CN113496319B - 一种可再生能源发电系统脆弱性的评估方法 - Google Patents

一种可再生能源发电系统脆弱性的评估方法 Download PDF

Info

Publication number
CN113496319B
CN113496319B CN202010196223.5A CN202010196223A CN113496319B CN 113496319 B CN113496319 B CN 113496319B CN 202010196223 A CN202010196223 A CN 202010196223A CN 113496319 B CN113496319 B CN 113496319B
Authority
CN
China
Prior art keywords
power generation
generation system
renewable energy
index
vulnerability
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
CN202010196223.5A
Other languages
English (en)
Other versions
CN113496319A (zh
Inventor
王鹏
蒲彦儒
王路
李冠霖
乔文会
陈章利
张帅楠
刘嘉雯
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.)
Jiangsu University
Original Assignee
Jiangsu University
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 Jiangsu University filed Critical Jiangsu University
Priority to CN202010196223.5A priority Critical patent/CN113496319B/zh
Publication of CN113496319A publication Critical patent/CN113496319A/zh
Application granted granted Critical
Publication of CN113496319B publication Critical patent/CN113496319B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80Management or planning
    • Y02P90/82Energy audits or management systems therefor
    • YGENERAL 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
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS 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
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (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

本发明公开了一种可再生能源发电系统脆弱性的评估方法,包括构建可再生能源发电系统脆弱性评估框架和评估指标体系、确定评估对象、指标数据去量纲化、分别计算评估区域内水力、光伏和风力发电系统的暴露度指数和敏感性综合指数、计算评估对象可再生能源发电系统暴露度+敏感性综合指数和适应能力指数、计算可再生能源发电系统脆弱性指数并进行等级划分并定性分析。有益效果:本发明更为全面有效地量化评估可再生能源发电系统在气候变化影响作用下产生的脆弱性;能够综合量化一定区域内可再生能源发电系统在气候变化作用下的脆弱程度,暴露程度、敏感程度和其适应气候变化的程度,为区域内可再生能源开发和管理提供政策建议。

Description

一种可再生能源发电系统脆弱性的评估方法
技术领域
本发明涉及一种脆弱性的评估方法,特别涉及一种可再生能源发电系统脆弱性的评估方法,属于可再生能源脆弱性评估技术领域。
背景技术
可再生能源发电产业在近年来发展迅猛,2017年末,我国可再生能源发电装机容量占比达到36.5%,发电量约占总量的25%以上。在国际上,我国风力发电和太阳能光伏发电装机连续多年稳居全球首位。可再生能源发电在减缓气候变化中发挥着至关重要的作用,但近年来有关可再生能源的研究证实可再生能源发电效益与气候变化处于双向影响状态,可再生能源发电能够在一定程度上有效减缓气候变化进程,但同时气候变化也对可再生能源系统产生影响。气候变化对可再生能源发电系统的影响作用使得其系统内部产生一定的脆弱性。识别和解析可再生能源发电系统的脆弱性将有助于国家和地区对可再生能源发电开发和规划提供一定的技术支撑和建议。
但是,目前大多数脆弱性评估的方法主要集中于生态系统、水资源系统,农业系统等,几乎没有针对于可再生能源发电系统的脆弱性的评估方法。其主要原因在于,可再生能源发电系统的脆弱性评估中的评估对象众多、覆盖面广,所处的气候环境时空分布差异性大,当前的脆弱性评估模型难以有效将关键的气候要素纳入评估模型中,而对评估准确度产生影响。因此,提出一种能够综合系统内部多样性的可再生能源发电系统脆弱性模型至关重要。
发明内容
发明目的:针对现有技术中存在不足,本发明提供了一种针对当前气候变化及其引发的极端气候对可再生能源发电的影响的可再生能源发电系统脆弱性的评估方法。
技术方案:一种可再生能源发电系统脆弱性的评估方法,包括以下步骤:
1)根据评估目的构建可再生能源发电系统脆弱性评估框架,在此基础上建立可再生能源发电系统脆弱性评估指标体系;
2)确定评估对象,确定评估范围内所有水力发电站、光伏发电站和风力发电站所在区域并建立各个发电站周围气象站点数据库;
3)通过发电站周围气象站点的数据解析和计算评估步骤2中所识别的水力发电站所在区域年总降水量、光伏发电站所在区域年总日照时数和风力发电站所在区域年平均风速,并通过统计年鉴获取各水力发电站、光伏发电站、风力发电站的发电量和可再生能源发电系统适应能力维度中的社会经济数据,然后通过标准化处理方法将各指标数据去量纲化;
4)根据步骤3中所计算获取的数据,计算各发电站暴露度和敏感性指数,并基于各发电站发电贡献占比,分别计算评估区域内水力发电系统、光伏发电系统和风力发电系统的暴露度指数和敏感性指数;
5)根据步骤1中所搭建的可再生能源发电系统脆弱性评估框架及计算方法,计算评估对象可再生能源发电系统暴露度+敏感性综合指数;
6)根据步骤1中所搭建的可再生能源发电系统脆弱性评估框架和指标体系,以及根据步骤3中标准化处理后的数据,计算可再生能源发电系统适应能力指数;
7)根据步骤1中所搭建的可再生能源发电系统脆弱性评估框架,计算可再生能源发电系统脆弱性指数,并对可再生能源发电系统脆弱性指数通过标准差分级法进行等级划分,对评估对象可再生能源发电系统进行定性分析。
优选项,所述步骤1中所述可再生能源发电系统脆弱性评估框架包括可再生能源发电系统暴露度+敏感性综合指数和可再生能源发电系统适应能力指数,可再生能源发电系统脆弱性计算公式如下:
V=(E+S)-A
式中,V表示可再生能源发电系统脆弱性指数,E+S表示可再生能源发电系统暴露度+敏感性综合指数,A表示可再生能源发电系统适应能力指数。
优选项,考虑到暴露度和敏感性所包含要素因可再生能源发电种类而异,因此将可再生能源发电系统暴露度+敏感性维度下分为三个子维度;所述可再生能源发电系统暴露度+敏感性综合指数包括水力发电系统暴露度+敏感性综合指数、光伏发电系统暴露度+敏感性综合指数和风力发电系统暴露度+敏感性综合指数;可再生能源发电系统暴露度+敏感性综合指数按其下三个维度发电贡献加权计算,计算公式如下:
Figure GDA0004076776010000021
hydro代表水力发电;PV代表光伏发电;wind代表风力发电;EG代表发电量。
优选项,所述水力发电系统暴露度+敏感性综合指数中的暴露度要素量化指标为年总降水量,敏感性要素量化指标为水力发电总量;
所述光伏发电系统暴露度+敏感性综合指数中的暴露度要素量化指标为年总日照时数,敏感性要素量化指标为光伏发电量;
所述风力发电系统暴露度+敏感性综合指数中的暴露度要素量化指标为年平均风速,敏感性要素量化指标为风力发电量。
优选项,所述可再生能源发电系统适应能力指数包含5大要素,分别为气象监测能力、经济水平、可再生能源投资水平、能源安全水平和受教育水平;
所述气象监测能力要素量化指标为气象监测站个数;
所述经济水平要素量化指标为人均GDP;
所述可再生能源投资水平要素量化指标为可再生能源投资额;
所述能源安全水平要素量化指标为传统能源占比;
所述受教育水平要素量化指标为高中及以上文化水平人数。
优选项,所述步骤3中各指标数据去量纲化进行标准化处理的方法,如下:
Figure GDA0004076776010000031
式中,Di是细分指标f的标准分值,Xi是细分指标f某一年的指标值,Xmax是细分指标f的最大值,Xmin是细分指标f的最小值。
优选项,所述步骤4中,因各发电系统暴露度和敏感性要素都只包含一个指标,则按其权重为1计算。因此水力发电站暴露度、光伏发电站暴露度和风力发电站暴露度分别等于其所在区域气象数据标准化处理后的年总降水量、年总日照时数和年平均风速,所述步骤4中评估区域内水力发电系统、光伏发电系统和风力发电系统的暴露度指数计算公式如下:
Ehydro,i=1×TRFi,standardized
EPV,i=1×TSHi,standardized
Ewind,i=1×AWSi,standardized
式中,i表示发电站,standardized表示标准化处理后的数据,TRF表示年总降水量,TSH表示年总日照时数,AWS表示年平均风速;
所述水力发电站敏感性、光伏发电站敏感性和风力发电站敏感性分别等于其所在区域气象数据标准化处理后的年水力发电量、年光伏发电量和年风力发电量,所述步骤4中评估区域内水力发电系统、光伏发电系统和风力发电系统的敏感性指数计算公式如下:计算公式如下:
Shydro,i=1×EGhydro,i,standardized
SPV,i=1×EGPV,i,standardized
Swind,i=1×EGwind,i,standardized
所述水力发电系统暴露度、光伏发电系统暴露度和风力发电系统暴露度,按各发电站发电量贡献加权计算公式分别如下:
Figure GDA0004076776010000032
Figure GDA0004076776010000033
Figure GDA0004076776010000034
其中,n表示发电站总数;
所述水力发电系统敏感性、光伏发电系统敏感性和风力发电系统敏感性计算公式分别如下:
Figure GDA0004076776010000041
Figure GDA0004076776010000042
Figure GDA0004076776010000043
优选项,所述步骤6中可再生能源发电系统适应能力指数计算公式如下:
A=MSstandardized×WMs+PCGDPstandardized×WPcGDP+RIstandardized×WRI+TRstandardized×WTR+HPstandardized×WHP
式中,MS表示气象监测站个数;PCGDP表示人均GDP;RI表示可再生能源投资额;TR表示传统能源占比;HP表示高中及以上文化水平人数;W表示指标权重,可通过SPSS软件主成分分析功能计算。
优选项,所述步骤7中标准差分级计算公式如下:
Figure GDA0004076776010000044
式中σ表示数据标准差;t表示评估总年数;
Figure GDA0004076776010000045
表示可再生能源发电系统脆弱性平均值;
分界点为
Figure GDA0004076776010000046
其中/>
Figure GDA0004076776010000047
为高脆弱性、其中/>
Figure GDA0004076776010000048
为中脆弱性,
Figure GDA0004076776010000049
为低脆弱性。
有益效果:本发明更为全面有效地评估可再生能源发电系统在气候变化影响作用下产生的脆弱性;全面地量化评估对象的脆弱性;能够更好地综合量化一定区域内可再生能源发电系统在气候变化作用下的脆弱程度,暴露程度、敏感程度和其适应气候变化的程度,为区域内可再生能源开发提供规划建议和可再生能源系统管理提供政策建议。
附图说明
图1为本发明可再生能源发电系统脆弱性评估流程示意图;
图2为本发明可再生能源发电系统脆弱性评估模型框架图。
具体实施方式
下面结合附图以及具体实施例对本发明作进一步的说明,但本发明的保护范围并不限于此。
如图所示,一种可再生能源发电系统脆弱性的评估方法,包括以下步骤:
1)根据评估目的构建可再生能源发电系统脆弱性评估框架,在此基础上建立可再生能源发电系统脆弱性评估指标体系;
可再生能源发电系统脆弱性评估框架包括可再生能源发电系统暴露度+敏感性综合指数和可再生能源发电系统适应能力指数,可再生能源发电系统脆弱性计算公式如下:
V=(E+S)-A
式中,V表示可再生能源发电系统脆弱性指数,E+S表示可再生能源发电系统暴露度+敏感性综合指数,A表示可再生能源发电系统适应能力指数。
2)确定评估对象,确定评估范围内所有水力发电站、光伏发电站和风力发电站所在区域并建立各个发电站周围气象站点数据库;
基于IPCC(政府间气候变化专门委员会)提供的气候变化脆弱性评估框架,可再生能源发电系统脆弱性包含可再生能源发电系统暴露度、可再生能源发电系统敏感性和可再生能源发电系统适应能力三个维度。鉴于评估范围内可再生能源发电站分布范围广,且其所处区域气候环境条件时空分布差异性大,本发明在IPCC框架的基础上,将可再生能源暴露度和敏感性合为“暴露度+敏感性综合指数”,其下划分为水力发电系统暴露度+敏感性指数、光伏发电系统暴露度+敏感性指数和风力发电系统暴露度+敏感性指数,三个子维度。
所述水力发电系统暴露度+敏感性综合指数中的暴露度要素量化指标为年总降水量,敏感性要素量化指标为水力发电总量;
所述光伏发电系统暴露度+敏感性综合指数中的暴露度要素量化指标为年总日照时数,敏感性要素量化指标为光伏发电量;
所述风力发电系统暴露度+敏感性综合指数中的暴露度要素量化指标为年平均风速,敏感性要素量化指标为风力发电量。
3)通过发电站周围气象站点的数据解析和计算评估步骤2中所识别的水力发电站所在区域年总降水量、光伏发电站所在区域年总日照时数和风力发电站所在区域年平均风速,并通过统计年鉴获取各水力发电站、光伏发电站、风力发电站的发电量和可再生能源发电系统适应能力维度中的社会经济数据,然后通过标准化处理方法将各指标数据去量纲化;
所述步骤3中各指标数据去量纲化进行标准化处理的方法,如下:
Figure GDA0004076776010000051
式中,Di是细分指标i的标准分值,Xi是细分指标i某一年的指标值,Xmax是细分指标i的最大值,Xmin是细分指标i的最小值。
4)根据步骤3中所计算获取的数据,计算各发电站暴露度和敏感性指数,并基于各发电站发电贡献占比,分别计算评估区域内水力发电系统、光伏发电系统和风力发电系统的暴露度指数和敏感性指数;
评估区域内水力发电系统、光伏发电系统和风力发电系统的暴露度指数计算公式如下:
Ehydro,i=1×TRFi,standardfzed
EPV,i=1×TSHi,standardfzed
Ewind,i=1×AWSi,standardized
式中,i表示发电站,standardized表示标准化处理后的数据,TRF表示年总降水量,TSH表示年总日照时数,AWS表示年平均风速;
所述步骤4中评估区域内水力发电系统、光伏发电系统和风力发电系统的敏感性指数计算公式如下:计算公式如下:
Shydro,i=1×EGhydro,i,standardized
SPV,i=1×EGPV,i,standardized
Swind,i=1×EGwind,i,standardfzed
所述水力发电系统暴露度、光伏发电系统暴露度和风力发电系统暴露度,按各发电站发电量贡献加权计算公式分别如下:
Figure GDA0004076776010000061
Figure GDA0004076776010000062
Figure GDA0004076776010000063
其中,n表示发电站总数;
所述水力发电系统敏感性、光伏发电系统敏感性和风力发电系统敏感性计算公式分别如下:
Figure GDA0004076776010000064
Figure GDA0004076776010000065
Figure GDA0004076776010000066
5)根据步骤1中所搭建的可再生能源发电系统脆弱性评估框架及计算方法,计算评估对象可再生能源发电系统暴露度+敏感性综合指数;
所述可再生能源发电系统暴露度+敏感性综合指数包括水力发电系统暴露度+敏感性综合指数、光伏发电系统暴露度+敏感性综合指数和风力发电系统暴露度+敏感性综合指数;可再生能源发电系统暴露度+敏感性综合指数按其下三个维度发电贡献加权计算,计算公式如下:
Figure GDA0004076776010000071
hydro代表水力发电;PV代表光伏发电;wind代表风力发电;EG代表发电量。
6)根据步骤1中所搭建的可再生能源发电系统脆弱性评估框架和指标体系,以及根据步骤3中标准化处理后的数据,计算可再生能源发电系统适应能力指数;
所述可再生能源发电系统适应能力指数包含5大要素,分别为气象监测能力、经济水平、可再生能源投资水平、能源安全水平和受教育水平;
所述气象监测能力要素量化指标为气象监测站个数;
所述经济水平要素量化指标为人均GDP;
所述可再生能源投资水平要素量化指标为可再生能源投资额;
所述能源安全水平要素量化指标为传统能源占比;
所述受教育水平要素量化指标为高中及以上文化水平人数。
可再生能源发电系统适应能力指数计算公式如下:
A=MSstandardized×WMs+PCGDPstandardized×WPCGDP+RIstandardized×WRI+TRstandardized×WTR+HPstandardized×WHP
式中,MS表示气象监测站个数;PCGDP表示人均GDP;RI表示可再生能源投资额;TR表示传统能源占比;HP表示高中及以上文化水平人数;W表示指标权重,可通过SPSS软件主成分分析功能计算。
7)根据步骤1中所搭建的可再生能源发电系统脆弱性评估框架,计算可再生能源发电系统脆弱性指数,并对可再生能源发电系统脆弱性指数通过标准差分级法进行等级划分,对评估对象可再生能源发电系统进行定性分析。
标准差分级计算公式如下:
Figure GDA0004076776010000072
式中σ表示数据标准差;t表示评估总年数;
Figure GDA0004076776010000073
表示可再生能源发电系统脆弱性平均值;
分界点为
Figure GDA0004076776010000074
其中/>
Figure GDA0004076776010000075
为高脆弱性、其中/>
Figure GDA0004076776010000076
为中脆弱性,
Figure GDA0004076776010000077
为低脆弱性。
以上所述仅为本发明优选的实施例,并不用于限定本发明的保护范围,应当理解,在不违背本发明实质内容和精神的前提下,本领域技术人员所作任何修改、改进或等同替换等都将落入本发明的保护范围。

Claims (5)

1.一种可再生能源发电系统脆弱性的评估方法,其特征在于,包括以下步骤:
1)根据评估目的构建可再生能源发电系统脆弱性评估框架,在此基础上建立可再生能源发电系统脆弱性评估指标体系;
2)确定评估对象,确定评估范围内所有水力发电站、光伏发电站和风力发电站所在区域并建立各个发电站周围气象站点数据库;
3)通过发电站周围气象站点的数据解析和计算评估步骤2中所识别的水力发电站所在区域年总降水量、光伏发电站所在区域年总日照时数和风力发电站所在区域年平均风速,并通过统计年鉴获取各水力发电站、光伏发电站、风力发电站的发电量和可再生能源发电系统适应能力维度中的社会经济数据,然后通过标准化处理方法将各指标数据去量纲化;
4)根据步骤3中所计算获取的数据,计算各发电站暴露度和敏感性指数,并基于各发电站发电贡献占比,分别计算评估区域内水力发电系统、光伏发电系统和风力发电系统的暴露度指数和敏感性指数;
5)根据步骤1中所搭建的可再生能源发电系统脆弱性评估框架及计算方法,计算评估对象可再生能源发电系统暴露度+敏感性综合指数;
6)根据步骤1中所搭建的可再生能源发电系统脆弱性评估框架和指标体系,以及根据步骤3中标准化处理后的数据,计算可再生能源发电系统适应能力指数;
7)根据步骤1中所搭建的可再生能源发电系统脆弱性评估框架,计算可再生能源发电系统脆弱性指数,并对可再生能源发电系统脆弱性指数通过标准差分级法进行等级划分,对评估对象可再生能源发电系统进行定性分析;
所述步骤1中所述可再生能源发电系统脆弱性评估框架包括可再生能源发电系统暴露度+敏感性综合指数和可再生能源发电系统适应能力指数,可再生能源发电系统脆弱性计算公式如下:
V=(E+S)-A
式中,V表示可再生能源发电系统脆弱性指数,E+S表示可再生能源发电系统暴露度+敏感性综合指数,A表示可再生能源发电系统适应能力指数;
所述可再生能源发电系统暴露度+敏感性综合指数包括水力发电系统暴露度+敏感性综合指数、光伏发电系统暴露度+敏感性综合指数和风力发电系统暴露度+敏感性综合指数;可再生能源发电系统暴露度+敏感性综合指数按其下三个维度发电贡献加权计算,计算公式如下:
Figure FDA0004156731980000021
hydro代表水力发电;PV代表光伏发电;wind代表风力发电;EG代表发电量;
所述步骤4中评估区域内水力发电系统、光伏发电系统和风力发电系统的暴露度指数计算公式如下:
Ehydro,i=1×TRFi,standardized
EPV,i=1×TSHi,standardized
Ewind,i=1×AWSi,standardized
式中,i表示发电站,standardized表示标准化处理后的数据,TRF表示年总降水量,TSH表示年总日照时数,AWS表示年平均风速;
所述步骤4中评估区域内水力发电系统、光伏发电系统和风力发电系统的敏感性指数计算公式如下:计算公式如下:
Shydro,i=1×EGhydro,i,standardized
SPV,i=1×EGPV,i,standardized
Swindi=1×EGwindistandardized
所述水力发电系统暴露度、光伏发电系统暴露度和风力发电系统暴露度,按各发电站发电量贡献加权计算公式分别如下:
Figure FDA0004156731980000031
Figure FDA0004156731980000032
Figure FDA0004156731980000033
其中,n表示发电站总数;
所述水力发电系统敏感性、光伏发电系统敏感性和风力发电系统敏感性计算公式分别如下:
Figure FDA0004156731980000034
Figure FDA0004156731980000035
Figure FDA0004156731980000036
所述步骤6中可再生能源发电系统适应能力指数计算公式如下:
A=MSstandardized×WMS+PCGDPstandardized×WPCGDP+RIstandardized×WRI+TRstandardized×WTR+HPstandardized×WHP
式中,MS表示气象监测站个数;PCGDP表示人均GDP;RI表示可再生能源投资额;TR表示传统能源占比;HP表示高中及以上文化水平人数;W表示指标权重,可通过SPSS软件主成分分析功能计算。
2.根据权利要求1所述的可再生能源发电系统脆弱性的评估方法,其特征在于:所述水力发电系统暴露度+敏感性综合指数中的暴露度要素量化指标为年总降水量,敏感性要素量化指标为水力发电总量;
所述光伏发电系统暴露度+敏感性综合指数中的暴露度要素量化指标为年总日照时数,敏感性要素量化指标为光伏发电量;
所述风力发电系统暴露度+敏感性综合指数中的暴露度要素量化指标为年平均风速,敏感性要素量化指标为风力发电量。
3.根据权利要求1所述的可再生能源发电系统脆弱性的评估方法,其特征在于,所述可再生能源发电系统适应能力指数包含5大要素,分别为气象监测能力、经济水平、可再生能源投资水平、能源安全水平和教育水平;
所述气象监测能力要素量化指标为气象监测站个数;
所述经济水平要素量化指标为人均GDP;
所述可再生能源投资水平要素量化指标为可再生能源投资额;
所述能源安全水平要素量化指标为传统能源占比;
所述教育水平要素量化指标为高中及以上文化水平人数。
4.根据权利要求1所述的可再生能源发电系统脆弱性的评估方法,其特征在于,所述步骤3中各指标数据去量纲化进行标准化处理的方法,如下:
Figure FDA0004156731980000041
式中,Di是细分指标i的标准分值,Xi是细分指标i某一年的指标值,Xmax是细分指标i的最大值,Xmin是细分指标i的最小值。
5.根据权利要求1所述的可再生能源发电系统脆弱性的评估方法,其特征在于,所述步骤7中标准差分级计算公式如下:
Figure FDA0004156731980000051
式中σ表示数据标准差;t表示评估总年数;
Figure FDA0004156731980000052
表示可再生能源发电系统脆弱性平均值;
分界点为
Figure FDA0004156731980000053
其中/>
Figure FDA0004156731980000054
为高脆弱性、其中/>
Figure FDA0004156731980000055
为中脆弱性,/>
Figure FDA0004156731980000056
为低脆弱性。
CN202010196223.5A 2020-03-19 2020-03-19 一种可再生能源发电系统脆弱性的评估方法 Active CN113496319B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010196223.5A CN113496319B (zh) 2020-03-19 2020-03-19 一种可再生能源发电系统脆弱性的评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010196223.5A CN113496319B (zh) 2020-03-19 2020-03-19 一种可再生能源发电系统脆弱性的评估方法

Publications (2)

Publication Number Publication Date
CN113496319A CN113496319A (zh) 2021-10-12
CN113496319B true CN113496319B (zh) 2023-07-07

Family

ID=77993600

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010196223.5A Active CN113496319B (zh) 2020-03-19 2020-03-19 一种可再生能源发电系统脆弱性的评估方法

Country Status (1)

Country Link
CN (1) CN113496319B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011105672A1 (en) * 2010-02-25 2011-09-01 Pukyong National University Industry-University Cooperation Foundation Method and system for producing climate crisis index
CN108090660A (zh) * 2017-12-07 2018-05-29 华中科技大学 应对海平面上升的土地利用动态演化模拟方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011105672A1 (en) * 2010-02-25 2011-09-01 Pukyong National University Industry-University Cooperation Foundation Method and system for producing climate crisis index
CN108090660A (zh) * 2017-12-07 2018-05-29 华中科技大学 应对海平面上升的土地利用动态演化模拟方法及系统

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
Vulnerability of hydropower generation to climate change in China: Results based on Grey forecasting model;BingWang;《Energy Policy》;第65卷;全文 *
一体化的电力与通信系统体系结构;丁道齐;《电力系统通信》(第01期);全文 *
含风电接入的电力系统脆弱性分析与量化评估;李炅聪等;《电网与清洁能源》(第01期);全文 *
基于遥感数据的西藏高原自然生态系统脆弱性评估;高江波等;《地理科学》(第04期);全文 *
微电网与大电网合作动因及影响因素分析;潘成蓉等;《生态经济》(第03期);全文 *
甘肃省区域社会―生态系统脆弱性综合评价;李洁等;《经济地理》(第12期);全文 *
电力系统脆弱性风险评估的研究与实现;王璐等;《科技风》(第15期);全文 *

Also Published As

Publication number Publication date
CN113496319A (zh) 2021-10-12

Similar Documents

Publication Publication Date Title
CN113496311A (zh) 光伏电站发电功率预测方法及系统
Ohba et al. Impacts of synoptic circulation patterns on wind power ramp events in East Japan
CN105260800A (zh) 一种光伏组件温度预测方法及装置
CN102073791A (zh) 用于光伏电站设计的地区太阳能资源丰富程度评估系统
CN104574202A (zh) 一种风电场出力特性分析方法
Vallejo-Díaz et al. Wind energy potential assessment of selected locations at two major cities in the Dominican Republic, toward energy matrix decarbonization, with resilience approach
Paraschiv et al. Assessment of onshore wind energy potential under temperate continental climate conditions
CN116451454A (zh) 一种基于风-浪资源的风机和波浪能装置联合开发最优配置选型方法
Ellis et al. Power ramp rates and variability of individual and aggregate photovoltaic systems using measured production data at the municipal scale
CN108256690B (zh) 基于形状参数置信区间的光伏发电预测方法
CN113496319B (zh) 一种可再生能源发电系统脆弱性的评估方法
CN112883577A (zh) 一种海上风电场出力典型场景生成方法及存储介质
CN117151495A (zh) 一种光伏发电系统运行效率评估分析方法
Ray et al. Performance assessment of prospective pv systems in queensland and new south wales of australia
CN112131779A (zh) 一种基于多参考站的海上测风塔数据代表年订正方法
CN117060374A (zh) 一种日前风光发电功率场景生成方法、虚拟装置及计算机可读介质
CN116304872A (zh) 低效光伏逆变器组件的识别方法、系统、设备及存储介质
CN114281846B (zh) 一种基于机器学习的新能源发电预测方法
CN115733258A (zh) 一种基于物联网技术的全户内智能变电站系统的控制方法
CN116365500A (zh) 基于特殊地域集合预报的风电场发电功率预测方法
Roy Assessment of commercial wind profiles for Bangladesh in hotspots determined by the UNEP
CN103455730A (zh) 分布式光伏发电能力评估系统及生成太阳辐射数据的方法
Xie et al. Ultra-short-term Forecasting Method of Photovoltaic Power Generation Based on Combined Deep Neural Network
CN113536664B (zh) 一种海上风电出力的电量平衡计算方法、装置及系统
CN112288285B (zh) 一种基于广义极值分布的光伏发电站组串衰减率评估方法

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
CB03 Change of inventor or designer information

Inventor after: Wang Peng

Inventor after: Pu Yanru

Inventor after: Wang Lu

Inventor after: Li Guanlin

Inventor after: Qiao Wenhui

Inventor after: Chen Zhangli

Inventor after: Zhang Shuainan

Inventor after: Liu Jiawen

Inventor before: Pu Yanru

Inventor before: Wang Peng

Inventor before: Wang Lu

Inventor before: Li Guanlin

Inventor before: Qiao Wenhui

Inventor before: Chen Zhangli

Inventor before: Zhang Shuainan

Inventor before: Liu Jiawen

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant