CN108074038A - 一种考虑可再生能源及负荷多时空分布特性的电力生产模拟方法 - Google Patents

一种考虑可再生能源及负荷多时空分布特性的电力生产模拟方法 Download PDF

Info

Publication number
CN108074038A
CN108074038A CN201711306598.7A CN201711306598A CN108074038A CN 108074038 A CN108074038 A CN 108074038A CN 201711306598 A CN201711306598 A CN 201711306598A CN 108074038 A CN108074038 A CN 108074038A
Authority
CN
China
Prior art keywords
mrow
msub
load
regenerative resource
power generation
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.)
Granted
Application number
CN201711306598.7A
Other languages
English (en)
Other versions
CN108074038B (zh
Inventor
黄俊辉
谢珍建
祁万春
张文嘉
吴晨
张群
吴俊宏
臧德春
刘高维
陈竹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Southeast University
Economic and Technological Research Institute of State Grid Jiangsu Electric Power Co Ltd
China Power Engineering Consulting Group East China Electric Power Design Institute Co Ltd
Original Assignee
State Grid Corp of China SGCC
Southeast University
Economic and Technological Research Institute of State Grid Jiangsu Electric Power Co Ltd
China Power Engineering Consulting Group East China Electric Power Design Institute Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Southeast University, Economic and Technological Research Institute of State Grid Jiangsu Electric Power Co Ltd, China Power Engineering Consulting Group East China Electric Power Design Institute Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201711306598.7A priority Critical patent/CN108074038B/zh
Publication of CN108074038A publication Critical patent/CN108074038A/zh
Application granted granted Critical
Publication of CN108074038B publication Critical patent/CN108074038B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • 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]

Abstract

本发明公开了一种考虑可再生能源及负荷多时空分布特性的电力生产模拟方法，考虑可再生能源与负荷时空分布特性共有16个场景组合，即考虑四季、工作日与休息日、昼夜进行组合，再计及可再生能源与负荷的空间相关性；考虑可再生能源与负荷的自相关系数，利用Pair Copula和拟蒙特卡洛采样方法得到每个场景下可再生能源与负荷的分布参数；考虑可再生能源及负荷多时空分布特性的N‑1故障情况下进行缺电成本计算。本发明考虑了不同场景下可再生能源及负荷分布特性及空间相关性，减少因不同场景和空间相关性引起的计算误差，使得电力生产模拟更加精确，可以为电网规划人员进行电力生产模拟提供指导性建议。

