CN116796926A - 低压侧新能源资源聚合容量评估方法及装置、介质、设备 - Google Patents
低压侧新能源资源聚合容量评估方法及装置、介质、设备 Download PDFInfo
- Publication number
- CN116796926A CN116796926A CN202310803891.3A CN202310803891A CN116796926A CN 116796926 A CN116796926 A CN 116796926A CN 202310803891 A CN202310803891 A CN 202310803891A CN 116796926 A CN116796926 A CN 116796926A
- Authority
- CN
- China
- Prior art keywords
- new energy
- low
- power grid
- voltage side
- regional power
- 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
- 230000002776 aggregation Effects 0.000 title claims abstract description 51
- 238000004220 aggregation Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000005259 measurement Methods 0.000 claims abstract description 76
- 230000002159 abnormal effect Effects 0.000 claims description 23
- 238000005070 sampling Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000005286 illumination Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 13
- 238000010248 power generation Methods 0.000 claims description 9
- 230000005856 abnormality Effects 0.000 claims 1
- 239000000758 substrate Substances 0.000 claims 1
- 238000007405 data analysis Methods 0.000 abstract description 4
- 238000012216 screening Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (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
本申请公开了一种低压侧新能源资源聚合容量评估方法及装置、介质、设备,该方法包括:获取地区电网在预设天数内的负荷出力量测数据以及地区电网气象数据;根据所述负荷出力量测数据以及所述地区电网气象数据,计算所述地区电网的负荷出力基准值;基于所述负荷出力基准值,计算低压侧新能源资源聚合出力数据;根据所述低压侧新能源资源聚合出力数据,计算地区电网的低压侧新能源资源的聚合总容量。通过利用在地区电网获取的连续多日的负荷出力量测数据,结合地区电网的气象数据,基于大数据分析方法,计算地区电网负荷出力基准值,通过负荷出力基准值分析地区电网低压侧新能源聚合出力,从而达到对地区电网中低压侧新能源聚合容量快速评估的目的。
Description
技术领域
本申请涉及电力系统技术领域,尤其是涉及到一种低压侧新能源资源聚合容量评估方法及装置、介质、设备。
背景技术
目前我国的低压侧新能源资源仍然处于大规模并网的快速发展阶段,可以预见的是,在未来,低压侧新能源资源在电力系统中会成为一种大量存在的常态化发电资源。同时,低压侧新能源资源也随着天气的变化,出力存在时间、空间上的不确定性。当前低压侧新能源资源相较于其他发电资源,占发电资源总量的比重,还处于较低的水平,但是随着低压侧新能源资源并网规模的不断扩大,其对电网产生的影响也愈发重要,因此,快速、准确地评估地区电网的低压侧新能源资源便显得尤为重要。
由于低压侧新能源资源具有单体规模较小、整体数量较大、存在低电压接入电网、单体资源维护并网节点设备工作量大等特点,导致地区电网难以通过利用低压侧新能源单体资源,评估接入电网的低压侧新能源资源总量,无法真正实现对新能源资源提出的“可观、可测、可控、可调”的目标。
发明内容
有鉴于此,本申请提供了一种低压侧新能源资源聚合容量评估方法及装置、介质、设备,主要目的在于通过在地区电网中获取的连续多日的负荷出力实际量测数据,结合地区电网的气象数据,基于大数据分析方法,计算地区电网负荷出力基准值,通过负荷出力基准值,分析地区电网低压侧新能源资源聚合出力,从而达到对地区电网中低压侧新能源资源聚合容量快速评估的目的。
根据本申请的一个方面,提供了一种低压侧新能源资源聚合容量评估方法,所述方法包括:
获取地区电网在预设天数内的负荷出力量测数据以及地区电网气象数据;
根据所述负荷出力量测数据以及所述地区电网气象数据,计算所述地区电网的负荷出力基准值;
基于所述负荷出力基准值,计算低压侧新能源资源聚合出力数据;
根据所述低压侧新能源资源聚合出力数据,计算地区电网的低压侧新能源资源的聚合总容量。
可选地,所述地区电网气象数据包括光照强度数据。
可选地,所述根据所述负荷出力量测数据以及所述地区电网气象数据,计算所述地区电网的负荷出力基准值,包括:
在所述负荷出力量测数据中,获取所述预设天数中异常天数对应的第一负荷出力量测数据;
根据所述第一负荷出力量测数据以及所述异常天数,计算所述负荷出力基准值。
可选地,所述负荷出力基准值的计算表达式为:
其中,代表负荷x在第j次采样时出力基准值,/>代表第x个负荷在第i天的第j次采样时出力量测数据,n代表异常天数。
可选地,在所述负荷出力量测数据中,获取所述预设天数中正常天数对应的第二负荷出力量测数据;
计算所述第二负荷出力量测数据与所述负荷出力基准值的差值,得到所述低压侧新能源资源聚合出力数据。
可选地,所述根据所述低压侧新能源资源聚合出力数据,计算地区电网的低压侧新能源资源的聚合总容量,包括:
基于所述低压侧新能源资源聚合出力数据以及所述地区电网的气象数据,利用最小二乘法,获取低压侧新能源资源聚合容量;
基于所述低压侧新能源资源聚合容量以及地区电网中的负荷数量,计算所述地区电网的低压侧新能源资源的聚合总容量。
可选地,所述获取低压侧新能源资源聚合容量表达式为:
其中,ε代表最小二乘法计算误差,其值越小越好,N代表预设天数,代表负荷x上的低压侧新能源资源在第i天的第j次采样时的聚合出力,η代表低压侧新能源资源的发电效率,一般取0.9,Cx代表负荷x上的低压侧新能源资源的聚合容量,ki,j代表地区电网在第i天的第j次采样时光照强度,kmax代表地区电网在N天中达到的最大光照强度。
根据本申请的另一方面,提供了一种低压侧新能源资源聚合容量评估装置,所述装置包括:
获取模块,用于获取地区电网在预设天数内的负荷出力量测数据以及地区电网气象数据;
第一计算模块,用于根据所述负荷出力量测数据以及所述地区电网气象数据,计算所述地区电网的负荷出力基准值;
第二计算模块,用于基于所述负荷出力基准值,计算低压侧新能源资源聚合出力数据;
第三计算模块,用于根据所述低压侧新能源资源聚合出力数据,计算地区电网的低压侧新能源资源的聚合总容量。
可选地,所述获取模块,还用于:
所述地区电网气象数据包括光照强度数据。
可选地,所述第一计算模块,还用于:
在所述负荷出力量测数据中,获取所述预设天数中异常天数对应的第一负荷出力量测数据;
根据所述第一负荷出力量测数据以及所述异常天数,计算所述负荷出力基准值。
可选地,所述第一计算模块,还用于:
所述负荷出力基准值的计算表达式为:
其中,代表负荷x在第j次采样时出力基准值,/>代表第x个负荷在第i天的第j次采样时出力量测数据,n代表异常天数。
可选地,所述第二计算模块,还用于:
在所述负荷出力量测数据中,获取所述预设天数中正常天数对应的第二负荷出力量测数据;
计算所述第二负荷出力量测数据与所述负荷出力基准值的差值,得到所述低压侧新能源资源聚合出力数据。
可选地,第三计算模块,还用于:
基于所述低压侧新能源资源聚合出力数据以及所述地区电网的气象数据,利用最小二乘法,获取低压侧新能源资源聚合容量;
基于所述低压侧新能源资源聚合容量以及地区电网中的负荷数量,计算所述地区电网的低压侧新能源资源的聚合总容量。
可选地,第三计算模块,还用于:
所述获取低压侧新能源资源聚合容量表达式为:
其中,ε代表最小二乘法计算误差,其值越小越好,N代表预设天数,代表负荷x上的低压侧新能源资源在第i天的第j次采样时的聚合出力,η代表低压侧新能源资源的发电效率,一般取0.9,Cx代表负荷x上的低压侧新能源资源的聚合容量,ki,j代表地区电网在第i天的第j次采样时光照强度,kmax代表地区电网在N天中达到的最大光照强度。
依据本申请又一个方面,提供了一种存储介质,其上存储有计算机程序,所述程序被处理器执行时实现上述一种低压侧新能源资源聚合容量评估方法。
依据本申请再一个方面,提供了一种计算机设备,包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述一种低压侧新能源资源聚合容量评估方法。
借由上述技术方案,本申请提供的一种低压侧新能源资源聚合容量评估方法及装置、介质、设备,首先,获取地区电网在预设天数内的负荷出力量测数据以及地区电网气象数据,其次,根据所述负荷出力量测数据以及所述地区电网气象数据,计算所述地区电网的负荷出力基准值,基于所述负荷出力基准值,计算低压侧新能源资源聚合出力数据,最后,根据所述低压侧新能源资源聚合出力数据,计算地区电网的低压侧新能源资源的聚合总容量。本申请利用在地区电网中获取的连续多日的负荷出力实际量测数据,结合地区电网的气象数据,基于大数据分析方法,计算地区电网负荷出力基准值,通过负荷出力基准值,分析地区电网低压侧新能源资源聚合出力数据,从而达到对地区电网低压侧新能源资源聚合容量快速评估的目的。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1示出了本申请实施例提供的一种低压侧新能源资源聚合容量评估方法的流程示意图;
图2示出了本申请实施例提供的另一种低压侧新能源资源聚合容量评估方法的流程示意图;
图3示出了本申请实施例提供的一种低压侧新能源资源聚合容量评估装置的结构示意图;
图4示出了本申请实施例提供的一种计算机设备的装置结构示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本申请。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
在本实施例中提供了一种低压侧新能源资源聚合容量评估方法,如图1所示,该方法包括:
步骤101,获取地区电网在预设天数内的负荷出力量测数据以及地区电网气象数据。
步骤102,根据所述负荷出力量测数据以及所述地区电网气象数据,计算所述地区电网的负荷出力基准值。
步骤103,基于所述负荷出力基准值,计算低压侧新能源资源聚合出力数据。
步骤104,根据所述低压侧新能源资源聚合出力数据,计算地区电网的低压侧新能源资源的聚合总容量。
本申请实施例提供的低压侧新能源资源聚合容量评估方法,可以应用于地区电网中,用于对接入地区电网中的低压侧新能源资源聚合容量进行快速评估。首先,在地区电网中获取在预设天数内的负荷出力量测数据以及预设天数内的地区电网气象数据,其中,地区电网中包含多个负荷;其次,根据在地区电网中获取的负荷出力量测数据以及地区电网气象数据,计算地区电网的负荷出力基准值,并根据得到的负荷出力基准值,计算低压侧新能源资源聚合出力数据,最后,根据得到的低压侧新能源资源聚合出力数据,并结合地区电网中负荷数量,计算地区电网的低压侧新能源资源的聚合总容量。
可选地,步骤101包括:所述地区电网气象数据包括光照强度数据。
通过应用本实施例的技术方案,根据获取的地区电网在预设天数内的负荷出力量测数据以及预设天数内的地区电网气象数据,计算地区电网的负荷出力基准值,并根据得到的负荷出力基准值,计算低压侧新能源资源聚合出力数据,根据得到的低压侧新能源资源聚合出力数据,并结合地区电网中负荷数量,计算地区电网的低压侧新能源资源的聚合总容量。从而实现了对接入地区电网的低压侧新能源资源聚合容量的快速评估,达到了对低压侧新能源资源提出的“可观、可测、可控、可调”的目标。
进一步的,作为上述实施例具体实施方式的细化和扩展,为了完整说明本实施例的具体实施过程,提供了另一种低压侧新能源资源聚合容量评估方法,如图2所示,该方法包括:
步骤201,获取地区电网在预设天数内的负荷出力量测数据以及地区电网气象数据。
在本申请实施例中,首先获取地区电网预设天数内的负荷出力量测数据以及预设天数内地区电网气象数据,其中,地区电网包含多个负荷;预设天数即连续多日。
步骤202,在所述负荷出力量测数据中,获取所述预设天数中异常天数对应的第一负荷出力量测数据。
步骤203,根据所述第一负荷出力量测数据以及所述异常天数,计算所述负荷出力基准值。
接着,在获取地区电网预设天数内的负荷出力量测数据以及预设天数内地区电网气象数据后,在预设天数中筛选出异常天数,即天气情况较差、光照强度较弱的天数,根据异常天数,在负荷出力量测数据中筛选出异常天数对应的第一负荷出力量测数据,根据第一负荷出力量测数据以及异常天数,计算负荷出力基准值,即异常天数的负荷出力均值,其中,负荷出力基准值计算表达式为:
其中,以15min为采样间隔,代表负荷x在第j次采样时出力基准值,/>代表第x个负荷在第i天的第j次采样时出力量测数据,n代表异常天数。
步骤204,在所述负荷出力量测数据中,获取所述预设天数中正常天数对应的第二负荷出力量测数据。
