CN109272205B - 广义负荷特性分析方法及装置 - Google Patents
广义负荷特性分析方法及装置 Download PDFInfo
- Publication number
- CN109272205B CN109272205B CN201810973480.8A CN201810973480A CN109272205B CN 109272205 B CN109272205 B CN 109272205B CN 201810973480 A CN201810973480 A CN 201810973480A CN 109272205 B CN109272205 B CN 109272205B
- Authority
- CN
- China
- Prior art keywords
- load
- curve
- daily
- planning
- curves
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 40
- 238000004146 energy storage Methods 0.000 claims abstract description 82
- 230000008859 change Effects 0.000 claims abstract description 45
- 230000035699 permeability Effects 0.000 claims abstract description 32
- 230000001932 seasonal effect Effects 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000002360 preparation method Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 description 19
- 238000010248 power generation Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000005611 electricity Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
Images
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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
Abstract
本发明公开了广义负荷特性分析方法及装置,该方法包括建立步骤、编制步骤、分析步骤,通过建立能刻画广义负荷特性的指标体系和对规划年的典型日负荷曲线的编制,针对含分布式光伏、电动汽车和储能系统的某区域,在原负荷曲线的基础上,考虑新能源设备出力的影响,基于规划年份该区域第一产业、第二产业和第三产业的负荷占比的变化,以及分布式光伏、电动汽车和储能系统渗透率的变化,对该区域规划年的广义电力负荷特性进行预测和分析,能够为后续开展负荷预测、电力市场分析与规划等一系列工作奠定基础。
Description
技术领域
本发明涉及电力负荷特性分析的技术领域,尤其涉及广义负荷特性分析方法及装置。
背景技术
随着新能源发电技术的发展和快速推进,分布式电源和储能的接入容量都将不断增大。另一方面,由于汽车工业面临的环境问题和能源危机日益突出,世界各国正积极推动电动汽车产业发展,基于V2G(Vehicle-to-grid)技术的电动汽车在接入电网时具有移动储能的特性,也可以用来平抑新能源发电接入电网引起的波动。这使得原本呈放射状的配电网络逐步演变成一种遍布电源和用户互联的网络,用户的用电结构发生了改变,此时的电力负荷可以视为广义负荷,电力系统的负荷特性发生了明显变化。
随着我国经济的髙速发展,电力供需矛盾不断加剧。各地区电网的各时段最大负荷持续快速増长,峰谷差逐步加大,用电高峰期供需矛盾日益尖锐,负荷率和年最大负荷利用小时数逐渐下降,这些负荷特性的变化使得电网调峰困难,同时对系统运行的安全稳定性造成了较大威胁,也给电力市场分析、负荷预测、电网规划和市场营销等一系列电网工作带来诸多困难。负荷特性的调研、分析和预测这项基础性的工作也在我国电力市场的发展和电力技术水平不断提高的大背景下,在电力企业的经营管理和电网规划方面显示出其重要性,迫切需要大力加强。
发明内容
为了克服现有技术的不足,本发明的目的在于提供广义负荷特性分析方法及装置,旨在解决现有技术由于分布式光伏发电、电动汽车和储能的接入负荷特性产生变化,造成电网调峰困难,同时对系统运行的安全稳定性造成了较大威胁,也给电力市场分析、负荷预测、电网规划和市场营销等一系列电网工作带来诸多困难的问题。
本发明的目的采用以下技术方案实现:
一种广义负荷特性分析方法,包括:
建立步骤:
选取负荷特性分析指标,建立广义负荷特性指标体系;
编制步骤:
获取历史典型日负荷曲线、规划年的规划;
根据历史典型日负荷曲线,获取历史数据广义负荷中各产业日负荷曲线、电动汽车负荷曲线、光伏出力曲线和储能运行曲线;
根据规划年的规划,对各产业日负荷曲线、电动汽车负荷曲线、光伏出力曲线和储能运行曲线进行修改;
