CN102953936A - 风力发电的机组组合 - Google Patents

风力发电的机组组合 Download PDF

Info

Publication number
CN102953936A
CN102953936A CN2012103072642A CN201210307264A CN102953936A CN 102953936 A CN102953936 A CN 102953936A CN 2012103072642 A CN2012103072642 A CN 2012103072642A CN 201210307264 A CN201210307264 A CN 201210307264A CN 102953936 A CN102953936 A CN 102953936A
Authority
CN
China
Prior art keywords
situation
forecast
generator set
power
weather
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
CN2012103072642A
Other languages
English (en)
Other versions
CN102953936B (zh
Inventor
C.弗兰克
G.贝库蒂
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.)
Hitachi Energy Co ltd
Original Assignee
ABB Research Ltd Switzerland
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 ABB Research Ltd Switzerland filed Critical ABB Research Ltd Switzerland
Publication of CN102953936A publication Critical patent/CN102953936A/zh
Application granted granted Critical
Publication of CN102953936B publication Critical patent/CN102953936B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
    • Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Wind Motors (AREA)

Abstract

本发明名称为“风力发电的机组组合”。本发明包括一种用于对具有第一天气关联发电机组和第二天气关联发电机组以及多个负载的电力网执行随机机组组合的方法，其包括下列步骤：提供第一发电机组和第二发电机组的天气预报数据；对于第一发电机组和第二发电机组的每个，基于天气预报数据来生成指示未来功率产生的多个情形；按照相关性准则来识别包括第一天气关联发电机组的第一情形和第二天气关联发电机组的第二情形的相关情形的对；以及基于表示相关情形的对的第一情形和第二情形的单个组合情形来执行随机机组组合。

Description

风力发电的机组组合
技术领域
本发明涉及电力网的控制领域。具体来说，本发明涉及用于执行电力网的随机机组组合的方法、能量管理系统、计算机程序和计算机可读介质。
背景技术
机组组合可被看作是对于对电力网上请求的某个负荷来发现连接到该电力网的发电机组的最佳操作状态的问题。最佳操作状态可包括关于哪些发电机组应当接通或断开以及操作发电机组的生产水平的判定。发电机组的操作状态相对于成本、CO2产生和电力网的传输能力可以是最佳的。
机组组合的传统方式集中于确定在给定某个负荷请求的情况下的热电厂的最佳设定和功率调度。这相当于解决混合整数非线性优化问题，其中判定变量表示机组设定和功率生产水平，限制对功率需求、生成限制(例如，斜升/停机阶段、最小/最大生产限制)和网络极限建模。目标函数通常捕获关联的生产成本。所产生优化问题完全是确定性的。假定与系统数据有关的全面知识。
最近的工作处理诸如风力发电机组之类的可再生能量生成的引入。大体上，此概念是相同的。但是，主要区别在于，风力产生的可用性在必须依靠可用风预报的意义上是未知的，这固有地具有以下特征：由预测平均值附近的不确定性区间通常描述的某种程度的不确定性。因此，所产生优化问题是随机的，因为功率产生依赖概率。
为了在不确定性存在的情况下进行明智判定，公用电力事业的风险管理问题可通过多级随机程序来建模。这些程序通常生成(通过取样)情形/似乎可能实现的集合以及对应概率，以对多变量随机数据过程(即，对于所考虑的情况是风力发电机组的生成能力)进行建模。准确表示所涉及的不确定性所需的情形的数量一般较大。
此外，对于各风力发电机组生成单独的情形集合。这些预测情形则需要按照许多不同方式相结合，以便解决问题的随机性质。如果考虑现实机组组合问题能够包含(feature)数十或数百个机组，则这导致必须对其执行优化的指数级复杂情形树。由于不可避免的计算和时间限制，则必须利用情形减少技术。在这里，目标是减少必须评估的情形的数量，以便适合解决机组组合问题的计算时间限制。另一方面，所产生机组组合问题必须充分完善地捕获物理现实的概率方面。否则，机组组合本身的执行会是无意义的。
用于减少情形的数量的技术已经应用于多种功率管理问题并且还应用于风力产生，其中考虑单独风力田的间歇现象。这些情形减少方法使用不同概率量度来选择最好的情形集合。通过将各情形与情形的其余部分进行比较，来选择待删除情形。具体来说，情形减少技术通常通过基于概率量度测量情形之间的距离来消除具有极低概率的情形并聚合接近情形。
发明内容
本发明的目的是减少包括风力发电机组的电力网的机组组合的计算时间。
这个目的通过独立权利要求的主题来实现。通过从属权利要求和以下描述，进一步的示范实施例是显而易见的。
本发明的第一方面涉及一种用于对具有第一天气关联发电机组和第二天气关联发电机组以及多个负载的电力网执行随机机组组合的方法。
按照本发明的实施例，该方法包括下列步骤：(a) 提供第一发电机组和第二发电机组的天气预报；(b) 对第一发电机组和第二发电机组的每个、基于天气预报数据来生成指示未来功率产生的多个情形；(c) 按照相关性(或相似性)准则来识别包括第一天气关联发电机组(14b)的第一情形(26a)和第二天气关联发电机组(14c)的第二情形(26b)的相关情形的对(26a、26b)；以及(d) 基于表示相关情形的对(26a、26b)的第一情形和第二情形的单个组合情形来执行随机机组组合。
不是依靠通过模拟来生成情形并且采用概率量度来消除不太可能或冗余情形的略微抽象过程，所提出的实施例利用如下事实：天气预报不是地理上无关的，而是在这个方面固有地互相联系的(作为物理上直观的)。
例如，在共同定位的(co-located)风力发电机组或风力田(即，物理上接近的风力田)的情况下，对于一个风力发电机组来确定似乎可能未来风情形集合，并且然后相似或者至少关联的情形集合能够根据它们与第一机组的接近性以及关联风预报对于其它共同定位的风力发电机组同时得出。
因此，当考虑所有天气关联发电机组时，情形的数量无需以指数增长(或者至少不需要几乎一样快地增加)，因为大量物理上不一致情形可固有地从列举中排除。因此，优化方法能够更有效地对于这种固有减少数量的情形来执行，这还可根据定义构建成匹配物理预报。
本发明的另一方面涉及一种用于预测、监测和/或控制电力网的发电机组的功率产生的能量管理系统。例如，能量管理系统可预报和/或控制常规功率产生机组和天气关联发电机组的功率产生。
按照本发明的一个实施例，能量管理系统包括天气关联发电机组，并且适合执行上文和下文所述的方法。必须理解，如上文和下文所述的方法的特征可以是如上文和下文所述的系统的特征。
本发明的另一方面涉及一种用于执行电力网的随机机组组合的计算机程序，计算机程序在由处理器运行时适合执行如上文和下文所述的方法的步骤。例如，计算机程序可运行于能量管理系统的设备。
本发明的另一方面涉及一种存储这种计算机程序的计算机可读介质。计算机可读介质可以是软盘、硬盘、USB(通用串行总线)存储装置、RAM(随机存取存储器)、ROM(只读存储器)和EPROM(电可擦可编程只读存储器)。计算机可读介质还可以是允许下载程序代码的数据通信网络、如因特网。
通过参照以下所述实施例进行的说明，本发明的这些方面及其它方面将会显而易见。
附图说明
下文中参照附图示出的示范实施例更详细地说明本发明的主题。
图1示意示出按照本发明实施例的电力网。
图2示出按照本发明实施例、用于执行随机机组组合的方法的流程图。
图3示出按照本发明实施例的情形树的简图。
图4示出按照本发明实施例的两个情形树的简图。
图5示出按照本发明实施例的两个情形树的简图。
大体上，附图中，相同部分提供有相同参考标号。
具体实施方式
图1示出简化电力网10，其中具有热电厂12以及可以是风力发电机组、例如风力田或太阳能发电机组的天气关联发电机组14a、14b、14c、14d、14e。发电机组12、14a、14b、14c、14d、14e经由具有电力负载17的传输线16互连。
按照本发明的实施例，电力网10包括常规功率产生机组12。
天气关联发电机组14a没有与任何其它天气关联发电机组共同定位。例如，到其它天气关联发电机组的距离大于100 km。天气关联发电机组14b和14c与风力田14d和14e相似地共同定位。例如，天气关联发电机组14b、14c(以及天气关联发电机组14d、14e)相距小于10 km。
SCADA系统18监测电力网10，并且向能量管理系统20提供电力网的数据，具体来说是传输线16和发电机组12、14a、14b、14c、14d、14e的状态。
能量管理系统20还连接到天气预报提供商22。基于来自SCADA系统18和天气预报提供商22的数据，能量管理系统20执行针对图2所述的机组组合的预报。
能量管理系统20可执行集中于电力网10的操作的不同方面的许多应用。例如，这些应用之一是分析系统组件的潜在变化对总体系统操作的影响的意外事故分析。意外事故分析使用实际系统状态和参数预报作为输入，并且分析可能意外事故的预定义集合。这种实时分析的结果是可能引起电力网10中的不稳定性或过载的最关键意外事故集合。在风力发电的情况下，意外事故分析应用可需要解决风的变化，并且必须解决对应风力变化。另外，紧密定位的风力发电厂的行为之间的相关性和地理信息必须集成到意外事故分析应用中。当其发电取决于云量的太阳能发电机组连接到电力网10时，相同的情况适用。
图2示出一种用于执行随机机组组合的方法。
在步骤S10，发电机组14a、14b、14c、14d、14e所在的地理区域的天气预报数据由天气预报提供商22来提供，并且在能量管理系统10中检索。天气预报数据可包括局部风数据(具有风的强度和方向)和/或云量数据。
在步骤S12，指示未来功率产生的多个情形(或者详尽集合)在能量管理系统20中基于天气预报数据对于发电机组14a、14b、14c、14d、14e来生成。
按照本发明的实施例，至少一个天气关联发电机组14a、14b、14c、14d、14e是风力发电机组(风力田)，并且天气预报数据包括局部风预报数据。从这个数据，风力田的概率行为可从不同风力强度的概率来确定。
按照本发明的实施例，至少一个天气关联发电机组14a、14b、14c、14d、14e是太阳能发电机组，并且预报数据包括云量预报数据。例如，太阳能发电机组可包括其功率输出直接连接到实际太阳能辐射的太阳能电池。
针对图3来描述风力发电机组14a、14b、14c、14d、14e的情形树。
在步骤S14，功率管理系统20按照气象相关发电机组14b、14c(或14d、14e)的相似性准则来识别相似情形对。针对图4来描述相似性准则。
按照本发明的实施例，该方法包括下列步骤：按照相关性(相似性)准则来识别包括第一天气关联发电机组14b的第一情形26a以及第二天气关联发电机组14c的第二情形26b的相关情形的对26a、26b。
在步骤S16，功率管理系统20对所识别的相似情形的对执行随机机组组合。在这个机组组合过程中，不仅包含天气关联发电机组14a、14b、14c、14d、14e，而且还包含常规功率产生机组12。
按照本发明的实施例，该方法包括下列步骤：基于表示相关情形的对26a、26b的第一情形和第二情形的单个组合情形来执行随机机组组合。组合情形可包含如下特征：具有总计绝对功率的原始情形的(相同)概率。
按照本发明的实施例，随机机组组合包括常规功率产生机组12的机组组合。随机机组组合还可采用常规发电机组(的确定性情形)来执行。
总之，该方法可要求给定地理区域的天气预报在负责发电机组12、14a、14b、14c、14d、14e的集合的最佳组合和调度的中心位置(例如，能量管理系统)20是可用的。该方法可运行于在这类中心20已经可用的标准硬件设备。
图3示出表示单独发电机组14a、14b、14c、14d、14e，例如风力或太阳能发电机组的可能发电的典型情形树24。在时间0开始，预测在时间1，可能产生某个(较大)量功率(由1a表示)或另一个(较低)给定功率水平(由1b表示)。相同概念用于所有时间后续点t，使得获得了增加复杂度的情形树24，反映引起生成不同功率量的、随时间的天气行为的不同概率组合。
一个单独发电机组的不同情形可从情形树24得出。具体来说，情形26包括对发电预报进行建模的后续预报步骤28a、28b、28c。预报步骤28a、28b、28c的每个通过预报功率(或功率间隔)、预报时间(或时间间隔)和概率来定义。例如，预报步骤28b可表明，对于0.8的概率，发电机组(例如14a)可在t=1与t=2之间的时间生成例如8至9 MW之间的功率。
按照本发明的实施例，情形包括多个后续预报步骤。
按照本发明的实施例，预报步骤包括预报的功率、预报的时间和/或概率。
在生成示例情形树24时，只能预测由发电机组14a、14b、14c、14d、14e进行的可能发电。因此，从一个时间点移动到下一个时间点，必须重新评估新发电的似然。例如，从一个时间点到另一个时间点的发电的变化的似然反映推测改变风速预报及其关联不确定性。
稍后，当发电机组14a、14b、14c、14d、14e正操作时，能够评估所生成的真实功率。如果适当并且正确地描述情形树24，将很可能实现每个时间点的预测状态之一。例如，这可以是情形26。但是，步骤序列28a、28b、28c仍然具有概率性质，因此它无需准确地匹配物理真实性。
图1的发电机组14a、14b、14c、14d、14e的每个具有如图3所示的它们自己的功率预测情形树24。但是，从一种发电状态移动到另一种发电状态的概率可能在不同发电机组14a、14b、14c、14d、14e之间而不同。
没有限制到特定情形或者情形的特定组合，机组组合问题必须考虑所有发电机组14a、14b、14c、14d、14e以及每个时间点t的所有可能发电转变。快速考虑所有可能组合引起计算上难处理的问题。但是，由于对气象上互相联系的情形对或组合的限制，可克服这个问题。
此外，单个发电机组的情形的数量可在识别不同发电机组14a、14b、14c、14d、14e的相关情形对之前或之后减少。
按照本发明的实施例，该方法包括下列步骤：按照概率准则取消选择(在步骤S14之前或之后)不太可能发生的情形，并且对于随机机组组合忽视所取消选择的情形。概率准则可以是累积情形概率的阈值。
为了生成预报树24，总共24小时的预报水平可以是感兴趣的，一般按照1h的步长。当前预报工具能够对于这种预报水平提供来自天气关联发电机组14a、14b、14c、14d、14e的功率产生的比较准确评估和预报。
例如，一种这样的预报工具使用两级过程，其中数字天气预测服务首先用于得到风预报。然后，将风力涡轮机和风力田的模型以及与其物理特性有关的信息与风预报相结合，并且用于创建具有预报时间的函数的产生的统计分布的关联置信区间和/或估计的对应发电预报。单位为额定功率百分比的、典型预报不准确性对于大风涡轮的组为3-5%，而对于单独风力涡轮机高达10%。风预报通常根据预计功率输出以及上置信区间和下置信区间、即每个风力田的预报而不是风力田中的每个单独机组的预报，而仅提供由所指定风力生成组件进行的预测的发电。
图4示出两个气象上接近的天气关联发电机组14a、14c的两个情形树24a、24b。减少在机组组合期间需要评估的组合情形26a、26b的数量的主要原理基于对天气关联发电机组14a、14b在气象上互相联系的情况的评估。例如，发电机组14a、14b可以是可能观测相似风力条件的风力田或者是接收几乎相同的太阳能辐射量的太阳能发电机组。
按照本发明的实施例，对于气象上接近的天气关联发电机组14a、14b来识别相似情形对26a、26b。
气象上接近的一种可能性在于发电机组14a、14b共同定位。换言之，发电机组14a、14b可以是相邻的或者可相距小于10 km。在这种情况下，发电机组14a、14b因局部天气而可具有局部相关功率产生。
按照本发明的实施例，对于共同定位的天气关联发电机组来识别相似情形对。
例如，如果两个发电机组14b、14c共同定位，则对于相关情形树24a、24b具有相似“走查(walk through)”的概率非常高。例如，在风力发电的情况下，风力田14b和14c应当合理地观测相似风力条件。因此，假定风力田14b引起情形26a(1a-2b-3d-4h)，则风力田14c的情形树24b的走查将似乎可能与情形26b(1b-2d-3h-4p)相似。对于风力田14d和14e能够得出相同结论，即在后的发电机组14d、14e将按照相似方式表现。基于此，有可能集中共同定位的风力田14b、14c的情形树24a、24b，并且降低总体机组组合问题的复杂度。
注意，图3中，不同概率可源于如下事实：两个风力田14b、14c依靠来自不同提供商22的风预报。
一般来说，图3以简化形式示出具有相似风力条件的风力田14b、14c的情形树24a、24b。在这里，两个风力田14b、14c能够随时间以相同方式表现。当然，现实生活应用将允许小偏差。
相似情形的对可按照如下方式来识别。对于两个情形树24a、24b的每个，第一情形26a可从第一情形树24a来拣选，并且第二情形26b可从第二情形树24b来拣选。然后比较两个情形26a、26b。
如果(例如对于其预报步骤的每个)相对预报功率量在10-20%之内是可比拟的，则两个情形26a、26b可能是相似的。相对预报功率可以是相应发电机组14b、14c的最大功率的分数。
按照本发明的实施例，第一情形26a和第二情形26b可包括相对预报功率。当第一情形26a的相对预报功率和第二情形26b的相对预报功率相差不超过20%、例如不超过10%时，第一情形26a可能与第二情形26b相似。
具体来说，如果对于预报步骤的每个，在预报时间的预报功率是相似的、即相差不超过以上给定值，则具有预报步骤的情形26a、26b可以是相似的。
相似性也可根据风力和/或天气条件、例如风速、发光度来测量。在大多数情况下，这可映射到功率预测，但是发电能力可能不是与天气条件线性关联的。相似性还可根据出现的似然或概率来测量。
按照本发明的实施例，情形26a、26b包括各具有预测功率和概率的多个后续预测步骤28a、28b、28c，该方法包括下列步骤：如果第一情形26a的预测概率的第一序列和第二情形的概率的第二序列在运行机组组合的各时间点是相同的或者处于预定义带之内(例如第二序列的概率处于第一序列的+/-10%之内)，则将第一情形和第二情形识别为相关情形的对26a、26b。
图5示出两个风力田(例如，14b和14d)的情形树24c、24d没有观测相似风力条件。所生成的功率水平和相应情形26c、26d通常将完全不相关和解耦，如图5所示。
作为具有使用天气条件的局部相关性的共同定位的发电机组14b、14c的实施例的替代或补充，可使用具有时间上相关的天气条件的实施例。在这种情况下，天气预报的风向可用于将相互之间经过时间延迟的情形互相联系起来。
使用图1的示例，也许有可能的是，风在朝着风力田14a的方向中从风力田14d、14c的方向吹动。此外，风力田14d、14e和14a可以没有共同定位，而是也不可相互远离(例如，小于100 km)。然后，可假定在某个时延之后(这则取决于风强度和风向)，将在风力田14a观测在风力田14d、14e处观测的相似风力条件。换言之，发电机组14d、14e、14e因天气预报而具有时间上相关的功率产生。这再次可显著减少需要评估的总系统情形26a、26b的数量。
按照本发明的实施例，天气预报数据包括风预报数据，其中可包括局部风强度和局部风向数据。可基于风预报数据对于具有相关天气条件的天气关联发电机组来识别相似情形对。
在这种情况下，如果时间偏移特定风力关联时间延迟的第一情形的预报步骤与第二情形的预报步骤相似，则第一情形和第二情形可以是相似的。
按照本发明的实施例，第一情形和第二情形的预报概率的第一序列和第二序列在时间方面延迟(按照两个发电机组之间的距离和机组间风力或云速)。
虽然在附图和以上描述中详细说明和描述了本发明，但是这种说明和描述被认为是说明性或示范性而不是限制性的；本发明并不局限于所公开的实施例。通过研究附图、本公开和所附权利要求，对所公开的实施例的其它变更是本领域的技术人员可以理解和实现的，并且实践要求保护的本发明。在权利要求书中，词语“包括”并不排除其它元件或步骤，以及不定冠词“一”并不排除多个。单个处理器或控制器或者其它单元可完成权利要求中所述的若干项的功能。在互不相同的从属权利要求中陈述某些量度的事实并不表示这些量度的组合不能用于产生良好效果。权利要求中的任何参考标号不应当解释为限制范围。

Claims (11)

1.一种对包括第一天气关联发电机组(14b)、第二天气关联发电机组(14c)和多个负载(17)的电力网(10)执行随机机组组合的方法，包括
a) 提供所述第一发电机组和第二发电机组的天气预报数据，
b) 对于所述第一发电机组和第二发电机组的每个，基于所述天气预报数据来生成指示未来功率产生的多个情形(26)，
c) 按照相关性准则来识别包括所述第一天气关联发电机组(14b)的第一情形(26a)和所述第二天气关联发电机组(14c)的第二情形(26b)的相关情形的对(26a、26b)，
d) 基于表示所述相关情形的对(26a、26b)的所述第一情形和所述第二情形的单个组合情形来执行所述随机机组组合。
2.如权利要求1所述的方法，包括：
在步骤c)之前或之后按照概率准则来取消选择不太可能发生的情形，以及
对所述随机机组组合忽略所取消选择的情形。
3.如权利要求1或2所述的方法，其中，情形(26a、26b)包括各具有预报功率和概率的多个后续预报步骤(28a、28b、28c)，包括
如果所述第一情形的预报概率的第一序列和所述第二情形的概率的第二序列在运行所述机组组合的每个时间点是相同的或者处于预定义带之内，则将所述第一情形(26a)和所述第二情形识别为相关情形的对(26a、26b)。
4.如权利要求3所述的方法，其中，所述第一序列和第二序列在时间方面延迟。
5.如权利要求1或2所述的方法，
其中，所述第一情形(26a)和第二情形(26b)包括相对预报功率；
其中，当所述第一情形(26a)的所述相对预报功率和所述第二情形(26b)的所述相对预报功率相差不超过20%时，所述第一情形(26a)与所述第二情形(26b)相似。
6.如权利要求1至5中的任一项所述的方法，
其中，天气关联发电机组(14a、14b、14c、14d、14e)是风力发电机组；
其中，所述天气预报数据包括局部风预报数据。
7.如权利要求1至5中的任一项所述的方法，
其中，天气关联发电机组(14a、14b、14c、14d、14e)是太阳能发电机组；
其中，所述预报数据包括云量预报数据。
8.如以上权利要求中的任一项所述的方法，
其中，所述电力网(10)包括常规功率产生机组(12)；
其中，所述随机机组组合包括所述常规功率产生机组(12)的机组组合。
9.一种用于对电力网(10)执行随机机组组合的计算机程序，其在由处理器运行时适合执行如权利要求1至8中的任一项所述的方法的步骤。
10.一种计算机可读介质，其中存储了如权利要求9所述的计算机程序。
11.一种用于预报、监测和/或控制电力网(10)的发电机组的功率产生的能量管理系统(20)，
其中，所述能量管理系统(20)包括天气关联发电机组(14a、14b、14c、14d、14e)；
其中，所述能量管理系统(20)适合执行如权利要求1至8中的任一项所述的方法。
CN201210307264.2A 2011-08-26 2012-08-27 风力发电的机组组合 Active CN102953936B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP11179010.1 2011-08-26
EP11179010.1A EP2562901B1 (en) 2011-08-26 2011-08-26 Unit commitment for wind power generation

Publications (2)

Publication Number Publication Date
CN102953936A true CN102953936A (zh) 2013-03-06
CN102953936B CN102953936B (zh) 2015-06-17

Family

ID=44534039

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210307264.2A Active CN102953936B (zh) 2011-08-26 2012-08-27 风力发电的机组组合

Country Status (5)

Country Link
US (1) US20130054211A1 (zh)
EP (1) EP2562901B1 (zh)
CN (1) CN102953936B (zh)
ES (1) ES2460666T3 (zh)
PL (1) PL2562901T3 (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2765668B1 (en) * 2013-02-11 2020-05-13 Siemens Gamesa Renewable Energy A/S Simulation of an electrical power distribution network in a wind farm
CN103324848B (zh) * 2013-06-17 2014-10-22 清华大学 基于诱导目标函数的含电量约束月度机组组合优化方法
US10770899B2 (en) * 2014-09-11 2020-09-08 Gerald Bernard Sheble Resource control by probability tree convolution production cost valuation by iterative equivalent demand duration curve expansion (aka. tree convolution)
CN105406520B (zh) * 2016-01-06 2017-12-29 重庆邮电大学 基于双主控动态协作的独立微电网经济调度优化方法
JP6703777B2 (ja) * 2016-10-19 2020-06-03 株式会社東芝 発電計画策定装置、発電計画策定方法、および発電計画策定プログラム
US10418822B2 (en) 2017-02-14 2019-09-17 Mitsubishi Electric Research Laboratories, Inc. Energy production and frequency regulation Co-optimization for power generation systems
US10886739B2 (en) 2018-05-31 2021-01-05 Trane International Inc. Systems and methods for grid appliances
CN111369168B (zh) * 2020-03-18 2022-07-05 武汉大学 一种适应电网多种调控运行场景的关联特征选择方法
CN112271731B (zh) * 2020-10-29 2022-08-30 合肥工业大学 一种风电功率多时段时间序列场景的生成及消减方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003031813A1 (en) * 2001-10-05 2003-04-17 Ben Enis Method and apparatus for using wind turbines to generates and supply uninterrupted power to locations remote from the power grid
CN101247049A (zh) * 2007-02-13 2008-08-20 通用电气公司 公用电网、控制器、以及控制公用电网中发电的方法
CN101730796A (zh) * 2007-04-30 2010-06-09 维斯塔斯风力系统有限公司 运行具有桨距控制的风力涡轮机的方法、风力涡轮机以及风力涡轮机的集群
CN102102626A (zh) * 2011-01-30 2011-06-22 华北电力大学 风电场短期功率预测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110130982A1 (en) * 2009-11-30 2011-06-02 International Business Machines Corporation Monitoring System for Power Grid Distributed Power Generation Devices

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003031813A1 (en) * 2001-10-05 2003-04-17 Ben Enis Method and apparatus for using wind turbines to generates and supply uninterrupted power to locations remote from the power grid
CN101247049A (zh) * 2007-02-13 2008-08-20 通用电气公司 公用电网、控制器、以及控制公用电网中发电的方法
CN101730796A (zh) * 2007-04-30 2010-06-09 维斯塔斯风力系统有限公司 运行具有桨距控制的风力涡轮机的方法、风力涡轮机以及风力涡轮机的集群
CN102102626A (zh) * 2011-01-30 2011-06-22 华北电力大学 风电场短期功率预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
VENKATA SWAROOP PAPPALA: "A STOCHASITIC MODEL FOR THE OPTIMAL OPERATION OF A WIND-THERMAL POWER SYSTEM", 《IEEE TRANSACTIONS ON POWER SYSTEMS》 *

Also Published As

Publication number Publication date
CN102953936B (zh) 2015-06-17
EP2562901A1 (en) 2013-02-27
PL2562901T3 (pl) 2014-08-29
US20130054211A1 (en) 2013-02-28
ES2460666T3 (es) 2014-05-14
EP2562901B1 (en) 2014-03-19

Similar Documents

Publication Publication Date Title
CN102953936B (zh) 风力发电的机组组合
Patel et al. Optimal component selection of integrated renewable energy system for power generation in stand-alone applications
Tastu et al. Probabilistic forecasts of wind power generation accounting for geographically dispersed information
Pappala et al. A stochastic model for the optimal operation of a wind-thermal power system
Ma et al. Scenario generation of wind power based on statistical uncertainty and variability
Kang et al. Big data analytics in China's electric power industry: modern information, communication technologies, and millions of smart meters
US8606416B2 (en) Energy generating system and control thereof
CN110428168A (zh) 一种计及储能的多能源配电系统协调调度综合评价方法
CN105654207A (zh) 基于风速、风向信息的风电功率预测方法
Wang et al. Location optimization of wind plants using DEA and fuzzy multi-criteria decision making: A case study in Vietnam
CN107437135B (zh) 一种新型储能选型方法
EP2813979A1 (en) Electric power consumption management system and method
Gao et al. Spectral clustering based demand-oriented representative days selection method for power system expansion planning
Wu et al. Optimal economic dispatch model based on risk management for wind‐integrated power system
Masaud et al. Placement of large‐scale utility‐owned wind distributed generation based on probabilistic forecasting of line congestion
JP2018173837A (ja) 予測装置、予測システム、予測方法及びプログラム
Agarwal et al. A review on different methods of wind power forecasting
Wei et al. Measuring the volatility of wholesale electricity prices caused by wind power uncertainty with a correlation model
CN117081088B (zh) 电网负荷调度控制方法、装置、计算机设备及存储介质
Alarcon-Rodriguez et al. Multi-objective planning of distributed energy resources with probabilistic constraints
Bracale et al. A Bayesian-based approach for the short-term forecasting of electrical loads in smart grids.: Part II: numerical applications
CN114330865A (zh) 电网备用容量预测方法、系统、计算机设备及存储介质
Bovornkeeratiroj et al. Peaktk: An open source toolkit for peak forecasting in energy systems
JP2022002063A (ja) 予測システムおよび予測方法
CN117984333B (zh) 一种油浸式变压器的巡检方法、装置、设备及存储介质

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
TR01 Transfer of patent right

Effective date of registration: 20191128

Address after: Baden, Switzerland

Patentee after: ABB Switzerland Co.,Ltd.

Address before: Zurich

Patentee before: ABB RESEARCH Ltd.

TR01 Transfer of patent right
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210702

Address after: Baden, Switzerland

Patentee after: ABB grid Switzerland AG

Address before: Baden, Switzerland

Patentee before: ABB Switzerland Co.,Ltd.

CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: Swiss Baden

Patentee after: Hitachi energy Switzerland AG

Address before: Swiss Baden

Patentee before: ABB grid Switzerland AG

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240111

Address after: Zurich, SUI

Patentee after: Hitachi Energy Co.,Ltd.

Address before: Swiss Baden

Patentee before: Hitachi energy Switzerland AG