【技术实现步骤摘要】
本专利技术属于电力系统，具体为一种高比例可再生能源电力系统极热少风场景的负荷管理方法。
技术介绍
1、在新型电力系统建设背景下，电力系统电源结构发生根本性变换，可再生能源装机比例逐步提高，可再生能源利用率逐步提升，尤其是风能和光伏等技术成熟性高、清洁的能源发电利用率。
2、电力负荷的管理方法能够优化电力系统运行，通过合理调度和控制电力负荷，可以优化电力系统的运行方式，提高电能的利用效率，减少电力系统的热损耗和能源浪费；
3、保障供电可靠性，电力负荷管理可以确保电网供电的可靠性。通过对负荷的实时监测和合理调度，可以避免电力系统的过负荷运行，减少设备的故障和事故的发生，保障电力供应的连续性和稳定性；
4、节约用电成本，合理管理电力负荷可以实现电力需求和供应的平衡，避免因电力的浪费和过度消耗而造成的额外用电成本。通过对高峰期负荷进行调峰，还可以降低电力购买成本；
5、光伏、风电等新能源出力从发电机理特性上就决定了其出力具有强间歇性、随机性，该特性给电网的调度运行上带来很大风险和挑战。由于天气状态变化将直接影响风电、光伏等不可控电源出力，且极端天气场景下风电、光伏的出力比较处于较低状态，因此需要从电力系统供需平衡的角度出发，进行合理的负荷管理并协调机组与储能间的出力配合；
6、对此我们提出了一种高比例可再生能源电力系统极热少风场景的负荷管理方法。
技术实现思路
1、针对现有技术的不足，本专利技术提供了一种高比例可再生能源电力系统极
2、为实现上述目的，本专利技术提供如下技术方案：一种高比例可再生能源电力系统极热少风场景的负荷管理方法，管理步骤包括：
3、s1、选择极热少风出现场景较多的地理城市，在选择的位置进行管理方法的数据收集与试验分析；
4、s2、分析极热少风的风光出力水平，筛选该场景下的风光出力曲线；
5、s3、获取基于电力系统地区特性的负荷特征分类；
6、s4、利用蒙特卡洛模拟生成带有不确定性的负荷曲线；
7、s5、建立该场景下的负荷管理策略与储能充放电策略；
8、s6、获取到当地人们用电的详细数据，根据数据分析当地人们用电习惯；
9、s7、利用储电系统，在风力较大时，将电力供应超过负荷需求时多余的能量储存起来，在人们电力负荷需求超过供应时再次释放出来；
10、s8、获取当地区域内历史的天气情况，将s2-s5步骤中的分析方法、天气预测系统与当地用电习惯相互结合，进行长期的调度管理计划。
11、优先地，s1步骤中极热少风的地理城市选择有武汉、兰州、昆明与四川其中的一处，s2步骤中获取当地历史数据分析极热少风的风光出力水平。
12、优先地，s3步骤中根据当地特性获取基于电力系统地区特性的负荷特征分类，分解负荷曲线为：
13、ptload＝pti-l+ptii-l+ptiii-l
14、式中，表示t时刻该区域的所有负荷，分别表示t时刻的一类、二类、三类负荷。
15、优先地，s4步骤中利用蒙特卡洛模拟生成负荷大量不确定性场景，并利用k-means算法削减至所需数量的场景。
16、优先地，s5步骤中建立储能接入的相关充放电模型为：
17、pess.min≤pess,t≤pess.max
18、sess.min≤s(t)≤sess.max
19、
20、
21、μess_c+μess_d≤1
22、式中，pess,t表示储能的充放功率，s(t)表示储能的荷电状态，μess_c和μess_d为充放电状态系数，为0/1变量；
23、建立电力系统极热少风场景储能的充放电策略，包括在极热少风下的优先满足一类、二类负荷电量的储能运行策略；
24、
25、
26、式中，t表示因极热少风发生缺电的时间，δt表示发生的确定的时间段；表示t时刻储能的容量需求；pt表示t时刻下总电源功率；
27、
28、式中，分别表示t时刻下总电源功率、风电机组功率、光伏功率、直流送入功率和火电机组出力。
29、优先地，s5步骤中建立高比例可再生能源电力系统极热少风场景的负荷管理策略，建立经济性负荷管理最小化目标，建立公式为：
30、min-pi-l·min{0,pt-pti-l}-pii-l·min{0,pt-ptii-l}-piii-l·min{0,pt-ptiii-l}
31、式中，pi-l、pii-l、piii-l表示一类、二类、三类负荷管理的成本。
32、优先地，s6步骤中通过获取电力公司权限，进入电力公司后台，获取到当地人们用电的数据情况，并根据数据对当地用电情况分析；
33、用电情况根据用电的量划分时间，划分的时间为早晨、上午、中午、下午、晚上与凌晨，观察各个时间段内用电的数值，得出用电高峰的范围时间段，分析得出当地人们用电的习惯。
34、优先地，s7步骤中通过如下计算公式得出详细的用电负荷：
35、有功计算负荷p＝c*e*u；无功计算负荷q＝c*usin；视在功率y＝c*u；
36、其中c为电压，u为电流，e为功率因数，sin为阻抗角，p为有功功率，q为无功功率，y为视在功率。
37、优先地，s8步骤中通过气象局官网查询到当地的历史天气情况。
38、优先地，s8步骤中通过结合分析，得到当地区域内大致的用电情况，调度管理计划制定步骤为：
39、a1、预测推算得到用电情况；
40、a2、根据用电情况对电力进行分配，输送；
41、a3、针对意外情况，存储备用电源；
42、a4、对用电情况进行实时监测，记录数据情况。
43、与现有技术相比，本专利技术的有益效果如下：
44、本专利技术通过生成的负荷管理方法，能更细致地研究电力系统极热少风场景下储能的运行方式与负荷的管理模式，通过负荷管理模式降低负荷管理的经济成本，降低一类二类重要负荷的管理量，对含高比例可再生能源的电力系统极端场景运行方式有重要意义。
本文档来自技高网...【技术保护点】
1.一种高比例可再生能源电力系统极热少风场景的负荷管理方法，其特征在于，管理步骤包括：
2.根据权利要求1所述的高比例可再生能源电力系统极热少风场景的负荷管理方法，其特征在于：S1步骤中极热少风的地理城市选择有武汉、兰州、昆明与四川其中的一处，S2步骤中获取当地历史数据分析极热少风的风光出力水平。
3.根据权利要求1所述的高比例可再生能源电力系统极热少风场景的负荷管理方法，其特征在于：S3步骤中根据当地负荷特性获取基于电力系统地区特性的负荷特征分类比例，分解负荷曲线为：
4.根据权利要求1所述的高比例可再生能源电力系统极热少风场景的负荷管理方法，其特征在于：S4步骤中利用蒙特卡洛模拟生成负荷大量不确定性场景，并利用k-means算法削减至所需数量的场景；
5.根据权利要求1所述的高比例可再生能源电力系统极热少风场景的负荷管理方法，其特征在于：S5步骤中建立储能接入的相关充放电模型为：
6.根据权利要求1所述的高比例可再生能源电力系统极热少风场景的负荷管理方法，其特征在于：S5步骤中建立高比例可再生能源电力系统极热少风场景
7.根据权利要求1所述的高比例可再生能源电力系统极热少风场景的负荷管理方法，其特征在于：S6步骤中通过获取电力公司权限，进入电力公司后台，获取到当地人们用电的数据情况，并根据数据对当地用电情况分析；
8.根据权利要求1所述的高比例可再生能源电力系统极热少风场景的负荷管理方法，其特征在于：S7步骤中通过如下计算公式得出详细的用电负荷：
9.根据权利要求1所述的高比例可再生能源电力系统极热少风场景的负荷管理方法，其特征在于：S8步骤中通过气象局官网查询到当地的历史天气情况。
10.根据权利要求1所述的高比例可再生能源电力系统极热少风场景的负荷管理方法，其特征在于：S8步骤中通过结合分析，得到当地区域内大致的用电情况，调度管理计划制定步骤为：
...【技术特征摘要】
1.一种高比例可再生能源电力系统极热少风场景的负荷管理方法，其特征在于，管理步骤包括：
2.根据权利要求1所述的高比例可再生能源电力系统极热少风场景的负荷管理方法，其特征在于：s1步骤中极热少风的地理城市选择有武汉、兰州、昆明与四川其中的一处，s2步骤中获取当地历史数据分析极热少风的风光出力水平。
3.根据权利要求1所述的高比例可再生能源电力系统极热少风场景的负荷管理方法，其特征在于：s3步骤中根据当地负荷特性获取基于电力系统地区特性的负荷特征分类比例，分解负荷曲线为：
4.根据权利要求1所述的高比例可再生能源电力系统极热少风场景的负荷管理方法，其特征在于：s4步骤中利用蒙特卡洛模拟生成负荷大量不确定性场景，并利用k-means算法削减至所需数量的场景；
5.根据权利要求1所述的高比例可再生能源电力系统极热少风场景的负荷管理方法，其特征在于：s5步骤中建立储能接入的相关充放电模型为：
6.根据权利要求1...
【专利技术属性】
技术研发人员：娄素华，林铮，程思思，杨安源，别芳玫，陈睿，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。