CN114204597B - 基于多区域互联的新能源消纳优化方法 - Google Patents

基于多区域互联的新能源消纳优化方法 Download PDF

Info

Publication number
CN114204597B
CN114204597B CN202111520833.7A CN202111520833A CN114204597B CN 114204597 B CN114204597 B CN 114204597B CN 202111520833 A CN202111520833 A CN 202111520833A CN 114204597 B CN114204597 B CN 114204597B
Authority
CN
China
Prior art keywords
site
capacity
value
station
axisset
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
CN202111520833.7A
Other languages
English (en)
Other versions
CN114204597A (zh
Inventor
刘新卫
宋健
张连城
王兵
许孝海
李玉霞
康健
张汉明
李珑珑
贾文强
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.)
Dongying Power Industry Bureau Of State Grid Shandong Electric Power Co
Dongying Power Supply Co of State Grid Shandong Electric Power Co Ltd
Original Assignee
Dongying Power Industry Bureau Of State Grid Shandong Electric Power Co
Dongying Power Supply Co of State Grid Shandong 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 Dongying Power Industry Bureau Of State Grid Shandong Electric Power Co, Dongying Power Supply Co of State Grid Shandong Electric Power Co Ltd filed Critical Dongying Power Industry Bureau Of State Grid Shandong Electric Power Co
Priority to CN202111520833.7A priority Critical patent/CN114204597B/zh
Publication of CN114204597A publication Critical patent/CN114204597A/zh
Application granted granted Critical
Publication of CN114204597B publication Critical patent/CN114204597B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H02J3/381—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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of 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
    • 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

Landscapes

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

Abstract

本申请提供了基于多区域互联的新能源消纳优化方法，通过为各区域新能源备选站点建立电能产能模型，而后基于站点间电能产能时段互补最优原则选定新建站点群，并基于所述多区域新建站点群并网联和供电，从而极大消除新能源电能出力波动问题，实现新能源的有效消纳，达到新能源发电降本增效的目的。

Description

基于多区域互联的新能源消纳优化方法
技术领域
本申请涉及涉及新能源消纳优化领域，特别涉及基于多区域互联的新能源消纳优化方法。
背景技术
本部分的陈述仅仅是提供了与本申请相关的背景技术信息，不必然构成在先技术。
随着人类信息化、工业化的快速发展，人类社会能源消耗长期呈高速增长态势，给能源供给带来极大的挑战，作为牵涉社会民生、工业基础的电能供应，更是如此。
为了缓解电能供应压力，国家出台相关政策鼓励分布式发电并网政策，由此调动各区域民间资源，广泛的利用水力、风力、太阳能、生物能(沼气)、海潮能这些能源来发电，构建分布式电网系统，为电能提供有效补充，最终达到通过广泛发展绿色能源来缓解电能供应压力的目的。
然而，新能源出力的不确定性与随机性给能源规划带来挑战，为了应对该挑战，目前业界主要采取两种方案：
第一、每个站点按照最低稳定电能产出核算，而后规划建设满足电能应用需求的分布式站点，实现电能供给，该方案由于各个站点供能按照最低稳定输出能力进行核算，导致需要部署过多发电站点，造成站点群高出稳定电能产出部分的能源浪费，无法完成新能源有效消纳，也给成本带来一定的压力。
第二、在各站点部署容量足够大的储能设备，应对站点产出电能波动的影响，从而保证单站点电源供能稳定且使用充分，并基于可得的稳定电能规划建设满足电能应用需求的分布式站点，实现电能供给，有效完成新能源充分消纳，该方案由于各个站点需要增加大容量的储能设备，导致发电成本过高，难以承受，最终在改善消纳中难以推广。
从上述分析可以看到，现有技术对于新能源的应用，要么无法有效消纳，要么消纳成本过高，难以提升产业效能，因此，如何优化新能源消纳方案，实现新能源降本增效，则是业界有待解决的问题。
发明内容
本申请为了解决上述问题提出了基于多区域互联的新能源消纳优化方法，基于多区域新建站点群并网联和供电，从而极大消除新能源电能出力波动问题，实现新能源的有效消纳。本申请提供了基于多区域互联的新能源消纳优化方法，所述方法基于由产能模型管理模块、产能核算模块、迭代管理模块、极值管理模块、互补优选管理模块、优化结果管理模块构成的消纳优化系统，具体包括如下步骤：
步骤1、产能模型管理模块为各站点建立产能曲线；
步骤2、产能核算模块核算各站点单位时间平均产能值，并基于单位时间平均产能值从大到小进行排序，把排序后的站点信息写入队列ListA，并把ListA的第一个站点信息赋值给K1后从ListA删除，并把K1写入ListB；
步骤3、迭代管理模块判定ListA是否为空，如果是，则跳转到步骤6，如果否，则跳转到步骤4；
步骤4、极值管理模块计算站点K1平均线上M个最大极大值时刻点集AxisSet_max及平均线下N个最小极小值时刻点集AxisSet_min；
步骤5、互补优选管理模块从ListA中选出时刻点集AxisSet_max、AxisSet_min与站点K1出力最互补的站点K2，并从ListA中删除站点K2，并把站点K2写入ListB，而后对站点K1、K2的产能曲线进行合并后作为站点K1的产能曲线，而后判定K1产能曲线稳定产能是否满足应用需求，如果是，则跳转到步骤6，如果否，则跳转到步骤3；
步骤6、优化结果管理模块输出ListB及ListB各站点互联联合供电的电能产出值。
优选地，所述步骤1中，所述站点信息从数据库查询得到，所述产能曲线建立方法为：
步骤1.1、获取各站点i的历史发电传感参数；
步骤1.2、基于站点i的历史传感参数j拟合参数j的时间拟合曲线Cij(t)，具体做法为：根据站点i参数j的历史传感采样数据，而后基于参数j采样数据采样间隔，通过数据拟合得到站点i参数j在预设时段[TS，TE]内的拟合曲线Cij(t)；
步骤1.3、基于拟合曲线Cij(t)生成站点i产能曲线Oi(t)，具体做法为：根据站点的发电方法得到各站点基于发电方法的产能曲线；
优选地，所述步骤1.3中，对于一个站点采用多种方法发电的情况，则把各个方法的产能曲线叠加得到该站点总的产能曲线。
优选地，所述步骤2中，所述产能核算模块核算各站点单位时间平均产能值，具体做法为：预设时段[TS，TE]内对Oi(t)进行积分，并把积分结果除以(TE-TS)得到Oi_avg，Oi_avg即为站点i的单位时间平均产能值。
优选地，所述步骤4中，极值管理模块计算站点K1平均线上M个最大极大值时刻点集AxisSet_max，具体做法为：
步骤4.1A、极值管理模块计算Oi(t)的极大值，得到极大值时刻点集TempAxisSet_max；
步骤4.2A、极值管理模块从TempAxisSet_max中挑选出产能值大于Oi_avg且产能值排前M大的M个时刻点构成AxisSet_max，如果产能值大于Oi_avg的个数K小于M，则把所述K个时刻点构成AxisSet_max。
优选地，所述步骤4中，极值管理模块计算站点K1平均线下最小N个极小值时刻点集AxisSet_min，具体做法为：
步骤4.1B、极值管理模块计算Oi(t)的极小值，得到极小值时刻点集TempAxisSet_min；
步骤4.2B、极值管理模块从TempAxisSet_min中挑选出产能值小于Oi_avg且产能值排前N小的N个时刻点构成AxisSet_min，如果产能值小于Oi_avg的个数F小于N，则把所述F个时刻点构成AxisSet_min。
优选地，所述步骤5中，所述互补优选管理模块从ListA中选出时刻点集AxisSet_max、AxisSet_min与站点K1出力最互补的站点K2，具体做法为：
步骤5.1、互补优选管理模块计算站点K1在AxisSet_max集各时刻点产能值减去站点K1的Oi_avg值，得到极大值与平均值的偏差值集Delta_max1；
步骤5.2、互补优选管理模块计算站点K1在AxisSet_min集各时刻点产能值减去站点K1的Oi_avg值，得到极小值与平均值的偏差值集Delta_min1；
步骤5.3、把ListA赋值给ListC，并对ListD清空；
步骤5.4、判定ListC是否为空，为空则跳转到步骤5.8，否则，跳转到步骤5.5；
步骤5.5、从ListC中选出第一个站点信息赋值给R，并把该站点信息从ListC中删除；
步骤5.6、计算站点R在AxisSet_max各时刻点的产能值，并把所述产能值减去站点R的Oi_avg值，得到偏差值Delta_max2,计算站点R在AxisSet_min各时刻点的产能值，并把所述产能值减去站点R的Oi_avg值，得到偏差值Delta_min2；
步骤5.7、计算站点R与站点K1的偏差值Delta，计算方法如下：
Figure GDA0003767570850000031
其中H为Delta_max1的元素个数，H等于AxisSet_max内元素个数，G为Delta_min1的元素个数，G等于AxisSet_min内元素个数，而后把站点R及其与站点K1的偏差值Delta配对存入队列ListD中，而后跳转到步骤5.4；
步骤5.8、从队列ListD中，找出Delta最小的站点，所述站点即为与站点K1出力最互补的站点K2。
优选地，所述步骤5中对站点K1、K2的产能曲线进行合并后作为站点K1的产能曲线，合并方法为：OK1(t)＝OK1(t)+OK2(t)。
优选地，所述步骤5中，所述判定K1产能曲线稳定产能是否满足应用需求的做法为：根据K1产能曲线，按照最小的极小值作为平均产能，而后对(TE-TS)进行积分，得到稳定出力值，并根据稳定出力值是否大于应用需求，判断是否满足应用需求。
与现有技术相比，本申请的有益效果为：
本申请通过为各区域新能源站点建立电能产能模型，而后基于站点间电能产能时段互补最优原则选定新建站点群，并基于所述多区域新建站点群并网联和供电，从而极大消除新能源电能出力波动问题，实现新能源的有效消纳，达到新能源发电降本增效的目的。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
图1是本申请一种实施例的方法流程示意图；
图2是本申请一种实施例的系统组成示意图；
图3是本申请一种实施例的实施示意图。
具体实施方式：
下面结合附图与实施例对本申请作进一步说明。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在本公开中，术语如“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“侧”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，只是为了便于叙述本公开各部件或元件结构关系而确定的关系词，并非特指本公开中任一部件或元件，不能理解为对本公开的限制。
如图1至图2所示，本申请提供了基于多区域互联的新能源消纳优化方法，具体包括如下步骤：
步骤1、产能模型管理模块为各站点建立产能曲线；
步骤2、产能核算模块核算各站点单位时间平均产能值，并基于单位时间平均产能值从大到小进行排序，把排序后的站点信息写入队列ListA，并把ListA的第一个站点信息赋值给K1后从ListA删除，并把K1写入ListB；
步骤3、迭代管理模块判定ListA是否为空，如果是，则跳转到步骤6，如果否，则跳转到步骤4；
步骤4、极值管理模块计算站点K1平均线上M个最大极大值时刻点集AxisSet_max及平均线下最小N个极小值时刻点集AxisSet_min；
步骤5、互补优选管理模块从ListA中选出时刻点集AxisSet_max、AxisSet_min与站点K1出力最互补的站点K2，并从ListA中删除站点K2，并把站点K2写入ListB，而后对站点K1、K2的产能曲线进行合并后作为站点K1的产能曲线，而后判定K1产能曲线稳定产能是否满足应用需求，如果是，则跳转到步骤6，如果否，则跳转到步骤3；
步骤6、优化结果管理模块输出ListB及ListB各站点互联联合供电的电能产出值。
本申请还提供一种基于多区域互联的新能源消纳优化系统，上述方法步骤1至步骤6基于本系统，包括：产能模型管理模块、产能核算模块、迭代管理模块、极值管理模块、互补优选管理模块、优化结果管理模块，各模块功能如下：
产能模型管理模块：该模块为各站点建立产能曲线；
产能核算模块：该模块负责核算各站点单位时间平均产能值，并基于单位时间平均产能值从大到小进行排序，把排序后的站点信息写入队列ListA，并把ListA的第一个站点信息赋值给K1后从ListA删除，并把K1写入ListB；
迭代管理模块：该模块负责判定ListA是否为空，如果是，则跳转到步骤6，如果否，则跳转到步骤4；
极值管理模块：该模块负责计算站点K1平均线上M个最大极大值时刻点集AxisSet_max及平均线下最小N个极小值时刻点集AxisSet_min；
互补优选管理模块：该模块从ListA中选出时刻点集AxisSet_max、AxisSet_min与站点K1出力最互补的站点K2，并从ListA中删除站点K2，并把站点K2写入ListB，而后对站点K1、K2的产能曲线进行合并后作为站点K1的产能曲线，而后判定K1产能曲线稳定产能是否满足应用需求，如果是，则跳转到步骤6，如果否，则跳转到步骤3；
优化结果管理模块：该模块负责输出ListB及ListB各站点互联联合供电的电能产出值。具体地，所述步骤1中，所述站点信息从数据库查询得到，所述产能曲线建立方法为：步骤1.1、获取各站点i的历史发电传感参数，i为站点编号；
步骤1.2、基于站点i的历史传感参数j拟合参数j的时间拟合曲线Cij(t)，具体做法为：根据站点i参数j的历史传感采样数据，而后基于参数j采样数据采样间隔，通过数据拟合得到站点i参数j在预设时段[TS，TE]内的拟合曲线Cij(t)，j为站点i的历史传感参数类型编号；步骤1.3、基于拟合曲线Cij(t)生成站点i产能曲线Oi(t)，具体做法为：根据站点的发电方法得到各站点基于发电方法的产能曲线，优选地，所述步骤1.3中，对于一个站点采用多种方法发电的情况，则把各个方法的产能曲线叠加得到该站点总的产能曲线。
例如：对于太阳能发电，则基于公式：N＝K*S(t)计算产能曲线(N对应Oi(t))，其中K为单位面积单位时间功率产出；S(t)则为传感参数拟合后的日照面积时间函数(S(t)对应Cij(t))，因此，Oi(t)＝K*Cij(t)；
所述步骤2中，所述产能核算模块核算各站点单位时间平均产能值，具体做法为：预设时段[TS，TE]内对Oi(t)进行积分，并把积分结果除以(TE-TS)得到Oi_avg，Oi_avg即为站点i的单位时间平均产能值。
所述步骤4中，极值管理模块计算站点K1平均线上M个最大极大值时刻点集AxisSet_max，具体做法为：
步骤4.1A、极值管理模块计算Oi(t)的极大值，得到极大值时刻点集TempAxisSet_max；
步骤4.2A、极值管理模块从TempAxisSet_max中挑选出产能值大于Oi_avg且产能值排前M大的M个时刻点构成AxisSet_max，如果产能值大于Oi_avg的个数K小于M，则把所述K个时刻点构成AxisSet_max。
所述步骤4中，极值管理模块计算站点K1平均线下最小N个极小值时刻点集AxisSet_min，具体做法为：
步骤4.1B、极值管理模块计算Oi(t)的极小值，得到极小值时刻点集TempAxisSet_min；
步骤4.2B、极值管理模块从TempAxisSet_min中挑选出产能值小于Oi_avg且产能值排前N小的N个时刻点构成AxisSet_min，如果产能值小于Oi_avg的个数F小于N，则把所述F个时刻点构成AxisSet_min。
所述步骤5中，所述互补优选管理模块从ListA中选出时刻点集AxisSet_max、AxisSet_min与站点K1出力最互补的站点K2，具体做法为：
步骤5.1、互补优选管理模块计算站点K1在AxisSet_max集各时刻点产能值减去站点K1的Oi_avg值，得到极大值与平均值的偏差值集Delta_max1；
步骤5.2、互补优选管理模块计算站点K1在AxisSet_min集各时刻点产能值减去站点K1的Oi_avg值，得到极小值与平均值的偏差值集Delta_min1；
步骤5.3、把ListA赋值给ListC，并对ListD清空；
步骤5.4、判定ListC是否为空，为空则跳转到步骤5.8，否则，跳转到步骤5.5；
步骤5.5、从ListC中选出第一个站点信息赋值给R，并把该站点信息从ListC中删除；
步骤5.6、计算站点R在AxisSet_max各时刻点的产能值，并把所述产能值减去站点R的Oi_avg值，得到偏差值Delta_max2,计算站点R在AxisSet_min各时刻点的产能值，并把所述产能值减去站点R的Oi_avg值，得到偏差值Delta_min2；
步骤5.7、计算站点R与站点K1的偏差值Delta，计算方法如下：
Figure GDA0003767570850000061
Figure GDA0003767570850000062
其中H为Delta_max1的元素个数，H等于AxisSet_max内元素个数，G为Delta_min1的元素个数，G等于AxisSet_min内元素个数，而后把站点R及其与站点K1的偏差值Delta配对存入队列ListD中，而后跳转到步骤5.4；
步骤5.8、从队列ListD中，找出Delta最小的站点，所述站点即为与站点K1出力最互补的站点K2。
所述步骤5中对站点K1、K2的产能曲线进行合并后作为站点K1的产能曲线，合并方法为：OK1(t)＝OK1(t)+OK2(t)。
所述步骤5中，所述判定K1产能曲线稳定产能是否满足应用需求的做法为：根据K1产能曲线，按照最小的极小值作为平均产能，而后对(TE-TS)进行积分，得到稳定出力值，并根据稳定出力值是否大于应用需求，判断是否满足应用需求。
根据图3所示，阐述本申请的实施方式，如图3所示，本实施例包括三个站点，分别为站点0、站点1、站点2。
首先，产能模型管理模块为三个站点建立产能曲线，分别为O0(t)、O1(t)、O2(t)；
接着，产能核算模块核算各站点单位时间平均产能值，得到站点0单位时间平均产能值O0_avg为100，站点1单位时间平均产能值O1_avg为50、站点2单位时间平均产能值O2_avg为50，并基于单位时间平均产能值从大到小进行排序，把排序后的站点信息写入队列ListA，此时，ListA中站点排序为站点0、站点1、站点2，并把ListA的第一个站点信息，即站点0赋值给K1后从ListA删除，并把K1写入ListB，也就是说，此时ListA只包括站点1、站点2，ListB只包括站点0；
接着，迭代管理模块判定ListA不为为空，所以跳转到步骤4；
接着，极值管理模块计算站点K1(即站点0)平均线上M个最大极大值时刻点集AxisSet_max及平均线下最小N个极小值时刻点集AxisSet_min，本实施例中M、N皆取1，因此，得到图3中平均线上1个最大极大值时刻点集AxisSet_max(对应图3中T0时刻点)及平均线下最小1个极小值时刻点集AxisSet_min(对应图3中T1时刻点)；
接着，互补优选管理模块从ListA中选出时刻点集AxisSet_max、AxisSet_min与站点K1(即站点0)出力最互补的站点K2：
具体的选择方法参见步骤5.1至步骤5.8：
步骤5.1、互补优选管理模块计算AxisSet_max集各时刻点站点K1产能值减去站点K1的Oi_avg值，得到极大值与平均值的偏差值集Delta_max1，本实施例中，AxisSet_max只包括时刻点T0，假定O0(T0)取值为130，由于O0_avg等于100，因此Delta_max1等于30；步骤5.2、互补优选管理模块计算AxisSet_min集各时刻点站点K1产能值减去站点K1的Oi_avg值，得到极小值与平均值的偏差值集Delta_min1，本实施例中，AxisSet_min只包括时刻点T1，假定O0(T1)取值为70，由于O0_avg等于100，因此Delta_min1等于-30；步骤5.3、把ListA赋值给ListC，此时ListC包括站点1、站点2，并对ListD清空；
步骤5.4、判定ListC为非空，则跳转到步骤5.5；
步骤5.5、从ListC中选出第一个站点信息赋值给R(即选出站点1赋值给R)，并把该站点信息从ListC中删除(此时ListC只有站点2)；
步骤5.6、计算站点R(此时对应站点1)在AxisSet_max各时刻点的产能值，由于AxisSet_max只包括时刻点T0，则AxisSet_max各时刻点的产能值只包括O1(T0)，本实施例中，假定O1(T0)为70，接着把所述产能值O1(T0)减去站点R的O1_avg值，得到偏差值Delta_max2为70减去50等于20,假定O1(T1)等于30，按照同样的计算方式，得到偏差值Delta_min2等于O1(T1)减去站点R的O1_avg值-20；
步骤5.7、计算站点R(对应站点1)与站点K1(对应站点0)的偏差值Delta，计算方法如下：
Delta＝|Delta_max1(1)+Delta_max2(1)|+|Delta_min1(1)+Delta_min2(1)|＝|30+20|+|(-30)+(-20)|＝100，而后把站点R(对应站点1)及其与站点K1的偏差值Delta配对存入队列ListD中(此时ListD中包括站点1，其与站点0的Delta值为100)，而后跳转到步骤5.4；
步骤5.4、判定ListC为非空，则跳转到步骤5.5；
步骤5.5、从ListC中选出第一个站点信息赋值给R(即选出站点2赋值给R)，并把该站点信息从ListC中删除(此时ListC为空)；
步骤5.6、与前面所述步骤5.6计算示例原理相同，假定O2(T0)取值为25、O2(T1)取值为75，则计算得到Delta_max2等于-25、Delta_min2等于25；
步骤5.7、与前面所述步骤5.7计算示例原理相同，计算站点R(对应站点2)与站点K1(对应站点0)的偏差值Delta，计算结果为|30-25|+|(-30)+25|等于10，并把站点R(对应站点2)及其与站点K1的偏差值Delta配对存入队列ListD中(此时ListD中包括站点1，其与站点0的Delta值为100；站点2，其与站点0的Delta值为10)，而后跳转到步骤5.4；
步骤5.4，判定到ListC为空则跳转到步骤5.8；
步骤5.8、从队列ListD中，找出Delta最小的站点(对应站点2)，所述站点即为与站点K1出力最互补的站点K2，也就是说站点K2就是站点2；
接着，互补优选管理模块从ListA中删除站点K2(即站点2)，并把站点K2(即站点2)写入ListB(此时ListB只包括站点0、站点2)，而后对站点K1、K2的产能曲线进行合并后作为站点K1的产能曲线，此时，K1的产能曲线为O0(t)+O2(t)，对应图3中O02(t)，而后判定K1产能曲线稳定产能是否满足应用需求，从实施例中，O0(t)+O2(t)合并后，最小极小值取值为145，则稳定产能输出为145×(TE-TS)，而后判定K1产能曲线稳定产能是否满足应用需求(假如本实施例要求稳定产生值为140×(TE-TS))，则可以判断，站点0与站点2联合供电后，可以满足应用需求，则跳转到步骤6；
步骤6、优化结果管理模块输出ListB及ListB各站点互联联合供电的电能产出值，即确定站点0、站点2联合供电，且稳定产生值为140×(TE-TS)。至此，完成完成多区域互联的新能源消纳优化。
从上述实施例可以看出，本发明通过为各区域新能源站点建立电能产能模型，而后基于站点间电能产能时段互补最优原则选定新建站点群，并基于所述多区域新建站点群并网联和供电，从而极大消除新能源电能出力波动问题，如图3所述，采用本发明后，从多个区域的站点中选出满足供能要求的最为互补的两个站点(即站点0、站点2)联合供电，由于两者产能输出存在时段互补，因此，当把这两个站点互联联合供电时，就能输出较为平稳的电能(图3即O02(t)为本发明的效果展示，而O01(t)为站点0、站点1联合供电的电能产出曲线，可以看出经本申请方法筛选出的联合供电电能产出明显稳定)，由此不会出现由于最低稳定输出电能较大偏离平均电能产出值，而导致需要部署过多发电站点，造成站点群高出稳定电能产出部分的能源浪费，无法完成新能源有效消纳；由此也无需为各站点增加大容量的储能设备以提升能源消纳水平。因此，本发明极大消除新能源电能出力波动问题，实现新能源的有效消纳，达到新能源发电降本增效的目的。
以上仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
上述虽然结合附图对本申请的具体实施方式进行了描述，但并非对本申请保护范围的限制，所属领域技术人员应该明白，在本申请的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本申请的保护范围以内。

Claims (3)

1.基于多区域互联的新能源消纳优化方法，其特征在于，所述方法基于由产能模型管理模块、产能核算模块、迭代管理模块、极值管理模块、互补优选管理模块、优化结果管理模块构成的消纳优化系统，具体包括如下步骤：
步骤1、产能模型管理模块为各站点建立产能曲线；
步骤2、产能核算模块核算各站点单位时间平均产能值，并基于单位时间平均产能值从大到小进行排序，把排序后的站点信息写入队列ListA，并把ListA的第一个站点信息赋值给站点K1后把第一个站点从ListA删除，并把站点K1写入ListB；
步骤3、迭代管理模块判定ListA是否为空，如果是，则跳转到步骤6，如果否，则跳转到步骤4；
步骤4、极值管理模块计算站点K1产能曲线的极大值和极小值，得到极大值时刻点集TempAxisSet_max和极小值时刻点集TempAxisSet_min，极值管理模块从TempAxisSet_max中挑选出产能值大于站点K1单位时间平均产能值且产能值排前M大的最大极大值时刻点构成时刻点集AxisSet_max，从TempAxisSet_min中挑选出产能值小于站点K1单位时间平均产能值且产能值排前N小的最小极小值时刻点构成时刻点集AxisSet_min，如果产能值大于站点K1单位时间平均产能值的极大值个数K小于M，则把所述K个时刻点构成AxisSet_max，如果产能值小于站点K1单位时间平均产能值的个数F小于N，则把所述F个时刻点构成AxisSet_min；
步骤5、互补优选管理模块从ListA中根据时刻点集AxisSet_max、AxisSet_min选出与站点K1出力最互补的站点K2，并从ListA中删除站点K2，并把站点K2写入ListB，而后对站点K1、站点K2的产能曲线进行合并后作为站点K1的产能曲线，而后判定合并后的站点K1产能曲线稳定产能是否满足应用需求，如果是，则跳转到步骤6，如果否，则跳转到步骤3；
步骤6、优化结果管理模块输出ListB及ListB各站点互联联合供电的电能产出值；
所述步骤1中，所述站点信息从数据库查询得到，所述产能曲线建立方法为：
步骤1.1、获取各站点i的历史发电传感参数集；
步骤1.2、基于站点i的历史发电传感参数j拟合历史发电传感参数j时间拟合曲线Cij(t)，j为站点i的历史发电传感参数类型编号，具体做法为：根据站点i的历史发电传感参数j的历史传感采样数据，而后基于历史发电传感参数j的采样数据采样间隔，通过数据拟合得到站点i历史发电传感参数j在预设时段[TS，TE]内的拟合曲线Cij(t)；
步骤1.3、基于拟合曲线Cij(t)生成站点i产能曲线Oi(t)，具体做法为：根据站点的发电方法得到各站点基于发电方法的产能曲线；
所述步骤1.3中，对于一个站点采用多种发电方法发电的情况，则把各个发电方法的产能曲线叠加得到该站点总的产能曲线；
所述步骤2中，所述产能核算模块核算各站点单位时间平均产能值，具体做法为：预设时段[TS，TE]内对Oi(t)进行积分，并把积分结果除以(TE-TS)得到站点i的单位时间平均产能值；
所述步骤5中，所述互补优选管理模块从ListA中根据时刻点集AxisSet_max、AxisSet_min选出与站点K1出力最互补的站点K2，具体做法为：
步骤5.1、互补优选管理模块计算站点K1在AxisSet_max各时刻点产能值减去站点K1的单位时间平均产能值，得到最大极大值与单位时间平均产能值的偏差值集Delta_max1；
步骤5.2、互补优选管理模块计算站点K1在AxisSet_min各时刻点产能值减去站点K1的单位时间平均产能值，得到最小极小值与单位时间平均产能值的偏差值集Delta_min1；
步骤5.3、把ListA赋值给ListC，并对ListD清空；
步骤5.4、判定ListC是否为空，为空则跳转到步骤5.8，否则，跳转到步骤5.5；
步骤5.5、从ListC中选出第一个站点信息赋值给站点R，并把该站点信息从ListC中删除；
步骤5.6、计算站点R在AxisSet_max各时刻点的产能值，并把所述产能值减去站点R的单位时间平均产能值，得到偏差值集Delta_max2,计算站点R在AxisSet_min各时刻点的产能值，并把所述产能值减去站点R的单位时间平均产能值，得到偏差值集Delta_min2；
步骤5.7、计算站点R与站点K1的偏差值Delta，计算方法如下：
Figure FDA0003798098380000031
其中H为Delta_max1、Delta_max2的元素个数，G为Delta_min1、Delta_min2的元素个数，而后把站点R及其与站点K1的偏差值Delta配对存入队列ListD中，而后跳转到步骤5.4；
步骤5.8、从队列ListD中，找出Delta最小的站点，所述站点即为与站点K1出力最互补的站点K2。
2.根据权利要求1所述的基于多区域互联的新能源消纳优化方法，其特征在于：
所述步骤5中对站点K1、K2的产能曲线进行合并后作为站点K1的产能曲线，合并方法为：将站点K1、K2的产能曲线相加得到新的产能曲线，新的产能曲线即为合并后站点K1的产能曲线。
3.根据权利要求2所述的基于多区域互联的新能源消纳优化方法，其特征在于：
所述步骤5中，判定合并后的站点K1产能曲线稳定产能是否满足应用需求的做法为：根据合并后的站点K1产能曲线，按照最小的极小值作为单位时间平均产能值，而后与(TE-TS)相乘得到稳定产能，并根据稳定产能是否大于应用需求，判断是否满足应用需求。
CN202111520833.7A 2021-12-13 2021-12-13 基于多区域互联的新能源消纳优化方法 Active CN114204597B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111520833.7A CN114204597B (zh) 2021-12-13 2021-12-13 基于多区域互联的新能源消纳优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111520833.7A CN114204597B (zh) 2021-12-13 2021-12-13 基于多区域互联的新能源消纳优化方法

Publications (2)

Publication Number Publication Date
CN114204597A CN114204597A (zh) 2022-03-18
CN114204597B true CN114204597B (zh) 2022-09-27

Family

ID=80653148

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111520833.7A Active CN114204597B (zh) 2021-12-13 2021-12-13 基于多区域互联的新能源消纳优化方法

Country Status (1)

Country Link
CN (1) CN114204597B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109066805A (zh) * 2018-07-18 2018-12-21 合肥工业大学 一种跨区互联电网发输电系统动态调度优化方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107977772A (zh) * 2017-11-09 2018-05-01 国网山东省电力公司青岛供电公司 一种考虑分布式能源不确定性的配电网规划方法及系统
CN109740949A (zh) * 2019-01-09 2019-05-10 云南电网有限责任公司 一种基于风电发电场景概率化的电力电量平衡方法
CN111275240B (zh) * 2019-12-27 2023-06-09 华北电力大学 一种基于多能耦合场景下的负荷预测方法
CN112699562B (zh) * 2021-01-04 2022-09-13 国网福建省电力有限公司尤溪县供电公司 一种构建配电网架构的方法及终端
CN113112062B (zh) * 2021-04-07 2024-04-16 国家电网有限公司 一种考虑新能源消纳的区域能源聚合商博弈方法
CN113256033B (zh) * 2021-07-05 2021-12-14 广东电网有限责任公司惠州供电局 基于模态互补的发电站选址定容方法、装置、系统及介质

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109066805A (zh) * 2018-07-18 2018-12-21 合肥工业大学 一种跨区互联电网发输电系统动态调度优化方法

Also Published As

Publication number Publication date
CN114204597A (zh) 2022-03-18

Similar Documents

Publication Publication Date Title
CN107039995A (zh) 一种考虑电能质量问题的分布式光伏电源接入规划方法
CN107947175B (zh) 一种基于分布式网络控制的微电网经济调度方法
CN108988322A (zh) 考虑系统时变性的微网运行策略优化方法
CN111181198B (zh) 一种基于网源互馈的异质能源互补发电调度方法
WO2018077016A1 (zh) 一种基于价值网络的储能系统调度优化方法
CN104779607B (zh) 直流微网中的一种分布式协调控制方法及系统
CN103347265A (zh) 一种面向精准农业的wsn节点部署方法
CN108539732A (zh) 基于多区间不确定性鲁棒优化的交直流微网经济调度
CN110676849A (zh) 一种孤岛微电网群能量调度模型的构建方法
CN110119889A (zh) 一种配电网节点灵活性评价与分区方法
CN114204597B (zh) 基于多区域互联的新能源消纳优化方法
Ma et al. The optimal selection of electrochemical energy storage using Bayesian BWM and TOPSIS method
CN109638837B (zh) 一种面向新能源并网的动态负载管理方法及系统
CN105896613A (zh) 一种考虑通讯时滞的微电网分布式有限时间控制方法
CN116777235A (zh) 一种商业和公共动态博弈的电力系统风险规避投资方法
CN114006392A (zh) 分布式电源系统储能节点容量需求估算系统
CN107591794A (zh) 基于负荷分类的主动配电网源‑储容量优化配置方法
CN110048407A (zh) 分布式能源发电计划可行域优化分析方法
CN113488990B (zh) 基于改进的蝙蝠算法的微电网优化调度方法
CN114091748A (zh) 一种适应多场景的微电网一体化柔性规划方法及系统
CN114447975A (zh) 一种基于移动储能的多微电网灵活性提升方法
Ganesan et al. Dynamic and intelligent load servicing strategy for a stand-alone solar PV-based microgrid
CN113673141A (zh) 一种基于数据驱动的能量路由器建模及优化控制方法
CN110768306B (zh) 一种提高保底电网中微电网应急能力的电源容量配置方法
Kaygusuz et al. Possible contributions of smart grids to regional development of countries

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