一种电力现货环境下代理购电电量构成分时段预测方法技术

本发明专利技术公开了一种电力现货环境下代理购电电量构成分时段预测方法，包括如下步骤：根据历史评估月内每日的电负荷特性曲线，确定典型日类型；获取评估月风电发电曲线集合和评估月光伏发电曲线集合；获取评估月风电光伏出力场景集合；获取购电用户在评估月的日分时段负荷功率，以获取评估月购电用户的日总负荷功率；以获取评估月的日市场化煤电发电功率；获取评估月内购电用户的日购电成分使用量；本发明专利技术通过考虑与评估月对应的历史典型日的类型，获取评估月风电光伏出力场景集合，分时段评估月内购电用户的日购电成分使用量，能够在月前对各类代购用户分别购买多少种类的电量以及购电成本进行评估,使得电网公司能够在月前制定合理的代购电电价。定合理的代购电电价。定合理的代购电电价。

【技术实现步骤摘要】
一种电力现货环境下代理购电电量构成分时段预测方法


[0001]本专利技术涉及生产模拟与电力市场
，尤其涉及一种电力现货环境下代理购电电量构成分时段预测方法。

技术介绍

[0002]当前，由于我国的电力现货市场建设还处于起步阶段，无论是发电侧还是用户侧，都无法做到全部进入现货市场。电源侧很多电源上网采用政府授权合约、固定电价上网的形式，而用户侧一些用户则采用固定电价购电。因此，我国的电力市场呈现“双轨并行”的局面，优先电源用来供给优先用户，进入市场的电源用来供给市场用户，即计划电量与市场电量并行的双轨制。
[0003]目前关于“现货市场开展后电网代购电成分分时段评估方法”的研究专利技术主要集中在“以用定发”，即根据优先负荷来调整优先发电量，使发用电两侧优先发电与优先用电电力电量平衡的一种方法。国家近期出台相关政策大力推行电网代购电政策，但在实际代购电运行过程中，由于新能源优先电源和优先用户负荷的波动性和不确定性，优先电源与优先用户很容易产生电力电量的不匹配，无法在月前对各类代购用户分别购买多少种类的电量以及购电成本进行评估,导致电网公司无法在月前制定合理的代购电电价。
[0004]但在新能源装机占比日益增加与火电机组的基数电量越来越小的背景下，其应用效果也越来越差。导致源荷双侧优先用户与优先电源的电力电量不匹配问题进一步加重，不能对电网代理购电的两类用户的购电电量以及购电价格做出提前预估。

技术实现思路

[0005]本专利技术提供一种电力现货环境下代理购电电量构成分时段预测方法，以克服上述技术问题。
[0006]为了实现上述目的，本专利技术的技术方案是：
[0007]一种电力现货环境下代理购电电量构成分时段预测方法，包括如下步骤：
[0008]S1：根据历史评估月内每日的电负荷特性曲线，确定典型日类型；
[0009]S2：获取历史评估月的历史日风电小时颗粒度的标幺化出力曲线、评估月的风电装机容量以及历史日光伏小时颗粒度的标幺化出力曲线和评估月的光电装机容量；以获取评估月风电发电曲线集合S
W
和评估月光伏发电曲线集合S
PV
；
[0010]S3：根据所述典型日类型和评估月风电发电曲线集合S
W
和评估月光伏发电曲线集合S
PV
，获取评估月风电光伏出力场景集合；
[0011]S4：根据所述评估月风电光伏出力场景集合，获取购电用户在评估月的日分时段负荷功率，以获取评估月购电用户的日总负荷功率；
[0012]所述购电用户包括居民农业用户、代理购电工商业用户和市场购电工商业用户；所述购电用户在评估月的日分时段负荷功率包括评估月的日分时段居民农业负荷功率、评估月的日分时段代理购电工商业负荷功率和评估月的日分时段市场购电工商业负荷功率；
[0013]S5：分别获取评估月的日省外来电小时颗粒度的送电功率、评估月的日核电送电功率、评估月的日水电发电功率，以获取评估月的日市场化煤电发电功率；
[0014]S6：根据所述评估月的日风电发电功率、评估月的日光伏发电功率、评估月的日省外来电小时颗粒度的送电功率、评估月的日核电送电功率、评估月的日水电发电功率、评估月的日市场化煤电发电功率和所述评估月购电用户的日总负荷功率，获取评估月内所述购电用户的日购电成分使用量；
[0015]所述评估月内所述购电用户的日购电成分包括风电、光伏发电、省外来电、核电、水电以及市场化煤电。
[0016]进一步的，所述典型日类型包括节假日和工作日。
[0017]进一步的，所述S2中，
[0018]评估月风电发电曲线集合S
W
为：
[0019]评估月光伏发电曲线集合S
PV
为：
[0020]其中，为评估月的第m天的风电发电曲线,m＝1,
…
,D；为评估月的第n天的光伏发电曲线,n＝1,
…
,D；D为评估月的总天数；
[0021]进一步的，所述S3中，
[0022]所述评估月风电光伏出力曲线集合包括评估月工作日风电光伏出力曲线集合和评估月节假日风电光伏出力曲线集合；
[0023]S＝{s
d
}＝{s
d
‑
GZ
,s
d
‑
JJ
}，1≤d≤D
[0024][0025][0026]其中，s
d
‑
GZ
为当评估月第d天为工作日时的风电光伏出力曲线；s
d
‑
JJ
为当评估月第d天为节假日时的风电光伏出力曲线；s
d
为评估月第d天的风电光伏出力曲线；d为评估月的天数的编号。
[0027]进一步的，所述S4中，获取购电用户在评估月的日分时段负荷功率如下：
[0028]t＝1
…
T
[0029]式中，L
k,h,t
表示第h种购电用户在评估月第k种典型日的第t时段的负荷功率；k为典型日类型的编号；
[0030]h为购电用户的种类的编号；t为日内时段下标，T为时段数，表示历史第k类典型日的h类购电用户的日内最大用电功率；η
*,k,h,t
分别表示历史第k类典型日的h类购电用户的日内时段标幺值；
[0031]根据评估月的日分时段负荷功率，获取评估月购电用户的日总负荷功率：
[0032]t＝1
…
T
[0033]式中：表示评估月内第k种典型日第t个时段电网整体总负荷；Ψ
FH
为购电用户的集合，
[0034]Ψ
FH
＝{居民农业用户，代理购电工商业用户，场购电工商业用户}；
[0035]进一步的，所述S5中，
[0036]获取评估月的日省外来电小时颗粒度的送电功率如下：
[0037][0038]式中，表示第k类典型日第t个时段的省外来电功率；为第k类典型日的省外送电电量，为分时系数，存在
[0039][0040]进一步的，所述S5中，
[0041]获取评估月水电发电功率如下；
[0042]获取日水电调峰小时数：
[0043][0044]式中，为分解到第k类典型日的水电日发电量，为第k类典型日的可调容量；
[0045]获取日水电发电功率如下：
[0046][0047]式中，表示k类典型日第t个时段的水电发电功率。
[0048]进一步的，所述S5中，
[0049]获取评估月的日市场化煤电发电功率如下：
[0050][0051]式中：为第k类典型日第t个时段的市场化煤电发电功率，为第k类典型日第t个时段的总负荷功率，为第k类典型日第t个时段的风电发电功率，为第k类典型日第t个时段的光伏发电功率，为第k类典型日第t个时段的核电发电功率，为第k类典型日第t个时段的水电发电功率，为第k类典本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力现货环境下代理购电电量构成分时段预测方法，其特征在于，包括如下步骤：S1：根据历史评估月内每日的电负荷特性曲线，确定典型日类型；S2：获取历史评估月的历史日风电小时颗粒度的标幺化出力曲线、评估月的风电装机容量以及历史日光伏小时颗粒度的标幺化出力曲线和评估月的光电装机容量；以获取评估月风电发电曲线集合S
W
和评估月光伏发电曲线集合S
PV
；S3：根据所述典型日类型和评估月风电发电曲线集合S
W
和评估月光伏发电曲线集合S
PV
，获取评估月风电光伏出力场景集合；S4：根据所述评估月风电光伏出力场景集合，获取购电用户在评估月的日分时段负荷功率，以获取评估月购电用户的日总负荷功率；所述购电用户包括居民农业用户、代理购电工商业用户和市场购电工商业用户；所述购电用户在评估月的日分时段负荷功率包括评估月的日分时段居民农业负荷功率、评估月的日分时段代理购电工商业负荷功率和评估月的日分时段市场购电工商业负荷功率；S5：分别获取评估月的日省外来电小时颗粒度的送电功率、评估月的日核电送电功率、评估月的日水电发电功率，以获取评估月的日市场化煤电发电功率；S6：根据所述评估月的日风电发电功率、评估月的日光伏发电功率、评估月的日省外来电小时颗粒度的送电功率、评估月的日核电送电功率、评估月的日水电发电功率、评估月的日市场化煤电发电功率和所述评估月购电用户的日总负荷功率，获取评估月内所述购电用户的日购电成分使用量；所述评估月内所述购电用户的日购电成分包括风电、光伏发电、省外来电、核电、水电以及市场化煤电。2.根据权利要求1所述的一种电力现货环境下代理购电电量构成分时段预测方法，其特征在于，所述典型日类型包括节假日和工作日。3.根据权利要求1所述的一种电力现货环境下代理购电电量构成分时段预测方法，其特征在于，所述S2中，评估月风电发电曲线集合S
W
为：评估月光伏发电曲线集合S
PV
为：其中，为评估月的第m天的风电发电曲线,m＝1,
…
,D；为评估月的第n天的光伏发电曲线,n＝1,
…
,D；D为评估月的总天数。4.根据权利要求1所述的一种电力现货环境下代理购电电量构成分时段预测方法，其特征在于，所述S3中，所述评估月风电光伏出力曲线集合包括评估月工作日风电光伏出力曲线集合和评估月节假日风电光伏出力曲线集合；S＝{s
d
}＝{s
d
‑
GZ
,s
d
‑
JJ
}，1≤d≤D}，1≤d≤D其中，s
d
‑
GZ
为当评估月第d天为工作日时的风电光伏出力曲线；s
d
‑
JJ
为当评估月第d天为
节假日时的风电光伏出力曲线；s
d
...

【专利技术属性】
技术研发人员：张娜，胡旌伟，张明理，杨继业，李建男，王宗元，李金起，程孟增，商文颖，葛晟，吕泉，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：