负荷侧调节资源爬坡需求趋势评估方法及装置与流程

1.本发明涉及负荷侧调节资源领域，具体而言，涉及一种负荷侧调节资源爬坡需求趋势评估方法及装置。


背景技术：

2.目前火电发电机是重要的调节性电源。但由于火电发电机的最小出力和爬坡的限制，在冬季供暖期间火电机组的灵活性较差，这导致地区的电力系统灵活性不足。如果系统灵活性没有显著提高，未来电力系统面临严重的可再生能源消纳问题。负荷侧调节资源可以提高系统灵活性并有效缓解新能源消纳问题。
3.随着高比例新能源并网，对系统调节资源的调节能力提出了要求，其中对调节资源爬坡需求也提出了要求。当前已有对负荷侧调节资源需求响应的相关研究，但针对负荷侧调节资源爬坡相关的研究较为匮乏。如何正确评估负荷侧调节资源爬坡需求趋势在当下能源转型环境下变得十分重要。


技术实现要素：

4.本发明为了解决如何正确评估负荷侧调节资源爬坡需求趋势的技术问题，提出了一种负荷侧调节资源爬坡需求趋势评估方法及装置。
5.为了实现上述目的，根据本发明的一个方面，提供了一种负荷侧调节资源爬坡需求趋势评估方法，该方法包括：
6.根据历史新能源时序功率数据进行不确定性计算，得到预设的研究爬坡需求趋势年限中的每一年在预设的多个不确定性情景中的每个不确定性情景下对应的新能源时序功率预测数据；
7.根据所述新能源时序功率预测数据以及预设的全年分时段生产模拟仿真模型进行生产模拟仿真，得到在满足预设的新能源目标弃电率的情况下，所述每一年在每个所述不确定性情景下对应的负荷侧调节资源爬坡需求，其中，所述全年分时段生产模拟仿真模型中包含需求响应模型；
8.根据所述负荷侧调节资源爬坡需求确定负荷侧调节资源爬坡需求趋势。
9.为了实现上述目的，根据本发明的另一方面，提供了一种负荷侧调节资源爬坡需求趋势评估装置，该装置包括：
10.不确定性计算单元，用于根据历史新能源时序功率数据进行不确定性计算，得到预设的研究爬坡需求趋势年限中的每一年在预设的多个不确定性情景中的每个不确定性情景下对应的新能源时序功率预测数据；
11.仿真单元，用于根据所述新能源时序功率预测数据以及预设的全年分时段生产模拟仿真模型进行生产模拟仿真，得到在满足预设的新能源目标弃电率的情况下，所述每一年在每个所述不确定性情景下对应的负荷侧调节资源爬坡需求，其中，所述全年分时段生产模拟仿真模型中包含需求响应模型；
12.负荷侧调节资源爬坡需求趋势评估单元，用于根据所述负荷侧调节资源爬坡需求确定负荷侧调节资源爬坡需求趋势。
13.为了实现上述目的，根据本发明的另一方面，还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述负荷侧调节资源爬坡需求趋势评估方法的步骤。
14.为了实现上述目的，根据本发明的另一方面，还提供了一种计算机可读存储介质，其上存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现上述负荷侧调节资源爬坡需求趋势评估方法的步骤。
15.为了实现上述目的，根据本发明的另一方面，还提供了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现上述负荷侧调节资源爬坡需求趋势评估方法的步骤。
16.本发明的有益效果为：
17.本发明实施例先根据历史新能源时序功率数据进行不确定性计算，得到预设的研究爬坡需求趋势年限中的每一年在预设的多个不确定性情景中的每个不确定性情景下对应的新能源时序功率预测数据，然后根据所述新能源时序功率预测数据以及包含需求响应模型的全年分时段生产模拟仿真模型进行生产模拟仿真，得到在满足预设的新能源目标弃电率的情况下，所述每一年在每个所述不确定性情景下对应的负荷侧调节资源爬坡需求，最后根据所述负荷侧调节资源爬坡需求确定负荷侧调节资源爬坡需求趋势。本发明在传统的生产模拟仿真模型基础上结合需求响应模型，模拟需求响应运行特性，同时考虑新能源随机出力特性以及新能源装机增长趋势，进行多年多不确定性情景的随机时序生产模拟，考虑了未来负荷增长的不确定性、新能源发电不确定性等因素，实现了准确评估负荷侧调节资源爬坡需求趋势的有益效果。
附图说明
18.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
