一种基于风电场出力波动性模糊的分类方法

文档序号:9826580阅读:353来源:国知局
一种基于风电场出力波动性模糊的分类方法
【技术领域】
[0001] 本发明涉及基于风电场出力波动性模糊的分类方法,属于电力系统经济运行的技 术领域,是基于风电场出力波动性模糊的分类方法的创新技术。
【背景技术】
[0002] 高渗透率间歇性电源的接入,在改善区域能源结构、提高清洁能源比例、改善环境 的同时,大大提高了区域电网的复杂性,特别是对于区域电网,可能会对系统的调峰调频、 合理的机组备用安排构成较大压力,为有效提升电网接纳可再生能源的能力,提高可再生 能源的利用率及发电的可靠性,有必要研究各风电场的出力波动性和集群效应,特别是风 电场的日出力的波动性。
[0003] 对于区域电网中的各个风电场,日出力的波动性千变万化,需要一种合理的分类 方法,根据风电场各时段的出力大小将风电场归类,从而能够有效地反映个别风电场的出 力特性,以及区域风电场考虑集群效应后的日出力特性,通过长期的数据统计后,能够对风 电出力日波动性的类型进行预测和估计,不但可以为调度的机组安排、备用和合理调度提 供直观的概率描述,也能够供规划建设合理电源结构提供依据。

【发明内容】

[0004] 本发明的目的在于提出一种基于风电场出力波动性模糊的分类方法,本发明能够 根据风电日出力数据的波动性进行模糊分类,反映风电的出力特性,从而能够直观描述后 不仅能够供调度部门进行经济调度使用,在长期也能够供规划部门进行合理电源配置使 用。
[0005] 本发明的技术方案是:本发明基于风电场出力波动性模糊的分类方法,包括有如 下步骤: 1) 输入风电场日出力分时数据; 2) 把全天分为三个时间段,计算三个时间段内风电输出有功功率的平均值,分别记为 P1,P2,P3; 3) 根据所列的P1,P2,P3的大小关系,判断风电场日出力波动型属于低值区间波动型、 凸型、凹型、下降型、上升型还是高值区间波动性,风电场出力呈先上升后下降的趋势,称其 为凸型;反之,风电场出力先下降后上升,曲线波动形状称为凹形;另外,风电场出力曲线总 体呈上升趋势的风电波动性称为上升型;与之相对,风电场出力曲线总体呈下降趋势的风 电波动性称为下降型;其它风电场出力较高且波动不规律的风电波动性称为高区间波动 型。
[0006] 本发明提出的一种基于风电场出力波动性模糊的分类方法,方法简单实用,将风 电日出力波动性分为六种类型,可以根据风电出力数据量化地确定风电类型,通过合理地 风电出力类型分类,可以为调度的机组安排、备用和合理调度提供直观的概率描述,也能够 供规划建设合理电源结构提供依据。
【附图说明】
[0007] 图1是本发明方法应用的流程图。
【具体实施方式】
[0008] 参照附图1,对本发明的应用进行详细描述: 本发明基于风电场出力波动性模糊的分类方法,包括有如下步骤: 1) 输入风电场日出力分时数据; 2) 把全天分为三个时间段,计算三个时间段内风电输出有功功率的平均值,分别记为 P1,P2,P3; 3) 根据所列的P1,P2,P3的大小关系,判断风电场日出力波动型属于低值区间波动型、 凸型、凹型、下降型、上升型还是高值区间波动性,风电场出力呈先上升后下降的趋势,称其 为凸型;反之,风电场出力先下降后上升,曲线波动形状称为凹形;另外,风电场出力曲线总 体呈上升趋势的风电波动性称为上升型;与之相对,风电场出力曲线总体呈下降趋势的风 电波动性称为下降型;其它风电场出力较高且波动不规律的风电波动性称为高区间波动 型,综上所述,风电日波动曲线分为六种类型,如表1所示。
[0009]表1六种风电日波动曲线类型
具体编程操作或逻辑判断见附图1。
[0010] 本实施例中,上述步骤2)全天分为三个时间段是:0:00~8:00,8:00~16:00,16: 00~24:00共三个时间段。
[0011] 本实施例中,上述有功功率为标么值p. u.。
[0012] 本实施例中,本发明能够根据风电日出力数据的波动性进行模糊分类,反映风电 的出力特性,从而能够直观描述后不仅能够供调度部门进行经济调度使用,在长期也能够 供规划部门进行合理电源配置使用。
[0013]本实施例中,本发明提出风电日出力标么值分布在0.2以上的风电日出力波动性 具有明显的规律。
【主权项】
1. 一种基于风电场出力波动性模糊的分类方法,其特征在于包括有如下步骤: 1) 输入风电场日出力分时数据; 2) 把全天分为三个时间段,计算三个时间段内风电输出有功功率的平均值,分别记为 P1,P2,P3; 3) 根据所列的P1,P2,P3的大小关系,判断风电场日出力波动型属于低值区间波动型、 凸型、凹型、下降型、上升型还是高值区间波动性,风电场出力呈先上升后下降的趋势,称其 为凸型;反之,风电场出力先下降后上升,曲线波动形状称为凹形;另外,风电场出力曲线总 体呈上升趋势的风电波动性称为上升型;与之相对,风电场出力曲线总体呈下降趋势的风 电波动性称为下降型;其它风电场出力较高且波动不规律的风电波动性称为高区间波动 型。2. 根据权利要求1所述的基于风电场出力波动性模糊的分类方法,其特征在于步骤2) 全天分为三个时间段是:0:00~8:00,8:00~16:00,16:00~24:00共三个时间段。3. 根据权利要求1所述的基于风电场出力波动性模糊的分类方法,其特征在于有功功 率为标幺值P.u.。4. 根据权利要求1所述的基于风电场出力波动性模糊的分类方法,其特征在于能够根 据风电日出力数据的波动性进行模糊分类,反映风电的出力特性,从而能够直观描述后不 仅能够供调度部门进行经济调度使用,在长期也能够供规划部门进行合理电源配置使用。5. 根据权利要求1所述的基于风电场出力波动性模糊的分类方法,其特征在于提出风 电日出力标么值分布在0.2以上的风电日出力波动性具有明显的规律。
【专利摘要】本发明是一种基于风电场出力波动性模糊的分类方法。本发明能够根据风电日出力数据的波动性进行模糊分类,反映风电的出力特性,提出风电日出力标么值分布在0.2以上的风电日出力波动性具有明显的规律,根据风电日波动曲线的形态将风电出力模糊分为六种类型,分别为低值区间波动型、凸型、凹型、下降型、上升型还是高值区间波动性。本发明提出的一种基于风电场出力波动性模糊的分类方法,方法应用方便,能够根据风电日出力数据的波动性进行模糊分类,反映风电的出力特性,从而能够直观描述后不仅能够供调度部门进行经济调度使用,在长期也能够供规划部门进行合理电源配置使用。
【IPC分类】H02J3/46, G06Q50/06, G06K9/62
【公开号】CN105590271
【申请号】CN201610075597
【发明人】金小明, 张东辉, 程兰芬
【申请人】南方电网科学研究院有限责任公司
【公开日】2016年5月18日
【申请日】2016年2月3日
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1