CN102880989A - 一种风电出力时间序列建模方法 - Google Patents

一种风电出力时间序列建模方法 Download PDF

Info

Publication number
CN102880989A
CN102880989A CN2012103257808A CN201210325780A CN102880989A CN 102880989 A CN102880989 A CN 102880989A CN 2012103257808 A CN2012103257808 A CN 2012103257808A CN 201210325780 A CN201210325780 A CN 201210325780A CN 102880989 A CN102880989 A CN 102880989A
Authority
CN
China
Prior art keywords
wind
electricity generation
powered electricity
time series
exerting oneself
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
CN2012103257808A
Other languages
English (en)
Other versions
CN102880989B (zh
Inventor
黄越辉
吕振华
刘纯
许晓艳
李鹏
马烁
刘德伟
郑太一
杨国新
孙勇
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.)
JILIN ELECTRIC POWER CO Ltd
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
CLP Puri Zhangbei Wind Power Research and Test Ltd
Original Assignee
JILIN ELECTRIC POWER CO Ltd
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
CLP Puri Zhangbei Wind Power Research and Test Ltd
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 JILIN ELECTRIC POWER CO Ltd, State Grid Corp of China SGCC, China Electric Power Research Institute Co Ltd CEPRI, CLP Puri Zhangbei Wind Power Research and Test Ltd filed Critical JILIN ELECTRIC POWER CO Ltd
Priority to CN201210325780.8A priority Critical patent/CN102880989B/zh
Publication of CN102880989A publication Critical patent/CN102880989A/zh
Application granted granted Critical
Publication of CN102880989B publication Critical patent/CN102880989B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

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

Abstract

本发明提供了一种风电出力时间序列建模方法，该方法可用于电力系统规划、电力系统可靠性评估、风电中长期调度等研究。该方法以历史风电出力时间序列为基础，首先对历史风电出力时间序列的特性进行分析，得到特定地点风电场风电出力所具备的波动特性等指标，然后对历史风电出力时间序列进行滤波处理，并进行风过程和片段划分，统计风过程转移概率和各片段概率分布，最后采用序贯抽样方法模拟重构风电出力时间序列，并对重构的时间序列进行检验验证。本发明对风电场的出力时间序列进行了准确评估，最大可能的模拟了风电出力特性，可用于风电容量可信度评估，准确定位风电在电力系统中的地位，指导电力系统调度运行。

