CN106447238A - 适应风电接入的深度调峰需求评估方法 - Google Patents
适应风电接入的深度调峰需求评估方法 Download PDFInfo
- Publication number
- CN106447238A CN106447238A CN201610985017.6A CN201610985017A CN106447238A CN 106447238 A CN106447238 A CN 106447238A CN 201610985017 A CN201610985017 A CN 201610985017A CN 106447238 A CN106447238 A CN 106447238A
- Authority
- CN
- China
- Prior art keywords
- wind
- load
- wind power
- depth peak
- peak regulation
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000010354 integration Effects 0.000 title claims abstract description 29
- 241000039077 Copula Species 0.000 claims abstract description 12
- 230000005611 electricity Effects 0.000 claims description 69
- 238000005516 engineering process Methods 0.000 claims description 60
- 238000004364 calculation method Methods 0.000 claims description 26
- 230000029087 digestion Effects 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 description 43
- 230000006978 adaptation Effects 0.000 description 9
- 230000003442 weekly effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000005315 distribution function Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010304 firing Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Wind Motors (AREA)
Abstract
本发明提供了一种适应风电接入的深度调峰需求评估方法,其中,该方法包括:基于Copula函数构造网供负荷和风电功率的联合概率密度函数;根据所述联合概率密度函数计算等效网供负荷的概率密度函数;根据所述概率密度函数和常规机组最小技术出力计算弃风电量;根据风电理论电量和所述弃风电量评估常规机组深度调峰需求。本发明充分考虑了负荷和风电功率的相关性,有效提高了对深度调峰需求评估的准确性和适应性。
Description
技术领域
本发明涉及电力调度技术,尤其涉及一种风电接入对调峰需求的估计方法,具体来说就是一种适应风电接入的深度调峰需求评估方法。
背景技术
随着风电快速发展,高占比、大规模集中并网带来的电网安全稳定运行和消纳的矛盾日益突出,电力系统调峰能力不足正在成为制约风电消纳的重要因素。特别是在我国“三北”地区,随着风电等间歇式能源渗透率的提高,一方面,增加了系统调峰服务的需求量;另一方面,由于风电的随机性和波动性,又加大了系统调峰服务的技术难度,致使目前的常规电源提供调峰的能力已经接近极限,无法进一步满足风电大规模的上网需求。
为了满足风电迅速发展的需求,目前采取的重要手段主要包括两方面:一是在电源规划方面,加大灵活电源(水电、燃油燃气、抽蓄)建设,优化电源结构;二是在调峰性能方面,通过改造最小技术出力优化调峰电源深度调峰能力,以适应风电间歇性、波动性和随机性的特点。
然而,目前在风电对深度调峰需求方面缺乏量化分析,且主要通过功率预测序列的方式对调峰需求进行评估,而未充分考虑负荷和风电之间的相关性,现有评估方法依赖功率序列的预测精度,当模拟序列与实际序列偏差较大时会严重影响评估的准确性。
因此,本领域技术人员亟需研发一种适应风电接入的深度调峰需求评估方法,从而有效提高对深度调峰需求评估的准确性和适应性。
发明内容
有鉴于此,本发明要解决的技术问题在于提供一种适应风电接入的深度调峰需求评估方法,改善了现有技术中通过模拟序列的方式对调峰能力进行评估的准确性和适应性。
