CN109449929B - 分布式电源对配网馈线利用率影响预测评估方法及产品 - Google Patents
分布式电源对配网馈线利用率影响预测评估方法及产品 Download PDFInfo
- Publication number
- CN109449929B CN109449929B CN201811398758.XA CN201811398758A CN109449929B CN 109449929 B CN109449929 B CN 109449929B CN 201811398758 A CN201811398758 A CN 201811398758A CN 109449929 B CN109449929 B CN 109449929B
- Authority
- CN
- China
- Prior art keywords
- power
- renewable
- influence
- feeder
- capacity
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 106
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000011156 evaluation Methods 0.000 claims abstract description 8
- 238000004590 computer program Methods 0.000 claims description 21
- 238000005286 illumination Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004088 simulation Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 13
- 238000010248 power generation Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 9
- 230000005855 radiation Effects 0.000 description 9
- 239000002184 metal Substances 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000000342 Monte Carlo simulation Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Classifications
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种分布式电源对配网馈线利用率影响预测评估方法、系统、计算机设备、计算机可读存储介质，该方法，包括：获取用作分布式电源的可再生发电机的置信容量；根据所述置信容量，计算将所述可再生发电机接入配电系统后的馈线负载率和容量因子；比较所述可再生发电机接入所述配电系统前后的馈线负载率和容量因子，得到分布式电源接入对配电系统的影响关系。在分布式电源接入配电系统前，一般并不能知道会对配电系统产生怎样的影响，而本发明提供的分布式电源对配网馈线利用率影响预测评估方法，能够通过分布式电源的置信容量，进行模拟接入后的计算，得出影响关系，能够针对DG接入配电网对馈线年利用率的影响进行分析。
Description
技术领域
本发明涉及电网规划评估技术领域，特别涉及一种分布式电源对配网馈线利用率影响预测评估方法及产品。
背景技术
随着节能减排和绿色发展意识的增强，分布式发电作为一种清洁的发电方式，得到了越来越广泛的应用。分布式电源(Distributed Generation,DG)具有发电灵活、占地少、可靠性高、环境友好等诸多优点，正在被广泛地接入配电网中。目前，分布式电源按其发电一次能源是否可再生可分为两类：一类为发电能源可再生的分布式发电方式，如：太阳能光伏发电，风能、地热能、潮汐能等发电形式；另一类为发电能源不可再生的分布式发电形式，主要包括：内燃机、热电联产、微型燃气轮机、燃料电池等。
DG的广泛接入，使得配电网从一个单源供电的结构变成了多电源共存同时供电的结构，改变了原先单一辐射状的供电方式；对电力系统的规划、运行、调度、保护等一系列方面都产生了深远影响。长期以来，供电公司一般以反映供电持续性的供电可靠率、反映供电经济性的线损率和反映供电质量的电压合格率来衡量电力系统性能，但用于反映电网建设经济性的指标及其相关的评估方法却未受到充分关注，从而造成当前电网设备利用率偏低，造成了严重的资源浪费；提出一种评估配电网设备利用率的指标体系已经是迫不容缓。
