风光火一体化基地配置方法及装置与流程

1.本技术涉及电力技术领域，特别是涉及一种风光火一体化基地配置方法及装置。


背景技术：

2.火电在我国电源结构中占据主导地位，但随着近年来新能源的快速发展，火电机组及送出通道利用小时数持续减少，通过火电灵活性改造，并就近打捆风电、光伏能够有效提升新能源消纳能力和电网设备利用效率，是推动电力行业高质量发展的重要技术手段。现有的近似研究主要为经济调度，一般从减小火电出力波动性、系统运行成本最低等方面建立优化目标，且主要针对新增电源基地。
3.然而，目前传统方案对存量火电机组的一体化配置以及提升存量电网设备利用效率等方面的指导性不强，在新能源大规模发展和火电机组功能定位向调节性电源转变的发展背景下，现有方法适用性较低。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种风光火一体化基地配置方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
5.第一方面，本技术提供了一种风光火一体化基地配置方法。所述方法包括：
6.处理获取到的新能源历史出力数据，分别得到风电典型日出力数据和光伏典型日出力数据；
7.基于待优化变量、火电出力值、所述风电典型日出力数据和所述光伏典型日出力数据，确定所述风光火一体化基地的联合出力数据；所述待优化变量包括风电装机容量和光伏装机容量；
8.获取受端系统的典型日负荷数据，基于所述典型日负荷数据和所述联合出力数据，确定源荷匹配约束条件；
9.根据所述源荷匹配约束条件，求解新能源最大消纳电量模型并分别输出最佳风电装机容量与最佳光伏装机容量；其中，所述新能源最大消纳电量模型为根据所述风电装机容量和所述光伏装机容量确定。
10.在其中一个实施例中，所述源荷匹配约束条件包括净负荷波动约束；所述净负荷波动约束包括标准差约束和峰谷差约束；
11.所述基于所述典型日负荷数据和所述联合出力数据，确定源荷匹配约束条件的步骤包括：
12.获取火电机组的火电装机容量，并利用所述火电装机容量对所述联合出力数据进行标幺值化，得到标幺值化的联合出力数据；
13.处理所述典型日负荷数据和所述标幺值化的联合出力数据，得到净负荷数据；
14.基于第一阈值，根据所述净负荷数据确定所述标准差约束；以及基于第二阈值，根据所述净负荷数据确定所述峰谷差约束。
15.在其中一个实施例中，所述源荷匹配约束条件还包括源荷相似度约束；
16.所述基于所述典型日负荷数据和所述联合出力数据，确定源荷匹配约束条件的步骤还包括：
17.基于第三阈值，采用皮尔逊相关系数模型处理所述典型日负荷数据和所述标幺值化的联合出力数据，得到所述源荷相似度约束。
18.在其中一个实施例中，所述根据所述源荷匹配约束条件，求解新能源最大消纳电量模型并分别输出最佳风电装机容量和最佳光伏装机容量的步骤之前包括：
19.获取火电机组的火电最小技术出力值；
20.基于火电装机容量和所述火电最小技术出力值，确定火电待优化出力范围。
21.在其中一个实施例中，还包括：
22.获取风光火一体化外送通道允许的最大外送功率数据；
23.基于所述火电装机容量、所述火电最小技术出力值和所述最大外送功率数据，确定所述风光火一体化外送通道能力约束条件。
24.在其中一个实施例中，还包括：
25.获取所述风光火一体化基地的最大风电装机容量和最大光伏装机容量，分别确定风电装机容量约束条件和光伏装机容量约束条件；其中，所述风电装机容量约束条件为所述风电装机容量小于等于所述最大风电装机容量；所述光伏装机容量约束条件为所述光伏装机容量小于等于所述最大光伏装机容量。
26.第二方面，本技术还提供了一种风光火一体化基地配置装置。所述装置包括：
27.第一数据处理模块，用于处理获取到的新能源历史出力数据，分别得到风电典型日出力数据和光伏典型日出力数据；
28.第二数据处理模块，用于基于待优化变量、火电出力值、所述风电典型日出力数据和所述光伏典型日出力数据，确定所述风光火一体化基地的联合出力数据；所述待优化变量包括风电装机容量和光伏装机容量；还用于获取受端系统的典型日负荷数据，基于所述典型日负荷数据和所述联合出力数据，确定源荷匹配约束条件；
29.容量配置模块，用于根据所述源荷匹配约束条件，求解所述新能源最大消纳电量模型并分别输出最佳风电装机容量和最佳光伏装机容量；其中，所述新能源最大消纳电量模型为根据所述风电装机容量和所述光伏装机容量确定。
30.第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
31.处理获取到的新能源历史出力数据，分别得到风电典型日出力数据和光伏典型日出力数据；