为了解决上述技术问题,本发明的具体实施方式提供一种适应风电接入的深度调峰需求评估方法,包括:基于Copula函数构造网供负荷和风电功率的联合概率密度函数;根据所述联合概率密度函数计算等效网供负荷的概率密度函数;根据所述概率密度函数和常规机组最小技术出力计算弃风电量;根据风电理论电量和所述弃风电量评估常规机组深度调峰需求。
根据本发明的上述具体实施方式可知,适应风电接入的深度调峰需求评估方法至少具有以下有益效果:通过Copula函数构造负荷和风电的联合概率分布,再根据联合概率分布计算等效网供负荷的概率密度函数,然后根据等效网供负荷的概率密度函数和常规机组的最小技术出力计算弃风电量,最终根据风电消纳水平要求,评估常规机组深度调峰需求,本发明充分考虑了负荷和风电功率的相关性,有效提高了对深度调峰需求评估的准确性和适应性。
应了解的是,上述一般描述及以下具体实施方式仅为示例性及阐释性的,其并不能限制本发明所欲主张的范围。
附图说明
下面的所附附图是本发明的说明书的一部分,其绘示了本发明的示例实施例,所附附图与说明书的描述一起用来说明本发明的原理。
图1为本发明具体实施方式提供的一种适应风电接入的深度调峰需求评估方法的实施例一的流程图;
图2为本发明具体实施方式提供的一种适应风电接入的深度调峰需求评估方法的实施例二的流程图;
图3为本发明具体实施方式提供的一种适应风电接入的深度调峰需求评估方法的实施例三的流程图;
图4为本发明具体实施方式提供的一种适应风电接入的深度调峰需求评估方法的具体实施流程图;
图5为本发明具体实施方式提供的风电弃风示意图;
图6为本发明具体实施方式提供的某地区电网2015年实际运行数据示意图;
图7为本发明具体实施方式提供的某地区电网2015年度第一周网供负荷和理论风电功率的联合概率分布图;
图8为本发明具体实施方式提供的某地区电网2015年度第一周等效网供负荷的概率密度函数图;
图9为本发明具体实施方式提供的某地区电网2015年度常规机组日最大技术出力曲线图;
图10为本发明具体实施方式提供的某地区电网2015年度弃风电量柱状分布图。
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,下面将以附图及详细叙述清楚说明本发明所揭示内容的精神,任何所属技术领域技术人员在了解本发明内容的实施例后,当可由本发明内容所教示的技术,加以改变及修饰,其并不脱离本发明内容的精神与范围。
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。另外,在附图及实施方式中所使用相同或类似标号的元件/构件是用来代表相同或类似部分。
关于本文中所使用的“第一”、“第二”、…等,并非特别指称次序或顺位的意思,也非用以限定本发明,其仅为了区别以相同技术用语描述的元件或操作。
关于本文中所使用的方向用语,例如:上、下、左、右、前或后等,仅是参考附图的方向。因此,使用的方向用语是用来说明并非用来限制本创作。
关于本文中所使用的“包含”、“包括”、“具有”、“含有”等等,均为开放性的用语,即意指包含但不限于。
关于本文中所使用的“及/或”,包括所述事物的任一或全部组合。
关于本文中所使用的用语“大致”、“约”等,用以修饰任何可以微变化的数量或误差,但这些微变化或误差并不会改变其本质。一般而言,此类用语所修饰的微变化或误差的范围在部分实施例中可为20%,在部分实施例中可为10%,在部分实施例中可为5%或是其他数值。本领域技术人员应当了解,前述提及的数值可依实际需求而调整,并不以此为限。
某些用以描述本申请的用词将于下或在此说明书的别处讨论,以提供本领域技术人员在有关本申请的描述上额外的引导。
图1为本发明具体实施方式提供的一种适应风电接入的深度调峰需求评估方法的实施例一的流程图,如图1所示,通过Copula函数构造负荷和风电的联合概率分布,再根据联合概率分布计算等效网供负荷的概率密度函数,然后根据等效网供负荷的概率密度函数和常规机组的最小技术出力计算弃风电量,最终根据风电消纳水平要求,评估常规机组深度调峰需求。
该附图所示的具体实施方式包括:
步骤101:基于Copula函数构造网供负荷和风电功率的联合概率密度函数。
步骤102:根据所述联合概率密度函数计算等效网供负荷的概率密度函数。根据网供负荷和风电功率的联合概率密度函数,通过积分运算得到等效网供负荷的概率分布函数,再对概率分布函数进行微分,从而得到等效网供负荷的概率密度函数。
步骤103:根据所述概率密度函数和常规机组最小技术出力计算弃风电量。如果等效网供负荷大于常规机组最小技术出力,则风电能够全部消纳,不会产生弃风;如果等效网供负荷小于常规机组最小技术出力,则会产生弃风,弃风电量为常规机组最小技术出力与等效网供负荷之差。
