一种用于预测新能源并网电力流中电源容量的方法及系统技术方案

本发明专利技术公开了一种用于预测新能源并网电力流中电源容量的方法及系统，属于电力系统技术领域。本发明专利技术方法，包括：确定大规模新能源并网出力的电源类型，针对出力的电源类型建立电力流中电源容量的预测目标函数；针对出力的电源类型，确定出力的电源类型并网总量的边界条件及各出力的电源类型间互补特性对电力流影响系数向量；针对出力的电源类型，确定各出力的电源类型的出力分解规则和定位规则，根据出力分解规则和定位规则，确定远期电力流中电源容量预测的极端场景；对待预测的目标大规模新能源并网进行预测，确定待预测的目标大规模新能源并网的远期电力流中电源容量。本发明专利技术为远期电网规划提供有力的技术支持。

【技术实现步骤摘要】
一种用于预测新能源并网电力流中电源容量的方法及系统
本专利技术涉及电力系统
，并且更具体地，涉及一种用于预测新能源并网电力流中电源容量的方法及系统。
技术介绍
新能源出力具有随机性和强波动性，大规模新能源接入为系统运行带来新的挑战，消纳问题日趋严峻。目前风电和太阳能发电是新能源电源并网的主要形式。风电技术向着大型化、低风速、适应极端气候条件、深海风电，以及风功率精确预测、电网友好型风电场发展。太阳能光伏发电技术主要研发高转化率光伏材料，制造安装趋于薄片化、简易化；发展太阳能追踪技术，提高太阳能利用率；光伏电站并网控制技术向着更可控、更智能方向发展，提高光热发电容量、降低发电成本。作为间歇性电源，风电和太阳能光伏发电在并网运行过程中将对系统潮流、无功电压、系统稳定性、电能质量等造成影响；另一方面，风电、光伏等新能源发电出力具有较强的波动性，而具有波动性的多电源、多电站间的出力波动存在一定的互相关特性，互相关性越弱，则其互补性越强，汇集这些电站出力有利于平抑单一电站的出力波动幅度。这些新能源电源特性对传统的电网规划方法也提出了新的挑战本文档来自技高网...

【技术保护点】
1.一种用于预测新能源并网电力流中电源容量的方法，所述方法包括：/n确定大规模新能源并网出力的电源类型，针对出力的电源类型建立电力流中电源容量的预测目标函数；/n针对出力的电源类型，确定出力的电源类型并网总量的边界条件及各出力的电源类型间互补特性对电力流影响系数向量；/n针对出力的电源类型，确定各出力的电源类型的出力分解规则和定位规则，根据出力分解规则和定位规则，确定远期电力流中电源容量预测的极端场景；/n根据预测目标函数、出力的电源类型并网总量的边界条件、各出力的电源类型间互补特性对电力流影响系数向量和远期电力流中电源容量预测的极端场景，对待预测的目标大规模新能源并网进行预测，确定待预测的目...

【技术特征摘要】
1.一种用于预测新能源并网电力流中电源容量的方法，所述方法包括：
确定大规模新能源并网出力的电源类型，针对出力的电源类型建立电力流中电源容量的预测目标函数；
针对出力的电源类型，确定出力的电源类型并网总量的边界条件及各出力的电源类型间互补特性对电力流影响系数向量；
针对出力的电源类型，确定各出力的电源类型的出力分解规则和定位规则，根据出力分解规则和定位规则，确定远期电力流中电源容量预测的极端场景；
根据预测目标函数、出力的电源类型并网总量的边界条件、各出力的电源类型间互补特性对电力流影响系数向量和远期电力流中电源容量预测的极端场景，对待预测的目标大规模新能源并网进行预测，确定待预测的目标大规模新能源并网的远期电力流中电源容量。


2.根据权利要求1所述的方法，所述出力的电源类型，包括：风电电站、光伏电站、水电电站、火电电站、核电电站和燃气电站。


3.根据权利要求1所述的方法，所述预测目标函数的建立，包括：
确定出力的电源类型的电源基地函数，公式如下：
x＝[xW-1，...，xW-i，...xS-j，...，xH-k，...，xT-m，...，xN-O，...，xNG-P，...]T
其中，XW-i为风电电站、XS-j为光伏电站、XH-k为水电电站、XT-m为火电电站、xN-O为核电电站和xNG-P为燃气电站；
确定预测一次目标函数，公式如下：



其中、maxGWind+Solar(x)为风电电站和光伏电站发电并网容量的最大值、GThermal(x)为风电电站和光伏电站发电并网容量的最小值、PTotal为并网总的送电功率、CDemand为并网受电需求值，GHydro为并网容量、CH-Plan为规划定值；
根据公式(1)，及并网受电需求值在不同时间段的需求不同，确定预测目标函数，公式如下：



其中、GWind为风电电站并网容量、CW-Set为风电电站水平年的发展目标值、GSolar为光伏电站并网容量、CS-Set为光伏电站水平年的发展目标值和CDemand(m，t)为时间常量集。


4.根据权利要求1所述的方法，所述出力的电源类型并网总量的边界条件，包括：
CW-Set≤∑XW-i≤CW-max-resource，i＝1，2，…，nwind-total，∑XW-i＝CW-Set；(3)
其中、CW-max-resource为风电电站最大承载并网容量和nwind-total为并网风电电站数目；
CS-Set≤∑XS-j≤CS-max-resource，j＝1，2，…，nsolar-total，∑XS-j＝CS-Set；(4)
其中、CS-max-resource为光伏电站最大承载并网容量和nsolar-total为并网光伏电站数目；
∑XT-m≤CT-max-resource，m＝1，2，…，nThermal-total；(5)
其中、CT-max-resource为火电电站开发的上限和nthermal-total为并网火电电站数目。
∑XH-k＝CH-Plan，k＝1，2，…，nHydro-total；(6)
其中，nHydro-total为水电电站数目。


5.根据权利要求1所述的方法，所述各出力的电源类型间互补特性对电力流影响系数向量，具体如下：
Factor
＝[σi，ρfor-wind-total，σj，ρfor-solar-total，αk，δm，θfeng，θku]T
其中、σi风电电站内部出力同时率、ρfor-wind-total为多个风电电站出力时空差异性对风电电站出力的整体调节效应系数、σj光电电站内部出力同时率、ρfor-solar-total为多个光电电站出力时空差异性对光电电电站出力的整体调节效应系数、αk为水电电站的强迫出力系数、δm为火电机组调峰深度系数、θfeng为夏季水电电站、风电电站以及光伏电站的互补效应出力平滑系数、θku为冬季水电电站、风电电站以及光伏电站的互补效应出力平滑系数、i＝1，2，…，nwind-total、j＝1，2，…，nsolar-total、m＝1，2，…，nThermal-total、k＝1，2，…，nHydro-total。


6.根据权利要求1所述的方法，所述出力分解规则，根据出力的电源类型的输出功率曲线进行分解。


7.根据权利要求1所述的方法，所述远期电力流中电源容量预测的极端场景，如下：
GThermal(x)×δm+C(H-Plan)×(1-αk)＝(CW-Set×σi×ρ(for-wind-total)+CS-Set×σj×ρ(for-solar-total))×θku。(7)


8.一...

【专利技术属性】
技术研发人员：丁剑，宋云亭，郑超，李晓珺，吉平，李媛媛，张鑫，
申请(专利权)人：中国电力科学研究院有限公司，国家电网有限公司，国网湖北省电力有限公司，
类型：发明
国别省市：北京;11