一种基于网络分析法的新能源消纳潜力评估方法及装置与流程

1.本发明涉及电力规划分析技术领域，尤其涉及一种基于网络分析法的新能源消纳潜力评估方法及装置。


背景技术：

2.近年来，我国新能源发展迅速，虽然有效缓解了国家社会经济发展对电力需求以及碳减排要求之间的矛盾，但是新能源存在着出力不确定性和间歇性的问题，在电力系统中接入高比例新能源将对电力系统的调峰调频能力和灵活性带来巨大挑战。由于新能源的渗透率将不断提高，电网建设者需要谨慎考虑新能源的合理规划布局问题，在保证电网安全稳定运行的同时更好地促进新能源的消纳，减少弃风弃光现象，实现电网清洁化低碳化转型。而在新能源规划中，往往需要考察地区自然资源禀赋，电网条件以及经济人文因素，对地区新能源消纳潜力进行量化评估，确定不同地区可新建新能源的极限。
3.目前的研究中，考虑到在新能源规划阶段，对新能源的接入容量和接入点还没确定的情况下，很难获取新能源发电的运行数据，包括新能源出力曲线等，难以准确地进行电网新能源承载力计算，现有的对新能源消纳潜力的量化评估体系大多是后评估的方式，即在新能源接入电网后，通过电网新能源承载力计算来评估新能源的消纳能力，且现有的量化评估体系指标权重赋值一般采用层次分析法等线性评价算法，缺乏对指标之间复杂影响关系的考虑，计算结果不能很好地反映真实情况。


技术实现要素：

4.为了克服现有技术的缺陷，本发明提供一种基于网络分析法的新能源消纳潜力评估方法及装置，能够在新能源规划阶段全面准确地评估新能源消纳潜力。
5.为了解决上述技术问题，第一方面，本发明一实施例提供一种基于网络分析法的新能源消纳潜力评估方法，包括：
6.构建新能源消纳潜力评估指标体系；其中，所述新能源消纳潜力评估指标体系包括若干个一级指标，每一一级指标下设若干个二级指标；
7.采用网络分析法，对所述新能源消纳潜力评估指标体系中的各个所述一级指标和各个所述二级指标进行赋权，得到指标权重；
8.综合所述新能源消纳潜力评估指标体系和所述指标权重，根据获取的电网数据，计算新能源消纳潜力评估结果。
9.进一步地，所述一级指标包括自然资源禀赋、电网建设基础和经济人文条件；
10.所述自然资源禀赋下设的二级指标包括日平均光照强度、日光照波动率、日平均风速、日风速波动率、地区光伏可安装率、地区风电可安装率中的至少一种；
11.所述电网建设基础下设的二级指标包括线路重载率、变压器重载率、平均停电时间、n-1通过率、事故备用容量、灵活性裕度、新能源渗透率中的至少一种；
12.所述经济人文条件下设的二级指标包括年负荷增长率、负荷分散度、可调负荷比
例、日负荷相对峰谷差、日负荷波动率中的至少一种。
13.进一步地，所述日平均光照强度为：
[0014][0015]
其中，p
t
为t时刻的日照强度的归一化值，t＝1、2、...、t，t为预设采样周期；
[0016]
所述日光照波动率为：
[0017]
a2＝1-a2′
；
[0018]
其中，p
t 1
为t 1时刻的日照强度的归一化值；
[0019]
所述日平均风速为：
[0020][0021]
其中，v
t
为t时刻的风速的归一化值；
[0022]
所述日风速波动率为：
[0023]
a4＝1-a4′
；
[0024]
其中，v
t 1
为t 1时刻的风速的归一化值；
[0025]
所述地区光伏可安装率为：
[0026][0027]
其中，si为电网所在地区内第i个可安装光伏的场所，i＝1、2、...、n，n为所述电网所在地区内可安装光伏的场所的总数，s为所述电网所在地区的总面积；
[0028]
所述地区风电可安装率为：
[0029][0030]
其中，sj为所述电网所在地区内第j个可安装风机的场所，j＝1、2、...、m，m为所述电网所在地区内可安装风机的场所的总数。
[0031]
进一步地，所述线路重载率为：
[0032]
b1＝1-b1′
；
[0033]
其中，n
li
ne为电网中重载线路的总数，m
line
为所述电网中线路的总数；
[0034]
所述变压器重载率为：
[0035]
b2＝1-b2′
；
[0036]
其中，n
trans
为所述电网中重载变压器的总数，m
trans
为所述电网中变压器的总数；
[0037]
所述平均停电时间为：
[0038]
b3＝1-b3′
；
[0039]
其中，t
cut,k
为所述电网第k次停电的停电时长，k＝1、2、...、n
cut
，n
cut
为所述电网停电的总次数，t
all
为所述电网供电的总时长，n
load,k
为所述电网第k次停电的停电用户总数，m
load
为所述电网的供电用户总数；
[0040]
所述n-1通过率为：
[0041][0042]
其中，n
n-1
为所述电网中满足n-1通过率的线路的总数；
[0043]
所述事故备用容量为：
[0044][0045]
其中，∑p
bp
为所述电网中所有事故备用容量之和，p
avg
为所述电网的平均负荷；
[0046]
所述灵活性裕度为：
[0047][0048]
其中，f
x
为所述电网中第x个灵活性资源的平均可调容量，k＝1、2、...、x，x为所述电网中灵活性资源的总数；
[0049]
所述新能源渗透率为：
[0050]
b7＝1-b7′
；
[0051]
其中，p
ren,y
