CN117081161B - 水光互补优化目标的确定方法、装置、计算机设备及介质 - Google Patents
水光互补优化目标的确定方法、装置、计算机设备及介质 Download PDFInfo
- Publication number
- CN117081161B CN117081161B CN202311339050.8A CN202311339050A CN117081161B CN 117081161 B CN117081161 B CN 117081161B CN 202311339050 A CN202311339050 A CN 202311339050A CN 117081161 B CN117081161 B CN 117081161B
- Authority
- CN
- China
- Prior art keywords
- rainfall
- photovoltaic power
- determining
- water
- power station
- 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.)
- Active
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 176
- 238000000034 method Methods 0.000 title claims abstract description 85
- 230000000295 complement effect Effects 0.000 title claims abstract description 84
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 143
- 238000004458 analytical method Methods 0.000 claims abstract description 77
- 238000010248 power generation Methods 0.000 claims abstract description 19
- 238000001556 precipitation Methods 0.000 claims description 41
- 230000015654 memory Effects 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000003860 storage Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 14
- 238000004088 simulation Methods 0.000 claims description 13
- 230000009286 beneficial effect Effects 0.000 description 8
- 230000005611 electricity Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 239000002352 surface water Substances 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/28—The renewable source being wind energy
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Power Engineering (AREA)
- Development Economics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及光伏发电技术领域,公开了水光互补优化目标的确定方法、装置、计算机设备及介质,水光互补优化目标的确定方法包括:建立水光互补系统,根据汇水区与光伏电站的位置,确定第一光伏电站群和第二光伏电站群;根据第一气象参数集,判断目标时刻是否存在云信息;若存在,根据第二气象参数集,确定降雨预测参数,降雨预测参数包括降水概率;根据降水概率与雨置信阈值和晴置信阈值的关系,对降雨结果进行分析,得到降雨情况分析结果;基于存在云信息,根据降雨情况分析结果,确定水光互补系统的优化目标组合。本发明更准确的确定水光互补的优化目标组合,提高并网输出的效率。
Description
技术领域
本发明涉及光伏发电技术领域,具体涉及水光互补优化目标的确定方法、装置、计算机设备及介质。
背景技术
发电方式有火力发电、水力发电、核能发电、风力发电以及太阳能发电,目前,单一的发电方式已经无法满足需求,因此,出现了水光互补。
水光互补的影响因素有很多,目前,对于水光互补的优化运行方法为,计算光伏出力信息,计算水电出力,建立一种最小化水光互补混合发电系统输出功率的波动,同时考虑最大化混合系统的收益的多目标优化模型,根据基于模拟退火的非支配排序遗传算法进行优化。
但是,由于光伏电站出力波动性较大,在并网输出时,会发生弃光现象,从而在水光互补时,并网输出的效率降低。
发明内容
有鉴于此,本发明提供了一种水光互补优化目标的确定方法、装置、计算机设备及介质,以解决并网输出的效率降低的问题。
第一方面,本发明提供了一种水光互补优化目标的确定方法,包括:建立水光互补系统,根据水电站对应的汇水区与光伏电站的位置,确定第一光伏电站群和第二光伏电站群,水光互补系统中包括一个水电站和多个光伏电站,汇水区表示地表径流汇聚到水电站位置的过程中所流经的地表区域,第一光伏电站群为位于汇水区内的多个光伏电站形成的集群,第二光伏电站群为位于汇水区外的多个光伏电站形成的集群;获取汇水区和第二光伏电站群所在位置的第一气象参数集;根据第一气象参数集,判断目标时刻是否存在云信息;若存在云信息,获取汇水区和第二光伏电站群所在位置的第二气象参数集;根据第二气象参数集确定降雨预测参数,降雨预测参数包括降水概率;根据降水概率与雨置信阈值和晴置信阈值的关系,对降雨结果进行分析,得到降雨情况分析结果;基于存在云信息,根据降雨情况分析结果,确定水光互补系统的优化目标组合。
有益效果:在本发明实施例中,建立水光互补系统,根据水电站对应的汇水区与光伏电站的位置,确定第一光伏电站群和第二光伏电站群,汇水区表示地表径流汇聚到一个共同出水口的过程中所流经的地表区域,第一光伏电站群为位于汇水区内的多个光伏电站形成的集群,第二光伏电站群为位于汇水区外的多个光伏电站形成的集群,本发明实施例根据位于汇水区的位置,将多个光伏电站形划分为第一光伏电站群和第二光伏电站群,更准确的将降雨对水光互补的影响,加入优化目标的确定方法中。获取汇水区和第二光伏电站群所在位置的第一气象参数集,根据第一气象参数集,判断目标时刻是否存在云信息;若存在云信息,获取汇水区和第二光伏电站群所在位置的第二气象参数集;根据第二气象参数集确定降雨预测参数,降雨预测参数包括降水概率;根据降水概率与雨置信阈值和晴置信阈值的关系,对降雨结果进行分析,得到降雨情况分析结果,基于存在云信息,根据降雨情况分析结果,确定水光互补系统的优化目标组合。本发明实施例考虑云遮和降雨的影响,在不同情境下对应不同的优化目标组合,与相关技术中根据光伏出力信息计算水电出力相比,本发明实施例根据不同的情境,确定不同的优化目标,降低了出力波动对优化目标确定的影响,因此,本发明实施例确定的优化目标更加准确,在进行水光互补时,并网输出的效率更高。
在一种可选的实施方式中,若不存在云信息,则确定降雨情况分析结果为无降雨;根据不存在云信息,降雨情况分析结果为无降雨,确定优化目标组合为第一优化目标,第一优化目标为第一光伏电站群和第二光伏电站群的总体上网电量为大于或等于第一预设值。
有益效果:本发明实施例中,若存在云信息,则降雨情况分析结果为无降雨,此时光伏电站出力一般较为平顺,且水电站水库的来水情况亦较为稳定,则此时可以优化总体上网电量为主要目标,因此确定优化目标组合为第一优化目标。