19.图1是本发明实施例负荷侧调节资源爬坡需求趋势评估方法的流程图；
20.图2是本发明实施例不确定计算的流程图；
21.图3是本发明实施例生产模拟仿真第一流程图；
22.图4是本发明实施例计算负荷侧调节资源爬坡需求趋势的流程图；
23.图5是本发明负荷侧调节资源爬坡需求趋势评估系统的示意图；
24.图6是本发明实施例生产模拟仿真第二流程图；
25.图7是本发明实施例负荷侧调节资源爬坡需求趋势评估装置的结构框图；
26.图8是本发明实施例不确定性计算单元的结构框图；
27.图9是本发明实施例仿真单元的结构框图；
28.图10是本发明实施例负荷侧调节资源爬坡需求趋势评估单元的结构框图；
29.图11是本发明实施例计算机设备示意图。
具体实施方式
30.为了使本技术领域的人员更好地理解本发明方案，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的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。
31.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
32.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“包括”和“包含”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
33.需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
34.图5是本发明负荷侧调节资源爬坡需求趋势评估系统的示意图，如图5所示，在本发明一个实施例中，实现本发明负荷侧调节资源爬坡需求趋势评估方法的虚拟结构包括以下组成部分：登录认证模块、数据录入模块、不确定性计算模块、爬坡需求计算模块、需求趋势计算模块和数据输出模块。
35.所述登录认证模块：用于用户的自我身份确认。
36.所述数据录入模块与登录认证模块相连，录入不确定性计算模块所需的历史新能源时序功率数据以及爬坡需求计算模块所需的电力系统相关参数；
37.所述不确定性计算模块与数据录入模块及爬坡需求计算模块相连，获取数据录入模块录入的历史新能源时序功率数据，根据历史新能源时序功率数据对新能源时序功率进行不确定性计算，确定不确定性情景个数x，设定研究爬坡需求趋势年限y年，得到n个新能源时序功率预测数据并传送至爬坡需求计算模块；
38.所述爬坡需求计算模块与数据录入模块、不确定性计算模块及需求趋势计算模块相连，获取不确定性计算模块传送过来的各新能源时序功率预测数据以及数据录入模块传送过来的电力系统相关参数，建立电力系统全年分时段生产模拟仿真模型，设定新能源目标弃电率z％，进行y年x个情景仿真求解得到实现新能源弃电率目标的负荷侧调节资源爬坡需求，并将仿真结果传送至需求趋势计算模块；
39.所述需求趋势计算模块与爬坡需求计算模块及数据输出模块相连，获取爬坡需求计算模块传送过来的仿真结果，根据仿真结果计算爬坡需求趋势，并将爬坡需求趋势传送至数据输出模块；
40.所述数据输出模块与需求趋势计算模块，将需求趋势计算模块传送过来的实现新能源弃电率目标的负荷侧调节资源爬坡需求趋势输出形成报表。
41.图1是本发明实施例负荷侧调节资源爬坡需求趋势评估方法的流程图，如图1所
示，在本发明一个实施例中，本发明的负荷侧调节资源爬坡需求趋势评估方法包括步骤s101至步骤s103。
42.步骤s101，根据历史新能源时序功率数据进行不确定性计算，得到预设的研究爬坡需求趋势年限中的每一年在预设的多个不确定性情景中的每个不确定性情景下对应的新能源时序功率预测数据。
43.举例说明，预设的研究爬坡需求趋势年限为2018至2022年这5年，预设的不确定性情景为10个，本发明根据2018至2022年这5年的历史新能源时序功率数据进行不确定性计算，得到这5年中的每一年在10个不确定性情景中的每个不确定性情景下对应的新能源时序功率预测数据，因此本发明计算得到5
×
10＝50个新能源时序功率预测数据。
44.在本发明一个实施例中，历史新能源时序功率数据具体包括：从电力系统中的用电设备获取的新能源曲线。
