本发明涉及电力系统新能源消纳能力提升,尤其涉及一种储能容量决策方法。
背景技术:
1、近年来,随着全球经济的快速发展和人民生活水平的提高,电力需求不断增加。同时,由于环境问题日益突出,全球各国都在加快新能源的开发和利用,逐步减少对传统化石能源的依赖。然而,新能源的波动性和不确定性给电力系统的稳定性带来了巨大挑战。储能技术作为一种高效、灵活的能量存储方式,在提高电力系统灵活性、降低风险、提高可靠性等方面发挥着重要作用。
2、然而,现有技术对于高比例新能源接入系统的储能容量配置问题,通常考虑风光荷的场景,未能考虑火电机组的影响;其次,现有技术难以在克服新能源的波动性和不确定性的同时,为电力系统降低环境风险,从而未能为电力系统提供可靠的可持续发展的储能容量决策;并且,现有技术通过单项指标对生产模拟进行评价,难以从整体综合多个影响储能决策的因素,导致得到的新能源电力系统的储能容量决策不够精确。
技术实现思路
1、本发明的目的是针对上述现有技术的不足,提出一种储能容量决策方法,能够综合考虑多个影响储能决策的因素,能够为新能源电力系统提供精准的储能容量决策。
2、本发明提供了一种储能容量决策方法,包括:
3、获取新能源出力及负荷预测值和新能源出力及负荷实际值,并根据所述新能源出力及负荷预测值和所述新能源出力及负荷实际值,建立实际随机变量与预测随机变量的联合概率密度函数;其中,所述预测随机变量是根据新能源出力及负荷实际值的时延数据得到的;
4、根据所述联合概率密度函数,对预测随机变量的第一条件概率密度函数进行滚动修正,得到修正后的第二条件概率模型,并根据所述第二条件概率模型,得到预测的不确定因素时序场景;
5、建立因素集和评价集对所述不确定因素时序场景的生产模拟结果进行多维度评价,对得到的储能配比评价结果进行统计,得到最优的储能容量配比结果,并根据所述储能容量配比结果对新能源电力系统进行储能容量决策。
6、本发明采用对根据新能源及负荷预测值的条件概率密度函数进行修正,能够提高根据条件概率密度函数建立的不确定因素时序场景的精确度,从而提高不确定场景因素的储能容量决策的精准度;并且,通过对生产模拟结果进行多维度评价,能够综合更多的对储能容量配比的影响因素,从而提高根据储能容量配比结果对新能源电力系统进行储能容量决策的准确度。
7、进一步,所述根据所述联合概率密度函数,对预测随机变量的第一条件概率密度函数进行滚动修正,得到修正后的第二条件概率模型,包括:
8、根据获取的新能源出力及负荷预测值和新能源出力及负荷实际值,为实际随机变量和预测随机变量分别建立对应的概率密度函数和概率分布函数;
9、根据所述联合概率密度函数、得到的概率密度函数和概率分布函数,在所述实际随机变量为变化的新能源出力及负荷实际值情况下,对所述预测随机变量的第一条件概率密度函数进行滚动修正,得到所述预测随机变量的概率密度函数累乘表示的第二条件概率模型。
10、本发明采用分别获取实际随机变量和预测随机变量的概率分布函数和概率密度函数,以刻画实际随机变量和预测随机变量之间的相关程度,能够精确构建预测随机变量的概率密度函数,从而提高根据预测随机变量建立的不确定因素时序场景,进而提高根据储能容量配比结果对新能源电力系统进行储能容量决策的准确度。
11、进一步,在所述对所述预测随机变量的第一条件概率密度函数进行滚动修正之前,还包括:
12、根据获取的新能源出力及负荷预测值和新能源出力及负荷实际值,分别建立对应的边缘概率模型,并根据得到的边缘概率模型,在已知所述新能源出力及负荷实际值发生变化时,建立预测随机变量的第一条件概率密度函数。
13、进一步,所述根据所述第二条件概率模型,得到预测的不确定因素时序场景,包括:
14、根据所述第二条件概率模型,按照预设的采样场景数,对每个采样场景,都获取多个连续时序时刻下的采样场景,得到预测的不确定因素时序场景。
15、进一步,所述根据所述第二条件概率模型,按照预设的采样场景数,对每个采样场景,都获取多个连续时序时刻下的采样场景,得到预测的不确定因素时序场景,包括:
16、根据采样场景和初始时序时刻,获取时序新能源出力及负荷,获取所述时序新能源出力及负荷的时序条件概率密度函数;其中,所述时序条件概率密度函数是根据所述第二条件概率模型得到的;
17、对所述时序条件概率密度函数进行切片采样,得到新能源出力及负荷样本;
18、更新初始时序时刻为下一时序时刻,并重新求解对应的新能源出力及负荷样本,直到下一时序时刻达到预设的时序时刻数;
19、将在预设的时序时刻数下的多个新能源出力及负荷样本进行组合,得到采样场景对应的时序场景,并对采样场景进行更新,直到采样次数达到所述采样场景数。
20、本发明采用对每个采样场景和每个采样场景对应的时序场景进行切片采样,能够精确刻画每个时序时刻下的样本,从而提高根据储能容量配比结果对新能源电力系统进行储能容量决策的准确度。
21、进一步,在所述建立因素集和评价集对所述不确定因素时序场景的生产模拟结果进行多维度评价之前,包括:根据所述不确定因素时序场景,对新能源电力系统进行时序随机生产模拟;其中,所述新能源电力系统包括:负荷模型、火电机组状态模型、风电出力模型和光伏出力模型;所述时序随机生产模拟具体为:
22、获取所述新能源电力系统的水平年数据;其中,所述水平年数据包括:新能源电源数据、火电机组数据、检修数据和负荷数据;
23、将所述检修数据的检修时间尺度与仿真时间进行时间尺度转化,得到火电机组的可用出力数据;
24、获取区域内发电历史数据,并根据所述发电历史数据,构建所述新能源电力系统的风电电源的第一置信容量出力曲线和光伏的第二置信容量出力曲线;
25、分别根据所述第一置信容量出力曲线和所述第二置信容量出力曲线进行逐时采样,得到新能源实际出力;所述新能源实际出力包括风电实际出力和光伏实际出力;
26、根据所述新能源实际出力,基于蒙特卡洛模拟法进行生产模拟,得到所述新能源电力系统在不确定因素时序场景下的时序随机生产模拟结果。
27、本发明采用对同时包含负荷模型、火电机组状态模型、风电出力模型和光伏出力模型的新能源电力系统进行时序随机生产模拟,能够构建更加复杂和真实的应用场景,具有更高的适用性。
28、进一步,所述根据所述新能源实际出力,基于蒙特卡洛模拟法进行生产模拟,得到所述新能源电力系统在不确定因素时序场景下的时序随机生产模拟结果,包括:
29、以月为单位获取新能源实际出力,并根据电力平衡约束,统计非新能源机组出力和新能源电源弃电功率;
30、统计每年的新能源实际出力、非新能源机组出力和新能源电源弃电功率得到的月生产模拟指标,获取年生产模拟指标,若满足预设条件,则得到所述新能源电力系统的时序随机生产模拟结果。
31、进一步,所述建立因素集和评价集对所述不确定因素时序场景的生产模拟结果进行多维度评价,包括:
32、根据所述新能源电力系统的生产模拟指标建立因素集、评价集和权重集;其中,所述指标包括:电量平衡概率、弃电概率和限电概率;
33、将所述评价集与所述因素集的模糊关系矩阵与所述权重集进行模糊综合评价运算,得到模糊评价;
34、根据所述模糊评价与所述评价集的点积,得到综合评价结果,并对所述综合评价结果进行列表分析,并统计不同配比情况下的评分,得到最优的储能配比评价结果。
35、优选地,所述第二条件概率模型可以表示为:
36、
37、其中,cw为w维高斯copula函数,x为w个同类型实际随机变量组成的随机向量,y为w个同类型预测随机变量组成的随机向量,x和y为相应的自变量向量;c2w为2w维高斯copula函数;fcw(xw0)和fc1(yw)分别为第w个实际随机变量xw0的累积分布函数和预测随机变量yw的累积分布函数;ffw(yw)为第w个预测随机变量yw的概率密度函数。
38、优选地,所述联合概率密度函数可以表示为:
39、
40、其中,x为w个同类型实际随机变量的随机向量,y为w个同类型预测随机变量的随机向量,x和y为相应的自变量向量;c2w为2w维高斯copula函数;fcw(xw0)和fc1(yw)分别为第w个实际随机变量xw0的累积分布函数和预测随机变量yw的累积分布函数;ffw(yw)为第w个预测随机变量yw的概率密度函数;ρ为高斯copula中描述相关性的系数矩阵;i为单位矩阵;det(·)为求方阵对应行列式的值;φ为标准正态分布的累积分布函数的矩阵。