CN114386849A - 新能源高占比系统电力平衡风险预警方法 - Google Patents
新能源高占比系统电力平衡风险预警方法 Download PDFInfo
- Publication number
- CN114386849A CN114386849A CN202210038572.3A CN202210038572A CN114386849A CN 114386849 A CN114386849 A CN 114386849A CN 202210038572 A CN202210038572 A CN 202210038572A CN 114386849 A CN114386849 A CN 114386849A
- Authority
- CN
- China
- Prior art keywords
- output
- new energy
- probability
- power
- generating set
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000004445 quantitative analysis Methods 0.000 claims abstract description 6
- 230000006735 deficit Effects 0.000 claims abstract description 4
- ZZUFCTLCJUWOSV-UHFFFAOYSA-N furosemide Chemical compound C1=C(Cl)C(S(=O)(=O)N)=CC(C(O)=O)=C1NCC1=CC=CO1 ZZUFCTLCJUWOSV-UHFFFAOYSA-N 0.000 claims description 39
- 238000004458 analytical method Methods 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004146 energy storage Methods 0.000 claims description 4
- 238000005086 pumping Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 5
- 238000010248 power generation Methods 0.000 description 4
- 125000001145 hydrido group Chemical group *[H] 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 2
- 230000008595 infiltration Effects 0.000 description 2
- 238000001764 infiltration Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Control Of Eletrric Generators (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种新能源高占比系统电力平衡风险预警方法,包括获取运行数据;计算新能源出力和水电机组满足保证出力的概率;计算水电机组和新能源机组出力无法满足保证出力需求的概率;计算水电机组和新能源出力随机性引起的不平衡电力缺额;计算系统所需出力之和并得到初始电力缺额值;计算水电机组和新能源出力之和满足电力平衡所需保证出力的概率;计算水电机组出力满足、新能源出力不满足和水电机组出力不满足、新能源出力满足电力平衡所需电力的概率;计算电力平衡风险值并量化分析得到单位电力缺额值引起的风险值;对新能源高占比系统电力平衡风险进行预警。本发明提高电力平衡风险预警的可信度,而且可靠性高,准确性好。
Description
技术领域
本发明属于电气自动化领域,具体涉及一种新能源高占比系统电力平衡风险预警方法。
背景技术
随着经济技术的发展和人们生活水平的提高,电能已经成为了人们生产和生活中必不可少的二次能源,给你们的生产和生活带来了无尽的便利。因此,保障电能的稳定可靠供应,就成为了电力系统最重要的任务之一。
而随着电网的规模扩大与结构复杂,太阳能、光能等可再生能源发电的并网增加了电网发电侧的不确定性;负荷规模的扩大以及类型的复杂增加了电网负荷侧的不确定性,比如电动汽车等既是电网负荷,又可以通过对电网充放电起到调控作用;极端气象等日益恶化的外部环境增加了电网发生故障的不确定性。在电力系统中,电能的发出和使用是同步的,电力电量平衡是进行电力系统规划设计和调度运行的基本约束条件。而电力系统中的用电负荷是经常发生变化的,为了维持有功功率平衡,保持系统频率稳定,需要发电部门相应改变发电机的出力以适应用电负荷的变化。对于常规机组而言,电力运行平衡具有较强的适应性,而对于风电和光伏发电等新能源,由于其具有较强的不确定性,给电网的运行平衡带来一定的困难。
电力系统风险按严重程度分类,可以分为普通风险与极端风险,其中普通风险指系统风险概率与后果均可以预测并且后果在可承受范围内,属于大概率时间;极端风险指系统风险概率与后果均不可预测并且后果在可承受范围外,属于小概率事件。高比例的新能源接入电力系统,将会给电力系统安全供应、新能源消纳和安全稳定运行方面等方面带来众多问题。可再生能源出力的波动性与不确定性造成了多个时间尺度上的电力、电量不平衡,为电力系统供需平衡带来了挑战。尤其在极端天气条件下,电力供应不足的风险大幅提升。进一步地,高比例渗透阶段对应约30%~50%的可再生能源渗透率,相比于中比例渗透阶段的10%~30%来说,反调峰特性带来的问题将愈发凸显,在出力比例相当高时,系统储能能力不足情况下,会发生大面积弃风、弃光现象。
因此,新能源高占比系统的电力平衡风险预警,就显得尤为重要。但是,目前的新能源高占比系统电力平衡风险预警方法,可靠性和准确性均较差,从而严重影响了新能源高占比系统的稳定可靠运行。
发明内容
本发明的目的在于提供一种可靠性高且准确性好的新能源高占比系统电力平衡风险预警方法。
本发明提供的这种新能源高占比系统电力平衡风险预警方法,包括如下步骤:
S1.获取待分析区域电网系统的运行数据;
S2.根据步骤S1获取的运行数据,计算区域内新能源出力满足保证出力的概率;
S3.根据步骤S1获取的运行数据,计算区域内水电机组满足保证出力的概率;
S4.根据步骤S2和步骤S3的计算结果,计算得到区域内水电机组出力无法满足保证出力需求的概率和新能源机组出力无法满足保证出力需求的概率;
S5.根据步骤S4的计算结果,计算得到水电机组出力随机性引起的不平衡电力缺额和新能源出力随机性引起的不平衡电力缺额;
S6.计算区域中系统所需水电机组和新能源出力之和,从而得到初始电力缺额值;
S7.计算水电机组和新能源出力之和满足电力平衡所需保证出力的概率;
S8.分别计算水电机组出力满足、新能源出力不满足电力平衡所需电力的概率和水电机组出力不满足、新能源出力满足电力平衡所需电力的概率;
S9.计算得到新能源高占比电力系统的电力平衡风险值;
S10.对步骤S9计算的风险值进行量化分析,得到单位电力缺额值引起的风险值;
S11.根据步骤S10得到的单位电力缺额值引起的风险值,对新能源高占比系统电力平衡风险进行预警。
步骤S2所述的计算区域内新能源出力满足保证出力的概率,具体为根据电网规划中电力平衡分析采用的典型运行方式所在月份,分析当月新能源出力所在区间范围小时数,并采用如下算式计算区域内新能源出力满足保证出力的概率pi,RES:
式中ai,RES为当月新能源出力所在第i个区间对应的小时数;T为典型运行方式下对应月份的总天数;t为对应典型运行方式下时间区段的小时数。
步骤S3所述的计算区域内水电机组满足保证出力的概率,具体为按设计枯水年进行电力平衡分析,通过在枯水年情况下计算得到水电机组的保证出力值;然后根据电网历史运行数据,分析水电机组出力情况,根据电力平衡分析采用的典型运行方式所在月份,分析对应月份水电出力所在区间范围的小时总数,并采用如下算式计算得到区域内水电机组满足保证出力的概率pi,hydro:
式中ai,hydro为为水电机组出力所在第i个区间对应小时数;T为典型运行方式下对应月份的总天数;t为对应典型运行方式下时间区段的小时数。
步骤S4所述的计算得到区域内水电机组出力无法满足保证出力需求的概率和新能源机组出力无法满足保证出力需求的概率,具体为采用如下算式计算得到区域内水电机组出力无法满足保证出力需求的概率phydro.un和新能源机组出力无法满足保证出力需求的概率pRES.un:
phydro.un=1-pi,hydrp
pRES.un=1-pi,RES
式中pi,RES为区域内新能源出力满足保证出力的概率;pi,hydrp为区域内水电机组满足保证出力的概率。
步骤S5所述的计算得到水电机组出力随机性引起的不平衡电力缺额和新能源出力随机性引起的不平衡电力缺额,具体为采用如下算式计算得到水电机组出力随机性引起的不平衡电力缺额ΔPhydro和新能源出力随机性引起的不平衡电力缺额ΔPRES:
ΔPRES=αPRES,pre
ΔPhydro=βPhydro,pre
式中PRES,pre为新能源保证出力值;α为新能源保证出力能够接受的波动性参数;Phydro,pre为水电机组保证出力值;β为水电机组保证出力能够接受的波动性参数。
步骤S6所述的计算区域中系统所需水电机组和新能源出力之和,从而得到初始电力缺额值,具体包括如下步骤:
A.采用如下算式计算区域中系统所需水电机组和新能源出力之和Pneed,all:
Pneed,all=Pload+Preserve-PDC-PAC-Ppumped-PESS-Pthermal
式中Pload为预测的负荷;Preserve为系统备用容量;PDC为直流功率;PAC为与其他区域电网交流联络线的交换功率;Ppumped为抽水蓄能功率;PESS为储能功率;Pthermal为火电机组出力;
B.采用如下算式计算得到初始电力缺额值Ppre:
Ppre=Pneed,all-Pneed
式中Pneed为水电机组和新能源保证出力之和。
步骤S7所述的计算水电机组和新能源出力之和满足电力平衡所需保证出力的概率,具体为采用如下算式计算水电机组和新能源出力之和满足电力平衡所需保证出力的概率p(Pneed):
p(Pneed)=pi,RESpi,hydro
式中pi,RES为区域内新能源出力满足保证出力的概率;pi,hydrp为区域内水电机组满足保证出力的概率。
步骤S8所述的分别计算水电机组出力满足、新能源出力不满足电力平衡所需电力的概率和水电机组出力不满足、新能源出力满足电力平衡所需电力的概率,具体为采用如下算式计算水电机组出力满足、新能源出力不满足电力平衡所需电力的概率p(Pneed,hydro)和水电机组出力不满足、新能源出力满足电力平衡所需电力的概率p(Pneed,RES):
p(Pneed,hydro)=(1-pi,RES)pi,hydro
p(Pneed,RES)=pi,RES(1-pi,hydro)
式中pi,RES为区域内新能源出力满足保证出力的概率;pi,hydrp为区域内水电机组满足保证出力的概率。
步骤S9所述的计算得到新能源高占比电力系统的电力平衡风险值,具体为采用如下算式计算新能源高占比电力系统的电力平衡风险值R:
R=(p(Pneed,hydro)-phydrotoRES)ΔPRES+(p(Pneed,RES)-pREStohydro)ΔPhydro+(1-pi,RES)(1-pi,hydro)(ΔPRES+ΔPhydro)
式中p(Pneed,hydro)为水电机组出力满足、新能源出力不满足电力平衡所需电力的概率;phydrotoRES为水电机组出力弥补新能源保证出力不足的概率;ΔPRES为新能源出力随机性引起的不平衡电力缺额;p(Pneed,RES)为水电机组出力不满足、新能源出力满足电力平衡所需电力的概率;pREStohydro为新能源出力弥补水电机组保证出力不足的概率;ΔPhydro为水电机组出力随机性引起的不平衡电力缺额;pi,RES为区域内新能源出力满足保证出力的概率;pi,hydrp为区域内水电机组满足保证出力的概率。
步骤S10所述的对步骤S9计算的风险值进行量化分析,得到单位电力缺额值引起的风险值,具体为对步骤S9计算的风险值进行量化分析,采用如下算式计算得到单位电力缺额值引起的风险值η:
式中R为新能源高占比电力系统的电力平衡风险值;Ppre为初始电力缺额值。
步骤S11所述的根据步骤S10得到的单位电力缺额值引起的风险值,对新能源高占比系统电力平衡风险进行预警,具体包括如下步骤:
单位电力缺额值引起的风险值η越大,则表明系统在电力平衡方案下出现电力缺额的风险越大;当单位电力缺额值引起的风险值η大于设定阈值时,则直接报警,从而实现对新能源高占比系统电力平衡风险预警。
本发明提供的这种新能源高占比系统电力平衡风险预警方法,通过风险值评估和电力缺额分析,为电网中电力平衡分析提供辅助决策依据,同时定量分析不同电力平衡方案的可靠性,提高电力缺额分析和电力平衡风险预警的可信度,而且本发明方法可靠性高,准确性好。
附图说明
图1为本发明方法的方法流程示意图。
图2为本发明方法的实施例的某年7、8月晚上7时~10时水电出力散点示意图。
图3为本发明方法的实施例的某年7、8月晚上7时~10时风电出力散点示意图。
具体实施方式
如图1所示为本发明方法的方法流程示意图:本发明提供的这种新能源高占比系统电力平衡风险预警方法,包括如下步骤:
S1.获取待分析区域电网系统的运行数据;
S2.根据步骤S1获取的运行数据,计算区域内新能源出力满足保证出力的概率;具体为根据电网规划中电力平衡分析采用的典型运行方式所在月份(比如在分析电力缺额时通常采用夏大、冬大方式),分析当月新能源出力所在区间范围小时数,并采用如下算式计算区域内新能源出力满足保证出力的概率pi,RES:
式中ai,RES为当月新能源出力所在第i个区间对应的小时数;T为典型运行方式下对应月份的总天数;t为对应典型运行方式下时间区段的小时数,例如小方式对应时间为23时~7时,t值为8;午方式为10时~15时,t值为5;
S3.根据步骤S1获取的运行数据,计算区域内水电机组满足保证出力的概率;具体为按设计枯水年进行电力平衡分析,通过在枯水年情况下计算得到水电机组的保证出力值;然后根据电网历史运行数据,分析水电机组出力情况,根据电力平衡分析采用的典型运行方式所在月份(比如在分析电力缺额时通常采用夏大、冬大方式),分析对应月份水电出力所在区间范围的小时总数,并采用如下算式计算得到区域内水电机组满足保证出力的概率pi,hydro:
式中ai,hydro为为水电机组出力所在第i个区间对应小时数;T为典型运行方式下对应月份的总天数;t为对应典型运行方式下时间区段的小时数;
S4.根据步骤S2和步骤S3的计算结果,计算得到区域内水电机组出力无法满足保证出力需求的概率和新能源机组出力无法满足保证出力需求的概率;具体为采用如下算式计算得到区域内水电机组出力无法满足保证出力需求的概率phydro.un和新能源机组出力无法满足保证出力需求的概率pRES.un:
phydro.un=1-pi,hydrp
pRES.un=1-pi,RES
式中pi,RES为区域内新能源出力满足保证出力的概率;pi,hydrp为区域内水电机组满足保证出力的概率;
S5.根据步骤S4的计算结果,计算得到水电机组出力随机性引起的不平衡电力缺额和新能源出力随机性引起的不平衡电力缺额;具体为采用如下算式计算得到水电机组出力随机性引起的不平衡电力缺额ΔPhydro和新能源出力随机性引起的不平衡电力缺额ΔPRES:
ΔPRES=αPRES,pre
ΔPhydro=βPhydro,pre
式中PRES,pre为新能源保证出力值;α为新能源保证出力能够接受的波动性参数;Phydro,pre为水电机组保证出力值;β为水电机组保证出力能够接受的波动性参数;
S6.计算区域中系统所需水电机组和新能源出力之和,从而得到初始电力缺额值;具体包括如下步骤:
A.采用如下算式计算区域中系统所需水电机组和新能源出力之和Pneed,all:
Pneed,all=Pload+Preserve-PDC-PAC-Ppumped-PESS-Pthermal
式中Pload为预测的负荷;Preserve为系统备用容量;PDC为直流功率;PAC为与其他区域电网交流联络线的交换功率;Ppumped为抽水蓄能功率;PESS为储能功率;Pthermal为火电机组出力;
B.采用如下算式计算得到初始电力缺额值Ppre:
Ppre=Pneed,all-Pneed
式中Pneed为水电机组和新能源保证出力之和;
S7.计算水电机组和新能源出力之和满足电力平衡所需保证出力的概率;具体为采用如下算式计算水电机组和新能源出力之和满足电力平衡所需保证出力的概率p(Pneed):
p(Pneed)=pi,RESpi,hydro
式中pi,RES为区域内新能源出力满足保证出力的概率;pi,hydrp为区域内水电机组满足保证出力的概率;
S8.分别计算水电机组出力满足、新能源出力不满足电力平衡所需电力的概率和水电机组出力不满足、新能源出力满足电力平衡所需电力的概率;具体为采用如下算式计算水电机组出力满足、新能源出力不满足电力平衡所需电力的概率p(Pneed,hydro)和水电机组出力不满足、新能源出力满足电力平衡所需电力的概率p(Pneed,RES):
p(Pneed,hydro)=(1-pi,RES)pi,hydro
p(Pneed,RES)=pi,RES(1-pi,hydro)
式中pi,RES为区域内新能源出力满足保证出力的概率;pi,hydrp为区域内水电机组满足保证出力的概率;
S9.还需考虑水电机组和新能源出力之和满足保证出力的情况,因此计算水电机组和新能源出力之和满足保证出力的概率,然后减去两种机组出力同时满足保证出力的概率,即可得到两类机组中的一类满足保证出力要求而另一类机组出力无法满足保证出力要求,两类机组出力之和满足保证出力要求;然后进一步分析出力之和满足保证出力要求的数据中,水电机组出力弥补新能源保证出力不足的概率phydrotoRES和新能源出力弥补水电机组保证出力不足的概率pREStohydro;计算得到新能源高占比电力系统的电力平衡风险值;具体为采用如下算式计算新能源高占比电力系统的电力平衡风险值R:
R=(p(Pneed,hydro)-phydrotoRES)ΔPRES+(p(Pneed,RES)-pREStohydro)ΔPhydro+(1-pi,RES)(1-pi,hydro)(ΔPRES+ΔPhydro)
式中p(Pneed,hydro)为水电机组出力满足、新能源出力不满足电力平衡所需电力的概率;phydrotoRES为水电机组出力弥补新能源保证出力不足的概率;ΔPRES为新能源出力随机性引起的不平衡电力缺额;p(Pneed,RES)为水电机组出力不满足、新能源出力满足电力平衡所需电力的概率;pREStohydro为新能源出力弥补水电机组保证出力不足的概率;ΔPhydro为水电机组出力随机性引起的不平衡电力缺额;pi,RES为区域内新能源出力满足保证出力的概率;pi,hydrp为区域内水电机组满足保证出力的概率;
S10.对步骤S9计算的风险值进行量化分析,得到单位电力缺额值引起的风险值;具体为对步骤S9计算的风险值进行量化分析,采用如下算式计算得到单位电力缺额值引起的风险值η:
式中R为新能源高占比电力系统的电力平衡风险值;Ppre为初始电力缺额值;
S11.根据步骤S10得到的单位电力缺额值引起的风险值,对新能源高占比系统电力平衡风险进行预警;具体包括如下步骤:
单位电力缺额值引起的风险值η越大,则表明系统在电力平衡方案下出现电力缺额的风险越大;当单位电力缺额值引起的风险值η大于设定阈值时,则直接报警,从而实现对新能源高占比系统电力平衡风险预警。
以下结合一个具体实施例,对本发明方法进行进一步说明:
通常夏季最大负荷常出现在7、8月份晚上7点~晚上10点之间,因此分析夏大方式时选取7、8月的电网历史运行数据,进而对目标年的电力平衡风险评估进行分析。划分区间时,采用预测值作为区间划分的分界点。
电力平衡初始分析情况如下表所示,表中Pload表示预测的负荷,Preserve为系统备用容量,PAC为与其他区域电网交流联络线的交换功率,Ppumped为抽水蓄能功率,PESS为储能功率,Pthermal为火电机组出力,PDC为直流功率。PRES,pre为新能源保证出力值,Phydro,pre为水电机组保证出力值,Ppre为保证出力下的电力缺额。
方案一:
表1某目标年电力平衡分析参数示意表(单位:万千瓦)
P<sub>load</sub> | 4150 |
P<sub>reserve</sub> | 208 |
P<sub>AC</sub> | 176 |
P<sub>DC</sub> | 410 |
P<sub>pumped</sub> | 126 |
P<sub>ESS</sub> | 0 |
P<sub>thermal</sub> | 2070 |
P<sub>hydro,pre</sub> | 868 |
P<sub>RES,pre</sub> | 327 |
P<sub>pre</sub> | 381 |
图2为某年水电机组7、8月份在晚上7点~10点的出力散点图,一共62天,共248组数据。
当前水电机组装机容量15899MW,未来无新增装机容量。未来某目标年电力平衡分析时,水电机组无新增装机,水电机组保证出力8680MW。当出现机组新增装机时,可以采用出力占装机占比来进行概率分析。
当前系统风电机组装机容量6690MW,图3为某年风电机组7、8月份在晚上7点~10点的出力散点图,一共62天,共248组数据。目标年时风电机组装机7400MW,根据预测目标年风电保证出力值2270MW占目标年风电装机容量的0.3068。因此可以得到历史运行数据中,出力超过装机容量30.68%(即2052.49MW)的概率。
接着计算新能源和水电机组出力波动性带来的电力平衡缺额:
ΔPRES=αPRES,pre=0.1*2270=227MW
ΔPhydro=βPhydro,pre=0.1*8680=868MW
分析不同情况下的电力平衡概率,可以得到新能源和水电机组出力都能满足电力平衡需求的概率,水电机组出力满足而新能源出力不满足电力平衡需求的概率,水电机组出力不满足而新能源出力满足电力平衡需求的概率:
p(Pneed)=p1,RES·p1,hydro=0.1935*0.5=0.09675
p(Pneed,hydro)=(1-p1,RES)·p1,hydro=0.8065*0.5=0.40325
p(Pneed,RES)=p1,RES·(1-p1,hydro)=0.1935*0.5=0.09675
进一步分析出力之和满足保证出力要求的数据中,水电机组出力弥补新能源保证出力不足的概率phydroto RES和新能源出力弥补水电机组保证出力不足的概率pRES to hydro(第1种情况有62组数据,第2种情况有2组数据,同时大于各自保证出力有18组数据,水电机组和新能源出力之和满足保证出力的有82组数据),水电机组和新能源出力之和满足预测保证出力的概率为0.3306。
通过计算得到目标年份在所给出的电力平衡方案下出现电力不平衡的风险值R:
R=(0.40325-0.25)*227+(0.09675-0.0081)*868+0.40325*1095=553.28
由上述分析可以看出,新能源和水电机组出力都能满足电力平衡需求的概率为0.09675,水电机组和新能源出力之和满足预测保证出力的概率为0.3306(此时考虑了出力互补的情况),由于出力随机性所引起的风险值为553.28。因此可以考虑对水电机组和新能源保证出力进行调节,下表所示为仅调节新能源保证出力的情况。
方案2—仅调节新能源保证出力
表2某目标年电力平衡调整分析参数示意表(单位:万千瓦)
P<sub>load</sub> | 4050 |
P<sub>reserve</sub> | 208 |
P<sub>AC</sub> | 176 |
P<sub>DC</sub> | 410 |
P<sub>pumped</sub> | 126 |
P<sub>ESS</sub> | 0 |
P<sub>thermal</sub> | 2070 |
P<sub>hydro,pre</sub> | 868 |
P<sub>RES,pre</sub> | 148 |
P<sub>pre</sub> | 460 |
目标年时风电机组装机7400MW,根据历史运行数据推算目标年风电保证出力值占目标年风电装机容量的0.2,即1480MW。因此可以得到历史运行数据中,出力超过装机容量20%(即1338MW)的概率:
接着计算新能源波动性带来的电力平衡缺额,水电机组出力波动性带来的电力平衡缺额同方案1。
ΔPRES=αPRES,pre=0.1*1480=148MW
新能源和水电机组出力都能满足电力平衡需求的概率,水电机组出力满足而新能源出力不满足电力平衡需求的概率,水电机组出力不满足而新能源出力满足电力平衡需求的概率:
p(Pneed)=p1,RES·p1,hydro=0.3952*0.5=0.1976
p(Pneed,hydro)=(1-p1,RES)·p1,hydro=0.6048*0.5=0.3024
p(Pneed,RES)=p1,RES·(1-p1,hydro)=0.3952*0.5=0.1976
分析出力之和满足保证出力要求的数据中,水电机组出力弥补新能源保证出力不足的概率phydroto RES和新能源出力弥补水电机组保证出力不足的概率pRES to hydro(第1种情况有73组数据,第2种情况有13组数据,同时大于各自保证出力有35组数据,水电机组和新能源出力之和满足保证出力的有121组数据),水电机组和新能源出力之和满足预测保证出力的概率为0.4879。
通过计算得到目标年份在所给出的电力平衡方案下出现电力不平衡的风险值R:
R=(0.3024-0.2943)*148+(0.1976-0.0524)*868+0.3024*1016=434.47
由上述分析可以看出,新能源和水电机组出力都能满足电力平衡需求的概率为0.1976,水电机组和新能源出力之和满足预测保证出力的概率为0.4879(此时考虑了出力互补的情况),由于出力随机性所引起的风险值为434.47。
方案三—调节新能源保证出力
表3某目标年电力平衡调整分析参数示意表(单位:万千瓦)
P<sub>load</sub> | 4050 |
P<sub>reserve</sub> | 208 |
P<sub>AC</sub> | 176 |
P<sub>DC</sub> | 410 |
P<sub>pumped</sub> | 126 |
P<sub>ESS</sub> | 0 |
P<sub>thermal</sub> | 2070 |
P<sub>hydro,pre</sub> | 868 |
P<sub>RES,pre</sub> | 111 |
P<sub>pre</sub> | 497 |
目标年时风电机组装机7400MW,根据历史运行数据推算目标年风电保证出力值占目标年风电装机容量的0.15,即1110MW。因此可以得到历史运行数据中,出力超过装机容量15%(即1003.5MW)的概率:
接着计算新能源出力波动性带来的电力平衡缺额,水电机组出力波动性带来的电力平衡缺额同方案1。
ΔPRES=αPRES,pre=0.1*1110=111MW
新能源和水电机组出力都能满足电力平衡需求的概率,水电机组出力满足而新能源出力不满足电力平衡需求的概率,水电机组出力不满足而新能源出力满足电力平衡需求的概率:
p(Pneed)=p1,RES·p1,hydro=0.5726*0.5=0.2863
p(Pneed,hydro)=(1-p1,RES)·p1,hydro=0.4274*0.5=0.2137
p(Pneed,RES)=p1,RES·(1-p1,hydro)=0.5726*0.5=0.2863
分析出力之和满足保证出力要求的数据中,水电机组出力弥补新能源保证出力不足的概率phydroto RES和新能源出力弥补水电机组保证出力不足的概率pRES to hydro(第1种情况有45组数据,第2种情况有21组数据,同时大于各自保证出力有69组数据,水电机组和新能源出力之和满足保证出力的有135组数据),水电机组和新能源出力之和满足预测保证出力的概率为0.5444。
通过计算得到目标年份在所给出的电力平衡方案下出现电力不平衡的风险值R:
R=(0.2137-0.1815)*111+(0.2863-0.0847)*868+0.2137*979=387.78
由上述分析可以看出,新能源和水电机组出力都能满足电力平衡需求的概率为0.2863,水电机组和新能源出力之和满足预测保证出力的概率为0.5444(此时考虑了出力互补的情况),由于出力随机性所引起的风险值为387.78。
分析上述三种方案的η值,可得到下表所示的结果:
表4不同电力平衡方案风险评估结果示意表
风险值 | 电力缺额(万千瓦) | η | |
方案1 | 553.28 | 381 | 1.452 |
方案2 | 434.47 | 460 | 0.9445 |
方案3 | 387.78 | 497 | 0.7802 |
由上述分析可知,当调整新能源保证出力值后,新能源和水电机组保证出力同时满足预测值的概率增加。方案3能有效减小由于水电机组和新能源出力随机性带来的风险,但同时增加了预测保证出力情况下的系统电力平衡缺额。这种情况下得到的电力平衡分析在提高供电保障能力的情况下,也提高了电力系统电力平衡分析方案的可靠性。
Claims (10)
1.一种新能源高占比系统电力平衡风险预警方法,包括如下步骤:
S1.获取待分析区域电网系统的运行数据;
S2.根据步骤S1获取的运行数据,计算区域内新能源出力满足保证出力的概率;
S3.根据步骤S1获取的运行数据,计算区域内水电机组满足保证出力的概率;
S4.根据步骤S2和步骤S3的计算结果,计算得到区域内水电机组出力无法满足保证出力需求的概率和新能源机组出力无法满足保证出力需求的概率;
S5.根据步骤S4的计算结果,计算得到水电机组出力随机性引起的不平衡电力缺额和新能源出力随机性引起的不平衡电力缺额;
S6.计算区域中系统所需水电机组和新能源出力之和,从而得到初始电力缺额值;
S7.计算水电机组和新能源出力之和满足电力平衡所需保证出力的概率;
S8.分别计算水电机组出力满足、新能源出力不满足电力平衡所需电力的概率和水电机组出力不满足、新能源出力满足电力平衡所需电力的概率;
S9.计算得到新能源高占比电力系统的电力平衡风险值;
S10.对步骤S9计算的风险值进行量化分析,得到单位电力缺额值引起的风险值;
S11.根据步骤S10得到的单位电力缺额值引起的风险值,对新能源高占比系统电力平衡风险进行预警。
2.根据权利要求1所述的新能源高占比系统电力平衡风险预警方法,其特征在于步骤S2所述的计算区域内新能源出力满足保证出力的概率,具体为根据电网规划中电力平衡分析采用的典型运行方式所在月份,分析当月新能源出力所在区间范围小时数,并采用如下算式计算区域内新能源出力满足保证出力的概率pi,RES:
式中ai,RES为当月新能源出力所在第i个区间对应的小时数;T为典型运行方式下对应月份的总天数;t为对应典型运行方式下时间区段的小时数;
步骤S3所述的计算区域内水电机组满足保证出力的概率,具体为按设计枯水年进行电力平衡分析,通过在枯水年情况下计算得到水电机组的保证出力值;然后根据电网历史运行数据,分析水电机组出力情况,根据电力平衡分析采用的典型运行方式所在月份,分析对应月份水电出力所在区间范围的小时总数,并采用如下算式计算得到区域内水电机组满足保证出力的概率pi,hydro:
式中ai,hydro为为水电机组出力所在第i个区间对应小时数;T为典型运行方式下对应月份的总天数;t为对应典型运行方式下时间区段的小时数。
3.根据权利要求2所述的新能源高占比系统电力平衡风险预警方法,其特征在于步骤S4所述的计算得到区域内水电机组出力无法满足保证出力需求的概率和新能源机组出力无法满足保证出力需求的概率,具体为采用如下算式计算得到区域内水电机组出力无法满足保证出力需求的概率phydro.un和新能源机组出力无法满足保证出力需求的概率pRES.un:
phydro.un=1-pi,hydrp
pRES.un=1-pi,RES
式中pi,RES为区域内新能源出力满足保证出力的概率;pi,hydrp为区域内水电机组满足保证出力的概率。
4.根据权利要求3所述的新能源高占比系统电力平衡风险预警方法,其特征在于步骤S5所述的计算得到水电机组出力随机性引起的不平衡电力缺额和新能源出力随机性引起的不平衡电力缺额,具体为采用如下算式计算得到水电机组出力随机性引起的不平衡电力缺额ΔPhydro和新能源出力随机性引起的不平衡电力缺额ΔPRES:
ΔPRES=αPRES,pre
ΔPhydro=βPhydro,pre
式中PRES,pre为新能源保证出力值;α为新能源保证出力能够接受的波动性参数;Phydro,pre为水电机组保证出力值;β为水电机组保证出力能够接受的波动性参数。
5.根据权利要求4所述的新能源高占比系统电力平衡风险预警方法,其特征在于步骤S6所述的计算区域中系统所需水电机组和新能源出力之和,从而得到初始电力缺额值,具体包括如下步骤:
A.采用如下算式计算区域中系统所需水电机组和新能源出力之和Pneed,all:
Pneed,all=Pload+Preserve-PDC-PAC-Ppumped-PESS-Pthermal
式中Pload为预测的负荷;Preserve为系统备用容量;PDC为直流功率;PAC为与其他区域电网交流联络线的交换功率;Ppumped为抽水蓄能功率;PESS为储能功率;Pthermal为火电机组出力;
B.采用如下算式计算得到初始电力缺额值Ppre:
Ppre=Pneed,all-Pneed
式中Pneed为水电机组和新能源保证出力之和。
6.根据权利要求5所述的新能源高占比系统电力平衡风险预警方法,其特征在于步骤S7所述的计算水电机组和新能源出力之和满足电力平衡所需保证出力的概率,具体为采用如下算式计算水电机组和新能源出力之和满足电力平衡所需保证出力的概率p(Pneed):
p(Pneed)=pi,RESpi,hydro
式中pi,RES为区域内新能源出力满足保证出力的概率;pi,hydrp为区域内水电机组满足保证出力的概率。
7.根据权利要求6所述的新能源高占比系统电力平衡风险预警方法,其特征在于步骤S8所述的分别计算水电机组出力满足、新能源出力不满足电力平衡所需电力的概率和水电机组出力不满足、新能源出力满足电力平衡所需电力的概率,具体为采用如下算式计算水电机组出力满足、新能源出力不满足电力平衡所需电力的概率p(Pneed,hydro)和水电机组出力不满足、新能源出力满足电力平衡所需电力的概率p(Pneed,RES):
p(Pneed,hydro)=(1-pi,RES)pi,hydro
p(Pneed,RES)=pi,RES(1-pi,hydro)
式中pi,RES为区域内新能源出力满足保证出力的概率;pi,hydrp为区域内水电机组满足保证出力的概率。
8.根据权利要求7所述的新能源高占比系统电力平衡风险预警方法,其特征在于步骤S9所述的计算得到新能源高占比电力系统的电力平衡风险值,具体为采用如下算式计算新能源高占比电力系统的电力平衡风险值R:
R=(p(Pneed,hydro)-phydrotoRES)ΔPRES+(p(Pneed,RES)-pREStohydro)ΔPhydro+(1-pi,RES)(1-pi,hydro)(ΔPRES+ΔPhydro)
式中p(Pneed,hydro)为水电机组出力满足、新能源出力不满足电力平衡所需电力的概率;phydrotoRES为水电机组出力弥补新能源保证出力不足的概率;ΔPRES为新能源出力随机性引起的不平衡电力缺额;p(Pneed,RES)为水电机组出力不满足、新能源出力满足电力平衡所需电力的概率;pREStohydro为新能源出力弥补水电机组保证出力不足的概率;ΔPhydro为水电机组出力随机性引起的不平衡电力缺额;pi,RES为区域内新能源出力满足保证出力的概率;pi,hydrp为区域内水电机组满足保证出力的概率。
10.根据权利要求9所述的新能源高占比系统电力平衡风险预警方法,其特征在于步骤S11所述的根据步骤S10得到的单位电力缺额值引起的风险值,对新能源高占比系统电力平衡风险进行预警,具体包括如下步骤:
单位电力缺额值引起的风险值η越大,则表明系统在电力平衡方案下出现电力缺额的风险越大;当单位电力缺额值引起的风险值η大于设定阈值时,则直接报警,从而实现对新能源高占比系统电力平衡风险预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210038572.3A CN114386849B (zh) | 2022-01-13 | 2022-01-13 | 新能源高占比系统电力平衡风险预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210038572.3A CN114386849B (zh) | 2022-01-13 | 2022-01-13 | 新能源高占比系统电力平衡风险预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114386849A true CN114386849A (zh) | 2022-04-22 |
CN114386849B CN114386849B (zh) | 2023-05-23 |
Family
ID=81201403
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210038572.3A Active CN114386849B (zh) | 2022-01-13 | 2022-01-13 | 新能源高占比系统电力平衡风险预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114386849B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115940152A (zh) * | 2023-02-22 | 2023-04-07 | 国网山东省电力公司东营市垦利区供电公司 | 一种新能源装机容量优化分配方法、系统、终端及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104574217A (zh) * | 2015-01-22 | 2015-04-29 | 国家电网公司 | 一种智能配电网在线风险评估方法 |
US20160092622A1 (en) * | 2013-05-20 | 2016-03-31 | State Grid Corporation Of China | Method for modeling medium and long term wind power output model of medium and long term optimal operationof power system |
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 |
CN112234655A (zh) * | 2020-07-30 | 2021-01-15 | 国网甘肃省电力公司电力科学研究院 | 一种送端电网安全稳定的源网协调调峰优化方法 |
CN113326996A (zh) * | 2020-12-10 | 2021-08-31 | 国网山东省电力公司德州供电公司 | 一种高比例新能源接入地区电网的安全风险评估方法 |
-
2022
- 2022-01-13 CN CN202210038572.3A patent/CN114386849B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160092622A1 (en) * | 2013-05-20 | 2016-03-31 | State Grid Corporation Of China | Method for modeling medium and long term wind power output model of medium and long term optimal operationof power system |
CN104574217A (zh) * | 2015-01-22 | 2015-04-29 | 国家电网公司 | 一种智能配电网在线风险评估方法 |
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 |
CN112234655A (zh) * | 2020-07-30 | 2021-01-15 | 国网甘肃省电力公司电力科学研究院 | 一种送端电网安全稳定的源网协调调峰优化方法 |
CN113326996A (zh) * | 2020-12-10 | 2021-08-31 | 国网山东省电力公司德州供电公司 | 一种高比例新能源接入地区电网的安全风险评估方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115940152A (zh) * | 2023-02-22 | 2023-04-07 | 国网山东省电力公司东营市垦利区供电公司 | 一种新能源装机容量优化分配方法、系统、终端及介质 |
CN115940152B (zh) * | 2023-02-22 | 2023-08-18 | 国网山东省电力公司东营市垦利区供电公司 | 一种新能源装机容量优化分配方法、系统、终端及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114386849B (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108123492A (zh) | 一种考虑火电电蓄热联合调峰的日前发电计划优化方法 | |
CN111541244B (zh) | 考虑储能装置度电成本的电网侧储能装置容量计算方法 | |
CN113343478B (zh) | 考虑不确定性和需求响应的独立微网容量优化配置方法 | |
CN104578122A (zh) | 抽水蓄能电站的容量确定方法 | |
CN109428343B (zh) | 一种新能源基地外送通道输电容量的优化规划方法及装置 | |
CN112886645B (zh) | 一种基于氢能超高比例的新能源电力系统运行模拟方法 | |
CN113489003A (zh) | 一种考虑风光水一体化互补运行的源网协调规划方法 | |
CN115333161A (zh) | 一种绿色水厂供电系统的容量优化配置方法 | |
CN116436088A (zh) | 一种风光电-火电-储能-电解铜一体化系统多目标优化调度方法 | |
CN115864376A (zh) | 一种多时间尺度电力保供分析方法及系统 | |
CN114386849A (zh) | 新能源高占比系统电力平衡风险预警方法 | |
CN117114281A (zh) | 一种灵活资源多阶段规划方案的确定方法 | |
CN117154838A (zh) | 一种含氢储能的综合能源系统中长期低碳调度优化方法、系统、电子设备、存储介质 | |
CN113690925B (zh) | 一种基于微电网的能量交互优化方法及系统 | |
CN112436510B (zh) | 一种风-光-火特高压直流外送调度方法及系统 | |
CN114792988A (zh) | 一种基于最优潮流的储能接入位置选择方法 | |
CN110867892B (zh) | 一种含可再生能源发电的混合配电网规划方法 | |
CN116316865A (zh) | 一种高比例新能源区域电力系统全环节协调规划优化方法 | |
CN114465226A (zh) | 一种电力系统多级备用获取联合优化模型的建立方法 | |
Li et al. | Multi-unit control strategy of electrolyzer considering start-stop times | |
Zhang et al. | Algorithm on optimal wind power capacity using peak load regulation restraints | |
CN113890107B (zh) | 一种考虑峰荷新能源贡献率确定调节容量的方法及系统 | |
CN113705874B (zh) | 新能源电网演化预测方法、装置、计算机设备和存储介质 | |
CN117744478B (zh) | 一种基于多目标贝叶斯优化的寒地储能设备配置方法 | |
Kai et al. | Coordinated Planning of Multi-type Power Sources and Energy Storage for Improving Peak Regulation Capacity of System |
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 |