基于风电运行模拟的多维度风电消纳能力判别方法

摘要

本发明公开了一种基于风电运行模拟的多维度风电消纳能力判别方法，属于电力系统运行与控制领域。该方法包括：根据测风数据，利用多风电场运行模拟技术模拟风电场时序出力；根据模拟风电场时序出力、年度风电消纳能力判别集以及调峰能力、调频能力、负荷跟踪能力、快速备用能力和网络输送能力作为约束条件，对风电消纳能力进行多维度判别。本发明帮助电力系统调度、运行与控制人员从多个维度精准预估未来电力系统可接纳的风电规模，进而制定风电消纳方案，实现风电的高效利用，显示出重要的现实意义和良好的应用前景。

说明书

技术领域

本发明属于电力系统运行与控制领域，特别涉及基于风电运行模拟的多维度风电消纳 能力判别方法。

背景技术

自上世纪80年代以来，石油危机、气候变化、能源问题成为国际焦点，以风能为代 表的清洁能源快速发展，成为远期重要的替代能源。大力发展可再生能源是我国能源发展 战略的重要组成部分。风电技术成熟，是最具商业开发潜力的可再生能源之一。通常来讲， 风电出力表现出不同于常规电源的特性：随机性、波动性、不确定性。这些特性为电力系 统的安全运行与稳定控制带来了严峻挑战，因此提供科学的方法以实现对电力系统风电消 纳能力的判别，风电消纳能力将作为电力系统的运行、调度、控制等各个功能环节的重要 指标。

电力系统的风电消纳的先决条件是电力系统风电消纳能力的判别，即判别出年度、月 度、日度的电力系统可接纳的风电规模；目前一种基于风电运行模拟的风电消纳能力判别 方法是针对电力系统的历史典型风电出力曲线，以确定性的计算方法考虑风电因素来判别 风电消纳能力，其主要步骤为：

1）选取若干条历史典型风电出力曲线；

2）根据机组调节能力计算电力系统各约束维度的可调空间；

3）根据可调空间的大小判断能否接纳选取出的风电出力曲线；

4）倍比调整风电出力曲线，恰好能够被电力系统接纳时的风电出力曲线视为电力系 统的风电消纳能力。

该方法存在不足：

1）风电出力曲线以确定性的方法参与到风电消纳能力判别的过程中，没有考虑风电 出力的随机性、波动性以及不确定性；

2）选用的典型风电出力曲线，并不能表征风电出力的全部场景（随机性、波动性以 及不确定性的不同表现形式）；

3）未能充分考虑风电并网对于电力系统调峰、调频、备用、负荷跟踪以及网络等各 方面因素的影响；

4）对于未来风电并网后的消纳情况没有全面的把握，不能保证风电在一定的消纳比 例之内运行；

而从风电并网的控制策略的角度来看，当前所采取的措施仅涉及风电机组本身的关停 控制，并未配合以传统机组的开停，限制着电力系统消纳风电的可控原件与可控范围。在 常规机组确定的开机状态下，当电力系统无法消纳过多的风电出力时，关闭部分风电机组 成为唯一的可行策略，从而浪费了部分风电资源。

综上所述，需要一套更为科学与全面的风电消纳能力判别方法，并计及电力系统调峰 能力、调频能力、快速备用能力、负荷跟踪能力以及网络输送能力等因素，考虑风电出力 特性：为电力系统的调度、运行、控制人员提供快速判别风电消纳能力的工具。

目前已公开了一种利用多风电场运行模拟技术模拟风电场时序出力的方法，该方法具 体包括以下步骤：

1）根据测风数据拟合得到Weibull分布的尺度参数c和形状参数k：

（1-1）双参数Weibull分布函数F_W(c，k)(x)表达式如下：

$F_{W(c,k)}\left(x\right)=1-\exp [-{\left(\frac{x}{c}\right)}^k],x\in [0,+\infty )---\left(1\right)$

（1-2）双参数Weibull分布的概率密度函数f_W(c，k)(x)如下：

$f_{W(c,k)}\left(x\right)=\frac{k}{c}{\left(\frac{x}{c}\right)}^{k-1}\exp [-{\left(\frac{x}{c}\right)}^k]---\left(2\right)$

（1-3）平均风速的表达式如下：

$\bar{x}=\mathrm{c\Gamma }(1+1/k)---\left(3\right)$

（1-4）由风速标准差σ求得形状参数k，表达式如下：

$\frac{\sigma }{\bar{x}}=\sqrt{[\Gamma (1+\frac{2}{k})/{\Gamma }^2(1+\frac{1}{k})]-1}---\left(4\right)$

其中，平均风速x与Weibull分布中尺度参数c成正比；Γ为伽马函数：

$\Gamma \left(a\right)={\int }_0^{+\infty }{y}^{a-1}{e}^{-y}\mathrm{dy});$

2）设定风速的时间相关性：根据测风数据拟合得到风速的时间相关性特征量θ（即风 速的波动特性，表征风速波动性的方式是自相关函数，自相关函数是指时间序列与自身不 同时间位移的序列的线性相关系数，自相关函数是时间序列时间相关性的度量，反映时间 序列波动性的大小，自相关函数的值随时差增加而衰减，时间序列波动越剧烈，自相关函 数衰减越快），风速的自相关函数在数值上由负指数函数表示，表达式如下：

ρ(k)=e^-θk,θ＞0,k=1,2,3... (5)

式(5)中，θ的大小决定自相关函数衰减的快慢，进而表征风速波动的剧烈程度；

3）设定风速的空间相关性：相邻风电场由于地理位置的邻近，风电场所处的气象条 件相似，因此距离较近的风电场的风速在空间上往往具有正相关性，风电场之间风速相关 性主要与地理距离有关：相距较近的风电片区由于受到同一天气状况的影响，其风速将会 表现出较强的相关性；相距较远的风电片区，其遇到同一天气状况的概率较小，因此其风 速相关性较弱；多风电场风速之间的相关系数与风电场之间的地理距离存在负指数关系， 表达式如下：

$c=e^{-\frac{d}{M}}---\left(6\right)$

式(6)中，c为风速相关系数；d为两风电片区之间地理距离；M为风速相关系数随 距离衰减因子；

4）以全年风速平均值为基值得到全年各月平均风速序列（即风速的季节特性：由于 气候原因，不同季节风电场所在地区风速水平不同，且具有一定规律），各月平均风速序 列记为k_m，k_m中的元素表达式如下：

$k_{\mathrm{mi}}=\frac{v_{\mathrm{mi}}}{{\bar{v}}_y},$i＝1,2,3,...,12  (7)

式(7)中，k_mi为k_m中第i个元素；v_mi为年内第i月的平均风速；为全年平均风速；

5）以全天风速平均值为基值得到日内各时刻平均风速序列（即风速的日内特性：在 日内，由于风电场所在地区地表温度的不同而引起日内不同时刻平均风速不同），日内各 时刻平均风速序列记为k_h，k_h中的元素表达式如下：

$k_{\mathrm{hj}}=\frac{v_{\mathrm{hj}}}{{\bar{v}}_d},$j=1,2,3,...,N^day  (8)

式(8)中，k_hj为k_h中第j个元素；v_hj为日内第j时段的平均风速；为全天平均风速； N^day为日内的时段总数；

6）利用多风电场运行模拟技术进行风速模拟：

（6-1）单一风电场风速模拟：

如果概率密度函数f(x)在其定义域(l,u)中非负、连续且方差有限，其数学期望 E(x)=μ，随机微分方程

${\mathrm{dX}}_t=-\theta (X_t-\mu )\mathrm{dt}+\sqrt{v\left(X_t\right)}d{W}_t,$t≥0  (9)

式(9)中，θ≥0，W_t为标准布朗运动，v(X_t)是定义在(l,u)上的非负函数，表达式如 下：

$v\left(x\right)=\frac{2\theta }{f\left(x\right)}{\int }_l^x(\mu -y)f\left(y\right)\mathrm{dy},$x∈(l,u)(10)

则：

随机过程X是各态经历的（ergodic)且概率密度函数为f(x)。

随机过程X是均值回归的（mean-reverting）且其自相关函数符合：

corr(X_s+t，X_s)=e^-θt,s,t≥0  (11)

利用该方法模拟风速的时间序列，设风速符合如式(1)和式(2)所示的尺度参数与形状参 数分别为c和k的Weibull分布，平均风速如式(3)所示，则：

$v\left(x\right)=\frac{2\theta }{f\left(x\right)}{\int }_l^x(\bar{x}-y)f\left(y\right)\mathrm{dy}$

$=\frac{2\theta }{f\left(x\right)}(\bar{x}F\left(x\right)-{\int }_l^x\mathrm{yf}\left(y\right)\mathrm{dy})---\left(12\right)$

$=\frac{2\theta }{f\left(x\right)}(\mathrm{c\Gamma }(\frac{1}{k}+1)(1-\exp [-{\left(\frac{x}{c}\right)}^k\left]\right)-\mathrm{c\Gamma }({\left(\frac{x}{c}\right)}^k,\frac{1}{k}+1))$

根据式(9)-(12)，单一风电场时序风速可由下式迭代计算生成：

${\hat{v}}_{\mathrm{it}}^{*}={\hat{v}}_{\mathrm{it}-1}^{*}+d{X}_t---\left(13\right)$

（6-2）多风电场风速模拟：

首先生成多维相关的布朗运动W_t，W_t各维均为标准布朗运动，各维之间相关系数矩 阵等于风电场风速相关系数矩阵；之后，利用W_t各维分量按步骤（6-1）中方法生成各风 电场风速序列。

（6-3）风电场模拟风速的修正

风电场风速序列并非完全随机过程，对由于气候原因，不同季节风电场所在地区风速 水平不同，且具有一定规律（如冬天小、夏天大），在日内，由于风电场所在地区地表温 度的不同而引起日内不同时刻平均风速不同（如晚上大，白天小），根据4)和5)对随机生 成的风速序列进行修正：

$v_{\mathrm{it}}^{*}=k_{\mathrm{mi}}{k}_{\mathrm{hj}}{\hat{v}}_{\mathrm{it}}^{*},$i＝1,2,...,12,j=1,2,...,m  (14)

（6-4）风电场模拟出力序列

设C_i(x)为风电机组出力特性曲线，表达式如下：

$C_i\left(v\right)=\left(\begin{array}{cc}0,& 0\le v<v_{\mathrm{in}},v>v_{\mathrm{out}}\\ \frac{v^3-v_{\mathrm{in}}^3}{v_{\mathrm{rated}}^3-v_{\mathrm{in}}^3}R,& v_{\mathrm{in}}\le v\le v_{\mathrm{rated}}\\ R,& v_{\mathrm{rated}}\le v\le v_{\mathrm{out}}\end{array}\right)---\left(15\right)$

式(15)中，v_in、v_rated与v_out分别为风电机组的切入风速、额定风速与切出风速。 利用修正后风速序列风电场时序出力曲线由下式生成：

$P_{\mathrm{it}}=n_{\mathrm{it}}(1-{\eta }_i)C_i\left(v_{\mathrm{it}}^{*}\right)---\left(16\right)$

式(16)中，η_i为风电场尾流效应系数，表示风电场因尾流效应而损失的出力，通常取 5%~10%；n_it为风电场可用机组台数，为一随机变量，代表风电场内机组可靠性水平(若 假设风电场内机组故障服从独立的指数分布，则对于任一时间t，风电场可用机组台数服 从贝努利分布)。

多风电场运行模拟技术可以实现对电力系统中风电场出力的还原、再现及模拟，对于 分析风电场并网对电力系统的影响、电力系统的风电消纳能力以及考虑风电场出力的电力 系统调度与运行都有重要的意义。

发明内容

本发明的目的是克服现有的电力系统风电消纳能力判别方法的不足，提供了一种基于 运行模拟的风电消纳能力判别方法，本发明可帮助电力系统调度、运行与控制人员在年度、 月度以及日前就明确电力系统预期风电消纳比例，快速判断出预测所得风电是否可被电力 系统全额消纳。

本发明公开了一种基于风电运行模拟的多维度风电消纳能力判别方法，其特征在于， 包括：1）根据测风数据，利用多风电场运行模拟技术模拟风电场时序出力；2）根据模拟 风电场时序出力、年度风电消纳能力判别集以及调峰能力、调频能力、负荷跟踪能力、快 速备用能力和网络输送能力作为约束条件，对风电消纳能力进行多维度判别；

1）根据测风数据，利用多风电场运行模拟技术模拟风电场时序出力，具体包括以下 步骤：

1-1）根据测风数据拟合得到Weibull分布的尺度参数c和形状参数k：

（1-11）双参数Weibull分布函数F_W(c，k)(x)表达式如下：

$F_{W(c,k)}\left(x\right)=1-\exp [-{\left(\frac{x}{c}\right)}^k],x\in [0,+\infty )---\left(1\right)$

式(1)中，x为风速；

（1-12）双参数Weibull分布的概率密度函数f_W(c，k)(x)如下：

$f_{W(c,k)}\left(x\right)=\frac{k}{c}{\left(\frac{x}{c}\right)}^{k-1}\exp [-{\left(\frac{x}{c}\right)}^k]---\left(2\right)$

（1-13）平均风速的表达式如下：

$\bar{x}=\mathrm{c\Gamma }(1+1/k)---\left(3\right)$

（1-14）由风速标准差σ求得形状参数k，表达式如下：

$\frac{\sigma }{\bar{x}}=\sqrt{[\Gamma (1+\frac{2}{k})/{\Gamma }^2(1+\frac{1}{k})]-1}---\left(4\right)$

其中，平均风速与Weibull分布中尺度参数c成正比；Γ为伽马函数：

$\Gamma \left(a\right)={\int }_0^{+\infty }{y}^{a-1}{e}^{-y}\mathrm{dy});$

1-2）设定风速的时间相关性：根据测风数据拟合得到风速的时间相关性特征量θ，风 速的自相关函数在数值上由负指数函数表示，表达式如下：

ρ(k)=e^-θk,θ＞0,k=1,2,3...  (5)

式(5)中，θ的大小决定自相关函数衰减的快慢，表征风速波动的剧烈程度；

1-3）设定风速的空间相关性：多风电场风速之间的相关系数与风电场之间的地理距离 存在负指数关系，表达式如下：

$c=e^{-\frac{d}{M}}---\left(6\right)$

式(6)中，c为风速相关系数；d为两风电片区之间地理距离；M为风速相关系数随 距离衰减因子；

1-4）以全年风速平均值为基值得到各月平均风速序列k_m，k_m中的元素表达式如下：

$k_{\mathrm{mi}}=\frac{v_{\mathrm{mi}}}{{\bar{v}}_y},$i＝1,2,3,...,12  (7)

式(7)中，k_mi为k_m中第i个元素；v_mi为年内第i月的平均风速；为全年平均风速；

1-5）以全天风速平均值为基值得到日内各时刻平均风速序列k_h，k_h中的元素表达式 如下：

$k_{\mathrm{hj}}=\frac{v_{\mathrm{hj}}}{{\bar{v}}_d},$j=1,2,3,...,N^day  (8)

式(8)中，k_hj为k_h中第j个元素；v_hj为日内第j时段的平均风速；为全天平均风速； N^day为日内的时段总数；

1-6）利用多风电场运行模拟技术进行风速模拟：

（1-61）单一风电场风速模拟：

设风速符合如式(1)和式(2)所示的尺度参数与形状参数分别为c和k的Weibull分布， 平均风速如式(3)所示，则：

$v\left(x\right)=\frac{2\theta }{f\left(x\right)}{\int }_l^x(\bar{x}-y)f\left(y\right)\mathrm{dy}$

$=\frac{2\theta }{f\left(x\right)}(\bar{x}F\left(x\right)-{\int }_l^x\mathrm{yf}\left(y\right)\mathrm{dy})---\left(9\right)$

$=\frac{2\theta }{f\left(x\right)}(\mathrm{c\Gamma }(\frac{1}{k}+1)(1-\exp [-{\left(\frac{x}{c}\right)}^k\left]\right)-\mathrm{c\Gamma }({\left(\frac{x}{c}\right)}^k,\frac{1}{k}+1))$

根据式(9)，单一风电场时序风速可由下式迭代计算生成：

${\hat{v}}_{\mathrm{it}}^{*}={\hat{v}}_{\mathrm{it}-1}^{*}+d{X}_t---\left(10\right)$

（1-62）多风电场风速模拟：

首先生成多维相关的布朗运动W_t，W_t各维均为标准布朗运动，各维之间相关系数矩 阵等于风电场风速相关系数矩阵；之后，利用W_t各维分量按步骤（1-61）中方法生成各风 电场风速序列；

（1-63）风电场模拟风速的修正

根据1-4）和1-5），对随机生成的风速序列进行修正：

$v_{\mathrm{it}}^{*}=k_{\mathrm{mi}}{k}_{\mathrm{hj}}{\hat{v}}_{\mathrm{it}}^{*},$i＝1,2,...,12,j=1,2,...,m  (11)

（1-64）得到风电场模拟出力序列

设C_i(x)为风电机组出力特性曲线，表达式如下：

$C_i\left(v\right)=\left(\begin{array}{cc}0,& 0\le v<v_{\mathrm{in}},v>v_{\mathrm{out}}\\ \frac{v^3-v_{\mathrm{in}}^3}{v_{\mathrm{rated}}^3-v_{\mathrm{in}}^3}R,& v_{\mathrm{in}}\le v\le v_{\mathrm{rated}}\\ R,& v_{\mathrm{rated}}\le v\le v_{\mathrm{out}}\end{array}\right)---\left(12\right)$

式(12)中，v_in、v_rated与v_out分别为风电机组的切入风速、额定风速与切出风速；

利用修正后风速序列风电场时序出力曲线由下式生成：

$P_{\mathrm{it}}=n_{\mathrm{it}}(1-{\eta }_i)C_i\left(v_{\mathrm{it}}^{*}\right)---\left(13\right)$

式(13)中，P_it为第i个风电场第t时刻的出力；η_i为第i个风电场尾流效应系数；n_it为 第i个风电场可用机组台数；

2）根据模拟得到的风电场时序出力、年度风电消纳能力判别集以及调峰能力、调频 能力、负荷跟踪能力、快速备用能力和网络输送能力作为约束条件，对风电消纳能力进行 多维度判别，具体包括：

2-1）生成年度风电消纳能力判别集Ω：

（2-11）将一年按月划分为12单元，一个单元对应一个月，第i个单元有N_i条日负 荷曲线，i=1,2，...,12；

（2-12）根据模拟得到的风电场时序出力，按单元建立“日内风电出力曲线库”，设第 i单元的“日内风电出力曲线库”共有N_ij条日内风电出力曲线，i=1,2，...,12；

（2-13）将每一单元内的日负荷曲线与对应单元的“日内风电出力曲线库”中的日内 风电出力曲线做组合，则一年共有个负荷-风电出力组合，这些负荷-风电 出力组合组成年度风电消纳能力判别集Ω；

（2-14）年度风电消纳能力判别集Ω中，设第n个负荷-风电出力组合由第i个单元的 第j条负荷曲线和第i个单元的“日内风电出力曲线库”中的第k条日内风电出力曲线组 成，其中i＝1,2,..,12，j=1,2,...,N_i，k=1,2,...,N_ij：

模拟得到的电力系统小时级风电出力序列，记为列向量

预测得到的电力系统小时级负荷序列，记为列向量

则电力系统小时级等效负荷序列为列向量

$D_n^h=L_n^h-W_n^h---\left(14\right)$

等效负荷小时级变化序列，记为

$V_n^h\left(t\right)=D_n^h(t+1)-D_n^h\left(t\right)$t=1,2，...,N^h-1  (15)

式(15)中，表示中的第t个元素；表示中的第t个元素；N^h表示 日内小时数；

模拟得到的电力系统分钟级风电出力序列，记为列向量

预测得到的电力系统分钟级负荷序列，记为列向量

则电力系统分钟级等效负荷序列为

$D_n^m=L_n^m-W_n^m---\left(16\right)$

等效负荷分钟级变化序列，记为

$V_n^m\left(t\right)=D_n^m(t+1)-D_n^m\left(t\right)$t=1,2,...,N^m-1  (17)

式(17)中，表示中的第t个元素；表示中的第t个元素；N^m表 示日内分钟数；

2-2）确定日内机组组合状态：

设机组总数为N^unit，年度风电消纳能力判别集Ω中的第n个负荷-风电出力组合中 （n=1,2,...,N）的第i台机组的开机状态变量记为u_n，i(i=1,2,...,N^unit)，假定机组日内 不允许启停，当u_n，i=0时表示该机组全天关机，当u_n，i=1时表示该机组全天开机；日内 各机组开机与否确定如下：按机组类型依次开机，开机顺序为区外电源、核电、热电、水 电与抽蓄、火电、燃机，同类型机组按机组容量由大到小开机，直到满足电力系统等效负 荷需求，最终得到电力系统日内机组组合状态；

2-3）根据年度风电消纳能力判别集Ω，进行调峰维度的风电消纳能力判别，具体包 括：

（2-31）为第i个机组的最大出力；为 第i个机组的最小出力；第i个机组最小出力系数记为λ_i(i=1,2,...,N^unit)，表达式如下：

${\lambda }_i=\frac{P_i^{\max }-P_i^{\min }}{C_i},$i＝1,2，...,N^unit  (18)

式(18)中，C_i表示第i个机组的容量；

（2-32）确定所述第n个负荷-风电出力组合的电力系统可调最低出力表达式如 下：

$P_{n,\mathrm{sys}}^{\min }=\underset{i=1}{\overset{N^{\mathrm{unit}}}{\Sigma }}{u}_{n,i}(P_i^{\max }-{\lambda }_i{C}_i)---\left(19\right)$

（2-33）确定所述第n个负荷-风电出力组合的日内弃风电量（弃风为风机被迫减出力 或者关机，弃风电量为由于风机被迫减出力或者关机所造成的可发风电电量的损失值）

$P_{n,\mathrm{cut}}^{\mathrm{peak}}=\underset{t=1}{\overset{N^h}{\Sigma }}\min \{W_n^h\left(t\right),g(P_{n,\mathrm{sys}}^{\min }-D_n^h\left(t\right))\}---\left(20\right)$

式(20)中，为所述第n个负荷-风电出力组合的日内风电出力序列中第t时刻的 风电出力值；为所述第n个负荷-风电出力组合的等效负荷序列中第t时刻的等效负 荷值；g(x)为状态函数，表达式如下：

$g\left(x\right)=\left(\begin{array}{cc}0,& x<=0\\ 1,& x>0\end{array}\right)---\left(21\right)$

则，当等于0时，表示所述第n个负荷-风电出力组合通过了调峰能力约束；当 大于0时，表示所述第n个负荷-风电出力组合没有通过调峰能力约束；

（2-34）若在对年度风电消纳能力判别集Ω中的全部负荷-风电出力组合计算完成后， 得到该风电装机规模在调峰能力约束下的风电消纳比例λ_peak，进行调频维度的风电消纳能 力判别，λ_peak表达式如下：

${\lambda }_{\mathrm{peak}}=\frac{\underset{n=1}{\overset{N}{\Sigma }}g\left({-P}_{n,\mathrm{cut}}^{\mathrm{peak}}\right)}{N}\times 100\%---\left(22\right);$

否则转回到（2-2）；

2-4）根据年度风电消纳能力判别集Ω，进行调频维度的风电消纳能力判别，具体包 括：

（2-41）第i台机组的分钟级出力调节系数

${\upsilon }_i^m=\frac{\Delta {\upsilon }_i^{m,\max }}{C_i},$i＝1,2,...,N^unit  (23)

式(23)中，是指第i台机组的分钟级最大可调出力；

（2-42）确定年度风电消纳能力判别集Ω中第n个负荷-风电出力组合的电力系统1分 钟内可调最大出力，记为表达式如下：

$V_{n,\mathrm{sys}}^{m,\max }=\underset{i=1}{\overset{N^{\mathrm{unit}}}{\Sigma }}{u}_{n,i}{\upsilon }_i^m{C}_i---\left(24\right)$

（2-43）按日内时刻依次比较与

当大于0时，表示日内存在个别时刻违背调频能力约束，所述 第n个负荷-风电出力组合没有通过调频能力约束；当等于0时， 表示日内所有时刻均满足调频能力约束，所述第n个负荷-风电出力组合通过了调频能力约 束；

（2-44）判断对一年的年度风电消纳能力判别集Ω中的全部负荷-风电出力组合计算是 否完成，若完成，得到该风电装机规模在调频能力约束下的风电消纳比例λ_freq，进行调频 维度的风电消纳能力判别，λ_freq表达式如下：

${\lambda }_{\mathrm{freq}}=\frac{\underset{n=1}{\overset{N}{\Sigma }}g\left(\underset{t=1}{\overset{N^m-1}{\Sigma }}g(V_n^m\left(t\right)-V_{n,\mathrm{sys}}^{m,\max })\right)}{N}\times 100\%---\left(25\right);$

否则转回到（2-2）；

2-5）根据年度风电消纳能力判别集Ω，进行备用维度的风电消纳能力判别，具体包 括：

（2-51）定义电力系统负荷、检修与事故备用的正备用率与负备用率表达式

如下：

${\gamma }_{\mathrm{sys}}^{+}=\frac{R_{n,\mathrm{sys}}^{+}}{L_n^{h,\max }}\times 100\%---\left(26\right)$

${\gamma }_{\mathrm{sys}}^{-}=\frac{R_{n,\mathrm{sys}}^{-}}{L_n^{h,\max }}\times 100\%---\left(27\right)$

式(26)和式(27)中，表示日最大负荷；表示电力系统负荷、检修与事故正 备用需求容量；表示电力系统负荷、检修与事故负备用需求容量；

（2-52）定义电力系统风电出力正备用率与负备用率表达式如下：

${\gamma }_{\mathrm{wind}}^{+}=\frac{R_{n,\mathrm{wind}}^{+}}{W_n^{h,1\max }}\times 100\%---\left(28\right)$

${\gamma }_{\mathrm{wind}}^{-}=\frac{R_{n,\mathrm{wind}}^{-}}{W_n^{h,1\max }}\times 100\%---\left(29\right)$

式(28)和式(29)中，表示峰荷时段的风电出力；表示电力系统风电出力 正备用需求容量；表示电力系统风电出力负备用需求容量；

（2-53）确定年度风电消纳能力判别集Ω中第n个负荷-风电出力组合的电力系统正备 用需求容量与负备用需求容量表达式如下：

$R_{n,\mathrm{sys}}^{n+}={\gamma }_{\mathrm{sys}}^{+}·L_n^{h,\max }+{\gamma }_{\mathrm{wind}}^{+}·W_n^{h,1\max }---\left(30\right)$

$R_{n,\mathrm{sys}}^{n-}={\gamma }_{\mathrm{sys}}^{-}·L_n^{h,\max }+{\gamma }_{\mathrm{wind}}^{-}·W_n^{h,1\max }---\left(31\right)$

（2-54）第i台机组快速备用正调节系数与负调节系数表达式如下：

${\alpha }_i^{+}=\frac{\Delta R_i^{+}}{C_i}---\left(32\right)$

${\alpha }_i^{-}=\frac{\Delta R_i^{-}}{C_i}---\left(33\right)$

式(32)和式(33)中，分别为第i台机组在开机状态下可提供的正备用容量与 负备用容量；

（2-55）所述第n个负荷-风电出力组合下的电力系统正备用可供容量与负备用 可供容量表达式如下：

$R_{n,\mathrm{sys}}^{s+}=\underset{i=1}{\overset{N^{\mathrm{unit}}}{\Sigma }}(1-u_{n,i}){\alpha }_i^{+}{C}_i---\left(34\right)$

$R_{n,\mathrm{sys}}^{s-}=\underset{i=1}{\overset{N^{\mathrm{unit}}}{\Sigma }}(1-u_{n,i}){\alpha }_i^{-}{C}_i---\left(35\right)$

（2-56）比较与与

当大于或大于时，表示电力系统备用能力不足，所述第n个负 荷-风电出力组合没有通过备用能力约束；当不大于或不大于时，表 示电力系统备用能力充裕，所述第n个负荷-风电出力组合通过了备用能力约束；

（2-57）判断对年度风电消纳能力判别集Ω中的全部负荷-风电出力组合计算是否完 成，若完成，得到该风电装机规模在备用能力约束下的风电消纳比例λ_rese，进行备用维度 的风电消纳能力判别，λ_rese表达式如下：

${\lambda }_{\mathrm{rese}}=\frac{\underset{n=1}{\overset{N}{\Sigma }}g(g(R_{n,\mathrm{sys}}^{s+}-R_{n,\mathrm{sys}}^{n+})·g(R_{n,\mathrm{sys}}^{s-}-R_{n,\mathrm{sys}}^{n-}))}{N}\times 100\%---\left(36\right);$

否则转回到步骤（2-2）；

2-6）根据年度风电消纳能力判别集Ω，进行负荷跟踪能力维度的风电消纳能力判别， 具体包括：

（2-61）第i台机组的小时级出力调节系数

${\upsilon }_i^h=\frac{\Delta {\upsilon }_i^{h,\max }}{C_i},$i＝1,2，...,N^unit  (37)

式(37)中，是指第i台机组的小时级最大可调出力；

（2-62）确定年度风电消纳能力判别集Ω中第n个负荷-风电出力组合的电力系统1小 时内可调最大出力，记为表达式如下：

$V_{m,\mathrm{sys}}^{h,\max }=\underset{i=1}{\overset{N^{\mathrm{unit}}}{\Sigma }}{u}_{n,i}{\upsilon }_i^h{C}_i---\left(38\right)$

（2-63）确定所述第n个负荷-风电出力组合的负荷跟踪能力约束能否通过，按日内时 刻依次比较与

当大于0时，表示日内存在个别时刻违背负荷跟踪能力约束， 所述第n个负荷-风电出力组合没有通过负荷跟踪能力约束；当等 于0时，表示日内所有时刻均满足负荷跟踪能力约束，所述第n个负荷-风电出力组合通过 了负荷跟踪能力约束；

（2-64）判断对年度风电消纳能力判别集Ω中的全部负荷-风电出力组合计算是否完 成，若完成，得到该风电装机规模在负荷跟踪能力约束下的风电消纳比例λ_foll，进行负荷 跟踪能力维度的风电消纳能力判别，λ_foll表达式如下：

${\lambda }_{\mathrm{foll}}=\frac{\underset{n=1}{\overset{N}{\Sigma }}g\left(\underset{t=1}{\overset{N^{\mathrm{day}}-1}{\Sigma }}g(V_n^h\left(t\right)-V_{n,\mathrm{sys}}^{h,\max })\right)}{N}\times 100\%---\left(39\right);$

否则转回到（2-2）；

2-7）根据年度风电消纳能力判别集Ω，进行网络输送能力维度的风电消纳能力判别， 具体包括：

（2-71）当电力系统节点存在区外送电计划时，记区外送电小时级出力序列为

（2-72）设第k条联络线的线路传输容量极限为则电力系统外送容量极限 为表达式如下：

$P_{\mathrm{sys}}^{\lim }=\underset{k=1}{\overset{N^{\mathrm{line}}}{\Sigma }}{P}_k^{\lim }---\left(40\right)$

式(40)中，N^line表示电力系统联络线总数；

（2-73）针对年度风电消纳能力判别集Ω中的第n个负荷-风电出力组合，当区外送电 出力大于电力系统外送容量极限时，电力系统将因网络传输能力约束产生弃风表达 式如下：

$P_{n,\mathrm{cut}}^{\mathrm{grid}}=\underset{t=1}{\overset{24}{\Sigma }}\min \{W_n^h\left(t\right),g\left(\right|P_{n,\mathrm{out}}^h\left(t\right)|-P_{\mathrm{sys}}^{\lim })·\left(\right|P_{n,\mathrm{out}}^h\left(t\right)|-P_{\mathrm{sys}}^{\lim })\}---\left(41\right)$

式(41)中，为中第t个元素；

则当该所述第n个负荷-风电出力组合的弃风电量为0时，表示所述第n个负荷- 风电出力组合通过了网络传输能力约束；当所述第n个负荷-风电出力组合的弃风电量 大于0时，表示所述第n个负荷-风电出力组合没有通过网络传输能力约束；

（2-74）判断对年度风电消纳能力判别集Ω中的全部负荷-风电出力组合计算是否完 成，若完成，得到该风电装机规模在网络传输能力约束下的风电消纳比例λ_grid，进行网络 输送能力维度的风电消纳能力判别，λ_grid表达式如下：

${\lambda }_{\mathrm{grid}}=\frac{\underset{n=1}{\overset{N}{\Sigma }}[1-g\left(P_{n,\mathrm{cut}}^{\mathrm{grid}}\right)]}{N}\times 100\%---\left(42\right);$

否则转回到（2-2）；

2-8）根据年度风电消纳能力判别集Ω，进行以调峰能力、调频能力、快速备用能力、 负荷跟踪能力及网络输送能力作为综合约束，进行风电消纳综合能力判别：

（2-81）设电力系统控制参数行向量共有5个元素，表征电力系统在判别风电 消纳能力过程中考虑的约束；当元素的值为1时，表示判别风电消纳能力过程中考虑对应 因素的约束；当元素的值为0时，表示判别风电消纳能力过程中不考虑对应因素的约束； 中元素的对应关系为：第一个元素对应调峰能力、第二个元素对应调 频能力、第三个元素对应快速备用能力、第四个元素对应负荷跟踪能力、 第五个元素对应网络输送能力；当考虑全部因素的约束时，

（2-82）记考虑多个维度约束的风电消纳比例为表达式如下：

${\lambda }^{S_{\mathrm{sys}}^{\mathrm{con}}}=\frac{\underset{n=1}{\overset{N}{\Sigma }}\left[\underset{i=1}{\overset{5}{\Pi }}h(S_{\mathrm{sys}}^{\mathrm{con}}\left(i\right)·{\lambda }_i)\right]}{N}\times 100\%---\left(43\right)$

式(43)中，

$h\left(x\right)=\left(\begin{array}{cc}1& x=0\\ x& x\ne 0\end{array}\right)$

${\lambda }_1=g(-P_{n,\mathrm{cut}}^{\mathrm{peak}});$

${\lambda }_2=g\left(\underset{t=1}{\overset{N^{\mathrm{day}}-1}{\Sigma }}g(V_n^m\left(t\right)-V_{n,\mathrm{sys}}^{m,\max })\right);$

${\lambda }_3=g\left(g(R_{n,\mathrm{sys}}^{s+}-R_{n,\mathrm{sys}}^{n+})\right);$

${\lambda }_4=g\left(\underset{t=1}{\overset{N^{\mathrm{day}}-1}{\Sigma }}g(V_n^h\left(t\right)-V_{n,\mathrm{sys}}^{h,\max })\right);$

${\lambda }_5=1-g\left(P_{n,\mathrm{cut}}^{\mathrm{grid}}\right)$

（2-83）用考虑五个维度约束下的风电消纳比例λ^total进行风电消纳综合能力判别， λ^total表达式如下：

${\lambda }^{\mathrm{total}}={\lambda }^{\left[\mathrm{1,1,1,1,1}\right]}=\frac{\underset{n=1}{\overset{N}{\Sigma }}\left(\underset{i=1}{\overset{5}{\Pi }}{\lambda }_i\right)}{N}\times 100\%---\left(44\right);$

2-9）根据年度风电消纳能力判别集Ω对月度与日度风电消纳能力的判别

（2-91）用月度风电消纳能力判别集Ω_i，表征年度风电消纳能力判别集Ω中处于第i 月的负荷-风电出力组合集合，i=1,2,3,...,12；

（2-92）用第i月的风电消纳比例进行月度风电消纳能力的判别，表达式如 下：

${\lambda }_i^{S_{\mathrm{sys}}^{\mathrm{con}}}=\frac{\underset{\Omega \left(n\right)\in {\Omega }_i}{\Sigma }\left(\underset{i=1}{\overset{5}{\Pi }}h(S_{\mathrm{sys}}^{\mathrm{con}}\left(i\right)·{\lambda }_i)\right)}{N\left({\Omega }_i\right)}\times 100\%,$i＝1,2,...,12(45)

式(45)中，N(Ω_i)表示集合Ω_i的负荷-风电出力组合个数；Ω(n)表示年度风电消纳能 力判别集Ω中的第n个负荷-风电出力组合；

（2-93）用日度风电消纳能力判别集Ω_i，j，表征年度风电消纳能力判别集Ω中日负荷 曲线为第i月第j天的负荷-风电出力组合集合，i=1,2,3,...,12，j=1,2,3,...N_i

（2-94）用第i月第j日的风电消纳比例进行日度风电消纳能力的判别，表 达式如下：

${\lambda }_{i,j}^{S_{\mathrm{sys}}^{\mathrm{con}}\left(i\right)}=\frac{\underset{\Omega \left(n\right)\in {\Omega }_{i,j}}{\Sigma }\left(\underset{i=1}{\overset{5}{\Pi }}h(S_{\mathrm{sys}}^{\mathrm{con}}\left(i\right)·{\lambda }_i)\right)}{N\left({\Omega }_{i,j}\right)}\times 100\%,$i=1,2，...,12(46)。

本发明的技术特点及有益效果：

本发明可进行调峰维度、调频维度、备用维度、负荷跟踪能力维度和网络输送能力维 度的多维度风电消纳能力判别，还可进行月度和日度的风电消纳能力判别；利用本发明的 风电消纳能力判别方法可针对某一风电装机规模，可以得到该规模下的年度、月度与日度 的风电消纳比例，可以指导年度风电装机规划、安排月度风电运行策略、优化日度电力系 统调度与控制方案，实现对风电的高效利用，对电力系统的规划、运行、调度与控制具有 重要意义。

本发明跳出了现有电力系统风电消纳能力判别方法在流程设计与理论方法层面的束 缚，建立了一套基于风电运行模拟的多维度风电消纳能力判别方法，完整计及电力系统调 峰能力、调频能力、快速备用能力、负荷跟踪能力以及网络输送能力，利用考虑时空相关 性的多风电场运行模拟技术，科学判别年度、月度与日度风电消纳能力，为电力系统调度、 运行与控制人员提供了一套快速判别风电消纳能力的工具。

本发明可帮助电力系统调度、运行与控制人员从多个维度精准预估未来电力系统可接 纳的风电规模，进而明确未来电力系统在不同时间尺度下的风电消纳规模，快速判断出未 来风电是否可被电力系统全额消纳，对电力系统的运行、调度、控制等各个功能环节具有 重要的现实意义和良好的应用前景。

附图说明

图1为实施例某日各风电场运行模拟出力曲线；

具体实施方式

下面结合附图及实施例，对基于风电运行模拟的多维度风电消纳能力判别方法进行详 细说明。本发明公开了一种基于风电运行模拟的多维度风电消纳能力判别方法，其特征在 于，包括：1）根据测风数据，利用多风电场运行模拟技术模拟风电场时序出力；2）根据 模拟风电场时序出力、年度风电消纳能力判别集以及调峰能力、调频能力、负荷跟踪能力、 快速备用能力和网络输送能力作为约束条件，对风电消纳能力进行多维度判别；

1）根据测风数据，利用多风电场运行模拟技术模拟风电场时序出力，具体包括以下 步骤：

1-1）根据测风数据拟合得到Weibull分布的尺度参数c和形状参数k：

（1-11）双参数Weibull分布函数F_W(c，k)(x)表达式如下：

$F_{W(c,k)}\left(x\right)=1-\exp [-{\left(\frac{x}{c}\right)}^k],x\in [0,+\infty )---\left(1\right)$

式(1)中，x为风速；

（1-12）双参数Weibull分布的概率密度函数f_W(c，k)(x)如下：

$f_{W(c,k)}\left(x\right)=\frac{k}{c}{\left(\frac{x}{c}\right)}^{k-1}\exp [-{\left(\frac{x}{c}\right)}^k]---\left(2\right)$

（1-13）平均风速的表达式如下：

$\bar{x}=\mathrm{c\Gamma }(1+1/k)---\left(3\right)$

（1-14）由风速标准差σ求得形状参数k，表达式如下：

$\frac{\sigma }{\bar{x}}=\sqrt{[\Gamma (1+\frac{2}{k})/{\Gamma }^2(1+\frac{1}{k})]-1}---\left(4\right)$

其中，平均风速与Weibull分布中尺度参数c成正比；Γ为伽马函数：

$\Gamma \left(a\right)={\int }_0^{+\infty }{y}^{a-1}{e}^{-y}\mathrm{dy});$

1-2）设定风速的时间相关性：根据测风数据拟合得到风速的时间相关性特征量θ，风 速的自相关函数在数值上由负指数函数表示，表达式如下：

ρ(k)=e^-θk,θ＞0,k=1,2,3...  (5)

式(5)中，θ的大小决定自相关函数衰减的快慢，表征风速波动的剧烈程度；

1-3）设定风速的空间相关性：多风电场风速之间的相关系数与风电场之间的地理距离 存在负指数关系，表达式如下：

$c=e^{-\frac{d}{M}}---\left(6\right)$

式(6)中，c为风速相关系数；d为两风电片区之间地理距离；M为风速相关系数随 距离衰减因子；

1-4）以全年风速平均值为基值得到各月平均风速序列k_m，k_m中的元素表达式如下：

$k_{\mathrm{mi}}=\frac{v_{\mathrm{mi}}}{{\bar{v}}_y},$i＝1,2,3,...,12  (7)

式(7)中，k_mi为k_m中第i个元素；v_mi为年内第i月的平均风速；为全年平均风速；

1-5）以全天风速平均值为基值得到日内各时刻平均风速序列k_h，k_h中的元素表达式 如下：

$k_{\mathrm{hj}}=\frac{v_{\mathrm{hj}}}{{\bar{v}}_d},$j=1,2,3,...,N^day  (8)

式(8)中，k_hj为k_h中第j个元素；v_hj为日内第j时段的平均风速；为全天平均风速； N^day为日内的时段总数；

1-6）利用多风电场运行模拟技术进行风速模拟：

（1-61）单一风电场风速模拟：

设风速符合如式(1)和式(2)所示的尺度参数与形状参数分别为c和k的Weoibull分布， 平均风速如式(3)所示，则：

$v\left(x\right)=\frac{2\theta }{f\left(x\right)}{\int }_l^x(\bar{x}-y)f\left(y\right)\mathrm{dy}$

$=\frac{2\theta }{f\left(x\right)}(\bar{x}F\left(x\right)-{\int }_l^x\mathrm{yf}\left(y\right)\mathrm{dy})---\left(9\right)$

$=\frac{2\theta }{f\left(x\right)}(\mathrm{c\Gamma }(\frac{1}{k}+1)(1-\exp [-{\left(\frac{x}{c}\right)}^k\left]\right)-\mathrm{c\Gamma }({\left(\frac{x}{c}\right)}^k,\frac{1}{k}+1))$

根据式(9)，单一风电场时序风速可由下式迭代计算生成：

${\hat{v}}_{\mathrm{it}}^{*}={\hat{v}}_{\mathrm{it}-1}^{*}+d{X}_t---\left(10\right)$

（1-62）多风电场风速模拟：

首先生成多维相关的布朗运动W_t，W_t各维均为标准布朗运动，各维之间相关系数矩 阵等于风电场风速相关系数矩阵；之后，利用W_t各维分量按步骤（1-61）中方法生成各风 电场风速序列；

（1-63）风电场模拟风速的修正

根据1-4）和1-5），对随机生成的风速序列进行修正：

$v_{\mathrm{it}}^{*}=k_{\mathrm{mi}}{k}_{\mathrm{hj}}{\hat{v}}_{\mathrm{it}}^{*},$i＝1,2,...,12,j=1,2,..,m  (11)

（1-64）得到风电场模拟出力序列

设C_i(x)为风电机组出力特性曲线，表达式如下：

$C_i\left(v\right)=\left(\begin{array}{cc}0,& 0\le v<v_{\mathrm{in}},v>v_{\mathrm{out}}\\ \frac{v^3-v_{\mathrm{in}}^3}{v_{\mathrm{rated}}^3-v_{\mathrm{in}}^3}R,& v_{\mathrm{in}}\le v\le v_{\mathrm{rated}}\\ R,& v_{\mathrm{rated}}\le v\le v_{\mathrm{out}}\end{array}\right)---\left(12\right)$

式(12)中，v_in、v_rated与v_out分别为风电机组的切入风速、额定风速与切出风速；

利用修正后风速序列风电场时序出力曲线由下式生成：

$P_{\mathrm{it}}=n_{\mathrm{it}}(1-{\eta }_i)C_i\left(v_{\mathrm{it}}^{*}\right)---\left(13\right)$

式(13)中，P_it为第i个风电场第t时刻的出力；η_i为第i个风电场尾流效应系数；n_it为 第i个风电场可用机组台数；

2）根据模拟得到的风电场时序出力、年度风电消纳能力判别集以及调峰能力、调频 能力、负荷跟踪能力、快速备用能力和网络输送能力作为约束条件，对风电消纳能力进行 多维度判别，具体包括：

2-1）生成年度风电消纳能力判别集Ω：

（2-11）将一年按月划分为12单元，一个单元对应一个月，第i个单元有N_i条日负 荷曲线，i=1,2，...,12；

（2-12）根据模拟得到的风电场时序出力，按单元建立“日内风电出力曲线库”，设第 i单元的“日内风电出力曲线库”共有N_ij条日内风电出力曲线，i=1,2，...,12；

（2-13）将每一单元内的日负荷曲线与对应单元的“日内风电出力曲线库”中的日内 风电出力曲线做组合，则一年共有个负荷-风电出力组合，这些负荷-风电 出力组合组成年度风电消纳能力判别集Ω；

（2-14）年度风电消纳能力判别集Ω中，设第n个负荷-风电出力组合由第i个单元的 第j条负荷曲线和第i个单元的“日内风电出力曲线库”中的第k条日内风电出力曲线组 成，其中i＝1,2,...,12，j=1,2,...,N_i，k=1,2,...,N_ij：

模拟得到的电力系统小时级风电出力序列，记为列向量

预测得到的电力系统小时级负荷序列，记为列向量

则电力系统小时级等效负荷序列为列向量

$D_n^h=L_n^h-W_n^h---\left(14\right)$

等效负荷小时级变化序列，记为

$V_n^h\left(t\right)=D_n^h(t+1)-D_n^h\left(t\right)$t=1,2，...,N^h-1  (15)

式(15)中，表示中的第t个元素；表示中的第t个元素；N^h表示 日内小时数；

模拟得到的电力系统分钟级风电出力序列，记为列向量

预测得到的电力系统分钟级负荷序列，记为列向量

则电力系统分钟级等效负荷序列为

$D_n^m=L_n^m-W_n^m---\left(16\right)$

等效负荷分钟级变化序列，记为

$V_n^m\left(t\right)=D_n^m(t+1)-D_n^m\left(t\right)$t=1,2,...,N^m-1  (17)

式(17)中，表示中的第t个元素；表示中的第t个元素；N^m表 示日内分钟数；

2-2）确定日内机组组合状态：

设机组总数为N^unit，年度风电消纳能力判别集Ω中的第n个负荷-风电出力组合中 （n=1,2,...,N）的第i台机组的开机状态变量记为u_n，i(i=1,2,...,N^unit)，假定机组日内 不允许启停，当u_n，i=0时表示该机组全天关机，当u_n，i=1时表示该机组全天开机；日内 各机组开机与否确定如下：按机组类型依次开机，开机顺序为区外电源、核电、热电、水 电与抽蓄、火电、燃机，同类型机组按机组容量由大到小开机，直到满足电力系统等效负 荷需求，最终得到电力系统日内机组组合状态；

2-3）根据年度风电消纳能力判别集Ω，进行调峰维度的风电消纳能力判别，具体包 括：

（2-31）为第i个机组的最大出力；为 第i个机组的最小出力；第i个机组最小出力系数记为λ_i(i=1,2,...,N^unit)，表达式如下：

${\lambda }_i=\frac{P_i^{\max }-P_i^{\min }}{C_i},$i＝1,2，...,N^unit  (18)

式(18)中，C_i表示第i个机组的容量；

（2-32）确定所述第n个负荷-风电出力组合的电力系统可调最低出力表达式如 下：

$P_{n,\mathrm{sys}}^{\min }=\underset{i=1}{\overset{N^{\mathrm{unit}}}{\Sigma }}{u}_{n,i}(P_i^{\max }-{\lambda }_i{C}_i)---\left(19\right)$

（2-33）确定所述第n个负荷-风电出力组合的日内弃风电量（弃风为风机被迫减出力 或者关机，弃风电量为由于风机被迫减出力或者关机所造成的可发风电电量的损失值）

$P_{n,\mathrm{cut}}^{\mathrm{peak}}=\underset{t=1}{\overset{N^h}{\Sigma }}\min \{W_n^h\left(t\right),g(P_{n,\mathrm{sys}}^{\min }-D_n^h\left(t\right))\}---\left(20\right)$

式(20)中，为所述第n个负荷-风电出力组合的日内风电出力序列中第t时刻的 风电出力值；为所述第n个负荷-风电出力组合的等效负荷序列中第t时刻的等效负 荷值；g(x)为状态函数，表达式如下：

$g\left(x\right)=\left(\begin{array}{cc}0,& x<=0\\ 1,& x>0\end{array}\right)---\left(21\right)$

则，当等于0时，表示所述第n个负荷-风电出力组合通过了调峰能力约束；当 大于0时，表示所述第n个负荷-风电出力组合没有通过调峰能力约束；

（2-34）若在对年度风电消纳能力判别集Ω中的全部负荷-风电出力组合计算完成后， 得到该风电装机规模在调峰能力约束下的风电消纳比例λ_peak，进行调频维度的风电消纳能 力判别，λ_peak表达式如下：

${\lambda }_{\mathrm{peak}}=\frac{\underset{n=1}{\overset{N}{\Sigma }}g\left({-P}_{n,\mathrm{cut}}^{\mathrm{peak}}\right)}{N}\times 100\%---\left(22\right);$

否则转回到（2-2）；

2-4）根据年度风电消纳能力判别集Ω，进行调频维度的风电消纳能力判别，具体包 括：

（2-41）第i台机组的分钟级出力调节系数

${\upsilon }_i^m=\frac{\Delta {\upsilon }_i^{m,\max }}{C_i},$i＝1,2,...,N^unit  (23)

式(23)中，是指第i台机组的分钟级最大可调出力；

（2-42）确定年度风电消纳能力判别集Ω中第n个负荷-风电出力组合的电力系统1分 钟内可调最大出力，记为表达式如下：

$V_{n,\mathrm{sys}}^{m,\max }=\underset{i=1}{\overset{N^{\mathrm{unit}}}{\Sigma }}{u}_{n,i}{\upsilon }_i^m{C}_i---\left(24\right)$

（2-43）按日内时刻依次比较与

当大于0时，表示日内存在个别时刻违背调频能力约束，所述 第n个负荷-风电出力组合没有通过调频能力约束；当等于0时， 表示日内所有时刻均满足调频能力约束，所述第n个负荷-风电出力组合通过了调频能力约 束；

（2-44）判断对一年的年度风电消纳能力判别集Ω中的全部负荷-风电出力组合计算是 否完成，若完成，得到该风电装机规模在调频能力约束下的风电消纳比例λ_freq，进行调频 维度的风电消纳能力判别，λ_freq表达式如下：

${\lambda }_{\mathrm{freq}}=\frac{\underset{n=1}{\overset{N}{\Sigma }}g\left(\underset{t=1}{\overset{N^m-1}{\Sigma }}g(V_n^m\left(t\right)-V_{n,\mathrm{sys}}^{m,\max })\right)}{N}\times 100\%---\left(25\right);$

否则转回到（2-2）；

2-5）根据年度风电消纳能力判别集Ω，进行备用维度的风电消纳能力判别，具体包 括：

（2-51）定义电力系统负荷、检修与事故备用的正备用率与负备用率表达式 如下：

${\gamma }_{\mathrm{sys}}^{+}=\frac{R_{n,\mathrm{sys}}^{+}}{L_n^{h,\max }}\times 100\%---\left(26\right)$

${\gamma }_{\mathrm{sys}}^{-}=\frac{R_{n,\mathrm{sys}}^{-}}{L_n^{h,\max }}\times 100\%---\left(27\right)$

式(26)和式(27)中，表示日最大负荷；表示电力系统负荷、检修与事故正 备用需求容量；表示电力系统负荷、检修与事故负备用需求容量；

（2-52）定义电力系统风电出力正备用率与负备用率表达式如下：

${\gamma }_{\mathrm{wind}}^{+}=\frac{R_{n,\mathrm{wind}}^{+}}{W_n^{h,1\max }}\times 100\%---\left(28\right)$

${\gamma }_{\mathrm{wind}}^{-}=\frac{R_{n,\mathrm{wind}}^{-}}{W_n^{h,1\max }}\times 100\%---\left(29\right)$

式(28)和式(29)中，表示峰荷时段的风电出力；表示电力系统风电出力 正备用需求容量；表示电力系统风电出力负备用需求容量；

（2-53）确定年度风电消纳能力判别集Ω中第n个负荷-风电出力组合的电力系统正备 用需求容量与负备用需求容量表达式如下：

$R_{n,\mathrm{sys}}^{n+}={\gamma }_{\mathrm{sys}}^{+}·L_n^{h,\max }+{\gamma }_{\mathrm{wind}}^{+}·W_n^{h,1\max }---\left(30\right)$

$R_{n,\mathrm{sys}}^{n-}={\gamma }_{\mathrm{sys}}^{-}·L_n^{h,\max }+{\gamma }_{\mathrm{wind}}^{-}·W_n^{h,1\max }---\left(31\right)$

（2-54）第i台机组快速备用正调节系数与负调节系数表达式如下：

${\alpha }_i^{+}=\frac{\Delta R_i^{+}}{C_i}---\left(32\right)$

${\alpha }_i^{-}=\frac{\Delta R_i^{-}}{C_i}---\left(33\right)$

式(32)和式(33)中，分别为第i台机组在开机状态下可提供的正备用容量与 负备用容量；

（2-55）所述第n个负荷-风电出力组合下的电力系统正备用可供容量与负备用 可供容量表达式如下：

$R_{n,\mathrm{sys}}^{s+}=\underset{i=1}{\overset{N^{\mathrm{unit}}}{\Sigma }}(1-u_{n,i}){\alpha }_i^{+}{C}_i---\left(34\right)$

$R_{n,\mathrm{sys}}^{s-}=\underset{i=1}{\overset{N^{\mathrm{unit}}}{\Sigma }}(1-u_{n,i}){\alpha }_i^{-}{C}_i---\left(35\right)$

（2-56）比较与与

当大于或大于时，表示电力系统备用能力不足，所述第n个负 荷-风电出力组合没有通过备用能力约束；当不大于或不大于时，表 示电力系统备用能力充裕，所述第n个负荷-风电出力组合通过了备用能力约束；

（2-57）判断对年度风电消纳能力判别集Ω中的全部负荷-风电出力组合计算是否完 成，若完成，得到该风电装机规模在备用能力约束下的风电消纳比例λ_rese，进行备用维度 的风电消纳能力判别，λ_rese表达式如下：

${\lambda }_{\mathrm{rese}}=\frac{\underset{n=1}{\overset{N}{\Sigma }}g(g(R_{n,\mathrm{sys}}^{s+}-R_{n,\mathrm{sys}}^{n+})·g(R_{n,\mathrm{sys}}^{s-}-R_{n,\mathrm{sys}}^{n-}))}{N}\times 100\%---\left(36\right);$

否则转回到步骤（2-2）；

2-6）根据年度风电消纳能力判别集Ω，进行负荷跟踪能力维度的风电消纳能力判别， 具体包括：

（2-61)第i台机组的小时级出力调节系数

${\upsilon }_i^h=\frac{\Delta {\upsilon }_i^{h,\max }}{C_i},$i＝1,2，...,N^unit  (37)

式(37)中，是指第i台机组的小时级最大可调出力；

（2-62）确定年度风电消纳能力判别集Ω中第n个负荷-风电出力组合的电力系统1小 时内可调最大出力，记为表达式如下：

$V_{m,\mathrm{sys}}^{h,\max }=\underset{i=1}{\overset{N^{\mathrm{unit}}}{\Sigma }}{u}_{n,i}{\upsilon }_i^h{C}_i---\left(38\right)$

（2-63）确定所述第n个负荷-风电出力组合的负荷跟踪能力约束能否通过，按日内时 刻依次比较与

当大于0时，表示日内存在个别时刻违背负荷跟踪能力约束， 所述第n个负荷-风电出力组合没有通过负荷跟踪能力约束；当等 于0时，表示日内所有时刻均满足负荷跟踪能力约束，所述第n个负荷-风电出力组合通过 了负荷跟踪能力约束；

（2-64）判断对年度风电消纳能力判别集Ω中的全部负荷-风电出力组合计算是否完 成，若完成，得到该风电装机规模在负荷跟踪能力约束下的风电消纳比例λ_foll，进行负荷 跟踪能力维度的风电消纳能力判别，λ_foll表达式如下：

${\lambda }_{\mathrm{foll}}=\frac{\underset{n=1}{\overset{N}{\Sigma }}g\left(\underset{t=1}{\overset{N^{\mathrm{day}}-1}{\Sigma }}g(V_n^h\left(t\right)-V_{n,\mathrm{sys}}^{h,\max })\right)}{N}\times 100\%---\left(39\right);$

否则转回到（2-2）；

2-7）根据年度风电消纳能力判别集Ω，进行网络输送能力维度的风电消纳能力判别， 具体包括：

（2-71）当电力系统节点存在区外送电计划时，记区外送电小时级出力序列为

（2-72）设第k条联络线的线路传输容量极限为则电力系统外送容量极限 为表达式如下：

$P_{\mathrm{sys}}^{\lim }=\underset{k=1}{\overset{N^{\mathrm{line}}}{\Sigma }}{P}_k^{\lim }---\left(40\right)$

式(40)中，N^line表示电力系统联络线总数；

（2-73）针对年度风电消纳能力判别集Ω中的第n个负荷-风电出力组合，当区外送电 出力大于电力系统外送容量极限时，电力系统将因网络传输能力约束产生弃风表达 式如下：

$P_{n,\mathrm{cut}}^{\mathrm{grid}}=\underset{t=1}{\overset{24}{\Sigma }}\min \{W_n^h\left(t\right),g\left(\right|P_{n,\mathrm{out}}^h\left(t\right)|-P_{\mathrm{sys}}^{\lim })·\left(\right|P_{n,\mathrm{out}}^h\left(t\right)|-P_{\mathrm{sys}}^{\lim })\}---\left(41\right)$

式(41)中，为中第t个元素；

则当该所述第n个负荷-风电出力组合的弃风电量为0时，表示所述第n个负荷- 风电出力组合通过了网络传输能力约束；当所述第n个负荷-风电出力组合的弃风电量 大于0时，表示所述第n个负荷-风电出力组合没有通过网络传输能力约束；

（2-74）判断对年度风电消纳能力判别集Ω中的全部负荷-风电出力组合计算是否完 成，若完成，得到该风电装机规模在网络传输能力约束下的风电消纳比例λ_grid，进行网络 输送能力维度的风电消纳能力判别，λ_grid表达式如下：

${\lambda }_{\mathrm{grid}}=\frac{\underset{n=1}{\overset{N}{\Sigma }}[1-g\left(P_{n,\mathrm{cut}}^{\mathrm{grid}}\right)]}{N}\times 100\%---\left(42\right);$

否则转回到（2-2）；

2-8）根据年度风电消纳能力判别集Ω，进行以调峰能力、调频能力、快速备用能力、 负荷跟踪能力及网络输送能力作为综合约束，进行风电消纳综合能力判别：

（2-81）设电力系统控制参数行向量共有5个元素，表征电力系统在判别风电 消纳能力过程中考虑的约束；当元素的值为1时，表示判别风电消纳能力过程中考虑对应 因素的约束；当元素的值为0时，表示判别风电消纳能力过程中不考虑对应因素的约束； 中元素的对应关系为：第一个元素对应调峰能力、第二个元素对应调 频能力、第三个元素对应快速备用能力、第四个元素对应负荷跟踪能力、 第五个元素对应网络输送能力；当考虑全部因素的约束时，

（2-82）记考虑多个维度约束的风电消纳比例为表达式如下：

${\lambda }^{S_{\mathrm{sys}}^{\mathrm{con}}}=\frac{\underset{n=1}{\overset{N}{\Sigma }}\left[\underset{i=1}{\overset{5}{\Pi }}h(S_{\mathrm{sys}}^{\mathrm{con}}\left(i\right)·{\lambda }_i)\right]}{N}\times 100\%---\left(43\right)$

式(43)中，

$h\left(x\right)=\left(\begin{array}{cc}1& x=0\\ x& x\ne 0\end{array}\right)$

${\lambda }_1=g(-P_{n,\mathrm{cut}}^{\mathrm{peak}});$

${\lambda }_2=g\left(\underset{t=1}{\overset{N^{\mathrm{day}}-1}{\Sigma }}g(V_n^m\left(t\right)-V_{n,\mathrm{sys}}^{m,\max })\right);$

${\lambda }_3=g\left(g(R_{n,\mathrm{sys}}^{s+}-R_{n,\mathrm{sys}}^{n+})\right);$

${\lambda }_4=g\left(\underset{t=1}{\overset{N^{\mathrm{day}}-1}{\Sigma }}g(V_n^h\left(t\right)-V_{n,\mathrm{sys}}^{h,\max })\right);$

${\lambda }_5=1-g\left(P_{n,\mathrm{cut}}^{\mathrm{grid}}\right)$

（2-83）用考虑五个维度约束下的风电消纳比例λ^total进行风电消纳综合能力判别， λ^total表达式如下：

${\lambda }^{\mathrm{total}}={\lambda }^{\left[\mathrm{1,1,1,1,1}\right]}=\frac{\underset{n=1}{\overset{N}{\Sigma }}\left(\underset{i=1}{\overset{5}{\Pi }}{\lambda }_i\right)}{N}\times 100\%---\left(44\right);$

2-9）根据年度风电消纳能力判别集Ω对月度与日度风电消纳能力的判别

（2-91）用月度风电消纳能力判别集Ω_i，表征年度风电消纳能力判别集Ω中处于第i 月的负荷-风电出力组合集合，i=1,2,3，...,12；

（2-92）用第i月的风电消纳比例进行月度风电消纳能力的判别，表达式如 下：

${\lambda }_i^{S_{\mathrm{sys}}^{\mathrm{con}}}=\frac{\underset{\Omega \left(n\right)\in {\Omega }_i}{\Sigma }\left(\underset{i=1}{\overset{5}{\Pi }}h(S_{\mathrm{sys}}^{\mathrm{con}}\left(i\right)·{\lambda }_i)\right)}{N\left({\Omega }_i\right)}\times 100\%,$i＝1,2,...,12  (45)

式(45)中，N(Ω_i)表示集合Ω_i的负荷-风电出力组合个数；Ω(n)表示年度风电消纳能 力判别集Ω中的第n个负荷-风电出力组合；

（2-93）用日度风电消纳能力判别集Ω_i，j，表征年度风电消纳能力判别集Ω中日负荷 曲线为第i月第j天的负荷-风电出力组合集合，i=1,2,3,...,12，j=1，2,3,...N_i

（2-94）用第i月第j日的风电消纳比例进行日度风电消纳能力的判别，表 达式如下：

${\lambda }_{i,j}^{S_{\mathrm{sys}}^{\mathrm{con}}\left(i\right)}=\frac{\underset{\Omega \left(n\right)\in {\Omega }_{i,j}}{\Sigma }\left(\underset{i=1}{\overset{5}{\Pi }}h(S_{\mathrm{sys}}^{\mathrm{con}}\left(i\right)·{\lambda }_i)\right)}{N\left({\Omega }_{i,j}\right)}\times 100\%,$i＝1,2,..,12(46)。

本发明的技术特点及有益效果：

本发明可进行调峰维度、调频维度、备用维度、负荷跟踪能力维度和网络输送能力维 度的多维度风电消纳能力判别，还可进行月度和日度的风电消纳能力判别；利用本发明的 风电消纳能力判别方法可针对某一风电装机规模，可以得到该规模下的年度、月度与日度 的风电消纳比例，可以指导年度风电装机规划、安排月度风电运行策略、优化日度电力系 统调度与控制方案，实现对风电的高效利用，对电力系统的规划、运行、调度与控制具有 重要意义。

本发明跳出了现有电力系统风电消纳能力判别方法在流程设计与理论方法层面的束 缚，建立了一套基于风电运行模拟的多维度风电消纳能力判别方法，完整计及电力系统调 峰能力、调频能力、快速备用能力、负荷跟踪能力以及网络输送能力，利用考虑时空相关 性的多风电场运行模拟技术，科学判别年度、月度与日度风电消纳能力，为电力系统调度、 运行与控制人员提供了一套快速判别风电消纳能力的工具。

本发明可帮助电力系统调度、运行与控制人员从多个维度精准预估未来电力系统可接 纳的风电规模，进而明确未来电力系统在不同时间尺度下的风电消纳规模，快速判断出未 来风电是否可被电力系统全额消纳，对电力系统的运行、调度、控制等各个功能环节具有 重要的现实意义和良好的应用前景。

实施例：

以某省级地区为例阐述本发明所提出的基于风电运行模拟的多维度风电消纳能力判别 方法。

1）根据测风数据，利用多风电场运行模拟技术模拟得到风电场时序出力：

（1-1）设定风电场风速参数取值，根据该地区历史风速统计数据，预先设定风电运行 模拟的风速基本参数，如表1所示：

（1-2）多风电场之间风速相关性的设定，取相关电力系统随距离衰减因子M为300：

各风电场两两之间的地理距离如表2所示：

根据上表得到的多风电场的相关系数如表3所示：

（1-3）风速的日内特性k_h，如表4所示：

（1-4）风速的季节特性k_m，如表5所示：

（1-5）利用风电运行模拟技术，模拟得到全年风电时序出力序列，取某一日的风电场 运行模拟出力曲线，如图1所示：

2）根据模拟得到的风电场时序出力及以调峰能力、调频能力、负荷跟踪能力、快速 备用能力以及网络输送能力作为多维度约束条件，对风电消纳能力进行判别，具体包括：

2-1）生成年度风电消纳能力判别集Ω：

（2-11）将一年按月划分为12单元（一个单元对应一个月），第i个单元有N_i条日负 荷曲线(i=1,2，...,12)；

则，

N₁=31,N₂=28,N₃=31,

N₄=30,N₅=31,N₆=30,

N₇=31,N₈=31,N₉=30,

N₁₀=31,N₁₁=30,N₁₂=31

（2-12）根据模拟得到的风电场时序出力，按单元建立“日内风电出力曲线库”，设第 i单元的“日内风电出力曲线库”共有N_ij(i=1，2,...,12)条日内风电出力曲线；

（2-13）将每一单元内的日负荷曲线与对应单元的“日内风电出力曲线库”中的日内 风电出力曲线做组合，则一年共有个负荷-风电出力组合，这些组合组成年 度风电消纳能力判别集Ω；

（2-14）年度风电消纳能力判别集Ω中，设第n个负荷-风电出力组合由第i个单元的 第j条负荷曲线和第i个单元的“日内风电出力曲线库”中的第k条日内风电出力曲线组 成，其中i＝1,2,...,12，j=1,2,...,N_i，k=1,2，...,N_ij：

模拟得到的电力系统小时级风电出力序列，记为列向量

预测得到的电力系统小时级负荷序列，记为列向量

则电力系统小时级等效负荷序列为列向量

$D_n^h=L_n^h-W_n^h---\left(1\right)$

等效负荷小时级变化序列，记为

$V_n^h\left(t\right)=D_n^h(t+1)-D_n^h\left(t\right)$t=1,2,...,N^h-1  (2)

式(15)中，表示中的第t个元素；表示中的第t个元素；N^h表示 日内小时数；

模拟得到的电力系统分钟级风电出力序列，记为列向量

预测得到的电力系统分钟级负荷序列，记为列向量

则电力系统分钟级等效负荷序列为

$D_n^m=L_n^m-W_n^m---\left(3\right)$

等效负荷分钟级变化序列，记为

$V_n^m\left(t\right)=D_n^m(t+1)-D_n^m\left(t\right)$t=1,2,...,N^m-1  (4)

式(17)中，表示中的第t个元素；表示中的第t个元素；N^m表 示日内分钟数；

2-2）确定日内机组组合状态：

设机组总数为N^unit，年度风电消纳能力判别集Ω中的第n个负荷-风电出力组合中 （n=1,2,...,N）的第i台机组的开机状态变量记为u_ni(i=1,2,...,N^unit)，假定机组日内 不允许启停，当u_n,i=0时表示该机组全天关机，当u_n，i=1时表示该机组全天开机；日内 各机组开机与否确定如下：按机组类型依次开机，开机顺序为区外电源、核电、热电、水 电与抽蓄、火电、燃机，同类型机组按机组容量由大到小开机，直到满足电力系统等效负 荷需求，最终得到电力系统日内机组组合状态；

2-3）根据年度风电消纳能力判别集Ω，进行调峰维度的风电消纳能力判别，当风电 装机规模为11561MW时，调峰维度的风电消纳比例为96.8%；

2-4）根据年度风电消纳能力判别集Ω，进行调频维度的风电消纳能力判别，当风电 装机规模为11561MW 时，调频维度的风电消纳比例为100%；

2-5）根据年度风电消纳能力判别集Ω，进行备用维度的风电消纳能力判别，当风电 装机规模为11561MW时，备用维度的风电消纳比例为100%；

2-6）根据年度风电消纳能力判别集Ω，进行负荷跟踪能力维度的风电消纳能力判别， 当风电装机规模为11561MW时，负荷跟踪能力维度的风电消纳比例为100%；

2-7）根据年度风电消纳能力判别集Ω，进行网络输送能力维度的风电消纳能力判别， 当风电装机规模为11561MW时，负荷跟踪能力维度的风电消纳比例为99.6%；

2-8）根据年度风电消纳能力判别集Ω，进行以调峰能力、调频能力、快速备用能力、 负荷跟踪能力及网络输送能力作为综合结束的风电消纳能力判别方法：

（2-81）记考虑多个维度约束的风电消纳比例为当同时将调峰与网络输送能 力作为约束时，当风电装机规模为11561MW时，风电消纳比例为96.5%；

（2-83）记考虑五个维度约束下的风电消纳比例为λ^total，当同时将调峰能力、调频能 力、快速备用能力、负荷跟踪能力及网络输送能力作为约束时，当风电装机规模为11561MW 时，风电消纳比例为96.5%；

2-9）月度与日度风电消纳能力判别方法

（2-91）月度风电消纳能力判别集Ω_i，表征年度风电消纳能力判别集Ω中处于第i月 的负荷-风电出力组合集合，i=1,2,3,...,12；

（2-92）第i月的风电消纳比例以第7月为例，当同时将调峰能力、调频能力、 快速备用能力、负荷跟踪能力及网络输送能力作为约束时，当风电装机规模为11561MW 时，第7月的风电消纳比例为96.9%；

（2-93）第i月第j日的日度风电消纳比例以7月1日为例，当同时将调峰能 力、调频能力、快速备用能力、负荷跟踪能力及网络输送能力作为约束时，当风电装机规 模为11561MW时，7月1日的风电消纳比例为97.1%；

针对某一风电装机规模，可以得到该规模下的年度、月度与日度的风电消纳比例，可 以指导年度风电装机规划、安排月度风电运行策略、优化日度电力系统调度与控制方案， 实现对风电的高效利用，对电力系统的规划、运行、调度与控制具有重要意义。

表1

表2

表3

表4

表5

以上所述的具体实施例仅为说明本发明的实现效果，并不用以限制本发明。凡在本发 明所提出的方法的基本思路和框架之内所作的任何非实质性的修改、转换和改进，均应包 含在本发明的保护范围之内。