CN103488864A - 一种风光储联合发电系统风险的评估方法 - Google Patents

一种风光储联合发电系统风险的评估方法 Download PDF

Info

Publication number
CN103488864A
CN103488864A CN201310277975.4A CN201310277975A CN103488864A CN 103488864 A CN103488864 A CN 103488864A CN 201310277975 A CN201310277975 A CN 201310277975A CN 103488864 A CN103488864 A CN 103488864A
Authority
CN
China
Prior art keywords
power generation
wind
risk
energy
solar
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
CN201310277975.4A
Other languages
English (en)
Other versions
CN103488864B (zh
Inventor
鲁宗相
兑潇玮
乔颖
白恺
宋鹏
刘辉
刘汉民
刘少宇
梁廷婷
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 XINYUAN ZHANGJIAKOU SCENERY STORAGE DEMONSTRATION POWER PLANT CO Ltd
Tsinghua University
State Grid Corp of China SGCC
North China Electric Power Research Institute Co Ltd
Original Assignee
STATE GRID XINYUAN ZHANGJIAKOU SCENERY STORAGE DEMONSTRATION POWER PLANT CO Ltd
Tsinghua University
State Grid Corp of China SGCC
North China Electric Power Research Institute Co 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 STATE GRID XINYUAN ZHANGJIAKOU SCENERY STORAGE DEMONSTRATION POWER PLANT CO Ltd, Tsinghua University, State Grid Corp of China SGCC, North China Electric Power Research Institute Co Ltd filed Critical STATE GRID XINYUAN ZHANGJIAKOU SCENERY STORAGE DEMONSTRATION POWER PLANT CO Ltd
Priority to CN201310277975.4A priority Critical patent/CN103488864B/zh
Publication of CN103488864A publication Critical patent/CN103488864A/zh
Application granted granted Critical
Publication of CN103488864B publication Critical patent/CN103488864B/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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • 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

Landscapes

  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种风光储联合发电系统风险的评估方法，包括以下步骤：获取风光储联合发电系统可靠性统计数据，并根据可靠性统计数据计算主要设备的可靠性参数；根据可靠性参数建立可靠性模型、发电功率模型以及负荷模型；获取风光储联合发电系统的功率时间序列、运行状态时间序列以及负荷时间序列；计算风光储联合发电系统的发电量损失风险LOEE以及电力不足风险LOLE以及系统辅助服务缺失风险SSL；以及根据发电量损失风险LOEE以及电力不足风险LOLE及系统辅助服务缺失风险SSL获取风光储联合发电系统的综合风险CRV。所述方法综合考虑了发电损失、系统辅助功能的风险因素。

Description

一种风光储联合发电系统风险的评估方法
技术领域
本发明属于电力系统新能源领域，尤其是一种风光储联合发电系统风险评估方法，从发电量损失、系统辅助服务功能两个方面量化了联合发电系统风险。
背景技术
近年来，能源枯竭和环境污染情况日益严重，可再生能源逐渐受到了全世界的关注。风能、太阳能是取之不尽的清洁能源，风力发电技术已经作为新能源发电中最成熟的技术开始了大规模的应用，利用太阳能的光伏发电产业近年来也发展迅速。
由于风能和太阳能具有不确定性、不连续性的特点，导致风电场和光伏电站的出力的上下波动，短时间尺度的波动降低了电能质量，长时间尺度的波动导致出力难以预测造成了调度上的困难。为了解决这一问题提出了将风力发电、光伏发电和储能系统组成联合发电系统的方案，风力资源在夜间充足在白天缺乏，太阳能资源在白天充足夜间为零，两者组成的系统可以在较长时间尺度上互相弥补稳定出力。而蓄电池组一方面能够在较短时间尺度上平滑出力曲线，另一方面可以起到削峰填谷的作用。
然而，风能和太阳能具有不确定性，发电设施经常在不同工况下切换，再加上恶劣环境的影响，如何对联合发电系统进行风险评估，并根据评估结果对联合发电系统进行维修，成为保证系统可靠运行的重要一环。
发明内容
综上所述，确有必要提供一种能够对联合发电系统进行风险评估的方法，以全方位的评价联合发电系统的运行性能。
一种风光储联合发电系统风险评估方法，包括以下步骤：获取风光储联合发电系统可靠性统计数据，并根据可靠性统计数据计算主要设备的可靠性参数；根据可靠性参数建立可靠性模型、发电功率模型以及负荷模型；获取风光储联合发电系统的功率时间序列、运行状态时间序列以及负荷时间序列；计算风光储联合发电系统的发电量损失风险LOEE以及电力不足风险LOLE以及系统辅助服务缺失风险SSL；以及根据发电量损失风险LOEE以及电力不足风险LOLE以及系统辅助服务缺失风险SSL获取风光储联合发电系统的综合风险CRV：
Figure 2013102779754100002DEST_PATH_IMAGE001
，
其中，所述
Figure 2013102779754100002DEST_PATH_IMAGE002
表示发电量损失风险系数，所述
Figure 2013102779754100002DEST_PATH_IMAGE003
表示电力不足损失风险系数，所述
Figure 2013102779754100002DEST_PATH_IMAGE004
表示系统辅助服务缺失风险系数。
本发明所述风光储联合发电系统风险评估方法综合考虑了风电、光伏系统、储能系统的发电量损失、系统辅助功能的风险因素，量化了联合发电系统辅助服务功能缺失风险，使所述风光储联合发电系统运行风险的量化更加准确与全面。
附图说明
图1为本发明提供的风光储联合发电系统风险评估方法的流程图。
图2为本发明提供的风光储联合发电系统的风险构成示意图。
具体实施方式
下面根据说明书附图并结合具体实施例对本发明的技术方案进一步详细表述。
请参阅图1，图1为本发明提供的风光储联合发电系统风险评估方法的流程图，包括以下步骤：
步骤S10，获取风光储联合发电系统可靠性统计数据，并根据可靠性统计数据计算主要设备的可靠性参数；
步骤S20，建立可靠性模型、发电功率模型以及负荷模型；
步骤S30，获取风光储联合发电系统的功率时间序列、运行状态时间序列以及负荷时间序列；
步骤S40，计算风光储联合发电系统的发电损失风险以及系统辅助服务缺失风险；以及
步骤S50，获取风光储联合发电系统的综合风险。