将修改后的各产业日负荷曲线、电动汽车负荷曲线、光伏出力曲线和储能运行曲线进行叠加,得到规划年的典型日负荷曲线;
分析步骤:
采取广义负荷特性指标体系对不同规划年的典型日负荷曲线进行分析,计算广义负荷特性指标的值。
在上述实施例的基础上,优选的,所述广义负荷特性指标包括描述类、比较类和曲线类;
描述类包括日最大负荷、日最小负荷、日平均负荷、日峰谷差、月最大负荷、月最小负荷、季最大负荷、季最小负荷、年最大负荷、年最小负荷、最大负荷利用时间;
比较类包括日负荷率、日最小负荷率、日峰谷差率;
曲线类包括日负荷曲线、年最大负荷曲线、年最小负荷曲线。
在上述任意实施例的基础上,优选的,所述编制步骤,具体为:
获取历史典型日负荷曲线、规划年的规划;所述规划年的规划包括各产业规划年占比的改变量,以及电动汽车、光伏和储能的渗透率的改变量;
对历史典型日负荷曲线进行标幺预处理;分析历史数据广义负荷中各产业负荷占比,以及电动汽车、光伏和储能的渗透率,获取各产业日负荷曲线、电动汽车负荷曲线、光伏出力曲线和储能运行曲线;
根据各产业规划年占比的改变量,对各产业日负荷曲线进行修改;
对电动汽车负荷曲线、光伏出力曲线和储能运行曲线进行标幺处理;根据规划年中电动汽车、光伏和储能的渗透率的改变量,分别对相应的电动汽车负荷曲线、光伏出力曲线和储能运行曲线进行修改;
将修改后的各产业日负荷曲线、电动汽车负荷曲线、光伏出力曲线和储能运行曲线进行叠加得到规划年的典型日负荷曲线。
在上述实施例的基础上,优选的,所述规划年的规划还包括季最大负荷值、月最大负荷值,所述编制步骤还包括:
取规划年的季最大负荷值作为基准值,代入标幺值表示的规划年的典型日负荷曲线,即可得到该规划年的各季典型日负荷曲线;
取规划年的月最大负荷值作为基准值,代入标幺值表示的规划年的典型日负荷曲线,即可得到该规划年的各月典型日负荷曲线。
或者,优选的,所述编制步骤还包括:
对得到的规划年的典型日负荷曲线进行有名处理。
一种广义负荷特性分析装置,包括:
建立模块,用于:
选取负荷特性分析指标,建立广义负荷特性指标体系;
编制模块,用于:
获取历史典型日负荷曲线、规划年的规划;
根据历史典型日负荷曲线,获取历史数据广义负荷中各产业日负荷曲线、电动汽车负荷曲线、光伏出力曲线和储能运行曲线;
根据规划年的规划,对各产业日负荷曲线、电动汽车负荷曲线、光伏出力曲线和储能运行曲线进行修改;
将修改后的各产业日负荷曲线、电动汽车负荷曲线、光伏出力曲线和储能运行曲线进行叠加,得到规划年的典型日负荷曲线;
分析模块,用于:
采取广义负荷特性指标体系对不同规划年的典型日负荷曲线进行分析,计算广义负荷特性指标的值。
在上述实施例的基础上,优选的,所述广义负荷特性指标包括描述类、比较类和曲线类;
描述类包括日最大负荷、日最小负荷、日平均负荷、日峰谷差、月最大负荷、月最小负荷、季最大负荷、季最小负荷、年最大负荷、年最小负荷、最大负荷利用时间;
比较类包括日负荷率、日最小负荷率、日峰谷差率;
曲线类包括日负荷曲线、年最大负荷曲线、年最小负荷曲线。
在上述任意实施例的基础上,优选的,所述编制模块用于:
获取历史典型日负荷曲线、规划年的规划;所述规划年的规划包括各产业规划年占比的改变量,以及电动汽车、光伏和储能的渗透率的改变量;
对历史典型日负荷曲线进行标幺预处理;分析历史数据广义负荷中各产业负荷占比,以及电动汽车、光伏和储能的渗透率,获取各产业日负荷曲线、电动汽车负荷曲线、光伏出力曲线和储能运行曲线;
根据各产业规划年占比的改变量,对各产业日负荷曲线进行修改;
对电动汽车负荷曲线、光伏出力曲线和储能运行曲线进行标幺处理;根据规划年中电动汽车、光伏和储能的渗透率的改变量,分别对相应的电动汽车负荷曲线、光伏出力曲线和储能运行曲线进行修改;
将修改后的各产业日负荷曲线、电动汽车负荷曲线、光伏出力曲线和储能运行曲线进行叠加得到规划年的典型日负荷曲线。
在上述实施例的基础上,优选的,所述规划年的规划还包括季最大负荷值、月最大负荷值,所述编制模块还用于:
取规划年的季最大负荷值作为基准值,代入标幺值表示的规划年的典型日负荷曲线,即可得到该规划年的各季典型日负荷曲线;
取规划年的月最大负荷值作为基准值,代入标幺值表示的规划年的典型日负荷曲线,即可得到该规划年的各月典型日负荷曲线。
或者,优选的,所述编制模块还用于:
对得到的规划年的典型日负荷曲线进行有名处理。
相比现有技术,本发明的有益效果在于:
本发明公开了广义负荷特性分析方法及装置,通过建立能刻画广义负荷特性的指标体系和对规划年的典型日负荷曲线的编制,针对含分布式光伏、电动汽车和储能系统的某区域,在原负荷曲线的基础上,考虑新能源设备出力的影响,基于规划年份该区域第一产业、第二产业和第三产业的负荷占比的变化,以及分布式光伏、电动汽车和储能系统渗透率的变化,对该区域规划年的广义电力负荷特性进行预测和分析,能够为后续开展负荷预测、电力市场分析与规划等一系列工作奠定基础。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1示出了本发明实施例提供的一种广义负荷特性分析方法的流程示意图;
图2示出了本发明实施例提供的一种改进综合叠加法的流程示意图;
图3示出了本发明实施例提供的一种广义负荷特性分析装置的结构示意图。
具体实施方式
