基于模态互补的发电站选址定容方法、装置、系统及介质转让专利
申请号 : CN202110757725.5
文献号 : CN113256033B
文献日 : 2021-12-14
发明人 : 廖圣桃 , 黄日光 , 陈惠聪 , 刘康 , 徐江旺 , 曾广贤
申请人 : 广东电网有限责任公司惠州供电局 , 惠州市鸿业电力信息科技有限公司
摘要 :
权利要求 :
1.一种基于模态互补的发电站选址定容方法,其特征在于,包括如下步骤:获取各个备选风光站址对应的风光资源数据,根据所述风光资源数据预测各个备选风光站址在预设周期内的风光预测出力;
根据所述风光预测出力计算各个备选风光站址的风光互补指标,所述风光互补指标包括形态互补性、实时波动互补性以及实时波动欧式距离;
对各个备选风光站址的风光互补指标进行模态加权运算后得到模态加权互补指标,并根据所述模态加权互补指标的最大值选定相应的备选风光站址作为风光互补站址;
在预设范围内调节预设水电站址的水电容量与所述风光互补站址的风光容量之间的容量比,并根据每次调节后的容量比计算水风光联合电站的净负荷基尼系数,输出净负荷基尼系数最小时对应的容量比作为最佳容量比;
所述获取各个备选风光站址对应的风光资源数据,根据所述风光资源数据预测各个备选风光站址在预设周期内的风光预测出力,包括:获取各个备选风光站址的风能资源数据和太阳能资源数据;
根据所述风能资源数据和太阳能资源数据分别预测各个备选风光站址在周期T内各时段单位装机容量下的风光预测出力,输出相应的风电出力序列和光伏出力序列;
所述根据所述风光预测出力计算各个备选风光站址的风光互补指标,所述风光互补指标包括形态互补性、实时波动互补性以及实时波动欧式距离,包括:根据所述风电出力序列和光伏出力序列计算原始序列的形态互补性;
对所述风电出力序列和光伏出力序列作一阶差分运算得到风电一阶差分序列和光伏一阶差分序列;
根据所述风电一阶差分序列和光伏一阶差分序列分别计算所述实时波动互补性和实时波动欧式距离;
所述根据所述风电出力序列和光伏出力序列计算原始序列的形态互补性,具体包括:根据所述风电出力序列( )和光伏出力序列( )计算原始序列的形态互补性 , ,其中 为风电在t时刻的出力, 为光伏在t时刻的出力, 为周期T内风电的平均出力、 为周期T内光伏的平均出力;
所述根据所述风电一阶差分序列和光伏一阶差分序列分别计算所述实时波动互补性和实时波动欧式距离,具体包括:根据所述风电一阶差分序列和光伏一阶差分序列计算所述实时波动互补性 和实时波动欧式距离 ,其中,
分别为风电功率、光伏功率、风光联合功率在t时刻的一阶差分值,为风电和光伏电站在t时刻的联合功率, 为风电在t时刻的出力, 为光伏在t时刻的出力, 为风电和光伏电站在t+1时刻的联合功率, 为风电在t+1时刻的出力,为光伏在t+1时刻的出力, 为t时刻光伏功率一阶差分值与风电功率一阶差分值的差的平方,T为周期;
所述对各个备选风光站址的风光互补指标进行模态加权运算后得到模态加权互补指标,并根据所述模态加权互补指标的最大值选定相应的备选风光站址作为风光互补站址,包括:
构造以 为特征变量的3*M维的样本空间 , ,其中 分别为第j个备选风光站址的形态互补性、实时波动互补性以及实时波动欧式距离,M为备选风光站址的数量;
对所 述 样 本空 间 进行 标 准 化处 理 后 得到 相 应的 数 据 集矩 阵 ,, ,其中
分别为矩阵 、 的第i行第j列的元素;
求矩阵 的协方差矩阵 ,并求取所述协方差矩阵 的特征值 和单位特征向量 ;
将单位特征向量按照特征值从大到小的顺序,从上到下按行排列构造矩阵 ,按公式计算得到主成分矩阵 , ,其中各个主成分的贡献率, 为所述协方差矩阵的第 个特征值;
