CN116266331A - 电网公司区域内的电力能源结构监测方法及装置 - Google Patents
电网公司区域内的电力能源结构监测方法及装置 Download PDFInfo
- Publication number
- CN116266331A CN116266331A CN202111526239.9A CN202111526239A CN116266331A CN 116266331 A CN116266331 A CN 116266331A CN 202111526239 A CN202111526239 A CN 202111526239A CN 116266331 A CN116266331 A CN 116266331A
- Authority
- CN
- China
- Prior art keywords
- energy
- power
- monitoring
- data
- condition
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 259
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000010248 power generation Methods 0.000 claims abstract description 79
- 238000011161 development Methods 0.000 claims abstract description 52
- 239000002699 waste material Substances 0.000 claims abstract description 39
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 14
- 238000006243 chemical reaction Methods 0.000 claims abstract description 8
- 230000001737 promoting effect Effects 0.000 claims abstract description 6
- 230000000295 complement effect Effects 0.000 claims abstract description 4
- 230000008859 change Effects 0.000 claims description 60
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 39
- 230000005611 electricity Effects 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 24
- 238000009826 distribution Methods 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 20
- 230000035699 permeability Effects 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 18
- 239000002028 Biomass Substances 0.000 claims description 15
- 230000005540 biological transmission Effects 0.000 claims description 12
- 238000005259 measurement Methods 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 12
- 238000013461 design Methods 0.000 claims description 11
- 238000007726 management method Methods 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 9
- 239000002956 ash Substances 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 230000002087 whitening effect Effects 0.000 claims description 6
- 238000009960 carding Methods 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000012795 verification Methods 0.000 claims description 5
- 238000010521 absorption reaction Methods 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 4
- 235000002918 Fraxinus excelsior Nutrition 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000012512 characterization method Methods 0.000 claims description 3
- 239000003245 coal Substances 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 3
- 238000004146 energy storage Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims description 3
- 238000005086 pumping Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000005316 response function Methods 0.000 claims description 3
- 238000000547 structure data Methods 0.000 claims description 3
- 238000012098 association analyses Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 claims description 2
