CN103337040A - 一种计及风电波动性的风电发电计划编制系统及编制方法 - Google Patents

一种计及风电波动性的风电发电计划编制系统及编制方法 Download PDF

Info

Publication number
CN103337040A
CN103337040A CN2013101992688A CN201310199268A CN103337040A CN 103337040 A CN103337040 A CN 103337040A CN 2013101992688 A CN2013101992688 A CN 2013101992688A CN 201310199268 A CN201310199268 A CN 201310199268A CN 103337040 A CN103337040 A CN 103337040A
Authority
CN
China
Prior art keywords
model
grading
server
module
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
CN2013101992688A
Other languages
English (en)
Other versions
CN103337040B (zh
Inventor
屈富敏
周海明
陈乃仕
刘克文
荀辰龙
郑杰
李丹
赵立强
葛贤军
杨健康
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.)
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
Original Assignee
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
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 State Grid Corp of China SGCC, China Electric Power Research Institute Co Ltd CEPRI filed Critical State Grid Corp of China SGCC
Priority to CN201310199268.8A priority Critical patent/CN103337040B/zh
Publication of CN103337040A publication Critical patent/CN103337040A/zh
Application granted granted Critical
Publication of CN103337040B publication Critical patent/CN103337040B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Abstract

本发明涉及风电并网电力系统的发电计划编制，具体涉及一种计及风电波动性的风电发电计划编制系统及编制方法。系统包括模型模块、算法模块、模算筛选模块；系统接受风电信息和电网信息输入，选择不同模型进行优化计算，模算筛选模块从评价评级库中取得评级信息和该评级信息对应的模型和优化结果，选出评级最高的模型及优化结果作为发电计划下发。对比实际发电计划和各模型发电计划，根据准确度不断修改评级信息。在长时间的使用后，针对具体情况下的不同模型选择和参数预设也会被积累下来，发电计划智能优化编制系统也会越来越适应各种动态变化的环境和要求。

Description

一种计及风电波动性的风电发电计划编制系统及编制方法
技术领域
本发明涉及风电并网电力系统的发电计划编制，具体涉及一种计及风电波动性的风电发电计划编制系统及编制方法。
背景技术
受风电自身特点及现有风功率预测水平的制约，目前风功率预测精度较低。常规的风电出力预测结果一般都是确定性的点预测，即给出一个确切的数值，但无法估计该数值可能出现的概率，也无法确定预测结果可能的波动范围。直接使用含较大误差的风功率预测值进行经济调度计算不能获得最优的调度计划，系统运行的可靠性和经济性也得不到保证。在含有大规模风电并网的系统中，风电出力的波动性给基于电源的可靠性以及负荷的可预测性的传统发电调度带来巨大挑战，发电计划的制定变得困难。针对上述情况，国内外通过研究分析预测误差的分布规律，考虑风电的波动性，建立计及预测误差的优化调度模型。目前的主要方法有考虑预测误差概率分布的调度模型、机会约束规划调度模型、模糊规划调度模型等。然而影响风电功率不确定性的因素很多，如风电场地理信息、风功率预测时间尺度、风功率预测水平等，各种调度模型的准确性也存在较大差异。如何根据具体风电场信息，结合现有调度模型，准确发布发电计划，开发一种可扩展可学习的发电计划智能编制系统和方法成为当务之急。
发明内容
针对现有技术的不足，本发明的目的是提供一种计及风电波动性的风电发电计划编制系统及编制方法，本发明自动的根据风电场地理信息系统、风电功率预测时间尺度、风电功率预测出力水平筛选和匹配调度模型，并且通过多次使用后，可以根据模型的评价评级信息，从大量积累的历史计算记录中筛选出满足具体情况的调度模型。而且在长时间的使用后，针对不同模型下的不同算法选择和参数预设也会被积累下来，发电计划智能优化编制系统也会越来越适应各种动态变化的环境和要求。
本发明的目的是采用下述技术方案实现的：
一种计及风电波动性的风电发电计划编制系统，其改进之处在于，所述编制系统包括：
模型模块：用于对优化调度模型进行存储，包括模型库和目标约束库；
算法模块：用于对优化调度模型进行求解，包括算法数据库和扩展算法数据库；
模算筛选模块：用于对优化调度模型进行评价评级并选出评级最高的作为发电计划，包括评价评级库和模算筛选库；
所述编制系统与管理系统进行数据交互。
其中，所述模型模块、算法模块和模算筛选模块均采用服务器实现；模型模块的服务器与用户系统和模算筛选模块的服务器通过光纤双向连接；
模算筛选模块的服务器与用户系统和算法模块的服务器通过光纤双向连接；
算法模块的服务器与用户系统通过光纤双向连接；
所述管理系统通过光纤分别与模型模块的服务器、模算筛选模块的服务器和算法模块的服务器单向连接。
其中，所述模型模块的服务器包括模型库服务器和目标约束库服务器，所述模型库服务器和目标约束库服务器之间通过光纤双向连接；
所述模型库包括考虑预测误差概率分布的调度模型、机会约束规划调度模型和模糊规划调度模型；
所述目标约束库用于不同目标（目标都包括发电成本最小、污染气体排放量最小、弃风量最小等）和约束条件的存储，且提供由用户选择设置各约束条件是否起作用，并将设置好的目标或约束作为条件送入模型库中，然后进行优化编制运算。
其中，所述评价评级库即模型在不同环境和不同用户下的评级信息，在导入运算结果数据后，所述评价评级库根据对优化编制运算结果和实际发电计划的对比分析，对不同模型优化编制结果的满意度进行评价评级，并将评级结果存储于评价评级库；
所述模算筛选库获取评级信息和该评级信息对应的模型和运算结果，并对所述评级信息进行筛选，选出评级最高的模型及对应的运算结果作为发电计划下发给各发电厂；
评价评级与用户系统权限联系，若用户多次异常评级或预设将改变针对本人的模型评级信息；且如果优化编制运算结果不成功，最后通过调整环境参数完成优化编制运算并且导入运算结果满意，则由评价评级库记录该用户对该环境下的情况并记录在目标约束库中，若下次出现同样的情形将自动调整。
其中，算法模块的服务器包括算法数据库服务器和扩展算法数据库服务器；所述算法数据库服务器和扩展算法数据库服务器之间通过光纤双向连接；
所述算法数据库包括综合选择混合整数规划算法、拉格朗日松弛法、动态规划算法和智能算法；
所述扩展算法数据库读取算法数据库中的算法，并扩展新的算法（扩展的新算法随着技术的发展逐渐扩展）。
本发明基于另一目的提供的一种计及风电波动性的风电发电计划编制方法，其改进之处在于，所述方法包括下述步骤：
步骤1：建立含有模型模块、算法模块、模算筛选模块的发电计划自动化编制系统；
步骤2：将编制的输入信息从模型模块中选择对应的模型进行优化编制运算，由模算筛选模块选择评级最高的模型及运算结果作为发电计划下发给各发电厂；
步骤3：优化编制运算完成后，对比实际发电计划结果和模型的优化运算结果，由评价评级库进行评级并进行评级信息修改。
其中，所述步骤1中，所述输入信息包括风电信息和电网信息；所述风电信息包括风电场地理信息、风功率预测值及预测时间尺度；所述电网信息包括常规机组出力信息、网络拓扑信息和负荷预测信息。
其中，所述步骤3中，评级信息修改包括：若优化编制运算结果接近（例如：对于每个机组发电计划出力跟实际出力的比值越接近1说明计划制定的越精确，相反，大于或小于1都表示两者之间存在差距，以各比值-1取绝对值然后求和，和越小评级越高，和等于零说明计划出力跟实际出力一致，评级最高。各评级可以通过设置不同的阈值，根据阈值进行评级）实际发电计划，则提高此输入条件下优化模型及算法的评级；若优化编制运算结果不满意，则降低此输入条件下优化模型及算法的评级。
与现有技术比，本发明达到的有益效果是：
1.本发明提供的风电发电计划编制系统及编制方法，利用模型模块和算法模块统一建模，使多模型调度结果对比分析选用最佳结果，然后再利用模算筛选模块提供最佳发电计划优化编制结果。
2.本发明提供的发电计划智能优化编制系统和方法具备可扩展性，可将新开发的模型、算法预设后存入该系统，也可以将新要求的目标或约束接口化后存入该系统，可以满足风电技术迅速发展的需要。
3.本发明提供的发电计划智能优化编制系统和方法具有人性化优点，会根据不同用户的使用进行适应，以满足不同用户的偏好，并且记忆这种偏好，以带来良好的体验。
4.本发明提供的发电计划智能优化编制系统和方法具备智能性，可在多次调整、评级操作后完成最佳模型、算法。
附图说明
图1是本发明提供的风电发电计划编制系统的结构示意图；
图2是本发明提供的风电发电计划编制方法的流程图。
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。
本发明提供一种计及风电波动性发电计划智能优化编制系统及其方法，本发明自动的根据风电场地理信息系统、风电功率预测时间尺度、风电功率预测出力水平筛选和匹配调度模型，并且通过多次使用后，可以根据模型的评价评级信息，从大量积累的历史计算记录中筛选出满足具体情况的调度模型。
本发明提供的风电发电计划编制系统的结构示意图如图1所示，包括模型模块、算法模块和模算筛选模块，模型模块、算法模块和模算筛选模块均采用服务器实现；模型模块的服务器与用户系统和模算筛选模块的服务器通过光纤双向连接；模算筛选模块的服务器与用户系统和算法模块的服务器通过光纤双向连接；算法模块的服务器与用户系统通过光纤双向连接；管理系统（及开发者所在的系统）通过光纤分别与模型模块的服务器、模算筛选模块的服务器和算法模块的服务器单向连接。
模型模块对不同的优化调度模型进行存储，包含模型库和目标约束库。模型模块的服务器包括模型库服务器和目标约束库服务器，所述模型库服务器和目标约束库服务器之间通过光纤双向连接；模型库包含现有模型：考虑预测误差概率分布的调度模型、机会约束规划调度模型、模糊规划调度模型。目标约束库用于不同目标或约束对象化存储，且提供由用户选择设置各约束条件是否起作用，并将设置好的目标或约束作为条件送入模型模块中，然后进行优化编制运算。
算法模块的服务器包括算法数据库服务器和扩展算法数据库服务器；所述算法数据库服务器和扩展算法数据库服务器之间通过光纤双向连接；算法数据库包含多种优化算法对模型进行求解，综合选择混合整数规划算法（MIP）、拉格朗日松弛法（LR）、动态规划算法（DP）和智能算法（IA）等主流算法，分析获得最优解的能力、收敛性、鲁棒性。
扩展算法数据库读取算法数据库中的算法，并扩展新的算法。模型模块、算法模块均可扩展，评价评级模块记录多用户对多风电场运行场景的选择。
模算筛选模块包含评价评级库（应和实际进行对比）和模算筛选库。
评价评级库，即模型在不同环境和不同用户下的评级信息，在导入运算结果数据后，所述评价评级库根据对优化编制运算结果和实际发电计划的对比分析，对此环境下不同模型优化编制结果的满意度进行评价评级，并将评级结果存储于评价评级库。
模算筛选库取得评级信息和该评级信息对应的模型和算法，并对所述评级信息进行筛选，选出评级最高的模型及对应的计算结果作为发电计划下发给各发电厂（由系统的调度机构下发）。
评价评级与用户权限挂钩，若某用户多次异常评级或预设将改变针对他本人的模型评级信息；且如果优化编制运算结果不成功，最后通过调整环境参数完成优化编制运算并且导入运算结果满意，则由评价评级库记录该用户对该环境下的情况并记录在目标约束库中，若下次出现同样的情形将自动调整。
本发明还提供一种风电并网发电计划编制方法，所述方法包括以下步骤：
步骤1：建立含有模型模块、算法模块、模算筛选模块的发电计划自动化编制系统，并由开发者进行初始化。
步骤2：再次优化编制的过程中，根据此次编制的输入信息从模型模块中选择不同的模型进行优化编制运算，由模算筛选模块选择评级最高的模型及运算结果作为此次发电计划下发给各发电厂。所述输入信息包括风电（风电场地理信息、风功率预测值及预测时间尺度等）和电网信息（常规机组出力信息、网络拓扑信息和负荷预测信息等）。
步骤3：优化编制运算完成后，对比实际发电计划结果和各模型的优化运算结果，由评价评级库进行评级，若优化编制运算结果越接近实际发电计划，则提高此输入条件下优化模型及算法的评级；若优化编制运算结果不满意，则降低此输入条件下优化模型及算法的评级。
本发明提供一种计及风电波动性的发电计划智能优化编制系统和方法，对比实际发电计划和各模型发电计划，根据准确度不断修改评级信息。在长时间的使用后，针对具体情况下的不同模型选择和参数预设也会被积累下来，发电计划智能优化编制系统也会越来越适应各种动态变化的环境和要求。
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 (8)

1.一种计及风电波动性的风电发电计划编制系统，其特征在于，所述编制系统包括：
模型模块：用于对优化调度模型进行存储，包括模型库和目标约束库；
算法模块：用于对优化调度模型进行求解，包括算法数据库和扩展算法数据库；
模算筛选模块：用于对优化调度模型进行评价评级并选出评级最高的作为发电计划，包括评价评级库和模算筛选库；
所述编制系统与管理系统进行数据交互。
2.如权利要求1所述的风电发电计划编制系统，其特征在于，所述模型模块、算法模块和模算筛选模块均采用服务器实现；模型模块的服务器与用户系统和模算筛选模块的服务器通过光纤双向连接；
模算筛选模块的服务器与用户系统和算法模块的服务器通过光纤双向连接；
算法模块的服务器与用户系统通过光纤双向连接；
所述管理系统通过光纤分别与模型模块的服务器、模算筛选模块的服务器和算法模块的服务器单向连接。
3.如权利要求2所述的风电发电计划编制系统，其特征在于，所述模型模块的服务器包括模型库服务器和目标约束库服务器，所述模型库服务器和目标约束库服务器之间通过光纤双向连接；
所述模型库包括考虑预测误差概率分布的调度模型、机会约束规划调度模型和模糊规划调度模型；
所述目标约束库用于不同目标和约束条件的存储，且提供由用户选择设置各约束条件是否起作用，并将设置好的目标或约束作为条件送入模型库中，然后进行优化编制运算。
4.如权利要求1所述的风电发电计划编制系统，其特征在于，所述评价评级库即模型在不同环境和不同用户下的评级信息，在导入运算结果数据后，所述评价评级库根据对优化编制运算结果和实际发电计划的对比分析，对不同模型优化编制结果的满意度进行评价评级，并将评级结果存储于评价评级库；
所述模算筛选库获取评级信息和该评级信息对应的模型和运算结果，并对所述评级信息进行筛选，选出评级最高的模型及对应的运算结果作为发电计划下发给各发电厂；
评价评级与用户系统权限联系，若用户多次异常评级或预设将改变针对本人的模型评级信息；且如果优化编制运算结果不成功，最后通过调整环境参数完成优化编制运算并且导入运算结果满意，则由评价评级库记录该用户对该环境下的情况并记录在目标约束库中，若下次出现同样的情形将自动调整。
5.如权利要求2所述的风电发电计划编制系统，其特征在于，算法模块的服务器包括算法数据库服务器和扩展算法数据库服务器；所述算法数据库服务器和扩展算法数据库服务器之间通过光纤双向连接；
所述算法数据库包括综合选择混合整数规划算法、拉格朗日松弛法、动态规划算法和智能算法；
所述扩展算法数据库读取算法数据库中的算法，并扩展新的算法。
6.一种计及风电波动性的风电发电计划编制方法，其特征在于，所述方法包括下述步骤：
步骤1：建立含有模型模块、算法模块、模算筛选模块的发电计划自动化编制系统；
步骤2：将编制的输入信息从模型模块中选择对应的模型进行优化编制运算，由模算筛选模块选择评级最高的模型及运算结果作为发电计划下发给各发电厂；
步骤3：优化编制运算完成后，对比实际发电计划结果和模型的优化运算结果，由评价评级库进行评级并进行评级信息修改。
7.如权利要求6所述的风电发电计划编制方法，其特征在于，所述步骤1中，所述输入信息包括风电信息和电网信息；所述风电信息包括风电场地理信息、风功率预测值及预测时间尺度；所述电网信息包括常规机组出力信息、网络拓扑信息和负荷预测信息。
8.如权利要求6所述的风电发电计划编制方法，其特征在于，所述步骤3中，评级信息修改包括：若优化编制运算结果接近实际发电计划，则提高此输入条件下优化模型及算法的评级；若优化编制运算结果不满意，则降低此输入条件下优化模型及算法的评级。
CN201310199268.8A 2013-05-24 2013-05-24 一种计及风电波动性的风电发电计划编制系统及编制方法 Active CN103337040B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310199268.8A CN103337040B (zh) 2013-05-24 2013-05-24 一种计及风电波动性的风电发电计划编制系统及编制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310199268.8A CN103337040B (zh) 2013-05-24 2013-05-24 一种计及风电波动性的风电发电计划编制系统及编制方法

Publications (2)

Publication Number Publication Date
CN103337040A true CN103337040A (zh) 2013-10-02
CN103337040B CN103337040B (zh) 2017-02-22

Family

ID=49245192

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310199268.8A Active CN103337040B (zh) 2013-05-24 2013-05-24 一种计及风电波动性的风电发电计划编制系统及编制方法

Country Status (1)

Country Link
CN (1) CN103337040B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103761355A (zh) * 2013-11-18 2014-04-30 芜湖大学科技园发展有限公司 电力系统仿真自适应建模方法
CN104504456A (zh) * 2014-12-02 2015-04-08 国家电网公司 一种应用概率分布鲁棒优化的输电系统规划方法
CN104700151A (zh) * 2014-05-26 2015-06-10 国网辽宁省电力有限公司 一种基于三次样条插值曲线拟合的风电功率考核方法
CN105678394A (zh) * 2014-11-07 2016-06-15 国家电网公司 一种多源多周期发电计划制定方法
CN113346479A (zh) * 2021-05-18 2021-09-03 国网吉林省电力有限公司 一种基于机会约束的电力系统经济调度方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001268805A (ja) * 2000-03-22 2001-09-28 Ngk Insulators Ltd 無効電力補償装置の力率一定制御方法
CN101788788A (zh) * 2010-01-05 2010-07-28 华北电力大学 基于电网状态识别的多目标机组组合智能优化系统
CN102855591A (zh) * 2012-08-14 2013-01-02 贵州乌江水电开发有限责任公司 梯级水库群短期联合发电优化调度方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001268805A (ja) * 2000-03-22 2001-09-28 Ngk Insulators Ltd 無効電力補償装置の力率一定制御方法
CN101788788A (zh) * 2010-01-05 2010-07-28 华北电力大学 基于电网状态识别的多目标机组组合智能优化系统
CN102855591A (zh) * 2012-08-14 2013-01-02 贵州乌江水电开发有限责任公司 梯级水库群短期联合发电优化调度方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
万明: "基于面向对象模型库的多模型决策支持系统", 《空军工程大学学报》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103761355A (zh) * 2013-11-18 2014-04-30 芜湖大学科技园发展有限公司 电力系统仿真自适应建模方法
CN104700151A (zh) * 2014-05-26 2015-06-10 国网辽宁省电力有限公司 一种基于三次样条插值曲线拟合的风电功率考核方法
CN105678394A (zh) * 2014-11-07 2016-06-15 国家电网公司 一种多源多周期发电计划制定方法
CN105678394B (zh) * 2014-11-07 2020-04-14 国家电网公司 一种多源多周期发电计划制定方法
CN104504456A (zh) * 2014-12-02 2015-04-08 国家电网公司 一种应用概率分布鲁棒优化的输电系统规划方法
CN113346479A (zh) * 2021-05-18 2021-09-03 国网吉林省电力有限公司 一种基于机会约束的电力系统经济调度方法
CN113346479B (zh) * 2021-05-18 2022-12-13 国网吉林省电力有限公司 一种基于机会约束的电力系统经济调度方法

Also Published As

Publication number Publication date
CN103337040B (zh) 2017-02-22

Similar Documents

Publication Publication Date Title
CN105046395B (zh) 一种含多类型新能源的电力系统日内滚动计划编制方法
CN102567815B (zh) 基于实际电网运行数据的事后理想计划分析方法
CN109670627A (zh) 用于对能量存储系统自动云控制的方法
CN103337040A (zh) 一种计及风电波动性的风电发电计划编制系统及编制方法
KR20140105506A (ko) 전력 생산 용량의 적응 및 에너지 저장 유닛 사이즈의 결정
CN107800157A (zh) 含聚合温控负荷和新能源的虚拟发电厂双层优化调度方法
CN109347137A (zh) 一种分布式光伏集群协调优化控制方法及装置
WO2018077016A1 (zh) 一种基于价值网络的储能系统调度优化方法
CN110516951A (zh) 一种动态时间间隔的综合能源系统调度方法
CN109272353A (zh) 计及综合需求响应不确定性的系统动态概率能流分析方法
CN109886446A (zh) 基于改进混沌粒子群算法的电力系统动态经济调度方法
CN102509027A (zh) 一种基于交叉熵理论的风电功率组合预测方法
CN110400056A (zh) 基于风光时空特性的梯级水电日前优化调度方法及装置
CN103887813A (zh) 基于风功率预测不确定度的风电系统运行的控制方法
CN110061496A (zh) 源网荷多目标规划模型的可信度优化方法
CN113991640B (zh) 基于火电的多能互补能源基地能源配置规划方法
Lombardi et al. Net-zero energy factory: Exploitation of flexibility–A technical-economic analysis for a German carpentry
Quoilin et al. Evaluation of simplified flexibility evaluation tools using a unit commitment model
CN108321801A (zh) 一种能源基地系统日前发电计划制定方法和系统
CN108879794A (zh) 一种电力系统机组小时组合优化和调度的方法
CN108767855A (zh) 一种时序持续混合的电力系统随机生产模拟方法
CN112039058A (zh) 基于风功率预测区间的机组组合方法、系统、介质及设备
CN105095999B (zh) 一种基于改进轻鲁棒模型的分布式发电站规划方法
Soares et al. Optimal generation and transmission expansion planning addressing short-term constraints with co-optimization of energy and reserves
CN116739404A (zh) 一种综合能源系统熵态模型中网络化特征模块的构建方法

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