根据所述主成分矩阵将各个备选风光站址的风光互补指标 转化为模态加权互补指标, ,其中 为主成分矩阵中第1行第j列的元素, 为主成分矩阵中第2行第j列的元素, 为主成分矩阵中第3行第j列的元素;
选择模态加权互补指标的最大值对应的风电站址和光伏站址作为所述风光互补站址。
2.根据权利要求1所述的基于模态互补的发电站选址定容方法,其特征在于,所述在预设范围内调节预设水电站址的水电容量与所述风光互补站址的风光容量之间的容量比,并根据每次调节后的容量比计算水风光联合电站的净负荷基尼系数,输出净负荷基尼系数最小时对应的容量比作为最佳容量比,包括:获取已选定的风光互补站址中风电站址的风电出力序列和光伏站址的光伏出力序列;
将预设水电站址与已选定的风光互补站址之间的容量比设置为初始值,并根据所述容量比计算得到水电出力序列以及净负荷功率序列;
根据所述净负荷功率序列计算输出相应的净负荷均衡分布曲线,并根据所述净负荷均衡分布曲线计算水风光联合电站的净负荷基尼系数;
按预设步长调节所述容量比的值后返回重新计算所述净负荷基尼系数,直到所述容量比的值达到预设范围的上限值;
选取净负荷基尼系数最小时对应的容量比作为最佳容量比。
3.一种基于模态互补的发电站选址定容装置,其特征在于,所述装置包括:风光出力预测模块,用于获取各个备选风光站址对应的风光资源数据,根据所述风光资源数据预测各个备选风光站址在预设周期内的风光预测出力;
其中,所述获取各个备选风光站址对应的风光资源数据,根据所述风光资源数据预测各个备选风光站址在预设周期内的风光预测出力,包括:获取各个备选风光站址的风能资源数据和太阳能资源数据;
根据所述风能资源数据和太阳能资源数据分别预测各个备选风光站址在周期T内各时段单位装机容量下的风光预测出力,输出相应的风电出力序列和光伏出力序列;
互补指标计算模块,用于根据所述风光预测出力计算各个备选风光站址的风光互补指标,所述风光互补指标包括形态互补性、实时波动互补性以及实时波动欧式距离;
其中,所述根据所述风光预测出力计算各个备选风光站址的风光互补指标,所述风光互补指标包括形态互补性、实时波动互补性以及实时波动欧式距离,包括:根据所述风电出力序列和光伏出力序列计算原始序列的形态互补性;
对所述风电出力序列和光伏出力序列作一阶差分运算得到风电一阶差分序列和光伏一阶差分序列;
根据所述风电一阶差分序列和光伏一阶差分序列分别计算所述实时波动互补性和实时波动欧式距离;
所述根据所述风电出力序列和光伏出力序列计算原始序列的形态互补性,具体包括:根据所述风电出力序列( )和光伏出力序列( )计算原始序列的形态互补性 , ,其中 为风电在t时刻的出力, 为光伏在t时刻的出力, 为周期T内风电的平均出力、 为周期T内光伏的平均出力;
所述根据所述风电一阶差分序列和光伏一阶差分序列分别计算所述实时波动互补性和实时波动欧式距离,具体包括:根据所述风电一阶差分序列和光伏一阶差分序列计算所述实时波动互补性 和实时波动欧式距离 ,其中,
分别为风电功率、光伏功率、风光联合功率在t时刻的一阶差分值,为风电和光伏电站在t时刻的联合功率, 为风电在t时刻的出力, 为光伏在t时刻的出力, 为风电和光伏电站在t+1时刻的联合功率, 为风电在t+1时刻的出力,为光伏在t+1时刻的出力, 为t时刻光伏功率一阶差分值与风电功率一阶差分值的差的平方,T为周期;
选址模块,用于对各个备选风光站址的风光互补指标进行模态加权运算后得到模态加权互补指标,并根据所述模态加权互补指标的最大值选定相应的备选风光站址作为风光互补站址;
其中,所述对各个备选风光站址的风光互补指标进行模态加权运算后得到模态加权互补指标,并根据所述模态加权互补指标的最大值选定相应的备选风光站址作为风光互补站址,包括:
构造以 为特征变量的3*M维的样本空间 , ,其中 分别为第j个备选风光站址的形态互补性、实时波动互补性以及实时波动欧式距离,M为备选风光站址的数量;
对所 述 样 本空 间 进行 标 准 化处 理 后 得到 相 应的 数 据 集矩 阵 ,, ,其中
分别为矩阵 、 的第i行第j列的元素;
求矩阵 的协方差矩阵 ,并求取所述协方差矩阵 的特征值 和单位特征向量 ;
将单位特征向量按照特征值从大到小的顺序,从上到下按行排列构造矩阵 ,按公式计算得到主成分矩阵 , ,其中各个主成分的贡献率, 为所述协方差矩阵的第 个特征值;
根据所述主成分矩阵将各个备选风光站址的风光互补指标 转化为模态加权互补指标, ,其中 为主成分矩阵中第1行第j列的元素, 为主成分矩阵中第2行第j列的元素, 为主成分矩阵中第3行第j列的元素;
选择模态加权互补指标的最大值对应的风电站址和光伏站址作为所述风光互补站址;
容量比优化模块,用于在预设范围内调节预设水电站址的水电容量与所述风光互补站址的风光容量之间的容量比,并根据每次调节后的容量比计算水风光联合电站的净负荷基尼系数,输出净负荷基尼系数最小时对应的容量比作为最佳容量比。
4.一种基于模态互补的发电站选址定容系统,其特征在于,所述系统包括至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1‑2任一项所述的基于模态互补的发电站选址定容方法。
5.一种非易失性计算机可读存储介质,其特征在于,所述非易失性计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行时,可使得所述一个或多个处理器执行权利要求1‑2任一项所述的基于模态互补的发电站选址定容方法。
说明书 :
基于模态互补的发电站选址定容方法、装置、系统及介质
技术领域
背景技术
通过建立水、风、光联合发电系统,能有效平抑风光出力的波动性,然而现有的水、风、光联
合发电系统中,通常仅针对不同能源之间的容量配置进行优化,而忽略了站址选择对风光
能源互补性的影响以及联合发电系统与负荷功率之间的匹配,可能出现风光电站址选择不
合理以及水电与风光电容量比配置不合理的情况,从而对能源利用率造成影响。
发明内容
负荷基尼系数最小时对应的容量比作为最佳容量比。
出力,包括:
以及实时波动欧式距离,包括:
电在t时刻的出力, 为光伏在t时刻的出力, 为周期T内风电的平均出力、 为周期T
内光伏的平均出力。
时刻的出力, 为风电和光伏电站在t+1时刻的联合功率, 为风电在t+1时刻的出
力, 为光伏在t+1时刻的出力, 为t时刻光伏功率一阶差分值与风电功率一阶差分
值的差的平方。
大值选定相应的备选风光站址作为风光互补站址,包括:
动欧式距离,M为备选风光站址的数量;
为矩阵 、 的第i行第j列的元素;
, 为所述协方差矩阵的第 个特征值;
元素, 为主成分矩阵中第2行第j列的元素, 为主成分矩阵中第3行第j列的元素;
比计算水风光联合电站的净负荷基尼系数,输出净负荷基尼系数最小时对应的容量比作为
最佳容量比,包括:
光互补站址;
荷基尼系数,输出净负荷基尼系数最小时对应的容量比作为最佳容量比。
法。
执行时,可使得所述一个或多个处理器执行上述的基于模态互补的发电站选址定容方法。
一步的模态加权运算,选择互补程度最大的风光互补站址并优化水电与风光发电的容量
比,使得水风光联合出力曲线能最大化程度与负荷相匹配,提高能源利用率。
附图说明
具体实施方式
结合附图对本发明实施例进行介绍。
进行选址定容的情况,应用于包括终端设备、网络和服务器构成的系统,其中网络为用于在
终端设备和服务器直接提供通信链路的介质,其可以包括各种连接类型,例如有线、无线通
信链路或者光纤电缆等等;终端设备上的操作系统可以包括手持设备操作系统(iPhone
operating system,iOS系统)、安卓系统或其他操作系统,所述终端设备通过网络连接到服
务器以实现交互,从而进行接收或发送数据等操作,具体可以是具有显示屏并且支持网页
浏览的各种电子设备,包括但不限于智能手机、平板电脑、便携式计算机和台式服务器等
等。如图1所示,该方法具体包括如下步骤:
逆变器、配电变压器接入大电网,再由大电网经配电变压器输出,供用户用电。通过获取各
个备选风光站址对应的风光资源数据来进行出力预测,具体所述风光资源数据可以是各个
备选风光站址的发电功率历史数据,或者也可以是从气象站等数据源获取的各个风电站址
的风能数据以及各个光伏站址的太阳能数据,从而对各个备选风光站址在预设周期内的风
光预测出力进行准确预测,为水风光联合发电系统的站址选择提供准确的分析数据,提高
站址选择的可靠性。
则进一步计算对应的风光互补指标,所述风光互补指标用于表征不同的风电站址与光伏站
址之间的风光出力互补程度,互补程度越大则越有利于风电站址与光伏站址之间的互补波
动抑制,具体地,所述风光互补指标包括形态互补性、实时波动互补性以及实时波动欧式距
离,即本实施例中并非采用传统的单一互补系数来描述不同能源出力相互补充对负荷需求
的满足程度,而是充分考虑了风能和太阳能之间的多种互补特性,通过不同的互补指标来
分别表征对应的时空互补特性,使得风光互补指标更加合理且全面,尽可能地提高了对不
同备选风光站址之间的互补评估的准确性,有利于风光电站址的选择。
址。
性,进一步对各个备选风光站址的风光互补指标进行模态加权运算,即引入加权系数对所
述形态互补性、实时波动互补性以及实时波动欧式距离进行加权计算得到总体互补指标,
并且进一步以不同风光互补指标作为模态分析对象,分析确定各个风光互补指标的权重系
数,通过权重系数来体现不同风光互补指标对风光互补程度的影响力,从而得到更加准确
合理的模态加权互补指标,选定最大值对应的两个备选风光站址作为风光互补站址,即最
优的选址方案,所述风光互补站址包括一个风电站址和一个光伏站址,二者具有最大的模
态加权互补指标,表示这两个电站之间的互补程度最高,能最大程度的利用风光资源的互
补性,确保站址选择的合理性以及对资源的利用率。
出净负荷基尼系数最小时对应的容量比作为最佳容量比。
电站的最优配置方案,具体通过调节预设水电站址的水电容量与所述风光互补站址的风光
容量之间的容量比来实现,即所述容量比为水电与风光容量之间的比例,所述容量比可在
预设范围内进行灵活调节,具体可根据实际需要设置预设范围的大小以及调节方式等等,
例如调节方式可采用等步长调节、指定比例调节等等,本实施例对此不作限定。每次对容量
比进行调节后均计算当前容量比下水风光联合电站的净负荷基尼系数,具体所述水风光联
合电站包括已选定的风光互补站址以及预设水电站址所对应的三家发电站,所述净负荷基
尼系数用于度量在一定容量比下,水风光联合电站跟踪符合功率曲线的程度,即水风光联
合电站的出力曲线与负荷曲线的匹配程度,当净负荷基尼系数越小时,说明水风光联合电
站的出力曲线与负荷曲线的匹配程度越高,将此时对应的容量比作为最佳容量比,预设水
电站址则按所述最佳容量比进行水电出力,实现与风电互补站址之间的最优资源配置。也
就是说,本实施例中通过有调节能力的水电机组联合风光电站出力,一方面能平抑风光电
站的波动性,另一方面还可跟踪负荷功率变化,通过调节容量比使净负荷功率曲线平稳均
衡,在选择了具有最优互补程度的风光互补站址的基础上,将水电与风光容量的比例最大
程度进行了优化配置,使得水风光联合电站的输出与负荷能匹配,有效提高了资源利用率。
光站址的风能资源数据和太阳能资源数据,通过风能资源数据预测各个风电站址在周期T
内各时段单位装机容量下的风电预测出力,输出风电出力序列,并且通过太阳能资源数据
预测各个光伏站址在周期T内各时段单位装机容量下的光伏预测出力,输出光伏出力序列,
所述风电出力序列和光伏出力序列分别代表了风电站址和光伏站址在单位装机容量下不
同时段的输出功率,通过不同时段下的出力序列能体现风电出力以及光伏出力的波动变
化,为后续的风光互补指标计算提供更加精准的数据,具体周期T可根据需求灵活设置,例
如设置为24小时,则预测得到的是风电日预测出力以及光伏日预测出力,当然还可设置为
其它周期,本实施例对此不作限定,具体的出力预测过程可采用现有技术进行预测,此处不
作赘述。
距离,包括:
互补特性,其中具体地,所述形态互补性的计算过程为根据所述风电出力序列(
)和光伏出力序列( )计算原始序列的形态互补性 ,
,其中 为风电在t时刻的出力, 为光伏在t
时刻的出力, 为周期T内风电的平均出力、 为周期T内光伏的平均出力, ,
越大,则风光出力的形态互补性越强。
而根据所述风电一阶差分序列和光伏一阶差分序列分别计算得到所述实时波动互补性以
及实时波动欧式距离。
),之后计算实时波动互补性 ,计算模型具体为:
的联合功率, 为风电在t+1时刻的出力, 为光伏在t+1时刻的出力, , 越
大则风光实时波动互补性越强。
选风光站址作为风光互补站址,包括:
动欧式距离,M为备选风光站址的数量;
分别为矩阵 、 的第i行第j列的元素;
, 为所述协方差矩阵的第 个特征值;
元素, 为主成分矩阵中第2行第j列的元素, 为主成分矩阵中第3行第j列的元素;
补指标 ,具体计算模型为:
个特征指标组成的样本空间 进行变换,得到样本空间 对应的模态空
间 ,之后进一步确定各特征指标的权重系数,具体的步骤是先据M个风电出力样本和M个光
伏出力样本计算 三个特征指标,形成有M个样本,每个样本由3个特征变量描述
的数据集,将数据集中的每个样本作为列向量,构成一个3行M列的矩阵 。
故可称新数据集 为原始数据集 的模态空间, 的每列为基本模态,记为
,各主成分的方差贡献率反映了其对样本整体状况的影响程度,即可视
为各主成分的权重系数,因此将风光互补指标 转化为模态加权互补指标 ,
则模态加权互补指标的最大值即互补程度最大的
风电站址和光伏站址作为所述风光互补站址,实现最优互补的风光站址选择过程,确保联
合电站中站址选择的合理性。
电站的净负荷基尼系数,输出净负荷基尼系数最小时对应的容量比作为最佳容量比,包括:
到的风光互补站址中风电站址n的风电出力序列( )和光伏站
址m的光伏出力序列( ),将预设水电站址与已选定的风光互
补站址之间的容量比R设置为初始值,并计算当前容量比下的水电出力序列,具体地,获取
已选定的风电站址的风电额定容量 和光伏站址的光伏额定容量 ,则水电装机容量为
,再根据水电装机容量和给定的发电流量,通过水电出力模型得到水电出力
序列,此计算过程为现有技术,此处不作赘述。计算得到水电出力序列( )
即可得到水风光联合电站的出力序列( ),再与给定的负荷序列(
)作差,得到净负荷功率序列( )。
。由于各时刻均等分布且间隔为1,所以时间序列频率分布为
。
时间频率分布各元素大小相等,无需排序,并直接求得时间累计频率分布序列
;
荷基尼系数G,具体计算模型如下:
数G越小净负荷功率分布越均衡, 。
量比的取值对应的净负荷基尼系数,例如容量比R初始值取0.1,预设范围的上限值为2,预
设步长为0.1,则从R=0.1开始计算G值,每计算一次G值则R+0.1后返回继续计算G值,直到R=
2,此时即可得到多个R值对应的G值,取G值最小时对应的容量比作为最佳容量比来配置水
电与风光容量的比例,在综合考虑了多种风光互补特性得到互补程度最大的风光互补站址
的基础上,也保证了水风光联合电站的跟踪负荷效果最好,得到水电与风光发电的最佳容
量配置比,使得水风光联合电站的出力与负荷最大程度相匹配,兼顾系统经济性和环保性
的同时尽可能地提高了能源利用效率。
描述:
通过预测模块得到各个站点的风、光日预测曲线。
动互补性 ,具体计算模型如下:
向量,构成一个3行M列的矩阵 。
序列。根据表1可知,林芝的风能与泽当的太阳能互补程度最高,选择模块选择林芝作为风
电站、泽当作为光伏电站,并输出林芝风电站单位装机容量下的风电日预测出力曲线及泽
当光伏电站单位装机容量下的光伏日预测出力曲线,结果如图4所示。
到水风光联合系统的出力序列( ),再与给定的负荷序列(
)作差,得到净负荷功率序列( )。
。由于各时刻均等分布且间隔为1,所以时间序列频率分布为
。
。时间频率分布各元素大小相等,无需排序,并直接求得时间累计
频率分布序列 。
的净负荷基尼系数G,具体计算模型如下:
数G越小净负荷功率分布越均衡, ,至此,得到净负荷基尼系数G。
曲线能最大化程度与负荷相匹配,提高能源利用率。
序,亦即,可以并行执行,亦可以交换执行等等。
风光互补站址;
负荷基尼系数,输出净负荷基尼系数最小时对应的容量比作为最佳容量比。
序更适合于描述所述基于模态互补的发电站选址定容的执行过程,各模块的具体实施方式
请参考上述对应的方法实施例,此处不再赘述。
Machine)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的
任何组合。还有,处理器110还可以是任何传统处理器、微处理器或状态机。处理器110也可
以被实现为计算设备的组合,例如,DSP和微处理器的组合、多个微处理器、一个或多个微处
理器结合DSP和/或任何其它这种配置。
址定容方法对应的程序指令。处理器110通过运行存储在存储器120中的非易失性软件程
序、指令以及单元,从而执行系统10的各种功能应用以及数据处理,即实现上述方法实施例
中的基于模态互补的发电站选址定容方法。
此外,存储器120可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一
个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器120可
选包括相对于处理器110远程设置的存储器,这些远程存储器可以通过网络连接至系统10。
上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
图1中的方法步骤S100至步骤S400。
述的图1中的方法步骤S100至步骤S400。
缓存存储器的随机存取存储器(RAM)。通过说明而非限制,RAM可以以诸如同步RAM(SRAM)、
动态RAM、(DRAM)、同步DRAM(SDRAM)、双数据速率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、
Synchlink DRAM(SLDRAM)以及直接Rambus(兰巴斯)RAM(DRRAM)之类的许多形式得到。本文
中所描述的操作环境的所公开的存储器组件或存储器旨在包括这些和/或任何其他适合类
型的存储器中的一个或多个。
选风光站址在预设周期内的风光预测出力;根据风光预测出力计算各个备选风光站址的风
光互补指标;对各个风光互补指标进行模态加权运算后选定互补指标最大值对应的风光互
补站址;在预设范围内调节预设水电站址的水电容量与所述风光互补站址的风光容量之间
的容量比,根据每次调整后的容量比计算水风光联合电站的净负荷基尼系数,输出净负荷
基尼系数最小时对应的容量比作为最佳容量比。通过选择互补程度最大的风光互补站址并
优化水电与风光发电的容量比,使得水风光联合出力曲线能最大化程度与负荷相匹配,提
高能源利用率。
可存储于一非易失性计算机可读取的存储介质中,该计算机程序在执行时可包括如上述各
方法实施例的流程。其中所述的存储介质可为存储器、磁碟、软盘、闪存、光存储器等。
护范围。