CN115293468A - 电网区域分布式光伏消纳潜力长期预测方法、系统及介质 - Google Patents
电网区域分布式光伏消纳潜力长期预测方法、系统及介质 Download PDFInfo
- Publication number
- CN115293468A CN115293468A CN202211230770.6A CN202211230770A CN115293468A CN 115293468 A CN115293468 A CN 115293468A CN 202211230770 A CN202211230770 A CN 202211230770A CN 115293468 A CN115293468 A CN 115293468A
- Authority
- CN
- China
- Prior art keywords
- power grid
- capacity
- photovoltaic
- coefficient
- long
- 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
- 230000007774 longterm Effects 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000010521 absorption reaction Methods 0.000 claims abstract description 66
- 238000010248 power generation Methods 0.000 claims abstract description 32
- 238000011161 development Methods 0.000 claims abstract description 31
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 238000012937 correction Methods 0.000 claims description 24
- 238000011156 evaluation Methods 0.000 claims description 24
- 238000003860 storage Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 8
- 230000029087 digestion Effects 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 7
- 239000006185 dispersion Substances 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 239000013307 optical fiber Substances 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract description 6
- 238000013461 design Methods 0.000 abstract description 3
- 230000000007 visual effect Effects 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 15
- 238000009826 distribution Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 150000007524 organic acids Chemical class 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 229920003169 water-soluble polymer Polymers 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000009466 transformation Effects 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- 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
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Power Engineering (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及电力系统领域,特别涉及一种电网区域分布式光伏消纳潜力长期预测方法、系统及介质。本发明提供的方法设计了适用于电网区域分布式光伏消纳能力评估的综合指数,基于分布式光伏发电功率、光伏容量和发电总量在区域负荷中的占比特征,构建计算指标,并基于专家经验设计加权求和公式,综合评估电网区域分布式光伏消纳能力,为识别消纳风险、优化运行方式等提供数据支撑。同时,通过多角度量化相关因素对分布式光伏消纳潜力的影响,实现科学、合理地预测电网区域内分布式光伏消纳潜力,为电网投资规划、分布式光伏发展规划和电网运行优化等提供直观的数据支撑。
Description
技术领域
本发明涉及电力系统领域,特别涉及一种电网区域分布式光伏消纳潜力长期预测方法、系统及介质。
背景技术
近年来,新能源发展迅速,而分布式光伏是新能源发展的重要方向,装机容量继续快速增长;目前,分布式光伏新增装机量已超过集中式光伏的新增装机量。同时,地区输变电容量不足、节假日调峰消纳困难等苗头问题已开始涌现,分布式光伏并网消纳问题已成为行业持续关注热点。
电网作为新型电力系统的基础平台及核心枢纽,是提升分布式光伏消纳水平的主体之一。以电网区域为统计对象,分析预测未来一段时间内区域内分布式光伏的剩余可接入容量(即消纳潜力),能够为电网投资规划、分布式光伏发展规划和电网运行优化等提供直观的数据支撑,助力提升分布式光伏消纳水平。其中,电网区域范围内分布式光伏的消纳潜力,与区域内负荷类型、负荷增长趋势、可开发容量以及产业发展宏观政策等密切相关。
目前,电网区域分布式光伏消纳能力分析以评估为主,主要通过计算渗透率、最大剩余容量等指标,对区域内分布式光伏消纳情况进行评估,掌握分布式光伏消纳特征,识别消纳薄弱环节和无法消纳风险等,为电网运行优化等提供间接支撑。但是,这种评估方法只是评估得出当前电网区域的历史和现状消纳能力,缺乏预测能力,无法真正地识别电网区域内分布式光伏的中长期消纳潜力,难以深度支撑电网投资规划、分布式光伏发展规划等工作要求。此外,以分布式光伏项目为对象的消纳能力预测,是指采用时序生产模拟法、决策树等方法对分布式光伏项目的发电功率进行短中期预测,进而结合历史消纳情况预测分布式光伏项目的发电量等,主要用于优化分布式光伏运行方式、预测项目投资效益等,并非对电网区域的分布式光伏消纳潜力进行预测,同样难以科学指导分布式光伏消纳能力提升等工作。
发明内容
有鉴于此,本发明的第一个目的在于提供一种电网区域分布式光伏消纳潜力长期预测方法,通过多角度量化相关因素对分布式光伏消纳潜力的影响,实现科学、合理地预测电网区域内分布式光伏消纳潜力,为电网投资规划、分布式光伏发展规划和电网运行优化等提供直观的数据支撑。
基于同样的发明构思,本发明的第二个目的在于提供一种电网区域分布式光伏消纳潜力长期预测系统。
基于同样的发明构思,本发明的第三个目的在于提供一种存储介质。
本发明的第一个目的可以通过如下技术方案达到:
一种电网区域分布式光伏消纳潜力长期预测方法,包括以下步骤:
获取目标电网区域内选定时间段的电网负荷数据与光伏发电数据;
根据电网负荷数据与光伏发电数据,构建消纳能力综合评估指数,表征当前时间段和电网区域内电网消纳情况;
将多个不同时间段的消纳能力综合评估指数和电网区域的光伏装机容量进行拟合,得到光伏装机容量预测的目标函数;
使用目标函数计算光伏装机容量预测初值;
构建二级指标,包括电网消纳能力自然增长系数、光伏可开发容量系数、产业发展政策系数,将二级指标组合得到长期修正系数;
根据装机容量预测初值和长期修正系数,计算得到消纳潜力长期预测值。
进一步的,根据电网负荷数据与光伏发电数据,构建消纳能力综合评估指数,包括以下步骤:
根据分布式光伏发电功率和同一时刻的区域负荷,计算发电功率消纳率Up;
根据分布式光伏最大发电功率和区域负荷最大值,计算装机容量利用率Uc;
根据分布式光伏发电量率和区域负荷耗电量率,计算电量贡献率Ue;
根据区域电网发展趋势和业务场景需求,设计赋权原则;
根据赋权原则,使用主观赋权方法,设定权重系数区间;
计算发电功率消纳率的离散系数Vp、装机容量利用率的离散系数Vc,根据离散系数和权重系数区间,设定权重系数的数值。
进一步的,根据离散系数和权重系数区间,设定权重系数的数值,具体为:
进一步的,选用对数函数将多个不同时间段的消纳能力综合评估指数和电网区域装机容量进行拟合,得到装机容量预测的目标函数,表达式为:
使用目标函数计算光伏装机容量预测初值,具体为:
根据光伏装机容量预测初值和长期修正系数,计算得到消纳潜力长期预测值,表达式为:
进一步的,电网消纳能力自然增长系数的构建,具体为:
本发明的第二个目的可以通过如下技术方案达到:
一种电网区域分布式光伏消纳潜力长期预测系统,包括:
数据获取模块,用于获取目标电网区域内选定时间段的电网负荷数据与光伏发电数据;
预测模块,用于根据电网负荷数据与光伏发电数据,构建消纳能力综合评估指数,表征当前时间段和电网区域内电网消纳情况;将多个不同时间段的消纳能力综合评估指数和电网区域的光伏装机容量进行拟合,得到光伏装机容量预测的目标函数;使用目标函数计算光伏装机容量预测初值;
长期修正模块,用于构建二级指标,包括电网消纳能力自然增长系数、光伏可开发容量系数、产业发展政策系数,将二级指标组合得到长期修正系数;根据光伏装机容量预测初值和长期修正系数,计算得到消纳潜力长期预测值。
本发明的第三个目的可以通过如下技术方案达到:
一种存储介质,存储有程序,其特征在于,所述程序被处理器执行时,实现上述的电网区域分布式光伏消纳潜力长期预测方法。
本发明相对于现有技术具有如下的有益效果:
(1)本发明通过设计发电功率消纳率、装机容量利用率、发电量贡献率三个指标,并加权求和的方式构建消纳能力综合指数,实现了区域分布式光伏消纳能力的综合评估,同时,各指标可以根据不同的需要通过权重进行调整,克服了单一指标不够全面的问题。
(2)本发明基于区域内分布式光伏历史消纳数据,构建了消纳能力综合指数-装机容量拟合曲线,将区域负荷类型、装机容量与分布式光伏消纳潜力的影响,通过拟合建模方式进行量化,保障了预测分析的合理性。
(3)本发明在构建的消纳能力综合指数-装机容量曲线的基础上,分别设计了电网消纳能力自然增长系数、光伏可开发容量系数、产业发展政策系数3个系数,量化区域负荷增长特性、分布式光伏可开发容量以及产业政策对消纳潜力的影响,实现对消纳潜力预测初始值进行修正得出最终值,保障了预测的准确性。
附图说明
图1是本发明实施例1的方法流程图;
图2是本发明实施例中对消纳能力综合指数与装机容量关系进行曲线拟合分析的示意图。
具体实施方式
为使本发明实施例的目的、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清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例,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。
实施例1:
如图1所示,本实施例提供了一种电网区域分布式光伏消纳潜力长期预测方法,包括以下步骤:
S100、获取目标电网区域内选定时间段的电网负荷数据与光伏发电数据;
S200、根据电网负荷数据与光伏发电数据,构建消纳能力综合评估指数,表征当前时间段和电网区域内电网消纳情况,包括以下步骤:
S210、根据分布式光伏发电功率和同一时刻的区域负荷,计算发电功率消纳率Up;发电功率消纳率Up是在给定的区域、指定时间段内,所有分布式光伏发电功率Pt与同一时刻该区域负荷之比Lt的最大值;其中,指定时间一般按年计算,也可根据区域内分布式光伏装机容量重大变化时间节点划分时间段,但时间跨度不少于6个月,Up的表达式为:
S220、根据分布式光伏最大发电功率和区域负荷最大值,计算装机容量利用率Uc;装机容量利用率Uc是在给定的区域、指定时间段内,分布式光伏最大发电功率Pmax与区域负荷最大值Lmax的百分比。其中,指定时间一般按年计算,也可根据区域内分布式光伏装机容量重大变化时间节点划分时间段,但时间跨度不少于6个月。Uc的表达式为:
S230、根据分布式光伏发电量率和区域负荷耗电量率,计算电量贡献率Ue;在给定的区域、指定时间段类,分布式光伏发电量率E pv 与区域负荷耗电量率E la 的百分比。其中,指定时间一般按年计算,也可根据区域内分布式光伏装机容量重大变化时间节点划分时间段,但时间跨度不少于6个月。Ue的表达式为:
S241、根据区域电网发展趋势和业务场景需求,设计赋权原则;
本实施例中,设计的赋权原则如下:
S242、根据赋权原则,使用主观赋权方法,设定权重系数区间;
本实施例中,主观赋权方法采用德尔菲法,结合不同区域分布式光伏消纳特性差异性较大的问题,基于兼顾经济性和安全性的原则,设定的权重区间如下:
S243、计算发电功率消纳率的离散系数Vp、装机容量利用率的离散系数Vc,根据离散系数和权重系数区间,设定权重系数的数值,具体为:
若Vp小于0.5,则a值取区间最小值;
若Vc小于0.5,则b值取区间最小值;
若Vp大于0.8,则a值取区间最大值;
若Vc大于0.8,则b值取区间最大值;
S300、将多个不同时间段的消纳能力综合评估指数和电网区域的光伏装机容量进行拟合,得到光伏装机容量预测的目标函数;
基于消纳能力综合指数计算公式,对电网区域不同的光伏装机容量时期的消纳能力综合指数进行计算,得到不同装机容量对应的分布式光伏消纳能力综合指数历史值。该值蕴含了当前电网区域网架结构、负荷类型等约束下,所体现出来的电网区域对分布式光伏的消纳能力和特征。
(2)Uc与线性相关,即光伏装机容量增加时,Uc线性增加;Uc为100%时,表示当前电网区域内分布式光伏装机容量已饱和,存在一定程度上的功率倒送问题。如果继续增加装机容量,若不考虑其他因素,Uc超过100%的时段增加且幅值增大,电网区域可能会存在持续、大量的功率倒送问题。
(3)Ue与非线性相关,即光伏装机容量较小时,发电量基本能消纳,Ue与装机容量几乎线性相关;光伏装机容量达到一定值时,部分时段光伏出力大于负荷,此时存在无法被消纳问题;随着光伏装机容量进一步增加,无法消纳时段和幅值量增加,导致Ue增长斜率逐渐变小,直至斜率为0。
如图2所示,以某电网区域为例,对数据拟合分析得出拟合函数:
S400、使用目标函数计算电网区域的光伏装机容量预测初值,具体为:
S500、构建二级指标,电网区域内分布式光伏的消纳潜力,同样与区域负荷增长特性、分布式光伏可开发容量以及产业发展宏观政策等相关。因此二级指标包括电网消纳能力自然增长系数、光伏可开发容量系数、产业发展政策系数,将二级指标组合得到长期修正系数,具体为:
S510、构建电网消纳能力自然增长系数。一般来说,区域内负荷增长代表可消纳分布式光伏对应增长;电网企业会结合负荷增长需求,通过电网投资、优化运行方式等手段,保障变压器/线路承载力等满足负荷增长需求。因此,设定负荷自然增长率预测值与电网区域对分布式光伏消纳能力自然增长率相同,计算得到负荷自然增长率,表达式为:
S520、构建光伏可开发容量系数。一般来说,区域内分布式光伏可开发容量,反映了该区域内分布式光伏的装机潜力,直接影响区域分布式光伏未来的装机容量和消纳能力。本实施例中设计的光伏可开发容量系数,根据已装机容量在可装机容量总和中的占比,依托专家经验设定,得到的光伏可开发容量系数的表达式为:
