CN110401220B - 一种大规模新能源消纳水平评估方法及系统 - Google Patents

一种大规模新能源消纳水平评估方法及系统 Download PDF

Info

Publication number
CN110401220B
CN110401220B CN201910681223.1A CN201910681223A CN110401220B CN 110401220 B CN110401220 B CN 110401220B CN 201910681223 A CN201910681223 A CN 201910681223A CN 110401220 B CN110401220 B CN 110401220B
Authority
CN
China
Prior art keywords
time
power
data
time sequence
new energy
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
Application number
CN201910681223.1A
Other languages
English (en)
Other versions
CN110401220A (zh
Inventor
马实一
段聪
徐彤
王新雷
田雪沁
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 Economic and Technological Research Institute
Original Assignee
State Grid Economic and Technological Research Institute
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 Economic and Technological Research Institute filed Critical State Grid Economic and Technological Research Institute
Priority to CN201910681223.1A priority Critical patent/CN110401220B/zh
Publication of CN110401220A publication Critical patent/CN110401220A/zh
Application granted granted Critical
Publication of CN110401220B publication Critical patent/CN110401220B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种大规模新能源消纳水平评估方法及系统，获取电网的运行数据，运行数据包括时序数据和机组数据；根据时序数据确定需求容量和等效负荷；提取设定时间内负荷功率的上限时刻、负荷功率的下限时刻、需求容量的上限时刻、需求容量的下限时刻、等效负荷功率的上限时刻和等效负荷功率的下限时刻，时刻为设定时间内的单位时间；将上述提取的时刻从小到大按顺序排列，获得压缩的时间序列；提取压缩的时间序列对应时序数据获得压缩后的时序数据；根据压缩的时间序列的压缩比例压缩机组数据中对应数据；根据处理后的时序数据和机组数据进行基于时序仿真的新能源消纳能力评估。本发明能够压缩计算数据量，降低计算规模，提高计算速度。

Description

一种大规模新能源消纳水平评估方法及系统
技术领域
本发明涉及能源消纳评估技术领域，特别是涉及一种大规模新能源消纳水平评估方法及系统。
背景技术
新能源具有多个时间尺度上的随机波动特性，随着渗透水平的逐渐加大，电网消纳新能源的难度随之加大。对电网新能源接纳能力进行科学、合理的评估不仅有助于风电场规划发展，从源头解决弃风问题。
采用时序仿真的方法，以年度最大可平衡风电为目标，综合考虑风电出力特性、负荷特性、机组调峰特性、不同种类供热机组热电耦合特性、开机方式和电网送出能力等因素，可以对年度新能源利用情况进行评估。
中国省级电网覆盖面积大、电网结构复杂，建立详细的电网拓扑结构开展长时间尺度时序生产模拟仿真耗时很长。
发明内容
本发明的目的是提供一种大规模新能源消纳水平评估方法，能够压缩计算数据量，降低计算规模，提高计算速度。
为实现上述目的，本发明提供了如下方案：
一种大规模新能源消纳水平评估方法，其特征在于，所述方法包括：
获取电网的运行数据，所述运行数据包括时序数据和机组数据；所述时序数据包括负荷时序数据和新能源发电时序数据，所述负荷时序数据包括负荷功率PL(t)和负荷备用功率PLres(t)，所述新能源发电时序数据包括风电出力功率Pwf(t)、光电出力功率Ppv(t)和新能源备用功率PRres(t)，其中t为时间；
根据设定单位时间内的所述时序数据确定所述单位时间内的需求容量和所述单位时间内的等效负荷；
提取设定时间内所述负荷功率的上限时刻、所述负荷功率的下限时刻、所述需求容量的上限时刻、所述需求容量的下限时刻、所述等效负荷功率的上限时刻和所述等效负荷功率的下限时刻，所述时刻为所述设定时间内的所述单位时间；
将所述负荷功率的上限时刻、所述负荷功率的下限时刻、所述需求容量的上限时刻、所述需求容量的下限时刻、所述等效负荷功率的上限时刻和所述等效负荷功率的下限时刻从小到大按顺序排列，获得压缩的时间序列；
提取所述压缩的时间序列对应所述时序数据获得压缩后的时序数据；
根据所述压缩的时间序列的压缩比例同比压缩所述机组数据中的最小开机时间和最小关机时间；
根据所述压缩后的时序数据、所述机组数据和所述压缩后的机组数据进行基于时序仿真的新能源消纳水平评估。
可选的，所述需求容量为所有机组发出的功率上限的最小值，
所述需求容量Pdemand(t)＝PL(t)-Ppv(t)-Pwf(t)+PLres(t)+PRres(t)。
可选的，所述等效负荷为所有机组发出的功率下限的最大值，
所述等效负荷Pequal(t)＝PL(t)-Ppv(t)-Pwf(t)。
可选的，采用排序函数sort(·)对所述负荷功率的上限时刻、所述负荷功率的下限时刻、所述需求容量的上限时刻、所述需求容量的下限时刻、所述等效负荷功率的上限时刻和所述等效负荷功率的下限进行排序。
可选的，所述单位时间为一个小时，所述设定时间为24小时。
可选的，设定原数据量为全年8760小时，若所述压缩后的时间数据量为N，则所述压缩比率为
Figure BDA0002144832960000021
所述压缩后的最小开机时间为所述最小开机时间乘以
Figure BDA0002144832960000022
后取整，所述压缩后的最小关机时间为所述最小关机时间乘以
Figure BDA0002144832960000023
后取整。
本发明还提供了一种大规模新能源消纳水平评估系统，其特征在于，所述系统包括：
电网运行数据获取模块，用于获取电网的运行数据，所述运行数据包括时序数据和机组数据；所述时序数据包括负荷时序数据和新能源发电时序数据，所述负荷时序数据包括负荷功率PL(t)和负荷备用功率PLres(t)，所述新能源发电时序数据包括风电出力功率Pwf(t)、光电出力功率Ppv(t)和新能源备用功率PRres(t)，其中t为时间；
需求容量和等效负荷确定模块，用于根据设定单位时间内的所述时序数据确定所述单位时间内的需求容量和所述单位时间内的等效负荷；
时刻提取模块，用于提取设定时间内所述负荷功率的上限时刻、所述负荷功率的下限时刻、所述需求容量的上限时刻、所述需求容量的下限时刻、所述等效负荷功率的上限时刻和所述等效负荷功率的下限时刻，所述时刻为所述设定时间内的所述单位时间；
时间序列压缩模块，用于将所述负荷功率的上限时刻、所述负荷功率的下限时刻、所述需求容量的上限时刻、所述需求容量的下限时刻、所述等效负荷功率的上限时刻和所述等效负荷功率的下限时刻从小到大按顺序排列，获得压缩的时间序列；
时序数据压缩模块，用于提取所述压缩的时间序列对应所述时序数据获得压缩后的时序数据；
机组数据压缩模块，根据所述压缩的时间序列的压缩比例同比压缩所述机组数据中的最小开机时间和最小关机时间；
