CN112398165B - 一种基于极限场景分析的新能源消纳能力评估方法 - Google Patents

一种基于极限场景分析的新能源消纳能力评估方法 Download PDF

Info

Publication number
CN112398165B
CN112398165B CN202011222983.5A CN202011222983A CN112398165B CN 112398165 B CN112398165 B CN 112398165B CN 202011222983 A CN202011222983 A CN 202011222983A CN 112398165 B CN112398165 B CN 112398165B
Authority
CN
China
Prior art keywords
new energy
energy output
fluctuation rate
output
output fluctuation
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
CN202011222983.5A
Other languages
English (en)
Other versions
CN112398165A (zh
Inventor
田年杰
赵翔宇
代江
姜有泉
朱思霖
单克
赵倩
林庆标
梁彦杰
叶文波
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.)
Guizhou Power Grid Co Ltd
Original Assignee
Guizhou 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 Guizhou Power Grid Co Ltd filed Critical Guizhou Power Grid Co Ltd
Priority to CN202011222983.5A priority Critical patent/CN112398165B/zh
Publication of CN112398165A publication Critical patent/CN112398165A/zh
Application granted granted Critical
Publication of CN112398165B publication Critical patent/CN112398165B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • 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)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Power Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于极限场景分析的新能源消纳能力评估方法，该发明主要用于解决调度运行领域新能源发电计划编制问题，旨在统筹考虑电网安全稳定运行、电力可靠供应等运行要求，以新能源消纳能力最大为优化目标，编制各类型电源发电计划。与现有成果相比，本发明的核心创新点在于充分考虑了极端场景下新能源出力波动性影响，以消除系统调频资源与爬坡资源不足带来的安全隐患，对提升大规模新能源接入下的电网安全稳定运行具有支撑作用。

Description

一种基于极限场景分析的新能源消纳能力评估方法
技术领域
本发明涉及电网调度运行领域，特别涉及一种基于极限场景分析的新能源消纳能力评估方法。
背景技术
新能源与传统电源在运行特性上存在较为显著的差异。中长期时间尺度评估分析时，重点需要考虑其难预测特征，为此更宜于采用多场景模型，细致分析可能的运行场景下对电网运行的影响；在日前、日内等短时间尺度分析时，新能源预测精度相对较高，然而由于其出力随机波动性较强，必须考虑新能源出力波动对电网安全稳定运行的影响，更宜于采用极端场景分析的思路，根据不同的运行要求给出新能源发电可行域，以量化电网新能源消纳能力。
必须指出的是传统新能源消纳能力评估方法本质上是利用离散化的最优调度模型，实现时序仿真模型分析的。因此该方法仅能考虑静态电力平衡问题，而不能分析新能源短期出力波动对系统的影响。举例来说，时刻1新能源发电功率预测为100MW，下一个优化时刻发电功率预测为150MW，按照传统时序仿真法，时刻1传统电源发电功率为900MW，下一时刻为860MW，且已达到系统中传统能源所能达到的最小技术出力，则根据传统时序仿真分析方法能够满足电力平衡要求；但若两个时间间，新能源出力波动超过100MW，即存在某些运行时间新能源发电出力超过200MW，则传统能源可能无法响应新能源发电出力波动要求，严重时可能造成系统频率上升引起高频切机等问题。
当前调度运行领域新能源消纳能力评估往往以借鉴规划设计领域现有成果为主，主要采用时序仿真法，通过构造以新能源消纳最大化为目标的优化模型，实现对上述问题的求解，在利用上述模型评估过程中，重点考虑电力平衡约束、网络传输约束、传统电源发电特性约束，而对新能源波动性考虑并不充分。
为此，本文将提出一种基于极限场景分析的新能源消纳能力评估方法，其核心创新点在于充分考虑了极端场景下新能源出力波动性影响，以消除系统调频资源与爬坡资源不足带来的安全隐患，对提升大规模新能源接入下的电网安全稳定运行具有支撑作用。
发明内容
有鉴于此，本发明的目的是提供一种基于极限场景分析的新能源消纳能力评估方法。用于解决背景技术中存在的问题。
本发明的目的是通过以下技术方案实现的：
该种基于极限场景分析的新能源消纳能力评估方法，包括以下步骤：
步骤S1：进行新能源出力波动性统计，计算对应的新能源出力波动率数值；
步骤S2：进行基于最优调度的时序仿真分析；通过采用传统基于最优调度的时序分析模型，根据新能源出力预测，得到不考虑新能源出力波动性下的新能源发电计划；
步骤S3：进行波动性校核；基于步骤S1所确定的新能源出力极端波动率，评估新能源出力波动性对调度运行的影响；
步骤S4：增加波动性约束条件；
若某时刻优化结果不能满足波动性校核要求，则将不能满足约束条件的校核项作为约束条件增加至基于最优调度的时序仿真模型中，转入步骤S2重新求解；
步骤S5：完成新能源消纳能力评估。
特别地，所述步骤S1中，包括以下具体步骤：
步骤S11：根据新能源运行历史数据，以R为时段间隔，统计各时段间隔的新能源出力波动率，并绘制新能源出力波动率统计分布图，以新能源出力波动率历史数据近似代替其实际出力波动性情况，区间内近似认为新能源出力波动性按照平均分布原则执行，确定第i个区间的新能源出力波动率；
步骤S12：以新能源出力波动率极端系数来量化极端场景程度，所述新能源出力波动率极端系数是指新能源出力波动过程中新能源消纳能力评估所需要满足的分布区间数值所对应的分布概率，人工设定新能源出力波动率极端系数取值后，即可计算得到对应的新能源出力波动率数值。
特别地，新能源出力波动率是指统计周期内新能源出力变化最大幅度与其装机容量的比值，可表示为：
Figure GDA0003591141760000021
式(1)中，NVR为新能源出力波动率指标，PNE,max、PNE,min分别为统计周期内新能源最大、最小发电出力，其差值即为新能源出力变化最大幅度，PNE,Ave为统计周期内新能源平均发电出力。
特别地，所述步骤S11中，新能源出力波动性统计分布图中横坐标为新能源出力波动率指标，根据历史数据统计结果，将其划分为I个等宽度区间，规定第i个区间的最大、最小新能源出力波动率分别为
Figure GDA0003591141760000022
纵坐标为新能源出力波动率频数，即通过历史数据分析各区间内新能源出力波动率指标出线的次数，规定第i个区间的频数为Fi NE，则各区间频数之和应该为历史数据所划分的时段间隔数，即满足：
Figure GDA0003591141760000031
式(2)中，NumNE为历史数据所划分的时段间隔数；
以新能源出力波动率历史数据近似代替其实际出力波动性情况，区间内近似认为新能源出力波动性按照平均分布原则执行，则第i个区间的新能源出力波动率可表示为：
Figure GDA0003591141760000032
式(3)中，
Figure GDA0003591141760000033
为第i个区间对应的新能源出力波动概率。
特别地，所述步骤S12中，新能源出力波动率极端系数可表示为：
Figure GDA0003591141760000034
式(4)中，ERNE为调度运行人员设定的新能源出力波动率极端系数，NVRER为与该系数对应的新能源出力波动率数值，本发明中称为新能源出力极端波动率，根据式(4)，人工设定新能源出力波动率极端系数取值后，即可计算得到对应的新能源出力波动率数值。
特别地，所述步骤S2中，为促进新能源消纳，该模型中以新能源弃电量最小为优化目标，可表示为：
Figure GDA0003591141760000035
式(5)中，NT为优化时段数；ΔT为优化时段对应时间间隔，一般为15分钟；Pt NE,F、Pt NE,S分别为时段t新能源出力预测值和出力计划值，两者之差即为该时段的弃电功率，则(Pt NE,F-Pt NE,S)ΔT即为该时段的新能源弃电量。其中N为数量英文number的首字母，T为时间英文time首字母，F、S分别为预测英文forecast和计划英文schdule首字母；
所需要考虑的约束条件包括电力平衡约束、电网传输约束和机组运行特性约束，可表示为：
Figure GDA0003591141760000036
Figure GDA0003591141760000041
Figure GDA0003591141760000042
Figure GDA0003591141760000043
0≤Pt NE,S≤Pt NE,F (10)
式(6)-(10)依次为电力平衡约束、电网传输约束、火电机组发电能力约束、火电机组爬坡能力约束、新能源出力范围约束，其中
Figure GDA0003591141760000044
为火电机组tp时刻t的发电计划，
Figure GDA0003591141760000045
为节点b时刻t的负荷预测，NTP、NB分别为全网火电机组台数和负荷节点数，Ps max、Ps min分别为运行断面s的传输能力上下限，GSDFs,NE、GSDFs,tp、GSDFs,b分别为新能源NE、火电机组tp、节点b与运行断面s的功率转移分布因子，
Figure GDA0003591141760000046
分别为火电机组tp的最大、最小技术出力，
Figure GDA0003591141760000047
分别为火电机组tp的爬坡能力上、下限值；其中，TP为火电机组英文thermal power的首字母组合，b为节点英文bus首字母，GSDF为功率转移分布因子英文Generation Shift Distribution Factor首字母组合，PC为功率爬坡英文power climbing首字母组合。
特别地，对任一时刻，考虑出力波动性影响后，实际可能发生的最大、最小新能源出力分别为：
Pt NE,max＝(1+NVRER)Pt NE,S (11)
Pt NE,min＝(1-NVRER)Pt NE,S (12)
式(11)-(12)中，Pt NE,max、Pt NE,min分别为考虑出力波动性影响后该时刻新能源出力上极值和下限值；
当考虑新能源出力波动性后，对调度运行的影响体现在两个方面：
(1)必须预留足够的调频备用，以满足时段内新能源出力波动性需求；
(2)必须预留足够的爬坡能力，以满足时段间新能源出力波动性需求。
综合以上两方面要求，波动性校核标准可表示为：
Figure GDA0003591141760000048
Figure GDA0003591141760000049
式(13)-(14)中，
Figure GDA0003591141760000051
为火电机组tp时刻t所能提供的调频备用容量，其中C为容量英文capacity的首字母。式(13)要求全网火电机组调频容量应超过该时段内新能源出力最大波动范围；式(14)中，
Figure GDA0003591141760000052
表示考虑正负向后火电机组tp所能提供的最大爬坡能力，则该式要求全网所有火电机组最大爬坡能力之和应超过正常情况下爬坡需求与新能源出力波动要求；
若经判定各运行时刻均能够满足式(13)-(14)中约束条件，则表明波动性校核通过，转入步骤五，否则转入步骤S4。
特别地，所述步骤S5中，引入弃电量系数来评价系统新能源消纳能力，该指标为各时刻弃电量累计值，可表示为：
Figure GDA0003591141760000053
式(15)中，ENE,A为弃电量指标，其中E为电量英文Energy首字母，A为舍弃英文abandon首字母，该指标数值越大，表明新能源消纳能力越弱，否则表明消纳能力越强。
特别地，所述步骤S11中，时间间隔为10-30分钟，优选为15分钟。
特别地，统计周期为10-30分钟，优选为15分钟。
本发明的有益效果是：
本发明用于解决调度运行领域新能源发电计划编制问题，旨在统筹考虑电网安全稳定运行、电力可靠供应等运行要求，以新能源消纳能力最大为优化目标，帮助实现各类型电源发电计划的编制。与现有成果相比，本发明充分考虑了极端场景下新能源出力波动性影响，以消除系统调频资源与爬坡资源不足带来的安全隐患，对提升大规模新能源接入下的电网安全稳定运行具有支撑作用。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书和前述的权利要求书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：
图1为本发明的方法流程图；
图2为新能源出力波动率统计分布图；
图3为考虑出力波动性的新能源出力示意图。
具体实施方式
以下将参照附图，对本发明的优选实施例进行详细的描述。应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。
如图1所示，本发明的一种基于极限场景分析的新能源消纳能力评估方法，包括以下步骤：
步骤S1：进行新能源出力波动性统计，计算对应的新能源出力波动率数值；
为弥补传统时序仿真不能精细化考虑新能源短期出力波动性对系统运行的影响，本发明将首先对新能源出力波动性进行统计。不同时间尺度新能源出力波动性不同，根据本发明研究需要，新能源出力波动性统计必须与时序仿真的时间间隔相匹配。当前时序仿真所采用的最优调度模型一般以15分钟为离散时间间隔，为此，本实施例中，以15分钟为统计周期统计分析新能源出力波动性。
新能源出力波动率是指统计周期(即15分钟)内新能源出力变化最大幅度与其装机容量的比值，可表示为：
Figure GDA0003591141760000061
式(1)中，NVR为新能源出力波动率指标，PNE,max、PNE,min分别为统计周期内新能源最大、最小发电出力，其差值即为新能源出力变化最大幅度，PNE,Ave为统计周期内新能源平均发电出力。其中，NVR为新能源波动率英文New Energy Volatility Rate的关键词首字母组合，P为发电功率英文Power首字母，IC为装机英文Installed Capacity首字母组合，NE为新能源英文New Energy首字母组合，max、min分别为最大、最小英文maximum、minimum前三个字母，ave为平均值英文average前三字母。
根据新能源运行历史数据，以15分钟为时段间隔，统计各时段间隔的新能源出力波动率，并绘制新能源出力波动率统计分布图，如图2所示。新能源出力波动性统计分布图中横坐标为新能源出力波动率指标，根据历史数据统计结果，将其划分为I个等宽度区间，规定第i个区间的最大、最小新能源出力波动率分别为
Figure GDA0003591141760000062
纵坐标为新能源出力波动率频数，即通过历史数据分析各区间内新能源出力波动率指标出线的次数，规定第i个区间的频数为Fi NE。则各区间频数之和应该为历史数据所划分的时段间隔数，即满足：
Figure GDA0003591141760000071
式(2)中，NumNE为历史数据所划分的时段间隔数。
实际运行中新能源出力波动性目前缺乏有效量化评估手段，为此，本发明中以新能源出力波动率历史数据近似代替其实际出力波动性情况，区间内近似认为新能源出力波动性按照平均分布原则执行，则第i个区间的新能源出力波动率可表示为：
Figure GDA0003591141760000072
式(3)中，为第i个区间对应的新能源出力波动概率，其中Pro为概率英文probability前三个字母。
一般情况下，新能源出力波动率应近似正态分布规律，即新能源出力波动率数值较大的区间发生概率较低。实际运行中应结合实际确定所需要考虑的新能源出力波动率范围。为此，引入新能源出力波动率极端系数来量化极端场景程度。所谓新能源出力波动率极端系数是指新能源出力波动过程中新能源消纳能力评估所需要满足的分布区间数值所对应的分布概率，可表示为：
Figure GDA0003591141760000073
式(4)中，ERNE为调度运行人员设定的新能源出力波动率极端系数，NVRER为与该系数对应的新能源出力波动率数值，本发明中称为新能源出力极端波动率。其中ER为极端系数英文extreme rate英文首字母组合。根据式(4)，人工设定新能源出力波动率极端系数取值后，即可计算得到对应的新能源出力波动率数值。
步骤S2：进行基于最优调度的时序仿真分析
该步骤的目的在于采用传统基于最优调度的时序分析模型，根据新能源出力预测，得到不考虑新能源出力波动性下的新能源发电计划。电源类型不同，时序仿真模型也不尽相同。结合我国电源实际，本发明中重点介绍风火互济系统的时序仿真模型。为促进新能源消纳，该模型中以新能源弃电量最小为优化目标，可表示为：
Figure GDA0003591141760000074
式(5)中，NT为优化时段数；ΔT为优化时段对应时间间隔，一般为15分钟；Pt NE,F、Pt NE,S分别为时段t新能源出力预测值和出力计划值，两者之差即为该时段的弃电功率，则(Pt NE,F-Pt NE,S)ΔT即为该时段的新能源弃电量。其中N为数量英文number的首字母，T为时间英文time首字母，F、S分别为预测英文forecast和计划英文schdule首字母。
所需要考虑的约束条件包括电力平衡约束、电网传输约束、机组运行特性约束等，可表示为：
Figure GDA0003591141760000081
Figure GDA0003591141760000082
Figure GDA0003591141760000083
Figure GDA0003591141760000084
0≤Pt NE,S≤Pt NE,F(10)
式(6)-(10)依次为电力平衡约束、电网传输约束、火电机组发电能力约束、火电机组爬坡能力约束、新能源出力范围约束，其中
Figure GDA0003591141760000085
为火电机组tp时刻t的发电计划，
Figure GDA0003591141760000086
为节点b时刻t的负荷预测，NTP、NB分别为全网火电机组台数和负荷节点数，Ps max、Ps min分别为运行断面s的传输能力上下限，GSDFs,NE、GSDFs,tp、GSDFs,b分别为新能源NE、火电机组tp、节点b与运行断面s的功率转移分布因子，
Figure GDA0003591141760000087
分别为火电机组tp的最大、最小技术出力，
Figure GDA0003591141760000088
分别为火电机组tp的爬坡能力上、下限值。TP为火电机组英文thermal power的首字母组合，b为节点英文bus首字母，GSDF为功率转移分布因子英文Generation Shift Distribution Factor首字母组合，PC为功率爬坡英文power climbing首字母组合。
步骤S3：进行波动性校核
步骤S2所获得的新能源发电计划并未考虑新能源出力波动对电网运行的影响，步骤S3的目的在于基于步骤一所确定的新能源出力极端波动率，评估新能源出力波动性对调度运行的影响。对任一时刻，考虑出力波动性影响后，实际可能发生的最大、最小新能源出力分别为：
Pt NE,max＝(1+NVRER)Pt NE,S (11)
Pt NE,min＝(1-NVRER)Pt NE,S (12)
式(11)-(12)中，Pt NE,max、Pt NE,min分别为考虑出力波动性影响后该时刻新能源出力上极值和下限值。如图3所示，实线代表步骤二优化计算得到的新能源出力计划，与实线平行的两条虚线分别为上限值曲线、下限值曲线；实线箭头为不考虑出力波动性下新能源出力时段间最大增量，虚线箭头为考虑出力波动性下新能源出力时段间最大增量。
可以看出，当考虑新能源出力波动性后，对调度运行的影响体现在两个方面：
(1)必须预留足够的调频备用，以满足时段内新能源出力波动性需求；
(2)必须预留足够的爬坡能力，以满足时段间新能源出力波动性需求。
综合以上两方面要求，波动性校核标准可表示为：
Figure GDA0003591141760000091
Figure GDA0003591141760000092
式(13)-(14)中，
Figure GDA0003591141760000093
为火电机组tp时刻t所能提供的调频备用容量，其中C为容量英文capacity的首字母。式(13)要求全网火电机组调频容量应超过该时段内新能源出力最大波动范围；式(14)中，
Figure GDA0003591141760000094
表示考虑正负向后火电机组tp所能提供的最大爬坡能力，则该式要求全网所有火电机组最大爬坡能力之和应超过正常情况下爬坡需求与新能源出力波动要求。
若经判定各运行时刻均能够满足式(13)-(14)中约束条件，则表明波动性校核通过，转入步骤S5，否则转入步骤S4。
步骤S4：增加波动性约束条件；
若某时刻优化结果不能满足波动性校核要求，则将不能满足约束条件的校核项作为约束条件增加至基于最优调度的时序仿真模型中，转入步骤S2重新求解；
步骤S5：完成新能源消纳能力评估。
满足波动性校核的时序仿真能够给出满足波动性极端场景要求的新能源发电计划。据此本发明引入弃电量系数来评价系统新能源消纳能力，该指标为各时刻弃电量累计值，可表示为：
Figure GDA0003591141760000095
式(15)中，ENE,A为弃电量指标，其中E为电量英文Energy首字母，A为舍弃英文abandon首字母。该指标数值越大，表明新能源消纳能力越弱，否则表明消纳能力越强。
最后说明的是，本发明的一个重要的创新在于充分考虑了极端场景下新能源出力波动性影响，以消除系统调频资源与爬坡资源不足带来的安全隐患。
本发明的流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (8)

1.一种基于极限场景分析的新能源消纳能力评估方法，其特征在于：包括以下步骤：
步骤S1：进行新能源出力波动性统计，计算对应的新能源出力波动率数值；
新能源出力波动率是指统计周期内新能源出力变化最大幅度与新能源平均发电出力的比值，可表示为：
Figure FDA0003591141750000011
式(1)中，NVR为新能源出力波动率指标，PNE,max、PNE,min分别为统计周期内新能源最大、最小发电出力，其差值即为新能源出力变化最大幅度，PNE,Ave为统计周期内新能源平均发电出力；
所述步骤S1中，包括以下具体步骤：
步骤S11：根据新能源运行历史数据，以R为时段间隔，统计各时段间隔的新能源出力波动率，并绘制新能源出力波动率统计分布图，以新能源出力波动率历史数据近似代替其实际出力波动性情况，区间内近似认为新能源出力波动性按照平均分布原则执行，确定第i个区间的新能源出力波动率；
所述步骤S11中，新能源出力波动性统计分布图中横坐标为新能源出力波动率指标，根据历史数据统计结果，将其划分为I个等宽度区间，规定第i个区间的最大、最小新能源出力波动率分别为
Figure FDA0003591141750000012
纵坐标为新能源出力波动率频数，即通过历史数据分析各区间内新能源出力波动率指标出现的次数，规定第i个区间的频数为Fi NE，则各区间频数之和应该为历史数据所划分的时段间隔数，即满足：
Figure FDA0003591141750000013
式(2)中，NumNE为历史数据所划分的时段间隔数；
以新能源出力波动率历史数据近似代替其实际出力波动性情况，区间内近似认为新能源出力波动性按照平均分布原则执行，则第i个区间的新能源出力波动率可表示为：
Figure FDA0003591141750000014
式(3)中，
Figure FDA0003591141750000015
为第i个区间对应的新能源出力波动概率；
步骤S12：以新能源出力波动率极端系数来量化极端场景程度，所述新能源出力波动率极端系数是指新能源出力波动过程中新能源消纳能力评估所需要满足的分布区间数值所对应的分布概率，人工设定新能源出力波动率极端系数取值后，即可计算得到对应的新能源出力波动率数值；
所述步骤S12中，新能源出力波动率极端系数可表示为：
Figure FDA0003591141750000021
式(4)中，ERNE为调度运行人员设定的新能源出力波动率极端系数，NVRER为与该系数对应的新能源出力波动率数值，即新能源出力极端波动率，根据式(4)，人工设定新能源出力波动率极端系数取值后，即可计算得到对应的新能源出力波动率数值；
步骤S2：进行基于最优调度的时序仿真分析；通过采用传统基于最优调度的时序分析模型，根据新能源出力预测，得到不考虑新能源出力波动性下的新能源发电计划；
步骤S3：进行波动性校核；基于步骤S1所确定的新能源出力极端波动率，评估新能源出力波动性对调度运行的影响；
步骤S4：增加波动性约束条件；
若某时刻优化结果不能满足波动性校核要求，则将不能满足约束条件的校核项作为约束条件增加至基于最优调度的时序仿真模型中，转入步骤S2重新求解；
步骤S5：完成新能源消纳能力评估。
2.根据权利要求1所述的一种基于极限场景分析的新能源消纳能力评估方法，其特征在于：所述步骤S2中，为促进新能源消纳，该模型中以新能源弃电量最小为优化目标，可表示为：
Figure FDA0003591141750000022
式(5)中，NT为优化时段数；ΔT为优化时段对应时间间隔，为15分钟；Pt NE,F、Pt NE,S分别为时刻t新能源出力预测值和出力计划值，两者之差即为该时段的弃电功率，则(Pt NE,F-Pt NE,S)ΔT即为该时段的新能源弃电量；
所需要考虑的约束条件包括电力平衡约束、电网传输约束和机组运行特性约束，可表示为：
Figure FDA0003591141750000023
Figure FDA0003591141750000031
Figure FDA0003591141750000032
Figure FDA0003591141750000033
0≤Pt NE,S≤Pt NE,F (10)
式(6)-(10)依次为电力平衡约束、电网传输约束、火电机组发电能力约束、火电机组爬坡能力约束、新能源出力范围约束，其中
Figure FDA0003591141750000034
为火电机组tp时刻t的发电计划，
Figure FDA0003591141750000035
为节点b时刻t的负荷预测，NTP、NB分别为全网火电机组台数和负荷节点数，
Figure FDA0003591141750000036
分别为运行断面s的传输能力上下限，GSDFs,NE、GSDFs,tp、GSDFs,b分别为新能源NE、火电机组tp、节点b与运行断面s的功率转移分布因子，
Figure FDA0003591141750000037
分别为火电机组tp的最大、最小技术出力，
Figure FDA0003591141750000038
分别为火电机组tp的爬坡能力上、下限值。
3.根据权利要求2所述的一种基于极限场景分析的新能源消纳能力评估方法，其特征在于：对任一时刻，考虑出力波动性影响后，实际可能发生的最大、最小新能源出力分别为：
Pt NE,max＝(1+NVRER)Pt NE,S (11)
Pt NE,min＝(1-NVRER)Pt NE,S (12)
式(11)-(12)中，Pt NE,max、Pt NE,min分别为考虑出力波动性影响后该时刻新能源出力上限值和下限值；
当考虑新能源出力波动性后，对调度运行的影响体现在两个方面：
(1)必须预留足够的调频备用，以满足时段内新能源出力波动性需求；
(2)必须预留足够的爬坡能力，以满足时段间新能源出力波动性需求；
综合以上两方面要求，波动性校核标准可表示为：
Figure FDA0003591141750000039
Figure FDA00035911417500000310
式(13)中，
Figure FDA00035911417500000311
为火电机组tp时刻t所能提供的调频备用容量；式(13)要求全网火电机组调频容量应超过该时段内新能源出力最大波动范围；式(14)中，
Figure FDA0003591141750000041
表示考虑正负向后火电机组tp所能提供的最大爬坡能力，则该式要求全网所有火电机组最大爬坡能力之和应超过正常情况下爬坡需求与新能源出力波动要求；
若经判定各运行时刻均能够满足式(13)-(14)中约束条件，则表明波动性校核通过，转入步骤S5，否则转入步骤S4。
4.根据权利要求3所述的一种基于极限场景分析的新能源消纳能力评估方法，其特征在于：所述步骤S5中，引入弃电量系数来评价系统新能源消纳能力，该指标为各时刻弃电量累计值，可表示为：
Figure FDA0003591141750000042
式(15)中，ENE,A为弃电量指标，该指标数值越大，表明新能源消纳能力越弱，否则表明消纳能力越强。
5.根据权利要求1所述的一种基于极限场景分析的新能源消纳能力评估方法，其特征在于：所述步骤S11中，时间间隔为10-30分钟。
6.根据权利要求5所述的一种基于极限场景分析的新能源消纳能力评估方法，其特征在于：时间间隔为15分钟。
7.根据权利要求1所述的一种基于极限场景分析的新能源消纳能力评估方法，其特征在于：统计周期为10-30分钟。
8.根据权利要求7所述的一种基于极限场景分析的新能源消纳能力评估方法，其特征在于：统计周期为15分钟。
CN202011222983.5A 2020-11-05 2020-11-05 一种基于极限场景分析的新能源消纳能力评估方法 Active CN112398165B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011222983.5A CN112398165B (zh) 2020-11-05 2020-11-05 一种基于极限场景分析的新能源消纳能力评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011222983.5A CN112398165B (zh) 2020-11-05 2020-11-05 一种基于极限场景分析的新能源消纳能力评估方法

Publications (2)

Publication Number Publication Date
CN112398165A CN112398165A (zh) 2021-02-23
CN112398165B true CN112398165B (zh) 2022-07-05

Family

ID=74597616

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011222983.5A Active CN112398165B (zh) 2020-11-05 2020-11-05 一种基于极限场景分析的新能源消纳能力评估方法

Country Status (1)

Country Link
CN (1) CN112398165B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112821469B (zh) * 2021-03-09 2022-10-25 中国南方电网有限责任公司 基于调频消纳域分析的日前发电调度优化方法及装置

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103368188A (zh) * 2013-07-16 2013-10-23 国家电网公司 电力系统为风电提供的agc调节容量的确定方法
CN106786509A (zh) * 2016-11-29 2017-05-31 国网陕西省电力公司电力科学研究院 大规模风电并网下基于多场景模拟的热‑电联合调度方法
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
CN109617048A (zh) * 2018-11-28 2019-04-12 天津大学 基于多目标线性规划的电网规划典型场景选取方法
CN109728607A (zh) * 2019-03-07 2019-05-07 云南电网有限责任公司 一种风电消纳评估方法及装置
CN109787296A (zh) * 2019-03-18 2019-05-21 长沙理工大学 一种考虑源荷协整关系的经济调控方法
CN110137952A (zh) * 2019-05-16 2019-08-16 长沙理工大学 一种实现源-荷-储协调运行的优化模型与方法
CN110707758A (zh) * 2019-10-28 2020-01-17 国网新疆电力有限公司电力科学研究院 一种用于提高新能源消纳的分布式储能系统调度方法
CN111293681A (zh) * 2020-01-22 2020-06-16 重庆大学 一种基于RankBoost的光伏场站出力波动性量化评价方法
CN111400918A (zh) * 2020-03-19 2020-07-10 国电南瑞科技股份有限公司 基于多场景生成技术的电网新能源消纳能力评估计算方法、装置及系统

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012127585A1 (ja) * 2011-03-18 2012-09-27 富士通株式会社 運転計画作成方法、運転計画作成装置及び運転計画作成プログラム
CN103066620B (zh) * 2012-12-24 2014-10-22 中国电力科学研究院 间歇能源并网下的自动发电控制模型的设计方法
CN103414206A (zh) * 2013-07-12 2013-11-27 国电南瑞科技股份有限公司 一种考虑安全约束的水光火联合优化发电计划优化方法
US10734812B2 (en) * 2015-07-08 2020-08-04 Nec Corporation Renewable power system and sizing method for controllable plant associated with renewable power system
CN105958538B (zh) * 2016-06-12 2018-11-13 南京工程学院 基于蒙特卡洛法的配电网孤岛划分方法
US10418822B2 (en) * 2017-02-14 2019-09-17 Mitsubishi Electric Research Laboratories, Inc. Energy production and frequency regulation Co-optimization for power generation systems
CN110601250B (zh) * 2018-06-12 2023-03-31 南京工程学院 一种基于新能源电站接入点静态电压稳定性评估方法
CN109449971B (zh) * 2018-10-29 2022-09-20 国网甘肃省电力公司 一种新能源消纳的多目标电力系统源荷互动优化调度方法
CN110429591B (zh) * 2019-08-02 2020-11-10 西安交通大学 一种基于电力系统时序耦合性的输电网利用率评估方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103368188A (zh) * 2013-07-16 2013-10-23 国家电网公司 电力系统为风电提供的agc调节容量的确定方法
CN106786509A (zh) * 2016-11-29 2017-05-31 国网陕西省电力公司电力科学研究院 大规模风电并网下基于多场景模拟的热‑电联合调度方法
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
CN109617048A (zh) * 2018-11-28 2019-04-12 天津大学 基于多目标线性规划的电网规划典型场景选取方法
CN109728607A (zh) * 2019-03-07 2019-05-07 云南电网有限责任公司 一种风电消纳评估方法及装置
CN109787296A (zh) * 2019-03-18 2019-05-21 长沙理工大学 一种考虑源荷协整关系的经济调控方法
CN110137952A (zh) * 2019-05-16 2019-08-16 长沙理工大学 一种实现源-荷-储协调运行的优化模型与方法
CN110707758A (zh) * 2019-10-28 2020-01-17 国网新疆电力有限公司电力科学研究院 一种用于提高新能源消纳的分布式储能系统调度方法
CN111293681A (zh) * 2020-01-22 2020-06-16 重庆大学 一种基于RankBoost的光伏场站出力波动性量化评价方法
CN111400918A (zh) * 2020-03-19 2020-07-10 国电南瑞科技股份有限公司 基于多场景生成技术的电网新能源消纳能力评估计算方法、装置及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Corrective short-term transmission maintenance scheduling considering post-contingency restoration;Nianjie Tian et al;《2017 China International Electrical and Energy Conference (CIEEC)》;20180621;699-703 *
分布式电源接入对配电网电压影响分析及其无功优化;李允昭等;《电子设计工程》;20191231;第27卷(第24期);135-139 *

Also Published As

Publication number Publication date
CN112398165A (zh) 2021-02-23

Similar Documents

Publication Publication Date Title
Wang et al. Unit commitment with volatile node injections by using interval optimization
CN104820868B (zh) 一种基于风电概率进行预测的调度展示方法
CN116632838B (zh) 应用于发电企业的电能供给分析的方法及装置
CN112398165B (zh) 一种基于极限场景分析的新能源消纳能力评估方法
CN116821660A (zh) 一种电力管理方法、系统、终端设备及存储介质
CN114878934A (zh) 一种电能耗数据异常预警方法
CN112418662A (zh) 一种利用人工神经网络的配电网运行可靠性分析方法
KR102556093B1 (ko) 전력의 피크 부하를 저감하기 위한 보상 생성 방법 및 그 방법을 수행하는 동작 제어 장치
CN105260789B (zh) 一种面向风电功率超短期预测的风电数据时间尺度优选方法
CN112116216B (zh) 一种基于多对象多维度的新能源消纳评价方法及系统
CN112785166A (zh) 基于区块链的配电网分布式发电单元出力评价方法及装置
CN102722852B (zh) 一种编制检修票的方法
Yi et al. Forecasting tendency of the transmission line project cost index using Markov chain
Xie et al. A Multi-Closed-Loop Assessment Mechanism for Development Level of Smart Grids
CN116307285B (zh) 新能源发展预测装置及方法
CN109449935B (zh) 一种基于能源互联的时序生产模拟方法及系统
Gehbauer Framework for multi layer control in python (fmlc) v1. 0
CN117200256A (zh) 一种电网实时运行调频容量预警方法及系统
Wang et al. Research on distribution network spare parts demand forecasting and inventory quota
Haibo et al. Research on Energy Optimal Scheduling Based on Supply and Demand Forecast for Iron and Steel Enterprises
Gu et al. Optimization Design of Distribution Transformers Maintenance Strategy Based on Markov Process
CN117540521A (zh) 一种电力供需多点评估模型构建、评估方法及系统
CN117371662A (zh) 一种虚拟电厂调节能力的评估系统及其方法
CN118115045A (zh) 一种新能源项目后评价方法、系统、设备和可读存储介质
CN117952659A (zh) 含源网荷储系统投资需求与效益的系统动力学评估方法

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