步骤205,计算所述第二负荷出力量测数据与所述负荷出力基准值的差值,得到所述低压侧新能源资源聚合出力数据。
接着,在计算出负荷出力基准值后,在预设天数中筛选出正常天数,即天气情况较好,光照强度较好的天数,根据正常天数,在负荷出力量测数据中筛选出正常天数对应的第二负荷出力量测数据,并计算第二负荷出力量测数据与负荷出力基准值的差值,得到低压侧新能源资源聚合出力数据,其中,低压侧新能源资源聚合出力数据的计算表达式为:
其中,代表负荷x上的新能源资源在第i天的第j次采样时的聚合出力。
步骤206,基于所述低压侧新能源资源聚合出力数据以及所述地区电网的气象数据,利用最小二乘法,获取低压侧新能源资源聚合容量。
接着,在计算出低压侧新能源资源聚合出力数据后,基于低压侧新能源资源聚合出力数据,并结合地区电网的气象数据,利用最小二乘法,获取低压侧新能源资源聚合容量,其中,获取低压侧新能源资源聚合容量表达式为:
其中,ε代表最小二乘法计算误差,其值越小越好,N代表预设天数,代表负荷x上的低压侧新能源资源在第i天的第j次采样时的聚合出力,η代表低压侧新能源资源的发电效率,一般取0.9,Cx代表负荷x上的低压侧新能源资源的聚合容量,ki,j代表地区电网在第i天的第j次采样时光照强度,kmax代表地区电网在N天中达到的最大光照强度。
步骤207,基于所述低压侧新能源资源聚合容量以及地区电网中的负荷数量,计算所述地区电网的低压侧新能源资源的聚合总容量。
最后,在获取低压侧新能源资源聚合容量后,根据低压侧新能源资源聚合容量以及地区电网中的负荷数量,计算地区电网的低压侧新能源资源的聚合总容量,其中,地区电网的低压侧新能源资源的聚合总容量计算表达式为:
其中,Call代表地区电网的低压侧新能源资源的聚合总容量,x代表地区电网中负荷数量。
通过应用本实施例的技术方案,首先获取地区电网预设天数内的负荷出力量测数据以及预设天数内的地区电网气象数据,在预设天数中筛选出异常天数,即天气情况较差、光照强度较弱的天数,根据异常天数,在负荷出力量测数据中筛选出异常天数对应的第一负荷出力量测数据,根据第一负荷出力量测数据以及异常天数,计算负荷出力基准值;在得到负荷出力基准值后,在预设天数中筛选出正常天数,即天气情况较好,光照强度较好的天数,根据正常天数,在负荷出力量测数据中筛选出正常天数对应的第二负荷出力量测数据,并计算第二负荷出力量测数据与负荷出力基准值的差值,得到低压侧新能源资源聚合出力数据;在得到低压侧新能源资源聚合出力数据后,基于低压侧新能源资源聚合出力数据,并结合地区电网的气象数据,利用最小二乘法,获取聚合低压侧新能源资源聚合容量,并根据低压侧新能源资源聚合容量以及地区电网中的负荷数量,计算地区电网的低压侧新能源资源的聚合总容量。本申请基于大数据分析方法,通过分析不同天气条件下的负荷量测数据,将低压侧新能源资源聚合发电数据与电网负荷基准数据进行剥离,结合地区电网光照强度数据,采用最小二乘法,对低压侧新能源资源聚合总容量进行评估。从而,实现了对接入地区电网的低压侧新能源资源容量的快速评估,达到了对新能源资源提出的“可观、可测、可控、可调”的目标。
进一步的,作为图1方法的具体实现,本申请实施例提供了一种低压侧新能源资源聚合容量评估装置,如图3所示,该装置包括:
获取模块,用于获取地区电网在预设天数内的负荷出力量测数据以及地区电网气象数据;
第一计算模块,用于根据所述负荷出力量测数据以及所述地区电网气象数据,计算所述地区电网的负荷出力基准值;
第二计算模块,用于基于所述负荷出力基准值,计算低压侧新能源资源聚合出力数据;
第三计算模块,用于根据所述低压侧新能源资源聚合出力数据,计算地区电网的低压侧新能源资源的聚合总容量。
可选地,所述获取模块,还用于:
所述地区电网气象数据包括光照强度数据。
可选地,所述第一计算模块,还用于:
在所述负荷出力量测数据中,获取所述预设天数中异常天数对应的第一负荷出力量测数据;
根据所述第一负荷出力量测数据以及所述异常天数,计算所述负荷出力基准值。
可选地,所述第一计算模块,还用于:
所述负荷出力基准值的计算表达式为:
其中,代表负荷x在第j次采样时出力基准值,/>代表第x个负荷在第i天的第j次采样时出力量测数据,n代表异常天数。
可选地,所述第二计算模块,还用于:
在所述负荷出力量测数据中,获取所述预设天数中正常天数对应的第二负荷出力量测数据;
计算所述第二负荷出力量测数据与所述负荷出力基准值的差值,得到所述低压侧新能源资源聚合出力数据。
可选地,第三计算模块,还用于:
基于所述低压侧新能源资源聚合出力数据以及所述地区电网的气象数据,利用最小二乘法,获取低压侧新能源资源聚合容量;
基于所述低压侧新能源资源聚合容量以及地区电网中的负荷数量,计算所述地区电网的低压侧新能源资源的聚合总容量。
可选地,第三计算模块,还用于:
所述获取低压侧新能源资源聚合容量表达式为:
其中,ε代表最小二乘法计算误差,其值越小越好,N代表预设天数,代表负荷x上的低压侧新能源资源在第i天的第j次采样时的聚合出力,η代表低压侧新能源资源的发电效率,一般取0.9,Cx代表负荷x上的低压侧新能源资源的聚合容量,ki,j代表地区电网在第i天的第j次采样时光照强度,kmax代表地区电网在N天中达到的最大光照强度。
需要说明的是,本申请实施例提供的一种低压侧新能源资源聚合容量评估装置所涉及各功能单元的其他相应描述,可以参考图1至图2方法中的对应描述,在此不再赘述。
本申请实施例还提供了一种计算机设备,具体可以为个人计算机、服务器、网络设备等,如图4所示,该计算机设备包括总线、处理器、存储器和通信接口,还可以包括输入输出接口和显示设备。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储位置信息。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现各方法实施例中的步骤。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机可读存储介质,所述计算机可读存储介质可以是非易失性,也可以是易失性,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种低压侧新能源资源聚合容量评估方法,其特征在于,包括:
获取地区电网在预设天数内的负荷出力量测数据以及地区电网气象数据;
根据所述负荷出力量测数据以及所述地区电网气象数据,计算所述地区电网的负荷出力基准值;
基于所述负荷出力基准值,计算低压侧新能源资源聚合出力数据;
根据所述低压侧新能源资源聚合出力数据,计算地区电网的低压侧新能源资源的聚合总容量。
2.根据权利要求1所述的方法,其特征在于,
所述地区电网气象数据包括光照强度数据。
3.根据权利要求1所述的方法,其特征在于,所述根据所述负荷出力量测数据以及所述地区电网气象数据,计算所述地区电网的负荷出力基准值,包括:
在所述负荷出力量测数据中,获取所述预设天数中异常天数对应的第一负荷出力量测数据;
根据所述第一负荷出力量测数据以及所述异常天数,计算所述负荷出力基准值。
4.根据权利要求3所述的方法,其特征在于,
所述负荷出力基准值的计算表达式为:
其中,代表负荷x在第j次采样时出力基准值,/>代表第x个负荷在第i天的第j次采样时出力量测数据,n代表异常天数。
5.根据权利要求1所述的方法,其特征在于,所述基于所述负荷出力基准值,计算低压侧新能源资源聚合出力数据,包括:
在所述负荷出力量测数据中,获取所述预设天数中正常天数对应的第二负荷出力量测数据;
计算所述第二负荷出力量测数据与所述负荷出力基准值的差值,得到所述低压侧新能源资源聚合出力数据。
6.根据权利要求1所述的方法,其特征在于,所述根据所述低压侧新能源资源聚合出力数据,计算地区电网的低压侧新能源资源的聚合总容量,包括:
基于所述低压侧新能源资源聚合出力数据以及所述地区电网的气象数据,利用最小二乘法,获取低压侧新能源资源聚合容量;
基于所述低压侧新能源资源聚合容量以及地区电网中的负荷数量,计算所述地区电网的低压侧新能源资源的聚合总容量。
7.根据权利要求6所述的方法,其特征在于,
所述获取低压侧新能源资源聚合容量表达式为:
其中,ε代表最小二乘法计算误差,其值越小越好,N代表预设天数,代表负荷x上的低压侧新能源资源在第i天的第j次采样时的聚合出力,η代表低压侧新能源资源的发电效率,一般取0.9,Cx代表负荷x上的低压侧新能源资源的聚合容量,ki,j代表地区电网在第i天的第j次采样时光照强度,kmax代表地区电网在N天中达到的最大光照强度。
8.一种低压侧新能源资源聚合容量评估装置,其特征在于,所述装置包括:
获取模块,用于获取地区电网在预设天数内的负荷出力量测数据以及地区电网气象数据;
第一计算模块,用于根据所述负荷出力量测数据以及所述地区电网气象数据,计算所述地区电网的负荷出力基准值;
第二计算模块,用于基于所述负荷出力基准值,计算低压侧新能源资源聚合出力数据;
第三计算模块,用于根据所述低压侧新能源资源聚合出力数据,计算地区电网的低压侧新能源资源的聚合总容量。
9.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法。
10.一种计算机设备,包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310803891.3A CN116796926B (zh) | 2023-06-30 | 2023-06-30 | 低压侧新能源资源聚合容量评估方法及装置、介质、设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310803891.3A CN116796926B (zh) | 2023-06-30 | 2023-06-30 | 低压侧新能源资源聚合容量评估方法及装置、介质、设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116796926A true CN116796926A (zh) | 2023-09-22 |
CN116796926B CN116796926B (zh) | 2024-03-15 |
Family
ID=88043660
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310803891.3A Active CN116796926B (zh) | 2023-06-30 | 2023-06-30 | 低压侧新能源资源聚合容量评估方法及装置、介质、设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116796926B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016037303A1 (zh) * | 2014-09-09 | 2016-03-17 | 国家电网公司 | 一种新能源发电在线接纳能力评估方法 |
CN109698557A (zh) * | 2017-10-23 | 2019-04-30 | 中国南方电网有限责任公司 | 电池储能系统配置方法,装置,计算机设备及存储介质 |
CN110289631A (zh) * | 2019-04-12 | 2019-09-27 | 国网青海省电力公司 | 一种风电场储能装置容量的计算方法及系统 |
CN111626509A (zh) * | 2020-05-27 | 2020-09-04 | 国网河南省电力公司经济技术研究院 | 一种区域新能源有效供给能力的评价方法和系统 |
CN113326996A (zh) * | 2020-12-10 | 2021-08-31 | 国网山东省电力公司德州供电公司 | 一种高比例新能源接入地区电网的安全风险评估方法 |
CN113837485A (zh) * | 2021-09-30 | 2021-12-24 | 国网北京市电力公司 | 光储微网系统源荷特性预测方法、系统、装置及存储介质 |
CN114912721A (zh) * | 2022-07-18 | 2022-08-16 | 国网江西省电力有限公司经济技术研究院 | 一种储能调峰需求的预测方法及系统 |
CN115018277A (zh) * | 2022-05-20 | 2022-09-06 | 广东电网有限责任公司 | 一种基于网络分析法的新能源消纳潜力评估方法及装置 |
CN115062856A (zh) * | 2022-06-28 | 2022-09-16 | 广东电网有限责任公司 | 基于电网私有云的新能源厂站中期出力预测方法和系统 |
CN115130842A (zh) * | 2022-06-17 | 2022-09-30 | 南方电网能源发展研究院有限责任公司 | 风光火一体化基地配置方法及装置 |
CN115459360A (zh) * | 2022-09-20 | 2022-12-09 | 广东电网有限责任公司 | 一种基于风力发电功率品质的备用容量配置方法及系统 |
CN115577903A (zh) * | 2022-09-05 | 2023-01-06 | 广东电网有限责任公司 | 新能源对电网调峰影响的评估方法、装置、设备及介质 |
CN115982953A (zh) * | 2022-12-02 | 2023-04-18 | 南方电网科学研究院有限责任公司 | 持续高温对新能源电网供电能力影响的评估方法及装置 |
WO2023098847A1 (zh) * | 2021-12-03 | 2023-06-08 | 广东电网有限责任公司东莞供电局 | 变压器的负荷检测方法、装置、计算机设备和存储介质 |
-
2023
- 2023-06-30 CN CN202310803891.3A patent/CN116796926B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016037303A1 (zh) * | 2014-09-09 | 2016-03-17 | 国家电网公司 | 一种新能源发电在线接纳能力评估方法 |
CN109698557A (zh) * | 2017-10-23 | 2019-04-30 | 中国南方电网有限责任公司 | 电池储能系统配置方法,装置,计算机设备及存储介质 |
CN110289631A (zh) * | 2019-04-12 | 2019-09-27 | 国网青海省电力公司 | 一种风电场储能装置容量的计算方法及系统 |
CN111626509A (zh) * | 2020-05-27 | 2020-09-04 | 国网河南省电力公司经济技术研究院 | 一种区域新能源有效供给能力的评价方法和系统 |
CN113326996A (zh) * | 2020-12-10 | 2021-08-31 | 国网山东省电力公司德州供电公司 | 一种高比例新能源接入地区电网的安全风险评估方法 |
CN113837485A (zh) * | 2021-09-30 | 2021-12-24 | 国网北京市电力公司 | 光储微网系统源荷特性预测方法、系统、装置及存储介质 |
WO2023098847A1 (zh) * | 2021-12-03 | 2023-06-08 | 广东电网有限责任公司东莞供电局 | 变压器的负荷检测方法、装置、计算机设备和存储介质 |
CN115018277A (zh) * | 2022-05-20 | 2022-09-06 | 广东电网有限责任公司 | 一种基于网络分析法的新能源消纳潜力评估方法及装置 |
CN115130842A (zh) * | 2022-06-17 | 2022-09-30 | 南方电网能源发展研究院有限责任公司 | 风光火一体化基地配置方法及装置 |
CN115062856A (zh) * | 2022-06-28 | 2022-09-16 | 广东电网有限责任公司 | 基于电网私有云的新能源厂站中期出力预测方法和系统 |
CN114912721A (zh) * | 2022-07-18 | 2022-08-16 | 国网江西省电力有限公司经济技术研究院 | 一种储能调峰需求的预测方法及系统 |
CN115577903A (zh) * | 2022-09-05 | 2023-01-06 | 广东电网有限责任公司 | 新能源对电网调峰影响的评估方法、装置、设备及介质 |
CN115459360A (zh) * | 2022-09-20 | 2022-12-09 | 广东电网有限责任公司 | 一种基于风力发电功率品质的备用容量配置方法及系统 |
CN115982953A (zh) * | 2022-12-02 | 2023-04-18 | 南方电网科学研究院有限责任公司 | 持续高温对新能源电网供电能力影响的评估方法及装置 |
Non-Patent Citations (1)
Title |
---|
张鹏;黄越辉;李驰;杨海柱;岳刚伟;康乐;: "基于公平调度的新能源调度方法", 科学技术与工程, no. 20, 18 July 2018 (2018-07-18) * |
Also Published As
Publication number | Publication date |
---|---|
CN116796926B (zh) | 2024-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wu et al. | Parameter extraction of photovoltaic models from measured IV characteristics curves using a hybrid trust-region reflective algorithm | |
Liu et al. | Selecting thresholds for the prediction of species occurrence with presence‐only data | |
Fowler et al. | A stochastic rainfall model for the assessment of regional water resource systems under changed climatic condition | |
Cheng et al. | Enhanced state estimation and bad data identification in active power distribution networks using photovoltaic power forecasting | |
Munkhammar et al. | An N-state Markov-chain mixture distribution model of the clear-sky index | |
Gomez-Navarro et al. | Establishing the skill of climate field reconstruction techniques for precipitation with pseudoproxy experiments | |
Tabeart et al. | The impact of using reconditioned correlated observation‐error covariance matrices in the Met Office 1D‐Var system | |
Zhao et al. | Short-term microgrid load probability density forecasting method based on k-means-deep learning quantile regression | |
Shcherbakov et al. | Forecasting the locations of future large earthquakes: an analysis and verification | |
Li et al. | An intelligent method for wind power forecasting based on integrated power slope events prediction and wind speed forecasting | |
CN116796926B (zh) | 低压侧新能源资源聚合容量评估方法及装置、介质、设备 | |
CN116739172A (zh) | 一种基于爬坡识别的海上风电功率超短期预测方法及装置 | |
CN115905360A (zh) | 一种基于随机构建矩阵的异常数据量测辨识方法和装置 | |
Zhao et al. | Hadoop-based power grid data quality verification and monitoring method | |
CN114611799B (zh) | 基于监督学习的时序神经网络新能源出力多步预测方法 | |
CN112256735B (zh) | 一种用电监测方法、装置、计算机设备和存储介质 | |
Bogning Dongue et al. | A New Strategy for Accurately Predicting I‐V Electrical Characteristics of PV Modules Using a Nonlinear Five‐Point Model | |
Salehi Borujeni et al. | Reconstructing long-term wind speed data based on measure correlate predict method for micro-grid planning | |
CN114140158A (zh) | 基于组合预测的配电网投资需求确定方法、装置、设备及存储介质 | |
Melzer et al. | An expectile factor model for day-ahead wind power forecasting | |
CN111612289A (zh) | 基于新能源多场景风险特征导向的电力系统风险评估方法 | |
Dai et al. | Life prediction method of hydrogen energy battery based on MLP and LOESS | |
Wolosiuk et al. | Application of ontologically structured data for building performance analysis | |
Liu et al. | Detecting abrupt dynamic change based on changes in the fractal properties of spatial images | |
Chang et al. | A seamless approach for evaluating climate models across spatial scales |
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 |