Description

一种风电出力时间序列建模方法
技术领域
本发明属于新能源发电领域，涉及一种风电出力时间序列建模方法。
背景技术
风电的快速发展给中国经济的发展注入了新的活力，然而也给电力系统的安全稳定运行带来了很大的挑战。
在电力系统规划方面，在风电存在很大不确定性的前提下如何确保规划的电力系统在未来能安全经济地运行是一个亟需解决的问题；风电出力随机变化，如何确定风电可信容量需要从随机性、系统调节能力等多方面考虑。现有研究趋势逐步从确定性分析方式向概率性分析方式转变，通过分析历史风电出力特性，应用随机生产模拟未来电力系统的运行，统计系统的各项运行指标。
在电力系统运行方面，风电具有间歇性、波动性等不确定性特点，当电力系统缺少灵活的电源时，尤其对于中国北方电源绝大部分是火电的情形，电网无法应对风电的不确定性，为保证电力系统的安全稳定运行，不得不在某些迫不得已的情况下限制风电出力，大规模风电接入很大程度上改变了传统电力系统的运行方式，系统需要更加灵活的运行方式。从实时运行的角度需要根据风功率预测，基于决策支持系统进行优化调度，当前风功率预测主要包括超短期功率预测（提前4小时或更短）、短期功率预测（提前1天）、中长期功率预测（提前几天到1周），超短期和短期预测的精度较高，中长期预测的误差较大，更长时间尺度的预测已经不能用于电力系统的电力平衡；改善风电和电力系统协调运行水平的另一个方面是提高风电场的出力控制水平，改进风电场自身的调节能力，建设“电网友好型”风电场，实现风电出力的可控制性和可调度性。
在电力系统可靠性方面，风电接入电力系统后由于其间歇性和波动性会严重影响电力系统的可靠性，需要有效评估风电接入后对电力系统的可靠性的影响。现有研究多为对风电时间序列进行建模，然后根据风电时间序列模型对电力系统运行进行蒙特卡洛抽样模拟，统计各项运行指标估计风电接入对电力系统可靠性的影响；这种完全随机的建模方法没有考虑到风电出力时间序列的时间关联性。
风电接入对电力系统运行的影响主要是由于风电具有随机性、波动性等不确定性特点造成的，研究风电出力的随机性、波动性等不确定性特点有利于准确评估风电对电力系统安全稳定运行带来的影响，也可评估解决风电接入难题的措施的有效性，从而有方向性地采取相应的措施，提高电力系统风电利用率和运行安全稳定性，达到用最小的成本解决最多的风电接入难题的最终目的。
发明内容
针对现有技术的不足，本发明提供一种风电出力时间序列建模方法，对风电场的出力时间序列进行了准确评估，最大可能的模拟了风电出力特性，可用于风电容量可信度评估，准确定位风电在电力系统中的地位，指导电力系统调度运行
本发明提供的一种风电出力时间序列建模方法，其改进之处在于，所述建模方法包括如下步骤：
（1）收集至少两年内时间尺度为15分钟的风电出力历史数据，对风电出力时间序列进行处理；
（2）分析风电出力时间序列的特性；
（3）对风电出力时间序列分割与统计；
（4）采用序贯抽样方法，重构模拟风电时间序列；
（5）验证模拟风电出力时间序列的可靠性。
其中，步骤（1）对风电出力时间序列进行处理包括去除序列中的错误数据和补充缺失数据。
其中，步骤（2）分析风电出力时间序列的特性包括波动特性Cf、概率分布特性Cd、相关特性Cr和风过程特性Cp。
其中，步骤（3）对风电出力时间序列分割与统计是对风电出力时间序列进行滤波处理，将风电出力时间序列划分风过程和片段，统计风过程转换概率和片段概率分布，并计算滤波过程产生的误差。
其中，步骤（4）采用序贯抽样方法，重构模拟风电时间序列包括如下步骤：
1）根据风过程转移概率序贯抽样模拟风过程序列；
2）根据片段概率分布序贯抽样风过程内部片段；
3）叠加步骤（2）所示波动特性Cf。
其中，步骤（5）验证模拟风电出力时间序列的可靠性包括根据步骤（2）中风电出力时间序列的特性分析模拟风电出力时间序列的特性，若模拟风电时间序列的特性符合步骤（1）收集的历史数据的特性，则模拟风电出力时间序列符合风电实际运行情况，并将其用于系统分析，若不符合，则返回步骤（4）重新构造，直至特性符合历史数据。
其中，所述波动特性Cf为短时间最大波动概率分布；短时间最大波动指短时间最大值与最小值的差值，若最大值出现在最小值之后则差值为正，若最大值出现在最小值之前则差值为负。
其中，所述短时间为1分钟-40分钟内。
其中，所述概率分布特性Cd指风电出力的概率分布，包括各出力水平的概率密度和累计概率分布。
其中，所述相关特性Cr指风电出力时间序列的自相关函数和偏自相关函数。
其中，所述风过程特性Cp指滤波后风电出力时间序列中超过某一出力L的子序列的个数。
与现有技术比，本发明的有益效果为：
1.本发明模拟了未来风电出力的可能场景，可用于含风电的电力系统规划，提高规划电力系统的经济性和安全性。
2.本发明对风电场的出力时间序列进行了准确评估，最大可能的模拟了风电出力特性，可用于风电容量可信度评估，准确定位风电在电力系统中的地位，指导电力系统调度运行。
3.本发明是一种概率性方法，在风电出力存在不确定性的前提下取代确定性方法用于电力系统调峰裕度评估，可以指导电力系统调峰资源建设。
4.本发明提供可靠的风电出力时间序列模型可替代现有历史数据复制方法，用于电力系统接纳风电能力评估，对风电接入水平及限电作出概率性评估，提高风电规划的经济性。
5.本发明考虑了风电出力不同年份的差异性，用于电力系统电力电量平衡分析，保证网内各发电资源的经济性。
6.本发明考虑了风电出力时间序列前后相关性和风过程惯性，建立的风电出力时间序列模型符合风电实际运行过程。
7.本发明通过特征指标检验验证风电时间序列重构的可靠性，保证风电时间序列重构结果符合风电运行规律。
附图说明
图1为本发明提供的基于概率统计的风电出力时间序列建模方法的流程图。
图2为本发明提供的风电出力时间序列特性示意图。
图3为本发明提供的重构风电出力时间序列方法流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
本实施例提供的一种风电出力时间序列建模方法，其流程图如图1所示，所述建模方法包括如下步骤：
（1）收集至少两年内时间尺度为15分钟的风电出力历史数据，对风电出力时间序列进行处理：
对风电出力时间序列进行处理包括去除序列中的错误数据和补充缺失数据；
（2）分析风电出力时间序列的特性：
分析风电出力时间序列的特性包括波动特性Cf、概率分布特性Cd、相关特性Cr和风过程特性Cp，如图2所示；
所述波动特性Cf为短时间（为1分钟-40分钟内）最大波动概率分布；短时间最大波动指短时间最大值与最小值的差值，若最大值出现在最小值之后则差值为正，若最大值出现在最小值之前则差值为负。
所述概率分布特性Cd指风电出力的概率分布，包括各出力水平的概率密度和累计概率分布。
所述相关特性Cr指风电出力时间序列的自相关函数和偏自相关函数。
所述风过程特性Cp指滤波后风电出力时间序列中超过某一出力L的子序列的个数，出力L一般指所研究风电场额定装机容量的30%、40%、…、80%。
首先确定这些特性是否存在，若存在则得出结果，若不存在则不考虑。这些特性都需要有重复性，由于历史风电出力数据的有限，可利用平移窗函数的方法得到多个特定长度（比如1年）的风电时间序列，对这些风电时间序列进行特性分析，若上述特性可重复则认定特性存在，若不重复则认定特性不存在。
（3）对风电出力时间序列分割与统计；
对风电出力时间序列分割与统计是对风电出力时间序列进行滤波处理，通常是小波滤波，然后寻找滤波后风电时间序列的极值点，在出力小于装机容量5%的极值点处根据不同的出力水平将风电时间序列划分为不同的风过程，例如可以根据风过程中最大出力位于装机容量的[0 5%]、[5% 40%]、[40% 100%]的不同情况分为三种风过程，统计过程中片段个数和概率分布，同时统计各个风过程之间马尔科夫转移矩阵；
（4）采用序贯抽样方法，重构模拟风电时间序列：
采用序贯抽样方法，重构模拟风电时间序列其流程图如图3中虚框内所示，包括如下步骤：
1）根据风过程转移概率序贯抽样模拟风过程序列；
2）根据片段概率分布序贯抽样风过程内部片段；
3）叠加步骤（2）所示波动特性Cf。
（5）验证模拟风电出力时间序列的可靠性：
验证模拟风电出力时间序列的可靠性包括根据步骤（2）中风电出力时间序列的特性分析模拟风电出力时间序列的特性，若模拟风电时间序列的特性符合历史数据的特性，则模拟风电出力时间序列符合风电实际运行情况，并可将其用于系统分析，若不符合，则返回步骤（4）重新构造，直至特性符合历史数据。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求范围当中。

Claims (11)

1.一种风电出力时间序列建模方法，其特征在于，所述建模方法包括如下步骤：
（1）收集至少两年内时间尺度为15分钟的风电出力历史数据，对风电出力时间序列进行处理；
（2）分析风电出力时间序列的特性；
（3）对风电出力时间序列分割与统计；
（4）采用序贯抽样方法，重构模拟风电时间序列；
（5）验证模拟风电出力时间序列的可靠性。
2.如权利要求1所述的建模方法，其特征在于，步骤（1）对风电出力时间序列进行处理包括去除序列中的错误数据和补充缺失数据。
3.如权利要求1所述的建模方法，其特征在于，步骤（2）分析风电出力时间序列的特性包括波动特性Cf、概率分布特性Cd、相关特性Cr和风过程特性Cp。
4.如权利要求1所述的建模方法，其特征在于，步骤（3）对风电出力时间序列分割与统计是对风电出力时间序列进行滤波处理，将风电出力时间序列划分风过程和片段，统计风过程转换概率和片段概率分布，并计算滤波过程产生的误差。
5.如权利要求1所述的建模方法，其特征在于，步骤（4）采用序贯抽样方法，重构模拟风电时间序列包括如下步骤：
1）根据风过程转移概率序贯抽样模拟风过程序列；
2）根据片段概率分布序贯抽样风过程内部片段；
3）叠加步骤（2）所示波动特性Cf。
6.如权利要求1所述的建模方法，其特征在于，步骤（5）验证模拟风电出力时间序列的可靠性包括根据步骤（2）中风电出力时间序列的特性分析模拟风电出力时间序列的特性，若模拟风电时间序列的特性符合步骤（1）收集的历史数据的特性，则模拟风电出力时间序列符合风电实际运行情况，并将其用于系统分析，若不符合，则返回步骤（4）重新构造，直至特性符合历史数据。
7.如权利要求1所述的建模方法，其特征在于，所述波动特性Cf为短时间最大波动概率分布；短时间最大波动指短时间最大值与最小值的差值，若最大值出现在最小值之后则差值为正，若最大值出现在最小值之前则差值为负。
8.如权利要求1所述的建模方法，其特征在于，所述短时间为1分钟-40分钟内。
9.如权利要求1所述的建模方法，其特征在于，所述概率分布特性Cd指风电出力的概率分布，包括各出力水平的概率密度和累计概率分布。
10.如权利要求1所述的建模方法，其特征在于，所述相关特性Cr指风电出力时间序列的自相关函数和偏自相关函数。
11.如权利要求1所述的建模方法，其特征在于，所述风过程特性Cp指滤波后风电出力时间序列中超过某一出力L的子序列的个数。
CN201210325780.8A 2012-09-05 2012-09-05 一种风电出力时间序列建模方法 Active CN102880989B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210325780.8A CN102880989B (zh) 2012-09-05 2012-09-05 一种风电出力时间序列建模方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210325780.8A CN102880989B (zh) 2012-09-05 2012-09-05 一种风电出力时间序列建模方法

Publications (2)

Publication Number Publication Date
CN102880989A true CN102880989A (zh) 2013-01-16
CN102880989B CN102880989B (zh) 2016-04-20

Family

ID=47482303

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210325780.8A Active CN102880989B (zh) 2012-09-05 2012-09-05 一种风电出力时间序列建模方法

Country Status (1)

