一种储能规模与新能源场站有效出力的量化关系分析方法和系统

技术领域

本发明涉及电力系统中的储能规划与新能源评估技术领域，尤其涉及一种储能规模与新能源场站有效出力的量化关系分析方法。

背景技术

近年来，随着化石能源的不断消耗与环境问题的日益突出，我国正持续推动能源绿色低碳转型，新能源发电项目的建设如火如荼。

新能源发电出力具有随机性、间歇性和波动性等特点，出力受到季节、气候等因素影响较大，给电力系统的安全稳定运行带来了一定影响。储能作为一种柔性电力调节资源，在全球新能源替代化石能源低碳转型进程中，具备正向的、不可替代的社会价值，在新能源消纳、提升电网系统灵活性稳定性的技术必要性已得到充分验证。储能技术与风电联合构成风储联合电站，可有效解决风电等新能源出力波动性大、参与电网调节能力不足等问题。

随着新能源和超大规模储能的组合已逐渐成为能源行业的共识，新能源与超大规模电池储能联合电站的逐渐普及，量化分析储能规模与新能源场站有效出力关系成为亟需解决的问题。目前含储能的新能源发电评估方法，还没有形成公认的、成熟的、行之有效的新能源出力特性评估指标体系，联合电站出力能力主要依赖于调度人员的估算，这往往存在着估算时间长、效率低、准确性差等缺点，为了给储能电站能量管理与调控策略制定等提供依据，提高新能源使用效率，需要对储能规模与新能源场站有效出力的关系进行准确的量化分析。

发明内容

本发明针对现有技术中的不足，提供一种储能规模与新能源场站有效出力的量化关系分析方法，能够从大量的历史出力数据中提取具有代表性的运行特性结果，更加准确的量化分析储能规模与新能源场站有效出力的关系，为储能电站能量管理与调控策略制定提供依据。

为实现上述目的，本发明采用以下技术方案：

一种储能规模与新能源场站有效出力的量化关系分析方法，所述方法包括以下步骤：

步骤1：构建风电历史出力特性评估体系，利用多重数据检测法修正风电历史出力特性评估体系内的数据；

步骤2：对修正后的风电历史出力特性评估体系内的数据降维聚类，生成典型出力特性运行数据；

步骤3：根据典型出力特性运行数据和储能规模，计算平抑波动率ξ、新能源出力峰谷差减少率η和系统峰谷差减少率ΔP；

步骤4：利用最优权重系数法确定平抑波动率ξ、新能源出力峰谷差减少率η和系统峰谷差减少率ΔP的权重，定量评估储能规模与新能源场站有效出力的关系。

为优化上述技术方案，采取的具体措施还包括：

进一步地，步骤1包括如下子步骤：

步骤101：通过风电历史出力数据、动态与静态特性指标和多时间尺度评估指标构建风电历史出力特性评估体系；所述风电历史出力数据包括常规出力数据和电力相关数据；

步骤102：以一日出力数据为单位，对风电历史出力特性评估体系内的数据进行评估，判断出需要进行质量控制的m个数据和需要进行多要素内部一致性检验的k项项目，并建立要素质量检验综合判别矩阵和要素质量检验码矩阵；

步骤103：进行数据检验；具体包括：

进行要素允许值范围和电力学界限值的检验，给相应的要素质量检验码赋值；进行要素极值检验，给要素质量检验综合判别矩阵中相应的元素赋值；进行两要素一致性检验，给要素质量检验综合判别矩阵中相应的元素赋值；

步骤104：统计要素质量检验综合判别矩阵中各元素的结果；

步骤105：利用修正后的数据替换风电历史出力特性评估体系内的原始数据。

进一步地，步骤2包括如下子步骤：

步骤201：将修正后的风电历史出力特性评估体系内的数据作为聚类的输入数据X(N×M)，其中N为评估体系内的数据个数，M为高维空间的维数；

步骤202：利用UMAP降维算法对输入数据X(N×M)进行降维，得到反映评估数据之间距离的新的特征空间Y(N×L)，其中N是评估体系内的数据个数，L是低维空间的维数；

步骤203：求出评估体系内的数据在最大主方向上的投影Y

步骤204：从初始聚类中心V

进一步地，步骤3中，所述计算平抑波动率、新能源出力峰谷差减少率和系统峰谷差减少率具体为：

平抑波动率ξ由下式计算：

其中，t为典型日中的时刻，T为总时刻数，ρ

新能源出力峰谷差减少率η为：

其中，t为典型日中的时刻，T为总时刻数，Ω表示时刻的集合，P

系统峰谷差减少率ΔP为：

ΔP＝ΔP

其中，ΔP

进一步地，步骤4包括以下子步骤：

步骤401：将平抑波动率ξ、新能源出力峰谷差减少率η和系统峰谷差减少率ΔP作为量化指标，利用AHP法计算三类指标的主观权重向量w＝(w

主观权重的系数α和客观权重的系数β由下式计算：

式中，g

步骤402：依据多属性决策的加法原则，得到评价各量化指标的最终权重d

式中，g

步骤403：将三类指标平抑波动率ξ、新能源出力峰谷差减少率η和系统峰谷差减少率ΔP按最终权重d

进一步地，步骤102中，所述要素质量检验综合判别矩阵具体为：

其中，a

所述要素质量检验码矩阵具体为：

[b

其中，元素b

本发明还提出了一种储能规模与新能源场站有效出力的量化关系分析系统，用以实现上述方法，所述系统包括数据修正模块、降维聚类模块、计算模块和量化评估模块；

所述数据修正模块利用多重数据检测法修正风电历史出力特性评估体系内的数据；

所述降维聚类模块对修正后的风电历史出力特性评估体系内的数据降维聚类，生成典型出力特性运行数据；

所述计算模块根据典型出力特性运行数据和储能规模，计算平抑波动率ξ、新能源出力峰谷差减少率η和系统峰谷差减少率ΔP；

所述量化评估模块利用最优权重系数法确定平抑波动率ξ、新能源出力峰谷差减少率η和系统峰谷差减少率ΔP的权重，定量评估储能规模与新能源场站有效出力的关系。

本发明的有益效果是：

(1)本发明利用多重数据检测法，对评估体系内的数据进行修正，通过比较多种渠道和方式所收集的历史出力数据的一致性，检测历史出力数据中包含的无效值和缺失值在内的脏数据并进行处理，处理后再对数据进行重复性审查和校验，此方法能够高效、准确地纠正历史出力数据中存在地错误；

(2)本发明利用降维聚类法对修正后的风电历史出力特性评估体系内的数据降维聚类，在聚类前利用UMAP降维法对聚类数据降维，根据降维结果确定初始聚类中心，使初始聚类中心的选择更加恰当，避免因聚类中心选择不当造成的错误聚类，使聚类结果跳出局部最优；

(3)本发明利用最优权重系数法确定各变化率权重，定量评估储能规模与新能源场站有效出力关系，克服了单一赋权法的不足，提高了评价结果的可信程度。

附图说明

图1为储能规模与新能源场站有效出力的量化关系分析方法的流程图；

图2为运用本方法的系统的架构图；

图3为新能源出力特性评估体系图；

图4为降维聚类法流程图；

图5为最优权重系数法流程图。

具体实施方式

现在结合附图对本发明作进一步详细的说明。

在一实施例中，本发明提出了一种储能规模与新能源场站有效出力的量化关系分析方法，该方法的流程图如图1所示，该方法包括以下步骤：

步骤1：将常规出力数据、电力和电量相关数据作为包含新能源风电历史出力数据，通过历史出力数据、动态和静态特性指标以及多时间尺度评估指标构建风电历史出力特性评估体系，利用多重数据检测法，对评估体系内的数据进行修正，通过比较多种渠道和方式所收集的历史出力数据的一致性，检测历史出力数据中包含的无效值和缺失值在内的脏数据并进行处理，处理后再对数据进行重复性审查和校验；本发明中常规出力数据包括：新能源风电出力最大值和最小值、日出力峰谷差、日出力平均值、风电中位数出力和新能源风电利用小时数；电力和电量相关数据包括：新能源典型日出力情况、新能源弃电率、新能源出力分布特征指数和新能源出力波动率；动态和静态特性指标包括：纵向误差和横向误差；多时间尺度评估指标包括：峰时段最小出力、谷时段最大出力、天气状况、日内反调峰特性和周内出力特性。

具体地，步骤1包括如下子步骤：

步骤101：通过常规出力数据、电力和电量相关数据、动态和静态特性指标以及多时间尺度评估指标构建包含新能源风电历史出力特性评估体系；新能源出力特性评估体系如图3所示；

步骤102：以一日出力数据为单位，将评估体系内的数据根据数据本身特性判断需要进行质量控制的要素m项和需要进行多要素内部一致性检验的项目k项，并建立要素质量检验综合判别矩阵和要素质量检验码矩阵；

要素质量检验综合判别矩阵如下：

其中，a

当i＝j时，a

要素质量检验码矩阵如下：

[b

其中，元素b

给要素质量检验综合判别矩阵地各元素赋初值0，给要素质量检验码矩阵的各元素赋初值9，数据缺测时赋值8。

步骤103：进行要素允许值范围和电力学界限值的检验，通过检验的要素，置相应的b

要素时间一致性检验的结果按类型分行记录，通过检验时，在检验类型对应的i(i＝m+k+1～m+k+L)行，对要素对应的列元素赋值a

步骤104：综合统计判别质量检验；

(1)对于b

如果a

如果a

如果强调通过检验的概念，也可以忽略a

maxx≤1，则对于所有a

(2)循环执行上述过程，直至maxx≤1。

步骤2：对修正后的风电历史出力特性评估体系内的数据降维聚类，生成典型出力特性运行数据；降维聚类法流程图如图4所示；在聚类前首先利用UMAP降维法对聚类数据进行降维，根据降维结果确定初始聚类中心，使初始聚类中心的选择更加恰当，避免因聚类中心选择不当造成的错误聚类，使聚类结果跳出局部最优。其中，UMAP算法分两步进行降维，首先通过将相邻多维值之间的差异转换为权重，生成多维结果的有偏k近邻图；然后优化数据集维度的交叉熵。即输入数据集X＝{x

UMAP降维分两步进行：(1)在高维空间中构造一个特定的加权k近邻图；(2)计算该图的降维布局。高维空间中，设X＝{x

并将σ

/>

定义一个加权有向图

设A为

式中，

然后，UMAP通对称从有向图

式中，a和b是超参数，ε是一个小数，以防止被零除。

具体地，步骤2包括如下子步骤：

步骤201：将步骤1中最终获得的评估体系内的数据作为聚类的输入数据X(N×M)，其中N为评估体系内的数据个数，M为高维空间的维数；

步骤202：利用UMAP方法对输入数据X(N×M)进行降维，得到反映评估数据之间距离的新的特征空间Y(N×L)，其中N是评估体系内的数据个数，L是低维空间的维数，通常取值2或3；

步骤203：求出评估体系内的数据在最大主方向上的投影Y

步骤204：利用步骤203所得初始聚类中心V

步骤3：根据典型出力特性运行数据和储能规模，计算平抑波动率ξ、新能源出力峰谷差减少率η和系统峰谷差减少率ΔP；

平抑波动率ξ由下式计算：

其中，t为典型日被分为24个相同且独立的T时段；ρ

新能源出力峰谷差减少率η为：

其中，t为典型日被分为24个相同且独立的T时段；Ω为24个相同且独立时段的集合；P

系统峰谷差减少率ΔP为：

ΔP＝ΔP

其中，ΔP

步骤4：利用最优权重系数法确定平抑波动率ξ、新能源出力峰谷差减少率η和系统峰谷差减少率ΔP的权重，定量评估储能规模与新能源场站有效出力的关系。最优权重系数法流程图如图5所示。

具体地，步骤4包括如下子步骤：

步骤401：将平抑波动率ξ、新能源出力峰谷差减少率η和系统峰谷差减少率ΔP作为量化指标，利用AHP法计算三类指标的主观权重向量w＝(w

主观权重的系数α和客观权重的系数β由下式计算：

式中，g

步骤402：依据多属性决策的加法原则，得到评价各量化指标的最终权重d

式中，g

步骤403：将三类指标平抑波动率ξ、新能源出力峰谷差减少率η和系统峰谷差减少率ΔP按最终权重d

在另一实施例中，本发明提出了一种储能规模与新能源场站有效出力的量化关系分析系统，实现上述量化关系分析方法，该系统包括数据修正模块、降维聚类模块、计算模块和量化评估模块；

数据修正模块利用多重数据检测法修正风电历史出力特性评估体系内的数据；

降维聚类模块对修正后的风电历史出力特性评估体系内的数据降维聚类，生成典型出力特性运行数据；

计算模块根据典型出力特性运行数据和储能规模，计算平抑波动率ξ、新能源出力峰谷差减少率η和系统峰谷差减少率ΔP；

量化评估模块利用最优权重系数法确定平抑波动率ξ、新能源出力峰谷差减少率η和系统峰谷差减少率ΔP的权重，定量评估储能规模与新能源场站有效出力的关系。

以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。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前提下的若干改进和润饰，应视为本发明的保护范围。