2025电力供应能力分析方法

目录TOC\o"1-3"\h\u26971 1284401 4286741.1.1 48722 427628 413041 425111 412855 510896 5171561.1.2 5542 517571 529196 528053 519461.1.3 63035 624475 631876 728736 715571 82610 818812 94953 9257912 9207442.1.1 925198 91129 920774 929526 921054 92318 9159282.1.2 10218512.1.3 1025020 109770 11162252.1.4 115796BP(BackPropagation) 1125813 112116 1256623 12239463.1.1 1226635 1219244 13274083.1.2 1531740 1521026 15258223.1.3 1675033.1.4 1720863 1719996 1814249 2036984 2344564.1.1 233985 2332298 24155114.1.2 26210794.1.3 273825 2719653 27124954.1.4 28719 2820069 28电力供应中不仅存在着火力发电和水力发电这种传统发电方式,还存在着由新能源构产,根据电力供应中电力需求的信息流进行电力生产的调节。水力发电主要依靠修水库等人工措施,对河川径流在时间上进行重新分配,人为地增加或减少某一时期、某一地区的水量,以进行电力生产调节。而以风光类新能源构成的电源,主要依靠一定容量的储能设进行出力调节。的同时为用户提供优质供电服务,打破了电网公司只进行电力配给运营的固定模式,在电力供应过程中,电力用户的用电需求是推进电力供应运行过程的动力源头,根据所用能源种类,电源可分为火力发电、水力发电、核能发电、风力发电、太阳能发电及生物质发电等。电源规划是满足电力供应的基本条件,主要是研究规划期内各种电源的开发时序,确定电源建设的项目、布局、容量等。具体内容包括发电装机总容量规划期内逐年建设的发电容量新扩建发电容量的建设地点根据负荷需求,提出逐年建设电源的组成类型建议,特别要重视调峰电源的规划,满足电网调峰需要。都处于运行状态,一般年利用小时数为4000～5500h(年利用小时数=发电量/装机容量)。燃煤火电厂由锅炉燃烧产生蒸汽,通过汽轮机带动发电机旋转发电。由于锅炉启动时间较长,燃煤机组从冷态启动到并网发电过程需要4．0～8．0 h,并且启动和停机过程消的燃料更多。因此,在日平衡中一般不考虑燃煤火电启停。燃煤机组降低出力时锅炉保证稳定燃烧的出力最小限制值。根据锅炉类型容量不同,最小技术出力占机组额定容量的比例也不一样。常规煤电机组最小出力见表5．1。表5．1热电厂也是燃煤电厂,只是在冬季不仅要发电,还利用汽轮机的抽汽或排汽为用户供热。与常规纯发电燃煤机组三大主机锅炉、汽轮机、发电机相比,热电厂仅汽轮机与纯发电燃煤机组的汽轮机不同。常规纯发电燃煤机组采用凝汽式汽轮机,汽轮机做功后回收的蒸汽全部进入凝汽器,冷凝成水再回锅炉,热电厂的蒸汽部分用于供热,余下的部分蒸汽回收进入凝汽器。热电厂汽轮机按供热方式,可分为背压机组、抽气背压机组和抽凝两用机抽凝两用机组在非供暖期机组按纯凝工况运行,与常规水电不同,抽水蓄能电厂是一种储能设施。抽水蓄能电厂的机组是可逆的水泵/水轮机和电动发电机机组,它的上游、下游两个水库均能存储一定数量的水,在电网负荷低谷时机组作电动机水泵运行,利用电网过剩的电力把水从下水库抽入上水库,有一定位能的水当电力需求达到高峰时,上水库放水发电,机组作水轮发电机组运行,从而起到填谷削峰的作用。抽水蓄能电站主要是为满足系统的调峰需求设置的,也可以为系统调频或承担少量的备用。抽水蓄能电厂具有以下特性:min,从全停到满载抽水约8min。表5．2生物质发电是利用生物质所具有的生物质能进行发电。它是可再生能源发电的一种,物质燃料电池发电。目前,常用生物质发电主要有3种形式生物质直燃发电、沼气发电和生物质气化发电。一。电力平衡按水电站保证出力考虑,水电站为满足下游用水部门用水量而必须发电的最小出力,某一时段水电站可能的最大出力,称为预想出力,某一时段内水电站出力的平均值,般装机容量为1000～12000kW,是对大电网的一种补充,有效地利用了现有的水电资源,降湖南属大陆型亚热带季风湿润气候,雨量丰沛,河网密布,地势不平,河流落差较大,水力资源比较丰富,主要分布在湘南、湘西,如怀化市、湘西自治州、郴州市、永州市、邵阳市等地。全省现有水电已开发利用量已超过经济可开发量的95．0。湖南水电总装机容量在全国居第五位,目前有4800多座中小水电站,总装机接近700．0万k,这些小水电分布散,规模小,且由于降水量年内、年际分配不均匀,水力发电能力不稳定。年度内降水具有明显的季节性,径流量与降水量主要集中在每年的3月中旬—6月中旬,这4的径流量一般占年径流量的50．0～70．0而其他8个月份则属枯水季节,水资源相对不足,水能出力受限。外界因素主要包含自然因素和水电站自身的因素。水电站的自身因素如水轮发电机效率等在这里因数据缺失和影响不大而不考虑,主要是对小水电站的自然因素分析,适的影响因素。小水电站的自然因素主要有来水量、水头、小水电站负荷率等因素,来水量随着时间和空间的变化而呈现不同,如夏天处于丰水期,来水量大而冬天处于枯水期,来水量小,且小水电站在丰水期和枯水期的来水量差别明显,甚至有数十倍差距。小水电站负荷率也因负荷和发电量随着时间的变化而不同。因此,在对小水电站的发电功率预测选取影响因素分析中,采取以年为单位,并根据前述学者的研究将小水电站发电功率的影响因素确定为年来水量、年来水量的时空分布水量离差系数和年负荷率,这3个影响因素将作为后续所构建预测模型的输入。专家经验判断预测法,主要是指预测者根据已有的各种影响因素数据和历史发电能力数据,凭借个人或群体的直觉、主观经验、知识以及其他综合判断能力,对水电短期发电能预测方法,其优点是简便易行,直接可靠,能在信息数据不充分和有些因素难以量化的情况下做出预测但不足之处体现在预测过多地依赖于人的主观性,受个人素质影响显著,容易出现疏漏和失误。因此,经验判断预测法更多地应用于定性趋势预测方面。该方法利用数学中的随机过程理论和统计方法,BP(BackPropagation)人工神经网络lulok,是模拟大脑内神经元通过突触相互联结的一种数学模型。它具有进行分布式信息并行处理的良好能力,也称神经网络。它主要由人工神经元组成。人工神经元可通过突触相互联结,完成对输入信号的分析和处理,并将处理结果交于神经网络的激励函数,从而实现对信号的完全分析。人工神经元可看成一个简单的数学模型,主要完成对信号的分析和处理,联结人工神经元之间的突触则体现了每个人工神经元联结关系,主要表现为权重和偏差,通过所有人工神经元对输入信号的处理和突触对人工神经元携带信息权重和偏差的计算,得到最后的处理结果经神经网络的激励函数输出。激励函数的不同会造就神经网络具有不同的性能。常用的激励函数有阈值函数、god函数和径向基函数等。根据人工神经元之间联结方式的不同,神经网络也可分为多类,主要有前向网络、反馈网络和竞争神经网络等。图5．1BP在神经网络中,神经元又称节点,在后续描述中,在太阳能电池片的导体层中夹着晶体硅,每个硅原子都与周围相近的原子结合,将电子紧紧束缚,故电流无法通过。硅太阳能电池片有两层不同的导体层。其中,一层导体层中掺杂着磷原子后会形成型硅,型硅中电子有盈余另一层导体层中掺杂着铝、硼等三价原子后就形成了型硅,型硅有额外的位置存放电子,称为空穴。两层导体层交界的地方,称为结。电子可从结穿过,在一端产生正电荷,在另一端产生负电荷。从太阳射过来的微粒流光子携带能量击中电池片时会击出一个电子,产生一个空穴,它们能在导体层中任意移动,但在结处的电场影响下,它们只能单向运动,电子向侧移动,空穴向侧运动。此时,在电池片正面使用细小金属探针收集移动的电子,它们就会通过外电路,对外做电功,是光能就能持续地转化为电能。其原理图如图5．2所示。图5．2图5．3湖南光伏日均出力曲线的最大出力一般出现在1200—1400,高峰负荷时刻。1100—1500均保持较高水平出力。从2020年各月份来看,力水平最高的月份为7—8月和4—5月,日均最大出力在装机容量的50．0～60．0月度日均最大出力水平较高的月份为6,9—12月,月度日均最大出力在装机容量的40～50日均最大出力水平较低的月份为1—3月,日均最大出力仅为装机容量的20．0～30．0。2020年湖南省光伏发电月最大出力标幺值如图5．5所示。图5．42020图5．52020格型号决定光伏电池在一定光照和温度下输出电流和电势差的物理性能和光电转化效率;光伏组件安装的倾斜角和方位角、光伏降列的排布和周围建筑物的遮挡情况,也影响组件表面接收到的太阳辐射输电线路的规格和长度、逆变器等电气设备的性能指标,也决定光伏系统的输出性能。光伏组件首先将接收到的太阳能转化为电能,通过线缆汇总到汇流箱,然后经逆变器转化为交流电,最后通过升压逆变器传输到电网,这就是光伏电站能量转化和传输的过程。在这一过程中,光伏系统的电能或多或少会有一些损耗。其中,主要的损耗环节包括:①失配损耗,光伏组串或阵列由于输出不匹配所导致的损耗,③线缆损耗,主要是由于线路电阻的热损耗,伏面板的太阳辐射由3个部分组成,太阳能光伏电池的效率随着温度的升高而减少,因温度升高会使载流子的迁移率、扩散长度以及少数载流子的寿命变差。硅光伏电池具有很好的吸热性,故它们的温度会在运行期间显著的上升,从而改变了光伏发电系统的光电转换效率。光伏面板的温度取决于光水平、环境温度、风速及特定安装条件等。光伏发电功率的预测从时间角度出发,可分为短期、中期和长期预测3一般而言,中长期预测是对未来几个月到一年时间的光伏功率进行预测,长期预测相对比较容易。长期预测大多是基于光伏电站发电和数值天气预报,并的设计、选址和咨询服务,要求精度不高。因此,长期预测很容易实现。短期预测又可分为短期预测和超短期预测,短期预测是对未来1～48h的光伏功率进行预测,时长从数分钟到1h,它们主要是辅助电网的运营调度,测是电力系统考核的重要指标之一,直接影响电站当日的发电计划。因此,短期光伏功率的精准预测尤为重要。光伏发电功率的预测从空间角度出发,可分为微尺度、小尺度、中尺度及大尺度4图5．6由图5．6中可知选取傅里叶基函数作为转换模型,通过傅里叶基函数将离散的光伏数据转换为函数型数据利用函数主成分分析对函数型数据降维,提取函数主成分对应的特征系数,量代表曲线特征的特征向量来替代函数型光伏数据特征。光伏历史数据的完整性是进行数据分析的前提,首先筛选剔除缺失片段数据。傅里叶基函数适用于周期性的观测数据,鉴于光伏数据呈正弦波形,且日光伏出力曲线也具有一定的周期性,故采用傅里叶基函数对其进行转换。用x1,x2,…,xn]代表光伏的日出力数据,式 函数主成分分析,基于的光伏数据降维。其具体步骤如下首先设光伏历史近似展开数据集合,n为光伏出力的天数,为式51拟合展开的第i天光伏数据,为随时间变量变化的曲线。对n天光伏出力曲线计算其协方差函数矩。然后求解光伏日出力曲线协方差函数的特征值和特征向量, 式 ——高斯分布的最大似然函数图5．7GMM-EMGMM中最优聚类个数的确定,通过贝叶斯信息准则(Bayesianinformation进行选取, 图5．8ELM图5．8中, ,解出输出权值为 图5．9改进PSO-ELM风能是一种无污染、可再生的清洁能源。风力发电是以风能作为原动力,利用风力带动风车叶片旋转,再透过增速机将旋转的速度提升,将风能转换为机械能,再利用机械能发电的过程。依据风车技术,约为3 s的微风速度微风的程度,便可开始发电。风力发电正世界上形成一股热潮,因为风力发电不需要使用燃料,也不会产生辐射或空气污染。定,一般为6～20m。如图5．10、图5．11所示为湖南省风电月平均出力曲线。可知,风电月平均出力较高的月份为4—7月以及10—11月。2020年月平均曲线与2018—2019年发生较大的差异,主要原因是2—3月,受疫情和水电大发影响,弃电达20以上,导致平均出力降低4—5月份来水偏枯,同时采取了扩需增发鼓励低谷用电政策,没有发生弃风,平均出力水平较接近。6,7电情况好,6月因水电偏枯及低谷负荷水平上升没有弃电,月平均出力达到年度最高水平7月尽管因雨水偏多发生弃风平均出力受到影响,但总体维持较高水平。9月受雨水偏多水电出力高发生弃电,导致月平均出力偏低。12月因气温偏低导致风机叶片因覆冰出力大幅降低,月平均出力低于前两年。但总体而言,因2020年风电来风情况好于2018—2019年,不受气候异常影响的其他月份,月平均出力高于前两年。图5．102018—2019图5．112020图5．122018图5．132019图5．142020②风电场出力具有随机性、波动性和间性的特点,一般用风电可信容量、风电保证容量等指标来反映其出力特性。在电力平衡计算中,参考风电可信容量或风电保证容量,考虑一定比例的风电参与平衡,风电可信容量和风电保证容量需要依据风电场多年历史数据计算。风电可信容量是指在可靠性前提下风电机组可视为常规火电机组的容量大小,风电容规机组的替代容量。计算方法是将负荷高峰时段的风电出力按从大到小排序,取某一保证率下(一般取95．0风电的最小出力,即风电保证容量。首先输出功率受风速的影响。在风电场实际运行过程中,只有当风速在某个限定的区间时,随着风速的增加,风力发电机输出功率随之增加然后趋于稳定。当低于或高于该风速区间时,发电机输出功率为零。一般情况下,控制其他环境条件一致,当风速3v12时,输出功率随着风速的增大而增大当风速超过12输出功率不变。当风速3m/s≤v≤12m/s时,输出功率随着空气密度的增大也在增大;当风速超过12m/s,输出功风是由空气对流产生的,而空气对流的最大动力就是温度差,在大气层近地面由于光照的不均匀,空气受热不均,受热的空气就会上升,而受冷的空气下沉,这就使在近地面气压不同。此时,空气就会从密度大的地方向空气密度小的流过来补充,就形成了风。一般来说,度差越大,空气越易发生对流运动,进而影响输出功率。目前,针对风电功率预测的方法层出不穷,国内外学者提出的不同方法有效地提高了风电功率的预测精度,取得了较好的成果。风电功率预测方法的划分根据不同的标准有多种划分方式。根据预测时间长度的不同,可分为长