CN113177692A - 一种国家指令性电量的年计划完成风险评估方法 - Google Patents

一种国家指令性电量的年计划完成风险评估方法 Download PDF

Info

Publication number
CN113177692A
CN113177692A CN202110367918.XA CN202110367918A CN113177692A CN 113177692 A CN113177692 A CN 113177692A CN 202110367918 A CN202110367918 A CN 202110367918A CN 113177692 A CN113177692 A CN 113177692A
Authority
CN
China
Prior art keywords
electric quantity
annual
power plant
plan
month
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
CN202110367918.XA
Other languages
English (en)
Other versions
CN113177692B (zh
Inventor
杨洪明
罗俊毅
刘俊鹏
余千
杨洪朝
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.)
Zhuzhou Huaao Energy Technology Co ltd
Changsha University of Science and Technology
Original Assignee
Zhuzhou Huaao Energy Technology Co ltd
Changsha University of Science and Technology
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 Zhuzhou Huaao Energy Technology Co ltd, Changsha University of Science and Technology filed Critical Zhuzhou Huaao Energy Technology Co ltd
Priority to CN202110367918.XA priority Critical patent/CN113177692B/zh
Publication of CN113177692A publication Critical patent/CN113177692A/zh
Application granted granted Critical
Publication of CN113177692B publication Critical patent/CN113177692B/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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Educational Administration (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Algebra (AREA)
  • Quality & Reliability (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Water Supply & Treatment (AREA)

Abstract

本发明公开了一种国家指令性电量的年计划完成风险评估方法，其步骤包括：步骤S1：获取年偏差指令电量Qdep；以待完成年计划电量Qrem，j为标准，依据电厂的调减电量Qsub，j及年计划电量Qplan，j，获取年偏差指令电量Qdep；步骤S2：分别计算每家电厂的Qdep与Qplan，j比值，并求所有这个比值的平方和，得到受端系统指令性电量的年计划完成风险R。本发明具有原理简单、易实现、评估精确度高等优点。