45.在本发明中，研究爬坡需求趋势年限为y年，不确定性情景的个数为x，其中，y和x均为正整数。本发明根据历史新能源时序功率数据进行不确定性计算，得到n个新能源时序功率预测数据，n＝x
×
y。
46.步骤s102，根据所述新能源时序功率预测数据以及预设的全年分时段生产模拟仿真模型进行生产模拟仿真，得到在满足预设的新能源目标弃电率的情况下，所述每一年在每个所述不确定性情景下对应的负荷侧调节资源爬坡需求，其中，所述全年分时段生产模拟仿真模型中包含需求响应模型。
47.本发明的全年分时段生产模拟仿真模型为需求响应模型与生产模拟仿真模型结合形成。所述全年分时段生产模拟仿真模型的仿真结果中包含负荷侧调节资源爬坡需求。本发明在进行生产模拟仿真时模拟需求响应运行特性，同时考虑新能源随机出力特性以及新能源装机增长趋势，进行多年多不确定性情景的随机时序生产模拟，考虑了未来负荷增长的不确定性、新能源发电不确定性等因素，使最终确定出的负荷侧调节资源爬坡需求趋势更符合实际情况，更为准确。
48.在本发明一个实施例中，所述需求响应模型包括：负荷削减模型、负荷填谷模型以及负荷转移模型。
49.在本发明一个实施例中，所述全年分时段生产模拟仿真模型，具体用于对一整年以小时为时段进行生产模拟仿真。即本发明的全年分时段生产模拟仿真模型，用于对全年8760小时进行生产模拟仿真，因此本发明也将该模型称为8760小时生产模拟仿真优化模型。
50.在本发明一个实施例中，所述全年分时段生产模拟仿真模型为根据电力系统相关参数建立而成，所述电力系统相关参数具体包括：发电侧信息、负荷侧信息包以及电网侧信息。
51.在本发明一个实施例中，发电侧信息包括：从发电设备中获取的火电机组的装机、所在母线、空载成本、爬坡率、滑坡率、启动成本、最小出力和报价等信息，新能源机组的装机、所在母线等信息。
52.在本发明一个实施例中，负荷侧信息包括：从用电设备中获取的负荷地理位置、时序功率曲线等信息。
53.在本发明一个实施例中，电网侧信息包括：从输电网设备中获取的输电拓扑结构、
输电阻塞约束等信息。
54.在本发明一个实施例中，本步骤根据设定新能源目标弃电率z％，对x个情景y年进行n次仿真，得到n个负荷侧调节资源爬坡需求。
55.步骤s103，根据所述负荷侧调节资源爬坡需求确定负荷侧调节资源爬坡需求趋势。
56.图2是本发明实施例不确定计算的流程图，如图2所示，在本发明一个实施例中，上述步骤s101的根据历史新能源时序功率数据进行不确定性计算，得到预设的研究爬坡需求趋势年限中的每一年在预设的多个不确定性情景中的每个不确定性情景下对应的新能源时序功率预测数据，具体包括步骤s201至步骤s205。
57.步骤s201，对所述历史新能源时序功率数据进行归一化处理。
58.本发明首先确定仿真循环次数n＝x
×
y，然后对历史新能源时序功率数据进行归一化处理。本发明归一化处理采用的计算公式具体为：
[0059][0060]
其中，表示新能源电站k在年份y的t时刻归一化后的功率数据；表示新能源电站k在年份y的t时刻归一化后的实际功率数据；c
k,y
表示新能源电站k在年份y的功率数据最大值。
[0061]
本发明在归一化处理之后，计算新能源时序功率初值，时序功率初值的计算公式为：
[0062][0063]
其中，表示功率新能源电站k的初值；表示新能源电站k在年份y归一化后的初值，ny表示新能源曲线i历史参考年数。
[0064]
步骤s202，将归一化处理后的所述历史新能源时序功率数据处理为离散状态。
[0065]
本发明将归一化后的历史新能源时序功率数据处理为离散状态。设定当前时段为t，状态数目为n，则每个状态覆盖的功率区间为，则当前时刻离散状态的计算公式为：
[0066][0067]
其中，为新能源电站k在t时刻的归一化功率；x
t
为t时刻的离散状态；n为设定的状态数目；n为整数，表示离散状态，n∈{1,2,
…
,n}。
[0068]
步骤s203，根据预设的累计状态转移矩阵依次确定每个时刻对应的离散状态，得到离散状态时序数据。
[0069]
本发明根据上述状态转移过程中的方法生成n
×
n的状态转移矩阵pk以及累计状态转移矩阵qk，矩阵形式如下：
[0070][0071]
其中，矩阵元素p
ij
为：
[0072][0073]
式中x
t
和x
t+1
分别为t时刻和t+1时刻的状态；p
