一种基于随机场景构建的年度弃风、弃光率计算方法技术

本发明专利技术涉及一种基于随机场景构建的年度弃风、弃光率计算方法，包括以下步骤：一、按能源电力发展、电力系统调节技术发展、电力设施经济特性这三个方面平稳增长和异常增长产生增长率随机的多种场景，并计算出边界条件参数。二、利用电力系统调节技术发展中包含的未来风电、光伏预测误差计算结果修正风电、光伏功率曲线。三、对不同场景进行初步的电力供需平衡模拟，重构时间序列，分为可完全消纳风电、光伏发电量的时间段和需要进行弃风、弃光的时间段。四、对需要弃风、弃光的时间段，建立考虑不同消纳策略的混合整数线性规划模型，求解出单个场景的弃风、弃光率，综合所有场景得出合理的弃风、弃光率标尺。

【技术实现步骤摘要】
一种基于随机场景构建的年度弃风、弃光率计算方法
本专利技术涉及新能源运行与消纳领域，特别是涉及一种基于随机场景构建的年度弃风、弃光率计算方法。
技术介绍
近年来，随着新能源发电技术的高速发展，当中风电、光伏装机规模不断扩大，其不确定性对电网安全、经济运行产生了不利影响。地区快速增长的风、光装机容量和发展滞后的消纳能力之间的矛盾日渐凸显，由此带来的弃风、弃光问题十分严重。然而，发生弃风、弃光的小时数占总小时数比例并不高，并且高比例新能源接入的电网中，弃风、弃光不可避免，为了百分之百消纳风、光进行巨额的电网投资并不符合经济性的要求。因此，评估系统的合理弃风、弃光率，可以减少、延缓电力系统的建设投资，避免资源的浪费，促进风光电厂与电网的合理发展，具有重要的意义。在此背景下，归纳分析了造成弃风、弃光的主要原因，提出了一种基于随机场景构建的年度弃风、弃光率计算方法。
技术实现思路
在未来高比例新能源接入的情况下，为了评估某区域应该允许多大的弃风、弃光率，本专利技术所要解决的技术问题主要是现有弃风、弃光率计算并没有充分考虑到未来不同技术本文档来自技高网...

【技术保护点】
1.一种基于随机场景构建的年度弃风、弃光率计算方法，其特征在于，包括以下步骤：/nA.按能源电力发展、电力系统调节技术发展、电力设施经济特性这三个方面平稳增长和异常增长产生增长率随机的m种场景，并计算出每个场景的边界条件参数；/nB.利用每个场景的电力系统调节技术发展边界计算结果中的风电、光伏日前预测误差分别修正风电、光伏功率曲线；/nC.对不同场景进行初步的电力供需平衡模拟，重构时间序列，分为可完全消纳风电、光伏发电量的时间段和需要进行弃风、弃光的时间段；/nD.对需要进行弃风、弃光的时间段，建立考虑不同消纳策略的混合整数线性规划模型，求解出单个场景的弃风、弃光率，综合所有场景得出合理的弃风...

【技术特征摘要】
1.一种基于随机场景构建的年度弃风、弃光率计算方法，其特征在于，包括以下步骤：
A.按能源电力发展、电力系统调节技术发展、电力设施经济特性这三个方面平稳增长和异常增长产生增长率随机的m种场景，并计算出每个场景的边界条件参数；
B.利用每个场景的电力系统调节技术发展边界计算结果中的风电、光伏日前预测误差分别修正风电、光伏功率曲线；
C.对不同场景进行初步的电力供需平衡模拟，重构时间序列，分为可完全消纳风电、光伏发电量的时间段和需要进行弃风、弃光的时间段；
D.对需要进行弃风、弃光的时间段，建立考虑不同消纳策略的混合整数线性规划模型，求解出单个场景的弃风、弃光率，综合所有场景得出合理的弃风、弃光率标尺。


2.如权利要求1所述的基于随机场景构建的年度弃风、弃光率计算方法，其特征在于，在步骤A中，对某区域能源电力发展、电力系统调节技术发展、电力设施经济特性这三个方面的历史数据逐年计算增长率，对未来参数的预测采用平稳增长和异常增长两种预测模式，随机选取一定的增长率构建不同场景并计算出每个场景的边界条件参数的具体过程为：
A1.设需要预测的能源电力发展情况具体因素包含未来水平年的电力需求；风电、光伏的装机容量；与其他区域联络的传输线传输容量上限；其他发电单位的装机容量；
设需要预测的电力系统调节技术发展情况具体因素包含未来水平年储能电站的功率、容量和能量转换效率；已经进行和未进行灵活性改造的火电机组装机容量和调峰深度；需求侧响应的功率、容量和响应误差；风电、光伏发电场站日前预测误差；其中预测时间段为24小时，时间分辨率为1小时，采用MAE计算预测误差；
设需要预测的电力设施经济特性具体因素包含新线路的建设成本和运维成本；储能电站的建设成本和运维成本；火电机组灵活性改造的成本；火电机组参与辅助调峰服务成本；
A2.整理A1各因素的历史数据，并按公式(1)逐年计算因素增长率；



式中Rn,y表示第n种因素，历史第y年的增长率，Xn,y表示第n种因素，历史第y年的具体数值，Xn,y-1表示第n种因素，历史第y-1年的具体数值；
A3.在未来预测方面，采用平稳和异常两种模式进行预测，平稳模式的增长率在历史增长率的范围中随机变化，用于模拟未来没有发生剧烈变化的情况；而异常模式的增长率不设置限制，可模拟未来发生巨大变革的情况；在计算各因素未来每年增长率之前，取随机数Ra∈[0,1]，设置各个因素的平稳模式系数αn∈[0,1]，如果Ra≤αn则采用平稳模式选取增长率，如果Ra>αn则采用异常模式选取增长率；αn越大，则表示该因素越有可能平稳发展，波动不大，反之αn越小，则表示该因素在未来可能发生较大变化；
在平稳模式中，第n种因素未来第y年的增长率取值区间Rn,y∈[RnL,RnU]，其中RnL为历史最低增长率，RnU为历史最高增长率，如式(2)：
RnL＝min{Rn,1,Rn,2,…,Rn,y-1}
RnU＝max{Rn,1,Rn,2,…,Rn,y-1}(2)
而在异常模式中，第n种因素未来第y年的增长率不设限制；
A4.根据未来每年的增长率，计算出各因素未来的预测值，得到一个场景中的三个发展参数矩阵——能源电力发展矩阵N，电力系统调节技术发展矩阵T，电力设施经济特性发展矩阵E，如式(3)所示



式中nn1,yn表示能源电力发展情况中第n1中因素在未来第yn年的具体预测数值，tn2,yn表示电力系统调节技术发展情况中第n2中因素在未来第yn年的具体预测数值，en3,yn表示电力设施经济特性发展情况中第n3中因素在未来第yn年的具体预测数值；
回到A3继续进行新的场景生成，直到达到设置的m种场景。


3.如权利要求2所述的基于随机场景构建的年度弃风、弃光率计算方法，其特征在于，在步骤B中，利用每个场景的电力系统调节技术发展边界计算结果中的风电、光伏日前预测误差分别修正风电、光伏功率曲线的具体过程为：
B1.首先考虑数值的横向误差；提取电力系统调节技术发展矩阵T中未来水平年风电、光伏提前24小时的纵向预测误差数据，设最大误差为C小时，按照公式(4)计算进行横向误差修正后的输出功率值；



其中Ptsolar'为在t时刻经过横向误差修正后的光伏功率预测值，Ptwind'为在t时刻经过横向误差修正后的风电功率预测值，为在t+k时刻未修正的光伏功率预测值，为在t+k时刻未修正的风电功率预测值，k∈[-C,…,-1,0,1,…C]，当k为正整数表示预测数据向后延迟了|k|小时，k为负整数则表示预测数据提前了|k|小时，k为0表示没有横向误差，在时间上无提前或延迟；
B2.考虑数值的纵向误差；提取电力系统调节技术发展矩阵T中未来水平年风电提前24小时的纵向预测误差数据，并将其设为a％，模拟风电功率供给比预期高的弃风情景，假设全年真实的风电功率都比预测的偏高，预测值加上误差为真实值；为了简化计算，假设每时刻的误差都为a％；按照公式(5)计算全年风电功率修正值；
Ptwind＝Ptwind'+a％·Pwindn，t＝1,2,…,8760；(5)
式中Ptwind为在t时刻横向、纵向误差修正后的风电功率预测值，Ptwind'为在t时刻经过横向误差修正后的风电功率预测值，Pwindn为风电场的装机容量；
提取...

【专利技术属性】
技术研发人员：叶林，何博宇，汪宁勃，李琼慧，周强，王彩霞，李津，赵龙，
申请(专利权)人：中国农业大学，国网甘肃省电力公司，国网甘肃省电力公司电力科学研究院，国网能源研究院有限公司，
类型：发明
国别省市：北京;11