- 230000036962 time dependent Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000013499 data model Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007711 solidification Methods 0.000 description 1
- 230000008023 solidification Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
-
- 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
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Physics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- Power Engineering (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Algebra (AREA)
- Public Health (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种适用于电网公司区域内的电力能源结构监测方法及装置,属于电力能源结构监测领域。由于我国电力能源结构过度依赖火力发电,这一情况整体影响了清洁能源利用率,因此亟需建立电力能源结构监测体系,本发明包括一个监测端和至少2个应用端,通过采集相关数据,从能源结构、非化石能源、新能源、“三弃”情况、能源转型期间新能源发展趋势等方面开展监测,进而通过灰色预测法对各地区单项监测指标进行预测,并评估能源结构优化发展水平,以便地区间取长补短、相互促进,为进一步推动我国国民经济绿色可持续发展、双碳目标落实与生态环境保护提供技术支撑。
Description
技术领域
本发明属于电力能源结构监测领域,具体涉及一种适用于电网公司区域内的电力能源结构监测方法及装置,包括一个监测端和至少2个应用端。
技术背景
大数据具有海量数据规模、快速数据流转、多样数据类型和较低价值密度等特征。随着信息技术发展突飞猛进、互联网应用迅速普及,大数据逐渐发展成为一个独立的产业形态,对经济发展的驱动作用越来越大,正在成为高质量发展的重要引擎。而在上述新技术协同发展的同时,智能经济正在为经济创新发展和转型升级提供新的动力。
在构建绿色低碳全球能源治理格局、推动中国经济转向高质量发展阶段、积极落实碳减排承诺和建设美丽中国的大背景下,面对能源发展新动向、技术新进步、消费新模式、产业新业态等不确定因素,目前的电力数据统计方法已经难以满足能源快速发展的形势需要。在信息化、智能化和数字化已成为大势所趋的当下,亟需建立全面科学准确的电力能源结构监测体系,科学评估能源结构优化发展水平,分析查找制约能源结构优化发展的关键因素,对于解决新能源电力消纳问题,优化能源布局和制定行业政策,促进能源乃至全社会高质量发展具有重要的意义。
本发明包括一个监测端和至少2个应用端,通过监测电网公司区域内电力能源构成情况,深层次、多角度反映电网公司区域内电力能源结构真实情况,从能源结构、非化石能源占比、新能源占比、“三弃”情况等角度分析电网公司区域内电力能源结构,为电网公司聚焦新能源消纳问题解决以及促进电力能源转型等提供准确的信息支撑。
发明内容
本发明是采用以下的技术方案实施的:电网公司区域内的电力能源结构监测方法及装置,包括一个监测端和至少2个应用端,具体包括:
S1:设计监测规则,包括电力能源结构数据采集规则、数据处理与分析规则;
S2:制定监测内容,从能源结构、非化石能源、新能源、“三弃”情况、能源转型期间新能源发展趋势等方面开展业务梳理、业务设计与验证工作,掌握电网公司区域内电力能源结构现状;
S3:预测各监测指标,采用灰色预测法对各地区单项监测指标进行预测;
S4:评估能源结构优化发展水平,在预测的各地区单项指标基础上,根据不同指标的不同分数,乘以自身权重,累加得到各单项指标的总指标,并对其进行排序,得出优良中差四个等级,以便地区间取长补短、相互促进,进一步推动双碳目标落实。
可选的,所述步骤S1包括:
设计相应监测规则,包括电力能源结构数据采集规则、数据处理规则和分析规则,为实际电力能源结构监测工作开展建立完善、规范的业务规范。
监测频率方面,根据电力能源结构监测业务需求和实际情况,以月、季度、半年等为单位设置每个监测点的监测频率,监测点已实现更高精度监测的,以两个检测要求中最高精度的监测要求为准。
监测范围方面,按电压等级、能源类型、单位级别确定不同监测点的监测范围,重点关注新能源。其中,为保证新系统与原有系统数据的精准匹配,监测范围除电压等级、能源类型等共性特征的表征之外,还包含必要的位置、名称、类型、单位、电压等级、天气、状态和时间节点数据。其中,所有数据类型都可以作为筛选标准,将满足特定归类的全部数据进行筛选汇总。
位置数据表征电源节点的地理位置和调度从属关系,可包含所属省、市、县区、台区、厂站和机组或出口编号。
电压等级即电源设备的额定电压级别,包括1100kV、1000kV、±800kV、±500kV、500kV、 330kV、220kV、110kV、66kV、35kv、10kV、380/220V等几个类别。
类型数据用于表征电源的机组类型,包括煤电、气电、核电、水电、风电、光伏发电、光热发电、生物质发电及其他。
状态数据用于表征电源当前所处状态,包括开启/关停、检修、故障、退役、储能设施充电/放电。可再生能源发电还应包含弃风/弃水/弃光状态,弃能状态下还应以备注形式说明弃能原因,如调度指令、备停以及自身发电能力受限。
时间数据用于表示所需电力数据所处的水平年、月、日、时、季度等时间信息。
数据处理与分析方面,根据设计的电力能源结构监测频率,定期采集所需系统数据,并开展电力数据清洗、数据转换、数据归类等前期操作。依据前期设计的数据处理规则,对监测数据进行深入分析。
在上述工作基础上,设计电力能源结构监测规则优化方案,持续优化各类监测规则,动态调整数据处理分析维度,深入掌握电网公司区域内能源结构变化情况及发展趋势。
可选的,所述步骤S2包括:
为掌握电网公司区域内电力能源结构,有效促进电力能源转型,从能源结构、非化石能源、新能源、“三弃”情况、能源转型期间新能源发展趋势等方面开展业务梳理、业务设计与验证等工作。
监测数据的功能基础是能源结构监测。该部分拟从电源并网规模、电量上网情况两个方面,以各类型电源的并网容量与上网电量等方面监测,掌握电网公司区域内电力能源结构的基本情况。
除并网容量与上网电量之外,为掌握电源设备利用情况,还需要监测和计算发电设备利用小时数,即特定时期内平均发电设备容量在满负荷运行条件下的运行小时数。计算公式为:
发电设备利用小时=报告期发电量/报告期平均发电设备容量
其中,电力能源结构监测可基于监测点数据进行各种筛选方案下的汇总和统计,电力能源结构监测支持对各级电网的电力能源结构分别进行监测和统计。
装机并网规模监测:按区域、单位、能源类型(火电、常规水电、抽蓄、核电、风电、太阳能、生物质能、地热能、海洋能等)等维度,监测装机容量、发电量分布情况及变化趋势,掌握电网公司区域内装机容量、发电规模情况。
电量上网情况监测:按区域、单位、能源类型、时间等维度,监测上网电量、上网电量占发电量比例的分布情况及变化趋势,掌握电网公司区域内电量上网情况。
为保证统计信息的完整性,电源装机容量和并网容量均需提取全社会及统调双口径数据。
电力能源结构监测可以分为化石能源监测和非化石能源监测两个维度监测。分别从化石能源、非化石能源的并网规模、电量上网情况等方面开展监测,掌握电力能源结构基本情况。
化石能源并网规模监测:按区域、单位、能源类型等维度,监测化石能源并网装机容量、发电量分布情况及变化趋势,掌握电网公司区域内化石能源装机容量及发电规模情况。
化石能源上网情况监测:按区域、单位、能源类型、时间等维度,监测化石能源上网电量、上网电量占发电量比例的分布情况及变化趋势,掌握电网公司区域内化石能源上网情况。
其中,考虑到非化石能源在能源战略地位的特殊性,其监测与化石能源监测有重合的部分,也有其额外需要监测的内容。与化石能源监测重合的部分,依然在于并网规模和上网电量的监测:
非化石能源并网规模监测:按区域、单位、能源类型(常规水电、核电、风电、太阳能、生物质能及其他)等维度,监测非化石能源并网装机容量、发电量分布情况及变化趋势,掌握电网公司区域内非化石能源装机容量、发电规模情况。
非化石能源上网情况监测:按区域、单位、能源类型(常规水电、核电、风电、太阳能、生物质能及其他)、时间等维度监测非化石能源上网电量、上网电量占发电量比例的分布情况及变化趋势,掌握电网公司区域内非化石能源上网情况。
而其相较化石能源发电之外,额外需要监测渗透率、区域负荷的影响因素以及“三弃”相关数据。因此,需对新能源渗透率、区域负荷影响、三弃等方面开展监测进行分析,以便掌握新能源占比及发展情况。此外,该部分也包含各区域35kV、10kV分布式电源的容量,同样采用全社会及统调口径两类数据统计分析口径。
新能源渗透率监测:从区域、单位、能源类型等维度,监测新能源渗透率变化趋势,掌握新能源渗透率变化情况。其中,新能源渗透率是指新能源发电的电源容量占本供电台区变压器最大供电负荷的比例,其计算思路为单位区域(省、市、县区、台区)内新能源发电机组并网容量与最大供电负荷之比。
区域负荷影响因素监测:从电网公司区域内省、市单位维度,分析新能源发电量占比变化与日负荷曲线的关联关系,为电网安全运营提供依据。其中,负荷数据采集调度管理系统中各监测点24小时负荷整点功率的遥测数据。
“三弃”情况监测:多维度监测弃风率、弃光率、弃水率的变化情况,掌握“弃风率、弃光率、弃水率”指标的变化趋势。
弃风率监测:按区域、单位、时间等维度,监测弃风率变化趋势,掌握弃风率变化情况。
风电场弃风电量是指受电网传输通道或安全运行需要等因素影响,风电场可发而未能发出的电量。该电量不包括风电场因风机自身设备故障原因未能发出的电量。其中,弃风电量采用2013年电监会发布的《风电场弃风电量计算办法(试行)》里的样板风机法,即以风电场样板风机上网电量作为风场理论发电量依据,进行弃风电量计算。
计算公式为:弃风电量=限电时段全风场理论上网电量-限电时段全风场实际上网电量。
其中,全风场理论上网电量=∑样板风机发电量÷(样板风机容量/风电场运行容量)-风场内部输电线损-厂用电。全风场实际发电量=风电场接入电网关口计量表读数。
弃光率监测:按区域、单位、时间等维度,监测弃光率变化趋势,掌握弃光率变化情况。
光伏发电弃光电量以光伏电站的理论发电量大于电力系统传输光伏电量与当地负荷消纳光伏电量之和进行计算,而弃光率则为其与光伏电站理论发电量之比,即:
光伏发电弃光率=[光伏电站的理论发电量-(电力系统传输光伏电量+当地负荷消纳光伏电量)]/光伏电站的理论发电量。
弃水率监测:按区域、单位、时间等维度,监测弃水率变化趋势,掌握弃水率变化情况。
水电厂弃水损失电量即水电厂在弃水日因参与电网调峰而损失的电量,以Eqt表示,计算公式有:
Eqt=min(Eqt1,Eqt2);Eqt1=24*Nmax-E;Eqt2=Wq/ε
其中,Eqt1为按实际最大出力计算的调峰弃水损失电量;Eqt2为按实际弃水水量计算的调峰弃水损失电量;E为当日实际发电量;Nmax为实际最大出力;Wq为弃水日实际弃水量;ε为弃水日发电平均耗水率。此外,可再生能源弃能情况需要综合考虑天气、季节因素而定,因而在监测平台中也须将天气和季节等纳入监测范围。
通过电力能源结构监测数据及基于数据进行的初步计算,可完成能源转型期间新能源发展趋势监测。该部分按区域、单位、时间等维度,监测新能源发电量占比、上网电量占比情况及变化趋势,掌握新能源的发展趋势。
其中,新能源发电量占比即核能、风能、太阳能、生物质能、地热能、海洋能、其他等发电量与统计口径内总发电量之比。而新能源上网电量占比即上述各类发电形式的上网电量与统计口径内总上网电量之比。
电力能源结构发展趋势监测同时呈现实时数据和特定水平月、年数据,以便对新能源发展总体趋势进行分析。
可选的,所述步骤S3包括:
采用灰色预测法对S2中的各地区单项电力能源结构监测指标进行预测:
灰色预测法是一种对含有不确定因素的系统进行预测的方法。是对既含有已知信息又含有不确定信息的系统进行预则,就是对在一定范围内变化的、与时间有关的灰色过程进行预测。
灰色预测通过鉴别系统因素之间发展趋势的相异程度,即进行关联分析,并对原始数据进行生成处理来寻找系统变动的规律,生成有较强规律性的数据序列,然后建立相应的微分方程模型,从而预测事物未来发展趋势的状况。
GM(1,1)模型:
设时间序列有n个观察值
X(0)=[X(0)(1),X(0)(2),…,X(0)(n)]
通过累加生成新序列
X(1)=[X(1)(1),X(1)(2),…,X(1)(n)]
令Z(1)为X(1)的紧邻均值生成序列
Z(1)=[Z(1)(2),Z(1)(3),…,Z(1)(n)]
则GM(1,1)的灰微分方程模型为
X(0)(k)+aZ(1)(k)=b
式中,a称为发展灰数;b称为内生控制灰数。
其中,
称微分方程
为灰色微分方程X(0)(k)+aZ(1)(k)=b的白化方程,称为影子方程。
白化方程的解也称时间响应函数,其为
GM(1,1)灰微分方程X(0)(k)+aZ(1)(k)=b的时间响应序列为
取X(1)(0)=X(0)(1),有
累减后的预测方程
可选的,所述步骤S4包括:
