一种电源结构预测方法技术

本申请公开了一种电源结构预测方法

【技术实现步骤摘要】
一种电源结构预测方法、装置、设备及介质


[0001]本专利技术涉及系统动力学领域，特别涉及一种电源结构预测方法
、
装置
、
设备及介质
。

技术介绍

[0002]当前，城市电力系统也称城市供电系统，由供电电源
、
输配电网和电能用户构成
。
其中供电电源包括火电机组
、
集中式光伏
、
分布式光伏
、
集中式风电和其他电源
。
在双碳目标的驱动下，未来传统的火电机组装机容量将呈下降趋势，新能源装机容量将呈上升趋势，城市电力系统中新能源接入比例将不断提高；现有的电源结构预测，首先是各电源装机容量的预测
。
回归分析预测法预测装机容量的步骤是：
1.
收集各电源装机容量过去几年至几十年的历史数据，对数据进行预处理，分析会影响电源装机容量的因素作为回归分析的自变量
。2.
根据历史数据，拟合回归模型，常见的回归模型有线性回归
、
多项式回归
、
岭回归等
。
然后通过方均根误差
、
决定系数等评估指标评估拟合的性能和精确度
。3.
输入选定的自变量，根据选定的回归模型预测未来电源装机，计算电源结构预测结果
。
[0003]但是，第一，回归分析预测法建立的回归模型是静态模型，即预测变量和被预测变量之间的关系是固定的
、
不随时间变化的，而且常常使用线性模型，而城市电力系统是非线性
、
时变的，回归分析预测法可能在预测的短期内有较好的效果，但在中长期的预测上可能存在参数偏差过大的问题
。
第二，回归分析预测法需要过去几年甚至几十年的历史数据，对数据的要求较高，需要有大样本
、
高质量的数据
。
而新能源，尤其是分布式光伏是近年来才兴起的，其在城市电力系统中的历史数据较少，将其作为历史数据可能会导致预测模型不可靠
。
第三，回归分析通常只能揭示相关性，而无法确定因果关系
。
它只能说明变量之间的统计关联，并不能提供关于变量之间的因果机制或动态影响的详细解释，也没有考虑到新能源承载能力的影响
。
[0004]综上所述，如何更准确地预测电源结构时当前亟待解决的问题
。

技术实现思路

[0005]有鉴于此，本专利技术的目的在于提供一种电源结构预测方法
、
装置
、
设备及介质，能够更准确地预测电源结构，其具体方案如下：
[0006]第一方面，本申请公开了一种电源结构预测方法，包括：
[0007]获取有关城市电力系统对应的第一时间段的第一历史数据和第二时间段的第二历史数据；所述第二时间段晚于所述第一时间段；
[0008]基于所述第一历史数据分析各目标变量之间的关联关系，并基于所述关联关系构建所述各目标变量对应的初始系统动力学模型；所述初始系统动力学模型包括城市电力需求及电力平衡模块
、
新能源承载能力模块
、
发电模块和政策激励模块；
[0009]利用所述第二历史数据检验并修正所述初始系统动力学模型得到目标系统动力学模型，以便利用所述目标系统动力学模型预测城市电力系统的电源结构
。
[0010]可选的，所述基于所述第一历史数据分析各目标变量之间的关联关系，并基于所述关联关系构建所述各目标变量对应的初始系统动力学模型，包括：
[0011]基于所述第一历史数据分析各单位时间周期内的城市国内生产总值
、
人口数量和城市总用电量之间的第一关联关系；
[0012]基于所述第一关联关系构建所述城市电力需求及电力平衡模块
。
[0013]可选的，所述基于所述第一历史数据分析各目标变量之间的关联关系，并基于所述关联关系构建所述各目标变量对应的初始系统动力学模型，包括：
[0014]基于所述第一历史数据分析各单位时间周期内的新能源承载能力
、
系统内灵活性资源对所述新能源承载能力的贡献度和城市电力系统运行控制复杂度之间的第二关联关系；所述系统内灵活性资源包括电动汽车
、
储能装置和柔性负荷；所述城市电力系统运行控制复杂度为基于系统内火电装机容量和新能源装机容量确定的复杂度；
[0015]基于所述第二关联关系构建所述新能源承载能力模块
。
[0016]可选的，所述基于所述第一历史数据分析各目标变量之间的关联关系，并基于所述关联关系构建所述各目标变量对应的初始系统动力学模型，包括：
[0017]基于所述第一历史数据分析各单位时间周期内的双碳目标实现情况
、
火电发电量和火电装机容量之间的第三关联关系；
[0018]基于所述第一历史数据分析各单位时间周期内的分布式光伏装机容量
、
用电成本系数和光伏自发自用电量之间的第四关联关系；
[0019]基于所述第一历史数据分析新能源承载能力
、
集中式光伏装机容量
、
风电上网电量
、
光伏上网电量
、
分布式光伏余量和集中式风电发电量之间的第五关联关系；
[0020]基于所述第三关联关系
、
所述第四关联关系和所述第五关联关系构建所述发电模块
。
[0021]可选的，所述基于所述第一历史数据分析各目标变量之间的关联关系，并基于所述关联关系构建所述各目标变量对应的初始系统动力学模型，包括：
[0022]基于所述第一历史数据分析各单位时间周期内的新能源政策市场激励
、
新能源用电占比
、
双碳目标实现情况和城市电量外购比例之间的第六关联关系；所述新能源用电占比为基于所述自发用电电量
、
所述光伏上网电量
、
所述风电上网电量和所述城市内火电发电量计算得到的；
[0023]基于所述第六关联关系构建所述政策激励模块
。
[0024]可选的，所述基于所述第一历史数据分析各目标变量之间的关联关系，并基于所述关联关系构建所述各目标变量对应的初始系统动力学模型，包括：
[0025]根据城市电力系统的演化情景，基于所述第一历史数据分析各目标变量之间的关联关系，并基于所述关联关系构建所述各目标变量对应的初始系统动力学模型；不同的所述城市电力系统的演化情景对应的所述初始系统动力学模型中的外生变量和
/
或常量不同；所述城市电力系统的演化情景包括基准情景
、
新能源并网技术快速发展情景和政策高激励情景
。
[0026]可选的，所述基于所述第一历史数据分析各目标变量之间的关联关系，并基于所述关联关系构建所述各目标变量对应的初始系统本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种电源结构预测方法，其特征在于，包括：获取有关城市电力系统对应的第一时间段的第一历史数据和第二时间段的第二历史数据；所述第二时间段晚于所述第一时间段；基于所述第一历史数据分析各目标变量之间的关联关系，并基于所述关联关系构建所述各目标变量对应的初始系统动力学模型；所述初始系统动力学模型包括城市电力需求及电力平衡模块
、
新能源承载能力模块
、
发电模块和政策激励模块；利用所述第二历史数据检验并修正所述初始系统动力学模型得到目标系统动力学模型，以便利用所述目标系统动力学模型预测城市电力系统的电源结构
。2.
根据权利要求1所述的电源结构预测方法，其特征在于，所述基于所述第一历史数据分析各目标变量之间的关联关系，并基于所述关联关系构建所述各目标变量对应的初始系统动力学模型，包括：基于所述第一历史数据分析各单位时间周期内的城市国内生产总值
、
人口数量和城市总用电量之间的第一关联关系；基于所述第一关联关系构建所述城市电力需求及电力平衡模块
。3.
根据权利要求1所述的电源结构预测方法，其特征在于，所述基于所述第一历史数据分析各目标变量之间的关联关系，并基于所述关联关系构建所述各目标变量对应的初始系统动力学模型，包括：基于所述第一历史数据分析各单位时间周期内的新能源承载能力
、
系统内灵活性资源对所述新能源承载能力的贡献度和城市电力系统运行控制复杂度之间的第二关联关系；所述系统内灵活性资源包括电动汽车
、
储能装置和柔性负荷；所述城市电力系统运行控制复杂度为基于系统内火电装机容量和新能源装机容量确定的复杂度；基于所述第二关联关系构建所述新能源承载能力模块
。4.
根据权利要求1所述的电源结构预测方法，其特征在于，所述基于所述第一历史数据分析各目标变量之间的关联关系，并基于所述关联关系构建所述各目标变量对应的初始系统动力学模型，包括：基于所述第一历史数据分析各单位时间周期内的双碳目标实现情况
、
火电发电量和火电装机容量之间的第三关联关系；基于所述第一历史数据分析各单位时间周期内的分布式光伏装机容量
、
用电成本系数和光伏自发自用电量之间的第四关联关系；基于所述第一历史数据分析新能源承载能力
、
集中式光伏装机容量
、
风电上网电量
、
光伏上网电量
、
分布式光伏余量和集中式风电发电量之间的第五关联关系；基于所述第三关联关系
、
所述第四关联关系和所述第五关联关系构建所述发电模块
。5.
根据权利要求1所述的电源结构预测方法，其特征在于，所述基于所述第一历史数据分析各目标变量之间的关联关系，并基于所述关联关系构建所述各目标变量对应的初始系统动力学模...

【专利技术属性】
技术研发人员：李先锋，叶骏，胡晨刚，高振宇，马炯，许又元，盛文洋，王铮，刘鹏飞，胡健，赵亦岚，
申请(专利权)人：杭州市电力设计院有限公司，
类型：发明
国别省市：