月22日和8月21日数据其剔除后计算2014年8月风电出力上限和出力下限的日特性曲线和再考虑风电装机容量的增长,即将上述三条曲线乘以1.11倍,得出预测的2015年8月典型日特性曲线出力上限日特性曲线和出力下限日特性曲线如图3所示;
(3)按照传统电力平衡中的方法得到2015年8月火电发电能力的日特性曲线Pc=[800,800,L 800],即各时刻的发电能力均可按满发考虑,将火电发电能力与风电出力日特性曲线叠加,可得到该系统内电源总出力的典型日特性曲线和出力上下限的日特性曲线;根据负荷预测获得2015年8月典型日负荷曲线L,将其乘以1.15倍(15%备用率)即得到容量需求曲线,如图4所示;
(4)对图4中的各条曲线进行比较,完成电力平衡。电源出力的典型日特性曲线在各个时刻均大于容量需求,两者的最小差值为115.7MW,出现在上午11点。因此,该系统电力盈余115.7MW。该系统正常运行时向外部送电,所以为了校核外送通道输电能力,只要计算最大电力盈余。比较电源出力上限和负荷的日特性曲线,两者最大差值出现在凌晨4点半,最大电力盈余653.8MW;
(5)电量平衡计算。
2015年8月用电量预测值WL=3亿千瓦时,风电预计发电量为
需要的火电发电量WT=WL-WW=2.63亿千瓦时。火电2015年8月利用小时数可达400小时,则火电发电量可到3.2亿千瓦时,电量盈余0.57亿千瓦时。
与传统电力电量平衡方法进行比较,结果如表2所示。
表2所提方法与传统方法平衡结果比较
其中,传统方法将风电发电能力表征为常数,即同时率与装机容量的乘积,同时率取弱风期经验值0.6,则2015年8月风电发电能力300MW,利用小时数200小时,其余边界条件与前述实施例相同。
由表2可知,本发明方法得出的电力盈余量比传统方法小,而最大电力盈余量比传统方法大,存在差别的根本原因是本发明所提方法综合考虑了间歇性电源出力和负荷的日变化特性,较传统方法能更准确地反映两者叠加的“综合负荷”的峰谷差。例如,由图4可知,最大电力盈余实际上出现在凌晨4点左右的负荷低谷,而若按传统方法,最大电力盈余出现在傍晚5点左右的风电出力高峰。
Claims (4)
1.一种包含间歇性电源的电力电量平衡方法,其特征在于:所述方法包括以下步骤:
S01、分别对前一年的各个月份,采集网内间歇性电源总出力的历史数据集DPw_his;
其中,N为该月天数,为该月第n天的出力曲线, 为该月第n天第t时刻的出力数据,取15分钟为一时刻,一天共包含96个时刻的数据;
S02、采用场景削减技术获取前一年各月份中,间歇性电源出力的典型日特性曲线
S03、剔除极端气象日,获取前一年各月份中,间歇性电源出力上限和出力下限的日特性曲线和
S04、在前一年特性曲线的基础上,根据间歇性电源装机容量增长情况折算水平年各月典型日特性曲线出力上限日特性曲线和和出力下限日特性曲线其中 为水平年各月份中典型日特性曲线t时刻的出力数据,是Nw为间歇性电源在水平年的装机容量,其中Nw_his为前一年的装机容量, 为水平年出力上限日特性曲线t时刻的出力数据, 为水平年出力下限日特性曲线t时刻的出力数据;
S05、按照传统电力平衡中的方法,给出水平年各月份中传统电源发电能力的日特性曲线Pc=[Pc1,Pc2,L Pc96],Pct为该日传统电源t时刻发电量,Pct取相同值;
S06、根据负荷预测获得水平年各月典型日负荷曲线L=[L1,L2,L L96];Lt为水平年各月典型日t时刻负荷;
S07、计算水平年各月电力盈亏量;
S08、计算水平年各月电量平衡:
对于各个月份,通过负荷预测确定当月用电量WL,确定除火电外当月的发电量WK,根据间歇性电源典型日出力曲线计算间歇性电源当月发电量WW,
N为该月天数,
需要的火电发电量WT=WL-WW-WK,若当月火电开机及燃煤供应情况可以满足发电量WT,则 电量供需平衡;若不能满足发电量WT,则电量供不应求。
2.根据权利要求1所述的包含间歇性电源的电力电量平衡方法,其特征在于:步骤S02还包括以下步骤:
S021、djk为第j天与第k天出力曲线间的距离,
S022、统计各天出力曲线与其余日期出力曲线的距离总和:
Di为第i天出力曲线与其余日期出力曲线的距离总和,j表示当月除第i天的其余日期;
S023选取Di最小当天的出力曲线作为该月典型日特性曲线
3.根据权利要求1所述的包含间歇性电源的电力电量平衡方法,其特征在于:步骤S3的具体步骤为:S031、选取当月Di最大的若干天作为极端气象日,在统计出力极值时排除其影响,其中Di为第i天出力曲线与其余日期出力曲线的距离总和,j表示当月除第i天的其余日期;
S032、设第a天与第b天为极端气象日,将其剔除后当月剩余日期的出力曲线组成有效数据集,一天中第t个时刻的出力上下限为当月有效数据集中第t个时刻的最大值和最小值,96个时刻的出力上下限组成曲线和
4.根据权利要求1所述的包含间歇性电源的电力电量平衡方法,其特征在于:步骤S07还包括以下步骤:
S071、计算电力盈亏△P:
根据间歇性电源典型日出力曲线传统电源日发电能力曲线Pc和典型日负荷曲线L,取15%备用率,计算电力盈亏的典型日序列ΔP,取ΔP中的最小元素值作为电力盈亏量△P;
其中,
△P=min(△Pmodel_1,△Pmodel_2,L,△Pmodel_96);
S072、如果作为送电区域,计算最大电力盈余△Pmax:
根据间歇性电源出力上限日特性曲线传统电源日发电能力曲线Pc和典型日负荷曲线L,计算电力最大盈余的典型日序列ΔPmax,取ΔPmax中的最大元素值为△Pmax;
其中,
△Pmax=max(△Pmax_1,△Pmax_2,L,△Pmax_96),
S073、如果作为受电区域,计算最大电力亏缺△Pmin:
根据间歇性电源出力下限日特性曲线传统电源日发电能力曲线Pc和典型日负荷曲线L,计算电力最大亏缺的典型日序列ΔPmin,取ΔPmin中的最小元素值为△Pmin;
其中,
△Pmin=min(△Pmin_1,△Pmin_2,L,△Pmin_96)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410452357.3A CN104217294B (zh) | 2014-09-05 | 2014-09-05 | 一种包含间歇性电源的电力电量平衡方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410452357.3A CN104217294B (zh) | 2014-09-05 | 2014-09-05 | 一种包含间歇性电源的电力电量平衡方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104217294A CN104217294A (zh) | 2014-12-17 |
