一种大型新能源基地供电能力预测方法及系统与流程

本发明涉及新能源基地供电能力预测的，尤其涉及一种大型新能源基地供电能力预测方法及系统。

背景技术：

1、近年来，新能源发电持续快速增长，全国新能源累计装机容量突破6亿kw。截至2021年底，我国风电、光伏发电装机容量均突破3亿kw，新能源发电累计装机容量达6.4亿kw，同比增长19％，占全国总装机容量的比重达到26.7％。12个省份新能源发电装机容量占比超过30％。新能源发电新增装机容量10250万kw，占全国电源总新增装机容量的58％。23个省区新能源发电装机成为第一、第二大电源。风电和太阳能发电装机均保持快速增长。海上风电累计装机容量快速增加，累计装机规模跃居世界第一，新增装机容量翻番。分布式光伏发电累计装机规模突破1亿kw。

2、风电和光伏等新能源的发电量与自然环境，尤其是天气条件关系密切。通过天气预报数据和新能源出力曲线可以实现对风电和光伏发电量的预测，从而为电力系统调度提供参考。然而目前的数值天气预报的预报时间点相隔太长，导致对于风电和光伏出力预测的精度不高，调度人员难以根据预测得到的预测数据合理地调度风电和光伏等新能源参与电力系统运行。

技术实现思路

1、本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

2、鉴于上述现有存在的问题，提出了本发明。

3、因此，本发明目的是提供一种大型新能源基地供电能力预测方法及系统，解决目前的数值天气预报的预报时间点相隔太长，导致对于风电和光伏出力预测的精度不高，调度人员难以根据预测得到的预测数据合理地调度风电和光伏等新能源参与电力系统运行的问题。

4、为解决上述技术问题，本发明提供如下技术方案：

5、第一方面，本发明实施例提供了一种大型新能源基地供电能力预测方法，包括：

6、采集并选取用于提升数值天气预报的预报频率的历史天气数据；

7、将所述历史天气数据插入到预报天气数据中，并通过拉格朗日插值法拟合高频数值天气预报数据的曲线；

8、建立风电场和光伏电站的出力模型，根据历史电力数据和天气数据修正建立的出力模型，并结合得到的高频数值天气预报数据计算风电场和光伏电站的出力；

9、根据所述风电场和光伏电站的出力，计算风电场和光伏电站的各项供电指标；

10、根据所述各项供电能力指标分析其对用新能源基底的供电能力。

11、作为本发明所述的一种大型新能源基地供电能力预测方法，其中：采集并选取用于提升数值天气预报的预报频率的历史天气数据包括，

12、获取历史天气数据，得到历史天气数据的曲线；

13、定位于天气预报的预报时间点，对比预报时间点的历史天气数据和预报天气数据如下：

14、计算预报时间点处历史天气数据与预报天气数据的契合度；

15、将所述契合度按照顺序从小到大排序，按需选取一定数量的契合度最小的日期的历史天气数据。

16、作为本发明所述的一种大型新能源基地供电能力预测方法，其中：计算预报时间点处历史天气数据与预报天气数据的契合度包括，

17、通过历史天气数据和预报天气数据按照下式计算预报数据与历史天气数据的契合度：

18、

19、其中，errordate表示日期为date的历史数据与预报数据的切合度，设数值天气预报的数据点分别为(x1,y1)，…，(xi,yi)，…，(xm,ym)，x和y分别表示时刻及其对应的天气数据，下标i表示时刻序号，m表示预报时刻数，历史数据点为上标date表示日期，下标j表示时刻序号，n表示历史数据记录的时刻数。

20、作为本发明所述的一种大型新能源基地供电能力预测方法，其中：通过拉格朗日插值法拟合高频数值天气预报数据的曲线包括，

21、所述拉格朗日插值法通过用多项式函数，连续穿过给定的离散点，拟合穿越给定点的可能的目标曲线；

22、设选取的某同一天的历史天气数据点为(xm+1,ym+1)，…，(xm+s,ym+s)，高频数值天气预报数据关于时间的函数为y(x)，其具体表达式为：

23、

24、

25、其中，s表示选取的除预报时间点的之外的数据的数量，li(x)表示插值基函数。

26、作为本发明所述的一种大型新能源基地供电能力预测方法，其中：建立风电场和光伏电站的出力模型，根据历史电力数据和天气数据修正建立的出力模型包括，

27、在软件pss/e中建立风力发电系统和光伏发电系统的模型；

28、采用pss/e自定义模块功能，以pss/e模型库中双馈风力发电机模型为基础，在桨叶控制系统中自定义风速输入，经过各个模块的运算得到风速对应的风机功率输出；

29、引入历史风速和风机输出功率，调整风力发电系统模型的内部参数；

30、将高频数值天气预报中的太阳辐照强度输入到光伏电池板输出曲线模型中，经过相关模型的计算获得光伏发电系统的输出功率；

31、引入历史太阳辐照强度数据和对应的光伏输出功率，调整光伏发电系统模型的内部参数。

32、作为本发明所述的一种大型新能源基地供电能力预测方法，其中：所述供电指标为供电能力期望值、最大供电能力和最小供电能力。

33、作为本发明所述的一种大型新能源基地供电能力预测方法，其中：计算风电场和光伏电站的各项供电指标包括，

34、供电能力期望值的计算方式如下：

35、

36、其中，eexp表示风电场或光伏电站的供电能力期望值，n代表风电场的风机数量，t表示风机的编号，nd表示全天的高频天气预报的预报时间段数量，t表示时间段的编号，表示每个时刻的风机输出功率平均值，δtt表示第t各时间段的时间长度；

37、风机输出功率平均值的计算方式如下：

38、

39、其中，和分别表示风机的最大输出功率和最小输出功率。

40、所述最大供电能力和最小供电能力的计算方式如下：

41、

42、

43、其中，emax和emin分别表示风电场或光伏电站的最大和最小出力。

44、第二方面，本发明实施例提供了一种大型新能源基地供电能力预测系统，包括，

45、采集模块，采集并选取用于提升数值天气预报的预报频率的历史天气数据；

46、拟合模块，将所述历史天气数据插入到预报天气数据中，并通过拉格朗日插值法拟合高频数值天气预报数据的曲线；

47、模型搭建模块，建立风电场和光伏电站的出力模型，根据历史电力数据和天气数据修正建立的出力模型，并结合得到的高频数值天气预报数据计算风电场和光伏电站的出力；

48、计算模块，根据所述风电场和光伏电站的出力，计算风电场和光伏电站的各项供电指标；

49、分析模块，根据所述各项供电能力指标分析其对用新能源基底的供电能力。

50、第三方面，本发明实施例提供了一种计算设备，包括：

51、存储器和处理器；

52、所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任一实施例所述的一种大型新能源基地供电能力预测方法。

53、第四方面，本发明实施例提供了一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现所述一种大型新能源基地供电能力预测方法。

54、本发明的有益效果：本发明利用拉格朗日插值法提高数值天气预报的预报频率，使得数值天气预报与电力数据全天候对应，从而实现对新能源基地的全天供电能力的预测。本发明增大了对于风电场和光伏电站等新能源出力预测的准确度，有利于实现大规模新能源并网发电和利用新能源提高电力系统的供电可靠性。