在步骤S10中，所述风光储联合发电系统的可靠性统计数据可通过收集一段时间内主要设备的可靠性统计数据获得，可以为1年，2年，或多年，本实施例中，所述时间段为1年。所述主要设备包括风电机组、光伏电池板、逆变器、储能设备等元件。所述可靠性统计数据主要包括设备数量、故障次数、故障时间、计划检修次数、计划检修时间等。通过对可靠性统计数据进行计算分析，可得到主要设备的停运率、修复率等可靠性参数。可以理解，所述主要设备及可靠性参数可根据风光储系统的实际条件做相应调整。
在步骤S20中，所述可靠性模型可根据所述可靠性参数建立，通过建立风机、光伏、储能设备的运行-停运两状态模型，并使用所述停运率、修复率作为状态转移率，建立所述可靠性模型。具体的，对于单台发电设备（如一台风机、一个光伏单元或一个储能单元），由设备的故障率、故障修复时间、检修率以及检修时间，得到运行-停运两状态间的状态转移率，即停运率和修复率。将所述有发电设备的运行-停运状态进行组合，即得到所述风光储联合发电系统的运行-停运状态间的状态转移率。所述发电功率模型可根据厂址风速、光照等条件，并结合风机、光伏系统的出力参数，建立发电功率模型。
所述发电功率模型包括风机发电功率模型、光伏系统发电功率模型以及储能系统发电功率模型。所述风机发电功率模型可利用威布尔分布建立风速的概率分布，进而建立风机的发电功率模型；所述光伏系统发电功率模型可根据厂址的气象条件和统计数据建立辐照强度的概率分布，进而建立光伏发电功率模型。所述储能系统发电功率模型可将储能系统的容量视为备用容量，通过储能系统调节风光储联合发电系统的输出功率。所述负荷模型可通过对长时间的负荷统计数据进行分析，得到负荷的概率分布，进而得到负荷模型。
在步骤S30中，所述风光储联合发电系统的发电功率时间序列、运行状态时间序列以及负荷时间序列可通过蒙特卡罗法，对风速、光照强度、负荷、风光储能运行状态进行随机抽样方法获得。具体的，基于所述可靠性模型、发电功率模型以及负荷模型，对风光储联合发电系统的发电功率、设备运行状态、负荷进行随机抽样，得到风机、光伏、储能系统的发电功率时间序列、运行状态时间序列以及负荷时间序列，从而得到风光储联合发电系统正常运行发电功率、设备停运容量和负荷。
所述风光储联合发电系统中，所述风机、光伏两部分的正常运行输出功率的时间序列可通过以下方法获得：应用逆变换法理论，获得风速和辐照度的函数模拟随机值；将风速和辐照度的随机值分别代入风功率发输出模型和光伏系统功率输出模型，计算所述风机、光伏两部分的正常运行输出功率的时间序列。
进一步，通过使用指数分布对风机、光伏、储能的运行状态进行随机抽样，可得到风机、光伏、储能的运行状态时间序列，综合所述风机、光伏、储能的运行状态时间序列，得到所述风光储联合发电系统的运行状态时间序列。
在步骤S40中，请参阅图2，所述发电损失风险包括发电量损失风险（LOEE）以及电力不足风险（LOLE）。所述发电损失风险可根据风光储联合发电系统的功率时间序列、运行状态时间序列以及负荷时间序列进行计算，通过对每个运行状态下的风光储联合发电系统进行评估，从而获得每个运行状态下的发电损失风险。通过将每个运行状态下的风机、光伏系统、储能系统的发电量损失风险进行整合，获得所述风光储联合发电系统的发电量损失风险：
Figure 2013102779754100002DEST_PATH_IMAGE005
（1）
其中，
Figure 2013102779754100002DEST_PATH_IMAGE006
表示第i个运行状态的发电量损失风险，
Figure 2013102779754100002DEST_PATH_IMAGE007
表示第i个运行状态负荷输出功率，
Figure 2013102779754100002DEST_PATH_IMAGE008
表示第i个运行状态的风机输出功率，