目前，针对配电网设备利用率的评估指标体系已有一些进展，主要集中于从负载率、容载比、容量因子以及全寿命周期利用率等4个方面来评估设备的利用率，还存在诸多不足：一方面，多是从定性方面来进行分析的，定量方面的分析方法还比较欠缺；另一方面，针对DG接入配电网对馈线年利用率的影响分析方法还较少，有待进一步深入研究。
因此，如何提出一种分布式电源对配网馈线利用率影响的评估方案能够针对DG接入配电网对馈线年利用率的影响进行分析，是本领域技术人员亟待解决的技术问题。
发明内容
有鉴于此，本发明的目的在于提供一种分布式电源对配网馈线利用率影响预测评估方法及产品，能够针对DG接入配电网对馈线年利用率的影响进行分析。其具体方案如下：
第一方面，本发明提供一种分布式电源对配网馈线利用率影响预测评估方法，包括：
获取用作分布式电源的可再生发电机的置信容量；
根据所述置信容量，计算将所述可再生发电机接入配电系统后的馈线负载率和容量因子；
比较所述可再生发电机接入所述配电系统前后的馈线负载率和容量因子，得到分布式电源接入对配电系统的影响关系。
优选地，
所述获取用作分布式电源的可再生发电机的置信容量，包括：
获取分布式电源所在地区的可再生能源历史数据；
根据所述可再生能源历史数据，确定可再生发电机的功率出力；
利用所述可再生发电机的功率出力，确定所述可再生发电机的置信容量。
优选地，
所述可再生能源历史数据为风速历史数据；
所述根据所述可再生能源历史数据，确定可再生发电机的功率出力，包括：
采用自回归滑动平均模型，利用所述风速历史数据，预测第一预设时间内的风速信息；
根据所述风速信息，利用风电功率特性，确定风力发电机的功率出力。
优选地，
所述可再生能源历史数据为光照历史数据；
所述根据所述可再生能源历史数据，确定可再生发电机的功率出力，包括：
采用晴空指数法，利用所述光照历史数据，预测第二预设时间内的光照信息；
根据所述光照信息，利用光伏功率特性，确定光伏设备的功率出力。
优选地，
所述比较所述可再生发电机接入所述配电系统前后的馈线负载率和容量因子，得到分布式电源接入对配电系统的影响关系，包括：
将所述可再生发电机接入所述配电系统前的第一馈线负载率与接入所述可再生发电机后的第二馈线负载率相减得到差值，将所述差值除以第一馈线负载率，得到馈线影响率；
将所述可再生发电机接入所述配电系统前的第一容量因子与接入所述可再生发电机后的第二容量因子相减得到差值，将所述差值除以第一容量因子，得到容量影响率。
第二方面，本发明提供一种分布式电源对配网馈线利用率影响预测评估系统，包括：
置信容量获取模块，用于获取用作分布式电源的可再生发电机的置信容量；
负载容量计算模块，用于根据所述置信容量，计算将所述可再生发电机接入配电系统后的馈线负载率和容量因子；
影响比较模块，用于比较所述可再生发电机接入所述配电系统前后的馈线负载率和容量因子，得到分布式电源接入对配电系统的影响关系。
优选地，
所述置信容量获取模块，包括：
历史数据获取单元，用于获取分布式电源所在地区的可再生能源历史数据；
功率出力确定单元，用于根据所述可再生能源历史数据，确定可再生发电机的功率出力；
置信容量确定单元，用于利用所述可再生发电机的功率出力，确定所述可再生发电机的置信容量。
优选地，
所述影响比较模块，包括：
馈线影响确定单元，用于将所述可再生发电机接入所述配电系统前的第一馈线负载率与接入所述可再生发电机后的第二馈线负载率相减得到差值，将所述差值除以第一馈线负载率，得到馈线影响率；
容量影响确定单元，用于将所述可再生发电机接入所述配电系统前的第一容量因子与接入所述可再生发电机后的第二容量因子相减得到差值，将所述差值除以第一容量因子，得到容量影响率。
第三方面，本发明提供一种分布式电源对配网馈线利用率影响预测评估计算机设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现第一方面任一种所述分布式电源对配网馈线利用率影响预测评估方法的步骤。
第四方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面任一种所述分布式电源对配网馈线利用率影响预测评估方法的步骤。
本发明提供一种分布式电源对配网馈线利用率影响预测评估方法，包括：获取用作分布式电源的可再生发电机的置信容量；根据所述置信容量，计算将所述可再生发电机接入配电系统后的馈线负载率和容量因子；比较所述可再生发电机接入所述配电系统前后的馈线负载率和容量因子，得到分布式电源接入对配电系统的影响关系。在分布式电源接入配电系统前，一般并不能知道会对配电系统产生怎样的影响，而本发明提供的分布式电源对配网馈线利用率影响预测评估方法，能够通过分布式电源的置信容量，进行模拟接入后的计算，从而得到可再生发电机接入配电系统后的馈线负载率和容量因子，进而比较可再生发电机接入所述配电系统前后的馈线负载率和容量因子，得出影响关系，能够针对DG接入配电网对馈线年利用率的影响进行分析。
本发明提供的一种分布式电源对配网馈线利用率影响预测评估系统、计算机设备、计算机可读存储介质，也具有上述有益效果，在此不再赘述。
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，还可以根据提供的附图获得其他的附图。
图1为本发明一种具体实施方式所提供的一种分布式电源对配网馈线利用率影响预测评估方法的流程图；
图2为本发明一种具体实施方式所提供的一种分布式电源对配网馈线利用率影响预测评估系统的组成示意图；
图3为本发明一种具体实施方式所提供的一种分布式电源对配网馈线利用率影响预测评估系统的置信容量获取模块组成示意图；
图4为本发明一种具体实施方式所提供的一种分布式电源对配网馈线利用率影响预测评估系统的影响比较模块组成示意图；
图5为本发明又一种具体实施方式所提供的计算机设备的结构示意。
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。
请参考图1，图1为本发明一种具体实施方式所提供的一种分布式电源对配网馈线利用率影响预测评估方法的流程图。
在本发明的一种具体实施方式中，本发明实施例提供一种分布式电源对配网馈线利用率影响预测评估方法，包括：
S11：获取用作分布式电源的可再生发电机的置信容量；
在本发明实施例中，首先需要获取用作分布式电源的可再生发电机的置信容量。一般地，在分布式电源接入配电系统前，并不能直到可再生发电机能够发出多少功率，稳定性能又如何，这时就需要首先确定置信容量。可再生能源包括很多，例如太阳能、风能、潮汐能、地热能、生物质能等，根据不同的情况，有不同的置信容量。
具体地，获取分布式电源所在地区的可再生能源历史数据；根据所述可再生能源历史数据，确定可再生发电机的功率出力；利用所述可再生发电机的功率出力，确定所述可再生发电机的置信容量。例如，对于太阳能来说，首先，获取所述可再生能源历史数据为光照历史数据；采用晴空指数法，利用所述光照历史数据，预测第二预设时间内的光照信息；根据所述光照信息，利用光伏功率特性，确定光伏设备的功率出力。
也就是说，对光照强度的预测采用晴空指数法，通常认为，倾角为β的光伏面板上每小时接受的太阳光照强度Iβ计算如下式所示：
式中：Ib和Id分别代表直接辐射和散射辐射，二者构成了水平面上太阳辐射的总强度It；ρ代表地表反射率；Rb表示斜面和水平面上接受到的直接辐射比值，在实际情况中，地外辐射I0进入大气层之后，由于受云层和大气尘埃等的吸收、散射和反射作用等影响，到达地面的辐射It出现衰减，这一衰减程度可由每h晴空指数kt来表征:
It＝I0kt
每小时水平面的散射辐射Id与水平地面总辐射It的比值为晴空指数的函数，如下所示：
只要得知kt就可以对每小时到达水平面上的辐照度进行模拟，将其作为蒙特卡洛法进行随机抽样的变量，令F(kt)＝Y为kt的累概率积分布函数，则蒙特卡洛仿真中用于模拟产生kt的函数表达式为：
式中，λ是与晴空指数最大值kth以及晴空指数均值相关的常数，Y是在区间[0,1]上服从均匀分布的随机数；W()表示朗伯W函数。
当然，可再生能源也可以是风能，首先，获取风速历史数据；然后，采用自回归滑动平均模型，利用所述风速历史数据，预测第一预设时间内的风速信息；根据所述风速信息，利用风电功率特性，确定风力发电机的功率出力。
具体地，对于风力发电机，预测年限N一般取为1000，对风速的预测采用自回归滑动平均模型(ARMA)，其具体表达式如下：
ωt＝μt+σtxt；
式中，
称为自回归系数，p代表参考时间序列的超前小时数；θj为滑动平均系数，m是指参考白噪声序列的超前小时数，二者都是常数；at为白噪声序列，服从均值为0、方差为
的独立正态分布；xt-i为时刻t-i时的风速值，μt为某地区的历史平均风速；σt为风速分布的标准差。
对于风力发电机来说，其功率出力如下：
式中：Pw为风机的实时出力，Pr为风机的额定功率；Vci、Vr和Vco分别为风机的切入风速，额定风速和切出风速；k1＝Pr/(Vr-Vci)，k2＝-k1Vci。
对于光伏设备来说，其功率输出模型如下：
光伏功率输出大小的决定因素取决于光伏面板转换效率η和入射太阳辐照度，他们的关系如下：
Pmt＝ηSIβt
式中：S代表电池面积；Pmt表示t时刻电池输出功率；Iβt表示t时刻斜面的太阳辐射强度。光伏面板能量转换效率η不是一个常量，它的大小还要受到相应时刻入射光辐射强度Iβt的影响，可用分段函数来表示二者的关系：
式中：ηc是由电池厂家给出的标准测试条件下的能量转换效率；Ik代表某一入射光辐照度阈值,当辐照度低于该值时，转换效率随辐照度的增加线性增长；当辐照度超过该值之后，电池的转换效率即可基本保持恒定而不再随入射辐照度的变化而变化。
然后，根据DG接入前后的发电系统可靠性相等，利用新增电源有效载荷能力作为评估准则不断迭代，负荷末端所增长的大小即为分布式电源的置信容量，表示为如下：