S530、构建产业发展政策系数。产业发展政策系数表示当前电网区域内分布式光伏相关宏观政策对产业发展的激励水平,根据专家经验赋值,取值范围为[0.7,1.3];取值越大,表示当前产业发展政策对分布式光伏发展越有利,反之则越不利。
本实施例中,以上述示例的某电网区域为例,从相关系统获取数据,结合专家经验设定如下:当前电网区域分布式光伏可开发容量为160MW;该区域未来三年的负荷自然增长率为20%;相关产业政策倾向性支持分布式光伏发展,将电网消纳能力自然增长系数、光伏可开发容量系数、产业发展政策系数分别设定如下:
S600、根据光伏装机容量预测初值和长期修正系数,计算得到消纳潜力长期预测值,表达式为:
综上所述,本实施例通过设计发电功率消纳率、装机容量利用率、发电量贡献率三个指标,并加权求和的方式构建消纳能力综合指数,实现了区域分布式光伏消纳能力的综合评估,同时,各指标可以根据不同的需要通过权重进行调整,克服了单一指标不够全面的问题;本实施例基于区域内分布式光伏历史消纳数据,构建了消纳能力综合指数-装机容量拟合曲线,将区域负荷类型、装机容量与分布式光伏消纳潜力的影响,通过拟合建模方式进行量化,保障了预测分析的合理性;本实施例在构建的消纳能力综合指数-装机容量曲线的基础上,分别设计了电网消纳能力自然增长系数、光伏可开发容量系数、产业发展政策系数3个系数,量化区域负荷增长特性、分布式光伏可开发容量以及产业政策对消纳潜力的影响,实现对消纳潜力预测初始值进行修正得出最终值,保障了预测的准确性。
并且,本实施例设计了适用于电网区域分布式光伏消纳能力评估的综合指数,基于分布式光伏发电功率、光伏容量和发电总量在区域负荷中的占比特征,构建计算指标,并基于专家经验设计加权求和公式,综合评估电网区域分布式光伏消纳能力,为识别消纳风险、优化运行方式等提供数据支撑。本实施例提供了适用于电网区域内分布式光伏消纳潜力的预测方法,综合考虑了电网区域内负荷类型特征、负荷增长特性、可开发容量以及产业发展宏观政策这几个与消纳潜力密切相关的因素,构建消纳能力综合指数-装机容量拟合曲线以及电网消纳能力自然增长系数、光伏可开发容量系数、产业发展政策系数,多角度量化相关因素对分布式光伏消纳潜力的影响,实现科学、合理地预测电网区域内分布式光伏消纳潜力,为电网投资规划、分布式光伏发展规划和电网运行优化等提供直观的数据支撑。
实施例2:
本实施例提供了一种电网区域分布式光伏消纳潜力长期预测系统,包括:
数据获取模块,用于获取目标电网区域内选定时间段的电网负荷数据与光伏发电数据;
预测模块,用于根据电网负荷数据与光伏发电数据,构建消纳能力综合评估指数,表征当前时间段和电网区域内电网消纳情况;将多个不同时间段的消纳能力综合评估指数和电网区域装机容量进行拟合,得到装机容量预测的目标函数;使用目标函数计算装机容量预测初值;
长期修正模块,用于构建二级指标,包括电网消纳能力自然增长系数、光伏可开发容量系数、产业发展政策系数,将二级指标组合得到长期修正系数;根据装机容量预测初值和长期修正系数,计算得到消纳潜力长期预测值。
也就是说,本实施例的上述各模块中,数据获取模块用于实现实施例1的步骤S100,预测模块用于实现实施例1的步骤S200-S400,长期修正模块用于实现实施例1的步骤S500和步骤S600;由于步骤S100-S600已在实施例1中进行了详细描述,为了使说明书的描述简洁,本实施例中上述各模块的详细实现过程参见实施例1,不再赘述。
实施例3:
本实施例提供了一种存储介质,存储有程序,所述程序被处理器执行时,实现本发明实施例1的基于电网区域分布式光伏消纳潜力长期预测方法,具体包括:
获取目标电网区域内选定时间段的电网负荷数据与光伏发电数据;
根据电网负荷数据与光伏发电数据,构建消纳能力综合评估指数,表征当前时间段和电网区域内电网消纳情况;
将多个不同时间段的消纳能力综合评估指数和电网区域装机容量进行拟合,得到装机容量预测的目标函数;
使用目标函数计算装机容量预测初值;
构建二级指标,包括电网消纳能力自然增长系数、光伏可开发容量系数、产业发展政策系数,将二级指标组合得到长期修正系数;
根据装机容量预测初值和长期修正系数,计算得到消纳潜力长期预测值。
需要说明的是,本实施例的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
在本实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读存储介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读存储介质上包含的计算机程序可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读存储介质可以以一种或多种程序设计语言或其组合来编写用于执行本实施例的计算机程序,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Python、C++,还包括常规的过程式程序设计语言—诸如C语言或类似的程序设计语言。程序可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN)连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
显然,上述所述的实施例只是本发明的一部分实施例,而不是全部实施例,本发明不限于上述实施例的细节,任何所属技术领域的普通技术人员对其所做的适当变化或修饰,皆视为不脱离本发明的专利范畴。
Claims (10)
1.一种电网区域分布式光伏消纳潜力长期预测方法,其特征在于,包括以下步骤:
获取目标电网区域内选定时间段的电网负荷数据与光伏发电数据;
根据电网负荷数据与光伏发电数据,构建消纳能力综合评估指数,表征当前时间段和电网区域内电网消纳情况;
将多个不同时间段的消纳能力综合评估指数和电网区域的光伏装机容量进行拟合,得到光伏装机容量预测的目标函数;
使用目标函数计算电网区域的光伏装机容量预测初值;
构建二级指标,包括电网消纳能力自然增长系数、光伏可开发容量系数、产业发展政策系数,将二级指标组合得到长期修正系数;
根据光伏装机容量预测初值和长期修正系数,计算得到消纳潜力长期预测值。
9.一种电网区域分布式光伏消纳潜力长期预测系统,其特征在于,包括:
数据获取模块,用于获取目标电网区域内选定时间段的电网负荷数据与光伏发电数据;
预测模块,用于根据电网负荷数据与光伏发电数据,构建消纳能力综合评估指数,表征当前时间段和电网区域内电网消纳情况;将多个不同时间段的消纳能力综合评估指数和电网区域的光伏装机容量进行拟合,得到光伏装机容量预测的目标函数;使用目标函数计算光伏装机容量预测初值;
长期修正模块,用于构建二级指标,包括电网消纳能力自然增长系数、光伏可开发容量系数、产业发展政策系数,将二级指标组合得到长期修正系数;根据装机容量预测初值和长期修正系数,计算得到消纳潜力长期预测值。
10.一种存储介质,存储有程序,其特征在于,所述程序被处理器执行时,实现权利要求1-8任一项所述的电网区域分布式光伏消纳潜力长期预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211230770.6A CN115293468B (zh) | 2022-10-10 | 2022-10-10 | 电网区域分布式光伏消纳潜力长期预测方法、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211230770.6A CN115293468B (zh) | 2022-10-10 | 2022-10-10 | 电网区域分布式光伏消纳潜力长期预测方法、系统及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115293468A true CN115293468A (zh) | 2022-11-04 |
CN115293468B CN115293468B (zh) | 2022-12-27 |
Family
ID=83819287
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211230770.6A Active CN115293468B (zh) | 2022-10-10 | 2022-10-10 | 电网区域分布式光伏消纳潜力长期预测方法、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115293468B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116128167A (zh) * | 2023-04-17 | 2023-05-16 | 江苏图南数字科技有限公司 | 一种基于云计算实时监测的分布式光伏发电分析方法 |
CN117291478A (zh) * | 2023-11-27 | 2023-12-26 | 东北大学 | 光伏系统碳减排计算方法及装置、存储介质、计算机设备 |
CN117674304A (zh) * | 2024-02-02 | 2024-03-08 | 国网山西省电力公司经济技术研究院 | 一种配电网分布式光伏消纳能力的评估方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003259551A (ja) * | 2002-03-01 | 2003-09-12 | Sharp Corp | 太陽光発電管理サーバ、太陽光発電管理システム、太陽光発電管理方法およびその方法を実現するプログラムを記録した機械読取可能な記録媒体 |
CN105515058A (zh) * | 2015-12-24 | 2016-04-20 | 东南大学 | 一种光伏发电参与的功率就地消纳方法 |
US20180046924A1 (en) * | 2015-08-31 | 2018-02-15 | Guangzhou Institute Of Energy Conversion, Chinese Academy Of Sciences | Whole-life-cycle power output classification prediction system for photovoltaic systems |
CN109004667A (zh) * | 2018-06-19 | 2018-12-14 | 国网河北省电力有限公司经济技术研究院 | 光伏接入容量确定方法及设备 |
CN109193748A (zh) * | 2018-07-23 | 2019-01-11 | 国电南瑞科技股份有限公司 | 一种光伏消纳能力的评价方法及计算设备 |
CN111092451A (zh) * | 2018-10-23 | 2020-05-01 | 中国能源建设集团江苏省电力设计院有限公司 | 一种基于配电网网格的光伏消纳预警方法 |
CN111725826A (zh) * | 2020-07-02 | 2020-09-29 | 国网青海省电力公司 | 一种基于高比例光伏接入电力系统的储能综合定容方法 |
CN114530877A (zh) * | 2021-11-24 | 2022-05-24 | 国网浙江省电力有限公司嘉兴供电公司 | 一种配电网分布式光伏消纳方法 |
-
2022
- 2022-10-10 CN CN202211230770.6A patent/CN115293468B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003259551A (ja) * | 2002-03-01 | 2003-09-12 | Sharp Corp | 太陽光発電管理サーバ、太陽光発電管理システム、太陽光発電管理方法およびその方法を実現するプログラムを記録した機械読取可能な記録媒体 |
US20180046924A1 (en) * | 2015-08-31 | 2018-02-15 | Guangzhou Institute Of Energy Conversion, Chinese Academy Of Sciences | Whole-life-cycle power output classification prediction system for photovoltaic systems |
CN105515058A (zh) * | 2015-12-24 | 2016-04-20 | 东南大学 | 一种光伏发电参与的功率就地消纳方法 |
CN109004667A (zh) * | 2018-06-19 | 2018-12-14 | 国网河北省电力有限公司经济技术研究院 | 光伏接入容量确定方法及设备 |
CN109193748A (zh) * | 2018-07-23 | 2019-01-11 | 国电南瑞科技股份有限公司 | 一种光伏消纳能力的评价方法及计算设备 |
CN111092451A (zh) * | 2018-10-23 | 2020-05-01 | 中国能源建设集团江苏省电力设计院有限公司 | 一种基于配电网网格的光伏消纳预警方法 |
CN111725826A (zh) * | 2020-07-02 | 2020-09-29 | 国网青海省电力公司 | 一种基于高比例光伏接入电力系统的储能综合定容方法 |
CN114530877A (zh) * | 2021-11-24 | 2022-05-24 | 国网浙江省电力有限公司嘉兴供电公司 | 一种配电网分布式光伏消纳方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116128167A (zh) * | 2023-04-17 | 2023-05-16 | 江苏图南数字科技有限公司 | 一种基于云计算实时监测的分布式光伏发电分析方法 |
CN116128167B (zh) * | 2023-04-17 | 2023-06-16 | 江苏图南数字科技有限公司 | 一种基于云计算实时监测的分布式光伏发电分析方法 |
CN117291478A (zh) * | 2023-11-27 | 2023-12-26 | 东北大学 | 光伏系统碳减排计算方法及装置、存储介质、计算机设备 |
CN117291478B (zh) * | 2023-11-27 | 2024-03-15 | 东北大学 | 光伏系统碳减排计算方法及装置、存储介质、计算机设备 |
CN117674304A (zh) * | 2024-02-02 | 2024-03-08 | 国网山西省电力公司经济技术研究院 | 一种配电网分布式光伏消纳能力的评估方法 |
CN117674304B (zh) * | 2024-02-02 | 2024-04-30 | 国网山西省电力公司经济技术研究院 | 一种配电网分布式光伏消纳能力的评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115293468B (zh) | 2022-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115293468B (zh) | 电网区域分布式光伏消纳潜力长期预测方法、系统及介质 | |
Alqurashi et al. | Treatment of uncertainty for next generation power systems: State-of-the-art in stochastic optimization | |
