CN102831321A - 一种基于蒙特卡洛方法的风电场风险评估方法 - Google Patents

一种基于蒙特卡洛方法的风电场风险评估方法 Download PDF

Info

Publication number
CN102831321A
CN102831321A CN2012103120754A CN201210312075A CN102831321A CN 102831321 A CN102831321 A CN 102831321A CN 2012103120754 A CN2012103120754 A CN 2012103120754A CN 201210312075 A CN201210312075 A CN 201210312075A CN 102831321 A CN102831321 A CN 102831321A
Authority
CN
China
Prior art keywords
sequence
wind energy
energy turbine
turbine set
wind
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2012103120754A
Other languages
English (en)
Other versions
CN102831321B (zh
Inventor
李志�
郭创新
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN201210312075.4A priority Critical patent/CN102831321B/zh
Publication of CN102831321A publication Critical patent/CN102831321A/zh
Application granted granted Critical
Publication of CN102831321B publication Critical patent/CN102831321B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Supply And Distribution Of Alternating Current (AREA)
  • Control Of Eletrric Generators (AREA)
  • Wind Motors (AREA)

Abstract

本发明公开了一种基于蒙特卡洛方法的风电场风险估计方法。本发明包括如下步骤，步骤(1).基于时间序列法的风速序列预测模型建立；首先，原始数据标准化：其次，模型识别：然后，参数确定：步骤(2).典基于序贯蒙特卡洛方法的计及风电场的大电网系统可靠性评估；首先，随机抽样：其次，可靠性评估：本发明基于大量风电数据库，充分考虑风速的随机性；且采用蒙特卡洛快速算法，速度快。

Description

一种基于蒙特卡洛方法的风电场风险评估方法
技术领域
本发明属于电力系统风险评估领域，具体涉及一种基于蒙特卡洛方法的风电场风险估计方法。
背景技术
风能是一种干净的、储量极为丰富的可再生能源。随着世界各国对能源短缺、环境保护及气候变化等问题的日益关注，风力发电作为减少空气污染和有害气体排放的有效措施之一，越来越受到人们的重视。大力发展并网型风力发电是我国缓解能源供需矛盾，减轻环境污染，调整能源结构，转变经济增长方式的重要战略举措。
但是与其他常规的火电厂、水电厂不同,风电场的输出功率不断波动,大规模风电并网后会对电力系统的安全稳定运行带来一定的影响。
为研究风电场并网对电力系统可靠性的影响,本文建立了基于蒙特卡洛仿真的计及风电场的大电网系统可靠性快速分析模型,充分考虑了风速的随机性及风电机组强迫停运率,对计及风电场的大电网系统进行可靠性评估，具有广泛的应用前景以及潜在的经济价值。
发明内容
本发明的目的在于提拱一种基于蒙特卡洛方法的风电场风险评估方法。该方法首先通过风速时间序列预测模型，结合常规机组、线路的状态模型，考虑了风能随机性和风电机强迫停运率等不确定因素，建立了给予序贯蒙特卡洛仿真的发电厂可靠性模型，按照在满足系统安全约束条件的前提下充分利用风电的原则，对计及风电场的大电网系统进行可靠性评估。
本发明为达到上述发明目的，所采取的具体技术方案如下：
步骤(1). 建立基于时间序列法的风速序列预测模型；
1-1.原始数据标准化：
Figure 2012103120754100002DEST_PATH_IMAGE002
；
式中
Figure 2012103120754100002DEST_PATH_IMAGE004
为标准化后的数据，
Figure 2012103120754100002DEST_PATH_IMAGE006
为原始数据的标准差估计值，
Figure 2012103120754100002DEST_PATH_IMAGE008
为原始数据； 
Figure 2012103120754100002DEST_PATH_IMAGE010
， 
Figure 2012103120754100002DEST_PATH_IMAGE012
分别为
Figure 2012103120754100002DEST_PATH_IMAGE014
的均值和方差估计值：
Figure 2012103120754100002DEST_PATH_IMAGE016
；
Figure 2012103120754100002DEST_PATH_IMAGE018
；
所述的步骤(1)中的N为风速序列个数；
1-2. 模型识别：
根据给定风速序列的样本均值、自相关函数、偏相关函数判别该风速序列的类型属于 AR(p)、MA(q)和 ARMA(p,q)中的哪一种；若序列 
Figure 2012103120754100002DEST_PATH_IMAGE020
的偏相关函数在 p 步以后截尾，则可判定该序列为 AR(p)序列；若序列 
Figure 461971DEST_PATH_IMAGE020
的自相关函数在 q 步以后截尾，则可判定该序列为序列 MA(q)；若序列 
Figure 316795DEST_PATH_IMAGE020
的自相关函数、偏相关函数都是拖尾的，则可判定该序列为 ARMA 序列；
1-3. 参数确定：
对步骤1-2识别的模型进行AIC判别，改变模型的阶数，使其成为最佳模型， 即AIC值达到最小时的模型，则此时对应的模型的阶数就是确定的参数；
步骤(2). 基于序贯蒙特卡洛方法的计及风电场的大电网系统可靠性评估；
2-1. 随机抽样：
把一年分为 8736 个小时区间，设每个小时区间计及风电场的大电网系统条件不变，用步骤(1)得到的模型模拟每个小时区间的风速值。并对计及风电场的大电网系统元件进行随机抽样，得到各元件的运行状态，元件的默认初始状态为正常状态，即运行状态，然后建立系统状态矩阵；
所述的计及风电场的大电网系统元件包括发电机、架空线路、电缆、馈线、变压器、断路器、隔离开关、电抗器和电容器等元件，编号为j（j=1，2，…，n）。
所述的系统状态矩阵由公式：
得到，其中Uj对应于第j个元件在[0,1]间均匀分布的随机数。如果当前状态是正常状态，
Figure 2012103120754100002DEST_PATH_IMAGE024
表示第j个元件的故障率，Tj即为该元件正常工作持续时间；如果当前状态是故障状态状态，
Figure 470434DEST_PATH_IMAGE024
表示第j个元件的修复率，Tj即为该元件故障持续时间，通过多次抽样，得到各元件的“运行-修复-运行-修复”状态序列，最终得到系统状态矩阵。
2-2.可靠性评估：
根据步骤2-1，对计及风电场的大电网系统进行随机故障抽样，经过多次不同程度的抽样，得到计及风电场的大电网系统的状态矩阵，在给定的精度要求下确定抽样循环的次数，计算每个状态计及风电场的大电网系统的最小切除负荷，对该系统进行可靠性评估。
其中，可靠性评估的系统可靠性指标由公式：
Figure 2012103120754100002DEST_PATH_IMAGE026
I是可靠性指标， j是元件数，k是状态序号，
Figure 2012103120754100002DEST_PATH_IMAGE028
是系统状态，
Figure 2012103120754100002DEST_PATH_IMAGE030
是状态持续时间。
本发明有益效果如下：
1）基于大量风电数据库，充分考虑风速的随机性；
2）采用蒙特卡洛快速算法，速度快。
附图说明
图1 为本发明的整体流程图。
具体实施方式
步骤(1). 基于时间序列法的风速序列预测模型建立；
1-1. 原始数据标准化：
Figure 741009DEST_PATH_IMAGE002
；
式中
Figure 493064DEST_PATH_IMAGE004
为标准化后的数据，
Figure 751745DEST_PATH_IMAGE006
为原始数据的标准差估计值，
Figure 18778DEST_PATH_IMAGE008
为原始数据； ， 分别为
Figure 755287DEST_PATH_IMAGE014
的均值和方差估计值：
Figure 447300DEST_PATH_IMAGE016
；
；
所述的步骤(1)中的N为风速序列个数；
1-2. 模型识别：
模型的识别是根据给定序列的样本均值、自相关函数、偏相关函数判别序列应属于 AR(p)、MA(q)和 ARMA(p,q)中的那一种。若序列 {xt}的偏相关函数在 p 步以后截尾，则可判定该序列为 AR(p)序列；若序列 {xt}的自相关函数在 q 步以后截尾，则可判定该序列为序列 MA(q)；若序列 {xt}的自相关函数、偏相关函数都是拖尾的，则可判定该序列为 ARMA 序列；
1-3. 参数确定：
对步骤建立的模型进行AIC判别，改变模型的阶数，使AIC值达到绩效的模型，即是最佳模型，对应的阶数就是确定的参数；
步骤(2). 基于序贯蒙特卡洛方法的计及风电场的大电网系统可靠性评估；
2-1. 随机抽样：
把一年分为 8736 个小时区间，设每个小时区间计及风电场的大电网系统条件不变，用步骤(1)得到的模型模拟每个小时区间的风速值。并对计及风电场的大电网系统元件进行随机抽样，得到各元件的运行状态，元件的默认初始状态为正常状态，即运行状态，然后建立系统状态矩阵；
所述的计及风电场的大电网系统元件包括发电机、架空线路、电缆、馈线、变压器、断路器、隔离开关、电抗器和电容器等元件，编号为j（j=1，2，…，n）。
所述的系统状态矩阵由公式：
得到，其中Uj对应于第j个元件在[0,1]间均匀分布的随机数。如果当前状态是正常状态，表示第j个元件的故障率，Tj即为该元件正常工作持续时间；如果当前状态是故障状态状态，
Figure 690751DEST_PATH_IMAGE024
表示第j个元件的修复率，Tj即为该元件故障持续时间。
      如图2所示，通过多次抽样，得到各元件的“运行-修复-运行-修复”状态序列，组合各元件的运行和修复过程，得到具有时间先后顺序的状态序列，最终得到系统状态矩阵。
如图3所示，为各元件的状态序列组合起来即得到状态矩阵：
其中，n是状态总数，m是元件总数。
2-2.可靠性评估：
根据步骤2-1，对计及风电场的大电网系统进行随机故障抽样，经过多次不同程度的抽样，得到计及风电场的大电网系统的状态矩阵，在给定的精度要求下确定抽样循环的次数，计算每个状态计及风电场的大电网系统的最小切除负荷，对该系统进行可靠性评估。
其中，可靠性评估的系统可靠性指标由公式：
Figure 903558DEST_PATH_IMAGE026
I是可靠性指标， j是元件数，k是状态序号，是系统状态，是状态持续时间。