Description

一种考虑可再生能源及负荷多时空分布特性的电力生产模拟 方法
技术领域
本发明涉及一种电力生产模拟方法，属于电力系统控制技术领域。
背景技术
随着社会环境污染的日益严重，传统的火力发电已经不能满足人们对美好社会环境日益增长的需求，可再生能源尤其是风力发电和光伏发电，凭借着其低污染排放、灵活方便、接入电网能够在很大程度上改善环境污染问题等特点，得到了迅速的发展。
然而，风力发电和光伏发电等具有很强的随机性和间歇性,使得功率难以准确预测；并且同一区域内的多个电站由于处于同一风力或辐照强度带,其输出的功率具有一定的相关性，这种相关性使得叠加后的功率对电力系统的影响更加显著。因此在电力生产模拟中,计及多个新能源发电站出力的时空分布特性以及负荷的相关性，对于正确分析功率对系统的影响具有重要意义。
现有的电力生产模拟方法中，对场景的划分不够细致，或是只考虑粗略的时间分布特性，或是只考虑空间分布特性，有的甚至部分场景，导致计算不够准确。
发明内容
本发明所要解决的技术问题是：针对现有技术的不足，本发明公开了一种考虑可再生能源及负荷多时空分布特性的电力生产模拟方法。用于在不同场景下，计及可再生能源和负荷多时空分布特性，得到可再生能源和负荷分布参数，进行更加精确的电力生产模拟。
本发明为解决上述技术问题采用以下技术方案：
一种考虑可再生能源及负荷多时空分布特性的电力生产模拟方法，具体包括以下步骤：
步骤A：根据可再生能源与负荷的时间分布特性，将电力生产模拟进行多场景划分；
步骤B：基于地理位置引起的空间相关性，得到各个区域中可再生能源与负荷的自相关系数，采用拟蒙特卡洛法进行采样得到每个场景下的可再生能源与负荷功率样本；
步骤C：由所得的采样样本组成一个样本集合，在考虑系统N-1故障情况下，将集合中每一组采样样本带入电力系统中进行计算得到每一个节点的电量不足期望值，然后根据每组样本的电量不足期望值进一步计算出可再生能源与负荷多时空分布特性的N-1故障情况下的缺电成本。
进一步的，本发明提出的电力生产模拟方法，所述步骤A的多场景划分是指：
根据风电场、光伏电站和负荷在每个季节中工作日和休息日、昼、夜4种不同场景组合下的分布参数不同，结合四个季节共分成16个不同的场景。
进一步的，本发明提出的电力生产模拟方法，在步骤B中，针对步骤A划分的16个场景组合的每一个场景下，结合风电场、光伏电站以及负荷地理位置引起的空间相关性，经过统计分析的方法得到各个区域中可再生能源与负荷的自相关系数。
进一步的，本发明提出的电力生产模拟方法，所述统计分析的方法得到各个区域中可再生能源与负荷的自相关系数的具体步骤为：
首先，基于PairCopula的结构和拟合度检验方法，确定n维最优PairCopula函数，读取功率X历史数据以得到相应边缘概率分布函数和概率密度函数，令ui＝Fi(xi)，得到ui构成的样本U；
然后使用多种Copula函数对每一层Copula序列拟合并采用对数极大似然估计法得到相应参数，并选出最优Copula序列，用所得结果得到下式，完成建模：
其中，i＝2,3,...,n，j＝0,1,...,n-2，Fi(*)和fi(*)为边缘概率分布函数和边缘概率密度，F(*)和f(*)为联合分布函数和联合概率密度，C(*)和c(*)为Copula概率分布函数和Copula概率密度。
进一步的，本发明提出的电力生产模拟方法，用拟蒙特卡洛法QMC进行采样，是采用拟蒙特卡洛法QMC生成独立均匀分布zj的随机数，对随机数的每一采样点，逐步迭代求解下式，得到相应的随机变量ui采样，并基于ui＝Fi(xi)以及联合概率分布、联合概率密度得到相应的功率X采样值：
z1＝u1,zi＝F(ui|u1,u2,···,ui-1),
以上各式中，i＝2,3,...,n，j＝0,1,...,n-2，k＝0,1,...,n-m，m＝3,4,...n，Fi(*)和fi(*)为边缘概率分布函数和边缘概率密度，F(*)和f(*)为联合概率分布函数和联合概率密度，C(*)和c(*)为Copula概率分布函数和Copula概率密度。
进一步的，本发明提出的电力生产模拟方法，所述步骤C是将每组样本的电量不足期望值计算结果带入下式，得到在发生N-1故障情况下考虑可再生能源与负荷多时空分布特性的缺电成本：
式中，Ln为负荷节点数；SLD为系统的样本集合；Pr、Tr分别为第r个抽样样本的概率和持续时间；为节点i的缺电损失评价率，单位是元/kWh，即由于电网供电中断造成用户得不到电量而引起的损失；为第r个样本下，节点i的电量不足期望值，单位是kWh/期间。
进一步的，本发明提出的电力生产模拟方法，系统电量不足期望值的求解公式如下：
式中，SF为系统故障事件合集；分别为发生故障q时故障设备集合和正常设备集合；Pqj、Pqk为故障状态下，设备j、k的故障停运概率；Lq,r为发生故障q时系统的切负荷量。
本发明采用以上技术方案与现有技术相比，具有以下技术效果：
本发明考虑了不同场景下可再生能源及负荷分布特性及空间相关性，减少因不同场景和空间相关性引起的计算误差，使得电力生产模拟更加精确，可以为电网规划人员进行电力生产模拟提供指导性建议，具有很强的实用价值及现实意义。
附图说明
图1为本发明的一种考虑可再生能源及负荷多时空分布特性的电力生产模拟方法流程图。
图2为考虑可再生能源及负荷多时空分布特性的电力生产模拟方法的多场景划分树状图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明：
本技术领域技术人员可以理解的是，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
如图1所示，本发明公开了一种考虑可再生能源及负荷多时空分布特性的电力生产模拟方法，主要包括以下步骤：
步骤A：考虑可再生能源与负荷多时空分布特性的多场景生成方法，其具体步骤为：
考虑到一年四季中每一季的可再生能源与负荷分布参数会有一定不同，而每个季节中的工作日和休息日可再生能源与负荷分布参数也会有一定不同，甚至每一天的白天和夜晚可再生能源与负荷分布参数也会有一定不同。如果按照相同的可再生能源与负荷分布参数来进行电力生产模拟，那么计算结果必然会有较大的误差。
如图2所示，考虑风电、光电和负荷在四季、工作日和休息日、昼夜不同场景组合下的分布参数不同，可以分成16个不同的场景组合。以春天为例，有春天的工作日的白天和夜晚，春天的休息日的白天和夜晚，共4个不同场景，夏天、秋天、冬天以此类推，也各有4个不同场景。
另外，以上16个场景组合的每一个场景下，还要考虑由于风电厂、光电厂以及负荷地理位置引起的空间相关性。以同一区域的四个风电场为例，在同一时刻，这一区域的风力大小相差无几。在风电场出力-风速特性曲线上采样时，由于各个风电场采样是独立的，所以应把各个电厂相近的采样值作为一组数据，这就需要考虑这一区域风电场的自相关系数，把采样序列重新组合。
综上所述，考虑可再生能源与负荷多时空分布特性，共可分为16个场景，再考虑每个场景下的空间相关性。
步骤B：根据可再生能源与负荷的自相关系数得到每个场景下的可再生能源与负荷功率样本，其具体步骤为；
(1)针对步骤A划分的16个场景组合的每一个场景下，结合风电场、光伏电站以及负荷地理位置引起的空间相关性，经过统计分析的方法得到各个区域中可再生能源与负荷的自相关系数。
具体为：
首先基于PairCopula的结构和拟合度检验方法，确定n维最优PairCopula函数，读取功率X历史数据以得到相应边缘概率分布函数和概率密度函数，令ui＝Fi(xi)，得到ui构成的样本U。
然后使用多种Copula函数对每一层Copula序列拟合并采用对数极大似然估计法得到相应参数，并选出最优Copula序列，用所得结果得到下式，完成建模：
(2)用拟蒙特卡洛法(QMC)进行采样，采用QMC生成独立均匀分布zj的随机数，对随机数的每一采样点，逐步迭代求解下式，得到相应的随机变量uj采样并基于ui＝Fi(xi)以及联合概率分布、联合概率密度得到相应的功率X采样值：
z1＝u1,zi＝F(ui|u1,u2,···,ui-1),
以上各式中，i＝2,3,...,n，j＝0,1,...,n-2，k＝0,1,...,n-m，m＝3,4,...n，Fi(*)和fi(*)为边缘概率分布函数和边缘概率密度，F(*)和f(*)为联合分布函数和联合概率密度，C(*)和c(*)为Copula概率分布函数和Copula概率密度。
步骤C：进行可再生能源与负荷多时空分布特性的N-1故障情况下的缺电成本计算，其具体步骤为：
由可再生能源与负荷多时空分布特性所得的采样样本可以组成一个集合SLD。在考虑系统N-1故障情况下，将集合中每一组采样样本带入电力系统中进行计算可以得到每一个节点的电量不足期望值。将每组样本的电量不足期望值计算结果带入下式，可以得到在发生N-1故障情况下考虑可再生能源与负荷多时空分布特性的缺电成本：
式中，Ln为负荷节点数；SLD为系统的样本集合；Pr、Tr分别为第r个抽样样本的概率和持续时间；为节点i的缺电损失评价率，单位是元/kWh，即由于电网供电中断造成用户得不到电量而引起的损失；为第r个样本下，节点i的电量不足期望值，单位是kWh/期间。
系统电量不足期望值的求解公式如下：
式中，SF为系统故障事件合集；分别为发生故障q时故障设备集合和正常设备集合；Pqj、Pqk为故障状态下，设备j、k的故障停运概率；Lq,r为发生故障q时系统的切负荷量。
本发明公开的考虑可再生能源及负荷多时空分布特性的电力生产模拟方法，细致区别考虑了不同场景下可再生能源及负荷分布特性及空间相关性，减少了因不同场景和空间相关性引起的计算误差，使得电力生产模拟更加精确。
以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (7)

1.一种考虑可再生能源及负荷多时空分布特性的电力生产模拟方法，其特征在于，所述方法具体包括以下步骤：
步骤A：根据可再生能源与负荷的时间分布特性，将电力生产模拟进行多场景划分；
步骤B：基于地理位置引起的空间相关性，得到各个区域中可再生能源与负荷的自相关系数，采用拟蒙特卡洛法进行采样得到每个场景下的可再生能源与负荷功率样本；
步骤C：由所得的采样样本组成一个样本集合，在考虑系统N-1故障情况下，将集合中每一组采样样本带入电力系统中进行计算得到每一个节点的电量不足期望值，然后根据每组样本的电量不足期望值进一步计算出可再生能源与负荷多时空分布特性的N-1故障情况下的缺电成本。
2.根据权利要求1所述的一种考虑可再生能源及负荷多时空分布特性的电力生产模拟方法，其特征在于，所述步骤A的多场景划分是指：
根据风电场、光伏电站和负荷在每个季节中工作日和休息日、昼、夜4种不同场景组合下的分布参数不同，结合四个季节共分成16个不同的场景。
3.根据权利要求2所述的一种考虑可再生能源及负荷多时空分布特性的电力生产模拟方法，其特征在于，在步骤B中，针对步骤A划分的16个场景组合的每一个场景下，结合风电场、光伏电站以及负荷地理位置引起的空间相关性，经过统计分析的方法得到各个区域中可再生能源与负荷的自相关系数。
4.根据权利要求3所述的一种考虑可再生能源及负荷多时空分布特性的电力生产模拟方法，其特征在于，所述统计分析的方法得到各个区域中可再生能源与负荷的自相关系数的具体步骤为：
首先，基于Pair Copula的结构和拟合度检验方法，确定n维最优Pair Copula函数，读取功率X历史数据以得到相应边缘概率分布函数和概率密度函数，令ui＝Fi(xi)，得到ui构成的样本U；
然后使用多种Copula函数对每一层Copula序列拟合并采用对数极大似然估计法得到相应参数，并选出最优Copula序列，用所得结果得到下式，完成建模：
<mrow> <mi>c</mi> <mrow> <mo>(</mo> <msub> <mi>F</mi> <mn>1</mn> </msub> <mo>(</mo> <msub> <mi>x</mi> <mn>1</mn> </msub> <mo>)</mo> <mo>,</mo> <msub> <mi>F</mi> <mn>2</mn> </msub> <mo>(</mo> <msub> <mi>x</mi> <mn>2</mn> </msub> <mo>)</mo> <mo>,</mo> <mo>...</mo> <mo>,</mo> <msub> <mi>F</mi> <mi>n</mi> </msub> <mo>(</mo> <msub> <mi>x</mi> <mi>n</mi> </msub> <mo>)</mo> <mo>)</mo> </mrow> <munderover> <mo>&amp;Pi;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msub> <mi>f</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mi>c</mi> <mrow> <mo>(</mo> <msub> <mi>u</mi> <mn>1</mn> </msub> <mo>,</mo> <msub> <mi>u</mi> <mn>2</mn> </msub> <mo>,</mo> <mo>...</mo> <mo>,</mo> <msub> <mi>u</mi> <mi>n</mi> </msub> <mo>)</mo> </mrow> <munderover> <mo>&amp;Pi;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msub> <mi>f</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mo>,</mo> </mrow>
<mrow> <mi>c</mi> <mrow> <mo>(</mo> <msub> <mi>u</mi> <mn>1</mn> </msub> <mo>,</mo> <msub> <mi>u</mi> <mn>2</mn> </msub> <mo>,</mo> <mo>...</mo> <mo>,</mo> <msub> <mi>u</mi> <mi>n</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mrow> <mo>(</mo> <munderover> <mo>&amp;Pi;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mi>n</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <msub> <mi>c</mi> <mrow> <mn>1</mn> <mo>,</mo> <mn>1</mn> <mo>+</mo> <mi>i</mi> </mrow> </msub> <mo>(</mo> <mrow> <msub> <mi>u</mi> <mn>1</mn> </msub> <mo>,</mo> <msub> <mi>u</mi> <mrow> <mn>1</mn> <mo>+</mo> <mi>i</mi> </mrow> </msub> </mrow> <mo>)</mo> <mo>)</mo> </mrow> <mo>&amp;CenterDot;</mo> <mrow> <mo>(</mo> <munderover> <mo>&amp;Pi;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>2</mn> </mrow> <mrow> <mi>n</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <munderover> <mo>&amp;Pi;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mi>n</mi> <mo>-</mo> <mi>j</mi> </mrow> </munderover> <msub> <mi>c</mi> <mrow> <mi>j</mi> <mo>,</mo> <mi>j</mi> <mo>+</mo> <mi>i</mi> <mo>|</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>j</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>(</mo> <mrow> <mi>F</mi> <mrow> <mo>(</mo> <mrow> <msub> <mi>u</mi> <mi>j</mi> </msub> <mo>|</mo> <msub> <mi>u</mi> <mn>1</mn> </msub> <mo>,</mo> <msub> <mi>u</mi> <mn>2</mn> </msub> <mo>,</mo> <mo>...