ij
表示t时刻从状态i转移到t+1时刻状态j的概率；n
ij
为相继过程i
→
j的转移次数。
[0074]
与此对应的累计状态转移矩阵qk如下式所示，式中p
ij
为对应的pk中的元素值。
[0075][0076]
基于累计状态转移矩阵选取下一状态的具体公式为：
[0077][0078]
式中，x
t+1
为模拟的时序功率t+1时刻的离散状态。ε
t
为服从均匀分布的随机数，且ε
t
∈[0,1]。n为离散状态，为对应的累积状态转移概率矩阵qi中x
t
行n列的元素。
[0079]
步骤s204，根据所述离散状态时序数据生成归一化时序功率数据。
[0080]
本发明在确定出离散状态时序数据后，将离散状态时序数据中的各离散状态转化为归一化时序功率，得到归一化时序功率数据。具体计算公式如下：
[0081][0082]
式中，为新能源电站k在t+1时刻的归一化功率，ε
1,t
为服从均匀分布的随机数，且ε
1,t
∈[0,1]，n为状态数目，x
t+1
为模拟的时序功率t+1时刻的离散状态。
[0083]
步骤s205，根据所述归一化时序功率数据生成新能源时序功率预测数据。
[0084]
通过上述办法生成所需规模的归一化时序功率数据之后，再根据目标年份预测的功率最大值，将归一化数据处理为模拟时序功率，即可得到新能源时序功率预测数据，计算公式如下：
[0085][0086]
其中，表示新能源电站k在年份y的t时刻归一化后的功率数据；表示新能源电站k在年份y的t时刻归一化后的实际功率数据；c
k,y
表示新能源电站k在年份y的功率数据最大值。
[0087]
图3是本发明实施例生产模拟仿真第一流程图，图6是本发明实施例生产模拟仿真第二流程图，结合图3和图6可见，本发明上述步骤s102的根据所述新能源时序功率预测数
据以及预设的全年分时段生产模拟仿真模型进行生产模拟仿真，得到在满足预设的新能源目标弃电率的情况下，所述每一年在每个所述不确定性情景下对应的负荷侧调节资源爬坡需求，具体包括步骤s301至步骤s304。
[0088]
步骤s301，根据所述新能源目标弃电率计算目标可弃电量。
[0089]
步骤s302，将所述目标可弃电量平分到全年中的每天，然后根据所述全年分时段生产模拟仿真模型进行生产模拟仿真，并在得到仿真结果后计算出仿真弃电率。
[0090]
步骤s303，若所述仿真弃电率与所述新能源目标弃电率的误差在预设范围内，则输出仿真结果。
[0091]
在本发明一个实施例中，所述预设范围为0.01％。
[0092]
步骤s304，若所述仿真弃电率与所述新能源目标弃电率的误差超出所述预设范围，则根据仿真弃电量与所述目标可弃电量之间的差值对每天的目标可弃电量进行调整，然后重新进行生产模拟仿真。
[0093]
图4是本发明实施例计算负荷侧调节资源爬坡需求趋势的流程图，如图4所示，在本发明一个实施例中，上述步骤s103的根据所述负荷侧调节资源爬坡需求确定负荷侧调节资源爬坡需求趋势，具体包括步骤s401和步骤s402。
[0094]
步骤s401，根据所述每一年在每个所述不确定性情景下对应的负荷侧调节资源爬坡需求，确定所述每一年对应的平均负荷侧调节资源爬坡需求。
[0095]
在本发明中，可以通过以下公式计算第y年对应的平均负荷侧调节资源爬坡需求；
[0096][0097][0098]
式中，p
ramp,x,y
为第y年x情景下负荷爬坡需求,p
d,x,y,j,t
为第y年x情景下电力负荷j在时段t的实际用电负荷，为第y年的平均负荷爬坡需求。
[0099]
步骤s402，根据所述研究爬坡需求趋势年限中的相邻两年的所述平均负荷侧调节资源爬坡需求，计算出该相邻两年的负荷侧调节资源爬坡需求趋势。
[0100]
在本发明中，可以通过以下公式计算第y年至第y+1年的负荷侧调节资源爬坡需求趋势。
[0101][0102]
式中，r
ramp
为第y年至第y+1年的负荷侧调节资源爬坡需求趋势。
[0103]
本发明的全年分时段生产模拟仿真模型为需求响应模型与生产模拟仿真模型结合形成。本发明的全年分时段生产模拟仿真模型与传统的生产模拟仿真模型不同的公式为目标函数、需求响应模型以及功率平衡约束。
[0104]
本发明全年分时段生产模拟仿真模型采用的目标函数为：
[0105][0106]
式中，p
th,i,t,b
为火电机组i在成本段b时刻t的实际出力；c
th,i,t,b
为火电机组i在成本段b时刻t的成本；bu是成本总段数；i是系统中总火电机组数；j是总电力负荷数。
[0107]
本发明全年分时段生产模拟仿真模型采用的功率平衡约束公式为：
[0108][0109]
式中，k是系统中总边界机组数；p
d,j,t
为电力负荷j在时段t的用电负荷需求。
[0110]
本发明的负荷削减模型包含实际用电负荷与基线负荷、切负荷量的平衡约束，切负荷电量约束，切负荷持续时间约束，切负荷总成本等式。总切负荷与分段切负荷约束，响应最大发生次数约束，响应最短间隔时间约束。具体公式如下：
[0111][0112][0113][0114][0115][0116][0117][0118][0119]
式中，为电力负荷j在时段t的基线用电负荷；为电力负荷j在时段t的切负荷量；为电力负荷j在时段t的最大切负荷量；为电力负荷j最大可以减少的用电量；c
d,j,t
为电力负荷j在时段t的切负荷成本；为电力负荷j在时段t成本段b的切负荷成本；为需求侧j在时段t成本段b的切负荷量；x
j,t
为电力负荷j在时段t是否切负荷状态；为电力负荷j最大响应持续时间；为两次响应最短间隔时间。
[0120]
负荷填谷模型包含实际用电负荷与基线负荷、增负荷量的平衡约束，增负荷电量约束，增负荷持续时间约束，增负荷总成本等式，总增负荷与分段增负荷等式约束，响应最大发生次数约束，响应最短间隔时间约束。具体公式如下：
[0121][0122][0123][0124][0125][0126][0127][0128][0129]
式中，为电力负荷j在时段t的增负荷量；为电力负荷j在时段t的最大增负荷量；为电力负荷j最大可以增加的用电量；c
d,j,t
为电力负荷j在时段t的增负荷成本；为电力负荷j在时段t成本段b的增负荷成本；为电力负荷j在时段t成本段b的增负荷量。
[0130]
负荷转移模型分为提前转移模型和延后转移模型。其中模型共同部分包含实际用电负荷与基线负荷、增负荷量、切负荷量的平衡约束，负荷转移电量约束，转移电量平衡约束，切负荷量、增负荷量约束，负荷转移总成本等式。具体公式如下：
[0131][0132][0133][0134][0135][0136]ed,j,0
＝e
d,j,t
[0137][0138][0139][0140]
[0141][0142]
式中，和分别表示转移电量的最小和最大值。
[0143]
延后转移模型附加约束包含延迟转移电量约束，负荷恢复最长间隔时间约束。具体公式如下：
[0144][0145][0146]
式中，e
d,j,t
为电力负荷j在时段t的转移电量。
[0147]
提前转移模型附加约束包含提前转移电量约束，负荷恢复最长间隔时间约束。具体公式如下：
[0148][0149][0150]
由以上实施例可以看出，本发明的负荷侧调节资源爬坡需求趋势评估方法至少具有以下有益效果：
[0151]
本发明针对负荷侧调节资源爬坡需求评估存在的问题和精细化计算的要求，提出采用基于随机时序生产模拟技术和需求响应模型仿真技术的负荷侧调节资源爬坡需求评估方法，即在传统的生产模拟模型基础上结合需求响应模型，模拟需求响应运行特性，同时考虑新能源随机出力特性以及新能源装机增长趋势，进行多年多情景的随机时序生产模拟。考虑了未来负荷增长的不确定性、新能源发电不确定性等因素。根据仿真结果进行每年不同情景负荷侧调节资源爬坡需求平均值统计，最终确定各年的负荷侧调节资源爬坡需求增长率以及趋势。
[0152]
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0153]
基于同一发明构思，本发明实施例还提供了一种负荷侧调节资源爬坡需求趋势评估装置，可以用于实现上述实施例所描述的负荷侧调节资源爬坡需求趋势评估方法，如下面的实施例所述。由于负荷侧调节资源爬坡需求趋势评估装置解决问题的原理与负荷侧调节资源爬坡需求趋势评估方法相似，因此负荷侧调节资源爬坡需求趋势评估装置的实施例可以参见负荷侧调节资源爬坡需求趋势评估方法的实施例，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
[0154]
图7是本发明实施例负荷侧调节资源爬坡需求趋势评估装置的结构框图，如图7所示，在本发明一个实施例中，本发明的负荷侧调节资源爬坡需求趋势评估装置包括：
[0155]
不确定性计算单元1，用于根据历史新能源时序功率数据进行不确定性计算，得到预设的研究爬坡需求趋势年限中的每一年在预设的多个不确定性情景中的每个不确定性情景下对应的新能源时序功率预测数据；
[0156]
仿真单元2，用于根据所述新能源时序功率预测数据以及预设的全年分时段生产模拟仿真模型进行生产模拟仿真，得到在满足预设的新能源目标弃电率的情况下，所述每一年在每个所述不确定性情景下对应的负荷侧调节资源爬坡需求，其中，所述全年分时段生产模拟仿真模型中包含需求响应模型；
[0157]
负荷侧调节资源爬坡需求趋势评估单元3，用于根据所述负荷侧调节资源爬坡需求确定负荷侧调节资源爬坡需求趋势。
[0158]
图8是本发明实施例不确定性计算单元的结构框图，如图8所示，在本发明一个实施例中，所述不确定性计算单元1，具体包括：
[0159]
归一化处理模块101，用于对所述历史新能源时序功率数据进行归一化处理；
[0160]
离散状态处理模块102，用于将归一化处理后的所述历史新能源时序功率数据处理为离散状态；
[0161]
离散状态时序数据生成模块103，用于根据预设的累计状态转移矩阵依次确定每个时刻对应的离散状态，得到离散状态时序数据；
[0162]
归一化时序功率数据生成模块104，用于根据所述离散状态时序数据生成归一化时序功率数据；
[0163]
新能源时序功率预测数据生成模块105，用于根据所述归一化时序功率数据生成新能源时序功率预测数据。
[0164]
图9是本发明实施例仿真单元的结构框图，如图9所示，在本发明一个实施例中，所述仿真单元2，具体包括：
[0165]
目标可弃电量确定模块201，用于根据所述新能源目标弃电率计算目标可弃电量；
[0166]
生产模拟仿真模块202，用于将所述目标可弃电量平分到全年中的每天，然后根据所述全年分时段生产模拟仿真模型进行生产模拟仿真，并在得到仿真结果后计算出仿真弃电率；
[0167]
仿真结果输出模块203，用于若所述仿真弃电率与所述新能源目标弃电率的误差在预设范围内，则输出仿真结果；
[0168]
重新仿真模块204，用于若所述仿真弃电率与所述新能源目标弃电率的误差超出所述预设范围，则根据仿真弃电量与所述目标可弃电量之间的差值对每天的目标可弃电量进行调整，然后重新进行生产模拟仿真。
[0169]
图10是本发明实施例负荷侧调节资源爬坡需求趋势评估单元的结构框图，如图10所示，在本发明一个实施例中，所述负荷侧调节资源爬坡需求趋势评估单元3，具体包括：
[0170]
平均负荷侧调节资源爬坡需求确定模块301，用于根据所述每一年在每个所述不确定性情景下对应的负荷侧调节资源爬坡需求，确定所述每一年对应的平均负荷侧调节资源爬坡需求；
[0171]
爬坡需求趋势确定模块302，用于根据所述研究爬坡需求趋势年限中的相邻两年的所述平均负荷侧调节资源爬坡需求，计算出该相邻两年的负荷侧调节资源爬坡需求趋势。
[0172]
为了实现上述目的，根据本技术的另一方面，还提供了一种计算机设备。如图11所示，该计算机设备包括存储器、处理器、通信接口以及通信总线，在存储器上存储有可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述实施例方法中的步骤。
[0173]
处理器可以为中央处理器(central processing unit，cpu)。处理器还可以为其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
[0174]
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及单元，如本发明上述方法实施例中对应的程序单元。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及作品数据处理，即实现上述方法实施例中的方法。
[0175]
存储器可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0176]
所述一个或者多个单元存储在所述存储器中，当被所述处理器执行时，执行上述实施例中的方法。
[0177]
上述计算机设备具体细节可以对应参阅上述实施例中对应的相关描述和效果进行理解，此处不再赘述。
[0178]
为了实现上述目的，根据本技术的另一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序在计算机处理器中执行时实现上述负荷侧调节资源爬坡需求趋势评估方法中的步骤。本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)、随机存储记忆体(randomaccessmemory，ram)、快闪存储器(flash memory)、硬盘(harddisk drive，缩写：hdd)或固态硬盘(solid-state drive，ssd)等；所述存储介质还可以包括上述种类的存储器的组合。
[0179]
为了实现上述目的，根据本技术的另一方面，还提供了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现上述负荷侧调节资源爬坡需求趋势评估方法的步骤。
[0180]
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们
中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
[0181]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种负荷侧调节资源爬坡需求趋势评估方法，其特征在于，包括：根据历史新能源时序功率数据进行不确定性计算，得到预设的研究爬坡需求趋势年限中的每一年在预设的多个不确定性情景中的每个不确定性情景下对应的新能源时序功率预测数据；根据所述新能源时序功率预测数据以及预设的全年分时段生产模拟仿真模型进行生产模拟仿真，得到在满足预设的新能源目标弃电率的情况下，所述每一年在每个所述不确定性情景下对应的负荷侧调节资源爬坡需求，其中，所述全年分时段生产模拟仿真模型中包含需求响应模型；根据所述负荷侧调节资源爬坡需求确定负荷侧调节资源爬坡需求趋势。2.根据权利要求1所述的负荷侧调节资源爬坡需求趋势评估方法，其特征在于，根据历史新能源时序功率数据进行不确定性计算，得到预设的研究爬坡需求趋势年限中的每一年在预设的多个不确定性情景中的每个不确定性情景下对应的新能源时序功率预测数据，具体包括：对所述历史新能源时序功率数据进行归一化处理；将归一化处理后的所述历史新能源时序功率数据处理为离散状态；根据预设的累计状态转移矩阵依次确定每个时刻对应的离散状态，得到离散状态时序数据；根据所述离散状态时序数据生成归一化时序功率数据；根据所述归一化时序功率数据生成新能源时序功率预测数据。3.根据权利要求1所述的负荷侧调节资源爬坡需求趋势评估方法，其特征在于，根据所述新能源时序功率预测数据以及预设的全年分时段生产模拟仿真模型进行生产模拟仿真，得到在满足预设的新能源目标弃电率的情况下，所述每一年在每个所述不确定性情景下对应的负荷侧调节资源爬坡需求，具体包括：根据所述新能源目标弃电率计算目标可弃电量；将所述目标可弃电量平分到全年中的每天，然后根据所述全年分时段生产模拟仿真模型进行生产模拟仿真，并在得到仿真结果后计算出仿真弃电率；若所述仿真弃电率与所述新能源目标弃电率的误差在预设范围内，则输出仿真结果；若所述仿真弃电率与所述新能源目标弃电率的误差超出所述预设范围，则根据仿真弃电量与所述目标可弃电量之间的差值对每天的目标可弃电量进行调整，然后重新进行生产模拟仿真。4.根据权利要求1所述的负荷侧调节资源爬坡需求趋势评估方法，其特征在于，根据所述负荷侧调节资源爬坡需求确定负荷侧调节资源爬坡需求趋势，具体包括：根据所述每一年在每个所述不确定性情景下对应的负荷侧调节资源爬坡需求，确定所述每一年对应的平均负荷侧调节资源爬坡需求；根据所述研究爬坡需求趋势年限中的相邻两年的所述平均负荷侧调节资源爬坡需求，计算出该相邻两年的负荷侧调节资源爬坡需求趋势。5.根据权利要求1所述的负荷侧调节资源爬坡需求趋势评估方法，其特征在于，所述需求响应模型包括：负荷削减模型、负荷填谷模型以及负荷转移模型。6.根据权利要求1所述的负荷侧调节资源爬坡需求趋势评估方法，其特征在于，所述全
年分时段生产模拟仿真模型，具体用于对一整年以小时为时段进行生产模拟仿真。7.根据权利要求1所述的负荷侧调节资源爬坡需求趋势评估方法，其特征在于，所述全年分时段生产模拟仿真模型为根据电力系统相关参数建立而成，所述电力系统相关参数具体包括：发电侧信息、负荷侧信息包以及电网侧信息。8.一种负荷侧调节资源爬坡需求趋势评估装置，其特征在于，包括：不确定性计算单元，用于根据历史新能源时序功率数据进行不确定性计算，得到预设的研究爬坡需求趋势年限中的每一年在预设的多个不确定性情景中的每个不确定性情景下对应的新能源时序功率预测数据；仿真单元，用于根据所述新能源时序功率预测数据以及预设的全年分时段生产模拟仿真模型进行生产模拟仿真，得到在满足预设的新能源目标弃电率的情况下，所述每一年在每个所述不确定性情景下对应的负荷侧调节资源爬坡需求，其中，所述全年分时段生产模拟仿真模型中包含需求响应模型；负荷侧调节资源爬坡需求趋势评估单元，用于根据所述负荷侧调节资源爬坡需求确定负荷侧调节资源爬坡需求趋势。9.根据权利要求8所述的负荷侧调节资源爬坡需求趋势评估装置，其特征在于，所述不确定性计算单元，具体包括：归一化处理模块，用于对所述历史新能源时序功率数据进行归一化处理；离散状态处理模块，用于将归一化处理后的所述历史新能源时序功率数据处理为离散状态；离散状态时序数据生成模块，用于根据预设的累计状态转移矩阵依次确定每个时刻对应的离散状态，得到离散状态时序数据；归一化时序功率数据生成模块，用于根据所述离散状态时序数据生成归一化时序功率数据；新能源时序功率预测数据生成模块，用于根据所述归一化时序功率数据生成新能源时序功率预测数据。10.根据权利要求8所述的负荷侧调节资源爬坡需求趋势评估装置，其特征在于，所述仿真单元，具体包括：目标可弃电量确定模块，用于根据所述新能源目标弃电率计算目标可弃电量；生产模拟仿真模块，用于将所述目标可弃电量平分到全年中的每天，然后根据所述全年分时段生产模拟仿真模型进行生产模拟仿真，并在得到仿真结果后计算出仿真弃电率；仿真结果输出模块，用于若所述仿真弃电率与所述新能源目标弃电率的误差在预设范围内，则输出仿真结果；重新仿真模块，用于若所述仿真弃电率与所述新能源目标弃电率的误差超出所述预设范围，则根据仿真弃电量与所述目标可弃电量之间的差值对每天的目标可弃电量进行调整，然后重新进行生产模拟仿真。11.根据权利要求8所述的负荷侧调节资源爬坡需求趋势评估装置，其特征在于，所述负荷侧调节资源爬坡需求趋势评估单元，具体包括：平均负荷侧调节资源爬坡需求确定模块，用于根据所述每一年在每个所述不确定性情景下对应的负荷侧调节资源爬坡需求，确定所述每一年对应的平均负荷侧调节资源爬坡需
求；爬坡需求趋势确定模块，用于根据所述研究爬坡需求趋势年限中的相邻两年的所述平均负荷侧调节资源爬坡需求，计算出该相邻两年的负荷侧调节资源爬坡需求趋势。12.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任意一项所述方法的步骤。13.一种计算机可读存储介质，其上存储有计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1至7任意一项所述方法的步骤。

技术总结
本发明实施例公开了一种负荷侧调节资源爬坡需求趋势评估方法及装置，该方法包括：根据历史新能源时序功率数据进行不确定性计算，得到预设的研究爬坡需求趋势年限中的每一年在预设的多个不确定性情景中的每个不确定性情景下对应的新能源时序功率预测数据；根据所述新能源时序功率预测数据以及预设的全年分时段生产模拟仿真模型进行生产模拟仿真，得到在满足预设的新能源目标弃电率的情况下，所述每一年在每个所述不确定性情景下对应的负荷侧调节资源爬坡需求，其中，所述全年分时段生产模拟仿真模型中包含需求响应模型；根据负荷侧调节资源爬坡需求确定负荷侧调节资源爬坡需求趋势。本发明实现了准确评估负荷侧调节资源爬坡需求趋势的有益效果。源爬坡需求趋势的有益效果。源爬坡需求趋势的有益效果。


技术研发人员：王泽森 李奇 赵志宇 刘瑛琳 梁浩 李维宇 孔帅皓 夏雪 赵天骐 郝婧 罗婧 张涵之 谢欢 黄天啸 刘苗 李烜
受保护的技术使用者：国家电网有限公司
技术研发日：2023.05.12
技术公布日：2023/9/12