CN112365053A - 负荷区域内分布式光伏发电总功率的预测方法、***与计算机可读介质 - Google Patents
负荷区域内分布式光伏发电总功率的预测方法、***与计算机可读介质 Download PDFInfo
- Publication number
- CN112365053A CN112365053A CN202011255724.2A CN202011255724A CN112365053A CN 112365053 A CN112365053 A CN 112365053A CN 202011255724 A CN202011255724 A CN 202011255724A CN 112365053 A CN112365053 A CN 112365053A
- Authority
- CN
- China
- Prior art keywords
- distributed photovoltaic
- power
- curve
- day
- total 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
- 238000010248 power generation Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000008569 process Effects 0.000 claims description 11
- 230000008030 elimination Effects 0.000 claims description 6
- 238000003379 elimination reaction Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 abstract description 10
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明公开了一种负荷区域内分布式光伏发电总功率的预测方法、***与计算机可读介质,根据“待估算日”的总功率数据以及负荷区域内某一个具有测量数据的分布式光伏站点的输出功率数据,以及在“待估算日”之前30天内根据白天时段光伏输出功率曲线的极大值数量和夜间时段总功率曲线差异指标筛选出的某日总功率数据和有测量的分布式光伏站点输出功率数据,就可以估算出整个负荷区域内全部分布式光伏的总输出功率。所述方法解决了在对含分布式光伏的负荷区域进行建模时,因分布式光伏功率测量不全和分布式光伏在网真实装机容量难以获知而导致无法准确得到分布式光伏总输出功率的问题。
Description
技术领域
本发明涉及电力***负荷预测领域,具体而言涉及一种负荷区域内分布式光伏发电总功率的预测方法、***与计算机可读介质。
背景技术
分布式光伏发电的广泛接入是传统无源配电网向有源、主动配电网转变的重要特征。大量的分布式光伏发电显著改变了配电网的动态特性,并可能对输电网的安全稳定运行产生重要影响。目前在电力***的仿真分析中,依然将含分布式光伏的负荷区域等效为负荷模型。为提高整个电力***的仿真分析精度,必须使负荷模型能够准确反映含高比例分布式光伏负荷的实际动态特性。在对含分布式光伏的负荷区域进行建模时,准确掌握分布式光伏发电的总输出功率是非常关键的一个步骤。
负荷区域内的分布式光伏***通常面广、量大,接入电压等级也有380V及10kV之分。目前,仅有接入10kV电压等级的分布式光伏***安装了具有实时通信能力的测量装置,在电网调度部门可以实时获得其发电功率;而接入380V电压等级的大量分布式光伏发电***仅有电表这一计量装置,无法实时获得其发电功率。由于光伏发电功率和负荷功率同时存在于为负荷区域供电的传输线中,也无法在输电线路的功率测量数据中直接分离出分布式光伏发电的总功率。如果无法准确获得负荷区域内分布式光伏发电的总功率,那么就无法建立该负荷区域的准确负荷模型。
从已有的技术手段来说,要获得负荷区域内分布式光伏发电总功率的方法主要有两类。第一类是根据辐照强度、环境温度、分布式光伏在册的装机容量和光伏电池输出特性模型来进行估算。但其问题在于气象数据的精度不足,并且在册的分布式光伏装机容量与实际上网发电的装机容量之间往往存在不小的差异,导致最终的估算精度不佳。第二类是直接通过数学方法进行分布式光伏发电功率的预测,但是从实际效果来看,预测准确度并不稳定。
针对准确估算负荷区域内分布式光伏发电总功率的工程需求以及现有技术方法的不足,本发明充分利用负荷区域内分布式光伏发电功率的有限测量数据,并结合临近日内总负荷功率的变化数据,估算出当前负荷区域内分布式光伏发电的总功率,从而为含分布式光伏发电负荷区域的负荷建模工作提供了关键数据,对于提高含分布式光伏电力***的总体仿真精度具有重要促进作用。
发明内容
本发明目的在于提供一种负荷区域内分布式光伏发电总功率的预测方法,能够根据有限的分布式光伏发电功率测量数据,估算出整个负荷区域内全部分布式光伏发电***总的发电功率,从而为负荷建模提供必须的分布式光伏功率数据,对于提高含分布式光伏负荷区域的负荷模型准确性具有重要意义。
为达成上述目的,本发明提及一种负荷区域内分布式光伏发电总功率的预测方法,包括如下步骤:
步骤1、获取负荷区域在“待估算日”以及之前30天的每日总功率数据PΣ_i,其中下标 i=1,2,L,31,表示天数的序号,i=31代表“待估算日”;获取负荷区域内某一个具有测量装置的分布式光伏站点PV1在上述31天内的每日输出功率数据PPV1_i,i=1,2,L,31;
步骤2、根据步骤1获取的分布式光伏站点PV1在“待估算日”的有功功率输出曲线PPV1_31,计算PPV1_31曲线在白天有输出功率时段内的极大值点数量NP;
步骤3、根据步骤1获取的分布式光伏站点PV1在“待估算日”前30天内的有功功率输出曲线PPV1_i,筛选出一组在白天时段里功率曲线极大值点数量等于NP的负荷区域总功率曲线PΣ_i,组成曲线集合J1;
步骤4、针对步骤3筛选出的负荷区域总功率曲线集合J1所对应的天数,计算其白天时段内分布式光伏站点PV1输出功率PPV1_i的最大值与“待估算日”PV1输出功率PPV1_31的最大值之间的差值ΔPi=|max(PPV1_i)-max(PPV_31)|,在负荷区域总功率曲线集合J1中剔除ΔPi小于 0.5MW的曲线,J1中的剩余曲线组成负荷区域总功率曲线集合J2;
步骤5、在步骤4筛选出的负荷区域总功率曲线集合J2中,按下式计算J2中每一条曲线 PΣ_i与“待估算日”总功率曲线PΣ_31在夜间时段的差异指标ρi:
其中,PΣ_i∈J2,l代表夜间时段所对应数据点的序号,Nn是夜间时段所对应数据点的数量;
步骤6、根据步骤5计算出的夜间时段负荷区域总功率曲线差异指标ρi,选出ρi最小值对应的负荷区域总功率曲线PΣ_ρmin及其对应的分布式光伏站点PV1输出功率PPV1_ρmin,按下式计算出分布式光伏站点PV1的输出功率与负荷区域内全部分布式光伏输出功率之间的比例系数K:
其中,k代表白天时段所对应数据点的序号,Nd是白天时段所对应数据点的数量;
步骤7、根据步骤1获得的分布式光伏站点PV1在“待估算日”的输出功率数据PPV1_31,以及步骤6求出的比例系数K,按下式计算出“待估算日”负荷区域内全部分布式光伏的总输出功率PPV_31:
PPV_31=K·PPV1_31。
根据本发明目的第二方面还提出一种负荷区域内分布式光伏发电总功率的估算***,包括:
第一模块,用于负荷区域和分布式光伏站点PV1的每日输出功率数据,其包括第一获取模块和第二获取模块,所述第一获取模块用于获取负荷区域在“待估算日”以及之前30天的每日总功率数据PΣ_i,其中下标i=1,2,L,31,表示天数的序号,i=31代表“待估算日”;第二获取模块用于获取负荷区域内某一个具有测量装置的分布式光伏站点PV1在上述31天内的每日输出功率数据PPV1_i,i=1,2,L,31;
第二模块,用于根据获取的分布式光伏站点PV1在“待估算日”的有功功率输出曲线 PPV1_31,计算PPV1_31曲线在白天有输出功率时段内的极大值点数量NP;
第三模块,用于根据获取的分布式光伏站点PV1在“待估算日”前30天内的有功功率输出曲线PPV1_i,筛选出一组在白天时段里功率曲线极大值点数量等于NP的负荷区域总功率曲线PΣ_i,组成曲线集合J1;
第四模块,用于针对筛选出的负荷区域总功率曲线集合J1所对应的天数,计算其白天时段内分布式光伏站点PV1输出功率PPV1_i的最大值与“待估算日”PV1输出功率PPV1_31的最大值之间的差值ΔPi=|max(PPV1_i)-max(PPV_31)|,并在负荷区域总功率曲线集合J1中剔除ΔPi小于0.5MW的曲线,使得J1中的剩余曲线组成负荷区域总功率曲线集合J2;
第五模块,用于在筛选出的负荷区域总功率曲线集合J2中,按下式计算J2中每一条曲线 PΣ_i与“待估算日”总功率曲线PΣ_31在夜间时段的差异指标ρi:
其中,PΣ_i∈J2,l代表夜间时段所对应数据点的序号,Nn是夜间时段所对应数据点的数量;
第六模块,用于根据计算出的夜间时段负荷区域总功率曲线差异指标ρi,选出ρi最小值对应的负荷区域总功率曲线PΣ_ρmin及其对应的分布式光伏站点PV1输出功率PPV1_ρmin,按下式计算出分布式光伏站点PV1的输出功率与负荷区域内全部分布式光伏输出功率之间的比例系数K:
其中,k代表白天时段所对应数据点的序号,Nd是白天时段所对应数据点的数量;
第七模块,用于根据获得的分布式光伏站点PV1在“待估算日”的输出功率数据PPV1_31,以及比例系数K,按下式计算出“待估算日”负荷区域内全部分布式光伏的总输出功率PPV_31:
PPV_31=K·PPV1_31。
