CN112418614A - 一种电力系统的可调节性资源建设方案确定方法及系统 - Google Patents

Abstract

本发明涉及一种电力系统的可调节性资源建设方案确定方法及系统。该方法包括获取当前的电力系统的数据；获取电力系统的可调节性资源数据；对可调节性资源数据进行优先开发排序，得到当前的可调节性资源建设方案；根据电力系统的数据和当前的可调节性资源建设方案，采用电力系统机组组合模型确定8760小时下电源运行情况和弃风弃光情况；并每个时刻所述电力系统的爬坡灵活性需求及对应的弃风弃光率和调峰灵活性需求及对应的弃风弃光率；判断所述爬坡灵活性需求对应的弃风弃光率和调峰灵活性需求对应的弃风弃光率是否均小于设定阈值；进而确定目标的可调节性资源建设方案。本发明能够适应新能源发展，保证电力系统稳定性，防止资源浪费。

Description

一种电力系统的可调节性资源建设方案确定方法及系统

技术领域

本发明涉及电力系统领域，特别是涉及一种电力系统的可调节性资源建设方案确定方法及系统。

背景技术

随着新能源的快速发展，由于其自身的不确定性、波动性间歇性等问题，增加对电力系统灵活性需求，为了进一步发展新能源同时保证电网安全经济运行需要合理开发系统灵活性资源。目前针对电力系统灵活性开发缺少理论依据，过少开发影响电力系统稳定性和新能源的发展，过多开发会造成资源浪费。

因此，亟需一种可调节性资源建设方案确定方法及系统，能够解决为适应新能源发展，系统建设可调节性资源最优量的问题。

发明内容

本发明的目的是提供一种电力系统的可调节性资源建设方案确定方法及系统，能够适应新能源发展，保证电力系统稳定性，防止资源浪费。

为实现上述目的，本发明提供了如下方案：

一种电力系统的可调节性资源建设方案确定方法，包括：

获取当前的电力系统的数据；所述电力系统的数据包括：当前的电力系统电源装机情况以及未来规划发展情况、未来负荷情况以及未来新能源发展水平；所述电源装机情况包括：各类电源的成本函数、最大和最小爬坡约束、最大和最小出力约束、机组必开约束、最小停机约束以及最小启动约束；

获取所述电力系统的可调节性资源数据；所述可调节性资源数据包括：成本、建设周期、寿命以及效率；

对所述可调节性资源数据进行优先开发排序，得到当前的可调节性资源建设方案；

根据所述电力系统的数据和所述当前的可调节性资源建设方案，采用电力系统机组组合模型确定8760小时下电源运行情况和弃风弃光情况；所述电力系统机组组合模型以所述电力系统的数据和所述可调节性资源建设方案为输入，以8760小时下电源运行情况和弃风弃光情况为输出；

根据8760小时下电源运行情况和弃风弃光情况，确定每个时刻所述电力系统的爬坡灵活性需求及对应的弃风弃光率和调峰灵活性需求及对应的弃风弃光率；

判断所述爬坡灵活性需求对应的弃风弃光率和调峰灵活性需求对应的弃风弃光率是否均小于设定阈值；

若所述爬坡灵活性需求对应的弃风弃光率和调峰灵活性需求对应的弃风弃光率均小于设定阈值，则将所述当前的可调节性资源建设方案确定为目标的可调节性资源建设方案；

若所述爬坡灵活性需求对应的弃风弃光率或调峰灵活性需求对应的弃风弃光率不小于设定阈值，则根据所述所述爬坡灵活性需求及对应的弃风弃光率和调峰灵活性需求及对应的弃风弃光率更新所述电力系统的数据，以及根据所述所述爬坡灵活性需求及对应的弃风弃光率和调峰灵活性需求及对应的弃风弃光率对所述可调节性资源数据进行优先开发排序，得到更新后的可调节性资源建设方案；将所述当前的可调节性资源建设方案替换为所述更新后的可调节性资源建设方案，并返回所述根据所述电力系统的数据和所述当前的可调节性资源建设方案，采用电力系统机组组合模型确定8760小时下电源运行情况和弃风弃光情况的步骤。