Figure 2013102779754100002DEST_PATH_IMAGE009
表示第i个运行状态光伏系统输出功率，
Figure 2013102779754100002DEST_PATH_IMAGE010
表示第i个运行状态储能系统输出功率，t表示第i个运行状态持续时间。
所述电力不足风险可利用蒙特卡罗法对设备停运容量和负荷进行抽样，计算电力不足风险：
Figure 2013102779754100002DEST_PATH_IMAGE011
（2）
其中，T代表总模拟时间，
Figure 928509DEST_PATH_IMAGE007
代表第i个运行状态负荷输出功率，
Figure 888375DEST_PATH_IMAGE008
代表第i个运行状态风机输出功率，
Figure 539936DEST_PATH_IMAGE009
代表第i个运行状态光伏系统输出功率，
Figure 319673DEST_PATH_IMAGE010
代表第i个运行状态储能系统输出功率。
所述系统辅助服务缺失风险（SSL）可根据输出功率波动严重度（SGF）以及发电计划偏差严重度（SGD）获得。具体的，所述系统辅助服务损失风险SLL可通过以下公式计算：
Figure 2013102779754100002DEST_PATH_IMAGE012
（3）
其中，
Figure 2013102779754100002DEST_PATH_IMAGE013
表示输出功率波动严重度系数，
Figure 2013102779754100002DEST_PATH_IMAGE014
表示发电计划偏差严重度系数，
Figure 2013102779754100002DEST_PATH_IMAGE015
表示第i个运行状态储能系统停运容量，
Figure 2013102779754100002DEST_PATH_IMAGE016
表示第i个运行状态风光储联合发电系统停运容量。
风光储联合发电系统的输出功率波动严重度SGF可根据待评估时刻前的多个样本进行计算：
Figure 2013102779754100002DEST_PATH_IMAGE017
（4）
n表示所取样本数量，
Figure 2013102779754100002DEST_PATH_IMAGE018
表示风光储联合发电系统实际功率，表示风光储联合发电系统平均功率。
所述风光储联合发电系统的发电计划偏差严重度SGD可通过待评估时刻前的多个样本计算：
Figure 2013102779754100002DEST_PATH_IMAGE020
（5）
其中，n表示所取样本数量，表示风光储联合发电系统实际功率，
Figure DEST_PATH_IMAGE021
表示风光储联合发电系统计划发电功率。
在步骤S50中，所述风光储联合发电系统的综合风险CRV可通过以下公式计算：
Figure DEST_PATH_IMAGE022
（6）
其中，所述
Figure 149494DEST_PATH_IMAGE002
表示发电量损失风险权重，所述所述表示系统辅助服务缺失风险权重，权重表示运维人员对风险的重视程度，一般情况下权重均取1，可针对现场情况进行调整。
本申请所述的风光储联合发电系统风险的评估方法，包含了对风、光、储三类发电设备的风险评估，并量化了风光储联合发电系统辅助服务影响的风险，综合考虑了发电量损失，全面考虑了设备故障对风、光、储三个子发电系统的发电效益和整体系统的功能的影响，使所述风光储联合发电系统运行风险的量化更加准确与全面。
另外，本领域技术人员还可在本发明精神内作其它变化，当然这些依据本发明精神所作的变化，都应包含在本发明所要求保护的范围内。

