CN106410852B - 电网消纳新能源发电的评估方法及设备 - Google Patents
电网消纳新能源发电的评估方法及设备 Download PDFInfo
- Publication number
- CN106410852B CN106410852B CN201611050653.6A CN201611050653A CN106410852B CN 106410852 B CN106410852 B CN 106410852B CN 201611050653 A CN201611050653 A CN 201611050653A CN 106410852 B CN106410852 B CN 106410852B
- Authority
- CN
- China
- Prior art keywords
- power
- route
- unit
- index
- year
- 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 69
- 230000005611 electricity Effects 0.000 title claims abstract description 51
- 238000005265 energy consumption Methods 0.000 claims abstract description 46
- 238000010248 power generation Methods 0.000 claims abstract description 29
- 238000004088 simulation Methods 0.000 claims abstract description 28
- 238000005553 drilling Methods 0.000 claims abstract description 22
- 238000005520 cutting process Methods 0.000 claims description 60
- 241000196324 Embryophyta Species 0.000 claims description 22
- 238000009826 distribution Methods 0.000 claims description 21
- 238000005286 illumination Methods 0.000 claims description 21
- 238000012216 screening Methods 0.000 claims description 13
- 241001123248 Arma Species 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 10
- 230000008439 repair process Effects 0.000 claims description 9
- 238000012614 Monte-Carlo sampling Methods 0.000 claims description 8
- 230000003287 optical effect Effects 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 2
- 230000005684 electric field Effects 0.000 claims description 2
- 235000008434 ginseng Nutrition 0.000 claims description 2
- 241000208340 Araliaceae Species 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 18
- 230000006870 function Effects 0.000 description 29
- 238000004364 calculation method Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 14
- 238000004458 analytical method Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000006872 improvement Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 5
- 238000000342 Monte Carlo simulation Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000009434 installation Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 230000029087 digestion Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 206010008190 Cerebrovascular accident Diseases 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 244000131316 Panax pseudoginseng Species 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000000418 atomic force spectrum Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010230 functional analysis Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000005622 photoelectricity Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H02J3/382—
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
Abstract
本发明提供了一种电网消纳新能源发电的评估方法及设备，涉及新能源发电技术领域。所述方法包括：获取电网对应的数据；确定输入态势；根据输入态势采用考虑电网调峰约束的多时段直流最优潮流模型对电网进行运行模拟，得到电网的输出态势，包括经济性指标、新能源消纳指标以及电网线路利用指标；根据经济性指标、新能源消纳指标以及电网线路利用指标对电网态势进行评估，并根据评估结果提出电网的扩展规划方案。本发明能够有效考虑新能源出力的不确定性，定量给出现有电网的输出态势，并利用各个指标对电网态势进行评估，利用态势利导提出的电网扩展规划方案，能够有效降低电网总成本和提高电网的新能源消纳水平。
Description
技术领域
本发明关于能源发电技术领域，特别是关于新能源的规划评估技术，具体的讲是一种电网消纳新能源发电的评估方法及设备。
背景技术
本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
近年来，我国新能源发电发展迅猛，2016年一季度，我国风电新增并网容量533万千瓦，截至3月底，累计并网容量达到1.34亿千瓦。同时，截止2015年底，我国光伏累计装机超过43GW，超越德国成为全球光伏累计装机量最大的国家。
随着风电、光伏发电等新能源接入电网的规模不断增大，其出力的不确定性和随机性，给电网规划带来了很多新的要求。目前电力系统规划工作多采用基本条件分析、基本功能分析、基本形态分析、动态分析、限制性条件分析和可靠性与经济分析等多种方法的综合使用，通过实用化软件进行模拟电网运行情况，校验规划方案的合理性。随着新能源规模的成倍增加，对电力系统规划工作提出新的技术需求和新的发展要求。在此基础上：
1)原有的确定性优化规划理论将不适应新的形势；
2)基于不确定数学理论的电网规划方法，很难综合考虑电网规划过程中的调峰约束、网络约束、系统运行成本、新能源消纳等所有问题，并且暂时还难以应用于实际；
3)基于方案优选的规划方法需要新的分析工具。
因此，如何研究和开发出一种新的方案以适应新能源规模的成倍增加对电力系统规划工作提出新的技术需求和新的发展要求是本领域亟待解决的技术难题。
发明内容