R0＝f{L0,C}＝f{L0+ΔL,C+CDG}；
式中：Ro为初始可靠性指标，初始负荷为L0，初始装机容量为C，f为可靠性指标计算函数，DG的容量CDG，ΔL为额外增加的负荷(也就是置信容量)。
S12：根据所述置信容量，计算将所述可再生发电机接入配电系统后的馈线负载率和容量因子；
负荷模型:
负荷模型采用时序负荷模型，如下式所示:
L(t)＝Lp zw zd zh；
式中:Lp为年负荷峰值；Zw为各周负荷峰值与Lp的比值；Zd为各日负荷峰值与周负荷峰值的比值；Zh为日负荷曲线上各值与日负荷峰值的比值。
3)计算发电系统的可靠性。选取电量不足(energy not supplied,ENS)作为可靠性指标，其计算公式如下：
式中:VENS为ENS的数值；T为模拟小时数；Ci为第i个小时的可用有功容量；Li为第i个小时的有功负荷；P为有功容量差值。
DG加入后,ENS的数值为:
式中:V’ENS为DG加入后的ENS的数值；Di为第i个小时的DG的输出有功功率。
在可靠性计算过程中，对分布式电源以外的外部电源采用两状态模型模拟其正常运行状态持续时间t1与故障的状态持续时间t2，其表达式如下：
其中，t1指元件的正常工作时间，t2指的是元件故障持续时间；λ指元件故障率，μ指元件的修复率；γ1与γ2是指蒙特卡洛仿真中抽样出来的数值，二者服从均匀分布，其区间位于(0，1)。
根据DG接入前后的发电系统可靠性相等，利用新增电源有效载荷能力作为评估准则不断迭代，负荷末端所增长的大小即为分布式电源的置信容量，表示为如下：
R0＝f{L0,C}＝f{L0+ΔL,C+CDG}；
式中：Ro为初始可靠性指标，初始负荷为L0，初始装机容量为C，f为可靠性指标计算函数，DG的容量CDG，ΔL为额外增加的负荷。
在原始最大的年负荷基础上减去风机和光伏的置信容量，计算DG接入后的馈线负载率和容量因子；通过计算出的分布式电源的置信容量ΔL，可以将其等效成容量为置信容量大小的常规状态机组，于是当DG接入配网后，馈线的负载率η1和容量因子C1变化成下式：
当然，对于原始的配电系统来说，读取配网的原始数据，包括变电站容量St以及相应的修复率λ和故障率μ，以及馈线的全年的最大负荷Lm和相应的额定容量Sl以及全年的实际输送电量E，并按照下式计算原始系统的馈线负载率η0和容量因子C0：
上式中，馈线的全年的最大负荷为Lm，相应的额定容量为Sl，以及全年的实际输送电量E，Lav为平均负荷大小，r为负荷率。
S13：比较所述可再生发电机接入所述配电系统前后的馈线负载率和容量因子，得到分布式电源接入对配电系统的影响关系。
具体地，可以将所述可再生发电机接入所述配电系统前的第一馈线负载率与接入所述可再生发电机后的第二馈线负载率相减得到差值，将所述差值除以第一馈线负载率，得到馈线影响率；还可以将所述可再生发电机接入所述配电系统前的第一容量因子与接入所述可再生发电机后的第二容量因子相减得到差值，将所述差值除以第一容量因子，得到容量影响率。
从而可以得到一个相对于原始的馈线负载率η0和容量因子C0的变动的相对变化率，例如，如果得到馈线影响率为10％，那么说明馈线负载率增长了10％；如果得到馈线影响率为-10％，那么说明馈线负载率降低了10％。
请参考图2、图3、图4，图2为本发明一种具体实施方式所提供的一种分布式电源对配网馈线利用率影响预测评估系统的组成示意图；图3为本发明一种具体实施方式所提供的一种分布式电源对配网馈线利用率影响预测评估系统的置信容量获取模块组成示意图；图4为本发明一种具体实施方式所提供的一种分布式电源对配网馈线利用率影响预测评估系统的影响比较模块组成示意图。
在本发明的又一种具体实施方式中，本发明实施例提供一种分布式电源对配网馈线利用率影响预测评估系统200，包括：
置信容量获取模块210，用于获取用作分布式电源的可再生发电机的置信容量；
负载容量计算模块220，用于根据所述置信容量，计算将所述可再生发电机接入配电系统后的馈线负载率和容量因子；
影响比较模块230，用于比较所述可再生发电机接入所述配电系统前后的馈线负载率和容量因子，得到分布式电源接入对配电系统的影响关系。
优选地，
所述置信容量获取模块210，包括：
历史数据获取单元211，用于获取分布式电源所在地区的可再生能源历史数据；
功率出力确定单元212，用于根据所述可再生能源历史数据，确定可再生发电机的功率出力；
置信容量确定单元213，用于利用所述可再生发电机的功率出力，确定所述可再生发电机的置信容量。
优选地，
所述影响比较模块230，包括：
馈线影响确定单元231，用于将所述可再生发电机接入所述配电系统前的第一馈线负载率与接入所述可再生发电机后的第二馈线负载率相减得到差值，将所述差值除以第一馈线负载率，得到馈线影响率；
容量影响确定单元232，用于将所述可再生发电机接入所述配电系统前的第一容量因子与接入所述可再生发电机后的第二容量因子相减得到差值，将所述差值除以第一容量因子，得到容量影响率。
请参考图5，图5为本发明又一种具体实施方式所提供的计算机设备的结构示意图。
在本发明的又一种具体实施方式中，本发明实施例提供一种计算机设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现上述任一种具体实施方式所述的一种分布式电源对配网馈线利用率影响预测评估方法的步骤。
下面参考图5，其示出了适于用来实现本申请实施例的计算机设备的结构示意图。图5示出的计算机设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图5所示，计算机系统500包括处理器(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统500操作所需的各种程序和数据。
CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口503也连接至总线504。
以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口507。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被处理器(CPU)501执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读介质或者是上述两者的任意组合。计算机可读介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向目标的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。
在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
作为本发明的又一具体实施方式，本发明实施例提供一种计算机可读存储介质所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意具体实施方式中的一种分布式电源对配网馈线利用率影响预测评估方法的步骤。
该计算机可读介质可以是上述实施例中描述的计算机或终端设备中所包含的；也可以是单独存在，而未装配入该计算机设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该计算机设备执行时，使得该计算机设备：获取用作分布式电源的可再生发电机的置信容量；根据所述置信容量，计算将所述可再生发电机接入配电系统后的馈线负载率和容量因子；比较所述可再生发电机接入所述配电系统前后的馈线负载率和容量因子，得到分布式电源接入对配电系统的影响关系。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random AccessMemory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种分布式电源对配网馈线利用率影响预测评估方法及产品进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种分布式电源对配网馈线利用率影响预测评估方法，其特征在于，包括：
获取用作分布式电源的可再生发电机的置信容量；
根据所述置信容量，计算将所述可再生发电机接入配电系统后的馈线负载率和容量因子；
比较所述可再生发电机接入所述配电系统前后的馈线负载率和容量因子，得到分布式电源接入对配电系统的影响关系；
所述比较所述可再生发电机接入所述配电系统前后的馈线负载率和容量因子，得到分布式电源接入对配电系统的影响关系，包括：
将所述可再生发电机接入所述配电系统前的第一馈线负载率与接入所述可再生发电机后的第二馈线负载率相减得到差值，将所述差值除以第一馈线负载率，得到馈线影响率；
将所述可再生发电机接入所述配电系统前的第一容量因子与接入所述可再生发电机后的第二容量因子相减得到差值，将所述差值除以第一容量因子，得到容量影响率。
2.根据权利要求1所述的分布式电源对配网馈线利用率影响预测评估方法，其特征在于，
所述获取用作分布式电源的可再生发电机的置信容量，包括：
获取分布式电源所在地区的可再生能源历史数据；
根据所述可再生能源历史数据，确定可再生发电机的功率出力；
利用所述可再生发电机的功率出力，确定所述可再生发电机的置信容量。
3.根据权利要求2所述的分布式电源对配网馈线利用率影响预测评估方法，其特征在于，
所述可再生能源历史数据为风速历史数据；
所述根据所述可再生能源历史数据，确定可再生发电机的功率出力，包括：
采用自回归滑动平均模型，利用所述风速历史数据，预测第一预设时间内的风速信息；
根据所述风速信息，利用风电功率特性，确定风力发电机的功率出力。