评估能源结构优化发展水平,在S3预测的各地区单项指标基础上,根据不同指标的不同分数,乘以自身权重,累加得到各单项指标的总指标,并对其进行排序,得出优良中差四个等级,以便地区间取长补短、相互促进,进一步推动双碳目标落实。优良中差四个等级的数量可按参加评估的单位数量各占1/4。
本发明的创新在于:一,多维度监测电网公司区域内电力能源规模的分布情况,掌握电力能源投入现状;二,通过监测非化石能源发电量、上网电量的分布及占比情况,掌握非化石能源发展趋势,辅助分析电力能源结构发展趋势;三,监测新能源发电量、上网电量的分布情况,分析新能源渗透率、新能源占比的变化情况,掌握电网公司区域内新能源发展趋势;四,监测“三弃”指标变化趋势,辅助识别电网公司运营潜在的风险;五,预测各监测指标的变化趋势,以便及时调整工作部署,进一步推动双碳目标落地。
附图说明
为了更加清楚的说明本发明实施例,下面将对现有技术描述中所需要使用的附图做一些简单的介绍,对于本领域普通技术人员来讲,在不付出任何创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明电网公司区域内的电力能源结构监测方法流程示意图。
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的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。
实施例一
本发明实施例一公开了电网公司区域内的电力能源结构监测方法及装置,该方法应用于电网公司区域内的电力能源结构监测系统,电力能源结构监测系统包括一个监测端和至少2个应用端,方法包括:
应用端数据采集,应用端部署在下级电网公司(例如省级电网公司、地市级电网公司)运营监控系统中,通过监控设备自动采集或手工录入本端当前能源结构、非化石能源、新能源、“三弃”情况、各能源电力生产企业预报生产计划等数据。
应用端数据计算,应用端根据本端采集数据进行累加电力能源结构情况的计算,根据监测端下发的对比指标计算当前电力能源结构与预期值的差距,给出电力能源结构调整方案。
应用端与监测端的通信,采用已有电力通信网络和通信协议,包括编码、解析、安全防护、通讯规约等,接收和发送一个监测端和至少2个应用端的电力能源结构统计和分析数据。
监测端数据计算,监测端部署在上级电网公司(例如电网公司总部、省级电网公司本部) 运营监控系统中,监测端根据收到的至少2个应用端的电力能源结构统计数据,进行合并计算,给出排序和评价结果。
监测端数据预测,监测端根据收到的至少2个应用端的电力能源结构现状、下一期的生产计划等数据,对下一个统计期的各指标进行预测。
监测端数据展示,监测端将汇总统计结果和预测结果在电网监测大屏上展示,展示页面包括总览、各应用端概况、当前值、累计值、预测值和各地区电力能源结构的排名等。便于上级电网公司或政府电力主管部门及时了解大范围电力能源结构演变情况,助力落实国家双碳目标和能源双控目标。
实施例二
结合上述本发明实施例一提供的电网公司区域内的电力能源结构监测方法及装置,进行电网公司区域内的电力能源结构监测设计,包括如下步骤:
(1)电力能源结构监测业务设计
结合政府以及电网公司对电力能源结构的监测要求,汇总所属各单位提出的电力能源结构监测业务需求,按地区电力能源结构特点进行电力能源结构监测业务差异性分类,建立电力能源结构监测业务规则、映射关系。
(2)电力能源结构监测数据准备
梳理区域内电力能源结构监测业务内外部数据,针对数据需求表中的每一个电力能源结构监测业务数据项,溯清来源业务系统、来源渠道、数据表、对应字段,厘清数据项之间的关联匹配关系,形成本单位电力能源结构监测业务数据需求表,通过电力能源结构监测各业务子系统的接口、线下收集等方法,合并形成本单位电力能源结构监测所需的明细业务数据。
(3)电力能源结构监测数据处理
针对电力能源结构监测的源业务系统接入及本单位数据,从数据完整性、规范性、合理性、准确性、一致性等方面,利用R、Python、SPSS、EXCEL等工具对提取的公司区域内电力能源结构监测相关明细数据开展数据质量核查,验证数据的可用性和有效性。基于公司区域内电力能源结构监测业务实际及数据需求,形成数据清洗、转换规则,清洗无效数据,形成明细业务数据的有效数据集。结合数据表、数据项之间的关联映射关系,形成监测规则对应的明细业务数据表和监测级数据。
(4)电力能源结构监测模型构建
基于公司区域内电力能源结构监测业务内容、规则及数据需求,构建适用于本单位的业务数据模型,提取一定比例的数据,代入公司区域内电力能源结构监测数据模型进行训练,基于训练结果的准确度、拟合度等参数,验证模型的可行性、合理性和准确性,同时适应性调整业务模型参数,满足电力能源结构监测业务需求。
(5)电力能源结构监测数据计算与分析
利用公司区域内电力能源结构监测模型,开展数据计算、关联挖掘,形成本单位监测结果,包括结果图表、监测报告等成果,开展PC终端展示内容设计与配置。
(6)电力能源结构监测成果固化
根据区域内电力能源结构监测结果与实际业务的偏差情况,优化完善模型;按照面向政府主管部门、电网公司上级单位、上下游企业和社会公众等不同需求设定监测成果表现形式,利用数据处理、数据挖掘等工具,固化区域内电力能源结构监测报告模式。
实施例三
结合上述本发明实施例二提供的电网公司区域内的电力能源结构监测方法及装置,如图1 所示的一种适用于电网公司区域内的电力能源结构监测方法流程示意,包括如下步骤:
S1:设计监测规则,包括电力能源结构数据采集规则、数据处理与分析规则。
监测频率方面,根据电力能源结构监测业务需求和实际情况,以月、季度、半年等为单位设置每个监测点的监测频率,监测点已实现更高精度监测的,以两个检测要求中最高精度的监测要求为准。
监测范围方面,按电压等级、能源类型、单位级别确定不同监测点的监测范围,重点关注新能源。其中,为保证新系统与原有系统数据的精准匹配,监测范围除电压等级、能源类型等共性特征的表征之外,还包含必要的位置、名称、类型、单位、电压等级、天气、状态和时间节点数据。其中,所有数据类型都可以作为筛选标准,将满足特定归类的全部数据进行筛选汇总。
位置数据表征电源节点的地理位置和调度从属关系,可包含所属省、市、县区、台区、厂站和机组或出口编号。
电压等级即电源设备的额定电压级别,包括1100kV、1000kV、±800kV、±500kV、500kV、 330kV、220kV、110kV、66kV、35kv、10kV、380/220V等几个类别。
类型数据用于表征电源的机组类型,包括煤电、气电、核电、水电、风电、光伏发电、光热发电、生物质发电及其他。
状态数据用于表征电源当前所处状态,包括开启/关停、检修、故障、退役、储能设施充电/放电。可再生能源发电还应包含弃风/弃水/弃光状态,弃能状态下还应以备注形式说明弃能原因,如调度指令、备停以及自身发电能力受限。
