一种并网光伏系统置信容量的确定方法及系统技术方案

本发明专利技术公布了一种并网光伏系统置信容量的确定方法及系统，包括：获取光伏渗透率、时间步长和光伏负荷相关相似指数；将所述光伏渗透率、时间步长和光伏负荷相关相似指数带入预先训练的经验模型确定光伏系统的置信容量；其中，所述经验模型为利用人工神经网络对置信容量与光伏渗透率、时间步长和光伏负荷相关相似指数之间的映射关系进行训练得到。本发明专利技术可以在不需要使用复杂、耗时的逆向蒙特卡罗SMC计算的情况下，估计出任何给定光伏渗透率、时间步长和光伏负荷相关相似指数的置信容量。

【技术实现步骤摘要】
一种并网光伏系统置信容量的确定方法及系统
本专利技术涉及发电
，具体涉及一种并网光伏系统置信容量的确定方法及系统。
技术介绍
近年来，为了满足日益增长的能源消耗和实现可持续的环境，大规模并网光伏电站迅速崛起。随着光伏渗透率的增加，光伏电站不仅对电力系统或配电网络有功率价值贡献，而且对容量价值也有贡献，因此提出了置信容量的定义。目前，光伏发电已被广泛应用，置信容量评估是光伏发电规划和调度中的一个重要问题。目前有基于可靠性的方法和近似法对光伏置信容量进行评估。基于电力不足概率、电力不足期望值和电量不足期望值等可靠性指标进行置信容量评估的方法，是从光伏电站对电力系统的可靠性贡献角度出发，对光伏电站的置信容量进行评估。基于可靠性的方法主要有效承载能力法、等效常规功率法和等效企业功率法，其中有效承载能力法即采用有效载负荷容量(effectiveloadcarryingcapability,ELCC)来衡量光伏系统的置信容量。ELCC表征在保持间歇式发电接入系统前后可靠性不变的情况下，系统负荷可以增加的容量。该指标能够直观表示系统新增发电机组本文档来自技高网...

【技术保护点】
1.一种并网光伏系统置信容量的确定方法，其特征在于，包括：/n获取光伏渗透率、时间步长和光伏负荷相关相似指数；/n将所述光伏渗透率、时间步长和光伏负荷相关相似指数带入预先训练的经验模型确定光伏系统的置信容量；/n其中，所述经验模型为利用人工神经网络对置信容量与光伏渗透率、时间步长和光伏负荷相关相似指数之间的映射关系进行训练得到。/n

【技术特征摘要】
1.一种并网光伏系统置信容量的确定方法，其特征在于，包括：
获取光伏渗透率、时间步长和光伏负荷相关相似指数；
将所述光伏渗透率、时间步长和光伏负荷相关相似指数带入预先训练的经验模型确定光伏系统的置信容量；
其中，所述经验模型为利用人工神经网络对置信容量与光伏渗透率、时间步长和光伏负荷相关相似指数之间的映射关系进行训练得到。


2.如权利要求1所述的方法，其特征在于，所述经验模型的训练包括：
设置多个光伏容量；
对每一个光伏容量，在不同时间步长下进行仿真得到对应的光伏输出功率分布；
基于所有与各光伏容量对应的时间步长和光伏输出功率分布组成样本集；
基于不同的光伏渗透率，时间步长和光伏负荷相关相似值建立人工神经网络；
基于所述样本集对所述人工神经网络进行训练，得到置信容量与光伏渗透率、时间步长和光伏负荷相关相似指数之间的映射关系。


3.如权利要求2所述的方法，其特征在于，所述经验模型中置信容量与光伏渗透率、时间步长和光伏负荷相关相似指数之间的映射关系，如下式所示：
κCC＝g(r,Δt,η)
式中：κCC为光伏系统的置信容量；r为光伏渗透率；Δt为时间步长；η为按时间顺序的光伏-负荷相关相似指数。


4.如权利要求3所述的方法，其特征在于，所述光伏-负荷相关相似指数η，如下式所示：
η＝v×γC
式中：v为光伏输出的功率按时间变化的斜坡速率指标，γC为光伏输出功率与负荷分布的相关性。


5.如权利要求4所述的方法，其特征在于，所述光伏输出的功率按时间变化的斜坡速率指标v，如下式所示：



式中：n表示光伏输出单元数；为负荷时间序列；为在时间步长Δt中光伏输出和负荷的绝对最大波动；表示光伏输出功率时间序列的归一化斜坡率；表示第i+1个光伏输出单元在时间步长Δt时对应的光伏容量；表示第i个光伏输出单元在时间步...

【专利技术属性】
技术研发人员：孙檬檬，王正风，吴旭，叶荣波，周昶，栗峰，丛从，何洁琼，梁志峰，陈原子，雷震，陆晓，许晓慧，赫卫国，江星星，夏俊荣，张祥文，刘海璇，汪春，孔爱良，华光辉，胡汝伟，姚虹春，曹潇，黄秀丽，
申请(专利权)人：中国电力科学研究院有限公司，国网安徽省电力有限公司，国家电网有限公司，安徽南瑞继远电网技术有限公司，
类型：发明
国别省市：江苏;32