为所述电网中第y个新能源发电集群在预设采样周期内的平均出力，y＝1、2、...、n
ren
，n
ren
表示所述电网中新能源发电集群的总数。
[0052]
进一步地，所述年负荷增长率为：
[0053][0054]
其中，pn为电网在第n年的平均负荷，p
n 1,forcast
表示所述电网在第n 1年的平均负荷的预测值；
[0055]
所述负荷分散度为：
[0056][0057]
其中，p
trans,z
为所述电网中第z个变压器的平均负荷，z＝1、2、...、m
trans
，m
trans
为所述电网中变压器的总数，p
avg
为所述电网的平均负荷；
[0058]
所述可调负荷比例为：
[0059][0060]
其中，p
load,ctrl,f
为所述电网中第f个可调负荷的平均功率，f＝1、2、...、n
ctrl
，n
ctrl
为所述电网中可调负荷的总数；
[0061]
所述日负荷相对峰谷差为：
[0062][0063]
其中，p
max
和p
min
分别为所述电网在预设采样周期内的最大负荷和最小负荷；所述日负荷波动率为：
[0064][0065]
其中，p
load,t
为所述电网在t时刻的负荷，p
load,t 1
为所述电网在t 1时刻的负荷，t＝1、2、...、t，t为所述预设采样周期。
[0066]
进一步地，所述采用网络分析法，对所述新能源消纳潜力评估指标体系中的各个所述一级指标和各个所述二级指标进行赋权，得到指标权重，具体为：
[0067]
对各个所述一级指标进行两两组合，得到若干个一级指标组合，并采用1-9标度法，分别构建每一所述一级指标组合的判断矩阵，得到各个所述一级指标组合的判断矩阵；
[0068]
对于每一所述一级指标组合的判断矩阵，根据所述一级指标组合的判断矩阵，计算所述一级指标组合的归一化特征向量，并根据各个所述一级指标组合的归一化特征向量，构建初始超矩阵；
[0069]
根据获取的各个所述一级指标组合的权重，构建加权矩阵，并根据所述初始超矩阵和所述加权矩阵，得到加权超矩阵；
[0070]
根据所述加权超矩阵，得到极限超矩阵，并根据所述极限超矩阵确定各个所述一级指标和各个所述二级指标的权重，得到所述指标权重。
[0071]
进一步地，在所述根据所述一级指标组合的判断矩阵，计算所述一级指标组合的归一化特征向量之前，还包括：
[0072]
对所述一级指标组合的判断矩阵进行一致性检验。
[0073]
进一步地，所述根据所述一级指标组合的判断矩阵，计算所述一级指标组合的归一化特征向量，具体为：
[0074]
采用特征根法，根据所述一级指标组合的判断矩阵，计算所述一级指标组合的归一化特征向量。
[0075]
进一步地，在所述根据获取的各个所述一级指标组合的权重，构建加权矩阵之前，还包括：
[0076]
采用ahp方法，分别对每一所述一级指标组合进行权重分析，得到各个所述一级指标组合的权重。
[0077]
第二方面，本发明一实施例提供一种基于网络分析法的新能源消纳潜力评估装置，包括：
[0078]
指标定义模块，用于构建新能源消纳潜力评估指标体系；其中，所述新能源消纳潜力评估指标体系包括若干个一级指标，每一一级指标下设若干个二级指标；
[0079]
指标赋权模块，用于采用网络分析法，对所述新能源消纳潜力评估指标体系中的各个所述一级指标和各个所述二级指标进行赋权，得到指标权重；
[0080]
综合评估模块，用于综合所述新能源消纳潜力评估指标体系和所述指标权重，根据获取的电网数据，计算新能源消纳潜力评估结果。
[0081]
相比于现有技术，本发明的实施例，具有如下有益效果：
[0082]
通过构建新能源消纳潜力评估指标体系，新能源消纳潜力评估指标体系包括若干个一级指标，每一一级指标下设若干个二级指标，采用网络分析法，对新能源消纳潜力评估指标体系中的各个一级指标和各个二级指标进行赋权，得到指标权重，综合新能源消纳潜力评估指标体系和指标权重，根据获取的电网数据，计算新能源消纳潜力评估结果，不仅能够在新能源规划阶段选取多个表征新能源消纳潜力的指标进行量化评估，无需局限于新能源规划后的电网承载力进行新能源消纳潜力评估，而且能够利用网络分析法的优势充分考虑各指标之间复杂的影响关系，保证指标赋权的合理性，从而实现在新能源规划阶段全面准确地评估新能源消纳潜力。
[0083]
进一步地，通过将自然资源禀赋、电网建设基础、经济人文条件纳入新能源消纳潜力评估指标体系，能够在新能源规划阶段更全面准确地评估电网新能源消纳潜力。
附图说明
[0084]
图1为本发明第一实施例中的一种基于网络分析法的新能源消纳潜力评估方法的流程示意图；
[0085]
图2为本发明第一实施例中示例的新能源消纳潜力评估指标体系的示意图；
[0086]
图3为本发明第一实施例中示例的新能源消纳潜力评估指标体系的anp结构示意图；
[0087]
图4为本发明第二实施例中的一种基于网络分析法的新能源消纳潜力评估装置的结构示意图。
具体实施方式
[0088]
下面将结合本发明中的附图，对本发明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，都属于本发明保护的范围。
[0089]
需要说明的是，文中的步骤编号，仅为了方便具体实施例的解释，不作为限定步骤执行先后顺序的作用。本实施例提供的方法可以由相关的终端设备执行，且下文均以服务器作为执行主体为例进行说明。
[0090]
如图1所示，第一实施例提供一种基于网络分析法的新能源消纳潜力评估方法，包括步骤s1～s3：
[0091]
s1、构建新能源消纳潜力评估指标体系；其中，新能源消纳潜力评估指标体系包括若干个一级指标，每一一级指标下设若干个二级指标；
[0092]
s2、采用网络分析法，对新能源消纳潜力评估指标体系中的各个一级指标和各个二级指标进行赋权，得到指标权重；
[0093]
s3、综合新能源消纳潜力评估指标体系和指标权重，根据获取的电网数据，计算新能源消纳潜力评估结果。
[0094]
本实施例不仅能够在新能源规划阶段选取多个表征新能源消纳潜力的指标进行量化评估，无需局限于新能源规划后的电网承载力进行新能源消纳潜力评估，而且能够利用网络分析法的优势充分考虑各指标之间复杂的影响关系，保证指标赋权的合理性，从而实现在新能源规划阶段全面准确地评估新能源消纳潜力。
[0095]
在优选的实施例当中，一级指标包括自然资源禀赋、电网建设基础和经济人文条件；自然资源禀赋下设的二级指标包括日平均光照强度、日光照波动率、日平均风速、日风速波动率、地区光伏可安装率、地区风电可安装率中的至少一种；电网建设基础下设的二级指标包括线路重载率、变压器重载率、平均停电时间、n-1通过率、事故备用容量、灵活性裕度、新能源渗透率中的至少一种；经济人文条件下设的二级指标包括年负荷增长率、负荷分散度、可调负荷比例、日负荷相对峰谷差、日负荷波动率中的至少一种。
[0096]
如图2所示，作为示例性地，以自然资源禀赋、电网建设基础和经济人文条件作为一级指标，对自然资源禀赋下设日平均光照强度、日光照波动率、日平均风速、日风速波动率、地区光伏可安装率、地区风电可安装率作为其二级指标，对电网建设基础下设线路重载率、变压器重载率、平均停电时间、n-1通过率、事故备用容量、灵活性裕度、新能源渗透率作为其二级指标，对经济人文条件下设的二级指标包括年负荷增长率、负荷分散度、可调负荷比例、日负荷相对峰谷差、日负荷波动率作为其二级指标，构建新能源消纳潜力评估指标体系。其中，新能源消纳潜力评估指标体系如表1所示。
[0097]
表1新能源消纳潜力评估指标体系
[0098][0099][0100]
本实施例通过将自然资源禀赋、电网建设基础、经济人文条件纳入新能源消纳潜力评估指标体系，能够在新能源规划阶段更全面准确地评估电网新能源消纳潜力。
[0101]
在优选的实施例当中，日平均光照强度为：
[0102][0103]
其中，p
t
为t时刻的日照强度的归一化值，t＝1、2、...、t，t为预设采样周期；
[0104]
日光照波动率为：
[0105]
a2＝1-a2′ꢀꢀ
(2)；
[0106]
其中，p
t 1
为t 1时刻的日照强度的归一化值；
[0107]
日平均风速为：
[0108][0109]
其中，v
t
为t时刻的风速的归一化值；
[0110]
日风速波动率为：
[0111]
a4＝1-a4′ꢀꢀ
(4)；
[0112]
其中，v
t 1
为t 1时刻的风速的归一化值；
[0113]
地区光伏可安装率为：
[0114][0115]
其中，si为电网所在地区内第i个可安装光伏的场所，i＝1、2、...、n，n为电网所在地区内可安装光伏的场所的总数，s为电网所在地区的总面积；
[0116]
地区风电可安装率为：
[0117][0118]
其中，sj为电网所在地区内第j个可安装风机的场所，j＝1、2、...、m，m为电网所在地区内可安装风机的场所的总数。
[0119]
在优选的实施例当中，线路重载率为：
[0120]
b1＝1-b1′ꢀꢀ
(7)；
[0121]
其中，n
line
为电网中重载线路的总数，m
line
为电网中线路的总数；
[0122]
变压器重载率为：
[0123]
b2＝1-b2′ꢀꢀ
(8)；
[0124]
其中，n
trans
为电网中重载变压器的总数，m
trans
为电网中变压器的总数；
[0125]
平均停电时间为：
[0126]
b3＝1-b3′ꢀꢀ
(9)；
[0127]
其中，t
cut,k
为电网第k次停电的停电时长，k＝1、2、...、n
cut
，n
cut
为电网停电的总次数，t
all
为电网供电的总时长，n
load,k
为电网第k次停电的停电用户总数，m
load
为电网的供电用户总数；
[0128]
n-1通过率为：
[0129][0130]
其中，n
n-1
为电网中满足n-1通过率的线路的总数；
[0131]
事故备用容量为：
[0132][0133]
其中，∑p
bp
为电网中所有事故备用容量之和，p
avg
为电网的平均负荷；
[0134]
灵活性裕度为：
[0135][0136]
其中，f
x
为电网中第x个灵活性资源的平均可调容量，k＝1、2、...、x，x为电网中灵活性资源的总数；
[0137]
新能源渗透率为：
[0138]
b7＝1-b7′ꢀꢀ
(13)；
[0139]
其中，p
ren,y
为电网中第y个新能源发电集群在预设采样周期内的平均出力，y＝1、2、...、n
ren
，n
ren
表示电网中新能源发电集群的总数。
[0140]
在优选的实施例当中，年负荷增长率为：
[0141][0142]
其中，pn为电网在第n年的平均负荷，p
n 1,forcast
表示电网在第n 1年的平均负荷的预测值；
[0143]
负荷分散度为：
[0144][0145]
其中，p
trans,z
为电网中第z个变压器的平均负荷，z＝1、2、...、m
trans
，m
trans
为电网中变压器的总数，p
avg
为电网的平均负荷；
[0146]
可调负荷比例为：
[0147][0148]
其中，p
load,ctrl,f
为电网中第f个可调负荷的平均功率，f＝1、2、...、n
ctrl
，n
ctrl
为电
网中可调负荷的总数；
[0149]
日负荷相对峰谷差为：
[0150][0151]
其中，p
max
和p
min
分别为电网在预设采样周期内的最大负荷和最小负荷；
[0152]
日负荷波动率为：
[0153][0154]
其中，p
load,t
为电网在t时刻的负荷，p
load,t 1
为电网在t 1时刻的负荷，t＝1、2、...、t，t为预设采样周期。
[0155]
作为示例性地，选取的原始指标包括正向指标和逆向指标，为了方便后面的综合评估，采用取倒数的处理方法，将逆向指标转化为正向指标。原始指标的量纲和取值范围不一致，不能进行直接比较，因此对取值范围不在[0,1]之间的原始指标进行归一化处理。对选取的原始指标进行处理后，各指标的计算公式分别如式(1)～式(18)所示。
[0156]
1、日平均光照强度：
[0157]
电网所在地区的日平均光照强度代表电网所在地区发展光伏的潜能，光照强度直接影响着光伏发电的发电量，日平均光照强度为：
[0158][0159]
式(1)中，p
t
为t时刻的日照强度的归一化值，t＝1、2、...、t，t为预设采样周期。
[0160]
2、日光照波动率：
[0161]
光伏发电直接受到光照强度的影响，日光照波动率影响着光伏发电的出力稳定性，该指标是负向指标，日光照波动率越小，光伏发电的出力稳定性越强，因此需要进行正向化处理，日光照波动率为：
[0162]
a2＝1-a2′ꢀꢀ
(2)；
[0163]
式(2)中，p
t 1
为t 1时刻的日照强度的归一化值。
[0164]
3、日平均风速：
[0165]
日平均风速代表电网所在地区发展风力发电的潜能，风速直接影响风力发电的出力，日平均风速为：
[0166][0167]
式(3)中，v
t
为t时刻的风速的归一化值。
[0168]
4、日风速波动率：
[0169]
风力发电直接受到风速的影响，日风速波动率影响着风力发电的稳定性，该指标
是负向指标，需要进行正向化处理，日风速波动率为：
[0170]
a4＝1-a4′ꢀꢀ
(4)；
[0171]
式(4)中，v
t 1
为t 1时刻的风速的归一化值。
[0172]
5、地区光伏可安装率：
[0173]
光伏发电需要满足一定的地理条件约束，光伏发电板一般安装在屋顶，农田，池塘等政策上、技术上与经济上允许安装的地方，该指标影响着光伏发电的潜力，地区光伏可安装率为：
[0174][0175]
式(5)中，si为电网所在地区内第i个可安装光伏的场所，包括符合技术要求和经济性要求的屋顶、池塘、农田等，i＝1、2、...、n，n为电网所在地区内可安装光伏的场所的总数，s为电网所在地区的总面积。
[0176]
6、地区风电可安装率：
[0177]
风电机组的安装需要满足一定地理条件约束，与光伏发电比较，风电机组的安装需求更为苛刻，一般在空旷的山坡，海岸等，地区风电可安装率为：
[0178][0179]
式(6)中，sj为电网所在地区内第j个可安装风机的场所，包括符合技术要求和经济性要求的山坡、海岸等，j＝1、2、...、m，m为电网所在地区内可安装风机的场所的总数。
[0180]
7、线路重载率：
[0181]
线路的重载率反映电网的阻塞情况，线路的重载情况越严重，说明该电网存在比较严重的阻塞，影响新能源的接入和消纳，该指标是负向指标，因此需要进行正向化，线路重载率为：
[0182]
b1＝1-b1′ꢀꢀ
(7)；
[0183]
式(7)中，n
line
为电网中重载线路的总数，m
line
为电网中线路的总数。
[0184]
8、变压器重载率：
[0185]
变压器的重载率反映电网的阻塞情况，变压器的重载情况越严重，说明该电网存在比较严重的阻塞，影响新能源的接入和消纳，该指标是负向指标，因此需要进行正向化，变压器重载率为：
[0186]
b2＝1-b2′ꢀꢀ
(8)；
[0187]
式(8)中，n
trans
为电网中重载变压器的总数，m
trans
为电网中变压
器的总数。
[0188]
可以理解的是，定义线路/变压器的负载率为(这里的变压器特指配电变压器)：
[0189][0190]
式(19)中，s
t
表示t时刻线路/变压器的负载，s
max
表示线路/变压器的最大负载，规定历史运行数据中负载率大于80％的频率大于20％时，即满足p(l
t
≥80％)≥20％时，线路/变压器为重载。
[0191]
9、平均停电时间：
[0192]
电网的平均停电时间代表电网的可靠性，平均停电时间越长，代表电网故障隐患越多，可靠性越差,该指标是负向指标，需要进行正向化处理，平均停电时间为：
[0193]
b3＝1-b3′ꢀꢀ
(9)；
[0194]
式(9)中，t
cut,k
为电网第k次停电的停电时长，k＝1、2、...、
ncut
，
ncut
为电网停电的总次数，t
all
为电网供电的总时长，n
load,k
为电网第k次停电的停电用户总数，m
load
为电网的供电用户总数。
[0195]
10、n-1通过率：
[0196]
电网的n-1通过率是电网的可靠性指标，代表电网线路发生故障时转供的能力，n-1通过率为：
[0197][0198]
式(10)中，n
n-1
为电网中满足n-1通过率的线路的总数。
[0199]
11、事故备用容量：
[0200][0201]
式(11)中，∑p
bp
为电网中所有事故备用容量之和，p
avg
为电网的平均负荷。
[0202]
12、灵活性裕度：
[0203][0204]
式(12)中，f
x
为电网中第x个灵活性资源的平均可调容量，k＝1、2、...、x，x为电网中灵活性资源的总数。
[0205]
13、新能源渗透率：
[0206]
某电网已有的新能源渗透率对未来新能源的建设和消纳有重要的影响，电网在地理因素和电网承载力因素上，对新能源渗透率是有一定限制的，若已有新能源渗透率较高，未来发展新能源的潜力在一定程度上受到限制，该指标是负向指标，需要进行正向化，新能源渗透率为：
[0207]
b7＝1-b7′ꢀꢀ
(13)；
[0208]
式(13)中，p
ren,y
为电网中第y个新能源发电集群在预设采样周期内的平均出力，y＝1、2、...、n
ren
，n
ren
表示电网中新能源发电集群的总数。
[0209]
14、年负荷增长率：
[0210]
负荷的增长率与地区经济发展息息相关，表现地区生产和发展的活跃程度，一般而言，负荷增长率和gdp增长率有强相关的关系，政府和相关部门发布的规划方案中一般含有负荷增长率和gdp增长率的预测信息，为了保证电网电量平衡，电源的建设增长率需要与负荷增长率相匹配，年负荷增长率为：
[0211][0212]
式(14)中，pn为电网在第n年的平均负荷，p
n 1,forcast
表示电网在第n 1年的平均负荷的预测值。
[0213]
15、负荷分散度：
[0214]
负荷分散度表征负荷发展的地理平衡性，若负荷集中在某些区域，容易造成电网阻塞，对于大多数城市或工业园区电网，不存在适合发展集中式新能源的条件，一般以分布式新能源的形式接入电网，负荷分布均匀更有利于分布式新能源的就地消纳，该指标的取值范围不在[0,1]之间，因此需要进行归一化处理，负荷分散度为：
[0215][0216]
式(15)中，p
trans,z
为电网中第z个变压器的平均负荷，z＝1、2、...、m
trans
，m
trans
为电网中变压器的总数，p
avg
为电网的平均负荷。
[0217]
16、可调负荷比例：
[0218][0219]
式(16)中，p
load,ctrl,f
为电网中第f个可调负荷的平均功率，f＝1、2、...、nctrl，
nctrl
为电网中可调负荷的总数。
[0220]
17、日负荷相对峰谷差：
[0221][0222]
式(17)中，p
max
和p
min
分别为电网在预设采样周期内的最大负荷和最小负荷。
[0223]
18、日负荷波动率：
[0224][0225]
其中，p
load,t
为电网在t时刻的负荷，p
load,t 1
为电网在t 1时刻的负荷，t＝1、2、...、t，t为预设采样周期。
[0226]
在优选的实施例当中，所述采用网络分析法，对新能源消纳潜力评估指标体系中的各个一级指标和各个二级指标进行赋权，得到指标权重，具体为：对各个一级指标进行两两组合，得到若干个一级指标组合，并采用1-9标度法，分别构建每一一级指标组合的判断矩阵，得到各个一级指标组合的判断矩阵；对于每一一级指标组合的判断矩阵，根据一级指标组合的判断矩阵，计算一级指标组合的归一化特征向量，并根据各个一级指标组合的归一化特征向量，构建初始超矩阵；根据获取的各个一级指标组合的权重，构建加权矩阵，并根据初始超矩阵和加权矩阵，得到加权超矩阵；根据加权超矩阵，得到极限超矩阵，并根据极限超矩阵确定各个一级指标和各个二级指标的权重，得到指标权重。
[0227]
在优选的实施例当中，在所述根据一级指标组合的判断矩阵，计算一级指标组合的归一化特征向量之前，还包括：对一级指标组合的判断矩阵进行一致性检验。
[0228]
在优选的实施例当中，所述根据一级指标组合的判断矩阵，计算一级指标组合的归一化特征向量，具体为：采用特征根法，根据一级指标组合的判断矩阵，计算一级指标组合的归一化特征向量。
[0229]
在优选的实施例当中，在根据获取的各个一级指标组合的权重，构建加权矩阵之前，还包括：采用ahp方法，分别对每一一级指标组合进行权重分析，得到各个一级指标组合的权重。
[0230]
作为示例性地，在构建新能源消纳潜力评估指标体系时，以自然资源禀赋、电网建设基础、经济人文条件作为一级指标，对每一一级指标下设若干个二级指标，且根据指标特性，对各个二级指标进行正向化和归一化处理，定义各个二级指标的计算方法。新能源消纳潜力评估指标体系中各指标之间是相互影响的复杂关系，三个一级指标之间的关系错综复杂，是非线性的，不能用层次分析法简单的线性关系进行描述，因此采用网络分析法对指标进行赋权。网络分析法一种改进的层次分析法，包含控制层和网络层，控制层包含目标和准测，网络层包含所有受控制层支配的元素以及元素之间的网络关系，其中，控制层的权重可以采用ahp方法确定，网络层的权重需要考虑各元素的关系，需要用加权超矩阵确定。如图3所示，在新能源消纳潜力评估指标体系中，采用anp方法进行指标体系权重的确定，控制层包括一个目标和一个准则层，网络层中包括3个一级指标和18个二级指标。
[0231]
可以理解的是，层次分析法(analytic hierarchy process，简称ahp)是对定性问题进行定量分析的一种简便、灵活而又实用的多准则决策方法，它的特点是把复杂问题中的各种因素通过划分为相互联系的有序层次，使之条理化，根据对一定客观现实的主观判断结构(主要是两两比较)把专家意见和分析者的客观判断结果直接而有效地结合起来，将一层次元素两两比较的重要性进行定量描述，而后利用数学方法计算反映每一层次元素的相对重要性次序的权值，通过所有层次之间的总排序计算所有元素的相对权重并进行排序。
[0232]
网络分析法(analytic network process，简称anp)是一种适应非独立的递阶层
次结构的决策方法，是在层次分析法的基础上发展而形成的一种新的实用决策方法，它的特点就是在层次分析法的基础上，考虑到了各因素或相邻层次之间的相互影响，利用“超矩阵”对各相互作用并影响的因素进行综合分析得出其混合权重。
[0233]
本实施例可通过问卷调查等方式，邀请15名专家对新能源消纳潜力评估指标体系中的指标进行两两比较，进行均值计算构造判断矩阵。
[0234]
网络分析法(anp)分为四个步骤，包括构建两两判断矩阵，构建初始超矩阵，计算加权超矩阵，计算极限超矩阵确定指标权重，各步骤的实现过程具体如下：
[0235]
1、构建两两判断矩阵：
[0236]
网络层含有三个一级指标a、b、c，其中每个一级指标包含若干个二级指标aa(a＝1,2,...,na)、bb(b＝1,2,...,nb)、cc(c＝1,2,...,nc)。采用判断矩阵中常用的1-9标度法，如表2，对aa(a＝1,2,...,na)、bb(b＝1,2,...,nb)、cc(c＝1,2,...,nc)中每一个指标进行两两比较。
[0237]
表2标度判断标准
[0238]
标度意义标度意义1表示两个因素同等重要7表示前者比后者强烈重要3表示前者比后者稍微重要9表示前者比后者极端重要5表示前者比后者明显重要2、4、6、8表示上述相邻判断的中值
[0239]
当对aa(a＝1,2,...,na)和bb(b＝1,2,...,nb)构建判断矩阵时，以目标函数作为主准则，以bb(b＝1,2,...,nb)依次作为次准测，将aa(a＝1,2,...,na)的各指标按其对bb(b＝1,2,...,nb)的影响程度大小进行比较，得到判断矩阵。
[0240]
例如，以b1作为次准则，对a中的各元素构造两两判断矩阵，判断矩阵如式(20)所示，判断矩阵左上角表示次准则元素。
[0241][0242]
依次以b2、b3等作为此准则进行同样操作。同理可构造b中各元素以a1、a2、a3等为次准则的判断矩阵。
[0243]
由于判断矩阵是人为确定的，存在较强的主观性，也可能出现判断矛盾的问题，因此需要进行一致性检验。
[0244]
采用特征根法，对通过一致性检验的判断矩阵计算归一化特征向量，上述判断矩阵是na阶的方阵，求判断矩阵最大特征值以及对应的特征向量，将特征向量归一化，可以得到归一化特征向量，即目前数据分析软件都具备自动计算归一化特征向量的功能，输入判断矩阵即可进行一致性检验和归一化特征向量计算。
[0245]
2、构建初始超矩阵：
[0246]
通过对通过一致性检验的判断矩阵计算归一化特征向量，得到原始超矩阵：
[0247][0248]
最终可以得到主准则下的初始超矩阵：
[0249][0250]
由上述计算可知，超矩阵的子块是列归一化的，但超矩阵本身不是列归一化，因此需要计算元素组a、b、c的权重，并计算加权超矩阵。
[0251]
3、计算加权超矩阵：
[0252]
对一级指标元素组a、b、c进行两两比较构建判断矩阵，可采用ahp的方法进行权重分析，得到元素组a、b、c的加权矩阵：
[0253][0254]
将超矩阵进行列归一化，得到加权超矩阵：
[0255][0256]
4、计算极限超矩阵确定指标权重：
[0257]
由上述操作计算得到加权超矩阵，设为加权超矩阵中的元素i对元素j的优势度，定义w2为二次加权超矩阵，其元素为根据上述定义，当加权超矩阵的次数为无穷是，通过下式进行极限超矩阵的计算：
[0258][0259]
当极限超矩阵存在时，原加权超矩阵的权重值稳定，可作为指标的稳定权重进行评价。
[0260]
关于网络分析法超矩阵的计算过程比较复杂，目前一般采用成熟的商业计算软件如super decision或yaanp等软件进行计算。本实施例采用yaanp软件进行超矩阵的计算。
[0261]
在得到各指标的权重值后，搜集待评估电网的相关数据，包括光照强度、风速等数据，计算各个指标的得分值，再将每一个指标的得分值乘上对应指标权重得到新能源消纳潜力评估结果。
[0262]
为了更清楚地说明第一实施例所述的基于网络分析法的新能源消纳潜力评估方
法，选取某地区进行新能源消纳潜力分析评价，首先通过问卷调查等方式收集15名专家的意见，构建判断矩阵，应用yaanp软件采用anp法对构建的新能源消纳潜力评估指标体系进行权重计算，权重计算结果如表3所示：
[0263]
表3
[0264][0265][0266]
由表3可知，权重前五的二级指标分别是新能源渗透率、负荷分散度、可调负荷比
例、年负荷增长率、地区光伏可安装率。
[0267]
其中，新能源渗透率的权重显著高于其他指标，说明目前电网的承载力和新能源的发展空间有限，已建设的新能源对于未来新能源发展而言，是一个物理制约。在权重前五的指标中，有三个与经济人文条件相关。新能源消纳的本质是电力电量的供需平衡问题。由于新能源出力具有随机性和间歇性，因此该地区的负荷需求特性对新能源消纳和发展的影响较大。负荷分散度表征负荷的地理分布情况，分散度越高，越有利于新能源的就地消纳，减少电网的阻塞情况。可调负荷比例表征负荷需求侧响应，可调负荷比例越高，代表负荷的可控性越强，负荷削峰填谷能力越好，可以更好地通过调节负荷以匹配新能源的出力。年负荷增长率代表地区负荷和经济发展趋势，年负荷增长率越大，说明该地区对电源增长的需求越大，对新能源的发展和消纳更有利。
[0268]
本实施例对广东省某园区电网进行新能源消纳潜力的分析评估，其各项指标得分如表4所示(各个指标已做归一化处理，取值范围为[0,1]，为了方便计算，指标评分中采用100分制)：
[0269]
表4
[0270]
[0271][0272]
由表4可知，从权重较大的低分指标中，可以分析影响该地区电网新能源消纳潜力的因素，可调负荷比例的得分偏低，同时与之相关的日负荷相对峰谷差和日负荷波动率得分偏低，因此可以从提升可调负荷比例和需求侧响应的方式提高该地区电网新能源消纳潜力。
[0273]
应用第一实施例所述的基于网络分析法的新能源消纳潜力评估方法，具有如下优点及效果：
[0274]
(1)将自然资源禀赋，电网建设基础，经济人文条件纳入到新能源消纳潜力评估体系中，与以往传统的仅关注电网承载力的新能源消纳计算相比，能够更全面准确地分析地区新能源消纳和发展的潜力。
[0275]
(2)考虑到各指标之间复杂的影响关系，采用网络分析法代替层次分析法进行指标赋权，能够更准确地反映各指标的关系和重要性。
[0276]
(3)通过新能源消纳潜力评估指标体系计算各区域新能源消纳潜力评估结果，并根据新能源消纳潜力评估结果对不同区域发布新能源消纳任务，给电网运行和规划者提供参考意见。
[0277]
基于与第一实施例相同的发明构思，第二实施例提供如图4所示的一种基于网络分析法的新能源消纳潜力评估装置，包括：指标定义模块21，用于构建新能源消纳潜力评估指标体系；其中，新能源消纳潜力评估指标体系包括若干个一级指标，每一一级指标下设若干个二级指标；指标赋权模块22，用于采用网络分析法，对新能源消纳潜力评估指标体系中的各个一级指标和各个二级指标进行赋权，得到指标权重；综合评估模块23，用于综合新能源消纳潜力评估指标体系和指标权重，根据获取的电网数据，计算新能源消纳潜力评估结果。
[0278]
在优选的实施例当中，一级指标包括自然资源禀赋、电网建设基础和经济人文条件；自然资源禀赋下设的二级指标包括日平均光照强度、日光照波动率、日平均风速、日风
速波动率、地区光伏可安装率、地区风电可安装率中的至少一种；电网建设基础下设的二级指标包括线路重载率、变压器重载率、平均停电时间、n-1通过率、事故备用容量、灵活性裕度、新能源渗透率中的至少一种；经济人文条件下设的二级指标包括年负荷增长率、负荷分散度、可调负荷比例、日负荷相对峰谷差、日负荷波动率中的至少一种。
[0279]
在优选的实施例当中，日平均光照强度为：
[0280][0281]
其中，p
t
为t时刻的日照强度的归一化值，t＝1、2、...、t，t为预设采样周期；
[0282]
日光照波动率为：
[0283]
a2＝1-a2′ꢀꢀ
(27)；
[0284]
其中，p
t 1
为t 1时刻的日照强度的归一化值；
[0285]
日平均风速为：
[0286][0287]
其中，v
t
为t时刻的风速的归一化值；
[0288]
日风速波动率为：
[0289]
a4＝1-a4′ꢀꢀ
(29)；
[0290]
其中，v
t 1
为t 1时刻的风速的归一化值；
[0291]
地区光伏可安装率为：
[0292][0293]
其中，si为电网所在地区内第i个可安装光伏的场所，i＝1、2、...、n，n为电网所在地区内可安装光伏的场所的总数，s为电网所在地区的总面积；
[0294]
地区风电可安装率为：
[0295][0296]
其中，sj为电网所在地区内第j个可安装风机的场所，j＝1、2、...、m，m为电网所在地区内可安装风机的场所的总数。
[0297]
在优选的实施例当中，线路重载率为：
[0298]
b1＝1-b1′ꢀꢀ
(32)；
[0299]
其中，n
line
为电网中重载线路的总数，m
line
为电网中线路的总数；
[0300]
变压器重载率为：
[0301]
b2＝1-b2′ꢀꢀ
(33)；
[0302]
其中，n
trans
为电网中重载变压器的总数，m
trans
为电网中变压器的总数；
[0303]
平均停电时间为：
[0304]
b3＝1-b3′ꢀꢀ
(34)；
[0305]
其中，t
cut,k
为电网第k次停电的停电时长，k＝1、2、...、n
cut
，n
cut
为电网停电的总次数，t
all
为电网供电的总时长，n
load,k
为电网第k次停电的停电用户总数，m
load
为电网的供电用户总数；
[0306]
n-1通过率为：
[0307][0308]
其中，n
n-1
为电网中满足n-1通过率的线路的总数；
[0309]
事故备用容量为：
[0310][0311]
其中，∑p
bp
为电网中所有事故备用容量之和，p
avg
为电网的平均负荷；
[0312]
灵活性裕度为：
[0313][0314]
其中，f
x
为电网中第x个灵活性资源的平均可调容量，k＝1、2、...、x，x为电网中灵活性资源的总数；
[0315]
新能源渗透率为：
[0316]
b7＝1-b7′ꢀꢀ
(38)；
[0317]
其中，p
ren,y
为电网中第y个新能源发电集群在预设采样周期内的平均出力，y＝1、2、...、n
ren
，n
ren
表示电网中新能源发电集群的总数。
[0318]
在优选的实施例当中，年负荷增长率为：
[0319][0320]
其中，pn为电网在第n年的平均负荷，p
n 1,forcast
表示电网在第n 1年的平均负荷的预测值；
[0321]
负荷分散度为：
[0322][0323]
其中，p
trans,z
为电网中第z个变压器的平均负荷，z＝1、2、...、m
trans
，m
trans
为电网中变压器的总数，p
avg
为电网的平均负荷；
[0324]
可调负荷比例为：
[0325][0326]
其中，p
load,ctrl,f
为电网中第f个可调负荷的平均功率，f＝1、2、...、n
ctrl
，n
ctrl
为电网中可调负荷的总数；
[0327]
日负荷相对峰谷差为：
[0328][0329]
其中，p
max
和p
min
分别为电网在预设采样周期内的最大负荷和最小负荷；
[0330]
日负荷波动率为：
[0331][0332]
其中，p
load,t
为电网在t时刻的负荷，p
load,t 1
为电网在t 1时刻的负荷，t＝1、2、...、t，t为预设采样周期。
[0333]
在优选的实施例当中，指标赋权模块22，包括：判断矩阵构建单元，用于对各个一级指标进行两两组合，得到若干个一级指标组合，并采用1-9标度法，分别构建每一一级指标组合的判断矩阵，得到各个一级指标组合的判断矩阵；初始超矩阵构建单元，用于对于每一一级指标组合的判断矩阵，根据一级指标组合的判断矩阵，计算一级指标组合的归一化特征向量，并根据各个一级指标组合的归一化特征向量，构建初始超矩阵；加权超矩阵构建单元，用于根据获取的各个一级指标组合的权重，构建加权矩阵，并根据初始超矩阵和加权矩阵，得到加权超矩阵；极限超矩阵构建单元，用于根据加权超矩阵，得到极限超矩阵，并根据极限超矩阵确定各个一级指标和各个二级指标的权重，得到指标权重。
[0334]
在优选的实施例当中，初始超矩阵构建单元，还用于在所述根据一级指标组合的
判断矩阵，计算一级指标组合的归一化特征向量之前，对一级指标组合的判断矩阵进行一致性检验。
[0335]
在优选的实施例当中，初始超矩阵构建单元，具体用于采用特征根法，根据一级指标组合的判断矩阵，计算一级指标组合的归一化特征向量。
[0336]
在优选的实施例当中，加权超矩阵构建单元，还用于在根据获取的各个一级指标组合的权重，构建加权矩阵之前，采用ahp方法，分别对每一一级指标组合进行权重分析，得到各个一级指标组合的权重。
[0337]
综上所述，实施本发明的实施例，具有如下有益效果：
[0338]
通过构建新能源消纳潜力评估指标体系，新能源消纳潜力评估指标体系包括若干个一级指标，每一一级指标下设若干个二级指标，采用网络分析法，对新能源消纳潜力评估指标体系中的各个一级指标和各个二级指标进行赋权，得到指标权重，综合新能源消纳潜力评估指标体系和指标权重，根据获取的电网数据，计算新能源消纳潜力评估结果，不仅能够在新能源规划阶段选取多个表征新能源消纳潜力的指标进行量化评估，无需局限于新能源规划后的电网承载力进行新能源消纳潜力评估，而且能够利用网络分析法的优势充分考虑各指标之间复杂的影响关系，保证指标赋权的合理性，从而实现在新能源规划阶段全面准确地评估新能源消纳潜力。
[0339]
进一步地，通过将自然资源禀赋、电网建设基础、经济人文条件纳入新能源消纳潜力评估指标体系，能够在新能源规划阶段更全面准确地评估电网新能源消纳潜力。
[0340]
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
[0341]
本领域普通技术人员可以理解实现上述实施例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，可包括如上述各实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)或随机存储记忆体(random access memory，ram)等。