[发明专利]一种数据驱动的配电网分布式新能源消纳能力评估方法

说明书

本发明提供一种数据驱动的配电网分布式新能源消纳能力评估方法，该方法包括：1)利用电力系统实际生产运行所累计的数据记录；2)建立配电网最大新能源消纳能力评估模型；3)通过求解此模型计算最大新能源出力值作为标签集，进而形成完整数据集；4)建立配电网消纳能力评估的图卷积神经网络模型，并将3)中的数据集处理，使用其训练该深度网络；5)将待求的电网运行方式量化处理，通过训练好的网络可以快速准确计算最大新能源出力值，进而计算得到全年的配电网新能源出力持续曲线和系统最大新能源消纳电量。本发明相比传统的时序仿真方法提升了计算效率，具有应用创新性和工程实用性。

技术领域

本发明属于电力系统新能源消纳技术领域，尤其涉及一种基于数据驱动的配电网分布式新能源消纳能力评估方法。

背景技术

随着社会经济的发展，环境污染问题和化石燃料的日渐枯竭已经成为掣肘人类可持续发展的两个元凶。发展清洁的可再生新源是解决环境问题和能源制约问题的有效解决方法之一，也是人类社会实现可持续发展的必经之路。现阶段，新能源发电在国内外都备受重视，随着技术进步和各国政府的支持，新能源发电装机容量在过去十年内迎来了迅猛发展。

目前我国新能源发展阶段已经从补充能源向规模替代转变，大量分布式风、光新能源涌入配电网，使配电网的运行不确定性更强，随机功率扰动严重。同时，新能源在给全社会带来显著效益的同时，自身的消纳问题也日益严峻，成为制约未来新能源发展与利用的主要因素之一。在新能源消纳能力评估研究的初始阶段，新能源消纳能力评估主要服务于电力系统规划，用于确定新能源最大装机容量。利用制约因素法进行评估较为简单，但由于仅考虑某一制约因素的影响，该评估方法得到的结果不具有一般性，且仅能反映系统整体的消纳能力，无法对区域电网及节点的消纳能力进行量化，不能全面地反映新能源消纳能力。

基于蒙特卡洛模拟法的消纳能力评估方法通过大量采样计算模拟系统不同运行状态下的消纳能力，评估结果精度较高，但配电网拓扑结构发生变化时，使用蒙特卡洛模拟法的整体建模计算效率较低。还有研究基于卷积法对消纳能力进行评估，该方法可以实现快速评估，但评估结果仅能反映系统整体的消纳水平，不能全面评估系统消纳水平。

随着现代深度学习技术的发展，网络层数进一步加深，非线性拟合及特征提取能力进一步增强，而且对于已经训练完成的评估网络，可以快速完成对全新输入数据的评估结果进行预测，尤其在系统规模较大时大大节省了计算时间。而且，应对现有采用时序蒙特卡洛新能源系统实际数据不足的情况，还可以利用条件生成对抗网络对相应数据进行生成，以满足后续消纳能力评估网络的训练需求。因此，利用上述特点，研究一种数据驱动图卷积神经网络的配电网新能源消纳能力评估方法尤为重要。

发明内容

为了解决现有技术中存在的问题，本发明的目的在于提供一种基于数据驱动的配电网分布式新能源消纳能力评估方法。

为了实现上述目的，本发明采用的技术方案是：一种数据驱动的配电网分布式新能源消纳能力评估方法，包括以下步骤：

步骤1)利用电力系统实际生产运行所积累的数据记录，提取含分布式新能源配电网的运行数据作为配电网运行方式—消纳能力数据集的样本集；

步骤2)建立配电网最大新能源消纳能力评估模型，并针对评估模型给出新能源出力持续曲线和新能源最大消纳电量指标；

步骤3)通过求解配电网最大新能源消纳能力评估模型计算每小时运行方式下对应的最大新能源出力，作为配电网运行方式—消纳能力数据集的标签集，进而形成完整的数据集；

步骤4)建立配电网消纳能力评估的图卷积神经网络模型，并将步骤3)中得到的配电网运行方式—消纳能力数据集进行处理，使用处理后的数据集训练深度图卷积神经网络；

步骤5)将待求的电网运行方式量化处理，送入步骤4)已经训练好的深度图卷积神经网络，快速计算每小时最大消纳电量，并累积算得全年的新能源出力持续曲线和新能源最大消纳电量。