CN113972697A - 一种大规模并网新能源的集群出力特性评价方法 - Google Patents

一种大规模并网新能源的集群出力特性评价方法 Download PDF

Info

Publication number
CN113972697A
CN113972697A CN202111198663.5A CN202111198663A CN113972697A CN 113972697 A CN113972697 A CN 113972697A CN 202111198663 A CN202111198663 A CN 202111198663A CN 113972697 A CN113972697 A CN 113972697A
Authority
CN
China
Prior art keywords
output
new energy
load
max
peak
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
CN202111198663.5A
Other languages
English (en)
Inventor
张天宇
闫大威
王魁
宋佳
雷铮
丁承第
李媛媛
何平
王伟臣
李慧
刘忠义
宣文博
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.)
State Grid Corp of China SGCC
State Grid Tianjin Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Tianjin 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 State Grid Corp of China SGCC, State Grid Tianjin Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202111198663.5A priority Critical patent/CN113972697A/zh
Publication of CN113972697A publication Critical patent/CN113972697A/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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • 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
    • 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
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提出一种大规模并网新能源的集群出力特性评价方法，包括如下步骤：建立三个维度的评价指标，分别为出力置信度、出力波动度以及负荷曲线匹配度；根据评价指标综合评价城市电网中新能源的出力对城市电网电力电量以及调峰平衡的影响程度，给出量化评价。本发明的出力置信度可为新能源出力参与城市电网的电力平衡提供数据支撑，为新能源出力水平的设置提供合理参考；出力波动度可为电网的实时调度机组出力提供数据支撑，方便调度员预判新能源出力的最大波动，给传统机组的调节提供参考；负荷曲线匹配度可为电网的调峰平衡提供数据支撑，根据负荷曲线叠加新能源出力后的峰谷差，及时调整火电开关机，保证调峰平衡，减少新能源的弃电量。

Description

一种大规模并网新能源的集群出力特性评价方法
技术领域
本发明涉及城市电网规划评估技术领域，特别是涉及一种大规模并网新能源的集群出力特性评价方法。
背景技术
能源革命和双碳目标的提出给城市电网新能源大规模发展提供了良好机遇。随着城市电网新能源装机容量的进一步提升，新能源出力对整体电网的电力平衡、电量平衡以及调峰平衡的影响程度都进一步加大。在大气污染防治高压下，城市电网中的火电机组装机容量将不再有明显增长，网内新能源出力将取而代之，成为城市电网主要的电源出力来源。新能源出力的随机性、间歇性更强，调度难度大，这就需要在规划阶段就对新能源出力的特性进行全方位、多维度评价，为城市电网中负荷需求与电源出力之间的平衡分析提供数据支撑。
当前对于新能源出力的随机性的评价维度较少，仅针对个体小容量新能源，从时间尺度上对其出力的波动程度给出了相关指标，或根据气象条件，给出地区范围内新能源出力的典型曲线。以上两种评价均未针对城市电网新能源的集群特性进行具有针对性的评价，对城市电网电力电量以及调峰平衡并没有较大的数据参考价值。
因此，基于这些问题，有必要研究一种大规模并网新能源的集群出力特性评价方法，综合评价城市电网中新能源的出力对城市电网电力电量以及调峰平衡的影响程度。
发明内容
本发明的目的在于设计一种大规模并网新能源的集群出力特性评价方法，综合评价城市电网中新能源的出力对城市电网电力电量以及调峰平衡的影响程度。
本发明的方案为：
一种大规模并网新能源的集群出力特性评价方法，包括如下步骤：
建立三个维度的评价指标，分别为出力置信度、出力波动度以及负荷曲线匹配度；
根据出力置信度、出力波动度以及负荷曲线匹配度综合评价城市电网中新能源的出力对城市电网电力电量以及调峰平衡的影响程度，给出量化评价。
进一步的，建立出力置信度评价指标的方法为：
获取全年每分钟实测的新能源出力数据Pmin_i；
在多时间尺度给出新能源出力水平在α以上的新能源出力置信度δ：
Figure BDA0003304144000000021
式中Nsum表示在所统计时间尺度上所获取的新能源实测出力数据总数量，
Figure BDA0003304144000000022
表示在所统计时间尺度上，新能源出力大于出力水平α的实测数据数量；
根据多时间尺度的新能源出力置信度δ为新能源出力水平的设置提供参考。
进一步的，建立出力波动度评价指标的方法为：
获取并入电网的新能源装机总容量S，并获得分钟时间尺度的新能源出力最大出力波动速率Fa及日最大波动幅度评价指标Fb：
Figure BDA0003304144000000023
式中，max()表示取相邻分钟的两个新能源出力差值的最大值，表示分钟时间尺度下新能源出力的最大波动；
Figure BDA0003304144000000024
式中，Pmin_i_b表示b天中第i分钟的新能源出力；
根据出力波动度为电网的实时调度机组出力提供数据支撑，给传统机组的调节提供参考。
进一步的，建立负荷曲线匹配度评价指标的方法为：
获取负荷24小时典型日需求曲线，并获得该典型日的最大负荷Pmax、最小负荷Pmin、峰谷差Pmax-min、峰谷差率Pratio；
建立新能源24小时典型日出力曲线；
给出第j小时在出力置信度δ下的出力水平α，作为第j小时的新能源出力Pj_δ；
将新能源24小时典型日曲线每个小时出力Pj_δ与负荷24小时典型日曲线每个小时的负荷需求Lj相减，得到考虑新能源出力的24小时典型负荷曲线；并获得最大负荷Pmax_δ、最小负荷Pmin_δ、峰谷差Pmax-min_δ、峰谷差率Pratio_δ；
获得考虑新能源出力的负荷曲线形状指标变动值：最大负荷变化ΔPmax、最小负荷变化ΔPmin；获得不考虑新能源出力的负荷曲线形状指标变动值：峰谷差变化ΔPmax-min和峰谷差率变化ΔPratio：
ΔPmax＝Pmax-Pmax_δ
ΔPmin＝Pmin-Pmin_δ
ΔPmax-min＝Pmax-min-Pmax-min_δ
ΔPratio＝Pratio-ΔPratio_δ
根据负荷曲线匹配度为电网的调峰平衡提供数据支撑，根据负荷曲线叠加新能源出力后的峰谷差调整火电开关机。
本发明的优点和积极效果是：
本发明所建立的新能源出力特征评价指标包含三大方面，出力置信度、出力波动度、负荷匹配度，其中出力置信度可为新能源出力参与城市电网的电力平衡提供数据支撑，为新能源出力水平的设置提供合理参考；出力波动度可为电网的实时调度机组出力提供数据支撑，方便调度员预判新能源出力的最大波动，给传统机组的调节提供参考；负荷曲线匹配度可为电网的调峰平衡提供数据支撑，根据负荷曲线叠加新能源出力后的峰谷差，及时调整火电开关机，保证调峰平衡，减少新能源的弃电量。
附图说明
图1是本发明实施例提供的天津地区2020年风电出力水平的置信曲线；
图2是本发明实施例提供的天津地区2020年四季的风力发电出力水平置信度度曲线；
图3是本发明实施例提供的天津地区2020年月时间尺度的风力发电出力水平置信度度曲线；
图4是本发明实施例提供的风力发电日最大出力波动柱状图；
图5是本发明实施例提供的风力发电日最大出力波动占比柱状图；
图6是本发明实施例提供的置信度80％风电发电典型曲线。
具体实施方式
为使本发明实施的目的、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更加详细的描述。在附图中，自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。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。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。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。
考虑价格型需求响应的零售套餐定价方法构造了需求响应模型，分析了包含售电收入、购电支出、响应收入等的售电商成本—收益函数，构建了零售套餐定价模型，从优化定价角度为零售商提供决策支持。
下面结合附图对本发明的实施例进行详细说明。
本实施例提供的一种大规模并网新能源的集群出力特性评价方法，包括如下步骤：
建立三个维度的评价指标，分别为出力置信度、出力波动度以及负荷曲线匹配度；
根据出力置信度、出力波动度以及负荷曲线匹配度综合评价城市电网中新能源的出力对城市电网电力电量以及调峰平衡的影响程度，给出量化评价。
进一步的，建立出力置信度评价指标的方法为：
获取全年每分钟实测的新能源出力数据Pmin_i；
在多时间尺度给出新能源出力水平在α以上的新能源出力置信度δ：
Figure BDA0003304144000000051
式中Nsum表示在所统计时间尺度上所获取的新能源实测出力数据总数量，
Figure BDA0003304144000000052
表示在所统计时间尺度上，新能源出力大于出力水平α的实测数据数量；
根据多时间尺度的新能源出力置信度δ为新能源出力水平的设置提供参考。
进一步的，建立出力波动度评价指标的方法为：
获取并入电网的新能源装机总容量S，并获得分钟时间尺度的新能源出力最大出力波动速率Fa及日最大波动幅度评价指标Fb：
Figure BDA0003304144000000053
式中，max()表示取相邻分钟的两个新能源出力差值的最大值，表示分钟时间尺度下新能源出力的最大波动；
Figure BDA0003304144000000054
式中，Pmin_i_b表示b天中第i分钟的新能源出力；
根据出力波动度为电网的实时调度机组出力提供数据支撑，给传统机组的调节提供参考。
进一步的，建立负荷曲线匹配度评价指标的方法为：
获取负荷24小时典型日需求曲线，并获得该典型日的最大负荷Pmax、最小负荷Pmin、峰谷差Pmax-min、峰谷差率Pratio；
建立新能源24小时典型日出力曲线；
给出第j小时在出力置信度δ下的出力水平α，作为第j小时的新能源出力Pj_δ；
将新能源24小时典型日曲线每个小时出力Pj_δ与负荷24小时典型日曲线每个小时的负荷需求Lj相减，得到考虑新能源出力的24小时典型负荷曲线；并获得最大负荷Pmax_δ、最小负荷Pmin_δ、峰谷差Pmax-min_δ、峰谷差率Pratio_δ；
获得考虑新能源出力的负荷曲线形状指标变动值：最大负荷变化ΔPmax、最小负荷变化ΔPmin；获得不考虑新能源出力的负荷曲线形状指标变动值：峰谷差变化ΔPmax-min和峰谷差率变化ΔPratio：
ΔPmax＝Pmax-Pmax_δ
ΔPmin＝Pmin-Pmin_δ
ΔPmax-min＝Pmax-min-Pmax-min_δ
ΔPratio＝Pratio-ΔPratio_δ
根据负荷曲线匹配度为电网的调峰平衡提供数据支撑，根据负荷曲线叠加新能源出力后的峰谷差调整火电开关机。
作为举例，在本实施例中，基于天津地区2016～2020年风电每15分钟的出力数据，给出天津地区风电出力置信度、出力波动度和负荷匹配度：
一、出力置信度评价指标计算
①年时间尺度
在年时间尺度下，统计风力发电出力水平的积累概率密度曲线(置信曲线)，以2020年为例，结合15分钟1点的风力发电出力数据以及逐月的风电装机水平，得到一年内风电出力水平，其出力水平的置信曲线如图1所示。由图1可见，随着风电出力水平的增加，其置信度逐渐降低，全年风电出力水平在40％以上的置信度已不足0.2。2016～2020年各年的风电出力水平置信度具体数值如下表1所示。
表1风力发电出力水平置信度值
Figure BDA0003304144000000071
由上表可见，风电出力水平在5％及以上的置信度为70％，表示全年有70％的时间，风电出力水平在5％及以上。但随着风电出力水平的提升，置信度明显减小，出力水平在30％以上时的置信度仅为0.27左右。出力水平在70％以上的置信度不足0.1。
②季节时间尺度
将风电出力水平数据细化至季节，给出春(3～5月)、夏(6～8月)、秋(9～11月)、冬(1、2、12月)四季的风电出力水平的置信度曲线，以2020年为例，如图2所示，秋季的风电出力置信度最高，冬季次之，秋季和夏季的风电出力置信度较低。可见，天津地区风力春季、冬季较大，夏季、秋季较小。2020年风电出力置信度值如下表2所示。
表2 2020四季的风力发电出力水平置信度值
出力水平 春季 夏季 秋季 冬季
0％ 1.00 1.00 1.00 1.00
1％ 0.93 0.82 0.83 0.84
3％ 0.87 0.72 0.72 0.76
5％ 0.83 0.63 0.65 0.71
10％ 0.74 0.46 0.49 0.60
15％ 0.65 0.34 0.38 0.51
20％ 0.57 0.25 0.30 0.44
25％ 0.51 0.19 0.23 0.38
30％ 0.45 0.14 0.18 0.33
35％ 0.39 0.11 0.15 0.28
40％ 0.35 0.08 0.12 0.25
45％ 0.30 0.06 0.10 0.21
50％ 0.27 0.04 0.08 0.18
55％ 0.23 0.02 0.06 0.15
60％ 0.20 0.01 0.04 0.12
65％ 0.16 0.00 0.03 0.10
70％ 0.13 0.00 0.02 0.08
75％ 0.11 0.00 0.00 0.07
80％ 0.08 0.00 0.00 0.04
85％ 0.06 0.00 0.00 0.02
90％ 0.02 0.00 0.00 0.01
95％ 0.00 0.00 0.00 0.00
100％ 0.00 0.00 0.00 0.00
由上表可见，出力春季的风电出力置信度70％时的出力水平为10％。但夏、秋、冬三个季节置信度达到70％的出力水平仅达到3％和5％。
③月时间尺度
进一步选取1月、4月、8月、12月的风电出力水平统计数据，得到以月为时间尺度的风电出力置信度曲线，仍以2020年为例，其他年份的出力置信度曲线与2020年相似。由图3可见，月份出力置信度与季节出力置信度相似，春季4月置信度最高，夏季8月置信度最低。具体置信度值如下表3所示。
表3 2020月份风力发电出力水平置信度值
出力水平 1月 4月 8月 12月
0％ 1.00 1.00 1.00 1.00
1％ 0.71 0.97 0.78 0.86
3％ 0.55 0.93 0.60 0.76
5％ 0.46 0.89 0.48 0.68
10％ 0.34 0.81 0.29 0.52
15％ 0.25 0.72 0.19 0.42
20％ 0.18 0.64 0.12 0.34
25％ 0.13 0.56 0.10 0.26
30％ 0.10 0.50 0.07 0.21
35％ 0.07 0.44 0.05 0.19
40％ 0.06 0.38 0.04 0.16
45％ 0.05 0.33 0.03 0.14
50％ 0.03 0.29 0.02 0.11
55％ 0.03 0.26 0.02 0.08
60％ 0.02 0.24 0.01 0.06
65％ 0.01 0.20 0.01 0.05
70％ 0.01 0.16 0.01 0.04
75％ 0.00 0.12 0.00 0.03
80％ 0.00 0.09 0.00 0.00
85％ 0.00 0.05 0.00 0.00
90％ 0.00 0.01 0.00 0.00
95％ 0.00 0.00 0.00 0.00
100％ 0.00 0.00 0.00 0.00
二：出力波动度评价指标计算
①最快波动速率
2016年至2020年，随风电装机容量逐年增加，风力发电最大出力波动速率呈上升趋势，每小时最大出力波动占装机容量比例整体呈下降趋势。至2020年最大波动速率达435兆瓦/小时，每小时最大出力波动占装机容量的62％。
表4 2016年至2020年风力发电最大出力波动速率统计表
2016年 2017年 2018年 2019年 2020年
最大波动速率 241 235 321 403 435
占比 84％ 82％ 62％ 67％ 62％
②日最大波动幅度
经统计，随着风电装机容量逐年增加，风力发电日最大出力波动逐年增加，至2020年风力发电日发电最大出力波动达639兆瓦，占装机容量91％。
如图4、5，从风力发电日最大出力波动占装机容量比例看，2016年至2019年春季风力发电日最大出力波动占比相对较大，夏季风力发电日最大出力波动占比相对较小；2020年冬季风力发电日最大出力波动占比较小，其他季节风力发电日最大出力波动占比相差不大。2016至2020年风力发电日最大出力波动最大占比均超过90％。
三：负荷匹配度评价指标计算
基于2016年至2020年每小时风力发电概率密度统计，给出春、夏、秋、冬四个季节不同置信度锋利发电典型曲线如图6。
将四季的风力发电曲线与四季的典型日负荷曲线叠加匹配，得到考虑和不考虑风电出力的负荷特性指标最大负荷变化ΔPmax、最小负荷变化ΔPmin、峰谷差变化ΔPmax-min和峰谷差率ΔPratio变化。
表5四季条件下风电出力与负荷匹配度指标
季节 最大负荷变化 最小负荷变化 峰谷差变化 峰谷差率
春 -1.7％ -2.8％ 1.1％ 1.2％
夏 -1.3％ -1.6％ 0.5％ 0.3％
秋 -1.4％ -2.0％ 0.7％ 0.6％
冬 -1.6％ -2.5％ 1.0％ 0.9％
由表5可见，风电出力叠加负荷曲线后，负荷曲线的最大、最小负荷均减小，但峰谷差增大。
最后需要指出的是：以上实施例仅用以说明本发明的技术方案，而非对其限制。尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (4)

1.一种大规模并网新能源的集群出力特性评价方法，其特征在于，包括如下步骤：
建立三个维度的评价指标，分别为出力置信度、出力波动度以及负荷曲线匹配度；
根据出力置信度、出力波动度以及负荷曲线匹配度综合评价城市电网中新能源的出力对城市电网电力电量以及调峰平衡的影响程度，给出量化评价。
2.根据权利要求1所述的一种大规模并网新能源的集群出力特性评价方法，其特征在于，建立出力置信度评价指标的方法为：
获取全年每分钟实测的新能源出力数据Pmin_i；
在多时间尺度给出新能源出力水平在α以上的新能源出力置信度δ：
Figure FDA0003304143990000011
式中Nsum表示在所统计时间尺度上所获取的新能源实测出力数据总数量，
Figure FDA0003304143990000012
表示在所统计时间尺度上，新能源出力大于出力水平α的实测数据数量；
根据多时间尺度的新能源出力置信度δ为新能源出力水平的设置提供参考。
3.根据权利要求2所述的一种大规模并网新能源的集群出力特性评价方法，其特征在于，建立出力波动度评价指标的方法为：
获取并入电网的新能源装机总容量S，并获得分钟时间尺度的新能源出力最大出力波动速率Fa及日最大波动幅度评价指标Fb：
Figure FDA0003304143990000013
式中，max()表示取相邻分钟的两个新能源出力差值的最大值，表示分钟时间尺度下新能源出力的最大波动；
Figure FDA0003304143990000021
式中，Pmin_i_b表示b天中第i分钟的新能源出力；
根据出力波动度为电网的实时调度机组出力提供数据支撑，给传统机组的调节提供参考。
4.根据权利要求3所述的一种大规模并网新能源的集群出力特性评价方法，其特征在于，建立负荷曲线匹配度评价指标的方法为：
获取负荷24小时典型日需求曲线，并获得该典型日的最大负荷Pmax、最小负荷Pmin、峰谷差Pmax-min、峰谷差率Pratio；
建立新能源24小时典型日出力曲线；
给出第j小时在出力置信度δ下的出力水平α，作为第j小时的新能源出力Pj_δ；
将新能源24小时典型日曲线每个小时出力Pj_δ与负荷24小时典型日曲线每个小时的负荷需求Lj相减，得到考虑新能源出力的24小时典型负荷曲线；并获得最大负荷Pmax_δ、最小负荷Pmin_δ、峰谷差Pmax-min_δ、峰谷差率Pratio_δ；
获得考虑新能源出力的负荷曲线形状指标变动值：最大负荷变化ΔPmax、最小负荷变化ΔPmin；获得不考虑新能源出力的负荷曲线形状指标变动值：峰谷差变化ΔPmax-min和峰谷差率变化ΔPratio：
ΔPmax＝Pmax-Pmax_δ
ΔPmin＝Pmin-Pmin_δ
ΔPmax-min＝Pmax-min-Pmax-min_δ
ΔPratio＝Pratio-ΔPratio_δ
根据负荷曲线匹配度为电网的调峰平衡提供数据支撑，根据负荷曲线叠加新能源出力后的峰谷差调整火电开关机。
CN202111198663.5A 2021-10-14 2021-10-14 一种大规模并网新能源的集群出力特性评价方法 Pending CN113972697A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111198663.5A CN113972697A (zh) 2021-10-14 2021-10-14 一种大规模并网新能源的集群出力特性评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111198663.5A CN113972697A (zh) 2021-10-14 2021-10-14 一种大规模并网新能源的集群出力特性评价方法

Publications (1)

Publication Number Publication Date
CN113972697A true CN113972697A (zh) 2022-01-25

Family

ID=79587475

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111198663.5A Pending CN113972697A (zh) 2021-10-14 2021-10-14 一种大规模并网新能源的集群出力特性评价方法

Country Status (1)

Country Link
CN (1) CN113972697A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107947165A (zh) * 2017-11-30 2018-04-20 国网浙江省电力公司经济技术研究院 一种面向调节需求的配电网灵活性评价方法
CN108964113A (zh) * 2017-05-25 2018-12-07 中国电力科学研究院 一种新能源发电调度方法及系统
CN109510240A (zh) * 2018-12-14 2019-03-22 国网山东省电力公司经济技术研究院 一种大规模新能源并网对电力系统运行影响的分析方法
CN110555628A (zh) * 2019-09-11 2019-12-10 国网能源研究院有限公司 一种新能源发电出力与负荷特性匹配程度的综合评价方法
CN111723975A (zh) * 2020-05-18 2020-09-29 国网新疆电力有限公司经济技术研究院 一种基于分布式电源出力时序的配电网电力紧平衡方法
CN112104005A (zh) * 2020-08-25 2020-12-18 中国电力科学研究院有限公司 一种考虑新能源预测不确定性的电网调度方法和系统
CN113346491A (zh) * 2021-06-09 2021-09-03 国网山西省电力公司经济技术研究院 一种新能源场站发电出力特性多维评估方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108964113A (zh) * 2017-05-25 2018-12-07 中国电力科学研究院 一种新能源发电调度方法及系统
CN107947165A (zh) * 2017-11-30 2018-04-20 国网浙江省电力公司经济技术研究院 一种面向调节需求的配电网灵活性评价方法
CN109510240A (zh) * 2018-12-14 2019-03-22 国网山东省电力公司经济技术研究院 一种大规模新能源并网对电力系统运行影响的分析方法
CN110555628A (zh) * 2019-09-11 2019-12-10 国网能源研究院有限公司 一种新能源发电出力与负荷特性匹配程度的综合评价方法
CN111723975A (zh) * 2020-05-18 2020-09-29 国网新疆电力有限公司经济技术研究院 一种基于分布式电源出力时序的配电网电力紧平衡方法
CN112104005A (zh) * 2020-08-25 2020-12-18 中国电力科学研究院有限公司 一种考虑新能源预测不确定性的电网调度方法和系统
CN113346491A (zh) * 2021-06-09 2021-09-03 国网山西省电力公司经济技术研究院 一种新能源场站发电出力特性多维评估方法及系统

Similar Documents

Publication Publication Date Title
CN107944630A (zh) 一种季节性分时电价优化制定方法
CN109886567B (zh) 一种考虑体感温度和辐射强度的短期负荷预测方法
CN107423852A (zh) 一种计及典型场景的光储联合电站优化运营方法
CN110111003A (zh) 一种基于改进fcm聚类算法的新能源典型场景构建方法
CN113131468B (zh) 一种考虑用户停电损失的多目标配电网供电恢复方法
CN106655248A (zh) 一种并网型微电网电源容量配置方法
CN111404193B (zh) 一种基于数据驱动的微电网随机鲁棒优化调度方法
CN112561252B (zh) 一种含新能源地区电网无功组合评价方法
CN104135036A (zh) 一种基于时域和集群效应分析间歇性能源出力的方法
CN116955968B (zh) 一种基于机器学习的用户用电行为分析方法
CN112241923B (zh) 一种基于综合能源系统源荷等效外特性的配网电力平衡方法
CN115511541A (zh) 一种基于供需情景和系统成本的分时段电价计算方法
CN115759623A (zh) 一种储能参与电力市场交易特征关系的调度方法
CN107392370A (zh) 基于风光相关性的含分布式电源的配电网规划方法
CN111738773A (zh) 一种基于新能源与负荷的净负荷峰谷时段划分方法及系统
CN110021932B (zh) 双边参与的调峰辅助服务容量选取和经济模型构建方法
CN110826778A (zh) 一种主动适应新能源发展的负荷特性优化计算方法
CN113972697A (zh) 一种大规模并网新能源的集群出力特性评价方法
CN115358559A (zh) 考虑综合需求响应的综合能源系统源储容量优化配置方法
CN115829141A (zh) 一种基于短期智能电表数据的储能系统优化配置方法
Parra et al. Customers' demand clustering analysis—A case study using smart meter data
CN113033867A (zh) 一种计及电供热特性的省级电网负荷特性分析方法
CN107392371A (zh) 基于分解协调的含分布式电源的配电网规划方法
Maochun et al. Typical scenario construction for fast assessment of renewable energy absorption capacity
CN113675891B (zh) 一种电网输电能力与效率提升的方法

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