Scenario Markov-based wind power in-situ absorption capacity prediction method, involving new energy and high efficiency energy-saving technology. The invention aims to solve the problem of low accuracy of prediction of wind power in-situ absorption capacity by existing technical means. Step 1: Predict the wind power output at the next moment and the power load at the next moment; Step 2: Based on the wind power output at the next moment and the power load at the next moment, the local wind power absorption capacity is obtained by combining the local power generation output, grid power transmission and grid power input. It is used to predict the local absorption capacity of wind power.
【技术实现步骤摘要】
基于场景马尔科夫法的风电就地消纳能力预测方法
本专利技术涉及一种基于场景马尔科夫法的提高风电就地消纳能力预测方法,属于新能源与高效节能
技术介绍
风力资源,是我国重要的可再生能源。随着对清洁可再生能源需求的不断增强,风电一直保持着较快的发展速度。现有的风电装机容量大、风电渗透率高,所以,现在利用可再生能源进行就地消纳是当前风电快速发展过程中需要解决的主要问题,然而由于各地区的季节特征不同且电力负荷分布不均,导致许多地区出现风电就地消纳困难,弃风弃光现象严重,已严重制约了可再生能源的健康发展。现有缺少能够对风电就地消纳能力进行准确预测的方法,准确的预测地区短时(1至4小时)风电就地消纳能力,可为合理制定风电消纳计划、采取准确风电消纳措施提供数据依托。
技术实现思路
本专利技术是为了解决现有技术手段对风电就地消纳能力预测的准确率低的问题。现提供基于场景马尔科夫法的风电就地消纳能力预测方法。基于场景马尔科夫法的风电就地消纳能力预测方法,所述方法包括以下步骤:步骤一、预测下一时刻风速的风电出力和预测下一时刻的电力负荷:预测下一时刻风速的风电出力的过程为:统计本地区历史风速数据和影响该风速数据的历史天气因素,将历史天气因素分为若干天气场景,利用场景分析法将历史风速数据归入相应的场景内,利用马尔科夫法,获得各场景内历史风速的转移矩阵;根据各场景内历史风速的转移概率和风机发电特性,建立风速与风电出力数学关系模型;根据风速与风电出力数学关系模型和当前时刻风场内的风机数量及风机的电出力功率,利用马尔科夫法预测下一时刻风速的风电出力;预测下一时刻的电力负荷:统计本地区历 ...
【技术保护点】
1.基于场景马尔科夫法的风电就地消纳能力预测方法,其特征在于,所述方法包括以下步骤:步骤一、预测下一时刻风速的风电出力和预测下一时刻的电力负荷:预测下一时刻风速的风电出力的过程为:统计本地区历史风速数据和影响该风速数据的历史天气因素,将历史天气因素分为若干天气场景,利用场景分析法将历史风速数据归入相应的场景内,利用马尔科夫法,获得各场景内历史风速的转移矩阵;根据各场景内历史风速的转移概率和风机发电特性,建立风速与风电出力数学关系模型;根据风速与风电出力数学关系模型和当前时刻风场内的风机数量及风机的电出力功率,利用马尔科夫法预测下一时刻风速的风电出力;预测下一时刻的电力负荷:统计本地区历史电力负荷数据和影响负荷数据的历史天气数据,将历史天气数据分为若干天气场景,并将历史天气数据归入每个场景内,利用马尔科夫法,获得各场景下的本地区电力负荷转移矩阵;根据各场景下的本地区电力负荷转移矩阵和当前时刻电力负荷数据,利用马尔科夫法预测本地区内下一时刻的电力负荷;步骤二、基于预测出的下一时刻风速的风电出力和预测出的下一时刻的电力负荷,结合本地区电源发电出力、电网电力外送和电网电力输入情况,获得风电就地 ...
【技术特征摘要】
1.基于场景马尔科夫法的风电就地消纳能力预测方法,其特征在于,所述方法包括以下步骤:步骤一、预测下一时刻风速的风电出力和预测下一时刻的电力负荷:预测下一时刻风速的风电出力的过程为:统计本地区历史风速数据和影响该风速数据的历史天气因素,将历史天气因素分为若干天气场景,利用场景分析法将历史风速数据归入相应的场景内,利用马尔科夫法,获得各场景内历史风速的转移矩阵;根据各场景内历史风速的转移概率和风机发电特性,建立风速与风电出力数学关系模型;根据风速与风电出力数学关系模型和当前时刻风场内的风机数量及风机的电出力功率,利用马尔科夫法预测下一时刻风速的风电出力;预测下一时刻的电力负荷:统计本地区历史电力负荷数据和影响负荷数据的历史天气数据,将历史天气数据分为若干天气场景,并将历史天气数据归入每个场景内,利用马尔科夫法,获得各场景下的本地区电力负荷转移矩阵;根据各场景下的本地区电力负荷转移矩阵和当前时刻电力负荷数据,利用马尔科夫法预测本地区内下一时刻的电力负荷;步骤二、基于预测出的下一时刻风速的风电出力和预测出的下一时刻的电力负荷,结合本地区电源发电出力、电网电力外送和电网电力输入情况,获得风电就地消纳能力。2.根据权利要求1所述的基于场景马尔科夫法的风电就地消纳能力预测方法,其特征在于,步骤一中,利用马尔科夫法,获得各场景内历史风速的转移矩阵为:P{v(t+1)=j|v(t)=i}=piji,j∈Φk公式1,式中,v(t)为t时刻风速,v(t+1)为t+1时刻风速,Φk为风速样本空间,pij为风速转移概率;由多个风速转移概率构成的风速转移矩阵为:式中,Pwind为风速转移矩阵,n为风速样本种类数量。3.根据权利要求2所述的基于场景马尔科夫法的风电就地消纳能力预测方法,其特征在于,步骤一中,根据各场景内历史风速的转移矩阵和风机发电特性,建立风速与风电出力数学关系模型为:t时刻第τ台风机的电出力功率Pwind,t,τ与风速v的关系模型为:式中,v为风速,Prated为风机额定功率;A为风机出力常数;B为风机一次风速出力常数;C为风机二次风速出力常数,vci为风机切入风速;vr为风机额定风速;vco为风机切出风速;t时刻风场内所有风机总的电出力功率PWF,t与风速v的关系模型...
【专利技术属性】
技术研发人员:荣爽,陈晓光,关万琳,徐明宇,郝文波,胡远婷,张明江,张可心,谷博文,林扬,王超,
申请(专利权)人:国网黑龙江省电力有限公司电力科学研究院,国家电网有限公司,
类型:发明
国别省市:黑龙江,23
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。