</mo> <mo>,</mo> <msub> <mi>u</mi> <mrow> <mi>j</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> </mrow> <mo>)</mo> </mrow> <mo>,</mo> <mi>F</mi> <mrow> <mo>(</mo> <mrow> <msub> <mi>u</mi> <mrow> <mi>j</mi> <mo>+</mo> <mi>i</mi> </mrow> </msub> <mo>|</mo> <msub> <mi>u</mi> <mn>1</mn> </msub> <mo>,</mo> <msub> <mi>u</mi> <mn>2</mn> </msub> <mo>,</mo> <mo>...</mo> <mo>,</mo> <msub> <mi>u</mi> <mrow> <mi>j</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> </mrow> <mo>)</mo> </mrow> </mrow> <mo>)</mo> <mo>)</mo> </mrow> </mrow>
其中，i＝2,3,...,n，j＝0,1,...,n-2，Fi(*)和fi(*)为边缘概率分布函数和边缘概率密度，F(*)和f(*)为联合分布函数和联合概率密度，C(*)和c(*)为Copula概率分布函数和Copula概率密度。
5.根据权利要求4所述的一种考虑可再生能源及负荷多时空分布特性的电力生产模拟方法，其特征在于，用拟蒙特卡洛法QMC进行采样，是采用拟蒙特卡洛法QMC生成独立均匀分布zj的随机数，对随机数的每一采样点，逐步迭代求解下式，得到相应的随机变量ui采样，并基于ui＝Fi(xi)以及联合概率分布、联合概率密度得到相应的功率X采样值：
z1＝u1,zi＝F(ui|u1,u2,···,ui-1),
<mrow> <mi>F</mi> <mrow> <mo>(</mo> <msub> <mi>u</mi> <mrow> <mn>2</mn> <mo>+</mo> <mi>j</mi> </mrow> </msub> <mo>|</mo> <msub> <mi>u</mi> <mn>1</mn> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <mo>&amp;part;</mo> <msub> <mi>C</mi> <mrow> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>+</mo> <mi>j</mi> </mrow> </msub> <mrow> <mo>(</mo> <msub> <mi>u</mi> <mn>1</mn> </msub> <mo>,</mo> <msub> <mi>u</mi> <mrow> <mn>2</mn> <mo>+</mo> <mi>j</mi> </mrow> </msub> <mo>)</mo> </mrow> </mrow> <mrow> <mo>&amp;part;</mo> <msub> <mi>u</mi> <mn>1</mn> </msub> </mrow> </mfrac> <mo>,</mo> </mrow>
<mrow> <mi>F</mi> <mrow> <mo>(</mo> <msub> <mi>u</mi> <mrow> <mi>m</mi> <mo>+</mo> <mi>k</mi> </mrow> </msub> <mo>|</mo> <msub> <mi>u</mi> <mn>1</mn> </msub> <mo>,</mo> <msub> <mi>u</mi> <mn>2</mn> </msub> <mo>,</mo> <mo>...</mo> <mo>,</mo> <msub> <mi>u</mi> <mrow> <mi>m</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <mo>&amp;part;</mo> <msub> <mi>C</mi> <mrow> <mi>m</mi> <mo>-</mo> <mn>1</mn> <mo>,</mo> <mi>m</mi> <mo>+</mo> <mi>k</mi> <mo>|</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mi>m</mi> <mo>-</mo> <mn>2</mn> </mrow> </msub> <mrow> <mo>(</mo> <mi>F</mi> <mo>(</mo> <mrow> <msub> <mi>u</mi> <mrow> <mi>m</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>|</mo> <msub> <mi>u</mi> <mn>1</mn> </msub> <mo>,</mo> <msub> <mi>u</mi> <mn>2</mn> </msub> <mo>,</mo> <mo>...</mo> <mo>,</mo> <msub> <mi>u</mi> <mrow> <mi>m</mi> <mo>-</mo> <mn>2</mn> </mrow> </msub> </mrow> <mo>)</mo> <mo>,</mo> <mi>F</mi> <mo>(</mo> <mrow> <msub> <mi>u</mi> <mrow> <mi>m</mi> <mo>+</mo> <mi>k</mi> </mrow> </msub> <mo>|</mo> <msub> <mi>u</mi> <mn>1</mn> </msub> <mo>,</mo> <msub> <mi>u</mi> <mn>2</mn> </msub> <mo>,</mo> <mo>...</mo> <mo>,</mo> <msub> <mi>u</mi> <mrow> <mi>m</mi> <mo>-</mo> <mn>2</mn> </mrow> </msub> </mrow> <mo>)</mo> <mo>)</mo> </mrow> </mrow> <mrow> <mo>&amp;part;</mo> <mi>F</mi> <mrow> <mo>(</mo> <msub> <mi>u</mi> <mrow> <mi>m</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>|</mo> <msub> <mi>u</mi> <mn>1</mn> </msub> <mo>,</mo> <msub> <mi>u</mi> <mn>2</mn> </msub> <mo>,</mo> <mo>...</mo> <mo>,</mo> <msub> <mi>u</mi> <mrow> <mi>m</mi> <mo>-</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>,</mo> </mrow>
以上各式中，i＝2,3,...,n，j＝0,1,...,n-2，k＝0,1,...,n-m，m＝3,4,...n，Fi(*)和fi(*)为边缘概率分布函数和边缘概率密度，F(*)和f(*)为联合概率分布函数和联合概率密度，C(*)和c(*)为Copula概率分布函数和Copula概率密度。
6.根据权利要求1所述的一种考虑可再生能源及负荷多时空分布特性的电力生产模拟方法，其特征在于，所述步骤C是将每组样本的电量不足期望值计算结果带入下式，得到在发生N-1故障情况下考虑可再生能源与负荷多时空分布特性的缺电成本：
<mrow> <msub> <mi>C</mi> <mrow> <mi>o</mi> <mi>c</mi> </mrow> </msub> <mo>=</mo> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>r</mi> <mo>&amp;Element;</mo> <msub> <mi>S</mi> <mrow> <mi>L</mi> <mi>D</mi> </mrow> </msub> </mrow> </munder> <msub> <mi>P</mi> <mi>r</mi> </msub> <msub> <mi>T</mi> <mi>r</mi> </msub> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>L</mi> <mi>n</mi> </msub> </munderover> <msub> <mi>I</mi> <mrow> <msub> <mi>IEAR</mi> <mi>i</mi> </msub> </mrow> </msub> <mo>&amp;times;</mo> <msub> <mi>E</mi> <mrow> <msub> <mi>EENS</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>r</mi> </mrow> </msub> </mrow> </msub> <mo>,</mo> </mrow>
式中，Ln为负荷节点数；SLD为系统的样本集合；Pr、Tr分别为第r个抽样样本的概率和持续时间；为节点i的缺电损失评价率，单位是元/kWh，即由于电网供电中断造成用户得不到电量而引起的损失；为第r个样本下，节点i的电量不足期望值，单位是kWh/期间。
7.根据权利要求1所述的一种考虑可再生能源及负荷多时空分布特性的电力生产模拟方法，其特征在于，系统电量不足期望值的求解公式如下：
<mrow> <msub> <mi>E</mi> <mrow> <msub> <mi>EENS</mi> <mi>r</mi> </msub> </mrow> </msub> <mo>=</mo> <munder> <mi>&amp;Sigma;</mi> <mrow> <mi>q</mi> <mo>&amp;Element;</mo> <msub> <mi>S</mi> <mi>F</mi> </msub> </mrow> </munder> <msub> <mi>L</mi> <mrow> <mi>q</mi> <mo>,</mo> <mi>r</mi> </mrow> </msub> <munder> <mi>&amp;Pi;</mi> <mrow> <mi>i</mi> <mo>&amp;Element;</mo> <msub> <mi>S</mi> <msub> <mi>h</mi> <mi>q</mi> </msub> </msub> </mrow> </munder> <msub> <mi>P</mi> <mrow> <mi>q</mi> <mi>j</mi> </mrow> </msub> <munder> <mi>&amp;Pi;</mi> <mrow> <mi>i</mi> <mo>&amp;Element;</mo> <msub> <mi>S</mi> <msub> <mi>H</mi> <mi>q</mi> </msub> </msub> </mrow> </munder> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <msub> <mi>P</mi> <mrow> <mi>q</mi> <mi>k</mi> </mrow> </msub> <mo>)</mo> </mrow> </mrow>
式中，SF为系统故障事件合集；分别为发生故障q时故障设备集合和正常设备集合；Pqj、Pqk为故障状态下，设备j、k的故障停运概率；Lq,r为发生故障q时系统的切负荷量。
CN201711306598.7A 2017-12-11 2017-12-11 一种考虑可再生能源及负荷多时空分布特性的电力生产模拟方法 Active CN108074038B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711306598.7A CN108074038B (zh) 2017-12-11 2017-12-11 一种考虑可再生能源及负荷多时空分布特性的电力生产模拟方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711306598.7A CN108074038B (zh) 2017-12-11 2017-12-11 一种考虑可再生能源及负荷多时空分布特性的电力生产模拟方法

Publications (2)

Publication Number Publication Date
CN108074038A true CN108074038A (zh) 2018-05-25
CN108074038B CN108074038B (zh) 2021-12-21

Family

ID=62157931

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711306598.7A Active CN108074038B (zh) 2017-12-11 2017-12-11 一种考虑可再生能源及负荷多时空分布特性的电力生产模拟方法

Country Status (1)

Country Link
CN (1) CN108074038B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108847661A (zh) * 2018-06-11 2018-11-20 华中科技大学 一种区域电力系统全年生产模拟运行方法及系统
CN108959719A (zh) * 2018-06-08 2018-12-07 中国科学院电工研究所 交直流混合的分布式可再生能源系统测试场景模拟方法
CN109038648A (zh) * 2018-07-10 2018-12-18 华中科技大学 一种基于Copula函数的风光联合出力建模方法
CN109617131A (zh) * 2018-12-07 2019-04-12 国网经济技术研究院有限公司 一种电力系统生产成本测算方法及系统
CN111401757A (zh) * 2020-03-19 2020-07-10 西安交通大学 一种计及时空相关性的多区域电力负荷时序场景建模方法
CN111797132A (zh) * 2020-06-17 2020-10-20 武汉大学 考虑时空相关性的多可再生能源电站功率场景生成方法
CN111882228A (zh) * 2020-07-31 2020-11-03 国网重庆市电力公司电力科学研究院 一种含分布式电源的配电网可靠性评估方法
CN113361129A (zh) * 2021-06-25 2021-09-07 国网经济技术研究院有限公司 一种考虑时间和空间尺度的新能源出力仿真方法和系统
CN113642886A (zh) * 2021-08-12 2021-11-12 国网经济技术研究院有限公司 规划电网线路利用率分析方法、系统、介质及计算设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104638644A (zh) * 2015-02-12 2015-05-20 河海大学 一种含风电场电力系统动态随机最优潮流获取方法
JP2016192864A (ja) * 2015-03-31 2016-11-10 日本電気株式会社 予測分布推定システム、予測分布推定方法、および予測分布推定プログラム
WO2017101945A1 (en) * 2015-12-18 2017-06-22 Vestas Wind Systems A/S Estimation of power quality at point of common coupling
CN107147152A (zh) * 2017-06-15 2017-09-08 广东工业大学 新能源配电网多类型有功无功源协同优化配置方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104638644A (zh) * 2015-02-12 2015-05-20 河海大学 一种含风电场电力系统动态随机最优潮流获取方法
JP2016192864A (ja) * 2015-03-31 2016-11-10 日本電気株式会社 予測分布推定システム、予測分布推定方法、および予測分布推定プログラム
WO2017101945A1 (en) * 2015-12-18 2017-06-22 Vestas Wind Systems A/S Estimation of power quality at point of common coupling
CN107147152A (zh) * 2017-06-15 2017-09-08 广东工业大学 新能源配电网多类型有功无功源协同优化配置方法及系统

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108959719B (zh) * 2018-06-08 2022-04-12 中国科学院电工研究所 交直流混合的分布式可再生能源系统测试场景模拟方法
CN108959719A (zh) * 2018-06-08 2018-12-07 中国科学院电工研究所 交直流混合的分布式可再生能源系统测试场景模拟方法
CN108847661B (zh) * 2018-06-11 2020-05-19 华中科技大学 一种区域电力系统全年生产模拟运行方法及系统
CN108847661A (zh) * 2018-06-11 2018-11-20 华中科技大学 一种区域电力系统全年生产模拟运行方法及系统
CN109038648B (zh) * 2018-07-10 2020-11-17 华中科技大学 一种基于Copula函数的风光联合出力建模方法
CN109038648A (zh) * 2018-07-10 2018-12-18 华中科技大学 一种基于Copula函数的风光联合出力建模方法
CN109617131B (zh) * 2018-12-07 2022-03-04 国网经济技术研究院有限公司 一种电力系统生产成本测算方法及系统
CN109617131A (zh) * 2018-12-07 2019-04-12 国网经济技术研究院有限公司 一种电力系统生产成本测算方法及系统
CN111401757A (zh) * 2020-03-19 2020-07-10 西安交通大学 一种计及时空相关性的多区域电力负荷时序场景建模方法
CN111401757B (zh) * 2020-03-19 2022-04-22 西安交通大学 一种计及时空相关性的多区域电力负荷时序场景建模方法
CN111797132A (zh) * 2020-06-17 2020-10-20 武汉大学 考虑时空相关性的多可再生能源电站功率场景生成方法
CN111797132B (zh) * 2020-06-17 2022-05-13 武汉大学 考虑时空相关性的多可再生能源电站功率场景生成方法
CN111882228A (zh) * 2020-07-31 2020-11-03 国网重庆市电力公司电力科学研究院 一种含分布式电源的配电网可靠性评估方法
CN113361129A (zh) * 2021-06-25 2021-09-07 国网经济技术研究院有限公司 一种考虑时间和空间尺度的新能源出力仿真方法和系统
CN113361129B (zh) * 2021-06-25 2024-02-13 国网经济技术研究院有限公司 一种考虑时间和空间尺度的新能源出力仿真方法和系统
CN113642886A (zh) * 2021-08-12 2021-11-12 国网经济技术研究院有限公司 规划电网线路利用率分析方法、系统、介质及计算设备

Also Published As

Publication number Publication date
CN108074038B (zh) 2021-12-21

Similar Documents

Publication Publication Date Title
CN108074038A (zh) 一种考虑可再生能源及负荷多时空分布特性的电力生产模拟方法
Tobin et al. Vulnerabilities and resilience of European power generation to 1.5 C, 2 C and 3 C warming
Bekele et al. Wind energy potential assessment at four typical locations in Ethiopia
Khan et al. Optimal combination of solar, wind, micro-hydro and diesel systems based on actual seasonal load profiles for a resort island in the South China Sea
CN109524993B (zh) 用于中长期优化调度的风电光伏典型周出力场景生成方法
CN102055188B (zh) 基于时间序列法的超短期风电功率预报方法
CN107093007A (zh) 一种考虑光储持续带载能力的配电网可靠性评估方法
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
Alanazi et al. Long-term solar generation forecasting
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
CN104319807A (zh) 一种基于Copula函数获取多风电场容量可信度的方法
CN104217077A (zh) 一种反映风速变化特性的风力发电出力随机模型建模方法
Nadimi et al. Analyzing of renewable and non-renewable energy consumption via bayesian inference
CN112952818B (zh) 一种基于出力互补性的风光水多能互补容量优化配置方法
CN107681655A (zh) 一种潮汐流能发电场协调规划方法
Pambudi et al. Wind turbine site selection in Indonesia, based on a hierarchical dual data envelopment analysis model
Acuzar et al. Effects of weather and climate on renewable energy resources in a distributed generation system simulated in Visayas, Philippines
CN103927597A (zh) 基于自回归滑动平均模型的风电功率超短期预测方法
CN105389744B (zh) 一种基于负荷昼夜峰值差约束的光伏容量可信度的评估方法
CN104239962A (zh) 一种基于相关性分析的区域电网总风功率短期预测方法
CN114123313A (zh) 一种时序生产模拟新能源电力系统消纳方法
CN106557867B (zh) 适用中长时间尺度电网分析的光伏发电概率模型建模方法
CN105956713A (zh) 一种新能源年/月电量计划制定方法
CN103530508B (zh) 一种建立风速功率转换概率模型的方法
CN103413021B (zh) 电力系统规划中检修备用容量评估方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant