CN117709592A - 一种基于重心法的新能源消纳能力影响分析方法 - Google Patents

Abstract

本发明公开了一种基于重心法的新能源消纳能力影响分析方法，属于新能源领域，包括以下步骤：S1、统计采用新能源消纳模型计算得到的多个单一新能源消纳影响因素变化数据；S2、得到由多个单一新能源消纳影响因素构成的数据矩阵及新能源利用率的数据矩阵；S3、构建基于响应面法的多因素影响下的新能源消纳影响分析模型；S4、验证新能源消纳影响分析模型；S5、计算出变量在设定区间内变化下的消纳曲面；S6、利用重心法计算消纳曲面的曲面重心，得到新能源消纳能力值。本发明采用上述基于重心法的新能源消纳能力影响分析方法，可在新能源消纳能力区间上计算新能源消纳能力确定值，对新能源消纳能力的量化评估具有重要意义。

Description

一种基于重心法的新能源消纳能力影响分析方法

技术领域

本发明涉及新能源技术领域，尤其涉及一种基于重心法的新能源消纳能力影响分析方法。

背景技术

随着能源安全、生态环境、气候变化等问题的日益突出，加快发展新能源已成为国际社会推动能源转型发展、应对全球气候变化的普遍共识和一致行动。

随着新能源技术的日益成熟，如何提升新能源消纳能力成为关注的重点，以往传统的方法只能根据单一因素的变化确定对应的新能源消纳能力，但是新能源消纳能力是由多个不确定性因素共同确定的，针对此问题开展了对以下三种新能源消纳能力影响的分析方法：1、基于时序生产模拟的新能源消纳能力分析方法，其中时间序列是将同一统计指标的数值按其发生的时间先后顺序排列而成的序列。要进行时间序列的生产模拟，首先要进行平稳性检验(其为时间序列分析的前提)，然后，对数据进行包括平滑、变换、差分、分解的处理，而后选取模型并估计模型的参数，最后选出最佳模型，进行残差分析，若最后满足非白噪声检验，则完成模型建立，可进行预测。

其存在以下缺陷：由于该方法要求时序数据是稳定的，或者通过差分化之后是稳定的；故本质上只能捕捉线性关系，不能捕捉非线性关系。

2、基于多元线性回归的新能源消纳能力分析方法，该方法是将新能源消纳值作为因变量，将影响新能源消纳值变化的因素作为自变量。然后，进行数据处理(其包括数据缺失值处理和异常值处理)，并将分类变量处理为on-hot编码，再计算变量之间的相关系数，绘制散点图，进行拟合，得到模型残差，再进行检验、调优，最终得到回归模型。

其存在以下缺陷：1)该方法不能很好地拟合非线性数据，拟合前需要先判断变量之间是否是线性关系，对于多因素影响下的新能源消纳能力分析具有一定的局限性；

2)该方法具有不可测性，在回归分析中，因子及因子的表达式选择只是一种推测，从而造成因子的多样性以及不可测性，对回归分析造成一定的限制。

3、基于微分方程的新能源消纳能力分析方法，该方法需要进行适当的假设，然后根据已有的定律或定理，把实际问题转化为求微分方程的定解的问题。即首先确定研究对象及其所在的坐标系，将研究的目标定量化；而后找出待研究量所满足的基本定理或定律(几何、物理、生物、化学等)；再运用上述规律列出微分方程和定解条件；最后对微分方程进行求解(解析解或数值解)即可。

其存在以下缺陷：1)该方法在实际情况并不完全满足假设条件的情况下，中长期预测容易产生较大的误差；

2)微分方程解的存在性和唯一性证明困难，且不易求出。

上述三种方法可以分析多个不确定因素同时变化下新能源消纳的变化趋势及程度，但是并不能反映因素在某一区间变化下的消纳能力。

发明内容

为解决上述问题，本发明提供一种基于重心法的新能源消纳能力影响分析方法，可在新能源消纳能力区间上计算新能源消纳能力确定值，对新能源消纳能力的量化评估具有重要意义。

为实现上述目的，本发明提供了一种基于重心法的新能源消纳能力影响分析方法，利用重心法确定设定消纳区间内新能源消纳的确定值；

其包括以下步骤：

S1、统计采用新能源消纳模型计算得到的多个单一新能源消纳影响因素变化数据；

S2、分别对多个单一新能源消纳影响因素变化数据进行归一化处理及重构，得到由多个单一新能源消纳影响因素构成的数据矩阵及新能源利用率的数据矩阵；

S3、针对两因素影响下新能源消纳能力变化的形态特征，采用迭代策略及最小二乘法，拟合高阶多项式，构建基于响应面法的多因素影响下的新能源消纳影响分析模型；

S4、验证新能源消纳影响分析模型；

S5、根据构建的新能源消纳影响分析模型计算出变量在设定区间内变化下的消纳曲面；

S6、利用重心法计算消纳曲面的曲面重心，得到新能源消纳能力值。

优选的，步骤S1所述的多个单一新能源消纳影响因素包括风光资源、用电负荷、装机容量和线路检修，线路检修包括盘清断面检修时的输电断面限额。

优选的，步骤S2具体包括以下步骤：

S21、归一化处理：

对统计得到的多个单一新能源消纳影响因素变化数据进行线性变换：

X＝X-X_min/X_max-X_min

式中，X_min为多个单一新能源消纳影响因素变化数据的最大值，X_min为多个单一新能源消纳影响因素变化数据的最小值；

S22、将结果值映射到[0-1]之间；

S23、数据重构：

将风光资源小时数定义为第一列向量，用电负荷定义为第二个列向量，装机容量定义为第三个列向量，线路检修定义为第四个列向量，而后利用第一列向量、第二个列向量、第三个列向量和第四个列向量构成数据矩阵。

优选的，步骤S3具体包括以下步骤：

S31、建立响应面函数：将响应面函数中的四个随机变量X₁、X₂、X₃、X₄与四个单一新能源消纳影响因素一一对应，其中X₁为风光资源小时数；X₂为用电负荷；X₃为装机容量；X₄为线路检修；得到如下公式：

式中，a为实数；b_i为待定系数；c_i为交互项系数；Z为消纳值；g为函数运算；X_i为响应面函数的其中一个随机变量，i＝1，2，3或者4；X_j为响应面函数的另一个随机变量，j＝1，2，3或者4；且；i≠j；

S32、采用最小二乘法求解响应面函数中的待定系数：

将(X₁，X₂，X₃，X₄，Z)作为观测值，并设定Z＝[Z₁，Z₂，…，Z_n]，X₁＝[X₁₁，X₁₂，…X_1n]，X₂＝[X₂₁，X₂₂，…X_2n]，X₃＝[X₃₁，X₃₂，…X_3n]，X₄＝[X₄₁，X₄₂，…X_4n]，其中，Z₁表示在X₁₁，X₂₁，X₃₁，X₄₁情况下对应的消纳值；Z₂表示在X₁₂，X₂₂，X₃₂，X₄₂情况下对应的消纳值；Z_n表示在X_1n，X_2n，X_3n，X_4n情况下对应消纳值；X_1n表示风光资源小时数的第n个数据；X_2n表示用电负荷的第n个数据；X_3n表示装机容量的第n个数据；X_4n表示线路检修的第n个数据；且n＝1～n；

则新能源消纳影响分析模型表示为：

Z＝f(X₁，X₂，X₃，X₄)

S33、寻找Z＝f(X₁，X₂，X₃，X₄)的参数a、b_i、c_i的最优值：对于给定的n组观测数据，残差函数表示为：

L_i(Z，f(X₁，X₂，X₃，X₄))＝Z_i-f(X₁，X₂，X₃，X₄)

式中，L_i为第i个残差函数；Z_i为第i个消纳值；

S34、利用最小二乘法进行迭代，最小二乘法的形式表示为：

式中，n表示观测数据数；

S35、基于高阶多项式进行拟合，得到新能源消纳影响分析模型：

优选的，步骤S4所述验证包括同时验证可行性和准确性；

可行性验证具体包括以下步骤：

计算新能源消纳影响分析模型的样本间的差异由抽样误差所致的概率P值及符合程度R²值：

P值计算公式如下：

P＝P{|X|＞C}

式中：X表示检验统计量；C表示样本统计值；

若P＜0.05表示新能源消纳影响分析模型可行，否则表示不可行；

R²的计算公式如下：

式中，y_i表示实际值，f_i表示预测值，表示实际值的平均值；i表示第i个消纳数据；若R²大于设定阈值，则表示新能源消纳影响分析模型满足需求，否则表示不满足需求；

准确性验证具体包括以下步骤：

利用随机取点计算新能源利用率的拟合值与真实值的偏差进行验证。

优选的，步骤S5具体包括以下步骤：

利用数据矩阵拟合新能源消纳影响分析模型，在得到的消纳模型的基础上再分别对风光资源、用电负荷、装机容量及线路检修进行两因素区间变化调整，得到新能源消纳值的变化区间。

优选的，步骤S6具体包括以下步骤：

S61、设定消纳曲面的重心为等效消纳点坐标(C_x,C_y,F)，得到如下公式：

F＝f(C_x,C_y)

式中，C_x为消纳曲面重心的x坐标，C_y为消纳曲面重心的y坐标，F为消纳曲面重心的Z的坐标，S为消纳曲面的面积；F为对应点的新能源利用率；

S62、将消纳曲面重心的x坐标C_x及消纳曲面重心的y坐标C_y带入新能源消纳影响分析模型，得到对应点的新能源利用率F。

本发明具有以下有益效果：

基于重心法的新能源消纳能力影响分析方法，可在新能源消纳能力区间上，快速计算多个关键因素变化下新能源的消纳程度，对新能源消纳能力的量化评估具有重要意义。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

图1为本发明的一种基于重心法的新能源消纳能力影响分析方法的流程框图；

图2为本发明的实施例的风光资源-装机容量双因素响应面结果图；

图3为本发明的实施例的风光资源-用电负荷双因素响应面结果图；

图4为本发明的实施例的用电负荷-装机容量双因素响应面结果图；

图5为本发明的实施例的用电负荷-线路检修双因素响应面结果图；

图6为本发明的实施例的风光资源-线路检修双因素响应面结果图；

图7为本发明的实施例的装机容量-线路检修双因素响应面结果图；

图8为本发明的实施例的响应面模型新能源利用率结果图。

具体实施方式

为了使本发明实施例公开的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明实施例进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本发明实施例，并不用于限定本发明实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。

需要说明的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

首先需要说明的是，在物理中重心法是指如果使一个物体在垂直不动或做匀速直线运动的点。在本实施例中，将曲面中的重心对应的新能源利用率值称为等效消纳值，通过响应面法建立多维新能源消纳影响分析模型。

如图1所示，一种基于重心法的新能源消纳能力影响分析方法，一种基于重心法的新能源消纳能力影响分析方法，利用重心法确定设定消纳区间内新能源消纳的确定值；

其包括以下步骤：

S1、统计采用新能源消纳模型计算得到的多个单一新能源消纳影响因素变化数据；

步骤S1所述的多个单一新能源消纳影响因素包括风光资源、用电负荷、装机容量和线路检修，线路检修包括盘清断面检修时的输电断面限额。

S2、分别对多个单一新能源消纳影响因素变化数据进行归一化处理及重构，得到由多个单一新能源消纳影响因素构成的数据矩阵及新能源利用率的数据矩阵；

步骤S2具体包括以下步骤：

S21、归一化处理：

对统计得到的多个单一新能源消纳影响因素变化数据进行线性变换：

X＝X-X_min/X_max-X_min

式中，X_min为多个单一新能源消纳影响因素变化数据的最大值，X_min为多个单一新能源消纳影响因素变化数据的最小值；

S22、将结果值映射到[0-1]之间；

S23、数据重构：

将风光资源小时数定义为第一列向量，用电负荷定义为第二个列向量，装机容量定义为第三个列向量，线路检修定义为第四个列向量，而后利用第一列向量、第二个列向量、第三个列向量和第四个列向量构成数据矩阵。

S3、针对两因素影响下新能源消纳能力变化的形态特征，采用迭代策略及最小二乘法，拟合高阶多项式，构建基于响应面法的多因素影响下的新能源消纳影响分析模型；

步骤S3具体包括以下步骤：

S31、建立响应面函数：将响应面函数中的四个随机变量X₁、X₂、X₃、X₄与四个单一新能源消纳影响因素一一对应，其中X₁为风光资源小时数；X₂为用电负荷；X₃为装机容量；X₄为线路检修；得到如下公式：

式中，a为实数；b_i为待定系数；c_i为交互项系数；Z为消纳值；g为函数运算；X_i为响应面函数的其中一个随机变量，i＝1，2，3或者4；X_j为响应面函数的另一个随机变量，j＝1，2，3或者4；且；i≠j；

S32、采用最小二乘法求解响应面函数中的待定系数：

将(X₁，X₂，X₃，X₄，Z)作为观测值，并设定Z＝[Z₁，Z₂，…，Z_n]，X₁＝[X₁₁，X₁₂，…X_1n]，X₂＝[X₂₁，X₂₂，…X_2n]，X₃＝[X₃₁，X₃₂，…X_3n]，X₄＝[X₄₁，X₄₂，…X_4n]，其中，Z₁表示在X₁₁，X₂₁，X₃₁，X₄₁情况下对应的消纳值；Z₂表示在X₁₂，X₂₂，X₃₂，X₄₂情况下对应的消纳值；Z_n表示在X_1n，X_2n，X_3n，X_4n情况下对应消纳值；X_1n表示风光资源小时数的第n个数据；X_2n表示用电负荷的第n个数据；X_3n表示装机容量的第n个数据；X_4n表示线路检修的第n个数据；且n＝1～n；

则新能源消纳影响分析模型表示为：

Z＝f(X₁，X₂，X₃，X₄)

S33、寻找Z＝f(X₁，X₂，X₃，X₄)的参数a、b_i、c_i的最优值：对于给定的n组观测数据，残差函数表示为：

L_i(Z，f(X₁，X₂，X₃，X₄))＝Z_i-f(X₁，X₂，X₃，X₄)

式中，L_i为第i个残差函数；Z_i为第i个消纳值；

S34、利用最小二乘法进行迭代，最小二乘法的形式表示为：

式中，n表示观测数据数；

S35、基于高阶多项式进行拟合，得到新能源消纳影响分析模型：

S4、验证新能源消纳影响分析模型；

步骤S4所述验证包括同时验证可行性和准确性；

可行性验证具体包括以下步骤：

计算新能源消纳影响分析模型的样本间的差异由抽样误差所致的概率P值及符合程度R²值：

P值计算公式如下：

P＝P{|X|＞C}

式中：X表示检验统计量；C表示样本统计值；

若P＜0.05表示新能源消纳影响分析模型可行，否则表示不可行；

在假设检验中用P值是检验决策。其一般以P＜0.05为有统计学差异，P＜0.01为有显著统计学差异，P＜0.001为有极其显著的统计学差异。

R²的计算公式如下：

式中，y_i表示实际值，f_i表示预测值，表示实际值的平均值；i表示第i个消纳数据；若R²大于设定阈值，则表示新能源消纳影响分析模型满足需求，否则表示不满足需求；

准确性验证具体包括以下步骤：

利用随机取点计算新能源利用率的拟合值与真实值的偏差进行验证。

在本实施例中，分别对两个单因素新能源消纳模型进行验证，每个单因素新能源消纳模型随机选取10组历史案例数据，将影响因素值代入单因素新能源消纳模型，计算新能源利用率，并计算模型拟合值与历史值的偏差，两个模型中拟合值与真实值的新能源利用率的平均偏差值均在0.5％以下，表明消纳模型的准确性。

S5、根据构建的新能源消纳影响分析模型计算出变量在设定区间内变化下的消纳曲面；

步骤S5具体包括以下步骤：

利用数据矩阵拟合新能源消纳影响分析模型，在得到的消纳模型的基础上再分别对风光资源、用电负荷、装机容量及线路检修进行两因素区间变化调整，得到新能源消纳值的变化区间。

S6、利用重心法计算消纳曲面的曲面重心，得到新能源消纳能力值。步骤S6具体包括以下步骤：

S61、设定消纳曲面的重心为等效消纳点坐标(C_x,C_y,F)，得到如下公式：

F＝f(C_x,C_y)

式中，C_x为消纳曲面重心的x坐标，C_y为消纳曲面重心的y坐标，F为消纳曲面重心的Z的坐标，S为消纳曲面的面积；F为对应点的新能源利用率；

S62、将消纳曲面重心的x坐标C_x及消纳曲面重心的y坐标C_y带入新能源消纳影响分析模型，得到对应点的新能源利用率F。

实施例

以2019年某省电网数据为例进行分析，首先统计采用新能源消纳模型计算得到的单一因素变化数据，然后将收集到的这些数据，进行归一化处理及重构，得到风光资源、用电负荷、装机容量和线路检修(盘清断面检修时的输电断面限额)及新能源利用率的数据矩阵。

并以盘清典型断面为例，采用本发明中的方法构建新能源消纳影响分析模型，确定新能源消纳能力确定值。

采用上述新能源消纳影响分析模型拟合盘清断面检修消纳模型，计算得到表1所示数据。

表1基于响应面法计算盘清输电断面检修双因素变化消纳区间

如图2-图7所示，通过对模型的可行性和准确性验证，结果表明：断面模型的P值小于0.001，考虑断面检修的新能源消纳模型的R²为91.77％。验算结果表明新能源消纳模型拟合程度较好

而后利用重心法在给定因素上下浮动边界，求解出新能源利用率最可能达到的值：本实施例采取的变化区间是电负荷和风资源增减1％，装机容量增减5％，计算等效消纳值，对模型进行验证。

表2重心法等效消纳区间算例验证

	响应面模型
		等效利用率	96.88％
消纳区间	(96.77％,97.01％)

如图8所示，消纳区间为(96.77％，97,01％)，等效消纳值为96.88％。即等效消纳值均在历史案例的新能源利用率消纳区间内，证明模型拟合效果较好。

因此，本发明采用上述基于重心法的新能源消纳能力影响分析方法，可在新能源消纳能力区间上计算新能源消纳能力确定值，对新能源消纳能力的量化评估具有重要意义。

最后应说明的是：以上实施例仅用以说明本发明的技术方案而非对其进行限制，尽管参照较佳实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对本发明的技术方案进行修改或者等同替换，而这些修改或者等同替换亦不能使修改后的技术方案脱离本发明技术方案的精神和范围。

Claims (7)

1.一种基于重心法的新能源消纳能力影响分析方法，其特征在于：利用重心法确定设定消纳区间内新能源消纳的确定值；

其包括以下步骤：

S1、统计采用新能源消纳模型计算得到的多个单一新能源消纳影响因素变化数据；

S2、分别对多个单一新能源消纳影响因素变化数据进行归一化处理及重构，得到由多个单一新能源消纳影响因素构成的数据矩阵及新能源利用率的数据矩阵；

S3、针对两因素影响下新能源消纳能力变化的形态特征，采用迭代策略及最小二乘法，拟合高阶多项式，构建基于响应面法的多因素影响下的新能源消纳影响分析模型；

S4、验证新能源消纳影响分析模型；

S5、根据构建的新能源消纳影响分析模型计算出变量在设定区间内变化下的消纳曲面；

S6、利用重心法计算消纳曲面的曲面重心，得到新能源消纳能力值。

2.根据权利要求1所述的一种基于重心法的新能源消纳能力影响分析方法，其特征在于：步骤S1所述的多个单一新能源消纳影响因素包括风光资源、用电负荷、装机容量和线路检修，线路检修包括盘清断面检修时的输电断面限额。

3.根据权利要求2所述的一种基于重心法的新能源消纳能力影响分析方法，其特征在于：步骤S2具体包括以下步骤：

S21、归一化处理：

对统计得到的多个单一新能源消纳影响因素变化数据进行线性变换：

X＝X-X_min/X_max-X_min

式中，X_min为多个单一新能源消纳影响因素变化数据的最大值，X_min为多个单一新能源消纳影响因素变化数据的最小值；

S22、将结果值映射到[0-1]之间；

S23、数据重构：

将风光资源小时数定义为第一列向量，用电负荷定义为第二个列向量，装机容量定义为第三个列向量，线路检修定义为第四个列向量，而后利用第一列向量、第二个列向量、第三个列向量和第四个列向量构成数据矩阵。

4.根据权利要求3所述的一种基于重心法的新能源消纳能力影响分析方法，其特征在于：步骤S3具体包括以下步骤：

S31、建立响应面函数：将响应面函数中的四个随机变量X₁、X₂、X₃、X₄与四个单一新能源消纳影响因素一一对应，其中X₁为风光资源小时数；X₂为用电负荷；X₃为装机容量；X₄为线路检修；得到如下公式：

式中，a为实数；b_i为待定系数；c_i为交互项系数；Z为消纳值；g为函数运算；X_i为响应面函数的其中一个随机变量，i＝1，2，3或者4；X_j为响应面函数的另一个随机变量，j＝1，2，3或者4；且；i≠j；

S32、采用最小二乘法求解响应面函数中的待定系数：

将(X₁，X₂，X₃，X₄，Z)作为观测值，并设定Z＝[Z₁，Z₂，…，Z_n]，X₁＝[X₁₁，X₁₂，…X_1n]，X₂＝[X₂₁，X₂₂，…X_2n]，X₃＝[X₃₁，X₃₂，…X_3n]，X₄＝[X₄₁，X₄₂，…X_4n]，其中，Z₁表示在X₁₁，X₂₁，X₃₁，X₄₁情况下对应的消纳值；Z₂表示在X₁₂，X₂₂，X₃₂，X₄₂情况下对应的消纳值；Z_n表示在X_1n，X_2n，X_3n，X_4n情况下对应消纳值；X_1n表示风光资源小时数的第n个数据；X_2n表示用电负荷的第n个数据；X_3n表示装机容量的第n个数据；X_4n表示线路检修的第n个数据；且n＝1～n；

则新能源消纳影响分析模型表示为：

Z＝f(X₁，X₂，X₃，X₄)

S33、寻找Z＝f(X₁，X₂，X₃，X₄)的参数a、b_i、c_i的最优值：对于给定的n组观测数据，残差函数表示为：

L_i(Z，f(X₁，X₂，X₃，X₄))＝Z_i-f(X₁，X₂，X₃，X₄)

式中，L_i为第i个残差函数；Z_i为第i个消纳值；

S34、利用最小二乘法进行迭代，最小二乘法的形式表示为：

式中，n表示观测数据数；

S35、基于高阶多项式进行拟合，得到新能源消纳影响分析模型：

5.根据权利要求4所述的一种基于重心法的新能源消纳能力影响分析方法，其特征在于：步骤S4所述验证包括同时验证可行性和准确性；

可行性验证具体包括以下步骤：

计算新能源消纳影响分析模型的样本间的差异由抽样误差所致的概率P值及符合程度R²值：

P值计算公式如下：

P＝P{|X|>C}

式中：X表示检验统计量；C表示样本统计值；

若P＜0.05表示新能源消纳影响分析模型可行，否则表示不可行；

R²的计算公式如下：

式中，y_i表示实际值，f_i表示预测值，表示实际值的平均值；i表示第i个消纳数据；若R²大于设定阈值，则表示新能源消纳影响分析模型满足需求，否则表示不满足需求；

准确性验证具体包括以下步骤：

利用随机取点计算新能源利用率的拟合值与真实值的偏差进行验证。

6.根据权利要求1所述的一种基于重心法的新能源消纳能力影响分析方法，其特征在于：步骤S5具体包括以下步骤：

利用数据矩阵拟合新能源消纳影响分析模型，在得到的消纳模型的基础上再分别对风光资源、用电负荷、装机容量及线路检修进行两因素区间变化调整，得到新能源消纳值的变化区间。

7.根据权利要求1所述的一种基于重心法的新能源消纳能力影响分析方法，其特征在于：步骤S6具体包括以下步骤：

S61、设定消纳曲面的重心为等效消纳点坐标(C_x，C_y，F)，得到如下公式：

F＝f(C_x，C_y)

式中，C_x为消纳曲面重心的x坐标，C_y为消纳曲面重心的y坐标，F为消纳曲面重心的Z的坐标，S为消纳曲面的面积；F为对应点的新能源利用率；

S62、将消纳曲面重心的x坐标C_x及消纳曲面重心的y坐标C_y带入新能源消纳影响分析模型，得到对应点的新能源利用率F。