在一种可选的实施方式中,根据降水概率与雨置信阈值和晴置信阈值的关系,对降雨结果进行分析,得到降雨情况分析结果,包括:当降水概率大于或等于雨置信阈值,确定降雨情况分析结果为可直接判断降雨;当降水概率小于或等于晴置信阈值,确定降雨情况分析结果为可直接判断无降雨;当降水概率小于雨置信阈值,且大于晴置信阈值时,确定降雨情况分析结果为无法直接判断降雨结果。
有益效果:本发明实施例通过雨置信阈值、晴置信阈值以及根据降水概率直接判断降雨与否,并实现降水概率到预测降雨量的映射。雨置信阈值和晴置信阈值是根据当地实际降雨情况分析得到,并能够随实测数据实时更新,反映当地降雨特征。
在一种可选的实施方式中,在确定降雨情况分析结果为无法直接判断降雨结果之后,方法还包括:根据降水概率计算预测降雨量;根据预测降雨量,确定目标时刻的降雨结果。
在一种可选的实施方式中,根据降水概率计算预测降雨量,包括:根据第二气象参数集,确定目标时间的降水概率;根据第二气象参数集,确定目标时间的降雨量;将降水概率和降雨量的积,确定为预测降雨量。
在一种可选的实施方式中,根据预测降雨量,确定目标时刻的降雨结果,包括:当预测降雨量大于或等于第二预设值,确定降雨结果为降雨;当预测降雨量小于第二预设值,确定降雨结果为无降雨。
在一种可选的实施方式中,基于存在云信息,根据降雨情况分析结果,确定水光互补系统的优化目标组合,包括:若降雨情况分析结果为可直接判断降雨,确定水光互补系统的优化目标组合为第二优化目标,第二优化目标为水电站和光伏发电总体的上网电量曲线平稳。
在一种可选的实施方式中,若降雨情况分析结果为可直接判断无降雨,或无法直接判断降雨结果,确定水光互补系统的优化目标组合为第一优化目标和第二优化目标。
有益效果:由于降雨情况分析结果不同,确定的优化目标不同,本发明实施例对可直接判断有降雨、可直接判断无降雨以及无法直接判断降雨结果的情境分别考虑,确定的优化目标更符合当前情境,水光互补时,并网输出的效率更高。
在一种可选的实施方式中,在基于存在云信息,根据降雨情况分析结果,确定水光互补系统的优化目标组合之后,方法还包括:根据优化目标组合,确定约束条件的顺序,约束条件包括第一约束条件、第二约束条件以及第三约束条件,第一约束条件为水电站的水库防洪调度要求约束,第二约束条件为水电站的出力的可调范围约束,第三约束条件为电网能够承受的最大波动率约束。有益效果:不同情境下,优化目标组合不同,对应的约束条件的顺序也不同,根据优化目标组合确定约束条件的顺序,得到的约束条件顺序更加准确。
在一种可选的实施方式中,根据优化目标组合,确定约束条件的顺序,包括:当优化目标组合为第一优化目标时,约束条件的顺序为,第三约束条件优先于第二约束条件,且第二约束条件优先于第一约束条件;当优化目标组合为第二优化目标时,约束条件的顺序为,第一约束条件优先于第二约束条件,且第二约束条件优先于第三约束条件;当优化目标组合为第一优化目标和第二优化目标时,约束条件顺序为,第二约束条件优先于第一约束条件,且第一约束条件优先于第三约束条件。
在一种可选的实施方式中,通过如下公式计算雨置信阈值和晴置信阈值:
其中,为雨置信阈值,/>为雨置信函数,/>为降水概率,/>为置信保障率;
其中,为晴置信阈值,/>为晴置信函数,/>为降水概率,/>为置信保障率。
在一种可选的实施方式中,通过如下公式判断预测降雨量:
;
;
;
其中,为目标时间内的预测降雨量,/>为目标时间的降雨量,/>为目标时间的降水概率,/>为雨置信阈值,/>为晴置信阈值,/>为目标时间。
在一种可选的实施方式中,若存在云信息,方法还包括:计算第一光伏电站群和第二光伏电站群所在位置的第一云遮系数和第二云遮系数;根据第一云遮系数和第二云遮系数,分别预测第一光伏电站群和第二光伏电站群的第一光伏出力信息和第二光伏出力信息。
有益效果:在本发明实施例中,根据云遮系数,预测第一光伏电站群和第二光伏电站群的第一光伏出力信息和第二光伏出力信息,对于本发明实施例中的不同优化目标组合和约束条件,存在对光伏出力信息进行约束的情况,因此,本发明实施例对第一光伏出力信息和第二光伏出力信息进行预测,以便于通过调整对第一光伏出力信息和第二光伏出力信息进行约束。
在一种可选的实施方式中,根据第一云遮系数和第二云遮系数,分别预测第一光伏电站群和第二光伏电站群的第一光伏出力信息和第二光伏出力信息,包括:根据第一气象参数集,分别确定第一光伏电站群和第二光伏电站群的第一云遮系数和第二云遮系数;根据第一云遮系数、第一光伏电站群中的一个光伏电站的日平均出力信息以及目标时间,计算第一光伏电站群的第一光伏出力信息;根据第二云遮系数、第二光伏电站群中的一个光伏电站的日平均出力信息以及目标时间,计算第二光伏电站群的第二光伏出力信息。
在一种可选的实施方式中,通过如下公式计算第一光伏出力信息:
其中,为第一光伏电站群中一个光伏电站的处理信息,/>为目标时间,/>为第一光伏电站群中的一个光伏电站的日平均出力信息,/>为第一云遮系数,/>为第一光伏出力信息。
通过如下公式计算第二光伏出力信息:
其中,为第二光伏电站群中一个光伏电站的出力信息,第二光伏出力信息,为目标时间,/>为第二光伏电站群中的一个光伏电站的日平均出力信息,/>为第二云遮系数,/>为第二光伏出力信息。
在一种可选的实施方式中,若不存在云信息,方法还包括:根据光伏电站的平均出力信息,预测第一光伏电站群和第二光伏电站群的第三光伏出力信息和第四光伏出力信息。
有益效果:存在云信息和不存在云信息的情况下,光伏出力信息是不同的,因此本发明实施例将存在云信息和不存在云信息的情况,分开计算光伏出力信息,使得到的光伏出力信息更加准确。
在一种可选的实施方式中,降雨预测参数还包括降水量,方法还包括:根据降水量,利用产汇流计算模型进行汇水区的陆面水文模拟,确定坡面汇流过程参数,并计算坡面汇流来水信息;根据降水量,利用产汇流计算模型进行汇水区的水面水文模拟,确定河网汇流过程参数,并计算河网汇流来水信息;将坡面汇流来水信息与河网汇流来水信息的和,确定为目标时间的来水信息。
有益效果:对于本发明实施例中的不同优化目标组合和约束条件,存在对来水信息进行约束的情况,因此,本发明实施例对目标时间的来水信息进行计算,以便于通过调整对来水信息进行约束。
第二方面,本发明提供了一种水光互补优化目标的确定装置,包括:光伏电站群确定模块,用于建立水光互补系统,根据水电站对应的汇水区与光伏电站的位置,确定第一光伏电站群和第二光伏电站群,水光互补系统中包括一个水电站和多个光伏电站,汇水区表示地表径流汇聚到水电站位置的过程中所流经的地表区域,第一光伏电站群为位于汇水区内的多个光伏电站形成的集群,第二光伏电站群为位于汇水区外的多个光伏电站形成的集群;第一气象参数集获取模块,用于获取汇水区和第二光伏电站群所在位置的第一气象参数集;云信息判断模块,用于根据第一气象参数集,判断目标时刻是否存在云信息;第二气象参数集获取模块,用于根据存在云信息,获取汇水区和第二光伏电站群所在位置的第二气象参数集;降雨预测参数确定模块,用于根据第二气象参数集确定降雨预测参数,降雨预测参数包括降水概率;降雨情况分析模块,用于根据降水概率与雨置信阈值和晴置信阈值的关系,对降雨结果进行分析,得到降雨情况分析结果;优化目标确定模块,用于基于存在云信息,根据降雨情况分析结果,确定水光互补系统的优化目标组合。
第三方面,本发明提供了一种计算机设备,包括:存储器和处理器,存储器和处理器之间互相通信连接,存储器中存储有计算机指令,处理器通过执行计算机指令,从而执行上述第一方面或其对应的任一实施方式的水光互补优化目标的确定方法。
第四方面,本发明提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机指令,计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的水光互补优化目标的确定方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出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是根据本发明实施例的水光互补优化目标的确定方法的流程示意图;
图2是根据本发明实施例的水电站和光伏电站分布示意图;
图3是根据本发明实施例的晴雨置信阈值判断的方法的流程示意图;
图4是根据本发明实施例的另一水光互补优化目标的确定方法的流程示意图;
图5是根据本发明实施例的计算出力信息的方法的流程示意图;
图6是根据本发明实施例的水光互补优化目标的确定装置的结构框图;
图7是本发明实施例的计算机设备的硬件结构示意图。
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,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供了一种水光互补优化目标的确定方法,通过根据影响因素确定水光互补系统的优化目标以达到提高并网效率的效果。
根据本发明实施例,提供了一种水光互补优化目标的确定方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种水光互补优化目标的确定方法,可用于上述的光伏发电,图1是根据本发明实施例的水光互补优化目标的确定方法的流程图,如图1所示,该流程包括如下步骤:
步骤S101,建立水光互补系统,根据水电站对应的汇水区与光伏电站的位置,确定第一光伏电站群和第二光伏电站群,水光互补系统中包括一个水电站和多个光伏电站,汇水区表示地表径流汇聚到水电站位置的过程中所流经的地表区域,第一光伏电站群为位于汇水区内的多个光伏电站形成的集群,第二光伏电站群为位于汇水区外的多个光伏电站形成的集群。
在一些可选的实施方式中,汇水区为根据水电站的位置信息确定的水光互补系统中的区域,水光互补系统为根据多能互补需求信息,在目标区域中建立的系统,水光互补系统中包括一个水电站和多个光伏电站。
在本发明实施例中,在一个水光互补系统中,一个水电站对应多个光伏电站,以水电站所处的河流为主河流,以水电站所在的位置为基点,根据地理参数,分析水电站所在位置对应的汇水区,地理参数包括但不限于分水岭。
如图2所示,为水电站和光伏电站分布示意图,图2中,201为水电站;202为目标区域的河流主流;203为目标区域汇入主流的支流;204为以水电站为基点的汇水区边界;205为第一光伏电站群;206为第二光伏电站群。
步骤S102,获取汇水区和第二光伏电站群所在位置的第一气象参数集。
其中,获取第一气象参数集的方法可以为气象云图、气象雷达以及无人机等。
步骤S103,根据第一气象参数集,判断目标时刻是否存在云信息。
其中,若存在云信息,说明目标时刻空中有云,即需要根据云遮系数,确定光伏出力信息,如不存在云信息,说明目标时刻空中无云,即无需计算云遮系数,根据平均出力确定光伏出力信息。
步骤S104,若存在云信息,获取汇水区和第二光伏电站群所在位置的第二气象参数集。
其中,获取第二气象参数集的方法可以为气象云图、气象雷达以及无人机等,根据第二气象参数集中的气象参数,分析得到降水概率。
在一些可选的实施方式中,若存在云信息,方法还包括:计算第一光伏电站群和第二光伏电站群所在位置的第一云遮系数和第二云遮系数;根据第一云遮系数和第二云遮系数,分别预测第一光伏电站群和第二光伏电站群的第一光伏出力信息和第二光伏出力信息。
在本发明实施例中,根据云遮系数,预测第一光伏电站群和第二光伏电站群的第一光伏出力信息和第二光伏出力信息,对于本发明实施例中的不同优化目标组合和约束条件,存在对光伏出力信息进行约束的情况,因此,本发明实施例对第一光伏出力信息和第二光伏出力信息进行预测,以便于通过调整第一光伏出力信息和第二光伏出力信息实现约束。
步骤S105,根据第二气象参数集确定降雨预测参数,降雨预测参数包括降水概率。
在一些可选的实施方式中,降雨预测参数还包括降水量,方法还包括:根据降水量,利用产汇流计算模型进行汇水区的陆面水文模拟,确定坡面汇流过程参数,并计算坡面汇流来水信息;根据降水量,利用产汇流计算模型进行汇水区的水面水文模拟,确定河网汇流过程参数,并计算河网汇流来水信息;将坡面汇流来水信息与河网汇流来水信息的和,确定为目标时间的来水信息。
在本发明实施例中,对于本发明实施例中的不同优化目标组合和约束条件,存在对来水信息进行约束的情况,因此,本发明实施例对目标时间的来水信息进行计算,以便于通过调整对来水信息进行约束。
步骤S106,根据降水概率与雨置信阈值和晴置信阈值的关系,对降雨结果进行分析,得到降雨情况分析结果。
其中,根据步骤S106,会出现三种情况,第一种,降雨情况分析结果为可直接判断降雨,第二种,降雨情况分析结果为可直接判断无降雨,第三种,降雨情况分析结果为无法直接判断降雨结果。
步骤S107,基于存在云信息,根据降雨情况分析结果,确定水光互补系统的优化目标组合。
本实施例提供的水光互补优化目标的确定方法,建立水光互补系统,根据水电站对应的汇水区与光伏电站的位置,确定第一光伏电站群和第二光伏电站群,汇水区表示地表径流汇聚到一个共同出水口的过程中所流经的地表区域,第一光伏电站群为位于汇水区内的多个光伏电站形成的集群,第二光伏电站群为位于汇水区外的多个光伏电站形成的集群,本发明实施例根据位于汇水区的位置,将多个光伏电站形划分为第一光伏电站群和第二光伏电站群,更准确的将降雨对水光互补的影响,加入优化目标的确定方法中。获取汇水区和第二光伏电站群所在位置的第一气象参数集,根据第一气象参数集,判断目标时刻是否存在云信息;若存在云信息,获取汇水区和第二光伏电站群所在位置的第二气象参数集;根据第二气象参数集确定降雨预测参数,降雨预测参数包括降水概率;根据降水概率与雨置信阈值和晴置信阈值的关系,对降雨结果进行分析,得到降雨情况分析结果,基于存在云信息,根据降雨情况分析结果,确定水光互补系统的优化目标组合。本发明实施例考虑云遮和降雨的影响,在不同情境下对应不同的优化目标,与相关技术中根据光伏出力信息计算水电出力相比,本发明实施例根据不同的情境,确定不同的优化目标,降低了出力波动对优化目标确定的影响,因此,本发明实施例确定的优化目标更加准确,在进行水光互补时,并网输出的效率更高。
在本实施例中提供了一种水光互补优化目标的确定方法,可用于上述的光伏发电,图3是根据本发明实施例的晴雨置信阈值判断的方法的流程图,如图3所示,该流程包括如下步骤:
步骤S301,判断降水概率与雨置信阈值和晴置信阈值的关系。
步骤S302,当降水概率大于或等于雨置信阈值,确定降雨情况分析结果为可直接判断降雨。
步骤S303,当降水概率小于或等于晴置信阈值,确定降雨情况分析结果为可直接判断无降雨。
步骤S304,当降水概率小于雨置信阈值,且大于晴置信阈值时,确定降雨情况分析结果为无法直接判断降雨结果。
在一些可选的实施方式中,在确定降雨情况分析结果为无法直接判断降雨结果之后,方法还包括:根据降水概率计算预测降雨量;根据预测降雨量,确定目标时刻的降雨结果。
在一些可选的实施方式中,根据降水概率计算预测降雨量,包括:根据第二气象参数集,确定目标时间的降水概率;根据第二气象参数集,确定目标时间的降雨量;将降水概率和降雨量的积,确定为预测降雨量。
具体地,根据预测降雨量,确定目标时刻的降雨结果,包括:当预测降雨量大于或等于第二预设值,确定降雨结果为降雨;当预测降雨量小于第二预设值,确定降雨结果为无降雨。
示例性地,第二预设值为0,则当预测降雨量大于或等于,确定降雨结果为降雨,当预测降雨量小于0,确定降雨结果为无降雨。
在一些可选的实施方式中,通过如下公式计算雨置信阈值和晴置信阈值:
其中,为雨置信阈值,/>为雨置信函数,/>为降水概率,/>为置信保障率;
其中,为晴置信阈值,/>为晴置信函数,/>为降水概率,/>为置信保障率。
在一些可选的实施方式中,通过如下公式判断预测降雨量:
;
;
;
其中,为目标时间内的预测降雨量,/>为目标时间的降雨量,/>为目标时间的降水概率,/>为雨置信阈值,/>为晴置信阈值,/>为目标时间。
其中,目标时间的降雨量是与目标时间相关的函数,由第二气象参数集分析得到,目标时间的降水概率是与目标时间相关的函数,由第二气象参数集分析得到。
其中,雨置信阈值的计算原理是:根据通过对比分析降雨预测参数与实际是否降雨事件的发生关系,找出置信保障率对应的降雨概率值,即为雨置信阈值。示例性地,当置信保障率设为0.9时,通过实际观测对比可知,当根据第二气象参数集得到的降雨预测参数高于95%时,有90%的情况实际下雨了,则可认为此地的雨置信阈值为95%。
晴置信阈值的计算原理是:通过对比分析降雨预测参数与实际是否天晴事件的发生关系,找出置信保障率对应的降雨预测参数,即为晴置信阈值。示例性地,当置信保障率设为0.9时,通过实际观测对比可知,当根据第二气象参数集得到的降雨预测参数低于15%时,有90%的情况实际是天晴的,则可认为此地的晴置信阈值为15%。
在一些可选的实施方式中,雨置信阈值及晴置信阈值可根据实测资料实时更新。
在本发明实施例中,通过雨置信阈值、晴置信阈值以及根据降水概率直接判断降雨与否,并实现降水概率到预测降雨量的映射。雨置信阈值和晴置信阈值是根据当地实际降雨情况分析得到,并能够随实测数据实时更新,反映当地降雨特征。
在本实施例中提供了一种水光互补优化目标的确定方法,可用于上述的光伏发电,图4是根据本发明实施例的另一水光互补优化目标的确定方法的流程图,如图4所示,该流程包括如下步骤:
步骤S401,建立水光互补系统,根据水电站对应的汇水区与光伏电站的位置,确定第一光伏电站群和第二光伏电站群,水光互补系统中包括一个水电站和多个光伏电站,汇水区表示地表径流汇聚到水电站位置的过程中所流经的地表区域,第一光伏电站群为位于汇水区内的多个光伏电站形成的集群,第二光伏电站群为位于汇水区外的多个光伏电站形成的集群。详细请参见图1所示实施例的步骤S101,在此不再赘述。
步骤S402,获取汇水区和第二光伏电站群所在位置的第一气象参数集。详细请参见图1所示实施例的步骤S102,在此不再赘述。
步骤S403,根据第一气象参数集,判断目标时刻是否存在云信息。详细请参见图1所示实施例的步骤S103,在此不再赘述。
步骤S404,若存在云信息,获取汇水区和第二光伏电站群所在位置的第二气象参数集。详细请参见图1所示实施例的步骤S104,在此不再赘述。
步骤S405,根据第二气象参数集确定降雨预测参数,降雨预测参数包括降水概率。详细请参见图1所示实施例的步骤S105,在此不再赘述。
在一些可选的实施方式中,降雨预测参数还包括降水量,方法还包括:根据降水量,利用产汇流计算模型进行汇水区的陆面水文模拟,确定坡面汇流过程参数,并计算坡面汇流来水信息;根据降水量,利用产汇流计算模型进行汇水区的水面水文模拟,确定河网汇流过程参数,并计算河网汇流来水信息;将坡面汇流来水信息与河网汇流来水信息的和,确定为目标时间的来水信息。
其中,产汇流计算模型可以为土壤和水评估工具(Soil and Water AssessmentTool,SWAT)模型以及可变渗透能力(Variable Infiltration Capacity,VIC)模型等,本发明实施例使用SWAT模型 ,SWAT是一种能够实现流域水文过程模拟的模型,其功能主要包括陆面水循环模拟即产流及坡面汇流计算,以及水面水循环模拟即河网汇流计算。
根据如下公式计算目标时间的来水信息:
其中,为目标时间的来水信息,/>为产汇流计算模型坡面汇流来水信息,/>为降水量,/>为产汇流计算模型河网汇流来水信息,/>,为目标时间段/>内的来水信息,/>为目标时间段。
对于本发明实施例中的不同优化目标组合和约束条件,存在对来水信息进行约束的情况,因此,本发明实施例对目标时间的来水信息进行计算,以便于通过调整对来水信息进行约束。
步骤S406,根据降水概率与雨置信阈值和晴置信阈值的关系,对降雨结果进行分析,得到降雨情况分析结果。详细请参见图1所示实施例的步骤S106,在此不再赘述。
步骤S407,基于存在云信息,根据降雨情况分析结果,确定水光互补系统的优化目标组合。详细请参见图1所示实施例的步骤S107,在此不再赘述。
在一些可选的实施方式中,若降雨情况分析结果为可直接判断降雨,确定水光互补系统的优化目标组合为第二优化目标,第二优化目标为水电站和光伏发电总体的上网电量曲线平稳。
在一些可选的实施方式中,若降雨情况分析结果为可直接判断无降雨,或无法直接判断降雨结果,确定水光互补系统的优化目标组合为第一优化目标和第二优化目标。
第二优化目标为,水电及光伏总体上网电量曲线平稳。考虑电网安全要求,水光互补的总体上网电量曲线应保持平稳。
第二优化目标的公式为:
其中,为第二优化目标,/>为最小值,/>为第/>个光伏电站的上网电量,为第/>个光伏电站的上网电量。
其中,
其中,为第/>个光伏电站的上网电量,/>为水轮机在目标时间/>的出力,/>为水电站水轮机的装机个数,/>为光伏电站未来时间段/>内的总上网电量。
其中,为第一目标时间,/>为第二目标时间,/>为目标时间段。
其中,若降雨情况分析结果为可直接判断降雨,且上述步骤S404可知,存在云信息,也就是有云,且可直接确定有降雨,此时因降雨光伏出力受到较大影响,且水电站水库的来水因降雨影响而变大,并具有波动性。则此时考虑此时光伏出力较小,可以水电及光伏总体上网电量曲线平稳为主要目标,即确定优化目标组合为第二优化目标。
降雨情况分析结果为可直接判断无降雨,或无法直接判断降雨结果,且上述步骤S404可知,存在云信息,也就是有云,且可直接判断无降雨,或无法直接判断降雨结果,此时光伏电站出力受云遮影响光伏出力波动性变大,但由于无降雨或可能降雨,水电站水库的来水情况存在一定波动性,但总体较为稳定,则此时可以以水电及光伏总体上网电量曲线平稳为主要目标,同时考虑总体上网电量优化,即确定优化目标组合为第一优化目标和第二优化目标。
步骤S408,若不存在云信息,则确定降雨情况分析结果为无降雨。
在一些可选的实施方式中,若不存在云信息,根据光伏电站的平均出力信息,预测第一光伏电站群和第二光伏电站群的第三光伏出力信息和第四光伏出力信息。
在本发明实施例中,存在云信息和不存在云信息的情况下,光伏出力信息是不同的,因此本发明实施例将存在云信息和不存在云信息的情况,分开计算光伏出力信息,使得到的光伏出力信息更加准确。
步骤S409,根据不存在云信息,降雨情况分析结果为无降雨,确定优化目标组合为第一优化目标,第一优化目标为第一光伏电站群和第二光伏电站群的总体上网电量为大于或等于第一预设值。
其中,第一优化目标为第一光伏电站群和第二光伏电站群的总体上网电量为大于或等于第一预设值,即第一优化目标为第一光伏电站群和第二光伏电站群的总体上网电量最大。
若不存在云信息,也就是无云,无云便可确定无降雨,此时光伏电站出力一般较为平顺,且水电站水库的来水情况亦较为稳定,则可以以总体上网电量为主要目标,即确定优化目标组合为第一优化目标。
其中,第一优化目标为,在水电站调节范围内光伏电站群总体上网电量最大,由于光伏电站没有调节能力,而具有明显的波动性,因此以保证水电站调节范围内光伏电站群总体上网电量最大,为水光互补优化的目标。
第一优化目标的公式为:
其中,为第一优化目标,/>为最大值,/>为光伏电站未来目标时间段内的总上网电量,T为未来目标时刻。
其中,
其中,为光伏电站未来目标时间段内的总上网电量,/>为未来目标时刻,为弃光率,/>为第一光伏电站群在未来目标时刻/>的第一出力信息,/>第二光伏电站群在未来目标时刻/>的第二出力信息。
步骤S4010,根据优化目标组合,确定约束条件的顺序,约束条件包括第一约束条件、第二约束条件以及第三约束条件,第一约束条件为水电站的水库防洪调度要求约束,第二约束条件为水电站的出力的可调范围约束,第三约束条件为电网能够承受的最大波动率约束。
在一些可选的实施方式中,根据优化目标,确定约束条件的顺序,包括:当优化目标组合为第一优化目标时,约束条件的顺序为,第三约束条件优先于第二约束条件,且第二约束条件优先于第一约束条件;当优化目标组合为第二优化目标时,约束条件的顺序为,第一约束条件优先于第二约束条件,且第二约束条件优先于第三约束条件;当优化目标组合为第一优化目标和第二优化目标时,约束条件顺序为,第二约束条件优先于第一约束条件,且第一约束条件优先于第三约束条件。
在一些可选的实施方式中,通过如下公式表示第一约束条件:
其中,为目标时间的实时水位,/>为水库的水位-库容计算函数,/>为目标时间段/>内的来水信息,/>为上一时刻的实时水位,/>)为上一时刻,/>为水库的水位-库容对应关系曲线,/>为第一约束条件,/>为最低水位,/>为最高水位,/>为目标时间。
其中,水位-库容对应关系曲线由水库的设计参数确定,目标时刻的实时水位属于最低水位和最高水位的范围,最低水位和最高水位的范围为水电站水库防洪调度要求控制的水位高程特定范围。
在一些可选的实施方式中,通过如下公式表示第二约束条件:
其中,为目标时间的实时水位,/>为水电站下游的目标时间的实时水位,/>为水轮机发电的实时水头,/>为水轮机导叶、轮叶的调节参数,/>为水轮机出力的计算函数,/>为水轮机在目标时间的出力,/>为水轮机的最低出力,/>为水轮机的最高出力,/>为第二约束条件,/>为目标时间。
其中,水轮机在目标时间的出力,属于水轮机最低出力和最高出力的范围内,最低出力和最高出力的范围为水轮机出力可调范围。
在一些可选的实施方式中,通过如下公式表示第三约束条件:
其中,为第三约束条件,/>为第/>个光伏电站的上网电量,/>为第/>个光伏电站的上网电量,/>为电网能够承受的最大波动率。
其中,最大波动率根据区域电网的工作情况及负荷特性确定。
在本发明实施例中,当无云且无降雨时,确定优化目标组合为第一优化目标,此时光伏电站出力一般较为平顺,且水电站水库的来水情况亦较为稳定,针对约束应以满足电网能够承受的最大波动率为首要,因此约束条件顺序为,第三约束条件优先于第二约束条件,且第二约束条件优先于第一约束条件。
当有云且可直接判断有降雨时,确定优化目标组合为第二优化目标,因降雨光伏出力受到较大影响,且水电站水库的来水因降雨影响而变大,并具有波动性,针对约束应以满足水电站的水库防洪调度要求为首要,因此,约束条件顺序为,第一约束条件优先于第二约束条件,且第二约束条件优先于第三约束条件。
当有云且可直接判断无降雨,或无法直接判断是否降雨时,确定优化目标组合为第一优化目标和第二优化目标,光伏电站出力受云遮影响光伏出力波动性变大,但由于无降雨或可能降雨,水电站水库的来水情况存在一定波动性,但总体较为稳定,针对约束应以考虑可能的降雨对实时水头影响后,能够满足水电站出力的可调范围为首要,因此,约束条件顺序为,第二约束条件优先于第一约束条件,且第一约束条件优先于第三约束条件。
在本发明实施例中,当不存在云信息时,便无需考虑云遮对光伏出力的影响,本发明实施例对有云和无云的情境分别确定不同的优化目标组合,使得优化目标组合更加准确。有不同降雨情况分析结果下,确定的优化目标组合不同,本发明实施例对不同的情境分别考虑,确定的优化目标组合更符合当前情境,水光互补时,并网输出的效率更高。不同情境下,优化目标组合不同,对应的约束条件的顺序也不同,根据优化目标组合确定约束条件的顺序,得到的约束条件顺序更加准确,更加符合当前情境。
在本实施例中提供了一种水光互补优化目标的确定方法,可用于上述的光伏发电,图5是根据本发明实施例的计算出力信息的方法的流程图,如图5所示,该流程包括如下步骤:
步骤S501,根据第一气象参数集,分别确定第一光伏电站群和第二光伏电站群的第一云遮系数和第二云遮系数。
步骤S502,根据第一云遮系数、第一光伏电站群中的一个光伏电站的日平均出力信息以及目标时间,计算第一光伏电站群的第一光伏出力信息。
具体地,通过如下公式计算第一光伏出力信息:
其中,为第一光伏电站群中一个光伏电站的处理信息,/>为目标时间,/>为第一光伏电站群中的一个光伏电站的日平均出力信息,/>为第一云遮系数,/>为第一光伏出力信息。
其中,第一云遮系数是第一光伏电站群位置的云遮系数,由第一气象参数集分析得到。
步骤S503,根据第二云遮系数、第二光伏电站群中的一个光伏电站的日平均出力信息以及目标时间,计算第二光伏电站群的第二光伏出力信息。
具体地,通过如下公式计算第二光伏出力信息:
其中,为第二光伏电站群中一个光伏电站的出力信息,第二光伏出力信息,为目标时间,/>为第二光伏电站群中的一个光伏电站的日平均出力信息,/>为第二云遮系数,/>为第二光伏出力信息。
其中,第二云遮系数是第二光伏电站群位置的云遮系数,由第一气象参数集分析得到。
在本实施例中还提供了一种水光互补优化目标的确定装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种水光互补优化目标的确定装置,如图6所示,包括:
光伏电站群确定模块601,用于建立水光互补系统,根据水电站对应的汇水区与光伏电站的位置,确定第一光伏电站群和第二光伏电站群,水光互补系统中包括一个水电站和多个光伏电站,汇水区表示地表径流汇聚到水电站位置的过程中所流经的地表区域,第一光伏电站群为位于汇水区内的多个光伏电站形成的集群,第二光伏电站群为位于汇水区外的多个光伏电站形成的集群。
第一气象参数集获取模块602,用于获取汇水区和第二光伏电站群所在位置的第一气象参数集。
云信息判断模块603,用于根据第一气象参数集,判断目标时刻是否存在云信息。
第二气象参数集获取模块604,用于根据存在云信息,获取汇水区和第二光伏电站群所在位置的第二气象参数集,第二气象参数集中包括降雨信息。
降雨预测参数确定模块605,用于根据第二气象参数集确定降雨预测参数,降雨预测参数包括降水概率。
降雨情况分析模块606,用于根据降水概率与雨置信阈值和晴置信阈值的关系,对降雨结果进行分析,得到降雨情况分析结果。
优化目标确定模块607,基于存在云信息,根据降雨情况分析结果,确定水光互补系统的优化目标组合。
具体地,上述降雨情况分析模块606,包括:
直接判断降雨单元,用于根据降水概率大于或等于雨置信阈值,确定降雨情况分析结果为可直接判断降雨。
直接判断无降雨单元,用于根据降水概率小于或等于晴置信阈值,确定降雨情况分析结果为可直接判断无降雨。
无法直接判断单元,用于根据降水概率小于雨置信阈值,且大于晴置信阈值时,确定降雨情况分析结果为无法直接判断降雨结果。
具体地,上述优化目标确定模块607,包括:
优化目标确定单元,用于根据不存在云信息,确定降雨情况分析结果为无降雨,根据不存在云信息,降雨情况分析结果为无降雨,确定优化目标组合为第一优化目标,第一优化目标为第一光伏电站群和第二光伏电站群的总体上网电量为大于或等于第一预设值。
优化目标确定单元,用于根据降雨情况分析结果为可直接判断降雨,确定水光互补系统的优化目标组合为第二优化目标,第二优化目标为水电站和光伏发电总体的上网电量曲线平稳。
优化目标确定单元,还用于根据降雨情况分析结果为可直接判断无降雨,或无法直接判断降雨结果,确定水光互补系统的优化目标组合为第一优化目标和第二优化目标。
本发明实施例提供的水光互补优化目标的确定装置,还包括:
约束条件顺序确定模块,用于根据优化目标组合,确定约束条件顺序,约束条件包括第一约束条件、第二约束条件以及第三约束条件,第一约束条件为水电站的水库防洪调度要求约束,第二约束条件为水电站的出力的可调范围约束,第三约束条件为电网能够承受的最大波动率约束。
光伏出力信息预测模块,用于根据存在云信息,计算第一光伏电站群和第二光伏电站群所在位置的第一云遮系数和第二云遮系数;根据第一云遮系数和第二云遮系数,分别预测第一光伏电站群和第二光伏电站群的第一光伏出力信息和第二光伏出力信息。
光伏出力信息预测模块,还用于根据光伏电站的平均出力信息,预测第一光伏电站群和第二光伏电站群的第三光伏出力信息和第四光伏出力信息。
上述光伏出力信息预测模块,包括:
云遮系数确定单元,用于根据第一气象参数集,分别确定第一光伏电站群和第二光伏电站群的第一云遮系数和第二云遮系数。
出力计算单元,用于根据第一云遮系数、第一光伏电站群中的一个光伏电站的日平均出力信息以及目标时间,计算第一光伏电站群的第一光伏出力信息。还用于根据第二云遮系数、第二光伏电站群中的一个光伏电站的日平均出力信息以及目标时间,计算第二光伏电站群的第二光伏出力信息。
来水信息确定模块,包括:
坡面汇流来水信息确定单元,用于根据降水量,利用产汇流计算模型进行汇水区的陆面水文模拟,确定坡面汇流过程参数,并计算坡面汇流来水信息。
河网汇流来水信息确定单元,用于根据降水量,利用产汇流计算模型进行汇水区的水面水文模拟,确定河网汇流过程参数,并计算河网汇流来水信息。
来水信息确定单元,用于将坡面汇流来水信息与河网汇流来水信息的和,确定为目标时间的来水信息。
上述各个模块和单元的更进一步的功能描述与上述对应实施例相同,在此不再赘述。
本实施例中的水光互补优化目标的确定装置是以功能单元的形式来呈现,这里的单元是指ASIC(Application Specific Integrated Circuit,专用集成电路)电路,执行一个或多个软件或固定程序的处理器和存储器,和/或其他可以提供上述功能的器件。
本发明实施例还提供一种计算机设备,具有上述图6所示的水光互补优化目标的确定装置。
请参阅图7,图7是本发明可选实施例提供的一种计算机设备的结构示意图,如图7所示,该计算机设备包括:一个或多个处理器10、存储器20,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相通信连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在一些可选的实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个计算机设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图7中以一个处理器10为例。
处理器10可以是中央处理器,网络处理器或其组合。其中,处理器10还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路,可编程逻辑器件或其组合。上述可编程逻辑器件可以是复杂可编程逻辑器件,现场可编程逻辑门阵列,通用阵列逻辑或其任意组合。
其中,所述存储器20存储有可由至少一个处理器10执行的指令,以使所述至少一个处理器10执行实现上述实施例示出的方法。
存储器20可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据计算机设备的使用所创建的数据等。此外,存储器20可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些可选的实施方式中,存储器20可选包括相对于处理器10远程设置的存储器,这些远程存储器可以通过网络连接至该计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
存储器20可以包括易失性存储器,例如,随机存取存储器;存储器也可以包括非易失性存储器,例如,快闪存储器,硬盘或固态硬盘;存储器20还可以包括上述种类的存储器的组合。
该计算机设备还包括通信接口30,用于该计算机设备与其他设备或通信网络通信。
本发明实施例还提供了一种计算机可读存储介质,上述根据本发明实施例的方法可在硬件、固件中实现,或者被实现为可记录在存储介质,或者被实现通过网络下载的原始存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码,从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件的存储介质上的这样的软件处理。其中,存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等;进一步地,存储介质还可以包括上述种类的存储器的组合。可以理解,计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件,当软件或计算机代码被计算机、处理器或硬件访问且执行时,实现上述实施例示出的方法。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (16)
1.一种水光互补优化目标的确定方法,其特征在于,所述方法包括:
建立水光互补系统,根据水电站对应的汇水区与光伏电站的位置,确定第一光伏电站群和第二光伏电站群,所述水光互补系统中包括一个水电站和多个光伏电站,所述汇水区表示地表径流汇聚到水电站位置的过程中所流经的地表区域,所述第一光伏电站群为位于所述汇水区内的多个光伏电站形成的集群,所述第二光伏电站群为位于所述汇水区外的多个光伏电站形成的集群;
获取所述汇水区和第二光伏电站群所在位置的第一气象参数集;
根据所述第一气象参数集,判断目标时刻是否存在云信息;
若存在云信息,获取所述汇水区和所述第二光伏电站群所在位置的第二气象参数集;
根据所述第二气象参数集确定降雨预测参数,所述降雨预测参数包括降水概率;
根据所述降水概率与雨置信阈值和晴置信阈值的关系,对降雨结果进行分析,得到降雨情况分析结果;
基于存在所述云信息,根据所述降雨情况分析结果,确定所述水光互补系统的优化目标组合;
其中,所述根据所述降水概率与雨置信阈值和晴置信阈值的关系,对降雨结果进行分析,得到降雨情况分析结果,包括:
当所述降水概率大于或等于雨置信阈值,确定降雨情况分析结果为直接判断降雨;
当所述降水概率小于或等于晴置信阈值,确定降雨情况分析结果为直接判断无降雨;
当所述降水概率小于所述雨置信阈值,且大于所述晴置信阈值时,确定降雨情况分析结果为无法直接判断降雨结果;
其中,所述基于存在所述云信息,根据所述降雨情况分析结果,确定所述水光互补系统的优化目标组合,包括:
若所述降雨情况分析结果为直接判断降雨,确定所述水光互补系统的优化目标组合为第二优化目标,所述第二优化目标为水电站和光伏发电总体的上网电量曲线平稳;
若所述降雨情况分析结果为直接判断无降雨,或无法直接判断所述降雨结果,确定所述水光互补系统的优化目标组合为第一优化目标和第二优化目标;
若不存在云信息,则确定降雨结果为无降雨;
根据不存在云信息,降雨结果为无降雨,确定优化目标组合为第一优化目标,所述第一优化目标为所述第一光伏电站群和所述第二光伏电站群的总体上网电量为大于或等于第一预设值。
2.根据权利要求1所述的方法,其特征在于,在所述确定降雨情况分析结果为无法直接判断降雨结果之后,所述方法还包括:
根据所述降水概率计算预测降雨量;
根据所述预测降雨量,确定目标时刻的降雨结果。
3.根据权利要求2所述的方法,其特征在于,所述根据所述降水概率计算预测降雨量,包括:
根据所述第二气象参数集,确定目标时间的降水概率;
根据所述第二气象参数集,确定目标时间的降雨量;
将所述降水概率和所述降雨量的积,确定为所述预测降雨量。
4.根据权利要求2所述的方法,其特征在于,所述根据所述预测降雨量,确定目标时刻的降雨结果,包括:
当所述预测降雨量大于或等于第二预设值,确定降雨结果为降雨;
当所述预测降雨量小于第二预设值,确定降雨结果为无降雨。
5.根据权利要求1所述的方法,其特征在于,在所述基于存在所述云信息,根据所述降雨情况分析结果,确定所述水光互补系统的优化目标组合之后,所述方法还包括:
根据所述优化目标组合,确定约束条件的顺序,所述约束条件包括第一约束条件、第二约束条件以及第三约束条件,所述第一约束条件为水电站的水库防洪调度要求约束,所述第二约束条件为水电站的出力的调范围约束,所述第三约束条件为电网能够承受的最大波动率约束。
6.根据权利要求5所述的方法,其特征在于,所述根据所述优化目标组合,确定约束条件的顺序,包括:
当所述优化目标组合为第一优化目标时,所述约束条件的顺序为,第三约束条件优先于第二约束条件,且所述第二约束条件优先于第一约束条件;
当所述优化目标组合为第二优化目标时,所述约束条件的顺序为,第一约束条件优先于第二约束条件,且所述第二约束条件优先于第三约束条件;
当所述优化目标组合为所述第一优化目标和所述第二优化目标时,约束条件的顺序为,第二约束条件优先于第一约束条件,且所述第一约束条件优先于第三约束条件。
7.根据权利要求1所述的方法,其特征在于,通过如下公式计算雨置信阈值和晴置信阈值:
其中,为雨置信阈值,/>为雨置信函数,/>为降水概率,/>为置信保障率;
其中,为晴置信阈值,/>为晴置信函数,/>为降水概率,/>为置信保障率。
8.根据权利要求3所述的方法,其特征在于,通过如下公式判断预测降雨量:
,
;
;
其中,为目标时间内的预测降雨量,/>为目标时间的降雨量,/>为目标时间的降水概率,/>为雨置信阈值,/>为晴置信阈值,/>为目标时间。
9.根据权利要求1所述的方法,其特征在于,若存在云信息,所述方法还包括:
计算所述第一光伏电站群和所述第二光伏电站群所在位置的第一云遮系数和第二云遮系数;
根据所述第一云遮系数和所述第二云遮系数,分别预测所述第一光伏电站群和所述第二光伏电站群的第一光伏出力信息和第二光伏出力信息。
10.根据权利要求9所述的方法,其特征在于,所述根据所述第一云遮系数和所述第二云遮系数,分别预测所述第一光伏电站群和所述第二光伏电站群的第一光伏出力信息和第二光伏出力信息,包括:
根据所述第一气象参数集,分别确定所述第一光伏电站群和所述第二光伏电站群的第一云遮系数和第二云遮系数;
根据所述第一云遮系数、所述第一光伏电站群中的一个光伏电站的日平均出力信息以及目标时间,计算所述第一光伏电站群的第一光伏出力信息;
根据所述第二云遮系数、所述第二光伏电站群中的一个光伏电站的日平均出力信息以及目标时间,计算所述第二光伏电站群的第二光伏出力信息。
11.根据权利要求10所述的方法,其特征在于,通过如下公式计算所述第一光伏出力信息:
其中,为第一光伏电站群中一个光伏电站的出力信息,/>为目标时间,/>为第一光伏电站群中的一个光伏电站的日平均出力信息,/>为第一云遮系数,/>为第一光伏出力信息;
通过如下公式计算所述第二光伏出力信息:
其中,为第二光伏电站群中一个光伏电站的出力信息,第二光伏出力信息,/>为目标时间,/>为第二光伏电站群中的一个光伏电站的日平均出力信息,/>为所述第二云遮系数,/>为第二光伏出力信息。
12.根据权利要求1所述的方法,其特征在于,若不存在云信息,所述方法还包括:
根据所述光伏电站的平均出力信息,预测所述第一光伏电站群和所述第二光伏电站群的第三光伏出力信息和第四光伏出力信息。
13.根据权利要求1所述的方法,其特征在于,所述降雨预测参数还包括降水量,所述方法还包括:
根据所述降水量,利用产汇流计算模型进行所述汇水区的陆面水文模拟,确定坡面汇流过程参数,并计算坡面汇流来水信息;
根据所述降水量,利用产汇流计算模型进行所述汇水区的水面水文模拟,确定河网汇流过程参数,并计算河网汇流来水信息;
将所述坡面汇流来水信息与所述河网汇流来水信息的和,确定为目标时间的所述来水信息。
14.一种水光互补优化目标的确定装置,其特征在于,所述装置包括:
光伏电站群确定模块,用于建立水光互补系统,根据水电站对应的汇水区与光伏电站的位置,确定第一光伏电站群和第二光伏电站群,所述水光互补系统中包括一个水电站和多个光伏电站,所述汇水区表示地表径流汇聚到水电站位置的过程中所流经的地表区域,所述第一光伏电站群为位于所述汇水区内的多个光伏电站形成的集群,所述第二光伏电站群为位于所述汇水区外的多个光伏电站形成的集群;
第一气象参数集获取模块,用于获取所述汇水区和所述第二光伏电站群所在位置的第一气象参数集;
云信息判断模块,用于根据所述第一气象参数集,判断目标时刻是否存在云信息;
第二气象参数集获取模块,用于根据存在云信息,获取所述汇水区和所述第二光伏电站群所在位置的第二气象参数集;
降雨预测参数确定模块,用于根据所述第二气象参数集确定降雨预测参数,所述降雨预测参数包括降水概率;
降雨情况分析模块,用于根据所述降水概率与雨置信阈值和晴置信阈值的关系,对降雨结果进行分析,得到降雨情况分析结果;
优化目标确定模块,用于基于存在所述云信息,根据所述降雨情况分析结果,确定所述水光互补系统的优化目标组合;
其中,降雨情况分析模块,包括:
当所述降水概率大于或等于雨置信阈值,确定降雨情况分析结果为直接判断降雨;
当所述降水概率小于或等于晴置信阈值,确定降雨情况分析结果为直接判断无降雨;
当所述降水概率小于所述雨置信阈值,且大于所述晴置信阈值时,确定降雨情况分析结果为无法直接判断降雨结果;
其中,优化目标确定模块包括:
若所述降雨情况分析结果为直接判断降雨,确定所述水光互补系统的优化目标组合为第二优化目标,所述第二优化目标为水电站和光伏发电总体的上网电量曲线平稳;
若所述降雨情况分析结果为直接判断无降雨,或无法直接判断所述降雨结果,确定所述水光互补系统的优化目标组合为第一优化目标和第二优化目标;
若不存在云信息,则确定降雨结果为无降雨;
根据不存在云信息,降雨结果为无降雨,确定优化目标组合为第一优化目标,所述第一优化目标为所述第一光伏电站群和所述第二光伏电站群的总体上网电量为大于或等于第一预设值。
15.一种计算机设备,其特征在于,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1至13中任一项所述的水光互补优化目标的确定方法。
16.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机指令,所述计算机指令用于使计算机执行权利要求1至13中任一项所述的水光互补优化目标的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311339050.8A CN117081161B (zh) | 2023-10-17 | 2023-10-17 | 水光互补优化目标的确定方法、装置、计算机设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311339050.8A CN117081161B (zh) | 2023-10-17 | 2023-10-17 | 水光互补优化目标的确定方法、装置、计算机设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117081161A CN117081161A (zh) | 2023-11-17 |
CN117081161B true CN117081161B (zh) | 2024-01-26 |
Family
ID=88718020
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311339050.8A Active CN117081161B (zh) | 2023-10-17 | 2023-10-17 | 水光互补优化目标的确定方法、装置、计算机设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117081161B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107240932A (zh) * | 2017-06-23 | 2017-10-10 | 清华大学 | 一种水光互补系统中光伏电站容量优化方法 |
CN108761574A (zh) * | 2018-05-07 | 2018-11-06 | 中国电建集团北京勘测设计研究院有限公司 | 基于多源信息融合的降雨量估算方法 |
CN110009385A (zh) * | 2019-01-11 | 2019-07-12 | 国网浙江杭州市临安区供电有限公司 | 一种基于多因素映射的光伏发电用户群划分方法 |
CN110175421A (zh) * | 2019-05-31 | 2019-08-27 | 杭州电子科技大学 | 一种新型水光互补多目标优化运行方法 |
CN111864811A (zh) * | 2019-04-29 | 2020-10-30 | 天津大学 | 一种考虑电网送出需求的水光互补系统光伏容量配置方法 |
CN114386681A (zh) * | 2021-12-28 | 2022-04-22 | 南京聚润信息科技有限公司 | 一种水光出力联合预测方法 |
CN115173465A (zh) * | 2022-06-21 | 2022-10-11 | 贵州电网有限责任公司 | 一种基于Copula理论的风光水火储一体化耦合机理分析方法 |
CN116070728A (zh) * | 2022-10-25 | 2023-05-05 | 国网河北省电力有限公司营销服务中心 | 光伏发电系统发电量预测方法、设备、系统及介质 |
CN116470513A (zh) * | 2023-04-21 | 2023-07-21 | 国网青海省电力公司清洁能源发展研究院 | 一种响应电网需求的多类型光热电站协调调度运行方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109934423B (zh) * | 2019-04-25 | 2020-04-21 | 山东大学 | 基于并网逆变器运行数据的光伏电站功率预测方法及系统 |
US20230268742A1 (en) * | 2021-10-19 | 2023-08-24 | Dalian University Of Technology | A method for quantification of flexibility requirements and coordinated optimization of a hydro-wind-solar multi-energy complementary systems |
-
2023
- 2023-10-17 CN CN202311339050.8A patent/CN117081161B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107240932A (zh) * | 2017-06-23 | 2017-10-10 | 清华大学 | 一种水光互补系统中光伏电站容量优化方法 |
CN108761574A (zh) * | 2018-05-07 | 2018-11-06 | 中国电建集团北京勘测设计研究院有限公司 | 基于多源信息融合的降雨量估算方法 |
CN110009385A (zh) * | 2019-01-11 | 2019-07-12 | 国网浙江杭州市临安区供电有限公司 | 一种基于多因素映射的光伏发电用户群划分方法 |
CN111864811A (zh) * | 2019-04-29 | 2020-10-30 | 天津大学 | 一种考虑电网送出需求的水光互补系统光伏容量配置方法 |
CN110175421A (zh) * | 2019-05-31 | 2019-08-27 | 杭州电子科技大学 | 一种新型水光互补多目标优化运行方法 |
CN114386681A (zh) * | 2021-12-28 | 2022-04-22 | 南京聚润信息科技有限公司 | 一种水光出力联合预测方法 |
CN115173465A (zh) * | 2022-06-21 | 2022-10-11 | 贵州电网有限责任公司 | 一种基于Copula理论的风光水火储一体化耦合机理分析方法 |
CN116070728A (zh) * | 2022-10-25 | 2023-05-05 | 国网河北省电力有限公司营销服务中心 | 光伏发电系统发电量预测方法、设备、系统及介质 |
CN116470513A (zh) * | 2023-04-21 | 2023-07-21 | 国网青海省电力公司清洁能源发展研究院 | 一种响应电网需求的多类型光热电站协调调度运行方法 |
Non-Patent Citations (2)
Title |
---|
并网光伏电站置信容量评估;方鑫;郭强;张东霞;梁双;;电网技术(09);第36-40页 * |
水光互补技术研究及应用;庞秀岚;张伟;;水力发电学报(07);第3-15页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117081161A (zh) | 2023-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | Optimized sizing of a standalone PV-wind-hydropower station with pumped-storage installation hybrid energy system | |
Meng et al. | Data-driven inference of unknown tilt and azimuth of distributed PV systems | |
CN208335256U (zh) | 一种基于分布式光伏电站设计的预测发电量计算系统 | |
CN109086928A (zh) | 基于saga-fcm-lssvm模型的光伏电站实时功率预测方法 | |
Zhang et al. | Assessment of climate change impacts on the hydro-wind-solar energy supply system | |
CN115425680B (zh) | 一种多能源联合发电系统的功率预测模型构建及预测方法 | |
CN109374488B (zh) | 用于分布式光伏电站雾霾天气能见度的预测方法 | |
Lyden et al. | Modelling, parameter estimation and assessment of partial shading conditions of photovoltaic modules | |
Askarzadeh | Optimisation of solar and wind energy systems: A survey | |
Gagliano et al. | GIS-based decision support for solar photovoltaic planning in urban environment | |
KR102338519B1 (ko) | 실시간 신재생에너지 발전량 추정 시스템 | |
KR102488667B1 (ko) | 머신러닝을 이용한 태양광 발전 예측 시스템 | |
Ahmed et al. | An assessment of the solar photovoltaic generation yield in Malaysia using satellite derived datasets | |
CN116306006A (zh) | 风光水联合发电的优化调度方法、装置和计算机设备 | |
CN113255985B (zh) | 一种预测光伏电站发电量的方法及系统 | |
CN112491142B (zh) | 一种光伏电站性能分析系统及方法 | |
CN117081161B (zh) | 水光互补优化目标的确定方法、装置、计算机设备及介质 | |
CN113610285A (zh) | 一种分散式风电的功率预测方法 | |
CN116073369A (zh) | 采用蒙特卡洛模拟改进的Copula光伏出力概率区间预测方法 | |
TW201740296A (zh) | 再生能源發電量預測方法與系統 | |
Loh et al. | Data-driven short-term forecasting of solar irradiance profile | |
KR102675595B1 (ko) | 장기 태양광 발전량 예측 시스템 | |
Junior et al. | Local and regional hour-ahead forecasts of solar irradiance with training data selection and support vector regression | |
CN116742624B (zh) | 一种光伏发电量预测方法及系统 | |
Hao et al. | A Method for Modeling the Output Power of Photovoltaic Power Supplies Based on Non-parametric Kernel Density Estimation |
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 |