CN109816201A - 一种多异质能源同质化耦合的表征方法 - Google Patents

Abstract

本发明公开了一种多异质能源同质化耦合的表征方法，包括以下步骤：一、对多异质能源系统的概念进行阐述，从能源的发电环节‑传输环节两种角度，将多异质能源系统分为源端异质能源系统和网络异质能源系统；二、对源端异质能源系统的发电端进行同质化建模表征；三、针对多异质能源不同时间尺度特性不一特点，采用变异系数表征异质能源的波动性，构建波动强弱的梯次顺序表；四、借鉴物理学中耦合概念与耦合系数模型，定义多种异质能源在多异质能源系统中的耦合度指标；五、运用场景分析法，分析所提多异质能源同质化模型在不同耦合度场景下的适用性。实现了多种能源在发电端的同质化表征，解决了可再生能源发电模型与传统电源模型相容度不高的问题。

Description

一种多异质能源同质化耦合的表征方法

技术领域

本发明涉及多能源电力系统互补优化调度与控制领域，特别是涉及多异质能源同质化耦合建模的表征方法。

背景技术

近20年以来，可再生能源在全球范围内都得到迅猛的发展，一些可再生能源技术如光伏发电、风电等年增长速度都在20％以上。可再生能源已成为实现能源多样化、应付气候变化和实现社会可持续发展的重要能源。但由于可再生能源存在随机性和波动性等特点，给多能源电力系统带来一系列新的问题，出现高比例可再生能源的消纳难题。

在未来的电力系统中，多能互补将成为未来能源供给方式的重要特征，这些重要特征在电力系统行业中主要表现为：传统能源行业分割和壁垒将逐步消除，综合性能源集团成为能源企业的重要发展趋势；能源生产和供应方式将从集中式大规模生产为主的模式向能源集中式供应与分布式能源就地利用相结合发展；间歇性可再生能源持续规模化发展；能源载体将以电能为主，一次能源转换成电能的比例将稳步提高。然而，间歇性可再生能源比重的不断提高，将给传统的能源供需平衡模式带来严峻的挑战。

国外在多能源电力系统灵活性和可再生能源消纳能力等方面开展了一系列研究，但仍存在以下问题：目前，欧美等国家已在一种或少数几种能源资源的输出模型研究、风/光等可再生能源发电的空间相关性及互补性研究、电力系统灵活性的定义和评价方法研究等方面开展了较为深入的研究。但并未建立多能源电力系统能量输出的统一表征方式，同时针对多种类型电源之间协同互补的研究较少。然而，我国电源和负荷逆向分布、电源结构以大型燃煤火电机组为主、电力市场机制尚不健全，这些方面都与国外存在较大差异。加上可供灵活调节的水电、燃气、抽蓄等电源容量不足，技术和市场都制约了调节能力实现跨区、远距离支援。国外研究成果在我国缺乏若干基础条件，难以应用到提高我国可再生能源消纳的实践中。

目前，国内一大批高校和科研院所在多能源电力系统互补协调调度与控制等方面开展了研究。进行了多种可再生能源发电的建模仿真分析，提出了基于可靠性和设备调控能力的电力系统灵活性指标；采用确定性的电力系统规划准则，提出了侧重于风光互补的多点布局规划设计方法；研究了多种聚焦于风电、光伏的调度模型和方法；研发了风电场、光伏电站实时控制技术及控制系统，并投入实际应用；开展了国家风光储输等工程示范。

但是，现有的可再生能源模型与传统电源模型相容度不高，利用互补性提高可再生能源消纳的机理尚不明晰，多能互补方式在今后的研究中有待集成优化，多种异质能源接入电网的优化规划方法、多时间尺度的调度方法和快速求解技术尚待进一步研究，迫切地需要一种多种能源资源输出的同质化表征方法。

发明内容

为了克服上述现有技术的不足，本发明提供了一种多异质能源资源的同质化耦合的表征方法。该方法包含多种能源资源，实现了多种能源资源在发电端同质化表达，解决了可再生能源发电模型与传统电源模型相容度不高的问题，并对多异质能源系统耦合度进行了定量表征，为多能源电力系统电源协调规划与设计，互补优化调度技术和互补协调控制技术提供基础理论，进一步促进提升可再生能源的消纳能力。

本发明所采用的技术方案是：

一种多异质能源同质化耦合的表征方法，包括以下步骤：

A.将多异质能源系统的概念进行阐述，从能源的发电环节-传输环节两种角度，即源端异质和网络异质，将多异质能源系统分为源端异质能源系统和网络异质能源系统；

B.对源端异质能源系统的发电端进行同质化建模表征，得到多异质能源同质化模型；

C.针对多异质能源不同时间尺度特性不一特点，采用变异系数表征异质能源的波动性，构建波动强弱的梯次顺序表；

D.借鉴物理学中耦合概念与耦合系数模型，定义多异质能源在多异质能源系统中的耦合度指标；

E.运用场景分析法，分析所提多异质能源同质化模型在不同耦合度场景下的适用性。

在上述方案的基础上，步骤A中，所述源端异质能源系统异质在于出力单元特性各异，包括可再生能源发电端和传统能源发电端。

在上述方案的基础上，步骤A中，源端(发电环节)异质能源系统的发电单元出力特性各异，包括风电、光电、火电、水电、气电、储能等，但传输环节均依靠电网来传输电能；网络(传输环节)异质能源系统可分为电力输送网络，天然气输送网络和热力输送网络。

在上述方案的基础上，步骤B中，所述的对源端异质能源系统的发电端进行同质化建模表征，包括对可再生能源的同质化建模表征和传统能源的同质化建模表征。

在上述方案的基础上，对可再生能源的同质化建模表征，包括风电功率不确定性模型和光伏出力不确定性模型：

风电功率不确定性模型：

依据风电机组的输出功率特性，风电功率P_W与风速的函数关系表示为：

式中：P_r,W为风机额定输出功率；v为风机轮毂高度风速；v_r为额定风速；v_i为切入风速；v_o为切出风速；

由于风电功率与风速呈现出分段非线性函数关系，因此根据实际风速概率分布函数对风电功率预测误差概率分布特性进行分段求取：

式中：为风机正常运行时风电功率预测误差概率密度函数，表示t时段预测风速为时风电功率预测值，是风速预测误差所服从高斯分布的标准差，是风电功率预测误差；

利用全概率公式得到风电功率不确定性概率密度函数为：

式中：γ_W是风电机组的强迫停运率，为狄克拉函数，表示风机停运造成功率预测误差，当时，值为1，其余为0；为风机正常运行时风电功率预测误差概率密度函数；

光伏出力不确定性模型：

光伏出力预测误差服从均值为0，标准差为的高斯分布，如下式：

式中：为光伏正常运行时光伏出力预测误差概率密度函数，是光伏出力的预测误差，由下式(5)求出：

式中，η_S是光伏阵列转换效率(％)，S_S是光伏阵列总面积(m²)，为t时段光照强度预测误差分布标准；

利用全概率公式得到光伏出力不确定性概率密度函数f(△P_S ^t)为：

式中：γ_S是光伏阵列的强迫停运率；表示t时段在光照强度预测值为时光伏出力预测值；表示光伏阵列停运造成功率预测误差，当时，值为1，其余为0；为光伏正常运行时光伏出力预测误差概率密度函数。

在上述方案的基础上，所述对传统能源的同质化建模表征，具体为：

采用两状态模型描述传统发电单元的运行状态：正常运行状态和停运状态，如果传统发电单元发生故障停运，认为传统发电单元修复或替换时间较长，忽略传统发电单元在后续时段内修复可能性，传统发电单元停运替代率γ_i计算为：

γ_i＝λ_i·d_T (7)

式中：λ_i是传统发电单元i的强迫停运率；d_T为各优化时段时长；

进而传统发电单元出力不确定性模型可用如下离散分布描述：

表中，△P_i表示传统发电单元i出力误差，P_r表示传统发电单元i的出力误差概率，P_i表示停运所造成的出力误差；

即当正常运行时，传统发电单元i出力误差为0，传统发电单元i的出力误差概率为1-γ_i；当发生故障停运时，停运所造成的出力误差为-P_i，传统发电单元i的出力误差概率为γ_i。

风电功率不确定性模型和光伏出力不确定性模型为混合分布随机变量，传统发电单元出力不确定性模型为离散分布随机变量，将混合分布连续部分进行离散化，进而利用卷积计算得到多异质能源同质化模型。

在上述方案的基础上，步骤D中，提出了适用于多异质能源系统的耦合度指标，对多异质能源系统耦合度进行了定量表征；所述耦合度用C表示，0≤C≤1；当C值趋近于0时，表明各子系统之间处于无关状态，耦合度极低，多异质能源系统处于低耦合状态；当C值趋近于1时，表明各子系统之间达到良性耦合且趋向新的有序结构，耦合度最大，多异质能源系统处于高耦合状态。

在上述方案的基础上，采用中值分段法，根据耦合度值的变化，可以将耦合度进行区间划分：①当0＜C≤0.3时，表明多异质能源系统处于低水平耦合阶段；②当0.3＜C≤0.5时，表明多异质能源系统处于次低水平耦合阶段；③当0.5＜C≤0.8时，表明多异质能源系统处于次高水平阶段；④当0.8＜C≤1时，表明多异质能源系统处于高水平耦合阶段。

在上述方案的基础上，步骤E中，运用场景分析法，分别建立低水平耦合场景，次低水平耦合场景，次高水平耦合场景和高水平耦合场景，校验所提同质化耦合表征方法的适用性。

本发明所述的多异质能源资源的同质化耦合的表征方法，着眼于基础理论研究，针对我国目前电力系统运行灵活性不足，可再生能源消纳能力受限问题突出的重大需求，构建面向规划、调度、控制的能源资源同质化耦合表征方法。为通过多能互补来提升系统调节灵活性、进而提升可再生能源消纳能力提供理论依据理论支撑。

附图说明

上述仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，以下结合附图与具体实施方式对本发明作进一步的详细说明。

图1为本发明一种多异质能源资源的同质化耦合的表征方法的多异质能源系统的基本框架图，其中a)为源端异质能源系统；b)为网络异质能源系统。

图2为本发明一种多异质能源资源的同质化耦合的表征方法的流程示意图。

具体实施方式

以下结合附图对本发明作进一步详细说明。

如图1和2所示，本发明所述的多异质能源同质化耦合的表征方法，包括如下步骤：

步骤A.对多异质能源系统的概念进行阐述，从能源的发电环节-传输环节两种角度，将多异质能源系统分为源端异质能源系统和网络异质能源系统。

异质能源指的是能源种类和出力特性不同的能源。顾名思义，多异质能源系统则是包含多种出力特性各异的能源的综合能源系统。参阅图1所示。分两种情况：

1.源端(发电环节)异质能源系统的发电单元出力特性各异，包括风电、光电、火电、水电、气电、储能等，但传输环节均依靠电网来传输电能；

2.根据能源传输环节所需载体的不同，网络(传输环节)异质能源系统可分为电力输送网络，天然气输送网络和热力输送网络。各能源系统由于物理特性区别，在系统规划设计以及运行控制中存在不同特征。

步骤B.对源端异质能源系统的发电端进行同质化建模表征，包括对可再生能源的同质化建模表征和传统能源的同质化建模表征。

B1.对可再生能源的同质化建模表征，包括风电功率不确定性模型和光伏出力不确定性模型：

风电功率不确定性模型：

依据风电机组的输出功率特性，风电功率P_W与风速的函数关系可表示为：

式中：P_r,W为风机额定输出功率；v为风机轮毂高度风速；v_r为额定风速；v_i为切入风速；v_o为切出风速。

由于风电功率与风速呈现出分段非线性函数关系，因此根据实际风速概率分布函数对风电功率预测误差概率分布特性进行分段求取：

式中：为风机正常运行时风电功率预测误差概率密度函数，表示t时段预测风速为时风电功率预测值，是风速预测误差所服从高斯分布的标准差，是风电功率预测误差。

利用全概率公式得到风电功率不确定性概率密度函数f(△P_W ^t)为：

式中：γ_W是风电机组的强迫停运率，为狄克拉函数，表示风机停运造成功率预测误差，当时，值为1，其余为0；为风机正常运行时风电功率预测误差概率密度函数。

光伏出力不确定性模型：

光伏出力预测误差服从均值为0，标准差为的高斯分布，如下式：

式中：为光伏正常运行时光伏出力预测误差概率密度函数，是光伏出力的预测误差。可由下式求出：

式中，η_S是光伏阵列转换效率(％)；S_S是光伏阵列总面积(m²)，为t时段光照强度预测误差分布标准。

利用全概率公式得到光伏出力不确定性概率密度函数f(△P_S ^t)为：

式中：γ_S是光伏阵列的强迫停运率；表示t时段在光照强度预测值为时光伏出力预测值；表示光伏阵列停运造成功率预测误差，当时，值为1，其余为0；为光伏正常运行时光伏出力预测误差概率密度函数。

B2.传统能源的同质化建模表征：

本部分采用两状态模型描述传统发电单元的运行状态，即正常运行状态和停运状态。如果传统发电单元发生故障停运，认为传统发电单元修复或替换时间较长，忽略传统发电单元在后续时段内修复可能性。因此，传统发电单元停运替代率γ_i可计算为：

γ_i＝λ_i·d_T (7)

式中：λ_i是传统发电单元i的强迫停运率；d_T为各优化时段时长。

进而传统发电单元出力不确定性模型可用如下离散分布描述：

表中，△P_i表示传统发电单元i出力误差，P_r表示传统发电单元i的出力误差概率，P_i表示停运所造成的出力误差。

风电功率和光伏出力误差为混合分布随机变量，传统发电单元出力误差为离散分布随机变量。因此，将混合分布连续部分进行离散化，进而利用卷积计算得到多异质能源功率同质化模型。

步骤C.针对多异质能源不同时间尺度特性不一特点，采用变异系数表征异质能源的波动性，构建波动强弱的梯次顺序表。

在概率论和统计学中，变异系数，又称“离散系数”(英文：coefficient ofvariation)，是概率分布离散程度的一个归一化量度，其定义为标准差与平均值之比：

CV＝(SD/Mean)*100％ (8)

式中：CV是变异系数，SD是标准偏差，Mean是平均值。

多种异质能源在不同时间尺度，如日特性，月特性，季特性，年特性会呈现出不同的特征，采用变异系数对其进行统一度量，有助于消除不同能源测量尺度和量纲的影响。分别建立日，月，季，年变异系数特征曲线，构建多异质能源波动强弱的梯次顺序表。

步骤D.借鉴物理学中耦合概念与耦合系数模型，定义多异质能源在多异质能源系统中的耦合度指标。

本部分借鉴物理学中耦合度概念建立多异质能源系统相互作用的耦合度模型，即物理学中的容量耦合概念及容量耦合系数模型：

设变量CV_p(p＝1,2,…,m)，CV_q(q＝1,2,…,n)分别表示多异质能源系统中不同的子系统，子系统代表多异质能源系统中的发电单元，如风电单元，光伏发电单元和水电单元则是不同的子系统，推广得到多个子系统(或要素)相互作用的耦合度模型为

当只有2个子系统时，为便于分析，可以直接得到两者的耦合度函数，表示为

C₂＝2{(CV₁·CV₂)/[(CV₁+CV₂)(CV₁+CV₂)]}^1/2 (10)

式中：C为耦合度，0≤C≤1；当C值趋近于0时，表明各子系统之间处于无关状态，耦合度极低，多异质能源系统处于低耦合状态；当C值趋近于1时，表明各子系统之间达到良性耦合且趋向新的有序结构，耦合度最大，多异质能源系统处于高耦合状态。采用中值分段法，根据耦合度值的变化，可以将耦合度进行区间划分：①当0＜C≤0.3时，表明多异质能源系统处于低水平耦合阶段；②当0.3＜C≤0.5时，表明多异质能源系统处于次低水平耦合阶段；③当0.5＜C≤0.8时，表明多异质能源系统处于次高水平阶段；④当0.8＜C≤1时，表明多异质能源系统处于高水平耦合阶段。

步骤E.运用场景分析法，分析所提多异质同质化模型在不同耦合度场景下的适用性。

运用场景分析法，分别建立低水平耦合场景，次低水平耦合场景，次高水平耦合场景和高水平耦合场景，校验所提同质化耦合表征方法的适用性。若与实际运行情况匹配度较高，说明所提耦合度指标合理且适用性较强；若与实际运行情况匹配度较低，说明所提耦合度指标适用性较低，则可对耦合度区间进行优化调整，重新建立多种耦合场景，校验模型的适用性。同质化耦合模型可以较好地解决可再生能源发电模型与传统发电模型不相容的问题。

以上所述，仅是本发明的较佳实例而已，并非对本发明作任何形式上的限制，本领域技术人员利用上述揭示的技术内容做出些许简单修改、等同变化或装饰，均落在本发明的保护范围内。

本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (9)

1.一种多异质能源同质化耦合的表征方法，其特征在于，包括以下步骤：

A.将多异质能源系统的概念进行阐述，从能源的发电环节-传输环节两种角度，将多异质能源系统分为源端异质能源系统和网络异质能源系统；

B.对源端异质能源系统的发电端进行同质化建模表征，得到多异质能源同质化模型；

C.针对多异质能源不同时间尺度特性不一特点，采用变异系数表征异质能源的波动性，构建波动强弱的梯次顺序表；

D.借鉴物理学中耦合概念与耦合系数模型，定义多异质能源在多异质能源系统中的耦合度指标；

E.运用场景分析法，分析所提多异质能源同质化模型在不同耦合度场景下的适用性。

2.如权利要求1所述的多异质能源同质化耦合的表征方法，其特征在于，步骤A中，所述源端异质能源系统异质在于出力单元特性各异，包括可再生能源发电端和传统能源发电端。

3.如权利要求1所述的多异质能源同质化耦合的表征方法，其特征在于，步骤A中，源端异质能源系统的发电单元出力特性各异，包括风电、光电、火电、水电、气电、储能，但传输环节均依靠电网来传输电能；网络异质能源系统分为电力输送网络，天然气输送网络和热力输送网络。

4.如权利要求2所述的多异质能源同质化耦合的表征方法，其特征在于，步骤B中，所述的对源端异质能源系统的发电端进行同质化建模表征，包括对可再生能源的同质化建模表征和传统能源的同质化建模表征。

5.如权利要求4所述的多异质能源同质化耦合的表征方法，其特征在于，对可再生能源的同质化建模表征，包括风电功率不确定性模型和光伏出力不确定性模型：

风电功率不确定性模型：

依据风电机组的输出功率特性，风电功率P_W与风速的函数关系表示为：

式中：P_r,W为风机额定输出功率；v为风机轮毂高度风速；v_r为额定风速；v_i为切入风速；v_o为切出风速；

由于风电功率与风速呈现出分段非线性函数关系，因此根据实际风速概率分布函数对风电功率预测误差概率分布特性进行分段求取：

式中： 为风机正常运行时风电功率预测误差概率密度函数，表示t时段预测风速为时风电功率预测值，是风速预测误差所服从高斯分布的标准差，是风电功率预测误差；

利用全概率公式得到风电功率不确定性概率密度函数f(△P_W ^t)为：

式中：γ_W是风电机组的强迫停运率，为狄克拉函数，表示风机停运造成功率预测误差，当时，值为1，其余为0；为风机正常运行时风电功率预测误差概率密度函数；

光伏出力不确定性模型：

光伏出力预测误差服从均值为0，标准差为的高斯分布，如下式：

式中：为光伏正常运行时光伏出力预测误差概率密度函数，是光伏出力的预测误差，由下式(5)求出：

式中，η_S是光伏阵列转换效率，S_S是光伏阵列总面积，为t时段光照强度预测误差分布标准；

利用全概率公式得到光伏出力不确定性概率密度函数f(△P_S ^t)为：

式中：γ_S是光伏阵列的强迫停运率；表示t时段在光照强度预测值为时光伏出力预测值；表示光伏阵列停运造成功率预测误差，当时，值为1，其余为0；为光伏正常运行时光伏出力预测误差概率密度函数。

6.如权利要求5所述的多异质能源同质化耦合的表征方法，其特征在于，所述对传统能源的同质化建模表征，具体为：

采用两状态模型描述传统发电单元的运行状态：正常运行状态和停运状态，如果传统发电单元发生故障停运，认为传统发电单元修复或替换时间较长，忽略传统发电单元在后续时段内修复可能性，传统发电单元停运替代率γ_i计算为：

γ_i＝λ_i·d_T (7)

式中：λ_i是传统发电单元i的强迫停运率；d_T为各优化时段时长；

进而传统发电单元出力不确定性模型用离散分布描述：

当正常运行时，传统发电单元i出力误差为0，传统发电单元i的出力误差概率为1-γ_i；当发生故障停运时，停运所造成的出力误差为-P_i，传统发电单元i的出力误差概率为γ_i；

风电功率不确定性模型和光伏出力不确定性模型为混合分布随机变量，传统发电单元出力不确定性模型为离散分布随机变量，将混合分布连续部分进行离散化，进而利用卷积计算得到多异质能源同质化模型。

7.如权利要求1所述的多异质能源同质化耦合的表征方法，其特征在于，步骤D中，提出了适用于多异质能源系统的耦合度指标，对多异质能源系统耦合度进行了定量表征；所述耦合度用C表示，0≤C≤1；当C值趋近于0时，表明各子系统之间处于无关状态，耦合度极低，多异质能源系统处于低耦合状态；当C值趋近于1时，表明各子系统之间达到良性耦合且趋向新的有序结构，耦合度最大，多异质能源系统处于高耦合状态。

8.如权利要求7所述的多异质能源同质化耦合的表征方法，其特征在于，采用中值分段法，根据耦合度值的变化，可以将耦合度进行区间划分：①当0＜C≤0.3时，表明多异质能源系统处于低水平耦合阶段；②当0.3＜C≤0.5时，表明多异质能源系统处于次低水平耦合阶段；③当0.5＜C≤0.8时，表明多异质能源系统处于次高水平阶段；④当0.8＜C≤1时，表明多异质能源系统处于高水平耦合阶段。

9.如权利要求8所述的多异质能源同质化耦合的表征方法，其特征在于，步骤E中，运用场景分析法，分别建立低水平耦合场景，次低水平耦合场景，次高水平耦合场景和高水平耦合场景，校验所提同质化耦合表征方法的适用性。