Khalid et al. | Minimization and control of battery energy storage for wind power smoothing: Aggregated, distributed and semi-distributed storage | |
Iranmehr et al. | Modeling the price of emergency power transmission lines in the reserve market due to the influence of renewable energies | |
Raouf Mohamed et al. | Distributed battery energy storage systems operation framework for grid power levelling in the distribution networks | |
Nolting et al. | Can energy system modeling benefit from artificial neural networks? Application of two-stage metamodels to reduce computation of security of supply assessments | |
Wang et al. | Stochastic demand charge management for commercial and industrial buildings | |
Karaaslan et al. | Forecasting of Turkey’s sectoral energy demand by using fuzzy grey regression model | |
Žarković et al. | Fuzzy expert system for management of smart hybrid energy microgrid | |
Jafari et al. | Scenario-based stochastic optimal operation of wind/PV/FC/CHP/boiler/tidal/energy storage system considering DR programs and uncertainties | |
Laouafi et al. | An evaluation of conventional and computational intelligence methods for medium and long-term load forecasting in Algeria | |
Jafari et al. | Optimal operation of a micro-grid containing energy resources and demand response program | |
CN108110756A (zh) | 考虑不确定性因素的工业园区配电网规划方法 | |
Ebrahimi et al. | Stochastic scheduling of energy storage systems in harmonic polluted active distribution networks | |
Tsao et al. | Integrated voltage control and maintenance insurance planning for distribution networks considering uncertainties | |
CN113240183B (zh) | 商业建筑电热负荷日前优化调度方法和系统 | |
Yang et al. | Data‐driven modeling for fatigue loads of large‐scale wind turbines under active power regulation | |
CN115713252A (zh) | 一种水风光储多能互补系统综合效益评估方案寻优方法 | |
CN115313519A (zh) | 一种配电网储能优化配置方法、装置、设备及存储介质 | |
Phommixay et al. | Comparative analysis of continuous and hybrid binary-continuous particle swarm optimization for optimal economic operation of a microgrid | |
CN114819292A (zh) | 基于安全综合评价的园区微电网智能调度方法及系统 | |
CN113255957A (zh) | 综合服务站不确定因素的定量优化分析方法及系统 | |
CN117375114B (zh) | 一种综合能源系统优化调度方法及系统 | |
CN113067329B (zh) | 一种电力系统的可再生能源适应性优化方法及终端 | |
CN113688570B (zh) | 园区综合能源系统自动运行的实现方法、装置及设备 |
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 |