一种适用于风电出力的电力系统调峰计算方法
【技术领域】
[0001] 本发明涉及电力系统调度自动化领域，尤其涉及一种适用于风电出力的电力系统 调峰计算方法。
【背景技术】
[0002] 风力发电是目前世界可再生能源开发技术中，最成熟、最具大规模开发和商业化 前景的能源利用方式。和传统的发电方式相比，风力发电最根本的不同点在于其有功出力 的随机性、间歇性和不可控性，这一特点决定了风电在并网运行时必须考虑电网的调峰能 力。目前在大规模风电并网的规划中，应用场景法进行电力系统经济调度的方法为：采集 历年风电数据，得到不同时间尺度下的风电预测误差分布；根据气象数据利用现有的风电 出力预测系统得到风电的出力值；确定风电出力场景值；建立风光储能并网发电智能化模 型；基于风电出力场景值和风光储能并网发电智能化模型最终确定风光储实时调度值。
[0003] 上述实施方案给出了利用场景值进行计算得到风光储能实时调度值，但只是建立 普通场景，没有确定出来典型场景，最终确定的调峰容量不是最合理，因此亟需一种方案来 解决这一问题。
【发明内容】
[0004] 本发明的目的是提供一种适用于风电出力的电力系统调峰计算方法，用以解决现 有计算方法中最终调峰容量不是最合理的问题。
[0005] 为实现上述目的，本发明的方案包括：
[0006] 一种适用于风电出力的电力系统调峰计算方法，依次包含如下步骤：
[0007] 步骤1 :选取一定的天数η天，根据η天中各天的风电出力和典型日负荷，计算出 各天风电出力数据与典型日负荷的皮尔逊相关系数^到r η;
[0008] 步骤2 :根据计算出来的皮尔逊相关系数rgljrn，选取其中最小的皮尔逊相关系数 ru，并将该第u天的风电出力确定为逆调节中最明显的典型场景；
[0009] 步骤3:用逆调节中最明显典型场景当天的典型日负荷减去该典型场景，计算得 出等效负荷值，再用等效负荷值中的最大值减去最小值得到电网的调峰容量。
[0010] 进一步的，其中典型日负荷、典型场景、等效负荷值是列向量。
[0011] 进一步的，步骤1中皮尔逊相关系数的计算包括如下具体步骤：
[0012] (SI):采集一个地区给定时间段η天的风电出力数据，每天选取m个等间隔采样 点，采样样本集为：
[0014] 其中，Xli j表示第i天的第j个采样点的风电出力；
[0015] X1SX的列向量，即为给定时间段内第i天的地区风电出力样本集，用式（2)表 示：
[0017] (S2):根据给定的典型日负荷数据Y = Cy1, y2··· y_j…ym)T|t^ m个采样点值，求 出典型日负荷平均值5
其中y]是等间隔的m个给定典型日负荷采样点中的 第j个采样点的值，j = 1，2，......，m ;
[0018] (S3):求出第i天的风电出力平均值p
其中，i = 1，2,……，n， j = I, 2, ......，m ;
[0019] (S4):根据皮尔逊相关系数法，计算该地区第i天风电出力数据X1与典型日负荷 Y的皮尔逊相关系数A
[0021] (S5):重复步骤（S2-S4)，直到算出给定时间段内η天全部地区风电出力数据与典 型日负荷的皮尔逊相关系数A为止。
[0022] 进一步的，步骤2中典型场景的确定包括如下具体步骤：
[0023] (SI):求取η个步骤1中计算出来的最大皮尔逊相关系数ru，其中u表示第u天， 并将该天的风电出力确定为顺调节最明显的典型场景，设为A场景；
[0024] (S2):求取η个步骤1中计算出来的最大皮尔逊相关系数rk，其中k表示第k天， 并将该天的风电出力确定为逆调节最明显的典型场景，设为B场景；
[0025] 本发明根据给定时间段的地区风电出力实测数据和典型日负荷，计算得出皮尔逊 相关系数，通过该系数值选取地区风电出力顺调节特性最明显的典型场景和逆调节特性最 明显的典型场景，利用所选的逆调节特性最明显的典型场景进行电网调峰计算。从而能够 合理安排风电场备用容量，并且大大的减少了计算风力发电场调峰容量的繁琐程度。
【附图说明】
[0026] 图1是调峰计算的主要步骤流程图。
【具体实施方式】
[0027] 下面结合附图对本发明做进一步详细的说明。
[0028] 本发明提出了种适用于风电出力的电力系统调峰计算方法：根据给定时间段的地 区风电出力实测数据和典型日负荷，计算得出皮尔逊相关系数，通过该系数值选取地区风 电出力顺调节特性最明显的典型场景和逆调节特性最明显的典型场景，利用所选的逆调节 特性最明显的典型场景进行电网调峰计算。具体的包括如下步骤：
[0029] 步骤I :选取一定的天数，根据这些天数中每天的风电出力和典型日负荷，计算出 皮尔逊相关系数；具体计算过程通过以下步骤完成：
[0030] (SI):采集一个地区给定时间段η天的风电出力数据，每天选取m个等间隔采样 点，采样样本集为：
[0032] 其中，X1,;表示第i天的第j个采样点的风电出力；
[0033] X1SX的列向量，即为给定时间段内第i天的地区风电出力样本集；
[0034] 其中 X1= [X 1;1 Xli2 …X1Jt (5)
[0035] (S2):根据给定的典型日负荷数据，求出其平均值歹，这些日负荷采样点可以用 一个列向量表示，Y= …yj…ym)T，其中yj是等间隔的m个给定典型日负荷采样点中 的第j个，j = 1，2,……，m，则典型日负荷数据平均值歹可以用如下公式计算：
[0036] (S3):求出第i天的风电出力平均值果，.可以用如下公式求出第i天的风电出力 平均值：
i 其中，i = 1,2，......，n，j = l，2，......，m;
[0037] (S4):根据皮尔逊相关系数法，计算该地区第i天风电出力数据X1与典型日负荷 Y的皮尔逊相关系数A，
[0039] (S5):重复步骤（S2-S4)，直到算出给定时间段内η天的地区风电出力数据与典型 日负荷的皮尔逊相关系数A为止。
[0040] 步骤2 :根据计算出来的皮尔逊相关系数，确定顺调节和逆调节中最明显的典型 场景；
[0041] 皮尔逊相关系数反映了两个变量线性相关的程度，其范围从+1到-1。皮尔逊相关 系数为+1时，表示变量之间是完全正线性相关，同理，皮尔逊相关系数为-1时，表示变量之 间是完全负线性相关。根据皮尔逊相关系数选取典型场景的具体过程如下：
[0042] (SI):步骤1中计算出来η个皮尔逊系数，求取这η个皮尔逊系数中最大的一个 ru:
[0043] ru= MAX {r ! iy" rn} (7)
[0044] 其中ru对应第u天的风电出力，u表示第u天，该天的风电