有鉴于此，本发明提供一种电网消纳新能源发电的评估方法以及设备，能够有效考虑新能源出力的不确定性，定量给出现有电网态势的经济性指标、新能源消纳指标以及线路利用率指标，并利用各个指标对电网态势进行评估，并根据评估结果提出电网的扩展规划方案，能够有效降低电网总成本和提高电网的新能源消纳水平。
为了实现上述目的，本发明提供一种电网消纳新能源发电的评估方法，所述方法包括：获取电网对应的数据；根据所述数据确定输入态势，所述输入态势包括风电场年时序出力曲线、光伏发电年时序出力曲线、机组和线路年运行状态时序曲线；根据输入态势采用考虑电网调峰约束的多时段直流最优潮流模型对电网进行运行模拟，得到经济性指标、新能源消纳指标以及电网线路利用指标；根据所述经济性指标、新能源消纳指标以及电网线路利用指标对电网态势进行评估。
在本发明的优选实施方式中，根据电网数据确定输入态势包括：根据电网数据模拟生成风电场年时序出力曲线；根据电网数据中的光照强度的形状参数、光伏阵列的面积以及光电转换效率采用Beta分布的概率密度函数模拟生成光伏发电年时序出力曲线；根据电网数据中的平均无故障工作时间以及平均修复时间采用序贯蒙特卡罗抽样法确定机组和线路年运行状态时序曲线。
在本发明的优选实施方式中，根据电网数据模拟生成风电场年时序出力曲线包括：获取电网数据中的风电场历史出力曲线、风力发电机的切入风速、切出风速以及额定风速；根据风电场历史出力曲线采用时间序列法中的自回归滑动平均模型ARMA模拟生成风电场全年每小时的风速曲线；根据切入风速、切出风速以及额定风速确定风力发电机出力与风速的非线性函数关系；根据所述风速曲线以及所述非线性函数关系模拟风力发电机年出力时序曲线。
在本发明的优选实施方式中，所述数据包括发电机成本参数、机组的有功功率、机组的有功出力上限、机组的有功出力下限、所有机组集、负荷节点的单位切负荷电量成本、节点的负荷、所有节点集合、风电场和光伏电站的单位弃风、弃光电量成本、风电场历史时序出力曲线、光伏电站历史时序出力曲线、风力发电机出力特性、光伏发电机参数、线路的有功功率和线路的有功功率上限，所述经济性指标包括年发电成本、年切负荷电量成本、年弃风以及弃光总成本，所述消纳指标包括年风力发电量、年弃风率、年光伏发电量以及年弃光率，所述线路利用指标包括线路年利用小时数以及线路年满载小时数。
在本发明的优选实施方式中，根据所述经济性指标、新能源消纳指标以及电网线路利用指标对电网态势进行评估包括：获取预先设定的弃风率预设值以及切负荷率预设值；判断所述弃风率是否小于弃风率预设值；当判断为否时，根据所述经济性指标、新能源消纳指标以及电网线路利用指标对所述电网进行扩展规划；当判断为是时，继续判断所述切负荷率是否小于切负荷率预设值；当判断为否时，根据所述经济性指标、新能源消纳指标以及电网线路利用指标对所述电网进行扩展规划。
在本发明的优选实施方式中，根据所述经济性指标、新能源消纳指标以及电网线路利用指标对所述电网进行扩展规划包括：根据所述线路年利用小时数以及线路年满载小时数定义线路的综合利用指标；获取预先设定的综合利用指标预设值；依次根据所述数据确定所述电网的各个线路的综合利用指标；筛选出所述综合利用指标大于所述综合利用指标预设值的线路，组成线路集；从所述线路集中筛选出将要投建的线路；投建所述筛选出的线路，以完成对所述电网的扩展规划。
在本发明的优选实施方式中，从所述线路集中筛选出将要投建的线路包括：对所述线路集中的线路进行拟扩建；确定拟扩建后的电网的收益/投资比；获取预先设定的收益/投资比预设值；判断所述收益/投资比是否大于预先设定的收益/投资比预设值；当判断为是时，所述线路即为将要投建的线路。
本发明的目的之一是，提供了一种电网消纳新能源发电的评估设备，所述设备包括：电网数据获取装置，用于获取电网对应的数据；输入态势确定装置，用于根据所述数据确定输入态势，所述输入态势包括风电场年时序出力曲线、光伏发电年时序出力曲线、机组和线路年运行状态时序曲线；态势模拟装置，用于根据所述输入态势采用考虑电网调峰约束的多时段直流最优潮流模型对电网进行运行模拟，得到经济性指标、新能源消纳指标以及电网线路利用指标；态势评估装置，用于根据所述经济性指标、新能源消纳指标以及电网线路利用指标对电网态势进行评估。
在本发明的优选实施方式中，所述输入态势确定装置包括：风电场曲线确定模块，用于根据电网数据模拟生成风电场年时序出力曲线；光伏曲线确定模块，用于根据电网数据中的光照强度的形状参数、光伏阵列的面积以及光电转换效率采用Beta分布的概率密度函数模拟生成光伏发电年时序出力曲线；状态曲线确定模块，用于根据电网数据中的平均无故障工作时间以及平均修复时间采用序贯蒙特卡罗抽样法确定机组和线路年运行状态时序曲线。
在本发明的优选实施方式中，所述风电场曲线确定模块包括：风速获取单元，用于获取电网数据中的风电场历史出力曲线、风力发电机的切入风速、切出风速以及额定风速；风速曲线生成单元，用于根据风电场历史出力曲线采用时间序列法中的自回归滑动平均模型ARMA模拟生成风电场全年每小时的风速曲线；关系确定单元，用于根据风电场历史出力曲线、切入风速、切出风速以及额定风速确定风力发电机出力与风速的非线性函数关系；时序曲线模拟单元，用于根据所述风速曲线以及所述非线性函数关系模拟风力发电机年出力时序曲线。
在本发明的优选实施方式中，所述态势评估装置包括：预设值获取模块，用于获取预先设定的弃风率预设值以及切负荷率预设值；第一判断模块，用于判断所述弃风率是否小于弃风率预设值；第二判断模块，用于当所述第一判断模块判断为是时，继续判断所述切负荷率是否小于切负荷率预设值；电网扩展模块，用于当所述第一判断模块或第二判断模块判断为否时，根据所述经济性指标、新能源消纳指标以及电网线路利用指标对所述电网进行扩展规划。
在本发明的优选实施方式中，所述电网扩展模块包括：利用指标定义单元，用于根据所述线路年利用小时数以及线路年满载小时数定义线路的综合利用指标；预设值获取单元，用于获取预先设定的综合利用指标预设值；综合指标确定单元，用于依次根据所述数据确定所述电网的各个线路的综合利用指标；第一筛选单元，用于筛选出所述综合利用指标大于所述综合利用指标预设值的线路，组成线路集；第二筛选单元，用于从所述线路集中筛选出将要投建的线路；线路投建单元，用于投建所述筛选出的线路，以完成对所述电网的扩展规划。
在本发明的优选实施方式中，所述第二筛选单元包括：模拟扩建单元，用于对所述线路集中的线路进行拟扩建；比值确定单元，用于依次确定拟扩建后的电网的收益/投资比；比值获取单元，用于获取预先设定的收益/投资比预设值；第一判断单元，用于判断所述收益/投资比是否大于预先设定的收益/投资比预设值；线路筛选单元，用于当所述第一判断单元判断为是时，所述线路即为将要投建的线路
本发明的有益效果在于，提供了一种电网消纳新能源发电的评估方法以及设备，采用序贯蒙特卡罗模拟法考虑机组的发电状态和线路工作状态，利用考虑调峰约束的多时段直流最优潮流对电网态势进行分析，通过态势呈现和预测阶段所提出的定量指标对电网态势进行展示，并分析评估电网的新能源消纳情况和电网缺陷，利用态势利导给出电网规划方案，并评估所提规划方案的各项指标，能够有效考虑新能源出力的不确定性，并定量给出现有电网态势的经济性、新能源消纳、线路利用率等指标，以及利用态势利导提出的电网规划方案能够有效降低电网总成本和提高电网的新能源消纳水平。
为让本发明的上述和其他目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附图式，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明具体例中含风电、光伏发电的IEEE-RTS 24系统网络图；
图2为本发明实施例提供的一种电网消纳新能源发电的评估方法的流程图；
图3为图2中的步骤S102的具体流程图；
图4为图3中的步骤S201的具体流程图；
图5为图2中的步骤S104的具体流程图；
图6为图5中的步骤S404的具体流程图；
图7为图6中的步骤S505的具体流程图；
图8为本发明实施例提供的一种电网消纳新能源发电的评估设备的结构框图；
图9为本发明实施例提供的一种电网消纳新能源发电的评估设备中输入态势确定装置的结构框图；
图10为本发明实施例提供的一种电网消纳新能源发电的评估设备中风电场曲线确定模块的结构框图；
图11为本发明实施例提供的一种电网消纳新能源发电的评估设备中态势评估装置的结构框图；
图12为本发明实施例提供的一种电网消纳新能源发电的评估设备中电网扩展模块的结构框图；
图13为本发明实施例提供的一种电网消纳新能源发电的评估设备中第二筛选单元的结构框图；