Claims (1)

1. 一种基于蒙特卡洛方法的风电场风险估计方法，其特征在于包括如下步骤：
步骤(1). 建立基于时间序列法的风速序列预测模型；
1-1.原始数据标准化：
Figure 2012103120754100001DEST_PATH_IMAGE002
；
式中
Figure 2012103120754100001DEST_PATH_IMAGE004
为标准化后的数据，为原始数据的标准差估计值，
Figure 2012103120754100001DEST_PATH_IMAGE008
为原始数据； ， 
Figure 2012103120754100001DEST_PATH_IMAGE012
分别为
Figure 2012103120754100001DEST_PATH_IMAGE014
的均值和方差估计值：
Figure 2012103120754100001DEST_PATH_IMAGE016
；
Figure 2012103120754100001DEST_PATH_IMAGE018
；
所述的步骤(1)中的N为风速序列个数；
1-2. 模型识别：
根据给定风速序列的样本均值、自相关函数、偏相关函数判别该风速序列的类型属于 AR(p)、MA(q)和 ARMA(p,q)中的哪一种；若序列 
Figure 2012103120754100001DEST_PATH_IMAGE020
的偏相关函数在 p 步以后截尾，则可判定该序列为 AR(p)序列；若序列 
Figure 802157DEST_PATH_IMAGE020
的自相关函数在 q 步以后截尾，则可判定该序列为序列 MA(q)；若序列 
Figure 818654DEST_PATH_IMAGE020
的自相关函数、偏相关函数都是拖尾的，则可判定该序列为 ARMA 序列；
1-3. 参数确定：
对步骤1-2识别的模型进行AIC判别，改变模型的阶数，使其成为最佳模型， 即AIC值达到最小时的模型，则此时对应的模型的阶数就是确定的参数；
步骤(2). 基于序贯蒙特卡洛方法的计及风电场的大电网系统可靠性评估；
2-1. 随机抽样：
把一年分为 8736 个小时区间，设每个小时区间计及风电场的大电网系统条件不变，用步骤(1)得到的模型模拟每个小时区间的风速值；并对计及风电场的大电网系统元件进行随机抽样，得到各元件的运行状态，元件的默认初始状态为正常状态，即运行状态，然后建立系统状态矩阵；
所述的计及风电场的大电网系统元件包括发电机、架空线路、电缆、馈线、变压器、断路器、隔离开关、电抗器和电容器元件，编号为j（j=1，2，…，n）；
所述的系统状态矩阵由公式：
Figure 2012103120754100001DEST_PATH_IMAGE022
得到，其中Uj对应于第j个元件在[0,1]间均匀分布的随机数；如果当前状态是正常状态，
Figure 2012103120754100001DEST_PATH_IMAGE024
表示第j个元件的故障率，Tj即为该元件正常工作持续时间；如果当前状态是故障状态状态，
Figure 696392DEST_PATH_IMAGE024
表示第j个元件的修复率，Tj即为该元件故障持续时间，通过多次抽样，得到各元件的“运行-修复-运行-修复”状态序列，最终得到系统状态矩阵；
2-2.可靠性评估：
根据步骤2-1，对计及风电场的大电网系统进行随机故障抽样，经过多次不同程度的抽样，得到计及风电场的大电网系统的状态矩阵，在给定的精度要求下确定抽样循环的次数，计算每个状态计及风电场的大电网系统的最小切除负荷，对该系统进行可靠性评估；
其中，可靠性评估的系统可靠性指标由公式：
Figure 2012103120754100001DEST_PATH_IMAGE026
I是可靠性指标， j是元件数，k是状态序号，是系统状态，
Figure 2012103120754100001DEST_PATH_IMAGE030
是状态持续时间。
CN201210312075.4A 2012-08-29 2012-08-29 一种基于蒙特卡洛方法的风电场风险评估方法 Active CN102831321B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210312075.4A CN102831321B (zh) 2012-08-29 2012-08-29 一种基于蒙特卡洛方法的风电场风险评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210312075.4A CN102831321B (zh) 2012-08-29 2012-08-29 一种基于蒙特卡洛方法的风电场风险评估方法

Publications (2)

Publication Number Publication Date
CN102831321A true CN102831321A (zh) 2012-12-19
CN102831321B CN102831321B (zh) 2015-09-02

Family

ID=47334454

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210312075.4A Active CN102831321B (zh) 2012-08-29 2012-08-29 一种基于蒙特卡洛方法的风电场风险评估方法

Country Status (1)

Country Link
CN (1) CN102831321B (zh)

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103246806A (zh) * 2013-04-25 2013-08-14 浙江大学 一种含风电场电力系统的运行风险评估方法
CN103410659A (zh) * 2013-05-03 2013-11-27 浙江大学 基于High-Gain观测器的风力发电机组有效风速获取方法
CN103488864A (zh) * 2013-07-04 2014-01-01 清华大学 一种风光储联合发电系统风险的评估方法
CN103746370A (zh) * 2013-12-20 2014-04-23 河海大学 一种风电场可靠性建模方法
CN103886517A (zh) * 2014-03-18 2014-06-25 国家电网公司 一种10kV配电网重要用户的风险评估方法
CN104218620A (zh) * 2014-09-26 2014-12-17 国家电网公司 基于伪序贯蒙特卡洛模拟的主动配电网可靠性分析方法
CN104951654A (zh) * 2015-06-05 2015-09-30 华南理工大学 基于控制变量抽样的大规模风电场可靠性评估方法
CN105203152A (zh) * 2014-06-27 2015-12-30 国家电网公司 一种光伏发电设备故障风险指数预测装置及预测方法
CN105226707A (zh) * 2015-09-29 2016-01-06 南京邮电大学 一种基于Shapley值风电并网系统输电固定成本的分摊方法
CN105608242A (zh) * 2015-10-21 2016-05-25 江苏省电力公司 一种输变电工程造价风险模拟仿真方法
CN106026111A (zh) * 2015-12-25 2016-10-12 国网甘肃省电力公司电力科学研究院 一种基于概率潮流计算的新能源穿透率评估方法
CN106296463A (zh) * 2016-08-19 2017-01-04 东南大学 计及被动式孤岛检测失败影响的配电网可靠性评估方法
CN106447218A (zh) * 2016-10-14 2017-02-22 重庆大学 基于多风电场的抽水蓄能系统的可靠性评估方法
CN106485049A (zh) * 2016-09-09 2017-03-08 黑龙江大学 一种基于蒙特卡洛交叉验证的nirs异常样本的检测方法
CN106980918A (zh) * 2017-02-16 2017-07-25 广西电网有限责任公司电力科学研究院 一种发输电系统可靠性评估系统
CN106992513A (zh) * 2017-02-16 2017-07-28 广西电网有限责任公司电力科学研究院 一种发输电系统可靠性评估方法
CN107305651A (zh) * 2016-04-21 2017-10-31 云南电网有限责任公司昭通供电局 一种输电系统可靠性评估方法和系统
CN107394773A (zh) * 2017-07-04 2017-11-24 天津大学 考虑故障处理全过程的配网信息物理系统可靠性评估方法
CN108122070A (zh) * 2017-12-12 2018-06-05 国家电网公司 配电网可靠性的确定方法和装置
CN108446483A (zh) * 2018-03-16 2018-08-24 太原理工大学 计及风电机组传动系统疲劳的风电场可靠性评估方法
CN108565865A (zh) * 2018-05-02 2018-09-21 浙江大学 一种含风电的交直流混联系统风险评估方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102055187A (zh) * 2010-12-10 2011-05-11 中国电力科学研究院 基于状态空间分割法的大型互联电网旋转备用风险评估

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102055187A (zh) * 2010-12-10 2011-05-11 中国电力科学研究院 基于状态空间分割法的大型互联电网旋转备用风险评估

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘威: "计及风电场的大电网可靠性模型算法研究", 《中国优秀硕士论文全文数据库（工程科技Ⅱ辑）2009年》 *

Cited By (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103246806A (zh) * 2013-04-25 2013-08-14 浙江大学 一种含风电场电力系统的运行风险评估方法
CN103410659A (zh) * 2013-05-03 2013-11-27 浙江大学 基于High-Gain观测器的风力发电机组有效风速获取方法
CN103488864A (zh) * 2013-07-04 2014-01-01 清华大学 一种风光储联合发电系统风险的评估方法
CN103488864B (zh) * 2013-07-04 2016-12-28 清华大学 一种风光储联合发电系统风险的评估方法
CN103746370A (zh) * 2013-12-20 2014-04-23 河海大学 一种风电场可靠性建模方法
CN103746370B (zh) * 2013-12-20 2015-09-23 河海大学 一种风电场可靠性建模方法
CN103886517A (zh) * 2014-03-18 2014-06-25 国家电网公司 一种10kV配电网重要用户的风险评估方法
CN103886517B (zh) * 2014-03-18 2017-06-06 国家电网公司 一种10kV配电网重要用户的风险评估方法
CN105203152A (zh) * 2014-06-27 2015-12-30 国家电网公司 一种光伏发电设备故障风险指数预测装置及预测方法
CN105203152B (zh) * 2014-06-27 2018-06-19 国家电网公司 一种光伏发电设备故障风险指数预测装置及预测方法
CN104218620A (zh) * 2014-09-26 2014-12-17 国家电网公司 基于伪序贯蒙特卡洛模拟的主动配电网可靠性分析方法
CN104951654A (zh) * 2015-06-05 2015-09-30 华南理工大学 基于控制变量抽样的大规模风电场可靠性评估方法
CN105226707A (zh) * 2015-09-29 2016-01-06 南京邮电大学 一种基于Shapley值风电并网系统输电固定成本的分摊方法
CN105608242A (zh) * 2015-10-21 2016-05-25 江苏省电力公司 一种输变电工程造价风险模拟仿真方法
CN105608242B (zh) * 2015-10-21 2018-09-11 江苏省电力公司 一种输变电工程造价风险模拟仿真方法
CN106026111A (zh) * 2015-12-25 2016-10-12 国网甘肃省电力公司电力科学研究院 一种基于概率潮流计算的新能源穿透率评估方法
CN106026111B (zh) * 2015-12-25 2019-01-18 国网甘肃省电力公司电力科学研究院 一种基于概率潮流计算的新能源穿透率评估方法
CN107305651B (zh) * 2016-04-21 2020-08-11 云南电网有限责任公司昭通供电局 一种输电系统可靠性评估方法和系统
CN107305651A (zh) * 2016-04-21 2017-10-31 云南电网有限责任公司昭通供电局 一种输电系统可靠性评估方法和系统
CN106296463A (zh) * 2016-08-19 2017-01-04 东南大学 计及被动式孤岛检测失败影响的配电网可靠性评估方法
CN106296463B (zh) * 2016-08-19 2019-09-03 东南大学 计及被动式孤岛检测失败影响的配电网可靠性评估方法
CN106485049B (zh) * 2016-09-09 2019-03-26 黑龙江大学 一种基于蒙特卡洛交叉验证的nirs异常样本的检测方法
CN106485049A (zh) * 2016-09-09 2017-03-08 黑龙江大学 一种基于蒙特卡洛交叉验证的nirs异常样本的检测方法
CN106447218B (zh) * 2016-10-14 2019-07-09 重庆大学 基于多风电场的抽水蓄能系统的可靠性评估方法
CN106447218A (zh) * 2016-10-14 2017-02-22 重庆大学 基于多风电场的抽水蓄能系统的可靠性评估方法
CN106992513A (zh) * 2017-02-16 2017-07-28 广西电网有限责任公司电力科学研究院 一种发输电系统可靠性评估方法
CN106980918A (zh) * 2017-02-16 2017-07-25 广西电网有限责任公司电力科学研究院 一种发输电系统可靠性评估系统
CN107394773A (zh) * 2017-07-04 2017-11-24 天津大学 考虑故障处理全过程的配网信息物理系统可靠性评估方法
CN107394773B (zh) * 2017-07-04 2020-01-31 天津大学 考虑故障处理全过程的配网信息物理系统可靠性评估方法
CN108122070A (zh) * 2017-12-12 2018-06-05 国家电网公司 配电网可靠性的确定方法和装置
CN108122070B (zh) * 2017-12-12 2021-04-16 国家电网公司 配电网可靠性的确定方法和装置
CN108446483A (zh) * 2018-03-16 2018-08-24 太原理工大学 计及风电机组传动系统疲劳的风电场可靠性评估方法
CN108565865A (zh) * 2018-05-02 2018-09-21 浙江大学 一种含风电的交直流混联系统风险评估方法

Also Published As

Publication number Publication date
CN102831321B (zh) 2015-09-02

Similar Documents

Publication Publication Date Title
CN102831321A (zh) 一种基于蒙特卡洛方法的风电场风险评估方法
CN103701120B (zh) 一种含风电场的大电网可靠性的评估方法
CN102934312B (zh) 能量产生系统及其控制
EP3140898B1 (en) Method and system for monitoring distribution systems
CN102063575B (zh) 一种分析风电场输出功率波动对电网影响的方法
CN102709909B (zh) 风力发电接入时的主动配电网可靠性评估方法
CN103904695B (zh) 一种基于mcs-pso的临近海岛多微网动态调度方法
CN202167895U (zh) 风电/光伏功率预测系统
CN103473393B (zh) 一种考虑随机概率的输电裕度控制模型建模方法
CN104463697A (zh) 含大规模风电电力系统的风险评估方法
CN102810860A (zh) 间歇式能源与常规能源协调调度模式下备用容量分析方法
CN106130004A (zh) 一种综合考虑稳定特性的并网点新能源接纳能力的评估方法
Weng et al. Effects of wind power variability and intermittency on power flow
de Simón-Martín et al. A flexible test-bed pilot facility for the analysis and simulation of Smart Microgrids
CN104239962A (zh) 一种基于相关性分析的区域电网总风功率短期预测方法
CN105552880A (zh) 基于状态枚举法的电力系统典型故障集确定方法
CN104239979A (zh) 一种风电场发电功率超短期预测方法
CN104978614A (zh) 一种光伏发电预测系统
CN105069520A (zh) 一种风力发电功率预测系统
Liang et al. Probabilistic generation and transmission planning with renewable energy integration
Brka Optimisation of stand-alone hydrogen-based renewable energy systems using intelligent techniques
Du et al. Evaluation of power system reliability based on the maintenance state
Liu et al. Wind-solar micro grid reliability evaluation based on sequential Monte Carlo
CN107276073A (zh) 一种基于负荷‑风光等效负荷的母线负荷预测方法
Carpentiero et al. A markovian approach to size a hybrid wind-diesel stand alone system

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant