CN110555628B - 一种新能源发电出力与负荷特性匹配程度的综合评价方法 - Google Patents
一种新能源发电出力与负荷特性匹配程度的综合评价方法 Download PDFInfo
- Publication number
- CN110555628B CN110555628B CN201910858776.XA CN201910858776A CN110555628B CN 110555628 B CN110555628 B CN 110555628B CN 201910858776 A CN201910858776 A CN 201910858776A CN 110555628 B CN110555628 B CN 110555628B
- Authority
- CN
- China
- Prior art keywords
- curve
- new energy
- load
- value
- output
- 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
- 238000010248 power generation Methods 0.000 title claims abstract description 46
- 238000011156 evaluation Methods 0.000 title claims abstract description 38
- 238000011160 research Methods 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000010606 normalization Methods 0.000 claims abstract description 7
- 230000035515 penetration Effects 0.000 claims description 50
- 238000000034 method Methods 0.000 claims description 27
- 238000013139 quantization Methods 0.000 claims description 5
- 230000001568 sexual effect Effects 0.000 claims 1
- 230000035699 permeability Effects 0.000 abstract description 3
- 238000004379 similarity theory Methods 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004519 manufacturing process Methods 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
- G06Q10/0639—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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Control Of Eletrric Generators (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种新能源发电出力与负荷特性匹配程度的综合评价方法，包括以下步骤：构建新能源发电出力与负荷特性匹配程度的综合评价指标体系框架；获取研究区域和研究时段内的新能源出力时序曲线和负荷时序曲线，计算三级指标各指标量化数值并进行无量纲归一化处理；确定二级指标和三级指标的权重值，计算各级指标的积分值；计算得到一级指标的综合评分，量化确定新能源发电出力与负荷特性的匹配程度。本发明拓展提出基于时间序列相似度理论的出力‑负荷曲线相似度指标，能够全面系统反映新能源出力与负荷特性的匹配程度及其量化值，对高新能源渗透率情况下评估新能源出力与负荷特性的相关性具有很大的指导和应用价值。
Description
技术领域
本发明涉及电力规划分析技术领域，具体涉及一种新能源发电出力与负荷特性匹配程度的综合评价方法。
背景技术
近年来，我国风电、太阳能发电装机已经稳居世界第一，新能源发电在我国正逐步从补充性电源向重要主力电源角色转变，且随着我国能源生产和消费革命的推进，未来新能源发电还将继续保持高速发展。新能源发电的波动性、间歇性是其与常规电源不同所在，新能源大规模发展会对电网运行带来较大挑战，研究新能源出力特性与负荷特性的相关性，是研究新能源发电对电网带来影响的基础。
现有研究多从调峰特性角度分析新能源波动与负荷的相关性，近几年开始有研究者在新能源出力曲线与负荷曲线时间序列相似性方面进行了探索，但总体来说，对新能源发电出力特性与负荷的相关性研究还相对分散，各研究提出的指标都各有侧重点，分析的指标维度也比较单一，缺乏一套系统全面、行之有效的评价指标体系。
发明内容
