CN113609686B - 一种新能源置信容量分析方法及*** - Google Patents

一种新能源置信容量分析方法及*** Download PDF

Info

Publication number
CN113609686B
CN113609686B CN202110907150.0A CN202110907150A CN113609686B CN 113609686 B CN113609686 B CN 113609686B CN 202110907150 A CN202110907150 A CN 202110907150A CN 113609686 B CN113609686 B CN 113609686B
Authority
CN
China
Prior art keywords
power generation
new energy
capacity
power
confidence
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
Application number
CN202110907150.0A
Other languages
English (en)
Other versions
CN113609686A (zh
Inventor
朱克平
何英静
胡鹏飞
李玉京
王科丁
汤东升
李帆
沈舒仪
刘军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Economic and Technological Research Institute of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Zhejiang University ZJU
Economic and Technological Research Institute of State Grid Zhejiang Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU, Economic and Technological Research Institute of State Grid Zhejiang Electric Power Co Ltd filed Critical Zhejiang University ZJU
Priority to CN202110907150.0A priority Critical patent/CN113609686B/zh
Publication of CN113609686A publication Critical patent/CN113609686A/zh
Application granted granted Critical
Publication of CN113609686B publication Critical patent/CN113609686B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/06—Wind turbines or wind farms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • 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
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Optimization (AREA)
  • Geometry (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Wind Motors (AREA)

Abstract

本发明公开了一种新能源置信容量分析方法及***，所述方法包括：S1、构建新能源发电功率模型，基于所述的新能源发电功率模型，计算某一时期内同等间隔时间的新能源发电功率曲线；S2、构建常规机组发电功率模型，基于所述的常规机组发电功率模型，计算某一时期内同等间隔时间的常规机组发电功率曲线；S3、采用时序蒙特卡洛法仿真计算含有新能源的电力***的可靠性水平；S4、通过弦截法对含有新能源的电力***的可靠性水平进行多次迭代计算，获得光伏发电和风力发电的置信容量及容量置信度。本发明在新能源置信容量分析时，将常规机组模型加入进去，提高新能源置信容量分析的可信度，提高对实际电力***的相似程度。

Description

一种新能源置信容量分析方法及***
技术领域
本发明涉及新能源发电技术领域，具体涉及一种新能源置信容量分析方法及***。
背景技术
随着风电、光伏装机规模的不断扩大，且各地区负荷特性以及风、光资源禀赋各有差异，结合当前电网规划需求和新能源发展趋势，建立新能源出力的置信容量模型，为含高比例新能源的电力***电力电量平衡的实现提供依据具有十分重要的意义。对于新能源提供置信容量在规划阶段的研究主要采用基于可靠性指标分析的仿真法。仿真法指在发电可靠性指标不变的条件下，新能源发电接入前后可信容量的变化。
***可靠性分析的方法有解析法、蒙特卡洛法以及智能算法三类，解析法包括网络法和状态空间法两种；蒙特卡洛法包括状态抽样法、状态持续时间抽样法、***状态时间转移抽样法；智能算法包括粒子群算法、蚁群算法等。
电力***可靠性评估方法有确定性方法和概率方法两种，确定性方法包括百分数备用法和最大机组备用法，该类方法主要根据长期积累的电力***可靠性资料、负荷预测资料和规划人员的经验来确定；概率方法包括电力不足时间概率法、电量不足时间概率法、频率和持续时间法和模拟法。
计算新能源置信容量的方法有二分法和弦截法。
新能源的置信容量的定义主要有等效可靠容量、等效常规机组容量、有效载荷容量、一定置信度下的保证出力四种。等效可靠容量指去除新能源发电场并加入一定容量的无停运率的虚拟常规机组后***可靠性与实际***可靠性相同，则此时虚拟常规机组容量占新能源装机容量定义为新能源置信容量；等效常规机组容量与等效可靠容量定义相似，区别在于该定义中虚拟常规机组可以具有一定的随机停运率，该随机停运率常常以***中现有常规机组随机停运率作为基准；有效载荷容量指新能源接入前后，***在同一可靠性水平下能够供应的负荷的差值为新能源置信容量；一定置信度下的保证出力指一定置信度下(例如95％)的发电侧可用容量的大小，即在该置信度下***可用发电容量不小于该保证出力，在此基础上定义新能源置信容量为加入新能源后***保证出力的增加量。
目前，新能源置信容量分析各方面研究较多，但对于***性的综合性分析仍有待进一步开发。现有的方案虽然有一定扩展，但是由于所分析的数据量少，在考虑常规机组运行方面也有一定缺失，不利于完整分析某地区的新能源置信容量。
公开号为CN112785027A的中国发明专利于2021年5月11日公开的《风光储联合发电***置信容量评估方法及***》，介绍了一种风光储联合发电***置信容量评估方法及***，解决了不同场景下含储能***的新能源电力***置信容量评估分析。该方法能计算新能源理论上的置信容量，但是对于工程实践中电力***的模拟相似程度还有一定改进空间；同时对于常规机组发电功率曲线的描述并不明确。
综上所述，为了更好的评估新能源置信容量，并为电力***规划提供参考，不仅需要将常规机组运行情况纳入考虑中，在计算新能源置信容量时加入常规机组的随机运行情况，而且还需要设计出一套便于人员后续操作的***。
发明内容
本发明为了克服以上技术的不足，提供了一种新能源置信容量分析方法及***。
本发明克服其技术问题所采用的技术方案是：
一种新能源置信容量分析方法，至少包括如下步骤：
S1、构建新能源发电功率模型，基于所述的新能源发电功率模型，计算某一时期内同等间隔时间的新能源发电功率曲线，其中，新能源发电至少包括光伏发电和风力发电，新能源发电功率模型至少包括光伏发电功率模型和风力发电功率模型，新能源发电功率曲线至少包括光伏发电功率曲线和风力发电功率曲线；
S2、构建常规机组发电功率模型，基于所述的常规机组发电功率模型，计算某一时期内同等间隔时间的常规机组发电功率曲线；
S3、根据光伏发电功率曲线、风力发电功率曲线和常规机组发电功率曲线，采用时序蒙特卡洛法仿真计算含有新能源的电力***的可靠性水平；
S4、通过弦截法对含有新能源的电力***的可靠性水平进行多次迭代计算，获得光伏发电和风力发电的置信容量及容量置信度。
进一步地，步骤S1和S2中，某一时期为全年，同等间隔时间为逐小时。
进一步地，步骤S1具体包括如下：
至少通过输入的日照强度、温度和风速数据，计算新能源发电功率曲线；
(1)光伏发电功率的计算如下：
式(1)中，PPV为光伏电池实际输出功率，YPV为光伏电池在标准测试条件下的额定功率，fPV为光伏电池损耗系数，RT为实际光辐射强度，RSTC为标准测试条件下的光辐射强度1kW/m2，αP为光伏电池功率温度系数，TC为实际环境温度，TSTC为标准测试条件下的环境温度；
(2)风力发电功率的计算如下：
式(2)中，Pt为风电功率，A、B、C为风机功率特性曲线参数，不同风机稍有不同，Vci、Vr、Vco、Pr分别为风机启动风速、额定风速、切出风速、风机额定功率；
(3)风力发电功率模型参数：
式(3)中，A、B、C为式(2)中的风机功率特性曲线参数。
进一步地，步骤S2中，采用IEEE RTS-79测试***作或TH-RTS2000测试***作为等效模拟的常规机组。
进一步地，步骤S2具体包括如下：
利用蒙特卡洛法中的状态持续时间抽样法计算基础测试***中常规机组发电功率曲线，并将所模拟地区的常规机组数据根据基础测试***进行等效；
所述常规机组采用双状态模型，即正常运行状态和故障状态，用正常运行持续时间t1和检修时间t2描述，工作时间和修复时间均服从指数分布，抽样方法为：
t1＝-tMTTFlnγ1 (14)
t2＝-tMTTRlnγ2 (15)
式(4)和(5)中，γ1、γ2为由程序生成的服从[0,1]之间均匀分布的随机数，tMTTF为平均工作时间，tMTTR为平均修复时间；
根据公式(4)和(5)计算基础测试***中常规机组发电功率曲线，并根据所模拟地区的常规机组数据进行调整，得到符合所模拟地区参数的常规机组发电功率曲线。
进一步地，步骤S3具体包括如下：
通过时序蒙特卡洛仿真计算含有新能源的电力***的可靠性水平，可靠性指标选择电量不足期望EENS，该可靠性指标的计算公式如下：
式(6)中，NY为仿真总年数，N为出现的缺电状态，Lj为第j个缺电状态时的发电侧功率，Cj为第j个缺电状态时的负荷功率，1≤j≤N。
进一步地，步骤S4具体包括如下：
通过弦截法计算以有效载荷容量为定义的置信容量，即在保持规定的可靠性水平不变的情况下，新增新能源可以满足的额外负荷需求ΔL，并计算光伏发电和风力发电的置信容量CC和容量置信度CP，光伏发电的置信容量CC和容量置信度CP与风力发电的置信容量CC和容量置信度CP计算公式通用，具体如下：
CC＝ΔL (17)
式(8)中，CWP为含有新能源电力***的额定装机容量；
S4.1、假设原始***负荷峰值为Lpk0，给定误差为ε，其中，原始***是指不含新能源的电力***，计算原始***可靠性指标R，负荷曲线为L时增加CWP新能源电力***的可靠性指标R1以及负荷曲线为L+CWP时增加新能源电力***的可靠性指标R2；
S4.2、求过点X(Lpk0,R1)和Y(Lpk0+CWP,R2)的直线A与直线f(x)＝R的交点的横坐标a，将新负荷曲线Lci1＝L+a-Lpk0代入式(6)中计算可靠性指标R3；
S4.3、判断|R3-R|与ε的大小关系：如果|R3-R|＞ε，则继续进行迭代，求过点X1(a,R3)和Y(Lpk0+CWP,R2)的直线B与直线f(x)＝R的交点的横坐标b，将新负荷曲线Lci2＝L+b-Lpk0代入式(6)中计算可靠性指标R4，然后，执行步骤S4.4；否则，执行步骤S4.5；
S4.4、判断|R4-R|与ε的大小关系：如果|R4-R|＞ε，则重复步骤S4.3，直到新的可靠性指标与原始***的可靠性指标之差小于给定误差ε；
S4.5、记录迭代结束时对应的峰值负荷Lp，则新能源可额外承担的以有效载荷容量为定义的置信容量为：CC＝ΔL＝Lp-Lpk0，容量置信度为：
进一步地，还包括步骤S5：改变所模拟的新能源装机容量，分别计算不同新能源装机容量下的置信容量和容量置信度，绘制新能源置信容量随新能源穿透功率水平变化的曲线，其中，穿透功率是指装机容量占电力***总负荷的比例。
本发明还提供了一种新能源置信容量分析***，至少包括：
新能源机组发电模块，用于构建新能源发电功率模型，基于所述的新能源发电功率模型，计算某一时期内同等间隔时间的新能源发电功率曲线，其中，新能源发电至少包括光伏发电和风力发电，新能源发电功率模型至少包括光伏发电功率模型和风力发电功率模型，新能源发电功率曲线至少包括光伏发电功率曲线和风力发电功率曲线；
常规机组发电模块，用于构建常规机组发电功率模型，基于所述的常规机组发电功率模型，计算某一时期内同等间隔时间的常规机组发电功率曲线；
可靠性水平模块，用于根据光伏发电功率曲线、风力发电功率曲线和常规机组发电功率曲线，采用时序蒙特卡洛法仿真计算含有新能源的电力***的可靠性水平；以及，
置信容量及容量置信度模块，用于通过弦截法对含有新能源的电力***的可靠性水平进行多次迭代计算，获得光伏发电和风力发电的置信容量及容量置信度。
本发明的有益效果是：
1、本发明在新能源置信容量分析时，将常规机组模型加入进去，提高新能源置信容量分析的可信度，提高对实际电力***的相似程度。
2、本发明将统计法的优点结合到仿真法中，通过对数据精度和数据量的要求提高新能源置信容量分析结果的可靠性。
3、本发明提高对数据量的要求，符合当前我国各地区气象数据采集结果精度高、范围广的现状，从而进一步提高新能源置信容量分析结果对所模拟地区实际情况的仿真程度，提高分析结果的可信度和参考价值。
附图说明
图1为本发明实施例1所述新能源置信容量分析方法的流程图。
图2为本发明实施例1中采用的基础测试***的示意图。
图3为本发明实施例1中弦截法迭代示意图。
具体实施方式
为了便于本领域人员更好的理解本发明，下面结合附图和具体实施例对本发明做进一步详细说明，下述仅是示例性的不限定本发明的保护范围。
实施例1、
本实施例公开了一种新能源置信容量分析方法，如图1所示，至少包括如下步骤：
步骤S1、构建新能源发电功率模型，基于所述的新能源发电功率模型，计算某一时期内同等间隔时间的新能源发电功率曲线，其中，新能源发电至少包括光伏发电和风力发电，新能源发电功率模型至少包括光伏发电功率模型和风力发电功率模型，新能源发电功率曲线至少包括光伏发电功率曲线和风力发电功率曲线。本实施例中，优选某一时期为全年，同等间隔时间为逐小时，具体也可以根据实际情况进行选择。
本实施例中，步骤S1具体包括如下：
通过输入的日照强度、温度和风速等数据，计算新能源发电功率曲线。
(1)光伏发电功率的计算如下：
式(1)中，PPV为光伏电池实际输出功率，YPV为光伏电池在标准测试条件下的额定功率，fPV为光伏电池损耗系数，RT为实际光辐射强度，RSTC为标准测试条件下的光辐射强度1kW/m2，αP为光伏电池功率温度系数，一般取-0.35％/℃，TC为实际环境温度，TSTC为标准测试条件下的环境温度25℃；
(2)风力发电功率的计算如下：
式(2)中，Pt为风电功率，A、B、C为风机功率特性曲线参数，不同风机稍有不同，Vci、Vr、Vco、Pr分别为风机启动风速、额定风速、切出风速、风机额定功率；
(3)风力发电功率模型参数：
式(3)中，A、B、C为式(2)中的风机功率特性曲线参数。
步骤S2、构建常规机组发电功率模型，基于所述的常规机组发电功率模型，计算某一时期内同等间隔时间的常规机组发电功率曲线。步骤S2中所述的某一时期和同等间隔时间与步骤S1中的相同，都优选某一时期为全年，同等间隔时间为逐小时。
本实施例中，步骤S2具体包括如下：
利用蒙特卡洛法中的状态持续时间抽样法计算基础测试***中常规机组发电功率曲线，并将所模拟地区的常规机组数据根据基础测试***进行等效，采用蒙特卡洛法中的状态持续时间抽样法能精确计算持续时间指标，并能灵活地模拟状态持续时间的任何概率分布，等效方案采用的基础测试***如图2所示，采用的是IEEE RTS-79测试***。
所述常规机组采用双状态模型，即正常运行状态和故障状态，用正常运行持续时间t1和检修时间t2描述，工作时间和修复时间均服从指数分布，抽样方法为：
t1＝-tMTTFlnγ1 (22)
t2＝-tMTTRlnγ2 (23)
式(4)和(5)中，γ1、γ2为由程序生成的服从[0,1]之间均匀分布的随机数，tMTTF为平均工作时间，tMTTR为平均修复时间；
根据公式(4)和(5)计算基础测试***中常规机组发电功率曲线，并根据所模拟地区的常规机组数据进行调整，得到符合所模拟地区参数的常规机组发电功率曲线。
步骤S3、根据光伏发电功率曲线、风力发电功率曲线和常规机组发电功率曲线，采用时序蒙特卡洛法仿真计算含有新能源的电力***的可靠性水平。
具体地，步骤S3具体包括如下：
通过时序蒙特卡洛仿真计算含有新能源的电力***的可靠性水平，可靠性指标选择电量不足期望EENS，采用指标为一年内由于逐小时尖峰负荷超过可用发电容量而不能供给的电量期望值，该可靠性指标的计算公式如下：
式(6)中，NY为仿真总年数，N为出现的缺电状态，Lj为第j个缺电状态时的发电侧功率，Cj为第j个缺电状态时的负荷功率，1≤j≤N。
步骤S4、通过弦截法对含有新能源的电力***的可靠性水平进行多次迭代计算，获得光伏发电和风力发电的置信容量及容量置信度，采用弦截法的原因是弦截法的收敛速率为1.68阶，理论上效率高于二分法。
本实施例中，步骤S4具体包括如下：
通过弦截法计算以有效载荷容量定义的置信容量，即在保持规定的可靠性水平不变的情况下，新增新能源可以满足的额外负荷需求ΔL，并计算光伏发电和风力发电的置信容量CC和容量置信度CP，光伏发电的置信容量CC和容量置信度CP与风力发电的置信容量CC和容量置信度CP计算公式通用，具体如下：
CC＝ΔL (25)
式(8)中，CWP为含有新能源电力***的额定装机容量；
S4.1、假设原始***负荷峰值为Lpk0，给定误差为ε，其中，原始***是指不含新能源的电力***，计算原始***可靠性指标R，负荷曲线为L时增加CWP新能源电力***的可靠性指标R1以及负荷曲线为L+CWP时增加新能源电力***的可靠性指标R2，如图3所示；
S4.2、求过点X(Lpk0,R1)和Y(Lpk0+CWP,R2)的直线A与直线f(x)＝R的交点的横坐标a，将新负荷曲线Lci1＝L+a-Lpk0代入式(6)中计算可靠性指标R3；
S4.3、判断|R3-R|与ε的大小关系：如果|R3-R|＞ε，则继续进行迭代，求过点X1(a,R3)和Y(Lpk0+CWP,R2)的直线B与直线f(x)＝R的交点的横坐标b，将新负荷曲线Lci2＝L+b-Lpk0代入式(6)中计算可靠性指标R4，然后，执行步骤S4.4；否则，执行步骤S4.5；
S4.4、判断|R4-R|与ε的大小关系：如果|R4-R|＞ε，则重复步骤S4.3，直到新的可靠性指标与原始***的可靠性指标之差小于给定误差ε；
S4.5、记录迭代结束时对应的峰值负荷Lp，则新能源可额外承担的以有效载荷容量为定义的置信容量为：CC＝ΔL＝Lp-Lpk0，容量置信度为：
为了将结果可视化，便于分析，本实施例还包括步骤S5：改变所模拟的新能源装机容量，分别计算不同新能源装机容量下的置信容量和容量置信度，绘制新能源置信容量随新能源穿透功率水平变化的曲线，其中，穿透功率是指装机容量占电力***总负荷的比例。
实施例2、
本实施例提供了一种对应实施例1所述新能源置信容量分析方法的新能源置信容量分析***，至少包括：
新能源机组发电模块，用于构建新能源发电功率模型，基于所述的新能源发电功率模型，计算某一时期内同等间隔时间的新能源发电功率曲线，其中，新能源发电至少包括光伏发电和风力发电，新能源发电功率模型至少包括光伏发电功率模型和风力发电功率模型，新能源发电功率曲线至少包括光伏发电功率曲线和风力发电功率曲线；
常规机组发电模块，用于构建常规机组发电功率模型，基于所述的常规机组发电功率模型，计算某一时期内同等间隔时间的常规机组发电功率曲线；
可靠性水平模块，用于根据光伏发电功率曲线、风力发电功率曲线和常规机组发电功率曲线，采用时序蒙特卡洛法仿真计算含有新能源的电力***的可靠性水平；以及，
置信容量及容量置信度模块，用于通过弦截法对含有新能源的电力***的可靠性水平进行多次迭代计算，获得光伏发电和风力发电的置信容量及容量置信度。
以上仅描述了本发明的基本原理和优选实施方式，本领域人员可以根据上述描述做出许多变化和改进，这些变化和改进应该属于本发明的保护范围。

Claims (8)

1.一种新能源置信容量分析方法，其特征在于，包括如下步骤：
S1、构建新能源发电功率模型，基于所述的新能源发电功率模型，计算某一时期内同等间隔时间的新能源发电功率曲线，其中，新能源发电包括光伏发电和风力发电，新能源发电功率模型包括光伏发电功率模型和风力发电功率模型，新能源发电功率曲线包括光伏发电功率曲线和风力发电功率曲线；
S2、构建常规机组发电功率模型，基于所述的常规机组发电功率模型，计算某一时期内同等间隔时间的常规机组发电功率曲线；
S3、根据光伏发电功率曲线、风力发电功率曲线和常规机组发电功率曲线，采用时序蒙特卡洛法仿真计算含有新能源的电力***的可靠性水平；
S4、通过弦截法对含有新能源的电力***的可靠性水平进行多次迭代计算，获得光伏发电和风力发电的置信容量及容量置信度；步骤S4具体包括如下：
通过弦截法计算以有效载荷容量为定义的置信容量，即在保持规定的可靠性水平不变的情况下，新增新能源满足的额外负荷需求ΔL，并计算光伏发电和风力发电的置信容量CC和容量置信度CP，光伏发电的置信容量CC和容量置信度CP与风力发电的置信容量CC和容量置信度CP计算公式通用，具体如下：
CC＝ΔL (1)
式(8)中，CWP为含有新能源电力***的额定装机容量；
S4.1、假设原始***负荷峰值为Lpk0，给定误差为ε，其中，原始***是指不含新能源的电力***，计算原始***可靠性指标R，负荷曲线为L时增加CWP新能源电力***的可靠性指标R1以及负荷曲线为L+CWP时增加新能源电力***的可靠性指标R2；
S4.2、求过点X(Lpk0,R1)和Y(Lpk0+CWP,R2)的直线A与直线f(x)＝R的交点的横坐标a，将新负荷曲线Lci1＝L+a-Lpk0代入式(6)中计算可靠性指标R3；
S4.3、判断|R3-R|与ε的大小关系：如果|R3-R|＞ε，则继续进行迭代，求过点X1(a,R3)和Y(Lpk0+CWP,R2)的直线B与直线f(x)＝R的交点的横坐标b，将新负荷曲线Lci2＝L+b-Lpk0代入式(6)中计算可靠性指标R4，然后，执行步骤S4.4；否则，执行步骤S4.5；
S4.4、判断|R4-R|与ε的大小关系：如果|R4-R|＞ε，则重复步骤S4.3，直到新的可靠性指标与原始***的可靠性指标之差小于给定误差ε；
S4.5、记录迭代结束时对应的峰值负荷Lp，则新能源可额外承担的以有效载荷容量为定义的置信容量为：CC＝ΔL＝Lp-Lpk0，容量置信度为：
2.根据权利要求1所述的方法，其特征在于，步骤S1和S2中，某一时期为全年，同等间隔时间为逐小时。
3.根据权利要求1所述的方法，其特征在于，步骤S1具体包括如下：
通过输入的日照强度、温度和风速数据，计算新能源发电功率曲线；
(1)光伏发电功率的计算如下：
式(1)中，PPV为光伏电池实际输出功率，YPV为光伏电池在标准测试条件下的额定功率，fPV为光伏电池损耗系数，RT为实际光辐射强度，RSTC为标准测试条件下的光辐射强度1kW/m2，αP为光伏电池功率温度系数，TC为实际环境温度，TSTC为标准测试条件下的环境温度；
(2)风力发电功率的计算如下：
式(2)中，Pt为风电功率，A、B、C为风机功率特性曲线参数，不同风机稍有不同，Vci、Vr、Vco、Pr分别为风机启动风速、额定风速、切出风速、风机额定功率；
(3)风力发电功率模型参数：
式(3)中，A、B、C为式(2)中的风机功率特性曲线参数。
4.根据权利要求1所述的方法，其特征在于，步骤S2中，采用IEEE RTS-79测试***作或TH-RTS2000测试***作为等效模拟的常规机组。
5.根据权利要求1所述的方法，其特征在于，步骤S2具体包括如下：
利用蒙特卡洛法中的状态持续时间抽样法计算基础测试***中常规机组发电功率曲线，并将所模拟地区的常规机组数据根据基础测试***进行等效；
所述常规机组采用双状态模型，即正常运行状态和故障状态，用正常运行持续时间t1和检修时间t2描述，工作时间和修复时间均服从指数分布，抽样方法为：
t1＝-tMTTFlnγ1 (6)
t2＝-tMTTRlnγ2 (7)
式(4)和(5)中，γ1、γ2为由程序生成的服从[0,1]之间均匀分布的随机数，tMTTF为平均工作时间，tMTTR为平均修复时间；
根据公式(4)和(5)计算基础测试***中常规机组发电功率曲线，并根据所模拟地区的常规机组数据进行调整，得到符合所模拟地区参数的常规机组发电功率曲线。
6.根据权利要求1所述的方法，其特征在于，步骤S3具体包括如下：
通过时序蒙特卡洛仿真计算含有新能源的电力***的可靠性水平，可靠性指标选择电量不足期望EENS，该可靠性指标的计算公式如下：
式(6)中，NY为仿真总年数，N为出现的缺电状态，Lj为第j个缺电状态时的发电侧功率，Cj为第j个缺电状态时的负荷功率，1≤j≤N。
7.根据权利要求1-6任一项所述的方法，其特征在于，还包括步骤S5：改变所模拟的新能源装机容量，分别计算不同新能源装机容量下的置信容量和容量置信度，绘制新能源置信容量随新能源穿透功率水平变化的曲线，其中，穿透功率是指装机容量占电力***总负荷的比例。
8.一种新能源置信容量分析***，其特征在于，包括：
新能源机组发电模块，用于构建新能源发电功率模型，基于所述的新能源发电功率模型，计算某一时期内同等间隔时间的新能源发电功率曲线，其中，新能源发电包括光伏发电和风力发电，新能源发电功率模型包括光伏发电功率模型和风力发电功率模型，新能源发电功率曲线包括光伏发电功率曲线和风力发电功率曲线；
常规机组发电模块，用于构建常规机组发电功率模型，基于所述的常规机组发电功率模型，计算某一时期内同等间隔时间的常规机组发电功率曲线；
可靠性水平模块，用于根据光伏发电功率曲线、风力发电功率曲线和常规机组发电功率曲线，采用时序蒙特卡洛法仿真计算含有新能源的电力***的可靠性水平；以及，
置信容量及容量置信度模块，用于通过弦截法对含有新能源的电力***的可靠性水平进行多次迭代计算，获得光伏发电和风力发电的置信容量及容量置信度；
具体地，通过弦截法计算以有效载荷容量为定义的置信容量，即在保持规定的可靠性水平不变的情况下，新增新能源满足的额外负荷需求ΔL，并计算光伏发电和风力发电的置信容量CC和容量置信度CP，光伏发电的置信容量CC和容量置信度CP与风力发电的置信容量CC和容量置信度CP计算公式通用，具体如下：
CC＝ΔL (9)
式(8)中，CWP为含有新能源电力***的额定装机容量；
S4.1、假设原始***负荷峰值为Lpk0，给定误差为ε，其中，原始***是指不含新能源的电力***，计算原始***可靠性指标R，负荷曲线为L时增加CWP新能源电力***的可靠性指标R1以及负荷曲线为L+CWP时增加新能源电力***的可靠性指标R2；
S4.2、求过点X(Lpk0,R1)和Y(Lpk0+CWP,R2)的直线A与直线f(x)＝R的交点的横坐标a，将新负荷曲线Lci1＝L+a-Lpk0代入式(6)中计算可靠性指标R3；
S4.3、判断|R3-R|与ε的大小关系：如果|R3-R|＞ε，则继续进行迭代，求过点X1(a,R3)和Y(Lpk0+CWP,R2)的直线B与直线f(x)＝R的交点的横坐标b，将新负荷曲线Lci2＝L+b-Lpk0代入式(6)中计算可靠性指标R4，然后，执行步骤S4.4；否则，执行步骤S4.5；
S4.4、判断|R4-R|与ε的大小关系：如果|R4-R|＞ε，则重复步骤S4.3，直到新的可靠性指标与原始***的可靠性指标之差小于给定误差ε；
S4.5、记录迭代结束时对应的峰值负荷Lp，则新能源可额外承担的以有效载荷容量为定义的置信容量为：CC＝ΔL＝Lp-Lpk0，容量置信度为：
CN202110907150.0A 2021-08-09 2021-08-09 一种新能源置信容量分析方法及*** Active CN113609686B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110907150.0A CN113609686B (zh) 2021-08-09 2021-08-09 一种新能源置信容量分析方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110907150.0A CN113609686B (zh) 2021-08-09 2021-08-09 一种新能源置信容量分析方法及***

Publications (2)

Publication Number Publication Date
CN113609686A CN113609686A (zh) 2021-11-05
CN113609686B true CN113609686B (zh) 2023-08-29

Family

ID=78339949

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110907150.0A Active CN113609686B (zh) 2021-08-09 2021-08-09 一种新能源置信容量分析方法及***

Country Status (1)

Country Link
CN (1) CN113609686B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115018282A (zh) * 2022-05-24 2022-09-06 广东电力交易中心有限责任公司 一种间断性可再生能源的置信容量计算方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103944175A (zh) * 2014-03-28 2014-07-23 上海电力设计院有限公司 风光储联合发电***出力特性优化方法
CN105429129A (zh) * 2015-10-14 2016-03-23 中国电力科学研究院 一种考虑网络约束的间歇性能源发电容量置信度评估方法
CN105719059A (zh) * 2016-01-13 2016-06-29 合肥工业大学 光伏发电***置信容量评估方法
CN109492851A (zh) * 2018-09-06 2019-03-19 国网浙江省电力有限公司经济技术研究院 一种基于不同区域负荷增长不确定性的网架裕度评估方法
CN109614718A (zh) * 2018-12-14 2019-04-12 国网山东省电力公司经济技术研究院 一种风电出力仿真模拟模型与方法
CN109921464A (zh) * 2019-03-25 2019-06-21 国网河北省电力有限公司经济技术研究院 配电网广义电源变电可信容量评估方法、装置和计算设备
CN112785027A (zh) * 2020-06-22 2021-05-11 国网江苏省电力有限公司经济技术研究院 风光储联合发电***置信容量评估方法及***

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7484008B1 (en) * 1999-10-06 2009-01-27 Borgia/Cummins, Llc Apparatus for vehicle internetworks

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103944175A (zh) * 2014-03-28 2014-07-23 上海电力设计院有限公司 风光储联合发电***出力特性优化方法
CN105429129A (zh) * 2015-10-14 2016-03-23 中国电力科学研究院 一种考虑网络约束的间歇性能源发电容量置信度评估方法
CN105719059A (zh) * 2016-01-13 2016-06-29 合肥工业大学 光伏发电***置信容量评估方法
CN109492851A (zh) * 2018-09-06 2019-03-19 国网浙江省电力有限公司经济技术研究院 一种基于不同区域负荷增长不确定性的网架裕度评估方法
CN109614718A (zh) * 2018-12-14 2019-04-12 国网山东省电力公司经济技术研究院 一种风电出力仿真模拟模型与方法
CN109921464A (zh) * 2019-03-25 2019-06-21 国网河北省电力有限公司经济技术研究院 配电网广义电源变电可信容量评估方法、装置和计算设备
CN112785027A (zh) * 2020-06-22 2021-05-11 国网江苏省电力有限公司经济技术研究院 风光储联合发电***置信容量评估方法及***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
兼顾网损优化效益与投资成本的SNOP容量规划方法;何英静等;《中国电力》;第53卷(第4期);第32-40页 *

Also Published As

Publication number Publication date
CN113609686A (zh) 2021-11-05

Similar Documents

Publication Publication Date Title
Ma et al. An improved and comprehensive mathematical model for solar photovoltaic modules under real operating conditions
Mosadeghy et al. A time-dependent approach to evaluate capacity value of wind and solar PV generation
CN104156892A (zh) 一种有源配电网电压跌落仿真与评估方法
CN112165084B (zh) 计及光伏-负荷双侧预测不确定性的多时间尺度优化方法
Farinet et al. Battery lifetime analysis for residential PV-battery system used to optimize the self consumption-a Danish scenario
CN112633702B (zh) 一种考虑可再生能源的电力***可靠性快速评估方法
KR20200040448A (ko) 태양광 에너지 발전량 예측 시뮬레이션 장치 및 방법
CN110460038A (zh) 一种涉及新能源并网的多场景输电网扩展规划方法
Gen Reliability and cost/worth evaluation of generating systems utilizing wind and solar energy
CN113609686B (zh) 一种新能源置信容量分析方法及***
CN115587489A (zh) 制氢模型的确定方法及装置、非易失性存储介质、处理器
CN113437938B (zh) 考虑因地域差异的现场特征的光伏阵列输出功率计算方法
CN104951654A (zh) 基于控制变量抽样的大规模风电场可靠性评估方法
CN104636993B (zh) 配电***可靠性算法
CN114091316A (zh) 一种区域光伏发电量计算方法
CN110336322B (zh) 基于日最小负荷置信区间的光伏发电准入容量确定方法
CN117200348A (zh) 一种考虑风光扰动的微电网群状态预测集计算方法
Xu et al. Correlation analysis of wind and photovoltaic power based on mixed copula theory and its application into optimum capacity allocation
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
CN114707888A (zh) 一种基于配电网安全域的分布式电源可信容量评估方法
Brofferio et al. An in-hand model of photovoltaic modules and/or strings for numerical simulation of renewable-energy electric power systems
Bagchi et al. Generation adequacy assessment incorporating equivalent probabilistic models of virtual power plants
KR20180023078A (ko) 기상정보를 이용한 태양광 발전량 예측방법
CN113591224A (zh) 一种城市电网连锁故障风险评估方法及***
Ciocia et al. An Improved Model for AC Power from Grid Connected Photovoltaic Systems and Comparison with Large-Scale Hourly Measured Data

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