时间数据用于表示所需电力数据所处的水平年、月、日、时、季度等时间信息。
数据处理与分析方面,根据设计的电力能源结构监测频率,定期采集所需系统数据,并开展电力数据清洗、数据转换、数据归类等前期操作。依据前期设计的数据处理规则,对监测数据进行深入分析。
在上述工作基础上,设计电力能源结构监测规则优化方案,持续优化各类监测规则,动态调整数据处理分析维度,深入掌握电网公司区域内能源结构变化情况及发展趋势。
S2:制定监测内容,从能源结构、非化石能源、新能源、“三弃”情况、能源转型期间新能源发展趋势等方面开展业务梳理、业务设计与验证工作,掌握电网公司区域内电力能源结构现状。
监测数据的功能基础是能源结构监测。该部分拟从电源并网规模、电量上网情况两个方面,以各类型电源的并网容量与上网电量等方面监测,掌握电网公司区域内电力能源结构的基本情况。
除并网容量与上网电量之外,为掌握电源设备利用情况,还需要监测和计算发电设备利用小时数,即特定时期内平均发电设备容量在满负荷运行条件下的运行小时数。计算公式为:
发电设备利用小时=报告期发电量/报告期平均发电设备容量
其中,电力能源结构监测可基于监测点数据进行各种筛选方案下的汇总和统计,电力能源结构监测支持对各级电网的电力能源结构分别进行监测和统计。
装机并网规模监测:按区域、单位、能源类型(火电、常规水电、抽蓄、核电、风电、太阳能、生物质能、地热能、海洋能等)等维度,监测装机容量、发电量分布情况及变化趋势,掌握电网公司区域内装机容量、发电规模情况。
电量上网情况监测:按区域、单位、能源类型、时间等维度,监测上网电量、上网电量占发电量比例的分布情况及变化趋势,掌握电网公司区域内电量上网情况。
为保证统计信息的完整性,电源装机容量和并网容量均需提取全社会及统调双口径数据。
电力能源结构监测可以分为化石能源监测和非化石能源监测两个维度监测。分别从化石能源、非化石能源的并网规模、电量上网情况等方面开展监测,掌握电力能源结构基本情况。
化石能源并网规模监测:按区域、单位、能源类型等维度,监测化石能源并网装机容量、发电量分布情况及变化趋势,掌握电网公司区域内化石能源装机容量及发电规模情况。
化石能源上网情况监测:按区域、单位、能源类型、时间等维度,监测化石能源上网电量、上网电量占发电量比例的分布情况及变化趋势,掌握电网公司区域内化石能源上网情况。
其中,考虑到非化石能源在能源战略地位的特殊性,其监测与化石能源监测有重合的部分,也有其额外需要监测的内容。与化石能源监测重合的部分,依然在于并网规模和上网电量的监测:
非化石能源并网规模监测:按区域、单位、能源类型(常规水电、核电、风电、太阳能、生物质能及其他)等维度,监测非化石能源并网装机容量、发电量分布情况及变化趋势,掌握电网公司区域内非化石能源装机容量、发电规模情况。
非化石能源上网情况监测:按区域、单位、能源类型(常规水电、核电、风电、太阳能、生物质能及其他)、时间等维度监测非化石能源上网电量、上网电量占发电量比例的分布情况及变化趋势,掌握电网公司区域内非化石能源上网情况。
而其相较化石能源发电之外,额外需要监测渗透率、区域负荷的影响因素以及“三弃”相关数据。因此,需对新能源渗透率、区域负荷影响、三弃等方面开展监测进行分析,以便掌握新能源占比及发展情况。此外,该部分也包含各区域35kV、10kV分布式电源的容量,同样采用全社会及统调口径两类数据统计分析口径。
新能源渗透率监测:从区域、单位、能源类型等维度,监测新能源渗透率变化趋势,掌握新能源渗透率变化情况。其中,新能源渗透率是指新能源发电的电源容量占本供电台区变压器最大供电负荷的比例,其计算思路为单位区域(省、市、县区、台区)内新能源发电机组并网容量与最大供电负荷之比。
区域负荷影响因素监测:从电网公司区域内省、市单位维度,分析新能源发电量占比变化与日负荷曲线的关联关系,为电网安全运营提供依据。其中,负荷数据采集调度管理系统中各监测点24小时负荷整点功率的遥测数据。
“三弃”情况监测:多维度监测弃风率、弃光率、弃水率的变化情况,掌握“弃风率、弃光率、弃水率”指标的变化趋势。
弃风率监测:按区域、单位、时间等维度,监测弃风率变化趋势,掌握弃风率变化情况。
风电场弃风电量是指受电网传输通道或安全运行需要等因素影响,风电场可发而未能发出的电量。该电量不包括风电场因风机自身设备故障原因未能发出的电量。其中,弃风电量采用2013年电监会发布的《风电场弃风电量计算办法(试行)》里的样板风机法,即以风电场样板风机上网电量作为风场理论发电量依据,进行弃风电量计算。
计算公式为:弃风电量=限电时段全风场理论上网电量-限电时段全风场实际上网电量。
其中,全风场理论上网电量=∑样板风机发电量÷(样板风机容量/风电场运行容量)-风场内部输电线损-厂用电。全风场实际发电量=风电场接入电网关口计量表读数。
弃光率监测:按区域、单位、时间等维度,监测弃光率变化趋势,掌握弃光率变化情况。
光伏发电弃光电量以光伏电站的理论发电量大于电力系统传输光伏电量与当地负荷消纳光伏电量之和进行计算,而弃光率则为其与光伏电站理论发电量之比,即:
光伏发电弃光率=[光伏电站的理论发电量-(电力系统传输光伏电量+当地负荷消纳光伏电量)]/光伏电站的理论发电量。
弃水率监测:按区域、单位、时间等维度,监测弃水率变化趋势,掌握弃水率变化情况。
水电厂弃水损失电量即水电厂在弃水日因参与电网调峰而损失的电量,以Eqt表示,计算公式有:
Eqt=min(Eqt1,Eqt2);Eqt1=24*Nmax-E;Eqt2=Wq/ε
其中,Eqt1为按实际最大出力计算的调峰弃水损失电量;Eqt2为按实际弃水水量计算的调峰弃水损失电量;E为当日实际发电量;Nmax为实际最大出力;Wq为弃水日实际弃水量;ε为弃水日发电平均耗水率。此外,可再生能源弃能情况需要综合考虑天气、季节因素而定,因而在监测平台中也须将天气和季节等纳入监测范围。
通过电力能源结构监测数据及基于数据进行的初步计算,可完成能源转型期间新能源发展趋势监测。该部分按区域、单位、时间等维度,监测新能源发电量占比、上网电量占比情况及变化趋势,掌握新能源的发展趋势。
其中,新能源发电量占比即核能、风能、太阳能、生物质能、地热能、海洋能、其他等发电量与统计口径内总发电量之比。而新能源上网电量占比即上述各类发电形式的上网电量与统计口径内总上网电量之比。
电力能源结构发展趋势监测同时呈现实时数据和特定水平月、年数据,以便对新能源发展总体趋势进行分析。
S3:预测各监测指标,采用灰色预测法对S2中的各地区单项电力能源结构监测指标进行预测。
GM(1,1)模型如下:
设时间序列有n个观察值
X(0)=[X(0)(1),X(0)(2),…,X(0)(n)]
通过累加生成新序列
X(1)=[X(1)(1),X(1)(2),…,X(1)(n)]
令Z(1)为X(1)的紧邻均值生成序列
Z(1)=[Z(1)(2),Z(1)(3),…,Z(1)(n)]
则GM(1,1)的灰微分方程模型为
X(0)(k)+aZ(1)(k)=b
式中,a称为发展灰数;b称为内生控制灰数。
其中,
称微分方程
为灰色微分方程X(0)(k)+aZ(1)(k)=b的白化方程,称为影子方程。
白化方程的解也称时间响应函数,其为
GM(1,1)灰微分方程X(0)(k)+aZ(1)(k)=b的时间响应序列为
取X(1)(0)=X(0)(1),有
累减后的预测方程
S4:评估能源结构优化发展水平。
在S3预测的各地区单项指标基础上,根据不同指标的不同分数,乘以自身权重,累加得到各单项指标的总指标,并对其进行排序,得出优良中差四个等级,评估结果下发到应用端,以便地区间取长补短、相互促进,进一步推动双碳目标落实。优良中差四个等级的数量可按参加评估的单位数量各占1/4。
Claims (5)
1.一种适用于电网公司区域内的电力能源结构监测方法及装置,包括一个监测端和至少2个应用端,其特征在于,包括:
步骤S1:设计监测规则,包括电力能源结构数据采集规则、数据处理与分析规则;
步骤S2:制定监测内容,从能源结构、非化石能源、新能源、“三弃”情况、能源转型期间新能源发展趋势等方面开展业务梳理、业务设计与验证工作,掌握电网公司区域内电力能源结构现状;
步骤S3:预测各监测指标,采用灰色预测法对各地区单项监测指标进行预测;
步骤S4:评估能源结构优化发展水平,在预测的各地区单项指标基础上,根据不同指标的不同分数,乘以自身权重,累加得到各单项指标的总指标,并对其进行排序,得出优良中差四个等级,以便地区间取长补短、相互促进,进一步推动双碳目标落实。
2.根据权利要求1所述的方法,其特征在于,所述步骤S1包括:
设计相应监测规则,包括电力能源结构数据采集规则、数据处理规则和分析规则,为实际电力能源结构监测工作开展建立完善、规范的业务规范。
监测频率方面,根据电力能源结构监测业务需求和实际情况,以月、季度、半年等为单位设置每个监测点的监测频率,监测点已实现更高精度监测的,以两个检测要求中最高精度的监测要求为准。
监测范围方面,按电压等级、能源类型、单位级别确定不同监测点的监测范围,重点关注新能源。其中,为保证新系统与原有系统数据的精准匹配,监测范围除电压等级、能源类型等共性特征的表征之外,还包含必要的位置、名称、类型、单位、电压等级、天气、状态和时间节点数据。其中,所有数据类型都可以作为筛选标准,将满足特定归类的全部数据进行筛选汇总。
位置数据表征电源节点的地理位置和调度从属关系,可包含所属省、市、县区、台区、厂站和发电机组或出口编号。
电压等级即电源设备的额定电压级别,包括1100kV、1000kV、±800kV、±500kV、500kV、330kV、220kV、110kV、66kV、35kv、10kV、380/220V等几个类别。
类型数据用于表征电源的机组类型,包括煤电、气电、核电、水电、风电、光伏发电、光热发电、生物质发电及其他。
状态数据用于表征电源当前所处状态,包括开启/关停、检修、故障、退役、储能设施充电/放电。可再生能源发电还应包含弃风/弃水/弃光状态,弃能状态下还应以备注形式说明弃能原因,如调度指令、备停以及自身发电能力受限。
时间数据用于表示所需电力数据所处的水平年、月、日、时、季度等时间信息。
数据处理与分析方面,根据设计的电力能源结构监测频率,定期采集所需系统数据,并开展电力数据清洗、数据转换、数据归类等前期操作。依据前期设计的数据处理规则,对监测数据进行深入分析。
在上述工作基础上,设计电力能源结构监测规则优化方案,持续优化各类监测规则,动态调整数据处理分析维度,深入掌握电网公司区域内能源结构变化情况及发展趋势。
3.根据权利要求1所述的方法,其特征在于,所述步骤S2包括:
为掌握电网公司区域内电力能源结构,有效促进电力能源转型,从能源结构、非化石能源、新能源、“三弃”情况、能源转型期间新能源发展趋势等方面开展业务梳理、业务设计与验证等工作。
监测数据的功能基础是能源结构监测。该部分拟从电源并网规模、电量上网情况两个方面,以各类型电源的并网容量与上网电量等方面监测,掌握电网公司区域内电力能源结构的基本情况。
除并网容量与上网电量之外,为掌握电源设备利用情况,还需要监测和计算发电设备利用小时数,即特定时期内平均发电设备容量在满负荷运行条件下的运行小时数。计算公式为:
发电设备利用小时=报告期发电量/报告期平均发电设备容量
其中,电力能源结构监测可基于监测点数据进行各种筛选方案下的汇总和统计,电力能源结构监测支持对各级电网的电力能源结构分别进行监测和统计。
装机并网规模监测:按区域、单位、能源类型(火电、常规水电、抽蓄、核电、风电、太阳能、生物质能、地热能、海洋能等)等维度,监测装机容量、发电量分布情况及变化趋势,掌握电网公司区域内装机容量、发电规模情况。
电量上网情况监测:按区域、单位、能源类型、时间等维度,监测上网电量、上网电量占发电量比例的分布情况及变化趋势,掌握电网公司区域内电量上网情况。
为保证统计信息的完整性,电源装机容量和并网容量均需提取全社会及统调双口径数据。
电力能源结构监测可以分为化石能源监测和非化石能源监测两个维度监测。分别从化石能源、非化石能源的并网规模、电量上网情况等方面开展监测,掌握电力能源结构基本情况。
化石能源并网规模监测:按区域、单位、能源类型等维度,监测化石能源并网装机容量、发电量分布情况及变化趋势,掌握电网公司区域内化石能源装机容量及发电规模情况。
化石能源上网情况监测:按区域、单位、能源类型、时间等维度,监测化石能源上网电量、上网电量占发电量比例的分布情况及变化趋势,掌握电网公司区域内化石能源上网情况。
其中,考虑到非化石能源在能源战略地位的特殊性,其监测与化石能源监测有重合的部分,也有其额外需要监测的内容。与化石能源监测重合的部分,依然在于并网规模和上网电量的监测:
非化石能源并网规模监测:按区域、单位、能源类型(常规水电、核电、风电、太阳能、生物质能及其他)等维度,监测非化石能源并网装机容量、发电量分布情况及变化趋势,掌握电网公司区域内非化石能源装机容量、发电规模情况。
非化石能源上网情况监测:按区域、单位、能源类型(常规水电、核电、风电、太阳能、生物质能及其他)、时间等维度监测非化石能源上网电量、上网电量占发电量比例的分布情况及变化趋势,掌握电网公司区域内非化石能源上网情况。
而其相较化石能源发电之外,额外需要监测渗透率、区域负荷的影响因素以及“三弃”相关数据。因此,需对新能源渗透率、区域负荷影响、三弃等方面开展监测进行分析,以便掌握新能源占比及发展情况。此外,该部分也包含各区域35kV、10kV分布式电源的容量,同样采用全社会及统调口径两类数据统计分析口径。
新能源渗透率监测:从区域、单位、能源类型等维度,监测新能源渗透率变化趋势,掌握新能源渗透率变化情况。其中,新能源渗透率是指新能源发电的电源容量占本供电台区变压器最大供电负荷的比例,其计算思路为单位区域(省、市、县区、台区)内新能源发电机组并网容量与最大供电负荷之比。
区域负荷影响因素监测:从电网公司区域内省、市单位维度,分析新能源发电量占比变化与日负荷曲线的关联关系,为电网安全运营提供依据。其中,负荷数据采集调度管理系统中各监测点24小时负荷整点功率的遥测数据。
“三弃”情况监测:多维度监测弃风率、弃光率、弃水率的变化情况,掌握“弃风率、弃光率、弃水率”指标的变化趋势。
弃风率监测:按区域、单位、时间等维度,监测弃风率变化趋势,掌握弃风率变化情况。
风电场弃风电量是指受电网传输通道或安全运行需要等因素影响,风电场可发而未能发出的电量。该电量不包括风电场因风机自身设备故障原因未能发出的电量。其中,弃风电量采用2013年电监会发布的《风电场弃风电量计算办法(试行)》里的样板风机法,即以风电场样板风机上网电量作为风场理论发电量依据,进行弃风电量计算。
计算公式为:弃风电量=限电时段全风场理论上网电量-限电时段全风场实际上网电量。
其中,全风场理论上网电量=∑样板风机发电量÷(样板风机容量/风电场运行容量)-风场内部输电线损-厂用电。全风场实际发电量=风电场接入电网关口计量表读数。
弃光率监测:按区域、单位、时间等维度,监测弃光率变化趋势,掌握弃光率变化情况。
光伏发电弃光电量以光伏电站的理论发电量大于电力系统传输光伏电量与当地负荷消纳光伏电量之和进行计算,而弃光率则为其与光伏电站理论发电量之比,即:
光伏发电弃光率=[光伏电站的理论发电量-(电力系统传输光伏电量+当地负荷消纳光伏电量)]/光伏电站的理论发电量。
弃水率监测:按区域、单位、时间等维度,监测弃水率变化趋势,掌握弃水率变化情况。
水电厂弃水损失电量即水电厂在弃水日因参与电网调峰而损失的电量,以Eqt表示,计算公式有:
Eqt=min(Eqt1,Eqt2);Eqt1=24*Nmax-E;Eqt2=Wq/ε
其中,Eqt1为按实际最大出力计算的调峰弃水损失电量;Eqt2为按实际弃水水量计算的调峰弃水损失电量;E为当日实际发电量;Nmax为实际最大出力;Wq为弃水日实际弃水量;ε为弃水日发电平均耗水率。此外,可再生能源弃能情况需要综合考虑天气、季节因素而定,因而在监测平台中也须将天气和季节等纳入监测范围。
通过电力能源结构监测数据及基于数据进行的初步计算,可完成能源转型期间新能源发展趋势监测。该部分按区域、单位、时间等维度,监测新能源发电量占比、上网电量占比情况及变化趋势,掌握新能源的发展趋势。
其中,新能源发电量占比即核能、风能、太阳能、生物质能、地热能、海洋能、其他等发电量与统计口径内总发电量之比。而新能源上网电量占比即上述各类发电形式的上网电量与统计口径内总上网电量之比。
电力能源结构发展趋势监测同时呈现实时数据和特定水平月、年数据,以便对新能源发展总体趋势进行分析。
4.根据权利要求1所述的方法,其特征在于,所述步骤S3包括:
采用灰色预测法对S2中的各地区单项电力能源结构监测指标进行预测:
灰色预测法是一种对含有不确定因素的系统进行预测的方法,是对既含有已知信息又含有不确定信息的系统进行预则,就是对在一定范围内变化的、与时间有关的灰色过程进行预测。
灰色预测通过鉴别系统因素之间发展趋势的相异程度,即进行关联分析,并对原始数据进行生成处理来寻找系统变动的规律,生成有较强规律性的数据序列,然后建立相应的微分方程模型,从而预测事物未来发展趋势的状况。
GM(1,1)模型:
设时间序列有n个观察值
X(0)=[X(0)(1),X(0)(2),…,X(0)(n)]
通过累加生成新序列
X(1)=[X(1)(1),X(1)(2),…,X(1)(n)]
令Z(1)为X(1)的紧邻均值生成序列
Z(1)=[Z(1)(2),Z(1)(3),…,Z(1)(n)]
则GM(1,1)的灰微分方程模型为
X(0)(k)+aZ(1)(k)=b
式中,a称为发展灰数;b称为内生控制灰数。
其中,
称微分方程
为灰色微分方程X(0)(k)+aZ(1)(k)=b的白化方程,称为影子方程。
白化方程的解也称时间响应函数,其为
GM(1,1)灰微分方程X(0)(k)+aZ(1)(k)=b的时间响应序列为
取X(1)(0)=X(0)(1),有
累减后的预测方程
5.根据权利要求1所述的方法,其特征在于,所述步骤S4包括:
评估能源结构优化发展水平,在S3预测的各地区单项指标基础上,根据不同指标的不同分数,乘以自身权重,累加得到各单项指标的总指标,并对其进行排序,得出优良中差四个等级,以便地区间取长补短、相互促进,进一步推动双碳目标落实。优良中差四个等级的数量可按参加评估的单位数量各占1/4。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111526239.9A CN116266331A (zh) | 2021-12-14 | 2021-12-14 | 电网公司区域内的电力能源结构监测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111526239.9A CN116266331A (zh) | 2021-12-14 | 2021-12-14 | 电网公司区域内的电力能源结构监测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116266331A true CN116266331A (zh) | 2023-06-20 |
Family
ID=86742908
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111526239.9A Pending CN116266331A (zh) | 2021-12-14 | 2021-12-14 | 电网公司区域内的电力能源结构监测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116266331A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116629455A (zh) * | 2023-07-19 | 2023-08-22 | 山西阳风新能售电有限公司 | 一种基于电力供电的智能定向预测方法 |
CN117856256A (zh) * | 2024-03-08 | 2024-04-09 | 国网四川省电力公司天府新区供电公司 | 一种基于云计算的智能电网负荷预测管理平台 |
-
2021
- 2021-12-14 CN CN202111526239.9A patent/CN116266331A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116629455A (zh) * | 2023-07-19 | 2023-08-22 | 山西阳风新能售电有限公司 | 一种基于电力供电的智能定向预测方法 |
CN116629455B (zh) * | 2023-07-19 | 2023-10-31 | 山西阳风新能售电有限公司 | 一种基于电力供电的智能定向预测方法 |
CN117856256A (zh) * | 2024-03-08 | 2024-04-09 | 国网四川省电力公司天府新区供电公司 | 一种基于云计算的智能电网负荷预测管理平台 |
CN117856256B (zh) * | 2024-03-08 | 2024-05-28 | 国网四川省电力公司天府新区供电公司 | 一种基于云计算的智能电网负荷预测管理平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116266331A (zh) | 电网公司区域内的电力能源结构监测方法及装置 | |
CN109214713B (zh) | 含有分布式电源的主动配电网规划方法 | |
CN106981030B (zh) | 一种对含dg的配电网的dg并网特性、接纳能力进行量化评估的方法 | |
CN111340337B (zh) | 高渗透率分布式电源并网对配电网运行风险的评估方法 | |
Cai et al. | Electric power big data and its applications | |
CN113592561A (zh) | 一种基于电力经济大数据的绿电指数生成方法 | |
Zhang et al. | Construction of Safety Evaluation Model for Distribution Network with Distributed Generation | |
Zhang et al. | Comprehensive Evaluation Technology of Photovoltaic Power Station Power Generation Performance Based on Minimum Deviation Combined Weighting Method | |
Ye et al. | Short term output prediction method of runoff type medium and small hydropower stations | |
Zongbao | A Line loss management method based on improved random forest algorithm in distributed generation system | |
Huang et al. | Research on Forecasting Method of Industry Electricity Consumption Considering Price Factor | |
Huang et al. | The quantitative assessment method for flexibility adjustment of self-supplied power plants | |
Zhang et al. | Research on smart grid evaluation index system based on the analytic hierarchy process | |
Chen et al. | Evaluation indices set and decision-making method for regional “coal to electricity” optimal development mode | |
Gârbea et al. | Extracting the Operating Characteristics of Hydropower Plants Using a Clustering-based Efficient Methodology | |
CN115907981B (zh) | 一种虚拟电厂低碳联合交易优化方法 | |
Zhong et al. | Coordinated control of coastal multi-source multi-load system with desalination load: a review | |
Qiao et al. | Research and implementation of user-level load forecasting based on load model library with electric data | |
Liu et al. | Equipment Operation Analysis and Application Research Based on Big Data Electric Power Distribution Network | |
Zhang et al. | Evaluation of The Effect of Market Mechanism to Promote the Renewable Energy Consumption | |
Wan et al. | Research on scenario construction and economic analysis for electric-hydrogen coupling | |
Ping et al. | Study on Regional Energy Planning for Municipal Power Grid Containing Clean Power | |
Li et al. | Correlation analysis of meteorological factors on daily solar photovoltaic power generation | |
Li et al. | Comprehensive SustainabilityAssessment of China’s Electric Energy System Based on Emergy Analysis | |
Li et al. | Research on Evaluation Method of Power Grid Scale based on Grey Correlation Analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |