北极星

搜索历史清空

  • 水处理
您的位置:电力输配电电力通信企业正文

国能日新范华云:新能源能够让泛在电力物联网的内涵和外延更为丰富

2019-05-24 17:25来源:北极星输配电网关键词:电力大数据泛在电力物联网泛在电力物联网研讨会收藏点赞

投稿

我要投稿

有新能源大数据这个元素加进来,能够让咱们泛在电力物联网的内涵和外延更为丰富。新能源大数据平台建成了之后,它本身能够明显提升新能源的发电效率、整体的消纳水平和业务创新的能力,它本身又是咱们整个电力大数据有机的组成部分,所以这就是新能源大数据平台的必要性。

2019年5月23-24日,由北极星电力网主办的第一届中国泛在电力物联网研讨会在北京召开。国能日新科技股份有限公司 范华云作题为《泛在电力物联网下新能源大数据解决方案》的演讲。

2.webp.jpg

以下为发言实录:

国能日新科技股份有限公司范华云:我现在给大家带来的是一个非常细分的,主要是聚焦在新能源领域里面的大数据,我希望能够将小而美的故事给大家讲好。主要有三个具体的应用案例,有一些阶段性的成果,给大家分享一下。

今天的讲解分为两部分:

第一,新能源大数据平台的价值与数据模型。

第二,新能源大数据平台的四个应用案例。

泛在电力物联网核心是要提升四个能力:提升全息感知的能力,提升泛在连接的能力,提升开放共享的能力,提升融合创新的能力。我们认为,有新能源这个元素加进来,能够让咱们泛在电力物联网的内涵和外延更为丰富。我在这里稍微举个例子,以前电力系统是不包含气象数据的,但在泛在电力物联网的概念下面气象的数据就应该被纳进来,以前分布式,在座的有很多电力行业的专家,知道分布式在10KV的可能这个数据是接进来的,380、220很多分布式都没有接进来,在新的泛在电力物联网大的概念下,这些数据都要被接进来,现在已经被各个电网公司所重视。像电力交易IOTE数据接进来之后,能够极大的提升泛在电力物联网里面的内涵。

新能源大数据平台建成了之后,它本身能够明显的提升新能源的发电效率,能够提升新能源整体的消纳水平,能够提升新能源领域里面业务创新的能力,它本身又是咱们整个电力大数据有机的组成部分,所以这就是新能源大数据平台的必要性。

新能源大数据平台究竟应该怎么样去收集、整理和建模呢?这就是我们做的新能源的一个业务数据模型。这边就是发电侧、输电侧、用电方,横向的是信息类、物理类、社会类。发电侧、输电侧和用户方,用咱们电力调度的话来说,就是源、网、荷,右边的信息类、物理类和社会社就是CPS,纵向的源、网、荷我相信大家是比较容易理解的,横向的信息类就是咱们传统的链路上所传输的各种有用的信息,物理类可能更多的,因为咱们真正的是物联网这一块,要描述一个事物还是避免不要要描述它的空间位置、它的三维的立体的物理上的温度,还有它的一些常见的属性,社会类得更多的是人类社会经济方面的规划,像电力交易里面的这些规则、这些交易的过程。

我们觉得源、网、荷、CPS模型能够比较好的把新能源大数据里面的这些数据能够汇总、分类,我们可以很清晰的看到哪些是因果关系、哪些是离散的关系。

有了这么一个模型,数据同时还要面向各种各样的应用。我们这里面给出来了新能源数据基础的层级,第一就是,数据的采集,核心的数据是来自于咱们电网内部的,再外围一点的就来自于咱们电力系统的,主要就是发电集团和用户这一侧,接下来就是来自于现在正在建设的电力的无线专网,还有一部分是来自于公共互联网的,这就是我刚才主要说的气象那一块,数据在这个地方汇集,汇集完了之后要进行数据的治理,最后就是面向咱们的各种应用,我在这里面举了四个利用:第一,就是做功率和电量的预测,实际上是面向的电力平衡的应用。第二,是面向新能源消纳水平,这也是咱们泛在电力物联网里面的11个主要的课题之一。第三,面向怎么样更好的进行电力交易。第四,面向储能的规划和运营。接下来我分别用几个例子来讲解一下具体的业务。

这是我们和某一个省一级的电网合作做的一个项目,就是我们名字叫做新能源的消纳态势感知,实际上最早的时候这个项目是从2015年开始的,当时的目的就是要弄清楚弃电究竟是怎么弃的,细节在哪里,原理是把新能源发电最小的发电单元,对风场来说就是每一台风机,对光伏电站来说就是每一台逆变器,我们把它的状态实时的采集过来,我们有了这个新能源实时的数据,我们再有了调度的日志,我们再有了传输线路的状态,我们再有联动线的状态,有了断面约束的装置,有了这些之后我们就有了一个图,就是弃电,他什么时候弃电的、什么原因弃的,现在的弃,发电集团也在做统计、电网也在做统计,很少有一个大家都能够信服的觉得数据最真实可靠的一套体系来保障,但是我们再生一级电网的项目里面,我们应该说是比较自信的说我们找到了一套能够让人信服的思路。

举个例子,上周,就是5月19日星期天那天,北京的朋友知道那天特别大的风,省电网一下就看到,预测的数据和真实的发电中间就有一个很大的缺口,以前都得找各个电厂去报是什么原因,我们因为有这条系统,马上就把每个单机,全省3900台风机,把数据拿过来,然后发现其中因为风特别大,超出了风机有效的范围内,在3900台风机里面有254台脱机了,这就是什么弃电?这就是场站内部的原因造成的弃电,所以通过这个小细节就能够详细的说明,它能够把咱们的弃电分解的很细,并且分解的大家都很认可。

通过我们的这套大数据的应用,让电网有充分的底气向发电集团说这个弃电至少在我们省里头50%的弃电原因真不是电网的原因,而是发电集团内部非计划停运故障,然后发电集团就说,我们没有这么多啊,那行,我就把你这个场站的数据全部调出来,哪台风机、什么时间点、什么原因,一目了然。这个就是我们所认为的,把历史上弃电的故事讲清楚了。

我们刚才说的是历史上的弃电,因为我们根据这么多信息就像拼图一样,一下就把图拼出来了,知道弃电发生在什么时间、发生在哪个断面、发生在哪个场站。同时我们可以把故事往前推,造成弃电的因素其实并不会变的,我们同样把功率预测的曲线、把负荷的曲线等等,把所有数据开放出来之后我们可以大家未来7—15天的态势。电网很有用,有用在什么地方呢?我要提前知道这个态势就能够加以有效的干涉,就能够进一步提高我们新能源的消纳。

从微观的层面、从调度的层面能够做到就是,我把火电的开机方式进行优化,这样让咱们更多的新能源能够上网,同时我可以把检修做优化,我未来的7—15天里面检修计划的时候挑风电或者是辐照度最差的那两天、发电量最低的这两天,这样整个场站的影响因素就比较小,同时我可以同步的通知厂家你跟我一起检修,这样就把检修时间拼到一起了,这是从微观的层面,能够帮助咱们新能源消纳。

宏观层面,咱们这条线路上,如果断面限电很严重,我们就应该是不是规划储能,是不是引进一些用电大户,然后做线路的规划,这是更多层面的了。

总之就是,我们只要知道了未来即将发生的事,再积极的加以干涉,这个就是把我们历史上新能源的单机信息系统再往前推一大步。我们觉得这个项目比较能够好的说明,新能源的大数据对咱们真正的生产、生活产生了大的影响,这是我给大家分享的第一个故事。

第二个跟大家分享的是,我们把新能源的大数据用于电力交易这块。新能源的电力交易并不为大家所熟知,因为现在电力交易的主体主要还是火电,但是国家也已经在慢慢的放开,让新能源能够参与电力交易,具体的是在甘肃和山西这两个试点里头,现在他们都开始报量和报价。在新疆还有其他的几个地方,也已经开始中长期电力交易了。

大家都知道,国能日新这个公司有些熟的朋友可能会知道说,你们以前都是做功率预测,我们实际上是在功率预测的基础上,在它的收集的这么多数据的基础上又往前面推了一步,就是帮助这些新能源场站能够去做这些电力交易,实际上是有些矛盾的,功率预测它核心的诉求就是,我预测一定要准,这样便于电网做电力平衡,越准就越少罚款,这是它的核心诉求。但是参加电力交易这一块是另外一套游戏玩法,对于一个场站来说,我要尽可能的在我的范围内多成交,多成交就意味着我多卖电收入,实际上这两个从数学的角度来说两个目标是背离的。

我们做了一个电力交易的辅助决策系统,综合了这两种因素,它的基本原理是这样的,实际上做电力交易有点像大家在场上不配合的,实际上是个博弈的过程,就是非合作博弈过程。我们其实也是按照纳氏均衡里面的思路,首先一个厂站,是在300个场站里面的一个,它的竞争对手就有300多个,这个实际上是没法进行博弈的。我们的做法,第一,我们把一个省的300多个场站分类,怎么分类呢?就是按照省历史上30年的气象资源,在这点上面我们还是有些优势的,我们每年购买气象资源上浏览了很多数据,我们知道全平省平均的风速带,根据它的分素就把我们全省这么多的风电场,按照它的分速情况分出类,我们认为在博弈场上它的能力不同,就会导致他的行为、思考模式都不同。第一是先把我们对象分类。

分类之后接着每一类对手都有结合他日前的风力资源,每家都知道我明天大致是什么样的生产能力,这个时候大家就会开始来报,报的过程当中,因为经济学,假设每个人都是做一个对自己特别有利的策略出来,这个是很正常的,每一家拿出一个对自己最有利的策略出来,我们就把数据汇总到这儿,根据大家的策略给出我们自己的一个日前出力的申报曲线,我们给完了之后,同时我们还要根据风速的概率做一个修订,因为我们还不能偏差我们自己的预测真实的生产能力太远,这个过程有点相当于打桥牌,我们这套模型算过,基本上每一次我们都能够保证在这个场上可能比我们的对手们能够多个10%—30%的收益,基本上每一轮都是这样,我下面有数据跟大家分享。

做案例就一定要有图有真相,我们功率预测建议申报73.56,这个时候就开始让我们这套电力交易的辅助决策发挥作用了,它就会算出来,他算出来告诉场站说你要申报126,这个场站就按126去申报了,这个时候调度就开始核准了,调度就给了80的基础电量,还剩下46的交易电量,再把46报上去,最后调度就给了16的计划,最后真实的日前出清给场站是96,如果我们真正按照功率预测报是73,按照电力交易的模式给的日前出清96,明显96对场站是非常有利的。当然有人说你的功率预测是不是有点不准?这就要基于对功率预测的理解,功率预测报了一个值之后,在风电场上下20%都是允许的,所以给20%再偏差一点,会考核罚款。还有一个,你出清之后收入会多,两害相权取其轻,所以这个其实很有意思。我们的目标可能就是奔着96去的,但是怎么到96呢,就要报126,这就是博弈在中间算出来的给我们的一些策略的建议。这是我们当时基本上把每个点都核实了一下,我们发现每个电都能够让收益提升一些。

最后我们摘取了,从2018年11月3日,到2019年3月22日,因为新能源交易并不是太充分,并不是每天出清,我们摘取了出清的天数,最后我们跟场站去核实,我们双方用这个策略,他半年的时间多收益了32万,同时我们也看到它考核的情况,其实功率预测的考核罚款并没有明显的变化,这是我们新能源大数据里面我们在电力交易里面做的算是比较有意思的案例。

这是我要跟大家分享的第三个故事。大家都知道,储能肯定是能够在未来的电力市场会有很大的机会,但是现在这个成本实在是有点难以承受。究竟应该怎么算账?这个是我们从去年大概9月份的时候就一直开始在做的一个事,就是怎么样在弃风弃光的场景,在功率预测饱和罚款的场景、在电力交易的场景里,真正让储能找到它的盈利模式,当时有一个干甘肃光伏电站找我们,2016年限定27%,2017年22,2018年14%,我能不能干?青海有一个风电场,考核严重,主要是功率预测的考核。它也跑来找我们说,我能不能干?我的风电场什么时候能上储能?还有一个有趣的事情就是,2019年4月份新疆出台了一个政策,在座的好多专家应该会知道,他们说南疆三个州光伏电站只要配20%的储能就给200个小时的保证电量,很多场站都有兴趣,但是真正他们知道他应该怎么去算这个账。

我们当时就帮9个集团算了,当时有9个场站算了,其中有8个是真正具备投资效益的,收益率在8%以上,其中有一个比较好,5年就能收回成本,差一点的也能够在将近7年的时间。这是我们做的储能的测算,这只是我们做过的所有的测算里边的冰山一角,因为我们做功率预测做的比较多,只要我们做了功率预测我们其实都测算过,按照它的容量,从1%—3%—10%—15%—30%,我们每一种情况都测算过,它在不同储能的能量、不同的充放电的熟虑、不同的储能的成本,从2块到1块8、到1块4、到1块2,他的投资收益情况,并且都有定量的关系,储能的容量和投资收益的关系。储能的容量跟他弃风弃光的反馈率,他的储能成本和最终收益的关系。好多储能,现在在场站里面不具备条件,但是究竟在什么时间点具备条件?这些我们都算清楚了。这些结论我们都有,我知道在座的有好多发电集团的专家,欢迎会后来勾搭,确确实实对大家很有用。

第四个案例,这个没有真实的数据,前面三个都有真实数据、并且有成功经验的。这个要说的是关于虚拟电厂,虚拟电厂我们认为它会有六个核心的技术:功率发电预测、负荷预测、发电管理、双向通讯、数据收集、电力市场当中的运营能力。除了通讯这块跟数据没有特别大的关系之外,其他我们认为本质上都是要对数据进行收集、对数据进行分析和处理,然后给出一些决策。这也是未来新能源大数据平台有充分用武之地的地方。

(以上内容由北极星输配电网根据现场速记整理,未经嘉宾审核)

相关链接:

佳岚智能张海瑞:能源互联网在信息互联健全之后将迎来商业互联

输配电 二维码.jpg

投稿与新闻线索:陈女士 微信/手机:13693626116 邮箱:chenchen#bjxmail.com(请将#改成@)

特别声明:北极星转载其他网站内容,出于传递更多信息而非盈利之目的,同时并不代表赞成其观点或证实其描述,内容仅供参考。版权归原作者所有,若有侵权,请联系我们删除。

凡来源注明北极星*网的内容为北极星原创,转载需获授权。

电力大数据查看更多>泛在电力物联网查看更多>泛在电力物联网研讨会查看更多>