一种接入风力发电的电力系统备用容量确定方法

摘要

本发明提供一种接入风力发电的电力系统备用容量确定方法，该方法采用风电-负荷节点的预测误差随机时间序列之间相关系数的方式，得到各控制区域的系统总负荷预测误差分布，然后由总的误差分布曲线得到所需配置的备用容量。本发明提出的方法，能够有效地应对区域边界可变的情况，可以快速准确地获得备用计算结果，并保证了风电接入后的备用容量的准确性与可靠性；同时兼顾了可靠性与经济性双重要求，采用柔性负荷参与备用容量的分摊，降低了备用成本，达到经济最优的目的。

说明书

技术领域

本发明涉及风力发电在电力系统中的应用领域，具体涉及一种接入风力发电的电力 系统备用容量确定方法。

背景技术

风电作为最具开发规模的可再生能源发电的代表，逐渐受到越来越多的关注。电网 应该采取各种有效的方式，全力接纳风电上网，以充分利用清洁能源。

风电具有随机性、间歇性和波动性等特点，因此其大规模接入将导致系统备用电源、 调峰容量及系统运行成本的增加。按照传统政策，新能源电力原则上在本省消纳，而风 电如果在一个控制区域内就地消纳，则会造成其备用容量不足，存在安全隐患。目前提 出的方案是在保证安全性的前提下，放开联络线计划，将风电功率分配给多个区域共同 调节，变局部消纳为广域协调。未来电网局部控制区之间的互动支援必将变得频繁有序， 电网根据风电出力情况，整合各控制区域适宜参与消纳风电的发电和负荷节点，形成消 纳风电的广义区域。因此，对于风电波动的不同情形，各控制区域适宜参与消纳风电的 发电和负荷节点的组成也有所不同，广义区域的边界亦相应地发生动态变化，而控制区 域范围的改变必然会对备用容量的配置产生影响，因此有必要研究区域边界动态变化下 的备用容量确定方法。

现有的备用容量确定方法考虑的都是区域边界固定的情况，大致分为确定性和概率 性两种。确定性方法往往是取最大负荷的固定百分比或者单机的最大容量，简单方便， 但经济性较差，所以概率性方法是当前最为普遍的备用确定方式。一些研究基于蒙特卡 罗随机模拟技术，利用粒子群算法进行优化，或通过聚类分析技术对风电功率预测数据 进行筛选，建立风电功率预测误差与备用需求变化间的关联模型，或构建以总成本最小 为目标的备用优化模型，采用遗传算法和内点法在离散和连续空间中交替求解。而当风 电跨区域消纳，导致广义控制区域边界发生改变时，上述方法均需要重新确定系统参数， 建立优化模型，反复迭代求解最优值，每一次边界的改变势必要重复这一过程，运算过 程相当繁琐，因此，当下的方法已不能有效地应用于区域边界动态变化下的电网。

发明内容

有鉴于此，本发明提供的一种接入风力发电的电力系统备用容量确定方法，该方法 能够有效地应对区域边界可变的情况，可以快速准确地获得备用计算结果，并保证了风 电接入后的备用容量的准确性与可靠性；同时兼顾了可靠性与经济性双重要求，采用柔 性负荷参与备用容量的分摊，降低了备用成本，达到经济最优的目的。

本发明的目的是通过以下技术方案实现的：

一种接入风力发电的电力系统备用容量确定方法，所述方法用于确定接入风力发 电的电力系统的控制区域边界动态变化下的备用容量；所述控制区域中设有各节点，所 述节点包括负荷节点和风力发电节点；

所述方法包括如下步骤：

步骤1.测量并计算得到每个所述节点的误差值的随机时间序列；

步骤2.根据每个所述节点误差的随机时间序列，计算得到所述控制区域的总预测 误差的标准差；

步骤3.根据所述控制区域的总预测误差的标准差及所述控制区域的传统备用容 量，求得所述控制区域的新备用容量；

步骤4.根据所述新备用容量的值，计入所述控制区域的柔性负荷和传统发电的备 用成本，分别求得发电和负荷的备用容量。

优选的，所述步骤1包括：

1-1.在一个时段内，测量所述节点在每个等时间间隔的时间点的电量值；

1-2.计算所述节点的电量值与该节点的预测值的差值，所述差值即为该节点误差；

1-3.建立所述误差值的自回归移动平均模型，得到所述误差值的随机时间序列；

1-4.重复所述1-1至1-3，直到得到所述电力系统中的全部的所述节点误差的随机 时间序列。

优选的，所述步骤2包括：

2-1.根据各个所述节点误差的随机时间序列的期望及标准差，计算各个所述节点误 差之间的相关系数；

2-2.根据所述标准差及所述节点误差之间的相关系数，计算得到所述控制区域的总 预测误差的标准差的值。

优选的，所述2-1包括：

a.计算各个所述节点误差的随机时间序列的标准差σ：

$\sigma =\sqrt{\frac{1}{M}{\Sigma }_{i=1}^M{[\left(P_{meas,i}-P_{pred,i}\right)-\left(\overline{P_{meas}}-\overline{P_{pred}}\right)]}^2}---\left(1\right)$

式中，M为该时刻的功率预测误差的历史数据样本总数；P_pred，i为i样本中的功率 预测值；P_meas，i为i样本中的功率实际测量值；为M个样本的预测平均值；为M个样本的测量平均值；

b.由概率论中协方差公式，得各个所述节点误差之间的协方差Cov(ΔP_x，ΔP_y)为：

$Cov({\mathrm{\Delta P}}_x,{\mathrm{\Delta P}}_y)=\frac{1}{M}{\Sigma }_{i=1}^M\left({\mathrm{\Delta P}}_{x,i}-\overline{{\mathrm{\Delta P}}_x}\right)\left({\mathrm{\Delta P}}_{y,i}-\overline{{\mathrm{\Delta P}}_y}\right)---\left(2\right)$

式中，ΔP_x为节点x的功率预测误差，为节点x的功率实际测量值减去功率预测值， ΔP_y为节点y的功率预测误差，为节点y的功率实际测量值减去功率预测值。x为节点 中的某一个节点，y为节点中的不同于x的某一节点；为节点x的误差的期望值；为节点y的误差的期望值；

c.根据式(2)及各个所述节点误差的随机时间序列的期望及标准差，计算各个所 述节点误差之间的相关系数r_xy：

$r_{xy}=\frac{Cov\left({\mathrm{\Delta P}}_x,{\mathrm{\Delta P}}_y\right)}{{\sigma }_x{\sigma }_y}=\frac{1}{M}\frac{1}{{\sigma }_x{\sigma }_y}{\Sigma }_{i=1}^M\left({\mathrm{\Delta P}}_{x,i}-\overline{{\mathrm{\Delta P}}_x}\right)\left({\mathrm{\Delta P}}_{y,i}-\overline{{\mathrm{\Delta P}}_y}\right)---\left(3\right)$

式中，σ_x为节点x的误差的随机时间序列的标准差；σ_y为节点y的误差的随机时间 序列的标准差。

优选的，所述2-2包括：

d.根据所述标准差及所述节点误差之间的相关系数，计算得到所述控制区域的总 预测误差的方差σ_sum²：

${{\sigma }_{sum}}^2=\left[{\sigma }_1{\sigma }_2\mathrm{...}{\sigma }_N\right]\left(\begin{array}{cccc}{r}_{11}& r_{12}& \mathrm{...}& r_{1N}\\ r_{21}& r_{22}& \mathrm{...}& r_{2N}\\ \mathrm{...}& \mathrm{...}& \mathrm{...}& \mathrm{...}\\ r_{N1}& r_{N2}& \mathrm{...}& r_{NN}\end{array}\right)\left(\begin{array}{c}{\sigma }_1\\ {\sigma }_2\\ \mathrm{...}\\ {\sigma }_N\end{array}\right)---\left(4\right)$

式中，N为全部的所述节点误差的随机时间序列的个数；σ₁σ₂...σ_N为全部的所述 节点误差的随机时间序列的标准差；$\left(\begin{array}{cccc}{r}_{11}& r_{12}& \mathrm{...}& r_{1N}\\ r_{21}& r_{22}& \mathrm{...}& r_{2N}\\ \mathrm{...}& \mathrm{...}& \mathrm{...}& \mathrm{...}\\ r_{N1}& r_{N2}& \mathrm{...}& r_{NN}\end{array}\right)$为全部的所述节点误差的相关系数 矩阵；

e.对所述方差σ_sum²开方根，求得所述所述控制区域的总预测误差的标准差σ_sum。

优选的，所述步骤3包括：

3-1.将所述负荷节点的预测误差与所述风力发电节点的预测误差叠加，得到总负荷 预测误差密度曲线；

3-2.根据所述控制区域的传统备用容量值，在所述总负荷预测误差密度曲线查得失 负荷概率容量值；

3-3.根据所述失负荷概率容量值及所述控制区域的总预测误差的标准差，求得所述 控制区域的新备用容量。

优选的，所述3-3包括：

f.根据所述失负荷概率容量值P_LOLP及所述控制区域的总预测误差的标准差σ_sum，求 得所述控制区域的新备用容量P_备用；新备用容量P_备用包括正备用容量值P_正备用及负备用 容量值P_负备用：

式中，φ^-1为标准正态分布的反函数；μ_sum为总的负荷预测误差时间序列的期望值， 且μ_sum＝μ₁+μ₂+…+μ_N。

优选的，所述步骤4包括：

4-1.计入所述控制区域，得到所述控制区域的可中断负荷成本模型；

4-2.根据所述新备用容量的值，建立所述电力系统的备用成本分摊模型；

4-3.求解电力系统的备用成本分摊模型，得到传统发电备用容量与可中断负荷备用 容量。

优选的，所述4-1，包括：

计入所述控制区域的柔性负荷，得到所述控制区域的可中断负荷成本C_IL：

C_IL＝Q_ILP_ILt(7)

式中，Q_IL为可中断负荷的中断容量；P_IL为可中断负荷电价；t为负荷发生的时长。

优选的，所述4-2，包括：

根据所述新备用容量P_备用的值，建立所述电力系统的备用成本分摊模型：

其中，C_tr＝Q_tP_rt；$C_{td}={\Sigma }_{i=1}^m{\mathrm{\Delta L}}_i{P}_i{P}_{d}t;$

式中，C_tr为传统容量成本；Q_t为所预留的传统备用容量；P_r为容量电价；C_td为电 量成本；P_d为电量电价；t为负荷发生的时长；m为传统备用容量的分段数；ΔL_i为第i 段所调用的备用容量，ΔL₁+ΔL₂+…ΔL_m＝Q_t；P_i为第i段备用容量的调用概率。

从上述的技术方案可以看出，本发明提供了一种接入风力发电的电力系统备用容量 确定方法，该方法采用风电-负荷节点的预测误差随机时间序列之间相关系数的方式， 得到各控制区域的系统总负荷预测误差分布，然后由总的误差分布曲线得到所需配置的 备用容量。本发明提出的方法，能够有效地应对区域边界可变的情况，可以快速准确地 获得备用计算结果，并保证了风电接入后的备用容量的准确性与可靠性；同时兼顾了可 靠性与经济性双重要求，采用柔性负荷参与备用容量的分摊，降低了备用成本，达到经 济最优的目的。

与最接近的现有技术比，本发明提供的技术方案具有以下优异效果：

1、本发明所提供的技术方案中，采用风电-负荷节点的预测误差随机时间序列之间 相关系数的方式，得到各控制区域的系统总负荷预测误差分布，然后由总的误差分布曲 线得到所需配置的备用容量。能够有效地应对区域边界可变的情况，可以快速准确地获 得备用计算结果，并保证了风电接入后的备用容量的准确性与可靠性；同时兼顾了可靠 性与经济性双重要求，采用柔性负荷参与备用容量的分摊，降低了备用成本，达到经济 最优的目的。

