CN105226678A - 系统调频容量分析方法及装置 - Google Patents

Abstract

本发明提供了一种系统调频容量分析方法及装置，所述方法包含：根据历史负荷数据与年负荷增长因子，获取预测负荷数据；根据风电数据与年负荷增长因子，获取预测风电数据；根据所述预测风电数据与所述预测负荷数据，计算获得预测系统的调频容量。通过本发明所提供的系统调频容量分析方法，以现有已知的风电参数，能够有效预测未来含有风电的系统的调频容量。

Description

系统调频容量分析方法及装置

技术领域

本发明涉及系统调频预测领域，尤指一种考虑大规模风电接入影响的系统调频容量分析方法及装置。

背景技术

近几年来，风能作为一种清洁能源发展迅猛，随着风电占系统全部容量的比重越来越大，风电对系统各方面的影响也越来越重要；当电力系统中风电装机容量达到一定规模时，风电功率波动或风电场因故整体退出运行，可能会导致系统有功出力与负荷之间的动态不平衡，造成系统频率偏差，增加系统调频需求，严重时会导致系统频率越限，进而危及电网安全运行。因此准确的评估含风电的系统的调频容量对稳定电力系统安全运行起着重要的作用。

目前，关于系统调频容量的确定，通常都是从市场经济性、历史数据及系统运行经验这三个方面着手考虑，但是少有对含有风电的系统的调频容量进行确定，因此，当前业内亟需一种能够有效预测含有风电的系统的调频容量的方法。

发明内容

本发明的目的在于提供一种利用基于生产模拟序列的方法来确定未来研究年含风电的系统的调频容量。

为达上述目的，本发明具体提供一种系统调频容量分析方法，所述方法包含：根据历史负荷数据与年负荷增长因子，获取预测负荷数据；根据风电数据与年负荷增长因子，获取预测风电数据；根据所述预测风电数据与所述预测负荷数据，计算获得预测系统的调频容量。

在上述系统调频容量分析方法中，优选的还包含：通过以下预测负荷公式获取预测负荷数据：上述公式中：λ表示年负荷增长因子，为当前年的负荷数据，分辨率为15分钟；为未来第i年的负荷。

在上述系统调频容量分析方法中，优选的还包含：通过以下预测风电公式获取预测风电数据：上述公式中：λ表示年负荷增长因子，为当前的风电数据，为未来第i年的风电。

在上述系统调频容量分析方法中，优选的还包含：根据所述历史负荷数据与所述预测负荷数据，计算获得时前负荷计划与实时负荷计划；根据所述风电数据和所述预测风电数据，计算获得时前风电计划和实时风电计划；根据所述时前负荷计划、实时负荷计划、时前风电计划和实时风电计划，计算获得预测系统的调频容量。

在上述系统调频容量分析方法中，优选的还包含：

根据以下公式计算时前负荷计划：

上述公式中，ε_L,ha为时前负荷预测误差，根据基于特性值的截断正态分布随机产生的， ${\mathrm{\ϵ}}_{L,ha}^{\min }\≤{\mathrm{\ϵ}}_{L,ha}\≤{\mathrm{\ϵ}}_{L,ha}^{\max },{\mathrm{\ϵ}}_{L,ha}^{\max }=3{\mathrm{\σ}}_{L,ha},{\mathrm{\ϵ}}_{L,ha}^{\min }=-3{\mathrm{\σ}}_{L,ha};$ 表示在每小时的运行时间内，包含前10分钟和后10分钟的线性爬坡，即为未来研究年的时前负荷计划值。

