【技术实现步骤摘要】
本专利技术涉及电力数据分析，具体涉及一种基于人工智能的可再生能源消纳协调方法。
技术介绍
1、面对不断增长的清洁能源需求和碳减排压力，能源电力发展也将面临严峻挑战。随着清洁替代技术路径的实施，可再生能源消纳压力将进一步凸显，并且能源安全问题的性质和电力系统的格局将发生着新变化。
2、当前的大电网可再生能源消纳能力评估方法过于简单，没有规范化的信息处理和建模能力，并且对风电、光伏和其他发电机组进行单独分析估算，导致大电网可再生能力消纳能力分析精度低，可再生能力消纳能力协调困难。
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种基于人工智能的可再生能源消纳协调方法，以克服目前由于风电、光伏和其他发电机组进行单独分析估算，导致大电网可再生能力消纳能力分析精度低，可再生能力消纳能力协调困难的问题。
2、为实现以上目的，本专利技术采用如下技术方案：
3、一种基于人工智能的可再生能源消纳协调方法，包括：
4、获取待协调参数；所述协调参数包括：可再生能源机组机组出力参数、水电站发电流量参数、水电站水量平衡参数、水电站库容参数、火电机组出力参数、火电机组状态变量参数、火电机组开停机变量参数、火电机组最小开机时间参数、火电机组最小停机时间参数、线路传输容量参数、火电机组调峰参数和火电机组电量参数；
5、将所述待协调参数输入到预先建立的可再生能源消纳协调模型；
6、获取所述可再生能源消纳协调模型的结果；
7、根
8、进一步的，以上所述的方法，所述所述可再生能源消纳协调模型的结果，包括：最大化新能源出力和最小化调峰费用。
9、进一步的，以上所述的方法，所述预先建立的可再生能源消纳协调模型，包括：
10、通过神经网络的反向传播模型和支持向量机模型建立所述可再生能源消纳协调模型；
11、对所述可再生能源消纳协调模型添加约束条件和目标函数。
12、进一步的，以上所述的方法，所述可再生能源消纳协调模型的约束条件，包括：
13、可再生能源机组机组出力约束、水电站发电流量约束、水电站水量平衡约束和水电站库容约束。
14、进一步的，以上所述的方法，所述可再生能源消纳协调模型的约束条件，还包括：火电机组出力约束、火电机组状态变量和开停机变量约束、火电机组的最小开停机时间约束、系统正负备用、系统负荷平衡约束、线路传输容量约束、火电机组调峰约束和火电机组电量约束。
15、进一步的，以上所述的方法，所述可再生能源消纳协调模型的目标函数，包括：最大化新能源出力函数和最小化调峰费用函数。
16、进一步的，以上所述的方法，所述可再生能源机组机组出力约束，为：和其中，分别是光伏机组i在时刻t的最小出力、光伏机组i在时刻t的最大出力、风电机组i在时刻t的最小出力、风电机组i在时刻t的最大出力、水电机组i在时刻t的最小出力和水电机组i在时刻t的最大出力；
17、所述水电站发电流量约束为：其中，分别是机组i在时刻t发电流量的下限和上限，且水电站发电流量与水电出力的关系可表示为：hi，t＝αiqi，t，其中，αi是水电站的发电流量和出力的转换系数；
18、所述水电站水量平衡约束为：其中vi，t是水电站i在时刻t的水库量，分别是水电机组i在时刻t的入库流量，发电流量和其他流量；
19、所述水电站库容约束为：其中是水库i在时刻t的库容量下限和上限。
20、进一步的，以上所述的方法，所述火电机组出力约束为：其中vi，t机组i在时刻t的状态变量，gi，t分别表示火电机组i在时刻t的出力下限、上限和出力；
21、所述火电机组状态变量和开停机变量约束为：vi，t-vi，t-1＝xi，t-yi，t和xi，t+yi，t≤1，其中xi，t，yi，t分别表示的是火电机组i在时刻t的开机整数变量和停机整数变量；
22、所述火电机组的最小开停机时间约束为：和其中mu，md分别是火电机机组i的最小开机时间和最小停机时间；
23、所述系统正负备用为：和其中loadt，prt，nrt分别表示的是时刻t的系统负荷、正备用和负备用；
24、所述系统负荷平衡约束为：
25、所述线路传输容量约束为：其中pi，j分别表示支路i,j的传输极限和传输的有功功率；
26、所述火电机组调峰约束为：其中gi，k表示的是火电机组i的第k的调峰量，表示的火电机组i时刻t的调峰下限；
27、所述火电机组电量约束为：其中表示的是第i个火电机组集合要求的电量下限和上限，δt表示的是时间间隔，slack_lbi，slack_ubi是松弛变量。
28、进一步的，以上所述的方法，所述最大化新能源出力函数为：
29、进一步的，以上所述的方法，所述最小化调峰费用函数为：其中ci，k表示的是机组i第k段调峰报价。
30、进一步的，以上所述的方法，还包括：
31、获取历史数据；
32、根据所述历史数据训练所述可再生能源消纳协调模型。
33、进一步的，以上所述的方法，在所述根据所述历史数据训练所述可再生能源消纳协调模型之前，还包括：
34、通过修正法和相关法调整所述历史数据的可信度，并检测所述历史数据中的不良数据；
35、删除所述不良数据。
36、本专利技术的有益效果为：
37、本申请首先获取待协调参数；协调参数包括：可再生能源机组机组出力参数、水电站发电流量参数、水电站水量平衡参数、水电站库容参数、火电机组出力参数、火电机组状态变量参数、火电机组开停机变量参数、火电机组最小开机时间参数、火电机组最小停机时间参数、线路传输容量参数、火电机组调峰参数和火电机组电量参数，将待协调参数输入到预先建立的可再生能源消纳协调模型，获取可再生能源消纳协调模型的结果，根据结果协调可再生能源的消纳。通过对可再生能源发电机组和其他发电机组多种参数综合进行分析大电网的可再生能源消纳能力，提高了大电网可再生能力消纳能力的分析精度，解决了可再生能力消纳能力协调困难的问题。
本文档来自技高网...【技术保护点】
1.一种基于人工智能的可再生能源消纳协调方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述所述可再生能源消纳协调模型的结果，包括：最大化新能源出力和最小化调峰费用。
3.根据权利要求2所述的方法，其特征在于，所述预先建立的可再生能源消纳协调模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述可再生能源消纳协调模型的约束条件，包括：
5.根据权利要求4所述的方法，其特征在于，所述可再生能源消纳协调模型的约束条件，还包括：
6.根据权利要求5所述的方法，其特征在于，所述可再生能源消纳协调模型的目标函数，包括：最大化新能源出力函数和最小化调峰费用函数。
7.根据权利要求6所述的方法，其特征在于，所述可再生能源机组机组出力约束，为：和其中，分别是光伏机组i在时刻t的最小出力、光伏机组i在时刻t的最大出力、风电机组i在时刻t的最小出力、风电机组i在时刻t的最大出力、水电机组i在时刻t的最小出力和水电机组i在时刻t的最大出力；
8.根据权利要求7所述的方法，其特征在于，
<...【技术特征摘要】
1.一种基于人工智能的可再生能源消纳协调方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述所述可再生能源消纳协调模型的结果，包括：最大化新能源出力和最小化调峰费用。
3.根据权利要求2所述的方法，其特征在于，所述预先建立的可再生能源消纳协调模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述可再生能源消纳协调模型的约束条件，包括：
5.根据权利要求4所述的方法，其特征在于，所述可再生能源消纳协调模型的约束条件，还包括：
6.根据权利要求5所述的方法，其特征在于，所述可再生能源消纳协调模型的目标函数，包括：最大化新能源出力函数和最小化调峰费用函数。
7.根据权利要求6所述的方法，其特征在...
【专利技术属性】
技术研发人员：郁丹，
申请(专利权)人：浙江华云电力工程设计咨询有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。