1. 区域电网新能源可接入容量快速估算

任务拆解：把“可接入容量”变成一条可计算的时序平衡问题

区域电网新能源最大可接入容量，本质是在给定负荷曲线、常规机组最小出力和联络线计划下，逐时段求解新能源可消纳空间。核心约束是：

“不弃风弃光”意味着每个时段新能源实际消纳量等于其理论出力，因此可接入容量受限于最严苛时段的消纳空间，而不是全年平均值。

输入数据与估算流程

以某区域电网为例，采用 24 点日负荷曲线和典型日新能源出力标幺曲线进行快速估算。示例数据如下（均为教学假设值）：

逐时段消纳空间 = 负荷 − 常规最小出力 − 联络线计划。取新能源出力标幺值最大的时段作为限制时段，可接入容量 = 最小消纳空间 ÷ 对应时段标幺值。

快速估算实现

以下 Python 代码完成逐时段消纳空间计算、限制时段识别和容量-弃电率敏感曲线生成。示例数据为教学假设值，运行后可得到估算结果。

import numpy as np

# 教学示例数据：24点负荷、常规最小出力、联络线计划、新能源标幺曲线
hours = np.arange(24)
load = np.array([1800,1750,1700,1680,1700,1800,2200,2500,2700,2800,2850,2800,
                 2750,2700,2650,2600,2700,3000,3200,3100,2900,2600,2200,2000])
p_gmin = np.full(24, 900)
p_tie = np.full(24, 200)
k = np.array([0.35,0.33,0.32,0.30,0.32,0.38,0.55,0.65,0.75,0.80,0.82,0.80,
              0.78,0.75,0.72,0.68,0.60,0.45,0.40,0.38,0.35,0.33,0.32,0.30])

# 逐时段消纳空间
space = load - p_gmin - p_tie
print("逐时段消纳空间/MW:", space)

# 限制时段：标幺值最大处
t_star = np.argmax(k)
C_max = space[t_star] / k[t_star]
print(f"限制时段: {t_star}:00, 消纳空间={space[t_star]} MW, 标幺值={k[t_star]:.2f}")
print(f"不弃风弃光最大可接入容量: {C_max:.1f} MW")

# 容量-弃电率敏感曲线
capacities = np.arange(500, 2600, 100)
curtail_rates = []
for C in capacities:
    gen = C * k
    curtailed = np.maximum(gen - space, 0)
    total = np.sum(gen)
    rate = np.sum(curtailed) / total * 100 if total > 0 else 0
    curtail_rates.append(rate)

for C, r in zip(capacities, curtail_rates):
    print(f"容量={C} MW, 弃电率={r:.2f}%")

关键判断与常见问题

• 限制时段不一定是负荷最低时段：若新能源出力标幺值在午间最高，而负荷午间也较高，限制时段可能出现在新能源大发与负荷错配的时段。
• 联络线计划方向影响消纳空间：联络线受入会压缩本地消纳空间，送出则扩大消纳空间，需按实际计划方向代入。
• 常规机组最小出力是硬约束：若最小出力过高，消纳空间被压缩，可接入容量显著下降。
• 快速估算的局限：本方法采用典型日曲线，未考虑机组组合、网络阻塞和调峰能力，适用于规划前期快速筛查，不替代详细时序生产模拟。