为了解决上述技术问题，本发明所采用的技术方案是提供了一种新能源发电出力与负荷特性匹配程度的综合评价方法，包括以下步骤：
构建新能源发电出力与负荷特性匹配程度的综合评价指标体系框架；主要为构建新能源-负荷匹配程度评价一级指标；以一级指标为基础，建立新能源-负荷匹配程度评价二级指标；以二级指标为基础，建立新能源-负荷匹配程度评价三级指标；
获取研究区域和研究时段内的新能源出力时序曲线和负荷时序曲线，计算三级指标各指标量化数值；
对三级指标量化数值进行无量纲归一化处理；
通过层次分析法和专家评价法确定二级指标和三级指标的权重值，计算各级指标的积分值；
采用加权平均法计算得到一级指标的综合评分，量化确定新能源发电出力与负荷特性的匹配程度。
在上述方法中，所述三级指标具体为：
一级指标：新能源-负荷匹配程度MR-L，用以衡量新能源发电出力与负荷特性的匹配程度，满足如下关系：
0<MR-L<1 (1)
其中，MR-L取值越接近1，表示新能源发电出力与负荷特性匹配程度越高；取值越接近0，表示新能源发电出力与负荷特性匹配程度越低；
二级指标包括：
新能源穿透率指标Pr，表示新能源出力占负荷的比例；
新能源调峰特性指标PP，表示新能源接入后净负荷曲线峰谷差的变化；
出力-负荷曲线相似度指标D，表示新能源出力和负荷的标幺值曲线间的相似距离；
三级指标包括：
最大穿透率Prm，表示新能源最大出力占该时刻负荷的比例；
平均穿透率Prav，表示时间周期范围内的新能源穿透率的算术平均值；
平均穿透率出现时间概率Trm，表示新能源穿透率大于等于Prav出现的时间占时间周期的比例；
最大反调峰量Pnvm，表示新能源接入后的净负荷曲线峰谷差与原始负荷曲线峰谷差的差值最大值；
最大正调峰量Ppvm，表示原始负荷曲线峰谷差与新能源接入后的净负荷曲线峰谷差的差值最大值；
反调峰出现时间概率Tnv，表示原始负荷曲线峰谷差与新能源接入后的净负荷曲线峰谷差的差值为负值出现的时间占时间周期的比例；
幅度距离Da，表示新能源出力标幺值曲线与负荷标幺值曲线的欧式距离；
形态距离Df，表示新能源出力斜率曲线与负荷斜率曲线的欧式距离。
在上述方法中，所述获取研究区域和研究时段内的新能源出力时序曲线和负荷时序曲线，计算三级指标各指标量化数值，具体包括以下步骤：
A1、确定研究区域，获取研究区域和研究时段内的新能源出力时序曲线PR(t)和负荷时序曲线PL(t)以及新能源发电装机容量CR、新能源最大出力CM和最大负荷PM；
A2：将PR(t)与PL(t)各时刻对应元素相除，得到新能源穿透率变化曲线Pr(t)；
在时序负荷需求曲线PL(t)上减去新能源出力时序曲线PR(t)，得到净负荷时序曲线PLN(t)；
将新能源出力时序曲线PR(t)和负荷时序曲线PL(t)进行标幺处理，得到新能源出力标幺值时序曲线P* R(t)和负荷标幺值时序曲线P* L(t)；
A3：分别取新能源穿透率变化曲线Pr(t)最大值和平均值，得到三级指标最大穿透率Prm和平均穿透率Prav取值；
将新能源穿透率变化曲线Pr(t)的元素按从大至小排列得到Prd(t)，统计穿透率大于等于平均值Prav的时段数，将其与统计时间周期相除，得到三级指标平均穿透率出现时间概率Trm取值；
A4：按统计时段内的每日分别计算原始负荷曲线峰谷差Pv(i)和净负荷曲线峰谷差Pvn(i)，两者相减得到峰谷差变化值的变化曲线ΔPv(i)；
对变化曲线分别取负向最大绝对值和正向最大绝对值，得到三级指标最大反调峰量Pnvm和最大正调峰量Ppvm取值；
将ΔPv(i)的元素从大至小排列得到ΔPvd(i)，统计取值为负值的时段数，将其与统计时间周期相除，得到三级指标反调峰出现时间概率Tnv取值；
A5：计算新能源出力标幺值时序曲线和负荷标幺值时序曲线上各点斜率，得到新能源出力斜率曲线P'R(t)和负荷斜率曲线P'L(t)；
计算新能源出力标幺值时序曲线和负荷标幺值时序曲线间的欧式距离，得到三级指标幅度距离Da取值；
计算新能源出力斜率曲线和负荷斜率曲线间的欧式距离，得到三级指标形态距离Df取值。
在上述方法中，所述步骤A1具体计算如下：
统计历史数据，确定地区新能源出力时序曲线PR(t)、负荷时序曲线PL(t)、新能源发电装机容量CR；
新能源最大出力CM如下式：
CM＝max(PR(t)),t＝1,2,...,n (2)
式中，max代表取时间序列内各元素的最大值，n代表统计周期内的小时数；
最大负荷PM如下式：
PM＝max(PL(t)),t＝1,2,...,n (3)
式中，max代表取时间序列内各元素的最大值。
在上述方法中，所述步骤A2具体计算如下：
新能源穿透率变化曲线Pr(t)在时刻t对应的元素取值，如下式：
净负荷时序曲线PLN(t)如下式：
PLN(t)＝PL(t)-PR(t),t＝1,2,...,n (5)
新能源出力标幺值时序曲线P* R(t)如下式：
负荷标幺值时序曲线P* L(t)如下式：
在上述方法中，所述步骤A3具体计算如下：
最大穿透率Prm如下式：
Prm＝max(Pr(t)),t＝1,2,...,n (8)
平均穿透率Prav如下式：
Prav＝ave(Pr(t)),t＝1,2,...,n (9)
式中，ave代表取时间序列内各元素的算数平均值；
