CN116502927A - 新型电力系统多时间尺度灵活性评估及资源价值评价方法 - Google Patents
新型电力系统多时间尺度灵活性评估及资源价值评价方法 Download PDFInfo
- Publication number
- CN116502927A CN116502927A CN202211490759.3A CN202211490759A CN116502927A CN 116502927 A CN116502927 A CN 116502927A CN 202211490759 A CN202211490759 A CN 202211490759A CN 116502927 A CN116502927 A CN 116502927A
- Authority
- CN
- China
- Prior art keywords
- flexibility
- evaluation
- scale
- value
- flexible
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 162
- 238000000034 method Methods 0.000 claims abstract description 73
- 238000004458 analytical method Methods 0.000 claims abstract description 39
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 19
- 230000004044 response Effects 0.000 claims description 32
- 230000009194 climbing Effects 0.000 claims description 30
- 238000010276 construction Methods 0.000 claims description 22
- 238000001914 filtration Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000012983 electrochemical energy storage Methods 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 17
- 230000000694 effects Effects 0.000 claims description 15
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 14
- 229910052799 carbon Inorganic materials 0.000 claims description 14
- 238000012423 maintenance Methods 0.000 claims description 10
- 230000000877 morphologic effect Effects 0.000 claims description 8
- 230000007812 deficiency Effects 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 4
- 238000012986 modification Methods 0.000 claims description 3
- 230000004048 modification Effects 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 2
- 238000010248 power generation Methods 0.000 description 40
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 33
- 239000003245 coal Substances 0.000 description 20
- 239000007789 gas Substances 0.000 description 12
- 230000005611 electricity Effects 0.000 description 11
- 239000002910 solid waste Substances 0.000 description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 10
- UCKMPCXJQFINFW-UHFFFAOYSA-N Sulphide Chemical compound [S-2] UCKMPCXJQFINFW-UHFFFAOYSA-N 0.000 description 9
- 230000000875 corresponding effect Effects 0.000 description 7
- 238000011161 development Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 230000033228 biological regulation Effects 0.000 description 6
- 238000004146 energy storage Methods 0.000 description 6
- 230000009466 transformation Effects 0.000 description 6
- 230000007797 corrosion Effects 0.000 description 5
- 238000005260 corrosion Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000005251 gamma ray Effects 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000003828 downregulation Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000003827 upregulation Effects 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000013173 literature analysis Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000006740 morphological transformation Effects 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 150000003568 thioethers Chemical class 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
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
- G06Q10/0639—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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas 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
Abstract
新型电力系统多时间尺度灵活性评估及资源价值评价方法,包括电力系统灵活性评估指标的方法以及灵活性资源价值评价方法。采用数学形态学算法对净负荷曲线进行多时间尺度分解,得到可独立反映不同频段波动特性的一组时间序列分量,体现不同时间尺度的向上、向下灵活性需求;建立系统内不同类型可控机组在不同调节速率区间下的供给模型,形成多时间尺度灵活性资源调节区间;通过同一时间尺度下的灵活性资源与需求的匹配分析,计算出各时间尺度的向上、向下灵活性不足概率、不足期望和裕度期望指标,进而加权形成系统灵活性评估综合指标。本发明从技术价值、经济价值及社会价值三个维度出发,构建了一套新型电力系统灵活性资源价值评价体系。
Description
技术领域
本发明涉及一种评价方法,尤其是涉及一种新型电力系统多时间尺度灵活性评估及资源价值评价方法,属于能源领域。
背景技术
近年来,随着新能源发电并入电力系统的需求不断增多,对新一代的电力系统灵活性提出了更高的要求。然而,以风电和光伏为代表的新能源出力的不确定性将加剧系统的灵活调节需求,且可再生能源的大量接入压缩了常规电源在电网中的比例,进一步降低了系统灵活电源规模,从供给侧和需求侧上提高了系统的灵活性不足风险。为解决以上问题,Yasuda Y、Gomez-lazaro E等学者的文献《Flexibility chat:evaluation ondiversity of flexibility in various areas》依据各个灵活性机组的可调节容量和调节特性进行打分,并采用雷达图对系统灵活性进行直观表征,但是该方法无法反映系统内部各灵活性资源与灵活性需求间的联系;鲁宗相、李海波、乔颖等学者的文献《含高比例可再生能源并网的电力系统灵活性评价与平衡机理》建立灵活性度量指标,但是对于新型电力系统的灵活性评估尺度较少,未能考虑在不同时间尺度下的灵活性评估方法;Zhao J、Zheng T等学者的文献《Variable resource dispatch through Do-Not-Exceed limit》从各系统节点灵活性入手,通过风电和负荷节点实际出力大小与该不确定区间的比较对系统各节点灵活性进行评估,但是该方法求解过程较为复杂,实用性不高。综上所述,已有灵活性评估的研究主要反映了电力系统在某一特定尺度上的灵活性情况,难以同时对多个不同时间尺度上的灵活性进行定量评估。相应地,在灵活性资源方面也难以有效区分系统可控机组在不同时间尺度下调节特性的区别,由此得出的灵活性评估指标缺乏调节速率上的区分度,不利于灵活性资源的规划。
因此,如何综合考虑灵活性需求与灵活性资源在多时间尺度上的对应关系,建立一个能同时反映系统多时间尺度灵活性的评估指标和评价方法是个值得研究的问题。
发明内容
本发明考虑了可再生能源多时间尺度出力特性,提出了基于多尺度形态学分解的灵活性评估指标和灵活性资源价值评价方法,能够合理规划高比例新能源接入新型电力系统,实现评价灵活性资源价值,推动灵活性资源在高比例新能源电力系统中的应用,其技术方案如下:
一种新型电力系统多时间尺度灵活性评估指标及价值评价方法,包括电力系统灵活性评估指标的方法以及灵活性资源价值评价方法,其特征为:
所述电力系统灵活性评估指标的方法包括如下步骤:
步骤1:基于多尺度形态学的灵活性需求分析:从需求分析出发,采用基于WMMF滤波器的数学形态学算法对净负荷曲线进行不同频段的波动性分解,提取不同波动速率下的向上、向下灵活性需求;
步骤2:多时间尺度下的灵活性资源分析:基于多时间尺度分别对各可控机组的灵活调节能力进行分析,建立可控机组在不同波动时间尺度下的调节能力模型;
步骤3:多时间尺度下的灵活性评估:包括灵活性评估指标和灵活性评估步骤。首先,通过同一时间尺度下的灵活性资源与需求的匹配分析,计算出各时间尺度的向上、向下灵活性不足概率、不足期望和裕度期望指标,进而加权形成系统灵活性评估综合指标;其次,提出灵活性评估的具体步骤。
所述灵活性资源价值评价方法包括如下步骤:
步骤Ⅰ:评价指标选取原则:充分考虑评价指标的可行性、通用性、系统性、科学性、客观性及实用性原则;
步骤II:指标体系选取依据:通过对比分析各种灵活性资源的用途及使用效果,从技术价值、经济价值、社会价值维度,提炼表征各灵活性资源价值的各类指标,选取多层级灵活性资源价值评价指标;
步骤Ⅲ:灵活性资源价值评价体系:综合电化学储能、需求侧响应、虚拟电厂三种高比例新能源电力系统灵活性资源的特征,从技术价值、经济价值及社会价值三个维度出发,论述各评价指标的定义及对应计算公式。
有益效果
由于风光出力在不同方向上的随机出力具有多时间尺度特性,所以电力系统灵活性的评估需要综合考虑净负荷在不同时间尺度和不同方向上的波动,通过优化调配各类可用的向上、向下灵活性资源,以适应系统随机波动。本发明提出的多时间尺度灵活性评估指标,基于加权多尺度形态学滤波器,采用数学形态学算法对净负荷曲线进行多时间尺度分解,得到可独立反映不同频段波动特性的一组时间序列分量,体现不同时间尺度的向上、向下灵活性需求。然后建立系统内不同类型可控机组在不同调节速率区间下的调节能力模型,形成多时间尺度灵活性资源调节区间。通过同一时间尺度下的灵活性资源与需求的匹配分析,可以简单直观地计算出各时间尺度的向上、向下灵活性不足概率、不足期望和裕度期望指标,进而加权形成系统灵活性评估综合指标。此外,本发明提出的灵活性资源价值评价方法,可为灵活性资源价值评价分析提供新的角度和方法,可对不同灵活性资源的价值进行综合比较,为实际灵活性资源项目的实施应用提供参考。
附图说明
图1为为本发明提出方法的流程图。该图详细展示了本发明提出方法的2个内容,分别是多时间尺度灵活性评估指标和灵活性资源价值评价方法。所示多时间尺度灵活性评估指标包括3个步骤:灵活性需求分析、多时间尺度下的灵活性资源分析、多时间尺度下的灵活性评估。所示灵活性资源价值评价方法包括3个步骤:评价指标选取原则、指标体系选取依据、灵活性资源价值评价体系。
图2为多尺度形态学分解效果图。该图展示了WMMF滤波器对输入信号进行多尺度分解后得到的不同频率分量,体现了WMMF滤波器的分解效果。
图3为灵活性需求示意图。该图展示了通过对波动分量进行波形辨识以求取灵活性需求的过程。
图4为灵活性需求效果图。该图展示了各波动分量进行波形辨识求取的不同时间尺度上的向上灵活性需求和向下灵活性需求。
图5为多时间尺度灵活性评估流程图。该图展示了多时间尺度灵活性评估的流程细节。
具体实施方式
一种新型电力系统多时间尺度灵活性评估指标及价值评价方法,包括电力系统灵活性评估指标的方法以及灵活性资源价值评价方法,方法的具体流程图如图1所示。
所述电力系统灵活性评估指标的方法包括如下步骤:
步骤1:基于多尺度形态学的灵活性需求分析:从需求分析出发,采用基于WMMF滤波器的数学形态学算法对净负荷曲线进行不同频段的波动性分解,提取不同波动速率下的向上、向下灵活性需求;
步骤2:多时间尺度下的灵活性资源分析:基于多时间尺度分别对各可控机组的灵活调节能力进行分析,建立可控机组在不同波动时间尺度下的调节能力模型;
步骤3:多时间尺度下的灵活性评估:包括灵活性评估指标和灵活性评估步骤。首先,通过同一时间尺度下的灵活性资源与需求的匹配分析,计算出各时间尺度的向上、向下灵活性不足概率、不足期望和裕度期望指标,进而加权形成系统灵活性评估综合指标;其次,提出灵活性评估的具体步骤。
所述灵活性资源价值评价方法包括如下步骤:
步骤Ⅰ:评价指标选取原则:充分考虑评价指标的可行性、通用性、系统性、科学性、客观性及实用性原则;
步骤II:指标体系选取依据:通过对比分析各种灵活性资源的用途及使用效果,从技术价值、经济价值、社会价值维度,提炼表征各灵活性资源价值的各类指标,选取多层级灵活性资源价值评价指标;
步骤Ⅲ:灵活性资源价值评价体系:综合电化学储能、需求侧响应、虚拟电厂三种高比例新能源电力系统灵活性资源的特征,从技术价值、经济价值及社会价值三个维度出发,论述各评价指标的定义及对应计算公式。
下面我们详细阐述新型电力系统多时间尺度灵活性评估指标及价值评价方法的具体内容:
所述新型电力系统多时间尺度灵活性评估指标的方法包括如下内容:
步骤1:基于多尺度形态学的灵活性需求分析
不同于傅里叶分析和小波分析等频域分析方法,经验模态分解和数学形态学等启发式算法提供了直接在时域进行的多时间尺度分解算法。其中,数学形态学方法通过构建结构元素组,能够更加直观和快速地将时域曲线分解为任意波动周期划分下的一组时间序列的叠加,因此非常适用于灵活性评估。
膨胀运算和腐蚀运算是数学形态学最基本的运算。设输入信号f(n)为定义在定义域上F={0,1,···N-1}上的离散函数,结构元素g(n)为定义在定义域G={0,1,···M-1}上的离散函数,且N≥M,则f(n)关于g(n)的腐蚀和膨胀运算分别定义为:
(fΘg)(n)=min{f(n+x)-g(x):x∈G}(n=1,2,3,···N) (1)
式中,Θ表示腐蚀运算;表示膨胀运算。
腐蚀变换和膨胀变换分别是一种收缩变换和扩张变换。一般情况下,腐蚀和膨胀均是不可逆运算,先腐蚀后膨胀与先膨胀后腐蚀的结果通常不相同。于是产生了新的形态学变换,即开运算和闭运算。
在多时间尺度形态学中,通过不同时间尺度的结构元素选择和开、闭运算实现滤波。开、闭运算分别表示为:
式中:表示开运算;·表示闭运算。
将开、闭运算进行不同的级联可以组成多种滤波器,其中较为常用的是OCCO滤波器。本节构建一簇加权的多尺度形态学滤波器组(weighting multi-scale morphologyfilter,WMMF),通过多种尺度的结构元素对目标信号的滤波结果进行加权叠加,实现了自定义波动周期划分下的波形分解。WMMF滤波器的数学表达式为:
式中,为各尺度结构元素滤波结果的权重,为减少小尺度结构元素滤波结果中的噪声对最终滤波结果的影响,权重/>的取值由各尺度滤波噪声的方差值决定。
式中,为尺度si下的滤波差值的方差。
基于WMMF滤波器的数学形态分解算法步骤如下:
(1)提取输入时间序列的极值序列,计算相邻极值的间隔时差分布,据此进行时间尺度划分,构建划分时间尺度j下的结构元素gj。
(2)根据式(6)计算时间尺度j下的滤波结果。
(3)根据式(5)将各时间尺度下的滤波结果加权叠加,形成WMMF滤波结果。
本发明结合风电和光伏波动特性和常规电源调节速率分布,将净负荷波动划分为3个频段:快速(<15min)、中速(15~60min)和慢速(>1h),分别评估其灵活性需求。为此,设计两个串联的WMMF滤波器对输入信号进行多尺度分解。输入的净负荷时间序列先经第一级WMMF滤波器分离出高频波动序列和含中、低频波动的剩余分量序列。后者再经过第二级WMMF滤波器后分别得到低频和中频波动序列。多尺度形态学的分解效果图如图2所示。从图2可以看出,多尺度形态学的分解算法可以有效提取出净负荷曲线在不同频率下的波动特征,从而将原始曲线分解成具有不同波动频率的分量。
系统灵活性评估包括向上调节和向下调节两个方向。对灵活性需求进行不同时间尺度的波动分量分解后,不同尺度的波动对应了不同的调节速率要求。通过波形辨识将波动曲线拆分为向上和向下两个爬坡子集。爬坡子集中的爬坡段幅值代表了该爬坡段的灵活性需求,持续时间代表了该爬坡段的波动周期,不同波动分量下的波动周期长度应与其划定的时间尺度相对应。通过波形辨识求取灵活性需求的示意图和效果图分别如图3和图4所示。从图3、4可以看出,波形辨识主要是将波动分量拆分成若干个向上或向下的爬坡段,通过向上或向下灵活性需求和波动周期来描述该爬坡段的灵活性需求。
步骤2:多时间尺度下的灵活性资源分析
含风电、光伏电力系统灵活性资源主要包括经灵活性改造后的火电厂、具有调节能力的水电站、抽水蓄能电站、电化学储能、虚拟电厂、需求侧响应等。系统灵活性资源大小的确定与波动周期、各机组运行状态和机组自身出力调节特性相关。同一种灵活性资源在不同时间尺度下具有不同的出力调节特性,且同一时间尺度下不同灵活性资源出力调节特性也存在差异。
(1)常规火电厂灵活性资源分析
火电机组可分为燃气机组和燃煤机组。其中,燃气机组灵活性较高,通常参与小时内的中短时间尺度灵活性调节;灵活性改造后的燃煤机组可参与小时级时间尺度灵活性调节。具体的,常规火电厂在各时间尺度下的灵活性资源如下:
1)<15min短时间尺度
以单循环燃气机组为代表的快速调节燃气机组参与短时间尺度调节,其灵活性资源大小受其向上、向下爬坡速率及最大和最小运行出力的约束。
FG,+=min{PG,max-PG,0,Δt×rm,+} (8)
FG,-=min{PG,0-PG,min,Δt×rm,-} (9)式中:PG,max、PG,min和PG,0分别为机组最大运行出力、最小运行出力和当前出力;rm,+、rm,-分别为机组的向上、向下爬坡速率,单循环燃气轮机的向上、向下爬坡速率一般为每分钟6%~10%和8%~12%的机组额定容量;Δt为爬坡时长。
2)15~60min中时间尺度
中时间尺度上,除了快速调节燃气机组外,联合循环燃气机组也可提供灵活性资源,其灵活性资源大小亦可通过式(8)、(9)计算。联合循环机组向上、向下爬坡速率分别约为每分钟4%和3%的机组额定容量,略慢于单循环燃气机组。
3)>1h长时间尺度
长时间尺度上,除了在线运行的联合循环燃气机组外,还可通过启停燃气机组和调节经灵活性改造的燃煤机组出力进行灵活性调节。其中,燃煤机组的调节特性如式(8)、(9)所示,燃气轮机经启停调峰提供的灵活性资源大小与机组容量有关。
FG,+=PSG,max (10)
FG,-=PSG,0 (11)
式中:PSG,0、PSG,max分别为调峰机组的当前出力和最大调节容量。
(2)可调节水电站灵活性资源分析
水电机组在日内各时间尺度均可参与系统灵活性调节,但受限于上流水量的大小,一般仅在枯水期作为重要的调峰资源参与系统灵活性调节,在不考虑弃水的前提下,水电机组提供的灵活性资源大小如式(8)、(9)所示。水电的爬坡速率一般为每分钟20%~40%机组额定容量,水电机组的最大、最小运行出力分别由其预想出力和强迫出力决定。
(3)抽水蓄能电站灵活性资源分析
抽水蓄能机组作为性能优良的调峰电源,具有反应迅速、运行灵活、启停方便的特点,与水电机组一样,可在日内各时间尺度根据其运行状态提供相应的灵活性资源,其上调灵活性和下调灵活性如下式:
式中:Pstorage,+,max、Pstorage,-,max分别是抽水蓄能电站的最大发电和蓄水功率;St、Smax、Smin分别为t时刻的蓄水量和水库蓄水容量上下限;δ为爬坡调节时间间隔。
(4)电化学储能灵活性资源分析
电化学储能装置具有灵活充放的运行特性,可提供双向调节灵活性,其放电时视为向上灵活性资源,相反充电时为向下灵活性资源。且能在短时间尺度内实现频繁的充放电,适合平抑15min甚至1分钟以内的波动频率高但能量低的随机波动。储能提供上调灵活性和下调灵活性/>如下式:
式中,Pd(t)和Pc(t)分别为储能装置的放电功率和充电功率;δSOCmax和δSOCmin分别为储能系统荷电状态约束的上限与下限;δSOC(t)为t时刻储能装置剩余电量。
(5)虚拟电厂灵活性资源分析
虚拟电厂聚合了负荷侧的可控负荷、储能、分布式发电等分布式能源,具有双向调节能力,可提供15~60min和<15min的中、短时间尺度的灵活性调节。
Fvpp,+=min{Pvpp,max-Pvpp,t,Δt×rvpp,+} (15)
Fvpp,-=min{Pvpp,t-Pvpp,min,Δt×rvpp,-} (16)式中:Pvpp,max、Pvpp,min和Pvpp,t分别为虚拟电厂的最大运行出力、最小运行出力和当前出力;rvpp,+、rvpp,-分别为虚拟电厂在中/短时间尺度提供上行和下行灵活性的能力;Δt表示时间尺度。
(6)需求侧响应灵活性资源分析
需求侧响应是一种取决于用户用电意愿的、以合约形式规定电力调度机构与用户间责任与义务的供用电方式,是提高系统调度灵活性的重要途径之一。根据用户的不同响应模式,需求侧响应主要分为基于电价的需求侧响(price-basedDR,PDR)和基于激励的需求侧响应(incentive-basedDR,IDR)2种。其中,IDR通过调度管理者制定的用电激励政策,并与需求侧响应实施机构签署合同进行约束,从而使电力用户削减、中断或增加电力负荷,通常被看做可调度的需求侧资源,可为电力系统提供一定的上行和下行备用,具有快速响应能力,可参与15~60min和>1h的中、长时间尺度的灵活性调节,其调节资源的大小主要由需求侧响应实施机构的用电负荷大小和其自身最大出力变化限制决定。
FL,+=min{PL,0,ΔPL,-,max} (17)
FL,-=min{PL,max-PL,0,ΔPL,+,max} (18)
式中:PL,0、PL,max分别为可控负荷当前时刻出力和最大出力;ΔPL,-,max、ΔPL,+,max分别为可控负荷自身的向上和向下最大出力变化限制,其数值与具体的负荷特性相关。
步骤3:多时间尺度下的灵活性评估
(1)多时间尺度灵活性评估指标
在此,提出灵活性充裕度的概念,这里分为上调灵活性充裕度与下调灵活性充裕度,系统灵活性充裕度为τ时间尺度内两中的小者。具体公式如下:
式中,FAde(t,τ)为系统灵活性充裕度;FS(t,τ)为系统灵活性总供给,包含常规机组、储能等;FD(t,τ)为系统灵活性总需求。当FAde(t,τ)≥0时,代表τ时间尺度内系统灵活性充裕;反之代表系统灵活性不足。
1)灵活性不足概率
对灵活性资源低于灵活性需求的灵活性不足爬坡段进行统计,得到灵活性不足概率Plack如下式:
式中,n为灵活性不足爬坡段的数量,N为系统总的爬坡段数量。
2)灵活性裕度期望
为反映系统整体灵活性充裕情况,定义灵活性裕度期望Eflex如下式:
ΔFflex,i=Fi-Di (23)
式中:ΔEflex,i、Fi和Di分别为第i个爬坡段的灵活性裕度、资源和需求;Pres为系统风光装机总量。
3)灵活性不足期望
该指标关注灵活性不足爬坡段的灵活性空缺情况,统计灵活性裕度小于零的爬坡段灵活性缺额,计算样本期望,以此反映系统灵活性空缺的严重程度,如下式:
ΔFlack,i={|ΔFflex,i||ΔFflex,i<0|} (25)
式中,ΔFlack,i为第i个爬坡段的灵活性缺额大小。
4)尺度加权灵活性指标
为直观反映系统整体上的灵活性,对系统在各时间尺度上的灵活性评估结果进行综合考虑,故定义尺度加权灵活性指标Flexsys。比较各尺度下单位时间内的灵活性需求大小,对单位时间内波动性越强的时间尺度下的灵活性给予更多的关注,最后通过单位时间下的灵活性需求大小分配权重,对各尺度下的灵活性指标进行加权求和,形成尺度加权灵活性指标Fsys。其中,各尺度指标权重由单位时间下的平均灵活性需求大小决定,能有效突出剧烈波动对系统整体灵活性的影响。
式中,分别为综合反映k个尺度下灵活性的尺度加权灵活性不足概率、灵活性裕度期望和灵活性不足期望;ωi为尺度i的分配权重;/>为尺度i的单位灵活性需求大小。
在上述建立的灵活性评估体系中,灵活性不足概率和灵活性裕度期望通过系统各尺度下的灵活性资源与灵活性需求的比较,反映系统在各尺度下的灵活性充裕情况,越小的灵活性不足概率和越大的灵活性裕度期望,表示系统在该时间尺度上具有更高的灵活性;灵活性不足期望指标则用于对系统灵活性不足的程度进行挖掘,越高的灵活性不足期望意味着在灵活性需求过大的场景下,系统面临着更大的灵活性缺额带来的风险;最后通过对尺度加权灵活性指标的分析,直观地反映系统整体的灵活性充裕程度和灵活性不足程度,从而实现对系统灵活性的多尺度综合评估。
(2)多时间尺度灵活性评估步骤
为简化计算过程,避免长时间机组组合带来的巨大计算量,基于可自适应生成聚类数的AP聚类算法,以日周期为场景时长,将一年内的净负荷历史出力按照相似度划分为多个日出力模式,分别对各聚类模式进行机组组合和灵活性评估,并形成系统多尺度灵活性评估结果。评估算法实施步骤如图5所示,从图5可以总结出评估步骤如下:
1)根据负荷、风电和光伏历史出力曲线形成日内净负荷曲线,通过AP聚类算法,将一年内的净负荷历史出力按照相似度划分为多个日出力模式;
2)基于多尺度形态学算法对日内净负荷曲线进行多时间尺度分解,划分为多个波动频段下的净负荷分量曲线。通过波形辨识划分向上爬坡集和向下爬坡集,得到各时间尺度下的向上/向下灵活性需求;
3)对各出力模式的日内净负荷曲线进行机组组合,获取对应的系统各类型可控机组运行状态,并根据各类型可控机组的运行状态、出力调节特性和波动周期计算不同波动时间尺度下的向上/向下灵活性资源;
4)通过对同一时间尺度下的灵活性资源与需求的匹配分析,计算各时间尺度的向上/向下灵活性不足概率、灵活性不足和裕度期望指标,加权形成系统灵活性评估综合指标。
所述新型电力系统灵活性资源价值评价的方法具体包括如下内容:
步骤Ⅰ:评价指标选取原则
灵活性资源评价是在一个固定时间节点或时间段内对各类灵活性资源价值高低进行评判比较的认知过程。评价指标的科学性是客观评价的基础,灵活性资源种类繁多、技术经济特征各异,为有效评价多种灵活性资源的价值,应当充分考虑可行性、通用性、系统性、科学性、客观性、实用性等原则。为保证综合评价的科学性与合理性,指标体系的筛选和提炼应按照以下几个原则进行。
(1)可行性原则
可行性原则是指推进灵活性资源价值评价工作的指标获取必须是可行的,指标和评价标准的制订应在充分了解灵活性资源本质特征、使用特点、适用情况等特性基础上,尽可能采用相对成熟和公认的指标。在开展综合评价分析时,所选指标应该是易于直接获取或计算的,如出现指标值缺失或不易量化等情况,可以使用合理的近似指标整体替换,对一些有意义但获取成本太大的指标,可暂不将这类指标纳入数据指标体系,待以后技术进步再将其纳入数据指标体系。
(2)通用性原则
通用性原则是指在灵活性资源各个发展阶段,如萌芽阶段、初步阶段、发展阶段、成熟阶段,该指标都能很好地反应灵活性资源的特征,该指标不会随着灵活性资源发展阶段的不同而消失。灵活性资源发展趋势快,不同时期的应用情况也会具有不同特点,需保证指标的通用性。
(3)系统性原则
电化学储能、需求侧响应、虚拟电厂等灵活性资源各具特征,为综合性地评价灵活性资源的价值,应尽可能对比挖掘不同类型灵活性资源存在的共有特征,建立系统性的评价指标体系。为了避免灵活性资源价值评价指标体系中存在不必要的冗余知识,要求在指标选取时尽量以较少的指标数量和简单明了地全面地反映评价对象的内容。因此,在设计指标时,必须考虑指标间的联系,从大量的备选指标中选择出最能描述和代表一级评价指标的一个或多个二级指标,使选取的二级指标在解释一级评价指标时不相互重叠,尽量避免重复和冗杂的情况。
(4)科学性原则
灵活性资源价值评价指标体系的建立是一个科学、客观的过程,评价体系的设计需要以科学理论作为基础、支撑,应从多维度、多层次的角度出发进行指标选取,以此来尽可能的避免设计的模型出现重大漏洞。因此,在构建指标时,需要在对系统充分了解、充分钻研的基础上,紧紧抓住评价对象最本质的特征进行客观的描述。
(5)客观性原则
灵活性资源是一个较为宏观、新颖的概念,在建立评价指标体系时,应注意参与指标评价和确定人员的代表性和权威性,尽量避免类似专家意见等主观性指标的出现,主观指标的数量过多不仅会降低评价指标体系的客观性,而且会导致评价结果的失真。将定性和定量分析法相结合,可在借鉴专家经验基础上,保证数据的客观性,从而提高评价结果的客观准确性。
(6)实用性原则
实用性原则是指指标体系简单实用。能反应灵活性资源价值的指标很多,但有些指标设定不合理,计算公式复杂,数据难以获得。在保证评价结果合理准确的前提下,应当避免选取不易量化及测度的指标,使用易获取易计算的指标进行替代,建立具有实际使用价值的评价体系。
步骤II:指标体系选取依据
(1)准则层选取
灵活性资源参与电力市场运行,可能存在多方面的价值。为选取合适的评价指标,首先应全面识别灵活性资源在电力市场中的价值分类。本部分通过文献分析法,对价值评价、电化学储能、需求侧响应、虚拟电厂等灵活性资源相关因素进行识别和挖掘。文献数据来自CNKI及Web of Science数据库,主要研究了《Applied Energy》、《太阳能学报》、《华东电力》、《资源科学》、《水力发电学报》、《水利水电技术》、《财会月刊》等多专业SCI、CSSCI、EI、北大核心期刊及相关博士论文,研究成果如表1所示。文献分析表明,在各类资源价值评价及灵活性资源相关研究中,技术价值、经济价值、环境价值指标提及频次最高,本文将环境指标与社会指标聚类为单一社会指标。综上本文准则层划分为技术价值、经济价值及社会价值。
表1准则层指标选取文献分析结果指标层选取
以下从技术价值、经济价值及社会价值三个方向论述本发明价值评价指标。
1)技术价值
技术价值是指一项技术能够造福人类及社会所带来的价值。在此指灵活性资源参与电力系统运行后,能够使电力系统某些性能指标得到提高的价值,还包括灵活性资源本身具备的特征。
根据《GB 51048-2014电化学储能电站设计规范》、《DL/T 793.1-2017发电设备可靠性评价规程第1部分:通则》、《DL/T 837-2020输变电设施可靠性评价规范》、《DL/T 989-2013直流输电系统可靠性评价规程》、《DL/T 1815-2018电化学储能电站设备可靠性评价规程》、《GB/T 36549-2018电化学储能电站运行指标及评价》、《GB/T 32127-2015需求响应效果监测与综合效益评价导则》、《DL/T 2162-2020用户参与需求响应基线负荷评价方法》,确定高比例新能源电力系统灵活性资源价值评价技术价值指标为可提高的供电可靠率、可提高的设备使用率、可降低的资源利用率、可节约厂址占地率、响应时间及技术成熟度。
2)经济价值
经济价值是指灵活性资源参与高比例新能源电力系统运行获得的货币。从灵活性资源本体特征及参与方式可知,灵活性资源的使用无法获得直接经济价值,但可以从发电侧、电网侧等处获得间接经济价值,发电侧的主要费用为发电建设费用,电网侧的主要费用为电网建设费用,发电侧及电网侧的运行维护均需消耗费用。
根据《GB/T 36549-2018电化学储能电站运行指标及评价》、《GB/T 32127-2015需求响应效果监测与综合效益评价导则》,确定高比例新能源电力系统灵活性资源价值评价经济价值指标为可节约的电网建设费用、可节约的发电建设费用、可节约的运行维护费用。
3)社会价值
社会价值是指灵活性资源满足电力系统用户物质和精神需要的价值,灵活性资源参与电力系统运行,在提高供电可靠率等相关指标的同时能提高工业、商业、居民等用户对电力系统的满意度。
本发明社会价值中也包含灵活性资源对生态环境的价值。在电力系统的运行全过程周期中,生产电能是造成污染最高的部分之一。灵活性资源参与电力系统运行,如果能降低污染物的排放量,就表示灵活性资源具有一定的社会价值。目前电能大部分由火电厂燃煤生产,根据《DL/T 1264-2013火电厂环境统计指标》,生产电能造成的污染主要包括:碳排放、硫化物、氮氧化物、固体废物。
因此确定高比例新能源电力系统灵活性资源价值评价社会价值指标为可降低的碳排放量、可降低的硫化物排放量、可降低的氮氧化物排放量、可降低的固体废物排放量及可提高的用户满意度。
步骤Ⅲ:灵活性资源价值评价体系
价值是指灵活性资源在单位成本下能够为电力系统或社会提供的效果。由于需求侧响应、虚拟电厂目前尚在示范工程及试点阶段,指标数据收集难度较大,样本数量小,且该两种灵活性资源容量对成本敏感度低(如同样在电网侧或用户侧安装需求侧响应/虚拟电厂设备,所获得的容量与发电侧或用户容量关联性较大,而成本增加值相对于容量的变化可忽略不计),为建立符合评价指标原则的指标体系,本文灵活性资源价值评价指标均考虑在单位成本下的技术价值、经济价值及社会价值。构建新型电力系统灵活性资源价值评价指标体系如表2所示:
表2新型电力系统灵活性资源价值评价指标体系
(1)技术价值指标
灵活性资源在电力系统中的价值首先应考虑其技术价值。灵活性资源接入电力系统后,是否能为电力系统提供更多、更经济的灵活调节能力取决于灵活性资源技术特性与电力系统要求的匹配度,技术价值指标应全面地考虑供电可靠率、设备使用率、节约厂址占地、响应时间、技术成熟度等技术特性,尽可能准确地评价灵活性资源在电力系统中的技术价值。
1)单位成本可提高的供电可靠率
供电可靠率是电力系统持续提供电能的能力,是电能质量的重要考核指标之一,反应了电力系统对国民生活及国家经济电力需求的满足程度,是一个地区乃至国家经济发达程度的重要指标。根据相关文件,2020年用户平均停电时间为13.72小时/户。供电可靠率指标采用用户平均停电时间来表示,计算公式为:
式中,Rj为第j种灵活性资源使用后可提高的供电可靠率;为第j种灵活性资源使用后的用户平均停电时间(h);/>为第j种灵活性资源使用前的用户平均停电时间(h);h为计算当年的全年小时数(h)。
2)单位成本可提高的设备使用率
设备使用率是指电力系统各个阶段电气设备实际使用时间占计划使用时间的比例,包括发电侧设备、电网侧设备及用电侧设备等。在电力系统建设资金中,各类设备资金占比较高,电气设备使用率的提高,可以使整个电力系统使用效率得到提高,实现灵活性资源在电力系统中的价值。灵活性资源可提高的设备使用率是指灵活性资源在参与电力系统运行一段时间后,参与前后的电力系统设备使用率变化值。
3)单位成本可提高的资源利用率
资源利用率是指单位产值下各类能源的消耗量。灵活性资源可提高的资源利用率是指灵活性资源在参与电力系统运行一段时间后,参与前后的资源利用率变化值。资源利用率越高,说明整个电力系统使用资源的效率越高;反之说明效率越低。
4)可节约厂址占地率
灵活性资源可节约厂址占地率,是指电化学储能、需求侧响应、虚拟电厂三种灵活性资源中,项目实施厂址占地面积较小的两者,与面积占用最大者相比能够节约的比例,计算公式为:
式中,Ej为第j种灵活性资源节约厂址占地率,其中Ej∈[0,1];Smax为灵活性资源项目厂址占地面积最大者的占地面积(m2);Sj为第j种灵活性资源项目实施厂址占地面积(m2)。
5)响应时间
灵活性资源响应时间,是指电化学储能、需求侧响应、虚拟电厂从接到相应动作指令到完成出力的时间t。响应时间越快,说明灵活性资源在削峰填谷、安全支撑、备用及调频等场景下拥有更高的价值。电化学储能、需求侧响应、虚拟电厂响应时间均为秒级。
6)技术成熟度
技术成熟度原指科学技术成果的技术水平、工艺水平、生产流程、配套设施、资源禀赋程度、技术全寿命周期等方面所具备的产业化程度。在灵活性资源价值评价指标中,技术成熟度指灵活性资源技术的发展时间、科学研究情况,包括论文数量及专利数量,计算公式为
Mj=a1*M1+a2*M2+a3*M3 j=1,2,3 (33)式中,Mj为第j种灵活性资源的技术成熟度;M1为该灵活性资源从概念提出到目前的发展时间(a);M2中国知网检索该灵活性资源后的论文数量(篇);M3为中国知网检索该灵活性资源后的专利数量(件);a1为灵活性资源发展时间系数;a2为灵活性资源论文数量系数;a3为灵活性资源专利数量系数。
(2)经济价值指标
经济性是保证灵活性资源在电力系统中运用可行性的必要条件,也是灵活性资源在电力系统中获得直接收益的主要手段。本部分经济价值指标主要是指使用灵活性资源前后可节约的费用,包括电网侧可节约的电网建设费用及可节约的运行维护费用,还包括发电侧的可节约发电建设费用。
1)单位成本可节约的电网建设费用
电网建设费用是指在电力系统运行过程中,考虑电力市场价格和激励机制,灵活性资源参与电网系统运行,能够降低电网设备与电力线路本体因年负荷增长率而增加的电网建设扩容费用。灵活性资源可节约的电网建设费用计算公式为:
式中,F1 j为第j种灵活性资源可节约的电网建设费用(万元);为第j种灵活性资源可节约的电网侧峰值容量(kW);N1为该地区电网侧总容量(kW);FD为该地区电网侧总建设费用(万元);/>为第j种灵活性资源延缓电网建设的年限(a);/>为第j种灵活性资源使用后的电网侧峰谷差比率;λ1为电网侧年负荷增长率;i为年基准利率。
2)单位成本可节约的发电建设费用
发电建设费用是指由于工业、居民生活等用电需求量增大,需求量超过了目前可供给的发电量,因此需要建设新的发机组等设备。灵活性资源在电力系统中的广泛使用,尤其是削峰填谷、安全支撑、调频等场景下,能够有效延缓发电机组等设备的新建,可为发电侧带来收益即价值,计算公式为:
式中,为第j种灵活性资源可节约的发电建设费用(万元);/>为第j种灵活性资源可节约的发电侧峰值容量(kW);N2为该地区发电侧总容量(kW);FF为该地区发电侧总建设费用(万元);/>为第j种灵活性资源延缓发电建设的年限(a);/>为第j种灵活性资源使用后的发电侧峰谷差比率;λ2为发电侧年负荷增长率;i为年基准利率。
3)单位成本可节约的运行维护费用
发电企业及电网企业每年需要对设备、线路等进行运行维护保修,灵活性资源参与电力系统运行,在降低发电侧容量及电网侧容量的同时,也降低了发电企业及电网企业需要支出的运行维护费用。计算公式为:
式中,为第j种灵活性资源可节约的运行维护费用(万元);FDY为该地区电网侧每年总运行维护费用(万元);FFY为该地区发电侧每年总运行维护费用(万元)。
(3)社会价值指标
灵活性资源在电力系统中除经济价值外,还包括社会价值。中国计划于2060年前实现碳中和,提高灵活性资源的使用程度可以更好地实现该目标,社会价值应当包括可降低的碳排放量、硫化物排放量、氮氧化物排放量、固体废物排放量。灵活性资源在提高电力系统各项指标的同时还能优化环境,也提高了工业、商业、居民等用户的满意度。
1)单位成本可降低的碳排放量
碳排放量是指在电力系统中,指发电企业通过燃烧煤炭排放的碳的数量,灵活性资源参与电网运行中,能够降低发电企业燃煤数量,从而降低发电企业的碳排放量。计算公式为:
λc=αc·γc (40)
式中,为第j种灵活性资源可降低的碳排放量(万吨);λc为碳排放量减排系数;Cj为第j种灵活性资源可降低的煤炭消耗量(万吨);αc为发电侧所消耗煤炭的含碳率;γc为燃煤过程中碳释放率;kc为燃煤过程中碳释放率为标准煤炭折算为燃煤的系数;bc为发电侧每生产一度电所用煤耗(kg/kWh);/>为第j种灵活性资源可节约的发电侧电量(kWh)。
2)单位成本可降低的硫化物排放量
硫化物排放量是指在电力系统中,发电企业通过燃烧煤炭排放的硫化物的数量,灵活性资源参与电网运行中,能够降低发电企业燃煤数量,从而降低发电企业的硫化物排放量。计算公式为:
λs=αs·γs (43)式中,为第j种灵活性资源可降低的硫化物排放量(万吨);λs为硫化物减排系数;αs为发电侧所消耗煤炭的含硫率;γs为燃煤过程中硫化物释放率。
3)单位成本可降低的氮氧化物排放量
氮氧化物排放量是指在电力系统中,发电企业通过燃烧煤炭排放的氮氧化物数量,灵活性资源参与电网运行中,能够降低发电企业燃煤数量,从而降低氮氧化物排放量。计算公式为:
λNO=αNO·γNO (45)式中,为第j种灵活性资源可降低的氮氧化物排放量(万吨);λNO为氮氧化物减排系数;αNO为发电侧所消耗煤炭的含氮氧化物率;γNO为燃煤过程中氮氧化物释放率。
4)单位成本可降低的固体废物排放量
固体废物排放量是指在电力系统中,发电企业通过燃烧煤炭排放的固体废物的数量,灵活性资源参与电网运行中,能够降低发电企业燃煤数量,从而降低发电企业的固体废物排放量。计算公式为:
λG=αG·γG (47)
式中,为第J种灵活性资源可降低的固体废物排放量(万吨);λG为固体废物减排系数;αG为发电侧所消耗煤炭的含固体废物率;γG为燃煤过程中固体废物释放率。
5)单位成本可提高的用户满意度
用户满意度,也叫用户满意指数,是一个相对概念。灵活性资源可提高的用户满意度是指灵活性资源参与电力系统运行后,用户对电力系统各项满意程度百分比的増加值。计算公式为:
式中,Sj为第j种灵活性资源可提高的用户满意度;为第j种灵活性资源参与电力系统运行后用户的满意度;/>为第j种灵活性资源参与电力系统运行前用户的满意度。
实施例
考虑风电和光伏波动的多时间尺度差异对电力系统灵活性的影响,提出了一种有效区分多时间尺度灵活性需求的电力系统灵活性评估指标及其计算方法。该方法包含如下内容:
所述电力系统灵活性评估指标的方法包括如下步骤:
步骤1:基于多尺度形态学的灵活性需求分析。基于WMMF滤波器的数学形态学算法对净负荷曲线进行不同频段的波动性分解,步骤如下:首先,提取输入时间序列的极值序列,计算相邻极值的间隔时差分布,据此进行时间尺度划分,构建划分时间尺度下的结构元素。其次,根据式(6)计算时间尺度下的滤波结果。最后,根据式(5)将各时间尺度下的滤波结果加权叠加,形成WMMF滤波结果。提取不同波动速率下的向上、向下灵活性需求,从而实现对可用灵活性资源的分类评估和调配。多尺度形态学的分解效果图如图2所示,将净负荷波动划分为3个频段:快速(<15min)、中速(15~60min)和慢速(>1h),分别评估其灵活性需求。
步骤2:多时间尺度下的灵活性资源分析。基于多时间尺度分别对各可控机组的灵活调节能力进行分析,建立可控机组在不同波动时间尺度下的调节能力模型,主要包括常规火电厂、可调节水电站、抽水蓄能电站、电化学储能、虚拟电厂和需求侧响应。
步骤3:多时间尺度下的灵活性评估:包括灵活性评估指标和灵活性评估步骤。首先,通过同一时间尺度下的灵活性资源与需求的匹配分析,计算出各时间尺度的向上、向下灵活性不足概率、不足期望和裕度期望指标,进而加权形成系统灵活性评估综合指标;其次,提出灵活性评估的具体步骤,如图5所示。
所述电力系统灵活性资源价值评价方法包括如下步骤:
步骤Ⅰ:评价指标选取原则。通过阅读大量相关文献,充分考虑评价指标的可行性、通用性、系统性、科学性、客观性及实用性原则。
步骤II:指标体系选取依据。在充分考虑指标选取原则和灵活性资源典型应用场景及应用模式的基础上,通过对比分析各种灵活性资源的用途及使用效果,如表1所示,从技术价值、经济价值、社会价值等维度选取多层级灵活性资源价值评价指标。
步骤Ⅲ:灵活性资源价值评价体系。综合电化学储能、需求侧响应、虚拟电厂三种高比例新能源电力系统灵活性资源的特征,从技术价值、经济价值及社会价值三个维度出发,逐条细致论述了14个评价指标的详细定义及对应计算公式,构建新型电力系统灵活性资源价值评价指标体系如表2所示。
