CN110580538A - 一种电力系统备用需求的预测方法及装置 - Google Patents

一种电力系统备用需求的预测方法及装置 Download PDF

Info

Publication number
CN110580538A
CN110580538A CN201810592981.1A CN201810592981A CN110580538A CN 110580538 A CN110580538 A CN 110580538A CN 201810592981 A CN201810592981 A CN 201810592981A CN 110580538 A CN110580538 A CN 110580538A
Authority
CN
China
Prior art keywords
power
user
determining
photovoltaic
standby
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.)
Granted
Application number
CN201810592981.1A
Other languages
English (en)
Other versions
CN110580538B (zh
Inventor
何永秀
陈倩
陈蓉珺
庞越侠
夏天
李成仁
高效
邹丽芳
林诗媛
柯晔
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.)
National Grid Energy Research Institute Co Ltd
North China Electric Power University
Economic and Technological Research Institute of State Grid Fujian Electric Power Co Ltd
Original Assignee
National Grid Energy Research Institute Co Ltd
North China Electric Power University
Economic and Technological Research Institute of State Grid Fujian Electric Power Co Ltd
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 National Grid Energy Research Institute Co Ltd, North China Electric Power University, Economic and Technological Research Institute of State Grid Fujian Electric Power Co Ltd filed Critical National Grid Energy Research Institute Co Ltd
Priority to CN201810592981.1A priority Critical patent/CN110580538B/zh
Publication of CN110580538A publication Critical patent/CN110580538A/zh
Application granted granted Critical
Publication of CN110580538B publication Critical patent/CN110580538B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Optimization (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Primary Health Care (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Educational Administration (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种电力系统备用需求的预测方法及装置，涉及辅助服务市场备用需求预测技术领域。方法包括：获得电力系统中的火电机组数据、光伏机组数据、风电机组数据以及用户负荷数据；根据火电机组数据、光伏机组数据、风电机组数据以及用户负荷数据确定电力系统的初步备用需求；获得电力系统的用户类型，并根据初步备用需求确定用户用电满意度，及确定不同类型用户的支付满意度；根据用户用电满意度和不同类型用户的支付满意度确定用户综合满意度；根据初步备用需求和用户综合满意度，确定电力系统备用需求的预测结果。本发明可实现一种更为准确、客观的备用需求预测方法。

Description

一种电力系统备用需求的预测方法及装置
技术领域
本发明涉及辅助服务市场备用需求预测技术领域，尤其涉及一种电力系统备用需求的预测方法及装置。
背景技术
当前，随着电力系统的不断发展，电力系统的各项技术和服务也正在逐渐发展和完善。其中，辅助服务作为电力市场(特别是含风电、光伏等间歇性发电资源的市场)的重要组成部分，是指电力系统在满足预计的负荷需求之外，为保证电能质量和系统安全稳定运行而配置的有功功率储备。而辅助服务中的备用是保障电力系统可靠性的重要措施，在电力市场环境中，发电商提供的备用是有偿的，因此合理地确定备用需求对于电网的经济可靠运行具有重要意义。
目前，我国已经指出按需扩大电力辅助服务提供主体。鼓励储能设备、需求侧资源参与提供电力辅助服务，允许第三方参与提供电力辅助服务。由于需求侧资源的间歇性、难预测性会直接影响到发电和负荷间的功率平衡，所以需要系统配置充足有效的调频备用容量来应对频率的跌宕起伏。因此，需求侧资源的加入必将对辅助服务需求产生重大影响。
现有的电力系统的备用需求的研究一般多考虑负荷波动性所需要的备用需求，未考虑同样会影响系统稳定性的风电、光伏等具有波动性的能源所需要的辅助服务、需求侧的用户满意程度以及未来大规模需求侧资源接入下对备用需求的整体影响。现有备用需求的确定方式较不系统并且较为主观，因此，如何在多种影响因素下经济、准确、客观的确定备用需求是一个亟待解决的重要课题。
发明内容
本发明的实施例提供一种电力系统备用需求的预测方法及装置，以结合风电、光伏等具有波动性的能源所需要的辅助服务、需求侧的用户满意程度以及未来大规模需求侧资源接入下对备用需求的整体影响，实现一种更为准确、客观的备用需求预测方法。
为达到上述目的，本发明采用如下技术方案：
一种电力系统备用需求的预测方法，包括：
获得电力系统中的火电机组数据、光伏机组数据、风电机组数据以及用户负荷数据；
根据所述火电机组数据、光伏机组数据、风电机组数据以及用户负荷数据确定电力系统的初步备用需求；
获得电力系统的用户类型，并根据初步备用需求确定用户用电满意度，及确定不同类型用户的支付满意度；
根据所述用户用电满意度和不同类型用户的支付满意度确定用户综合满意度；
根据所述初步备用需求和用户综合满意度，确定电力系统备用需求的预测结果。
具体的，所述根据所述火电机组数据、光伏机组数据、风电机组数据以及用户负荷数据确定电力系统的初步备用需求，包括：
根据火电机组数据定性刻画火电机组影响系统可靠性的栈流图；所述火电机组数据包括火电机组装机容量和强迫停运率；
根据光伏机组数据定性刻画光伏机组影响系统稳定可靠性的栈流图；所述光伏机组数据包括光辐射强度表、标准辐射强度、标准环境下温度、环境温度、电池功率温度系数、电池损耗系数、标准环境下的额定功率和光伏实际输出功率；
根据风电机组数据定性刻画风电机组影响系统可靠性的栈流图；所述风电机组数据包括风速表、切入风速、切出风速、额定风速、额定输出功率和风电实际出力；
根据用户负荷数据定性刻画用户负荷影响系统可靠性的栈流图；所述用户负荷数据包括储能提供功率、分布式能源提供功率、用户负荷预测值和用户实际负荷；
根据火电机组影响系统可靠性的栈流图，定量刻画火电机组中的偏差，并根据电力不足概率得到火电备用需求；
根据最大功率跟踪策略下的光伏电池功率输出特性，计算光伏输出功率：
其中，Ps1为光伏输出功率，Pstd为标准环境下的额定功率，fpv为电池损耗系数，Ra为实际光辐射强度，Rstd为标准辐射强度，α为电池功率温度系数，Ta为环境温度，Tstd为标准环境下温度；
计算光伏预测偏差率：其中，ε1为光伏预测偏差率，ps0为光伏实际输出功率；
计算光伏备用需求：Ds＝∫Cs×x％×ε1；其中，Ds表示光伏备用需求，Cs表示光伏装机容量，x％为预先设置的百分比参数；
根据两参数韦布尔分布的概率分布函数确定切入风速和切出风速之间的概率分布：其中，ξ表示风速，k为形状参数，用于表示曲线的形状，c为尺度参数，用于反映风电场的平均风速，vci为切入风速，vco为切出风速；
将切入风速和切出风速之间的概率分布pj平分成n份：
取每一份Δv为一个状态，根据每一份概率分布曲线上对应的风速值，确定风电机组预测输出功率：
其中，Pw1为风电机组预测输出功率，Sr为额定输出功率，vr为额定风速；
计算风电场预测偏差率：
其中，ε2为风电场预测偏差率，pw0表示风电实际出力；
计算风电备用需求：Dw＝∫CW×x％×ε2；其中，Dw表示风电备用需求，CW表示风电装机容量，x％为预先设置的百分比参数；
计算用户负荷预测概率：其中，Lf为系统负荷预测值，为t时段负荷预测误差的方差；
确定用户预测偏差率：其中，ε3表示用户预测偏差率，PL1为用户负荷预测值，pLf为用户负荷预测概率，Psto为储能提供功率，Pdis为分布式能源提供功率，PL0为用户实际负荷；
计算由于用户负荷波动性引起的备用需求：Dl＝∫Lmax×x％×ε3；其中，Lmax为最大负荷值，Dl为由于用户负荷波动性引起的备用需求，x％为预先设置的百分比参数；
计算电力系统的初步备用需求：D1＝Dt+Ds+Dw+Dl；其中，D1表示初步备用需求，Dt表示火电备用需求，Ds表示光伏备用需求，Dl表示由于用户负荷波动性引起的备用需求，Dw表示风电备用需求。
具体的，所述获得电力系统的用户类型，并根据初步备用需求确定用户用电满意度，及确定不同类型用户的支付满意度，包括：
根据用户的用电特性获得电力系统的用户类型；所述用户类型包括大型工业用户、工商业用户及居民用户；
根据公式：计算可靠性要求比值krel；其中，D1表示初步备用需求，Lmax表示最大负荷值，x％表示预先设置的百分比参数；
将所述可靠性要求比值krel与预先设置的用户用电满意度阈值进行比较，得到用户用电满意度R；
根据公式：计算第i类用户的支付满意度Si；其中，Yi表示第i类用户的收入或产值，Pi表示第i类用户的电价，Qi表示第i类用户的用电量，i表示不同类型用户的编号。
具体的，所述根据所述用户用电满意度和不同类型用户的支付满意度确定用户综合满意度，包括：
根据公式：kpay＝∑(αi×Si+β×R)确定用户综合满意度kpay；其中，αi为预先设置的第i类用户的支付满意度权重，β为预先设置的用户用电满意度权重。
具体的，所述根据所述初步备用需求和用户综合满意度，确定电力系统备用需求的预测结果，包括：
根据公式：确定电力系统备用需求的预测结果D2。
一种电力系统备用需求的预测装置，包括：
数据获取单元，用于获得电力系统中的火电机组数据、光伏机组数据、风电机组数据以及用户负荷数据；
初步备用需求确定单元，用于根据所述火电机组数据、光伏机组数据、风电机组数据以及用户负荷数据确定电力系统的初步备用需求；
满意度确定单元，用于获得电力系统的用户类型，并根据初步备用需求确定用户用电满意度，及确定不同类型用户的支付满意度；根据所述用户用电满意度和不同类型用户的支付满意度确定用户综合满意度；
备用需求预测单元，用于根据所述初步备用需求和用户综合满意度，确定电力系统备用需求的预测结果。
具体的，所述初步备用需求确定单元，包括：
定性刻画模块，用于根据火电机组数据定性刻画火电机组影响系统可靠性的栈流图；所述火电机组数据包括火电机组装机容量和强迫停运率；根据光伏机组数据定性刻画光伏机组影响系统可靠性的栈流图；所述光伏机组数据包括光辐射强度表、标准辐射强度、标准环境下温度、环境温度、电池功率温度系数、电池损耗系数、标准环境下的额定功率和光伏实际输出功率；根据风电机组数据定性刻画风电机组影响系统可靠性的栈流图；所述风电机组数据包括风速表、切入风速、切出风速、额定风速、额定输出功率和风电实际出力；根据用户负荷数据定性刻画用户负荷影响系统可靠性的栈流图；所述用户负荷数据包括储能提供功率、分布式能源提供功率、用户负荷预测值和用户实际负荷；
火电备用需求确定模块，用于根据火电机组影响系统可靠性的栈流图，定量刻画火电机组中的偏差，并根据电力不足概率得到火电备用需求；
光伏备用需求确定模块，用于根据最大功率跟踪策略下的光伏电池功率输出特性，计算光伏输出功率：
其中，Ps1为光伏输出功率，Pstd为标准环境下的额定功率，fpv为电池损耗系数，Ra为实际光辐射强度，Rstd为标准辐射强度，α为电池功率温度系数，Ta为环境温度，Tstd为标准环境下温度；
计算光伏预测偏差率：其中，ε1为光伏预测偏差率，ps0为光伏实际输出功率；
计算光伏备用需求：Ds＝∫Cs×x％×ε1；其中，Ds表示光伏备用需求，Cs表示光伏装机容量，x％为预先设置的百分比参数；
风电备用需求确定模块，用于根据两参数韦布尔分布的概率分布函数确定切入风速和切出风速之间的概率分布：其中，ξ表示风速，k为形状参数，用于表示曲线的形状，c为尺度参数，用于反映风电场的平均风速，vci为切入风速，vco为切出风速；
将切入风速和切出风速之间的概率分布pj平分成n份：
取每一份Δv为一个状态，根据每一份概率分布曲线上对应的风速值，确定风电机组预测输出功率：
其中，Pw1为风电机组预测输出功率，Sr为额定输出功率，vr为额定风速；
计算风电场预测偏差率：
其中，ε2为风电场预测偏差率，pw0表示风电实际出力；
计算风电备用需求：Dw＝∫CW×x％×ε2；其中，Dw表示风电备用需求，CW表示风电装机容量，x％为预先设置的百分比参数；
用户负荷备用需求确定模块，用于计算用户负荷预测概率：其中，Lf为系统负荷预测值，为t时段负荷预测误差的方差；
确定用户预测偏差率：其中，ε3表示用户预测偏差率，PL1为用户负荷预测值，pLf为用户负荷预测概率，Psto为储能提供功率，Pdis为分布式能源提供功率，PL0为用户实际负荷；
计算由于用户负荷波动性引起的备用需求：Dl＝∫Lmax×x％×ε3；其中，Lmax为最大负荷值，Dl为由于用户负荷波动性引起的备用需求，x％为预先设置的百分比参数；
初步备用需求确定模块，用于计算电力系统的初步备用需求：D1＝Dt+Ds+Dw+Dl；其中，D1表示初步备用需求，Dt表示火电备用需求，Ds表示光伏备用需求，Dl表示由于用户负荷波动性引起的备用需求，Dw表示风电备用需求。
具体的，所述满意度确定单元，包括：
用户类型获得模块，用于根据用户的用电特性获得电力系统的用户类型；所述用户类型包括大型工业用户、工商业用户及居民用户；
可靠性要求比值计算模块，用于根据公式：计算可靠性要求比值krel；其中，D1表示初步备用需求，Lmax表示最大负荷值，x％表示预先设置的百分比参数；
用户用电满意度确定模块，用于将所述可靠性要求比值krel与预先设置的用户用电满意度阈值进行比较，得到用户用电满意度R；
支付满意度确定模块，用于根据公式：计算第i类用户的支付满意度Si；其中，Yi表示第i类用户的收入或产值，Pi表示第i类用户的电价，Qi表示第i类用户的用电量，i表示不同类型用户的编号。
进一步的，所述满意度确定单元，还包括：
用户综合满意度确定模块，用于根据公式：kpay＝∑(αi×Si+β×R)确定用户综合满意度kpay；其中，αi为预先设置的第i类用户的支付满意度权重，β为预先设置的用户用电满意度权重。
此外，所述备用需求预测单元，具体用于：
根据公式：确定电力系统备用需求的预测结果D2。
本发明实施例提供的一种电力系统备用需求的预测方法及装置，采用系统动力学理论，综合考虑了火电等传统发电机组的停机及故障备用需求，风电、光伏等新能源发电波动需要的备用需求，以及用户负荷的波动性因素和负荷侧可以提供的储能及分布式资源，构建了辅助服务市场备用需求模型，并考虑不同类型用户的用电满意度及支付满意度，最终形成考虑影响系统稳定性的责任方以及用户满意程度的系统备用需求预测模型。在传统备用需求的方法上做出改进，使备用需求确定方法更加准确、细化及人性化。本发明有助于指导电网公司合理安排备用水平，提高系统稳定性及用户满意度。
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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种电力系统备用需求的预测方法的流程图一；
图2为本发明实施例提供的一种电力系统备用需求的预测方法的流程图二；
图3为定性刻画出的火电机组影响系统稳定运行可靠性的栈流图；
图4为定性刻画出的光伏机组影响系统稳定运行可靠性的栈流图；
图5为定性刻画出的风电机组影响系统稳定运行可靠性的栈流图；
图6为定性刻画出的用户负荷影响系统稳定运行可靠性的栈流图；
图7至图10分别为火电、光伏、风电机组及用户负荷对应的备用需求曲线示意图；
图11为用户满意度的曲线示意图；
图12为最终得到的电力系统的备用需求的预测结果示意图；
图13为本发明实施例提供的一种电力系统备用需求的预测装置的结构示意图一；
图14为本发明实施例提供的一种电力系统备用需求的预测装置的结构示意图二。
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。
如图1所示，本发明实施例提供一种电力系统备用需求的预测方法，包括：
步骤101、获得电力系统中的火电机组数据、光伏机组数据、风电机组数据以及用户负荷数据。
步骤102、根据所述火电机组数据、光伏机组数据、风电机组数据以及用户负荷数据确定电力系统的初步备用需求。
步骤103、获得电力系统的用户类型，并根据初步备用需求确定用户用电满意度，及确定不同类型用户的支付满意度。
步骤104、根据所述用户用电满意度和不同类型用户的支付满意度确定用户综合满意度。
步骤105、根据所述初步备用需求和用户综合满意度，确定电力系统备用需求的预测结果。
本发明实施例提供的一种电力系统备用需求的预测方法，采用系统动力学理论，综合考虑了火电等传统发电机组的停机及故障备用需求，风电、光伏等新能源发电波动需要的备用需求，以及用户负荷的波动性因素和负荷侧可以提供的储能及分布式资源，构建了辅助服务市场备用需求模型，并考虑不同类型用户的用电满意度及支付满意度，最终形成考虑影响系统稳定性的责任方以及用户满意程度的系统备用需求预测模型。在传统备用需求的方法上做出改进，使备用需求确定方法更加准确、细化及人性化。本发明有助于指导电网公司合理安排备用水平，提高系统稳定性及用户满意度。
为了使本领域的技术人员更好的了解本发明，下面列举一个更为详细的实施例，如图2所示，本发明实施例提供一种电力系统备用需求的预测方法，包括：
步骤201、获得电力系统中的火电机组数据、光伏机组数据、风电机组数据以及用户负荷数据。
步骤202、分析电力系统可靠性的影响因素，构建影响框架，分析火电机组、新能源机组、用户负荷等对系统可靠性的影响。
其中，火电机组对电力系统可靠性影响机理一般是以电力不足概率(Loss OfLoad Probability，简称LOLP)来衡量。新能源机组包括风电机组和光伏机组，分别用风电机组和光伏机组的预测偏差率来衡量对系统可靠性的影响。而用户负荷对系统可靠率的影响一般采用用户预测偏差率来衡量。
步骤203、基于影响因素分析，利用Vensim软件，定性刻画出火电机组、新能源机组、用户负荷影响可靠性的栈流图。
具体的，该步骤203可采用如下方式实现：
如图3所示，根据火电机组数据定性刻画火电机组影响系统可靠性的栈流图；所述火电机组数据包括火电机组装机容量和强迫停运率。
如图4所示，根据光伏机组数据定性刻画光伏机组影响系统可靠性的栈流图；所述光伏机组数据包括光辐射强度表、标准辐射强度、标准环境下温度、环境温度、电池功率温度系数、电池损耗系数、标准环境下的额定功率和光伏实际输出功率。
如图5所示，根据风电机组数据定性刻画风电机组系统影响可靠性的栈流图；所述风电机组数据包括风速表、切入风速、切出风速、额定风速、额定输出功率和风电实际出力。
如图6所示，根据用户负荷数据定性刻画用户负荷影响系统可靠性的栈流图；所述用户负荷数据包括储能提供功率、分布式能源提供功率、用户负荷预测值和用户实际负荷。
步骤204、利用Vensim软件，定量刻画出火电机组、新能源机组、用户负荷中的偏差，并根据影响关系编辑相应关系式，输入现有数据，得到电力系统的初步备用需求。
此处，该步骤204可采用如下方式：
①火电备用需求：
根据火电机组影响可靠性的栈流图，定量刻画火电机组中的偏差，并根据电力不足概率得到火电备用需求。
②光伏备用需求：
根据最大功率跟踪策略下的光伏电池功率输出特性，计算光伏输出功率：
其中，Ps1为光伏输出功率，Pstd为标准环境下的额定功率，fpv为电池损耗系数，Ra为实际光辐射强度(单位为W/m2)，Rstd为标准辐射强度,通常可以取1000W/m2，α为电池功率温度系数，Ta为环境温度，Tstd为标准环境下温度，通常可以取25℃。
计算光伏预测偏差率：其中，ε1为光伏预测偏差率，ps0为光伏实际输出功率；
计算光伏备用需求：Ds＝∫Cs×x％×ε1；其中，Ds表示光伏备用需求，Cs表示光伏装机容量，x％为预先设置的百分比参数，可以为8％。
③风电备用需求：
根据两参数韦布尔分布的概率分布函数确定切入风速和切出风速之间的概率分布：其中，ξ表示风速，k为形状参数，用于表示曲线的形状，c为尺度参数，用于反映风电场的平均风速，vci为切入风速，vco为切出风速。
将切入风速和切出风速之间的概率分布pj平分成n份：
取每一份Δv为一个状态，根据每一份概率分布曲线上对应的风速值，确定风电机组预测输出功率：
其中，Pw1为风电机组预测输出功率，Sr为额定输出功率，vr为额定风速。
计算风电场预测偏差率：
其中，ε2为风电场预测偏差率，pw0表示风电实际出力。
计算风电备用需求：Dw＝∫CW×x％×ε2；其中，Dw表示风电备用需求，CW表示风电装机容量，x％为预先设置的百分比参数，可以取8％。
④用户负荷波动性引起的备用需求：
计算用户负荷预测概率：其中，Lf为系统负荷预测值，为t时段负荷预测误差的方差。
确定用户预测偏差率：其中，ε3表示用户预测偏差率，PL1为用户负荷预测值，pLf为用户负荷预测概率，Psto为储能提供功率，Pdis为分布式能源提供功率，PL0为用户实际负荷。
计算由于用户负荷波动性引起的备用需求：Dl＝∫Lmax×x％×ε3；其中，Lmax为最大负荷值，Dl为由于用户负荷波动性引起的备用需求，x％为预先设置的百分比参数，可以取8％。
⑤初步备用需求：
计算电力系统的初步备用需求：D1＝Dt+Ds+Dw+Dl；其中，D1表示初步备用需求，Dt表示火电备用需求，Ds表示光伏备用需求，Dl表示由于用户负荷波动性引起的备用需求，Dw表示风电备用需求。
步骤205、根据不同用户的用电及支付情况，获得电力系统的用户类型。
一般根据用户的用电特性，即用电即支付情况获得电力系统的用户类型；所述用户类型包括大型工业用户、工商业用户及居民用户。例如用电量大于一高量值，支付大于一高额度，则可确定用户类型为大型工业用户，同样道理可以确定工商业用户和居民用户。
步骤206、根据初步备用需求确定用户用电满意度，及确定不同类型用户的支付满意度。
此处步骤206可以采用如下方式：
根据公式：计算可靠性要求比值krel；其中，D1表示初步备用需求，Lmax表示最大负荷值，x％表示预先设置的百分比参数，可以采用8％。
将所述可靠性要求比值krel与预先设置的用户用电满意度阈值进行比较，得到用户用电满意度R。例如可根据可靠性要求比值krel与用户用电满意度阈值的比较结果的大小来确定用户用电满意度R，如krel大于用户用电满意度阈值，为满意，小于用户用电满意度阈值为不满意等，但不仅局限于此。
根据公式：计算第i类用户的支付满意度Si；其中，Yi表示第i类用户的收入或产值，Pi表示第i类用户的电价，Qi表示第i类用户的用电量，i表示不同类型用户的编号。
步骤207、利用Vensim软件，定量计算用户综合满意度，建立用于综合满意度与用户用电满意度和支付满意度之间的关系。
此处，可根据公式：kpay＝∑(αi×Si+β×R)确定用户综合满意度kpay；其中，αi为预先设置的第i类用户的支付满意度权重，β为预先设置的用户用电满意度权重。
步骤208、利用Vensim软件刻画出考虑责任方及用户满意度的备用需求传导路径，作为进行预测的主体框架。
步骤209、根据初步备用需求和用户综合满意度，确定电力系统备用需求的预测结果。
此处，可根据公式：确定电力系统备用需求的预测结果D2。
针对上述步骤201至步骤209，下面以一组具体数据进行效果说明：
本发明实施例中利用系统动力学软件Vensim，根据各因素间的量化关系收集相关数据对备用需求的预测进行实证分析，来验证考虑系统稳定性责任与用户满意度的备用需求预测方法的适用性，为备用需求预测提供技术支持。
基本参数设置为表1至表7所示：
表1光伏发电输出功率参数设置
表2风电发电机组参数设置
表3火电机组参数设置
装机容量(MW) LOLP
300 0.0001
表4某典型日风速值
时间 风速值(MW) 时间 风速值(MW)
1 4.544 13 7.835
2 4.467 14 9.099
3 6.222 15 6.059
4 6.804 16 6.630
5 10.383 17 6.001
6 6.874 18 6.982
7 7.244 19 6.786
8 9.402 20 7.345
9 10.545 21 8.168
10 12.839 22 7.782
11 7.912 23 8.513
12 9.880 24 11.842
表5各时段光伏辐射强度及温度值
表6光伏、风电实际发电功率及用户实际负荷
表7.用户初始预测负荷及储能所提供容量
最终，通过运行Vensim软件得到各结果。火电、光伏、风电机组及用户负荷对应的备用需求分别如图7、图8、图9和图10所示。用户满意度(即用户综合满意度)如图11所示。最终得到的电力系统的备用需求的预测结果如图12所示。
本发明实施例提供的一种电力系统备用需求的预测方法，采用系统动力学理论，综合考虑了火电等传统发电机组的停机及故障备用需求，风电、光伏等新能源发电波动需要的备用需求，以及用户负荷的波动性因素和负荷侧可以提供的储能及分布式资源，构建了辅助服务市场备用需求模型，并考虑不同类型用户的用电满意度及支付满意度，最终形成考虑影响系统稳定性的责任方以及用户满意程度的系统备用需求预测模型。在传统备用需求的方法上做出改进，使备用需求确定方法更加准确、细化及人性化。本发明有助于指导电网公司合理安排备用水平，提高系统稳定性及用户满意度。
对应于上述的方法实施例，如图13所示，本发明实施例提供一种电力系统备用需求的预测装置，包括：
数据获取单元31，用于获得电力系统中的火电机组数据、光伏机组数据、风电机组数据以及用户负荷数据。
初步备用需求确定单元32，用于根据所述火电机组数据、光伏机组数据、风电机组数据以及用户负荷数据确定电力系统的初步备用需求。
满意度确定单元33，用于获得电力系统的用户类型，并根据初步备用需求确定用户用电满意度，及确定不同类型用户的支付满意度；根据所述用户用电满意度和不同类型用户的支付满意度确定用户综合满意度。
备用需求预测单元34，用于根据所述初步备用需求和用户综合满意度，确定电力系统备用需求的预测结果。
具体的，如图14所示，所述初步备用需求确定单元32，包括：
定性刻画模块321，用于根据火电机组数据定性刻画火电机组影响系统可靠性的栈流图；所述火电机组数据包括火电机组装机容量和强迫停运率；根据光伏机组数据定性刻画光伏机组影响系统可靠性的栈流图；所述光伏机组数据包括光辐射强度表、标准辐射强度、标准环境下温度、环境温度、电池功率温度系数、电池损耗系数、标准环境下的额定功率和光伏实际输出功率；根据风电机组数据定性刻画风电机组影响系统可靠性的栈流图；所述风电机组数据包括风速表、切入风速、切出风速、额定风速、额定输出功率和风电实际出力；根据用户负荷数据定性刻画用户负荷影响系统可靠性的栈流图；所述用户负荷数据包括储能提供功率、分布式能源提供功率、用户负荷预测值和用户实际负荷。
火电备用需求确定模块322，用于根据火电机组影响可靠性的栈流图，定量刻画火电机组中的偏差，并根据电力不足概率得到火电备用需求。
光伏备用需求确定模块323，用于根据最大功率跟踪策略下的光伏电池功率输出特性，计算光伏输出功率：
其中，Ps1为光伏输出功率，Pstd为标准环境下的额定功率，fpv为电池损耗系数，Ra为实际光辐射强度，Rstd为标准辐射强度，α为电池功率温度系数，Ta为环境温度，Tstd为标准环境下温度；
计算光伏预测偏差率：其中，ε1为光伏预测偏差率，ps0为光伏实际输出功率；
计算光伏备用需求：Ds＝∫Cs×x％×ε1；其中，Ds表示光伏备用需求，Cs表示光伏装机容量，x％为预先设置的百分比参数。
风电备用需求确定模块324，用于根据两参数韦布尔分布的概率分布函数确定切入风速和切出风速之间的概率分布：其中，ξ表示风速，k为形状参数，用于表示曲线的形状，c为尺度参数，用于反映风电场的平均风速，vci为切入风速，vco为切出风速。
将切入风速和切出风速之间的概率分布pj平分成n份：
取每一份Δv为一个状态，根据每一份概率分布曲线上对应的风速值，确定风电机组预测输出功率：
其中，Pw1为风电机组预测输出功率，Sr为额定输出功率，vr为额定风速；
计算风电场预测偏差率：
其中，ε2为风电场预测偏差率，pw0表示风电实际出力。
计算风电备用需求：Dw＝∫CW×x％×ε2；其中，Dw表示风电备用需求，CW表示风电装机容量，x％为预先设置的百分比参数。
用户负荷备用需求确定模块325，用于计算用户负荷预测概率：其中，Lf为系统负荷预测值，为t时段负荷预测误差的方差。
确定用户预测偏差率：其中，ε3表示用户预测偏差率，PL1为用户负荷预测值，pLf为用户负荷预测概率，Psto为储能提供功率，Pdis为分布式能源提供功率，PL0为用户实际负荷。
计算由于用户负荷波动性引起的备用需求：Dl＝∫Lmax×x％×ε3；其中，Lmax为最大负荷值，Dl为由于用户负荷波动性引起的备用需求，x％为预先设置的百分比参数。
初步备用需求确定模块326，用于计算电力系统的初步备用需求：D1＝Dt+Ds+Dw+Dl；其中，D1表示初步备用需求，Dt表示火电备用需求，Ds表示光伏备用需求，Dl表示由于用户负荷波动性引起的备用需求，Dw表示风电备用需求。
具体的，如图14所示，所述满意度确定单元33，包括：
用户类型获得模块331，用于根据用户的用电特性获得电力系统的用户类型；所述用户类型包括大型工业用户、工商业用户及居民用户。
可靠性要求比值计算模块332，用于根据公式：计算可靠性要求比值krel；其中，D1表示初步备用需求，Lmax表示最大负荷值，x％表示预先设置的百分比参数。
用户用电满意度确定模块333，用于将所述可靠性要求比值krel与预先设置的用户用电满意度阈值进行比较，得到用户用电满意度R。
支付满意度确定模块334，用于根据公式：计算第i类用户的支付满意度Si；其中，Yi表示第i类用户的收入或产值，Pi表示第i类用户的电价，Qi表示第i类用户的用电量，i表示不同类型用户的编号。
进一步的，如图14所示，所述满意度确定单元33，还包括：
用户综合满意度确定模块335，用于根据公式：kpay＝∑(αi×Si+β×R)确定用户综合满意度kpay；其中，αi为预先设置的第i类用户的支付满意度权重，β为预先设置的用户用电满意度权重。
此外，所述备用需求预测单元34，具体用于：
根据公式：确定电力系统备用需求的预测结果D2。
本发明实施例提供的一种电力系统备用需求的预测装置，采用系统动力学理论，综合考虑了火电等传统发电机组的停机及故障备用需求，风电、光伏等新能源发电波动需要的备用需求，以及用户负荷的波动性因素和负荷侧可以提供的储能及分布式资源，构建了辅助服务市场备用需求模型，并考虑不同类型用户的用电满意度及支付满意度，最终形成考虑影响系统稳定性的责任方以及用户满意程度的系统备用需求预测模型。在传统备用需求的方法上做出改进，使备用需求确定方法更加准确、细化及人性化。本发明有助于指导电网公司合理安排备用水平，提高系统稳定性及用户满意度。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明中应用了具体实施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)

1.一种电力系统备用需求的预测方法，其特征在于，包括：
获得电力系统中的火电机组数据、光伏机组数据、风电机组数据以及用户负荷数据；
根据所述火电机组数据、光伏机组数据、风电机组数据以及用户负荷数据确定电力系统的初步备用需求；
获得电力系统的用户类型，并根据初步备用需求确定用户用电满意度，及确定不同类型用户的支付满意度；
根据所述用户用电满意度和不同类型用户的支付满意度确定用户综合满意度；
根据所述初步备用需求和用户综合满意度，确定电力系统备用需求的预测结果。
2.根据权利要求1所述的电力系统备用需求的预测方法，其特征在于，所述根据所述火电机组数据、光伏机组数据、风电机组数据以及用户负荷数据确定电力系统的初步备用需求，包括：
根据火电机组数据定性刻画火电机组影响系统运行可靠性的栈流图；所述火电机组数据包括火电机组装机容量和强迫停运率；
根据光伏机组数据定性刻画光伏机组影响系统运行可靠性的栈流图；所述光伏机组数据包括光辐射强度表、标准辐射强度、标准环境下温度、环境温度、电池功率温度系数、电池损耗系数、标准环境下的额定功率和光伏实际输出功率；
根据风电机组数据定性刻画风电机组影响可靠性的栈流图；所述风电机组数据包括风速表、切入风速、切出风速、额定风速、额定输出功率和风电实际出力；
根据用户负荷数据定性刻画用户负荷影响系统运行可靠性的栈流图；所述用户负荷数据包括储能提供功率、分布式能源提供功率、用户负荷预测值和用户实际负荷；
根据火电机组影响系统运行可靠性的栈流图，定量刻画火电机组中的偏差，并根据电力不足概率得到火电备用需求；
根据最大功率跟踪策略下的光伏电池功率输出特性，计算光伏输出功率：
其中，Ps1为光伏输出功率，Pstd为标准环境下的额定功率，fpv为电池损耗系数，Ra为实际光辐射强度，Rstd为标准辐射强度，α为电池功率温度系数，Ta为环境温度，Tstd为标准环境下温度；
计算光伏预测偏差率：其中，ε1为光伏预测偏差率，ps0为光伏实际输出功率；
计算光伏备用需求：Ds＝∫Cs×x％×ε1；其中，Ds表示光伏备用需求，Cs表示光伏装机容量，x％为预先设置的百分比参数；
根据两参数韦布尔分布的概率分布函数确定切入风速和切出风速之间的概率分布：其中，ξ表示风速，k为形状参数，用于表示曲线的形状，c为尺度参数，用于反映风电场的平均风速，vci为切入风速，vco为切出风速；
将切入风速和切出风速之间的概率分布pj平分成n份：
取每一份Δv为一个状态，根据每一份概率分布曲线上对应的风速值，确定风电机组预测输出功率：
其中，Pw1为风电机组预测输出功率，Sr为额定输出功率，vr为额定风速；
计算风电场预测偏差率：
其中，ε2为风电场预测偏差率，pw0表示风电实际出力；
计算风电备用需求：Dw＝∫CW×x％×ε2；其中，Dw表示风电备用需求，CW表示风电装机容量，x％为预先设置的百分比参数；
计算用户负荷预测概率：其中，Lf为系统负荷预测值，为t时段负荷预测误差的方差；
确定用户预测偏差率：其中，ε3表示用户预测偏差率，PL1为用户负荷预测值，pLf为用户负荷预测概率，Psto为储能提供功率，Pdis为分布式能源提供功率，PL0为用户实际负荷；
计算由于用户负荷波动性引起的备用需求：Dl＝∫Lmax×x％×ε3；其中，Lmax为最大负荷值，Dl为由于用户负荷波动性引起的备用需求，x％为预先设置的百分比参数；
计算电力系统的初步备用需求：D1＝Dt+Ds+Dw+Dl；其中，D1表示初步备用需求，Dt表示火电备用需求，Ds表示光伏备用需求，Dl表示由于用户负荷波动性引起的备用需求，Dw表示风电备用需求。
3.根据权利要求2所述的电力系统备用需求的预测方法，其特征在于，所述获得电力系统的用户类型，并根据初步备用需求确定用户用电满意度，及确定不同类型用户的支付满意度，包括：
根据用户的用电特性获得电力系统的用户类型；所述用户类型包括大型工业用户、工商业用户及居民用户；
根据公式：计算可靠性要求比值krel；其中，D1表示初步备用需求，Lmax表示最大负荷值，x％表示预先设置的百分比参数；
将所述可靠性要求比值krel与预先设置的用户用电满意度阈值进行比较，得到用户用电满意度R；
根据公式：计算第i类用户的支付满意度Si；其中，Yi表示第i类用户的收入或产值，Pi表示第i类用户的电价，Qi表示第i类用户的用电量，i表示不同类型用户的编号。
4.根据权利要求3所述的电力系统备用需求的预测方法，其特征在于，所述根据所述用户用电满意度和不同类型用户的支付满意度确定用户综合满意度，包括：
根据公式：kpay＝∑(αi×Si+β×R)确定用户综合满意度kpay；其中，αi为预先设置的第i类用户的支付满意度权重，β为预先设置的用户用电满意度权重。
5.根据权利要求4所述的电力系统备用需求的预测方法，其特征在于，所述根据所述初步备用需求和用户综合满意度，确定电力系统备用需求的预测结果，包括：
根据公式：确定电力系统备用需求的预测结果D2。
6.一种电力系统备用需求的预测装置，其特征在于，包括：
数据获取单元，用于获得电力系统中的火电机组数据、光伏机组数据、风电机组数据以及用户负荷数据；
初步备用需求确定单元，用于根据所述火电机组数据、光伏机组数据、风电机组数据以及用户负荷数据确定电力系统的初步备用需求；
满意度确定单元，用于获得电力系统的用户类型，并根据初步备用需求确定用户用电满意度，及确定不同类型用户的支付满意度；根据所述用户用电满意度和不同类型用户的支付满意度确定用户综合满意度；
备用需求预测单元，用于根据所述初步备用需求和用户综合满意度，确定电力系统备用需求的预测结果。
7.根据权利要求6所述的电力系统备用需求的预测装置，其特征在于，所述初步备用需求确定单元，包括：
定性刻画模块，用于根据火电机组数据定性刻画火电机组影响系统运行可靠性的栈流图；所述火电机组数据包括火电机组装机容量和强迫停运率；根据光伏机组数据定性刻画光伏机组影响系统运行可靠性的栈流图；所述光伏机组数据包括光辐射强度表、标准辐射强度、标准环境下温度、环境温度、电池功率温度系数、电池损耗系数、标准环境下的额定功率和光伏实际输出功率；根据风电机组数据定性刻画风电机组影响系统运行可靠性的栈流图；所述风电机组数据包括风速表、切入风速、切出风速、额定风速、额定输出功率和风电实际出力；根据用户负荷数据定性刻画用户负荷影响系统运行可靠性的栈流图；所述用户负荷数据包括储能提供功率、分布式能源提供功率、用户负荷预测值和用户实际负荷；
火电备用需求确定模块，用于根据火电机组影响系统运行可靠性的栈流图，定量刻画火电机组中的偏差，并根据电力不足概率得到火电备用需求；
光伏备用需求确定模块，用于根据最大功率跟踪策略下的光伏电池功率输出特性，计算光伏输出功率：
其中，Ps1为光伏输出功率，Pstd为标准环境下的额定功率，fpv为电池损耗系数，Ra为实际光辐射强度，Rstd为标准辐射强度，α为电池功率温度系数，Ta为环境温度，Tstd为标准环境下温度；
计算光伏预测偏差率：其中，ε1为光伏预测偏差率，ps0为光伏实际输出功率；
计算光伏备用需求：Ds＝∫Cs×x％×ε1；其中，Ds表示光伏备用需求，Cs表示光伏装机容量，x％为预先设置的百分比参数；
风电备用需求确定模块，用于根据两参数韦布尔分布的概率分布函数确定切入风速和切出风速之间的概率分布：其中，ξ表示风速，k为形状参数，用于表示曲线的形状，c为尺度参数，用于反映风电场的平均风速，vci为切入风速，vco为切出风速；
将切入风速和切出风速之间的概率分布pj平分成n份：
取每一份Δv为一个状态，根据每一份概率分布曲线上对应的风速值，确定风电机组预测输出功率：
其中，Pw1为风电机组预测输出功率，Sr为额定输出功率，vr为额定风速；
计算风电场预测偏差率：
其中，ε2为风电场预测偏差率，pw0表示风电实际出力；
计算风电备用需求：Dw＝∫CW×x％×ε2；其中，Dw表示风电备用需求，CW表示风电装机容量，x％为预先设置的百分比参数；
用户负荷备用需求确定模块，用于计算用户负荷预测概率：其中，Lf为系统负荷预测值，为t时段负荷预测误差的方差；
确定用户预测偏差率：其中，ε3表示用户预测偏差率，PL1为用户负荷预测值，pLf为用户负荷预测概率，Psto为储能提供功率，Pdis为分布式能源提供功率，PL0为用户实际负荷；
计算由于用户负荷波动性引起的备用需求：Dl＝∫Lmax×x％×ε3；其中，Lmax为最大负荷值，Dl为由于用户负荷波动性引起的备用需求，x％为预先设置的百分比参数；
初步备用需求确定模块，用于计算电力系统的初步备用需求：D1＝Dt+Ds+Dw+Dl；其中，D1表示初步备用需求，Dt表示火电备用需求，Ds表示光伏备用需求，Dl表示由于用户负荷波动性引起的备用需求，Dw表示风电备用需求。
8.根据权利要求7所述的电力系统备用需求的预测装置，其特征在于，所述满意度确定单元，包括：
用户类型获得模块，用于根据用户的用电特性获得电力系统的用户类型；所述用户类型包括大型工业用户、工商业用户及居民用户；
可靠性要求比值计算模块，用于根据公式：计算可靠性要求比值krel；其中，D1表示初步备用需求，Lmax表示最大负荷值，x％表示预先设置的百分比参数；
用户用电满意度确定模块，用于将所述可靠性要求比值krel与预先设置的用户用电满意度阈值进行比较，得到用户用电满意度R；
支付满意度确定模块，用于根据公式：计算第i类用户的支付满意度Si；其中，Yi表示第i类用户的收入或产值，Pi表示第i类用户的电价，Qi表示第i类用户的用电量，i表示不同类型用户的编号。
9.根据权利要求8所述的电力系统备用需求的预测装置，其特征在于，所述满意度确定单元，还包括：
用户综合满意度确定模块，用于根据公式：kpay＝∑(αi×Si+β×R)确定用户综合满意度kpay；其中，αi为预先设置的第i类用户的支付满意度权重，β为预先设置的用户用电满意度权重。
10.根据权利要求9所述的电力系统备用需求的预测装置，其特征在于，所述备用需求预测单元，具体用于：
根据公式：确定电力系统备用需求的预测结果D2。
CN201810592981.1A 2018-06-11 2018-06-11 一种电力系统备用需求的预测方法及装置 Active CN110580538B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810592981.1A CN110580538B (zh) 2018-06-11 2018-06-11 一种电力系统备用需求的预测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810592981.1A CN110580538B (zh) 2018-06-11 2018-06-11 一种电力系统备用需求的预测方法及装置

Publications (2)

Publication Number Publication Date
CN110580538A true CN110580538A (zh) 2019-12-17
CN110580538B CN110580538B (zh) 2024-03-08

Family

ID=68809975

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810592981.1A Active CN110580538B (zh) 2018-06-11 2018-06-11 一种电力系统备用需求的预测方法及装置

Country Status (1)

Country Link
CN (1) CN110580538B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110707737A (zh) * 2019-11-28 2020-01-17 国网内蒙古东部电力有限公司经济技术研究院 一种基于云计算的高渗透新能源电网电池容量配置方法
CN112801353A (zh) * 2021-01-19 2021-05-14 浙江大学 一种基于风电概率预测的电力系统运行备用量化方法
CN113435923A (zh) * 2021-06-15 2021-09-24 北京百度网讯科技有限公司 用电量的预测方法、装置及电子设备
CN116169704A (zh) * 2023-04-25 2023-05-26 国网吉林省电力有限公司经济技术研究院 一种基于多类型分布式资源的电动汽车充电站优化方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2413276A1 (en) * 2010-07-28 2012-02-01 Kabushiki Kaisha Toshiba Electric power demand/supply planning apparatus and method for the same
WO2014176930A1 (zh) * 2013-05-03 2014-11-06 国家电网公司 含大规模风电电力系统的短期运行优化方法
CN107221953A (zh) * 2017-06-19 2017-09-29 华中科技大学 一种基于柔性负荷需求响应差异性的光伏消纳方法
CN108009708A (zh) * 2017-11-16 2018-05-08 国网江苏省电力有限公司 基于系统动力学的新电改下广义保底服务运营分析方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2413276A1 (en) * 2010-07-28 2012-02-01 Kabushiki Kaisha Toshiba Electric power demand/supply planning apparatus and method for the same
WO2014176930A1 (zh) * 2013-05-03 2014-11-06 国家电网公司 含大规模风电电力系统的短期运行优化方法
CN107221953A (zh) * 2017-06-19 2017-09-29 华中科技大学 一种基于柔性负荷需求响应差异性的光伏消纳方法
CN108009708A (zh) * 2017-11-16 2018-05-08 国网江苏省电力有限公司 基于系统动力学的新电改下广义保底服务运营分析方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
宋栋等: "不同市场发展阶段中电力备用辅助服务交易模式选择", 《电力需求侧管理》, vol. 20, no. 3, 20 May 2018 (2018-05-20), pages 54 - 60 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110707737A (zh) * 2019-11-28 2020-01-17 国网内蒙古东部电力有限公司经济技术研究院 一种基于云计算的高渗透新能源电网电池容量配置方法
CN112801353A (zh) * 2021-01-19 2021-05-14 浙江大学 一种基于风电概率预测的电力系统运行备用量化方法
CN112801353B (zh) * 2021-01-19 2022-05-03 浙江大学 一种基于风电概率预测的电力系统运行备用量化方法
CN113435923A (zh) * 2021-06-15 2021-09-24 北京百度网讯科技有限公司 用电量的预测方法、装置及电子设备
CN113435923B (zh) * 2021-06-15 2022-09-27 北京百度网讯科技有限公司 用电量的预测方法、装置及电子设备
CN116169704A (zh) * 2023-04-25 2023-05-26 国网吉林省电力有限公司经济技术研究院 一种基于多类型分布式资源的电动汽车充电站优化方法

Also Published As

Publication number Publication date
CN110580538B (zh) 2024-03-08

Similar Documents

Publication Publication Date Title
Reddy Optimal scheduling of thermal-wind-solar power system with storage
CN110580538B (zh) 一种电力系统备用需求的预测方法及装置
Yang et al. Data center holistic demand response algorithm to smooth microgrid tie-line power fluctuation
CN111555281B (zh) 一种电力系统灵活性资源配置仿真方法及装置
Wang et al. Analysis of energy storage demand for peak shaving and frequency regulation of power systems with high penetration of renewable energy
Hao et al. Scenario-based unit commitment optimization for power system with large-scale wind power participating in primary frequency regulation
CN110649598B (zh) 一种计及区域内虚拟电厂调节节点电价的方法及系统
CN110929428B (zh) 一种电力系统发电容量充裕度确定方法及系统
Pitra et al. Duck curve with renewable energies and storage technologies
Zhu et al. Energy optimal dispatch of the data center microgrid based on stochastic model predictive control
Li et al. A scheduling framework for VPP considering multiple uncertainties and flexible resources
Wang et al. Multi-timescale active distribution network optimal dispatching based on SMPC
CN112531773A (zh) 一种新能源发电系统及其能量调控方法及装置
Ding et al. A dynamic period partition method for time-of-use pricing with high-penetration renewable energy
Tian et al. Coordinated RES and ESS Planning Framework Considering Financial Incentives Within Centralized Electricity Market
CN116316713A (zh) 一种含风光和光伏的电网储能配置方法及装置
CN116231669A (zh) 数据处理方法、装置、电子设备及存储介质
CN113361781B (zh) 一种电网投资规模优化方法、系统、设备及存储介质
CN114819573A (zh) 新能源系统的日前调度方法、装置和计算机设备
Rancilio et al. Limited Energy Reservoirs: Analysis of the proposed methodology for opening Frequency Containment Reserve to energy storage in EU
CN113435673A (zh) 基于负荷率的深度调峰费用分摊计算方法和系统
Hu et al. Research on peak load optimization model considering interruptible load at peak time
CN117674300B (zh) 虚拟电厂资源调度方法、装置、终端设备以及存储介质
CN114156950B (zh) 一种电力系统电源容量分配方法及装置
Mena et al. A Two-Stage Stochastic Unit Commitment Model for Wind-integrated Power Systems Flexibility Assessment

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