[发明专利]一种新能源消纳能力评估方法和系统

说明书

本发明提出了一种新能源消纳能力评估方法和系统，包括：获取电网新能源消纳能力影响变量的值；将新能源消纳能力影响变量的值输入预先建立的新能源消纳预测模型，得到电网中各分区出力的预测值，并作为新能源消纳能力评估结果；新能源消纳预测模型包括：基于电网各分区新能源消纳能力影响变量的历史值构建输入模型，以输入模型和历史出力序列，对卷积神经网络进行训练得到；本发明构建的新能源消纳预测模型基于电网各分区新能源消纳能力影响变量的历史值训练而成，建立了多区域新能源消纳能力关键影响因素与新能源实际出力的动态关联关系，可评估未来一段时间内多区域电网的新能源消纳能力。

技术领域

本发明属于新能源发电技术领域，具体涉及一种新能源消纳能力评估方法和系统。

背景技术

近年来，新能源持续快速发展，以中国为例，截至2019年底，光伏发电累计装机容量2.04亿千瓦，风电累计并网装机容量达到2.1亿千瓦，均列世界首位。然而，由于系统调峰能力有限以及受电网送出能力约束的影响，新能源“弃电”现象严重，既造成了绿色能源的浪费，也成为了制约新能源发展的重要因素之一。因此，需要挖掘影响新能源消纳能力的关键因素，准确评估未来年/月电网的新能源接纳能力和弃电率，为电网提高新能源消纳能力的决策提供依据。

目前常用的新能源消纳能力评估方法是时序生产模拟法，时序仿真法计算精度高，物理意义清晰。然而时序仿真法针对每一时段都需要进行仿真计算，若针对不同运行工况下的大量多区域新能源消纳场景进行计算时，耗费时间较多，大规模案例计算时间成本太高。事实上，新能源消纳能力的评估可以看作一个电网运行关键变量与新能源实际出力的映射关系，为了学习这种映射关系，需要通过离线时域仿真获得大量仿真样本，然后利用机器学习的算法近似模拟这种映射关系。映射关系建立后，针对不同的运行场景，利用学习到的映射关系即可快速地得出新能源消纳能力评估的结果。

现有技术采用主成分分析法（principal component analysis , PCA）对取得的风电理论功率、光伏理论功率、负荷、外送联络线、旋转备用容量、各类常规机组（火电、水电）装机容量、最大、最小开机数量，最大、最小技术出力n维数据进行降维，选取其中的k个主成分（kn），每个主成分所包含的数据信息主要反映在方差上，用累计方差贡献率来判断k的值。如式（1）和式（2）所示。前k个特征值λ₁,λ₂,…,λ_k对应的特征向量Z=(z₁, z₂,…,z_k)作为降维后的主成分向量。

(1)

(2)

式中λ_i为数据样本的协方差的特征值，并已经按大小排序好，即λ₁≥λ₂≥…≥λ_n，η_i为方差贡献率，η_Σ(k)为前k个主成分的累计方差贡献率，ε=85%，即选取累计方差贡献率超过85%的值为选取的主成分值。