2、本发明所提供的技术方案，满足了因可再生能源大规模接入电网，需要电网实 现控制区域间互动运行，控制区域边界变得模糊化的特征；能够有效且准确地应对区域 边界可变的情况，并快速准确地获得备用计算结果，进而保证了接入风力发电的电网的 可靠运行。

3、本发明所提供的技术方案，风电并网以后，通过保证并网前后可靠性指标PLOLP 相同，确定风电接入后的备用容量，确保了可靠性

4、本发明所提供的技术方案，柔性负荷作为负荷侧备用，主动参与电网运行控制 应对小概率事件的发生，短时间内快速增加或减少负荷侧用电量以维持电力平衡。在处 理小概率事件方面，需求侧备用相比传统备用具有有相当的优势，用户可以通过中断合 同、电价响应等方式参与到发电计划中，根据发电和负荷的功率不平衡大小调整自身负 荷功率。电力公司可以不需要支付容量成本，而通过事后支付较高赔偿金额或者采取更 高的折扣优惠，所以仅当该波动发生时，才需要支付柔性负荷的费用，不需要因为预留 一定容量而支付容量成本。所以柔性负荷基于自身的特点，作为需求侧备用与传统备用 共同为系统提供备用支持，能够有效降低备用成本，提高系统的灵活性。

5、本发明提供的技术方案，应用广泛，具有显著的社会效益和经济效益。

附图说明

图1是本发明的一种接入风力发电的电力系统备用容量确定方法的流程图；

图2是本发明的确定方法中步骤1的流程图；

图3是本发明的确定方法中步骤2的流程图；

图4是本发明的确定方法中步骤3的流程图；

图5是本发明的确定方法中步骤4的流程图；

图6是本发明的一种接入风力发电的电力系统备用容量确定方法的应用例中的预 测误差密度曲线示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整 地描述，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 于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其 他实施例，都属于本发明保护的范围。

如图1所示，本发明提供一种接入风力发电的电力系统备用容量确定方法，方法用 于确定接入风力发电的电力系统的控制区域边界动态变化下的备用容量；控制区域中的 节点包括负荷节点和风力发电节点；

方法包括如下步骤：

步骤1.测量并计算得到每个节点的误差值的随机时间序列；

步骤2.根据每个节点误差的随机时间序列，计算得到控制区域的总预测误差的标 准差；

步骤3.根据控制区域的总预测误差的标准差及控制区域的传统备用容量，求得控 制区域的新备用容量；

步骤4.根据新备用容量的值，计入所述控制区域的柔性负荷和传统发电的备用成 本，分别求得发电和负荷的备用容量。

如图2所示，步骤1，包括：

1-1.在一个时段内，测量节点在每个等时间间隔的时间点的电量值；

1-2.计算节点的电量值与该节点的预测值的差值，差值即为该节点误差；

1-3.得到误差值的随机时间序列；

1-4.重复1-1至1-3，直到得到电力系统中的全部的节点误差的随机时间序列。

如图3所示，步骤2，包括：

2-1.根据各个节点误差的随机时间序列的期望及标准差，计算各个节点误差之间的 相关系数；

2-2.根据标准差及节点误差之间的相关系数，计算得到控制区域的总预测误差的标 准差的值。

2-1，包括：

a.计算各个节点误差的随机时间序列的标准差σ：

$\left(\begin{array}{cc}\sigma =\sqrt{\frac{1}{M}{\Sigma }_{i=1}^H{[(P_{meas,i}-P_{pred,i})-(\overline{P_{meas}}-\overline{P_{pred}})]}^2}& )\end{array}\right)$

式中，M为该时刻的功率预测误差的历史数据样本总数；P_pred，i为i样本中的功率 预测值；P_meas，i为i样本中的功率实际测量值；为M个样本的预测平均值；为M个样本的测量平均值；

b.由概率论中协方差公式，得各个节点误差之间的协方差Cov(ΔP_x，ΔP_y)为：

$Cov({\mathrm{\Delta P}}_x,{\mathrm{\Delta P}}_y)=\frac{1}{M}{\Sigma }_{i=1}^M\left({\mathrm{\Delta P}}_{x,i}-\overline{{\mathrm{\Delta P}}_x}\right)\left({\mathrm{\Delta P}}_{y,i}-\overline{{\mathrm{\Delta P}}_y}\right)---\left(2\right)$

式中，ΔP_x为节点x的功率预测误差，为节点x的功率实际测量值减去功率预测值， ΔP_y为节点y的功率预测误差，为节点y的功率实际测量值减去功率预测值。x为节点 中的某一个节点，y为节点中的不同于x的某一节点；为节点x的误差的期望值；为节点y的误差的期望值；

c.根据式(2)及各个节点误差的随机时间序列的期望及标准差，计算各个节点误 差之间的相关系数r_xy：

$r_{xy}=\frac{Cov\left({\mathrm{\Delta P}}_x,{\mathrm{\Delta P}}_y\right)}{{\sigma }_x{\sigma }_y}=\frac{1}{M}\frac{1}{{\sigma }_x{\sigma }_y}{\Sigma }_{i=1}^M\left({\mathrm{\Delta P}}_{x,i}-\overline{{\mathrm{\Delta P}}_x}\right)\left({\mathrm{\Delta P}}_{y,i}-\overline{{\mathrm{\Delta P}}_y}\right)---\left(3\right)$

式中，σ_x为节点x的误差的随机时间序列的标准差；σ_y为节点y的误差的随机时间 序列的标准差。

2-2，包括：

d.根据标准差及节点误差之间的相关系数，计算得到控制区域的总预测误差的方 差σ_sum²：

${{\sigma }_{sum}}^2=\left[{\sigma }_1{\sigma }_2\mathrm{...}{\sigma }_N\right]\left(\begin{array}{cccc}{r}_{11}& r_{12}& \mathrm{...}& r_{1N}\\ r_{21}& r_{22}& \mathrm{...}& r_{2N}\\ \mathrm{...}& \mathrm{...}& \mathrm{...}& \mathrm{...}\\ r_{N1}& r_{N2}& \mathrm{...}& r_{NN}\end{array}\right)\left(\begin{array}{c}{\sigma }_1\\ {\sigma }_2\\ \mathrm{...}\\ {\sigma }_N\end{array}\right)---\left(4\right)$

式中，N为全部的节点误差的随机时间序列的个数；σ₁σ₂...σ_N为全部的节点误差 的随机时间序列的标准差；$\left(\begin{array}{cccc}{r}_{11}& r_{12}& \mathrm{...}& r_{1N}\\ r_{21}& r_{22}& \mathrm{...}& r_{2N}\\ \mathrm{...}& \mathrm{...}& \mathrm{...}& \mathrm{...}\\ r_{N1}& r_{N2}& \mathrm{...}& r_{NN}\end{array}\right)$为全部的节点误差的相关系数矩阵；

e.对方差σ_sum²开方根，求得控制区域的总预测误差的标准差σ_sum。

如图4所示，步骤3，包括：

3-1.将负荷节点的预测误差与风力发电节点的预测误差叠加，得到总负荷预测误差 密度曲线；

3-2.根据控制区域的传统备用容量值，在总负荷预测误差密度曲线得到失负荷概率 容量值；

3-3.根据失负荷概率容量值及控制区域的总预测误差的标准差，求得控制区域的新 备用容量。

3-3，包括：

f.根据失负荷概率容量值P_LOLP及控制区域的总预测误差的标准差σ_sum，求得控制区 域的新备用容量P_备用；新备用容量P_备用包括正备用容量值P_正备用及负备用容量值P_负备用：

式中，φ^-1为标准正态分布的反函数；μ_sum为总的负荷预测误差时间序列的期望值， 且μ_sum＝μ₁+μ₂+…+μ_N。

如图5所示，步骤4，包括：

4-1.计入控制区域的柔性负荷，得到控制区域的可中断负荷成本模型；

4-2.根据新备用容量的值，建立电力系统的备用成本分摊模型；

4-3.求解所述电力系统的备用成本分摊模型，得到所述传统发电备用容量与所述可 中断负荷备用容量。

4-1，包括：

计入控制区域的柔性负荷，得到控制区域的可中断负荷成本C_IL：

C_IL＝Q_ILP_ILt(7)

式中，Q_IL为可中断负荷的中断容量；P_IL为可中断负荷电价；t为负荷发生的时长。

4-2，包括：

根据新备用容量P_备用的值，建立电力系统的备用成本分摊模型：

其中，C_tr＝Q_tP_rt；$C_{td}={\Sigma }_{i=1}^m{\mathrm{\Delta L}}_i{P}_i{P}_{d}t;$

式中，C_tr为传统容量成本；Q_t为所预留的传统备用容量；P_r为容量电价；C_td为电 量成本；P_d为电量电价；t为负荷发生的时长；m为传统备用容量的分段数；ΔL_i为第i 段所调用的备用容量，ΔL₁+ΔL₂+…ΔL_m＝Q_t；P_i为第i段备用容量的调用概率。

本发明提供一种接入风力发电的电力系统备用容量确定方法的应用例，其采用风电 -负荷节点的预测误差随机时间序列之间相关系数的方法得到各控制区域的系统总负荷 预测误差分布，然后由总的误差分布曲线得到所需配置的备用容量；其具体步骤如下：

首先对不确定性因素进行分析，本发明的不确定性因素主要包括负荷预测误差和风 电出力预测误差。

1-1)对负荷预测误差进行分析。电力负荷预测作为电力系统规划的重要组成部分， 在天气、节日、预测方法等因素的影响下，会存在一定的负荷预测误差。而发电厂要根 据未来某特定时刻的负荷预测值来安排发电出力，所以负荷预测的准确性会直接影响到 预留备用的容量大小。负荷在预测值附近的随机波动概率分布属于正态分布，方差的大 小与负荷预测的准确性有关。

1-2)对风电出力预测误差进行分析。风电功率的预测值基于风速的预测结果产生， 风速大小会随着实时气象条件的变化而有所波动，其预测结果必然存在一定误差。对于 地理位置相对分散的风电机群，根据中心极限定理，风电出力预测误差都可近似认为服 从正态分布。而系统配置的备用容量应该有足够能力以应付风电在预测值附近的随机波 动，维持系统的功率平衡关系。

2)提出控制区域总预测误差的方差的计算方法。该方法充分考虑到了各个数列之 间的相关性，利用平滑效应的影响，明显降低了总体的预测误差标准差的大小。当系统 运行情况改变造成控制区域边界发生变化时，不需要考虑整个系统的运行状况而反复迭 代计算。

2-1)研究节点的动态变化对备用确定的影响。区域的互动运行直接导致区域边界 模糊化，深一层次会改变区域内节点的归属区域，所以本发明从本质入手，研究节点的 动态变化对备用确定的影响。而其中对配置备用影响最大的就是风力发电节点和负荷节 点，所以我们研究二者节点上功率预测误差，即风电出力预测误差和负荷预测误差，并 将它们看作是呈正态分布的随机时间序列，考察这些随机时间序列间的关系性。采用一 定方法将各预测误差的方差综合到一起，统计出整个区域的时间序列总方差。

2-2)通过概率论中求取随机时间序列间相关系数得出区域整体预测误差方差的方 法，只需要知道每个随机时间序列的特征值，即期望和方差，不必应用庞大的样本数据， 就可以得到总方差，相比较而言，运算更为清晰。

各节点的预测误差的标准差表示为下式：

$\sigma =\sqrt{\frac{1}{M}{\Sigma }_{i=1}^H{[(P_{meas,i}-P_{pred,i})-(\overline{P_{meas}}-\overline{P_{pred}})]}^2}---\left(1\right)$

式中，M为该时刻的功率预测误差的历史数据样本总数；P_pred，i为i样本中的功率 预测值；P_meas，i为i样本中的功率实际测量值；为M个样本的预测平均值；为M个样本的测量平均值。

由概率论中协方差公式得：

$Cov({\mathrm{\Delta P}}_x,{\mathrm{\Delta P}}_y)=\frac{1}{M}{\Sigma }_{i=1}^M\left({\mathrm{\Delta P}}_{x,i}-\overline{{\mathrm{\Delta P}}_x}\right)\left({\mathrm{\Delta P}}_{y,i}-\overline{{\mathrm{\Delta P}}_y}\right)---\left(2\right)$

各个预测误差之间的相关系数：

$r_{xy}=\frac{Cov\left({\mathrm{\Delta P}}_x,{\mathrm{\Delta P}}_y\right)}{{\sigma }_x{\sigma }_y}=\frac{1}{M}\frac{1}{{\sigma }_x{\sigma }_y}{\Sigma }_{i=1}^M\left({\mathrm{\Delta P}}_{x,i}-\overline{{\mathrm{\Delta P}}_x}\right)\left({\mathrm{\Delta P}}_{y,i}-\overline{{\mathrm{\Delta P}}_y}\right)---\left(3\right)$

如果相关系数为正，则各个误差波动性叠加的效果会使总的预测误差概率分布曲线 呈现出大涨大落的态势，加剧不确定因素的波动性。而各因素之间的负相关是平滑效应 产生的一个重要因素，不确定性因素波动相互抵消和互补，起到“削峰填谷”的作用，整 体的误差分布曲线呈现出平滑的效果。

在得到各个时间序列相关系数的基础上，控制区域总预测误差的方差可以通过下式 求得：

${{\sigma }_{sum}}^2=\left[{\sigma }_1{\sigma }_2\mathrm{...}{\sigma }_N\right]\left(\begin{array}{cccc}{r}_{11}& r_{12}& \mathrm{...}& r_{1N}\\ r_{21}& r_{22}& \mathrm{...}& r_{2N}\\ \mathrm{...}& \mathrm{...}& \mathrm{...}& \mathrm{...}\\ r_{N1}& r_{N2}& \mathrm{...}& r_{NN}\end{array}\right)\left(\begin{array}{c}{\sigma }_1\\ {\sigma }_2\\ \mathrm{...}\\ {\sigma }_N\end{array}\right)---\left(4\right)$

式中，N为随机时间序列的个数。

该方法一方面充分考虑到了各个数列之间的相关性，利用平滑效应的影响，明显降 低了总体的预测误差标准差的大小，波动不确定性充分互补抵消，通过查看相关系数的 正负取值，能够容易判断出各数列对系统运行的影响；另一方面，当系统运行情况改变 造成控制区域边界发生变化时，系统内的节点数目也会随之增减，各时间序列之间的相 关系数可以事先计算得到，并且该系数不会因为边界的改变而产生变化，所以只需要线 性改变式(4)的阶数就可以很快得到系统总体的标准差，这种将节点作为研究对象的 方法相比以往明显减少了运算量，不需要考虑整个系统的运行状况而反复迭代计算，在 智能电网区域互动运行大背景下具有明显优势。

如图6所示，预测误差密度曲线图中的虚线为负荷的预测误差密度曲线；实线为将 风电和负荷的预测误差叠加后的总预测误差密度曲线；

3)提出确定系统备用容量需求的方法。风力发电作为一种功率不可控制的发电出 力模式，常被视为一种“负值负荷”，将风电和负荷的预测误差叠加可以得到总的负荷 预测误差密度曲线，如图6中的实线所示，仍符合正态分布。横轴表示预测误差，纵轴 表示产生该误差的概率大小。

系统的可靠性指标我们重点考察失负荷概率PLOLP，即系统可用发电容量不满足 系统负荷需求的概率，若取备用容量为P2，则此时的备用不足以应对右侧阴影部分的 负荷波动，那么失负荷概率就是右侧阴影的面积。

已知系统的失负荷概率，也就是曲线尾部的阴影面积，通过相关系数法可以得到总 的预测误差标准差σsum，由正态分布曲线性质求出风电并网后负荷运行的备用容量需 求，则备用容量计算公式如下：

式中，φ^-1为标准正态分布的反函数；μ_sum为总的负荷预测误差时间序列的期望值， μ_sum＝μ₁+μ₂+…+μ_N。

风电未接入电网时，系统的备用预留只需考虑应对负荷波动这一不确定性因素。在 风电并网后，系统增加了风电预测误差波动的影响，系统负荷预测误差的方差会更大。 如图1中风电并网前后负荷预测误差密度曲线所示，那么在保证电网可靠性相同的情况 下，势必要增加一定数量的备用以应对风电波动给系统带来的影响。从图中直观地看出， 当阴影部分面积相等即PLOLP相同时，所需的备用容量需求由P1增加到P2。

4)提出柔性负荷参与备用分摊方法。

4-1)加入柔性负荷的必要性和柔性负荷成本。通过图6中可以看出，风电并网以 后的负荷预测误差密度曲线尾部变得更长，高风险小概率事件更为频发。如果由发电侧 的传统备用承担所有的备用容量，那么不论其是否会被实际调用都需要事先预留该备用 容量，经济上很不划算，因为尾部的备用调用概率很低，即便没有被调用也需要支付该 部分相应的容量成本，所以我们考虑柔性负荷介入，对系统备用进行分摊。

在处理小概率事件方面，需求侧备用相比传统备用具有有相当的优势，用户可以通 过中断合同、电价响应等方式参与到发电计划中，根据发电和负荷的功率不平衡大小调 整自身负荷功率。电力公司可以不需要支付容量成本，而通过事后支付较高赔偿金额或 者采取更高的折扣优惠，所以仅当该波动发生时，才需要支付柔性负荷的费用，不需要 因为预留一定容量而支付容量成本。所以柔性负荷基于自身的特点，作为需求侧备用与 传统备用共同为系统提供备用支持，能够有效降低备用成本，提高系统的灵活性。

电网公司需要向发电厂购买的备用辅助服务，其费用往往包括容量成本和电量成本 两部分。容量成本针对的是发电机为了作为备用而必须预留的容量，不论该部分备用是 否被调用，均需支付该部分机组提供备用的机会成本。

容量成本C_tr可表示为：

C_tr＝Q_tP_rt(7)

式中，Q_t为所预留的传统备用容量；P_r为容量电价。

电量成本需要考察预留备用容量被调用的概率，如果备用容量被实际调用，才需要 支付这部分的成本。

电量成本C_td可表示为

$C_{td}={\Sigma }_{i=1}^m{\mathrm{\Delta L}}_i{P}_i{P}_{d}t---\left(8\right)$

式中，P_d为电量电价；m为传统备用容量的分段数；ΔL_i为第i段所调用的备用容量， ΔL₁+ΔL₂+…ΔL_m＝Q_t；P_i为第i段备用容量的调用概率。

柔性负荷作为负荷侧备用，主动参与电网运行控制应对小概率事件的发生，短时间 内快速增加或减少负荷侧用电量以维持电力平衡。按照负荷用电的增减，可以将柔性负 荷分为2类：可中断负荷和用电激励负荷。

可中断负荷主要参与的是正备用的分摊，即当负荷用电超出发电出力的时候，可以 对负荷进行中断；反之，用电激励负荷参与负备用的分摊。因此，我们仅考虑正备用的 情况，负备用的分摊也可同理得出。

可中断负荷的成本为：

C_IL＝Q_ILP_ILt(9)

式中，Q_IL为可中断负荷的中断容量；P_IL为可中断负荷电价。

4-2)提出备用分摊的原则。风电接入电网以后，为了确保备用的配置能够达到经 济上的最优，即发电侧备用和负荷侧备用容量的成本最低，可建立相应的备用成本分摊 模型为

通过求解该模型，就可以确定传统备用和可中断负荷各自所需承担的系统备用容量 大小。

以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本 发明进行了详细的说明，所属领域的普通技术人员依然可以对本发明的具体实施方式进 行修改或者等同替换，而这些未脱离本发明精神和范围的任何修改或者等同替换，其均 在申请待批的本发明的权利要求保护范围之内。