CN115577903A - 新能源对电网调峰影响的评估方法、装置、设备及介质 - Google Patents

新能源对电网调峰影响的评估方法、装置、设备及介质 Download PDF

Info

Publication number
CN115577903A
CN115577903A CN202211088421.5A CN202211088421A CN115577903A CN 115577903 A CN115577903 A CN 115577903A CN 202211088421 A CN202211088421 A CN 202211088421A CN 115577903 A CN115577903 A CN 115577903A
Authority
CN
China
Prior art keywords
peak
new energy
shaving
time period
target time
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
CN202211088421.5A
Other languages
English (en)
Inventor
罗澍忻
彭虹桥
刘瑞宽
左郑敏
孙辉
余浩
林勇
金楚
郑敏嘉
张蓓
高志华
刘新苗
刘俊磊
区晓良
石佳炜
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.)
Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid 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 Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN202211088421.5A priority Critical patent/CN115577903A/zh
Publication of CN115577903A publication Critical patent/CN115577903A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0631Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0631Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315Needs-based resource requirements planning or analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (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

本申请公开了一种新能源对电网调峰影响的评估方法、装置、设备及介质,通过基于目标区域在目标时间段内的负荷数据,确定新能源并网在目标时间段内每天的反调峰深度,新能源包括陆上风电、海上风电和光伏中的至少一种,以能够针对多种新能源进行调峰影响评估;并基于反调峰深度,确定目标时间段内的反调峰日,对每个季节下反调峰日的反调峰深度进行排序,得到排序结果,从而考虑新能源对电网调峰的季节性影响,解决基于日特性分析和月特性进行评估分析存在分析结果不够准确的问题,提高调峰影响分析的准确度;最后利用排序结果,参与新能源并网的调峰计算,得到新能源对电网调峰的影响参数,从而为后续新能源对电网调峰优化提供客观依据。

Description

新能源对电网调峰影响的评估方法、装置、设备及介质
技术领域
本申请涉及电网安全技术领域,尤其涉及一种新能源对电网调峰影响的评估方法、装置、设备及介质。
背景技术
新能源发电与水力发电、火力发电等常规发电方式相比,其有功出力具有随机性、间歇性和不可控性,所以需要常规电源为新能源发电的有功出力提供调峰补偿,以保证对负荷安全可靠地供电。其中,调峰补偿是对负荷波动的跟踪,需要在满足必要安全条件的前提下应对系统负荷波动,所以有必要评估新能源出力对电网调峰的影响。
目前,主要基于已有的新能源日特性分析和月特性进行评估分析,但是其无法准确评估新能源出力对电网调峰的影响,并且已有评估方法只针对一种新能源发电进行影响评估。
发明内容
本申请提供了一种新能源对电网调峰影响的评估方法、装置、设备及介质,以解决已有评估方法无法准确评估新能源出力对电网调峰影响的技术问题。
为了解决上述技术问题,第一方面,本申请提供了一种新能源对电网调峰影响的评估方法,包括:
基于目标区域在目标时间段内的负荷数据,确定新能源并网在目标时间段内每天的反调峰深度,新能源包括陆上风电、海上风电和光伏中的至少一种;
基于反调峰深度,确定目标时间段内的反调峰日;
对每个季节下反调峰日的反调峰深度进行排序,得到排序结果;
利用排序结果,参与新能源并网的调峰计算,得到新能源对电网调峰的影响参数。
在一些实现方式中,基于目标区域在目标时间段内的负荷数据,确定新能源并网在目标时间段内每天的反调峰深度,包括:
预测目标区域在目标时间段内的新能源出力数据;
基于负荷数据和新能源出力数据,计算目标时间段内每天的峰谷差,峰谷差为反调峰深度。
在一些实现方式中,预测目标区域在目标时间段内的新能源出力数据,包括:
若新能源为陆上风电或海上风电,则利用预设的风电场功率短期预测模型,根据当前风速数据和当前功率数据,预测在目标时间段内的风电出力数据;
若新能源为光伏,则利用未来天气对应的光伏预测模型,根据历史光伏出力数据,预测在目标时间段内的光伏出力数据。
在一些实现方式中,基于反调峰深度,确定目标时间段内的反调峰日,包括:
对于目标时间段内的每一天,计算反调峰深度与目标区域的新能源装机容量之间的比值;
若比值大于预设比值,则确定目标时间段内比值对应的一天为反调峰日。
在一些实现方式中,对每个季节下反调峰日的反调峰深度进行排序,得到排序结果,包括:
基于反调峰日对应的日期,将反调峰日以季节为周期进行划分,得到每个季节对应的反调峰日;
对于每个季节,对季节内各个反调峰日的反调峰深度进行排序,得到每个季节对于的排序结果。
在一些实现方式中,利用排序结果,参与新能源并网的调峰计算,得到新能源对电网调峰的影响参数,包括:
对于每个季节的排序结果,从排序结果中筛选出预设数量的目标反调峰深度,目标反调峰深度为排序靠前的反调峰日的反调峰深度;
将目标反调峰深度参与新能源并网的调峰计算,得到新能源在对应季节下对电网调峰的影响参数。
第二方面,本申请还提供一种新能源对电网调峰影响的评估装置,包括:
第一确定模块,用于基于目标区域在目标时间段内的负荷数据,确定新能源并网在目标时间段内每天的反调峰深度,新能源包括陆上风电、海上风电和光伏中的至少一种;
第二确定模块,用于基于反调峰深度,确定目标时间段内的反调峰日;
排序模块,用于对每个季节下反调峰日的反调峰深度进行排序,得到排序结果;
参与模块,用于利用排序结果,参与新能源并网的调峰计算,得到新能源对电网调峰的影响参数。
在一些实现方式中,第一确定模块,包括:
预测单元,用于预测目标区域在目标时间段内的新能源出力数据;
计算单元,用于基于负荷数据和新能源出力数据,计算目标时间段内每天的峰谷差,峰谷差为反调峰深度。
第三方面,本申请还提供一种计算机设备,包括处理器和存储器,存储器用于存储计算机程序,计算机程序被处理器执行时实现如第一方面的新能源对电网调峰影响的评估方法。
第四方面,本申请还提供一种计算机可读存储介质,其存储有计算机程序,计算机程序被处理器执行时实现如第一方面的新能源对电网调峰影响的评估方法。
与现有技术相比,本申请至少具备以下有益效果:
通过基于目标区域在目标时间段内的负荷数据,确定新能源并网在目标时间段内每天的反调峰深度,新能源包括陆上风电、海上风电和光伏中的至少一种,以能够针对多种新能源进行调峰影响评估;并基于反调峰深度,确定目标时间段内的反调峰日,对每个季节下反调峰日的反调峰深度进行排序,得到排序结果,从而考虑新能源对电网调峰的季节性影响,能够解决基于日特性分析和月特性进行评估分析存在分析结果不够准确的问题,提高调峰影响分析的准确度;最后利用排序结果,参与新能源并网的调峰计算,得到新能源对电网调峰的影响参数,从而为后续新能源对电网调峰优化提供客观依据,减少电网冗余投资或配置不合理导致资源浪费的情况。
附图说明
图1为本申请实施例示出的新能源对电网调峰影响的评估方法的流程示意图;
图2为本申请实施例示出的反调峰日的确定流程示意图;
图3为本申请实施例示出的新能源对电网调峰影响的评估装置的结构示意图;
图4为本申请实施例示出的计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
请参照图1,图1为本申请实施例提供的一种新能源对电网调峰影响的评估方法的流程示意图。本申请实施例的新能源对电网调峰影响的评估方法可应用于计算机设备,该计算机设备包括但不限于智能手机、笔记本电脑、平板电脑、桌上型计算机、物理服务器和云服务器等设备。如图1所示,本实施例的新能源对电网调峰影响的评估方法包括步骤S101至步骤S104,详述如下:
步骤S101,基于目标区域在目标时间段内的负荷数据,确定新能源并网在所述目标时间段内每天的反调峰深度,所述新能源包括陆上风电、海上风电和光伏中的至少一种。
在本步骤中,反调峰深度为新能源并入电网后的负荷峰谷差。可选地,获取目标时间段内的负荷数据和新能源出力数据,并计算新能源未并入电网时的峰谷差,再结合新能源出力数据,计算反调峰深度。
在一些实施例中,所述步骤S101,包括:
预测所述目标区域在所述目标时间段内的新能源出力数据;
基于所述负荷数据和所述新能源出力数据,计算所述目标时间段内每天的峰谷差,所述峰谷差为所述反调峰深度。
在本实施例中,记目标时间段的新能源装机容量为Gi,负荷数据为Li,新能源出力数据为Pi,记Lpi为考虑了新能源出力后的负荷数据,则Lpi=Li-Pi;再计算目标时间段内每天的峰谷差,包括只考虑负荷的峰谷差和结合了新能源出力的峰谷差:PVDj=max(Lk)-min(Lk),PVDpj=max(Lpk)-min(Lpk)。其中max是取最大值,min是取最小值,其中k表示的时长是一天中的24个小时,j为日期,则每天的反调峰深度为DLCj=PVDpj-PVDj。
可选地,所述预测所述目标区域在所述目标时间段内的新能源出力数据,包括:
若所述新能源为陆上风电或海上风电,则利用预设的风电场功率短期预测模型,根据当前风速数据和当前功率数据,预测在目标时间段内的风电出力数据;
若所述新能源为光伏,则利用未来天气对应的光伏预测模型,根据历史光伏出力数据,预测在目标时间段内的光伏出力数据。
在本可选实施例中,基于历史风速数据、历史风向数据、历史功率数据和天气预报中的历史风速数据和历史风向数据,对预设人工智能模型进行训练,当模型达到预设收敛条件时,得到风电场功率短期预测模型,预设人工智能模型可以为支持向量机等具有时序特征的预测模型。
对于光伏预测模型,每种天气均对应有一个光伏预测模型,天气包括但不限于晴天、雨天、多云、阴天等。基于对应天气下的历史光伏出力数据,对预设人工智能模型进行训练,当模型达到预设收敛条件时,得到对应天气的光伏预测模型。
步骤S102,基于所述反调峰深度,确定所述目标时间段内的反调峰日。
在本步骤中,反调峰日为反调峰深度占新能源装机容量的比值大于预设比值的日期。可选地,对于所述目标时间段内的每一天,计算所述反调峰深度与所述目标区域的新能源装机容量之间的比值;若所述比值大于预设比值,则确定所述目标时间段内所述比值对应的一天为所述反调峰日。
如图2所示,将未考虑新能源出力的峰谷差与考虑了新能源出力的峰谷差进行比较,对目标时间段的每一天进行逐一计算,筛选出考虑的新能源出力后的峰谷差与未考虑新能源出力的峰谷差之间的差值,若差值大于新能源装机容量的预设比值(例如5%),即计算DLCj/Gj的值,若大于5%,则记第j天为反调峰日。
步骤S103,对每个季节下所述反调峰日的所述反调峰深度进行排序,得到排序结果。
在本步骤中,在筛选反调峰日期的基础上,将反调峰天的考虑不同季节负荷特性的不同,因而将反调峰天分为不同的季节,并分别进行计算。规定特定时间范围Ti为季节Si,并分别针对不同的季节Si内的反调峰深度DLC_Si进行计算,并将它们按季节进行排列,排列方式为由小到大的顺序。
可选地,基于所述反调峰日对应的日期,将所述反调峰日以季节为周期进行划分,得到每个季节对应的反调峰日;对于每个季节,对所述季节内各个反调峰日的反调峰深度进行排序,得到每个季节对于的排序结果。
在本可选实施例中,根据目标时间段的日期划分,将反调峰日分成不同季节,并分别统计不同季节中的反调峰日的反调峰深度。对季节Sk中反调峰日DLC_Sk进行排序,记为DLC_S’k,得到每个季节对应的排序结果。
步骤S104,利用所述排序结果,参与所述新能源并网的调峰计算,得到所述新能源对电网调峰的影响参数。
在本步骤中,调峰计算为常见的计算方式,示例性地,1.对于确定的电网,首先根据水电站自身调节能力的大小明确适合的水电站来负责为新能源提供调峰容量。2.对于步骤1.中所确定的水电站,根据已观测到的多年来水资料、社会用水、河流防凌、防汛、生态、机组检修要求,详细准确计算其水文资料,其余水电站按照常规规划运行所用水文资料即可。3.根据已监测的风电场运行数据,归纳总结出其出力大小与电量构成的关系。4.将水电与新能源合并运行,计算水电可以为风电提供的调峰容量,以及此调峰容量所对应的风电并网电量。5.确定所研究电网的负荷大小、负荷特性、除新能源和用于新能源调峰的水电外的电源容量、特性、检修、备用要求,此项采用常规规划运行所用资料即可。6.由步骤2.确定的水电电量、步骤4.确定的风电电量,以及步骤5.确定的电网资料,使用电力系统运行模拟计算软件,计算出电网中其他电源的开机方式。7.将电力系统运行模拟计算结果中的火电机组最小负荷率与火电机组实际最小技术出力相比较,判断步骤4确定的水电为风电提供的调峰容量是否可行。若最小负荷率大于实际最小技术出力,则可行,进入步骤9;若最小负荷率小于实际最小技术出力,则不可行,进入步骤8。8.降低水电可以为风电提供的调峰容量,并在此基础之上修正水电调峰电量与风电并网电量,重新进入步骤6。9.由步骤7中确定的火电机组最小负荷率,此负荷率所对应的出力与实际最小技术出力的差值,求得火电机组可为风电提供的调峰容量。10.由水电和火电量部分为新能源提供的调峰容量,得到电网为风电提供的总调峰容量。
在一些实施例中,所述步骤S104,包括:
对于每个季节的所述排序结果,从所述排序结果中筛选出预设数量的目标反调峰深度,所述目标反调峰深度为排序靠前的反调峰日的反调峰深度;
将所述目标反调峰深度参与所述新能源并网的调峰计算,得到所述新能源在对应季节下对电网调峰的影响参数。
在本步骤中,在各季节Si中,取适当的置信度a%(如95%),取DLC_S’max(k)*a%作为季节Si的反调峰深度,以参与电力系统的调峰计算。
需要说明的是,由于近年来,新能源发电并网呈现爆发式增长,新能源消纳问题常态化,弃风弃光问题日益突出。另一方面,现有电力系统中常规电源主要以火电为主,水电、燃气等可灵活调节电源占比偏低,电网调峰能力有所欠缺;同时,受能源结构制约,常规能源的备用能力不足,进一步加剧了新能源消纳问题。为此,本申请数值化评估新能源电源对电网调峰的影响,为电网设计、运行提供准确的建议。本申请可以突破现有的新能源调峰计算方法的局限性,通过分析负荷数据与新能源出力数据进行全局考量和计算,避免控制点转移或新能源长时间出力掩盖电网的最大调峰压力,实现电力调峰压力的数值化方法构建。
为了执行上述方法实施例对应的新能源对电网调峰影响的评估方法,以实现相应的功能和技术效果。参见图3,图3示出了本申请实施例提供的一种新能源对电网调峰影响的评估装置的结构框图。为了便于说明,仅示出了与本实施例相关的部分,本申请实施例提供的新能源对电网调峰影响的评估装置,包括:
第一确定模块,用于基于目标区域在目标时间段内的负荷数据,确定新能源并网在所述目标时间段内每天的反调峰深度,所述新能源包括陆上风电、海上风电和光伏中的至少一种;
第二确定模块,用于基于所述反调峰深度,确定所述目标时间段内的反调峰日;
排序模块,用于对每个季节下所述反调峰日的所述反调峰深度进行排序,得到排序结果;
参与模块,用于利用所述排序结果,参与所述新能源并网的调峰计算,得到所述新能源对电网调峰的影响参数。
在一些实施例中,所述第一确定模块,包括:
预测单元,用于预测所述目标区域在所述目标时间段内的新能源出力数据;
计算单元,用于基于所述负荷数据和所述新能源出力数据,计算所述目标时间段内每天的峰谷差,所述峰谷差为所述反调峰深度。
上述的台区识别装置可实施上述方法实施例的台区识别方法。上述方法实施例中的可选项也适用于本实施例,这里不再详述。本申请实施例的其余内容可参照上述方法实施例的内容,在本实施例中,不再进行赘述。
图4为本申请一实施例提供的终端设备的结构示意图。如图4所示,该实施例的终端设备4包括:至少一个处理器40(图4中仅示出一个)处理器、存储器41以及存储在所述存储器41中并可在所述至少一个处理器40上运行的计算机程序42,所述处理器40执行所述计算机程序42时实现上述任意方法实施例中的步骤。
所述终端设备4可以是智能手机、平板电脑、桌上型计算机和云端服务器等计算设备。该终端设备可包括但不仅限于处理器40、存储器41。本领域技术人员可以理解,图4仅仅是终端设备4的举例,并不构成对终端设备4的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括输入输出设备、网络接入设备等。
所称处理器40可以是中央处理单元(Central Processing Unit,CPU),该处理器40还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器41在一些实施例中可以是所述终端设备4的内部存储单元,例如终端设备4的硬盘或内存。所述存储器41在另一些实施例中也可以是所述终端设备4的外部存储设备,例如所述终端设备4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器41还可以既包括所述终端设备4的内部存储单元也包括外部存储设备。所述存储器41用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等,例如所述计算机程序的程序代码等。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
另外,本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述任意方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行时实现上述各个方法实施例中的步骤。
在本申请所提供的几个实施例中,可以理解的是,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意的是,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台终端设备执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述的具体实施例,对本申请的目的、技术方案和有益效果进行了进一步的详细说明,应当理解,以上所述仅为本申请的具体实施例而已,并不用于限定本申请的保护范围。特别指出,对于本领域技术人员来说,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。

Claims (10)

1.一种新能源对电网调峰影响的评估方法,其特征在于,包括:
基于目标区域在目标时间段内的负荷数据,确定新能源并网在所述目标时间段内每天的反调峰深度,所述新能源包括陆上风电、海上风电和光伏中的至少一种;
基于所述反调峰深度,确定所述目标时间段内的反调峰日;
对每个季节下所述反调峰日的所述反调峰深度进行排序,得到排序结果;
利用所述排序结果,参与所述新能源并网的调峰计算,得到所述新能源对电网调峰的影响参数。
2.如权利要求1所述的新能源对电网调峰影响的评估方法,其特征在于,所述基于目标区域在目标时间段内的负荷数据,确定新能源并网在所述目标时间段内每天的反调峰深度,包括:
预测所述目标区域在所述目标时间段内的新能源出力数据;
基于所述负荷数据和所述新能源出力数据,计算所述目标时间段内每天的峰谷差,所述峰谷差为所述反调峰深度。
3.如权利要求2所述的新能源对电网调峰影响的评估方法,其特征在于,所述预测所述目标区域在所述目标时间段内的新能源出力数据,包括:
若所述新能源为陆上风电或海上风电,则利用预设的风电场功率短期预测模型,根据当前风速数据和当前功率数据,预测在目标时间段内的风电出力数据;
若所述新能源为光伏,则利用未来天气对应的光伏预测模型,根据历史光伏出力数据,预测在目标时间段内的光伏出力数据。
4.如权利要求1所述的新能源对电网调峰影响的评估方法,其特征在于,所述基于所述反调峰深度,确定所述目标时间段内的反调峰日,包括:
对于所述目标时间段内的每一天,计算所述反调峰深度与所述目标区域的新能源装机容量之间的比值;
若所述比值大于预设比值,则确定所述目标时间段内所述比值对应的一天为所述反调峰日。
5.如权利要求1所述的新能源对电网调峰影响的评估方法,其特征在于,所述对每个季节下所述反调峰日的所述反调峰深度进行排序,得到排序结果,包括:
基于所述反调峰日对应的日期,将所述反调峰日以季节为周期进行划分,得到每个季节对应的反调峰日;
对于每个季节,对所述季节内各个反调峰日的反调峰深度进行排序,得到每个季节对于的排序结果。
6.如权利要求1所述的新能源对电网调峰影响的评估方法,其特征在于,所述利用所述排序结果,参与所述新能源并网的调峰计算,得到所述新能源对电网调峰的影响参数,包括:
对于每个季节的所述排序结果,从所述排序结果中筛选出预设数量的目标反调峰深度,所述目标反调峰深度为排序靠前的反调峰日的反调峰深度;
将所述目标反调峰深度参与所述新能源并网的调峰计算,得到所述新能源在对应季节下对电网调峰的影响参数。
7.一种新能源对电网调峰影响的评估装置,其特征在于,包括:
第一确定模块,用于基于目标区域在目标时间段内的负荷数据,确定新能源并网在所述目标时间段内每天的反调峰深度,所述新能源包括陆上风电、海上风电和光伏中的至少一种;
第二确定模块,用于基于所述反调峰深度,确定所述目标时间段内的反调峰日;
排序模块,用于对每个季节下所述反调峰日的所述反调峰深度进行排序,得到排序结果;
参与模块,用于利用所述排序结果,参与所述新能源并网的调峰计算,得到所述新能源对电网调峰的影响参数。
8.如权利要求7所述的新能源对电网调峰影响的评估装置,其特征在于,所述第一确定模块,包括:
预测单元,用于预测所述目标区域在所述目标时间段内的新能源出力数据;
计算单元,用于基于所述负荷数据和所述新能源出力数据,计算所述目标时间段内每天的峰谷差,所述峰谷差为所述反调峰深度。
9.一种计算机设备,其特征在于,包括处理器和存储器,所述存储器用于存储计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至6任一项所述的新能源对电网调峰影响的评估方法。
10.一种计算机可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的新能源对电网调峰影响的评估方法。
CN202211088421.5A 2022-09-05 2022-09-05 新能源对电网调峰影响的评估方法、装置、设备及介质 Pending CN115577903A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211088421.5A CN115577903A (zh) 2022-09-05 2022-09-05 新能源对电网调峰影响的评估方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211088421.5A CN115577903A (zh) 2022-09-05 2022-09-05 新能源对电网调峰影响的评估方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN115577903A true CN115577903A (zh) 2023-01-06

Family

ID=84581801

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211088421.5A Pending CN115577903A (zh) 2022-09-05 2022-09-05 新能源对电网调峰影响的评估方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN115577903A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116796926A (zh) * 2023-06-30 2023-09-22 国家电网有限公司华东分部 低压侧新能源资源聚合容量评估方法及装置、介质、设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116796926A (zh) * 2023-06-30 2023-09-22 国家电网有限公司华东分部 低压侧新能源资源聚合容量评估方法及装置、介质、设备
CN116796926B (zh) * 2023-06-30 2024-03-15 国家电网有限公司华东分部 低压侧新能源资源聚合容量评估方法及装置、介质、设备

Similar Documents

Publication Publication Date Title
Scarabaggio et al. Distributed demand side management with stochastic wind power forecasting
Zhang et al. Chance-constrained two-stage unit commitment under uncertain load and wind power output using bilinear benders decomposition
Gupta et al. Optimized scheduling of hydropower with increase in solar and wind installations
Foley et al. Current methods and advances in forecasting of wind power generation
Doherty et al. A new approach to quantify reserve demand in systems with significant installed wind capacity
Apostolopoulou et al. Robust optimization for hydroelectric system operation under uncertainty
Mc Garrigle et al. Quantifying the value of improved wind energy forecasts in a pool-based electricity market
Yuan et al. Conditional style-based generative adversarial networks for renewable scenario generation
US20200387847A1 (en) Operation Plan Generation Device and Operation Plan Generation Method
KR20210100699A (ko) 하이브리드 발전소
US20240275179A1 (en) Electrical power system and a multi-timescale coordinated optimization scheduling method therefor
Sai et al. Event-driven forecasting of wholesale electricity price and frequency regulation price using machine learning algorithms
US20230369863A1 (en) Time-shifting optimizations for resource generation and dispatch
US20240256746A1 (en) Scheduling method and system for operation of reservoirs to recharge freshwater for repelling saltwater intrusion under changing conditions
CN115577903A (zh) 新能源对电网调峰影响的评估方法、装置、设备及介质
Xie et al. A hydropower scheduling model to analyze the impacts from integrated wind and solar powers
Emblemsvåg On the levelised cost of energy of solar photovoltaics
Hamann et al. Integrating variable wind power using a hydropower cascade
Anderson et al. Optimizing deep decarbonization pathways in California with power system planning using surrogate level-based Lagrangian relaxation
CN113887809A (zh) 双碳目标下配电网供需平衡方法、系统、介质及计算设备
Hjelmeland et al. Combined SDDP and simulator model for hydropower scheduling with sales of capacity
Hasche et al. Effects of improved wind forecasts on operational costs in the German electricity system
Bâra et al. Comparative analysis between wind and solar forecasting methods using artificial neural networks
Akylas et al. Investigation of the effects of wind speed forecasts and economic evaluation of the increased penetration of wind energy for the island of Crete
Cheng et al. Inflow forecasting based on principal component analysis and long short term memory

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