CN112163696B - 基于水文指数的电力系统稳定性预测方法及装置 - Google Patents

基于水文指数的电力系统稳定性预测方法及装置 Download PDF

Info

Publication number
CN112163696B
CN112163696B CN202010960203.0A CN202010960203A CN112163696B CN 112163696 B CN112163696 B CN 112163696B CN 202010960203 A CN202010960203 A CN 202010960203A CN 112163696 B CN112163696 B CN 112163696B
Authority
CN
China
Prior art keywords
hydropower plant
hydrologic
index
obtaining
quarter
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
CN202010960203.0A
Other languages
English (en)
Other versions
CN112163696A (zh
Inventor
程兰芬
周保荣
毛田
苏祥瑞
赵文猛
荆朝霞
刘润泽
叶文圣
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.)
CSG Electric Power Research Institute
China Southern Power Grid Co Ltd
Original Assignee
CSG Electric Power Research Institute
China Southern Power Grid 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 CSG Electric Power Research Institute, China Southern Power Grid Co Ltd filed Critical CSG Electric Power Research Institute
Priority to CN202010960203.0A priority Critical patent/CN112163696B/zh
Publication of CN112163696A publication Critical patent/CN112163696A/zh
Application granted granted Critical
Publication of CN112163696B publication Critical patent/CN112163696B/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
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于水文指数的电力系统稳定性预测方法，包括：获取预设的时间内的气候信息；获取预设的时间内的历史水文信息，根据所述历史水文信息得到水文指数概率密度函数；获取水电厂的历史发电信息，得到所述历史发电信息与所述水文指数的函数关系；根据所述历史发电信息与所述水文指数的函数关系得到水电厂电力系统的发电参数的概率分布；根据所述水电厂电力系统的发电参数的概率分布，得到在不同水文指数下的所述水电厂的电力系统稳定性。本发明公开的一种方法能够提高基于水文指数的预测方法，准确地反映电力系统的稳定性。本发明还公开了一种基于水文指数的电力系统稳定性预测装置和存储介质。

Description

基于水文指数的电力系统稳定性预测方法及装置
技术领域
本发明涉及电力系统技术领域，尤其涉及一种基于水文指数的电力系统稳定性预测方法、装置及存储介质。
背景技术
水文风险指的是水文条件的不确定性所带来的风险，根据时间尺度可以分为短期和长期风险，根据类型可分为洪水和干旱风险。而水电厂在运行过程中，往往会受到水文风险的影响。具体地，水电厂易受长期干旱风险的影响，对其余风险都有较好的承受能力。水电厂的发电情况受到自然气候条件的影响，具有很强的不确定性，这种不确定性对电力系统的安全性构成了威胁。
因此，需要一种基于水文指数对水电厂电力系统稳定性的影响进行量化预测的方法。
发明内容
本发明实施例提供一种基于水文指数的电力系统稳定性预测方法，能够提高基于水文指数的预测方法，准确地反映电力系统的稳定性。
本发明实施例一提供一种基于水文指数的电力系统稳定性预测方法，包括：
获取预设的时间段内的气候信息；
获取预设的时间段内的历史水文信息，根据所述历史水文信息得到水文指数概率密度函数；
获取水电厂的历史发电信息，得到所述历史发电信息与所述水文指数的函数关系；
根据所述历史发电信息与所述水文指数的函数关系得到水电厂电力系统的发电参数的概率分布；
根据所述水电厂电力系统的发电参数的概率分布，得到在不同水文指数下的所述水电厂的电力系统稳定性。
作为上述方案的改进，所述获取预设的时间内的历史水文信息，根据所述历史水文信息得到水文指数概率密度函数，具体包括：
获取所述水电厂所在河流过去若干年同一季度的水流量；
通过下式计算得到各河流过去若干年中每一年同一季度的水文指数：
Figure BDA0002680272500000021
式中，V为季度水文指数，D为一季度的天数，flow为水电厂所在河流日流量；
求得各河流过去若干年中每一年同一季度的水文指数后，计算所述各河流过去若干年中每一年同一季度的水文指数的平均值μ和标准差σ，得到水文指数的正态分布函数。
作为上述方案的改进，所述获取水电厂的历史发电信息，得到所述历史发电信息与所述水文指数的函数关系，具体包括：
获取水电厂过去若干年同一季度的平均利用小时数H1和过去若干年平均年利用小时数H2；
根据下式得到水文指数与季度利用小时数的函数关系：
Figure BDA0002680272500000022
式中，h是根据水文指数x计算得到的季度利用小时数；
根据下式得到利用小时数与水电厂季度总收入的函数：
I＝MhC
式中，I是计算得到的水电厂季度总收入；
根据下式得到水文指数与水电厂可变成本关系：
Figure BDA0002680272500000023
式中，k是计算得到的水电厂可变成本，K是过去若干年同一季度平均可变成本；
根据下式得到水电厂季度总固定成本：
Figure BDA0002680272500000031
式中，G为计算得到的水电厂季度总固定成本，G1为水电厂建设费用，包括了贷款总利息，T为水电厂费用分摊年限，G2为水电厂一季度人员工资；
得到所述历史发电信息与所述水文指数的函数关系：
Figure BDA0002680272500000032
作为上述方案的改进，根据所述历史发电信息与所述水文指数的函数关系得到如下线性函数标准形式：
P＝ax-b
Figure BDA0002680272500000033
Figure BDA0002680272500000034
作为上述方案的改进，所述根据所述历史发电信息与所述水文指数的函数关系得到水电厂电力系统的发电参数的概率分布，具体包括：
根据所述水文指数的正态分布函数与所述历史发电信息与所述水文指数的函数关系，得到如下式的水电厂收益的正态分布函数：
Figure BDA0002680272500000035
式中fI(p)是水电厂收益的正态分布函数；
根据水电厂收益的正态分布函数得到水电厂收益的概率分布函数F(p)；
将变量0代入所述概率分布函数F(p)中，得到水电厂亏损的概率F(0)；
当水电厂亏损的概率F(0)大于预设的阈值时，判定所述水电厂的电力系统稳定性较高；
当水电厂亏损的概率F(0)不大于预设的阈值时，判定所述水电厂的电力系统稳定性较低。
本发明实施例二对应提供了一种基于水文指数的电力系统稳定性预测装置，其特征在于，包括：
气候信息获取模块，用于获取预设的时间段内的气候信息；
水文信息获取模块，用于获取预设的时间段内的历史水文信息，根据所述历史水文信息得到水文指数概率密度函数；
发电信息获取模块，用于获取水电厂的历史发电信息，得到所述历史发电信息与所述水文指数的函数关系；
概率分布计算模块，用于根据所述历史发电信息与所述水文指数的函数关系得到水电厂电力系统的发电参数的概率分布；
电力系统稳定性判定模块，用于根据所述水电厂电力系统的发电参数的概率分布，得到在不同水文指数下的所述水电厂的电力系统稳定性。
作为上述方案的改进，所述获取预设的时间内的历史水文信息，根据所述历史水文信息得到水文指数概率密度函数，具体包括：
获取所述水电厂所在河流过去若干年同一季度的水流量；
通过下式计算得到各河流过去若干年中每一年同一季度的水文指数：
Figure BDA0002680272500000041
式中，V为季度水文指数，D为一季度的天数，flow为水电厂所在河流日流量；
求得各河流过去若干年中每一年同一季度的水文指数后，计算所述各河流过去若干年中每一年同一季度的水文指数的平均值μ和标准差σ，得到水文指数的正态分布函数。
作为上述方案的改进，所述获取水电厂的历史发电信息，得到所述历史发电信息与所述水文指数的函数关系，具体包括：
获取水电厂过去若干年同一季度的平均利用小时数H1和过去若干年平均年利用小时数H2；
根据下式得到水文指数与季度利用小时数的函数关系：
Figure BDA0002680272500000051
式中，h是根据水文指数x计算得到的季度利用小时数；
根据下式得到利用小时数与水电厂季度总收入的函数：
I＝MhC
式中，I是计算得到的水电厂季度总收入；
根据下式得到水文指数与水电厂可变成本关系：
Figure BDA0002680272500000052
式中，k是计算得到的水电厂可变成本，K是过去若干年同一季度平均可变成本；
根据下式得到水电厂季度总固定成本：
Figure BDA0002680272500000053
式中，G为计算得到的水电厂季度总固定成本，G1为水电厂建设费用，包括了贷款总利息，T为水电厂费用分摊年限，G2为水电厂一季度人员工资；
得到所述历史发电信息与所述水文指数的函数关系：
Figure BDA0002680272500000054
作为上述方案的改进，根据所述历史发电信息与所述水文指数的函数关系得到如下线性函数标准形式：
P＝ax-b
Figure BDA0002680272500000055
Figure BDA0002680272500000056
作为上述方案的改进，所述根据所述历史发电信息与所述水文指数的函数关系得到水电厂电力系统的发电参数的概率分布，具体包括：
根据所述水文指数的正态分布函数与所述历史发电信息与所述水文指数的函数关系，得到如下式的水电厂收益的正态分布函数：
Figure BDA0002680272500000061
式中fI(p)是水电厂收益的正态分布函数；
根据水电厂收益的正态分布函数得到水电厂收益的概率分布函数F(p)；
将变量0代入所述概率分布函数F(p)中，得到水电厂亏损的概率F(0)；
当水电厂亏损的概率F(0)大于预设的阈值时，判定所述水电厂的电力系统稳定性较高；
当水电厂亏损的概率F(0)不大于预设的阈值时，判定所述水电厂的电力系统稳定性较低。
本发明实施例三对应提供了一种基于水文指数的电力系统稳定性预测装置，包括：处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如本发明实施例一所述的一种基于水文指数的电力系统稳定性预测方法。
本发明实施例四对应提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如本发明实施例一所述的一种基于水文指数的电力系统稳定性预测方法。
本发明实施例提供的一种基于水文指数的电力系统稳定性预测方法，具有如下有益效果：
实现了综合历史水文数据和水电参数对水电厂未来收益进行不确定性分析，能够量化计算水电厂未来收益区间的概率，有助于水电厂采取合理经营、发电策略以规避风险；
实现了将长期电价不确定性和来水量不确定性相结合来量化计算水电厂在多种情况下的收益概率，有助于水电厂根据实际情况变化对预测进行调整；
能够基于水文指数，准确地反映电力系统的稳定性，准确度较高，适应性较强；简单高效，能够尽量排除主观因素干扰，快速得到结果，在水电厂稳定性预测问题上有着广阔的应用前景。
附图说明
图1是本发明实施例一提供的一种基于水文指数的电力系统稳定性预测方法的流程示意图。
图2是本发明一具体实施方式提供的水电厂收益概率分布示意图。
图3是本发明实施例二提供的一种基于水文指数的电力系统稳定性预测装置的结构示意图。
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作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。
参见图1，是本发明实施例一提供的一种基于水文指数的电力系统稳定性预测方法的流程示意图，包括：
S101、获取预设的时间段内的气候信息；
具体地，气候信息主要是指一年中各季节开始以及结束的日期，根据各地气候条件不同，可以区分为一年四季，也可区分为旱季雨季；在不同季度，水文条件的差别相差很大，因此收入估计应该以一个完整季度作为单位，这样会使得预测结果更加准确。水电厂需要先获取过去多年同一季度的开始和结束时间。
S102、获取预设的时间段内的历史水文信息，根据所述历史水文信息得到水文指数概率密度函数；
进一步地，所述获取预设的时间内的历史水文信息，根据所述历史水文信息得到水文指数概率密度函数，具体包括：
获取所述水电厂所在河流过去若干年同一季度的水流量；
通过下式计算得到各河流过去若干年中每一年同一季度的水文指数：
Figure BDA0002680272500000081
式中，V为季度水文指数，D为一季度的天数，flow为水电厂所在河流日流量；
求得各河流过去若干年中每一年同一季度的水文指数后，计算所述各河流过去若干年中每一年同一季度的水文指数的平均值μ和标准差σ，得到水文指数的正态分布函数。
S103、获取水电厂的历史发电信息，得到所述历史发电信息与所述水文指数的函数关系；
进一步地，所述获取水电厂的历史发电信息，得到所述历史发电信息与所述水文指数的函数关系，具体包括：
获取水电厂过去若干年同一季度的平均利用小时数H1和过去若干年平均年利用小时数H2；
根据下式得到水文指数与季度利用小时数的函数关系：
Figure BDA0002680272500000082
式中，h是根据水文指数x计算得到的季度利用小时数；
根据下式得到利用小时数与水电厂季度总收入的函数：
I＝MhC
式中，I是计算得到的水电厂季度总收入；
根据下式得到水文指数与水电厂可变成本关系：
Figure BDA0002680272500000091
式中，k是计算得到的水电厂可变成本，K是过去若干年同一季度平均可变成本；
根据下式得到水电厂季度总固定成本：
Figure BDA0002680272500000092
式中，G为计算得到的水电厂季度总固定成本，G1为水电厂建设费用，包括了贷款总利息，T为水电厂费用分摊年限，G2为水电厂一季度人员工资；
得到所述历史发电信息与所述水文指数的函数关系：
Figure BDA0002680272500000093
具体地，水电厂信息指水电厂的装机总量(记作M，单位为兆瓦)；历史发电信息指水电厂过去多年同一季度的平均利用小时数(记作H1，单位为小时)和过去多年平均年利用小时数(记作H2，单位为小时)；市场价格信息是指预测的电价，可以简单取最近同一季度长期市场的电价(记作C，单位为元每兆瓦时)，也可以结合其他电价预测方法进行进一步预测；成本信息分为不随发电量改变的固定成本，主要包括水电厂建设费用分摊(记作G1，单位为元)和人力成本(G2，单位为元)，以及随发电量改变的可变成本，主要包括设施维护费用(K，单位为元)。
S104、根据所述历史发电信息与所述水文指数的函数关系得到水电厂电力系统的发电参数的概率分布；
S105、根据所述水电厂电力系统的发电参数的概率分布，得到在不同水文指数下的所述水电厂的电力系统稳定性。
进一步地，根据所述历史发电信息与所述水文指数的函数关系得到如下线性函数标准形式：
P＝ax-b
Figure BDA0002680272500000101
Figure BDA0002680272500000102
进一步地，所述根据所述历史发电信息与所述水文指数的函数关系得到水电厂电力系统的发电参数的概率分布，具体包括：
根据所述水文指数的正态分布函数与所述历史发电信息与所述水文指数的函数关系，得到如下式的水电厂收益的正态分布函数：
Figure BDA0002680272500000103
式中fI(p)是水电厂收益的正态分布函数；
根据水电厂收益的正态分布函数得到水电厂收益的概率分布函数F(p)；
将变量0代入所述概率分布函数F(p)中，得到水电厂亏损的概率F(0)；
当水电厂亏损的概率F(0)大于预设的阈值时，判定所述水电厂的电力系统稳定性较高；
当水电厂亏损的概率F(0)不大于预设的阈值时，判定所述水电厂的电力系统稳定性较低。
具体地，水电厂收益的概率分布函数F(p)可以由函数图表表示；将变量0代入函数中即可得到水电厂亏损的概率F(0)。这里得到的亏损概率并不是具体某一年某一季度的亏损概率，而是从长期来看，水电厂在未来多年内每年同一季度发生亏损的概率，反映的是水文风险在长期的时间尺度下对水电厂收益的影响。通过将p代入其他值，也可以相对应地得到其他收益区间的发生概率。
具体地，若水电厂对未来电价的预测不是一个固定的值，而是一个范围，那么可以通过修改电价参数来得到新的亏损概率，若对未来电价的预测带有不同电价的概率，那么可以综合计算得到一个总的亏损概率，其具体步骤如下：
将电价从C修改为c，不改变水电厂收益的概率分布函数，亏损概率由F(0)变为F(pc)，其中：
Figure BDA0002680272500000111
将电价变化范围的上限和下限分别代入上式中，即可相应得到亏损概率的下限和上限。
若水电厂对电价有n个预测，对于每个预测有各自概率时，水电厂在全部情况下的亏损概率为：
Figure BDA0002680272500000112
其中，pci为将第i个电价预测ci代入上述公式中计算得到的结果，cpi为第i个电价预测的预测概率，F为全部情况下的亏损概率。
若水电厂的电价预测是连续的，并且预测值与其概率有一定的函数关系，可以将连续预测值以一定间隔分解为离散值，再代入到以上公式中。
在一具体的实施方式中，水电厂A根据历史气候信息，获取过去多年同一季度的开始和结束时间。计算河流A的水流量指数分布。
水电厂A获取河流A过去二十年第一季度每天的日流量。其中某年的第一季度日流量如下：有30天的日流量为300，有30天的日流量为500，有30天的日流量为400，那么根据公式，此年此季度指数为：
(300×30+500×30+400×30)÷90＝400
用同样计算得到了每一年的第一季度指数后，计算它们的平均数和标准差，本算例水流量指数的平均数为450，标准差为200。
根据平均数和标准差，得到水文指数的概率密度函数：
Figure BDA0002680272500000113
获取水电厂信息、历史发电信息、市场价格信息和成本信息，得到水电厂A收入与水文指数的函数关系。
本算例所使用的水电厂A相关信息如下：装机总量100MW，第一季度平均利用小时数700小时，年平均利用小时数3500小时，简单电价预测为240元每兆瓦时，水电厂建设费用为660000000元，分摊年限20年，人力成本为1300000元，平均可变成本K为660000元。
根据公式计算参数a和b，得到水电厂A收益关于水文指数的函数关系：
Figure BDA0002680272500000121
Figure BDA0002680272500000122
P＝35866.7x-7.9×106
根据上述信息，得到水电厂A收益的概率分布，并得到水电厂亏损的概率。
参见图2，是本发明一具体实施方式提供的水电厂收益概率分布示意图，通过变换，水电厂A收益的概率密度函数如下：
Figure BDA0002680272500000123
通过计算机程序计算，得到水电厂A收益的概率分布F(p)，函数图如图2所示，将p＝0代入，得到水电厂A第一季度亏损的概率为12.534％。
通过修改参数，得到在不同电价条件下水电厂亏损概率。
若水电厂A认为电价可能会从200到260之间变化，计算新的p值：
Figure BDA0002680272500000124
Figure BDA0002680272500000125
将两个新的p值代入到F(p)中，可知当电价在200到260的范围内变化时，水电厂A的亏损概率相应地从17.942％变化到10.811％。
若水电厂A认为第一季度电价有200，220，240，260四种可能，并且每种可能发生的概率分别为0.1，0.3，0.4，0.2，那么水电厂A总体的亏损概率为：
F＝0.17942×0.1+0.14822×0.3+0.12534×0.4+0.10811×0.2＝0.134166
此时，水电厂A长远来看第一季度有13.4166％的概率会发生亏损，也就是从数学期望来说，平均每7.45年第一季度就会发生一次亏损。
当预设的阈值为20％时，水电厂A亏损的概率不大于预设的阈值，判定所述水电厂的电力系统稳定性较高。
若水文水电厂A亏损的概率大于预设的阈值时，则判定所述水电厂的电力系统稳定性较低，可重新调度电力系统，以提高电力系统的稳定性。
本发明实施例提供的一种基于水文指数的电力系统稳定性预测方法、装置及存储介质，具有如下有益效果：
实现了综合历史水文数据和水电参数对水电厂未来收益进行不确定性分析，能够量化计算水电厂未来收益区间的概率，有助于水电厂采取合理经营、发电策略以规避风险；
实现了将长期电价不确定性和来水量不确定性相结合来量化计算水电厂在多种情况下的收益概率，有助于水电厂根据实际情况变化对预测进行调整；
能够基于水文指数，准确地反映电力系统的稳定性，准确度较高，适应性较强；简单高效，能够尽量排除主观因素干扰，快速得到结果，在水电厂稳定性预测问题上有着广阔的应用前景。
参见图3，是本发明实施例二提供的一种基于水文指数的电力系统稳定性预测装置，包括：
气候信息获取模块201，用于获取预设的时间段内的气候信息；
水文信息获取模块202，用于获取预设的时间段内的历史水文信息，根据所述历史水文信息得到水文指数概率密度函数；
发电信息获取模块203，用于获取水电厂的历史发电信息，得到所述历史发电信息与所述水文指数的函数关系；
概率分布计算模块204，用于根据所述历史发电信息与所述水文指数的函数关系得到水电厂电力系统的发电参数的概率分布；
电力系统稳定性判定模块205，用于根据所述水电厂电力系统的发电参数的概率分布，得到在不同水文指数下的所述水电厂的电力系统稳定性。
进一步地所述获取预设的时间内的历史水文信息，根据所述历史水文信息得到水文指数概率密度函数，具体包括：
获取所述水电厂所在河流过去若干年同一季度的水流量；
通过下式计算得到各河流过去若干年中每一年同一季度的水文指数：
Figure BDA0002680272500000141
式中，V为季度水文指数，D为一季度的天数，flow为水电厂所在河流日流量；
求得各河流过去若干年中每一年同一季度的水文指数后，计算所述各河流过去若干年中每一年同一季度的水文指数的平均值μ和标准差σ，得到水文指数的正态分布函数。
进一步地，所述获取水电厂的历史发电信息，得到所述历史发电信息与所述水文指数的函数关系，具体包括：
获取水电厂过去若干年同一季度的平均利用小时数H1和过去若干年平均年利用小时数H2；
根据下式得到水文指数与季度利用小时数的函数关系：
Figure BDA0002680272500000142
式中，h是根据水文指数x计算得到的季度利用小时数；
根据下式得到利用小时数与水电厂季度总收入的函数：
I＝MhC
式中，I是计算得到的水电厂季度总收入；
根据下式得到水文指数与水电厂可变成本关系：
Figure BDA0002680272500000143
式中，k是计算得到的水电厂可变成本，K是过去若干年同一季度平均可变成本；
根据下式得到水电厂季度总固定成本：
Figure BDA0002680272500000151
式中，G为计算得到的水电厂季度总固定成本，G1为水电厂建设费用，包括了贷款总利息，T为水电厂费用分摊年限，G2为水电厂一季度人员工资；
得到所述历史发电信息与所述水文指数的函数关系：
Figure BDA0002680272500000152
进一步地，根据所述历史发电信息与所述水文指数的函数关系得到如下线性函数标准形式：
P＝ax-b
Figure BDA0002680272500000153
Figure BDA0002680272500000154
进一步地，所述根据所述历史发电信息与所述水文指数的函数关系得到水电厂电力系统的发电参数的概率分布，具体包括：
根据所述水文指数的正态分布函数与所述历史发电信息与所述水文指数的函数关系，得到如下式的水电厂收益的正态分布函数：
Figure BDA0002680272500000155
式中fI(p)是水电厂收益的正态分布函数；
根据水电厂收益的正态分布函数得到水电厂收益的概率分布函数F(p)；
将变量0代入所述概率分布函数F(p)中，得到水电厂亏损的概率F(0)；
当水电厂亏损的概率F(0)大于预设的阈值时，判定所述水电厂的电力系统稳定性较高；
当水电厂亏损的概率F(0)不大于预设的阈值时，判定所述水电厂的电力系统稳定性较低。
本发明实施例三对应提供了一种基于水文指数的电力系统稳定性预测装置，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如本发明实施例一所述的基于水文指数的电力系统稳定性预测方法。所述基于水文指数的电力系统稳定性预测装置可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述基于水文指数的电力系统稳定性预测装置可包括，但不仅限于，处理器、存储器。
本发明实施例四对应提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如本发明实施例一所述的基于水文指数的电力系统稳定性预测方法。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述基于水文指数的电力系统稳定性预测装置的控制中心，利用各种接口和线路连接整个基于水文指数的电力系统稳定性预测装置的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述基于水文指数的电力系统稳定性预测装置的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述基于水文指数的电力系统稳定性预测装置集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述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，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (8)

1.一种基于水文指数的电力系统稳定性预测方法，其特征在于，包括：
获取预设的时间段内的气候信息；
获取预设的时间段内的历史水文信息，根据所述历史水文信息得到水文指数概率密度函数；
获取水电厂的历史发电信息，得到所述历史发电信息与所述水文指数的函数关系；
根据所述历史发电信息与所述水文指数的函数关系得到水电厂电力系统的发电参数的概率分布；
根据所述水电厂电力系统的发电参数的概率分布，得到在不同水文指数下的所述水电厂的电力系统稳定性；
所述获取水电厂的历史发电信息，得到所述历史发电信息与所述水文指数的函数关系，具体包括：
获取水电厂过去若干年同一季度的平均利用小时数H 1和过去若干年平均年利用小时数H 2；
根据下式得到水文指数与季度利用小时数的函数关系：
式中，是根据水文指数计算得到的季度利用小时数，是各河流过去若干年中每一年同一季度的水文指数的平均值；
根据下式得到利用小时数与水电厂季度总收入的函数：
式中，是计算得到的水电厂季度总收入，是水电厂信息指水电厂的装机总量，是同一季度长期市场的电价；
根据下式得到水文指数与水电厂可变成本关系：
式中，是计算得到的水电厂可变成本，是过去若干年同一季度平均可变成本；
根据下式得到水电厂季度总固定成本：
式中，为计算得到的水电厂季度总固定成本，为水电厂建设费用，包括了贷款总利息，为水电厂费用分摊年限，为水电厂一季度人员工资；
得到所述历史发电信息与所述水文指数的函数关系：
。
2.如权利要求1所述的一种基于水文指数的电力系统稳定性预测方法，其特征在于，所述获取预设的时间内的历史水文信息，根据所述历史水文信息得到水文指数概率密度函数，具体包括：
获取所述水电厂所在河流过去若干年同一季度的水流量；
通过下式计算得到各河流过去若干年中每一年同一季度的水文指数：
式中，V为季度水文指数，D为一季度的天数，flow为水电厂所在河流日流量；
求得各河流过去若干年中每一年同一季度的水文指数后，计算所述各河流过去若干年中每一年同一季度的水文指数的平均值和标准差，得到水文指数的正态分布函数。
3.如权利要求1所述的一种基于水文指数的电力系统稳定性预测方法，其特征在于，根据所述历史发电信息与所述水文指数的函数关系得到如下线性函数标准形式：
。
4.如权利要求3所述的一种基于水文指数的电力系统稳定性预测方法，其特征在于，所述根据所述历史发电信息与所述水文指数的函数关系得到水电厂电力系统的发电参数的概率分布，具体包括：
根据所述水文指数的正态分布函数与所述历史发电信息与所述水文指数的函数关系，得到如下式的水电厂收益的正态分布函数：
式中是水电厂收益的正态分布函数；
根据水电厂收益的正态分布函数得到水电厂收益的概率分布函数F(p)；
将变量0代入所述概率分布函数F(p)中，得到水电厂亏损的概率F(0)；
当水电厂亏损的概率F(0)大于预设的阈值时，判定所述水电厂的电力系统稳定性较高；
当水电厂亏损的概率F(0)不大于预设的阈值时，判定所述水电厂的电力系统稳定性较低。
5.一种基于水文指数的电力系统稳定性预测装置，其特征在于，包括：
气候信息获取模块，用于获取预设的时间段内的气候信息；
水文信息获取模块，用于获取预设的时间段内的历史水文信息，根据所述历史水文信息得到水文指数概率密度函数；
发电信息获取模块，用于获取水电厂的历史发电信息，得到所述历史发电信息与所述水文指数的函数关系；
概率分布计算模块，用于根据所述历史发电信息与所述水文指数的函数关系得到水电厂电力系统的发电参数的概率分布；
电力系统稳定性判定模块，用于根据所述水电厂电力系统的发电参数的概率分布，得到在不同水文指数下的所述水电厂的电力系统稳定性；
其中，所述发电信息获取模块，具体用于：
获取水电厂过去若干年同一季度的平均利用小时数H 1和过去若干年平均年利用小时数H 2；
根据下式得到水文指数与季度利用小时数的函数关系：
式中，是根据水文指数计算得到的季度利用小时数，是各河流过去若干年中每一年同一季度的水文指数的平均值；
根据下式得到利用小时数与水电厂季度总收入的函数：
式中，是计算得到的水电厂季度总收入，是水电厂信息指水电厂的装机总量，是同一季度长期市场的电价；
根据下式得到水文指数与水电厂可变成本关系：
式中，是计算得到的水电厂可变成本，是过去若干年同一季度平均可变成本；
根据下式得到水电厂季度总固定成本：
式中，为计算得到的水电厂季度总固定成本，为水电厂建设费用，包括了贷款总利息，为水电厂费用分摊年限，为水电厂一季度人员工资；
得到所述历史发电信息与所述水文指数的函数关系：
。
6.如权利要求5所述的一种基于水文指数的电力系统稳定性预测装置，其特征在于，所述获取预设的时间内的历史水文信息，根据所述历史水文信息得到水文指数概率密度函数，具体包括：
获取所述水电厂所在河流过去若干年同一季度的水流量；
通过下式计算得到各河流过去若干年中每一年同一季度的水文指数：
式中，V为季度水文指数，D为一季度的天数，flow为水电厂所在河流日流量；
求得各河流过去若干年中每一年同一季度的水文指数后，计算所述各河流过去若干年中每一年同一季度的水文指数的平均值和标准差，得到水文指数的正态分布函数。
7.一种基于水文指数的电力系统稳定性预测装置，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至4中任意一项所述的一种基于水文指数的电力系统稳定性预测方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至4中任意一项所述的一种基于水文指数的电力系统稳定性预测方法。
CN202010960203.0A 2020-09-14 2020-09-14 基于水文指数的电力系统稳定性预测方法及装置 Active CN112163696B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010960203.0A CN112163696B (zh) 2020-09-14 2020-09-14 基于水文指数的电力系统稳定性预测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010960203.0A CN112163696B (zh) 2020-09-14 2020-09-14 基于水文指数的电力系统稳定性预测方法及装置

Publications (2)

Publication Number Publication Date
CN112163696A CN112163696A (zh) 2021-01-01
CN112163696B true CN112163696B (zh) 2023-05-02

Family

ID=73857980

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010960203.0A Active CN112163696B (zh) 2020-09-14 2020-09-14 基于水文指数的电力系统稳定性预测方法及装置

Country Status (1)

Country Link
CN (1) CN112163696B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104537436A (zh) * 2014-12-18 2015-04-22 大连理工大学 一种地区小水电发电能力预测方法
CN105976067A (zh) * 2016-05-21 2016-09-28 华能澜沧江水电股份有限公司 基于竞价策略的梯级水电站群长期发电调度方法
CN109829000A (zh) * 2019-02-13 2019-05-31 中国水利水电科学研究院 一种河川年径流量数据的一致性处理方法及装置
CN110598290A (zh) * 2019-08-30 2019-12-20 华中科技大学 考虑气候变化的流域未来水电发电能力预测方法和系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105512767B (zh) * 2015-12-15 2019-06-11 武汉大学 一种多预见期的洪水预报方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104537436A (zh) * 2014-12-18 2015-04-22 大连理工大学 一种地区小水电发电能力预测方法
CN105976067A (zh) * 2016-05-21 2016-09-28 华能澜沧江水电股份有限公司 基于竞价策略的梯级水电站群长期发电调度方法
CN109829000A (zh) * 2019-02-13 2019-05-31 中国水利水电科学研究院 一种河川年径流量数据的一致性处理方法及装置
CN110598290A (zh) * 2019-08-30 2019-12-20 华中科技大学 考虑气候变化的流域未来水电发电能力预测方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
气候变化对缅甸耶育瓦水电站水力发电的影响;敏凯 等;《水利水电快报》;20170131;第24-28页 *

Also Published As

Publication number Publication date
CN112163696A (zh) 2021-01-01

Similar Documents

Publication Publication Date Title
Yu et al. Reliability constraint stochastic UC by considering the correlation of random variables with Copula theory
Andresen et al. Validation of Danish wind time series from a new global renewable energy atlas for energy system analysis
Foley et al. Current methods and advances in forecasting of wind power generation
CN113937763B (zh) 风电功率预测方法、装置、设备及存储介质
Muche Optimal operation and forecasting policy for pump storage plants in day-ahead markets
Yang Reconciling solar forecasts: Probabilistic forecast reconciliation in a nonparametric framework
Gilbert et al. Statistical post‐processing of turbulence‐resolving weather forecasts for offshore wind power forecasting
Tang et al. Value of medium-range precipitation forecasts in inflow prediction and hydropower optimization
CN112070301A (zh) 一种用户用电量调整方法、系统及设备
CN111709569A (zh) 风电场输出功率预测修正方法及装置
CN116306006A (zh) 风光水联合发电的优化调度方法、装置和计算机设备
CN115496603A (zh) 基于人工智能技术的电力市场新能源日前交易决策方法
US20230327440A1 (en) Power generation amount management system and power generation amount management method
CN115186907A (zh) 风电场中长期发电量的预测方法、系统、设备及介质
Tastu Short-term wind power forecasting: probabilistic and space-time aspects
CN113222245A (zh) 居民用户月度电量电费异常核查方法及系统、存储介质
CN112163696B (zh) 基于水文指数的电力系统稳定性预测方法及装置
CN112465266A (zh) 一种母线负荷预测准确率分析方法、装置及计算机设备
CN116581755A (zh) 功率预测方法、装置、设备及存储介质
Zhang et al. Economic dispatch considering volatile wind power generation with lower-semi-deviation risk measure
CN115577903A (zh) 新能源对电网调峰影响的评估方法、装置、设备及介质
CN115169089A (zh) 基于核密度估计和copula的风电功率概率预测方法和装置
Obersteiner et al. Influence of market rules on the economic value of wind power: an Austrian case study
CN111242390A (zh) 基于随机模拟的分散式风电场机组布局优化方法与装置
D'Amico et al. Modelling and simulation of a storage system connected to a wind farm under ramp-rate limitation

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