本发明针对风光出力的多时间尺度特性,综合考虑净负荷在不同时间尺度和不同方向上的波动,提出了一种新型电力系统多时间尺度灵活性评估及资源价值评价方法。所述的多时间尺度灵活性评估的方法,基于加权多尺度形态学滤波器,采用数学形态学算法对净负荷曲线进行多时间尺度分解,得到可独立反映不同频段波动特性的一组时间序列分量,体现不同时间尺度的向上、向下灵活性需求。然后建立系统内不同类型可控机组在不同调节速率区间下的调节能力模型,形成多时间尺度灵活性资源调节区间。通过同一时间尺度下的灵活性资源与需求的匹配分析,简单直观地计算出各时间尺度的向上、向下灵活性不足概率、不足期望和裕度期望指标,进而加权形成系统灵活性评估综合指标。所述的灵活性资源价值评价方法,从技术价值、经济价值及社会价值三个维度出发,构建了新型电力系统灵活性资源价值评价体系。该方法可为灵活性评估和灵活性资源价值评价分析提供新的角度和方法,可对不同灵活性资源进行综合比较,为实际灵活性资源项目的实施应用提供参考。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是本发明的原理,在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。
Claims (9)
1.新型电力系统多时间尺度灵活性评估及资源价值评价方法,包括电力系统灵活性评估指标的方法以及灵活性资源价值评价方法,其特征为:
所述电力系统灵活性评估指标的方法包括如下步骤:
步骤1:基于多尺度形态学的灵活性需求分析:从需求分析出发,采用基于WMMF滤波器的数学形态学算法对净负荷曲线进行不同频段的波动性分解,提取不同波动速率下的向上、向下灵活性需求;
步骤2:多时间尺度下的灵活性资源分析:基于多时间尺度分别对各可控机组的灵活调节能力进行分析,建立可控机组在不同波动时间尺度下的调节能力模型;
步骤3:多时间尺度下的灵活性评估:包括灵活性评估指标和灵活性评估步骤:首先,通过同一时间尺度下的灵活性资源与需求的匹配分析,计算出各时间尺度的向上、向下灵活性不足概率、不足期望和裕度期望指标,进而加权形成系统灵活性评估综合指标;其次,提出灵活性评估的具体步骤;
所述灵活性资源价值评价方法包括如下步骤:
步骤Ⅰ:评价指标选取原则:充分考虑评价指标的可行性、通用性、系统性、科学性、客观性及实用性原则;
步骤Ⅱ:指标体系选取依据:通过对比分析各种灵活性资源的用途及使用效果,从技术价值、经济价值、社会价值维度,提炼表征各灵活性资源价值的各类指标,选取多层级灵活性资源价值评价指标;
步骤Ⅲ:灵活性资源价值评价体系:综合电化学储能、需求侧响应、虚拟电厂三种高比例新能源电力系统灵活性资源的特征,从技术价值、经济价值及社会价值三个维度出发,论述各评价指标的定义及对应计算公式。
2.根据权利要求1所述的新型电力系统多时间尺度灵活性评估及资源价值评价方法,其特征为:所述步骤1包括以下内容:加权多尺度形态学滤波器组(weighting multi-scalemorphology filter,WMMF)的数学表达式为:
式中,输入信号f(n)为定义在定义域上F={0,1,···N-1}上的离散函数,结构元素g(n)为定义在定义域G={0,1,···M-1}上的离散函数,且N≥M;为各尺度结构元素滤波结果的权重,为减少小尺度结构元素滤波结果中的噪声对最终滤波结果的影响,权重/>的取值由各尺度滤波噪声的方差值决定;o表示开运算;·表示闭运算:
式中,为各尺度结构元素滤波结果的权重;/>为尺度si下的滤波差值的方差。
3.根据权利要求2所述的新型电力系统多时间尺度灵活性评估及资源价值评价方法,其特征为:所述步骤1进一步包括以下内容:WMMF滤波器的数学形态分解算法步骤:
(1)提取输入时间序列的极值序列,计算相邻极值的间隔时差分布,据此进行时间尺度划分,构建划分时间尺度j下的结构元素gj;
(2)根据式(6)计算时间尺度j下的滤波结果;
(3)根据式(5)将各时间尺度下的滤波结果加权叠加,形成WMMF滤波结果。
4.根据权利要求1所述的新型电力系统多时间尺度灵活性评估及资源价值评价方法,其特征为:所述步骤2包括以下内容:含风电、光伏电力系统灵活性资源主要包括经灵活性改造后的火电厂、具有调节能力的水电站、抽水蓄能电站、电化学储能装置、虚拟电厂和需求侧可控负荷;分别对各可控机组的灵活调节能力进行分析,建立系统内不同类型可控机组在不同波动时间尺度下的调节能力模型。
5.根据权利要求1所述的新型电力系统多时间尺度灵活性评估及资源价值评价方法,其特征为:所述步骤3的灵活性评估指标包括如下内容:
(1)灵活性不足概率:对灵活性资源低于灵活性需求的灵活性不足爬坡段进行统计,得到灵活性不足概率Plack如下式:
式中,n为灵活性不足爬坡段的数量,N为系统总的爬坡段数量;
(2)灵活性裕度期望:为反映系统整体灵活性充裕情况,定义灵活性裕度期望Eflex如下式:
ΔFflex,i=Fi-Di(23)式中:ΔEflex,i、Fi和Di分别为第i个爬坡段的灵活性裕度、资源和需求;Pres为系统风光装机总量;
(3)灵活性不足期望:该指标关注灵活性不足爬坡段的灵活性空缺情况,统计灵活性裕度小于零的爬坡段灵活性缺额,计算样本期望,以此反映系统灵活性空缺的严重程度,如下式:
ΔFlack,i={|ΔFflex,i||ΔFflex,i<0|} (25)
式中,ΔFlack,i为第i个爬坡段的灵活性缺额大小;
(4)尺度加权灵活性指标:比较各尺度下单位时间内的灵活性需求大小,对单位时间内波动性越强的时间尺度下的灵活性给予更多的关注,最后通过单位时间下的灵活性需求大小分配权重,对各尺度下的灵活性指标进行加权求和,形成尺度加权灵活性指标Fsys,其中,各尺度指标权重由单位时间下的平均灵活性需求大小决定,能有效突出剧烈波动对系统整体灵活性的影响:
式中,分别为综合反映k个尺度下灵活性的尺度加权灵活性不足概率、灵活性裕度期望和灵活性不足期望;ωi为尺度i的分配权重;/>为尺度i的单位灵活性需求大小。
6.根据权利要求1所述的新型电力系统多时间尺度灵活性评估及资源价值评价方法,其特征为:所述步骤3的灵活性评估步骤如下:
(1)根据负荷、风电和光伏历史出力曲线形成日内净负荷曲线,通过AP聚类算法,将一年内的净负荷历史出力按照相似度划分为多个日出力模式;
(2)基于多尺度形态学算法对日内净负荷曲线进行多时间尺度分解,划分为多个波动频段下的净负荷分量曲线;通过波形辨识划分向上爬坡集和向下爬坡集,得到各时间尺度下的向上/向下灵活性需求;
(3)对各出力模式的日内净负荷曲线进行机组组合,获取对应的系统各类型可控机组运行状态,并根据各类型可控机组的运行状态、出力调节特性和波动周期计算不同波动时间尺度下的向上/向下灵活性资源;
(4)通过对同一时间尺度下的灵活性资源与需求的匹配分析,计算各时间尺度的向上/向下灵活性不足概率、灵活性不足和裕度期望指标,加权形成系统灵活性评估综合指标。
7.根据权利要求1所述的新型电力系统多时间尺度灵活性评估及资源价值评价方法,其特征为:所述灵活性资源价值评价方法包括如下内容:
(1)首先,充分考虑评价指标的可行性、通用性、系统性、科学性、客观性及实用性原则;
(2)其次,在充分考指标选取原则的基础上,通过对比分析各种灵活性资源的用途及使用效果,从技术价值、经济价值、社会价值维度,充分考虑技术成熟度、节约厂址占地、环境适应性、节约费用等方面,提炼表征各灵活性资源价值的各类指标,选取多层级灵活性资源价值评价指标;
(3)最后,从技术价值、经济价值及社会价值三个维度构建新型电力系统灵活性资源价值评价指标体系,包括供电可靠率、设备使用率、资源利用率、技术成熟度、运行维护费用、电网建设费用、碳排放量、用户满意度在内的价值评价指标及计算公式。
8.一种非易失性存储介质,其特征在于,所述非易失性存储介质包括存储的程序,其中,所述程序运行时控制非易失性存储介质所在的设备执行权利要求1至7中任意一项所述的方法。
9.一种电子装置,其特征在于,包含处理器和存储器;所述存储器中存储有计算机可读指令,所述处理器用于运行所述计算机可读指令,其中,所述计算机可读指令运行时执行权利要求1至7中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211490759.3A CN116502927A (zh) | 2022-11-25 | 2022-11-25 | 新型电力系统多时间尺度灵活性评估及资源价值评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211490759.3A CN116502927A (zh) | 2022-11-25 | 2022-11-25 | 新型电力系统多时间尺度灵活性评估及资源价值评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116502927A true CN116502927A (zh) | 2023-07-28 |
Family
ID=87317197
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211490759.3A Pending CN116502927A (zh) | 2022-11-25 | 2022-11-25 | 新型电力系统多时间尺度灵活性评估及资源价值评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116502927A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116911695A (zh) * | 2023-09-12 | 2023-10-20 | 北京工业大学 | 一种灵活性资源充裕度评价方法和装置 |
-
2022
- 2022-11-25 CN CN202211490759.3A patent/CN116502927A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116911695A (zh) * | 2023-09-12 | 2023-10-20 | 北京工业大学 | 一种灵活性资源充裕度评价方法和装置 |
CN116911695B (zh) * | 2023-09-12 | 2023-12-01 | 北京工业大学 | 一种灵活性资源充裕度评价方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yu et al. | Uncertainties of virtual power plant: Problems and countermeasures | |
Wu et al. | A DEMATEL-TODIM based decision framework for PV power generation project in expressway service area under an intuitionistic fuzzy environment | |
CN111985702B (zh) | 一种计及电能替代效果的园区级综合能源系统优化方法 | |
Ma et al. | Techno-economic potential evaluation of small-scale grid-connected renewable power systems in China | |
Fan et al. | A Bi-level optimization model of integrated energy system considering wind power uncertainty | |
CN110350527A (zh) | 一种含分布式电源的增量配电网双层优化配置方法 | |
Peng et al. | Research status and future of hydro-related sustainable complementary multi-energy power generation | |
Mourmouris et al. | Evaluation of renewable energy sources exploitation at remote regions, using computing model and multi-criteria analysis: A case-study in samothrace, Greece | |
CN112994115A (zh) | 一种基于wgan场景模拟和时序生产模拟的新能源容量配置方法 | |
CN116502927A (zh) | 新型电力系统多时间尺度灵活性评估及资源价值评价方法 | |
CN116362584A (zh) | 一种基于用户侧储能容量配置的经济性分析方法 | |
CN115659120A (zh) | 一种基于大数据的智慧碳排放监测平台 | |
Zhang et al. | Economic evaluation of Wind–PV–Pumped storage hybrid system considering carbon emissions | |
Liang et al. | Installed hydropower capacity and carbon emission reduction efficiency based on the EBM method in China | |
CN116362464A (zh) | 基于碳达峰目标的能源系统优化方法 | |
CN115660222A (zh) | 一种抽水蓄能电站的容量优化方法、装置及设备 | |
CN113344449B (zh) | 一种预测月尺度工业需水量的方法 | |
Dong et al. | Improving the accuracy of wind speed statistical analysis and wind energy utilization in the Ningxia Autonomous Region, China | |
CN107767018A (zh) | 基于改进vikor法的特高压电网综合效益评估方法 | |
CN112633762A (zh) | 楼宇能效获取方法及设备 | |
Morgenthaler et al. | Three stages in the co-transformation of the energy and mobility sectors | |
CN114662563A (zh) | 一种基于梯度提升算法的工业用电非侵入负荷分解方法 | |
Chen et al. | Evaluation indices set and decision-making method for regional “coal to electricity” optimal development mode | |
Song et al. | Design and Simulation of Power Grid Energy Saving Control Model | |
Robinson | Insurmountable opportunities? Canada's energy efficiency resources |
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 |