电力现货灵活性资源容量需求测算方法及装置

技术领域

本发明属于电力市场技术领域，具体涉及一种电力现货灵活性资源容量需求测算方法及装置。

背景技术

随着电力系统的清洁能源渗透率不断提高，清洁能源已成为电力现货市场主力电源，高比例清洁能源的新型电力现货市场是由绿证市场、清洁能源分时容量市场和灵活性资源现货市场共同组成。由于清洁能源发电固有的间歇性和波动性，新型灵活性资源电力现货市场需要火电、燃气、储能等具有灵活性调节能力的资源配合调节实现供需平衡。各电力市场采用清洁能源优先消纳的出清原则，清洁能源的出力不确定性对灵活资源的调节服务有更高、更严苛的要求，新型电力系统亟需更加灵活的调节能力，发电侧灵活性资源有调峰、爬坡等调节，在用户侧灵活性资源则通过需求侧响应等方式提供。

相关技术中，电力现货市场灵活性资源调节服务的容量需求仅简单根据市场整体的变化趋势计算，如根据历史同期数据、负荷增长率、新能源增长率等参数确定调峰容量需求或根据确定性准则预留一定比例的最大负荷作为上、下爬坡容量需求，来应对预测偏差等不确定性因素和一些突发事件。但现有的灵活性资源容量需求评估方法忽略了清洁能源机组个体的出力不确定性，越来越难以满足高比例清洁能源并网情况下的电力系统的要求。灵活性资源容量预留不足会导致清洁能源大量弃能，造成资源浪费、降低灵活性资源分配效率的问题，严重则会致使电力系统的安全稳定性受损，出现系统故障。

发明内容

有鉴于此，本发明的目的在于克服现有技术的不足，提供一种电力现货灵活性资源容量需求测算方法及装置，以解决现有技术中灵活性资源容量预留不足会导致清洁能源大量弃能，造成资源浪费、降低灵活性资源分配效率的问题。

为实现以上目的，本发明采用如下技术方案：一种电力现货灵活性资源容量需求测算方法，包括：

获取所有类型的清洁能源的机组出力数据以及机组参数，根据清洁能源的类型选取相应的参考测算机组，并计算同类型的其他机组与所述测算机组的相关系数矩阵；所述清洁能源的类型包括光伏、风电及水电；所述机组出力数据包括预测出力数据和实际出力数据；

针对某一类型的清洁能源的参考测算机组，根据计划日前一日的实际出力数据与历史出力数据进行相似度比较，筛选所述参考测算机组的历史相似日；

将计划日前一日内的机组各时段出力数据和历史相似日的出力数据进行聚类分析，得到多类时段数据；

基于所述多类时段数据，采用极大似然估计法计算清洁能源机组的出力偏差/爬坡事件概率分布函数；

根据所述出力偏差/爬坡事件概率分布函数，利用极大似然估计法构建灵活性资源容量需求概率分布函数；

利用所述灵活性资源容量需求概率分布函数，计算多类时段数的灵活性资源容量需求；

基于所述多类时段数的灵活性资源容量需求和所述相关系数矩阵，统计该类型清洁能源所有机组的灵活性资源容量需求；

迭代计算所有类型清洁能源机组的灵活性资源容量需求，求和得到电力系统的灵活性资源总容量需求。

进一步的，所述计算同类型的其他机组与所述测算机组的相关系数矩阵，包括：

计算所有清洁能源机组的出力偏差e

其中，

则参考测算机组z相关系数矩阵ρ

进一步的，采用欧式距离以负荷率为计算指标采用以下方式，根据计划日前一日的实际出力数据与历史出力数据进行相似度比较，

其中，x为机组出力，P

进一步的，基于所述多类时段数据，采用极大似然估计法计算清洁能源机组的出力偏差/爬坡事件概率分布函数，包括：

采用以下方式，计算统计得到计划日前一日和相似历史时期每个时段t，清洁能源机组z的出力正偏差e

清洁能源机组z的出力负偏差e

同理，清洁能源机组z的上、下爬坡事件

/>

进一步的，所述根据所述出力偏差/爬坡事件概率分布函数，利用极大似然估计法构建灵活性资源容量需求概率分布函数，包括：

高比例清洁能源的电力系统下，清洁能源功率预测误差概率分布函数/爬坡事件概率分布函数与灵活性资源容量需求同样为概率密度函数，则有h类时段清洁能源灵活性资源容量需求概率密度函数

其中，电力现货灵活性资源调峰容量需求概率密度函数由清洁能源出力正偏差概率密度函数计算得到；电力现货灵活性资源需求侧响应容量需求概率密度函数由清洁能源出力负偏差概率密度函数计算得到；电力现货灵活性资源下爬坡容量需求概率密度函数由清洁能源上爬坡事件概率密度函数计算得到；电力现货灵活性资源上爬坡容量需求概率密度函数由清洁能源下爬坡事件概率密度函数计算得到。

进一步的，基于所述多类时段数的灵活性资源容量需求和所述相关系数矩阵，采用以下方式统计该类型清洁能源所有机组的灵活性资源容量需求，

其中，R

进一步的，迭代计算所有类型清洁能源机组的灵活性资源容量需求，采用以下方式求和得到电力系统的灵活性资源总容量需求，

其中，R

进一步的，预设测算置信度水平，计算测算置信度水平下的灵活性资源容量需求；

概率分布函数统计计算分别测算得到调峰容量需求、需求侧响应容量需求和上、下爬坡容量需求；

将灵活性资源容量需求满足清洁能源实际出力偏差或爬坡事件的概率作为弃能评估的指标，则灵活性资源容量需求不超过给定限制的概率为：

v

若有置信水平α，则满足某一置信水平的灵活性资源容量需求可表示为：

R

故h类时段能有效减少清洁能源弃能的灵活性资源容量需求R

/>

式中，μ

本申请实施例提供一种电力现货灵活性资源容量需求测算装置，包括：

获取模块，用于获取所有类型的清洁能源的机组出力数据以及机组参数，根据清洁能源的类型选取相应的参考测算机组，并计算同类型的其他机组与所述测算机组的相关系数矩阵；所述清洁能源的类型包括光伏、风电及水电；所述机组出力数据包括预测出力数据和实际出力数据；

筛选模块，用于针对某一类型的清洁能源的参考测算机组，根据计划日前一日的实际出力数据与历史出力数据进行相似度比较，筛选所述参考测算机组的历史相似日；

聚类模块，用于将计划日前一日内的机组各时段出力数据和历史相似日的出力数据进行聚类分析，得到多类时段数据；

第一计算模块，用于基于所述多类时段数据，采用极大似然估计法计算清洁能源机组的出力偏差/爬坡事件概率分布函数；

构建模块，用于根据所述出力偏差/爬坡事件概率分布函数，利用极大似然估计法构建灵活性资源容量需求概率分布函数；

第二计算模块，用于利用所述灵活性资源容量需求概率分布函数，计算多类时段数的灵活性资源容量需求；

统计模块，用于基于所述多类时段数的灵活性资源容量需求和所述相关系数矩阵，统计该类型清洁能源所有机组的灵活性资源容量需求；

求和模块，用于迭代计算所有类型清洁能源机组的灵活性资源容量需求，求和得到电力系统的灵活性资源总容量需求。

本发明采用以上技术方案，能够达到的有益效果包括：

本发明提供一种电力现货灵活性资源容量需求测算方法及装置，能够计算在短期清洁能源大幅波动时，由于清洁能源机组出力不确定性造成的出力偏差或爬坡事件，导致对系统灵活性资源容量有更高的需求，并对所有清洁能源类型的机组进行测算，滚动计算、预估一定周期的灵活性资源总容量需求。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明电力现货灵活性资源容量需求测算方法的步骤示意图；

图2为本发明电力现货灵活性资源容量需求测算方法的流程示意图；

图3为本发明电力现货灵活性资源容量需求测算装置的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。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的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。

近几年因灵活性资源容量需求预留不足导致的弃风弃光占比均有上升。未来清洁能源发电在电力系统中占比将进一步提高，清洁能源大规模的并网对现货市场灵活性资源的调节能力带来更严峻的考验，因此高比例清洁能源新型电力现货市场将需要更精准的灵活性资源容量需求的测算，包括调峰容量需求、爬坡容量需求和需求侧响应容量需求等，引导清洁能源与灵活性资源的优化配置。

下面结合附图介绍本申请实施例中提供的一个具体的电力现货灵活性资源容量需求测算方法及装置。

如图1所示，本申请实施例中提供的电力现货灵活性资源容量需求测算方法包括：

S101，获取所有类型的清洁能源的机组出力数据以及机组参数，根据清洁能源的类型选取相应的参考测算机组，并计算同类型的其他机组与所述测算机组的相关系数矩阵；所述清洁能源的类型包括光伏、风电及水电；所述机组出力数据包括预测出力数据和实际出力数据；

可以理解的是，本申请提供的清洁能源的类型包括多种，本申请在此不进行限定，本申请首先获取所有类型的清洁能源机组历史预测和实际出力数据、清洁能源机组装机容量等参数。

参见图2，根据不同清洁能源类型(光伏、风电、水电等)选取参考的测算机组z，计算同类型其余机组对于参考机组的相关系数矩阵ρ

首先计算所有清洁能源机组的出力偏差e

式中，

则参考的测算机组z相关系数矩阵ρ

S102，针对某一类型的清洁能源的参考测算机组，根据计划日前一日的实际出力数据与历史出力数据进行相似度比较，筛选所述参考测算机组的历史相似日；

对所有类型清洁能源(光伏、风电、水电等)机组执行下述计算，具体过程如下：

筛选出相似的历史数据，针对某类型清洁能源的参考机组z，根据计划日前一日i的实际出力数据与历史时期j实际出力数据进行相似度比较，采用欧式距离以负荷率为计算指标判定相似性程度：

式中，x为机组出力，P

进一步的，采用K-means法，将计划日前一日和历史相似期数据聚类成四类时段的数据。

S103，将计划日前一日内的机组各时段出力数据和历史相似日的出力数据进行聚类分析，得到多类时段数据；

本申请利用K-means聚类法分析，根据计划日前一日内的机组z的各时段出力数据，通过K均值聚类成4类时段。

S104，基于所述多类时段数据，采用极大似然估计法计算清洁能源机组的出力偏差/爬坡事件概率分布函数；

相似历史时期对应的时段也分配到相应的类中，则计算统计得到计划日前一日和相似历史时期每个时段t，清洁能源机组z的出力正偏差e

清洁能源机组z的出力负偏差e

同理，清洁能源机组z的上、下爬坡事件

聚类的数据统计计算，得到清洁能源功率预测误差分布函数或爬坡事件分布函数。对于h类时段，时间范围内共有N个时间点，若历史数据时间长度为M天，共有M*N个出力偏差数据，利用极大似然估计法，可以得到清洁能源机组出力偏差或爬坡事件概率分布函数f

其中，μ

S105，根据所述出力偏差/爬坡事件概率分布函数，利用极大似然估计法构建灵活性资源容量需求概率分布函数；

S106，利用所述灵活性资源容量需求概率分布函数，计算多类时段数的灵活性资源容量需求；

高比例清洁能源的电力系统下，清洁能源功率预测误差概率分布函数/爬坡事件概率分布函数与灵活性资源容量需求同样为概率密度函数，则有h类时段清洁能源灵活性资源容量需求概率密度函数

/>

其中，电力现货灵活性资源调峰容量需求概率密度函数由清洁能源出力正偏差概率密度函数计算得到；电力现货灵活性资源需求侧响应容量需求概率密度函数由清洁能源出力负偏差概率密度函数计算得到；电力现货灵活性资源下爬坡容量需求概率密度函数由清洁能源上爬坡事件概率密度函数计算得到；电力现货灵活性资源上爬坡容量需求概率密度函数由清洁能源下爬坡事件概率密度函数计算得到。

一些实施例中，本申请中预设测算置信度水平α下的灵活性资源容量需求，相应的概率分布函数统计计算可以分别测算得到调峰容量需求、需求侧响应容量需求和上、下爬坡容量需求。将灵活性资源容量需求满足清洁能源实际出力偏差或爬坡事件的概率作为弃能评估的指标，则灵活性资源容量需求不超过给定限制的概率为：

∫

若有置信水平α，则满足某一置信水平的灵活性资源容量需求可表示为：

R

故h类时段能有效减少清洁能源弃能的灵活性资源容量需求R

式中，μ

S107，基于所述多类时段数的灵活性资源容量需求和所述相关系数矩阵，统计该类型清洁能源所有机组的灵活性资源容量需求；

统计该清洁能源类型所有机组的灵活性资源容量需求：

式中，R

S108，迭代计算所有类型清洁能源机组的灵活性资源容量需求，求和得到电力系统的灵活性资源总容量需求。

迭代所有类型清洁能源机组灵活性资源容量需求计算后，求和即为计划日d系统的灵活性资源总容量需求：

以月为周期滚动计算，叠加成月度灵活性资源容量需求：

其中，30为月的天数，其中，R

电力现货灵活性资源容量需求测算方法的工作原理为：主要是计算在短期清洁能源大幅波动时，由于清洁能源机组出力不确定性造成的出力偏差或爬坡事件，导致对系统灵活性资源容量有更高的需求，其中包括调峰容量需求、爬坡容量需求和需求侧响应容量需求等，并对所有清洁能源类型的机组进行测算，滚动计算、预估一定周期的灵活性资源总容量需求。

本申请提供的技术方案是用市场整体的变化趋势评估的，如基于市场清洁能源增长率、往年同期实际灵活性资源容量需求等参数或用整体的出力、负荷率变化预估灵活性资源容量需求，引入弃能评估指标从机组个体的维度评估灵活性资源容量需求再预估市场整体，根据清洁能源出力偏差与灵活性资源容量需求间的关联，通过欧氏距离计算筛选历史相似期的数据，采用K-means算法聚类分析清洁能源出力数据，构建灵活性资源容量需求概率密度分布函数，在一定置信水平下测算系统的灵活性资源容量需求，可以精准的反映由于清洁能源出力随机性、间歇性和波动性对灵活性资源容量需求的影响，预估的容量需求更精确，减少清洁能源弃能，提高经济效益。同时，本方法还通过计算同类型机组间的相关系数矩阵，以一个机组为参考样本测算需要的灵活性资源容量，利用相关系数矩阵预估所有机组总的灵活性资源容量需求，降低了测算的复杂度。

如图3所示，本申请实施例提供一种电力现货灵活性资源容量需求测算装置，包括：

获取模块201，用于获取所有类型的清洁能源的机组出力数据以及机组参数，根据清洁能源的类型选取相应的参考测算机组，并计算同类型的其他机组与所述测算机组的相关系数矩阵；所述清洁能源的类型包括光伏、风电及水电；所述机组出力数据包括预测出力数据和实际出力数据；

筛选模块202，用于针对某一类型的清洁能源的参考测算机组，根据计划日前一日的实际出力数据与历史出力数据进行相似度比较，筛选所述参考测算机组的历史相似日；

聚类模块203，用于将计划日前一日内的机组各时段出力数据和历史相似日的出力数据进行聚类分析，得到多类时段数据；

第一计算模块204，用于基于所述多类时段数据，采用极大似然估计法计算清洁能源机组的出力偏差/爬坡事件概率分布函数；

构建模块205，用于根据所述出力偏差/爬坡事件概率分布函数，利用极大似然估计法构建灵活性资源容量需求概率分布函数；

第二计算模块206，用于利用所述灵活性资源容量需求概率分布函数，计算多类时段数的灵活性资源容量需求；

统计模块207，用于基于所述多类时段数的灵活性资源容量需求和所述相关系数矩阵，统计该类型清洁能源所有机组的灵活性资源容量需求；

求和模块208，用于迭代计算所有类型清洁能源机组的灵活性资源容量需求，求和得到电力系统的灵活性资源总容量需求。

本申请实施例提供的电力现货灵活性资源容量需求测算装置的工作原理为，获取模块201获取所有类型的清洁能源的机组出力数据以及机组参数，根据清洁能源的类型选取相应的参考测算机组，并计算同类型的其他机组与所述测算机组的相关系数矩阵；所述清洁能源的类型包括光伏、风电及水电；所述机组出力数据包括预测出力数据和实际出力数据；筛选模块202针对某一类型的清洁能源的参考测算机组，根据计划日前一日的实际出力数据与历史出力数据进行相似度比较，筛选所述参考测算机组的历史相似日；聚类模块203将计划日前一日内的机组各时段出力数据和历史相似日的出力数据进行聚类分析，得到多类时段数据；第一计算模块204基于所述多类时段数据，采用极大似然估计法计算清洁能源机组的出力偏差/爬坡事件概率分布函数；构建模块205根据所述出力偏差/爬坡事件概率分布函数，利用极大似然估计法构建灵活性资源容量需求概率分布函数；第二计算模块206利用所述灵活性资源容量需求概率分布函数，计算多类时段数的灵活性资源容量需求；统计模块207基于所述多类时段数的灵活性资源容量需求和所述相关系数矩阵，统计该类型清洁能源所有机组的灵活性资源容量需求；求和模块208迭代计算所有类型清洁能源机组的灵活性资源容量需求，求和得到电力系统的灵活性资源总容量需求。

综上所述，本发明提供一种电力现货灵活性资源容量需求测算方法及装置，本申请主要是计算在短期清洁能源大幅波动时，由于清洁能源机组出力不确定性造成的出力偏差或爬坡事件，导致对系统灵活性资源容量有更高的需求，其中包括调峰容量需求、爬坡容量需求和需求侧响应容量需求等，并对所有清洁能源类型的机组进行测算，滚动计算、预估一定周期的灵活性资源总容量需求。

可以理解的是，上述提供的方法实施例与上述的装置实施例对应，相应的具体内容可以相互参考，在此不再赘述。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令方法的制造品，该指令方法实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。