【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及新能源發(fā)電，具體涉及一種大規(guī)模水電及新能源集群靈活性多自由度量化評(píng)估方法。
技術(shù)介紹
1、能源是社會(huì)穩(wěn)步發(fā)展的基本保障，也是人類生存的基礎(chǔ)。隨著氣候變化與人類活動(dòng)影響，人類社會(huì)對(duì)能源的需求日益增大，化石能源枯竭與環(huán)境惡化的問題愈發(fā)突出，挖掘新能源的潛力，加速能源結(jié)構(gòu)轉(zhuǎn)型也成為了重點(diǎn)。因此隨著能源清潔化進(jìn)程的不斷推進(jìn)，大規(guī)模水電及新能源集群得以迅速發(fā)展，我國(guó)風(fēng)電、光伏裝機(jī)容量指數(shù)級(jí)增加，截止2021年底，我國(guó)水電裝機(jī)總值3.9億kw，占全球28.7％；風(fēng)電裝機(jī)總值3.29億kw，占全球39.9％；光伏裝機(jī)總值3.07億kw，占全球36.1％，穩(wěn)居世界首位；同時(shí)，隨著新能源的飛速發(fā)展，我國(guó)風(fēng)電、光伏裝機(jī)容量預(yù)計(jì)2030年增長(zhǎng)至480gw和570gw、2050年增長(zhǎng)至1440gw和2160gw。風(fēng)光可再生能源具備不確定性與隨機(jī)性等固有屬性，水電具備豐枯特性，隨著新能源接入電力系統(tǒng)規(guī)模逐漸增加，新能源不確定性與隨機(jī)性帶來的問題也愈發(fā)凸顯，水電的豐枯特性也給集群靈活性量化帶來影響。能源基地依托于流域豐富水風(fēng)光資源以及三種資源之間的天然互補(bǔ)性，充分利用流域內(nèi)水電站實(shí)現(xiàn)集群的快速響應(yīng)以及靈活調(diào)節(jié)能力，對(duì)風(fēng)光不確定性與隨機(jī)性進(jìn)行補(bǔ)償，平抑風(fēng)光波動(dòng)，實(shí)現(xiàn)流域“風(fēng)光水”一體化的高效開發(fā)；綜上，研究綜合考慮風(fēng)電和光伏的波動(dòng)性、不確定性以及水電的豐枯特性對(duì)集群靈活性的影響，以及準(zhǔn)確量化評(píng)估集群的靈活調(diào)節(jié)能力是保障集群運(yùn)行可靠性的關(guān)鍵，也對(duì)促進(jìn)能源結(jié)構(gòu)轉(zhuǎn)型與加快能源基地建設(shè)具有重大意義。
2、目前，大規(guī)模水電及新能源集群靈活性多
3、(1)對(duì)靈活性評(píng)估的研究中只考慮了單一電源或風(fēng)光兩種資源的影響，沒有綜合考慮水風(fēng)光多資源結(jié)合下對(duì)集群靈活性的影響。
4、(2)大規(guī)模水電及新能源集群的靈活性量化評(píng)估指標(biāo)較為單一，未能實(shí)現(xiàn)從多維度的角度對(duì)集群靈活性進(jìn)行量化評(píng)估。
技術(shù)實(shí)現(xiàn)思路
1、針對(duì)現(xiàn)有技術(shù)的上述不足，本專利技術(shù)提供了一種大規(guī)模水電及新能源集群靈活性多自由度量化評(píng)估方法，解決目前大規(guī)模水電及新能源集群的靈活性量化評(píng)估維度單一問題。
2、為達(dá)到上述專利技術(shù)目的，本專利技術(shù)所采用的技術(shù)方案為：
3、提供一種大規(guī)模水電及新能源集群靈活性多自由度量化評(píng)估方法，其包括以下步驟：
4、s1：采集風(fēng)光出力歷史數(shù)據(jù)作為訓(xùn)練集，構(gòu)建基于bp神經(jīng)網(wǎng)絡(luò)的風(fēng)光預(yù)測(cè)模型，將訓(xùn)練集輸入風(fēng)光預(yù)測(cè)模型中，對(duì)風(fēng)光預(yù)測(cè)模型進(jìn)行訓(xùn)練，輸出風(fēng)光預(yù)測(cè)模型的層間關(guān)系矩陣，得到訓(xùn)練好的風(fēng)光預(yù)測(cè)模型；
5、s2：向訓(xùn)練好的風(fēng)光預(yù)測(cè)模型中輸入待預(yù)測(cè)數(shù)據(jù)，輸出風(fēng)光處理數(shù)據(jù)，并基于正態(tài)分布計(jì)算負(fù)荷預(yù)測(cè)值，得到負(fù)荷預(yù)測(cè)曲線；
6、s3：根據(jù)負(fù)荷預(yù)測(cè)曲線獲取大規(guī)模水電及新能源集群中的棄電量、切負(fù)荷量，以大規(guī)模水電及新能源集群中棄電量、切負(fù)荷量的損失成本最小值作為目標(biāo)函數(shù)，構(gòu)建大規(guī)模水電及新能源集群的的約束條件及機(jī)組動(dòng)力特性曲線和水頭關(guān)聯(lián)的數(shù)學(xué)模型，得到最優(yōu)經(jīng)濟(jì)調(diào)度模型；
7、s4：利用最優(yōu)經(jīng)濟(jì)調(diào)度模型計(jì)算大規(guī)模水電及新能源集群的棄電量、棄風(fēng)量、棄光量以及切負(fù)荷量，并設(shè)置靈活性閾值，計(jì)算大規(guī)模水電及新能源集群內(nèi)的靈活性指標(biāo)，對(duì)大規(guī)模水電及新能源集群的靈活性進(jìn)行評(píng)估。
8、進(jìn)一步地，風(fēng)光預(yù)測(cè)模型中的bp神經(jīng)網(wǎng)絡(luò)的層間關(guān)系模型為：
9、
10、其中，為bp神經(jīng)網(wǎng)絡(luò)中第k層中第i個(gè)神經(jīng)元的激活向量，激活向量由風(fēng)光出力歷史數(shù)據(jù)構(gòu)成，為為bp神經(jīng)網(wǎng)絡(luò)中第k層中第i個(gè)神經(jīng)元的偏置向量，偏置向量包括與風(fēng)光出力歷史數(shù)據(jù)相關(guān)的偏置數(shù)據(jù)，j為bp神經(jīng)網(wǎng)絡(luò)中第k+1層的神經(jīng)元，為bp神經(jīng)網(wǎng)絡(luò)中第k+1層中第j個(gè)神經(jīng)元的激活向量，δ(.)為激活函數(shù)，為第k層中第i個(gè)神經(jīng)元的權(quán)重；
11、進(jìn)一步地，步驟s2包括：
12、s21：向訓(xùn)練好的風(fēng)光預(yù)測(cè)模型中輸入待預(yù)測(cè)數(shù)據(jù)，輸出風(fēng)光處理數(shù)據(jù)，并基于正態(tài)分布計(jì)算負(fù)荷預(yù)測(cè)值，根據(jù)負(fù)荷預(yù)測(cè)值與負(fù)荷實(shí)測(cè)數(shù)據(jù)計(jì)算負(fù)荷預(yù)測(cè)誤差，得到負(fù)荷預(yù)測(cè)誤差集合；
13、
14、其中，為負(fù)荷預(yù)測(cè)值，為預(yù)測(cè)修正值；δpload,t為負(fù)荷預(yù)測(cè)誤差；
15、s22：將負(fù)荷預(yù)測(cè)誤差集合內(nèi)的負(fù)荷預(yù)測(cè)誤差疊加到大規(guī)模水電及新能源集群的負(fù)荷曲線上，得到負(fù)荷預(yù)測(cè)曲線。
16、進(jìn)一步地，步驟s3包括：
17、s31：根據(jù)負(fù)荷預(yù)測(cè)曲線獲取大規(guī)模水電及新能源集群中的棄電量、切負(fù)荷量，以大規(guī)模水電及新能源集群中棄電量、切負(fù)荷量的損失成本最小值作為目標(biāo)函數(shù)；
18、所述棄電量、切負(fù)荷量的損失成本最小值的目標(biāo)函數(shù)為：
19、
20、其中，ce、cl分別為單位棄電量和單位切負(fù)荷量的懲罰金額，δt為設(shè)置的時(shí)段步長(zhǎng)，δpl,t為t時(shí)刻的切負(fù)荷量，δpe,t為t時(shí)刻的棄電量，t為調(diào)度周期，e為棄電量變量，l為切負(fù)荷變量；
21、所述棄電量包括棄風(fēng)量和棄光量，棄風(fēng)量、棄光量和切負(fù)荷量的損失成本最小值的目標(biāo)函數(shù)為：
22、
23、其中，δpw,t為t時(shí)刻的棄風(fēng)量，w為風(fēng)電變量，δps,t為t時(shí)刻的棄光量，s為光伏變量，cw、cs分別為單位棄光量和單位棄風(fēng)量的懲罰金額；
24、s32：構(gòu)建大規(guī)模水電及新能源集群的約束條件，包括：
25、電力電量平衡約束條件：
26、pd,t＝palll,t·(ed/eall)；
27、其中，pd,t為t時(shí)刻大規(guī)模水電及新能源集群的出力總和，d為研究區(qū)域的大規(guī)模水電及新能源集群，palll,t為t時(shí)刻大規(guī)模水電及新能源集群的總負(fù)荷，alll為研究區(qū)域的所有集群，l為集群的負(fù)荷，ed為t時(shí)刻大規(guī)模水電及新能源集群的對(duì)應(yīng)發(fā)電量，eall為負(fù)荷需求總量；
28、棄風(fēng)/光量的上、下限約束條件：
29、
30、其中，分別為風(fēng)電、光伏預(yù)測(cè)出力的上限；
31、棄電量的上、下限的限制約束條件：
32、
33、其中，δpd,t為第t時(shí)刻的棄電變量，d為棄風(fēng)棄光總額；為t時(shí)刻的新能源總出力值；
34、切負(fù)荷量的上、下限的限制約束條件：
35、
36、大規(guī)模水電及新能源集群中水電站的約束條件包括；
37、上、下游水庫的水力約束條件：ii,t＝qi-1,t-τ+ri,t；其中，為第i個(gè)水庫在t時(shí)刻的入庫流量，為上游第i-1個(gè)水電站在(t-τ)時(shí)段的發(fā)電流量，為水電站i-1和水電站i之間的區(qū)間流量，τ為水電站i-1和水電站i之間的水流滯時(shí)；
38、水量平衡約束：vi,t＝vi,t-1+3600(ii,t-qi,t)δt；其中，vi,t為水電站i所在水庫在t時(shí)刻的庫容，vi,t-1為水電站i所在水庫在t-1時(shí)刻的庫容，qi,t為水電站i所在水庫在t時(shí)刻的出庫流量；
39、水位約束條件：其中，zi、zi,t、分別水電站i所在水庫在t本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種大規(guī)模水電及新能源集群靈活性多自由度量化評(píng)估方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的大規(guī)模水電及新能源集群靈活性多自由度量化評(píng)估方法，其特征在于，所述風(fēng)光預(yù)測(cè)模型中的BP神經(jīng)網(wǎng)絡(luò)的層間關(guān)系模型為：
3.根據(jù)權(quán)利要求2所述的大規(guī)模水電及新能源集群靈活性多自由度量化評(píng)估方法，其特征在于，所述步驟S2包括：
4.根據(jù)權(quán)利要求3所述的大規(guī)模水電及新能源集群靈活性多自由度量化評(píng)估方法，其特征在于，所述步驟S3包括：
5.根據(jù)權(quán)利要求3所述的大規(guī)模水電及新能源集群靈活性多自由度量化評(píng)估方法，其特征在于，所述步驟S4包括：
【技術(shù)特征摘要】
1.一種大規(guī)模水電及新能源集群靈活性多自由度量化評(píng)估方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的大規(guī)模水電及新能源集群靈活性多自由度量化評(píng)估方法，其特征在于，所述風(fēng)光預(yù)測(cè)模型中的bp神經(jīng)網(wǎng)絡(luò)的層間關(guān)系模型為：
3.根據(jù)權(quán)利要求2所述的大規(guī)模水電及新能源集群...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：陳向宜，卿泉，趙永龍，伍凌云，梁文舉，徐圖，范麗，周昊，蔡紹榮，周開喜，張俊杰，黎聰寧，張曉蕾，
申請(qǐng)(專利權(quán))人：國(guó)家電網(wǎng)有限公司西南分部，
類型：發(fā)明
國(guó)別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。