CN111415029A - 一种大规模新能源出力特性的预测系统及预测方法 - Google Patents

一种大规模新能源出力特性的预测系统及预测方法 Download PDF

Info

Publication number
CN111415029A
CN111415029A CN201910503134.8A CN201910503134A CN111415029A CN 111415029 A CN111415029 A CN 111415029A CN 201910503134 A CN201910503134 A CN 201910503134A CN 111415029 A CN111415029 A CN 111415029A
Authority
CN
China
Prior art keywords
new energy
output
predicted
project
characteristic
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
CN201910503134.8A
Other languages
English (en)
Other versions
CN111415029B (zh
Inventor
张传宇
程浩
王绍德
佘小平
冯艳虹
郑兰
田昊
程霞
韩艺童
蔡文畅
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.)
North China Power Engineering Co Ltd of China Power Engineering Consulting Group
North China Power Engineering Beijing Co Ltd
Original Assignee
North China Power Engineering Co Ltd of China Power Engineering Consulting Group
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 North China Power Engineering Co Ltd of China Power Engineering Consulting Group filed Critical North China Power Engineering Co Ltd of China Power Engineering Consulting Group
Priority to CN201910503134.8A priority Critical patent/CN111415029B/zh
Publication of CN111415029A publication Critical patent/CN111415029A/zh
Application granted granted Critical
Publication of CN111415029B publication Critical patent/CN111415029B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/04—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
    • 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)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供一种大规模新能源出力特性的预测系统及预测方法，所述预测系统包括原始数据收集模块、数据分析处理模块、相关系数优化模块和持续出力特性校正模块，其特征在于，所述原始数据收集模块用于收集或采集待预测新能源的相关信息，数据分析处理模块用于处理原始数据收集模块所收集或采集待预测新能源的相关信息，所述相关系数优化模块用于优化处理模块所处理的参数或特性参数。其基于空间分散性对整体出力特性的平滑作用和单个项目容量对自身出力特性的影响，具有良好的工程可行性和应用前景。

Description

一种大规模新能源出力特性的预测系统及预测方法
技术领域
本申请涉及电力系统稳定性分析技术领域，特别涉及一种大规模新能源出力特性的预测系统及预测方法。
背景技术
近年来，随着可再生能源发电技术的快速发展，风电、光伏发电等新能源的装机容量迅猛增加，但新能源发电往往具有随机性、波动性、间歇性的特点，大规模并网时将给电力系统的安全稳定运行与控制带来重大挑战。
因此针对大规模新能源的接入，实际工程中常基于新能源的出力特性，对新能源的容量可信度、新能源对电力电量平衡的影响、不同新能源的最优容量配比等问题进行研究。
作为后续各项研究与分析工作的基础和前提，新能源的出力特性的重要性不言而喻。但是，实际工程中往往将单个或少数新能源项目的出力特性（标幺值）直接作为大规模新能源的整体出力特性，忽略了新能源项目规模扩大以后的空间分散性对新能源整体出力特性的平滑作用，也未考虑不同容量新能源项目自身出力特性的差异。因此，该出力特性与实际大规模新能源的整体出力特性存在较大的误差，若在该出力特性的基础上进行后续研究，其分析结果也将有较大的偏差。
发明内容
基于现有技术中存在的技术问题，本发明提供一种大规模新能源出力特性的预测系统及预测方法，其基于空间分散性对整体出力特性的平滑作用和单个项目容量对自身出力特性的影响，具有良好的工程可行性和应用前景。
依据本发明技术方案的第一方面， 提供一种大规模新能源出力特性的预测系统，其包括原始数据收集模块、数据分析处理模块、相关系数优化模块和持续出力特性校正模块，所述原始数据收集模块用于收集或采集待预测新能源的相关信息，数据分析处理模块用于处理原始数据收集模块所收集或采集待预测新能源的相关信息，所述相关系数优化模块用于优化处理模块模块所处理的参数或特性参数。
其中，所述原始数据收集模块所收集或采集待预测新能源的相关信息包括待预测新能源项目的位置和容量数据以及待预测新能源项目附近气候相近的地区已建成的新能源项目的位置、容量、历史出力特性数据。进一步地，根据待预测出力特性的时间尺度来确定原始数据收集的时间尺度。
优选地，数据分析处理模块所处理的相关信息包括基础出力特性、相关系数参考特性和持续出力参考特性。
更优先地，所述相关系数优化模块基于待预测新能源项目的位置，按照相关系数参考特性进行优化，改变已有出力特性之间的配比，得到优化后出力特性。
依据本发明技术方案的第二方面， 提供一种大规模新能源出力特性的预测方法，其包括以下步骤：
第一步，收集原始数据，包括待预测新能源项目的位置、容量，区域已有的新能源项目的历史出力特性，地区新能源的资源情况等；
第二步，对收集到的原始数据进行分析，获得用于后续配比近似的基础出力特性、项目间的出力相关系数参考特性和项目自身的持续出力参考特性；
第三步，基于待预测新能源项目的位置，按照相关系数参考特性进行优化，改变已有出力特性之间的配比，得到优化后出力特性；
第四步，基于待预测新能源项目的容量，按照持续出力参考特性进行校正，得到校正后出力特性；
第五步，对下一个待预测新能源项目重复第三步、第四步的过程，最终得到所有新能源项目的预测出力特性。
依据本发明技术方案的第三方面， 提供一种大规模新能源出力特性的预测方法，其包括以下步骤：
步骤1：收集原始数据：
首先判断待预测的大规模新能源项目的位置或容量是否已确定，如有不确定的规划项目，需结合该地区新能源的资源情况选择适当的位置和容量；
再判断已确定项目中是否有已建成投产的项目，如有，可收集其历史出力特性数据；或者附近气候相近的地区若有其他已建成的新能源项目，可收集其位置、容量、历史出力特性数据；否则需收集部分新能源项目场站附近的新能源资源情况，如风电可收集场址附近的测风塔数据；
步骤2：数据分析处理：
对原始数据中的新能源项目的历史出力特性进行筛选处理，避免使用受限电影响的数据、大量缺测或不合理的数据，少量缺测或不合理数据可根据同期的短期预测功率进行近似；
对原始数据中的新能源资源情况进行分析计算，选择适当的新能源机组类型，并可进一步结合实际地形模拟机组布置；
从而得到可确定的部分新能源项目的参考出力特性，按各项目的容量将其标幺化后作为后续计算的基础出力特性；
基于已确定项目的位置及其基础出力特性，拟合出力相关系数随项目间距离变化的相关系数参考特性；
基于已确定项目的容量及其基础出力特性，拟合项目自身持续出力特性随其容量变化的持续出力参考特性；
步骤3：计算预测出力特性：
基于待预测新能源项目的位置，通过配比已有出力特性去近似待预测项目的出力特性，按照相关系数参考特性进行优化，使相关系数的计算结果和参考值之间的误差尽可能小，从而得到优化后出力特性。
基于待预测新能源项目的容量，按照持续出力参考特性对优化后出力特性进行校正，得到校正后出力特性，即为待预测新能源项目最终的预测出力特性；
重复步骤3，预测下一个新能源项目的出力特性。
相比于现有技术，由于采用如上所述的技术方案，本发明产生如下积极效果：
1、本发明以各项目间出力相关系数和自身持续出力特性为优化和校正的目标，通过改变已有出力特性的配比来近似预测未知新能源项目的出力特性；
2、本发明设计了一种大规模新能源出力特性的预测方法和模型，考虑了空间分散性对整体出力特性的平滑作用和单个项目容量对自身出力特性的影响，能够得到更为准确的大规模新能源的整体出力特性，从而可以作为大规模新能源接入相关研究（如新能源的容量可信度、新能源对电力电量平衡的影响、不同新能源的最优容量配比等）的基础；
3、本发明基于待预测新能源项目的容量和位置进行预测，适用于风电、光伏发电等多种新能源，方法和模型具有良好的工程可行性和应用前景。
附图说明
图1是依据本申请的大规模新能源出力特性的预测系统的总体结构示意图。
图2是使用本申请的典型风电场、光伏电站的持续出力特性示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，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。
本发明的大规模新能源出力特性的预测系统及预测方法，其基于空间分散性对整体出力特性的平滑作用和单个项目容量对自身出力特性的影响，具有良好的工程可行性和应用前景。其可以作为大规模新能源接入相关研究（如新能源的容量可信度、新能源对电力电量平衡的影响、不同新能源的最优容量配比等）的基础。
本发明所提供的大规模新能源出力特性的预测系统，其包括原始数据收集模块、数据分析处理模块、相关系数优化模块和持续出力特性校正模块，所述原始数据收集模块用于收集或采集待预测新能源的相关信息，其主要包括：
收集待预测新能源项目的位置、容量数据。具体来说：
若待预测新能源项目已经通过电网审查，则其位置和容量已经基本确定，可直接使用该数据；
若待预测新能源项目尚未通过审查，但已被列入地区新能源电力规划中，则可根据新能源项目的可研报告确定其位置和容量；
若待预测新能源项目尚未开展可研，则可根据地区新能源资源规划确定各项目的位置和容量。
（2）针对待预测的大规模新能源项目，若其中包括部分已建成的新能源项目，或者在其附近气候相近的地区有其他已建成的新能源项目，可收集这些新能源项目的位置、容量、历史出力特性等数据；若无已建成项目或新能源项目数量较少，可收集部分新能源项目场站附近的新能源资源情况。
另外，应根据待预测出力特性的时间尺度来确定原始数据收集的时间尺度。例如：若需要预测年出力特性，则应收集至少一年的原始出力数据（或新能源资源数据）；若需要预测季度出力特性，则应收集至少一季度的原始出力数据（或新能源资源数据）。
所述数据分析处理模块用于处理原始数据收集模块所收集或采集待预测新能源的相关信息，其主要包括以下参数或特性的处理。
（1）基础出力特性
基础出力特性指目前可确定的部分新能源项目的参考出力特性，将用于后续配比生成其他待预测新能源项目的近似出力特性，由原始数据中的新能源项目历史出力特性经筛选处理后得到，或根据原始数据中的新能源资源情况经分析计算后得到。
对于收集到的历史出力特性数据，需确认其并未受到电网限电的影响，否则该出力数据不可用。
对于收集到的历史出力特性数据，若存在少量缺测或不合理数据，可根据同期的短期预测功率进行近似。
对于收集到的新能源资源情况，需在其基础上选择适当的新能源机组类型，并可进一步结合实际地形模拟机组布置，进而计算其预测出力特性，作为近似的基础出力特性使用。
上述过程得到的基础出力特性
Figure 164944DEST_PATH_IMAGE001
一般为实际出力值，需根据相应的新能源项目 容量
Figure 84358DEST_PATH_IMAGE002
将其标幺化：
Figure 637699DEST_PATH_IMAGE003
后续描述中提到的基础出力特性均为已标幺化后的结果。
（2）相关系数参考特性
相关系数参考特性指新能源项目间的出力相关系数
Figure 853042DEST_PATH_IMAGE004
和各项目间距离
Figure 429517DEST_PATH_IMAGE005
的参考对应关 系。
相关系数参考特性的计算方法如下：
a）前述模块已得到
Figure 683781DEST_PATH_IMAGE006
个新能源项目的位置及其基础出力特性
Figure 784637DEST_PATH_IMAGE001
。
b）根据各项目新能源机组的布置情况，定位每个项目的中心点，从而得到各项目 两两之间的直线距离
Figure 466154DEST_PATH_IMAGE007
。可通过卫星地图完成距离测量。
c）根据各项目的基础出力特性
Figure 467608DEST_PATH_IMAGE001
，可以计算得到两两之间的出力相关系数
Figure 197667DEST_PATH_IMAGE008
。
需要说明的是本发明使用的
Figure 194441DEST_PATH_IMAGE009
为Spearman相关系数（斯皮尔曼等级相关 系数），此相关系数不同于Pearson相关系数（皮尔逊相关系数）。其原因在于：Pearson相关 系数适用于变量的正态分布，但一般来说新能源出力特性非正态；Pearson相关系数受到异 常值的影响较大；后续的持续出力特性校正过程会改变Pearson相关系数，而Spearman相关 系数可以保持几乎不变，保证了相关系数优化的有效性。
d）作出出力相关系数随项目间距离变化的散点图（
Figure 345062DEST_PATH_IMAGE010
）。
e）将散点图拟合成合适的相关系数参考特性，即
Figure 161709DEST_PATH_IMAGE011
。
（3）持续出力参考特性
持续出力参考特性指新能源项目自身的持续出力特性
Figure 226617DEST_PATH_IMAGE012
和其容量
Figure 48204DEST_PATH_IMAGE013
的参考对应关 系。
持续出力参考特性的计算方法如下：
a）前述模块已得到
Figure 681311DEST_PATH_IMAGE006
个新能源项目的容量
Figure 781991DEST_PATH_IMAGE014
及其基础出力特性
Figure 119431DEST_PATH_IMAGE015
。
b）将各项目基础出力特性
Figure 825219DEST_PATH_IMAGE016
分别按照出力由大到小的顺序各自进行排序，得到 各项目的持续出力特性
Figure 894807DEST_PATH_IMAGE017
。优选地，风电场、光伏 电站的持续出力特性如图2所示。
c）对任一概率点
Figure 656351DEST_PATH_IMAGE018
，作出该概率点各项目持续出力数据随其容量变化的散点图（
Figure 594220DEST_PATH_IMAGE019
），并将散点图拟合成
Figure 826619DEST_PATH_IMAGE020
。
Figure 926162DEST_PATH_IMAGE021
d）对给定容量
Figure 939117DEST_PATH_IMAGE013
，可得到
Figure 290464DEST_PATH_IMAGE022
随
Figure 3467DEST_PATH_IMAGE018
变化的特性，即为该容量对应的持续出力参考 特性
Figure 149278DEST_PATH_IMAGE023
。
所述相关系数优化模块用于优化处理模块模块所处理的参数或特性参数，主要为基于待预测新能源项目的位置，按照相关系数参考特性进行优化，改变已有出力特性之间的配比，得到优化后出力特性。
相关系数优化的计算方法如下：
（1）数据准备
a）前述模块已得到
Figure 383950DEST_PATH_IMAGE006
个新能源项目的位置、基础出力特性
Figure 663622DEST_PATH_IMAGE015
，相关系 数参考特性，持续出力参考特性。
b）假定前述计算过程中已经近似得到
Figure 605033DEST_PATH_IMAGE024
个新能源项目的位置、预测出力 特性
Figure 515220DEST_PATH_IMAGE025
。
c）在
Figure 535391DEST_PATH_IMAGE006
个基础新能源项目中任取一个，将其基础出力特性按时间随机重排，得到 一个随机出力特性
Figure 494120DEST_PATH_IMAGE026
，相应容量为
Figure 617933DEST_PATH_IMAGE027
。
d）根据当前待预测新能源项目的位置，得到该项目与上述
Figure 761339DEST_PATH_IMAGE006
个基础新能源项目、
Figure 705024DEST_PATH_IMAGE028
个已预测新能源项目间的直线距离
Figure 201864DEST_PATH_IMAGE029
。可通过卫星地图完成距离测 量。
e）根据相关系数参考特性
Figure 743967DEST_PATH_IMAGE030
，将距离
Figure 995956DEST_PATH_IMAGE031
依次代入，得到对应的出力相关系数 参考值
Figure 630200DEST_PATH_IMAGE032
。
（2）优化计算
a）变量定义
通过已有出力特性（包括
Figure 993048DEST_PATH_IMAGE006
个基础出力特性，
Figure 888192DEST_PATH_IMAGE028
个已预测出力特性、1个随机出力特性） 的配比来近似待预测新能源项目的出力特性，定义配比系数为
Figure 812548DEST_PATH_IMAGE033
， 则待预测新能源项目的出力特性为
Figure 668508DEST_PATH_IMAGE034
从而可以计算
Figure 835047DEST_PATH_IMAGE035
与
Figure 850277DEST_PATH_IMAGE036
之间的Spearman相关系数，记为
Figure 116173DEST_PATH_IMAGE037
。
b）目标函数
Figure 521747DEST_PATH_IMAGE038
式中，
Figure 536319DEST_PATH_IMAGE039
为比例系数，可根据所需的优化精度选择适当值。
上式表明，相关系数优化的目标是让一定配比下相关系数的计算结果和参考值之间的误差尽可能小。
c）约束条件
Figure 281421DEST_PATH_IMAGE040
上式约束条件并非必不可少，但实践中该约束条件可以有效提高找到最优解的速度。
d）优化算法
优化计算需要确定
Figure 842852DEST_PATH_IMAGE041
个配比系数的最优解。
随着已有出力特性数量的增加，每次优化计算的求解会愈来愈复杂，可使用遗传算法等智能优化算法进行计算。
e）计算结果
通过上述优化计算得到最优的配比系数
Figure 735722DEST_PATH_IMAGE033
，从而得到最优出 力特性
Figure 181747DEST_PATH_IMAGE035
，将用于后续的持续出力特性校正。
上述的持续出力特性校正模块，主要基于待预测新能源项目的容量，按照持续出力参考特性进行校正，得到校正后出力特性。
持续出力特性校正的计算方法如下：
（1）数据准备
a）前述模块已得到待预测新能源项目优化后的出力特性
Figure 109251DEST_PATH_IMAGE035
。
b）根据当前待预测新能源项目的容量
Figure 343049DEST_PATH_IMAGE042
，得到其对应的持续出力参考特性
Figure 395319DEST_PATH_IMAGE043
。
（2）校正计算
a）将优化后的出力特性
Figure 707351DEST_PATH_IMAGE035
按照出力由大到小的顺序进行排序，得到对应的持续出 力特性
Figure 286100DEST_PATH_IMAGE044
，并保留排列前的索引值index。
若将
Figure 64700DEST_PATH_IMAGE045
和
Figure 728900DEST_PATH_IMAGE046
作为一维数组考虑，有如下排序关系：
Figure 80509DEST_PATH_IMAGE047
b）将
Figure 389131DEST_PATH_IMAGE048
视为按index排序后的结果，并按照index逆排序，即得到持续出力特 性校正后的预测出力特性
Figure 728845DEST_PATH_IMAGE049
。
从一维数组角度考虑，有如下排序关系：
Figure 755707DEST_PATH_IMAGE050
c）计算结果
Figure 409542DEST_PATH_IMAGE049
即为当前待预测新能源项目最终的预测出力特性。
每完成一次相关系数优化、持续出力特性校正，就完成了一个待预测新能源项目 出力特性的预测过程，预测结果
Figure 166146DEST_PATH_IMAGE049
也将作为已有出力特性用于下一个待预测新能源项 目的相关系数优化。
经过上述四个模块处理优化校正之后的数据，应用到风电、光伏发电等多种新能源，可以基于同种新能源的原始数据实现大规模出力特性的预测。
更进一步地，依据上述所提供的的预测系统，提供一种大规模新能源出力特性的预测方法，其包括以下步骤：
第一步，收集原始数据，包括待预测新能源项目的位置、容量，区域已有的新能源项目的历史出力特性，地区新能源的资源情况等；
第二步，对收集到的原始数据进行分析，获得用于后续配比近似的基础出力特性、项目间的出力相关系数参考特性和项目自身的持续出力参考特性；
第三步，基于待预测新能源项目的位置，按照相关系数参考特性进行优化，改变已有出力特性之间的配比，得到优化后出力特性；
第四步，基于待预测新能源项目的容量，按照持续出力参考特性进行校正，得到校正后出力特性；
第五步，对下一个待预测新能源项目重复第三步、第四步的过程，最终得到所有新能源项目的预测出力特性。
更具体地，针对上述的大规模新能源出力特性的预测方法，其提供又一种大规模新能源出力特性的预测方法，其包括以下步骤：
步骤1：收集原始数据
首先判断待预测的大规模新能源项目的位置或容量是否已确定，如有不确定的规划项目，需结合该地区新能源的资源情况选择适当的位置和容量。
再判断已确定项目中是否有已建成投产的项目，如有，可收集其历史出力特性数据；或者附近气候相近的地区若有其他已建成的新能源项目，可收集其位置、容量、历史出力特性等数据；否则需收集部分新能源项目场站附近的新能源资源情况，如风电可收集场址附近的测风塔数据等。
另外需要保证时间尺度的一致性。若需要预测新能源一年的出力，一般需要收集相近年份新能源项目的年出力特性或资源的年变化情况；若需要预测新能源某季度的出力，一般需要收集相近年份同一季度的出力特性或资源变化情况。
步骤2：数据分析处理
对原始数据中的新能源项目的历史出力特性进行筛选处理，避免使用受限电影响的数据、大量缺测或不合理的数据等，少量缺测或不合理数据可根据同期的短期预测功率进行近似。
对原始数据中的新能源资源情况进行分析计算，选择适当的新能源机组类型，并可进一步结合实际地形模拟机组布置。
从而得到可确定的部分新能源项目的参考出力特性，按各项目的容量将其标幺化后作为后续计算的基础出力特性。
基于已确定项目的位置及其基础出力特性，拟合出力相关系数随项目间距离变化的相关系数参考特性。
基于已确定项目的容量及其基础出力特性，拟合项目自身持续出力特性随其容量变化的持续出力参考特性。
步骤3：计算预测出力特性
基于待预测新能源项目的位置，通过配比已有出力特性去近似待预测项目的出力特性，按照相关系数参考特性进行优化，使相关系数的计算结果和参考值之间的误差尽可能小，从而得到优化后出力特性。
基于待预测新能源项目的容量，按照持续出力参考特性对优化后出力特性进行校正，得到校正后出力特性，即为待预测新能源项目最终的预测出力特性。
重复步骤3，预测下一个新能源项目的出力特性。
以上所述仅为本申请的可选实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (8)

1.一种大规模新能源出力特性的预测系统，其包括原始数据收集模块、数据分析处理模块、相关系数优化模块和持续出力特性校正模块，其特征在于，所述原始数据收集模块用于收集或采集待预测新能源的相关信息，数据分析处理模块用于处理原始数据收集模块所收集或采集待预测新能源的相关信息，所述相关系数优化模块用于优化处理模块所处理的参数或特性参数。
2.如权利要求1所述的大规模新能源出力特性的预测系统，其特征在于，所述原始数据收集模块所收集或采集待预测新能源的相关信息包括待预测新能源项目的位置和容量数据以及待预测新能源项目附近气候相近的地区已建成的新能源项目的位置、容量、历史出力特性数据。
3.如权利要求2所述的大规模新能源出力特性的预测系统，其特征在于，根据待预测出力特性的时间尺度来确定原始数据收集的时间尺度。
4.如权利要求1所述的大规模新能源出力特性的预测系统，其特征在于，数据分析处理模块所处理的相关信息包括基础出力特性、相关系数参考特性和持续出力参考特性。
5.如权利要求1所述的大规模新能源出力特性的预测系统，其特征在于，所述相关系数优化模块基于待预测新能源项目的位置，按照相关系数参考特性进行优化，改变已有出力特性之间的配比，得到优化后出力特性。
6.一种大规模新能源出力特性的预测方法，其包括以下步骤：
第一步，收集原始数据，包括待预测新能源项目的位置、容量，区域已有的新能源项目的历史出力特性，地区新能源的资源情况；
第二步，对收集到的原始数据进行分析，获得用于后续配比近似的基础出力特性、项目间的出力相关系数参考特性和项目自身的持续出力参考特性；
第三步，基于待预测新能源项目的位置，按照相关系数参考特性进行优化，改变已有出力特性之间的配比，得到优化后出力特性；
第四步，基于待预测新能源项目的容量，按照持续出力参考特性进行校正，得到校正后出力特性；
第五步，对下一个待预测新能源项目重复第三步、第四步的过程，最终得到所有新能源项目的预测出力特性。
7.一种大规模新能源出力特性的预测系统及预测方法，其特征在于，其包括以下步骤：
步骤1：收集原始数据：
首先判断待预测的大规模新能源项目的位置或容量是否已确定，如有不确定的规划项目，需结合该地区新能源的资源情况选择适当的位置和容量；
再判断已确定项目中是否有已建成投产的项目，如有，可收集其历史出力特性数据；或者附近气候相近的地区若有其他已建成的新能源项目，可收集其位置、容量、历史出力特性数据；否则需收集部分新能源项目场站附近的新能源资源情况，如风电可收集场址附近的测风塔数据；
步骤2：数据分析处理：
对原始数据中的新能源项目的历史出力特性进行筛选处理，避免使用受限电影响的数据、大量缺测或不合理的数据，少量缺测或不合理数据可根据同期的短期预测功率进行近似；
对原始数据中的新能源资源情况进行分析计算，选择适当的新能源机组类型，并可进一步结合实际地形模拟机组布置；
从而得到可确定的部分新能源项目的参考出力特性，按各项目的容量将其标幺化后作为后续计算的基础出力特性；
基于已确定项目的位置及其基础出力特性，拟合出力相关系数随项目间距离变化的相关系数参考特性；
基于已确定项目的容量及其基础出力特性，拟合项目自身持续出力特性随其容量变化的持续出力参考特性；
步骤3：计算预测出力特性：
基于待预测新能源项目的位置，通过配比已有出力特性去近似待预测项目的出力特性，按照相关系数参考特性进行优化，使相关系数的计算结果和参考值之间的误差尽可能小，从而得到优化后出力特性。
8.基于待预测新能源项目的容量，按照持续出力参考特性对优化后出力特性进行校正，得到校正后出力特性，即为待预测新能源项目最终的预测出力特性；
重复步骤3，预测下一个新能源项目的出力特性。
CN201910503134.8A 2019-06-11 2019-06-11 一种大规模新能源出力特性的预测系统及预测方法 Active CN111415029B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910503134.8A CN111415029B (zh) 2019-06-11 2019-06-11 一种大规模新能源出力特性的预测系统及预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910503134.8A CN111415029B (zh) 2019-06-11 2019-06-11 一种大规模新能源出力特性的预测系统及预测方法

Publications (2)

Publication Number Publication Date
CN111415029A true CN111415029A (zh) 2020-07-14
CN111415029B CN111415029B (zh) 2020-12-01

Family

ID=71490776

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910503134.8A Active CN111415029B (zh) 2019-06-11 2019-06-11 一种大规模新能源出力特性的预测系统及预测方法

Country Status (1)

Country Link
CN (1) CN111415029B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101917024A (zh) * 2010-03-29 2010-12-15 福建省电力有限公司 安全约束调度中通用性成本空间的生成方法
CN101931241A (zh) * 2010-09-21 2010-12-29 许继集团有限公司 风电场并网协调控制方法
CN102780219A (zh) * 2012-05-17 2012-11-14 清华大学 基于风电运行模拟的多维度风电消纳能力判别方法
CN103296679A (zh) * 2013-05-20 2013-09-11 国家电网公司 电力系统中长期优化运行的中长期风电出力模型建模方法
CN103955763A (zh) * 2014-04-25 2014-07-30 云南省电力设计院 一种风光互补电站容量配比的计算方法
CN105225022A (zh) * 2015-11-11 2016-01-06 重庆大学 一种热电联产型微电网的经济性优化运行方法
JP2018126038A (ja) * 2017-02-03 2018-08-09 中国電力株式会社 発電量予測装置、発電量予測方法、発電量予測システム
US10373085B1 (en) * 2014-11-19 2019-08-06 Reeco IP, LLC Constraint based renewable energy system configuration

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101917024A (zh) * 2010-03-29 2010-12-15 福建省电力有限公司 安全约束调度中通用性成本空间的生成方法
CN101931241A (zh) * 2010-09-21 2010-12-29 许继集团有限公司 风电场并网协调控制方法
CN102780219A (zh) * 2012-05-17 2012-11-14 清华大学 基于风电运行模拟的多维度风电消纳能力判别方法
CN103296679A (zh) * 2013-05-20 2013-09-11 国家电网公司 电力系统中长期优化运行的中长期风电出力模型建模方法
CN103955763A (zh) * 2014-04-25 2014-07-30 云南省电力设计院 一种风光互补电站容量配比的计算方法
US10373085B1 (en) * 2014-11-19 2019-08-06 Reeco IP, LLC Constraint based renewable energy system configuration
CN105225022A (zh) * 2015-11-11 2016-01-06 重庆大学 一种热电联产型微电网的经济性优化运行方法
JP2018126038A (ja) * 2017-02-03 2018-08-09 中国電力株式会社 発電量予測装置、発電量予測方法、発電量予測システム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
毕小剑 等: "风光储微电网系统容量配比分析", 《水电能源科学》 *

Also Published As

Publication number Publication date
CN111415029B (zh) 2020-12-01

Similar Documents

Publication Publication Date Title
Han et al. A PV power interval forecasting based on seasonal model and nonparametric estimation algorithm
CN112186761B (zh) 一种基于概率分布的风电功率场景生成方法及系统
CN113128786B (zh) 一种基于空间网格搜索的风光水互补容量与选址优化方法
CN112862274A (zh) 一种基于WRF-LES和DeepAR相结合的风功率预测方法
Yang et al. Sub-minute probabilistic solar forecasting for real-time stochastic simulations
CN107977898A (zh) 一种光伏电站的发电量保险定价评估方法
CN113536694B (zh) 综合能源系统鲁棒优化运行方法、系统、装置及存储介质
CN116885703B (zh) 一种高维多元气象数据融合的短期风光功率预测方法
CN111415029B (zh) 一种大规模新能源出力特性的预测系统及预测方法
Khosravi et al. Wind farm power uncertainty quantification using a mean-variance estimation method
CN115544895B (zh) 光伏电站年出力保证率模型优化方法
CN111965442A (zh) 一种数字孪生环境下的能源互联网故障诊断方法及装置
CN116484998A (zh) 基于气象相似日的分布式光伏电站功率预测方法及系统
CN113989073B (zh) 一种基于大数据挖掘的光伏高占比配网电压时空多维评估方法
CN115983478A (zh) 分布式光伏发电功率预测分析方法、系统、终端及介质
CN113807019A (zh) 基于改进场景分类和去粗粒化的mcmc风电模拟方法
CN114691654A (zh) 一种能源互联网中的数据处理方法和数据处理系统
Mantri et al. Solar Power Generation Prediction for Better Energy Efficiency using Machine Learning
Deepak et al. Improved Wind Power Generation Prediction through Novel Linear Regression over Ridge Regression
Kaushik et al. Performance Analysis of Regression Models in Solar PV Forecasting
CN113516320B (zh) 基于多目标遗传算法风速订正和预测风速优化方法及装置
CN115656914B (zh) 一种基于大数据的智能电表计量准确性检测方法及装置
CN113537575B (zh) 一种含分布式光伏和电动汽车并网的趋势负荷预测方法
Chicco et al. Knowledge Discovery from the Statistical Analysis of On-Site Photovoltaic System Data
Flieller et al. A novel strategy for wind power forecast through neural networks: Applications to the Uruguayan electricity system

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