可选的，所述根据所述电力系统的数据和所述当前的可调节性资源建设方案，采用电力系统机组组合模型确定8760小时下电源运行情况和弃风弃光情况，之前还包括：

根据所述电力系统的数据和所述可调节性资源建设方案，采用GAMS软件，确定电力系统机组组合模型。

可选的，所述根据所述电力系统的数据和所述可调节性资源建设方案，采用GAMS软件，确定电力系统机组组合模型，具体包括：

利用公式

确定电力系统机组组合模型的目标函数；

其中，T为时段数，N为火电机组数，U_i,t为机组i在时段t的运行状态变量，U_i,t＝0表示停机，U_i,t＝1表示运行；P_i,t为火电机组在时段t的功率变量，a_i为机组i的边际能耗成本参数，b_i为机组i的空载成本参数，S_i为机组i的启动成本，ρ₁和ρ₂分别表示弃用风电和光伏的惩罚系数，P_c1,t和P_c2,t分别为系统在时段t的弃风和弃光电量。

可选的，所述根据8760小时下电源运行情况和弃风弃光情况，确定每个时刻所述电力系统的爬坡灵活性需求及对应的弃风弃光率和调峰灵活性需求及对应的弃风弃光率，具体包括：

利用公式

确定所述电力系统由于缺乏调峰灵活性而导致的弃风光率；

利用公式

确定所述电力系统由于缺乏爬坡灵活性而导致的弃风光率；

其中，T_peakshaving表示系统缺乏调峰灵活性而导致弃风光的总时长，P_{W,peakshaving,t}表示系统由于缺乏调峰灵活性而导致弃风光的时刻t所对应的新能源出力，T_ramping表示系统缺乏爬坡灵活性而导致弃风光的总时长，P_W,ramping,t表示系统由于缺乏爬坡灵活性而导致弃风光的时刻t所对应的新能源出力，E_{peakshaving,t}表示系统在t时刻的调峰灵活性需求量，E_ramping,t表示系统在t时刻的爬坡灵活性需求量。

一种电力系统的可调节性资源建设方案确定系统，包括：

电力系统的数据获取模块，用于获取当前的电力系统的数据；所述电力系统的数据包括：当前的电力系统电源装机情况以及未来规划发展情况、未来负荷情况以及未来新能源发展水平；所述电源装机情况包括：各类电源的成本函数、最大和最小爬坡约束、最大和最小出力约束、机组必开约束、最小停机约束以及最小启动约束；

可调节性资源数据获取模块，用于获取所述电力系统的可调节性资源数据；所述可调节性资源数据包括：成本、建设周期、寿命以及效率；

当前的可调节性资源建设方案确定模块，用于对所述可调节性资源数据进行优先开发排序，得到当前的可调节性资源建设方案；

电源运行情况和弃风弃光情况确定模块，用于根据所述电力系统的数据和所述当前的可调节性资源建设方案，采用电力系统机组组合模型确定8760小时下电源运行情况和弃风弃光情况；所述电力系统机组组合模型以所述电力系统的数据和所述可调节性资源建设方案为输入，以8760小时下电源运行情况和弃风弃光情况为输出；

供需情况确定模块，用于根据8760小时下电源运行情况和弃风弃光情况，确定每个时刻所述电力系统的爬坡灵活性需求及对应的弃风弃光率和调峰灵活性需求及对应的弃风弃光率；

判断模块，用于判断所述爬坡灵活性需求对应的弃风弃光率和调峰灵活性需求对应的弃风弃光率是否均小于设定阈值；

目标的可调节性资源建设方案第一确定模块，用于若所述爬坡灵活性需求对应的弃风弃光率和调峰灵活性需求对应的弃风弃光率均小于设定阈值，则将所述当前的可调节性资源建设方案确定为目标的可调节性资源建设方案；

