CN104268800B - 基于场景库的风电并网调峰平衡判定方法 - Google Patents

Abstract

本发明涉及一种基于场景库的风电并网调峰平衡判定方法，属于电力系统的调峰平衡与风电消纳分析领域，包括:确定边界条件，基于边界条件中的负荷预测曲线与风电出力模拟曲线按月生成月负荷曲线场景库与月风电出力曲线场景库，根据各月的月负荷曲线场景库与月风电出力曲线场景库内不同的负荷曲线与风电出力曲线，构成月组合场景库，用多种特征量逐一对每一个组合场景下的调峰平衡情况进行判定，根据所有场景下的调峰平衡结果，判定不同时间尺度下的概率性调峰平衡结果。本方法更符合目前大规模风电接入下的电力系统调峰平衡分析的特点与要求及电网的实际生产过程。

Description

基于场景库的风电并网调峰平衡判定方法

技术领域

本发明属于电力系统的调峰平衡与风电消纳分析领域，特别涉及一种基于场景库的风电并网调峰平衡判定方法。

背景技术

风力发电作为一种清洁的可再生能源形式，有着极其可观的经济效益、社会效益和环境效益。而大力开发可再生能源符合我国目前电源结构调整的需求，是我国能源发展战略和可持续发展战略的重要组成部分。近年来，源于国家政策的大力支持，风电在我国的发展非常迅速。但由于风电反调峰特性、源网规划不合理等各方面原因，风电在中国的接入率并不高，弃风限电的现象十分严重，造成了极大的经济损失。随着未来风电装机比例的进一步扩大，电力系统风电消纳能力不足的问题会愈发凸显。其中，系统调峰能力的限制是制约风电接入的一个重要方面。我国电网调峰能力与发达国家有一定差距，这与我国当前的电源结构是密切相关的。我国电网装机结构以燃煤火电机组为主，水电、抽水蓄能、燃气轮机等调峰能力强的电源在电网中的比例相对不足。而随着风电等间歇性新能源接入电网的规模不断扩大，对电网调峰能力的要求愈加苛刻，反过来限制风电的消纳，制约了风电等新能源的发展。因而，对风电并网下电力系统的调峰平衡情况做精细化的分析，建立适应当前电力系统发展的调峰平衡判定方法，对合理规划风电与电网建设，促进风电消纳具有现实意义。

以往的调峰平衡判定方法通常将所有火电机组的可调容量之和作为电力系统的最大调峰能力，与全年最大调峰需求进行比较，从全年的时间尺度上判定电力系统的调峰平衡情况。这样的判定方法从计算分析的角度而言较为简便，但从电力系统发展的现状来看，还存在着诸多方面的问题：

(1)运用确定性的分析方法，忽略了风电不确定性的特质，在当前大规模风电接入的情况下，已无法适应调峰平衡的分析与判定。

(2)未充分考虑到电源结构的复杂性，在分析时一般只针对火电机组与水电机组进行建模，并没有考虑到其他形式的电源在系统调峰中所起到的作用；

(3)对电力系统调峰能力的评估主要建立在全年尺度之上，这显然是存在一定问题的，因为电力系统的最大调峰能力并不是一成不变的，它由当日所有开机机组的调峰能力共同决定，与日开机容量及当日可调用机组的运行参数相关，而不能仅仅以所有机组调峰容量的总和来评估电力系统的调峰能力；

(4)在进行调峰平衡判定时，并没有充分体现出不同时期不同机组调峰特性的变化情况，其中包括机组检修计划影响、热电机组不同时期运行方式的变化、水电机组的强迫出力与受阻容量变化等这些实际因素在整个电力系统调峰能力中所起到的作用。

上述问题决定了目前方法只能对电力系统的调峰平衡情况作粗略的判定，并不能适用于大规模风电接入下的精细化判定。

发明内容

本发明的目的是解决我国目前大规模风电接入为电力系统调峰平衡分析中带来的相关问题，提供了一种基于场景库的风电并网调峰平衡判定方法，以概率性的指标来衡量电力系统的调峰平衡与风电消纳情况，本方法更符合目前大规模风电接入下的电力系统调峰平衡分析的特点与要求及电网的实际生产过程。

本发明提出的一种基于场景库的风电并网调峰平衡判定方法，其特征在于,该方法包括以下步骤:

1)确定边界条件：

确定调峰平衡判定所需的边界条件，包括负荷预测曲线、风电出力模拟曲线、机组装机规划与机组运行参数；

2)基于边界条件中的负荷预测曲线与风电出力模拟曲线按月生成月负荷曲线场景库与月风电出力曲线场景库，其中：

月负荷曲线场景库为预测得到的能够表征该月各负荷水平的典型日负荷预测曲线的集合；

月风电出力曲线场景库为通过模拟得到的能够表征该月各种日内风电出力的可能情况的典型日内风电出力曲线的集合；

3)根据各月的月负荷曲线场景库与月风电出力曲线场景库内不同的负荷曲线与风电出力曲线，两两组合得到各月的“负荷-风电出力”组合场景，以构成月组合场景库，用以调峰平衡的判定与分析；

4)根据“负荷-风电出力”组合场景F_i,j,k下的日负荷序列L_i,j、日风电出力序列W_i,k和日净负荷序列P_i,j,k，结合该月系统运行的边界条件，用多种特征量逐一对每一个组合场景下的调峰平衡情况进行判定，具体包括：

41)调峰需求：

风电接入后，场景F_i,j,k下的调峰需求由日净负荷序列的高峰负荷与低谷负荷及备用确定，如式(1)所示：

其中，为场景F_i,j,k下日净负荷序列的最大值，即满足下式 为场景F_i,j,k下日净负荷序列的最小值，即满足下式δ为备用率。

在风电接入前后，采用调峰需求的变化率描述电力系统调峰需求的变化情况；场景F_i,j,k下的调峰需求变化率如式(2)所示：

其中，为风电接入前电力系统的调峰需求，由日负荷序列的最大值、最小值及备用率决定，如式(3)所示：

式中，

若p_i,j,k＞1,则判定风电接入后电力系统的调峰需求增加；

42)调峰率需求：

风电接入电力系统之后，场景F_i,j,k下的调峰率需求由开机容量需求和调峰需求共同决定，在场景F_i,j,k下的调峰率需求如式(4)所示：

其中，为系统开机容量需求，由日净负荷序列的最大值与备用率决定，如式(5)所示：

在风电接入前后，采用调峰率需求的变化率来描述系统调峰率需求的变化情况，调峰需求变化率如式(6)所示：

其中，为风电接入后系统的调峰率需求，如式(7)所示：

式中，为风电未接入系统下的开机容量需求，由日负荷序列的最大值与备用率决定，如式(8)所示：

若q_i,j,k＞1,则判定风电接入后系统的调峰率需求增加；

43)调峰裕度：

调峰裕度为反映日内调峰平衡情况的特征量，由场景F_i,j,k下的调峰需求与电力系统的最大调峰能力得到，如式(9)所示：

其中，电力系统的最大调峰能力表示在当前场景下可以获得的电力系统最大可调范围，由电力系统的开机容量需求与可调用机组的调峰率决定；首先，对所有可调用机组除去当日必开机组后的可调用机组的调峰率由高到低排序；其次，根据场景F_i,j,k下的开机容量需求从高到低选取机组，直至所选机组与必开机组的最大容量之和满足开机容量需求时，将所选机组与必开机组作为最大调峰能力的开机机组，将所有开机机组的可调范围相加，得到当日系统的最大可调范围为至

其中，为当日系统的最小技术出力，为当日系统的最大技术出力，则当日系统的最大调峰能力如式(10)所示：

若调峰裕度ΔP_i,j,k≥0,则判定场景F_i,j,k下满足系统的调峰平衡；若调峰裕度ΔP_i,j,k＜0,则判定场景F_i,j,k下不能满足系统的调峰平衡，需要在电力系统的最小技术出力超过了该时段的净负荷P_i,j,k,t时进行弃风，以保证调峰平衡的实现；

在场景F_i,j,k下，时段t(t＝1,2,...n)内的弃风功率如式(11)所示：

则场景F_i,j,k下全天的弃风电量如式(12)所示：

其中，t₀为单位时段的长度；W_i,k,t为日风电出力序列W_i,k中时段t内的风电出力。

逐一完成对每个单一场景的计算与判定，即得到在全年所有场景下的调峰平衡判定结果；

5)根据所有场景下的调峰平衡结果，判定不同时间尺度下的概率性调峰平衡结果：

51)全年尺度下的概率性调峰平衡判定：

基于得到的在全年所有场景下的调峰平衡判定结果，分别计算出调峰需求、调峰率需求以及调峰裕度的概率分布，以此作为全年调峰需求、调峰率需求以及调峰裕度的概率分布，同时，计算调峰平衡判定的全年概率性指标，全年概率性指标具体包括如下：

511)全年调峰不足概率：

定义全年调峰不足概率如式(13)所示：

其中，为示性函数，表征场景F_i,j,k下是否发生调峰不足的情况，如式(14)所示：

全年调峰不足概率指标反映出全年发生调峰不足情况的概率，能从“足够”或者“不足”的角度判定调峰平衡情况；

512)全年最大调峰缺额：

定义全年最大调峰缺额为所有组合场景下的最大调峰不足量，如式(15)所示：

P_lack,max＝f₁(min{ΔP_i,j,k,1≤i≤12,1≤j≤N_i,1≤k≤M_i}) (15)

其中，函数f₁定义如式(16)：

全年最大调峰缺额指标用来反映出全年调峰平衡的极端情况，通过该指标可以判定调峰不足程度；

513)全年弃风电量期望：

定义全年的弃风电量期望如式(17)所示：

其中，N为全年的总天数；

这一指标反映全年弃风电量的期望值，是从量的角度来评价全年的弃风情况，以此反映全年调峰不平衡的程度；

514)全年日弃风电量累计概率：

定义数值W₀下的全年日弃风电量累计概率为所有场景下日弃风电量不超过该数值W₀的概率，如式(18)所示：

其中，为示性函数，表征场景F_i,j,k下的日弃风电量与数值W₀之间的关系，如式(19)所示：

全年日弃风电量累计概率用于判定全年日弃风电量的分布情况；

52)月度尺度下的概率性调峰平衡判定：

基于得到的各月内所有场景下的调峰平衡判定结果，用调峰平衡判定的月度概率性指标来衡量判定该月的调峰平衡情况，月度性指标具体包括如下：

521)月内调峰不足概率：

定义第i个月内发生调峰不足概率如式(20)所示：

月内调峰不足概率反映出该月内发生调峰不足情况的概率，能从“足够”或者“不足”的角度来判定调峰平衡情况；

522)月内最大调峰缺额：

定义第i个月内最大调峰缺额如式(21)所示：

月内最大调峰缺额用于反映出各月调峰平衡的极端情况，判定调峰资源的紧缺程度。

523)月内日均弃风电量：

根据第i个月内的所有组合场景下的弃风电量，定义该月内日均弃风电量如式(22)所示：

月内日均弃风电量从量的角度判定该月的风电消纳情况，由此判定调峰不足程度；

53)时段尺度下的概率性调峰平衡判定：

对各个时段逐一进行分析，用调峰平衡判定的时段概率性指标来判定时段尺度下的调峰平衡结果，时段概率性指标具体包括如下：

531)全年时段弃风概率：

定义全年时段弃风概率为全年一天中各时段发生弃风的概率，即全年时段t内的弃风概率如式(23)所示：

其中，S_i,j,k,t为示性函数，表征场景F_i,j,k下在时段t内是否会发生弃风，如式(24)所示：

全年时段弃风概率是从“发生”或“不发生”的角度判定各时段的弃风情况；

532)各月时段弃风功率期望：

定义第i个月在时段t内的平均弃风功率如式(25)所示：

各月时段弃风功率期望从量的角度判定该月各时段内的风电消纳情况。

本发明的技术特点在于：

提出基于开机机组调峰率(定义为调峰容量与最大出力的比值)排序的电力系统最大调峰能力计算方法；提出了基于场景库的调峰平衡判定方法；提出了评价系统调峰平衡与风电消纳情况的概率性指标。

本方法中充分考虑电源结构的复杂性、风电出力的不确定性、电源调峰特性的变化特点等因素，提出更符合生产实际的电力系统最大调峰能力的计算方法，并由此建立基于场景库的风电并网调峰平衡判定方法。其有益效果体现在：

(1)运用了基于场景库的分析方法，充分考虑了风电出力与负荷的不确定性。相较于传统确定性的分析方法，更符合目前大规模风电接入下的电力系统调峰平衡分析的特点与要求。

(2)综合考虑了各类电源在调峰中的贡献，同时通过各台机组的调峰率来确定必开机组以外其他机组的开机优先顺序，相较于其他分析方法，更符合目前电网的实际生产过程，可以此为依据为我国未来实际的电力系统运行与规划提供相应措施。

(3)以日为单位，在长时间尺度上进行生产模拟，进而评估电力系统的调峰平衡情况，区别于传统的站在全年角度上的分析，突出了各类电源在不同时期内运行方式与调峰特性的变化情况。同时，针对不同时间尺度，提出了评估调峰平衡与风电消纳情况的指标。

附图说明

图1为本发明的基于场景库的风电并网调峰平衡判定方法示意图；

图2为本发明实施例的月负荷曲线场景库中的三条典型负荷曲线；

图3为本发明实施例的月风电出力曲线场景库中的四条典型风电出力曲线；

图4为本发明实施例的全年调峰裕度的概率分布；

图5为本发明实施例的月度调峰平衡结果；

图6为本发明实施例的全年时段弃风概率计算结果。

具体实施方式

下面结合附图及实施方式对本发明作进一步详细的说明：

本发明提出的一种基于场景库的风电并网调峰平衡判定方法，如图1所示，包括以下步骤:

1)确定边界条件：

在进行调峰平衡判定之前需要确定边界条件，包括负荷预测曲线、风电出力模拟曲线、机组装机规划与机组运行参数等；

其中，负荷预测曲线与风电出力模拟曲线均为全年曲线，采用已有成熟的负荷预测与风电模拟技术，根据负荷的历史数据与风电的特征参数得到这两条曲线，负荷预测曲线、风电出力模拟曲线将用于场景库的生成；

机组装机规划与机组运行参数用以确定机组的出力可调范围，用于计算各机组的调峰率。其中，机组装机规划包括火电机组、热电机组、水电机组、核电机组、抽蓄机组等机组的额定容量；机组运行参数包括如下几个部分：(1)火电机组的最大、最小技术出力，火电机组的出力可调范围为最小技术出力至最大技术出力；(2)热电机组供热期的出力上下限与热电机组非供热期的出力上下限，在供热期需带热负荷运行，热电机组是必开机组，其调峰率受热负荷限制，热电机组可调范围为该月的出力上下限(由热负荷决定，由调度部门给出)；在非供热期的运行方式参照火电机组，其出力可调范围为不带热负荷时的最小技术出力至最大技术出力；(3)水电机组的强迫出力与受阻容量，强迫出力与受阻容量占水电机组额定容量的比例按月给出，水电机组的出力可调范围下限为强迫出力，上限为额定容量减去受阻容量；(4)核电机组额定功率，核电机组始终视为必开机组，并始终保持额定功率运行，即出力可调范围为零；(5)抽蓄机组的额定功率，抽蓄机组的出力可调范围从负额定功率到正额定功率；

2)基于边界条件中的负荷预测曲线与风电出力模拟曲线按月生成月负荷曲线场景库与月风电出力曲线场景库，其中：

月负荷曲线场景库为预测得到的能够表征该月各负荷水平的典型日负荷预测曲线的集合；本实施例以某省1月份的负荷预测数据为例，其中包括图2中的三种典型日负荷场景，其中，曲线1代表大负荷场景，曲线2代表中负荷场景，曲线3代表小负荷场景。月负荷曲线场景库中应该包含这三种负荷曲线。当然，在实际情况中，月负荷曲线场景库中的曲线远多于这几种情况。

月风电出力曲线场景库为通过模拟得到的能够表征该月各种日内风电出力的可能情况的典型日内风电出力曲线的集合；本实施例以某省1月份的风电模拟数据为例，其中包括图3中的四种风电出力情况，其中，曲线1代表接近满出力场景，曲线2代表反调峰场景，曲线3代表正调峰场景，曲线4接近代表零出力场景。月风电出力曲线场景库中应该包含这四种情况下的风电出力曲线。同样地，在实际情况中，月风电出力曲线场景库中的曲线远多于这几种情况。

在得到了各月的月负荷曲线场景库与月风电出力曲线场景库之后，可以用来生成各月的“负荷-风电出力”组合场景。

3)根据各月的月负荷曲线场景库与月风电出力曲线场景库内不同的负荷曲线与风电出力曲线，两两组合得到各月的“负荷-风电出力”组合场景，以构成月组合场景库，用以调峰平衡的判定与分析。具体说明如下：

假设第i个月(i＝1,2,3,……12)的月负荷曲线场景库内共有N_i条的日负荷曲线，月风电出力曲线场景库中有M_i条日风电出力曲线。将“负荷曲线场景库”内的N_i条日负荷曲线与该月“风电出力曲线场景库”中M_i的条日风电出力曲线两两做组合，则共会产生N_iM_i个“负荷-风电出力”组合场景，因此，月组合场景库中将包含N_iM_i个“负荷-风电出力”组合场景。因此，全年总共得到的场景总数为

将一个“负荷-风电出力”组合场景记为F_i,j,k，表征该场景为第i个月内的月负荷曲线场景库中第j条日负荷曲线，和该月的月风电出力曲线场景库中第k条风电出力曲线。

场景F_i,j,k下的日负荷序列记为L_i,j＝[L_i,j,1,L_i,j,2,…,L_i,j,n]，日风电出力序列记为W_i,k＝[W_i,k,1,W_i,k,2,…,W_i,k,n]，其中n为日负荷序列与日风电出力序列的总长度，即时段总数；L_i,j,1～L_i,j,n代表时段1至时段n的负荷预测值，W_i,k,1～W_i,k,n代表时段1至时段n的风电出力模拟值；则得到日净负荷序列(日负荷序列减去日风电出力序列)为：

P_i,j,k＝L_i,j-W_i,k＝[P_i,j,k,1,P_i,j,k,2,…,P_i,j,k,n]

其中，P_i,j,k,1～P_i,j,k,n代表时段1至时段n的净负荷值；

该组合场景下日负荷序列、日风电出力序列和日净负荷序列用以判定该组合场景下的系统调峰平衡情况；

4)根据“负荷-风电出力”组合场景F_i,j,k下的日负荷序列L_i,j、日风电出力序列W_i,k和日净负荷序列P_i,j,k，结合该月系统运行的边界条件(机组装机规模、机组运行参数)，用多种特征量逐一对每一个组合场景下的调峰平衡情况进行判定，具体包括：

41)调峰需求：

风电接入后，场景F_i,j,k下的调峰需求由日净负荷序列的高峰负荷与低谷负荷及备用确定，如式(1)所示：

其中，为场景F_i,j,k下日净负荷序列的最大值，即满足下式 为场景F_i,j,k下日净负荷序列的最小值，即满足下式δ为备用率。

在风电接入前后，采用调峰需求的变化率描述电力系统调峰需求的变化情况；场景F_i,j,k下的调峰需求变化率如式(2)所示：

其中，为风电接入前电力系统的调峰需求，由日负荷序列的最大值、最小值及备用率决定，如式(3)所示：

式中，

若p_i,j,k＞1,则判定风电接入后电力系统的调峰需求增加；

42)调峰率需求：

风电接入电力系统之后，场景F_i,j,k下的调峰率需求由开机容量需求和调峰需求共同决定(反映了对电力系统调峰能力的需求)，在场景F_i,j,k下的调峰率需求如式(4)所示：

其中，为系统开机容量需求，由日净负荷序列的最大值与备用率决定，如式(5)所示：

在风电接入前后，采用调峰率需求的变化率来描述系统调峰率需求的变化情况，调峰需求变化率如式(6)所示：

其中，为风电接入后系统的调峰率需求，如式(7)所示：

式中，为风电未接入系统下的开机容量需求，由日负荷序列的最大值与备用率决定，如式(8)所示：

若q_i,j,k＞1,则判定风电接入后系统的调峰率需求增加；

43)调峰裕度：

调峰裕度为反映日内调峰平衡情况的特征量，由场景F_i,j,k下的调峰需求与电力系统的最大调峰能力得到，如式(9)所示：

其中，电力系统的最大调峰能力表示在当前场景下可以获得的电力系统最大可调范围，由系统的开机容量需求与可调用机组的调峰率决定；首先，对所有可调用机组除去当日必开机组(当日必开机组包括核电机组及供暖期的热电机组)后的可调用机组的调峰率由高到低排序；其次，根据场景F_i,j,k下的开机容量需求从高到低选取机组，直至所选机组与必开机组的最大容量之和满足开机容量需求时，将所选机组与必开机组作为最大调峰能力的开机机组，将所有开机机组的可调范围相加，得到当日系统的最大可调范围为至

其中，为当日系统的最小技术出力，为当日系统的最大技术出力，则当日系统的最大调峰能力如式(10)所示：

若调峰裕度ΔP_i,j,k≥0,则判定场景F_i,j,k下满足系统的调峰平衡；若调峰裕度ΔP_i,j,k＜0,则判定场景F_i,j,k下不能满足系统的调峰平衡，需要在电力系统的最小技术出力超过了该时段的净负荷P_i,j,k,t时进行弃风，以保证调峰平衡的实现；

在场景F_i,j,k下，时段t(t＝1,2,...n)内的弃风功率如式(11)所示：

于是，对于场景F_i,j,k而言，全天的弃风电量如式(12)所示：

其中，t₀为单位时段的长度；W_i,k,t为日风电出力序列W_i,k中时段t内的风电出力。

逐一完成对单一场景的计算与判定得到在全年所有场景下的调峰需求，调峰率需求以及调峰裕度等数据，即为所有场景下的调峰平衡判定结果。

5)根据所有场景下的调峰平衡结果判定不同时间尺度下的概率性调峰平衡结果：

对于某一个时间尺度，可以基于这一时间尺度范围内的所有组合场景，利用这些组合场景的调峰平衡判定结果，对该时间范围内的调峰平衡情况进行概率性的判定，本发明计算了全年度、月度及时段度三个尺度的概率性调峰平衡结果，分别说明如下：

51)全年尺度下的概率性调峰平衡判定

全年分析旨在从全年的角度出发，对目标水平年的调峰平衡总体情况进行判定。基于得到的在全年所有场景下的调峰平衡判定结果，分别计算出调峰需求、调峰率需求以及调峰裕度的概率分布，以此作为全年调峰需求、调峰率需求以及调峰裕度的概率分布，反映全年调峰需求侧的情况以及调峰平衡情况。同时，计算调峰平衡判定的全年概率性指标，全年概率性指标具体包括如下：

511)全年调峰不足概率：

定义全年调峰不足概率如式(13)所示：

其中，为示性函数，表征场景F_i,j,k下是否发生调峰不足的情况，如式(14)所示：

全年调峰不足概率指标反映出全年发生调峰不足情况的概率，能从“足够”或者“不足”的角度来判定调峰平衡情况。

512)全年最大调峰缺额：

定义全年最大调峰缺额为所有组合场景下的最大调峰不足量，如式(15)所示：

P_lack,max＝f₁(min{ΔP_i,j,k,1≤i≤12,1≤j≤N_i,1≤k≤M_i}) (15)

其中，函数f₁定义如式(16)：

全年最大调峰缺额指标用来反映出全年调峰平衡的极端情况，通过该指标可以判定调峰不足程度。

513)全年弃风电量期望：

定义全年的弃风电量期望如式(17)所示：

其中，N为全年的总天数。

这一指标反映全年弃风电量的期望值，是从量的角度来评价全年的弃风情况，以此反映全年调峰不平衡的程度。

514)全年日弃风电量累计概率

定义数值W₀下的全年日弃风电量累计概率为所有场景下日弃风电量不超过该数值W₀的概率，如式(18)所示：

其中，为示性函数，表征场景F_i,j,k下的日弃风电量与数值W₀之间的关系，如式(19)所示：

全年日弃风电量累计概率用于判定全年日弃风电量的分布情况。

52)月度尺度下的概率性调峰平衡判定：

负荷、风电出力在各月会呈现不同的特性，同时机组运行参数等边界条件也会随月份发生变化。因此，对全年各月的调峰平衡情况分别判定。基于得到的各月内所有组合场景下的调峰平衡判定结果，用调峰平衡判定的月度概率性指标来衡量判定该月的调峰平衡情况，月度概率性指标具体包括如下：

521)月内调峰不足概率：

定义第i个月内发生调峰不足概率如式(20)所示：

月内调峰不足概率反映出该月内发生调峰不足情况的概率，能从“足够”或者“不足”的角度来判定调峰平衡情况。

522)月内最大调峰缺额：

定义第i个月内最大调峰缺额如式(21)所示：

月内最大调峰缺额用于反映出各月调峰平衡的极端情况，判定调峰资源的紧缺程度。

523)月内日均弃风电量：

根据第i个月内的所有组合场景下的弃风电量，定义该月内日均弃风电量如式(22)所示：

月内日均弃风电量从量的角度判定该月的风电消纳情况，由此判定调峰不足程度。

53)时段尺度下的概率性调峰平衡判定

由于负荷及风电出力与在一天中所处的时段密切相关，不同的时段内，负荷与风电出力的特点会有明显差别。因此，对各个时段逐一进行分析，用调峰平衡判定的时段概率性指标来判定时段尺度下的调峰平衡结果，时段概率性指标具体包括如下：

531)全年时段弃风概率：

定义全年时段弃风概率为全年一天中各时段发生弃风的概率，即全年时段t内的弃风概率如式(23)所示：

其中，S_i,j,k,t为示性函数，表征场景F_i,j,k下在时段t内是否会发生弃风，如式(24)所示：

全年时段弃风概率是从“发生”或“不发生”的角度判定各时段的弃风情况。

532)各月时段弃风功率期望

定义第i个月在时段t内的平均弃风功率如式(25)所示：

各月时段弃风功率期望从量的角度判定该月各时段内的风电消纳情况。

实施例：

结合某省未来某年的负荷预测曲线、风电出力模拟曲线、机组装机规划与机组运行参数等数据作为实施例，运用本发明的基于场景库的调峰平衡判定方法，得到全年调峰裕度的概率分布如图4所示。

计算全年调峰不足概率，得到

p_lack＝41.21％

计算全年最大调峰缺额，得到

P_lack,max＝752.6(万千瓦)

全年最大调峰缺额反映了调峰不足的程度，因而电力系统需要在未来的规划中多配置相应的调峰资源，以弥补这部分缺额。

计算月内调峰不足概率与月内日均弃风电量，本实施例中的月度调峰平衡结果如图5所示。根据对这两项指标的分析，可以在月度层面上对该省调峰资源的优化配置。对该省而言，2月与3月的月内调峰不足概率相对较高，2月的月内日均弃风电量最大。此外，在供热期各月的月内日内调峰不足概率与月内日均弃风电量均要高于非供热期，因而可以判定，供热期的调峰平衡情况更差。因此，未来调峰资源的配置需要有针对性的偏向于调峰平衡情况更差的月份，尤其是供热期各月。

计算全年时段弃风概率，本实施例中的全年时段弃风概率计算结果如图6所示。根据对这两项指标的分析，可以在时段层面上对该省调峰资源的优化配置。该省在凌晨各时段的弃风概率很高，而在下午各时段的弃风概率明显减低。由此，凌晨时段的调峰平衡情况更恶劣，需要配置更多的调峰资源。

Claims (1)

1.一种基于场景库的风电并网调峰平衡判定方法，其特征在于,该方法包括以下步骤:

1)确定边界条件：

确定调峰平衡判定所需的边界条件，包括负荷预测曲线、风电出力模拟曲线、机组装机规划与机组运行参数；

2)基于边界条件中的负荷预测曲线与风电出力模拟曲线按月生成月负荷曲线场景库与月风电出力曲线场景库，其中：

月负荷曲线场景库为预测得到的能够表征该月各负荷水平的典型日负荷预测曲线的集合；

月风电出力曲线场景库为通过模拟得到的能够表征该月各种日内风电出力的可能情况的典型日内风电出力曲线的集合；

3)根据各月的月负荷曲线场景库与月风电出力曲线场景库内不同的负荷曲线与风电出力曲线，两两组合得到各月的“负荷-风电出力”组合场景，以构成月组合场景库，用以调峰平衡的判定与分析；

4)根据“负荷-风电出力”组合场景F_i,j,k下的日负荷序列L_i,j、日风电出力序列W_i,k和日净负荷序列P_i,j,k，结合该月系统运行的边界条件，用多种特征量逐一对每一个组合场景下的调峰平衡情况进行判定，具体包括：

41)调峰需求：

风电接入后，场景F_i,j,k下的调峰需求由日净负荷序列的高峰负荷与低谷负荷及备用确定，如式(1)所示：

其中，为场景F_i,j,k下日净负荷序列的最大值，即满足下式 为场景下日净负荷序列的最小值，即满足下式δ为备用率；

在风电接入前后，采用调峰需求的变化率描述电力系统调峰需求的变化情况；场景F_i,j,k下的调峰需求变化率如式(2)所示：

其中，为风电接入前电力系统的调峰需求，由日负荷序列的最大值、最小值及备用率决定，如式(3)所示：

式中，

若p_i,j,k＞1,则判定风电接入后电力系统的调峰需求增加；

42)调峰率需求：

风电接入电力系统之后，场景F_i,j,k下的调峰率需求由开机容量需求和调峰需求共同决定，在场景F_i,j,k下的调峰率需求如式(4)所示：

其中，为系统开机容量需求，由日净负荷序列的最大值与备用率决定，如式(5)所示：

在风电接入前后，采用调峰率需求的变化率来描述系统调峰率需求的变化情况，调峰需求变化率如式(6)所示：

其中，为风电接入后系统的调峰率需求，如式(7)所示：

式中，为风电未接入系统下的开机容量需求，由日负荷序列的最大值与备用率决定，如式(8)所示：

若q_i,j,k＞1,则判定风电接入后系统的调峰率需求增加；

43)调峰裕度：

调峰裕度为反映日内调峰平衡情况的特征量，由场景F_i,j,k下的调峰需求与电力系统的最大调峰能力得到，如式(9)所示：

其中，电力系统的最大调峰能力表示在当前场景下可以获得的电力系统最大可调范围，由电力系统的开机容量需求与可调用机组的调峰率决定；首先，对所有可调用机组除去当日必开机组后的可调用机组的调峰率由高到低排序；其次，根据场景F_i,j,k下的开机容量需求从高到低选取机组，直至所选机组与必开机组的最大容量之和满足开机容量需求时，将所选机组与必开机组作为最大调峰能力的开机机组，将所有开机机组的可调范围相加，得到当日系统的最大可调范围为至