在上述系统调频容量分析方法中，优选的还包含：

根据以下公式计算实时负荷计划：

上述公式中，ε_L,rtf为实时负荷预测误差，也是根据基于特性值的截断正态分布随机产生的， ${\mathrm{\ϵ}}_{L,rtf}^{\min }\≤{\mathrm{\ϵ}}_{L,rtf}\≤{\mathrm{\ϵ}}_{L,rtf}^{\max },{\mathrm{\ϵ}}_{L,rtf}^{\max }=3{\mathrm{\σ}}_{L,rtf},{\mathrm{\ϵ}}_{L,rtf}^{\min }=-3{\mathrm{\σ}}_{L,rtf};$ 表示在每5分钟的运行时间内，包含前2.5分钟和后2.5分钟的线性爬坡，即为未来研究年的实时负荷计划值。

在上述系统调频容量分析方法中，优选的还包含：

根据以下公式计算时前风电计划：

上述公式中，ε_w,ha为时前风电预测误差，根据基于特性值的截断正态分布随机产生，CAP^w,n+i表示未来研究年的风电装机容量；即为未来研究年的时前风电计划值。

在上述系统调频容量分析方法中，优选的还包含：

根据以下公式计算实时风电计划：

$G_{rtf,5\min }^{w,2013+i}\[t,t+5\]=G_a^w\[t-8\];$

上述公式中，为未来研究年的实时风电数据，为实际的风电数据。

在上述系统调频容量分析方法中，优选的还包含：所述根据所述时前负荷计划、实时负荷计划、时前风电计划和实时风电计划，计算获得预测系统的调频容量包含：

${\mathrm{\ΔG}}^r=(L_a^y-G_a^{w,y})-(L_{rtf,5min}^y-G_{rtf,5\min }^{w,y})$

${\mathrm{\ΔG}}^{lf}=(L_{rtf,5min}^y-G_{rtf,5\min }^{w,y})-(L_{ha,1hr}^y-G_{ha,1hr}^{w,y});$

上述公式中，ΔG^r即为调频的需求量，ΔG^lf为负荷跟踪的需求量，和分别表示预测出的未来年的实际负荷和风电数据，和分别表示预测出的未来年的实时负荷数据和实时风电数据，和分别表示预测出的未来年的时前负荷数据和时前风电数据。

本发明还提供一种系统调频容量分析装置，所述装置包含：负荷预测单元，用于根据历史负荷数据与年负荷增长因子，获取预测负荷数据；风电预测单元，用于根据风电数据与年负荷增长因子，获取预测风电数据；处理单元，用于根据所述预测风电数据与所述预测负荷数据，计算获得预测系统的调频容量。

本发明的有益技术效果在于：通过本发明所提供的系统调频容量分析方法，以现有已知的风电参数，能够有效预测未来含有风电的系统的调频容量。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，并不构成对本发明的限定。在附图中：

图1A为本发明所提供的系统调频容量分析方法流程示意图；

图1B为本发明所提供的系统调频容量分析方法中调频和负荷跟踪容量分离图；

图2A-图2B为本发明所提供的系统调频容量分析方法中基础数据示意图；

图3A-图3B为本发明所提供的系统调频容量分析方法中有风无风时调频容量需求示意图；

图4A-图4B为本发明所提供的系统调频容量分析方法中有风无风时负荷跟踪容量需求示意图；

图5A-图5B为本发明所提供的系统调频容量分析方法中有风无风时调频容量分布图示意图；

图6A-图6B为本发明所提供的系统调频容量分析方法中有风无风时负荷跟踪容量分布图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。

本发明具体提供一种系统调频容量分析方法，具体请参考图1A所示，所述方法包含：S101根据历史负荷数据与年负荷增长因子，获取预测负荷数据；S102根据风电数据与年负荷增长因子，获取预测风电数据；S103根据所述预测风电数据与所述预测负荷数据，计算获得预测系统的调频容量。

在上述实施例中，以当前的风电负荷数据为基础，计算未来第i年风电实际负荷预测数据，可通过以下公式获得：

$L_a^{n+i}={(1+\mathrm{\λ})}^i\×L_a^n;---\left(1\right)$

λ表示年负荷增长因子，为当前年的负荷数据，分辨率为15分钟。为未来第i年的负荷。

在上述实施例中，以当前的风电数据为基础，计算未来第i年实际风电预测数据，可通过以下公式获得：

$G_a^{n+i}={(1+\mathrm{\λ})}^i\×G_a^n;$

λ表示年负荷增长因子，为当前年的风电数据，分辨率为15分钟，为未来第i年的风电。

在上述实施例中，还包含：根据所述历史负荷数据与所述预测负荷数据，计算获得时前负荷计划与实时负荷计划；根据所述风电数据和所述预测风电数据，计算获得时前风电计划和实时风电计划；根据所述时前负荷计划、实时负荷计划、时前风电计划和实时风电计划，计算获得预测系统的调频容量。

通过上述预测获得的实际风电预测数据和实际风电负荷预测数据可进一步计算，时前负荷计划，具体如下：

时前负荷计划是包括20分钟爬坡的一个小时的能量计划，由实际负荷和预期的时前负荷预测误差确定:

其中ε_L,ha为时前负荷预测误差，根据基于特性值的截断正态分布随机产生的， ${\mathrm{\ϵ}}_{L,ha}^{\min }\≤{\mathrm{\ϵ}}_{L,ha}\≤{\mathrm{\ϵ}}_{L,ha}^{\max },{\mathrm{\ϵ}}_{L,ha}^{\max }=3{\mathrm{\σ}}_{L,ha},{\mathrm{\ϵ}}_{L,ha}^{\min }=-3{\mathrm{\σ}}_{L,ha};$ 表示在每小时的运行时间内，包含前10分钟和后10分钟的线性爬坡，即为未来研究年的时前负荷计划值。

与时前负荷计划相似，时前风电计划由实际风电和预期风电误差及风电装机容量决定，具体计算公式如下：

其中ε_w,ha为时前风电预测误差，根据基于特性值的截断正态分布随机产生，CAP^w,n+i表示未来研究年的风电装机容量。即为未来研究年的时前风电计划值。

上述实时负荷计划的具体计算公式如下：实时负荷预测是包括5分钟爬坡的每5分钟负荷预测的平均值，由实际负荷和预期的实时负荷预测误差确定：

其中ε_L,rtf为实时负荷预测误差，也是根据基于特性值的截断正态分布随机产生的， ${\mathrm{\ϵ}}_{L,rtf}^{\min }\≤{\mathrm{\ϵ}}_{L,rtf}\≤{\mathrm{\ϵ}}_{L,rtf}^{\max },{\mathrm{\ϵ}}_{L,rtf}^{\max }=3{\mathrm{\σ}}_{L,rtf},{\mathrm{\ϵ}}_{L,rtf}^{\min }=-3{\mathrm{\σ}}_{L,rtf};$ 表示在每5分钟的运行时间内,包含前2.5分钟和后2.5分钟的线性爬坡，即为未来研究年的实时负荷计划值。

上述实时风电计划和实时负荷计划不同，该实时风电计划值等于实际风电在t-8时刻的值：

$G_{rtf,5min}^{w,n+i}\[t,t+5\]=G_a^w\[t-8\];---\left(10\right)$

上述公式中，为未来研究年的实时风电数据，为实际的风电数据。

实际工作中作为AGC辅助服务需求，调频及负荷跟踪容量是需要确定的。而AGC调节服务的本质则是实现区域控制误差(ACE)的最小化，因此，本发明以ACE最小化为目标来区分电力市场中的调频服务和负荷跟踪服务两种时间尺度的容量需求，具体通过以下公式计算：

这里的I_a为联络线实际交换功率，I_s为联络线计划交换功率，B为电网或控制区域的频率偏差系数，F_a和F_s分别为系统的实际频率和计划频率，G_a和L_a分别为实际的风电功率和负荷功率，G_s和L_s分别为计划的风电功率和负荷功率。

而含风电的发电系统的ACE方程为：

$G_s=G_{ha}+G_{ha}^w$

G_a＝G_s+ΔG^lf+ΔG^r+ΔG^w+ΔG^ud(12)

ΔG^lf和ΔG^r分别为基于基点的负荷跟踪单元和调节单元的偏差，ΔG^w为计划的风力发电的偏差即为风电实时计划预测误差，ΔG^ud为调度过程中发电机的所有偏差，ΔG^ud和负荷预测误差一样，都是根据基于截断正态分布的随机数生成器产生。

因此，根据上述产生的数据序列及ACE最小化，调频及负荷跟踪容量可转化为下式得到：

${\mathrm{\ΔG}}^r=(L_a^y-G_a^{w,y})-(L_{rtf,5min}^y-G_{rtf,5\min }^{w,y})$

${\mathrm{\ΔG}}^{lf}=(L_{rtf,5min}^y-G_{rtf,5\min }^{w,y})-(L_{ha,1hr}^y-G_{ha,1hr}^{w,y})---\left(11\right)$

负荷跟踪容量是含20分钟爬坡的小时能量计划值(图中red线条所示)与5分钟计划值(图中Green线条所示)之差，该差值即为图中下部分区域所示。调节容量是实际的发电需求(图中blue线条所示)与5分钟调度值(图中Green线条所示)之差，该差值如图1B所示中上部分区域所示。

本发明还提供一种系统调频容量分析装置，所述装置包含：负荷预测单元，用于根据历史负荷数据与年负荷增长因子，获取预测负荷数据；风电预测单元，用于根据风电数据与年负荷增长因子，获取预测风电数据；处理单元，用于根据所述预测风电数据与所述预测负荷数据，计算获得预测系统的调频容量。其中所述负荷预测单元及所述风电预测单元可为能实现上述功能的智能芯片，本发明对此并不做限制；所述处理单元可为一计算机或其他具有运算能量的芯片或处理器等。

通过本发明所提供的系统调频容量分析方法，以现有已知风电参数，能够有效预测未来含有风电的系统的调频容量，不仅方法简单，而且结构较为精确；实例中，以现有电网为例进行计算分析，修正后获得未来研究年的负荷、风功率数据，具体请参考图2A至图2B所示。通过上述公式(11)及上述数据序列，计算得到的未来研究年的有风和无风时上调和下调的最大调频容量和最大负荷跟踪容量，具体请参考图3A至图4B所示。根据以上数据还可得到未来研究年有风和无风时调频容量和负荷跟踪容量的分布图，具体请参考图5A至图6B所示。

统计结果表明，有风时上调最大调频容量为830MW，下调最大调频容量为-600MW；无风时上调最大调频容量为400MW，下调最大调频容量为-400MW。有风时上调最大负荷跟踪容量大约为3000MW，下调最大负荷跟踪容量为-3000MW；无风时的负荷跟踪容量和有风时相比，变化不大。且从有风时调频需求的正态分布图中还能看出，调频容量几乎99％都在200MW以内，即它覆盖了电网正常运行情况下99％的负荷波动情况。无风电接入时，调频容量几乎96％在200MW以内。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种系统调频容量分析方法，其特征在于，所述方法包含：

根据历史负荷数据与年负荷增长因子，获取预测负荷数据；

根据风电数据与年负荷增长因子，获取预测风电数据；

根据所述预测风电数据与所述预测负荷数据，计算获得预测系统的调频容量。

2.根据权利要求1所述的系统调频容量分析方法，其特征在于，所述获取预测负荷数据包含：通过以下预测负荷公式获取预测负荷数据：

$L_a^{n+i}={(1+\mathrm{\λ})}^i\×L_a^n;$

上述公式中：λ表示年负荷增长因子，为当前年的负荷数据，分辨率为15分钟；为未来第i年的负荷。

3.根据权利要求1所述的系统调频容量分析方法，其特征在于，所述获取预测风电数据包含：通过以下预测风电公式获取预测风电数据：

$G_a^{n+i}={(1+\mathrm{\λ})}^i\×G_a^n;$

上述公式中：λ表示年负荷增长因子，为当前的风电数据，为未来第i年的风电。

4.根据权利要求1所述的系统调频容量分析方法，其特征在于，所述根据所述预测风电数据与所述预测负荷数据，计算获得预测系统的调频容量包含：

根据所述历史负荷数据与所述预测负荷数据，计算获得时前负荷计划与实时负荷计划；

根据所述风电数据和所述预测风电数据，计算获得时前风电计划和实时风电计划；

根据所述时前负荷计划、实时负荷计划、时前风电计划和实时风电计划，计算获得预测系统的调频容量。

5.根据权利要求4所述的系统调频容量分析方法，其特征在于，根据所述历史负荷数据与所述预测负荷数据，计算获得时前负荷计划包含：

根据以下公式计算时前负荷计划：

上述公式中，ε_L,ha为时前负荷预测误差，根据基于特性值的截断正态分布随机产生的， 表示在每小时的运行时间内的线性爬坡，即为未来研究年的时前负荷计划值。

6.根据权利要求4所述的系统调频容量分析方法，其特征在于，根据所述历史负荷数据与所述预测负荷数据，计算获得实时负荷计划包含：

根据以下公式计算实时负荷计划：

上述公式中，为实时负荷预测误差，也是根据基于特性值的截断正态分布随机产生的， ${\mathrm{\ϵ}}_{L,rtf}^{\min }\≤{\mathrm{\ϵ}}_{L,rtf}\≤{\mathrm{\ϵ}}_{L,rtf}^{\max },{\mathrm{\ϵ}}_{L,rtf}^{\max }=3{\mathrm{\σ}}_{L,rtf},{\mathrm{\ϵ}}_{L,rtf}^{\min }=-3{\mathrm{\σ}}_{L,rtf};$ 表示在每5分钟的运行时间内的线性爬坡，即为未来研究年的实时负荷计划值。

7.根据权利要求4所述的系统调频容量分析方法，其特征在于，根据所述风电数据和所述预测风电数据，计算获得时前风电计划包含：

根据以下公式计算时前风电计划：

上述公式中，ε_w,ha为时前风电预测误差，根据基于特性值的截断正态分布随机产生，CAP^w,n+i表示未来研究年的风电装机容量；即为未来研究年的时前风电计划值。

8.根据权利要求4所述的系统调频容量分析方法，其特征在于，根据所述风电数据和所述预测风电数据，计算获得实时风电计划包含：

根据以下公式计算实时风电计划：

$G_{rtf,5min}^{w,n+i}\[t,t+5\]=G_a^w\[t-8\];$

上述公式中，为未来研究年的实时风电数据，为实际的风电数据。

9.根据权利要求4所述的系统调频容量分析方法，其特征在于，所述根据所述时前负荷计划、实时负荷计划、时前风电计划和实时风电计划，计算获得预测系统的调频容量包含：

${\mathrm{\ΔG}}^r=(L_a^y-G_a^{w,y})-(L_{rtf,5min}^y-G_{rtf,5\min }^{w,y})$

${\mathrm{\ΔG}}^{lf}=(L_{rtf,5\min }^y-G_{rtf,5\min }^{w,y})-(L_{ha,1hr}^y-G_{ha,1hr}^{w,y});$

上述公式中，ΔG^r即为调频的需求量，ΔG^lf为负荷跟踪的需求量，和分别表示预测出的未来年的实际负荷和风电数据，和分别表示预测出的未来年的实时负荷数据和实时风电数据，和分别表示预测出的未来年的时前负荷数据和时前风电数据。

10.一种系统调频容量分析装置，其特征在于，所述装置包含：

负荷预测单元，用于根据历史负荷数据与年负荷增长因子，获取预测负荷数据；

风电预测单元，用于根据风电数据与年负荷增长因子，获取预测风电数据；

处理单元，用于根据所述预测风电数据与所述预测负荷数据，计算获得预测系统的调频容量。