CN104217294B true CN104217294B (zh) | 2017-06-06 |
Family
ID=52098753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410452357.3A Active CN104217294B (zh) | 2014-09-05 | 2014-09-05 | 一种包含间歇性电源的电力电量平衡方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104217294B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105262148B (zh) * | 2015-11-30 | 2017-10-20 | 国网山东省电力公司经济技术研究院 | 计及风电出力特性的规划年电力平衡方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102780219A (zh) * | 2012-05-17 | 2012-11-14 | 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 |
CN103208086A (zh) * | 2013-01-21 | 2013-07-17 | 云南电网公司电网规划研究中心 | 一种准确计及风电贡献的电力电量平衡方法 |
CN103296679A (zh) * | 2013-05-20 | 2013-09-11 | 国家电网公司 | 电力系统中长期优化运行的中长期风电出力模型建模方法 |
-
2014
- 2014-09-05 CN CN201410452357.3A patent/CN104217294B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102780219A (zh) * | 2012-05-17 | 2012-11-14 | 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 |
CN103208086A (zh) * | 2013-01-21 | 2013-07-17 | 云南电网公司电网规划研究中心 | 一种准确计及风电贡献的电力电量平衡方法 |
CN103296679A (zh) * | 2013-05-20 | 2013-09-11 | 国家电网公司 | 电力系统中长期优化运行的中长期风电出力模型建模方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104217294A (zh) | 2014-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jurasz | Modeling and forecasting energy flow between national power grid and a solar–wind–pumped-hydroelectricity (PV–WT–PSH) energy source | |
CN102102626B (zh) | 风电场短期功率预测方法 | |
CN104573879B (zh) | 基于最优相似日集的光伏电站出力预测方法 | |
Shi et al. | Hybrid forecasting model for very-short term wind power forecasting based on grey relational analysis and wind speed distribution features | |
CN103390902B (zh) | 一种基于最小二乘法的光伏电站超短期功率预测方法 | |
CN109858673A (zh) | 一种光伏发电系统功率预测方法 | |
Huang et al. | Short term wind speed predictions by using the grey prediction model based forecast method | |
CN102663513A (zh) | 利用灰色关联度分析的风电场功率组合预测建模方法 | |
CN102184453A (zh) | 基于模糊神经网络和支持向量机的风电功率组合预测方法 | |
CN104077632A (zh) | 一种基于深度神经网络的风电场功率预测方法 | |
CN103440529B (zh) | 一种风电功率预测系统的横向误差平移修正方法 | |
CN104268659A (zh) | 一种光伏电站发电功率超短期预测方法 | |
CN106875033A (zh) | 一种基于动态自适应的风电集群功率预测方法 | |
CN106022960B (zh) | 一种基于数据挖掘的水库多目标调度规则参数优选方法 | |
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 | |
CN104102951A (zh) | 一种基于emd历史数据预处理的短期风电功率预测方法 | |
CN116029490A (zh) | 考虑分布式资源区域容量限制的光网储协同规划方法 | |
CN103326394B (zh) | 一种计及风电波动性的多场景概率优化调度方法 | |
CN109995090A (zh) | 考虑用户需求特征及能源利用成本的多能互补方法 | |
CN104915727A (zh) | 多维度同构异质bp神经网络光功率超短期预测方法 | |
CN103199616B (zh) | 大区电网风电群运行数据监测分析系统 | |
CN103714400A (zh) | 一种任意输入参数的风能预测系统和方法 | |
CN104217294B (zh) | 一种包含间歇性电源的电力电量平衡方法 | |
CN104239979B (zh) | 一种风电场发电功率超短期预测方法 | |
Jiang et al. | Review of wind power forecasting methods: From multi-spatial and temporal perspective |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |