[发明专利]基于场景库的风电并网调峰平衡判定方法

摘要

本发明涉及一种基于场景库的风电并网调峰平衡判定方法，属于电力系统的调峰平衡与风电消纳分析领域，包括确定边界条件，基于边界条件中的负荷预测曲线与风电出力模拟曲线按月生成月负荷曲线场景库与月风电出力曲线场景库，根据各月的月负荷曲线场景库与月风电出力曲线场景库内不同的负荷曲线与风电出力曲线，构成月组合场景库，用多种特征量逐一对每一个组合场景下的调峰平衡情况进行判定，根据所有场景下的调峰平衡结果，判定不同时间尺度下的概率性调峰平衡结果。本方法更符合目前大规模风电接入下的电力系统调峰平衡分析的特点与要求及电网的实际生产过程。

主权项

一种基于场景库的风电并网调峰平衡判定方法，其特征在于,该方法包括以下步骤:1)确定边界条件：确定调峰平衡判定所需的边界条件，包括负荷预测曲线、风电出力模拟曲线、机组装机规划与机组运行参数；2)基于边界条件中的负荷预测曲线与风电出力模拟曲线按月生成月负荷曲线场景库与月风电出力曲线场景库，其中：月负荷曲线场景库为预测得到的能够表征该月各负荷水平的典型日负荷预测曲线的集合；月风电出力曲线场景库为通过模拟得到的能够表征该月各种日内风电出力的可能情况的典型日内风电出力曲线的集合；3)根据各月的月负荷曲线场景库与月风电出力曲线场景库内不同的负荷曲线与风电出力曲线，两两组合得到各月的“负荷‑风电出力”组合场景，以构成月组合场景库，用以调峰平衡的判定与分析；4)根据“负荷‑风电出力”组合场景Fi,j,k下的日负荷序列Li,j、日风电出力序列Wi,k和日净负荷序列Pi,j,k，结合该月系统运行的边界条件，用多种特征量逐一对每一个组合场景下的调峰平衡情况进行判定，具体包括：41)调峰需求：风电接入后，场景Fi,j,k下的调峰需求由日净负荷序列的高峰负荷与低谷负荷及备用确定，如式(1)所示：Pi,j,kD=Pi,j,kmax(1+δ)-Pi,j,kmin(1-δ)---(1)]]>其中，为场景Fi,j,k下日净负荷序列的最大值，即满足下式为场景下日净负荷序列的最小值，即满足下式δ为备用率；在风电接入前后，采用调峰需求的变化率描述电力系统调峰需求的变化情况；场景Fi,j,k下的调峰需求变化率如式(2)所示：pi,j,k=Pi,j,kDPi,j,kD0---(2)]]>其中，为风电接入前电力系统的调峰需求，由日负荷序列的最大值、最小值及备用率决定，如式(3)所示：Pi,j,kD0=Li,jmax(1+δ)-Li,jmin(1-δ)---(3)]]>式中，Li,jmin=min(Li,j,1,Li,j,2,...,Li,j,n);]]>若pi,j,k＞1,则判定风电接入后电力系统的调峰需求增加；42)调峰率需求：风电接入电力系统之后，场景Fi,j,k下的调峰率需求由开机容量需求和调峰需求共同决定，在场景Fi,j,k下的调峰率需求如式(4)所示：αi,j,k=Pi,j,kDPi,j,kG---(4)]]>其中，为系统开机容量需求，由日净负荷序列的最大值与备用率决定，如式(5)所示：Pi,j,kG=Pi,j,kmax(1+δ)---(5)]]>在风电接入前后，采用调峰率需求的变化率来描述系统调峰率需求的变化情况，调峰需求变化率如式(6)所示：qi,j,k=αi,j,kαi,j,k0---(6)]]>其中，为风电接入后系统的调峰率需求，如式(7)所示：αi,j,k0=Pi,j,kD0Pi,j,kG0---(7)]]>式中，为风电未接入系统下的开机容量需求，由日负荷序列的最大值与备用率决定，如式(8)所示：Pi,j,kG0=Li,jmax(1+δ)---(8)]]>若qi,j,k＞1,则判定风电接入后系统的调峰率需求增加；43)调峰裕度：调峰裕度为反映日内调峰平衡情况的特征量，由场景Fi,j,k下的调峰需求与电力系统的最大调峰能力得到，如式(9)所示：ΔPi,j,k=Pi,j,kpeak,max-Pi,j,kD---(9)]]>其中，电力系统的最大调峰能力表示在当前场景下可以获得的电力系统最大可调范围，由电力系统的开机容量需求与可调用机组的调峰率决定；首先，对所有可调用机组除去当日必开机组后的可调用机组的调峰率由高到低排序；其次，根据场景Fi,j,k下的开机容量需求从高到低选取机组，直至所选机组与必开机组的最大容量之和满足开机容量需求时，将所选机组与必开机组作为最大调峰能力的开机机组，将所有开机机组的可调范围相加，得到当日系统的最大可调范围为至其中，为当日系统的最小技术出力，为当日系统的最大技术出力，则当日系统的最大调峰能力如式(10)所示：Pi,j,kpeak,max=Pi,j,kG,max-Pi,j,kG,min---(10)]]>若调峰裕度ΔPi,j,k≥0,则判定场景Fi,j,k下满足系统的调峰平衡；若调峰裕度ΔPi,j,k＜0,则判定场景Fi,j,k下不能满足系统的调峰平衡，需要在电力系统的最小技术出力超过了该时段的净负荷Pi,j,k,t时进行弃风，以保证调峰平衡的实现；在场景Fi,j,k下，时段t(t＝1,2,...n)内的弃风功率如式(11)所示：Pi,j,k,twind,cut=0,Pi,j,kG,min-Pi,j,k,t≤0Pi,j,kG,min-Pi,j,k,t,0<Pi,j,kG,min-Pi,j,k,t≤Wi,k,tWi,k,t,Pi,j,kG,min-Pi,j,k,t>Wi,k,t---(11)]]>则场景Fi,j,k下全天的弃风电量如式(12)所示：Wi,j,kwind,cut=Σt=1n(Pi,j,k,twind,cut×t0)---(12)]]>其中，t0为单位时段的长度；Wi,k,t为日风电出力序列Wi,k中时段t内的风电出力；逐一完成对每个单一场景的计算与判定，即得到在全年所有场景下的调峰平衡判定结果；5)根据所有场景下的调峰平衡结果，判定不同时间尺度下的概率性调峰平衡结果：51)全年尺度下的概率性调峰平衡判定：基于得到的在全年所有场景下的调峰平衡判定结果，分别计算出调峰需求、调峰率需求以及调峰裕度的概率分布，以此作为全年调峰需求、调峰率需求以及调峰裕度的概率分布，同时，计算调峰平衡判定的全年概率性指标，全年概率性指标具体包括如下：511)全年调峰不足概率：定义全年调峰不足概率如式(13)所示：plack=Σi=112Σj=1NiΣk=1MiSi,j,k(1)Σi=112NiMi---(13)]]>其中，假设第i个月的月负荷曲线场景库内共有Ni条的日负荷曲线，月风电出力曲线场景库中有Mi条日风电出力曲线；为示性函数，表征场景Fi,j,k下是否发生调峰不足的情况，如式(14)所示：Si,j,k(1)=0,ΔPi,j,k≥01,ΔPi,j,k<0---(14)]]>全年调峰不足概率指标反映出全年发生调峰不足情况的概率，能从“足够”或者“不足”的角度判定调峰平衡情况；512)全年最大调峰缺额：定义全年最大调峰缺额为所有组合场景下的最大调峰不足量，如式(15)所示：Plack,max＝f1(min{ΔPi,j,k,1≤i≤12,1≤j≤Ni,1≤k≤Mi})        (15)其中，函数f1定义如式(16)：f1(x)=0,x≥0-x,x<0---(16)]]>全年最大调峰缺额指标用来反映出全年调峰平衡的极端情况，通过该指标可以判定调峰不足程度；513)全年弃风电量期望：定义全年的弃风电量期望如式(17)所示：Wyearwind,cut=Σi=112Σj=1NiΣk=1MiWi,j,kwind,cutΣi=112NiMi×N---(17)]]>其中，N为全年的总天数；这一指标反映全年弃风电量的期望值，是从量的角度来评价全年的弃风情况，以此反映全年调峰不平衡的程度；514)全年日弃风电量累计概率：定义数值W0下的全年日弃风电量累计概率为所有场景下日弃风电量不超过该数值W0的概率，如式(18)所示：p(W0)=Σi=112Σj=1NiΣk=1MiSi,j,k(W0)Σi=112NiMi---(18)]]>其中，为示性函数，表征场景Fi,j,k下的日弃风电量与数值W0之间的关系，如式(19)所示：Si,j,k(W0)=0,Wi,j,kwind,cut>W01,Wi,j,kwind,cut≤W0---(19)]]>全年日弃风电量累计概率用于判定全年日弃风电量的分布情况；52)月度尺度下的概率性调峰平衡判定：基于得到的各月内所有场景下的调峰平衡判定结果，用调峰平衡判定的月度概率性指标来衡量判定该月的调峰平衡情况，月度性指标具体包括如下：521)月内调峰不足概率：定义第i个月内发生调峰不足概率如式(20)所示：pilack=Σj=1NiΣk=1MiSi,j,k(1)NiMi---(20)]]>月内调峰不足概率反映出该月内发生调峰不足情况的概率，能从“足够”或者“不足”的角度来判定调峰平衡情况；522)月内最大调峰缺额：定义第i个月内最大调峰缺额如式(21)所示：plack,max(i)=f1(min{ΔPi,j,k,1≤j≤Ni,1≤k≤Mi})---(21)]]>月内最大调峰缺额用于反映出各月调峰平衡的极端情况，判定调峰资源的紧缺程度；523)月内日均弃风电量：根据第i个月内的所有组合场景下的弃风电量，定义该月内日均弃风电量如式(22)所示：Wiwind,cut=Σj=1NiΣk=1MiWi,j,kwind,cutNiMi---(22)]]>月内日均弃风电量从量的角度判定该月的风电消纳情况，由此判定调峰不足程度；53)时段尺度下的概率性调峰平衡判定：对各个时段逐一进行分析，用调峰平衡判定的时段概率性指标来判定时段尺度下的调峰平衡结果，时段概率性指标具体包括如下：531)全年时段弃风概率：定义全年时段弃风概率为全年一天中各时段发生弃风的概率，即全年时段t内的弃风概率如式(23)所示：ptwind,cut=Σi=112Σj=1NiΣk=1MiSi,j,k,tΣi=112NiMi---(23)]]>其中，Si,j,k,t为示性函数，表征场景Fi,j,k下在时段t内是否会发生弃风，如式(24)所示：Si,j,k,t={0,Pi,j,k,twind,cut<01,Pi,j,k,twind,cut≥0---(24)]]>全年时段弃风概率是从“发生”或“不发生”的角度判定各时段的弃风情况；532)各月时段弃风功率期望：定义第i个月在时段t内的平均弃风功率如式(25)所示：Pi,twind,cut=Σj=1NiΣk=1MiPi,j,k,twind,cutNiMi---(25)]]>各月时段弃风功率期望从量的角度判定该月各时段内的风电消纳情况。