Claims (12)

1.一种风光储联合发电系统风险的评估方法，包括以下步骤：
步骤S10，获取风光储联合发电系统可靠性统计数据，并根据可靠性统计数据计算主要设备包括风电机组、光伏电池板、逆变器、储能设备的可靠性参数；
步骤S20，根据可靠性参数建立可靠性模型、发电功率模型以及负荷模型；
步骤S30，获取风光储联合发电系统的功率时间序列、运行状态时间序列以及负荷时间序列；
步骤S40，计算风光储联合发电系统的发电量损失风险LOEE以及电力不足风险LOLE以及系统辅助服务缺失风险SSL；以及
步骤S50，根据发电量损失风险LOEE以及电力不足风险LOLE以及系统辅助服务缺失风险SSL获取风光储联合发电系统的综合风险CRV：
，
其中，所述
Figure DEST_PATH_IMAGE002
表示发电量损失风险权重，所述表示系统辅助服务缺失风险权重。
2.如权利要求1所述的风光储联合发电系统风险的评估方法，其特征在于，所述风光储联合发电系统的可靠性统计数据包括设备数量、故障次数、故障时间、计划检修次数和计划检修时间，通过对可靠性统计数据进行计算分析，得到主要设备的停运率、修复率可靠性参数。
3.如权利要求2所述的风光储联合发电系统风险的评估方法，其特征在于，通过建立风机组、光伏电池板、储能设备的运行-停运两状态模型，并使用所述停运率、修复率作为状态转移率，建立所述可靠性模型。
4.如权利要求1所述的风光储联合发电系统风险的评估方法，其特征在于，所述发电功率模型包括风机发电功率模型、光伏系统发电功率模型以及储能系统发电功率模型，所述风机发电功率模型利用威布尔分布建立风速的概率分布建立；所述光伏系统发电功率模型根据厂址的气象条件和统计数据建立辐照强度的概率分布建立；所述储能系统发电功率模型为将储能系统的容量视为备用容量，通过储能系统调节风光储联合发电系统的输出功率。
5.如权利要求1所述的风光储联合发电系统风险的评估方法，其特征在于，所述负荷模型通过对长时间的负荷统计数据进行分析，得到负荷的概率分布。
6.如权利要求1所述的风光储联合发电系统风险的评估方法，其特征在于，风光储联合发电系统的发电功率时间序列、运行状态时间序列以及负荷时间序列通过蒙特卡罗法，对风速、光照强度、负荷、风光储能运行状态进行随机抽样方法获得。
7.如权利要求6所述的风光储联合发电系统风险的评估方法，其特征在于，风光储联合发电系统的发电功率时间序列、运行状态时间序列以及负荷时间序列通过基于所述可靠性模型、发电功率模型以及负荷模型，对风光储联合发电系统的发电功率、设备运行状态、负荷进行随机抽样获得。
8.如权利要求1所述的风光储联合发电系统风险的评估方法，其特征在于，所述风光储联合发电系统的发电量损失风险LOEE通过以下公式获得：
Figure DEST_PATH_IMAGE004
，
其中，
Figure DEST_PATH_IMAGE005
表示第i个运行状态的发电量损失风险，
Figure DEST_PATH_IMAGE006
表示第i个运行状态负荷输出功率，
Figure DEST_PATH_IMAGE007
表示第i个运行状态的风机输出功率，
Figure DEST_PATH_IMAGE008
表示第i个运行状态光伏系统输出功率，
Figure DEST_PATH_IMAGE009
表示第i个运行状态储能系统输出功率，t表示第i个运行状态持续时间。
9.如权利要求1所述的风光储联合发电系统风险的评估方法，其特征在于，所述电力不足风险利用蒙特卡罗法对设备停运容量和负荷进行抽样，并通过以下公式获得：
Figure DEST_PATH_IMAGE010
，
其中，T代表总模拟时间，
Figure 598727DEST_PATH_IMAGE006
代表第i个运行状态负荷输出功率，代表第i个运行状态风机输出功率，
Figure 554231DEST_PATH_IMAGE008
代表第i个运行状态光伏系统输出功率，
Figure 34891DEST_PATH_IMAGE009
代表第i个运行状态储能系统输出功率。
10.如权利要求1所述的风光储联合发电系统风险的评估方法，其特征在于，所述系统辅助服务缺失风险（SSL）根据输出功率波动严重度（SGF）以及发电计划偏差严重度（SGD）获得：
，
其中，
Figure DEST_PATH_IMAGE012
表示输出功率波动严重度系数，
Figure DEST_PATH_IMAGE013
表示发电计划偏差严重度系数，
Figure DEST_PATH_IMAGE014
表示第i个运行状态储能系统停运容量，
Figure DEST_PATH_IMAGE015
表示第i个运行状态风光储联合发电系统停运容量。
11.如权利要求10所述的风光储联合发电系统风险的评估方法，其特征在于，输出功率波动严重度SGF根据待评估时刻前的样本进行计算：
Figure DEST_PATH_IMAGE016
，
其中，n表示所取样本数量，
Figure DEST_PATH_IMAGE017
表示风光储联合发电系统实际功率，
Figure DEST_PATH_IMAGE018
表示风光储联合发电系统平均功率。
12.如权利要求10所述的风光储联合发电系统风险的评估方法，其特征在于，所述风光储联合发电系统的发电计划偏差严重度SGD通过待评估时刻前的样本计算：
Figure DEST_PATH_IMAGE019
，
其中，n表示所取样本数量，
Figure 779862DEST_PATH_IMAGE017
表示风光储联合发电系统实际功率，
Figure DEST_PATH_IMAGE020
表示风光储联合发电系统计划发电功率。
CN201310277975.4A 2013-07-04 2013-07-04 一种风光储联合发电系统风险的评估方法 Active CN103488864B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310277975.4A CN103488864B (zh) 2013-07-04 2013-07-04 一种风光储联合发电系统风险的评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310277975.4A CN103488864B (zh) 2013-07-04 2013-07-04 一种风光储联合发电系统风险的评估方法

Publications (2)

Publication Number Publication Date
CN103488864A true CN103488864A (zh) 2014-01-01
CN103488864B CN103488864B (zh) 2016-12-28

Family

ID=49829081

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310277975.4A Active CN103488864B (zh) 2013-07-04 2013-07-04 一种风光储联合发电系统风险的评估方法

Country Status (1)

Country Link
CN (1) CN103488864B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104217113A (zh) * 2014-09-03 2014-12-17 广西电网有限责任公司 基于储能概率模型的独立风光储系统可靠性评估方法
CN104504618A (zh) * 2014-12-29 2015-04-08 天津大学 基于pair-copula函数的微电网可靠性评估数据抽样方法
CN104851053A (zh) * 2015-05-14 2015-08-19 上海电力学院 一种含风光储的配电网供电可靠性评估方法
CN107341566A (zh) * 2017-06-19 2017-11-10 东北电力大学 基于气象参数与太阳能电池板运行状态参数的光伏系统发电功率预测装置及其方法
CN109474001A (zh) * 2017-12-29 2019-03-15 金华送变电工程有限公司 一种配变台区智能光伏电源分析系统及方法
CN110084465A (zh) * 2019-03-11 2019-08-02 杭州电子科技大学 基于储能的风力发电系统成本/供电可靠性评估方法
CN110705044A (zh) * 2019-09-17 2020-01-17 张磊 基于深度学习对风力发电系统进行仿真的仿真验证方法
CN113949098A (zh) * 2021-10-26 2022-01-18 河北工业大学 计及fcv的孤岛型混合微电网系统可靠性评估方法
CN114172840A (zh) * 2022-01-17 2022-03-11 河海大学 一种基于图论和深度强化学习的多微网系统能量路由方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003016374A (ja) * 2001-06-28 2003-01-17 Toshiba Corp 発電設備計画の評価方法、発電設備計画の策定方法及びプログラム
CN102682407A (zh) * 2012-04-06 2012-09-19 广东电网公司电力科学研究院 一种500kV终端变电站的综合可靠性评估方法
CN102831321A (zh) * 2012-08-29 2012-12-19 浙江大学 一种基于蒙特卡洛方法的风电场风险评估方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003016374A (ja) * 2001-06-28 2003-01-17 Toshiba Corp 発電設備計画の評価方法、発電設備計画の策定方法及びプログラム
CN102682407A (zh) * 2012-04-06 2012-09-19 广东电网公司电力科学研究院 一种500kV终端变电站的综合可靠性评估方法
CN102831321A (zh) * 2012-08-29 2012-12-19 浙江大学 一种基于蒙特卡洛方法的风电场风险评估方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
汪海瑛: "含大规模可再生能源的电力系统可靠性问题研究", 《万方学位论文数据库》 *

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104217113B (zh) * 2014-09-03 2018-01-16 广西电网有限责任公司 基于储能概率模型的独立风光储系统可靠性评估方法
CN104217113A (zh) * 2014-09-03 2014-12-17 广西电网有限责任公司 基于储能概率模型的独立风光储系统可靠性评估方法
CN104504618A (zh) * 2014-12-29 2015-04-08 天津大学 基于pair-copula函数的微电网可靠性评估数据抽样方法
CN104504618B (zh) * 2014-12-29 2017-12-15 天津大学 基于pair‑copula函数的微电网可靠性评估数据抽样方法
CN104851053A (zh) * 2015-05-14 2015-08-19 上海电力学院 一种含风光储的配电网供电可靠性评估方法
CN104851053B (zh) * 2015-05-14 2018-04-17 上海电力学院 一种含风光储的配电网供电可靠性评估方法
CN107341566B (zh) * 2017-06-19 2020-07-24 东北电力大学 基于气象参数与太阳能电池板运行状态参数的光伏系统发电功率预测装置及其方法
CN107341566A (zh) * 2017-06-19 2017-11-10 东北电力大学 基于气象参数与太阳能电池板运行状态参数的光伏系统发电功率预测装置及其方法
CN109474001A (zh) * 2017-12-29 2019-03-15 金华送变电工程有限公司 一种配变台区智能光伏电源分析系统及方法
CN110084465A (zh) * 2019-03-11 2019-08-02 杭州电子科技大学 基于储能的风力发电系统成本/供电可靠性评估方法
CN110084465B (zh) * 2019-03-11 2022-03-18 杭州电子科技大学 基于储能的风力发电系统成本/供电可靠性评估方法
CN110705044A (zh) * 2019-09-17 2020-01-17 张磊 基于深度学习对风力发电系统进行仿真的仿真验证方法
CN113949098A (zh) * 2021-10-26 2022-01-18 河北工业大学 计及fcv的孤岛型混合微电网系统可靠性评估方法
CN113949098B (zh) * 2021-10-26 2023-06-02 河北工业大学 计及fcv的孤岛型混合微电网系统可靠性评估方法
CN114172840A (zh) * 2022-01-17 2022-03-11 河海大学 一种基于图论和深度强化学习的多微网系统能量路由方法
CN114172840B (zh) * 2022-01-17 2022-09-30 河海大学 一种基于图论和深度强化学习的多微网系统能量路由方法

Also Published As

Publication number Publication date
CN103488864B (zh) 2016-12-28

Similar Documents

Publication Publication Date Title
CN103488864B (zh) 一种风光储联合发电系统风险的评估方法
CN108183512B (zh) 一种接入新能源的电力系统的可靠性评估方法
CN104851053B (zh) 一种含风光储的配电网供电可靠性评估方法
CN108446483B (zh) 计及风电机组传动系统疲劳的风电场可靠性评估方法
CN102934312B (zh) 能量产生系统及其控制
CN103475021B (zh) 一种基于统计模型的风电场弃风电量确定方法
Cirés et al. The potential of forecasting in reducing the LCOE in PV plants under ramp-rate restrictions
Safdarian et al. Compromising wind and solar energies from the power system adequacy viewpoint
CN102831321A (zh) 一种基于蒙特卡洛方法的风电场风险评估方法
CN104037790B (zh) 一种基于时序蒙特卡罗模拟的新能源接纳能力评估方法
CN104077664B (zh) 一种风电储能发电系统的置信容量评估方法
CN109149555B (zh) 考虑供电模式的配电网广义电源变电可信容量评价方法
CN117879018B (zh) 面向新能源消纳的储能系统的配置运行方法
CN104636993B (zh) 配电系统可靠性算法
CN105069520A (zh) 一种风力发电功率预测系统
Karki et al. Reliability assessment of a wind integrated hydro-thermal power system
Wang et al. Reliability assessment of wind farm active power based on sequential monte-carlo method
CN116432978A (zh) 一种计算高速公路自洽能源系统的供电可靠率指标的方法
Prashanti et al. Impact of energy storage integration on composite system reliability
CN104978614A (zh) 一种光伏发电预测系统
Hunt et al. Availability of utility-scale photovoltaic power plants
CN107276073A (zh) 一种基于负荷‑风光等效负荷的母线负荷预测方法
Zaker et al. Probabilistic optimal operation of a smart grid including wind power generator units
Miao et al. Energy Availability Analysis of Offshore Wind Farms Considering the Correlation between Wind Speed Cloud Model and Parameters
Okorie et al. Assessment of the reliability performance of Shiroro hydro-electric power station, Minna, Niger State

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