Description

一种国家指令性电量的年计划完成风险评估方法
技术领域
本发明主要涉及到电力市场智能交易决策技术领域，特指国家指令性电量的年计划完成风险评估方法。
背景技术
经济社会发展往往伴随着电能需求的提升，我国部分省份的资源条件有限，单靠自身供电能力无法满足日益增长的居民社会用电需求，为保证这些省份的社会经济平稳发展及居民基本生活水平，国家会向特定企业下达面向这些省份的定点电能分配任务，这些定点分配的电能统称为“国家指令性计划电量”。这些电量的月度发送电比例由国家发改委综合考虑各省市电力供需情况确定，发电厂和各省市电网公司要严格按照要求执行。但各月实际执行情况通常受到跨省联络线运行状况的影响：若是跨省联络线的传输容量有限，或是电厂出力条件不如预期，则会导致原有的月指令性购电计划无法完成，这时需要对各电厂的月指令购电量进行调减；而月指令性电量的调减毫无疑问会影响电厂的年指令性电量完成情况，且不同电厂的年指令性电量完成情况存在差异，因此不同的月指令电量调减方式会影响国家指令性电量整体的完成情况，即产生指令性电量年计划的完成风险。月指令性电量的总的调减数值一般是确定的，可以通过受端系统原计划月购指令电量、该月受端系统实际可接受的最大指令性电量相减得到。因此影响国家指令性电量整体完成情况的关键，在于如何将特定数目的调减电量在各指令性电量的发电厂之间进行最合理的分配，而分配方式的合理性与指令性电量的年计划完成风险紧密相关，所以需要建立年计划完成风险评估指标，通过评估指标的大小确定当前电量分配方式的合理程度，进而为受端系统的月指令性购电决策提供可靠的凭据。
现有技术中，针对上述技术需求，其主要从历史数据分析，电力不确定性刻画的角度出发，试图对电力系统的运行风险进行评估，以提高电力系统稳定性、降低电力系统运行风险。
例如中国专利申请号201911157779.7(“一种基于机器学习的中长期电力市场风险评估方法”)，在它提出的技术方案中，针对中长期电力市场中存在的典型风险事件，提出一种基于机器学习的中长期电力市场风险评估方法，通过收集电力市场风险相关数据、系统运行约束条件数据、报价数据，并根据获取的数据，建立中长期电力市场风险评估指标体系，对中长期电力市场中出现典型风险事件的危害程度进行定量分析，获得中长期电力市场风险评估数据；基于机器学习进行中长期电力市场风险进行评估，建立针对中长期电力市场风险的通用综合评估模型，对中长期市场风险进行评估。对于降低中长期电力市场的运营风险有重要参考价值。
又例如中国专利申请号201911126035.9(“基于调峰需求的电力系统中长期弃风风险评估方法及装置”)，在它提出的技术方案中，提出了一种基于调峰需求的电力系统中长期弃风风险评估方法及装置，该方法先基于原始系统数据，分析大规模风电接入后系统的调峰需求；再定量分析大规模风电接入后系统的日调峰能力并建立日尖峰负荷模型；最后提出含大规模风电系统的弃风风险指标计算方法。它能体现风电不确定性特征对电力系统运行的影响，还可以全面度量系统的风电接纳能力和中长期运行规划面临的弃风风险。
但是，上述现有的技术方案都是在对系统运行历史数据或电源出力特性进行不确定性分析的基础上，将不确定性与风险结合，最后提出相应的风险评估指标。而对指令性电量而言，若从电源不确定性出发，一方面发电机组数据难于获取，另一方面指令性电量的发电厂一般机组供电可靠性较高，电源出力特性对指令性电量完成风险影响较小。若从历史数据出发，由于指令性电量的供应时段遍及全年，且供电机组较多，相关的数据量较为庞大，分析起来较为复杂。因此上述方案尽管在考虑电力系统运行不确定性基础上建立了风险评估指标，但相关的分析方法及指标却并不适用于对指令性电量的年计划完成风险进行评估。
因此，当跨省联络线特定月份输送容量有限，需对各发电厂的月指令性购电量进行调整时，由于不同电厂的年指令性电量完成情况存在差异，调减电量的不同分配方式会影响国家指令性电量整体的完成情况，即出现指令性电量年计划的完成风险。为对这种情形下的指令性电量年计划完成风险进行有效评估，以提升指令性电量利用率，需研发一种对特定调减电量分配方式下的指令性电量年计划完成风险进行有效评估的方法。
发明内容
本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种原理简单、易实现、评估精确度高的国家指令性电量的年计划完成风险评估方法。
为解决上述技术问题，本发明采用以下技术方案：
一种国家指令性电量的年计划完成风险评估方法，其步骤包括：
步骤S1：获取年偏差指令电量Qdep；以待完成年计划电量Qrem，j为标准，依据电厂的调减电量Qsub，j及年计划电量Qplan，j，获取年偏差指令电量Qdep；
步骤S2：分别计算每家电厂的Qdep与Qplan，j比值，并求所有这个比值的平方和，得到受端系统指令性电量的年计划完成风险R。
作为本发明的进一步改进：在所述步骤S1中，受端系统的指令性电量源自N家电厂，对于每家电厂，以其第j月调减电量Qsub，j为参数，计算得该电厂第j月经调整的年计划电量Qplan，j及待完成年计划电量Qrem，j，将Qrem，j与第j+1至第12月的电厂最大容许月购指令电量相减得电厂的年偏差指令电量Qdep。
作为本发明的进一步改进：在步骤S2中，分别计算N家电厂的Qdep与Qplan，j比值，并求这N个比值的平方和，得到受端系统指令性电量的年计划完成风险R。
作为本发明的进一步改进：所述步骤S1的具体流程包括：
步骤S101：第j月国家对电厂原有年计划电量调整比率为1+ρj，将1至j月电厂的电量调整比率相乘得第j月电厂原有年计划电量总调整比率Lj，Lj与电厂原有年计划电量Qplan相乘得第j月经调整的电厂年计划电量值Qplan，j；
步骤S102：将电厂第1至第j月的原计划购电量求和，总和与电厂原有年计划电量Qplan比值即为第j月电厂理想年计划完成度Fj；以电厂第j月调减电量Qsub，j为参数，用Qsub，j与第j月经调整的电厂年计划电量值Qplan，j相除，得电厂第j月的年计划完成偏差Dj，则1-Fj+Dj为电厂第j月的年计划电量待完成比率；
步骤S103：将电厂第j月的年计划电量待完成比率与Qplan，j相乘，得第j月电厂的待完成年计划电量Qrem，j，由Qrem，j可求得电厂的年偏差指令电量Qdep；
步骤S104：令电厂第j月的调减电量Qsub，j为零，判断此时电厂的年偏差指令电量是否大于零，若大于，则电厂的年偏差指令电量仍为步骤S103中求得的Qdep，反之将电厂的年偏差指令电量Qdep取为零。
作为本发明的进一步改进：所述步骤S103中，电厂年偏差指令电量Qdep的计算方式为：
Figure BDA0003008168850000041
其中Kmax，m为第m月受端系统对电厂购电比例的最大允许值，Qpre，m为第m月电厂的发电量预测值。
作为本发明的进一步改进：所述步骤S2中由上述步骤S104求得的电厂年偏差指令电量为Qdep，上述步骤S101求得的电厂第j月经调整的年计划电量为Qplan，j，受端电力系统的指令性电量源自N家电厂；分别计算这N家电厂的年偏差指令电量Qdep与第j月经调整年计划电量Qplan，j的比值，将得到的比值取平方后相加即为指令性电量的年计划完成风险R。
作为本发明的进一步改进：所述步骤中指令性电量的年计划完成风险R具体由下式给定：
Figure BDA0003008168850000042
其中Qdep，n表第n家电厂的年偏差指令电量，Qplan，n，j表第n家电厂第j月经调整的年计划电量。
与现有技术相比，本发明的优点在于：
1.本发明使得电厂指令性电量年计划完成度的计算流程贴合实际，增强了所提方法的实用性。本发明能有效评估月指令性电量不同调减方式下的指令性电量年计划完成风险，为受端交易中心月指令性电量购电决策提供可靠依据
2.本发明以电厂月最大允许购电比例与月预测发电量的乘积表征电厂当月可提供的最大指令性电量：一般来说电厂最大可供电量的确定要考虑各机组出力特性、机组检修计划安排、机组备用情况综合确定，但指令性电量发电厂的发电机组一般较多，且相关检修计划、机组备用数据难于获取，照传统方法计算会极大增加方法的复杂度及实际操作中的工作量。考虑到各电厂的指令性电量月购电比例均有上下限约束，特定月份购电比例的上限是考虑了发电厂、联络线在特定时段的多方面约束后确定的，一定程度上反映了该月发电厂的最大供电能力。通常电厂的月购指令性电量是由当月电厂的预测发电量与购电比例相乘得到的，因此这里可对传统求解流程作出简化，以电厂月最大允许购电比例与月预测发电量的乘积表征电厂当月可提供的最大指令性电量，这样一方面月最大允许购电比例数据易于获取，给数据收集工作带来了便利，另一方面也保证了方法的精确度。
附图说明
图1是本发明方法的流程示意图。
图2是本发明在具体应用实例中A、B电厂第1月至第8月各自的原有年计划电量调整比率。
图3是本发明在具体应用实例中受端系统第9月至第12月对A、B电厂的月指令性电量购电比例最大允许值。
图4是本发明在具体应用实例中A、B电厂从第9月到第12月的月发电量预测值(数值单位：亿千瓦时)。
具体实施方式
以下将结合说明书附图和具体实施例对本发明做进一步详细说明。
如图1所示，本发明的一种国家指令性电量的年计划完成风险评估方法，其步骤包括：
步骤S1：获取年偏差指令电量Qdep；以待完成年计划电量Qrem，j为标准，依据电厂的调减电量Qsub，j及年计划电量Qplan，j，获取年偏差指令电量Qdep；
步骤S2：分别计算每家电厂的Qdep与Qplan，j比值，并求所有这个比值的平方和，得到受端系统指令性电量的年计划完成风险R。其中，R反映了各电厂的指令性电量完成情况与指令性电量年计划完成风险之间的联系，便于受端交易中心依据各电厂指令性电量完成的实际情况，有针对性的对电厂的月购指令电量作出调整，在提升指令性电量利用率的同时最小化指令性电量的年计划完成风险。
在具体应用实例中，在步骤S1中，受端系统的指令性电量源自N家电厂，对于每家电厂，以其第j月调减电量Qsub，j为参数，计算得该电厂第j月经调整的年计划电量Qplan，j及待完成年计划电量Qrem，j，将Qrem，j与第j+1至第12月的电厂最大容许月购指令电量相减得电厂的年偏差指令电量Qdep。
在具体应用实例中，在步骤S2中，分别计算N家电厂的Qdep与Qplan，j比值，并求这N个比值的平方和，得到受端系统指令性电量的年计划完成风险R。
在具体应用实例中，所述步骤S1的具体流程包括：
步骤S101：第j月国家对电厂原有年计划电量调整比率为1+ρj，将1至j月电厂的电量调整比率相乘得第j月电厂原有年计划电量总调整比率Lj，Lj与电厂原有年计划电量Qplan相乘得第j月经调整的电厂年计划电量值Qplan，j；
步骤S102：将电厂第1至第j月的原计划购电量求和，总和与电厂原有年计划电量Qplan比值即为第j月电厂理想年计划完成度Fj；以电厂第j月调减电量Qsub，j为参数，用Qsub，j与第j月经调整的电厂年计划电量值Qplan，j相除，得电厂第j月的年计划完成偏差Dj，则1-Fj+Dj为电厂第j月的年计划电量待完成比率；
步骤S103：将电厂第j月的年计划电量待完成比率与Qplan，j相乘，得第j月电厂的待完成年计划电量Qrem，j，由Qrem，j可求得电厂的年偏差指令电量Qdep。
步骤S104：令电厂第j月的调减电量Qsub，j为零，判断此时电厂的年偏差指令电量是否大于零，若大于，则电厂的年偏差指令电量仍为步骤S103中求得的Qdep，反之将电厂的年偏差指令电量Qdep取为零。
在具体应用实例中，所述步骤S103中，电厂年偏差指令电量Qdep的计算方式为：
Figure BDA0003008168850000071
其中Kmax，m为第m月受端系统对电厂购电比例的最大允许值，Qpre，m为第m月电厂的发电量预测值。
在具体应用实例中，所述步骤S2中由上述步骤S104求得的电厂年偏差指令电量为Qdep，上述步骤S101求得的电厂第j月经调整的年计划电量为Qplan，j，受端电力系统的指令性电量源自N家电厂；分别计算这N家电厂的年偏差指令电量Qdep与第j月经调整年计划电量Qplan，j的比值，将得到的比值取平方后相加即为指令性电量的年计划完成风险R。
在具体应用实例中，在上述步骤中指令性电量的年计划完成风险R具体由下式给定：
Figure BDA0003008168850000072
其中Qdep，n表第n家电厂的年偏差指令电量，Qplan，n，j表第n家电厂第j月经调整的年计划电量。
由上可知，本发明的国家指令性电量的年计划完成风险评估方法，为一种能有效评估月指令性电量不同调减方式下的指令性电量年计划完成风险，为受端交易中心月指令性电量购电决策提供可靠依据的风险评估方法。
该方法先基于电厂原有年计划电量及各月原计划购电量，以电厂第j月调减电量为参数，求得第j月经调整的电厂年计划电量及电厂待完成年计划电量；再结合第j+1至第12月的电厂最大容许月购指令电量求得电厂的年偏差指令电量Qdep；最后求各电厂年偏差指令电量与第j月经调整的电厂年计划电量比值，将求得的比值取平方后相加得到国家指令性电量的年计划完成风险R。
本发明是针对现有电力风险评估技术由于具体原理与指令性电量的固有特征存在冲突，导致其不适用于指令性电量年计划完成风险评估的技术问题所提出的。本发明提出的国家指令性电量的年计划完成风险评估方法基于国家对电厂指令性电量年计划的月度调整情况，求得第i月经调整的电厂年计划电量。再将第1至第j月的原计划购电量求和，与电厂原有年计划电量值相除得到第j月电厂理想年计划完成度，将电厂第j月调减电量与第j月经调整的电厂年计划电量值相除，得电厂第j月的年计划完成偏差。进而将第j月的电厂理想年计划完成度及电厂年计划完成偏差相结合，求得电厂第j月的年计划电量待完成比率，待完成比率与第j月经调整的电厂年计划电量值相乘得第j月电厂的待完成年计划电量。之后提出了年偏差指令电量的概念，用以表示电厂年内无法完成的指令性电量数值，年偏差指令电量由待完成年计划电量与第j+1至第12月的电厂最大容许月购指令电量相减得到。最后求各电厂的年偏差指令电量与第j月经调整的电厂年计划电量比值的平方和R，R可以反映总的指令性电量年计划完成风险，可以此为依据对特定电厂的月购指令电量进行调减，使总的指令性电量的年计划完成风险最小化。
参见图2-图4所示，本发明在一个具体应用实例中，考虑跨省联络线特定月份输送容量有限，需对各发电厂的月指令性购电量进行调整，但由于不同电厂的年指令性电量完成情况存在差异，调减电量的不同分配方式会影响国家指令性电量整体的完成情况，即出现指令性电量年计划的完成风险。本发明的风险评估方法的具体步骤如下：
(1)设定当前购电月份为第8月，指令性电量来自A、B两家电厂。
(2)以A电厂为例，设定A电厂的原有年计划电量Qplan＝15亿千瓦时，由图2得1至8月A电厂的原有年计划电量调整比率。将1至8月A电厂的电量调整比率相乘得第8月电厂原有年计划电量总调整比率L8＝1.0092，L8与A电厂原有年计划电量Qplan相乘得第8月经调整的电厂年计划电量值Qplan，8＝15.138亿千瓦时。
(3)设定A电厂第1至第8月的原计划购电量为10.32亿千瓦时，与电厂原有年计划电量Qplan相除求得第8月A电厂理想年计划完成度F8＝0.69；以A电厂第8月调减电量Qsub，A，8为参数，用Qsub，A，8与第8月经调整的A电厂年计划电量值Qplan，8相除，得A电厂第8月的年计划完成偏差D8，求1-F8+D8得到电厂第8月的年计划电量待完成比率如下式：
Figure BDA0003008168850000091
(4)将电厂第8月的年计划电量待完成比率与Qplan，8相乘，得第j月电厂的待完成年计划电量Qrem，8如下式：
Figure BDA0003008168850000092
(5)由Qrem，8，结合图3、图4的数据，可依据步骤S103中公式求得A电厂的年偏差指令电量Qdep如下：
Qdep＝4，69+Qsub，A，8-(10.7×0.1+7.7×0.13+3.6×0.15+2.7×0.14)
＝1.7+Qsub，A，8
(6)令Qsub，A，8＝0，由(5)中的计算结果知此时的年偏差电量大于零，所以年偏差电量保持(5)中求得的结果不变。
(7)A电厂的年偏差指令电量Qdep与第8月经调整的电厂年计划电量值Qplan，8相除，得二者的比值为：
Figure BDA0003008168850000093
由(1)至(7)的计算方式，同理可得B电厂的对应比值为：
Figure BDA0003008168850000094
求二者的平方和得到国家指令性电量的年计划完成风险R如下式：
Figure BDA0003008168850000095
可以看出在本发明的具体实施例中，国家指令性电量的年计划完成风险R是关于第8月A、B电厂调减电量的函数，因此可以有效评估A、B电厂月指令电量的不同调减方式对年计划完成风险R的影响，从中挑选出最优的电量调减方式。
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。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前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (7)

1.一种国家指令性电量的年计划完成风险评估方法，其特征在于，步骤包括：
步骤S1：获取年偏差指令电量Qdep；以待完成年计划电量Qrem,j为标准，依据电厂的调减电量Qsub,j及年计划电量Qplan,j，获取年偏差指令电量Qdep；
步骤S2：分别计算每家电厂的Qdep与Qplan,j比值，并求所有这个比值的平方和，得到受端系统指令性电量的年计划完成风险R。
2.根据权利要求1所述的国家指令性电量的年计划完成风险评估方法，其特征在于，在所述步骤S1中，受端系统的指令性电量源自N家电厂，对于每家电厂，以其第j月调减电量Qsub,j为参数，计算得该电厂第j月经调整的年计划电量Qplan,j及待完成年计划电量Qrem,j，将Qrem,j与第j+1至第12月的电厂最大容许月购指令电量相减得电厂的年偏差指令电量Qdep。
3.根据权利要求1所述的国家指令性电量的年计划完成风险评估方法，其特征在于，在步骤S2中，分别计算N家电厂的Qdep与Qplan,j比值，并求这N个比值的平方和，得到受端系统指令性电量的年计划完成风险R。
4.根据权利要求1或2或3所述的国家指令性电量的年计划完成风险评估方法，其特征在于，所述步骤S1的具体流程包括：
步骤S101：第j月国家对电厂原有年计划电量调整比率为1+ρj，将1至j月电厂的电量调整比率相乘得第j月电厂原有年计划电量总调整比率Lj，Lj与电厂原有年计划电量Qplan相乘得第j月经调整的电厂年计划电量值Qplan,j；
步骤S102：将电厂第1至第j月的原计划购电量求和，总和与电厂原有年计划电量Qplan比值即为第j月电厂理想年计划完成度Fj；以电厂第j月调减电量Qsub,j为参数，用Qsub,j与第j月经调整的电厂年计划电量值Qplan,j相除，得电厂第j月的年计划完成偏差Dj，则1-Fj+Dj为电厂第j月的年计划电量待完成比率；
步骤S103：将电厂第j月的年计划电量待完成比率与Qplan,j相乘，得第j月电厂的待完成年计划电量Qrem,j，由Qrem,j可求得电厂的年偏差指令电量Qdep；
步骤S104：令电厂第j月的调减电量Qsub,j为零，判断此时电厂的年偏差指令电量是否大于零，若大于，则电厂的年偏差指令电量仍为步骤S103中求得的Qdep，反之将电厂的年偏差指令电量Qdep取为零。
5.根据权利要求4所述的国家指令性电量的年计划完成风险评估方法，其特征在于，所述步骤S103中，电厂年偏差指令电量Qdep的计算方式为：
Figure FDA0003008168840000021
其中Kmax,m为第m月受端系统对电厂购电比例的最大允许值，Qpre,m为第m月电厂的发电量预测值。
6.根据权利要求4所述的国家指令性电量的年计划完成风险评估方法，其特征在于，所述步骤S2中由上述步骤S104求得的电厂年偏差指令电量为Qdep，上述步骤S101求得的电厂第j月经调整的年计划电量为Qplan,j，受端电力系统的指令性电量源自N家电厂；分别计算这N家电厂的年偏差指令电量Qdep与第j月经调整年计划电量Qplan,j的比值，将得到的比值取平方后相加即为指令性电量的年计划完成风险R。
7.根据权利要求6所述的国家指令性电量的年计划完成风险评估方法，其特征在于，所述步骤中指令性电量的年计划完成风险R具体由下式给定：
Figure FDA0003008168840000022
其中Qdep,n表第n家电厂的年偏差指令电量，Qplan,n,j表第n家电厂第j月经调整的年计划电量。
CN202110367918.XA 2021-04-06 2021-04-06 一种国家指令性电量的年计划完成风险评估方法 Active CN113177692B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110367918.XA CN113177692B (zh) 2021-04-06 2021-04-06 一种国家指令性电量的年计划完成风险评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110367918.XA CN113177692B (zh) 2021-04-06 2021-04-06 一种国家指令性电量的年计划完成风险评估方法

Publications (2)

Publication Number Publication Date
CN113177692A true CN113177692A (zh) 2021-07-27
CN113177692B CN113177692B (zh) 2024-05-10

Family

ID=76923076

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110367918.XA Active CN113177692B (zh) 2021-04-06 2021-04-06 一种国家指令性电量的年计划完成风险评估方法

Country Status (1)

Country Link
CN (1) CN113177692B (zh)

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0893775A1 (en) * 1997-07-21 1999-01-27 International Business Machines Corporation Process and system for management of electrical power supply
JP2002078198A (ja) * 2000-06-14 2002-03-15 Mitsubishi Electric Corp 電力小売需給バランス制御システム
ITRM20040287A1 (it) * 2003-06-11 2004-09-11 Toshiba Kk Sistema e metodo, e programma per calcolatore per la gestione delle operazioni di gestione di impianti di generazione di energia elettrica.
JP2006260087A (ja) * 2005-03-16 2006-09-28 Toshiba Corp 電力取引評価支援システム、方法、およびプログラム
US20110035071A1 (en) * 2010-07-02 2011-02-10 David Sun System tools for integrating individual load forecasts into a composite load forecast to present a comprehensive synchronized and harmonized load forecast
CN103646329A (zh) * 2013-11-04 2014-03-19 国家电网公司 一种跨区跨省电力交易运营管控方法
CN105654224A (zh) * 2015-10-19 2016-06-08 国家电网公司 一种计及风电不确定性的省级电网月度购电风险管理方法
CN106780123A (zh) * 2016-12-08 2017-05-31 国网浙江省电力公司 一种考虑电网约束的购电计划决策方法
CN107492886A (zh) * 2017-08-28 2017-12-19 国网福建省电力有限公司 一种区域电力市场下含风电的电网月度购电方案优化方法
CN109978289A (zh) * 2017-12-27 2019-07-05 广东电网有限责任公司电力调度控制中心 一种月度市场交易前安全校核的电力转换电量方法
CN110311389A (zh) * 2019-06-13 2019-10-08 国电南瑞科技股份有限公司 适用于新能源消纳的梯级水电联合调频调峰方法及系统
CN110866646A (zh) * 2019-11-18 2020-03-06 国家电网公司西北分部 一种电力系统安全校核方法及安全校核装置
CN112330486A (zh) * 2020-10-29 2021-02-05 长沙理工大学 一种跨区联络线状态异常的挂牌交易优化决策方法
CN112446589A (zh) * 2020-11-04 2021-03-05 国网湖南省电力有限公司 一种受端电力系统的潜在违约指令电量计算方法
CN112508281A (zh) * 2020-12-08 2021-03-16 国网江苏省电力有限公司 一种用于电力中长期交易的时序滚动统筹优化方法

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0893775A1 (en) * 1997-07-21 1999-01-27 International Business Machines Corporation Process and system for management of electrical power supply
JP2002078198A (ja) * 2000-06-14 2002-03-15 Mitsubishi Electric Corp 電力小売需給バランス制御システム
ITRM20040287A1 (it) * 2003-06-11 2004-09-11 Toshiba Kk Sistema e metodo, e programma per calcolatore per la gestione delle operazioni di gestione di impianti di generazione di energia elettrica.
JP2006260087A (ja) * 2005-03-16 2006-09-28 Toshiba Corp 電力取引評価支援システム、方法、およびプログラム
US20110035071A1 (en) * 2010-07-02 2011-02-10 David Sun System tools for integrating individual load forecasts into a composite load forecast to present a comprehensive synchronized and harmonized load forecast
CN103646329A (zh) * 2013-11-04 2014-03-19 国家电网公司 一种跨区跨省电力交易运营管控方法
CN105654224A (zh) * 2015-10-19 2016-06-08 国家电网公司 一种计及风电不确定性的省级电网月度购电风险管理方法
CN106780123A (zh) * 2016-12-08 2017-05-31 国网浙江省电力公司 一种考虑电网约束的购电计划决策方法
CN107492886A (zh) * 2017-08-28 2017-12-19 国网福建省电力有限公司 一种区域电力市场下含风电的电网月度购电方案优化方法
CN109978289A (zh) * 2017-12-27 2019-07-05 广东电网有限责任公司电力调度控制中心 一种月度市场交易前安全校核的电力转换电量方法
CN110311389A (zh) * 2019-06-13 2019-10-08 国电南瑞科技股份有限公司 适用于新能源消纳的梯级水电联合调频调峰方法及系统
CN110866646A (zh) * 2019-11-18 2020-03-06 国家电网公司西北分部 一种电力系统安全校核方法及安全校核装置
CN112330486A (zh) * 2020-10-29 2021-02-05 长沙理工大学 一种跨区联络线状态异常的挂牌交易优化决策方法
CN112446589A (zh) * 2020-11-04 2021-03-05 国网湖南省电力有限公司 一种受端电力系统的潜在违约指令电量计算方法
CN112508281A (zh) * 2020-12-08 2021-03-16 国网江苏省电力有限公司 一种用于电力中长期交易的时序滚动统筹优化方法

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
MING ZHOU等: "Risk Management on Long-term Electricity Purchase Allocation in China Power Markets", 《2005 INTERNATIONAL CONFERENCE ON POWER ELECTRONICS AND DRIVES SYSTEMS》, vol. 2, pages 909 - 914, XP010909776, DOI: 10.1109/PEDS.2005.1619817 *
刘文轩等: "考虑机组重要度和负荷停电损失的网架重构分层协调优化", 《华北电力大学学报(自然科学版)》, vol. 44, no. 02, pages 22 - 32 *
刘治理等: "基于群体偏好的水电企业年发电计划的制定", 《四川大学学报(工程科学版)》, vol. 41, no. 05, pages 54 - 58 *
李伏才: "考虑多重约束和计划-市场协调的跨省跨区月度购电决策", 《电力科学与技术学报》, vol. 36, no. 01, pages 206 - 215 *
李利利等: "基于安全约束机组组合的中长期电量安全校核两阶段优化", 《电力系统自动化》, vol. 44, no. 13, pages 166 - 171 *
王良缘: "基于粒子群优化的年度合同电量降维分解模型", 《电网与清洁能源》, vol. 33, no. 11, pages 63 - 69 *
罗朝春等: "水电不确定条件下电力公司最优购电策略分析", 《电力科学与技术学报》, vol. 29, no. 02, pages 89 - 94 *
黄宇鹏等: "我国省间发电权交易现状及展望", 《科技经济市场》, no. 04, pages 138 - 140 *

Also Published As

Publication number Publication date
CN113177692B (zh) 2024-05-10

Similar Documents

Publication Publication Date Title
CN108879667A (zh) 一种电网闭环控制潮流仿真方法
Tang et al. Unit maintenance strategy considering the uncertainty of energy intensive load and wind power under the carbon peak and carbon neutral target
Wang et al. Inter-provincial electricity spot market model for China
CN107045660B (zh) 一种电站热耗煤耗建模评估方法
CN111160767A (zh) 一种综合能源服务效益评估方法
CN113177692A (zh) 一种国家指令性电量的年计划完成风险评估方法
Davidson Regulatory and technical barriers to wind energy integration in northeast China
CN115619431A (zh) 微电网的调度方法、装置、终端及存储介质
Liu et al. Automatic Demand Response Evaluation Method of Regional Power Grid
Zhang et al. Research on power grid operation and maintenance cost based on analysis of internal and external influence factors
Gu et al. An Auto-Tuned Robust Dispatch Strategy for Virtual Power Plants to Provide Multi-Stage Real-time Balancing Service
Liu et al. Evaluation Index System of Power Grid Corporation's Operation Benefits Based on Future Low-Carbon Energy Framework
US20240097444A1 (en) Hybrid system and method for distributed virtual power plants integrated intelligent net zero
Zhang et al. Research on power planning under the green card and carbon trading process
Bao et al. Electricity Spot Market Design Considering Accurate Security Check
CN114172147B (zh) 一种省级电网调节资源的可发挥能力测算方法及系统
Wang et al. A Review of Demand Response in Electricity Markets
Huang et al. Research on Recognition System of Power Grid Non-Intelligent Meter Based on Machine Vision
Wang et al. Design of Generation Capacity Cost Recovery Mechanism for the Early Stage Development of New Power System
Guo et al. A refined decision-making method for orderly power consumption in virtual power plants considering load characteristics
Han et al. Analysis of peak regulation auxiliary service market under the deepening stage of the spot market construction
Wang et al. A Collaborative Planning Model of Power Source Considering the Uncertainty of The New Energy and The Power Market
He et al. Research and practice of key technology system integration on long-period spot transaction generation side based on new energy characteristics
Lu et al. Investment capacity measurement model of grid enterprises under transmission and distribution cost supervision
Zhanga et al. Construction of Power Grid Investment Optimization Model Based on Improved Particle Swarm Optimization Algorithm

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