其中，为当日系统的最小技术出力，为当日系统的最大技术出力，则当日系统的最大调峰能力如式(10)所示：

若调峰裕度ΔP_i,j,k≥0,则判定场景F_i,j,k下满足系统的调峰平衡；若调峰裕度ΔP_i,j,k＜0,则判定场景F_i,j,k下不能满足系统的调峰平衡，需要在电力系统的最小技术出力超过了该时段的净负荷P_i,j,k,t时进行弃风，以保证调峰平衡的实现；

在场景F_i,j,k下，时段t(t＝1,2,...n)内的弃风功率如式(11)所示：

则场景F_i,j,k下全天的弃风电量如式(12)所示：

其中，t₀为单位时段的长度；W_i,k,t为日风电出力序列W_i,k中时段t内的风电出力；

逐一完成对每个单一场景的计算与判定，即得到在全年所有场景下的调峰平衡判定结果；

5)根据所有场景下的调峰平衡结果，判定不同时间尺度下的概率性调峰平衡结果：

51)全年尺度下的概率性调峰平衡判定：

基于得到的在全年所有场景下的调峰平衡判定结果，分别计算出调峰需求、调峰率需求以及调峰裕度的概率分布，以此作为全年调峰需求、调峰率需求以及调峰裕度的概率分布，同时，计算调峰平衡判定的全年概率性指标，全年概率性指标具体包括如下：

511)全年调峰不足概率：

定义全年调峰不足概率如式(13)所示：

其中，假设第i个月的月负荷曲线场景库内共有N_i条的日负荷曲线，月风电出力曲线场景库中有M_i条日风电出力曲线；为示性函数，表征场景F_i,j,k下是否发生调峰不足的情况，如式(14)所示：

全年调峰不足概率指标反映出全年发生调峰不足情况的概率，能从“足够”或者“不足”的角度判定调峰平衡情况；

512)全年最大调峰缺额：

定义全年最大调峰缺额为所有组合场景下的最大调峰不足量，如式(15)所示：

P_lack,max＝f₁(min{ΔP_i,j,k,1≤i≤12,1≤j≤N_i,1≤k≤M_i}) (15)

其中，函数f₁定义如式(16)：

全年最大调峰缺额指标用来反映出全年调峰平衡的极端情况，通过该指标可以判定调峰不足程度；

513)全年弃风电量期望：

定义全年的弃风电量期望如式(17)所示：

其中，N为全年的总天数；

这一指标反映全年弃风电量的期望值，是从量的角度来评价全年的弃风情况，以此反映全年调峰不平衡的程度；

514)全年日弃风电量累计概率：

定义数值W₀下的全年日弃风电量累计概率为所有场景下日弃风电量不超过该数值W₀的概率，如式(18)所示：

其中，为示性函数，表征场景F_i,j,k下的日弃风电量与数值W₀之间的关系，如式(19)所示：

全年日弃风电量累计概率用于判定全年日弃风电量的分布情况；

52)月度尺度下的概率性调峰平衡判定：

基于得到的各月内所有场景下的调峰平衡判定结果，用调峰平衡判定的月度概率性指标来衡量判定该月的调峰平衡情况，月度性指标具体包括如下：

521)月内调峰不足概率：

定义第i个月内发生调峰不足概率如式(20)所示：

月内调峰不足概率反映出该月内发生调峰不足情况的概率，能从“足够”或者“不足”的角度来判定调峰平衡情况；

522)月内最大调峰缺额：

定义第i个月内最大调峰缺额如式(21)所示：

月内最大调峰缺额用于反映出各月调峰平衡的极端情况，判定调峰资源的紧缺程度；

523)月内日均弃风电量：

根据第i个月内的所有组合场景下的弃风电量，定义该月内日均弃风电量如式(22)所示：

月内日均弃风电量从量的角度判定该月的风电消纳情况，由此判定调峰不足程度；

53)时段尺度下的概率性调峰平衡判定：

对各个时段逐一进行分析，用调峰平衡判定的时段概率性指标来判定时段尺度下的调峰平衡结果，时段概率性指标具体包括如下：

531)全年时段弃风概率：

定义全年时段弃风概率为全年一天中各时段发生弃风的概率，即全年时段t内的弃风概率如式(23)所示：

其中，S_i,j,k,t为示性函数，表征场景F_i,j,k下在时段t内是否会发生弃风，如式(24)所示：

全年时段弃风概率是从“发生”或“不发生”的角度判定各时段的弃风情况；

532)各月时段弃风功率期望：

定义第i个月在时段t内的平均弃风功率如式(25)所示：

各月时段弃风功率期望从量的角度判定该月各时段内的风电消纳情况。