发明内容
鉴于上述现有技术的不足,本发明的目的在于提供基于模态互补的发电站选址定容方法、装置、系统及介质,旨在解决现有技术中水风光联合电站能源利用率不高的问题。
本发明的技术方案如下:
一种基于模态互补的发电站选址定容方法,其包括如下步骤:
获取各个备选风光站址对应的风光资源数据,根据所述风光资源数据预测各个备选风光站址在预设周期内的风光预测出力;
根据所述风光预测出力计算各个备选风光站址的风光互补指标,所述风光互补指标包括形态互补性、实时波动互补性以及实时波动欧式距离;
对各个备选风光站址的风光互补指标进行模态加权运算后得到模态加权互补指标,并根据所述模态加权互补指标的最大值选定相应的备选风光站址作为风光互补站址;
在预设范围内调节预设水电站址的水电容量与所述风光互补站址的风光容量之间的容量比,并根据每次调节后的容量比计算水风光联合电站的净负荷基尼系数,输出净负荷基尼系数最小时对应的容量比作为最佳容量比。
所述的基于模态互补的发电站选址定容方法中,所述获取各个备选风光站址对应的风光资源数据,根据所述风光资源数据预测各个备选风光站址在预设周期内的风光预测出力,包括:
获取各个备选风光站址的风能资源数据和太阳能资源数据;
根据所述风能资源数据和太阳能资源数据分别预测各个备选风光站址在周期T内各时段单位装机容量下的风光预测出力,输出相应的风电出力序列和光伏出力序列。
所述的基于模态互补的发电站选址定容方法中,所述根据所述风光预测出力计算各个备选风光站址的风光互补指标,所述风光互补指标包括形态互补性、实时波动互补性以及实时波动欧式距离,包括:
根据所述风电出力序列和光伏出力序列计算原始序列的形态互补性;
对所述风电出力序列和光伏出力序列作一阶差分运算得到风电一阶差分序列和光伏一阶差分序列;
根据所述风电一阶差分序列和光伏一阶差分序列分别计算所述实时波动互补性和实时波动欧式距离。
所述的基于模态互补的发电站选址定容方法中,所述根据所述风电出力序列和光伏出力序列计算原始序列的形态互补性,具体包括:
根据所述风电出力序列(
)和光伏出力序列(
)计算原始序列的形态互补性
,
,其中
为风电在t时刻的出
力,
为光伏在t时刻的出力,
为周期T内风电的平均出力、
为周期T内光伏的
平均出力。
所述的基于模态互补的发电站选址定容方法中,所述根据所述风电一阶差分序列和光伏一阶差分序列分别计算所述实时波动互补性和实时波动欧式距离,具体包括:
根据所述风电一阶差分序列和光伏一阶差分序列计算所述实时波动互补性
和
实时波动欧式距离
,其中,
分别为风电功率、光伏功率、风光联合功率在t时刻的一
阶差分值,
为风电和光伏电站在t时刻的联合功率,
为风电在t时刻的出力,
为光伏在t时刻的出力,
为风电和光伏电站在t+1时刻的联合功率,
为风电在
t+1时刻的出力,
为光伏在t+1时刻的出力,
为t时刻光伏功率一阶差分值与风电
功率一阶差分值的差的平方。
所述的基于模态互补的发电站选址定容方法中,所述对各个备选风光站址的风光互补指标进行模态加权运算后得到模态加权互补指标,并根据所述模态加权互补指标的最大值选定相应的备选风光站址作为风光互补站址,包括:
构造以
为特征变量的3*M维的样本空间
,
,其中
分别为第j个备选风光站址的
形态互补性、实时波动互补性以及实时波动欧式距离,M为备选风光站址的数量;
对所述样本空间进行标准化处理后得到相应的数据集矩阵
,
,
,其中
分别为矩
阵
、
的第i行第j列的元素;
求矩阵
的协方差矩阵
,并求取所述协方差矩阵
的特征值
和单位特征
向量
;
将单位特征向量按照特征值从大到小的顺序,从上到下按行排列构造矩阵
,按
公式
计算得到主成分矩阵
,
,其中各个主
成分的贡献率
,
为所述协方差矩阵的第
个特征值;
根据所述主成分矩阵将各个备选风光站址的风光互补指标
转化为模态加权互
补指标
,
,其中
为主成分矩
阵中第1行第j列的元素,
为主成分矩阵中第2行第j列的元素,
为主成分矩阵中第
3行第j列的元素;
选择模态加权互补指标的最大值对应的风电站址和光伏站址作为所述风光互补站址。
所述的基于模态互补的发电站选址定容方法中,所述在预设范围内调节预设水电站址的水电容量与所述风光互补站址的风光容量之间的容量比,并根据每次调节后的容量比计算水风光联合电站的净负荷基尼系数,输出净负荷基尼系数最小时对应的容量比作为最佳容量比,包括:
获取已选定的风光互补站址中风电站址的风电出力序列和光伏站址的光伏出力序列;
将预设水电站址与已选定的风光互补站址之间的容量比设置为初始值,并根据所述容量比计算得到水电出力序列以及净负荷功率序列;
根据所述净负荷功率序列计算输出相应的净负荷均衡分布曲线,并根据所述净负荷均衡分布曲线计算水风光联合电站的净负荷基尼系数;
按预设步长调节所述容量比的值后返回重新计算所述净负荷基尼系数,直到所述容量比的值达到预设范围的上限值;
选取净负荷基尼系数最小时对应的容量比作为最佳容量比。
本发明又一实施例还提供了一种基于模态互补的发电站选址定容装置,所述装置包括:
风光出力预测模块,用于获取各个备选风光站址对应的风光资源数据,根据所述风光资源数据预测各个备选风光站址在预设周期内的风光预测出力;
互补指标计算模块,用于根据所述风光预测出力计算各个备选风光站址的风光互补指标,所述风光互补指标包括形态互补性、实时波动互补性以及实时波动欧式距离;
选址模块,用于对各个备选风光站址的风光互补指标进行模态加权运算后得到模态加权互补指标,并根据所述模态加权互补指标的最大值选定相应的备选风光站址作为风光互补站址;
容量比优化模块,用于在预设范围内调节预设水电站址的水电容量与所述风光互补站址的风光容量之间的容量比,并根据每次调节后的容量比计算水风光联合电站的净负荷基尼系数,输出净负荷基尼系数最小时对应的容量比作为最佳容量比。
本发明又一实施例还提供了一种基于模态互补的发电站选址定容系统,所述系统包括至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述基于模态互补的发电站选址定容方法。
本发明的另一实施例还提供了一种非易失性计算机可读存储介质,所述非易失性计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行时,可使得所述一个或多个处理器执行上述的基于模态互补的发电站选址定容方法。
有益效果:本发明公开了基于模态互补的发电站选址定容方法、装置、系统及介质,相比于现有技术,本发明实施例对备选风光站址的多项风光互补指标进行计算以及进一步的模态加权运算,选择互补程度最大的风光互补站址并优化水电与风光发电的容量比,使得水风光联合出力曲线能最大化程度与负荷相匹配,提高能源利用率。
具体实施方式
为使本发明的目的、技术方案及效果更加清楚、明确,以下对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。以下结合附图对本发明实施例进行介绍。
请参阅图1,图1为本发明提供的基于模态互补的发电站选址定容方法一个实施例的流程图。本实施例提供的基于模态互补的发电站选址定容方法适用于对水风光联合电站进行选址定容的情况,应用于包括终端设备、网络和服务器构成的系统,其中网络为用于在终端设备和服务器直接提供通信链路的介质,其可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等;终端设备上的操作系统可以包括手持设备操作系统(iPhoneoperating system,iOS系统)、安卓系统或其他操作系统,所述终端设备通过网络连接到服务器以实现交互,从而进行接收或发送数据等操作,具体可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、便携式计算机和台式服务器等等。如图1所示,该方法具体包括如下步骤:
S100、获取各个备选风光站址对应的风光资源数据,根据所述风光资源数据预测各个备选风光站址在预设周期内的风光预测出力。
本实施例中,针对水风光联合发电系统预设有若干个备选风光站址,所述备选风光站址具体包括若干个风电站址和若干个光伏站址,各个备选风光站址输出的电能经并网逆变器、配电变压器接入大电网,再由大电网经配电变压器输出,供用户用电。通过获取各个备选风光站址对应的风光资源数据来进行出力预测,具体所述风光资源数据可以是各个备选风光站址的发电功率历史数据,或者也可以是从气象站等数据源获取的各个风电站址的风能数据以及各个光伏站址的太阳能数据,从而对各个备选风光站址在预设周期内的风光预测出力进行准确预测,为水风光联合发电系统的站址选择提供准确的分析数据,提高站址选择的可靠性。
S200、根据所述风光预测出力计算各个备选风光站址的风光互补指标,所述风光互补指标包括形态互补性、实时波动互补性以及实时波动欧式距离。
由于风电和太阳能发电在时空上存在互补性,合理利用其互补特性可最大限度的优化风光联合出力的稳定性和安全性,因此在得到各个备选风光站址的风光预测出力后,则进一步计算对应的风光互补指标,所述风光互补指标用于表征不同的风电站址与光伏站址之间的风光出力互补程度,互补程度越大则越有利于风电站址与光伏站址之间的互补波动抑制,具体地,所述风光互补指标包括形态互补性、实时波动互补性以及实时波动欧式距离,即本实施例中并非采用传统的单一互补系数来描述不同能源出力相互补充对负荷需求的满足程度,而是充分考虑了风能和太阳能之间的多种互补特性,通过不同的互补指标来分别表征对应的时空互补特性,使得风光互补指标更加合理且全面,尽可能地提高了对不同备选风光站址之间的互补评估的准确性,有利于风光电站址的选择。
S300、对各个备选风光站址的风光互补指标进行模态加权运算后得到模态加权互补指标,并根据所述模态加权互补指标的最大值选定相应的备选风光站址作为风光互补站址。
由于针对每个备选风光站址均需要计算包括形态互补性、实时波动互补性以及实时波动欧式距离在内的多种风光互补指标,考虑到不同类型的风光互补指标之间的相关性,进一步对各个备选风光站址的风光互补指标进行模态加权运算,即引入加权系数对所述形态互补性、实时波动互补性以及实时波动欧式距离进行加权计算得到总体互补指标,并且进一步以不同风光互补指标作为模态分析对象,分析确定各个风光互补指标的权重系数,通过权重系数来体现不同风光互补指标对风光互补程度的影响力,从而得到更加准确合理的模态加权互补指标,选定最大值对应的两个备选风光站址作为风光互补站址,即最优的选址方案,所述风光互补站址包括一个风电站址和一个光伏站址,二者具有最大的模态加权互补指标,表示这两个电站之间的互补程度最高,能最大程度的利用风光资源的互补性,确保站址选择的合理性以及对资源的利用率。
S400、在预设范围内调节预设水电站址的水电容量与所述风光互补站址的风光容量之间的容量比,并根据每次调节后的容量比计算水风光联合电站的净负荷基尼系数,输出净负荷基尼系数最小时对应的容量比作为最佳容量比。
在选定了所述风光互补站址作为最优地址的基础上,通过有调节能力的水电机组联合风光电站出力,进一步利用水电快速调节能力来平抑风光出力波动,实现水风光联合电站的最优配置方案,具体通过调节预设水电站址的水电容量与所述风光互补站址的风光容量之间的容量比来实现,即所述容量比为水电与风光容量之间的比例,所述容量比可在预设范围内进行灵活调节,具体可根据实际需要设置预设范围的大小以及调节方式等等,例如调节方式可采用等步长调节、指定比例调节等等,本实施例对此不作限定。每次对容量比进行调节后均计算当前容量比下水风光联合电站的净负荷基尼系数,具体所述水风光联合电站包括已选定的风光互补站址以及预设水电站址所对应的三家发电站,所述净负荷基尼系数用于度量在一定容量比下,水风光联合电站跟踪符合功率曲线的程度,即水风光联合电站的出力曲线与负荷曲线的匹配程度,当净负荷基尼系数越小时,说明水风光联合电站的出力曲线与负荷曲线的匹配程度越高,将此时对应的容量比作为最佳容量比,预设水电站址则按所述最佳容量比进行水电出力,实现与风电互补站址之间的最优资源配置。也就是说,本实施例中通过有调节能力的水电机组联合风光电站出力,一方面能平抑风光电站的波动性,另一方面还可跟踪负荷功率变化,通过调节容量比使净负荷功率曲线平稳均衡,在选择了具有最优互补程度的风光互补站址的基础上,将水电与风光容量的比例最大程度进行了优化配置,使得水风光联合电站的输出与负荷能匹配,有效提高了资源利用率。
进一步地,在一个实施例中,所述获取各个备选风光站址对应的风光资源数据,根据所述风光资源数据预测各个备选风光站址在预设周期内的风光预测出力,包括:
获取各个备选风光站址的风能资源数据和太阳能资源数据;
根据所述风能资源数据和太阳能资源数据分别预测各个备选风光站址在周期T内各时段单位装机容量下的风光预测出力,输出相应的风电出力序列和光伏出力序列。
本实施例中,根据各个备选风光站址的发电功率历史数据,或者获取从气象站等数据源获取的各个风电站址的风能数据以及各个光伏站址的太阳能数据得到各个备选风光站址的风能资源数据和太阳能资源数据,通过风能资源数据预测各个风电站址在周期T内各时段单位装机容量下的风电预测出力,输出风电出力序列,并且通过太阳能资源数据预测各个光伏站址在周期T内各时段单位装机容量下的光伏预测出力,输出光伏出力序列,所述风电出力序列和光伏出力序列分别代表了风电站址和光伏站址在单位装机容量下不同时段的输出功率,通过不同时段下的出力序列能体现风电出力以及光伏出力的波动变化,为后续的风光互补指标计算提供更加精准的数据,具体周期T可根据需求灵活设置,例如设置为24小时,则预测得到的是风电日预测出力以及光伏日预测出力,当然还可设置为其它周期,本实施例对此不作限定,具体的出力预测过程可采用现有技术进行预测,此处不作赘述。
进一步地,在一个实施例中,所述根据所述风光预测出力计算各个备选风光站址的风光互补指标,所述风光互补指标包括形态互补性、实时波动互补性以及实时波动欧式距离,包括:
根据所述风电出力序列和光伏出力序列计算原始序列的形态互补性;
对所述风电出力序列和光伏出力序列作一阶差分运算得到风电一阶差分序列和光伏一阶差分序列;
根据所述风电一阶差分序列和光伏一阶差分序列分别计算所述实时波动互补性和实时波动欧式距离。
本实施例中,通过所述风电出力序列和光伏出力序列分别计算各个备选风光站址
的形态互补性、实时波动互补性以及实时波动欧式距离,以尽可能地优化风光站址之间的
互补特性,其中具体地,所述形态互补性的计算过程为根据所述风电出力序列(
)和光伏出力序列(
)计算原始序列的形
态互补性
,
,其中
为风电
在t时刻的出力,
为光伏在t时刻的出力,
为周期T内风电的平均出力、
为周
期T内光伏的平均出力,
,
越大,则风光出力的形态互补性越强。
进一步地,所述实时波动互补性以及实时波动欧式距离的计算需要先对所述风电出力序列和光伏出力序列作一阶差分运算得到风电一阶差分序列和光伏一阶差分序列,进而根据所述风电一阶差分序列和光伏一阶差分序列分别计算得到所述实时波动互补性以及实时波动欧式距离。
具体地,所述实时波动互补性的计算过程为对所述风电出力序列和光伏出力序列
作一阶差分运算得到风电一阶差分序列(
)和光伏一阶差分
序列(
),之后计算实时波动互补性
,计算模型具
体为:
其中,
分别为风电功率、光伏功率、风光联合功率在t时
刻的一阶差分值,
为风电和光伏电站在t时刻的联合功率,
为风电和光伏电站
在t+1时刻的联合功率,
为风电在t+1时刻的出力,
为光伏在t+1时刻的出力,
,
越大则风光实时波动互补性越强。
其中,
为t时刻光伏功率一阶差分值与风电功率一阶差分值的差的平方,
,
越大则风光实时波动互补性越强。
进一步地,在一个实施例中,所述对各个备选风光站址的风光互补指标进行模态加权运算后得到模态加权互补指标,并根据所述模态加权互补指标的最大值选定相应的备选风光站址作为风光互补站址,包括:
构造以
为特征变量的3*M维的样本空间
,
,其中
分别为第j个备选风光站址的形
态互补性、实时波动互补性以及实时波动欧式距离,M为备选风光站址的数量;
对所述样本空间进行标准化处理后得到相应的数据集矩阵
,
,
,其中
分别为矩阵
、
的第i行第j列的元素;
求矩阵
的协方差矩阵
,并求取所述协方差矩阵
的特征值
和单位特征
向量
;
将单位特征向量按照特征值从大到小的顺序,从上到下按行排列构造矩阵
,按
公式
计算得到主成分矩阵
,
,其中各个主
成分的贡献率
,
为所述协方差矩阵的第
个特征值;
根据所述主成分矩阵将各个备选风光站址的风光互补指标
转化为模态加权互
补指标
,
,其中
为主成分矩阵
中第1行第j列的元素,
为主成分矩阵中第2行第j列的元素,
为主成分矩阵中第3
行第j列的元素;
选择模态加权互补指标的最大值对应的风电站址和光伏站址作为所述风光互补站址。
本实施例中,在进行模态加权运算时,引入加权系数
、
、
对所述形态互
补性
、实时波动互补性
和实时波动欧式距离
进行加权计算得到备选风光站址的总
体互补指标
,具体计算模型为:
其中,加权系数的确定考虑到各风光互补指标具有一定相关性,且以人为经验为
主的权重系数确定方法具有主观性缺陷,因此本实施例中采用主成分分析法对
三个特征指标组成的样本空间
进行变换,得到样本
空间
对应的模态空间
,之后进一步确定各特征指标的权重系数,具体的步骤是先据M
个风电出力样本和M个光伏出力样本计算
三个特征指标,形成有M个样本,
每个样本由3个特征变量描述的数据集,将数据集中的每个样本作为列向量,构成一个3行M
列的矩阵
。
其中,
分别为第j个备选风光站址的形态互补性、实时波动互补性
以及实时波动欧式距离,M为备选风光站址的数量。
将矩阵
的每个行向量都减去该行向量的均值,再除以该行向量的标准差,得到
新的数据集矩阵
,具体计算模型如下:
之后求矩阵
的协方差矩阵
,并求取所述协方差矩阵
的特征值
和单位
特征向量
,具体
。
之后按单位特征向量按照特征值从大到小的顺序,从上到下按行排列构造矩阵
,通过公式
计算得到主成分矩阵
,具体可以表示为:
用特征值计算各主成分的贡献率
,具体计算模型为:
,其
中
为所述协方差矩阵的第
个特征值,
。
由以上过程可知,原始数据集
通过矩阵
重构成了新数据集
,数据集
中
每个样本状态空间由3个主成分构成,而每个主成分由3个特征指标经标准化后线性组合得
到,故可称新数据集
为原始数据集
的模态空间,
的每列为基本模态,记为
,各主成分的方差贡献率反映了其对样本整体状况的影响程度,
即可视为各主成分的权重系数,因此将风光互补指标
转化为模态加权互补指标
,
则模态加权互补指标的最大值即
互补程度最大的风电站址和光伏站址作为所述风光互补站址,实现最优互补的风光站址选
择过程,确保联合电站中站址选择的合理性。
进一步地,在一个实施例中,所述在预设范围内调节预设水电站址的水电容量与所述风光互补站址的风光容量之间的容量比,并根据每次调节后的容量比计算水风光联合电站的净负荷基尼系数,输出净负荷基尼系数最小时对应的容量比作为最佳容量比,包括:
获取已选定的风光互补站址中风电站址的风电出力序列和光伏站址的光伏出力序列;
将预设水电站址与已选定的风光互补站址之间的容量比设置为初始值,并根据所述容量比计算得到水电出力序列以及净负荷功率序列;
根据所述净负荷功率序列计算输出相应的净负荷均衡分布曲线,并根据所述净负荷均衡分布曲线计算水风光联合电站的净负荷基尼系数;
按预设步长调节所述容量比的值后返回重新计算所述净负荷基尼系数,直到所述容量比的值达到预设范围的上限值;
选取净负荷基尼系数最小时对应的容量比作为最佳容量比。
本实施例中,通过有调节能力的水电机组联合风光电站出力,一方面平抑风光电
站的波动性,另一方面跟踪负荷功率变化,使净负荷功率曲线平稳均衡,先获取之前选址得
到的风光互补站址中风电站址n的风电出力序列(
)
和光伏站址m的光伏出力序列(
),将预设水电站址
与已选定的风光互补站址之间的容量比R设置为初始值,并计算当前容量比下的水电出力
序列,具体地,获取已选定的风电站址的风电额定容量
和光伏站址的光伏额定容量
,则水电装机容量为
,再根据水电装机容量和给定的发电流量,通过
水电出力模型得到水电出力序列,此计算过程为现有技术,此处不作赘述。计算得到水电出
力序列(
)即可得到水风光联合电站的出力序列(
),再与给定的负荷序列(
)作差,得到净
负荷功率序列(
)。
之后确定净负荷功率序列的频率分布和时间序列的频率分布。采用各时刻功率占
周期T内总功率的百分比表征其对应的频率,得到净负荷功率频率分布序列
。由于各时刻均等分布且间隔为1,所以时间序列频率分布为
。
按从小到大的顺序,对净负荷功率频率分布序列
的元素从新排序,并按公式
求出排序后净负荷功率累计频率分布序列
。时间频率分布各元素大小相等,无需排序,并直接求得时间
累计频率分布序列
;
以时刻累计分布为横坐标,以净负荷功率累计频率分布为纵坐标,绘制净负荷均衡分布曲线L,如图2所示。并根据所述净负荷均衡分布曲线计算水风光联合电站的的净负荷基尼系数G,具体计算模型如下:
其中
分别为图2中A、B两部分的面积,A部分为净负荷功率绝对均衡线与
曲线L包围的区域,B部分为阴影区域,A的面积越小,净负荷功率分布越均衡,即净负荷基尼
系数G越小净负荷功率分布越均衡,
。
在容量比取初始值计算了相应的净负荷基尼系数后,则按预设步长调节所述容量比的值后再重复上述计算过程,知道所述容量比的值达到预设范围的上限值时得到所有容量比的取值对应的净负荷基尼系数,例如容量比R初始值取0.1,预设范围的上限值为2,预设步长为0.1,则从R=0.1开始计算G值,每计算一次G值则R+0.1后返回继续计算G值,直到R=2,此时即可得到多个R值对应的G值,取G值最小时对应的容量比作为最佳容量比来配置水电与风光容量的比例,在综合考虑了多种风光互补特性得到互补程度最大的风光互补站址的基础上,也保证了水风光联合电站的跟踪负荷效果最好,得到水电与风光发电的最佳容量配置比,使得水风光联合电站的出力与负荷最大程度相匹配,兼顾系统经济性和环保性的同时尽可能地提高了能源利用效率。
为更好地理解本发明提供的基于模态互补的发电站选址定容方法的实现过程,以下结合图2至图5,举具体的应用实施例对基于模态互补的发电站选址定容的过程进行详细描述:
针对雅鲁藏布江流域多个水风光站点2016 年的电源装机和负荷数据,基于一天24 时段优化周期进行仿真计算。
从风光资源分布地图选择风光站点,具体包括:拉孜、南木林、拉萨、当雄、泽当、林芝、波密7个气象站点。每个站点作为一个风电站址和光伏站址根据每个站点的风光数据,通过预测模块得到各个站点的风、光日预测曲线。
之后,通过互补指标计算模块计算各风光站点之间的风光互补指标,具体步骤如下:
步骤一:根据各站点的风电出力序列(
)和光伏出力序列
(
)计算形态互补性
,具体计算模型如下:
其中
、
为风电、光伏在t时刻的出力;
、
为周期T内风电、光伏的
平均出力;
,
越大,风光出力形态互补性越强。
步骤二:对风电出力序列和光伏出力序列作一阶差分运算得风电一阶差分序列(
)和光伏一阶差分序列(
),计算实时波动互补性
,具体计算模型如下:
其中
为风电、光伏、风光联合功率在t时刻的一阶差
分值;
为风电和光伏电站在t时刻的联合功率;
,
越大风光实时波动互
补性越强。
步骤三:根据风电一阶差分序列和光伏一阶差分序列,计算其实时波动欧式距离
,具体计算模型如下:
步骤四:引入加权系数
、
、
对原始序列形态互补性
、实时波动互补性
和实时波动欧式距离
进行加权计算得到风光电站总体互补指标
,具体计算模型如
下:
步骤五:根据M个风电出力样本和M个光伏出力样本计算
三个特征
指标,形成有M个样本,每个样本由3个特征变量描述的数据集,将数据集中的每个样本作为
列向量,构成一个3行M列的矩阵
。
步骤六:将矩阵
的每个行向量都减去该行向量的均值,再除以该行向量的标准
差,得到新的数据集矩阵
,具体计算模型如下:
步骤七:求矩阵
的协方差矩阵
,并求取所述协方差矩阵
的特征值
和
单位特征向量
。
步骤八:将单位特征向量按照特征值从大到小的顺序,从上到下按行排列成矩阵
。
步骤十:用特征值计算各主成分的贡献率
,具体计算模型为:
步骤十一:将风光电站总体互补指标
转化为模态加权互补指标
,具体模型如
下:
至此,得到风电站址n和光伏站址m之间的互补指标
,结果如表1所示。
表1各风光站点间的风光互补指标值
之后,基于风光互补指标计算模块所得到的各风光站点间的风光互补指标值,选址模块选择互补程度最大的风电站址和光伏站址,并输出所选风光站点的风光日预测出力序列。根据表1可知,林芝的风能与泽当的太阳能互补程度最高,选择模块选择林芝作为风电站、泽当作为光伏电站,并输出林芝风电站单位装机容量下的风电日预测出力曲线及泽当光伏电站单位装机容量下的光伏日预测出力曲线,结果如图4所示。
之后,将水电与风光容量比初始值R设为0.1,R的最大值设为2.5。
之后,计算负荷跟踪度指标G,即净负荷基尼系数,具体步骤如下:
步骤一:根据选址模块得到的光伏出力序列(
)和风电出力序列(
)联合水电出力序列(
),得
到水风光联合系统的出力序列(
),再与给定的负荷序列(
)作差,得到净负荷功率序列(
)。
步骤二:确定净负荷功率序列的频率分布和时间序列的频率分布。采用各时刻功
率占周期T内总功率的百分比表征其对应的频率,得到净负荷功率频率分布序列
。由于各时刻均等分布且间隔为1,所以时间序列频率分布为
。
步骤三:按从小到大的顺序,对净负荷功率频率分布序列
的元素从新排序,并按
公式
求出排序后净负荷功率累计频率分布序列
。时间频率分布各元素大小相等,无需排序,并直接求得时间累
计频率分布序列
。
步骤四:以时刻累计分布为横坐标,以净负荷功率累计频率分布为纵坐标,绘制净负荷均衡分布曲线L,如图2所示。并根据所述净负荷均衡分布曲线计算水风光联合电站的的净负荷基尼系数G,具体计算模型如下:
其中
分别为图2中A、B两部分的面积,A部分为净负荷功率绝对均衡线与
曲线L包围的区域,B部分为阴影区域,A的面积越小,净负荷功率分布越均衡,即净负荷基尼
系数G越小净负荷功率分布越均衡,
,至此,得到净负荷基尼系数G。
之后,R值增加0.1,并返回重新计算净负荷基尼系数G,直到R值达到最大值2.5终止计算;
之后,统计所有的G值及其对应的R值,结果如图5所示,由图5可知,水电与风光容量比为1.4时,净负荷基尼系数G为最小值0.3。所以得到水电与风光容量最佳配置比为1.4。
由以上方法实施例可知,本发明提供的基于模态互补的发电站选址定容方法通过选择互补程度最大的风光互补站址并优化水电与风光发电的容量比,使得水风光联合出力曲线能最大化程度与负荷相匹配,提高能源利用率。
需要说明的是,上述各步骤之间并不必然存在一定的先后顺序,本领域普通技术人员,根据本发明实施例的描述可以理解,不同实施例中,上述各步骤可以有不同的执行顺序,亦即,可以并行执行,亦可以交换执行等等。
本发明另一实施例提供一种基于模态互补的发电站选址定容装置,如图6所示,装置1包括:
风光出力预测模块11,用于获取各个备选风光站址对应的风光资源数据,根据所述风光资源数据预测各个备选风光站址在预设周期内的风光预测出力;
互补指标计算模块12,用于根据所述风光预测出力计算各个备选风光站址的风光互补指标,所述风光互补指标包括形态互补性、实时波动互补性以及实时波动欧式距离;
选址模块13,用于对各个备选风光站址的风光互补指标进行模态加权运算后得到模态加权互补指标,并根据所述模态加权互补指标的最大值选定相应的备选风光站址作为风光互补站址;
容量比优化模块14,用于在预设范围内调节预设水电站址的水电容量与所述风光互补站址的风光容量之间的容量比,并根据每次调节后的容量比计算水风光联合电站的净负荷基尼系数,输出净负荷基尼系数最小时对应的容量比作为最佳容量比。
所述风光出力预测模块11、互补指标计算模块12、选址模块13和容量比优化模块14依次连接,本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段,比程序更适合于描述所述基于模态互补的发电站选址定容的执行过程,各模块的具体实施方式请参考上述对应的方法实施例,此处不再赘述。
本发明另一实施例提供一种基于模态互补的发电站选址定容系统,如图7所示,系统10包括:
一个或多个处理器110以及存储器120,图7中以一个处理器110为例进行介绍,处理器110和存储器120可以通过总线或者其他方式连接,图7中以通过总线连接为例。
处理器110用于完成系统10的各种控制逻辑,其可以为通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、单片机、ARM(Acorn RISCMachine)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合。还有,处理器110还可以是任何传统处理器、微处理器或状态机。处理器110也可以被实现为计算设备的组合,例如,DSP和微处理器的组合、多个微处理器、一个或多个微处理器结合DSP和/或任何其它这种配置。
存储器120作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本发明实施例中的基于模态互补的发电站选址定容方法对应的程序指令。处理器110通过运行存储在存储器120中的非易失性软件程序、指令以及单元,从而执行系统10的各种功能应用以及数据处理,即实现上述方法实施例中的基于模态互补的发电站选址定容方法。
存储器120可以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、至少一个功能所需要的应用程序;存储数据区可存储根据系统10使用所创建的数据等。此外,存储器120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,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器120可选包括相对于处理器110远程设置的存储器,这些远程存储器可以通过网络连接至系统10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个单元存储在存储器120中,当被一个或者多个处理器110执行时,执行上述任意方法实施例中的基于模态互补的发电站选址定容方法,例如,执行以上描述的图1中的方法步骤S100至步骤S400。
本发明实施例提供了一种非易失性计算机可读存储介质,计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行,例如,执行以上描述的图1中的方法步骤S100至步骤S400。
作为示例,非易失性存储介质能够包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦ROM(EEPROM)或闪速存储器。易失性存储器能够包括作为外部高速缓存存储器的随机存取存储器(RAM)。通过说明而非限制,RAM可以以诸如同步RAM(SRAM)、动态RAM、(DRAM)、同步DRAM(SDRAM)、双数据速率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、Synchlink DRAM(SLDRAM)以及直接Rambus(兰巴斯)RAM(DRRAM)之类的许多形式得到。本文中所描述的操作环境的所公开的存储器组件或存储器旨在包括这些和/或任何其他适合类型的存储器中的一个或多个。
综上所述,本发明公开的基于模态互补的发电站选址定容方法、装置、系统及介质中,方法通过获取各个备选风光站址对应的风光资源数据,根据风光资源数据预测各个备选风光站址在预设周期内的风光预测出力;根据风光预测出力计算各个备选风光站址的风光互补指标;对各个风光互补指标进行模态加权运算后选定互补指标最大值对应的风光互补站址;在预设范围内调节预设水电站址的水电容量与所述风光互补站址的风光容量之间的容量比,根据每次调整后的容量比计算水风光联合电站的净负荷基尼系数,输出净负荷基尼系数最小时对应的容量比作为最佳容量比。通过选择互补程度最大的风光互补站址并优化水电与风光发电的容量比,使得水风光联合出力曲线能最大化程度与负荷相匹配,提高能源利用率。
当然,本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关硬件(如处理器,控制器等)来完成,所述的计算机程序可存储于一非易失性计算机可读取的存储介质中,该计算机程序在执行时可包括如上述各方法实施例的流程。其中所述的存储介质可为存储器、磁碟、软盘、闪存、光存储器等。
应当理解的是,本发明的应用不限于上述的举例,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,所有这些改进和变换都应属于本发明所附权利要求的保护范围。