32.基于待优化变量、火电出力值、所述风电典型日出力数据和所述光伏典型日出力数据，确定所述风光火一体化基地的联合出力数据；所述待优化变量包括风电装机容量和光伏装机容量；
33.获取受端系统的典型日负荷数据，基于所述典型日负荷数据和所述联合出力数据，确定源荷匹配约束条件；
34.根据所述源荷匹配约束条件，求解新能源最大消纳电量模型并分别输出最佳风电装机容量与最佳光伏装机容量；其中，所述新能源最大消纳电量模型为根据所述风电装机
容量和所述光伏装机容量确定。
35.第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
36.处理获取到的新能源历史出力数据，分别得到风电典型日出力数据和光伏典型日出力数据；
37.基于待优化变量、火电出力值、所述风电典型日出力数据和所述光伏典型日出力数据，确定所述风光火一体化基地的联合出力数据；所述待优化变量包括风电装机容量和光伏装机容量；
38.获取受端系统的典型日负荷数据，基于所述典型日负荷数据和所述联合出力数据，确定源荷匹配约束条件；
39.根据所述源荷匹配约束条件，求解新能源最大消纳电量模型并分别输出最佳风电装机容量与最佳光伏装机容量；其中，所述新能源最大消纳电量模型为根据所述风电装机容量和所述光伏装机容量确定。
40.第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
41.处理获取到的新能源历史出力数据，分别得到风电典型日出力数据和光伏典型日出力数据；
42.基于待优化变量、火电出力值、所述风电典型日出力数据和所述光伏典型日出力数据，确定所述风光火一体化基地的联合出力数据；所述待优化变量包括风电装机容量和光伏装机容量；
43.获取受端系统的典型日负荷数据，基于所述典型日负荷数据和所述联合出力数据，确定源荷匹配约束条件；
44.根据所述源荷匹配约束条件，求解新能源最大消纳电量模型并分别输出最佳风电装机容量与最佳光伏装机容量；其中，所述新能源最大消纳电量模型为根据所述风电装机容量和所述光伏装机容量确定。
45.上述风光火一体化基地配置方法、装置、计算机设备、存储介质和计算机程序产品，通过处理获取到的新能源历史出力数据分别得到风电典型日出力数据和光伏典型日出力数据，进而基于该风电典型日出力数据、该光伏典型日出力数据、风电装机容量、光伏装机容量和火电出力值确定风光火一体化基地的联合出力数据，继而根据该联合出力数据和从受端系统获取的典型日负荷数据确定源荷匹配约束条件，以及根据所述风电装机容量和所述光伏装机容量确定新能源最大消纳电量模型，从而基于源荷匹配约束条件，对新能源最大消纳电量模型进行求解并分别输出最佳风电装机容量与最佳光伏装机容量；本技术以新能源消纳电量最大作为优化目标，实现了新能源的高效并网消纳，同时具有较强的灵活性和较高的适用性。
附图说明
46.图1为一个实施例中风光火一体化基地配置方法的流程示意图；
47.图2为一个实施例中风光火一体化基地配置后的火电调峰示意图；
48.图3为一个实施例中风光火一体化基地配置装置的结构示意图。
具体实施方式
49.为了便于理解本技术，下面将参照相关附图对本技术进行更全面的描述。附图中给出了本技术的实施例。但是，本技术可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使本技术的公开内容更加透彻全面。
50.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同。本文中在本技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本技术。
51.自《指导意见》发布以来，由于各地区能源主管部门对政策理解不同而存在较大差异，尚未形成统一、成熟、高效的风光火(储)一体化配置方法；同时在《指导意见》中提出的“充分发挥火电机组调节作用，减轻送受端系统调峰压力”等要求，目前缺少有效的量化评价指标。
52.本技术提供的风光火一体化基地配置方法，充分发挥了存量火电项目的火电调节能力，并实现了新能源消纳电量最大化，同时可根据受端系统消纳空间，灵活调整源荷匹配约束条件，从而得到就近打捆接入的最优化新能源规模，具有较好的灵活性和适用性。
53.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
54.在一个实施例中，如图1所示，提供了一种风光火一体化基地配置方法，本实施例以该方法应用于终端进行举例说明，本实施例中，该方法可以包括以下步骤：
55.步骤s110，处理获取到的新能源历史出力数据，分别得到风电典型日出力数据和光伏典型日出力数据；
56.具体地，为保证新能源消纳率，选取严苛场景下的新能源历史出力数据，该新能源历史出力数据包括风电日出力特性曲线和光伏日出力特性曲线，其中，风电日出力特性曲线是通过风电日出力值以风电装机容量为基准值进行标幺值化得到的数据，光伏日出力特性曲线是通过光伏日出力值以光伏装机容量为基准值进行标幺值化得到的数据；具体地，以近三年历史出力数据为基础，将火电所在区域的风电日出力特性曲线和光伏日出力特性曲线分别按平均出力率从小到大排列，并按95％保证率选取分别得到风电典型日出力数据和光伏典型日出力数据，进一步地，风电典型日出力数据包括风电典型日出力特性曲线，光伏典型日出力数据包括光伏典型日出力特性曲线；
57.详细来说，分别剔除风电平均出力率、光伏平均出力率升序排列中末尾5％的数据后，在余下的风电日出力特性曲线中选取出平均出力率最大的风电日出力特性曲线作为风电典型日出力特性曲线，以及在余下的光伏日出力特性曲线中选取出平均出力率最大的光伏日出力特性曲线作为光伏典型日出力特性曲线；需要说明地是，风电典型日出力特性曲线和光伏典型日出力特性曲线同样都是经过标幺值化的数据；在一些示例中，风电典型日出力特性曲线可以用下式(1) 表示：
[0058][0059]
光伏典型日出力特性曲线可以用下式(2)表示：
[0060]
[0061]
步骤s120，基于待优化变量、火电出力值、风电典型日出力数据和光伏典型日出力数据，确定风光火一体化基地的联合出力数据；待优化变量包括风电装机容量和光伏装机容量；
[0062]
具体地，风光火一体化基地的联合出力数据包括联合出力曲线，在一些示例中，以x
fd
表示风电装机容量、x
gf
表示光伏装机容量、表示i时刻的风电出力特性值、表示i时刻的光伏出力特性值、表示i时刻的火电出力值、 pi表示i时刻的联合出力值为例，则pi可以通过下式(3)计算得到：
[0063][0064]
其中，i＝1，2，
……
，24。
[0065]
进一步地，联合出力曲线可以用下式(4)表示：
[0066]
p＝[p1，p2，
…
，p
24
]
ꢀꢀ
(4)
[0067]
步骤s130，获取受端系统的典型日负荷数据，基于典型日负荷数据和联合出力数据，确定源荷匹配约束条件；
[0068]
具体地，获取受端系统工作日的典型日负荷数据，进一步地，典型日负荷数据包括日负荷特性曲线，需要说明地是，日负荷特性曲线是通过日负荷值以当天最大负荷值为基准值进行标幺值化得到的数据，在一些示例中，日负荷特性曲线可以用下式(5)表示：
[0069][0070]
进一步地，根据上述日负荷特性曲线和联合出力数据可以确定源荷匹配约束条件(也可称源荷匹配程度约束)。
[0071]
在其中一个实施例中，源荷匹配约束条件包括净负荷波动约束；净负荷波动约束包括标准差约束和峰谷差约束；
[0072]
基于典型日负荷数据和联合出力数据，确定源荷匹配约束条件的步骤包括：
[0073]
获取火电机组的火电装机容量，并利用火电装机容量对联合出力数据进行标幺值化，得到标幺值化的联合出力数据；
[0074]
处理典型日负荷数据和标幺值化的联合出力数据，得到净负荷数据；
[0075]
基于第一阈值，根据净负荷数据确定标准差约束；以及基于第二阈值，根据净负荷数据确定峰谷差约束。
[0076]
具体来说，可以选取火电装机容量对风光火一体化基地的联合出力曲线进行标幺值化，得到标幺值化的联合出力曲线；在一些示例中，该火电装机容量为火电额定装机容量，以x
hd
表示火电额定装机容量、表示i时刻标幺值化的联合出力值为例，则可以通过下式(6)计算得到：
[0077][0078]
进一步地，标幺值化的联合出力曲线可以用下式(7)表示：
[0079][0080]
进一步地，利用典型日负荷数据与标幺值化的联合出力数据作差，即可得到净负
荷数据，该净负荷数据包括净负荷曲线；详细来说，采用上述日负荷特性曲线与标幺值化的联合出力曲线作差构造净负荷曲线，在一些示例中，以表示i时刻的负荷特性值、表示i时刻的净负荷值为例，则可以通过下式 (8)计算得到：
[0081][0082]
进一步地，净负荷曲线可以用下式(9)表示：
[0083][0084]
进一步地，采用总体标准差和峰谷差来定量评估净负荷曲线的波动度，其中总体标准差用来衡量净负荷曲线的平均波动程度；详细来说，首先获取净负荷曲线的平均值，在一些示例中，以表示净负荷曲线的平均值、σ表示净负荷曲线的标准差为例，则σ可以通过下式(10)计算得到：
[0085][0086]
上述标准差反映了净负荷曲线中的净负荷值与其均值的平均偏离程度，标准差的数值越小，表明源荷的匹配程度也就越高。
[0087]
进一步地，以p
th1
表示第一阈值为例，则标准差约束可以用下式(11)表示：
[0088][0089]
由于上述标准差的计算数值均在0～1之间，因此第一阈值的推荐取值范围可以为[0，10％]，其中，第一阈值取值越小，代表上述标准差约束条件越苛刻。
[0090]
峰谷差用来评估净负荷曲线的最大波动量，详细来说，首先分别获取净负荷曲线中的最大净负荷值与最小净负荷值，然后将最大净负荷值与最小净负荷值的差值作为净负荷曲线的峰谷差，在一些示例中，以max(p
nld
)表示最大净负荷值、min(p
nld
)表示最小净负荷值、p
th2
表示第二阈值为例，则峰谷差约束可以用下式(12)表示：
[0091]
max(p
nld
)-min(p
nld
)≤p
th2
ꢀꢀ
(12)
[0092]
其中，净负荷曲线的峰谷差应不大于原负荷曲线(即上述日负荷特性曲线) 的峰谷差，以max(p
ld
)表示日负荷特性曲线中的最大负荷值、min(p
ld
)表示日负荷特性曲线中的最小负荷值为例，则第二阈值的推荐取值范围可以为[0， max(p
ld
)-min(p
ld
)]，其中，第二阈值的取值越小代表峰谷差约束条件越严苛。
[0093]
在其中一个实施例中，源荷匹配约束条件还包括源荷相似度约束；
[0094]
基于典型日负荷数据和联合出力数据，确定源荷匹配约束条件的步骤还包括：
[0095]
基于第三阈值，采用皮尔逊相关系数模型处理典型日负荷数据和标幺值化的联合出力数据，得到源荷相似度约束。
[0096]
具体地，可以采用皮尔逊相关系数评估日负荷特性曲线与标幺值化的联合出力曲线之间的相似度，详细来说，首先获取日负荷特性曲线的平均值，以及标幺值化的联合出力曲线的平均值，在一些示例中，以表示日负荷特性曲线的平均值、表示标幺值化的联
合出力曲线的平均值、r表示皮尔逊相关系数为例，则日负荷特性曲线与标幺值化的联合出力曲线之间的相似度可以通过下式 (13)计算得到：
[0097][0098]
进一步地，以p
th3
表示第三阈值为例，则源荷相似度约束可以用下式(14) 表示：
[0099][0100]
其中，皮尔逊相关系数绝对值越大，则表示日负荷特性曲线与标幺值化的联合出力曲线之间的相似度越高，一般认为当r》0.8时代表这两条曲线之间具有强正相关，因此第三阈值的推荐取值范围可以为[0.9，1.0]，第三阈值取值越大代表上述源荷相似度约束条件越严苛。
[0101]
需要说明地是，上述第一阈值、第二阈值和第三阈值的取值可结合系统新能源消纳空间来选取，若系统调节资源相对充足，新能源消纳空间相对较大，三个阈值的选取标准则可适当放宽，使一体化基地可打捆接入更多新能源；若系统调节资源相对匮乏，新能源消纳空间相对较小，为不增加系统调峰压力，三个阈值则可选取相对严苛的数值，适当减小一体化基地接入的新能源规模。
[0102]
本技术可以根据受端系统的消纳空间，灵活调整源荷匹配程度阈值(指第一阈值、第二阈值和第三阈值)，从而努力扩大就近打捆接入的新能源规模，可见，本技术提出的风光火一体化基地配置方法具有较强的灵活性和较高的适用性。
[0103]
步骤s140，根据源荷匹配约束条件，求解新能源最大消纳电量模型并分别输出最佳风电装机容量与最佳光伏装机容量；其中，新能源最大消纳电量模型为根据风电装机容量和光伏装机容量确定。
[0104]
具体地，为提升新能源消纳电量和火电通道利用效率，以系统可接入的新能源消纳电量最大作为目标函数，从而确定新能源最大消纳电量模型；在一些示例中，以s表示目标函数为例，则s可以通过下式(15)计算得到：
[0105]
s＝max(x
fdhfd
+x
gfhgf
)
ꢀꢀ
(15)
[0106]
其中，h
fd
表示风电的年利用小时数，h
gf
表示光伏的年利用小时数。
[0107]
进一步地，根据上述源荷匹配约束条件，对式(15)中的新能源最大消纳电量模型进行求解，由于源荷匹配约束条件包括总体标准差、皮尔逊相关系数等非线性约束，因此属于非线性优化范畴；目前智能优化算法发展已十分成熟，在求解该类问题时候具有较好的适用性，因此本技术可采用粒子群、遗传算法等智能优化算法对新能源最大消纳电量模型求解，从而得到最佳风电装机容量与最佳光伏装机容量。
[0108]
在其中一个实施例中，根据源荷匹配约束条件，求解新能源最大消纳电量模型并分别输出最佳风电装机容量和最佳光伏装机容量的步骤之前包括：
[0109]
获取火电机组的火电最小技术出力值；
[0110]
基于火电装机容量和火电最小技术出力值，确定火电待优化出力范围。
[0111]
具体地，火电调峰包括基本调峰和有偿调峰，其中基本调峰是并网发电厂辅助服
务管理细则中规定火电机组应具备的调节能力，用于跟踪负荷的峰谷变化，属于电力系统既有调节资源。若火电通过灵活性改造，增加的额外调节能力则可以发挥“储能作用”，用于调节打捆的新能源出力，从而不增加系统的调峰压力，因此，本技术提供的风光火一体化基地配置方法还可以指风光火储一体化基地配置方法，本技术实施例对此无限制。
[0112]
在一个具体示例中，风光火一体化配置后的火电调峰示意图如图2所示，其中第一条刻度线表示火电机组正常运行时的火电出力，用火电额定装机容量的0％-100％来表征；火电机组的火电最小技术出力值包括基本调峰规定的火电最小技术出力和灵活性改造后的火电最小技术出力，在火电机组正常运行时，基本调峰规定的火电最小技术出力一般规定为火电额定装机容量的50％，在火电机组进行一体化配置后，灵活性改造后的火电最小技术出力可以为火电额定装机容量的20％～30％，图2中的灵活性改造后的火电最小技术出力为火电额定装机容量的20％，则增加的额外调节能力为火电额定装机容量的30％，也即火电出力值的火电待优化出力范围，该增加的额外调节能力可以用于调节打捆的风光出力；
[0113]
在一些示例中，以ke表示基本调峰规定的火电最小技术出力系数、k
min
表示灵活性改造后的火电最小技术出力系数为例，则上述火电待优化出力范围可以通过下式(16)表示：
[0114][0115]
其中，ke可以取值为50％，k
min
的取值范围为20％～30％。
[0116]
在一些示例中，针对火电出力值的约束还包括爬坡约束，以r
down
表示火电最大向下爬坡速率、r
up
表示火电最大向上爬坡速率为例，则爬坡约束可以用下式(17)表示：
[0117][0118]
在其中一个实施例中，还包括：
[0119]
获取风光火一体化外送通道允许的最大外送功率数据；
[0120]
基于火电装机容量、火电最小技术出力值和最大外送功率数据，确定风光火一体化外送通道能力约束条件。
[0121]
具体地，最大外送功率数据包括火电外送通道极限有功输送容量和一体化最大外送功率，为保证电力系统安全运行，火电外送通道应保留一定的裕度，如图2中所示，其中第四条刻度线表征火电外送通道能力，最右端端点表示火电外送通道极限有功输送容量，其在保留一定的裕度后，应大于等于一体化最大外送功率，在一些示例中，以p
line.max
表示火电外送通道极限有功输送容量、η表示外送通道输电容量裕度、pi表示i时刻的联合出力值为例，则风光火一体化外送通道能力约束条件可以通过下式(18)表示：
[0122]
pi+[1-(k
e-k
min
)]x
hd
≤(1-η)p
line.max
ꢀꢀ
(18)
[0123]
在其中一个实施例中，还包括：
[0124]
获取风光火一体化基地的最大风电装机容量和最大光伏装机容量，分别确定风电装机容量约束条件和光伏装机容量约束条件；其中，风电装机容量约束条件为风电装机容量小于等于最大风电装机容量；光伏装机容量约束条件为光伏装机容量小于等于最大光伏装机容量。
[0125]
具体来说，可打捆接入的新能源装机容量受当地资源禀赋限制，在一些示例中，以
x
fd.max
表示火电附近最大可支撑的风电装机容量、x
gf.max
表示火电附近最大可支撑的光伏装机容量为例，则风电装机容量约束条件可用下式(19) 表示：
[0126]
x
fd
≤x
fd.max
ꢀꢀ
(19)
[0127]
光伏装机容量约束条件可用下式(20)表示：
[0128]
x
gf
≤x
gf.max
ꢀꢀ
(20)
[0129]
上述风光火一体化基地配置方法，充分发挥了火电调节能力，实现了新能源消纳电量最大化，并针对不增加系统调峰压力要求，首次提出基于净负荷曲线波动性和源荷波形相似度的量化评价指标，实现了新能源的高效并网消纳，并有效提升了火电外送通道的利用效率，契合国家《指导意见》的有关要求，适用于我国以煤电为主体的基本国情和双碳目标下新能源的快速发展需求以及未来新能源的发展需求。
[0130]
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0131]
基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的风光火一体化基地配置方法的风光火一体化基地配置装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个风光火一体化基地配置装置实施例中的具体限定可以参见上文中对于风光火一体化基地配置方法的限定，在此不再赘述。
[0132]
在一个实施例中，如图3所示，提供了一种风光火一体化基地配置装置，包括：第一数据处理模块310、第二数据处理模块320和容量配置模块330，其中：
[0133]
第一数据处理模块310，用于处理获取到的新能源历史出力数据，分别得到风电典型日出力数据和光伏典型日出力数据；
[0134]
第二数据处理模块320，用于基于待优化变量、火电出力值、风电典型日出力数据和光伏典型日出力数据，确定风光火一体化基地的联合出力数据；待优化变量包括风电装机容量和光伏装机容量；还用于获取受端系统的典型日负荷数据，基于典型日负荷数据和联合出力数据，确定源荷匹配约束条件；
[0135]
容量配置模块330，用于根据源荷匹配约束条件，求解新能源最大消纳电量模型并分别输出最佳风电装机容量和最佳光伏装机容量；其中，新能源最大消纳电量模型为根据风电装机容量和光伏装机容量确定。
[0136]
在其中一个实施例中，源荷匹配约束条件包括净负荷波动约束；净负荷波动约束包括标准差约束和峰谷差约束；
[0137]
第二数据处理模块320还用于：
[0138]
获取火电机组的火电装机容量，并利用火电装机容量对联合出力数据进行标幺值化，得到标幺值化的联合出力数据；
[0139]
处理典型日负荷数据和标幺值化的联合出力数据，得到净负荷数据；
[0140]
基于第一阈值，根据净负荷数据确定标准差约束；以及基于第二阈值，根据净负荷数据确定峰谷差约束。
[0141]
在其中一个实施例中，源荷匹配约束条件还包括源荷相似度约束；
[0142]
第二数据处理模块320还用于：
[0143]
基于第三阈值，采用皮尔逊相关系数模型处理典型日负荷数据和标幺值化的联合出力数据，得到源荷相似度约束。
[0144]
在其中一个实施例中，第二数据处理模块320还用于：
[0145]
获取火电机组的火电最小技术出力值；
[0146]
基于火电装机容量和火电最小技术出力值，确定火电待优化出力范围。
[0147]
在其中一个实施例中，还包括：
[0148]
获取风光火一体化外送通道允许的最大外送功率数据；
[0149]
基于火电装机容量、火电最小技术出力值和最大外送功率数据，确定风光火一体化外送通道能力约束条件。
[0150]
在其中一个实施例中，第二数据处理模块320还用于：
[0151]
获取风光火一体化基地的最大风电装机容量和最大光伏装机容量，分别确定风电装机容量约束条件和光伏装机容量约束条件；其中，风电装机容量约束条件为风电装机容量小于等于最大风电装机容量；光伏装机容量约束条件为光伏装机容量小于等于最大光伏装机容量。
[0152]
上述风光火一体化基地配置装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0153]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、移动蜂窝网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种风光火一体化基地配置方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
[0154]
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
[0155]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
[0156]
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
[0157]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以
通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器 (ferroelectric random access memory，fram)、相变存储器(phase changememory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器 (random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random accessmemory，sram)或动态随机存取存储器(dynamic random access memory， dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0158]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0159]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。