[發明專利]新能源消納能力評估方法、裝置、終端設備及存儲介質

有效

• 申請號: 202110615464.3
• 申請日: 2021-06-02
• 公開（公告）號: CN113408193B
• 公開（公告）日: 2023-03-21
• 發明（設計）人: 劉林青;申洪濤;吳一敵;葛云龍;李鵬;王錦騰
• 申請（專利權）人: 國網河北省電力有限公司營銷服務中心;國家電網有限公司;國網河北省電力有限公司電力科學研究院
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06Q50/06;G06F119/02
• 代理公司: 石家莊國為知識產權事務所 13120
• 代理人: 付曉娣

1.一種新能源消納能力評估方法，其特征在于，包括：

獲取待預測日的電力系統運行方式數據；

將所述待預測日的電力系統運行方式數據輸入已建立的新能源消納能力評估模型，得到待預測日的新能源出力序列，其中，所述新能源消納能力評估模型通過待預測日之前的多個選定日的電力系統運行方式數據和所述待預測日之前的多個選定日的新能源出力序列訓練卷積神經網絡模型得到；

所述新能源消納能力評估模型的建立，包括：獲取訓練樣本集，其中，所述訓練樣本集中包括多個訓練樣本；依次利用所述多個訓練樣本中的每個訓練樣本訓練所述卷積神經網絡模型，得到所述新能源消納能力評估模型；

所述獲取訓練樣本集之前，還包括：獲取待預測日之前的多個選定日的電力系統運行方式數據；根據所述待預測日之前的多個選定日的電力系統運行方式數據和預設的電力系統最大新能源消納能力評估模型，確定所述待預測日之前的多個選定日的新能源出力序列；將所述待預測日之前的多個選定日的電力系統運行方式數據和所述待預測日之前的多個選定日的新能源出力序列進行組合，確定多個訓練樣本，其中，所述多個選定日的電力系統運行方式數據、多個選定日的新能源出力序列和多個訓練樣本一一對應；將所述多個訓練樣本進行合并，得到所述訓練樣本集；

所述根據所述待預測日之前的多個選定日的電力系統運行方式數據和預設的電力系統最大新能源消納能力評估模型，確定所述待預測日之前的多個選定日的新能源出力序列，包括：建立電力系統運行方式的電力元件模型；以所述電力系統運行方式的電力元件模型為約束條件，利用所述待預測日之前的多個選定日的電力系統運行方式數據對所述預設的電力系統最大新能源消納能力評估模型進行求解，得到所述待預測日之前的多個選定日的新能源出力序列；

根據所述待預測日的新能源出力序列，確定待預測日的新能源消納能力指標數據，并通過所述待預測日的新能源消納能力指標數據來評估所述新能源消納能力；

其中，所述約束條件包括：節點功率平衡約束、發電機出力約束、新能源機組的出力約束、發電機爬坡能力約束以及線路潮流約束，其中，

節點功率平衡約束為：

其中，P_it為火電機組在t時段發出的功率，P_L,t為負荷在t時段的值；B為節點導納矩陣的虛部；θ為節點電壓相角向量；P_R,t為新能源機組t時段內的發功率，為新能源機組的t時段內的切除功率；

發電機出力約束為：

P_Gmin,iP_i,tP_Gmax,i

其中，PGmin,i，PGmax，i為分別表示火電機組的有最大、最小出力；

新能源機組的出力約束為：

0≤P_s≤P_s⁰

其中，和P_s⁰分別為風電機組和光伏機組的可用功率；

發電機爬坡能力約束為：

P_i,t-P_i,t-1-R_down,iΔt

P_i,t-P_i,t-1R_up,iΔt

其中，Rdown,i,Rup,i為發電機i的向上爬坡率與向下爬坡率；

線路潮流約束為：

P_l,minP_lP_l,max

其中，P_l為線路上流過的有功功率；P_l,min為線路上允許流過的最小功率，P_l,max為線路上允許流過的最大功率。

2.如權利要求1所述的新能源消納能力評估方法，其特征在于，所述依次利用所述訓練樣本集中的每個訓練樣本訓練所述卷積神經網絡模型，得到所述新能源消納能力評估模型，包括：

獲取所述卷積神經網絡模型；

將所述每個訓練樣本中的選定日的電力系統運行方式數據作為所述卷積神經網絡模型的輸入數據以及將所述每個訓練樣本中的選定日的新能源出力序列作為輸出數據，訓練所述卷積神經網絡模型以確定所述新能源消納能力評估模型。