一种基于电网调峰能力预测新能源装机规模的方法与流程

本发明属于电网调峰技术领域，涉及一种基于电网调峰能力预测新能源装机规模的方法。

背景技术：

新能源作为新的能量供应来源和方式，为资源短缺提供了新的思路，在一定程度上对电网的正常运行也起了很大的作用，与此同时，新能源的不稳定性和间歇性，也对电网的安全稳定运行带来了全新的挑战。

风电、光伏等可再生新能源装机规模快速发展，但因波动性、间歇性而使消纳受到限制，同时风电、光伏调节能力差，消纳主要依靠电网调峰。目前风电、光伏装机快速增长已给局部电网带来极大的不稳定性，消纳难度持续提升，尤其是在缺乏水电、抽水蓄能电站等灵活调节电源的省份。

根据以上问题，目前逐渐认识到，新能源装机规模应与电网调峰能力匹配，超过一定合理规模的风电、光伏装机有可能会给电网带来较大的不稳定性，同时无法保障消纳。

而目前电网调峰与消纳能力的分析存在着一些问题：

(1)由于区域电源种类较多，不同电源类型的调峰能力差别较大，应该全面考虑；

(2)某些分析方法缺乏对用电负荷的变化；

(3)风电、光伏的出力是根据天气等状况不断变化的，如何根据风电、光伏的同时出力进行分析是一项难题。

由于新能源大规模并网给电网带来的运行问题，关于电网调峰空间的研究和预测不断增多，但是关于新能源合理装机规模的研究较少，可以借鉴的方法主要有生产模拟或大数据分析。生产模拟和大数据分析一般是根据过去一年的电网、电源运行数据，以每15min一个点作为参考数据，可用作判断未来一年新能源装机规模变化的影响，但是缺乏对各类型电源调峰能力变化的考虑，而且由于参考数据量较大，仅从数据出发进行预测，带来的误差较大。

技术实现要素：

为了解决现有技术存在的问题，本发明的目的在于，提供了一种电网调峰以及新能源装机规模预测机制，是一种基于电网消纳能力预测风电、光伏合理装机规模的方法。

本发明采用如下的技术方案：

一种基于电网调峰能力预测新能源装机规模的方法，包括以下步骤：

步骤1：确定风电、光伏在区域电网内的消纳困难时期；

步骤2：确定风电、光伏消纳困难时期内的困难时段，根据用电负荷与风电、光伏出力的差值来确定困难时段，当某一时段内用电负荷与风电、光伏出力的差值连续小于等于设定的差值阈值时，认为该时段为困难时段；

步骤3：确定区域内除风电、光伏外其它电源结构组成及各种电源对应的最小或最大出力；

步骤4：在步骤2所述的风电、光伏消纳困难时期内的困难时段，对风电出力进行概率密度统计分析，通过风电出力与风电装机容量比例得出风电、光伏消纳计算的代表值，以及风电、光伏出力与装机容量的比例；

步骤5：对全网用电负荷进行概率密度分析，利用电力平衡关系推算最大风电装机容量；

步骤6：在步骤2所述的风电、光伏消纳困难时期内的困难时段，对全网用电负荷、光伏出力、风电出力进行概率密度分析，利用电力平衡关系推算光伏装机容量。

在所述步骤1中，所述消纳困难时期是一年中具有代表性的某段时期或者月份，包括冬季供暖季火电机组由于供热调峰能力差或者春秋季节风电光伏出力较大的时间段；

对选定区域内1年的用电负荷、风电出力、光伏出力数据进行收集，以用电负荷、风电出力和光伏出力作为代表值，分析风电、光伏在一年中消纳困难的时期，确定具有代表性的月份，即某些月份能够代表全年新能源消纳最困难的时期；

dy＝qd-pw-pl

其中，qd表示用电负荷，pw表示风电出力，pl表示光伏出力，dy为除风电、光伏外其他电源的出力；

对全年该数值进行统计分析，按照大小进行排列，取所有数值中处于最小的5％范围内对应的时间作为调峰困难月份。

在所述步骤2中，风电、光伏消纳困难时期内的困难时段包括凌晨2时-5时用电负荷低或中午11时-14时风电、光伏大发时段。

在所述步骤3中，电源结构组成包括火电机组、核电机组、水电机组、抽水蓄能电站、外电机组、生物质及垃圾发电。

所述火电机组，利用历史最小出力来确定每台机组在未来任意一年的最小出力，所在区域内所有火电机组的最小出力为：

其中，pmin(c)表示区域内所有火电机组所能达到的最小出力，λ表示在运机组容量占比，pmin,i(c)表示区域内第i个火电机组所能达到的最小出力，n为火电机组最大数目。

所述水电机组最大调峰能力为水电机组装机容量，水电机组最小出力为0，所在区域内所有水电机组的最大出力为：

其中，pmax(w)表示区域内所有水电机组的最大出力，pmax,i(w)表示区域内第i个水电机组的最大出力，m为水电机组最大数目。

所述抽水蓄能电站最大调峰能力为抽蓄装机容量，所在区域内所有抽水蓄能电站的最大出力为：

其中，pmax(cx)表示区域内所有抽水蓄能电站的最大出力，pmax,i(cx)表示区域内第i个抽水蓄能电站的最大出力,l为抽水蓄能电站最大数目。

所述核电机组中核电最小出力按照区域内所有核电机组最小出力和的α计算，

其中，pmin(h)表示区域内所有核电机组所能达到的最小出力，pmin,i(h)表示区域内第i个核电机组所能达到的最小出力,k为核电机组最大数目，α为所有核电机组最小出力和的比例系数。

所有核电机组最小出力和的比例系数α＝80％。

所述外电机组的外电进行负荷调整，其中，外电是跨省联络线来电，不区分电源组成，外电输送策略为不同的省对外电的输送规模不同，对外电的最小输送功率限定不同，该部分最小出力的值确定为pmin(wd)。

所述生物质及垃圾发电机组根据机组的最小出力来确定，

其中，pmin(s)表示区域内所有生物质及垃圾发电机组所能达到的最小出力，pmin,i(s)表示区域内第i个生物质及垃圾发电机组所能达到的最小出力,v为生物质及垃圾发电机组最大数目，β为装机容量的比例系数。

所述装机容量的比例系数β＝50％。

所述除风电、光伏外其他电源结构的最小出力为

pmin(dy)＝pmin(c)+pmin(h)+pmin(wd)+pmin(s)+pmin(w)-pmax(cx)

其中，pmin(c)表示区域内所有火电机组所能达到的最小出力，pmin(h)表示区域内所有核电机组所能达到的最小出力，pmin(wd)为外电机组的最小出力，pmin(s)为生物质及垃圾发电机组所能达到的最小出力,pmin(w)为区域内所有水电机组所能达到的最小出力，pmax(cx)为抽水蓄能电站的最大出力。

在所述步骤4中，对区域内风电出力进行概率密度统计，得到风电出力与风电装机容量比例，将此比例值作为新能源消纳计算的代表值，从风电出力与风电装机的比例最小值对应的密度开始累加，直到累计概率密度达到阈值e时，取该风电出力与风电装机容量的比值代表该时段风电出力的较高水平，

其中,f表示风电出力比例，fd表示风电出力比例代表值，fmin表示风电出力比例最小值，g(f)表示风电出力比例的分段概率值。

所述阈值阈值e为90％。

在所述步骤5中，对全网用电负荷进行概率密度分析，得出该时段全网用电负荷高于qd的概率在90％以上，qd为凌晨2时-5时的负荷较低水平的代表值,

利用电力平衡：

qd＝pmin(dy)+fd×zf

其中，zf为风电装机，fd表示风电出力比例代表值，pmin(dy)为除风电、光伏外其他电源结构的最小出力，qd表示用电负荷。

在所述步骤6中，风电、光伏消纳困难发生在每日中午11时～13时，对该时段全网用电负荷、光伏出力、风电出力进行概率密度分析，通过负荷预测得到该时段负荷代表值qw，风电出力比例代表值为fw，光伏出力比例代表值为gw，

利用电力平衡：

qw＝q(dy)+fw×zf+gw×zg

其中，zg为光伏装机，zf为风电装机,q(dy)是风电、光伏外其他电源结构的负荷。

一种基于电网调峰能力预测新能源装机规模的方法的系统，所述系统包括消纳困难时期确定模块、困难时段判定模块、最小或最大出力确定模块、概率密度统计分析模块、最大风电装机容量计算模块和光伏装机容量计算模块，

消纳困难时期确定模块确定风电、光伏在区域电网内的消纳困难时期；

困难时段判定模块确定风电、光伏消纳困难时期内的困难时段，根据用电负荷与风电、光伏出力的差值来确定困难时段，当某一时段内用电负荷与风电、光伏出力的差值连续小于等于设定的差值阈值时，认为该时段为困难时段；

最小或最大出力确定模块确定区域内除风电、光伏外其它电源结构组成及各种电源对应的最小或最大出力；

概率密度统计分析模块在风电、光伏消纳困难时期内的困难时段，对风电出力进行概率密度统计分析，通过风电出力与风电装机容量比例得出风电、光伏消纳计算的代表值，以及风电、光伏出力与装机容量的比例；

最大风电装机容量计算模块对全网用电负荷进行概率密度分析，利用电力平衡关系推算最大风电装机容量；

光伏装机容量计算模块在风电、光伏消纳困难时期内的困难时段，对全网用电负荷、光伏出力、风电出力进行概率密度分析，利用电力平衡关系推算光伏装机容量。

本发明的有益效果在于，与现有技术相比，本发明首先分析新能源消纳困难时段，减少了对全年大量数据进行分析的不必要困难，开展定量分析更有针对性，而且全面考虑电网各类型调峰资源以及机组备用等情况。

附图说明

图1为本发明一种基于电网调峰能力预测新能源装机规模的方法流程示意图；

图2为全网负荷与风电、光伏出力曲线；

图3为凌晨2时～5时全网用电负荷概率分布，其中，纵坐标为累计概率，横坐标为用电负荷；

图4为凌晨2时～5时风电出力概率分布，其中，纵坐标为累计概率，横坐标为风电力；

图5为用电负荷-风电出力-光伏出力随时间的分布图，其中，横坐标为时间，纵坐标为用电负荷-风电出力-光伏出力；

图6为2019年二、三、四月选定时间的用电负荷-风电出力-光伏出力分布图；

图7为一种基于电网调峰能力预测新能源装机规模的方法的系统具体工作流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明的技术方案进行清楚、完整地描述。本申请所描述的实施例仅仅是本发明一部分的实施例，而不是全部实施例。基于本发明精神，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明的保护范围。

本申请公开了一种基于电网调峰能力、消纳能力预测风电、光伏合理装机规模的方法，其流程步骤如图1所示。

为使本领域普通技术人能更清楚、方便地理解本发明的技术方案，在实施例中，详细介绍基于电网调峰能力、消纳能力预测风电、光伏合理装机规模的方法的技术方案，具体包括以下步骤：

步骤1：确定风电、光伏在区域内的消纳困难月份，这个时期应是一年中具有代表性的某段时期或者月份，比如冬季供暖季火电机组由于供热调峰能力差或者春秋季节风电光伏出力较大的时间段；

对选定区域内1年的用电负荷、风电出力、光伏出力数据进行收集，以用电负荷-风电出力-光伏出力作为代表值，分析风电、光伏在一年中消纳困难的集中时段，确定具有代表性的月份，即某些月份能够代表全年新能源消纳最困难的时间；

dy＝qd-pw-pl

其中，qd表示用电负荷，pw表示风电出力，pl表示光伏出力，则dy表示用电负荷与风电出力、光伏出力的差值，即为风电、光伏外其他电源的出力，该出力值越小，表明电网调峰空间越小，调峰越困难。以图5为例，标记位置所对应的时间即可标记为调峰困难月份。

可对全年该数值进行统计分析，按照大小进行排列，取处于5％最小范围数值对应的时间作为调峰困难月份。

步骤2：确定风电、光伏消纳困难时期内的困难时段，根据用电负荷与风电、光伏出力的差值来确定困难时段，当某一时段内用电负荷与风电、光伏出力的差值连续小于等于设定的差值阈值时，认为该时段为困难时段；

如图6所示，分析规律，圆圈所标记得位置为调峰较为困难的时段，基本上出现于每天的固定时段，为全网用电负荷较低、风电叠加出力较大的时段；

风电、光伏消纳困难时期内的困难时段包括凌晨2时-5时用电负荷低或中午11时-14时风电、光伏大发时段。

步骤3：确定区域内除风电、光伏外其它电源结构组成及各种电源对应的最小或最大出力；

电源结构组成包括火电机组、核电机组、水电机组、抽水蓄能电站、外电机组、生物质及垃圾发电。

所述火电机组，利用历史最小出力来确定每台机组在未来任意一年的最小出力，所在区域内所有火电机组的最小出力为：

其中，pmin(c)表示区域内所有火电机组所能达到的最小出力，λ表示在运机组容量占比，pmin,i(c)表示区域内第i个火电机组所能达到的最小出力。

所述水电机组最大调峰能力为水电机组装机容量，水电机组最小出力为0，所在区域内所有水电机组的最大出力为：

其中，pmax(w)表示区域内所有水电机组的最大出力，pmax,i(w)表示区域内第i个水电机组的最大出力。

所述抽水蓄能电站最大调峰能力为抽蓄装机容量，所在区域内所有抽水蓄能电站的最大出力为：

其中，pmax(cx)表示区域内所有抽水蓄能电站的最大出力，pmax,i(cx)表示区域内第i个抽水蓄能电站的最大出力。

所述核电机组中核电最小出力按照区域内所有核电机组最小出力和的80％计算，核电机组不进行频繁深度调峰，

其中，pmin(h)表示区域内所有核电机组所能达到的最小出力，pmin,i(h)表示区域内第i个核电机组所能达到的最小出力。

所述外电机组的外电进行负荷调整，其中，外电是跨省联络线来电，不区分电源组成，利用不同地区的外电输送策略，其中，外电输送策略为不同的省对外电的输送规模不同，对外电的最小输送功率限定不同，该部分最小出力的值确定为pmin(wd)。

所述生物质及垃圾发电机组根据机组的最小出力来确定，其为装机容量的50％，

其中，pmin(s)表示区域内所有生物质及垃圾发电机组所能达到的最小出力，pmin,i(s)表示区域内第i个生物质及垃圾发电机组所能达到的最小出力。

所述除风电、光伏外其他电源结构的最小出力为

pmin(dy)＝pmin(c)+pmin(h)+pmin(wd)+pmin(s)+pmin(w)-pmax(cx)

其中，pmin(c)表示区域内所有火电机组所能达到的最小出力，pmin(h)表示区域内所有核电机组所能达到的最小出力，pmin(wd)为外电机组的最小出力，pmin(s)为生物质及垃圾发电机组所能达到的最小出力，pmin(w)为区域内所有水电机组所能达到的最小出力，pmax(cx)为抽水蓄能电站的最大出力。

为了保证新能源消纳，应该对风电、光伏的消纳量有所保障，因此可分别从风电和光伏两部分分别进行推算。通过图2，可以看出新能源消纳困难主要发生在每日凌晨2时-5时和中午11时-14时。根据每日凌晨2时-5时这一时段分析风电装机容量。图2和图3是根据电网调度运行数据画的图。

步骤4：在步骤2所述的风电、光伏消纳困难时期内的困难时段，对风电出力进行概率密度统计分析，通过风电出力与风电装机容量比例得出新能源消纳计算的代表值，以及风电、光伏出力与装机容量的比例；

对区域内风电出力进行概率密度统计，得到风电出力与风电装机容量比例，将此比例值作为新能源消纳计算的代表值，从风电出力与风电装机的比例最小值对应的密度开始累加，直到累计概率密度达到90％时，取该风电出力与风电装机容量的比值代表该时段风电出力的较高水平，

其中，f表示风电出力比例，fd表示风电出力比例代表值，fmin表示风电出力比例最小值，g(f)表示风电出力比例的分段概率值。

步骤5：对全网用电负荷进行概率密度分析，利用电力平衡关系推算最大风电装机容量；

全网用电负荷进行概率密度分析，如图3所示，可以得出该时段全网用电负荷高于qd的概率在90％以上，设qd为夜间负荷较低水平的代表值，qd为用电负荷。未来几年该时段全网用电负荷可根据负荷预测水平得出。

利用电力平衡：

qd＝pmin(dy)+fd×zf

其中，zf为风电装机，fd表示风电出力比例代表值，pmin(dy)为除风电、光伏外其他电源结构的最小出力，qd表示用电负荷。

风电光伏外其他电源可用容量：由于机组检修、夏季真空低、电煤质量等各种原因，部分机组可能会在调峰困难时段停机，发电机组不会保持全开状态。可根据调峰困难月份的数据进行统计，估算机组出力受阻容量占装机容量的比例p.

备用容量：旋转备用一般为用电负荷的2％～5％，也可根据当地统计数据得出，事故备用一般为用电负荷的5％～10％。可按照旋转备用、事故备用与用电负荷的比例分别为q、z，也可按照当地历年统计规律得出。

步骤6：在步骤2所述的风电、光伏消纳困难时期内的困难时段，对全网用电负荷、光伏出力、风电出力进行概率密度分析，利用电力平衡关系推算光伏装机容量。

新能源消纳困难还主要发生在每日中午11时～13时。对该时段全网用电负荷、光伏出力、风电出力进行概率密度分析，如图4所示，可以得出该时段的代表数值。通过负荷预测可以得到该时段负荷代表值qw，风电出力比例代表值为fw，光伏出力比例代表值为gw。根据电力平衡，有

qw＝q(dy)+fw×zf+gw×zg

其中，zg为光伏装机。

本申请还同时公开了一种基于电网调峰能力预测新能源装机规模的方法的系统，具体工作流程如图7所示。

一种基于电网调峰能力预测新能源装机规模的方法的系统包括消纳困难时期确定模块、困难时段判定模块、最小或最大出力确定模块、概率密度统计分析模块、最大风电装机容量计算模块和光伏装机容量计算模块，

消纳困难时期确定模块确定风电、光伏在区域电网内的消纳困难时期；

困难时段判定模块确定风电、光伏消纳困难时期内的困难时段，根据用电负荷与风电、光伏出力的差值来确定困难时段，当某一时段内用电负荷与风电、光伏出力的差值连续小于等于设定的差值阈值时，认为该时段为困难时段；

最小或最大出力确定模块确定区域内除风电、光伏外其它电源结构组成及各种电源对应的最小或最大出力；

概率密度统计分析模块在风电、光伏消纳困难时期内的困难时段，对风电出力进行概率密度统计分析，通过风电出力与风电装机容量比例得出风电、光伏消纳计算的代表值，以及风电、光伏出力与装机容量的比例；

最大风电装机容量计算模块对全网用电负荷进行概率密度分析，利用电力平衡关系推算最大风电装机容量；

光伏装机容量计算模块在风电、光伏消纳困难时期内的困难时段，对全网用电负荷、光伏出力、风电出力进行概率密度分析，利用电力平衡关系推算光伏装机容量。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。