CN114358603A - 一种含高比例可再生能源系统的调峰灵活性评估方法 - Google Patents
一种含高比例可再生能源系统的调峰灵活性评估方法 Download PDFInfo
- Publication number
- CN114358603A CN114358603A CN202210009422.XA CN202210009422A CN114358603A CN 114358603 A CN114358603 A CN 114358603A CN 202210009422 A CN202210009422 A CN 202210009422A CN 114358603 A CN114358603 A CN 114358603A
- Authority
- CN
- China
- Prior art keywords
- flexibility
- supply
- output
- renewable energy
- demand
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 52
- 230000033228 biological regulation Effects 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000004146 energy storage Methods 0.000 claims abstract description 41
- 230000008859 change Effects 0.000 claims abstract description 14
- 238000005265 energy consumption Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000005070 sampling Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 15
- 230000003827 upregulation Effects 0.000 claims description 15
- 230000006735 deficit Effects 0.000 claims description 12
- 230000003828 downregulation Effects 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 239000002699 waste material Substances 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- 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
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种含高比例可再生能源系统的调峰灵活性评估方法,获取储能机组、可调节发电机组、可再生能源机组和负荷日前出力预测数据;将数据进行运算、采样和一阶差分处理,得到系统灵活性供给和灵活性需求的波动时间序列;从系统出力供需平衡的角度,求得向上调节和向下调节的供需灵活性评估指标,从系统调峰供给能力不足和可再生能源消纳能力不足两个方面求得该工况数据下的灵活性评估指标,改变气象条件以及储能和可再生能源机组容量等数据,得到不同影响因素条件下,系统的灵活变化情况。本发明能够实现定量估算且具有广泛适用性。
Description
技术领域
本发明属于高比例可再生能源电网技术领域,具体涉及一种含高比例可再生能源系统的调峰灵活性评估方法。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
随着光伏等可再生能源的快速发展,减少了传统火力发电造成的环境污染与能源消耗。但同时,可再生能源规模的扩大也造成了常规电源占比的降低,减少了电网的可调资源。在可再生能源并网的过程中,一方面由于光伏等电源几乎不具备主动的灵活性的调节能力,其出力的波动性增加了电网的调峰需求,导致电网运行灵活性下降;另一方面,可再生能源具有出力随机性的特点,在其出力高峰期,由于系统消纳能力有限,还会造成弃光等电能浪费。为应对上述挑战,一方面应进一步深挖现有资源调节潜力,通过常规电源灵活优化充分发挥其调节能力;另一方面采用储能等新型调控手段丰富扩展电网调节措施,满足电网灵活性需求。这使得对高比例可再生能源电网的灵活性进行定量评估变得非常必要。
目前关于高比例可再生能源电网调峰灵活性评估已有所研究,常见的评估方法大多从某一角度对系统的灵活性进行估算和研究,如机组静态参数、机组调节范围或线路传输容量等。据发明人了解,这种评估方式往往会造成评估结果较为保守且不具有动态实时性。
发明内容
本发明为了解决上述问题,提出了一种含高比例可再生能源系统的调峰灵活性评估方法,本发明从系统出力的实时供需平衡关系角度出发,在研究出力供给小于需求时系统灵活性调峰能力不足情况的基础上,创新性的将出力供给大于需求时系统可再生能源消纳不足的期望计算纳入灵活性评估的范畴,实现定量估算。
根据一些实施例,本发明采用如下技术方案:
一种含高比例可再生能源系统的调峰灵活性评估方法,包括以下步骤:
获取储能机组、可调节发电机组、可再生能源机组和负荷日前出力预测数据,对数据进行预处理,得到系统灵活性供给和灵活性需求的波动时间序列;
从系统出力供需平衡的角度,求得向上调节和向下调节的供需灵活性评估指标,从系统调峰供给能力不足和可再生能源消纳能力不足两个方面计算相应工况数据下的灵活性评估指标,根据评估指标确定该工况下的调峰灵活性;
依次改变储能机组、可调节发电机组、可再生能源机组和负荷中一项数据,重复上述步骤,确定不同影响因素条件下,系统灵活性的变化情况,得到不同工况下的调峰灵活性评估结果。
作为可选择的实施方式,获取储能机组、可调节发电机组、可再生能源机组和负荷日前出力预测数据的具体过程包括:
对目标区域的高比例可再生能源电网的气象情况,以及发电机组、储能机组、可再生能源机组和负荷日前出力数据进行采集,通过对数据进行曲线拟合和聚类处理,筛选出典型工况下的各类型机组及负荷出力曲线。
作为进一步的限定,将储能机组和可调节发电机组出力加和得到灵活性供给曲线;将负荷出力和可再生能源机组出力做差得到净负荷出力曲线,即为灵活性需求曲线。
作为可选择的实施方式,对数据进行预处理的过程包括:
对系统出力供给曲线进行设定长度时间尺度采样和一阶差分处理,得到系统单位时间的上调和下调灵活性供给;
对系统净负荷出力曲线,即系统出力需求曲线进行采样和一阶差分,得到系统净负荷的波动功率时间序列,按其功率方向分解为系统单位时间上调灵活性需求和下调灵活性需求。
作为可选择的实施方式,所述供需灵活性评估指标的计算过程包括根据系统灵活性供给和需求的出力时间序列,经过一阶差分计算,得到单位时间内系统灵活性供给和需求的波动时间序列,从系统处理供需平衡角度,计算供需灵活性评估指标ΔP:
其中ΔPs,up为系统单位时间上调灵活性供给,ΔPd,up为单位时间上调灵活性需求,ΔPs,down为系统单位时间下调灵活性供给,ΔPd,down为单位时间下调灵活性需求,ΔPnet为系统净负荷的波动功率时间序列。
作为可选择的实施方式,所述灵活性评估指标包括可再生能源消纳不足期望、调峰缺额期望和灵活性不足概率。
作为进一步的限定,所述可再生能源消纳不足期望的计算过程包括:根据系统出力的实时供需关系,选取功率供给大于需求的出力段,从灵活性功率盈余角度,计算可再生能源消纳不足期望。
作为进一步的限定,所述调峰缺额期望的计算过程包括:根据系统调峰灵活性供给小于灵活性需求的出力段,计算供需灵活性评估指标小于零时各出力段的功率缺额,反映系统灵活性空缺的严重程度。
作为进一步的限定,所述灵活性不足概率的计算过程包括:根据系统调峰灵活性供给小于灵活性需求的出力段,计算供需灵活性评估指标小于零时各出力段在总出力段种所占的比例,以出现调峰灵活性不足的概率反映系统运行的稳定与动态平衡情况。
一种含高比例可再生能源系统的调峰灵活性评估系统,包括:
数据获取模块,被配置为获取储能机组、可调节发电机组、可再生能源机组和负荷日前出力预测数据,对数据进行预处理,得到系统灵活性供给和灵活性需求的波动时间序列;
评估指标计算模块,被配置为从系统出力供需平衡的角度,求得向上调节和向下调节的供需灵活性评估指标,从系统调峰供给能力不足和可再生能源消纳能力不足两个方面计算相应工况数据下的灵活性评估指标,根据评估指标确定该工况下的调峰灵活性;
迭代计算模块,被配置为依次改变储能机组、可调节发电机组、可再生能源机组和负荷中一项数据,重新触发上述模块,确定不同影响因素条件下,系统灵活性的变化情况,得到不同工况下的调峰灵活性评估结果。
一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成上述方法中的步骤。
一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成上述方法中的步骤。
与现有技术相比,本发明的有益效果为:
(1)本发明从系统出力实时的供需平衡关系角度出发,既考虑供小于求时的系统调峰能力不足问题,又考虑供大于求时可再生能源消纳不足的弃光浪费,对系统的灵活性评估更具有实效性和全面性;
(2)本发明提出的方法既可以研究不同气象条件和可再生能源机组占比对系统供需灵活性的影响情况,又可以参考系统的灵活性不足及盈余量值估算结果设置约束条件,进行储能系统的类型与容量优化配置策略研究。
(3)本发明所提出的灵活性评估方法基于电网实测数据进行计算分析,保证了评估结论的真实有效性;
(4)本发明的应用广泛,既可以研究不同气象条件下可再生能源机组占比对系统供需灵活性的影响情况;又可以参考系统的灵活性不足及盈余量值估算结果设置约束条件,进行储能系统的类型与容量优化配置策略研究。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1为本发明实施例提供的一种含高比例可再生能源系统的调峰灵活性评估方法。
图2(a)为本发明实施例提供的典型晴天气象下的光伏机组日出力曲线。
图2(b)为本发明实施例提供的包含储能的可调节机组日出力曲线。
图2(c)为本发明实施例提供的负荷日出力预测曲线。
图3为本发明实施例提供的系统灵活性供给与灵活性需求出力对比曲线。
图4(a)为本发明实施例提供的单位时间系统灵活性供给的波动时间序列。
图4(b)为本发明实施例提供的单位时间系统灵活性需求的波动时间序列。
图5(a)为本发明实施例提供的上调灵活性供需评价指标ΔPup。
图5(b)为本发明实施例提供的下调灵活性供需评价指标ΔPdown。
图6(a)为本发明实施例提供的不同光伏机组数据下系统的灵活性指标变化情况。
图6(b)为本发明实施例提供的不同储能机组数据下系统的灵活性指标变化情况。
具体实施方式:
下面结合附图与实施例对本发明作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
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发明的示例性实施方式。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。
如图1所示,本实施例的一种含高比例可再生能源系统的调峰灵活性评估方法,本发明从功率供需平衡的角度对系统出力不足和出力盈余时的调峰灵活性进行了综合评估与分析,克服了传统评估方法中存在的不足。
具体的步骤包括:
步骤1:读入储能机组、可调节发电机组、可再生能源机组和负荷日前出力预测数据,对数据进行筛选、采样和一阶差分处理,得到系统灵活性供给和灵活性需求的波动时间序列;
步骤2:从系统出力供需平衡的角度,求得向上调节和向下调节的供需灵活性评估指标ΔP,进而从系统调峰供给能力不足和可再生能源消纳能力不足两个方面求得该工况数据下的灵活性评估指标,包括:可再生能源消纳不足期望、调峰缺额期望和灵活性不足概率;
步骤3:改变储能和可再生能源机组容量等数据,重复步骤2、3,得到不同影响因素条件下,系统灵活性的变化情况。
所述步骤1的具体过程为:
步骤1.1通过实地调研,对某地区高比例可再生能源电网的气象情况,以及发电机组、储能机组、可再生能源机组和负荷日前出力数据进行采集,通过对数据进行曲线拟合和聚类处理,筛选出典型工况下的各类型机组及负荷出力曲线。本发明实施例选取的出力数据分别如图2(a)、(b)、(c)所示,图2(a)为本发明实施例提供的典型晴天气象下的光伏机组日出力曲线,图2(b)为本发明实施例提供的包含储能的可调节机组日出力曲线,图2(c)为本发明实施例提供的负荷日出力预测曲线。
步骤1.2将储能机组和可调节发电机组出力加和得到灵活性供给曲线;将负荷出力和可再生能源机组出力做差得到净负荷出力曲线,即为灵活性需求曲线。通过系统出力的曲线对比可以得到灵活性供需的实时对应关系,具体的,如图3本发明实施例中提供的系统灵活性供给与灵活性需求出力对比曲线所示。
电力系统的基本运行准则为电力电量平衡,电力平衡即电力系统需要实时保证功率供需平衡。当系统灵活性满足出力供需平衡时,机组和负荷间的功率关系可以用方程式表示为:
KG·CG+Pstorage=(1+μ)·Pload-Pres (1)
其中,KG为常规电源的技术出力系数,通常大型常规火电取1.0;CG为常规电源的开机容量;Pstorage为该时刻的储能系统出力;Pres为该时刻的可再生能源机组出力;Pload为该时刻的系统负荷出力;μ为发电机组备用系数。
当可调节机组工作在最小正常运行功率状态且储能机组以最大功率充能,负荷仍不能将可再生能源出力完全消纳时,即系统灵活性不能满足出力供需平衡时,便出现了出力供给大于需求的可再生能源消纳不足问题。机组和负荷间的功率关系可以用方程式表示为:
KG,min·CG+Pstorage,in,max≥(1+μ)·Pload-Pres (2)
其中,KG,min为常规电源的最小技术出力系数,通常大型常规火电最小运行状态时可取0.5;Pstorage,in,max为该时刻储能系统的最大充电功率。
步骤1.3定义系统单位时间上调(下调)灵活性供给为:某一时刻系统灵活性资源出力上界(下界)与前一时刻系统灵活性资源出力之差。对系统出力供给曲线进行15min时间尺度采样和一阶差分处理,得到系统单位时间的上调(下调)灵活性供给,具体的,如图4(a)本发明实施例中提供的单位时间系统灵活性供给的波动时间序列所示,分别记为:ΔPs,up和ΔPs,down。
ΔPs,up={ΔPs,up,t|ΔPs,up,t=Ps,up,max-Ps,t-1} (3)
ΔPs,down={ΔPs,down,t|ΔPs,down,t=Ps,t-1-Ps,down,max} (4)
其中Ps,up,max为某一时刻系统灵活性资源出力上界,Ps,down,max为某一时刻系统灵活性资源出力下界,Ps,t-1为前一时刻系统灵活性资源出力值。
对应系统单位时间上调(下调)灵活性供给,对系统净负荷出力曲线,即系统出力需求曲线进行采样和一阶差分,得到系统净负荷的波动功率时间序列ΔPnet,再按其功率方向分解为系统单位时间上调灵活性需求和下调灵活性需求,具体的,如图4(b)本发明实施例中提供的单位时间系统灵活性需求的波动时间序列所示,分别记为:ΔPd,up和ΔPd,down。
ΔPd,up={ΔPd,up,t|ΔPd,up,t=max(ΔPnet,t,0)} (5)
ΔPd,down={ΔPd,up,t|ΔPd,up,t=-min(ΔPnet,t,0)} (6)
所述步骤2的具体过程为:
步骤2.1由于可再生能源具有出力随机性的特点,在其出力高峰期,会造成因系统负荷消纳能力和储能机组充能速度有限导致的弃光等电能浪费。
如图3本发明实施例所提供的系统灵活性供给与灵活性需求出力对比曲线所示,将系统实时的灵活性供需出力曲线做差,可以得到出力供给大于需求时系统功率的盈余量,即可再生能源消纳不足量。
定义可再生能源消纳不足期望指标Emargin,该指标表示系统可调节发电机组工作在最小正常运行功率下,储能机组和负荷仍不能完全消纳的部分功率供给,可以表征系统整体的灵活性调峰盈余,即可再生能源出力消纳能力不足情况。该指标越大,系统无法消纳的可再生能源越多,造成的弃光等电能浪费也越多。系统的可再生能源消纳不足期望可以用方程式表示为:
其中Pd,i为第i个出力段中的发电与储能机组出力,Pnet,i为第i个出力段中的系统净负荷出力,N为出力曲线上采样点的个数。
步骤2.2将单位时间系统上调(下调)灵活性供给和需求的波动时间序列做差,便从系统出力供需平衡的角度出发,得到了系统的供需灵活性评估指标ΔP,具体的,如图5(a)本发明实施例中提供的上调灵活性供需评价指标ΔPup和图5(b)本发明实施例中提供的下调灵活性供需评价指标ΔPdown所示,并可以用方程式表示为:
其中ΔPs,up为系统单位时间上调灵活性供给,ΔPd,up为单位时间上调灵活性需求,ΔPs,down为系统单位时间下调灵活性供给,ΔPd,down为单位时间下调灵活性需求,ΔPnet为系统净负荷的波动功率时间序列。
当ΔP>0时,灵活性需求小于灵活性供给,灵活性需求得到满足,ΔP为该出力段内的灵活性资源盈余量。当ΔP<0时,灵活性需求大于灵活性供给,灵活性需求未能完全满足,ΔP为该出力段内的灵活性资源不足量。ΔP越小,系统的灵活性缺乏程度越严重。
步骤2.3定义调峰缺额期望指标Elack,该指标通过统计系统调峰灵活性供给小于灵活性需求的出力段,计算ΔP<0时各出力段的功率缺额,反映系统灵活性空缺的严重程度。调峰缺额期望可以用方程式表示为:
其中ΔPlack,j为第j段灵活性不足出力段中的系统供需灵活性指标,n为灵活性不足出力段的数量,N为出力曲线上采样点的个数。
定义灵活性不足概率Rlack,该指标通过统计系统调峰灵活性供给小于灵活性需求的出力段,计算ΔP<0时各出力段在总出力段种所占的比例,以出现调峰灵活性不足的概率反映系统运行的稳定与动态平衡情况。灵活性不足概率可以用方程式表示为:
其中n为灵活性不足出力段的数量,N为出力曲线上采样点的个数。
所述步骤3的具体过程为:
步骤3.1记录实施例1工况条件下计算得到的系统调峰灵活性评价指标,包括:可再生能源消纳不足期望、调峰缺额期望和灵活性不足概率。在保持可调节机组、储能机组和负荷一定的条件下,改变实施例1工况初始条件中光伏机组容量所占机组总容量的比例,代入数据重复步骤2和3,得到不同光伏机组占比下的系统灵活性评价指标变化情况。具体的,如图6(a)本发明实施例提供的不同光伏机组数据下系统的灵活性指标变化情况所示。
基于图6(a)本发明实施例提供的不同光伏机组数据下系统的灵活性指标变化情况,对不同光伏机组占比对系统灵活性的影响机理进行分析。从出力供需平衡的角度出发,随着光伏机组所占比例的不断增加,系统的可再生能源消纳不足程度、调峰能力空缺程度和调峰灵活性不足的概率均逐渐增加,系统灵活性全面降低,符合高比例可再生能源会造成系统调峰和消纳困难的现状。
步骤3.2记录实施例1工况条件下计算得到的系统调峰灵活性评价指标,包括:可再生能源消纳不足期望、调峰缺额期望和灵活性不足概率。在保持可调节机组、光伏机组和负荷一定的条件下,改变实施例1工况初始条件中储能机组的容量,代入数据重复步骤2和3,得到不同储能机组容量下的系统灵活性评价指标变化情况。具体的,如图6(b)本发明实施例提供的不同储能机组数据下系统的灵活性指标变化情况所示。
基于图6(b)本发明实施例提供的不同储能机组数据下系统的灵活性指标变化情况,对不同储能机组容量对系统灵活性的影响机理进行分析。从出力供需平衡的角度出发,随着储能机组容量的不断增加,系统的可再生能源消纳不足程度、调峰能力空缺程度和调峰灵活性不足的概率均逐渐降低,系统灵活性全面提高,符合储能系统可以通过功率调节和能量存储,来解决高比例可再生能源电网中功率波动和弃光消纳难题的现状。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明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,本发明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。
本发明是参照根据本发明实施例的方法、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。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明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发明的保护范围以内。
Claims (10)
1.一种含高比例可再生能源系统的调峰灵活性评估方法,其特征是:包括以下步骤:
获取储能机组、可调节发电机组、可再生能源机组和负荷日前出力预测数据,对数据进行预处理,得到系统灵活性供给和灵活性需求的波动时间序列;
从系统出力供需平衡的角度,求得向上调节和向下调节的供需灵活性评估指标,从系统调峰供给能力不足和可再生能源消纳能力不足两个方面计算相应工况数据下的灵活性评估指标,根据评估指标确定该工况下的调峰灵活性;
依次改变储能机组、可调节发电机组、可再生能源机组和负荷中一项数据,重复上述步骤,确定不同影响因素条件下,系统灵活性的变化情况,得到不同工况下的调峰灵活性评估结果。
2.如权利要求1所述的一种含高比例可再生能源系统的调峰灵活性评估方法,其特征是:获取储能机组、可调节发电机组、可再生能源机组和负荷日前出力预测数据的具体过程包括:
对目标区域的高比例可再生能源电网的气象情况,以及发电机组、储能机组、可再生能源机组和负荷日前出力数据进行采集,通过对数据进行曲线拟合和聚类处理,筛选出典型工况下的各类型机组及负荷出力曲线。
3.如权利要求1所述的一种含高比例可再生能源系统的调峰灵活性评估方法,其特征是:将储能机组和可调节发电机组出力加和得到灵活性供给曲线;将负荷出力和可再生能源机组出力做差得到净负荷出力曲线,即为灵活性需求曲线。
4.如权利要求1所述的一种含高比例可再生能源系统的调峰灵活性评估方法,其特征是:对数据进行预处理的过程包括:
对系统出力供给曲线进行设定长度时间尺度采样和一阶差分处理,得到系统单位时间的上调和下调灵活性供给;
对系统净负荷出力曲线,即系统出力需求曲线进行采样和一阶差分,得到系统净负荷的波动功率时间序列,按其功率方向分解为系统单位时间上调灵活性需求和下调灵活性需求。
6.如权利要求1所述的一种含高比例可再生能源系统的调峰灵活性评估方法,其特征是:所述灵活性评估指标包括可再生能源消纳不足期望、调峰缺额期望和灵活性不足概率。
7.如权利要求6所述的一种含高比例可再生能源系统的调峰灵活性评估方法,其特征是:所述可再生能源消纳不足期望的计算过程包括:根据系统出力的实时供需关系,选取功率供给大于需求的出力段,从灵活性功率盈余角度,计算可再生能源消纳不足期望;
或,
所述调峰缺额期望的计算过程包括:根据系统调峰灵活性供给小于灵活性需求的出力段,计算供需灵活性评估指标小于零时各出力段的功率缺额,反映系统灵活性空缺的严重程度;
或,
所述灵活性不足概率的计算过程包括:根据系统调峰灵活性供给小于灵活性需求的出力段,计算供需灵活性评估指标小于零时各出力段在总出力段种所占的比例,以出现调峰灵活性不足的概率反映系统运行的稳定与动态平衡情况。
8.一种含高比例可再生能源系统的调峰灵活性评估系统,其特征是:包括:
数据获取模块,被配置为获取储能机组、可调节发电机组、可再生能源机组和负荷日前出力预测数据,对数据进行预处理,得到系统灵活性供给和灵活性需求的波动时间序列;
评估指标计算模块,被配置为从系统出力供需平衡的角度,求得向上调节和向下调节的供需灵活性评估指标,从系统调峰供给能力不足和可再生能源消纳能力不足两个方面计算相应工况数据下的灵活性评估指标,根据评估指标确定该工况下的调峰灵活性;
迭代计算模块,被配置为依次改变储能机组、可调节发电机组、可再生能源机组和负荷中一项数据,重新触发上述模块,确定不同影响因素条件下,系统灵活性的变化情况,得到不同工况下的调峰灵活性评估结果。
9.一种电子设备,其特征是:包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成权利要求1-7中任一项所述的方法中的步骤。
10.一种计算机可读存储介质,其特征是:用于存储计算机指令,所述计算机指令被处理器执行时,完成权利要求1-7中任一项所述的方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210009422.XA CN114358603A (zh) | 2022-01-05 | 2022-01-05 | 一种含高比例可再生能源系统的调峰灵活性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210009422.XA CN114358603A (zh) | 2022-01-05 | 2022-01-05 | 一种含高比例可再生能源系统的调峰灵活性评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114358603A true CN114358603A (zh) | 2022-04-15 |
Family
ID=81107849
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210009422.XA Pending CN114358603A (zh) | 2022-01-05 | 2022-01-05 | 一种含高比例可再生能源系统的调峰灵活性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114358603A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116911695A (zh) * | 2023-09-12 | 2023-10-20 | 北京工业大学 | 一种灵活性资源充裕度评价方法和装置 |
-
2022
- 2022-01-05 CN CN202210009422.XA patent/CN114358603A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116911695A (zh) * | 2023-09-12 | 2023-10-20 | 北京工业大学 | 一种灵活性资源充裕度评价方法和装置 |
CN116911695B (zh) * | 2023-09-12 | 2023-12-01 | 北京工业大学 | 一种灵活性资源充裕度评价方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gabrielli et al. | Robust and optimal design of multi-energy systems with seasonal storage through uncertainty analysis | |
CN103151803B (zh) | 一种含风电系统机组及备用配置的优化方法 | |
Bludszuweit et al. | Statistical analysis of wind power forecast error | |
Brijs et al. | Evaluating the role of electricity storage by considering short-term operation in long-term planning | |
US20120065792A1 (en) | Supply-demand balance controller | |
WO2023065113A1 (zh) | 风光水多能互补系统灵活性需求量化及协调优化方法 | |
Hove et al. | A techno-economic model for optimising component sizing and energy dispatch strategy for PV-diesel-battery hybrid power systems | |
EP2610986A1 (en) | A method for determining a power outage probability of an electrical power grid, a method for an adaptation of a power generation capacity and a method for determining an energy storage unit size | |
Billinton | Impacts of energy storage on power system reliability performance | |
CN110350518B (zh) | 一种用于调峰的电网储能容量需求评估方法及系统 | |
Wang et al. | Analysis of energy storage demand for peak shaving and frequency regulation of power systems with high penetration of renewable energy | |
Ye et al. | Study of assessment on capability of wind power accommodation in regional power grids | |
CN114243794B (zh) | 风光水多能互补系统灵活性需求量化及协调优化方法 | |
CN104268800A (zh) | 基于场景库的风电并网调峰平衡判定方法 | |
Kleinhans | Towards a systematic characterization of the potential of demand side management | |
CN114204602B (zh) | 基于气象实时数据的风电制氢控制方法及系统 | |
CN114358603A (zh) | 一种含高比例可再生能源系统的调峰灵活性评估方法 | |
Wen et al. | ELCC-based capacity value estimation of combined wind-storage system using IPSO algorithm | |
CN110707711B (zh) | 一种用户侧综合能源系统分级调控方法及系统 | |
Abdoos et al. | Multi-objective particle swarm optimization of component size and long-term operation of hybrid energy systems under multiple uncertainties | |
CN112510690B (zh) | 考虑风火储联合和需求响应奖惩的优化调度方法及系统 | |
CN113991640A (zh) | 基于火电的多能互补能源基地能源配置规划方法 | |
CN109728607B (zh) | 一种风电消纳评估方法及装置 | |
CN117172569A (zh) | 一种考虑电力系统供需匹配的灵活性评估方法 | |
CN108695848B (zh) | 主动配电网运行时序仿真方法 |
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 |