Country Link
CN (1) CN102880989B (zh)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103198235A (zh) * 2013-04-27 2013-07-10 国家电网公司 基于风功率纵向时刻概率分布的风功率预测值预评估方法
CN103558768A (zh) * 2013-08-12 2014-02-05 清华大学 一种基于风电场内风速分布特性的等值建模方法
CN103675516A (zh) * 2013-09-25 2014-03-26 中国海洋石油总公司 一种新能源机组出力特性的仿真验证装置及其方法
CN104156885A (zh) * 2014-08-08 2014-11-19 国家电网公司 一种基于可靠性函数的风电容量可信度的快速计算方法
CN104182914A (zh) * 2014-09-05 2014-12-03 国家电网公司 一种基于波动特性的风电出力时间序列建模方法
CN104182889A (zh) * 2014-08-18 2014-12-03 国家电网公司 一种历史风电出力数据处理与波动辨识方法
CN104319807A (zh) * 2014-10-17 2015-01-28 南方电网科学研究院有限责任公司 一种基于Copula函数获取多风电场容量可信度的方法
CN104537485A (zh) * 2014-12-23 2015-04-22 国网北京经济技术研究院 新建大型风电场出力波动特性的建模方法及应用
CN106557828A (zh) * 2015-09-30 2017-04-05 中国电力科学研究院 一种长时间尺度光伏出力时间序列建模方法和装置
CN106777740A (zh) * 2016-12-28 2017-05-31 江苏云上电力科技有限公司 一种风电出力概率分布特性快速判别方法
CN106849176A (zh) * 2017-04-10 2017-06-13 国网江苏省电力公司南京供电公司 一种计及风电不确定性的随机序列优化模型的建模方法
CN107563904A (zh) * 2017-09-05 2018-01-09 清华大学 一种基于风过程划分的风电出力重构方法
CN109886452A (zh) * 2019-01-04 2019-06-14 国网山东省电力公司电力科学研究院 一种基于经验动态建模的风电功率超短期概率预测方法及系统
CN112036607A (zh) * 2020-07-30 2020-12-04 南方电网科学研究院有限责任公司 基于出力水平的风电出力波动预测方法、装置及存储介质
CN117394333A (zh) * 2023-10-20 2024-01-12 华能山东发电有限公司 一种风电场发电能力评估方法、系统和设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101814743A (zh) * 2010-01-12 2010-08-25 福建省电力有限公司福州电业局 基于短期风功率预测的风电并网在线安全预警系统
CN102055188A (zh) * 2011-01-07 2011-05-11 西北电网有限公司 基于时间序列法的超短期风电功率预报方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101814743A (zh) * 2010-01-12 2010-08-25 福建省电力有限公司福州电业局 基于短期风功率预测的风电并网在线安全预警系统
CN102055188A (zh) * 2011-01-07 2011-05-11 西北电网有限公司 基于时间序列法的超短期风电功率预报方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
YAN YONG,ETC..: "Generation Scheduling with Fluctuating Wind Power", 《电力系统自动化》 *
余民等: "风电并网后电力系统可靠性评估和备用优化研究", 《电力系统保护与控制》 *
邵璠: "基于时间序列法的风电场风速预测研究", 《华东电力》 *
陈贞等: "风电特性的初步研究", 《太阳能学报》 *

Cited By (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103198235B (zh) * 2013-04-27 2015-12-02 国家电网公司 基于风功率纵向时刻概率分布的风功率预测值预评估方法
CN103198235A (zh) * 2013-04-27 2013-07-10 国家电网公司 基于风功率纵向时刻概率分布的风功率预测值预评估方法
CN103558768A (zh) * 2013-08-12 2014-02-05 清华大学 一种基于风电场内风速分布特性的等值建模方法
CN103558768B (zh) * 2013-08-12 2016-09-21 清华大学 一种基于风电场内风速分布特性的等值建模方法
CN103675516A (zh) * 2013-09-25 2014-03-26 中国海洋石油总公司 一种新能源机组出力特性的仿真验证装置及其方法
CN103675516B (zh) * 2013-09-25 2016-02-24 中国海洋石油总公司 一种新能源机组出力特性的仿真验证装置及其方法
CN104156885A (zh) * 2014-08-08 2014-11-19 国家电网公司 一种基于可靠性函数的风电容量可信度的快速计算方法
CN104156885B (zh) * 2014-08-08 2017-05-17 国家电网公司 一种基于可靠性函数的风电容量可信度的快速计算方法
CN104182889A (zh) * 2014-08-18 2014-12-03 国家电网公司 一种历史风电出力数据处理与波动辨识方法
CN104182889B (zh) * 2014-08-18 2017-11-21 国家电网公司 一种历史风电出力数据处理与波动辨识方法
CN104182914B (zh) * 2014-09-05 2017-06-23 国家电网公司 一种基于波动特性的风电出力时间序列建模方法
CN104182914A (zh) * 2014-09-05 2014-12-03 国家电网公司 一种基于波动特性的风电出力时间序列建模方法
CN104319807A (zh) * 2014-10-17 2015-01-28 南方电网科学研究院有限责任公司 一种基于Copula函数获取多风电场容量可信度的方法
CN104537485A (zh) * 2014-12-23 2015-04-22 国网北京经济技术研究院 新建大型风电场出力波动特性的建模方法及应用
CN104537485B (zh) * 2014-12-23 2018-01-26 国网北京经济技术研究院 新建大型风电场出力波动特性的建模方法及应用
CN106557828A (zh) * 2015-09-30 2017-04-05 中国电力科学研究院 一种长时间尺度光伏出力时间序列建模方法和装置
CN106777740A (zh) * 2016-12-28 2017-05-31 江苏云上电力科技有限公司 一种风电出力概率分布特性快速判别方法
CN106849176A (zh) * 2017-04-10 2017-06-13 国网江苏省电力公司南京供电公司 一种计及风电不确定性的随机序列优化模型的建模方法
CN107563904A (zh) * 2017-09-05 2018-01-09 清华大学 一种基于风过程划分的风电出力重构方法
CN109886452A (zh) * 2019-01-04 2019-06-14 国网山东省电力公司电力科学研究院 一种基于经验动态建模的风电功率超短期概率预测方法及系统
CN109886452B (zh) * 2019-01-04 2021-06-15 国网山东省电力公司电力科学研究院 一种基于经验动态建模的风电功率超短期概率预测方法及系统
CN112036607A (zh) * 2020-07-30 2020-12-04 南方电网科学研究院有限责任公司 基于出力水平的风电出力波动预测方法、装置及存储介质
CN117394333A (zh) * 2023-10-20 2024-01-12 华能山东发电有限公司 一种风电场发电能力评估方法、系统和设备

Also Published As

Publication number Publication date
CN102880989B (zh) 2016-04-20

Similar Documents

Publication Publication Date Title
CN102880989A (zh) 一种风电出力时间序列建模方法
Matos et al. Probabilistic evaluation of reserve requirements of generating systems with renewable power sources: The Portuguese and Spanish cases
Zhang et al. Simulation methodology of multiple wind farms operation considering wind speed correlation
CN104319807B (zh) 一种基于Copula函数获取多风电场容量可信度的方法
CN111178587B (zh) 一种基于spark框架的短期电力负荷快速预测方法
CA2864463A1 (en) Computing method for continuous power flow based on wind power fluctuation rules
CN102055187B (zh) 基于状态空间分割法的大型互联电网旋转备用风险评估
CN102709909A (zh) 风力发电接入时的主动配电网可靠性评估方法
CN107394809A (zh) 基于风速时间周期特征的风电并网系统风险评估方法
CN117728587B (zh) 一种新能源发电设备运行数据的实时监控系统及方法
CN106611243A (zh) 一种基于garch模型的风速预测残差修正方法
CN104182889A (zh) 一种历史风电出力数据处理与波动辨识方法
Ren et al. Reliability evaluation of tidal current farm integrated generation systems considering wake effects
CN104951654A (zh) 基于控制变量抽样的大规模风电场可靠性评估方法
CN103400046A (zh) 适用于电网广域监测系统的数据建模方法及应用
CN106056305A (zh) 一种基于状态聚类的发电系统可靠性快速评估方法
Wang et al. Reliability assessment of wind farm active power based on sequential monte-carlo method
CN104050381B (zh) 基于wams数据的电力系统隐患识别仿真系统
CN103473461B (zh) 基于数据特征提取的风功率预测误差估计方法
Wang et al. Probabilistic production simulation of a power system with wind power penetration based on improved UGF techniques
Ge et al. A study on correlation of wind farms output in the large-scale wind power base
CN102651095B (zh) 一种基于不稳定周期的风速时间序列预测方法
CN106326540A (zh) 水电站水能动态模拟算法
CN105512492A (zh) 潮汐流能发电机输出功率的概率建模方法
CN111259552A (zh) 一种大规模风电场概率型时序出力模拟方法和装置

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