步骤104:根据风电理论电量和所述弃风电量评估常规机组深度调峰需求。弃风电量与风电理论电量之比为弃风率,在弃风率满足预定要求的前提下,计算出常规机组深度调峰需求。
参见图1,本发明利用Copula函数构造网供负荷和风电功率的联合概率分布,再根据联合概率分布计算等效网供负荷的概率密度函数,再根据等效网供负荷的概率密度函数和常规机组最小技术出力计算弃风电量,最终根据风电消纳水平要求,评估常规机组深度调峰需求,充分考虑了负荷和风电功率的相关性,有效提高了对深度调峰需求评估的准确性和适应性。
图2为本发明具体实施方式提供的一种适应风电接入的深度调峰需求评估方法的实施例二的流程图,如图2所示,根据负荷历史数据、风电历史数据和联络线历史数据分别计算负荷预测数据、风电功率预测数据和联络线预测数据,从负荷预测数据中扣除联络线预测数据得到未来第i年的网供负荷。
该附图所示的具体实施方式中,步骤101之前,该方法还包括:
步骤001:根据历史数据计算预测数据。历史数据包括负荷历史数据、风电功率历史数据和联络线历史数据。
步骤002:根据所述预测数据获取网供负荷。从负荷预测数据中扣除联络线预测数据得到未来第i年的网供负荷。
本发明的具体实施例中,步骤001具体包括:根据负荷历史数据计算负荷预测数据;根据风电功率历史数据计算风电功率预测数据;根据联络线历史数据计算联络线预测数据。
步骤002具体包括:根据所述负荷预测数据和所述联络线预测数据获取网供负荷。
其中,所述网供负荷的具体计算公式为:
其中,为未来第i年的网供负荷预测数据;为未来第i年的负荷预测数据;为未来第i年的联络线预测数据,
所述负荷预测数据的具体计算公式为:
其中,α为负荷增长率;i的单位为年;为负荷历史数据,
所述联络线预测数据的具体计算公式为:
其中,A为当前联络线总容量;B为未来第i年联络线总容量;为联络线历史数据。
图3为本发明具体实施方式提供的一种适应风电接入的深度调峰需求评估方法的实施例三的流程图,如图3所示,根据等效网供负荷确定常规机组最大技术出力,根据常规机组最大技术出力,确定常规机组开机方式,并以此确定常规机组最小技术出力。
该附图所示的具体实施方式中,步骤103之前,该方法还包括:
步骤102-1:根据等效网供负荷确定常规机组最大技术出力。本发明的具体实施例中,根据周度等效网供负荷确定常规机组最大技术出力。
步骤102-3:根据所述常规机组最大技术出力确定常规机组开机方式。
步骤102-3:根据所述常规机组开机方式确定常规机组最小技术出力。确定常规机组最小技术出力时,常规机组的开机方式分为供热期和非供热期。
本发明的具体实施例中,所述常规机组最大技术出力Pgmax的具体计算公式为:
Pgmax=(1+Kup)·max(PD)
其中,Kup为系统上备用率;PD为等效网供负荷。
另外,所述常规机组最小技术出力Pgmin的具体计算公式为:
其中,常规机组开机方式的具体计算公式为:
其中,n为电网内常规机组台数;m为电网内供热机组台数;Ni和Nj为开机系数,如果对应机组开机,则Ni和Nj为1,如果对应机组停机,则Ni和Nj为0;Cgmax_i为第i台常规机组最大技术出力系数;Cgmin_i为第i台常规机组最小技术出力系数;Pgn_i为第i台常规机组的额定容量;Cgmax_j为第j台供热机组最小技术出力系数;Cgmin_j为第j台供热机组最小技术出力系数;Pgn_j为第j台供热机组的额定容量。
本发明的具体实施例中,所述弃风电量Qq的具体计算公式为:
其中,Pgmin为常规机组最小技术出力;fD(PD)为等效网供负荷的概率密度函数。
进一步地,所述常规机组深度调峰需求R的具体计算公式为:
其中:
其中,Qq为弃风电量;Ql为风电理论电量;fW(PW)为理论风电功率的概率密度函数;P′gmin为常规机组改造后最小技术出力;q为最大弃风率,设定值,表征风电消纳水平。
参见图3,本发明充分考虑了等效网供负荷和风电交互关系,有效提高了对深度调峰需求评估的准确性和适应性。
图4为本发明具体实施方式提供的一种适应风电接入的深度调峰需求评估方法的具体实施流程图,结合图4,深度调峰需求评估方法包括以下几个步骤:
步骤一:根据负荷历史数据、风电历史数据和联络线历史数据,计算相应的预测数据。
1.1.负荷预测数据
基于负荷历史数据计算未来第i年的负荷预测数据
式中:α为负荷增长率,负荷数据分辨率为1分钟。
1.2.风电功率预测序列数据
基于风电功率历史数据计算相应的风电功率预测数据
式中:β为负荷增长率,λ为风电历史实际数据的弃风率,风电功率数据分辨率为1分钟。
1.3.联络线预测序列数据
基于联络线历史数据计算未来第i年的联络线预测数据
式中:A为当前联络线总容量,B为未来第i年联络线总容量,联络线数据分辨率为1分钟。
步骤二、从负荷预测数据中扣除联络线预测数据得到未来第i年的网供负荷
步骤三、按照周度计划,基于网供负荷和风电功率预测数据利用Copula函数构造第j周网供负荷和风电功率的联合概率密度函数
3.1.核密度估计
对于网供负荷和风电功率可得到相应核密度估计fG(PG)和fW(PW)。
式中:n为样本个数,h为带宽,K(·)为核函数。
分别对fG(PG)和fW(PW)进行积分可得到网供负荷和风电功率的累计概率分布FG(PG)和FW(PW)。
3.2.相关参数θ计算
令(xi,yi)和(xj,yj)为的任意2个可能值,则网供负荷和风电功率的Kendall秩相关系数
τ=P{(xi-xj)(yi-yj)>0}-P{(xi-xj)(yi-yj)<0} (7)
则相应相关参数θ
3.3.联合概率密度函数构建
基于Copula理论,构建网供负荷和风电功率的联合分布函数。
H(PG,PW)=exp{-[(-lnFG(PG))θ+(-lnFW(PW))θ]} (9)
对联合分布函数H(PG,PW)进行积分可得到网供负荷和风电功率的联合概率密度函数h(PG,PW)。
步骤四、根据以上联合概率密度函数计算等效网供负荷的概率密度函数fD(PD)
根据第j周网供负荷和第j周风电功率的联合概率密度函数h(PG,PW),通过积分运算得到第j周等效网供负荷的概率分布函数,
对累积概率分布FD(PD)进行微分计算得到等效网供负荷的概率密度函数fD(PD)。
步骤五、根据等效网供负荷确定常规机组最大技术出力
Pgmax=(1+Kup)·max(PD) (11)
式中:Kup为系统上备用率,系统上备用率表示往上留有余量。
步骤六、根据常规机组最大技术出力,确定常规机组开机方式,并以此确定常规机组最小技术出力
6.1.供热期常规机组开机方式
式中:n为电网内常规机组台数;m为电网内供热机组台数;N开机系数,如果机组开机,则N=1,如果机组停机,则N=0;Cgmax_j为第j台供热机组最大技术出力系数;Pgn_j为第j台供热机组的额定容量。
由以上开机方式,确定当前开机方式下常规机组的最小技术出力
6.2.非供热期常规机组开机方式
式中:Cgmax_i为第i台常规机组最大技术出力系数;Pgn_i为第i台常规机组的额定容量。
由以上开机方式,确定当前开机方式下常规机组的最小技术出力
步骤七、根据等效网供负荷的概率密度函数fD(PD)和常规机组的最小技术出力Pgmin计算弃风电量
图5为本发明具体实施方式提供的风电弃风示意图,如图5所示,如果等效网供负荷大于最小技术出力Pgmin,则风电能够全部消纳,不会产生弃风;如果效网供负荷小于最小技术出力Pgmin,则会产生弃风,弃风电量为
因此,基于等效网供负荷的概率密度函数和常规机组的最小技术出力可计算弃风电量
式中:Qq为周度弃风电量。
步骤八、根据风电消纳水平要求(即保障一定弃风率q),评估常规机组深度调峰需求
8.1.风电理论电量
基于风电功率的概率密度函数fW(PW)计算风电理论电量
Ql=∫PW·fW(PW)dPW (17)
8.2.弃风电量
如果常规机组的最小技术出力系数均降低ΔC(深度调峰改善度),则风电的弃风电量将会得到有效缓解,相应的弃风电量
式中:
8.3.深度调峰需求
在满足一定风电消纳水平(即保障一定弃风率q)的情况下,计算深度调峰改善度需求ΔC。
具体实施案例
一、基础数据
以某地区电网2015年实际运行数据为例进行计算,预测2020年负荷、联络线和风电理论功率数据如图6所示,图6为本发明具体实施方式提供的某地区电网2015年实际运行数据示意图。
二、构建网供负荷和风电功率的联合概率分布
基于copula理论求解各周网供负荷和风电功率的联合概率分布,第一周网供负荷和理论风电功率的联合概率分布如下图7所示,图7为本发明具体实施方式提供的某地区电网2015年度第一周网供负荷和风电功率的联合概率分布图。
三、计算等效网供负荷概率密度函数
通过对联合概率分布积分运算得到等效网供负荷的概率密度函数,第一周等效网供负荷的概率密度函数如下图8所示,图8为本发明具体实施方式提供的某地区电网2015年度第一周等效网供负荷的概率密度函数图。
四、确定每周常规机组最大技术出力及最小技术出力
分别计算每周常规机组的最大技术出力和最小出力如下图9所示,图9为本发明具体实施方式提供的某地区电网2015年度常规机组日最大技术出力曲线图。
五、计算弃风电量
分别计算每周弃风电量如下图10所示,图10为本发明具体实施方式提供的某地区电网2015年度弃风电量柱状分布图。
在现有机组深度调峰技术水平下,2020年全网弃风将达到78.65亿千瓦时,弃风比例达到26.5%。
六、评估深度调峰需求
分别对三种风电消纳水平需求场景计算深度调峰需求,如表1所示,表1为不同场景下深度调峰需求。
表1
场景 | 20%弃风率 | 15%弃风率 | 10%弃风率 |
调峰深度改善率 | 5.45% | 10.69% | 16.12% |
从计算结果可以知道,为满足三种不同场景下风电消纳水平需求,需对常规机组深度调峰技术水平进行改造,调峰深度分别需下降5.45个百分点、10.69个百分点和16.12个百分点。
本发明提供一种适应风电接入的深度调峰需求评估方法,通过Copula函数构造负荷和风电的联合概率密度函数,再根据联合概率分布计算等效网供负荷的概率密度函数,然后根据等效网供负荷的概率密度函数和常规机组的最小技术出力计算弃风电量,最终根据风电消纳水平要求,评估常规机组深度调峰需求,充分考虑了负荷和风电功率的相关性,有效提高了对深度调峰需求评估的准确性和适应性。
上述的本发明实施例可在各种硬件、软件编码或两者组合中进行实施。例如,本发明的实施例也可为在数据信号处理器(Digital Signal Processor,DSP)中执行上述方法的程序代码。本发明也可涉及计算机处理器、数字信号处理器、微处理器或现场可编程门阵列(Field Programmable Gate Array,FPGA)执行的多种功能。可根据本发明配置上述处理器执行特定任务,其通过执行定义了本发明揭示的特定方法的机器可读软件代码或固件代码来完成。可将软件代码或固件代码发展为不同的程序语言与不同的格式或形式。也可为不同的目标平台编译软件代码。然而,根据本发明执行任务的软件代码与其他类型配置代码的不同代码样式、类型与语言不脱离本发明的精神与范围。
以上所述仅为本发明示意性的具体实施方式,在不脱离本发明的构思和原则的前提下,任何本领域的技术人员所做出的等同变化与修改,均应属于本发明保护的范围。
Claims (11)
1.一种适应风电接入的深度调峰需求评估方法,其特征在于,该方法包括:
基于Copula函数构造网供负荷和风电功率的联合概率密度函数;
根据所述联合概率密度函数计算等效网供负荷的概率密度函数;
根据所述概率密度函数和常规机组最小技术出力计算弃风电量;以及
根据风电理论电量和所述弃风电量评估常规机组深度调峰需求。
2.如权利要求1所述的适应风电接入的深度调峰需求评估方法,其特征在于,基于Copula函数构造网供负荷和风电功率的联合概率密度函数的步骤之前,该方法还包括:
根据历史数据计算预测数据;以及
根据所述预测数据获取网供负荷。
3.如权利要求2所述的适应风电接入的深度调峰需求评估方法,其特征在于,根据历史数据计算预测数据的步骤,具体包括:
根据负荷历史数据计算负荷预测数据;
根据风电功率历史数据计算风电功率预测数据;以及
根据联络线历史数据计算联络线预测数据。
4.如权利要求3所述的适应风电接入的深度调峰需求评估方法,其特征在于,根据所述预测数据获取网供负荷的步骤,具体包括:
根据所述负荷预测数据和所述联络线预测数据获取网供负荷。
5.如权利要求4所述的适应风电接入的深度调峰需求评估方法,其特征在于,所述网供负荷的具体计算公式为:
其中,为未来第i年的网供负荷预测数据;为未来第i年的负荷预测数据;为未来第i年的联络线预测数据,
所述负荷预测数据的具体计算公式为:
其中,α为负荷增长率;i的单位为年;为当年负荷历史数据,
所述联络线预测数据的具体计算公式为:
其中,A为当前联络线总容量;B为未来第i年联络线总容量;为当年联络线历史数据。
6.如权利要求1所述的适应风电接入的深度调峰需求评估方法,其特征在于,根据所述概率密度函数和常规机组最小技术出力计算弃风电量的步骤之前,该方法还包括:
根据等效网供负荷确定常规机组最大技术出力;
根据所述常规机组最大技术出力确定常规机组开机方式;以及
根据所述常规机组开机方式确定常规机组最小技术出力。
7.如权利要求6所述的适应风电接入的深度调峰需求评估方法,其特征在于,所述常规机组最大技术出力Pgmax的具体计算公式为:
Pgmax=(1+Kup)·max(PD)
其中,Kup为系统上备用率;PD为等效网供负荷。
8.如权利要求6所述的适应风电接入的深度调峰需求评估方法,其特征在于,所述常规机组开机方式的具体计算公式为:
其中,n为电网内常规机组台数;m为电网内供热机组台数;Ni和Nj为开机系数,如果对应机组开机,则Ni和Nj为1,如果对应机组停机,则Ni和Nj为0;Cgmax_i为第i台常规机组最小技术出力系数;Pgn_i为第i台常规机组的额定容量;Cgmax_j为第j台供热机组最小技术出力系数;Pgn_j为第j台供热机组的额定容量。
9.如权利要求6所述的适应风电接入的深度调峰需求评估方法,其特征在于,所述常规机组最小技术出力Pgmin的具体计算公式为:
其中,Cgmin_i为第i台常规机组最小技术出力系数;Pgn_i为第i台常规机组的额定容量;Cgmin_j为第j台供热机组最小技术出力系数;Pgn_j为第j台供热机组的额定容量。
10.如权利要求1所述的适应风电接入的深度调峰需求评估方法,其特征在于,所述弃风电量Qq的具体计算公式为:
其中,Pgmin为常规机组最小技术出力;fD(PD)为等效网供负荷的概率密度函数。
11.如权利要求10所述的适应风电接入的深度调峰需求评估方法,其特征在于,所述常规机组深度调峰需求ΔC的具体计算公式为:
其中:
其中,Qq为弃风电量;Ql为风电理论电量;fW(PW)为理论风电功率的概率密度函数;P′gmin为常规机组改造后最小技术出力;q为最大弃风率,为预设定值,用于表征风电消纳水平。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610985017.6A CN106447238A (zh) | 2016-10-24 | 2016-10-24 | 适应风电接入的深度调峰需求评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610985017.6A CN106447238A (zh) | 2016-10-24 | 2016-10-24 | 适应风电接入的深度调峰需求评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106447238A true CN106447238A (zh) | 2017-02-22 |
Family
ID=58208060
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610985017.6A Pending CN106447238A (zh) | 2016-10-24 | 2016-10-24 | 适应风电接入的深度调峰需求评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106447238A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110930014A (zh) * | 2019-11-18 | 2020-03-27 | 国网江苏省电力有限公司电力科学研究院 | 基于调峰需求的电力系统中长期弃风风险评估方法及装置 |
CN111130146A (zh) * | 2020-01-16 | 2020-05-08 | 南方电网科学研究院有限责任公司 | 一种基于火电深度调峰的水电消纳方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN104578122A (zh) * | 2015-02-04 | 2015-04-29 | 华北电力科学研究院有限责任公司 | 抽水蓄能电站的容量确定方法 |
CN105024398A (zh) * | 2015-06-29 | 2015-11-04 | 国电南瑞科技股份有限公司 | 一种基于最优风电置信度的优化调度方法 |
CN105449664A (zh) * | 2014-09-01 | 2016-03-30 | 北京华建网源电力设计研究所 | 一种风电消纳能力计算方法及系统 |
CN105515062A (zh) * | 2016-01-28 | 2016-04-20 | 国家电网公司 | 基于风电和水电的电力系统调峰方法 |
-
2016
- 2016-10-24 CN CN201610985017.6A patent/CN106447238A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105449664A (zh) * | 2014-09-01 | 2016-03-30 | 北京华建网源电力设计研究所 | 一种风电消纳能力计算方法及系统 |
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 |
CN104578122A (zh) * | 2015-02-04 | 2015-04-29 | 华北电力科学研究院有限责任公司 | 抽水蓄能电站的容量确定方法 |
CN105024398A (zh) * | 2015-06-29 | 2015-11-04 | 国电南瑞科技股份有限公司 | 一种基于最优风电置信度的优化调度方法 |
CN105515062A (zh) * | 2016-01-28 | 2016-04-20 | 国家电网公司 | 基于风电和水电的电力系统调峰方法 |
Non-Patent Citations (1)
Title |
---|
侯婷婷 等: "《含大型风电场的电力系统调峰运行特性分析》", 《电工技术学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110930014A (zh) * | 2019-11-18 | 2020-03-27 | 国网江苏省电力有限公司电力科学研究院 | 基于调峰需求的电力系统中长期弃风风险评估方法及装置 |
