CN111030101A - 一种基于多元化大数据清洁能源消纳联动调控方法及系统 - Google Patents

Abstract

本发明公开了一种基于多元化大数据清洁能源消纳联动调控方法及系统，方法包括以下过程：获取新能源消纳需求；对火电厂内机组进行深度调峰，并计算获取火电厂深调能力；若火电厂深调能力小于新能源消纳需求，则对联络线进行调节，并计算获取联络线调节量；若联络线调节量小于新能源消纳需求和火电厂深调能力的差值，则采用储能参与调峰，并计算获得储能充电调节量。本发明通过火电厂机组、联络线计划数据、储能调峰能力多种方式联动调控，以达到提升消纳能力目的。

Description

一种基于多元化大数据清洁能源消纳联动调控方法及系统

技术领域

本发明属于电力系统调度自动化技术领域，具体涉及一种基于多元化大数据清洁能源消纳与市场联动调控方法及系统。

背景技术

近年来，我国新能源发展步伐加快，风电、光伏新增装机量均位列世界第一。由于受资源分布的限制，我国风电、光伏发电主要分布于“三北”地区，远距离送出受到约束。此外，由于风电、光伏等形式的发电出力具有随机性、间歇性和难以准确预测等特点，大规模可再生能源的接入将导致注入功率的扰动增大而抑制频率变化的转动惯量减小，这给电力系统调频、调峰控制带来新的问题和挑战。

“三北”地区气电成本高昂、经济性差；抽水蓄能电站建设规模不足、建设周期长，导致这些地区的电源结构以调节能力较弱的火电为主，火电机组在未来相当长一段时期仍是“三北”地区调峰、调频的主力电源。此外，在“三北”地区，火电机组又主要以供热机组为主。在供暖期，为了满足供热需求，大多数供热机组只能以高负荷运行，机组调峰能力严重受限，导致新能源规模化开发与市场消纳能力不足的矛盾日益凸显。并且，为了保证广大群众温暖过冬，减少雾霾，近年来北方地区正在大力推广清洁取暖，供热机组作为一种清洁、高效的供热方式，其机组数量及承担的供热负荷逐年增加，导致新能源消纳形势更加严峻。

为了解决东北地区电力消纳及系统调峰困难等实际情况，国家能源局于2016年启动了提升火电机组运行灵活性改造示范工程，并发布推动东北地区电力协调发展的实施意见，要求到2020年，东北地区电力供需实现基本平衡，火电、风电利用小时数达到合理水平，弃风率显著下降。需释放火电机组的灵活性改造潜力，有效提高我国电力系统调节能力，建立/健全调峰辅助服务市场机制，完善考虑价格机制的多能源协调优化调度策略。

发明内容

本发明的目的在于克服现有技术中当前电力系统调节能力不满足高比例新能源接入的运行要求的不足，提供了一种基于多元化大数据清洁能源消纳与市场联动调控方法，通过火电厂机组、联络线计划数据、储能调峰能力多种方式联动调控，达到提升消纳能力目的。

为解决上述技术问题，本发明提供了一种基于多元化大数据清洁能源消纳联动调控方法，包括以下过程：

获取新能源消纳需求；

对火电厂内机组进行深度调峰，并计算获取火电厂深调能力；

比较火电厂深调能力与新能源消纳需求之间的大小；若火电厂深调能力小于新能源消纳需求，则对联络线进行调节，并计算获取联络线调节量；

比较联络线调节量与新能源消纳需求和火电厂深调能力的差值之间的大小；若联络线调节量小于新能源消纳需求和火电厂深调能力的差值，则采用储能参与调峰，并计算获得储能充电调节量。

进一步的，所述对火电厂内机组进行深度调峰包括：

根据市场竞价结果制定火电厂内机组发电序位及发电调节量。

进一步的，所述根据市场竞价结果制定火电厂内机组发电序位及发电调节量包括：

将市场竞价结果共分为R个档位，将火电厂所有机组按照竞价结果档位相应的分为R个等级，为满足消纳需求则对每个等级的机组进行下调节备用求和；

各个等级的机组下调节备用之和计算公式为：

P_down,s表示等级s的机组下调节备用，n表示等级s下机组数量，P_G,i为第i台机组的当前出力，P_电实,i表示第i台机组电蓄热装置的实际值，P_下,i表示第i台机组的该套竞价最小运行功率；

当电网实时的调节需求在该套竞价结果的下调节备用之和范围内时，确定机组发电序位；

火电厂机组包括电蓄热机组和非电蓄热机组，各机组的发电调节量为：

第j台非电蓄热机组目标负荷P_O,j为：

若第j台机组等级小于等于k，则目标负荷为该机组的该套竞价最小运行功率；公式表达如下：

P_O,j＝P_下,j IF:S(j)≤k

若第j台非电蓄热机组等级大于等于k，小于等于k+1，则目标负荷为该机组的额定容量与全网目标负荷率乘积；公式表达如下：

P_O,j＝η_O·P_N,j IF:k≤S(j)≤k+1

第j台电蓄热机组目标负荷P_O,j：

若第j台机组等级小于等于k，则目标负荷为该机组的该套竞价最小运行功率；公式表达如下：

P_O,j＝P_下,j IF:S(j)≤k

若第j台电蓄热机组等级大于等于k，小于等于k+1，则目标负荷为该机组的额定容量与全网目标负荷率乘积与电蓄热装置的功率之和；公式表达如下：

P_O,j＝η_O·P_N,j+P_电,j IF:k≤S(j)≤k+1

其中，P_N,j为第j台机组额定容量，P_电,j为第j台机组电蓄热装置的额定功率，S(j)为第j台机组等级，η_O为全网目标负荷率。

进一步的，所述计算获取火电厂深调能力包括：

火电厂深调能力P₂为：

P_down,s表示等级s的机组下调节备用，R为市场竞价结果档位数。

进一步的，所述计算获得储能充电调节量包括：

储能参与调峰的效益模型为：

其中，

为储能参与调峰的t时刻的放电电价与充电电价，

为储能t时刻充放电功率，T为周期；Δt为单位时间段，C_ESS为储能运维成本；

其中，C_f为固定运维成本，C_v为可变运维成本，α为资金回收系数，C₀为单位容量的运维成本，E_ess为储能容量、C_e为储能容量单价、E_t为时间段t内储能发出或吸收的电量、N为预估寿命周期循环次数、η为充放电效率；

储能参与调峰的约束条件包含功率约束、荷电状态约束以及功率平衡约束：

1)功率约束

2)荷电状态约束

3)功率平衡约束

其中，

为充电功率上下限，

为储能放电功率上下限，

为储能电量上下限，

分别为火电厂功率、清洁能源功率、联络线功率、负荷功率及弃风弃光功率，上表t表示时刻；

通过效益模型计算得到当前状态下储能可充电功率P_c；可得储能充电调节量为消纳需求与储能可充电功率的最小值。

相应的，本发明还提供了一种基于多元化大数据清洁能源消纳联动调控系统，其特征是，包括新能源消纳需求获取模块、火电厂机组调节模块、联络线调节模块和储能调节模块；

新能源消纳需求获取模块，用于获取新能源消纳需求；

火电厂机组调节模块，用于对火电厂内机组进行深度调峰，并计算获取火电厂深调能力；

联络线调节模块，用于比较火电厂深调能力与新能源消纳需求之间的大小；若火电厂深调能力小于新能源消纳需求，则对联络线进行调节，并计算获取联络线调节量；

储能调节模块，用于比较联络线调节量与新能源消纳需求和火电厂深调能力的差值之间的大小；若联络线调节量小于新能源消纳需求和火电厂深调能力的差值，则采用储能参与调峰，并计算获得储能充电调节量。

进一步的，火电厂机组调节模块中，所述对火电厂内机组进行深度调峰包括：

根据市场竞价结果制定火电厂内机组发电序位及发电调节量。

进一步的，火电厂机组调节模块中，所述根据市场竞价结果制定火电厂内机组发电序位及发电调节量包括：

将市场竞价结果共分为R个档位，将火电厂所有机组按照竞价结果档位相应的分为R个等级，为满足消纳需求则对每个等级的机组进行下调节备用求和；

各个等级的机组下调节备用之和计算公式为：

P_down,s表示等级s的机组下调节备用，n表示等级s下机组数量，P_G,i为第i台机组的当前出力，P_电实,i表示第i台机组电蓄热装置的实际值，P_下,i表示第i台机组的该套竞价最小运行功率；

当电网实时的调节需求在该套竞价结果的下调节备用之和范围内时，确定机组发电序位；

火电厂机组包括电蓄热机组和非电蓄热机组，各机组的发电调节量为：

第j台非电蓄热机组目标负荷P_O,j为：

若第j台机组等级小于等于k，则目标负荷为该机组的该套竞价最小运行功率；公式表达如下：

P_O,j＝P_下,j IF:S(j)≤k

若第j台非电蓄热机组等级大于等于k，小于等于k+1，则目标负荷为该机组的额定容量与全网目标负荷率乘积；公式表达如下：

P_O,j＝η_O·P_N,j IF:k≤S(j)≤k+1

第j台电蓄热机组目标负荷P_O,j：

若第j台机组等级小于等于k，则目标负荷为该机组的该套竞价最小运行功率；公式表达如下：

P_O,j＝P_下,j IF:S(j)≤k

若第j台电蓄热机组等级大于等于k，小于等于k+1，则目标负荷为该机组的额定容量与全网目标负荷率乘积与电蓄热装置的功率之和；公式表达如下：

P_O,j＝η_O·P_N,j+P_电,j IF:k≤S(j)≤k+1

其中，P_N,j为第j台机组额定容量，P_电,j为第j台机组电蓄热装置的额定功率，S(j)为第j台机组等级，η_O为全网目标负荷率。

进一步的，火电厂机组调节模块中，所述计算获取火电厂深调能力包括：

火电厂深调能力P₂为：

P_down,s表示等级s的机组下调节备用，R为市场竞价结果档位数。

进一步的，储能调节模块中，所述计算获得储能充电调节量包括：

储能参与调峰的效益模型为：

其中，

为储能参与调峰的t时刻的放电电价与充电电价，

为储能t时刻充放电功率，T为周期；Δt为单位时间段，C_ESS为储能运维成本；

其中，C_f为固定运维成本，C_v为可变运维成本，α为资金回收系数，C₀为单位容量的运维成本，E_ess为储能容量、C_e为储能容量单价、E_t为时间段t内储能发出或吸收的电量、N为预估寿命周期循环次数、η为充放电效率；

储能参与调峰的约束条件包含功率约束、荷电状态约束以及功率平衡约束：

1)功率约束

2)荷电状态约束

3)功率平衡约束

其中，

为充电功率上下限，

为储能放电功率上下限，

为储能电量上下限，

分别为火电厂功率、清洁能源功率、联络线功率、负荷功率及弃风弃光功率，上表t表示时刻；

通过效益模型计算得到当前状态下储能可充电功率P_c；可得储能充电调节量为消纳需求与储能可充电功率的最小值。

与现有技术相比，本发明所达到的有益效果是：本发明通过火电厂机组、联络线计划数据、储能调峰能力多种方式联动调控，以达到提升消纳能力目的。

附图说明

图1本发明方法的流程示意图。

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

本发明的技术思路是：为促进清洁能源消纳，综合考虑负荷预测、联络线计划、新能源功率预测、火电深度调峰能力、断面限额、储能运行方式等多元化大数据，分析一段时间内新能源接纳能力。根据不同火电灵活改造调峰机组的运行性能与竞价结果，制定调峰机组排列发电序位及发电调节量。

本发明的一种基于多元化大数据清洁能源消纳联动调控方法，本发明主题中多元化大数据是指在分析新能源(清洁能源)消纳能力过程中考虑了负荷预测数据、联络线计划数据、火电深调能力等多种方式，以达到提升消纳能力目的。也就是说采取多元调节方式提上消纳能力满足消纳需求。为满足新能源消纳需求，参见图1所示，本发明的方法具体包括以下过程：

步骤1，获取新能源消纳需求P₁。

先根据负荷预测、联络线计划、新能源功率预测、火电厂出力、断面限额等多元化大数据，计算得到时段内电网新能源消纳需求。电网区域内各类负荷(负荷是时间序列数据)聚合为一条负荷曲线，表示电网区域内所有负荷总和；联络线计划有固定模式和可优化模式，本发明中联络线计划采用可优化模式，包括运行上下限、电量约束，联络线计划数据受入为正，送出为负，聚合为一条联络线计划，运行上(下)限为各条联络线输送容量上(下)限累计值；断面限额数据为固定计划模式。

步骤2，为满足新能源消纳需求P₁，首先对电网内火电厂进行深度调峰，制定机组发电序位及发电调节量，获取火电厂深调能力P₂；。

根据市场竞价结果决定每台机组参与调峰的顺序(发电序位)，优先调用报价低的机组，据此编排发电计划，进一步根据计算得到的目标负荷(发电调节量)，向火电厂下发调度指令(目标负荷)，实现调节。电网内火电厂机组包括电蓄热机组和非电蓄热机组，电蓄热机组是在低谷电时段，利用电加热将蓄热体加热，使得电能以热能的形式储存起来，峰电或平电时段，将储存的热能转换成热风、热水、蒸汽等形式输出，以满足供热需求，非电蓄热机组指传统的发电机组。电蓄热机组具有电蓄热装置，电蓄热机组对电网的出力负荷为机组实际出力与电蓄热装置出力之和；而非电蓄热机组出力负荷是机组实际出力。

设辅助服务市场机组下的某套竞价结果共分为R个档位，则将所有机组按照竞价结果档位相应的分为R个等级，为满足消纳需求则对每个等级的机组进行下调节备用求和。

各个等级的机组下调节备用之和计算公式为：

P_down,s表示等级s的机组下调节备用，n表示等级s下机组数量，P_G,i为第i台机组的当前出力，P_电实,i表示第i台机组电蓄热装置的实际值，P_下,i表示第i台机组的该套竞价最小运行功率。

发电机组的目标负荷就是发电机组平衡的需求负荷，指每台机组调节后的出力状态。此处计算目标负荷是为了给火电厂下发调度指令。

当电网实时的调节需求在该套竞价结果的下调节备用之和范围内时，即

其中，P_down,j为等级j调节备用，k为满足下调节备用的等级，ΔP为电网的调节需求，即新能源消纳需求P₁。

则第j台非电蓄热机组目标负荷P_O,j为：

若第j台机组等级小于等于k，则目标负荷为该机组的该套竞价最小运行功率。公式表达如下：

P_O,j＝P_下,j IF:S(j)≤k

若第j台非电蓄热机组等级大于等于k，小于等于k+1，则目标负荷为该机组的额定容量与全网目标负荷率乘积。公式表达如下：

P_O,j＝η_O·P_N,j IF:k≤S(j)≤k+1

第j台电蓄热机组目标负荷P_O,j：

若第j台机组等级小于等于k，则目标负荷为该机组的该套竞价最小运行功率。公式表达如下：

P_O,j＝P_下,j IF:S(j)≤k

若第j台电蓄热机组等级大于等于k，小于等于k+1，则目标负荷为该机组的额定容量与全网目标负荷率乘积与电蓄热装置的功率之和。公式表达如下：

P_O,j＝η_O·P_N,j+P_电,j IF:k≤S(j)≤k+1

其中，P_N,j为第j台机组额定容量，P_电,j为第j台机组电蓄热装置的额定功率，S(j)为第j台机组等级，η_O为全网目标负荷率。全网目标负荷率η_O计算公式如下：

当新能源消纳需求P1超过该套竞价结果的下调节备用之和时，则进入下一套竞价结果进行深度调峰，计算方式同上。

最终得到火电厂深调能力P₂为：

步骤1得到新能源消纳需求P₁为目标值，P₂是火电厂深调可提供深调能力，即电网可提供的消纳能力，若P₂<P₁则采用火电深调方式仍不满足消纳需求，进一步采用其他调节方式。

步骤3，若P₂<P₁，则表明火电厂深调之后仍有弃风弃光，还需对电网内省间联络线进行调节，增加联络线送出以提升消纳空间，根据省间可送出的能力裕度为P_out，计算联络线调节量P₃，计算公式为：

P₃＝min(P₁-P₂,P_out)

经过火电厂深调后，新能源消纳需求变为P₁-P₂，将消纳需求和联络线送出能力裕度进行比较，取较小值即为联络线调节量P₃。

步骤4，若P₃<P₁-P₂，则表明通过上述调节方式得到的消纳能力仍小于消纳需求，仍存在弃风弃光情况，下一步考虑采用储能调峰方式。储能作为辅助调峰电源，需要尽量发挥储能调峰补充作用，但也要尽量避免频繁充放电，因此最后考虑采用储能调峰，基于储能充放电要求约束，以经济性为目标，构建储能参与调峰效益模型，选择储能参与调峰，满足消纳需求。

储能参与调峰的效益模型为：

其中，

为储能参与调峰的t时刻的放电电价与充电电价，

为储能t时刻充放电功率，T为周期；Δt为单位时间段，C_ESS为储能运维成本。

其中，C_f为固定运维成本，C_v为可变运维成本，α为资金回收系数，C₀为单位容量的运维成本，E_ess为储能容量、C_e为储能容量单价、E_t为时间段t内储能发出或吸收的电量、N为预估寿命周期循环次数、η为充放电效率。

储能参与调峰的约束条件包含功率约束、荷电状态约束以及功率平衡约束：

1)功率约束

2)荷电状态约束

3)功率平衡约束

其中，

为充电功率上下限，

为储能放电功率上下限，

为储能电量上下限，

分别为火电厂功率、清洁能源功率、联络线功率、负荷功率及弃风弃光功率，上表t表示时刻。

此时，消纳能力小于消纳需求，所以通过采用储能充电提高消纳能力；消纳需求P₄＝P₁-P₂-P₃；通过效益模型计算得到当前状态下储能可充电功率P_c；结合消纳需求，可得储能充电调节量P₅＝min(P₄,P_c)。

若P₅＝P₄，则储能参与调节后，消纳能力满足了消纳需求，避免弃风弃光情况；若P₅＝P_c，表明采取了所有调节手段后，消纳能力仍小于消纳需求。

与现有技术相比，本发明的有益效果为：在保证电网调节需求的前提下，根据市场竞价结果进行发电计划编排，发挥不同调峰能力机组作用，构建调峰市场和调频市场结合机制，最大化灵活性机组效益。本发明通过火电厂机组、联络线计划数据、储能调峰能力多种方式联动调控，以达到提升消纳能力目的。

相应的，本发明还提供了一种基于多元化大数据清洁能源消纳联动调控系统，其特征是，包括新能源消纳需求获取模块、火电厂机组调节模块、联络线调节模块和储能调节模块；

新能源消纳需求获取模块，用于获取新能源消纳需求；

火电厂机组调节模块，用于对火电厂内机组进行深度调峰，并计算获取火电厂深调能力；

联络线调节模块，用于比较火电厂深调能力与新能源消纳需求之间的大小；若火电厂深调能力小于新能源消纳需求，则对联络线进行调节，并计算获取联络线调节量；

储能调节模块，用于比较联络线调节量与新能源消纳需求和火电厂深调能力的差值之间的大小；若联络线调节量小于新能源消纳需求和火电厂深调能力的差值，则采用储能参与调峰，并计算获得储能充电调节量。

进一步的，火电厂机组调节模块中，所述对火电厂内机组进行深度调峰包括：

根据市场竞价结果制定火电厂内机组发电序位及发电调节量。

进一步的，火电厂机组调节模块中，所述根据市场竞价结果制定火电厂内机组发电序位及发电调节量包括：

将市场竞价结果共分为R个档位，将火电厂所有机组按照竞价结果档位相应的分为R个等级，为满足消纳需求则对每个等级的机组进行下调节备用求和；

各个等级的机组下调节备用之和计算公式为：

P_down,s表示等级s的机组下调节备用，n表示等级s下机组数量，P_G,i为第i台机组的当前出力，P_电实,i表示第i台机组电蓄热装置的实际值，P_下,i表示第i台机组的该套竞价最小运行功率；

当电网实时的调节需求在该套竞价结果的下调节备用之和范围内时，确定机组发电序位；

火电厂机组包括电蓄热机组和非电蓄热机组，各机组的发电调节量为：

第j台非电蓄热机组目标负荷P_O,j为：

若第j台机组等级小于等于k，则目标负荷为该机组的该套竞价最小运行功率；公式表达如下：

P_O,j＝P_下,j IF:S(j)≤k

若第j台非电蓄热机组等级大于等于k，小于等于k+1，则目标负荷为该机组的额定容量与全网目标负荷率乘积；公式表达如下：

P_O,j＝η_O·P_N,j IF:k≤S(j)≤k+1

第j台电蓄热机组目标负荷P_O,j：

若第j台机组等级小于等于k，则目标负荷为该机组的该套竞价最小运行功率；公式表达如下：

P_O,j＝P_下,j IF:S(j)≤k

若第j台电蓄热机组等级大于等于k，小于等于k+1，则目标负荷为该机组的额定容量与全网目标负荷率乘积与电蓄热装置的功率之和；公式表达如下：

P_O,j＝η_O·P_N,j+P_电,j IF:k≤S(j)≤k+1

其中，P_N,j为第j台机组额定容量，P_电,j为第j台机组电蓄热装置的额定功率，S(j)为第j台机组等级，η_O为全网目标负荷率。

进一步的，火电厂机组调节模块中，所述计算获取火电厂深调能力包括：

火电厂深调能力P₂为：

P_down,s表示等级s的机组下调节备用，R为市场竞价结果档位数。

进一步的，储能调节模块中，所述计算获得储能充电调节量包括：

储能参与调峰的效益模型为：

其中，

为储能参与调峰的t时刻的放电电价与充电电价，

为储能t时刻充放电功率，T为周期；Δt为单位时间段，C_ESS为储能运维成本；

其中，C_f为固定运维成本，C_v为可变运维成本，α为资金回收系数，C₀为单位容量的运维成本，E_ess为储能容量、C_e为储能容量单价、E_t为时间段t内储能发出或吸收的电量、N为预估寿命周期循环次数、η为充放电效率；

储能参与调峰的约束条件包含功率约束、荷电状态约束以及功率平衡约束：

1)功率约束

2)荷电状态约束

3)功率平衡约束

其中，

为充电功率上下限，

为储能放电功率上下限，

为储能电量上下限，

分别为火电厂功率、清洁能源功率、联络线功率、负荷功率及弃风弃光功率，上表t表示时刻；

通过效益模型计算得到当前状态下储能可充电功率P_c；可得储能充电调节量为消纳需求与储能可充电功率的最小值。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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。

本申请是参照根据本申请实施例的方法、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。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。

Claims (10)

1.一种基于多元化大数据清洁能源消纳联动调控方法，其特征是，包括以下过程：

获取新能源消纳需求；

对火电厂内机组进行深度调峰，并计算获取火电厂深调能力；

比较火电厂深调能力与新能源消纳需求之间的大小；若火电厂深调能力小于新能源消纳需求，则对联络线进行调节，并计算获取联络线调节量；

比较联络线调节量与新能源消纳需求和火电厂深调能力的差值之间的大小；若联络线调节量小于新能源消纳需求和火电厂深调能力的差值，则采用储能参与调峰，并计算获得储能充电调节量。

2.根据权利要求1所述的一种基于多元化大数据清洁能源消纳联动调控方法，其特征是，所述对火电厂内机组进行深度调峰包括：

根据市场竞价结果制定火电厂内机组发电序位及发电调节量。

3.根据权利要求2所述的一种基于多元化大数据清洁能源消纳联动调控方法，其特征是，所述根据市场竞价结果制定火电厂内机组发电序位及发电调节量包括：

将市场竞价结果共分为R个档位，将火电厂所有机组按照竞价结果档位相应的分为R个等级，为满足消纳需求则对每个等级的机组进行下调节备用求和；

各个等级的机组下调节备用之和计算公式为：

P_down,s表示等级s的机组下调节备用，n表示等级s下机组数量，P_G,i为第i台机组的当前出力，P_电实,i表示第i台机组电蓄热装置的实际值，P_下,i表示第i台机组的该套竞价最小运行功率；

当电网实时的调节需求在该套竞价结果的下调节备用之和范围内时，确定机组发电序位；

火电厂机组包括电蓄热机组和非电蓄热机组，各机组的发电调节量为：

第j台非电蓄热机组目标负荷P_O,j为：

若第j台机组等级小于等于k，则目标负荷为该机组的该套竞价最小运行功率；公式表达如下：

P_O,j＝P_下,j IF:S(j)≤k

若第j台非电蓄热机组等级大于等于k，小于等于k+1，则目标负荷为该机组的额定容量与全网目标负荷率乘积；公式表达如下：

P_O,j＝η_O·P_N,j IF:k≤S(j)≤k+1

第j台电蓄热机组目标负荷P_O,j：

若第j台机组等级小于等于k，则目标负荷为该机组的该套竞价最小运行功率；公式表达如下：

P_O,j＝P_下,j IF:S(j)≤k

若第j台电蓄热机组等级大于等于k，小于等于k+1，则目标负荷为该机组的额定容量与全网目标负荷率乘积与电蓄热装置的功率之和；公式表达如下：

P_O,j＝η_O·P_N,j+P_电,j IF:k≤S(j)≤k+1

其中，P_N,j为第j台机组额定容量，P_电,j为第j台机组电蓄热装置的额定功率，S(j)为第j台机组等级，η_O为全网目标负荷率。

4.根据权利要求1所述的一种基于多元化大数据清洁能源消纳联动调控方法，其特征是，所述计算获取火电厂深调能力包括：

火电厂深调能力P₂为：

P_down,s表示等级s的机组下调节备用，R为市场竞价结果档位数。

5.根据权利要求1所述的一种基于多元化大数据清洁能源消纳联动调控方法，其特征是，所述计算获得储能充电调节量包括：

储能参与调峰的效益模型为：

其中，

为储能参与调峰的t时刻的放电电价与充电电价，

为储能t时刻充放电功率，T为周期；Δt为单位时间段，C_ESS为储能运维成本；

其中，C_f为固定运维成本，C_v为可变运维成本，α为资金回收系数，C₀为单位容量的运维成本，E_ess为储能容量、C_e为储能容量单价、E_t为时间段t内储能发出或吸收的电量、N为预估寿命周期循环次数、η为充放电效率；

储能参与调峰的约束条件包含功率约束、荷电状态约束以及功率平衡约束：

1)功率约束

2)荷电状态约束

3)功率平衡约束

其中，

为充电功率上下限，

为储能放电功率上下限，

为储能电量上下限，

分别为火电厂功率、清洁能源功率、联络线功率、负荷功率及弃风弃光功率，上表t表示时刻；

通过效益模型计算得到当前状态下储能可充电功率P_c；可得储能充电调节量为消纳需求与储能可充电功率的最小值。

6.一种基于多元化大数据清洁能源消纳联动调控系统，其特征是，包括新能源消纳需求获取模块、火电厂机组调节模块、联络线调节模块和储能调节模块；

新能源消纳需求获取模块，用于获取新能源消纳需求；

火电厂机组调节模块，用于对火电厂内机组进行深度调峰，并计算获取火电厂深调能力；

联络线调节模块，用于比较火电厂深调能力与新能源消纳需求之间的大小；若火电厂深调能力小于新能源消纳需求，则对联络线进行调节，并计算获取联络线调节量；

储能调节模块，用于比较联络线调节量与新能源消纳需求和火电厂深调能力的差值之间的大小；若联络线调节量小于新能源消纳需求和火电厂深调能力的差值，则采用储能参与调峰，并计算获得储能充电调节量。

7.根据权利要求6所述的一种基于多元化大数据清洁能源消纳联动调控系统，其特征是，火电厂机组调节模块中，所述对火电厂内机组进行深度调峰包括：

根据市场竞价结果制定火电厂内机组发电序位及发电调节量。

8.根据权利要求7所述的一种基于多元化大数据清洁能源消纳联动调控系统，其特征是，火电厂机组调节模块中，所述根据市场竞价结果制定火电厂内机组发电序位及发电调节量包括：

将市场竞价结果共分为R个档位，将火电厂所有机组按照竞价结果档位相应的分为R个等级，为满足消纳需求则对每个等级的机组进行下调节备用求和；

各个等级的机组下调节备用之和计算公式为：

P_down,s表示等级s的机组下调节备用，n表示等级s下机组数量，P_G,i为第i台机组的当前出力，P_电实,i表示第i台机组电蓄热装置的实际值，P_下,i表示第i台机组的该套竞价最小运行功率；

当电网实时的调节需求在该套竞价结果的下调节备用之和范围内时，确定机组发电序位；

火电厂机组包括电蓄热机组和非电蓄热机组，各机组的发电调节量为：

第j台非电蓄热机组目标负荷P_O,j为：

若第j台机组等级小于等于k，则目标负荷为该机组的该套竞价最小运行功率；公式表达如下：

P_O,j＝P_下,j IF:S(j)≤k

若第j台非电蓄热机组等级大于等于k，小于等于k+1，则目标负荷为该机组的额定容量与全网目标负荷率乘积；公式表达如下：

P_O,j＝η_O·P_N,j IF:k≤S(j)≤k+1

第j台电蓄热机组目标负荷P_O,j：

若第j台机组等级小于等于k，则目标负荷为该机组的该套竞价最小运行功率；公式表达如下：

P_O,j＝P_下,j IF:S(j)≤k

若第j台电蓄热机组等级大于等于k，小于等于k+1，则目标负荷为该机组的额定容量与全网目标负荷率乘积与电蓄热装置的功率之和；公式表达如下：

P_O,j＝η_O·P_N,j+P_电,j IF:k≤S(j)≤k+1

其中，P_N,j为第j台机组额定容量，P_电,j为第j台机组电蓄热装置的额定功率，S(j)为第j台机组等级，η_O为全网目标负荷率。

9.根据权利要求6所述的一种基于多元化大数据清洁能源消纳联动调控系统，其特征是，火电厂机组调节模块中，所述计算获取火电厂深调能力包括：

火电厂深调能力P₂为：

P_down,s表示等级s的机组下调节备用，R为市场竞价结果档位数。

10.根据权利要求6所述的一种基于多元化大数据清洁能源消纳联动调控系统，其特征是，储能调节模块中，所述计算获得储能充电调节量包括：

储能参与调峰的效益模型为：

其中，

为储能参与调峰的t时刻的放电电价与充电电价，

为储能t时刻充放电功率，T为周期；Δt为单位时间段，C_ESS为储能运维成本；

其中，C_f为固定运维成本，C_v为可变运维成本，α为资金回收系数，C₀为单位容量的运维成本，E_ess为储能容量、C_e为储能容量单价、E_t为时间段t内储能发出或吸收的电量、N为预估寿命周期循环次数、η为充放电效率；

储能参与调峰的约束条件包含功率约束、荷电状态约束以及功率平衡约束：

1)功率约束

2)荷电状态约束

3)功率平衡约束

其中，

为充电功率上下限，

为储能放电功率上下限，

为储能电量上下限，

分别为火电厂功率、清洁能源功率、联络线功率、负荷功率及弃风弃光功率，上表t表示时刻；

通过效益模型计算得到当前状态下储能可充电功率P_c；可得储能充电调节量为消纳需求与储能可充电功率的最小值。

Images