4.根据权利要求2所述的分布式电源对配网馈线利用率影响预测评估方法，其特征在于，
所述可再生能源历史数据为光照历史数据；
所述根据所述可再生能源历史数据，确定可再生发电机的功率出力，包括：
采用晴空指数法，利用所述光照历史数据，预测第二预设时间内的光照信息；
根据所述光照信息，利用光伏功率特性，确定光伏设备的功率出力。
5.一种分布式电源对配网馈线利用率影响预测评估系统，其特征在于，包括：
置信容量获取模块，用于获取用作分布式电源的可再生发电机的置信容量；
负载容量计算模块，用于根据所述置信容量，计算将所述可再生发电机接入配电系统后的馈线负载率和容量因子；
影响比较模块，用于比较所述可再生发电机接入所述配电系统前后的馈线负载率和容量因子，得到分布式电源接入对配电系统的影响关系；
所述影响比较模块，包括：
馈线影响确定单元，用于将所述可再生发电机接入所述配电系统前的第一馈线负载率与接入所述可再生发电机后的第二馈线负载率相减得到差值，将所述差值除以第一馈线负载率，得到馈线影响率；
容量影响确定单元，用于将所述可再生发电机接入所述配电系统前的第一容量因子与接入所述可再生发电机后的第二容量因子相减得到差值，将所述差值除以第一容量因子，得到容量影响率。
6.根据权利要求5所述的分布式电源对配网馈线利用率影响预测评估系统，其特征在于，
所述置信容量获取模块，包括：
历史数据获取单元，用于获取分布式电源所在地区的可再生能源历史数据；
功率出力确定单元，用于根据所述可再生能源历史数据，确定可再生发电机的功率出力；
置信容量确定单元，用于利用所述可再生发电机的功率出力，确定所述可再生发电机的置信容量。
7.一种分布式电源对配网馈线利用率影响预测评估计算机设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至4任一项所述分布式电源对配网馈线利用率影响预测评估方法的步骤。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述分布式电源对配网馈线利用率影响预测评估方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811398758.XA CN109449929B (zh) | 2018-11-22 | 2018-11-22 | 分布式电源对配网馈线利用率影响预测评估方法及产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811398758.XA CN109449929B (zh) | 2018-11-22 | 2018-11-22 | 分布式电源对配网馈线利用率影响预测评估方法及产品 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109449929A CN109449929A (zh) | 2019-03-08 |
| CN109449929B true CN109449929B (zh) | 2022-03-01 |
Family
ID=65554136
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811398758.XA Active CN109449929B (zh) | 2018-11-22 | 2018-11-22 | 分布式电源对配网馈线利用率影响预测评估方法及产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109449929B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112083946B (zh) * | 2020-09-17 | 2024-02-06 | 南方电网科学研究院有限责任公司 | 直流控保系统程序负载率预估方法、装置、终端及介质 |
| CN116384049B (zh) * | 2023-02-07 | 2023-09-19 | 国网甘肃省电力公司经济技术研究院 | 一种风光发电集中外送通道容量机会约束优化方法 |
| CN116054265B (zh) * | 2023-03-23 | 2023-06-20 | 国网山西省电力公司营销服务中心 | 台区内光伏可接入容量的计量方法和系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105406509A (zh) * | 2015-12-21 | 2016-03-16 | 国家电网公司 | 一种基于分布式电源置信容量的配电网供电能力评估方法 |
| CN105846464A (zh) * | 2016-05-11 | 2016-08-10 | 国家电网公司 | 一种分布式电源对配电网的影响评估方法及系统 |