新能源消纳能力评估模块，用于根据所述压缩后的时序数据、所述机组数据和所述压缩后的机组数据进行基于时序仿真的新能源消纳水平评估。
可选的，所述需求容量为所有机组发出的功率上限的最小值，
所述需求容量Pdemand(t)＝PL(t)-Ppv(t)-Pwf(t)+PLres(t)+PRres(t)。
可选的，所述等效负荷为所有机组发出的功率下限的最大值，
所述等效负荷Pequal(t)＝PL(t)-Ppv(t)-Pwf(t)。
可选的，所述时间序列压缩模块，具体还包括：采用排序函数sort(·)对所述负荷功率的上限时刻、所述负荷功率的下限时刻、所述需求容量的上限时刻、所述需求容量的下限时刻、所述等效负荷功率的上限时刻和所述等效负荷功率的下限进行排序。
根据本发明提供的发明内容，本发明公开了以下技术效果：本发明公开了一种大规模新能源消纳水平评估方法及系统，通过获取电网的运行数据，其中运行数据包括时序数据和机组数据，通过提取时序数据中的特征时刻，得到压缩后的时间序列，根据压缩后的时间序列同比压缩机组数据中的相应数据，最后根据压缩后的时序数据、原机组数据和压缩后的机组数据进行基于时序仿真的新能源消纳能力分析，压缩计算数据量，降低计算规模，提高计算速度。
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一些实施例，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，还可以根据这些附图获得其他的附图。
图1为本发明实施例大规模新能源消纳水平评估方法流程示意图；
图2为本发明实施例大规模新能源消纳水平评估系统结构示意图。
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。
本发明的目的是提供一种大规模新能源消纳水平评估方法及系统，通过压缩计算数据量，降低计算规模，提高计算速度。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为大规模新能源消纳水平评估方法流程示意图，如图1所示，一种大规模新能源消纳水平评估方法，所述方法包括：
步骤101：获取电网的运行数据，所述运行数据包括时序数据和机组数据；
其中，步骤101还包括，所述时序数据包括负荷时序数据和新能源发电时序数据，所述负荷时序数据包括负荷功率PL(t)和负荷备用功率PLres(t)，所述新能源发电时序数据包括风电出力功率Pwf(t)、光电出力功率Ppv(t)和新能源备用功率PRres(t)，其中t为时间。
另外，基于历史情况进行评估的时序数据，由地方电力部门负责统计获得，基于对未来可能的情况进行评估的时序数据，由地方电力部门基于预测算法计算获得。在电网运行的地区下：负荷功率为每小时所有用电用户需要的平均有功功率，负荷备用功率为为了应对意外的用户用电功率变动而预留的每小时平均功率；风电出力功率为每小时接入电网的风力发电场发出的平均有功功率；光电出力功率为每小时接入电网的光伏发电厂可以发出的平均有功功率，新能源备用功率为为了应对意外的新能源发电功率变动而预留的每小时平均功率。机组数据包括，火电机组在不同供热时期发电功率的上限功率、下限功率、额定功率、最小开机时间和最小关机时间，其中火电机组不同供热时期包括：非供热期、供热初末期和供热中期。
步骤102：根据设定单位时间内的所述时序数据确定所述单位时间内的需求容量和所述单位时间内的等效负荷；
其中，步骤102，具体包括，所述需求容量为所有机组发出的功率上限的最小值，所述需求容量Pdemand(t)＝PL(t)-Ppv(t)-Pwf(t)+PLres(t)+PRres(t)。
所述等效负荷为所有机组发出的功率下限的最大值，所述等效负荷Pequal(t)＝PL(t)-Ppv(t)-Pwf(t)。
步骤103：提取设定时间内所述负荷功率的上限时刻、所述负荷功率的下限时刻、所述需求容量的上限时刻、所述需求容量的下限时刻、所述等效负荷功率的上限时刻和所述等效负荷功率的下限时刻，所述时刻为所述设定时间内的所述单位时间。
其中，步骤103，具体包括，采用排序函数sort(·)对所述负荷功率的上限时刻、所述负荷功率的下限时刻、所述需求容量的上限时刻、所述需求容量的下限时刻、所述等效负荷功率的上限时刻和所述等效负荷功率的下限进行排序。
步骤104：获得压缩的时间序列；
其中，步骤104具体包括，将所述负荷功率的上限时刻、所述负荷功率的下限时刻、所述需求容量的上限时刻、所述需求容量的下限时刻、所述等效负荷功率的上限时刻和所述等效负荷功率的下限时刻从小到大按顺序排列，获得压缩的时间序列。
步骤105：提取所述压缩的时间序列对应所述时序数据获得压缩后的时序数据。
步骤106：根据所述压缩的时间序列的压缩比例同比压缩所述机组数据中的最小开机时间和最小关机时间。
步骤107：根据所述压缩后的时序数据、所述机组数据和所述压缩后的机组数据进行基于时序仿真的新能源消纳能力评估。
本发明一种大规模新能源消纳水平评估方法具体实施过程中，若电网运行地区有若干子区(分区)，则针对不同的分区分别进行处理，分区的编号为i＝A,B,C,D...，时间表示为t＝1,2,3,4...，单位为小时，数据具体处理过程如下：
负荷时序数据包括：
该地区第i个分区的每小时负荷功率为
Figure BDA0002144832960000061
该地区第i个分区的每小时负荷备用功率为
Figure BDA0002144832960000062
新能源的时序数据包括：
该地区第i个分区的每小时风电出力功率为
Figure BDA0002144832960000063
该地区第i个分区的每小时光电出力功率为
Figure BDA0002144832960000064
该地区第i个分区的每小时新能源备用功率为
Figure BDA0002144832960000065
机组数据中，设机组编号为k，取值范围为1到该地区所有区域机组台数；机组非供热期状态标记为n，供热初末期状态标记为e，供热中期状态极为m，供热状态统称为state：
在state供热状态下的第k台机组发电功率上限
Figure BDA0002144832960000066
在state供热状态下的第k台机组发电功率下限
Figure BDA0002144832960000067
在state供热状态下的第k台机组额定功率
Figure BDA0002144832960000068
第k台机组最小开机时间Tminup(k)；
第k台机组最小关机时间Tmindown(k)。
(1)综合考虑该地区负荷时序数据与新能源时序数据，以天为单位，进行计算压缩，计算得到每个时刻t的所需要的所有火电机组发出的功率上限的最小值——总需求容量
Figure BDA0002144832960000069
所需要的所有火电机组发出的功率下限的最大值——等效负荷
Figure BDA00021448329600000610
(2)对时序数据进行预处理，找到具有一定特征的时刻点，以每天24小时为周期，找到每天一些时刻点，设每天为day＝1,2,...,365；
定义函数max(·)为找到一个序列中最大值所在的序列位置；
定义函数min(·)为找到一个序列中最小值所在的序列位置；
举例：max([3,1,4,1,5,9,2,6])＝6。
找到如下时刻点：
第i区，第day天最大总需求容量对应时刻：
Figure BDA0002144832960000071
t＝第day天的各小时；
第day天最小总需求容量对应时刻：
Figure BDA0002144832960000072
t＝第day天的各小时；
第day天最大等效负荷对应时刻：
Figure BDA0002144832960000073
t＝第day天的各小时；
第day天最小等效负荷对应时刻：
Figure BDA0002144832960000074
t＝第day天的各小时；
第day天最大负荷功率对应时刻：
Figure BDA0002144832960000075
t＝第day天的各小时；
第day天最小负荷功率对应时刻：
Figure BDA0002144832960000076
t＝第day天的各小时；
上述时刻点的数据能够充分反映当天火电机组需要满足的一些上下限情况，将上述些时刻点按顺序依次挑选排列，可以组成一个压缩的时间序列数据。
(3)设排序函数为sort(·)，它可以对数组进行由小到大排序，
例如sort([3,1,4,1,5,9,2,6])＝[1,1,2,2,3,4,5,9]；
新的时间点的序列即压缩的时间序列为:
Figure BDA0002144832960000077
i＝A,B,C,D,...；day＝1,2,3,...,365；
其中Tseries为新生成的有序数组，它是时间点的序列。
(4)针对新的时间序列所对应的每小时负荷功率、每小时风电出力功率、每小时光电出力功率、每小时负荷备用功率、每小时新能源备用功率，组成新的时序数据即压缩后的时序数据。新的负荷时序数据变为：
新的负荷功率序列为
Figure BDA0002144832960000078
新的负荷备用功率序列为
Figure BDA0002144832960000079
新能源的时序数据包括：
风电出力功率序列为
Figure BDA00021448329600000710
光电出力功率序列为
Figure BDA0002144832960000081
新能源备用功率序列为
Figure BDA0002144832960000082
(5)根据压缩的时间序列，同比例压缩最小开机时间与最小关机时间。根据获得压缩后的时间序列后，整个时间序列被压缩，进而数据量下降。同时，对最大开机时间与最小开机时间进行调整。设定原数据量为全年8760小时，若所述压缩后的时间数据量为N，则所述压缩比率为
Figure BDA0002144832960000083
所述压缩后的最小开机时间为所述最小开机时间乘以
Figure BDA0002144832960000084
后取整，所述压缩后的最小关机时间为所述最小关机时间乘以
Figure BDA0002144832960000085
后取整。设取整函数为fix(·)处理后的第k台机组最小开机时间
Figure BDA0002144832960000086
处理后的第k台机组最小关机时间
Figure BDA0002144832960000087
(6)根据压缩后的时序数据、机组数据和压缩后的机组数据，利用现有的基于时序仿真的新能源消纳水平评估方法，对上述预处理后的评估数据进行时序生产模拟分析，最终求得新能源消纳的评价指标：全年弃风率，全年弃光率，全年新能源利用率，全年火电利用小时数。
图2为大规模新能源消纳水平评估系统结构示意图，如图2所示，一种大规模新能源消纳水平评估系统，所述系统包括：
电网运行数据获取模块201，用于获取电网的运行数据，所述运行数据包括时序数据和机组数据；所述时序数据包括负荷时序数据和新能源发电时序数据，所述负荷时序数据包括负荷功率PL(t)和负荷备用功率PLres(t)，所述新能源发电时序数据包括风电出力功率Pwf(t)、光电出力功率Ppv(t)和新能源备用功率PRres(t)，其中t为时间；
需求容量和等效负荷确定模块202，用于根据设定单位时间内的所述时序数据确定所述单位时间内的需求容量和所述单位时间内的等效负荷；
其中，所述需求容量为所有机组发出的功率上限的最小值，所述需求容量Pdemand(t)＝PL(t)-Ppv(t)-Pwf(t)+PLres(t)+PRres(t)。
所述等效负荷为所有机组发出的功率下限的最大值，所述等效负荷Pequal(t)＝PL(t)-Ppv(t)-Pwf(t)。
时刻提取模块203，用于提取设定时间内所述负荷功率的上限时刻、所述负荷功率的下限时刻、所述需求容量的上限时刻、所述需求容量的下限时刻、所述等效负荷功率的上限时刻和所述等效负荷功率的下限时刻，所述时刻为所述设定时间内的所述单位时间。
时间序列压缩模块204，用于将所述负荷功率的上限时刻、所述负荷功率的下限时刻、所述需求容量的上限时刻、所述需求容量的下限时刻、所述等效负荷功率的上限时刻和所述等效负荷功率的下限时刻从小到大按顺序排列，获得压缩的时间序列；
其中，时间序列压缩模块204具体包括，采用排序函数sort(·)对所述负荷功率的上限时刻、所述负荷功率的下限时刻、所述需求容量的上限时刻、所述需求容量的下限时刻、所述等效负荷功率的上限时刻和所述等效负荷功率的下限进行排序。
时序数据压缩模块205，用于提取所述压缩的时间序列对应所述时序数据获得压缩后的时序数据。
机组数据压缩模块206，根据所述压缩的时间序列的压缩比例同比压缩所述机组数据中的最小开机时间和最小关机时间；
新能源消纳能力评估模块207，用于根据所述压缩后的时序数据、所述机组数据和所述压缩后的机组数据进行基于时序仿真的新能源消纳水平评估。
本发明在现有的基于时序模拟的全年新能源消纳评估方法的基础上，通过对全年评估数据的预处理，在反映原评估对象各种指标的基础上，降低评估对象的复杂度，进而提高评估计算的速度，最终更快获得过评估可以获得全年弃风率，全年弃光率，全年新能源利用率，全年火电利用小时数等评价指标，这些指标可以反映新能源利用情况。
本发明公开了一种大规模新能源消纳水平评估方法及系统，通过获取电网的运行数据，其中运行数据包括时序数据和机组数据，通过提取时序数据中的特征时刻，得到压缩后的时间序列，根据压缩后的时间序列同比压缩机组数据中的相应数据，最后根据压缩后的时序数据、原机组数据和压缩后的机组数据进行基于时序仿真的新能源消纳能力分析，在贴近原网络数据特征的情况下，降低了评估模型的复杂度，提高了评估的速度。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
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 (10)

1.一种大规模新能源消纳水平评估方法，其特征在于，所述方法包括：
获取电网的运行数据，所述运行数据包括时序数据和机组数据；所述时序数据包括负荷时序数据和新能源发电时序数据，所述负荷时序数据包括负荷功率PL(t)和负荷备用功率PLres(t)，所述新能源发电时序数据包括风电出力功率Pwf(t)、光电出力功率Ppv(t)和新能源备用功率PRres(t)，其中t为时间；
根据设定单位时间内的所述时序数据确定所述单位时间内的需求容量和所述单位时间内的等效负荷；
提取设定时间内所述负荷功率的上限时刻、所述负荷功率的下限时刻、所述需求容量的上限时刻、所述需求容量的下限时刻、所述等效负荷功率的上限时刻和所述等效负荷功率的下限时刻，所述时刻为所述设定时间内的所述单位时间；
将所述负荷功率的上限时刻、所述负荷功率的下限时刻、所述需求容量的上限时刻、所述需求容量的下限时刻、所述等效负荷功率的上限时刻和所述等效负荷功率的下限时刻从小到大按顺序排列，获得压缩的时间序列；
提取所述压缩的时间序列对应所述时序数据获得压缩后的时序数据；
根据所述压缩的时间序列的压缩比例同比压缩所述机组数据中的最小开机时间和最小关机时间；
根据所述压缩后的时序数据、所述机组数据和所述压缩后的机组数据进行基于时序仿真的新能源消纳水平评估。
2.根据权利要求1所述的大规模新能源消纳水平评估方法，其特征在于，所述需求容量为所有机组发出的功率上限的最小值，
所述需求容量Pdemand(t)＝PL(t)-Ppv(t)-Pwf(t)+PLres(t)+PRres(t)。
3.根据权利要求1所述的大规模新能源消纳水平评估方法，其特征在于，所述等效负荷为所有机组发出的功率下限的最大值，
所述等效负荷Pequal(t)＝PL(t)-Ppv(t)-Pwf(t)。
4.根据权利要求1所述的大规模新能源消纳水平评估方法，其特征在于，采用排序函数sort(·)对所述负荷功率的上限时刻、所述负荷功率的下限时刻、所述需求容量的上限时刻、所述需求容量的下限时刻、所述等效负荷功率的上限时刻和所述等效负荷功率的下限进行排序。
5.根据权利要求1所述的大规模新能源消纳水平评估方法，其特征在于，所述单位时间为一个小时，所述设定时间为24小时。
6.根据权利要求5所述的大规模新能源消纳水平评估方法，其特征在于，设定原数据量为全年8760小时，若压缩后的时间数据量为N，则压缩比率为
Figure FDA0002639607420000021
所述压缩后的最小开机时间为所述最小开机时间乘以
Figure FDA0002639607420000022
后取整，所述压缩后的最小关机时间为所述最小关机时间乘以
Figure FDA0002639607420000023
后取整。
7.一种大规模新能源消纳水平评估系统，其特征在于，所述系统包括：
电网运行数据获取模块，用于获取电网的运行数据，所述运行数据包括时序数据和机组数据；所述时序数据包括负荷时序数据和新能源发电时序数据，所述负荷时序数据包括负荷功率PL(t)和负荷备用功率PLres(t)，所述新能源发电时序数据包括风电出力功率Pwf(t)、光电出力功率Ppv(t)和新能源备用功率PRres(t)，其中t为时间；
需求容量和等效负荷确定模块，用于根据设定单位时间内的所述时序数据确定所述单位时间内的需求容量和所述单位时间内的等效负荷；
时刻提取模块，用于提取设定时间内所述负荷功率的上限时刻、所述负荷功率的下限时刻、所述需求容量的上限时刻、所述需求容量的下限时刻、所述等效负荷功率的上限时刻和所述等效负荷功率的下限时刻，所述时刻为所述设定时间内的所述单位时间；
时间序列压缩模块，用于将所述负荷功率的上限时刻、所述负荷功率的下限时刻、所述需求容量的上限时刻、所述需求容量的下限时刻、所述等效负荷功率的上限时刻和所述等效负荷功率的下限时刻从小到大按顺序排列，获得压缩的时间序列；
时序数据压缩模块，用于提取所述压缩的时间序列对应所述时序数据获得压缩后的时序数据；
机组数据压缩模块，根据所述压缩的时间序列的压缩比例同比压缩所述机组数据中的最小开机时间和最小关机时间；
新能源消纳能力评估模块，用于根据所述压缩后的时序数据、所述机组数据和所述压缩后的机组数据进行基于时序仿真的新能源消纳水平评估。
8.根据权利要求7所述的大规模新能源消纳水平评估系统，其特征在于，所述需求容量为所有机组发出的功率上限的最小值，
所述需求容量Pdemand(t)＝PL(t)-Ppv(t)-Pwf(t)+PLres(t)+PRres(t)。
9.根据权利要求7所述的大规模新能源消纳水平评估系统，其特征在于，所述等效负荷为所有机组发出的功率下限的最大值，
所述等效负荷Pequal(t)＝PL(t)-Ppv(t)-Pwf(t)。
10.根据权利要求7所述的大规模新能源消纳水平评估系统，其特征在于，所述时间序列压缩模块，具体还包括：采用排序函数sort(·)对所述负荷功率的上限时刻、所述负荷功率的下限时刻、所述需求容量的上限时刻、所述需求容量的下限时刻、所述等效负荷功率的上限时刻和所述等效负荷功率的下限进行排序。
CN201910681223.1A 2019-07-26 2019-07-26 一种大规模新能源消纳水平评估方法及系统 Active CN110401220B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910681223.1A CN110401220B (zh) 2019-07-26 2019-07-26 一种大规模新能源消纳水平评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910681223.1A CN110401220B (zh) 2019-07-26 2019-07-26 一种大规模新能源消纳水平评估方法及系统

Publications (2)

Publication Number Publication Date
CN110401220A CN110401220A (zh) 2019-11-01
CN110401220B true CN110401220B (zh) 2020-11-17

Family

ID=68325103

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910681223.1A Active CN110401220B (zh) 2019-07-26 2019-07-26 一种大规模新能源消纳水平评估方法及系统

Country Status (1)

Country Link
CN (1) CN110401220B (zh)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6993456B2 (en) * 1999-09-30 2006-01-31 Rockwell Automation Technologies, Inc. Mechanical-electrical template based method and apparatus
CN105449664B (zh) * 2014-09-01 2018-05-08 北京华建网源电力设计研究院有限公司 一种风电消纳能力计算方法及系统
CN106410852B (zh) * 2016-11-24 2019-02-01 国家电网公司 电网消纳新能源发电的评估方法及设备
CN108390415B (zh) * 2018-01-30 2022-11-25 中国电力科学研究院有限公司 一种区域电网新能源消纳容量计算方法和系统
CN109274131B (zh) * 2018-09-14 2022-03-25 国家电网公司西北分部 基于概率统计理论的新能源消纳能力非时序量化评估方法
CN109888830B (zh) * 2019-03-20 2020-09-22 国网能源研究院有限公司 一种适应大规模新能源并网消纳的储能容量优化配置方法

Also Published As

Publication number Publication date
CN110401220A (zh) 2019-11-01

Similar Documents

Publication Publication Date Title
CN111681130B (zh) 一种考虑条件风险价值的综合能源系统优化调度方法
Yagmur Multi-criteria evaluation and priority analysis for localization equipment in a thermal power plant using the AHP (analytic hierarchy process)
CN110659788A (zh) 一种用户侧综合能源系统的供需平衡分析方法和系统
CN113256033B (zh) 基于模态互补的发电站选址定容方法、装置、系统及介质
CN112994115A (zh) 一种基于wgan场景模拟和时序生产模拟的新能源容量配置方法
WO2021129955A1 (en) System and method for load and source forecasting for increasing electrical grid component longevity
CN116029490A (zh) 考虑分布式资源区域容量限制的光网储协同规划方法
CN116826726A (zh) 一种微电网发电量预测方法、装置及存储介质
CN107392791B (zh) 多能互补系统的分布式光伏与气电混合容量规划方法和系统
CN111985805A (zh) 综合能源系统动态需求响应的方法及系统
Quaiyum et al. Application of artificial neural network in forecasting solar irradiance and sizing of photovoltaic cell for standalone systems in Bangladesh
CN110401220B (zh) 一种大规模新能源消纳水平评估方法及系统
CN109543993A (zh) 分析光伏电站的方法、计算机存储介质及计算机设备
CN113991640A (zh) 基于火电的多能互补能源基地能源配置规划方法
Haberschusz et al. Are PV battery systems causing ramping problems in the German power grid?
CN110336332B (zh) 一种基于出力曲线聚合的区间潮流典型场景构造方法
CN112736899A (zh) 一种微电网规划方案评价指标计算方法以及装置
CN116911433A (zh) 一种光伏发电设备维护时刻确定方法、系统、设备和介质
Liu et al. Reliability assessment of micro-grid based on Markov model
Kondziella et al. Economic analysis of electricity storage applications in the German spot market for 2020 and 2030
CN111509744B (zh) 一种储能多功能应用布局方法及系统
Barry et al. Power fluctuations in solar-storage clusters: spatial correlation and battery response times
CN113343491A (zh) 一种考虑时序自相关和互相关性的随机场景分析方法
KR102700905B1 (ko) Ai 기술이 적용된 분산형 태양광발전 운영시스템
CN108616122A (zh) 一种计及超低频振荡的调速器pid参数鲁棒优化方法

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
TA01 Transfer of patent application right

Effective date of registration: 20201029

Address after: 102209 Beijing Changping District Future Science and Technology City North District State Grid Office Area B509

Applicant after: STATE GRID ECONOMIC AND TECHNOLOGICAL RESEARCH INSTITUTE Co.,Ltd.

Address before: 102209 a220, office area of State Grid Corporation of Beijing Changping District Beiqijia future science city Beiqu

Applicant before: BEIJING HUAJIAN WANGYUAN POWER DESIGN AND RESEARCH INSTITUTE Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant