一种基于场景聚焦的新能源承载能力评估方法及装置与流程

1.本发明涉及电力系统规划技术领域，尤其涉及一种基于场景聚焦的新能源承载能力评估方法及装置。


背景技术：

2.新能源机组出力的随机性、波动性及不确定性给电网的运行调度带来巨大的压力，不仅给电网调峰调频带来困难，而且也容易造成常规机组功角频繁调整，在电网遭受大扰动后，会加剧功角间的振荡，容易发生功角失稳问题。现有技术往往通过monte carlo抽样的方法，依据新能源出力的概率分布特性，对新能源机组可能的出力情况实施海量的枚举，即实施抽样。在分析电网运行状况时，需要同时对所有的抽样情况进行分析计算，确保电网安全稳定地运行在抽样场景下。虽然抽样场景不能完全反映实际情况，但抽样场景越多就越能反映实际情况。
3.随着抽样场景数量增多，计算量也会陡增，对于随机抽样获得的海量新能源出力曲线、净负荷曲线，逐一进行发电调度模拟和评估指标统计，计算量过于巨大，也不利于发现问题。且在新能源承载能力评估方面，现有技术大多集中在电网对新能源的消纳能力方面(含电力和电量)，其评估指标较为单一，难以扩展到新能源消纳、电网运行灵活性、电网源荷特性、电力电量充裕性等指标，无法高效、全面地评估新能源承载能力。


技术实现要素：

4.为了克服现有技术的缺陷，本发明提供一种基于场景聚焦的新能源承载能力评估方法及装置，能够从海量场景中筛选关键的约束场景，针对约束场景高效、全面地评估新能源承载能力。
5.为了解决上述技术问题，第一方面，本发明一实施例提供一种基于场景聚焦的新能源承载能力评估方法，包括：
6.根据预先定义的a类场景聚焦策略，分别确定当前周期获取的每一曲线组的a类运行指标值，从所有所述曲线组中选择a类运行指标值最高的若干个曲线组作为a类曲线组；其中，每一所述曲线组均包括多个新能源出力曲线和多个净负荷曲线；
7.根据预先定义的b类场景聚焦策略，分别确定每一所述曲线组的b类运行指标值，从所有所述曲线组中选择b类运行指标值最高的若干个曲线组作为b类曲线组；
8.根据预先定义的c类场景聚焦策略，分别确定每一所述曲线组的c类运行指标值，从所有所述曲线组中选择c类运行指标值最高的若干个曲线组作为c类曲线组；
9.组合所有所述a类曲线组、所有所述b类曲线组、所有所述c类曲线组，得到约束场景的筛选曲线集合，并从所述筛选曲线集合中提取运行数据，以发电机组运行成本和约束场景惩罚成本的总和最小为目标构造目标函数，结合构造的约束条件，构建发电运行模拟模型；
10.求解所述发电运行模拟模型得到发电机组组合出力结果，并基于预先定义的新能
源承载能力评估指标体系，根据所述发电机组组合出力结果进行新能源承载能力评估，得到新能源承载能力评估结果。
11.进一步地，所述根据预先定义的a类场景聚焦策略，分别确定当前周期获取的每一曲线组的a类运行指标值，从所有所述曲线组中选择a类运行指标值最高的若干个曲线组作为a类曲线组，具体为：
12.根据所述a类场景聚焦策略中的第一判据，分别确定每一所述曲线组的新能源小时电量渗透率日峰值，从所有所述曲线组中选择新能源小时电量渗透率日峰值最高的第一预设数量的曲线组作为所述a类曲线组；
13.根据所述a类场景聚焦策略中的第二判据，分别确定每一所述曲线组的分区域新能源发电功率日峰值，从所有所述曲线组中选择分区域新能源发电功率日峰值最高的第二预设数量的曲线组作为所述a类曲线组；
14.根据所述a类场景聚焦策略中的第三判据，分别确定每一所述曲线组与对应负荷曲线的峰荷时间差，从所有所述曲线组中选择峰荷时间差最高的第三预设数量的曲线组作为所述a类曲线组；
15.根据所述a类场景聚焦策略中的第四判据，分别确定每一曲线组的净负荷峰荷值，从所有所述曲线组中选择净负荷峰荷值最高的第四预设数量的曲线组作为所述a类曲线组。
16.进一步地，所述根据预先定义的b类场景聚焦策略，分别确定每一所述曲线组的b类运行指标值，从所有所述曲线组中选择b类运行指标值最高的若干个曲线组作为b类曲线组，具体为：
17.根据所述b类场景聚焦策略中的第一判据，分别确定每一所述曲线组的净负荷谷荷值，从所有所述曲线组中选择净负荷谷荷值最高的第五预设数量的曲线组作为所述b类曲线组；
18.根据所述b类场景聚焦策略中的第二判据，分别确定每一所述曲线组的净负荷峰谷差，从所有所述曲线组中选择净负荷峰谷差最高的第六预设数量的曲线组作为所述b类曲线组；
19.根据所述b类场景聚焦策略中的第三判据，分别确定每一所述曲线组与对应负荷曲线的谷荷时间差，从所有所述曲线组中选择谷荷时间差最高的第七预设数量的曲线组作为所述b类曲线组；
20.根据所述b类场景聚焦策略中的第四判据，分别确定每一所述曲线组的净负荷峰谷差变化率，从所有所述曲线组中选择净负荷峰谷差变化率最高的第八预设数量的曲线组作为所述b类曲线组。
21.进一步地，所述根据预先定义的c类场景聚焦策略，分别确定每一所述曲线组的c类运行指标值，从所有所述曲线组中选择c类运行指标值最高的若干个曲线组作为c类曲线组，具体为：
22.根据所述c类场景聚焦策略中的第一判据，分别确定每一所述曲线组的净负荷正爬坡速率，从所有所述曲线组中选择净负荷正爬坡速率最高的第九预设数量的曲线组作为所述c类曲线组；
23.根据所述c类场景聚焦策略中的第二判据，分别确定每一所述曲线组的净负荷负
爬坡速率，从所有所述曲线组中选择净负荷负爬坡速率最高的第十预设数量的曲线组作为所述c类曲线组；
24.根据所述c类场景聚焦策略中的第三判据，分别确定每一所述曲线组的新能源发电功率扰动量，从所有所述曲线组中选择新能源发电功率扰动量最高的第十一预设数量的曲线组作为所述c类曲线组；
25.根据所述c类场景聚焦策略中的第四判据，分别确定每一所述曲线组的新能源发电功率扰动率，从所有所述曲线组中选择新能源发电功率扰动率最高的第十二预设数量的曲线组作为所述c类曲线组。
26.进一步地，所述基于场景聚焦的新能源承载能力评估方法，还包括：
27.以根据所述a类场景聚焦策略中的第一判据筛选出的曲线组作为第一曲线组，根据所述发电机组组合出力结果，分别判断根据每一所述第一曲线组是否出现运行风险，并在判定所有所述第一曲线组均出现运行风险时，根据预设调整公式调整所述第一预设数量，在判定所有所述第一曲线组均不出现运行风险时，从所述a类场景聚焦策略中删除所述第一判据；
28.以根据所述a类场景聚焦策略中的第二判据筛选出的曲线组作为第二曲线组，根据所述发电机组组合出力结果，分别判断根据每一所述第二曲线组是否出现运行风险，并在判定所有所述第二曲线组均出现运行风险时，根据所述预设调整公式调整所述第二预设数量，在判定所有所述第二曲线组均不出现运行风险时，从所述a类场景聚焦策略中删除所述第二判据；
29.以根据所述a类场景聚焦策略中的第三判据筛选出的曲线组作为第三曲线组，根据所述发电机组组合出力结果，分别判断根据每一所述第三曲线组是否出现运行风险，并在判定所有所述第三曲线组均出现运行风险时，根据所述预设调整公式调整所述第三预设数量，在判定所有所述第三曲线组均不出现运行风险时，从所述a类场景聚焦策略中删除所述第三判据；
30.以根据所述a类场景聚焦策略中的第四判据筛选出的曲线组作为第四曲线组，根据所述发电机组组合出力结果，分别判断根据每一所述第四曲线组是否出现运行风险，并在判定所有所述第四曲线组均出现运行风险时，根据所述预设调整公式调整所述第四预设数量，在判定所有所述第四曲线组均不出现运行风险时，从所述a类场景聚焦策略中删除所述第四判据。
31.进一步地，所述预设调整公式为：
32.k
′i＝2ki；
33.其中，i＝1、2、3、4；k1为所述第一预设数量，k
′1为所述第一预设数量调整后的数量，k2为所述第二预设数量，k
′2为所述第二预设数量调整后的数量；k3为所述第三预设数量，k
′3为所述第三预设数量调整后的数量；k4为所述第四预设数量，k
′4为所述第四预设数量调整后的数量。
34.进一步地，所述目标函数为：
[0035][0036]
其中，f1为发电机组发电成本；为发电机组开停机成本；为发电机组出力
爬坡成本，f4为储能发电成本；f5为所述约束场景惩罚成本；f
β
为关于旋转备用系数β的奖励成本。
[0037]
进一步地，所述约束条件包括发电机组运行约束和储能运行约束。
[0038]
进一步地，所述新能源承载能力评估指标体系包括电网源荷特性指标、电力电量充裕性指标、新能源消纳指标、电网运行灵活性指标。
[0039]
第二方面，本发明一实施例提供一种基于场景聚焦的新能源承载能力评估装置，包括：
[0040]
a类场景聚焦模块，用于根据预先定义的a类场景聚焦策略，分别确定当前周期获取的每一曲线组的a类运行指标值，从所有所述曲线组中选择a类运行指标值最高的若干个曲线组作为a类曲线组；其中，每一所述曲线组均包括多个新能源出力曲线和多个净负荷曲线；
[0041]
b类场景聚焦模块，用于根据预先定义的b类场景聚焦策略，分别确定每一所述曲线组的b类运行指标值，从所有所述曲线组中选择b类运行指标值最高的若干个曲线组作为b类曲线组；
[0042]
c类场景聚焦模块，用于根据预先定义的c类场景聚焦策略，分别确定每一所述曲线组的c类运行指标值，从所有所述曲线组中选择c类运行指标值最高的若干个曲线组作为c类曲线组；
[0043]
发电运行模拟模型构建模块，用于组合所有所述a类曲线组、所有所述b类曲线组、所有所述c类曲线组，得到约束场景的筛选曲线集合，并从所述筛选曲线集合中提取运行数据，以发电机组运行成本和约束场景惩罚成本的总和最小为目标构造目标函数，结合构造的约束条件，构建发电运行模拟模型；
[0044]
新能源承载能力评估模块，用于求解所述发电运行模拟模型得到发电机组组合出力结果，并基于预先定义的新能源承载能力评估指标体系，根据所述发电机组组合出力结果进行新能源承载能力评估，得到新能源承载能力评估结果。
[0045]
本发明的实施例，具有如下有益效果：
[0046]
通过根据预先定义的a类场景聚焦策略，分别确定当前周期获取的每一曲线组的a类运行指标值，从所有曲线组中选择a类运行指标值最高的若干个曲线组作为a类曲线组；其中，每一曲线组均包括一个新能源出力曲线和一个净负荷曲线；根据预先定义的b类场景聚焦策略，分别确定每一曲线组的b类运行指标值，从所有曲线组中选择b类运行指标值最高的若干个曲线组作为b类曲线组；根据预先定义的c类场景聚焦策略，分别确定每一曲线组的c类运行指标值，从所有曲线组中选择c类运行指标值最高的若干个曲线组作为c类曲线组；组合所有a类曲线组、所有b类曲线组、所有c类曲线组，得到约束场景的筛选曲线集合，并从筛选曲线集合中提取运行数据，以发电机组运行成本和约束场景惩罚成本的总和最小为目标构造目标函数，结合构造的约束条件，构建发电运行模拟模型；求解发电运行模拟模型得到发电机组组合出力结果，并基于预先定义的新能源承载能力评估指标体系，根据发电机组组合出力结果进行新能源承载能力评估，得到新能源承载能力评估结果，实现约束场景下的新能源承载能力评估。相比于现有技术，本发明的实施例通过分别根据预先定义的a、b、c类场景聚焦策略，确定当前周期获取的各个曲线组的a、b、c类运行指标值，从所有曲线组中选择a、b、c类运行指标值最高的若干个曲线组作为a、b、c类曲线组，得到约束
场景的筛选曲线集合，根据筛选曲线集合构建发电运行模拟模型，求解得到发电机组组合出力结果，基于预先定义的新能源承载能力评估指标体系，根据发电机组组合出力结果进行新能源承载能力评估，得到新能源承载能力评估结果，从而能够从海量场景中筛选关键的约束场景，针对约束场景高效、全面地评估新能源承载能力。
附图说明
[0047]
图1为本发明第一实施例中的一种基于场景聚焦的新能源承载能力评估方法的流程示意图；
[0048]
图2为本发明第一实施例中示例的调整a、b、c类场景聚焦策略的数据流图；
[0049]
图3为本发明第一实施例中示例的火电机组燃料成本的二次函数线性化的示意图；
[0050]
图4为本发明第一实施例中示例的基于场景聚焦的新能源承载能力评估方法的数据流图；
[0051]
图5为本发明第二实施例中的一种基于场景聚焦的新能源承载能力评估装置的结构示意图。
具体实施方式
[0052]
下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0053]
需要说明的是，文中的步骤编号，仅为了方便具体实施例的解释，不作为限定步骤执行先后顺序的作用。本实施例提供的方法可以由相关的终端设备执行，且下文均以处理器作为执行主体为例进行说明。
[0054]
如图1所示，第一实施例提供一种基于场景聚焦的新能源承载能力评估方法，包括步骤s1～s5：
[0055]
s1、根据预先定义的a类场景聚焦策略，分别确定当前周期获取的每一曲线组的a类运行指标值，从所有曲线组中选择a类运行指标值最高的若干个曲线组作为a类曲线组；其中，每一曲线组均包括多个新能源出力曲线和多个净负荷曲线；
[0056]
s2、根据预先定义的b类场景聚焦策略，分别确定每一曲线组的b类运行指标值，从所有曲线组中选择b类运行指标值最高的若干个曲线组作为b类曲线组；
[0057]
s3、根据预先定义的c类场景聚焦策略，分别确定每一曲线组的c类运行指标值，从所有曲线组中选择c类运行指标值最高的若干个曲线组作为c类曲线组；
[0058]
s4、组合所有a类曲线组、所有b类曲线组、所有c类曲线组，得到约束场景的筛选曲线集合，并从筛选曲线集合中提取运行数据，以发电机组运行成本和约束场景惩罚成本的总和最小为目标构造目标函数，结合构造的约束条件，构建发电运行模拟模型；
[0059]
s5、求解发电运行模拟模型得到发电机组组合出力结果，并基于预先定义的新能源承载能力评估指标体系，根据发电机组组合出力结果进行新能源承载能力评估，得到新能源承载能力评估结果。
[0060]
可以理解的是，采用不同的概率模型或随机过程模型，可以获得海量的新能源出力曲线和负荷曲线，新能源出力曲线和负荷曲线的代数和形成了高比例新能源电力系统的净负荷曲线，是进行发电调度安排的基础。
[0061]
本实施例主要考虑对日调节能力、常规电源备用的挑战性定义约束场景聚焦策略。其中，日调节能力、常规电源备用出现瓶颈的约束场景可分为以下三类：a类：净负荷高峰负荷时段，可能出现常规电源调峰容量/备用不足，导致切负荷；b类：净负荷低谷时段，可能出现常规电源向下调节容量/备用不足，导致弃风弃光；c类：净负荷曲线变化速率太快(向上或向下爬坡)，可能出现常规电源调节速度太慢，导致弃风弃光或者切负荷。
[0062]
作为示例性地，在步骤s1中，整理当前周期获取的所有曲线组，根据预先定义的a类场景聚焦策略，确定当前周期获取的各个曲线组的a类运行指标值，按照a类运行指标值从高到低的顺序排列所有曲线组，从所有曲线组中选择a类运行指标值最高的若干个曲线组作为a类曲线组。
[0063]
在步骤s2中，根据预先定义的b类场景聚焦策略，确定当前周期获取的各个曲线组的b类运行指标值，按照b类运行指标值从高到低的顺序排列所有曲线组，从所有曲线组中选择b类运行指标值最高的若干个曲线组作为b类曲线组。
[0064]
在步骤s3中，根据预先定义的c类场景聚焦策略，确定当前周期获取的各个曲线组的c类运行指标值，按照c类运行指标值从高到低的顺序排列所有曲线组，从所有曲线组中选择c类运行指标值最高的若干个曲线组作为c类曲线组。
[0065]
在步骤s4中，组合所有a类曲线组、所有b类曲线组、所有c类曲线组，得到约束场景的筛选曲线集合，并从筛选曲线集合中提取发电机组出力、负荷功率等运行数据，以发电机组运行成本和约束场景惩罚成本的总和最小为目标构造目标函数，结合构造的发电机组运行约束等约束条件，构建发电运行模拟模型。
[0066]
在步骤s5中，求解发电运行模拟模型得到约束场景下各个发电机组的模拟出力，即发电机组组合出力结果，并基于预先定义的包括有电网源荷特性指标、电力电量充裕性指标、新能源消纳指标、电网运行灵活性指标的新能源承载能力评估指标体系，根据发电机组组合出力结果进行新能源承载能力评估，得到新能源承载能力评估结果。
[0067]
本实施例通过分别根据预先定义的a、b、c类场景聚焦策略，确定当前周期获取的各个曲线组的a、b、c类运行指标值，从所有曲线组中选择a、b、c类运行指标值最高的若干个曲线组作为a、b、c类曲线组，得到约束场景的筛选曲线集合，根据筛选曲线集合构建发电运行模拟模型，求解得到发电机组组合出力结果，基于预先定义的新能源承载能力评估指标体系，根据发电机组组合出力结果进行新能源承载能力评估，得到新能源承载能力评估结果，从而能够从海量场景中筛选关键的约束场景，针对约束场景高效、全面地评估新能源承载能力。
[0068]
在优选的实施例当中，所述根据预先定义的a类场景聚焦策略，分别确定当前周期获取的每一曲线组的a类运行指标值，从所有曲线组中选择a类运行指标值最高的若干个曲线组作为a类曲线组，具体为：根据a类场景聚焦策略中的第一判据，分别确定每一曲线组的新能源小时电量渗透率日峰值，从所有曲线组中选择新能源小时电量渗透率日峰值最高的第一预设数量的曲线组作为a类曲线组；根据a类场景聚焦策略中的第二判据，分别确定每一曲线组的分区域新能源发电功率日峰值，从所有曲线组中选择分区域新能源发电功率日
峰值最高的第二预设数量的曲线组作为a类曲线组；根据a类场景聚焦策略中的第三判据，分别确定每一曲线组与对应负荷曲线的峰荷时间差，从所有曲线组中选择峰荷时间差最高的第三预设数量的曲线组作为a类曲线组；根据a类场景聚焦策略中的第四判据，分别确定每一曲线组的净负荷峰荷值，从所有曲线组中选择净负荷峰荷值最高的第四预设数量的曲线组作为a类曲线组。
[0069]
在优选的实施例当中，所述根据预先定义的b类场景聚焦策略，分别确定每一曲线组的b类运行指标值，从所有曲线组中选择b类运行指标值最高的若干个曲线组作为b类曲线组，具体为：根据b类场景聚焦策略中的第一判据，分别确定每一曲线组的净负荷谷荷值，从所有曲线组中选择净负荷谷荷值最高的第五预设数量的曲线组作为b类曲线组；根据b类场景聚焦策略中的第二判据，分别确定每一曲线组的净负荷峰谷差，从所有曲线组中选择净负荷峰谷差最高的第六预设数量的曲线组作为b类曲线组；根据b类场景聚焦策略中的第三判据，分别确定每一曲线组与对应负荷曲线的谷荷时间差，从所有曲线组中选择谷荷时间差最高的第七预设数量的曲线组作为b类曲线组；根据b类场景聚焦策略中的第四判据，分别确定每一曲线组的净负荷峰谷差变化率，从所有曲线组中选择净负荷峰谷差变化率最高的第八预设数量的曲线组作为b类曲线组。
[0070]
在优选的实施例当中，所述根据预先定义的c类场景聚焦策略，分别确定每一曲线组的c类运行指标值，从所有曲线组中选择c类运行指标值最高的若干个曲线组作为c类曲线组，具体为：根据c类场景聚焦策略中的第一判据，分别确定每一曲线组的净负荷正爬坡速率，从所有曲线组中选择净负荷正爬坡速率最高的第九预设数量的曲线组作为c类曲线组；根据c类场景聚焦策略中的第二判据，分别确定每一曲线组的净负荷负爬坡速率，从所有曲线组中选择净负荷负爬坡速率最高的第十预设数量的曲线组作为c类曲线组；根据c类场景聚焦策略中的第三判据，分别确定每一曲线组的新能源发电功率扰动量，从所有曲线组中选择新能源发电功率扰动量最高的第十一预设数量的曲线组作为c类曲线组；根据c类场景聚焦策略中的第四判据，分别确定每一曲线组的新能源发电功率扰动率，从所有曲线组中选择新能源发电功率扰动率最高的第十二预设数量的曲线组作为c类曲线组。
[0071]
作为示例性地，a、b、c类这三种约束场景显然均与净负荷曲线形状以及发电调度产生的常规电源开机方式有关。为此，预先定义的a、b、c类场景聚焦策略分别如下：
[0072]
a类场景聚焦策略：
[0073]
第一判据：新能源小时电量渗透率日峰值(从高到低)排名前k1的曲线组；
[0074]
第二判据：分区域新能源发电功率日峰值(从高到低)排名前k2的曲线组；
[0075]
第三判据：净负荷曲线与负荷曲线的峰荷时间差(从高到低)排名前k3的曲线组；
[0076]
第四判据：净负荷峰荷值(从高到低)排名前k4的曲线组；
[0077]
b类场景聚焦策略：
[0078]
第一判据：净负荷谷荷值(从低到高)排名前k5的曲线组；
[0079]
第二判据：净负荷峰谷差(从高到低)排名前k6的曲线组；
[0080]
第三判据：净负荷曲线与负荷曲线的谷荷时间差(从高到低)排名前k7的曲线组；
[0081]
第四判据：净负荷峰谷差变化率(从高到低)排名前k8的曲线组；
[0082]
c类场景聚焦策略：
[0083]
第一判据：净负荷正爬坡速率(从高到低)排名前k9的曲线组；
[0084]
第二判据：净负荷负爬坡速率(从高到低)排名前k
10
的曲线组；
[0085]
第三判据：新能源发电功率扰动量(从高到低)排名前k
11
的曲线组；
[0086]
第四判据：新能源发电功率扰动率(从高到低)排名前k
12
的曲线组。
[0087]
其中，新能源小时电量渗透率日峰值采用新能源出力曲线组时间进行积分得到，其他的分区域新能源发电功率日峰值、峰荷时间差、净负荷峰荷值、净负荷谷荷值、净负荷峰谷差、谷荷时间差、净负荷峰谷差变化率、新能源发电功率扰动量、新能源发电功率扰动率可根据新能源出力曲线和负荷曲线直接获得，净负荷正爬坡速率、净负荷负爬坡速率采用1小时内功率变化量计算获得。净负荷是指负荷与新能源出力的差值，峰荷时间差大说明新能源出力影响比较大，可能存在调峰和备用约束。
[0088]
可以理解的是，将k1、k2、
…
、k
12
均设置为初始值3，则在初次筛选曲线组时可以筛选出36个约束场景下的曲线组进行发电调度安排和充裕性、灵活性相关指标集的计算。
[0089]
在优选的实施例当中，所述基于场景聚焦的新能源承载能力评估方法，还包括；以根据a类场景聚焦策略中的第一判据筛选出的曲线组作为第一曲线组，根据发电机组组合出力结果，分别判断根据每一第一曲线组是否出现运行风险，并在判定所有第一曲线组均出现运行风险时，根据预设调整公式调整第一预设数量，在判定所有第一曲线组均不出现运行风险时，从a类场景聚焦策略中删除第一判据；以根据a类场景聚焦策略中的第二判据筛选出的曲线组作为第二曲线组，根据发电机组组合出力结果，分别判断根据每一第二曲线组是否出现运行风险，并在判定所有第二曲线组均出现运行风险时，根据预设调整公式调整第二预设数量，在判定所有第二曲线组均不出现运行风险时，从a类场景聚焦策略中删除第二判据；以根据a类场景聚焦策略中的第三判据筛选出的曲线组作为第三曲线组，根据发电机组组合出力结果，分别判断根据每一第三曲线组是否出现运行风险，并在判定所有第三曲线组均出现运行风险时，根据预设调整公式调整第三预设数量，在判定所有第三曲线组均不出现运行风险时，从a类场景聚焦策略中删除第三判据；以根据a类场景聚焦策略中的第四判据筛选出的曲线组作为第四曲线组，根据发电机组组合出力结果，分别判断根据每一第四曲线组是否出现运行风险，并在判定所有第四曲线组均出现运行风险时，根据预设调整公式调整第四预设数量，在判定所有第四曲线组均不出现运行风险时，从a类场景聚焦策略中删除第四判据。
[0090]
在优选的实施例当中，所述基于场景聚焦的新能源承载能力评估方法，还包括；以根据b类场景聚焦策略中的第一判据筛选出的曲线组作为第五曲线组，根据发电机组组合出力结果，分别判断根据每一第五曲线组是否出现运行风险，并在判定所有第五曲线组均出现运行风险时，根据预设调整公式调整第一预设数量，在判定所有第五曲线组均不出现运行风险时，从b类场景聚焦策略中删除第一判据；以根据b类场景聚焦策略中的第二判据筛选出的曲线组作为第六曲线组，根据发电机组组合出力结果，分别判断根据每一第六曲线组是否出现运行风险，并在判定所有第六曲线组均出现运行风险时，根据预设调整公式调整第二预设数量，在判定所有第六曲线组均不出现运行风险时，从b类场景聚焦策略中删除第二判据；以根据b类场景聚焦策略中的第三判据筛选出的曲线组作为第七曲线组，根据发电机组组合出力结果，分别判断根据每一第七曲线组是否出现运行风险，并在判定所有第七曲线组均出现运行风险时，根据预设调整公式调整第三预设数量，在判定所有第七曲线组均不出现运行风险时，从b类场景聚焦策略中删除第三判据；以根据b类场景聚焦策略
中的第四判据筛选出的曲线组作为第八曲线组，根据发电机组组合出力结果，分别判断根据每一第八曲线组是否出现运行风险，并在判定所有第八曲线组均出现运行风险时，根据预设调整公式调整第四预设数量，在判定所有第八曲线组均不出现运行风险时，从b类场景聚焦策略中删除第四判据。
[0091]
在优选的实施例当中，所述基于场景聚焦的新能源承载能力评估方法，还包括；以根据c类场景聚焦策略中的第一判据筛选出的曲线组作为第九曲线组，根据发电机组组合出力结果，分别判断根据每一第九曲线组是否出现运行风险，并在判定所有第九曲线组均出现运行风险时，根据预设调整公式调整第一预设数量，在判定所有第九曲线组均不出现运行风险时，从c类场景聚焦策略中删除第一判据；以根据c类场景聚焦策略中的第二判据筛选出的曲线组作为第十曲线组，根据发电机组组合出力结果，分别判断根据每一第十曲线组是否出现运行风险，并在判定所有第十曲线组均出现运行风险时，根据预设调整公式调整第二预设数量，在判定所有第十曲线组均不出现运行风险时，从c类场景聚焦策略中删除第二判据；以根据c类场景聚焦策略中的第三判据筛选出的曲线组作为第十一曲线组，根据发电机组组合出力结果，分别判断根据每一第十一曲线组是否出现运行风险，并在判定所有第十一曲线组均出现运行风险时，根据预设调整公式调整第三预设数量，在判定所有第十一曲线组均不出现运行风险时，从c类场景聚焦策略中删除第三判据；以根据c类场景聚焦策略中的第四判据筛选出的曲线组作为第十二曲线组，根据发电机组组合出力结果，分别判断根据每一第十二曲线组是否出现运行风险，并在判定所有第十二曲线组均出现运行风险时，根据预设调整公式调整第四预设数量，在判定所有第十二曲线组均不出现运行风险时，从c类场景聚焦策略中删除第四判据。
[0092]
在优选的实施例当中，预设调整公式为：
[0093]k′i＝2kiꢀꢀ
(1)；
[0094]
其中，i＝1、2、3、4；k1为第一预设数量，k
′1为第一预设数量调整后的数量，k2为第二预设数量，k
′2为第二预设数量调整后的数量；k3为第三预设数量，k
′3为第三预设数量调整后的数量；k4为第四预设数量，k
′4为第四预设数量调整后的数量。
[0095]
作为示例性地，如图2所示，根据发电机组组合出力结果，分别判断a、b、c类场景聚焦策略中各个判据获得的所有曲线组是否均出现切负荷或者弃光弃风弃水的运行风险，若有一判据获得的所有曲线组均出现运行风险，则调整该判据对应的曲线组筛选数量，以再次根据该判据从下一周期获取的所有曲线组中选择调整后的曲线组筛选数量的曲线组；若有一判据获得的所有曲线组不都出现运行风险，即仅有部分曲线组出现运行风险，则保持该判据对应的曲线组筛选数量不变，以再次根据该判据从下一周期获取的所有曲线组中选择曲线组筛选数量的曲线组；若有一判据获得的所有曲线组均不出现运行风险，则从a/b/c类场景聚焦策略中删除该判据，以不再根据该判据从下一周期获取的所有曲线组中选择曲线组。
[0096]
本实施例通过根据发电机组组合出力结果对a、b、c类场景聚焦策略中各个判据获得的所有曲线组的运行影响来调整a、b、c类场景聚焦策略，有利于后续快速从海量场景中筛选关键的约束场景。
[0097]
在优选的实施例当中，目标函数为：
[0098][0099]
其中，f1为发电机组发电成本；为发电机组开停机成本；为发电机组出力爬坡成本，f4为储能发电成本；f5为约束场景惩罚成本；f
β
为关于旋转备用系数β的奖励成本。
[0100]
作为示例性地，考虑到火电机组(包括燃煤、调峰燃气、热电燃气)及抽水蓄能机组运行成本经济性及优先消纳清洁能源的导向，将目标函数设置为发电机组运行成本最小的同时引入四个弃电惩罚因子对切负荷和弃光弃风弃水的约束场景进行惩罚，其中综合成本包括火电机组发电成本、火电机组开停机成本、火电机组出力爬坡成本、抽水蓄能机组等储能发电成本以及约束场景惩罚成本，即目标函数为：
[0101][0102]
式(2)中，f1为发电机组(火电机组)发电成本；为发电机组(火电机组)开停机成本；为发电机组(火电机组)出力爬坡成本，f4为储能(抽水蓄能机组、核电)发电成本；f5为约束场景惩罚成本；f
β
为关于旋转备用系数β的奖励成本。
[0103]
火电机组发电成本为：
[0104]
f1(p
g,t
)＝ag(p
g,t
)2+bgp
g,t
+cgꢀꢀ
(3)；
[0105]
式(3)中，ag、bg、cg分别为火电机组g燃料成本与发电功率的二次函数关系式的二次项、一次项和常数项系数；p
g,t
为火电机组g在时间t的出力。
[0106]
表示火电机组燃料成本的二次函数可以通过分段线性化的方法进行处理，假设火电机组的出力区间为[p
min
，p
max
]，用n+1个点x0≤x1≤
…
≤xk≤
…
≤xn(其中x0＝p
min
，xn＝p
max
)，将该区间等分为n个小区间，如图3所示。
[0107]
对于每个小区间内的二次函数值可以用割线进行近似线性化：
[0108][0109]
式(4)中，xk≤x≤x
k+1
。
[0110]
火电机组开停机成本为：
[0111][0112]
式(5)中，为火电机组g的开停机总成本；分别为火电机组g在时间t的开机成本和停机成本，t为时间，t为周期。
[0113]
火电机组出力爬坡成本为：
[0114][0115]
式(6)中，为火电机组g的爬坡总成本，p
g,t
为火电机组g在时间t的运行总出力。
[0116]
抽水蓄能、核电发电成本为：
[0117]
f4＝∑c
ps
·
p
ps,t
+∑c
nc
·
p
nc,t
ꢀꢀ
(7)；
[0118]
式(7)中，c
ps
、c
nc
分别为抽水蓄能机组和核电机组的单位发电成本，单位是元/mw；p
ps,t
、p
nc,t
分别为抽水蓄能机组和核电机组在时间t的运行总出力。
[0119]
约束场景惩罚成本为：
[0120][0121]
式(8)中，c
pl,cut
、c
i,cut
分别为切负荷和灵活性资源弃电的惩罚成本(i分别取风电、光伏、小水电三种类型)；分别为在时间t的负荷切除功率和灵活性资源的弃电功率。
[0122]
在优选的实施例当中，约束条件包括发电机组运行约束和储能运行约束。
[0123]
作为示例性地，考虑到一个区域内机组数量较多，若对各个机组每个时刻的运行情况都进行模拟，对计算机的配置要求较高，且运行速度将随时间的增长呈指数级的下降。基于此，本实施例在处理机组出力时运用机组等效聚合的思想，将火电机组和抽水蓄能机组按机组的类型、容量、运行特性进行聚类以简化机组运行模拟的过程。下面对聚合火电机组和聚合抽水蓄能机组的运行情况进行约束。
[0124]
对于发电机组运行约束：
[0125]
本实施例将火电机组按类型分为燃煤机组、调峰燃气机组和热电燃气机组来建立聚合火电机组的运行约束：
[0126]
1、聚合机组出力上下限约束：
[0127]
对于燃煤机组和调峰燃气机组，出力上下限约束如下：
[0128][0129]
式(9)中，t为时间；g为聚合机组类型序号，可表示燃煤机组、调峰燃气机组和热电燃气机组；p
g,t
为聚合的燃气机组或燃煤机组在时间t的运行总出力；s
g,t
为聚合火电机组在时间t的开机总数；分别为聚合火电机组在时间t的单机最大发电功率和最小发电功率；
[0130]
对于热电燃气机组，除了满足式(5)约束外，还应满足供热负荷的基本要求曲线，即：
[0131]
p
g,t
≥p
hl,t
ꢀꢀ
(10)；
[0132]
式(10)中，p
hl,t
是在时间t的供热负荷值。
[0133]
2、聚合机组爬坡约束：
[0134]
对各类机组，需要满足爬坡约束，即正常运行状态时功率变化不能超过爬坡速率，但在开停机时可突破爬坡速率限制，即：
[0135][0136][0137]
式(11)、(12)中，u
g,max
、d
g,max
分别为聚合火电机组在相邻时段单机爬坡最大功率和滑坡最大功率；s
g,t
、s
g,t-1
分别为火电机组在时间t、时间t-1的开机台数。
[0138]
3、聚合机组启停约束：
[0139][0140]
式(13)中，分别为聚合火电机组在时间t的最小、最大开机台数。
[0141]
4、聚合机组开机时长约束：
[0142]
由于只做一天内的发电调度，不需要考虑煤电的启停时间约束(启停的间隔至少3天以上)，因此按照一天内煤电的启/停状态不变作为约束，对于燃煤机组，限制一天中火电燃煤自第一时刻开机后不再关停，即：
[0143]sg,t-s
g,t-1
＝0
ꢀꢀ
(14)；
[0144]
对于调峰燃气机组和热电燃气机组，由于启停方便，对开机时长不做约束。
[0145]
5、火电机组启停机成本约束：
[0146]
开机成本约束：
[0147][0148][0149][0150]
停机成本约束：
[0151][0152]coff,1
＝0
ꢀꢀ
(19)；
[0153][0154]
公式(10)-(15)中，分别为聚合火电机组在时间t的开机成本和停机成本；是火电机组的单位开停机成本，单位是元/mw。
[0155]
火电机组启停机成本约束：
[0156][0157]
式(21)中，j为聚合火电机组的类型型号，n为燃煤/燃气机组的聚类数，p
install
为对应火电机组类型的装机容量。
[0158]
对于储能运行约束：
[0159]
抽水蓄能机组有两种工作状态：抽水状态和发电状态，由于抽水蓄能机组几乎没有出力上下限的限制，所以直接将区域中所有抽水蓄能机组等效成一台超大容量的抽水蓄能机组，具体运行条件约束如下：
[0160]
1、抽水蓄能机组出力上下限约束：
[0161]-p
up
≤p
ps,t
≤p
up
ꢀꢀ
(22)；
[0162]
式(22)中，p
up
为等效抽水蓄能机组的出力上限值，其值等于抽水蓄能的装机容量。
[0163]
2、抽蓄机组水库容量约束：
[0164]
设置一个系数α，令：
[0165][0166]
α
·
0.25t
·
(-p
up
)≤w
ps,sum
≤α
·
0.25t
·
p
up
ꢀꢀ
(24)；
[0167]
式(23)、(24)中，w
ps,sum
为抽水蓄能机组一天的等效发电量/抽水量；系数α实际上是对抽水蓄能机组能够连续抽水/发电的总量的限制。
[0168]
对于其他运行约束：
[0169]
1、正负旋转备用约束：
[0170][0171][0172]
式(25)、(26)中，p
g,max
为各类型机组的出力上限值，p
g,min
为各类型机组的出力下限值，p
l,t
为在时间t的负荷值，0≤β≤0.05。
[0173]
2、灵活性资源约束及负荷约束：
[0174][0175]
式(27)中，i取风电、光伏、小水电或负荷，为某类电源在时间t的弃电功率或负荷切除功率；p
it
为对应电源或负荷在时间t的出力或负荷值。
[0176]
3、功率平衡约束：
[0177][0178]
式(28)中，为风电、光伏、小水电在时间t的实际出力；为西电东送曲线在t时刻的功率值。
[0179]
在优选的实施例当中，新能源承载能力评估指标体系包括电网源荷特性指标、电力电量充裕性指标、新能源消纳指标、电网运行灵活性指标。
[0180]
作为示例性地，从四个方面建立新能源承载能力评估指标体系，评估电网承担高比例新能源接入对电网供电能力、可靠性和运行安全性的影响。新能源承载能力评估指标体系设计如下：
[0181]
1、电网源荷特性指标(可按1月-12月逐月统计)：新能源发电日电量均值和方差；新能源发电日电量曲线(以小时为单位)均值和方差；新能源小时电量渗透率均值曲线；新能源电量渗透率；新能源发电功率扰动量与扰动率；新能源-负荷时序相关系数；净负荷峰谷差和峰谷差变化率；净负荷正/负爬坡速率变化率；
[0182]
2、电力电量充裕性指标(可按1月-12月逐月统计)：电力不足概率(失负荷概率，loss of load probability，lolp)；电力不足期望值；停电功率期望值(expected power not supplied，epns)；电源不足导致的缺供电量期望值；电力不足频率；平均电力不足持续时间；
[0183]
3、新能源消纳指标(可按年或按月统计)：新能源电量消纳率/弃电量/弃电率；新
能源消纳电量；风电/光伏弃电概率；风电/光伏弃电功率期望值；风电/光伏弃电量期望值；风电/光伏平均弃电持续时间；风电/光伏弃电频率；
[0184]
4、电网运行灵活性指标(可按年或按月统计)：灵活调节电源比例；(向上/向下)灵活性不足概率；(向上/向下)灵活性不足期望；平均(向上/向下)调节能力不足持续时间；(向上/向下)调节能力不足频率；上调旋转备用率；下调备用率。
[0185]
本实施例通过从电网源荷特性指标、电力电量充裕性指标、新能源消纳指标、电网运行灵活性指标四个方面建立新能源承载能力评估指标体系，能够针对约束场景高效、全面地评估新能源承载能力。
[0186]
为验证第一实施例提供的基于场景聚焦的新能源承载能力评估方法的有效性，并基于实际数据分析电网新能源承载能力指标，将基于海量新能源-负荷场景生成
→
约束性日场景聚焦
→
日运行方式模拟
→
新能源承载能力指标分析的思路，形成2020年广东电网考虑日调节能力约束的承载能力指标分析实例，实现流程思路具体如图4所示。
[0187]
经过验证可知，应用第一实施例提供的基于场景聚焦的新能源承载能力评估方法，具有以下优点：
[0188]
1、采用日发电调度计划的优化制订与运行方式模拟的方法对电网的运行实施仿真分析，可较为准确地计算出电网的运行状态及新能源承载能力评估；
[0189]
2、可对海量运行场景进行归纳总结，总结出调峰和备用约束的关键特性，并对其进行量化；
[0190]
3、可从海量运行场景中筛选和聚焦调峰和备用约束性场景，在降低需要分析的场景个数的同时，保留了调峰和备用约束场景的关键特征，降低了分析的计算量；
[0191]
4、海量场景采用排序的方法进行筛选，其筛选的准确度较高，并且主要关心运行曲线的峰谷差，计算量相对较小；
[0192]
5、从新能源消纳、电网运行灵活性、电网源荷特性、电力电量充裕性四个方面，提出了若干评估新能源承载能力的量化指标，使新能源承载能力的评估不再局限于新能源的消纳能力。
[0193]
基于与第一实施例相同的发明构思，第二实施例提供如图5所示的一种基于场景聚焦的新能源承载能力评估装置，包括：a类场景聚焦模块21，用于根据预先定义的a类场景聚焦策略，分别确定当前周期获取的每一曲线组的a类运行指标值，从所有曲线组中选择a类运行指标值最高的若干个曲线组作为a类曲线组；其中，每一曲线组均包括多个新能源出力曲线和多个净负荷曲线；b类场景聚焦模块22，用于根据预先定义的b类场景聚焦策略，分别确定每一曲线组的b类运行指标值，从所有曲线组中选择b类运行指标值最高的若干个曲线组作为b类曲线组；c类场景聚焦模块23，用于根据预先定义的c类场景聚焦策略，分别确定每一曲线组的c类运行指标值，从所有曲线组中选择c类运行指标值最高的若干个曲线组作为c类曲线组；发电运行模拟模型构建模块24，用于组合所有a类曲线组、所有b类曲线组、所有c类曲线组，得到约束场景的筛选曲线集合，并从筛选曲线集合中提取运行数据，以发电机组运行成本和约束场景惩罚成本的总和最小为目标构造目标函数，结合构造的约束条件，构建发电运行模拟模型；新能源承载能力评估模块25，用于求解发电运行模拟模型得到发电机组组合出力结果，并基于预先定义的新能源承载能力评估指标体系，根据发电机组组合出力结果进行新能源承载能力评估，得到新能源承载能力评估结果。
[0194]
在优选的实施例当中，a类场景聚焦模块21，具体用于：根据a类场景聚焦策略中的第一判据，分别确定每一曲线组的新能源小时电量渗透率日峰值，从所有曲线组中选择新能源小时电量渗透率日峰值最高的第一预设数量的曲线组作为a类曲线组；根据a类场景聚焦策略中的第二判据，分别确定每一曲线组的分区域新能源发电功率日峰值，从所有曲线组中选择分区域新能源发电功率日峰值最高的第二预设数量的曲线组作为a类曲线组；根据a类场景聚焦策略中的第三判据，分别确定每一曲线组与对应负荷曲线的峰荷时间差，从所有曲线组中选择峰荷时间差最高的第三预设数量的曲线组作为a类曲线组；根据a类场景聚焦策略中的第四判据，分别确定每一曲线组的净负荷峰荷值，从所有曲线组中选择净负荷峰荷值最高的第四预设数量的曲线组作为a类曲线组。
[0195]
在优选的实施例当中，b类场景聚焦模块22，具体用于：根据b类场景聚焦策略中的第一判据，分别确定每一曲线组的净负荷谷荷值，从所有曲线组中选择净负荷谷荷值最高的第五预设数量的曲线组作为b类曲线组；根据b类场景聚焦策略中的第二判据，分别确定每一曲线组的净负荷峰谷差，从所有曲线组中选择净负荷峰谷差最高的第六预设数量的曲线组作为b类曲线组；根据b类场景聚焦策略中的第三判据，分别确定每一曲线组与对应负荷曲线的谷荷时间差，从所有曲线组中选择谷荷时间差最高的第七预设数量的曲线组作为b类曲线组；根据b类场景聚焦策略中的第四判据，分别确定每一曲线组的净负荷峰谷差变化率，从所有曲线组中选择净负荷峰谷差变化率最高的第八预设数量的曲线组作为b类曲线组。
[0196]
在优选的实施例当中，c类场景聚焦模块23，具体用于：根据c类场景聚焦策略中的第一判据，分别确定每一曲线组的净负荷正爬坡速率，从所有曲线组中选择净负荷正爬坡速率最高的第九预设数量的曲线组作为c类曲线组；根据c类场景聚焦策略中的第二判据，分别确定每一曲线组的净负荷负爬坡速率，从所有曲线组中选择净负荷负爬坡速率最高的第十预设数量的曲线组作为c类曲线组；根据c类场景聚焦策略中的第三判据，分别确定每一曲线组的新能源发电功率扰动量，从所有曲线组中选择新能源发电功率扰动量最高的第十一预设数量的曲线组作为c类曲线组；根据c类场景聚焦策略中的第四判据，分别确定每一曲线组的新能源发电功率扰动率，从所有曲线组中选择新能源发电功率扰动率最高的第十二预设数量的曲线组作为c类曲线组。
[0197]
在优选的实施例当中，所述基于场景聚焦的新能源承载能力评估装置，还包括场景聚焦策略调整模块，用于：以根据a类场景聚焦策略中的第一判据筛选出的曲线组作为第一曲线组，根据发电机组组合出力结果，分别判断根据每一第一曲线组是否出现运行风险，并在判定所有第一曲线组均出现运行风险时，根据预设调整公式调整第一预设数量，在判定所有第一曲线组均不出现运行风险时，从a类场景聚焦策略中删除第一判据；以根据a类场景聚焦策略中的第二判据筛选出的曲线组作为第二曲线组，根据发电机组组合出力结果，分别判断根据每一第二曲线组是否出现运行风险，并在判定所有第二曲线组均出现运行风险时，根据预设调整公式调整第二预设数量，在判定所有第二曲线组均不出现运行风险时，从a类场景聚焦策略中删除第二判据；以根据a类场景聚焦策略中的第三判据筛选出的曲线组作为第三曲线组，根据发电机组组合出力结果，分别判断根据每一第三曲线组是否出现运行风险，并在判定所有第三曲线组均出现运行风险时，根据预设调整公式调整第三预设数量，在判定所有第三曲线组均不出现运行风险时，从a类场景聚焦策略中删除第三
判据；以根据a类场景聚焦策略中的第四判据筛选出的曲线组作为第四曲线组，根据发电机组组合出力结果，分别判断根据每一第四曲线组是否出现运行风险，并在判定所有第四曲线组均出现运行风险时，根据预设调整公式调整第四预设数量，在判定所有第四曲线组均不出现运行风险时，从a类场景聚焦策略中删除第四判据。
[0198]
在优选的实施例当中，预设调整公式为：
[0199]k′i＝2kiꢀꢀ
(29)；
[0200]
其中，i＝1、2、3、4；k1为第一预设数量，k
′1为第一预设数量调整后的数量，k2为第二预设数量，k
′2为第二预设数量调整后的数量；k3为第三预设数量，k
′3为第三预设数量调整后的数量；k4为第四预设数量，k
′4为第四预设数量调整后的数量。
[0201]
在优选的实施例当中，目标函数为：
[0202][0203]
其中，f1为发电机组发电成本；为发电机组开停机成本；为发电机组出力爬坡成本，f4为储能发电成本；f5为约束场景惩罚成本；f
β
为关于旋转备用系数β的奖励成本。
[0204]
在优选的实施例当中，约束条件包括发电机组运行约束和储能运行约束。
[0205]
在优选的实施例当中，新能源承载能力评估指标体系包括电网源荷特性指标、电力电量充裕性指标、新能源消纳指标、电网运行灵活性指标。
[0206]
综上所述，实施本发明的实施例，具有如下有益效果：
[0207]
通过根据预先定义的a类场景聚焦策略，分别确定当前周期获取的每一曲线组的a类运行指标值，从所有曲线组中选择a类运行指标值最高的若干个曲线组作为a类曲线组；根据预先定义的b类场景聚焦策略，分别确定每一曲线组的b类运行指标值，从所有曲线组中选择b类运行指标值最高的若干个曲线组作为b类曲线组；根据预先定义的c类场景聚焦策略，分别确定每一曲线组的c类运行指标值，从所有曲线组中选择c类运行指标值最高的若干个曲线组作为c类曲线组；组合所有a类曲线组、所有b类曲线组、所有c类曲线组，得到约束场景的筛选曲线集合，并从筛选曲线集合中提取运行数据，以发电机组运行成本和约束场景惩罚成本的总和最小为目标构造目标函数，结合构造的约束条件，构建发电运行模拟模型；求解发电运行模拟模型得到发电机组组合出力结果，并基于预先定义的新能源承载能力评估指标体系，根据发电机组组合出力结果进行新能源承载能力评估，得到新能源承载能力评估结果，实现约束场景下的新能源承载能力评估。本发明的实施例通过分别根据预先定义的a、b、c类场景聚焦策略，确定当前周期获取的各个曲线组的a、b、c类运行指标值，从所有曲线组中选择a、b、c类运行指标值最高的若干个曲线组作为a、b、c类曲线组，得到约束场景的筛选曲线集合，根据筛选曲线集合构建发电运行模拟模型，求解得到发电机组组合出力结果，基于预先定义的新能源承载能力评估指标体系，根据发电机组组合出力结果进行新能源承载能力评估，得到新能源承载能力评估结果，从而能够从海量场景中筛选关键的约束场景，针对约束场景高效、全面地评估新能源承载能力。
[0208]
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
[0209]
本领域普通技术人员可以理解实现上述实施例中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)或随机存储记忆体(random access memory，ram)等。