新能源穿透率变化曲线元素从大至小排列曲线Prd(t)，如下式：
Prd(t)＝sort(Pr(t)),t＝1,2,...,n (10)
式中，sort代表将时间序列内的元素从大至小重新排列；
平均穿透率出现时间概率Trm，如下式：
式中，nrm取Prd(t)曲线中元素取值大于等于平均值的时段数，即满足如下关系：
Prd(t)≥Prav,t≤nrm (12)
在上述方法中，所述步骤A4具体计算如下：
按日形成的原始负荷曲线峰谷差曲线Pv(i)，计算如下式：
Pv(i)＝Pimax-Pimin,i＝1,2,...,n/24 (13)
Pimax＝max(PL(t)),24i-23≤t≤24i (14)
Pimin＝min(PL(t)),24i-23≤t≤24i (15)
式中，min代表取时间序列内各元素的最小值；
按日形成的净负荷曲线峰谷差曲线Pvn(i)，计算如下式：
Pvn(i)＝P′imax-P′imin,i＝1,2,...,n/24 (16)
P′imax＝max(PLN(t)),24i-23≤t≤24i (17)
P′imin＝min(PLN(t)),24i-23≤t≤24i (18)
峰谷差变化值的变化曲线ΔPv(i)，计算如下式：
ΔPv(i)＝Pv(i)-Pvn(i) (19)
最大反调峰量Pnvm，计算如下式：
Pnvm＝abs(min(ΔPv(i))),i＝1,2,...,n/24 (20)
最大正调峰量Ppvm，计算如下式：
Ppvm＝max(ΔPv(i)),i＝1,2,...,n/24 (21)
ΔPv(i)元素从大至小排列曲线ΔPvd(i)，计算如下式：
ΔPvd(i)＝sort(ΔPv(i)),i＝1,2,...,n/24 (22)
反调峰出现时间概率Tnv，计算如下式：
式中，nnv取ΔPvd(i)曲线中元素取值为负的时段数，即满足如下关系：
在上述方法中，所述步骤A5具体计算如下：
新能源出力斜率曲线P'R(t)在时刻t对应的元素取值，计算如下式：
P'R(t)＝PR(t+1)-PR(t),t＝1,2,...,n-1 (25)
负荷斜率曲线P'L(t)在时刻t对应的元素取值，可用如下形式表示：
P'L(t)＝PL(t+1)-PL(t),t＝1,2,...,n-1 (26)
新能源发电出力曲线与负荷曲线间的幅度距离Da，计算如下式：
新能源发电出力曲线与负荷曲线间的形态距离Df，计算如下式：
在上述方法中，所述对三级指标量化数值进行无量纲归一化处理具体如下：
最大反调峰量和最大正调峰量的归一化指标值P* nvm和P* pvm，以及幅度距离和形态距离的归一化指标值D* a和D* f，计算如下式：
在上述方法中，所述二级指标权重值分别为：α1、α2、α3；
三级指标权重值分别为：α11、α12、α13、α21、α22、α23、α31、α32；
满足如下关系：
α1+α2+α3＝1 (33)
α11+α12+α13＝1 (34)
α21+α22+α23＝1 (35)
α31+α32＝1 (36)
在上述方法中，所述采用加权平均法计算得到一级指标的综合评分具体如下：
新能源发电出力与负荷特性匹配程度量化表征值MR-L，计算如下式：
本发明提供的一种新能源发电出力与负荷特性匹配程度的综合评价方法，思路清晰、逻辑严谨，突破已有新能源出力与负荷特性匹配程度评价指标单一的局限性，并拓展提出基于时间序列相似度理论的出力-负荷曲线相似度指标，能够全面系统反映新能源出力与负荷特性的匹配程度及其量化值，对高新能源渗透率情况下评估新能源出力与负荷特性的相关性具有很大的指导和应用价值，为进一步优化电力系统规划方案和系统运行状态等提供参考。
附图说明
图1为本发明提供的流程图；
图2为本发明提供的新能源发电出力与负荷特性匹配程度的综合评价指标体系示意图。
图3为本发明提供的整体实施流程图；
图4为本发明提供的新能源穿透率指标计算示意图；
图5为本发明提供的新能源调峰特性指标计算示意图
图6为本发明提供的出力-负荷曲线相似度指标计算示意图。
具体实施方式
本发明提供的一种新能源发电出力与负荷特性匹配程度的综合评价方法，思路清晰、逻辑严谨，突破已有新能源出力与负荷特性匹配程度评价指标单一的局限性，并拓展提出基于时间序列相似度理论的出力-负荷曲线相似度指标，能够全面系统反映新能源出力与负荷特性的匹配程度及其量化值，对高新能源渗透率情况下评估新能源出力与负荷特性的相关性具有很大的指导和应用价值，为进一步优化电力系统规划方案和系统运行状态等提供参考，下面结合具体实施方式和说明书附图对本发明做出详细的说明。
如图1所示，本发明提供了新能源发电出力与负荷特性匹配程度的综合评价方法，包括以下步骤：
S1、构建新能源发电出力与负荷特性匹配程度的综合评价指标体系框架；
主要为构建新能源-负荷匹配程度评价一级指标；以一级指标为基础，建立新能源-负荷匹配程度评价二级指标；以二级指标为基础，建立新能源-负荷匹配程度评价三级指标；
其中，如图2所示，三级指标具体为：
(1)一级指标为新能源-负荷匹配程度表征MR-L，用以衡量新能源发电出力与负荷特性的匹配程度，满足如下关系：
0<MR-L<1 (1)
其中，MR-L取值越接近1，表示新能源发电出力与负荷特性匹配程度越高；取值越接近0，表示新能源发电出力与负荷特性匹配程度越低。
(2)二级指标包括新能源穿透率指标Pr、新能源调峰特性指标PP和出力-负荷曲线相似度指标D。
其中，Pr表示新能源出力占负荷的比例，是从新能源出力规模上衡量新能源与负荷的匹配程度；PP表示新能源接入后净负荷曲线峰谷差的变化，是从新能源出力的最大波动性影响上衡量新能源与负荷的匹配程度；D表示新能源出力和负荷的标幺值曲线间的相似距离，是从新能源出力所有时间序列全局上衡量新能源与负荷的匹配程度。
(3)三级指标包括最大穿透率Prm、平均穿透率Prav、平均穿透率出现时间概率Trm、最大反调峰量Pnvm、最大正调峰量Ppvm、反调峰出现时间概率Tnv、幅度距离Da、形态距离Df。
其中，Prm表示新能源最大出力占该时刻负荷的比例，Prav表示时间周期范围内的新能源穿透率的算术平均值，Trm表示新能源穿透率大于等于Prav出现的时间占时间周期的比例，Pnvm表示新能源接入后的净负荷曲线峰谷差与原始负荷曲线峰谷差的差值最大值，Ppvm表示原始负荷曲线峰谷差与新能源接入后的净负荷曲线峰谷差的差值最大值，Tnv表示原始负荷曲线峰谷差与新能源接入后的净负荷曲线峰谷差的差值为负值出现的时间占时间周期的比例，Da表示新能源出力标幺值曲线与负荷标幺值曲线的欧式距离，Df表示新能源出力斜率曲线与负荷斜率曲线的欧式距离。
S2、获取研究区域和研究时段内的新能源出力时序曲线和负荷时序曲线，根据三级指标相关量化计算方法获取三级指标量化数值；
其中，如图3-6所示，步骤S2具体包括以下步骤：
A1、确定研究区域，获取研究区域和研究时段内的新能源出力时序曲线PR(t),t＝t＝1，2…n和负荷时序曲线PL(t)，t＝1，2…n，以及新能源发电装机容量CR、新能源最大出力CM和最大负荷PM；本实施例，选取研究区域的新能源发电(风电或太阳能发电)及负荷作为研究对象，具体为：
统计历史数据，确定地区新能源出力时序曲线PR(t)、负荷时序曲线PL(t)、新能源发电装机容量CR；
新能源最大出力CM如下式：
CM＝max(PR(t)),t＝1,2,...,n (2)
式中，max代表取时间序列内各元素的最大值，n代表统计周期内的小时数；
最大负荷PM如下式：
PM＝max(PL(t)),t＝1,2,...,n (3)
式中，max代表取时间序列内各元素的最大值。
A2：将PR(t)与PL(t)各时刻对应元素相除，得到新能源穿透率变化曲线Pr(t)，t＝1，2…n，具体为：
在时序负荷需求曲线PL(t)上减去新能源出力时序曲线PR(t)，得到净负荷时序曲线PLN(t)，t＝1，2…n，具体为：
PLN(t)＝PL(t)-PR(t),t＝1,2,...,n (5)
将新能源出力时序曲线PR(t)和负荷时序曲线PL(t)进行标幺处理，得到新能源出力标幺值时序曲线P* R(t)和负荷标幺值时序曲线P* L(t)，具体为：
新能源出力标幺值时序曲线P* R(t)如下式：
负荷标幺值时序曲线P* L(t)如下式：
A3：分别取新能源穿透率变化曲线Pr(t)最大值和平均值，得到三级指标最大穿透率Prm和平均穿透率Prav取值，具体为：
最大穿透率Prm如下式：
Prm＝max(Pr(t)),t＝1,2,...,n (8)
平均穿透率Prav如下式：
Prav＝ave(Pr(t)),t＝1,2,...,n (9)
式中，ave代表取时间序列内各元素的算数平均值。
将新能源穿透率变化曲线Pr(t)的元素按从大至小排列得到Prd(t)，具体为：
Prd(t)＝sort(Pr(t)),t＝1,2,...,n (10)
式中，sort代表将时间序列内的元素从大至小重新排列；
统计穿透率大于等于平均值Prav的时段数，将其与统计时间周期相除，得到三级指标平均穿透率出现时间概率Trm取值，具体计算如下：
式中，nrm取Prd(t)曲线中元素取值大于等于平均值的时段数，即满足如下关系：
Prd(t)≥Prav,t≤nrm (12)
A4：按统计时段内的每日分别计算原始负荷曲线峰谷差Pv(i)和净负荷曲线峰谷差Pvn(i)，两者相减得到峰谷差变化值的变化曲线ΔPv(i)，i＝1，2…n；具体计算如下：
按日形成的原始负荷曲线峰谷差曲线Pv(i)，计算如下式：
Pv(i)＝Pimax-Pimin,i＝1,2,...,n/24 (13)
Pimax＝max(PL(t)),24i-23≤t≤24i (14)
Pimin＝min(PL(t)),24i-23≤t≤24i (15)
式中，min代表取时间序列内各元素的最小值；
按日形成的净负荷曲线峰谷差曲线Pvn(i)，计算如下式：
Pvn(i)＝P′imax-P′imin,i＝1,2,...,n/24 (16)
P′imax＝max(PLN(t)),24i-23≤t≤24i (17)
P′imin＝min(PLN(t)),24i-23≤t≤24i (18)
峰谷差变化值的变化曲线ΔPv(i)，计算如下式：
ΔPv(i)＝Pv(i)-Pvn(i) (19)
对变化曲线分别取负向最大绝对值和正向最大绝对值，得到三级指标最大反调峰量Pnvm和最大正调峰量Ppvm取值，具体如下：
最大反调峰量Pnvm，计算如下式：
Pnvm＝abs(min(ΔPv(i))),i＝1,2,...,n/24 (20)
最大正调峰量Ppvm，计算如下式：
Ppvm＝max(ΔPv(i)),i＝1,2,...,n/24 (21)
将ΔPv(i)的元素从大至小排列得到ΔPvd(i)，统计取值为负值的时段数，将其与统计时间周期相除，得到三级指标反调峰出现时间概率Tnv取值，具体计算如下：ΔPv(i)元素从大至小排列曲线ΔPvd(i)，计算如下式：
ΔPvd(i)＝sort(ΔPv(i)),i＝1,2,...,n/24 (22)
反调峰出现时间概率Tnv，计算如下式：
式中，nnv取ΔPvd(i)曲线中元素取值为负的时段数，即满足如下关系：
A5：计算新能源出力标幺值时序曲线和负荷标幺值时序曲线上各点斜率，得到新能源出力斜率曲线P'R(t)和负荷斜率曲线P'L(t)，具体如下：
新能源出力斜率曲线P'R(t)在时刻t对应的元素取值，计算如下式：
P'R(t)＝PR(t+1)-PR(t),t＝1,2,...,n-1 (25)
负荷斜率曲线P'L(t)在时刻t对应的元素取值，可用如下形式表示：
P'L(t)＝PL(t+1)-PL(t),t＝1,2,...,n-1 (26)
计算新能源出力标幺值时序曲线和负荷标幺值时序曲线间的欧式距离，得到三级指标幅度距离Da取值，计算具体如下：
计算新能源出力斜率曲线和负荷斜率曲线间的欧式距离，得到三级指标形态距离Df取值，计算具体如下：
S3、对三级指标量化数值进行无量纲归一化处理；
对最大反调峰量P* nvm、最大正调峰量P* pvm、幅度距离D* a和形态距离D* f归一化处理；具体如下：
最大反调峰量和最大正调峰量的归一化指标值P* nvm和P* pvm，以及幅度距离和形态距离的归一化指标值D* a和D* f，计算如下式：
S4、通过层次分析法和专家评价法确定二级指标和三级指标的权重值，计算各级指标的积分值，其中，
二级指标权重值分别为：α1、α2、α3；
三级指标权重值分别为：α11、α12、α13、α21、α22、α23、α31、α32；
满足如下关系：
α1+α2+α3＝1 (33)
α11+α12+α13＝1 (34)
α21+α22+α23＝1 (35)
α31+α32＝1 (36)
S5、采用加权平均法计算得到一级指标的综合评分，量化确定新能源发电出力与负荷特性的匹配程度，计算具体如下式：
如下表所示，为本实施提供的新能源发电出力与负荷特性匹配程度的综合评价案例结果。
表1
本发明不局限于上述最佳实施方式，任何人应该得知在本发明的启示下作出的结构变化，凡是与本发明具有相同或相近的技术方案，均落入本发明的保护范围之内。
Claims (9)
1.一种新能源发电出力与负荷特性匹配程度的综合评价方法，其特征在于，包括以下步骤：
构建新能源发电出力与负荷特性匹配程度的综合评价指标体系框架；主要为构建新能源-负荷匹配程度评价一级指标；以一级指标为基础，建立新能源-负荷匹配程度评价二级指标；以二级指标为基础，建立新能源-负荷匹配程度评价三级指标；
获取研究区域和研究时段内的新能源出力时序曲线和负荷时序曲线，计算三级指标各指标量化数值；
对三级指标量化数值进行无量纲归一化处理；
通过层次分析法和专家评价法确定二级指标和三级指标的权重值，计算各级指标的积分值；
采用加权平均法计算得到一级指标的综合评分，量化确定新能源发电出力与负荷特性的匹配程度；
所述获取研究区域和研究时段内的新能源出力时序曲线和负荷时序曲线，计算三级指标各指标量化数值，具体包括以下步骤：
A1、确定研究区域，获取研究区域和研究时段内的新能源出力时序曲线PR(t)和负荷时序曲线PL(t)以及新能源发电装机容量CR、新能源最大出力CM和最大负荷PM；
A2：将PR(t)与PL(t)各时刻对应元素相除，得到新能源穿透率变化曲线Pr(t)；
在时序负荷需求曲线PL(t)上减去新能源出力时序曲线PR(t)，得到净负荷时序曲线PLN(t)；
将新能源出力时序曲线PR(t)和负荷时序曲线PL(t)进行标幺处理，得到新能源出力标幺值时序曲线P* R(t)和负荷标幺值时序曲线P* L(t)；
A3：分别取新能源穿透率变化曲线Pr(t)最大值和平均值，得到三级指标最大穿透率Prm和平均穿透率Prav取值；
将新能源穿透率变化曲线Pr(t)的元素按从大至小排列得到Prd(t)，统计穿透率大于等于平均值Prav的时段数，将其与统计时间周期相除，得到三级指标平均穿透率出现时间概率Trm取值；
A4：按统计时段内的每日分别计算原始负荷曲线峰谷差Pv(i)和净负荷曲线峰谷差Pvn(i)，两者相减得到峰谷差变化值的变化曲线ΔPv(i)；
对变化曲线分别取负向最大绝对值和正向最大绝对值，得到三级指标最大反调峰量Pnvm和最大正调峰量Ppvm取值；
将ΔPv(i)的元素从大至小排列得到ΔPvd(i)，统计取值为负值的时段数，将其与统计时间周期相除，得到三级指标反调峰出现时间概率Tnv取值；
A5：计算新能源出力标幺值时序曲线和负荷标幺值时序曲线上各点斜率，得到新能源出力斜率曲线P'R(t)和负荷斜率曲线P'L(t)；
计算新能源出力标幺值时序曲线和负荷标幺值时序曲线间的欧式距离，得到三级指标幅度距离Da取值；
计算新能源出力斜率曲线和负荷斜率曲线间的欧式距离，得到三级指标形态距离Df取值；
其中，一级指标：新能源-负荷匹配程度MR-L，用以衡量新能源发电出力与负荷特性的匹配程度，满足如下关系：
0<MR-L<1 (1)
其中，MR-L取值越接近1，表示新能源发电出力与负荷特性匹配程度越高；取值越接近0，表示新能源发电出力与负荷特性匹配程度越低；
二级指标包括：
新能源穿透率指标Pr，表示新能源出力占负荷的比例；
新能源调峰特性指标PP，表示新能源接入后净负荷曲线峰谷差的变化；
出力-负荷曲线相似度指标D，表示新能源出力和负荷的标幺值曲线间的相似距离；
三级指标包括：
最大穿透率Prm，表示新能源最大出力占该时刻负荷的比例；
平均穿透率Prav，表示时间周期范围内的新能源穿透率的算术平均值；
平均穿透率出现时间概率Trm，表示新能源穿透率大于等于Prav出现的时间占时间周期的比例；
最大反调峰量Pnvm，表示新能源接入后的净负荷曲线峰谷差与原始负荷曲线峰谷差的差值最大值；
最大正调峰量Ppvm，表示原始负荷曲线峰谷差与新能源接入后的净负荷曲线峰谷差的差值最大值；
反调峰出现时间概率Tnv，表示原始负荷曲线峰谷差与新能源接入后的净负荷曲线峰谷差的差值为负值出现的时间占时间周期的比例；
幅度距离Da，表示新能源出力标幺值曲线与负荷标幺值曲线的欧式距离；
形态距离Df，表示新能源出力斜率曲线与负荷斜率曲线的欧式距离。
2.如权利要求1所述的综合评价方法，其特征在于，所述步骤A1具体计算如下：
统计历史数据，确定地区新能源出力时序曲线PR(t)、负荷时序曲线PL(t)、新能源发电装机容量CR；
新能源最大出力CM如下式：
CM＝max(PR(t)),t＝1,2,...,n (2)
式中，max代表取时间序列内各元素的最大值，n代表统计周期内的小时数；
最大负荷PM如下式：
PM＝max(PL(t)),t＝1,2,...,n (3)
式中，max代表取时间序列内各元素的最大值。
3.如权利要求2所述的综合评价方法，其特征在于，所述步骤A2具体计算如下：
新能源穿透率变化曲线Pr(t)在时刻t对应的元素取值，如下式：
净负荷时序曲线PLN(t)如下式：
PLN(t)＝PL(t)-PR(t),t＝1,2,...,n (5)
新能源出力标幺值时序曲线P* R(t)如下式：
负荷标幺值时序曲线P* L(t)如下式：
4.如权利要求2所述的综合评价方法，其特征在于，所述步骤A3具体计算如下：
最大穿透率Prm如下式：
Prm＝max(Pr(t)),t＝1,2,...,n (8)
平均穿透率Prav如下式：
Prav＝ave(Pr(t)),t＝1,2,...,n (9)
式中，ave代表取时间序列内各元素的算数平均值；
新能源穿透率变化曲线元素从大至小排列曲线Prd(t)，如下式：
Prd(t)＝sort(Pr(t)),t＝1,2,...,n (10)
式中，sort代表将时间序列内的元素从大至小重新排列；
平均穿透率出现时间概率Trm，如下式：
式中，nrm取Prd(t)曲线中元素取值大于等于平均值的时段数，即满足如下关系：
Prd(t)≥Prav,t≤nrm (12) 。
5.如权利要求2所述的综合评价方法，其特征在于，所述步骤A4具体计算如下：
按日形成的原始负荷曲线峰谷差曲线Pv(i)，计算如下式：
Pv(i)＝Pimax-Pimin,i＝1,2,...,n/24 (13)
Pimax＝max(PL(t)),24i-23≤t≤24i (14)
Pimin＝min(PL(t)),24i-23≤t≤24i (15)
式中，min代表取时间序列内各元素的最小值；
按日形成的净负荷曲线峰谷差曲线Pvn(i)，计算如下式：
Pvn(i)＝P′imax-P′imin,i＝1,2,...,n/24 (16)
P′imax＝max(PLN(t)),24i-23≤t≤24i (17)
P′imin＝min(PLN(t)),24i-23≤t≤24i (18)
峰谷差变化值的变化曲线ΔPv(i)，计算如下式：
ΔPv(i)＝Pv(i)-Pvn(i) (19)
最大反调峰量Pnvm，计算如下式：
Pnvm＝abs(min(ΔPv(i))),i＝1,2,...,n/24 (20)
最大正调峰量Ppvm，计算如下式：
Ppvm＝max(ΔPv(i)),i＝1,2,...,n/24 (21)
ΔPv(i)元素从大至小排列曲线ΔPvd(i)，计算如下式：
ΔPvd(i)＝sort(ΔPv(i)),i＝1,2,...,n/24 (22)
反调峰出现时间概率Tnv，计算如下式：
式中，nnv取ΔPvd(i)曲线中元素取值为负的时段数，即满足如下关系：
6.如权利要求2所述的综合评价方法，其特征在于，所述步骤A5具体计算如下：
新能源出力斜率曲线P'R(t)在时刻t对应的元素取值，计算如下式：
P'R(t)＝PR(t+1)-PR(t),t＝1,2,...,n-1 (25)
负荷斜率曲线P'L(t)在时刻t对应的元素取值，可用如下形式表示：
P'L(t)＝PL(t+1)-PL(t),t＝1,2,...,n-1 (26)
新能源发电出力曲线与负荷曲线间的幅度距离Da，计算如下式：
新能源发电出力曲线与负荷曲线间的形态距离Df，计算如下式：
7.如权利要求2所述的综合评价方法，其特征在于，所述对三级指标量化数值进行无量纲归一化处理具体如下：
最大反调峰量和最大正调峰量的归一化指标值P* nvm和
以及幅度距离和形态距离的归一化指标值D* a和
计算如下式：
8.如权利要求2所述的综合评价方法，其特征在于，所述二级指标权重值分别为：α1、α2、α3；
三级指标权重值分别为：α11、α12、α13、α21、α22、α23、α31、α32；
满足如下关系：
α1+α2+α3＝1 (33)
α11+α12+α13＝1 (34)
α21+α22+α23＝1 (35)
α31+α32＝1 (36)。
9.如权利要求8所述的综合评价方法，其特征在于，所述采用加权平均法计算得到一级指标的综合评分具体如下：
新能源发电出力与负荷特性匹配程度量化表征值MR-L，计算如下式：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910858776.XA CN110555628B (zh) | 2019-09-11 | 2019-09-11 | 一种新能源发电出力与负荷特性匹配程度的综合评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910858776.XA CN110555628B (zh) | 2019-09-11 | 2019-09-11 | 一种新能源发电出力与负荷特性匹配程度的综合评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110555628A CN110555628A (zh) | 2019-12-10 |
| CN110555628B true CN110555628B (zh) | 2022-07-22 |
Family
ID=68739887
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910858776.XA Active CN110555628B (zh) | 2019-09-11 | 2019-09-11 | 一种新能源发电出力与负荷特性匹配程度的综合评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110555628B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111724277A (zh) * | 2020-06-11 | 2020-09-29 | 国网吉林省电力有限公司 | 一种新能源与多元负荷价值匹配方法及系统 |
| CN113972697A (zh) * | 2021-10-14 | 2022-01-25 | 国网天津市电力公司 | 一种大规模并网新能源的集群出力特性评价方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104036337A (zh) * | 2013-03-04 | 2014-09-10 | 中国电力科学研究院 | 基于预测不确定度和净空出力的光伏发电优化调度方法 |
| CN104638672A (zh) * | 2015-01-26 | 2015-05-20 | 东南大学 | 一种考虑变量相关性的光伏穿透功率极限的确定方法 |
| WO2015097795A1 (ja) * | 2013-12-25 | 2015-07-02 | 株式会社日立製作所 | 風速評価方法、発電量推定方法、出力および電圧推定方法、風力発電装置の配置方法、および風速評価装置 |
| CN106874630A (zh) * | 2017-03-28 | 2017-06-20 | 上海理工大学 | 基于电量消纳的区域电网新能源开发潜力评估方法 |
| CN107947165A (zh) * | 2017-11-30 | 2018-04-20 | 国网浙江省电力公司经济技术研究院 | 一种面向调节需求的配电网灵活性评价方法 |
| CN110137956A (zh) * | 2019-05-21 | 2019-08-16 | 云南电网有限责任公司 | 一种电力系统灵活性需求的评估方法及系统 |
-
2019
- 2019-09-11 CN CN201910858776.XA patent/CN110555628B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104036337A (zh) * | 2013-03-04 | 2014-09-10 | 中国电力科学研究院 | 基于预测不确定度和净空出力的光伏发电优化调度方法 |
| WO2015097795A1 (ja) * | 2013-12-25 | 2015-07-02 | 株式会社日立製作所 | 風速評価方法、発電量推定方法、出力および電圧推定方法、風力発電装置の配置方法、および風速評価装置 |
| CN104638672A (zh) * | 2015-01-26 | 2015-05-20 | 东南大学 | 一种考虑变量相关性的光伏穿透功率极限的确定方法 |
| CN106874630A (zh) * | 2017-03-28 | 2017-06-20 | 上海理工大学 | 基于电量消纳的区域电网新能源开发潜力评估方法 |
| CN107947165A (zh) * | 2017-11-30 | 2018-04-20 | 国网浙江省电力公司经济技术研究院 | 一种面向调节需求的配电网灵活性评价方法 |
| CN110137956A (zh) * | 2019-05-21 | 2019-08-16 | 云南电网有限责任公司 | 一种电力系统灵活性需求的评估方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| 支撑风力发电的需求响应匹配分析研究;程瑜 等;《电力系统保护与控制》;20120915;第40卷(第17期);全文 * |
| 电力系统负荷预测研究综述与发展方向的探讨;康重庆 等;《电力系统自动化》;20040915(第17期);全文 * |
| 面向电网运行的新能源出力特性指标体系研究——风电出力特性指标体系;王建学 等;《电网与清洁能源》;20160229;第2卷(第2期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110555628A (zh) | 2019-12-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11581740B2 (en) | Method, system and storage medium for load dispatch optimization for residential microgrid | |
| Ding et al. | Forecasting Chinese CO2 emissions from fuel combustion using a novel grey multivariable model | |
| CN108197744B (zh) | 一种光伏发电功率的确定方法及系统 | |
| CN111369070B (zh) | 一种基于包络线聚类的多模融合光伏功率预测方法 | |
| CN103023065B (zh) | 一种基于相对误差熵值法的风电短期功率预测方法 | |
| CN111027775A (zh) | 基于长短期记忆网络的梯级水电站发电量预测方法 | |
| CN103065202B (zh) | 一种基于组合核函数的风电场超短期风速预测方法 | |
| CN110555628B (zh) | 一种新能源发电出力与负荷特性匹配程度的综合评价方法 | |
| WO2022110582A1 (zh) | 一种基于基流分割和人工神经网络模型的径流预报方法 | |
| CN107403015B (zh) | 一种基于时间序列相似性的短期光功率预测方法 | |
| CN109492748A (zh) | 一种基于卷积神经网络的电力系统的中长期负荷预测模型建立方法 | |
| CN110738232A (zh) | 一种基于数据挖掘技术的电网电压越限成因诊断方法 | |
| CN115829105A (zh) | 基于历史数据特征搜索的光伏功率预测方法 | |
| CN115907822A (zh) | 一种考虑区域及经济影响的负荷特征指标关联性挖掘方法 | |
| CN116187835A (zh) | 一种基于数据驱动的台区理论线损区间估算方法及系统 | |
| CN115809719A (zh) | 一种基于形态聚类的短期负荷预测修正方法 | |
| CN113344449B (zh) | 一种预测月尺度工业需水量的方法 | |
| CN111798333A (zh) | 一种用能评估与用电安全分析方法和系统 | |
| CN117272850B (zh) | 配电网安全运行调度弹性空间分析方法 | |
| CN108830405B (zh) | 基于多指标动态匹配的实时电力负荷预测系统及其方法 | |
| CN109214610A (zh) | 一种基于长短期记忆神经网络的饱和电力负荷预测方法 | |
| CN117117857A (zh) | 一种考虑用户用电和季节特性的区域短期电力负荷预测方法 | |
| CN104143117A (zh) | 一种电网特殊负荷与日负荷之间的相关系数提取方法 | |
| CN114004530B (zh) | 基于排序支撑向量机的企业电力信用分建模方法及系统 | |
| CN112116127B (zh) | 一种基于气象过程与功率波动关联的光伏功率预测方法 |
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 |