下面,结合附图以及具体实施方式,对本发明做进一步描述,需要说明的是,在不相冲突的前提下,以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
具体实施例一
如图1所示,本发明实施例提供了一种广义负荷特性分析方法,包括:
建立步骤S101:
选取负荷特性分析指标,建立广义负荷特性指标体系;
编制步骤S102:
获取历史典型日负荷曲线、规划年的规划;
根据历史典型日负荷曲线,获取历史数据广义负荷中各产业日负荷曲线、电动汽车负荷曲线、光伏出力曲线和储能运行曲线;
根据规划年的规划,对各产业日负荷曲线、电动汽车负荷曲线、光伏出力曲线和储能运行曲线进行修改;
将修改后的各产业日负荷曲线、电动汽车负荷曲线、光伏出力曲线和储能运行曲线进行叠加,得到规划年的典型日负荷曲线;
分析步骤S103:
采取广义负荷特性指标体系对不同规划年的典型日负荷曲线进行分析,计算广义负荷特性指标的值。
这样做的好处是,通过建立能刻画广义负荷特性的指标体系和对规划年的典型日负荷曲线的编制,针对含分布式光伏、电动汽车和储能系统的某区域,在原负荷曲线的基础上,考虑新能源设备出力的影响,基于规划年份该区域第一产业、第二产业和第三产业的负荷占比的变化,以及分布式光伏、电动汽车和储能系统渗透率的变化,对该区域规划年的广义电力负荷特性进行预测和分析,能够为后续开展负荷预测、电力市场分析与规划等一系列工作奠定基础。
本发明实施例对广义负荷特性指标不做限定,优选的,所述广义负荷特性指标可以包括描述类、比较类和曲线类;描述类包括日最大负荷、日最小负荷、日平均负荷、日峰谷差、月最大负荷、月最小负荷、季最大负荷、季最小负荷、年最大负荷、年最小负荷、最大负荷利用时间;比较类包括日负荷率、日最小负荷率、日峰谷差率;曲线类包括日负荷曲线、年最大负荷曲线、年最小负荷曲线。这样做的好处是,多类特性指标能够更加完整地表征负荷特性。
日最大(小)负荷(Pmin、Pmax)指的是负荷数据记录中,所有负荷数值记录点对应的最大(小)负荷值。记录间隔时间可选择15min、半小时或者1小时。
日平均负荷(Pav)指的是日中所有负荷数据记录的负荷数值平均值:
其中Ad为日用电总量。
日峰谷差Pp-v指的是日负荷的最高负荷与最低负荷的差值:
Pp-v=Pmax-Pmin,
峰谷差的大小可反映电网的调峰能力,合理的峰谷差对于合理安排调峰措施及电网建设都具有重要的意义。
日负荷率(km)指的是日平均负荷与日最大负荷之间的比值:
该指标与用户类别、构成、用电方式及全社会用电结构等因素有关,同时也与气象因素、移峰填谷政策的影响有关。
日最小负荷率(α)指的是日最小负荷与日最大负荷之间的比值:
日峰谷差率(β)指的是最大日峰谷差与该日最高负荷的比值:
日负荷特性曲线指的是将一天内负荷数值记录点按照时间序列绘制成负荷特性曲线,它可以直观展现该日内负荷的变化情况。
月最大(小)负荷(Pm,min、Pm,max)指的是每月最大(小)负荷日的最大(小)值,可利用该数据得到年最大负荷曲线。
季最大(小)负荷(Pq,min、Pq,max)指的是每季度最大(小)负荷日的最大(小)值。
年最大(小)负荷(Py,min、Py,max)指的是年中最大(小)负荷日所对应的负荷最大(小)值。年最大负荷是合理安排电网电源建设、确定装机容量的基本依据。
年最大(小)负荷曲线由每月最大(小)负荷值按时间序列排列绘制而成。
最大负荷利用时间(Tmax)指的是全年统调电量与全年统调最大负荷的比值:
其中A是全年电能消耗量。该指标用来表示生产均衡度的特性指标,是电网规划中进行电力预测时的重要数据。
对规划年的日负荷曲线进行编制常用的方法是综合典型日负荷曲线叠加法,该方法是利用已知的历史负荷特性曲线和规划年的负荷结构变化情况,对基准年的负荷特性曲线进行修正,从而得到规划年日负荷曲线。但是该方法仅考虑了用电结构的变化,没有考虑新能源的发展对广义负荷特性的影响,因此需要对该方法进行改进。在已获得历史典型日负荷曲线的情况下,考虑到广义负荷所在区域的各产业结构变化引起负荷结构的变化,以及在该区域分布式发电、电动汽车和储能渗透率的改变,采用改进综合叠加法对规划年的典型日负荷曲线进行编制。改进综合叠加法的流程如图2所示,优选的,所述编制步骤S102,可以具体为:获取历史典型日负荷曲线、规划年的规划;所述规划年的规划包括各产业规划年占比的改变量,以及电动汽车、光伏和储能的渗透率的改变量;对历史典型日负荷曲线进行标幺预处理;分析历史数据广义负荷中各产业负荷占比,以及电动汽车、光伏和储能的渗透率,获取各产业日负荷曲线、电动汽车负荷曲线、光伏出力曲线和储能运行曲线;根据各产业规划年占比的改变量,对各产业日负荷曲线进行修改;对电动汽车负荷曲线、光伏出力曲线和储能运行曲线进行标幺处理;根据规划年中电动汽车、光伏和储能的渗透率的改变量,分别对相应的电动汽车负荷曲线、光伏出力曲线和储能运行曲线进行修改;将修改后的各产业日负荷曲线、电动汽车负荷曲线、光伏出力曲线和储能运行曲线进行叠加得到规划年的典型日负荷曲线。这样做的好处是,根据各产业规划年占比的改变量对各产业日负荷曲线进行修改,根据电动汽车、光伏和储能的渗透率的改变量对电动汽车负荷曲线、光伏出力曲线和储能运行曲线进行修改,使修改更有针对性,能够更准确地反应负荷特性。
优选的,所述规划年的规划还可以包括季最大负荷值、月最大负荷值,所述编制步骤S102还可以包括:取规划年的季最大负荷值作为基准值,代入标幺值表示的规划年的典型日负荷曲线,即可得到该规划年的各季典型日负荷曲线;取规划年的月最大负荷值作为基准值,代入标幺值表示的规划年的典型日负荷曲线,即可得到该规划年的各月典型日负荷曲线。这样做的好处是,除了典型日负荷曲线,还能够得到规划年的各季典型日负荷曲线、各月典型日负荷曲线,用于后续月负荷特性指标、季负荷特性指标的计算。
优选的,所述编制步骤S102还可以包括:对得到的规划年的典型日负荷曲线进行有名处理。这样做的好处是,能够基于规划年标幺值表示的典型日负荷曲线特征,通过选取不同的基准值得到不同时间范围内带量纲的典型日负荷曲线,相比较标幺值可以更直观的反映出规划年典型日负荷特性的描述类指标。
本发明实施例的一个应用场景可以是:
步骤1:选取典型负荷特性分析的日负荷特性指标和其他指标,建立能刻画广义负荷特性的指标体系。
步骤2:考虑产业结构的变化引起负荷结构的改变,以及光伏发电、储能和电动汽车的影响,采取改进综合叠加法,基于不同规划年中各产业所占的比重,以及光伏、储能和电动汽车的渗透率,对规划年的典型日负荷曲线进行编制。
如图2所示,改进综合叠加法的步骤如下:
(1)对历史典型日负荷曲线进行标幺预处理;具体的,对历史典型日负荷曲线进行预处理,分别用日负荷曲线中记录点的负荷值除以历史年份各季的最大负荷值,得到用标幺值表示的典型日负荷特性曲线;
(2)分析历史数据广义负荷中各产业负荷占比,以及电动汽车、光伏发电和储能的渗透率;具体的,对历史典型日负荷曲线(标幺值表示)中的广义负荷结构进行分析,包括第一产业、第二产业和第三产业各自的日负荷曲线和所占比重(a0%,b0%,c0%),将规划年中的各产业负荷所占比重(a1%,b1%,c1%)与历史数据进行对比;
(3)根据规划年占比对各产业日负荷曲线进行修改;具体的,按照第一、第二和第三产业规划年中的比重变化对各自的日负荷曲线进行修改,即各日负荷曲线中记录点的负荷值(标幺值)分别扩大或缩小a1/a0,b1/b0,c1/c0倍;
(4)对光伏的出力曲线、储能的运行曲线和电动汽车负荷曲线进行标幺处理;具体的,对于已获得的该广义负荷所在区域的典型光伏出力曲线、电动汽车负荷曲线和储能运行曲线采取类似步骤1的方法进行标幺处理;
(5)根据规划年中光伏、储能和电动汽车渗透率的改变对其特性曲线进行修改;具体的,据该区域历史分布式光伏、电动汽车和储能的渗透率(d0%,e0%,f0%),结合规划年中的各类新能源设备的渗透率(d1%,e1%,f1%),分别对光伏出力曲线(标幺)、电动汽车负荷曲线(标幺)和储能运行曲线(标幺)进行修改,即将各记录点的值分别扩大或缩小d1/d0,e1/e0,f1/f0倍;
(6)将修改后的各产业日负荷曲线、电动汽车负荷曲线、光伏出力曲线和储能运行曲线进行叠加得到规划年份的日负荷曲线;具体的,将修改后的各产业负荷曲线叠加后,再与光伏出力曲线、电动汽车负荷曲线和储能运行曲线进行叠加,得到规划年典型日负荷曲线(标幺值);
(7)对得到的规划年日负荷曲线进行有名处理,即取规划年的季最大负荷值作为基准值,代入标幺值表示的典型日负荷曲线,即可得到该规划年的各季典型日负荷曲线;取规划年的月最大负荷值作为基准值,代入标幺值表示的典型日负荷曲线,即可得到该规划年的各月典型日负荷曲线。具体的,在不同的规划年份,由于各产业所占比重以及光伏、电动汽车和储能的渗透率不同,采用改进综合叠加法可以得到不同年份的典型日负荷曲线。上述的改进综合叠加法是以季最大负荷值作为基准值,以实际的各季典型日负荷曲线作为历史数据。类似的,可以将季最大负荷更换为月最大负荷值,以实际的各月典型日负荷曲线作为历史数据,从而得到不同规划年的各月典型日负荷曲线。
步骤3:采取步骤1中的指标体系对不同规划年的典型日负荷特性进行分析,对不同渗透率下的光伏、储能和电动汽车对典型日负荷特性的影响进行挖掘。具体的,在获得不同规划年的各月典型日负荷曲线和各季典型日负荷曲线后,根据所建立的负荷特性指标体系,分别计算各指标的值:
(1)日负荷特性指标:根据得到的日负荷曲线各记录点的负荷数值,直接根据定义计算各描述类指标和比较类指标:日最大(小)负荷、日平均负荷、日峰谷差、日负荷率、日最小负荷率和日峰谷差率。
(2)月负荷特性指标:每月最大(小)负荷即取该月的典型日负荷特性的日最大(小)负荷;根据每月最大(小)负荷即可绘制年最大(小)负荷曲线。
(3)季负荷特性指标:季最大(小)负荷即取该季的典型日负荷特性的日最大(小)负荷。
(4)年负荷特性指标:年最大(小)负荷即可根据得到的年最大(小)负荷曲线进行计算;再根据预测得到的规划年全年用电量和年最大负荷计算最大负荷利用时间。
进一步的,该实施例能够结合不同规划年份光伏、电动汽车和储能渗透率的值以及得到的各指标的值,分析渗透率的改变对典型日负荷特性各指标的影响。
在上述的具体实施例一中,提供了广义负荷特性分析方法,与之相对应的,本申请还提供广义负荷特性分析装置。由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
具体实施例二
如图3所示,本发明实施例提供了一种广义负荷特性分析装置,包括:
建立模块201,用于:
选取负荷特性分析指标,建立广义负荷特性指标体系;
编制模块202,用于:
获取历史典型日负荷曲线、规划年的规划;
根据历史典型日负荷曲线,获取历史数据广义负荷中各产业日负荷曲线、电动汽车负荷曲线、光伏出力曲线和储能运行曲线;
根据规划年的规划,对各产业日负荷曲线、电动汽车负荷曲线、光伏出力曲线和储能运行曲线进行修改;
将修改后的各产业日负荷曲线、电动汽车负荷曲线、光伏出力曲线和储能运行曲线进行叠加,得到规划年的典型日负荷曲线;
分析模块203,用于:
采取广义负荷特性指标体系对不同规划年的典型日负荷曲线进行分析,计算广义负荷特性指标的值。
优选的,所述广义负荷特性指标可以包括描述类、比较类和曲线类;描述类包括日最大负荷、日最小负荷、日平均负荷、日峰谷差、月最大负荷、月最小负荷、季最大负荷、季最小负荷、年最大负荷、年最小负荷、最大负荷利用时间;比较类包括日负荷率、日最小负荷率、日峰谷差率;曲线类包括日负荷曲线、年最大负荷曲线、年最小负荷曲线。
优选的,所述编制模块202可以用于:获取历史典型日负荷曲线、规划年的规划;所述规划年的规划包括各产业规划年占比的改变量,以及电动汽车、光伏和储能的渗透率的改变量;对历史典型日负荷曲线进行标幺预处理;分析历史数据广义负荷中各产业负荷占比,以及电动汽车、光伏和储能的渗透率,获取各产业日负荷曲线、电动汽车负荷曲线、光伏出力曲线和储能运行曲线;根据各产业规划年占比的改变量,对各产业日负荷曲线进行修改;对电动汽车负荷曲线、光伏出力曲线和储能运行曲线进行标幺处理;根据规划年中电动汽车、光伏和储能的渗透率的改变量,分别对相应的电动汽车负荷曲线、光伏出力曲线和储能运行曲线进行修改;将修改后的各产业日负荷曲线、电动汽车负荷曲线、光伏出力曲线和储能运行曲线进行叠加得到规划年的典型日负荷曲线。
优选的,所述规划年的规划还可以包括季最大负荷值、月最大负荷值,所述编制模块202还可以用于:取规划年的季最大负荷值作为基准值,代入标幺值表示的规划年的典型日负荷曲线,即可得到该规划年的各季典型日负荷曲线;取规划年的月最大负荷值作为基准值,代入标幺值表示的规划年的典型日负荷曲线,即可得到该规划年的各月典型日负荷曲线。
优选的,所述编制模块202还可以用于:对得到的规划年的典型日负荷曲线进行有名处理。
本发明从使用目的上,效能上,进步及新颖性等观点进行阐述,其具有的实用进步性,己符合专利法所强调的功能增进及使用要件,本发明以上的说明及附图,仅为本发明的较佳实施例而己,并非以此局限本发明,因此,凡一切与本发明构造,装置,待征等近似、雷同的,即凡依本发明专利申请范围所作的等同替换或修饰等,皆应属本发明的专利申请保护的范围之内。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。尽管本发明已进行了一定程度的描述,明显地,在不脱离本发明的精神和范围的条件下,可进行各个条件的适当变化。可以理解,本发明不限于所述实施方案,而归于权利要求的范围,其包括所述每个因素的等同替换。对本领域的技术人员来说,可根据以上描述的技术方案以及构思,做出其它各种相应的改变以及形变,而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。
Claims (2)
1.一种广义负荷特性分析方法,其特征在于,包括:
建立步骤:
选取负荷特性分析指标,建立广义负荷特性指标体系;
编制步骤:
获取历史典型日负荷曲线、规划年的规划;
根据历史典型日负荷曲线,获取历史数据广义负荷中各产业日负荷曲线、电动汽车负荷曲线、光伏出力曲线和储能运行曲线;
根据规划年的规划,对各产业日负荷曲线、电动汽车负荷曲线、光伏出力曲线和储能运行曲线进行修改;
将修改后的各产业日负荷曲线、电动汽车负荷曲线、光伏出力曲线和储能运行曲线进行叠加,得到规划年的典型日负荷曲线;
分析步骤:
采取广义负荷特性指标体系对不同规划年的典型日负荷曲线进行分析,计算广义负荷特性指标的值;
所述广义负荷特性指标包括描述类、比较类和曲线类;
描述类包括日最大负荷、日最小负荷、日平均负荷、日峰谷差、月最大负荷、月最小负荷、季最大负荷、季最小负荷、年最大负荷、年最小负荷、最大负荷利用时间;
比较类包括日负荷率、日最小负荷率、日峰谷差率;
曲线类包括日负荷曲线、年最大负荷曲线、年最小负荷曲线;
所述编制步骤,具体为:
所述规划年的规划包括各产业规划年占比的改变量,以及电动汽车、光伏和储能的渗透率的改变量;
对历史典型日负荷曲线进行标幺预处理;分析历史数据广义负荷中各产业负荷占比,以及电动汽车、光伏和储能的渗透率,获取各产业日负荷曲线、电动汽车负荷曲线、光伏出力曲线和储能运行曲线;
根据各产业规划年占比的改变量,对各产业日负荷曲线进行修改;
对电动汽车负荷曲线、光伏出力曲线和储能运行曲线进行标幺处理;根据规划年中电动汽车、光伏和储能的渗透率的改变量,分别对相应的电动汽车负荷曲线、光伏出力曲线和储能运行曲线进行修改;
将修改后的各产业日负荷曲线、电动汽车负荷曲线、光伏出力曲线和储能运行曲线进行叠加得到规划年的典型日负荷曲线;
所述规划年的规划还包括季最大负荷值、月最大负荷值,所述编制步骤还包括:
取规划年的季最大负荷值作为基准值,代入标幺值表示的规划年的典型日负荷曲线,即可得到该规划年的各季典型日负荷曲线;
取规划年的月最大负荷值作为基准值,代入标幺值表示的规划年的典型日负荷曲线,即可得到该规划年的各月典型日负荷曲线;
所述编制步骤还包括:
对得到的规划年的典型日负荷曲线进行有名处理。
2.一种广义负荷特性分析装置,其特征在于,包括:
建立模块,用于:
选取负荷特性分析指标,建立广义负荷特性指标体系;
编制模块,用于:
获取历史典型日负荷曲线、规划年的规划;
根据历史典型日负荷曲线,获取历史数据广义负荷中各产业日负荷曲线、电动汽车负荷曲线、光伏出力曲线和储能运行曲线;
根据规划年的规划,对各产业日负荷曲线、电动汽车负荷曲线、光伏出力曲线和储能运行曲线进行修改;
将修改后的各产业日负荷曲线、电动汽车负荷曲线、光伏出力曲线和储能运行曲线进行叠加,得到规划年的典型日负荷曲线;
分析模块,用于:
采取广义负荷特性指标体系对不同规划年的典型日负荷曲线进行分析,计算广义负荷特性指标的值;
所述广义负荷特性指标包括描述类、比较类和曲线类;
描述类包括日最大负荷、日最小负荷、日平均负荷、日峰谷差、月最大负荷、月最小负荷、季最大负荷、季最小负荷、年最大负荷、年最小负荷、最大负荷利用时间;
比较类包括日负荷率、日最小负荷率、日峰谷差率;
曲线类包括日负荷曲线、年最大负荷曲线、年最小负荷曲线;
所述编制模块用于:
所述规划年的规划包括各产业规划年占比的改变量,以及电动汽车、光伏和储能的渗透率的改变量;
对历史典型日负荷曲线进行标幺预处理;分析历史数据广义负荷中各产业负荷占比,以及电动汽车、光伏和储能的渗透率,获取各产业日负荷曲线、电动汽车负荷曲线、光伏出力曲线和储能运行曲线;
根据各产业规划年占比的改变量,对各产业日负荷曲线进行修改;
对电动汽车负荷曲线、光伏出力曲线和储能运行曲线进行标幺处理;根据规划年中电动汽车、光伏和储能的渗透率的改变量,分别对相应的电动汽车负荷曲线、光伏出力曲线和储能运行曲线进行修改;
将修改后的各产业日负荷曲线、电动汽车负荷曲线、光伏出力曲线和储能运行曲线进行叠加得到规划年的典型日负荷曲线;
所述规划年的规划还包括季最大负荷值、月最大负荷值,所述编制模块还用于:
取规划年的季最大负荷值作为基准值,代入标幺值表示的规划年的典型日负荷曲线,即可得到该规划年的各季典型日负荷曲线;
取规划年的月最大负荷值作为基准值,代入标幺值表示的规划年的典型日负荷曲线,即可得到该规划年的各月典型日负荷曲线;
所述编制模块还用于:
对得到的规划年的典型日负荷曲线进行有名处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810973480.8A CN109272205B (zh) | 2018-08-24 | 2018-08-24 | 广义负荷特性分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810973480.8A CN109272205B (zh) | 2018-08-24 | 2018-08-24 | 广义负荷特性分析方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109272205A CN109272205A (zh) | 2019-01-25 |
CN109272205B true CN109272205B (zh) | 2022-03-29 |
Family
ID=65154654
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810973480.8A Active CN109272205B (zh) | 2018-08-24 | 2018-08-24 | 广义负荷特性分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109272205B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110533216A (zh) * | 2019-07-19 | 2019-12-03 | 国网辽宁省电力有限公司 | 基于调控云的超短期负荷预测修正技术 |
CN110707688B (zh) * | 2019-09-12 | 2020-12-22 | 华电电力科学研究院有限公司 | 一种基于年度负荷曲线和电网用户设备变更前馈的风电负荷预测方法 |
CN112241923B (zh) * | 2020-09-21 | 2023-11-10 | 国网冀北电力有限公司秦皇岛供电公司 | 一种基于综合能源系统源荷等效外特性的配网电力平衡方法 |
CN112418516B (zh) * | 2020-11-20 | 2022-03-25 | 天津海川能源科技有限公司 | 基于大数据的标幺值法电力负荷预测方法及系统 |
CN113408101B (zh) * | 2021-05-19 | 2024-01-12 | 南方电网科学研究院有限责任公司 | 一种负荷序列模拟方法、装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514491A (zh) * | 2013-10-18 | 2014-01-15 | 国网四川省电力公司自贡供电公司 | 一种电力负荷预测方法 |
CN106712065A (zh) * | 2017-02-23 | 2017-05-24 | 沈阳工业大学 | 一种电动汽车充电对配电网有功损耗影响指数预测方法 |
CN106779253A (zh) * | 2017-02-17 | 2017-05-31 | 广东电网有限责任公司电力科学研究院 | 一种计及光伏的配电网短期负荷预测方法及装置 |
CN106786519A (zh) * | 2016-12-12 | 2017-05-31 | 国网上海市电力公司 | 一种优化预测电网典型日负荷的方法 |
CN107491842A (zh) * | 2017-08-22 | 2017-12-19 | 国网山东省电力公司日照供电公司 | 一种主动配电网负荷预测及规划方法 |
CN107944622A (zh) * | 2017-11-21 | 2018-04-20 | 华北电力大学 | 基于连续时段聚类的风电功率预测方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8019483B2 (en) * | 2008-10-01 | 2011-09-13 | Current Communications Services, Llc | System and method for managing the distributed generation of power by a plurality of electric vehicles |
CN103248064B (zh) * | 2013-04-27 | 2016-06-15 | 惠州市亿能电子有限公司 | 一种复合型能源充电储能系统及其方法 |
CN103700041A (zh) * | 2014-01-16 | 2014-04-02 | 湖南大学 | 基于云计算的智能电网负荷预测管理平台 |
CN106655246B (zh) * | 2016-10-18 | 2021-09-03 | 国网黑龙江省电力有限公司哈尔滨供电公司 | 基于风电预测与需求响应的鲁棒双层优化模型的求解方法 |
-
2018
- 2018-08-24 CN CN201810973480.8A patent/CN109272205B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514491A (zh) * | 2013-10-18 | 2014-01-15 | 国网四川省电力公司自贡供电公司 | 一种电力负荷预测方法 |
CN106786519A (zh) * | 2016-12-12 | 2017-05-31 | 国网上海市电力公司 | 一种优化预测电网典型日负荷的方法 |
CN106779253A (zh) * | 2017-02-17 | 2017-05-31 | 广东电网有限责任公司电力科学研究院 | 一种计及光伏的配电网短期负荷预测方法及装置 |
CN106712065A (zh) * | 2017-02-23 | 2017-05-24 | 沈阳工业大学 | 一种电动汽车充电对配电网有功损耗影响指数预测方法 |
CN107491842A (zh) * | 2017-08-22 | 2017-12-19 | 国网山东省电力公司日照供电公司 | 一种主动配电网负荷预测及规划方法 |
CN107944622A (zh) * | 2017-11-21 | 2018-04-20 | 华北电力大学 | 基于连续时段聚类的风电功率预测方法 |
Non-Patent Citations (2)
Title |
---|
河北南网负荷特性分析与负荷预测研究;刘勇;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20081115;第4-12页 * |
电动汽车多因素负荷对湖南某地区电网的影响研究;陈芳等;《智慧电力》;20180228;第40-44页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109272205A (zh) | 2019-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109272205B (zh) | 广义负荷特性分析方法及装置 | |
Zhou et al. | A geographical information system based multi-criteria decision-making approach for location analysis and evaluation of urban photovoltaic charging station: A case study in Beijing | |
Zuo et al. | Research on the optimization of new energy vehicle industry research and development subsidy about generic technology based on the three-way decisions | |
Mehrtash et al. | An enhanced optimal PV and battery sizing model for zero energy buildings considering environmental impacts | |