根据本发明目的第三方面还提出一种用于预测负荷区域内分布式光伏发电总功率的计算机***,包括:
一个或多个处理器;
存储器,存储可***作的指令,所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作,所述操作包括执行前述方法的过程。
根据本发明目的第四方面还提出一种存储软件的计算机可读取介质,所述软件包括能通过一个或多个计算机执行的指令,所述指令在被所述一个或多个计算机执行时执行前述方法的过程
由以上本发明的技术方案,与现有相比,其显著的有益效果在于:
本发明提出的负荷区域内分布式光伏发电总功率的预测方法,所述方法根据“待估算日”的总功率数据以及负荷区域内某一个具有测量数据的分布式光伏站点的输出功率数据,以及在“待估算日”之前30天内根据白天时段光伏输出功率曲线的极大值数量和夜间时段总功率曲线差异指标筛选出的某日总功率数据和有测量的分布式光伏站点输出功率数据,就可以估算出整个负荷区域内全部分布式光伏的总输出功率。通过本发明的方法解决了在对含分布式光伏的负荷区域进行建模时,因分布式光伏功率测量不全和分布式光伏在网真实装机容量难以获知而导致无法准确得到分布式光伏总输出功率的问题。
应当理解,前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。另外,所要求保护的主题的所有组合都被视为本公开的发明主题的一部分。
结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见,或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
附图不意在按比例绘制。在附图中,在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见,在每个图中,并非每个组成部分均被标记。现在,将通过例子并参考附图来描述本发明的各个方面的实施例,其中:
图1是实施例使用的负荷区域和光伏站点的***接线图。
图2是负荷区域内分布式光伏发电总功率估算方法的流程图。
图3是“待估算日”整个负荷区域的总功率曲线示意图。
图4是“待估算日”分布式光伏站点PV1的输出功率曲线示意图。
图5是“待估算日”前30天整个负荷区域的每日总功率曲线示意图。
图6是“待估算日”前30天分布式光伏站点PV1的每日输出功率曲线示意图。
图7是步骤3筛选出来的负荷区域总功率曲线集合J1中的各条曲线示意图。
图8是步骤4筛选出来的负荷区域总功率曲线集合J2中的各条曲线示意图。
图9是步骤6根据夜间时段总功率差异筛选出来的某日总功率曲线示意图。
图10是步骤6根据夜间时段总功率差异筛选出来的某日分布式光伏站点PS1输出功率示意图。
图11是通过本发明的预测方法的预测结果与准确数据之间的对比图。
具体实施方式
为了更了解本发明的技术内容,特举具体实施例并配合所附图式说明如下。
在本公开中参照附图来描述本发明的各方面,附图中示出了许多说明的实施例。本公开的实施例不必定意在包括本发明的所有方面。应当理解,上面介绍的多种构思和实施例,以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施,这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外,本发明公开的一些方面可以单独使用,或者与本发明公开的其他方面的任何适当组合来使用。
根据本发明实施例的预测方法使用的负荷区域和光伏站点的***如图1所示,该***包含若干条10kV的负荷线路和两个接入35kV电压等级的分布式光伏站点,其中“光伏站点1”安装有测量装置,其功率记为PPV1。所有负荷线路的功率PL和所有分布式光伏站点的总功率 PPV经变压器在110kV侧汇集为PΣ。PPV是需要估算的负荷区域内分布式光伏输出的总功率,它是“光伏站点1”和“光伏站点2”输出功率的总和。在该示例性的***中,“光伏站点2”的输出功率也是已知的,从而PPV的准确值是已知的,作为标准集,用于评估本发明方法的估算准确度。
负荷区域内分布式光伏发电总功率的预测方法
按照图2所示的负荷区域内分布式光伏发电总功率估算方法的流程图,详细的估算过程如下:
步骤1、获取负荷区域在“待估算日”以及之前30天(总共为31天)的每日总功率数据PΣ_i(15分钟间隔,即每天96个数据点),其中下标i=1,2,L,31是表示天数的序号,i=31代表“待估算日”;获取负荷区域内某一个有测量装置的分布式光伏站点PV1在上述31天的每日输出功率数据PPV1_i(15分钟间隔,即每天96个数据点),i=1,2,L,31。
“待估算日”整个负荷区域的总功率曲线PΣ_31如图3所示;“待估算日”分布式光伏站点PS1的输出功率曲线PPV1_31如图4所示。“待估算日”前30天的每日总功率曲线PΣ_1~PΣ_30如图5所示;“待估算日”前30天的分布式光伏站点PS1每日输出功率曲线PPV1_1~PPV1_30如图6所示。
步骤2、根据步骤1获取的分布式光伏站点PV1在“待估算日”的有功功率输出曲线PPV1_31,计算PPV1_31曲线在白天有输出功率时段内(本发明中取为10:00至15:00时段,以下称为“白天时段”)的极大值点数量NP。
从图4所示曲线图上可以看到,计算结果为NP=1。
步骤3、根据步骤1获取的分布式光伏站点PV1在“待估算日”前30天内的有功功率输出曲线PPV1_i,筛选出一组在白天时段里功率曲线极大值点数量等于NP的负荷区域总功率曲线PΣ_i,组成曲线集合J1。
该步骤所筛选出来的负荷区域总功率曲线集合J1中的各条曲线如图7所示,其中包含的天数序号为{4,6,8,9,25,26}。
步骤4、针对步骤3筛选出的负荷区域总功率曲线集合J1所对应的天数,计算其白天时段内分布式光伏站点PV1输出功率PPV1_i的最大值与“待估算日”PV1输出功率PPV1_31的最大值之间的差值ΔPi=|max(PPV1_i)-max(PPV_31)|,在负荷区域总功率曲线集合J1中剔除ΔPi小于 0.5MW的曲线,J1中的剩余曲线组成负荷区域总功率曲线集合J2。
J1中天数序号为{4,6,8,9,25,26}对应的ΔPi计算结果为{2.4230,1.2510,1.3860,1.5560,0.3480,0.7750},按照ΔPi小于0.5MW的判据,应该剔除天数序号为25的负荷区域总功率曲线。该步骤所筛选出来的负荷区域总功率曲线集合J2中的各条曲线如图8所示,其中包含的天数序号为{4,6,8,9,26}。
步骤5、在步骤4筛选出的负荷区域总功率曲线集合J2中,按下式计算J2中每一条曲线 PΣ_i与“待估算日”总功率曲线PΣ_31在夜间时段(本发明中取为00:00至04:00,以及21:00至24:00时段)的差异指标ρi。
其中,PΣ_i∈J2,l代表夜间时段所对应数据点的序号,Nn是夜间时段所对应数据点的数量。
J1中天数序号为{4,6,8,9,26}的总功率曲线与“待估算日”总功率曲线在夜间时段的差异指标ρi计算结果为{1.862,1.277,1.424,2.016,1.140}。
步骤6、根据步骤5计算出的夜间时段负荷区域总功率曲线差异指标ρi,选出ρi最小值对应的负荷区域总功率曲线PΣ_ρmin及其对应的分布式光伏站点PV1输出功率PPV1_ρmin,按下式计算出分布式光伏站点PV1的输出功率与负荷区域内全部分布式光伏输出功率之间的比例系数K:
其中,k代表白天时段所对应数据点的序号,Nd是白天时段所对应数据点的数量。
在ρi的计算结果{1.862,1.277,1.424,2.016,1.140}中,天数序号26对应的ρi数值最小,因此选择负荷区域总功率曲线PΣ_26及其对应的分布式光伏站点PV1输出功率PPV1_26参与比例系数K的计算。PΣ_26曲线如图9所示,PPV1_26曲线如图10所示,计算得到K=1.728。
步骤7、根据步骤1获得的分布式光伏站点PV1在“待估算日”的输出功率数据PPV1_31,以及步骤6求出的比例系数K,按下式计算出“待估算日”负荷区域内全部分布式光伏的总输出功率PPV_31:
PPV_31=K·PPV1_31
应当理解,在本发明的实施例中,所使用的白天时段被设置为10:00至15:00时段,夜间时段被设置为00:00至04:00,以及21:00至24:00时段。
其中,步骤1中,负荷区域每天的总功率数据和分布式光伏站点的每日总功率数据的获取过程中,每日总功率数据PΣ_i和PPV1_i均包含以15分钟间隔,将一天分成96个个时间段形成的96个数据点。
在步骤4中,判断是否从负荷区域总功率曲线集合J1中剔除某日的总功率曲线的标准为:所述日分布式光伏站点PV1输出功率的最大值与“待估算日”分布式光伏站点PV1输出功率 PPV1_31的最大值之间的差值ΔPi小于0.5MW。
结合图示的图3、11所示,分布式光伏站点PV1在“待估算日”的输出功率数据PPV1_31如图3所示,步骤6计算得到K=1.728,从而可以得到PPV_31的估算曲线如图11中的虚线所示,图11中的实线为PPV_31的准确值。计算“待估算日”分布式光伏总输出功率大于0.1MW区段内的相对估算误差仅为3.220%,充分表明利用本发明方法的测算预测结果精度较高。
结合附图和实施例,本发明还可以被设置成按照以下方式实施。
负荷区域内分布式光伏发电总功率的预测***
一种负荷区域内分布式光伏发电总功率的预测***,包括:
第一模块,用于负荷区域和分布式光伏站点PV1的每日输出功率数据,其包括第一获取模块和第二获取模块,所述第一获取模块用于获取负荷区域在“待估算日”以及之前30天的每日总功率数据PΣ_i,其中下标i=1,2,L,31,表示天数的序号,i=31代表“待估算日”;第二获取模块用于获取负荷区域内某一个具有测量装置的分布式光伏站点PV1在上述31天内的每日输出功率数据PPV1_i,i=1,2,L,31;
第二模块,用于根据获取的分布式光伏站点PV1在“待估算日”的有功功率输出曲线 PPV1_31,计算PPV1_31曲线在白天有输出功率时段内的极大值点数量NP;
第三模块,用于根据获取的分布式光伏站点PV1在“待估算日”前30天内的有功功率输出曲线PPV1_i,筛选出一组在白天时段里功率曲线极大值点数量等于NP的负荷区域总功率曲线PΣ_i,组成曲线集合J1;
第四模块,用于针对筛选出的负荷区域总功率曲线集合J1所对应的天数,计算其白天时段内分布式光伏站点PV1输出功率PPV1_i的最大值与“待估算日”PV1输出功率PPV1_31的最大值之间的差值ΔPi=|max(PPV1_i)-max(PPV_31)|,并在负荷区域总功率曲线集合J1中剔除ΔPi小于0.5MW的曲线,使得J1中的剩余曲线组成负荷区域总功率曲线集合J2;
第五模块,用于在筛选出的负荷区域总功率曲线集合J2中,按下式计算J2中每一条曲线 PΣ_i与“待估算日”总功率曲线PΣ_31在夜间时段的差异指标ρi:
其中,PΣ_i∈J2,l代表夜间时段所对应数据点的序号,Nn是夜间时段所对应数据点的数量;
第六模块,用于根据计算出的夜间时段负荷区域总功率曲线差异指标ρi,选出ρi最小值对应的负荷区域总功率曲线PΣ_ρmin及其对应的分布式光伏站点PV1输出功率PPV1_ρmin,按下式计算出分布式光伏站点PV1的输出功率与负荷区域内全部分布式光伏输出功率之间的比例系数K:
其中,k代表白天时段所对应数据点的序号,Nd是白天时段所对应数据点的数量;
第七模块,用于根据获得的分布式光伏站点PV1在“待估算日”的输出功率数据PPV1_31,以及比例系数K,按下式计算出“待估算日”负荷区域内全部分布式光伏的总输出功率PPV_31:
PPV_31=K·PPV1_31。
应当理解,在本发明的示例性的实施例中所使用的白天时段被设置为10:00至15:00时段,夜间时段被设置为00:00至04:00,以及21:00至24:00时段。
在预测过程中的步骤1中,负荷区域每天的总功率数据和分布式光伏站点的每日总功率数据的获取过程中,每日总功率数据PΣ_i和PPV1_i均包含以15分钟间隔,将一天分成96个个时间段形成的96个数据点。
其中,判断是否从负荷区域总功率曲线集合J1中剔除某日的总功率曲线的标准为:所述日分布式光伏站点PV1输出功率的最大值与“待估算日”分布式光伏站点PV1输出功率PPV1_31的最大值之间的差值ΔPi小于0.5MW。
用于预测负荷区域内分布式光伏发电总功率的计算机***
一种用于预测负荷区域内分布式光伏发电总功率的计算机***,包括:
一个或多个处理器;
存储器,存储可***作的指令,所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作,所述操作包括执行前述步骤1-7方法的过程。
计算机可读取介质
一种存储软件的计算机可读取介质,所述软件包括能通过一个或多个计算机执行的指令,所述指令在被所述一个或多个计算机执行时执行前述步骤1-7方法的过程。
虽然本发明已以较佳实施例揭露如上,然其并非用以限定本发明。本发明所属技术领域中具有通常知识者,在不脱离本发明的精神和范围内,当可作各种的更动与润饰。因此,本发明的保护范围当视权利要求书所界定者为准。
Claims (10)
1.一种负荷区域内分布式光伏发电总功率的预测方法,其特征在于,包括以下步骤:
步骤1、获取负荷区域在“待估算日”以及之前30天的每日总功率数据PΣ_i,其中下标i=1,2,L,31,表示天数的序号,i=31代表“待估算日”;获取负荷区域内某一个具有测量装置的分布式光伏站点PV1在上述31天内的每日输出功率数据PPV1_i,i=1,2,L,31;
步骤2、根据步骤1获取的分布式光伏站点PV1在“待估算日”的有功功率输出曲线PPV1_31,计算PPV1_31曲线在白天有输出功率时段内的极大值点数量NP;
步骤3、根据步骤1获取的分布式光伏站点PV1在“待估算日”前30天内的有功功率输出曲线PPV1_i,筛选出一组在白天时段里功率曲线极大值点数量等于NP的负荷区域总功率曲线PΣ_i,组成曲线集合J1;
步骤4、针对步骤3筛选出的负荷区域总功率曲线集合J1所对应的天数,计算其白天时段内分布式光伏站点PV1输出功率PPV1_i的最大值与“待估算日”PV1输出功率PPV1_31的最大值之间的差值ΔPi=|max(PPV1_i)-max(PPV_31)|,在负荷区域总功率曲线集合J1中剔除ΔPi小于0.5MW的曲线,J1中的剩余曲线组成负荷区域总功率曲线集合J2;
步骤5、在步骤4筛选出的负荷区域总功率曲线集合J2中,按下式计算J2中每一条曲线PΣ_i与“待估算日”总功率曲线PΣ_31在夜间时段的差异指标ρi:
其中,PΣ_i∈J2,l代表夜间时段所对应数据点的序号,Nn是夜间时段所对应数据点的数量;
步骤6、根据步骤5计算出的夜间时段负荷区域总功率曲线差异指标ρi,选出ρi最小值对应的负荷区域总功率曲线PΣ_ρmin及其对应的分布式光伏站点PV1输出功率PPV1_ρmin,按下式计算出分布式光伏站点PV1的输出功率与负荷区域内全部分布式光伏输出功率之间的比例系数K:
其中,k代表白天时段所对应数据点的序号,Nd是白天时段所对应数据点的数量;
步骤7、根据步骤1获得的分布式光伏站点PV1在“待估算日”的输出功率数据PPV1_31,以及步骤6求出的比例系数K,按下式计算出“待估算日”负荷区域内全部分布式光伏的总输出功率PPV_31:
PPV_31=K·PPV1_31。
2.根据权利要求1所述的负荷区域内分布式光伏发电总功率的预测方法,其特征在于,步骤1中,所述白天时段被设置为10:00至15:00时段,夜间时段被设置为00:00至04:00,以及21:00至24:00时段。
3.根据权利要求1所述的负荷区域内分布式光伏发电总功率的预测方法,其特征在于,步骤1中,负荷区域每天的总功率数据和分布式光伏站点的每日总功率数据的获取过程中,每日总功率数据PΣ_i和PPV1_i均包含以15分钟间隔,将一天分成96个个时间段形成的96个数据点。
4.根据权利要求1所述的负荷区域内分布式光伏发电总功率的预测方法,其特征在于,步骤4中,判断是否从负荷区域总功率曲线集合J1中剔除某日的总功率曲线的标准为:所述日分布式光伏站点PV1输出功率的最大值与“待估算日”分布式光伏站点PV1输出功率PPV1_31的最大值之间的差值ΔPi小于0.5MW。
5.一种负荷区域内分布式光伏发电总功率的预测***,其特征在于,包括:
第一模块,用于负荷区域和分布式光伏站点PV1的每日输出功率数据,其包括第一获取模块和第二获取模块,所述第一获取模块用于获取负荷区域在“待估算日”以及之前30天的每日总功率数据PΣ_i,其中下标i=1,2,L,31,表示天数的序号,i=31代表“待估算日”;第二获取模块用于获取负荷区域内某一个具有测量装置的分布式光伏站点PV1在上述31天内的每日输出功率数据PPV1_i,i=1,2,L,31;
第二模块,用于根据获取的分布式光伏站点PV1在“待估算日”的有功功率输出曲线PPV1_31,计算PPV1_31曲线在白天有输出功率时段内的极大值点数量NP;
第三模块,用于根据获取的分布式光伏站点PV1在“待估算日”前30天内的有功功率输出曲线PPV1_i,筛选出一组在白天时段里功率曲线极大值点数量等于NP的负荷区域总功率曲线PΣ_i,组成曲线集合J1;
第四模块,用于针对筛选出的负荷区域总功率曲线集合J1所对应的天数,计算其白天时段内分布式光伏站点PV1输出功率PPV1_i的最大值与“待估算日”PV1输出功率PPV1_31的最大值之间的差值ΔPi=|max(PPV1_i)-max(PPV_31)|,并在负荷区域总功率曲线集合J1中剔除ΔPi小于0.5MW的曲线,使得J1中的剩余曲线组成负荷区域总功率曲线集合J2;
第五模块,用于在筛选出的负荷区域总功率曲线集合J2中,按下式计算J2中每一条曲线PΣ_i与“待估算日”总功率曲线PΣ_31在夜间时段的差异指标ρi:
其中,PΣ_i∈J2,l代表夜间时段所对应数据点的序号,Nn是夜间时段所对应数据点的数量;
第六模块,用于根据计算出的夜间时段负荷区域总功率曲线差异指标ρi,选出ρi最小值对应的负荷区域总功率曲线PΣ_ρmin及其对应的分布式光伏站点PV1输出功率PPV1_ρmin,按下式计算出分布式光伏站点PV1的输出功率与负荷区域内全部分布式光伏输出功率之间的比例系数K:
其中,k代表白天时段所对应数据点的序号,Nd是白天时段所对应数据点的数量;
第七模块,用于根据获得的分布式光伏站点PV1在“待估算日”的输出功率数据PPV1_31,以及比例系数K,按下式计算出“待估算日”负荷区域内全部分布式光伏的总输出功率PPV_31:
PPV_31=K·PPV1_31。
6.根据权利要求5所述的负荷区域内分布式光伏发电总功率的预测***,其特征在于,所述白天时段被设置为10:00至15:00时段,夜间时段被设置为00:00至04:00,以及21:00至24:00时段。
7.根据权利要求5所述的负荷区域内分布式光伏发电总功率的预测***,其特征在于,步骤1中,负荷区域每天的总功率数据和分布式光伏站点的每日总功率数据的获取过程中,每日总功率数据PΣ_i和PPV1_i均包含以15分钟间隔,将一天分成96个个时间段形成的96个数据点。
8.根据权利要求5所述的负荷区域内分布式光伏发电总功率的预测***,其特征在于,判断是否从负荷区域总功率曲线集合J1中剔除某日的总功率曲线的标准为:所述日分布式光伏站点PV1输出功率的最大值与“待估算日”分布式光伏站点PV1输出功率PPV1_31的最大值之间的差值ΔPi小于0.5MW。
9.一种用于预测负荷区域内分布式光伏发电总功率的计算机***,其特征在于,包括:
一个或多个处理器;
存储器,存储可***作的指令,所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作,所述操作包括执行所述权利要求1-4中任意一项所述方法的过程。
10.一种存储软件的计算机可读取介质,其特征在于,所述软件包括能通过一个或多个计算机执行的指令,所述指令在被所述一个或多个计算机执行时执行如所述权利要求1-4中任意一项所述方法的过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011255724.2A CN112365053B (zh) | 2020-11-11 | 2020-11-11 | 负荷区域内分布式光伏发电总功率的预测方法、***与计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011255724.2A CN112365053B (zh) | 2020-11-11 | 2020-11-11 | 负荷区域内分布式光伏发电总功率的预测方法、***与计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112365053A true CN112365053A (zh) | 2021-02-12 |
CN112365053B CN112365053B (zh) | 2022-09-09 |
Family
ID=74514398
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011255724.2A Active CN112365053B (zh) | 2020-11-11 | 2020-11-11 | 负荷区域内分布式光伏发电总功率的预测方法、***与计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112365053B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113570267A (zh) * | 2021-08-02 | 2021-10-29 | 福州万山电力咨询有限公司 | 一种确定分布式光伏发电自发自用比例的方法及终端 |
CN114626604A (zh) * | 2022-03-11 | 2022-06-14 | 国网江苏省电力有限公司电力科学研究院 | 一种基于基准站感知的分布式光伏观测方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107017630A (zh) * | 2017-05-18 | 2017-08-04 | 南京师范大学 | 一种多时间尺度的电力需求侧响应方法 |
CN107134813A (zh) * | 2017-05-03 | 2017-09-05 | 国家电网公司 | 一种配电网光伏与储能有功功率输出平衡指数预测方法 |
US20170286838A1 (en) * | 2016-03-29 | 2017-10-05 | International Business Machines Corporation | Predicting solar power generation using semi-supervised learning |
CN109800929A (zh) * | 2019-03-25 | 2019-05-24 | 国网河北省电力有限公司经济技术研究院 | 一种电网负荷预测方法、装置和计算设备 |
-
2020
- 2020-11-11 CN CN202011255724.2A patent/CN112365053B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170286838A1 (en) * | 2016-03-29 | 2017-10-05 | International Business Machines Corporation | Predicting solar power generation using semi-supervised learning |
CN107134813A (zh) * | 2017-05-03 | 2017-09-05 | 国家电网公司 | 一种配电网光伏与储能有功功率输出平衡指数预测方法 |
CN107017630A (zh) * | 2017-05-18 | 2017-08-04 | 南京师范大学 | 一种多时间尺度的电力需求侧响应方法 |
CN109800929A (zh) * | 2019-03-25 | 2019-05-24 | 国网河北省电力有限公司经济技术研究院 | 一种电网负荷预测方法、装置和计算设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113570267A (zh) * | 2021-08-02 | 2021-10-29 | 福州万山电力咨询有限公司 | 一种确定分布式光伏发电自发自用比例的方法及终端 |
CN114626604A (zh) * | 2022-03-11 | 2022-06-14 | 国网江苏省电力有限公司电力科学研究院 | 一种基于基准站感知的分布式光伏观测方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN112365053B (zh) | 2022-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Teh et al. | Reliability impacts of the dynamic thermal rating and battery energy storage systems on wind-integrated power networks | |
CN107679658B (zh) | 一种高比例清洁能源接入下的输电网规划方法 | |
CN110299762B (zh) | 基于pmu准实时数据的主动配电网抗差估计方法 | |
CN112365053B (zh) | 负荷区域内分布式光伏发电总功率的预测方法、***与计算机可读介质 | |
CN106126944B (zh) | 一种电力变压器顶层油温区间预测方法及*** | |
CN109993445B (zh) | 一种考虑光伏预测误差的综合能源***脆弱性评估方法 | |
CN103971175B (zh) | 一种多级变电站的短期负荷预测方法 | |
CN112926770A (zh) | 一种基于数字孪生的统一数据计量采集*** | |
CN112632773B (zh) | 一种风电机组可靠性预测方法 | |
CN105427005A (zh) | 一种风电场运行风险评估方法 | |
CN109657913B (zh) | 一种考虑分布式电源的输配电网联合风险评估方法 | |
CN113991711B (zh) | 一种光伏电站储能***容量配置方法 | |
Yılmaz | Real measure of a transmission line data with load fore-cast model for the future | |
Alberdi et al. | Overhead line ampacity forecasting with a focus on safety | |
Zhang et al. | Short‐Term Power Prediction of Wind Power Generation System Based on Logistic Chaos Atom Search Optimization BP Neural Network | |
Chen et al. | Toward future information market: An information valuation paradigm | |
CN116415708B (zh) | 考虑置信水平的电网鲁棒规划方法 | |
Hayes et al. | Modelling of wind generation at all scales for transmission system analysis | |
CN116029165A (zh) | 一种计及雷电影响的电力电缆可靠性分析方法及*** | |
Ismael et al. | Distributed generation in deregulated energy markets and probabilistic hosting capacity decision-making challenges | |
CN104331748A (zh) | 一种预测规划目标年风电场群持续功率曲线的方法 | |
CN115423342A (zh) | 基于概率随机潮流的电动汽车接入配电网风险评估方法 | |
CN114707121A (zh) | 一种用于分布式电源随机出力配电网的碳排放计算方法 | |
Mecón et al. | Impact on power system loadability with high participation of wind power plants | |
Wang et al. | Variable‐structure copula model for multi‐scenario bi‐level transmission and generation expansion planning |
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 |