CN113346491A - 一种新能源场站发电出力特性多维评估方法及系统 - Google Patents

一种新能源场站发电出力特性多维评估方法及系统 Download PDF

Info

Publication number
CN113346491A
CN113346491A CN202110645671.3A CN202110645671A CN113346491A CN 113346491 A CN113346491 A CN 113346491A CN 202110645671 A CN202110645671 A CN 202110645671A CN 113346491 A CN113346491 A CN 113346491A
Authority
CN
China
Prior art keywords
new energy
output
peak
wind power
index
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.)
Pending
Application number
CN202110645671.3A
Other languages
English (en)
Inventor
王尧
梁燕
李锴英
王建学
王皑
郎青勇
李旭霞
胡迎迎
刘红丽
荆永明
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.)
Xian Jiaotong University
Economic and Technological Research Institute of State Grid Shanxi Electric Power Co Ltd
Original Assignee
Xian Jiaotong University
Economic and Technological Research Institute of State Grid Shanxi Electric Power 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 Xian Jiaotong University, Economic and Technological Research Institute of State Grid Shanxi Electric Power Co Ltd filed Critical Xian Jiaotong University
Priority to CN202110645671.3A priority Critical patent/CN113346491A/zh
Publication of CN113346491A publication Critical patent/CN113346491A/zh
Pending legal-status Critical Current

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
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • H02J2300/28—The renewable source being wind energy
    • 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
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/82—Energy audits or management systems therefor

Landscapes

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

Abstract

本发明公开了一种新能源场站发电出力特性多维评估方法及系统，构建包含新能源风电出力常规指标体系和新能源光伏出力常规指标体系的新能源常规评估指标体系；对构建的新能源常规评估指标体系增加电力/电量指标，动态/静态特性指标，多时间尺度评估指标；根据评估地区新能源配套储能政策，增加投建配套储能后描述新能源外部出力特性变化的平抑波动率、新能源出力峰谷差减少率和系统峰谷差减少率，将加入配套储能后新能源出力存储在储能系统中，根据平抑波动率、新能源出力峰谷差减少率和系统峰谷差减少率的效果评估含配套储能的新能源出力特性。本发明能够分析区域或单独场站的新能源出力特性，具有较强的通用性。

Description

一种新能源场站发电出力特性多维评估方法及系统
技术领域
本发明属于电力系统中的规划与新能源评估技术领域，具体涉及一种新能源场站发电出力特性多维评估方法及系统。
背景技术
近年来随着化石能源的不断消耗与环境问题的日益突出，新能源发电项目的建设如火如荼，我国目前正在大规模开发利用风力发电与太阳能发电，以新能源发电为标志的电力系统时代正在到来。
新能源发电出力具有随机性、间歇性和波动性等特点，出力受到季节、气候等因素影响较大，新能源的大规模并网客观上改变了瞬时平衡的电力系统电力供应模式，给电力系统的安全稳定运行带来了一定影响，在经历了迅猛的发展期后，新能源发展进入了瓶颈期，弃风、弃光现象凸显，如此看来，储能是光伏、风电等新能源发展瓶颈的解决方案。储能能够实现平滑输出，消除昼夜峰谷差，调峰调频和备用容量，满足新能源发电平稳、安全接入电网，有效减少弃风、弃光现象。
作为电力系统规划与运行的重要基础，可再生能源出力的资源指标体系得到了诸多专家学者的关注。随着风力发电与光伏大规模地接入电网，其出力特性的分析正在逐步深入，然而当前新能源发电的评估方法较为零散，尤其是含配套储能的新能源发电评估方法，还没有形成公认的、成熟的、行之有效的新能源出力特性评估指标体系。
作为对比，日负荷曲线在多年前就已经形成了一套公认的、较为成熟的评价指标体系，因此迫切需要一套客观科学的评价方法，针对新能源发电出力的各个方面进行评估，形成一套新能源多维度评估指标体系。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种新能源场站发电出力特性多维评估方法及系统，确定适应特定地区特点的含配套储能的新能源指标评估方法，以求指标结果能够真实反映评估地区的新能源指标情况，为新能源规划提供指导依据。
本发明采用以下技术方案：
一种新能源场站发电出力特性多维评估方法，包括以下步骤：
S1、构建包含新能源风电出力常规指标体系和新能源光伏出力常规指标体系的新能源常规评估指标体系；
S2、对步骤S1构建的新能源常规评估指标体系增加电力/电量指标，动态/静态特性指标，多时间尺度评估指标；
S3、在步骤S2构建的新能源常规评估指标体系基础上，根据评估地区新能源配套储能政策，增加投建配套储能后描述新能源外部出力特性变化的平抑波动率、新能源出力峰谷差减少率和系统峰谷差减少率，将加入配套储能后新能源出力存储在储能系统中，根据平抑波动率、新能源出力峰谷差减少率和系统峰谷差减少率的效果评估含配套储能的新能源出力特性。
具体的，步骤S1中，新能源风电出力常规指标体系包括：
新能源风电出力日最大值
Figure BDA0003109092610000021
和新能源风电出力日最小值
Figure BDA0003109092610000022
为：
Figure BDA0003109092610000023
其中，Pt W为t时刻新能源风电出力值；t为典型日被分为24个相同且独立的T时段；Ω为24个相同且独立时段的集合；
新能源风电出力日峰谷差ΔPW为：
Figure BDA0003109092610000024
其中，
Figure BDA0003109092610000025
为风电发电日的最大值；
Figure BDA0003109092610000026
为风电发电日的最小值；
新能源风电出力日平均值
Figure BDA0003109092610000031
为：
Figure BDA0003109092610000032
其中，t为典型日被分为24个相同且独立的T时段；Pt W为t时刻的风电出力；
风电中位数出力
Figure BDA0003109092610000033
为：
Figure BDA0003109092610000034
其中，n为风电出力时间序列Pt W按照数值大小顺序排列的个数；
新能源风电利用小时数T为：
Figure BDA0003109092610000035
其中，P电量为新能源风电年发电量；P装机为新能源风电装机总量。
具体的，步骤S1中，新能源光伏出力常规指标体系包括：
光伏全日最大出力
Figure BDA0003109092610000036
为：
Figure BDA0003109092610000037
其中，t为典型日被分为24个相同且独立的T时段，T＝24；Pt S为t时刻的光伏出力；Ω为24个相同且独立时段的集合；
光伏平均出力
Figure BDA0003109092610000038
为：
Figure BDA0003109092610000039
其中，t为典型日被分为24个相同且独立的T时段，T＝24；Pt S为t时刻的光伏出力。
具体的，步骤S2中，电力/电量指标包括：
新能源典型日出力曲线，表示新能源电站在典型日最有可能的出力情况；
新能源弃电率α如下：
Figure BDA00031090926100000310
其中，PG为新能源出力值；PT为电力系统最大传输电量；PL为负荷消纳电量。
新能源出力分布特征指数β如下：
Figure BDA0003109092610000041
Figure BDA0003109092610000042
其中，t为典型日被分为24个相同且独立的T时段，T＝24；Xi为状态变量；Pt为t时段的新能源出力；Pmax为新能源最大输出功率；
新能源出力波动率ρt如下：
Figure BDA0003109092610000043
其中，t为典型日被分为24个相同且独立的T时段，T＝24；Pt为t时刻的新能源出力；S为新能源装机额定容量。
具体的，步骤S2中，动态/静态特性指标包括纵向误差和横向误差；纵向误差包括：
平均相对误差eMRE：
Figure BDA0003109092610000044
其中，t为典型日被分为24个相同且独立的T时段，T＝24；et为t时刻的绝对误差；S为设备额定容量；
平均绝对误差eMAE：
Figure BDA0003109092610000045
其中，t为典型日被分为24个相同且独立的T时段，T＝24；et为t时刻的绝对误差；S为设备额定容量；
均方根误差eRMSE：
Figure BDA0003109092610000051
其中，t为典型日被分为24个相同且独立的T时段；et为t时刻的绝对误差；S为设备额定容量；
横向误差用数据间相关程度的相关系数cc描述如下：
Figure BDA0003109092610000052
其中，Y1为实测功率；Y2为预测功率；D为方差；cov(Y1,Y2)为Y1和Y2的协方差。
具体的，步骤S2中，多时间尺度评估指标具体为：
峰时段最小出力，即在峰荷时段中风电出力的最小值
Figure BDA0003109092610000053
为：
Figure BDA0003109092610000054
其中，Ω1为峰时段范围；Pt W为t时刻的风电出力；
谷时段最大出力，即在谷荷时段中风电出力的最大值
Figure BDA0003109092610000055
为：
Figure BDA0003109092610000056
其中，Ω2为谷时段范围；Pt W为t时刻的风电出力；
日峰谷差，即全日最大风电出力与全日最小风电出力之差
Figure BDA0003109092610000057
为：
Figure BDA0003109092610000058
其中，
Figure BDA0003109092610000059
为日峰谷差；
Figure BDA00031090926100000510
为峰时段Ω1内风电出力中位数；
Figure BDA00031090926100000511
为谷时段Ω2内风电出力中位数；
具有季节属性的评估体系：新能源风电与光伏对于包括温差在内的天气状况、日出日落时间因素产生变化；
日内反调峰特性评估指标，即新能源介入峰谷差变化值ΔP：
Figure BDA00031090926100000512
其中，Pt D为负荷时间序列；Pt W为风电出力时间序列；
周内出力特性：计算一周内的最大、最小与平均出力值，动态特性与正调峰和反调峰天数。
具体的，步骤S3中，平抑波动率ξ为：
Figure BDA0003109092610000061
其中，t为典型日被分为24个相同且独立的T时段；ρt为t时刻的实际新能源出力波动率；
Figure BDA0003109092610000062
为t时刻的加入储能后的等效出力的波动率。
具体的，步骤S3中，新能源出力峰谷差减少率η为：
Figure BDA0003109092610000063
其中，t为典型日被分为24个相同且独立的T时段；Ω为24个相同且独立时段的集合；Pt为t时刻的实际新能源出力；Pt ES为t时刻的加入储能后的等效出力；S为新能源装机容量。
具体的，步骤S3中，系统峰谷差减少率ΔP为：
Figure BDA0003109092610000064
其中，
Figure BDA0003109092610000065
为由于新能源介入增加的峰谷差；ΔPES为由于新能源与配套储能同时介入增加的峰谷差。
本发明的另一技术方案是，一种新能源场站发电出力特性多维评估系统，包括：
常规模块，构建包含新能源风电出力常规指标体系和新能源光伏出力常规指标体系的新能源常规评估指标体系；
指标模块，对常规模块构建的新能源常规评估指标体系增加电力/电量指标，动态/静态特性指标，多时间尺度评估指标；
评估模块，在指标模块构建的新能源常规评估指标体系基础上，根据评估地区新能源配套储能政策，增加投建配套储能后描述新能源外部出力特性变化的平抑波动率、新能源出力峰谷差减少率和系统峰谷差减少率，将加入配套储能后新能源出力存储在储能系统中，根据平抑波动率、新能源出力峰谷差减少率和系统峰谷差减少率的效果评估含配套储能的新能源出力特性。
与现有技术相比，本发明至少具有以下有益效果：
本发明一种新能源场站发电出力特性多维评估方法，新能源多维度的资源特性的指标体系由核心指标与其若干衍生的其他指标共同组成的集合进行刻画，按照空间尺度、时间尺度衍生以及统计处理三种方法刻画新能源在不同时空尺度下的变化规律，可以对资源特性进行全面刻画，对新能源出力特性进行详细分析具有现实意义。
进一步的，为了考虑新能源大比例并网后其出力的随机波动特性对规划评估的影响，实现系统的精细化规划与评估，建立风电最大最小值、平均值、峰谷差、年利用小时数等新能源风电出力常规评估指标体系。
进一步的，根据新能源光伏出力波动性小于风电出力、规律性更强、出力随机性低于风电的特性，建立季节属性、全日最大出力、平均出力等光伏常规评估指标体系。
进一步的，建立新能源出力电力/电量指标，刻画新能源出力特性，其中新能源典型出力曲线反应新能源电站的大部分出力特性，新能源弃电率反应新能源出力大于电力系统最大传输电量和负荷的消纳电量的比率，新能源出力分布特征指数描述新能源出力的分布规律、衡量新能源出力的均衡情况，新能源出力波动率定量描述新能源出力波动性。
进一步的，建立新能源动态/静态特性指标，动态值指一段时间内新能源的实际出力，静态值指在对于该段时间内的出力曲线所作的预测，同时根据横向误差与纵向误差评价短期新能源预测准确度并做预测校正。
进一步的，建立多时间尺度的新能源指标体系，包括具有时段属性的评估体系与具有季节属性的评估体系，同时根据新能源出力波动的特点建立日内反调峰特性指标与周内出力特性指标体系。
进一步的，建立含配套储能的新能源出力特性指标体系，根据储能的特点建立平抑波动率指标，刻画储能平抑新能源的输出功率波动的特性。
进一步的，新能源配套储能在分钟到小时级发挥作用，在新能源出力较大时吸收能量，在新能源出力较小、甚至没有出力时释放能量，从而达到减少新能源出力峰谷差的目的，根据此特性建立新能源出力峰谷差减少率指标。
进一步的，为表征新能源配套储能减少系统峰谷差的能力，结合新能源介入后峰谷差的变化，建立新能源介入增加的峰谷差指标。
综上所述，本发明构建了新能源多维度指标体系框架，在常规评估指标体系上，增加电力/电量指标、动态/静态特性指标、多时间尺度评估指标，此外，在仅含新能源的评估指标体系基础上，根据区域新能源配套储能政策专门增加了投建配套储能后描述新能源外部出力特性变化的相关指标，可以用来分析区域或单独场站的新能源出力特性，具有较强的通用性。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
图1为周尺度典型周风电出力曲线图；
图2为周尺度典型周光伏出力曲线图；
图3为新能源风电预测出力与实际出力图；
图4为新能源风电出力校正后的预测出力与实际出力图；
图5为新能源光伏预测出力与实际出力图；
图6为新能源光伏出力校正后的预测出力与实际出力图；
图7为光伏电站出力分布特征指数图；
图8为风电出力波动率概率密度图；
图9为典型日风电与配套储能联合出力曲线图；
图10为典型日光伏与配套储能联合出力曲线图；
图11为风口风电场#1s风电出力波动率累计概率分布图；
图12为本发明流程图。
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。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
在附图中示出了根据本发明公开实施例的各种结构示意图。这些图并非是按比例绘制的，其中为了清楚表达的目的，放大了某些细节，并且可能省略了某些细节。图中所示出的各种区域、层的形状及它们之间的相对大小、位置关系仅是示例性的，实际中可能由于制造公差或技术限制而有所偏差，并且本领域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。
本发明提供了一种新能源场站发电出力特性多维评估方法，在已有新能源常规评价体系指标的基础上，考虑新能源大比例并网后其出力的随机波动特性对规划评估的影响，以实现含配套储能的新能源出力特性评估为目标，在考虑评估区域新能源分布特点与配套储政策的基础上，构建了含配套储能的新能源多维度评估模型，反映高比例新能源接入对电力系统的影响，以及配套储能在其中发挥的作用。该模型在常规评估指标体系上，增加电力/电量指标，动态/静态特性指标，多时间尺度评估指标，增加投建配套储能后新能源出力特性变化的相关指标。本发明提出的含配套储能的新能源多维度评估方法具有更强的普适性，同时对电力系统规划的建设提供指导作用。
请参阅图12，本发明一种新能源场站发电出力特性多维评估方法，在已有的常规新能源指标评估的基础之上，由1～2个核心指标与其若干衍生的其他指标共同组成的集合进行多维度刻画，按照时间尺度衍生以及统计处理等指标构建方法，衍生出可以用来刻画风电在不同时空尺度下的变化规律的指标，对资源特性进行全面刻画，同时在仅含新能源的评估指标体系基础上，增加投建配套储能后描述新能源外部出力特性变化的相关指标，达到含配套储能新能源多维度评估的目的。具体步骤如下：
S1、考虑新能源大比例并网后其出力的随机波动特性对规划评估的影响，对新能源评估指标体系进行研究，构建新能源常规评估指标体系基础；
新能源风电出力常规指标体系：日最大值/最小值、日峰谷差、日平均值、中位数、年利用小时数；
日最大/最小值：
Figure BDA0003109092610000101
其中，
Figure BDA0003109092610000102
为新能源风电出力日最大值；
Figure BDA0003109092610000103
为新能源风电出力日最小值；Pt W为t时刻新能源风电出力值；t为典型日被分为24个相同且独立的T时段，T＝24；Ω为24个相同且独立时段的集合，t∈Ω＝{1,...,T}。
日峰谷差：
Figure BDA0003109092610000111
其中，ΔPW为新能源风电出力日峰谷差；
Figure BDA0003109092610000112
为风电发电日的最大值；
Figure BDA0003109092610000113
为风电发电日的最小值。
日平均值：
Figure BDA0003109092610000114
其中，
Figure BDA0003109092610000115
为新能源风电出力日平均值；t为典型日被分为24个相同且独立的T时段，T＝24；Pt W为t时刻的风电出力。
中位数：
将风电出力时间序列按照数值大小的顺序进行排列，即
Figure BDA0003109092610000116
风电中位数出力表示为：
Figure BDA0003109092610000117
其中，
Figure BDA0003109092610000118
为新能源风电出力中位数；n为风电出力时间序列Pt W按照数值大小顺序排列的个数，n＝24。
风电年利用小时数：风电机组在1年内平均的满负荷运行时间，在每年8760小时中，风电机组利用小时数所占的比重。
Figure BDA0003109092610000119
其中，T为新能源风电利用小时数；P电量为新能源风电年发电量；P装机为新能源风电装机总量。
新能源光伏出力常规指标体系：光伏出力季节属性、光伏全日最大出力、光伏平均出力。
光伏出力季节属性：光伏发电的可出力时段受到日出时刻到日落时刻的限制，受季节特性的影响因素较大，在分析光伏发电特性指标时给定季节属性指标，按照“春秋两季”、“夏季”和“冬季”三种类别考虑。
光伏全日最大出力：
Figure BDA0003109092610000121
其中，
Figure BDA0003109092610000122
为光伏全日最大出力；t为典型日被分为24个相同且独立的T时段，T＝24；Pt S为t时刻的光伏出力；Ω为24个相同且独立时段的集合，t∈Ω＝{1,...,T}。
光伏平均出力：
Figure BDA0003109092610000123
其中，
Figure BDA0003109092610000124
为光伏平均出力；t为典型日被分为24个相同且独立的T时段，T＝24；Pt S为t时刻的光伏出力。
S2、在常规评估指标体系上，增加电力/电量指标，动态/静态特性指标，多时间尺度的新能源评估指标；
常规指标体系：新能源风电日最大值/最小值、日峰谷差、日平均值、中位数、年利用小时数等；新能源光伏出力季节属性、全日最大出力、光伏平均出力等。
新能源出力电力、电量指标：新能源典型出力曲线；新能源弃电率；新能源出力分布特征指数；新能源出力波动率。
1)构建新能源典型日出力曲线，用来表示新能源电站在典型日最有可能的出力情况，反映新能源电站的出力特性，为电力系统的建设和运行提供信息和指导。
2)构建新能源弃电率α指标，表示新能源出力大于电力系统最大传输电量和负荷的消纳电量的比率。
Figure BDA0003109092610000131
其中，PG为新能源出力值；PT为电力系统最大传输电量；PL为负荷消纳电量。
3)构建新能源出力分布特征指数β，描述新能源出力的分布规律，衡量新能源出力的均衡情况：
Figure BDA0003109092610000132
Figure BDA0003109092610000133
其中，t为典型日被分为24个相同且独立的T时段，T＝24；Xi为状态变量；Pt为t时段的新能源出力；Pmax为新能源最大输出功率。
4)构建新能源出力波动率ρt，定量分析新能源波动性：
Figure BDA0003109092610000134
其中，t为典型日被分为24个相同且独立的T时段，T＝24；Pt为t时刻的新能源出力；S为新能源装机额定容量。
动态与静态特性指标：纵向误差，横向误差；纵向误差描述了某一时段的预测结果在竖直方向与实际结果的差别，横向误差描述预测结果在水平的时间轴上与实际结果的差别。
1)纵向误差：纵向误差指标包括平均相对误差、平均绝对误差、均方根误差、误差频率分布：
a)平均相对误差eMRE将误差除以相应的真值进行规范化，以便相互比较：
Figure BDA0003109092610000135
其中，t为典型日被分为24个相同且独立的T时段，T＝24；et为t时刻的绝对误差；S为设备额定容量。
b)平均绝对误差eMAE评价预测误差平均幅值：
Figure BDA0003109092610000141
其中，t为典型日被分为24个相同且独立的T时段，T＝24；et为t时刻的绝对误差；S为设备额定容量。
c)均方根误差eRMSE衡量误差的分散程度：
Figure BDA0003109092610000142
其中，t为典型日被分为24个相同且独立的T时段，T＝24；et为t时刻的绝对误差；S为设备额定容量。
2)横向误差用数据间相关程度的相关系数描述，相关系数cc：
Figure BDA0003109092610000143
其中，Y1为实测功率；Y2为预测功率；D为方差；cov(Y1,Y2)为Y1和Y2的协方差。
多时间尺度评估指标：峰时段最小出力；谷时段最大出力；日峰谷差；具有季节属性评估体系；日内反调峰特性；周内出力特性。
1)峰时段最小出力
a)峰时段最小出力，即在峰荷时段中风电出力的最小值：
Figure BDA0003109092610000144
其中，Ω1为峰时段范围；Pt W为t时刻的风电出力。
b)谷时段最大出力，即在谷荷时段中风电出力的最大值：
Figure BDA0003109092610000145
其中，Ω2为谷时段范围；Pt W为t时刻的风电出力。
c)日峰谷差，即全日最大风电出力与全日最小风电出力之差：
Figure BDA0003109092610000146
其中，
Figure BDA0003109092610000151
为日峰谷差；
Figure BDA0003109092610000152
为峰时段Ω1内风电出力中位数；
Figure BDA0003109092610000153
为谷时段Ω2内风电出力中位数。
2)构建具有季节属性的评估体系，新能源风电与光伏对于包括温差在内的天气状况、日出日落时间等因素产生变化。
3)构建日内反调峰特性评估指标，即新能源介入峰谷差变化值：
Figure BDA0003109092610000154
其中，ΔP为新能源接入峰谷差变化值；Pt D为负荷时间序列；Pt W为风电出力时间序列。
4)构建周内出力特性。在一周之内由于负荷一周内的变化，尤其当存在周内不同天数用电特性差异明显的大用户时，相应一周内的新能源每日出力特性将随着不同日期负荷的变化而发生变化。当新能源配套储能的调节周期特性为周调节时，新能源外部出力特性更容易以一周为周期发生变化，因此计算一周内的最大、最小与平均出力值，动态特性与正调峰和反调峰天数。
S3、在仅含新能源的评估指标体系基础上，根据评估地区新能源配套储能政策，专门增加投建配套储能后描述新能源外部出力特性变化的相关指标。
S301、新能源出力的波动性使其并网会导致电网频率的波动，储能作为功率缓冲的媒介，可以平抑新能源的输出功率波动。为表征配套储能平抑新能源出力波动的能力，结合新能源的出力波动率指标，提出平抑波动率ξ；
平抑波动率ξ为：
Figure BDA0003109092610000155
其中，t为典型日被分为24个相同且独立的T时段，T＝24；ρt为t时刻的实际新能源出力波动率；
Figure BDA0003109092610000156
为t时刻的加入储能后的等效出力的波动率。
S302、利用配套储能通过在新能源出力较大时吸收能量、在新能源出力较小或没有出力时释放能量的特点，减少新能源出力峰谷差，减少新能源出力的波动性和随机性，提出新能源出力峰谷差减少率η。
新能源出力峰谷差减少率η为：
Figure BDA0003109092610000161
其中，t为典型日被分为24个相同且独立的T时段，T＝24；Ω为24个相同且独立时段的集合，t∈Ω＝{1,...,T}；Pt为t时刻的实际新能源出力；Pt ES为t时刻的加入储能后的等效出力；S为新能源装机容量。
S303、表征配套储能减少系统峰谷差的能力，结合新能源介入的峰谷差变化，提出系统峰谷差减少率ΔP。
系统峰谷差减少率ΔP为：
Figure BDA0003109092610000162
其中，
Figure BDA0003109092610000163
为由于新能源介入增加的峰谷差；ΔPES为由于新能源与配套储能同时介入增加的峰谷差。
本发明再一个实施例中，提供一种新能源场站发电出力特性多维评估系统，该系统能够用于实现上述新能源场站发电出力特性多维评估方法，具体的，该新能源场站发电出力特性多维评估系统包括常规模块、指标模块以及评估模块。
其中，常规模块，构建包含新能源风电出力常规指标体系和新能源光伏出力常规指标体系的新能源常规评估指标体系；
指标模块，对常规模块构建的新能源常规评估指标体系增加电力/电量指标，动态/静态特性指标，多时间尺度评估指标；
评估模块，在指标模块构建的新能源常规评估指标体系基础上，根据评估地区新能源配套储能政策，增加投建配套储能后描述新能源外部出力特性变化的平抑波动率、新能源出力峰谷差减少率和系统峰谷差减少率，将加入配套储能后新能源出力存储在储能系统中，根据平抑波动率、新能源出力峰谷差减少率和系统峰谷差减少率的效果评估含配套储能的新能源出力特性。
本发明再一个实施例中，提供了一种终端设备，该终端设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(Central ProcessingUnit，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)、现成可编程门阵列(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，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能；本发明实施例所述的处理器可以用于新能源场站发电出力特性多维评估方法的操作，包括：
构建包含新能源风电出力常规指标体系和新能源光伏出力常规指标体系的新能源常规评估指标体系；对构建的新能源常规评估指标体系增加电力/电量指标，动态/静态特性指标，多时间尺度评估指标；在构建的新能源常规评估指标体系基础上，根据评估地区新能源配套储能政策，增加投建配套储能后描述新能源外部出力特性变化的平抑波动率、新能源出力峰谷差减少率和系统峰谷差减少率，将加入配套储能后新能源出力存储在储能系统中，根据平抑波动率、新能源出力峰谷差减少率和系统峰谷差减少率的效果评估含配套储能的新能源出力特性。
本发明再一个实施例中，本发明还提供了一种存储介质，具体为计算机可读存储介质(Memory)，所述计算机可读存储介质是终端设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括终端设备中的内置存储介质，当然也可以包括终端设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。
可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中有关新能源场站发电出力特性多维评估方法的相应步骤；计算机可读存储介质中的一条或一条以上指令由处理器加载并执行如下步骤：
构建包含新能源风电出力常规指标体系和新能源光伏出力常规指标体系的新能源常规评估指标体系；对构建的新能源常规评估指标体系增加电力/电量指标，动态/静态特性指标，多时间尺度评估指标；在构建的新能源常规评估指标体系基础上，根据评估地区新能源配套储能政策，增加投建配套储能后描述新能源外部出力特性变化的平抑波动率、新能源出力峰谷差减少率和系统峰谷差减少率，将加入配套储能后新能源出力存储在储能系统中，根据平抑波动率、新能源出力峰谷差减少率和系统峰谷差减少率的效果评估含配套储能的新能源出力特性。
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中的描述和所示的本发明实施例的组件可以通过各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。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。
为进一步论证本发明的好处，采用某地区新能源风电与光伏数据，结合本发明提出的一种含配套储能的新能源多维度评估方法，对该地区的新能源出力特性进行评估。
首先绘制出风电和光伏典型周出力曲线，如图1、图2所示，并根据数据统计分析得到典型周新能源出力峰谷差、最大值、最小值和平均值，如表1、2所示。
表1典型周风电出力峰谷差、最大值、最小值和平均值
Figure BDA0003109092610000191
表2典型周光伏出力最大值、平均值
Figure BDA0003109092610000192
其次，选取部分风电场预测与实际出力比较，进行新能源动态、静态新能源评价。选取某日新能源风电出力曲线与预测曲线进行评估，当日预测出力与实际出力如图3所示。
经过计算，当日的动态误差为1.93小时，静态误差为31.33％，经过校正后的预测出力曲线与实际出力曲线如图4所示。
选取某日新能源光伏出力曲线与预测曲线进行评估，当日预测出力与实际出力如图5所示。
经过计算，当日的动态误差为-0.23小时，静态误差为9.14％，经过校正后的预测出力曲线与实际出力曲线图6所示。
按照本发明提出的新能源出力分布特征指数β的计算方法分析某光伏电站A和B的年出力，计算得到光伏电站A和B的新能源出力分布曲线如图7所示，出力分布特征指数β更小的光伏电站B的出力分布更不均匀，出力分布的偏度更大，在建设场站调度的配套储能时，光伏电站B最大出力所需要的配套储能应当比光伏电站A更多。
通过数据统计得出评估区域的风电出力在小时尺度上的概率分布如图8所示，风电出力波动率总体呈现中间高，两边低的态势，即波动率越大，出现的可能性越低。夏季秋季的风电波动率基本相当，其次是冬季，春季风电波动率最小。
最后，对含配套储能的新能源出力特性进行评价，其中，某典型日风电与配套储能联合出力曲线如图9所示，光伏与配套储能联合出力曲线如图10所示。
储能作为功率缓冲的媒介，通过灵活快速地功率吞吐，可以平抑新能源的输出功率波动，储能充当类似功率滤波器的功能，过滤原始新能源出力中的高频有功分量，以变化较为平缓的合成出力作为并网分量，提高新能源并网的稳定性，以风电场A为例，模拟得出的波动率概率分布如图11所示。
通过计算，得到风电场A原波动率为0.0449，配套储能波动率为0.0192，平抑波动率为0.0257.
对风电场A进行配套储能模拟，原峰谷差为176.52MW，配套储能后的峰谷差为128.92MW，减少量为47.60MW，减少率为26.97％，配套储能通过在新能源出力较大时吸收能量，在新能源出力较小，甚至没有出力时释放能量，达到减少新能源出力峰谷差的目的，减少新能源出力的波动性和随机性。
综上所述，本发明一种新能源场站发电出力特性多维评估方法及系统，用于指导电力系统规划与运行中对含配套储能的新能源出力评估，考虑新能源大比例并网后其出力的随机波动特性对规划评估的影响，构建了一套含配套储能新能源多维度评估指标体系，用来反映高比例新能源接入对电力系统的影响，以及配套储能在其中发挥的作用，为电力系统规划提供指导依据。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。

Claims (10)

1.一种新能源场站发电出力特性多维评估方法，其特征在于，包括以下步骤：
S1、构建包含新能源风电出力常规指标体系和新能源光伏出力常规指标体系的新能源常规评估指标体系；
S2、对步骤S1构建的新能源常规评估指标体系增加电力/电量指标，动态/静态特性指标，多时间尺度评估指标；
S3、在步骤S2构建的新能源常规评估指标体系基础上，根据评估地区新能源配套储能政策，增加投建配套储能后描述新能源外部出力特性变化的平抑波动率、新能源出力峰谷差减少率和系统峰谷差减少率，根据平抑波动率、新能源出力峰谷差减少率和系统峰谷差减少率的效果评估含配套储能的新能源出力特性。
2.根据权利要求1所述的方法，其特征在于，步骤S1中，新能源风电出力常规指标体系包括：
新能源风电出力日最大值
Figure FDA0003109092600000011
和新能源风电出力日最小值
Figure FDA0003109092600000012
为：
Figure FDA0003109092600000013
其中，Pt W为t时刻新能源风电出力值；t为典型日被分为24个相同且独立的T时段；Ω为24个相同且独立时段的集合；
新能源风电出力日峰谷差ΔPW为：
Figure FDA0003109092600000014
其中，
Figure FDA0003109092600000015
为风电发电日的最大值；
Figure FDA0003109092600000016
为风电发电日的最小值；
新能源风电出力日平均值
Figure FDA0003109092600000017
为：
Figure FDA0003109092600000018
其中，t为典型日被分为24个相同且独立的T时段；Pt W为t时刻的风电出力；
风电中位数出力
Figure FDA0003109092600000021
为：
Figure FDA0003109092600000022
其中，n为风电出力时间序列Pt W按照数值大小顺序排列的个数；
新能源风电利用小时数T为：
Figure FDA0003109092600000023
其中，P电量为新能源风电年发电量；P装机为新能源风电装机总量。
3.根据权利要求1所述的方法，其特征在于，步骤S1中，新能源光伏出力常规指标体系包括：
光伏全日最大出力
Figure FDA0003109092600000024
为：
Figure FDA0003109092600000025
其中，t为典型日被分为24个相同且独立的T时段，T＝24；Pt S为t时刻的光伏出力；Ω为24个相同且独立时段的集合；
光伏平均出力
Figure FDA0003109092600000026
为：
Figure FDA0003109092600000027
其中，t为典型日被分为24个相同且独立的T时段，T＝24；Pt S为t时刻的光伏出力。
4.根据权利要求1所述的方法，其特征在于，步骤S2中，电力/电量指标包括：
新能源典型日出力曲线，表示新能源电站在典型日最有可能的出力情况；
新能源弃电率α如下：
Figure FDA0003109092600000028
其中，PG为新能源出力值；PT为电力系统最大传输电量；PL为负荷消纳电量；
新能源出力分布特征指数β如下：
Figure FDA0003109092600000031
Figure FDA0003109092600000032
其中，t为典型日被分为24个相同且独立的T时段，T＝24；Xi为状态变量；Pt为t时段的新能源出力；Pmax为新能源最大输出功率；
新能源出力波动率ρt如下：
Figure FDA0003109092600000033
其中，t为典型日被分为24个相同且独立的T时段，T＝24；Pt为t时刻的新能源出力；S为新能源装机额定容量。
5.根据权利要求1所述的方法，其特征在于，步骤S2中，动态/静态特性指标包括纵向误差和横向误差；纵向误差包括：
平均相对误差eMRE：
Figure FDA0003109092600000034
其中，t为典型日被分为24个相同且独立的T时段，T＝24；et为t时刻的绝对误差；S为设备额定容量；
平均绝对误差eMAE：
Figure FDA0003109092600000035
其中，t为典型日被分为24个相同且独立的T时段，T＝24；et为t时刻的绝对误差；S为设备额定容量；
均方根误差eRMSE：
Figure FDA0003109092600000041
其中，t为典型日被分为24个相同且独立的T时段；et为t时刻的绝对误差；S为设备额定容量；
横向误差用数据间相关程度的相关系数cc描述如下：
Figure FDA0003109092600000042
其中，Y1为实测功率；Y2为预测功率；D为方差；cov(Y1,Y2)为Y1和Y2的协方差。
6.根据权利要求1所述的方法，其特征在于，步骤S2中，多时间尺度评估指标具体为：
峰时段最小出力，即在峰荷时段中风电出力的最小值
Figure FDA0003109092600000043
为：
Figure FDA0003109092600000044
其中，Ω1为峰时段范围；Pt W为t时刻的风电出力；
谷时段最大出力，即在谷荷时段中风电出力的最大值
Figure FDA0003109092600000045
为：
Figure FDA0003109092600000046
其中，Ω2为谷时段范围；Pt W为t时刻的风电出力；
日峰谷差，即全日最大风电出力与全日最小风电出力之差
Figure FDA0003109092600000047
为：
Figure FDA0003109092600000048
其中，
Figure FDA0003109092600000049
为日峰谷差；
Figure FDA00031090926000000410
为峰时段Ω1内风电出力中位数；
Figure FDA00031090926000000411
为谷时段Ω2内风电出力中位数；
具有季节属性的评估体系：新能源风电与光伏对于包括温差在内的天气状况、日出日落时间因素产生变化；
日内反调峰特性评估指标，即新能源介入峰谷差变化值ΔP：
Figure FDA0003109092600000051
其中，Pt D为负荷时间序列；Pt W为风电出力时间序列；
周内出力特性：计算一周内的最大、最小与平均出力值，动态特性与正调峰和反调峰天数。
7.根据权利要求1所述的方法，其特征在于，步骤S3中，平抑波动率ξ为：
Figure FDA0003109092600000052
其中，t为典型日被分为24个相同且独立的T时段；ρt为t时刻的实际新能源出力波动率；ρt ES为t时刻的加入储能后的等效出力的波动率。
8.根据权利要求1所述的方法，其特征在于，步骤S3中，新能源出力峰谷差减少率η为：
Figure FDA0003109092600000053
其中，t为典型日被分为24个相同且独立的T时段；Ω为24个相同且独立时段的集合；Pt为t时刻的实际新能源出力；Pt ES为t时刻的加入储能后的等效出力；S为新能源装机容量。
9.根据权利要求1所述的方法，其特征在于，步骤S3中，系统峰谷差减少率ΔP为：
Figure FDA0003109092600000054
其中，
Figure FDA0003109092600000055
为由于新能源介入增加的峰谷差；ΔPES为由于新能源与配套储能同时介入增加的峰谷差。
10.一种新能源场站发电出力特性多维评估系统，其特征在于，包括：
常规模块，构建包含新能源风电出力常规指标体系和新能源光伏出力常规指标体系的新能源常规评估指标体系；
指标模块，对常规模块构建的新能源常规评估指标体系增加电力/电量指标，动态/静态特性指标，多时间尺度评估指标；
评估模块，在指标模块构建的新能源常规评估指标体系基础上，根据评估地区新能源配套储能政策，增加投建配套储能后描述新能源外部出力特性变化的平抑波动率、新能源出力峰谷差减少率和系统峰谷差减少率，将加入配套储能后新能源出力存储在储能系统中，根据平抑波动率、新能源出力峰谷差减少率和系统峰谷差减少率的效果评估含配套储能的新能源出力特性。
CN202110645671.3A 2021-06-09 2021-06-09 一种新能源场站发电出力特性多维评估方法及系统 Pending CN113346491A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110645671.3A CN113346491A (zh) 2021-06-09 2021-06-09 一种新能源场站发电出力特性多维评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110645671.3A CN113346491A (zh) 2021-06-09 2021-06-09 一种新能源场站发电出力特性多维评估方法及系统

Publications (1)

Publication Number Publication Date
CN113346491A true CN113346491A (zh) 2021-09-03

Family

ID=77475561

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110645671.3A Pending CN113346491A (zh) 2021-06-09 2021-06-09 一种新能源场站发电出力特性多维评估方法及系统

Country Status (1)

Country Link
CN (1) CN113346491A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113972697A (zh) * 2021-10-14 2022-01-25 国网天津市电力公司 一种大规模并网新能源的集群出力特性评价方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101808017A (zh) * 2010-03-26 2010-08-18 中国科学院计算技术研究所 网络异常性指数定量计算方法和系统
CN105719023A (zh) * 2016-01-24 2016-06-29 东北电力大学 一种基于混合高斯分布的风电功率实时预测误差分析方法
CN105893976A (zh) * 2016-04-20 2016-08-24 长沙理工大学 一种行波信号的参数化识别方法
CN106777740A (zh) * 2016-12-28 2017-05-31 江苏云上电力科技有限公司 一种风电出力概率分布特性快速判别方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101808017A (zh) * 2010-03-26 2010-08-18 中国科学院计算技术研究所 网络异常性指数定量计算方法和系统
CN105719023A (zh) * 2016-01-24 2016-06-29 东北电力大学 一种基于混合高斯分布的风电功率实时预测误差分析方法
CN105893976A (zh) * 2016-04-20 2016-08-24 长沙理工大学 一种行波信号的参数化识别方法
CN106777740A (zh) * 2016-12-28 2017-05-31 江苏云上电力科技有限公司 一种风电出力概率分布特性快速判别方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
刘文霞等: "新能源发电出力特性指标及其数据化应用", 《电网与清洁能源》 *
崔传世等: "平抑风电功率波动退役电池储能系统容量配置", 《电源技术》 *
梁燕妮: "电动汽车充换电定价模型及政策研究", 《中国优秀博硕士学位论文全文数据库(博士) 工程科技Ⅱ辑》 *
王建学等: "面向电网运行的新能源出力特性指标体系研究——风电出力特性指标体系", 《电网与清洁能源》 *
郑维高: "集群风电场出力的相关问题研究", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113972697A (zh) * 2021-10-14 2022-01-25 国网天津市电力公司 一种大规模并网新能源的集群出力特性评价方法

Similar Documents

Publication Publication Date Title
CN106451567B (zh) 一种分布式电源集群动态划分的方法及系统
CN106953363A (zh) 一种风电场限功率运行状态下电网旋转备用优化配置方法
CN114240019A (zh) 适用新能源电力系统的灵活资源价值评估方法及装置
CN113315171A (zh) 新能源消纳能力评估方法、装置、计算机设备和存储介质
WO2017049428A1 (zh) 一种基于备用对象代价性能比的旋转备用容量优化方法
CN113346491A (zh) 一种新能源场站发电出力特性多维评估方法及系统
CN105119285B (zh) 基于动态赋权的风储协调多目标优化控制方法
CN114899830A (zh) 基于电网峰谷差率的负荷侧交易方法、系统及相关设备
CN111082424B (zh) 一种综合能源及微电网系统可靠性预测方法及装置
CN110544958B (zh) 一种电力系统消纳随机出力电源能力的确定方法及装置
Li et al. A chance-constrained programming based energy storage system sizing model considering uncertainty of wind power
Lu et al. Discuss of the future power generation structure in China Southern Power Grid with high penetration of PV generation
CN115018277A (zh) 一种基于网络分析法的新能源消纳潜力评估方法及装置
CN114552634A (zh) 一种分布式电源规模化并网多目标动态集群划分方法及装置
CN113364029A (zh) 一种微网动态划分方法、系统、存储介质及计算设备
CN115995840A (zh) 基于风、光、储能协调的新能源系统调峰优化方法和装置
Haiyun et al. Optimal Capacity Allocation Method of Multi-types of Energy Storage for Wind Power Plant
Yao et al. Research on the matching characteristics of regional wind power and photovoltaic output and load
Yang et al. Comprehensive evaluation of distribution network reliability for power consumer based on AHP and entropy combination method
Zhang Power System Uncertainty Modeling Based on Gaussian Process
Fan et al. Big data analysis of smart grid based on back-propagation neural network algorithm in Hadoop environment
Wang et al. A Scenario Reduction Method of PV Output Based on NBSO Algorithm and STDI Index
Zhang et al. Comprehensive evaluation method of energy storage system considering benefits of auxiliary services
Zhao et al. An evaluation index system for hybrid wind/PV/energy storage power generation system operating characteristics in multiple spatial and temporal scales
CN117810980B (zh) 基于储能系统自由交易的光储虚拟网格博弈优化方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210903

RJ01 Rejection of invention patent application after publication