目标的可调节性资源建设方案第二确定模块，用于若所述爬坡灵活性需求对应的弃风弃光率或调峰灵活性需求对应的弃风弃光率不小于设定阈值，则根据所述所述爬坡灵活性需求及对应的弃风弃光率和调峰灵活性需求及对应的弃风弃光率更新所述电力系统的数据，以及根据所述所述爬坡灵活性需求及对应的弃风弃光率和调峰灵活性需求及对应的弃风弃光率对所述可调节性资源数据进行优先开发排序，得到更新后的可调节性资源建设方案；将所述当前的可调节性资源建设方案替换为所述更新后的可调节性资源建设方案，并返回所述根据所述电力系统的数据和所述当前的可调节性资源建设方案，采用电力系统机组组合模型确定8760小时下电源运行情况和弃风弃光情况的步骤。

可选的，还包括：

电力系统机组组合模型确定模块，用于根据所述电力系统的数据和所述可调节性资源建设方案，采用GAMS软件，确定电力系统机组组合模型。

可选的，所述电力系统机组组合模型确定模块具体包括：

目标函数确定单元，用于利用公式

确定电力系统机组组合模型的目标函数；

其中，T为时段数，N为火电机组数，U_i,t为机组i在时段t的运行状态变量，U_i,t＝0表示停机，U_i,t＝1表示运行，P_i,t为火电机组在时段t的功率变量，a_i为机组i的边际能耗成本参数，b_i为机组i的空载成本参数，S_i为机组i的启动成本；ρ₁和ρ₂分别表示弃用风电和光伏的惩罚系数，P_c1,t和P_c2,t分别为系统在时段t的弃风和弃光电量。

可选的，所述供需情况确定模块具体包括：

调峰灵活性需求对应的弃风弃光率确定单元，用于利用公式

确定所述电力系统由于缺乏调峰灵活性而导致的弃风光率；

爬坡灵活性需求对应的弃风弃光率确定单元，用于利用公式

确定所述电力系统由于缺乏爬坡灵活性而导致的弃风光率；

其中，T_peakshaving表示系统缺乏调峰灵活性而导致弃风光的总时长，P_{W,peakshaving,t}表示系统由于缺乏调峰灵活性而导致弃风光的时刻t所对应的新能源出力，T_ramping表示系统缺乏爬坡灵活性而导致弃风光的总时长，P_W,ramping,t表示系统由于缺乏爬坡灵活性而导致弃风光的时刻t所对应的新能源出力，E_{peakshaving,t}表示系统在t时刻的调峰灵活性需求量，E_ramping,t表示系统在t时刻的爬坡灵活性需求量。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明所提供的一种电力系统的可调节性资源建设方案确定方法及系统，在实际电力系统可调节资源供需分析的基础上，通过对系统可调节性资源进行技术经济排序，并通过电力系统机组组合模型确定8760小时下电源运行情况和弃风弃光情况，根据8760小时下电源运行情况和弃风弃光情况，确定每个时刻所述电力系统的爬坡灵活性需求及对应的弃风弃光率和调峰灵活性需求及对应的弃风弃光率，最终通过判断所述爬坡灵活性需求对应的弃风弃光率和调峰灵活性需求对应的弃风弃光率是否均小于设定阈值得出系统为适应新能源发展应开发建设可调节资源的最优方案。能够适应新能源发展，保证电力系统稳定性，防止资源浪费。

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为本发明所提供的一种电力系统的可调节性资源建设方案确定方法流程示意图；

图2为本发明所提供的一种电力系统的可调节性资源建设方案确定系统结构示意图。

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。

本发明的目的是提供一种电力系统的可调节性资源建设方案确定方法及系统，能够适应新能源发展，保证电力系统稳定性，防止资源浪费。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明所提供的一种电力系统的可调节性资源建设方案确定方法流程示意图，如图1所示，本发明所提供的一种电力系统的可调节性资源建设方案确定方法，包括：

S101，获取当前的电力系统的数据；所述电力系统的数据包括：当前的电力系统电源装机情况以及未来规划发展情况、未来负荷情况以及未来新能源发展水平；所述电源装机情况包括：各类电源的成本函数、最大和最小爬坡约束、最大和最小出力约束、机组必开约束、最小停机约束以及最小启动约束。

S102，获取所述电力系统的可调节性资源数据；所述可调节性资源数据包括：成本、建设周期、寿命以及效率。

S103，对所述可调节性资源数据进行优先开发排序，得到当前的可调节性资源建设方案。

S104，根据所述电力系统的数据和所述当前的可调节性资源建设方案，采用电力系统机组组合模型确定8760小时下电源运行情况和弃风弃光情况；所述电力系统机组组合模型以所述电力系统的数据和所述可调节性资源建设方案为输入，以8760小时下电源运行情况和弃风弃光情况为输出。

S104之前还包括：

根据所述电力系统的数据和所述可调节性资源建设方案，采用GAMS软件，确定电力系统机组组合模型。

利用公式

确定电力系统机组组合模型的目标函数。目标函数为系统在T时段内(分供热期和非供热期)内的总发电成本最小，包括火电机组运行发电成本、启动成本和弃用新能源的惩罚费用。当惩罚因子较大时，弃风将受到大量罚款，由于目标是系统总运行费用最低，所以模型会尽可能避免弃风，此时仿真结果即为技术消纳极限，实际成本对结果影响不大。

其中，T为时段数，N为火电机组数，U_i,t为机组i在时段t的运行状态变量，U_i,t＝0表示停机，U_i,t＝1表示运行，P_i,t为火电机组在时段t的功率变量，a_i为机组i的边际能耗成本参数，b_i为机组i的空载成本参数，S_i为机组i的启动成本，ρ₁和ρ₂分别表示弃用风电和光伏的惩罚系数，P_c1,t和P_c2,t分别为系统在时段t的弃风和弃光电量。

电力系统机组组合模型的约束条件为：

1)火电机组技术约束

出力上下限约束：机组开机时刻出力应在最大出力和最小出力之间。

U_i,tP_i,min≤P_i,t≤U_i,tP_i,max。

式中：P_i,min和P_i,max分别为机组i的最小和最大技术出力。

最小启停时间约束：考虑到火电机组运行经济性以及其本身寿命影响，常规火电机组不宜频繁启停，因此火电机组根据实际运行经验设置最小运行时间和最小停机时间约束。

式中：T_i,on和T_i,off分别为机组i的最小连续运行和停机时间。

爬坡约束：火电机组下一个时刻的出力与上一时刻的出力应满足上爬坡和下爬坡约束。

式中：ΔP_i,up和ΔP_i,down分别为机组i的上、下爬坡限制。

2)新能源弃电量约束

0≤P_c,t≤P_W,t。

式中：P_W,t为新能源机组在时段t的总出力。

3)抽水蓄能机组技术约束

抽水、发电功率上下限约束：抽蓄机组抽、发功率应不大于最大抽水功率和最大发电功率。

式中：P_pi,t和P_gi,t分别为抽水蓄能机组i在时段t的抽水和发电功率；U_pi,t和U_gi,t为抽水蓄能机组i在时段t的运行状态变量，U_pi,t＝U_gi,t＝0表示停机，U_pi,t＝1表示抽水，U_gi,t＝1表示发电。

储能容量约束：储能装置存储能量介于最大、最小允许范围。

E_i,min≤E_i,t≤E_i,max。

式中：E_i,t为抽水蓄能机组i在时段t的储能电量，E_i,min和E_i,max为最小、最大储能限制。

日内抽发平衡约束：

式中：η_i为抽水蓄能机组i的抽发效率。

4)系统耦合约束

功率平衡约束：任意时刻系统应保持供需平衡。

式中：P_L,t为时段t系统的负荷需求。

旋转备用约束：系统应保留必要的备用功率。

式中：

和

分别为火电机组i在时段t的最大可用出力和最小可用出力；A_u,t和A_d,t分别为在时段t系统需要的上、下旋转备用量，分别取系统负荷的5％、2％。

S105，根据8760小时下电源运行情况和弃风弃光情况，确定每个时刻所述电力系统的爬坡灵活性需求及对应的弃风弃光率和调峰灵活性需求及对应的弃风弃光率；

S105具体包括：

利用公式

确定所述电力系统由于缺乏调峰灵活性而导致的弃风光率。

利用公式

确定所述电力系统由于缺乏爬坡灵活性而导致的弃风光率。

其中，T_peakshaving表示系统缺乏调峰灵活性而导致弃风光的总时长，P_{W,peakshaving,t}表示系统由于缺乏调峰灵活性而导致弃风光的时刻t所对应的新能源出力，T_ramping表示系统缺乏爬坡灵活性而导致弃风光的总时长，P_W,ramping,t表示系统由于缺乏爬坡灵活性而导致弃风光的时刻t所对应的新能源出力，E_{peakshaving,t}表示系统在t时刻的调峰灵活性需求量，E_ramping,t表示系统在t时刻的爬坡灵活性需求量，

P_c,t表示t时刻的弃风光量，P_i,t表示第i台火电机组在t时刻的出力，P_muston,j,min表示第j台必开机组的最小出力，N_muston表示必开机组的总台数，A_d,t表示系统在t时刻的下旋转备用量。

S106，判断所述爬坡灵活性需求对应的弃风弃光率和调峰灵活性需求对应的弃风弃光率是否均小于设定阈值。

S107，若所述爬坡灵活性需求对应的弃风弃光率和调峰灵活性需求对应的弃风弃光率均小于设定阈值，则将所述当前的可调节性资源建设方案确定为目标的可调节性资源建设方案。

S108，若所述爬坡灵活性需求对应的弃风弃光率或调峰灵活性需求对应的弃风弃光率不小于设定阈值，则根据所述所述爬坡灵活性需求及对应的弃风弃光率和调峰灵活性需求及对应的弃风弃光率更新所述电力系统的数据，以及根据所述所述爬坡灵活性需求及对应的弃风弃光率和调峰灵活性需求及对应的弃风弃光率对所述可调节性资源数据进行优先开发排序，得到更新后的可调节性资源建设方案；将所述当前的可调节性资源建设方案替换为所述更新后的可调节性资源建设方案，并返回所述根据所述电力系统的数据和所述当前的可调节性资源建设方案，采用电力系统机组组合模型确定8760小时下电源运行情况和弃风弃光情况的步骤。

由于仿真全年8760小时系统运行，以系统运行成本最低为目标函数，推算可再生能源的技术极限消纳规模，仿真规模庞大，若仿真方法采取不当，将造成仿真时间过长甚至无法求解等后果。本测算模型整理思路为：每次仿真48小时机组组合，输出结果仅读取前24个小时的，然后以该前24小时测算结果仿真测算后48小时，以此类推，逐日滚动测算。

图2为本发明所提供的一种电力系统的可调节性资源建设方案确定系统结构示意图，如图2所示，本发明所提供的一种电力系统的可调节性资源建设方案确定系统，包括：

电力系统的数据获取模块201，用于获取当前的电力系统的数据；所述电力系统的数据包括：当前的电力系统电源装机情况以及未来规划发展情况、未来负荷情况以及未来新能源发展水平；所述电源装机情况包括：各类电源的成本函数、最大和最小爬坡约束、最大和最小出力约束、机组必开约束、最小停机约束以及最小启动约束。

可调节性资源数据获取模块202，用于获取所述电力系统的可调节性资源数据；所述可调节性资源数据包括：成本、建设周期、寿命以及效率。

当前的可调节性资源建设方案确定模块203，用于对所述可调节性资源数据进行优先开发排序，得到当前的可调节性资源建设方案。

电源运行情况和弃风弃光情况确定模块204，用于根据所述电力系统的数据和所述当前的可调节性资源建设方案，采用电力系统机组组合模型确定8760小时下电源运行情况和弃风弃光情况；所述电力系统机组组合模型以所述电力系统的数据和所述可调节性资源建设方案为输入，以8760小时下电源运行情况和弃风弃光情况为输出。

供需情况确定模块205，用于根据8760小时下电源运行情况和弃风弃光情况，确定每个时刻所述电力系统的爬坡灵活性需求及对应的弃风弃光率和调峰灵活性需求及对应的弃风弃光率。

判断模块206，用于判断所述爬坡灵活性需求对应的弃风弃光率和调峰灵活性需求对应的弃风弃光率是否均小于设定阈值。

目标的可调节性资源建设方案第一确定模块207，用于若所述爬坡灵活性需求对应的弃风弃光率和调峰灵活性需求对应的弃风弃光率均小于设定阈值，则将所述当前的可调节性资源建设方案确定为目标的可调节性资源建设方案；

目标的可调节性资源建设方案第二确定模块208，用于若所述爬坡灵活性需求对应的弃风弃光率或调峰灵活性需求对应的弃风弃光率不小于设定阈值，则根据所述所述爬坡灵活性需求及对应的弃风弃光率和调峰灵活性需求及对应的弃风弃光率更新所述电力系统的数据，以及根据所述所述爬坡灵活性需求及对应的弃风弃光率和调峰灵活性需求及对应的弃风弃光率对所述可调节性资源数据进行优先开发排序，得到更新后的可调节性资源建设方案；将所述当前的可调节性资源建设方案替换为所述更新后的可调节性资源建设方案，并返回所述根据所述电力系统的数据和所述当前的可调节性资源建设方案，采用电力系统机组组合模型确定8760小时下电源运行情况和弃风弃光情况的步骤。

本发明所提供的一种电力系统的可调节性资源建设方案确定系统，还包括：

电力系统机组组合模型确定模块，用于根据所述电力系统的数据和所述可调节性资源建设方案，采用GAMS软件，确定电力系统机组组合模型。

所述电力系统机组组合模型确定模块具体包括：

目标函数确定单元，用于利用公式

确定电力系统机组组合模型的目标函数。

其中，T为时段数；N为火电机组数，U_i,t为机组i在时段t的运行状态变量，U_i,t＝0表示停机，U_i,t＝1表示运行，P_i,t为火电机组在时段t的功率变量，a_i为机组i的边际能耗成本参数，b_i为机组i的空载成本参数，S_i为机组i的启动成本，ρ₁和ρ₂分别表示弃用风电和光伏的惩罚系数，P_c1,t和P_c2,t分别为系统在时段t的弃风和弃光电量。

所述供需情况确定模块205具体包括：

调峰灵活性需求对应的弃风弃光率确定单元，用于利用公式

确定所述电力系统由于缺乏调峰灵活性而导致的弃风光率。

爬坡灵活性需求对应的弃风弃光率确定单元，用于利用公式

确定所述电力系统由于缺乏爬坡灵活性而导致的弃风光率。

其中，T_peakshaving表示系统缺乏调峰灵活性而导致弃风光的总时长，P_{W,peakshaving,t}表示系统由于缺乏调峰灵活性而导致弃风光的时刻t所对应的新能源出力，T_ramping表示系统缺乏爬坡灵活性而导致弃风光的总时长，P_W,ramping,t表示系统由于缺乏爬坡灵活性而导致弃风光的时刻t所对应的新能源出力，E_{peakshaving,t}表示系统在t时刻的调峰灵活性需求量，E_ramping,t表示系统在t时刻的爬坡灵活性需求量。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个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 (8)

1.一种电力系统的可调节性资源建设方案确定方法，其特征在于，包括：

获取当前的电力系统的数据；所述电力系统的数据包括：当前的电力系统电源装机情况以及未来规划发展情况、未来负荷情况以及未来新能源发展水平；所述电源装机情况包括：各类电源的成本函数、最大和最小爬坡约束、最大和最小出力约束、机组必开约束、最小停机约束以及最小启动约束；

获取所述电力系统的可调节性资源数据；所述可调节性资源数据包括：成本、建设周期、寿命以及效率；

对所述可调节性资源数据进行优先开发排序，得到当前的可调节性资源建设方案；

根据所述电力系统的数据和所述当前的可调节性资源建设方案，采用电力系统机组组合模型确定8760小时下电源运行情况和弃风弃光情况；所述电力系统机组组合模型以所述电力系统的数据和所述可调节性资源建设方案为输入，以8760小时下电源运行情况和弃风弃光情况为输出；

根据8760小时下电源运行情况和弃风弃光情况，确定每个时刻所述电力系统的爬坡灵活性需求及对应的弃风弃光率和调峰灵活性需求及对应的弃风弃光率；

判断所述爬坡灵活性需求对应的弃风弃光率和调峰灵活性需求对应的弃风弃光率是否均小于设定阈值；

若所述爬坡灵活性需求对应的弃风弃光率和调峰灵活性需求对应的弃风弃光率均小于设定阈值，则将所述当前的可调节性资源建设方案确定为目标的可调节性资源建设方案；

若所述爬坡灵活性需求对应的弃风弃光率或调峰灵活性需求对应的弃风弃光率不小于设定阈值，则根据所述所述爬坡灵活性需求及对应的弃风弃光率和调峰灵活性需求及对应的弃风弃光率更新所述电力系统的数据，以及根据所述所述爬坡灵活性需求及对应的弃风弃光率和调峰灵活性需求及对应的弃风弃光率对所述可调节性资源数据进行优先开发排序，得到更新后的可调节性资源建设方案；将所述当前的可调节性资源建设方案替换为所述更新后的可调节性资源建设方案，并返回所述根据所述电力系统的数据和所述当前的可调节性资源建设方案，采用电力系统机组组合模型确定8760小时下电源运行情况和弃风弃光情况的步骤。

2.根据权利要求1所述的一种电力系统的可调节性资源建设方案确定方法，其特征在于，所述根据所述电力系统的数据和所述当前的可调节性资源建设方案，采用电力系统机组组合模型确定8760小时下电源运行情况和弃风弃光情况，之前还包括：

根据所述电力系统的数据和所述可调节性资源建设方案，采用GAMS软件，确定电力系统机组组合模型。

3.根据权利要求2所述的一种电力系统的可调节性资源建设方案确定方法，其特征在于，所述根据所述电力系统的数据和所述可调节性资源建设方案，采用GAMS软件，确定电力系统机组组合模型，具体包括：

利用公式

确定电力系统机组组合模型的目标函数；

其中，T为时段数；N为火电机组数，U_i,t为机组i在时段t的运行状态变量，U_i,t＝0表示停机，U_i,t＝1表示运行，P_i,t为火电机组在时段t的功率变量，a_i为机组i的边际能耗成本参数，b_i为机组i的空载成本参数，S_i为机组i的启动成本，ρ₁和ρ₂分别表示弃用风电和光伏的惩罚系数，P_c1,t和P_c2,t分别为系统在时段t的弃风和弃光电量。

4.根据权利要求1所述的一种电力系统的可调节性资源建设方案确定方法，其特征在于，所述根据8760小时下电源运行情况和弃风弃光情况，确定每个时刻所述电力系统的爬坡灵活性需求及对应的弃风弃光率和调峰灵活性需求及对应的弃风弃光率，具体包括：

利用公式

确定所述电力系统由于缺乏调峰灵活性而导致的弃风光率；

利用公式

确定所述电力系统由于缺乏爬坡灵活性而导致的弃风光率；

其中，T_peakshaving表示系统缺乏调峰灵活性而导致弃风光的总时长，P_{W,peakshaving,t}表示系统由于缺乏调峰灵活性而导致弃风光的时刻t所对应的新能源出力，T_ramping表示系统缺乏爬坡灵活性而导致弃风光的总时长，P_W,ramping,t表示系统由于缺乏爬坡灵活性而导致弃风光的时刻t所对应的新能源出力，E_{peakshaving,t}表示系统在t时刻的调峰灵活性需求量，E_ramping,t表示系统在t时刻的爬坡灵活性需求量。

5.一种电力系统的可调节性资源建设方案确定系统，其特征在于，包括：

电力系统的数据获取模块，用于获取当前的电力系统的数据；所述电力系统的数据包括：当前的电力系统电源装机情况以及未来规划发展情况、未来负荷情况以及未来新能源发展水平；所述电源装机情况包括：各类电源的成本函数、最大和最小爬坡约束、最大和最小出力约束、机组必开约束、最小停机约束以及最小启动约束；

可调节性资源数据获取模块，用于获取所述电力系统的可调节性资源数据；所述可调节性资源数据包括：成本、建设周期、寿命以及效率；

当前的可调节性资源建设方案确定模块，用于对所述可调节性资源数据进行优先开发排序，得到当前的可调节性资源建设方案；

电源运行情况和弃风弃光情况确定模块，用于根据所述电力系统的数据和所述当前的可调节性资源建设方案，采用电力系统机组组合模型确定8760小时下电源运行情况和弃风弃光情况；所述电力系统机组组合模型以所述电力系统的数据和所述可调节性资源建设方案为输入，以8760小时下电源运行情况和弃风弃光情况为输出；

供需情况确定模块，用于根据8760小时下电源运行情况和弃风弃光情况，确定每个时刻所述电力系统的爬坡灵活性需求及对应的弃风弃光率和调峰灵活性需求及对应的弃风弃光率；

判断模块，用于判断所述爬坡灵活性需求对应的弃风弃光率和调峰灵活性需求对应的弃风弃光率是否均小于设定阈值；

目标的可调节性资源建设方案第一确定模块，用于若所述爬坡灵活性需求对应的弃风弃光率和调峰灵活性需求对应的弃风弃光率均小于设定阈值，则将所述当前的可调节性资源建设方案确定为目标的可调节性资源建设方案；

目标的可调节性资源建设方案第二确定模块，用于若所述爬坡灵活性需求对应的弃风弃光率或调峰灵活性需求对应的弃风弃光率不小于设定阈值，则根据所述所述爬坡灵活性需求及对应的弃风弃光率和调峰灵活性需求及对应的弃风弃光率更新所述电力系统的数据，以及根据所述所述爬坡灵活性需求及对应的弃风弃光率和调峰灵活性需求及对应的弃风弃光率对所述可调节性资源数据进行优先开发排序，得到更新后的可调节性资源建设方案；将所述当前的可调节性资源建设方案替换为所述更新后的可调节性资源建设方案，并返回所述根据所述电力系统的数据和所述当前的可调节性资源建设方案，采用电力系统机组组合模型确定8760小时下电源运行情况和弃风弃光情况的步骤。

6.根据权利要求5所述的一种电力系统的可调节性资源建设方案确定系统，其特征在于，还包括：

电力系统机组组合模型确定模块，用于根据所述电力系统的数据和所述可调节性资源建设方案，采用GAMS软件，确定电力系统机组组合模型。

7.根据权利要求6所述的一种电力系统的可调节性资源建设方案确定系统，其特征在于，所述电力系统机组组合模型确定模块具体包括：

目标函数确定单元，用于利用公式

确定电力系统机组组合模型的目标函数；

其中，T为时段数；N为火电机组数，U_i,t为机组i在时段t的运行状态变量，U_i,t＝0表示停机，U_i,t＝1表示运行，P_i,t为火电机组在时段t的功率变量，a_i为机组i的边际能耗成本参数，b_i为机组i的空载成本参数，S_i为机组i的启动成本，ρ₁和ρ₂分别表示弃用风电和光伏的惩罚系数，P_c1,t和P_c2,t分别为系统在时段t的弃风和弃光电量。

8.根据权利要求5所述的一种电力系统的可调节性资源建设方案确定系统，其特征在于，所述供需情况确定模块具体包括：

调峰灵活性需求对应的弃风弃光率确定单元，用于利用公式

确定所述电力系统由于缺乏调峰灵活性而导致的弃风光率；

爬坡灵活性需求对应的弃风弃光率确定单元，用于利用公式

确定所述电力系统由于缺乏爬坡灵活性而导致的弃风光率；

其中，T_peakshaving表示系统缺乏调峰灵活性而导致弃风光的总时长，P_{W,peakshaving,t}表示系统由于缺乏调峰灵活性而导致弃风光的时刻t所对应的新能源出力，T_ramping表示系统缺乏爬坡灵活性而导致弃风光的总时长，P_W,ramping,t表示系统由于缺乏爬坡灵活性而导致弃风光的时刻t所对应的新能源出力，E_{peakshaving,t}表示系统在t时刻的调峰灵活性需求量，E_ramping,t表示系统在t时刻的爬坡灵活性需求量。

Images