Dallinger et al. | Integration of intermittent renewable power supply using grid-connected vehicles–A 2030 case study for California and Germany | |
CN104318322A (zh) | 基于农历日期的节假日负荷预测方法 | |
Park et al. | Impact of electric vehicle penetration-based charging demand on load profile | |
CN104123596A (zh) | 一种考虑可再生能源的电源优化规划方法 | |
Abhyankar et al. | Techno-economic assessment of deep electrification of passenger vehicles in India | |
Mutani et al. | Energy communities in Piedmont region (IT). The case study in Pinerolo territory | |
Zhang et al. | A review of publicly available data sources for models to study renewables integration in China's power system | |
Calitz et al. | The system value of optimized battery electric vehicle charging: a case study in South Africa | |
Ye et al. | Renewable energy investment study for electric power enterprise based on a time period with expected supply | |
Jin et al. | A zero-carbon supply chain model: Minimising levelised cost of onsite renewable generation | |
Tomoiaga et al. | Case study on renewable energy in New York: bridging the gap between promise and reality | |
Zhang et al. | The research on smart power consumption technology based on big data | |
Zhu et al. | Load Forecasting of the power system: an investigation based on the method of random forest regression | |
Rudra et al. | Techno-economic analysis of a local district heating plant under fuel flexibility and performance | |
Györi et al. | Evaluation of Deep Learning-based prediction models in Microgrids | |
Jeyapaul | A Mathematical Approach to Analyse Factors Influencing Adoption of Solar Based Power Production in Residential Buildings in Tamilnadu State of India | |
Schmalensee et al. | Energy Storage Investment and Operation in Efficient Electric Power Systems | |
Gruber et al. | Der aktuelle Stand der Forschung zu Energiegemeinschaften | |
Crump et al. | Modeling Grid-Friendly Clean Energy Communities and Induced Intra-Community Cash Flows | |
Nikolakakis et al. | Analysis of Long-Term Variable Renewable Energy Heavy Capacity Plans Including Electric Vehicle and Hydrogen Scenarios: Methodology and Illustrative Case Study for Turkey | |
Pandey et al. | Ranking of mitigation strategies for duck curve in Indian active distribution network using MCDM |
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 |