图14为本发明提供的具体实施例中基于态势感知的电网消纳新能源发电评估与扩展规划方法流程图。
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。
本领域技术技术人员知道，本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。
下面参考本发明的若干代表性实施方式，详细阐释本发明的原理和精神。
电力系统规划思路和规划方法需要进行尝试和创新，而基于风险分析和态势感知(situation awareness，SA)技术已经应用于电网调度环节，其通过态势评估(situationalassessment)对能够引起系统态势发生变化的安全要素进行获取、理解，感知系统当前所处的态势，并能够显示和预测系统态势的未来发展趋势，在大数据背景下的系统评估过程中将具有一定的优势和先进性。
本发明通过将态势感知技术运用于含新能源发电的电网评估和扩展规划中，能够有效的觉察、理解、呈现和预测现有电网的运行态势，并能够定量给出电网态势的经济性、新能源消纳、线路利用率等指标，指导下一阶段的态势利导，给出有效的电网规划方案，降低电网的总成本和提高新能源消纳能力。
图2为本发明提出的一种电网消纳新能源发电的评估方法的具体流程图，请参阅图2，所述的方法包括：
S101：获取电网对应的数据。所述数据包括发电机成本参数、机组的有功功率、机组的有功出力上限、机组的有功出力下限、所有机组集、负荷节点的单位切负荷电量成本、节点的负荷、所有节点集合、风电场和光伏电站的单位弃风、弃光电量成本、风电场历史时序出力曲线、光伏电站历史时序出力曲线、风力发电机出力特性、光伏发电机参数、线路的有功功率和线路的有功功率上限。
S102：根据所述数据确定输入态势，所述输入态势包括风电场年时序出力曲线、光伏发电年时序出力曲线、机组和线路年运行状态时序曲线。在本发明的其他实施方式中，输入态势还包括电网负荷时序曲线以及步骤S101中的所述电网的数据的大部分数据。图3为步骤S102的具体流程图，其详细描述了风电场年时序出力曲线、光伏发电年时序出力曲线、机组和线路年运行状态时序曲线的生成过程。如图3所示，该步骤包括：
S201：根据电网数据确定风电场年时序出力曲线。图4为步骤S201的具体流程图，其详细介绍了如何确定风电场年时序出力曲线。如图4所示，该步骤包括：
S301：获取电网数据中的风电场历史出力曲线、风力发电机的切入风速、切出风速以及额定风速；
S302：根据风电场历史出力曲线采用时间序列法中的自回归滑动平均模型ARMA模拟生成风电场全年每小时的风速曲线。
在本发明中，采用时间序列法中的自回归滑动平均(Auto-Regressive MovingAverage，ARMA)模型模拟生成风电场全年每小时的风速曲线。ARMA模型的一般表达式如下：
yt＝φ1yt-1+φ2yt-2+···+φnyt-n+αt-θ1αt-1-θ2αt-2-···-θmαt-m (1)
其中，yt为时刻t序列上的值，φ1,φ2,···,φn为自回归参数；θ1,θ2,···,θn为滑动平均参数；αt是一个均值为0，方差为的正态白噪声过程，如NID表示正态分布。
则时刻t的风速vt为：
vt＝μ+σyt (2)
其中，μ为平均风速，σ为风速标准差。
S303：根据切入风速、切出风速以及额定风速确定风力发电机出力与风速的非线性函数关系；
风力发电机出力与风速成非线性函数关系主要由风力发电机的切入风速、切出风速和额定风速决定，其分段函数为：
其中，vci,vr,vc0分别为切入风速、额度风速、切出风速；Pr为额定功率；a,b,c为系数。
S304：根据所述风速曲线以及所述非线性函数关系模拟风力发电机年出力时序曲线。
如图3所示，该步骤还包括：
S202：根据电网数据中的光照强度的形状参数、光伏阵列的面积以及光电转换效率采用Beta分布的概率密度函数模拟生成光伏发电年时序出力曲线。
光伏电站的输出功率由光照强度，光伏阵列面积和光电转换效率等因素决定，具体计算公式为：Psg＝ESη，式中，E为光照强度，S为光伏阵列的面积，η为光电转换效率。
光照强度具有随机性，本发明选取常用的Beta分布作为光照强度的近似分布，其概率密度函数如下：
式中，E和Emax分别为当前时段的实际光照强度和最大光照强度；α和β为Beta分布的光照强度的形状参数，Γ为Gamma函数。
S203：根据电网数据中的平均无故障工作时间以及平均修复时间采用序贯蒙特卡罗抽样法确定机组和线路年运行状态时序曲线。
常规机组和线路一般都具有两种状态，即正常运行状态和故障停运状态。本发明采用序贯蒙特卡罗抽样法生成常规机组和线路特定时段(全年)的时序工作状态。一般情况下，机组或线路的正常运行持续时间和故障修复时间服从指数分布，正常运行持续时间τ1和故障修复时间τ2分别由式和式求出。式中，U1和U2是[0,1]上的均匀分布随机数，λ为元件的故障率(即平均无故障工作时间MTTF的倒数)和μ为修复率(即平均修复时间MTTR的倒数)。
如图2所示，该方法还包括：
S103：根据输入态势采用考虑电网调峰约束的多时段直流最优潮流模型对电网进行运行模拟，得到电网的经济性指标、新能源消纳指标以及电网线路利用指标。所述经济性指标包括年发电成本、年切负荷电量成本、年弃风以及弃光总成本，所述消纳指标包括年风力发电量、年弃风率、年光伏发电量以及年弃光率，所述线路利用指标包括线路年利用小时数以及线路年满载小时数。下面详细介绍该步骤是如何实现的。
本发明采用的考虑电网调峰约束的多时段直流最优潮流对电网态势进行理解和评估，具体模型如下：
目标函数部分的f为机组24小时的总发电成本，计算方法如下：
其中，ck2,ck1,ck0是发电机成本参数，为机组k在时段t的有功功率，为机组k的有功出力下限，为机组k的有功出力上限，G为所有机组集。
目标函数部分的cl为系统的切负荷成本，计算方法如下：
其中，为负荷节点k的单位切负荷电量成本，为负荷节点k在时段t的切负荷量，为节点k的负荷，N为所有节点集合。
目标函数部分的cw为系统的弃风、弃光总成本，计算方式如下：
其中，和为风电场k和光伏电站k的单位弃风、弃光电量成本，和分别为风电场k和光伏电站k在时段t的实际发电量，和分别为风电场k和光伏电站k在时段t的可发电量，WG为风电场集合，SG为光伏电站集合。
约束条件部分：其中式(6)分别表示发电机有功功率上下限约束。式(7)表示线路有功功率上限约束，Pij(t)和分别为线路lij在时段t的有功功率和线路的有功功率上限。式(8)为节点切负荷上限约束。式(9)为风电发电功率上限约束，式(10)为光伏发电功率上限约束。式(11)为支路有功功率计算公式，其中为线路lij有功潮流向量与节点k注入功率之间的传输分布因子。式(12)为机组爬坡速率约束，和分别指机组有功出力单位时间的变化上下限。
利用上述的式(13)、(14)、(15)计算可得一天的发电成本、切负荷成本、弃风、光总成本，所述经济性指标中的年发电成本、年切负荷电量成本、年弃风以及弃光总成本利用以上结果进行全年365天求和即可得到。
新能源消纳指标中的年风力发电量计算方式如下：
年弃风率计算方式如下：
其中，PWE和PWC分别为风电场年可发电量总和和风电场年弃风电量总和，计算方式分别如下：
年光伏发电总量的计算方法如下：
其中，PSG为光伏的年发电总量，弃光率的计算方法同弃风率计算方法相似，在此不再累述。
年切负荷率计算方式如下：
其中，PCD和PLD分别为年切负荷电量总和年负荷电量总和，计算方式分别如下：
电网线路利用指标中的线路年利用小时数计算方式如下：
其中，Pij(t)和分别为线路lij在时段t的有功功率和线路的有功功率上限。
电网线路利用指标中的线路年满载小时数即记录线路达到满载时的总小时数。
S104：根据所述经济性指标、新能源消纳指标以及电网线路利用指标对电网态势进行评估。
图5为步骤S104的具体流程图，请参阅图5，步骤S104对电网态势进行评估，其进一步包括以下步骤：
S401：获取预先设定的弃风率预设值以及切负荷率预设值。弃风率预设值可通过WC0来表示，切负荷率可通过LC0来表示。
S402：判断所述弃风率是否小于弃风率预设值，当判断为否时，根据所述经济性指标、新能源消纳指标以及电网线路利用指标对所述电网进行扩展规划；
S403：当判断为是时，继续判断所述切负荷率是否小于切负荷率预设值，此处的切负荷率即为公式(21)中的年切负荷率；
S404：当判断为否时，根据所述经济性指标、新能源消纳指标以及电网线路利用指标对所述电网进行扩展规划。
也即，步骤S104判断电网的弃风率和切负荷率是否小于弃风率预设值WC0和切负荷率预设值LC0的要求，如果满足要求，则说明当前电网结构合理、线路容量充足，不需要扩建。如果不满足要求，则进入态势利导阶段，对电网进行扩展规划。
图6为步骤S404的具体流程图，请参阅图6，对所述电网进行扩展规划包括：
S501：根据所述线路年利用小时数以及线路年满载小时数定义线路的综合利用指标。
根据态势呈现和预测结果中的电网线路的年利用小时数和年满载小时数定义线路的综合利用指标Hs。由于在最优潮流的运行模拟中，线路满载意味此时线路出现了阻塞，导致功率传输受阻，实际运行过程中，很有可能出现线路过载的情况，因此对线路满载小时数赋予γ倍的权重，则线路的综合指标Hs计算方式如下：
Hs＝Hr+γHf (25)
其中，Hr和Hf分别为线路的年利用小时数和年满载小时数。
S502：获取预先设定的综合利用指标预设值，在具体的实施方式中，综合利用指标预设值可通过H0来表示。
S503：依次确定所述电网的各个线路的综合利用指标。在具体的实施方式中，各个线路的综合利用指标可通过Hs来表示。
S504：筛选出所述综合利用指标大于所述综合利用指标预设值的线路，组成线路集。在具体的实施方式中，依次判断每条线路的综合利用指标Hs是否大于综合利用指标预设值H0，当判断为是时，当前线路即加入线路集S中，设总共筛选出k条线路，则线路集S中的S1代表第1条线路、S2代表第2条线路，……Sk代表第k条线路。
S505：从所述线路集中筛选出将要投建的线路。图7为步骤S505的具体流程图，请参阅图7，从所述线路集中筛选出将要投建的线路包括：
S601：对所述线路集S中的线路进行拟扩建。在具体的实施方式中，可按照综合指标由大到小的顺序依次进行拟扩建。
S602：依次根据所述数据确定拟扩建后的电网的收益/投资比。在具体的实施方式中，从线路集S中依次选取线路，针对每条线路进行扩建后确定电网的收益/投资比。如针对第1条线路S1进行拟扩建后确定电网的收益/投资比，收益/投资比的具体计算方法如下：
其中，是指扩建线路lij后整个系统一年的总收益，包括发电成本、年弃风成本、年切负荷成本的减小量。的计算方法是将线路lij加入现有电网中，利用态势理解阶段提出的运行模拟算法即步骤S103进行求解。
是线路lij投资费用的等额年金，计算方式如下：
其中，为线路lij的投资现值，i为银行年复利利率，n为线路使用年限。
S603：获取预先设定的收益/投资比预设值ε0；
S604：判断所述收益/投资比是否大于预先设定的收益/投资比预设值；
S605：当判断为是时，所述线路即为将要投建的线路。
请参阅图6，该步骤还包括：
S506：投建所述筛选出的线路，以完成对所述电网的扩展规划。
由上述步骤可知，判断该投建线路的收益/投资比是否大于给定值，如果是，则选择投建该线路，并对投建完该线路的电网重新进行态势评估。否则，依次选择线路集中的下一条线路，直到线路集中的所有待选线路都不满足收益/投资比要求，则结束电网的扩建过程，当前确定的扩建方案即为最终电网规划方案。
如上所述即为本发明提供的一种对于系统数据的变更进行控制的方法，采用序贯蒙特卡罗模拟法考虑机组的发电状态和线路工作状态，利用考虑调峰约束的多时段直流最优潮流对电网态势进行分析，通过态势呈现和预测阶段所提出的定量指标对电网态势进行展示，并分析评估电网的新能源消纳情况和电网缺陷，利用态势利导给出电网规划方案，并评估所提规划方案的各项指标。该方法能够有效考虑新能源出力的不确定性，并定量给出现有电网态势的经济性、新能源消纳、线路利用率等指标，以及利用态势利导提出的电网规划方案能够有效降低电网总成本和提高电网的新能源消纳水平。
应当注意，尽管在附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
在介绍了本发明示例性实施方式的方法之后，接下来，参考附图对本发明示例性实施方式的设备进行介绍。该设备的实施可以参见上述方法的实施，重复之处不再赘述。以下所使用的术语“模块”和“单元”，可以是实现预定功能的软件和/或硬件。尽管以下实施例所描述的模块较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图8为本发明实施例提供的一种电网消纳新能源发电的评估设备的结构框图，请参阅图8，所述设备包括：
电网数据获取装置101，用于获取电网对应的数据。所述数据包括发电机成本参数、机组的有功功率、机组的有功出力上限、机组的有功出力下限、所有机组集、负荷节点的单位切负荷电量成本、节点的负荷、所有节点集合、风电场和光伏电站的单位弃风、弃光电量成本、风电场历史时序出力曲线、光伏电站历史时序出力曲线、风力发电机出力特性、光伏发电机参数、线路的有功功率和线路的有功功率上限。
输入态势确定装置102，用于根据所述数据确定输入态势，所述输入态势包括风电场年时序出力曲线、光伏发电年时序出力曲线、机组和线路年运行状态时序曲线。在本发明的其他实施方式中，输入态势还包括电网负荷时序曲线以及电网对应的大部分数据。图9为输入态势确定装置的结构框图，其详细描述了风电场年时序出力曲线、光伏发电年时序出力曲线、机组和线路年运行状态时序曲线的生成过程。如图9所示，输入态势确定装置102包括：
风电场曲线确定模块201，用于根据电网数据确定风电场年时序出力曲线。图10为风电场曲线确定模块的结构框图，其详细介绍了如何确定风电场年时序出力曲线。如图10所示，该风电场曲线确定模块201包括：
风速获取单元301，用于获取电网数据中的风电场历史出力曲线、风力发电机的切入风速、切出风速以及额定风速；
风速曲线生成单元302，用于根据风电场历史出力曲线采用时间序列法中的自回归滑动平均模型ARMA模拟生成风电场全年每小时的风速曲线。
在本发明中，采用时间序列法中的自回归滑动平均(Auto-Regressive MovingAverage，ARMA)模型模拟生成风电场全年每小时的风速曲线。
函数关系确定单元303，用于根据切入风速、切出风速以及额定风速确定风力发电机出力与风速的非线性函数关系。风力发电机出力与风速成非线性函数关系主要由风力发电机的切入风速、切出风速和额定风速决定。
时序曲线模拟单元304，用于根据所述风速曲线以及所述非线性函数关系模拟风力发电机年出力时序曲线。
如图9所示，输入态势确定装置，用于还包括：
光伏曲线确定模块202，用于根据电网数据中的光照强度的形状参数、光伏阵列的面积以及光电转换效率采用Beta分布的概率密度函数模拟生成光伏发电年时序出力曲线。
光伏电站的输出功率由光照强度，光伏阵列面积和光电转换效率等因素决定，具体计算公式为：Psg＝ESη，式中，E为光照强度，S为光伏阵列的面积，η为光电转换效率。光照强度具有随机性，本发明选取常用的Beta分布作为光照强度的近似分布。
状态曲线确定模块203，用于根据电网数据中的平均无故障工作时间以及平均修复时间采用序贯蒙特卡罗抽样法确定机组和线路年运行状态时序曲线。
常规机组和线路一般都具有两种状态，即正常运行状态和故障停运状态。本发明采用序贯蒙特卡罗抽样法生成常规机组和线路特定时段(全年)的时序工作状态。一般情况下，机组或线路的正常运行持续时间和故障修复时间服从指数分布，正常运行持续时间τ1和故障修复时间τ2分别由式和式求出。式中，U1和U2是[0,1]上的均匀分布随机数，λ为元件的故障率(即平均无故障工作时间MTTF的倒数)和μ为修复率(即平均修复时间MTTR的倒数)。
如图8所示，该设备还包括：
态势模拟装置103，用于根据输入态势采用考虑电网调峰约束的多时段直流最优潮流模型对电网进行运行模拟，得到电网的输出态势，所述输出态势包括经济性指标、新能源消纳指标以及电网线路利用指标。所述经济性指标包括年发电成本、年切负荷电量成本、年弃风以及弃光总成本，所述消纳指标包括年风力发电量、年弃风率、年光伏发电量以及年弃光率，所述线路利用指标包括线路年利用小时数以及线路年满载小时数。
态势评估装置104，用于根据所述经济性指标、新能源消纳指标以及电网线路利用指标对电网态势进行评估。
图11为本发明实施例提供的一种电网消纳新能源发电的评估设备中态势评估装置的结构框图，请参阅图11，态势评估装置104对电网态势进行评估，其进一步包括：
预设值获取模块401，用于获取预先设定的弃风率预设值以及切负荷率预设值。弃风率预设值可通过WC0来表示，切负荷率可通过LC0来表示。
第一判断模块402，用于判断所述弃风率是否小于弃风率预设值；
第二判断模块403，用于当所述第一判断模块判断为否时，继续判断所述切负荷率是否小于切负荷率预设值；
电网扩展模块404，用于当所述第一判断模块或第二判断模块判断为否时，根据所述经济性指标、新能源消纳指标以及电网线路利用指标对所述电网进行扩展规划。
也即，态势评估装置104判断电网的弃风率和切负荷率是否小于弃风率预设值WC0和切负荷率预设值LC0的要求，如果满足要求，则说明当前电网结构合理、线路容量充足，不需要扩建。如果不满足其中任意一个要求，则进入态势利导阶段，对电网进行扩展规划。
图12为本发明实施例提供的一种电网消纳新能源发电的评估设备中电网扩展模块的结构框图，请参阅图12，对所述电网进行扩展规划包括：
利用指标定义单元501，用于根据所述线路年利用小时数以及线路年满载小时数定义线路的综合利用指标。
根据态势呈现和预测结果中的电网线路的年利用小时数和年满载小时数定义线路的综合利用指标Hs。由于在最优潮流的运行模拟中，线路满载意味此时线路出现了阻塞，导致功率传输受阻，实际运行过程中，很有可能出现线路过载的情况，因此对线路满载小时数赋予γ倍的权重。
预设值获取单元502，用于获取预先设定的综合利用指标预设值，在具体的实施方式中，综合利用指标预设值可通过H0来表示。
综合指标确定单元503，用于依次确定所述电网的各个线路的综合利用指标。在具体的实施方式中，各个线路的综合利用指标可通过Hs来表示。
第一筛选单元504，用于筛选出所述综合利用指标大于所述综合利用指标预设值的线路，组成线路集。在具体的实施方式中，依次判断每条线路的综合利用指标Hs是否大于综合利用指标预设值H0，当判断为是时，当前线路即加入线路集S中，设总共筛选出k条线路，则线路集S中的S1代表第1条线路、S2代表第2条线路，……Sk代表第k条线路。
第二筛选单元505，用于从所述线路集中筛选出将要投建的线路。图13为本发明实施例提供的一种电网消纳新能源发电的评估设备中第二筛选单元的结构框图，请参阅图13，从所述线路集中筛选出将要投建的线路包括：
模拟扩建单元601，用于对所述线路集S中的线路进行拟扩建。
比值确定单元602，用于依次根据所述数据确定拟扩建后的电网的收益/投资比。在具体的实施方式中，从线路集S中依次选取线路，针对每条线路进行扩建后确定电网的收益/投资比。
比值获取单元603，用于获取预先设定的收益/投资比预设值ε0；
第一判断单元604，用于判断所述收益/投资比是否大于预先设定的收益/投资比预设值；
线路筛选单元605，用于当所述第一判断单元判断为是时，所述线路即为将要投建的线路。
请参阅图12，电网扩展模块还包括线路投建单元606，用于投建所述筛选出的线路，以完成对所述电网的扩展规划。
由上述描述可知，判断该投建线路的收益/投资比是否大于给定值，如果是，则选择投建该线路，并对投建完该线路的电网重新进行态势评估。否则，依次选择线路集中的下一条线路，直到线路集中的所有待选线路都不满足收益/投资比要求，则结束电网的扩建过程，当前确定的扩建方案即为最终电网规划方案。
此外，尽管在上文详细描述中提及了系统的若干单元模块，但是这种划分仅仅并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。同样，上文描述的一个单元的特征和功能也可以进一步划分为由多个单元来具体化。
因此本发明提出一种基于态势感知的电网消纳新能源发电评估与扩展规划方法，针对于含大规模风电、光伏发电等新能源的电网评估和规划问题，能够定量给出电网态势的经济性、新能源消纳、线路利用率等指标，并给出有效的电网规划方案，达到降低电网的总成本和提高新能源消纳能力的效果。以下具体实施例以图1所示的含风电、光伏发电的IEEE-RTS 24系统网络图为例，详细说明利用本发明的一种电网消纳新能源发电的评估方法及设备是如何实现的。如附图1所示是原始IEEE-RTS 24系统网络结构，含有17个负荷节点，32台发电机组，33条电线路，5台变压器，原系统的年最大负荷为2850MW，系统总的装机容量为3405MW。
为了分析含新能源发电的电网评估与扩展规划问题，需要对IEEE RTS-24节点系统的进行如下方面的修改：1)节点1至节点10(138KV电压等级)的负荷扩大为原来的2.0倍；节点11至节点24节点(230KV电压等级)的负荷扩大为原来的1.5倍，修改后系统总的负荷增大到4941MW。2)节点16，18，21，22，23处的发电机组容量增大为原来的2.0倍，总的装机容量增大为5320MW。3)在节点1、节点22处分别接入总装机为600MW的风电场和总装机为60MW的光伏电站。
其中，风电场由单机容量为1.5MW的风电机组组成；其中，风机的切入风速、额定风速、切出风速分别为3m/s，12m/s，25m/s。风速采用ARMA(4,3)模型，数据来自参考文献，具体数据如下：
αt∈NID(0,0.4094232) (29)
另外，光伏电站和光照强度的数据参考相关文献，具体数据如下表1所示。
表1
Table 1 Parameters of solar power plant
| 光伏电站 | 装机容/MW | α | β |
| PV | 60 | 2 | 0.8 |
线路的建设投资成本如下：其中138kV的架空线投资成本为0.4M$/km，230kV的架空线投资成本为0.8M$/km，变压器投资成本为10M$/台，138kV的电缆投资成本为2.4M$/km。并且线路使用年限选为40年，银行年复利率为4.9％。
实施例的分析主要包括以下内容：1)利用本文所提出的基于态势感知的含高占比新能源电网评估方案对实施例的现有电网态势进行评估，计算出现有电网的经济指标、新能源消纳指标、电网线路利用指标等信息；2)根据对现有态势的薄弱环节进行分析，采用态势利导技术对现有电网进行扩展规划，并对最终规划的电网进行态势评估，分析规划方案的有效性。
首先，图14为该具体实施例中基于态势感知的电网消纳新能源发电评估与扩展规划方法流程图，在态势觉察阶段，采用序贯蒙特卡罗模拟法考虑机组的发电状态和线路工作状态。其次，在态势理解阶段，利用考虑调峰约束的多时段直流最优潮流对电网态势进行分析。然后，通过态势呈现和预测阶段所提出的定量指标对电网态势进行展示，并分析评估电网的新能源消纳情况和电网缺陷。最后，利用态势利导给出电网规划方案，并评估所提规划方案的各项指标。该方法能够有效考虑新能源出力的不确定性，并定量给出现有电网态势的经济性、新能源消纳、线路利用率等指标，以及利用态势利导提出的电网规划方案能够有效降低电网总成本和提高电网的新能源消纳水平。
具体的，在态势觉察阶段，对新能源发电出力的时序变化和不确定性进行数学建模，并利用序贯模特卡罗模拟生成机组和线路等设备的年时序运行状态，作为态势理解的输入元素和信息。采用时间序列法中的自回归滑动平均(Auto-Regressive MovingAverage，ARMA)模型模拟生成风电场全年每小时的风速曲线。风力发电机出力与风速成非线性函数关系，主要由风力发电机的切入风速、切出风速和额定风速决定。光伏电站的输出功率由光照强度，光伏阵列面积和光电转换效率等因素决定。光照强度具有随机性，选取常用的Beta分布作为光照强度的近似分布。常规机组和线路一般都具有2种状态，即正常运行状态和故障停运状态。本文采用序贯蒙特卡罗抽样法生成常规机组和线路特定时段(全年)的时序工作状态。
在态势理解阶段，采用考虑电网调峰约束的多时段(24小时)直流最优潮流模型对系统的态势进行运行模拟。
在态势呈现和预测阶段，根据态势理解对电网年运行态势的计算结果，利用提出的电网态势定量指标对电网态势进行呈现和预测。判断电网的弃风率和切负荷率是否小于弃风率WC0和切负荷率LC0的要求，如果满足要求，则电网结构合理、线路容量充足，不需要扩建。如果不满足要求，则进入态势利导阶段，对电网进行扩展规划。电网经济性指标计算，主要包括：年发电成本、年切负荷电量成本、年弃风、弃光总成本等。电网线路利用指标计算主要包括线路年利用小时数、线路年满载小时数等。
利用基于态势感知技术对于实施例的现有电网进行态势评估，获得现有电网的经济性指标、新能源消纳指标、电网线路利用指标等结果分别如表2、表3、表4所示：
表2
| 总成本 | 弃风、光总成本 | 切负荷成本 | 切负荷率 |
| 4.6830e+08 | 3.1110e+07 | 4.5269e+07 | 0.21％ |
表3
表4
由表2的结果可知，现有电网存在切负荷问题，切负荷率达到了0.21％。由于目前电网的总装机容量大于系统的最高总负荷，因此电网产生切负荷的原因主要是由于电网出现线路阻塞，导致功率传输受限，从而导致切负荷。
由表3的结果可知，现有电网在新能源消纳方面也存在一定的弃风、弃光现象，其中弃风率高达14.77％，弃光很少，弃光率只有0.076％。
由表4的结果可知，电网线路利用小时数超过5000小时的支路达到了8条，并且这8条线路都存在不同程度的满载现象，其中支路14-16，支路1-2，支路16-17的满载小时数较高。
由以上结果呈现出来的现有电网态势综合分析可知，实施例的现有电网存在部分线路潮流阻塞的现象，导致电网出现了切负荷和弃风现象，需要对现有电网进行扩展规划，即图14所示的态势利导阶段。根据态势呈现和预测结果中的电网线路年利用小时数和线路年满载小时数等信息定义线路的综合利用指标Hs。由于在最优潮流的运行模拟中，线路满载意味此时线路出现了阻塞，导致功率传输受阻，实际运行过程中，很有可能出现线路过载的情况，因此对线路满载小时数赋予γ倍的权重。选择出线路综合指标大于H0的线路集S0，并按照线路综合指标Hs由高到底顺序排列线路，以及令kmax等于线路集S0的线路数和线路选择器初始值k＝1。对线路集S0中的线路按照Hs由高到低的顺序对进行拟扩建，拟扩建后利用态势理解提出的方法对线路k扩建后的电网进行年运行模拟后，进行收益/投资比的计算。判断该投建线路的收益/投资比是否大于给定值(如1.5倍)，如果是，则选择投建该线路，并对投建完该线路的电网重新进行态势评估。否则，依次选择线路集S0中的下一条线路，直到S0中的所有待选线路都不满足收益/投资比要求，则结束电网的扩建过程，当前确定的扩建方案即为最终电网规划方案。
根据以上对现有电网的态势评估的结果，利用态势利导技术对现有电网进行扩展规划，线路扩展规划方案和扩展规划后的收益、投资以及各项指标变化等情况如表5、表6所示。
表5
表6
由表5的结果可知，按照电网态势评估中的线路综合指标分析得到的所有扩建线路都能够有效的降低电网的总成本，但其中最后一条待扩建线路21-22的投资收益比小于1.0倍，因此最终扩建规划方案不包含线路21-22的扩建。
由表6的结果可知，根据基于态势感知给出的电网扩建方案，最终能够有效降低电网17.9％的总成本，切负荷率下降了77.1％，新能源消纳方面有效减少了90.7％的弃风率。
综上所述，本发明提供了基于态势感知的含高占比新能源的电网规划评估方法以及设备，能够有效的觉察、理解、呈现和预测现有电网的运行态势，并能够定量给出电网态势的经济性、新能源消纳、线路利用率等指标，并能够反映出现有电网存在的缺陷，指导下一阶段的态势利导，最终给出有效的电网规划方案，能够有效降低电网的总成本和切负荷率，并能够提高电网的新能源消纳水平。
对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(ProgrammableLogic Device,PLD)(例如现场可编程门阵列(Field Programmable Gate Array，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片2。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(HardwareDescription Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(AdvancedBoolean Expression Language)、AHDL(Altera Hardware Description Language)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(JavaHardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(Ruby HardwareDescription Language)等，目前最普遍使用的是VHDL(Very-High-Speed IntegratedCircuit Hardware Description Language)与Verilog2。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。
本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
虽然通过实施例描绘了本申请，本领域普通技术人员知道，本申请有许多变形和变化而不脱离本申请的精神，希望所附的权利要求包括这些变形和变化而不脱离本申请的精神。
Claims (14)
1.一种电网消纳新能源发电的评估方法，其特征是，所述方法包括：
获取电网对应的数据；
根据所述数据确定输入态势，所述输入态势包括风电场年时序出力曲线、光伏发电年时序出力曲线、机组和线路年运行状态时序曲线；
根据输入态势采用考虑电网调峰约束的多时段直流最优潮流模型对电网进行运行模拟，得到电网的经济性指标、新能源消纳指标以及电网线路利用指标；
根据所述经济性指标、新能源消纳指标以及电网线路利用指标对电网态势进行评估；
其中，所述考虑电网调峰约束的多时段直流最优潮流模型为：
其中，f(Pg(t))为机组的总发电成本，cl为切负荷成本，为负荷节点k在时段t的切负荷量，cw为弃风以及弃光总成本，为风电场k在时段t的实际发电量，为光伏电站k在时段t的实际发电量，为机组k在时段t的有功功率，为机组k的有功出力下限，为机组k的有功出力上限，G为所有机组集，Pij(t)为线路lij在时段t的有功功率的上限，为线路lij的有功功率上限，L为所有线路集，为节点k在时段t的负荷，N为所有节点集合，为风电场k的可发电量，WG为风电场集合，为光伏电站k的可发电量，SG为光伏电站集合，为线路lij有功潮流向量与节点k注入功率之间的传输分布因子，为机组k在时段t的有功功率，为机组有功出力单位时间的变化上限，为机组有功出力单位时间的变化下限。
2.根据权利要求1所述的方法，其特征是，根据电网数据确定输入态势包括：
根据电网数据模拟生成风电场年时序出力曲线；
根据电网数据中的光照强度的形状参数、光伏阵列的面积以及光电转换效率采用Beta分布的概率密度函数模拟生成光伏发电年时序出力曲线；
根据电网数据中的平均无故障工作时间以及平均修复时间采用序贯蒙特卡罗抽样法确定机组和线路年运行状态时序曲线。
3.根据权利要求2所述的方法，其特征是，根据电网数据模拟生成风电场年时序出力曲线包括：
获取电网数据中的风电场历史出力曲线、风力发电机的切入风速、切出风速以及额定风速；
根据风电场历史出力曲线采用时间序列法中的自回归滑动平均模型ARMA模拟生成风电场全年每小时的风速曲线；
根据切入风速、切出风速以及额定风速确定风力发电机出力与风速的非线性函数关系；
根据所述风速曲线以及所述非线性函数关系模拟风电场年时序出力曲线。
4.根据权利要求3所述的方法，其特征是，所述数据包括发电机成本参数、机组的有功功率、机组的有功出力上限、机组的有功出力下限、所有机组集、负荷节点的单位切负荷电量成本、节点的负荷、所有节点集合、风电场和光伏电站的单位弃风、弃光电量成本、风电场历史时序出力曲线、光伏电站历史时序出力曲线、风力发电机出力特性、光伏发电机参数、线路的有功功率和线路的有功功率上限，所述经济性指标包括年发电成本、年切负荷电量成本、年弃风以及弃光总成本，所述新能源消纳指标包括年风力发电量、年弃风率、年光伏发电量以及年弃光率，所述电网线路利用指标包括线路年利用小时数以及线路年满载小时数。
5.根据权利要求4所述的方法，其特征是，根据所述经济性指标、新能源消纳指标以及电网线路利用指标对电网态势进行评估包括：
获取预先设定的弃风率预设值以及切负荷率预设值；
判断所述弃风率是否小于弃风率预设值；
当判断为否时，根据所述经济性指标、新能源消纳指标以及电网线路利用指标对所述电网进行扩展规划；
当判断为是时，继续判断所述切负荷率是否小于切负荷率预设值；
当判断为否时，根据所述经济性指标、新能源消纳指标以及电网线路利用指标对所述电网进行扩展规划。
6.根据权利要求5所述的方法，其特征是，根据所述经济性指标、新能源消纳指标以及电网线路利用指标对所述电网进行扩展规划包括：
根据所述线路年利用小时数以及线路年满载小时数定义线路的综合利用指标；
获取预先设定的综合利用指标预设值；
依次根据所述数据确定所述电网的各个线路的综合利用指标；
筛选出所述综合利用指标大于所述综合利用指标预设值的线路，组成线路集；
从所述线路集中筛选出将要投建的线路；
投建所述筛选出的线路，以完成对所述电网的扩展规划。
7.根据权利要求6所述的方法，其特征是，从所述线路集中筛选出将要投建的线路包括：
对所述线路集中的线路进行拟扩建；
依次确定拟扩建后的电网的收益/投资比；
获取预先设定的收益/投资比预设值；
判断所述收益/投资比是否大于预先设定的收益/投资比预设值；
当判断为是时，所述线路即为将要投建的线路。
8.一种电网消纳新能源发电的评估设备，其特征是，所述设备包括：
电网数据获取装置，用于获取电网对应的数据；
输入态势确定装置，用于根据所述数据确定输入态势，所述输入态势包括风电场年时序出力曲线、光伏发电年时序出力曲线、机组和线路年运行状态时序曲线；
态势模拟装置，用于根据所述输入态势采用考虑电网调峰约束的多时段直流最优潮流模型对电网进行运行模拟，得到经济性指标、新能源消纳指标以及电网线路利用指标；
态势评估装置，用于根据所述经济性指标、新能源消纳指标以及电网线路利用指标对电网态势进行评估；
其中，所述考虑电网调峰约束的多时段直流最优潮流模型为：
其中，f(Pg(t))为机组的总发电成本，cl为切负荷成本，为负荷节点k在时段t的切负荷量，cw为弃风以及弃光总成本，为风电场k在时段t的实际发电量，为光伏电站k在时段t的实际发电量，为机组k在时段t的有功功率，为机组k的有功出力下限，为机组k的有功出力上限，G为所有机组集，Pij(t)为线路lij在时段t的有功功率的上限，为线路lij的有功功率上限，L为所有线路集，为节点k在时段t的负荷，N为所有节点集合，为风电场k的可发电量，WG为风电场集合，为光伏电站k的可发电量，SG为光伏电站集合，为线路lij有功潮流向量与节点k注入功率之间的传输分布因子，为机组k在时段t的有功功率，为机组有功出力单位时间的变化上限，为机组有功出力单位时间的变化下限。
9.根据权利要求8所述的设备，其特征是，所述输入态势确定装置包括：
风电场曲线确定模块，用于根据电网数据模拟生成风电场的年时序出力曲线；
光伏曲线确定模块，用于根据电网数据中的光照强度的形状参数、光伏阵列的面积以及光电转换效率采用Beta分布的概率密度函数模拟生成光伏发电年时序出力曲线；
状态曲线确定模块，用于根据电网数据中的平均无故障工作时间以及平均修复时间采用序贯蒙特卡罗抽样法确定机组和线路年运行状态时序曲线。
10.根据权利要求9所述的设备，其特征是，所述风电场曲线确定模块包括：
风速获取单元，用于获取电网数据中的风电场历史出力曲线、风力发电机的切入风速、切出风速以及额定风速；
风速曲线生成单元，用于根据风电场历史出力曲线采用时间序列法中的自回归滑动平均模型ARMA模拟生成风电场全年每小时的风速曲线；
函数关系确定单元，用于根据切入风速、切出风速以及额定风速确定风力发电机出力与风速的非线性函数关系；
时序曲线模拟单元，用于根据所述风速曲线以及所述非线性函数关系模拟风力发电机年出力时序曲线。
11.根据权利要求10所述的设备，其特征是，所述数据包括发电机成本参数、机组的有功功率、机组的有功出力上限、机组的有功出力下限、所有机组集、负荷节点的单位切负荷电量成本、节点的负荷、所有节点集合、风电场和光伏电站的单位弃风、弃光电量成本、风电场历史时序出力曲线、光伏电站历史时序出力曲线、风力发电机出力特性、光伏发电机参数、线路的有功功率和线路的有功功率上限，所述经济性指标包括年发电成本、年切负荷电量成本、年弃风以及弃光总成本，所述消纳指标包括年风力发电量、年弃风率、年光伏发电量以及年弃光率，所述电网线路利用指标包括线路年利用小时数以及线路年满载小时数。
12.根据权利要求11所述的设备，其特征是，所述态势评估装置包括：
预设值获取模块，用于获取预先设定的弃风率预设值以及切负荷率预设值；
第一判断模块，用于判断所述弃风率是否小于弃风率预设值；
第二判断模块，用于当所述第一判断模块判断为是时，继续判断所述切负荷率是否小于切负荷率预设值；
电网扩展模块，用于当所述第一判断模块或第二判断模块判断为否时，根据所述经济性指标、新能源消纳指标以及电网线路利用指标对所述电网进行扩展规划。
13.根据权利要求12所述的设备，其特征是，所述电网扩展模块包括：
利用指标定义单元，用于根据所述线路年利用小时数以及线路年满载小时数定义线路的综合利用指标；
预设值获取单元，用于获取预先设定的综合利用指标预设值；
综合指标确定单元，用于依次根据所述数据确定所述电网的各个线路的综合利用指标；
第一筛选单元，用于筛选出所述综合利用指标大于所述综合利用指标预设值的线路，组成线路集；
第二筛选单元，用于从所述线路集中筛选出将要投建的线路；
线路投建单元，用于投建所述筛选出的线路，以完成对所述电网的扩展规划。
14.根据权利要求13所述的设备，其特征是，所述第二筛选单元包括：
模拟扩建单元，用于对所述线路集中的线路进行拟扩建；
比值确定单元，用于依次确定拟扩建后的电网的收益/投资比；
比值获取单元，用于获取预先设定的收益/投资比预设值；
第一判断单元，用于判断所述收益/投资比是否大于预先设定的收益/投资比预设值；
线路筛选单元，用于当所述第一判断单元判断为是时，所述线路即为将要投建的线路。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611050653.6A CN106410852B (zh) | 2016-11-24 | 2016-11-24 | 电网消纳新能源发电的评估方法及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611050653.6A CN106410852B (zh) | 2016-11-24 | 2016-11-24 | 电网消纳新能源发电的评估方法及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106410852A CN106410852A (zh) | 2017-02-15 |
| CN106410852B true CN106410852B (zh) | 2019-02-01 |
Family
ID=58082851
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611050653.6A Active CN106410852B (zh) | 2016-11-24 | 2016-11-24 | 电网消纳新能源发电的评估方法及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106410852B (zh) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107122599B (zh) * | 2017-04-14 | 2020-05-26 | 南瑞（武汉）电气设备与工程能效测评中心 | 一种蓄热电锅炉实时消纳弃风弃光电量能力的评估方法 |
| CN107256436B (zh) * | 2017-05-05 | 2022-07-22 | 国家电网公司 | 蓄热电锅炉与清洁能源的预测匹配和消纳控制方法 |
| CN107147133B (zh) * | 2017-05-24 | 2019-01-08 | 国网辽宁省电力有限公司 | 一种提升新能源消纳的电网分时多频控制方法 |
| CN107292766B (zh) * | 2017-06-26 | 2023-06-20 | 国网能源研究院有限公司 | 面向风电消纳的电力系统调峰手段经济性评估方法与系统 |
| 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 |
| CN108462165B (zh) * | 2018-01-19 | 2021-04-20 | 长沙理工大学 | 一种新能源接入电力系统的负荷特性评估方法 |
| CN110544958B (zh) * | 2018-05-29 | 2021-03-02 | 电力规划总院有限公司 | 一种电力系统消纳随机出力电源能力的确定方法及装置 |
| CN110401220B (zh) * | 2019-07-26 | 2020-11-17 | 国网经济技术研究院有限公司 | 一种大规模新能源消纳水平评估方法及系统 |
| CN111080082B (zh) * | 2019-11-27 | 2023-08-18 | 国网山东省电力公司经济技术研究院 | 一种适应低碳电源发展的电网规划方法 |
| CN112103989B (zh) * | 2019-12-09 | 2023-07-04 | 沈阳工业大学 | 一种考虑多类型负荷调控能力的新能源消纳贡献量化方法 |
| CN111563691B (zh) * | 2020-05-18 | 2023-08-04 | 国网山西省电力公司经济技术研究院 | 一种接入新能源的交直流混合配电网性能评估方法 |
| CN112803434A (zh) * | 2021-02-25 | 2021-05-14 | 国网河北省电力有限公司经济技术研究院 | 有源配电网的无功优化方法、装置、设备和存储介质 |
| CN113393074B (zh) * | 2021-04-12 | 2022-12-20 | 广西大学 | 考虑外网灵活性的发电扩展规划的模型构建方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104037790A (zh) * | 2014-05-22 | 2014-09-10 | 南方电网科学研究院有限责任公司 | 一种基于时序蒙特卡罗模拟的新能源接纳能力评估方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103679296A (zh) * | 2013-12-24 | 2014-03-26 | 云南电力调度控制中心 | 基于态势感知的电网安全风险评估方法和模型 |
-
2016
- 2016-11-24 CN CN201611050653.6A patent/CN106410852B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104037790A (zh) * | 2014-05-22 | 2014-09-10 | 南方电网科学研究院有限责任公司 | 一种基于时序蒙特卡罗模拟的新能源接纳能力评估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106410852A (zh) | 2017-02-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106410852B (zh) | 电网消纳新能源发电的评估方法及设备 | |
| Verástegui et al. | An adaptive robust optimization model for power systems planning with operational uncertainty | |
| Zhou et al. | Valuing variable renewable energy for peak demand requirements | |
| Wang et al. | Security-constrained unit commitment with volatile wind power generation | |
| US9026259B2 (en) | Power generation optimization in microgrid including renewable power source | |
| Allard et al. | European transmission grid expansion as a flexibility option in a scenario of large scale variable renewable energies integration | |
| Santos et al. | Impacts of operational variability and uncertainty on distributed generation investment planning: A comprehensive sensitivity analysis | |
| CN108155674B (zh) | 考虑不确定分布特性的水火电联合调度方法及系统 | |
| Jeppesen et al. | Least cost, utility scale abatement from Australia's NEM (National Electricity Market). Part 1: Problem formulation and modelling | |
| Aliari et al. | Planning for integration of wind power capacity in power generation using stochastic optimization | |
| Allard et al. | Considering distribution grids and local flexibilities in the prospective development of the European power system by 2050 | |
| Cao et al. | To prevent or promote grid expansion? Analyzing the future role of power transmission in the European energy system | |
| Isuru et al. | Network-constrained thermal unit commitment for hybrid AC/DC transmission grids under wind power uncertainty | |
| KR101572643B1 (ko) | 국민발전소 비지니스 플랫폼 연계형 전력수요자원 네모모델링 시뮬레이션 장치 및 방법 | |
| Holttinen et al. | Steps for a complete wind integration study | |
| Rahimian et al. | A review of predictive software for the design of community microgrids | |
| Álvarez-Miranda et al. | Two-stage robust UC including a novel scenario-based uncertainty model for wind power applications | |
| Knezović et al. | Role of grid and bulk storage in the integration of variable renewable energy resources: Framework for optimal operation-driven multi-period infrastructure planning | |
| Keck et al. | Assessment of two optimisation methods for renewable energy capacity expansion planning | |
| Sun et al. | An incremental-variable-based state enumeration method for power system operational risk assessment considering safety margin | |
| Ryan et al. | Long term resource planning for electric power systems under uncertainty | |
| Peña et al. | Capacity estimation of a minihydro plant based on time series forecasting | |
| Hjelmeland et al. | Combined SDDP and simulator model for hydropower scheduling with sales of capacity | |
| Paliwal | A Technical Review on Reliability and Economic Assessment Framework of Hybrid Power System with Solar and Wind Based Distributed Generators | |
| Sun et al. | Assessing wind curtailment under different wind capacity considering the possibilistic uncertainty of wind resources |
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 |