| CN107492908A (zh) * | 2017-09-25 | 2017-12-19 | 国网冀北电力有限公司秦皇岛供电公司 | 一种基于分布式电源接入的馈线优化规划方法 |
| CN107944757A (zh) * | 2017-12-14 | 2018-04-20 | 上海理工大学 | 电力互联系统可再生能源消纳能力评估分析方法 |
| CN108306285A (zh) * | 2018-01-08 | 2018-07-20 | 厦门大学 | 基于topsis法的含分布式电源的主动配电网可靠性评估方法 |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102184453A (zh) * | 2011-05-16 | 2011-09-14 | 上海电气集团股份有限公司 | 基于模糊神经网络和支持向量机的风电功率组合预测方法 |
| CN103390116B (zh) * | 2013-08-07 | 2016-12-28 | 华北电力大学（保定） | 采用分步方式的光伏电站发电功率预测方法 |
| CN103745267A (zh) * | 2013-10-24 | 2014-04-23 | 国家电网公司 | 一种分布式光伏系统并网影响的评价方法 |
| CN105139291B (zh) * | 2015-09-11 | 2018-07-03 | 广东电网有限责任公司电网规划研究中心 | 一种含分布式电源配电网设备利用率的计算方法 |
| CN105574617A (zh) * | 2015-12-18 | 2016-05-11 | 上海交通大学 | 分布式电源和微电网接入配电系统方案的综合优化系统 |
| US10554049B2 (en) * | 2016-03-21 | 2020-02-04 | The Regents Of The University Of California | Real-time disaggregation of renewable energy generation on an electricity distribution system |
| CN106099984B (zh) * | 2016-07-29 | 2018-10-19 | 清华大学 | 一种数据驱动的主动配电网分布式电源最大容量评估方法 |
| CN106251242B (zh) * | 2016-08-08 | 2019-12-10 | 东南大学 | 一种风电出力区间组合预测方法 |
| CN107918817A (zh) * | 2016-10-11 | 2018-04-17 | 华北电力大学 | 一种计及分布式电源接入的配电网设备利用率综合评估指标体系 |
| CN106355517A (zh) * | 2016-11-07 | 2017-01-25 | 国网重庆市电力公司经济技术研究院 | 一种风电场集电系统可靠性计算方法 |
| CN106485093B (zh) * | 2016-11-10 | 2019-02-01 | 哈尔滨工程大学 | 基于改进马尔可夫链的太阳辐照度时间序列合成方法 |
| CN107480825B (zh) * | 2017-08-17 | 2021-03-30 | 广东电网有限责任公司电力科学研究院 | 一种计及容量可信度的光伏电站优化规划方法 |
-
2018
- 2018-11-22 CN CN201811398758.XA patent/CN109449929B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105406509A (zh) * | 2015-12-21 | 2016-03-16 | 国家电网公司 | 一种基于分布式电源置信容量的配电网供电能力评估方法 |
| CN105846464A (zh) * | 2016-05-11 | 2016-08-10 | 国家电网公司 | 一种分布式电源对配电网的影响评估方法及系统 |
| CN107492908A (zh) * | 2017-09-25 | 2017-12-19 | 国网冀北电力有限公司秦皇岛供电公司 | 一种基于分布式电源接入的馈线优化规划方法 |
| CN107944757A (zh) * | 2017-12-14 | 2018-04-20 | 上海理工大学 | 电力互联系统可再生能源消纳能力评估分析方法 |
| CN108306285A (zh) * | 2018-01-08 | 2018-07-20 | 厦门大学 | 基于topsis法的含分布式电源的主动配电网可靠性评估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109449929A (zh) | 2019-03-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bludszuweit et al. | Statistical analysis of wind power forecast error | |
| CN109449929B (zh) | 分布式电源对配网馈线利用率影响预测评估方法及产品 | |
| Dong et al. | Volatility of electricity price in Denmark and Sweden | |
| Billinton | Impacts of energy storage on power system reliability performance | |
| Motie et al. | Generation expansion planning by considering energy-efficiency programs in a competitive environment | |
| CN105790261B (zh) | 一种随机谐波潮流计算方法 | |
| CN114548756A (zh) | 基于主成分分析的综合能源项目综合效益评价方法及装置 | |
| CN107359611B (zh) | 考虑多种随机因素的配电网等值方法 | |
| Gen | Reliability and cost/worth evaluation of generating systems utilizing wind and solar energy | |
| Makibar et al. | Contributions to the size reduction of a battery used for PV power ramp rate control | |
| Kanchana et al. | PV Power Forecasting with Holt-Winters Method | |
| Cano et al. | Comparative analysis of HESS (battery/supercapacitor) for power smoothing of PV/HKT, simulation and experimental analysis | |
| JP7410897B2 (ja) | 発電量管理システム及び発電量管理方法 | |
| Kariniotakis et al. | Assessment of the benefits from advanced load & wind power forecasting in autonomous power systems | |
| CN116502771B (zh) | 一种基于电力物资预测的配电方法及系统 | |
| CN112736899A (zh) | 一种微电网规划方案评价指标计算方法以及装置 | |
| Manz et al. | Enhanced reliability of photovoltaic systems with energy storage and controls | |
| CN116822954A (zh) | 发电项目的评估方法、装置、电子设备和存储介质 | |
| KR101020739B1 (ko) | 태양광 발전기를 포함하는 전력계통의 신뢰도 지수 산출방법, 전자장치 및 기록 매체 | |
| KR101079763B1 (ko) | 풍력발전기의 비용 기여도 산출방법, 이에 적용되는 비용 기여도 산출장치 및 기록매체 | |
| CN113609686B (zh) | 一种新能源置信容量分析方法及系统 | |
| Razak et al. | Forecasting cost saving through solar system installation | |
| Alamri et al. | Analytical Method for Energy Storage Sizing and Reliability Assessment for Power Systems with Variable Generation | |
| AURANGZEB et al. | Performance Ratio Analysis Based on Energy Production for Large-Scale Solar Plant | |
| Padhee et al. | Bulk system reliability impacts of forced wind energy curtailment. |
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 |