CN111130146A (zh) * | 2020-01-16 | 2020-05-08 | 南方电网科学研究院有限责任公司 | 一种基于火电深度调峰的水电消纳方法及装置 |
CN111130146B (zh) * | 2020-01-16 | 2021-07-20 | 南方电网科学研究院有限责任公司 | 一种基于火电深度调峰的水电消纳方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lannoye et al. | Evaluation of power system flexibility | |
Delarue et al. | Enhanced priority list unit commitment method for power systems with a high share of renewables | |
Maceira et al. | Use of the PAR (p) model in the stochastic dual dynamic programming optimization scheme used in the operation planning of the Brazilian hydropower system | |
CN110518583B (zh) | 一种考虑动态特性的综合能源系统可靠性评估方法 | |
Mitridati et al. | Heat and electricity market coordination: A scalable complementarity approach | |
CN104319807B (zh) | 一种基于Copula函数获取多风电场容量可信度的方法 | |
CN106505633B (zh) | 一种风光接入容量确定方法及装置 | |
CN103455716B (zh) | 一种基于超短期风电功率预测的电力系统电压稳定裕度计算方法 | |
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 | |
CN103117546A (zh) | 一种超短期风电功率滑动预测方法 | |
CN104331572A (zh) | 考虑风速和风电机组故障相关性的风电场可靠性建模方法 | |
CN105281358A (zh) | 调频和调峰充裕度约束下的风电极限并网容量计算方法 | |
Kouvaritakis et al. | Recent developments in stochastic MPC and sustainable development | |
CN107767086A (zh) | 基于发电功率预测的新能源场站出力下限滚动修正方法 | |
Abdullah et al. | A noniterative method to estimate load carrying capability of generating units in a renewable energy rich power grid | |
CN106447238A (zh) | 适应风电接入的深度调峰需求评估方法 | |
CN106779175A (zh) | 一种考虑分时段的非线性光伏出力预测方法 | |
CN116090730A (zh) | 基于激励需求响应的虚拟电厂负荷优化调度方法和系统 | |
Su et al. | Research on robust stochastic dynamic economic dispatch model considering the uncertainty of wind power | |
CN105279575B (zh) | 基于发电预测的多能源主体分布式博弈优化方法 | |
CN108767855A (zh) | 一种时序持续混合的电力系统随机生产模拟方法 | |
CN104009464A (zh) | 一种计及电阻的内嵌网损双层经济优化调度方法 | |
CN116797245A (zh) | 一种用电侧碳排放系数分摊方法及系统 | |
CN107844652A (zh) | 一种含电量调节层的电力系统生产模拟方法 | |
Sun et al. | Interval mixed-integer programming for daily unit commitment and dispatch incorporating wind power |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170222 |
|
RJ01 | Rejection of invention patent application after publication |