CN103514487A - 一种含分布式电源的配电网负荷预测方法 - Google Patents
一种含分布式电源的配电网负荷预测方法 Download PDFInfo
- Publication number
- CN103514487A CN103514487A CN201310297785.9A CN201310297785A CN103514487A CN 103514487 A CN103514487 A CN 103514487A CN 201310297785 A CN201310297785 A CN 201310297785A CN 103514487 A CN103514487 A CN 103514487A
- Authority
- CN
- China
- Prior art keywords
- load
- year
- distributed power
- distribution network
- power source
- 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
Links
Images
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种含分布式电源的配电网负荷预测方法,所述分布式电源包括风力发电机组和光伏发电系统;包括以下步骤:收集负荷预测信息;预测规划区域的负荷年特性曲线;预测分布式电源的年出力特性曲线;预测含分布式电源的配电网年负荷特性曲线。本发明考虑了分布式电源出力的随机特性,通过蒙特卡洛仿真模拟分布式电源的年出力曲线,接着在不同用地负荷预测的基础上得到配电网的总体负荷特性曲线,最后综合总体负荷特性与分布式电源出力特性,基于时间特性叠加原理得到配电网净负荷年特性曲线,能够很好的解决含分布式电源的配电网负荷预测问题。
Description
技术领域
本发明属于配电网规划技术领域,具体涉及一种含分布式电源的配电网负荷特性预测方法。
背景技术
中长期负荷预测是配电网规划的前提和基础,配电网规划既要预测未来负荷的总量,又要预测未来负荷增长的位置,即中长期负荷总量预测和空间负荷预测,它们对于合理的配电网规划具有重要的指导意义。
随着分布式电源大量接入配电网,配电网负荷预测工作将面临前所未有的挑战。风机、光伏发电等分布式电源的出力受到气候影响,具有随机性大、可控性低的特点,使电网负荷特性发生显著变化。配电网规划人员在考虑分布式电源对规划的影响时,往往将其简单的视作“负负荷”,考虑其对电网最大负荷的影响,而没有考虑分布式电源出力的时间特性,这将对负荷预测结果的准确性产生很大影响。因此,亟需一种考虑分布式电源的配电网负荷特性预测方法。
发明内容
为了克服上述现有技术的不足,本发明提供一种含分布式电源的配电网负荷特性预测方法,考虑了分布式电源出力的随机特性,通过蒙特卡洛仿真模拟分布式电源的年出力曲线,接着在不同用地负荷预测的基础上得到配电网的总体负荷特性曲线,最后综合总体负荷特性与分布式电源出力特性,基于时间特性叠加原理得到配电网净负荷年特性曲线,能够很好的解决含分布式电源的配电网负荷预测问题。
为了实现上述发明目的,本发明采取如下技术方案:
提供一种含分布式电源的配电网负荷预测方法,所述分布式电源包括风力发电机组和光伏发电系统;所述预测方法包括以下步骤:
步骤1:收集负荷预测信息;
步骤2:预测规划区域的负荷年特性曲线;
步骤3:预测分布式电源的年出力特性曲线;
步骤4:预测含分布式电源的配电网年负荷特性曲线。
所述步骤1中,负荷预测信息包括地区发展规划信息、能源发展规划信息、负荷历史数据、大用户报装信息和自然气候数据。
所述地区发展规划信息包括城乡规划成果与控制性详细规划;所述能源发展规划信息包括地区能源发展方向、分布式电源发展规模与布局;所述负荷历史数据包括全社会负荷、电量的历史数据以及不同类型负荷的典型负荷特性;所述大用户报装信息指大型工商业用户的预计报装信息;所述自然气候数据包括风速、太阳辐照强度和阴雨天数分布的历史数据。
所述步骤2包括以下步骤:
步骤2-1:单独分析不同类型用地的年负荷特性曲线;
步骤2-2:基于时间特性叠加原理将不同类型用地的年负荷特性曲线进行叠加,从而得到规划区域的负荷年特性曲线,有
pi(t)=pimax×fi(t) (2)
其中,p(t)为规划区域的负荷年特性曲线;pi(t)为每类用地的年负荷特性曲线;pimax为每类用地的预测最大负荷值;fi(t)为每类负荷的负荷特性曲线。
所述步骤3包括以下步骤:
步骤3-1:根据地区未来能源发展规划,预测规划年分布式电源的装机规模和分布情况;
步骤3-2:根据预测得到的规划年分布式电源的装机规模和分布情况,得到风力发电机组出力和光伏发电系统出力,即可得到风力发电机组和光伏发电系统的年出力特性曲线。
所述步骤3-2中,对于风力发电机组,风速服从威布尔分布,其分布函数F(v)和概率密度函数f(v)分别为:
其中,v为风速;k和c为威布尔分布的参数,k为形状参数,c为尺度参数;k和c分别表示为:
其中,μ为平均风速,σ为风速的标准差;
风力发电机组出力与风速之间v的关系式为:
且:
其中,vi、vr和vo分别为风电机组的启动风速、额定风速和切除风速;Pr为风电机组的额定出力;
对于光伏发电系统,太阳辐照强度服从Beta分布,太阳辐照强度的概率密度函数f(s)表示为:
其中,s为太阳辐照强度,α和β为Beta分布的参数,分别表示为:
其中,μ0为平均辐照强度,σ0为太阳辐照强度的标准差;
光伏发电系统出力与太阳辐照强度之间s的关系式为:
Ps=s×m×n×η (14)
其中,Ps为光伏发电系统输出功率;s为组成光伏发电系统的光伏电池板倾斜面的太阳辐照强度,单位为kW/m2;m为光伏电池板上单个光伏组件的面积,单位为m2;n为光伏组件数量,η为光伏组件的额定转换效率。
所述步骤4中,综合规划区域的负荷年特性曲线与分布式电源的年出力特性曲线,基于时间特性叠加原理,得到含分布式电源的配电网年负荷特性曲线;
含分布式电源的配电网年负荷曲线表示为:
P(t)=P0(t)-∑PDG(t) (15)
其中,P(t)为含分布式电源的配电网年负荷特性曲线,P0(t)为规划区域的负荷年特性曲线,PDG(t)为分布式电源的年出力特性曲线。
与现有技术相比,本发明的有益效果在于:
1.本发明提供的含分布式电源的配电网负荷特性预测方法,提出了基于时间特性叠加原理对规划区域的总体年负荷特性进行预测,可以全面掌握规划年的负荷特性,解决了传统方法基于最大负荷预测导致预测结果不精确、信息不全面的问题;
2.本发明提供的含分布式电源的配电网负荷特性预测方法,提出了基于蒙特卡洛对分布式电源出力特性进行仿真模拟,解决了分布式电源出力特性预测困难的问题,能够很好的评估分布式电源对配电网负荷特性的影响。
附图说明
图1是含分布式电源的配电网负荷特性预测方法流程图;
图2是风电机组的输出功率与风速之间的函数关系曲线图;
图3是本发明实施例中规划区域的负荷年特性曲线图;
图4是本发明实施例中规划区域的风电机组年出力特性曲线图;
图5是本发明实施例中规划区域的光伏年出力特性曲线图;
图6是本发明实施例中含分布式电源的配电网年负荷曲线图;
图7是含分布式电源前后配电网年负荷持续时间曲线对比图。
具体实施方式
下面结合附图对本发明作进一步详细说明。
图1和图2分别为含分布式电源的配电网负荷特性预测方法流程图与风电机组的输出功率与风速之间的函数关系曲线图。
本实施例以北方某中等城市为例,规划年面积约100平方公里。假设未来将在具备条件的地区安装风机与光伏,针对该区域进行考虑分布式电源的配电网负荷预测。
(1)收集负荷预测信息;
①气候条件
该地区气候条件情况如表1:
表1
②分布式电源装机规模
根据该地区能源规划,未来将安装风机150台,光伏约120万块。
③地块划分情况
根据地区控制性详细规划,将规划区域划分为最小1km2的地块,且分别归属四种不同类型负荷(工业、商业、市政、居民),地块划分结果如表2:
表2
类型 | 占地面积/km2 | 地块数量 | 风机数量/台 | 光伏数量/万块 |
工业 | 40.5 | 25 | 120 | 46 |
商业 | 7.6 | 7 | 0 | 8.4 |
市政 | 7.3 | 7 | 0 | 8.4 |
居民 | 50.6 | 33 | 30 | 57.2 |
合计 | 106 | 72 | 150 | 120 |
(2)规划负荷预测
根据本地区市政规划资料和经济发展状况,预测规划年各行业负荷值及所占比重如下。规划年该地区总负荷约642.5MW,其中居民生活负荷占较高比例。规划电力负荷预测结果如表3:
表3
分类 | 负荷(MW) | 所占比重(%) |
工业 | 105.3 | 16.4% |
商业 | 88.6 | 13.8% |
市政 | 65.9 | 10.3% |
居民 | 416.5 | 64.8% |
合计 | 642.5 | 100 |
根据地区不同类型用地的历史负荷特性,预测得到不同用地的年负荷特性曲线,再基于负荷特性叠加法得到规划年地区总负荷年特性曲线如附图3。
(3)分布式电源出力预测
根据地区风速历史统计数据,利用威布尔分布仿真得到一年的风速数据,再根据风机功率特性得到该地区一年的风功率特性曲线如附图4。
根据地区太阳辐照强度历史统计数据,以及每月阴雨天数的统计结果,综合Beta分布与离散分布仿真得到一年的太阳辐照强度数据,再根据光伏出力特性得到该地区一年的光伏出力特性曲线如附图5。
(4)考虑分布式电源的配电网负荷预测
综合常规负荷预测与分布式电源出力预测结果,基于时间特性叠加原理,预测得到考虑分布式电源的配电网负荷预测结果,如附图6所示。考虑分布式电源前后的年负荷持续时间 曲线图如附图7所示。
(5)结论
①现有方法往往将分布式电源简单的视作“负负荷”,考虑其对电网最大负荷的影响,由于分布式电源出力随机性较大、时间特性较强,单纯考虑最大负荷的预测方法将对负荷预测的准确性产生很大影响。
②按照本发明提供的考虑分布式电源的配电网负荷特性预测方法,通过仿真分析分布式电源的出力随机特性,同时基于时间特性叠加原理进行负荷预测,能够较为准确的反映分布式电源对配电网负荷特性的影响,从而得到更为精确合理的负荷预测结果。
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)
1.一种含分布式电源的配电网负荷预测方法,所述分布式电源包括风力发电机组和光伏发电系统;其特征在于:所述预测方法包括以下步骤:
步骤1:收集负荷预测信息;
步骤2:预测规划区域的负荷年特性曲线;
步骤3:预测分布式电源的年出力特性曲线;
步骤4:预测含分布式电源的配电网年负荷特性曲线。
2.根据权利要求1所述的含分布式电源的配电网负荷预测方法,其特征在于:所述步骤1中,负荷预测信息包括地区发展规划信息、能源发展规划信息、负荷历史数据、大用户报装信息和自然气候数据。
3.根据权利要求2所述的含分布式电源的配电网负荷预测方法,其特征在于:所述地区发展规划信息包括城乡规划成果与控制性详细规划;所述能源发展规划信息包括地区能源发展方向、分布式电源发展规模与布局;所述负荷历史数据包括全社会负荷、电量的历史数据以及不同类型负荷的典型负荷特性;所述大用户报装信息指大型工商业用户的预计报装信息;所述自然气候数据包括风速、太阳辐照强度和阴雨天数分布的历史数据。
5.根据权利要求1所述的含分布式电源的配电网负荷预测方法,其特征在于:所述步骤3包括以下步骤:
步骤3-1:根据地区未来能源发展规划,预测规划年分布式电源的装机规模和分布情况;
步骤3-2:根据预测得到的规划年分布式电源的装机规模和分布情况,得到风力发电机组出力和光伏发电系统出力,即可得到风力发电机组和光伏发电系统的年出力特性曲线。
8.根据权利要求1所述的含分布式电源的配电网负荷预测方法,其特征在于:所述步骤4中,综合规划区域的负荷年特性曲线与分布式电源的年出力特性曲线,基于时间特性叠加原理,得到含分布式电源的配电网年负荷特性曲线;
含分布式电源的配电网年负荷曲线表示为:
P(t)=P0(t)-∑PDG(t) (15)
其中,P(t)为含分布式电源的配电网年负荷特性曲线,P0(t)为规划区域的负荷年特性曲线,PDG(t)为分布式电源的年出力特性曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310297785.9A CN103514487B (zh) | 2013-07-15 | 2013-07-15 | 一种含分布式电源的配电网负荷预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310297785.9A CN103514487B (zh) | 2013-07-15 | 2013-07-15 | 一种含分布式电源的配电网负荷预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103514487A true CN103514487A (zh) | 2014-01-15 |
CN103514487B CN103514487B (zh) | 2016-08-03 |
Family
ID=49897176
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310297785.9A Active CN103514487B (zh) | 2013-07-15 | 2013-07-15 | 一种含分布式电源的配电网负荷预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103514487B (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156787A (zh) * | 2014-08-18 | 2014-11-19 | 国家电网公司 | 一种基于不同负荷特性的电力分区负荷预测方法 |
CN104376389A (zh) * | 2014-12-10 | 2015-02-25 | 国电南京自动化股份有限公司 | 基于负载均衡的主从式微电网功率负荷预测系统及其方法 |
CN104392389A (zh) * | 2014-11-13 | 2015-03-04 | 广东电网有限责任公司电力科学研究院 | 一种评估光伏发电补偿峰荷裕度的方法 |
CN104915900A (zh) * | 2015-07-09 | 2015-09-16 | 国网四川省电力公司经济技术研究院 | 基于负荷区块的分布式电源的选址定容方法 |
CN105046354A (zh) * | 2015-07-09 | 2015-11-11 | 国网四川省电力公司经济技术研究院 | 基于多代理的配电网规划场景模拟生成方法及其系统 |
CN105552902A (zh) * | 2016-01-25 | 2016-05-04 | 中国电力科学研究院 | 基于馈线端实时量测的配电网终端负荷超短期预测方法 |
CN106712086A (zh) * | 2017-01-17 | 2017-05-24 | 无锡协鑫分布式能源开发有限公司 | 微网优化控制模式 |
CN106779237A (zh) * | 2016-12-29 | 2017-05-31 | 天津大学 | 一种自下而上的主动配电网负荷曲线化预测方法 |
CN107886227A (zh) * | 2017-10-31 | 2018-04-06 | 云南电网有限责任公司 | 用于评估配电网抗灾害能力提升程度的方法 |
CN109523095A (zh) * | 2018-12-21 | 2019-03-26 | 合肥工业大学 | 基于负荷预测和场景聚类的城市配电网规划方法 |
CN110008491A (zh) * | 2018-11-27 | 2019-07-12 | 国网山东省电力公司电力科学研究院 | 一种基于改进概率模型的风光互补发电出力数据模拟方法 |
CN110309944A (zh) * | 2019-04-23 | 2019-10-08 | 上海发电设备成套设计研究院有限责任公司 | 一种区域供能冷热负荷预测方法 |
CN110929454A (zh) * | 2019-11-21 | 2020-03-27 | 国网江苏省电力有限公司南通供电分公司 | 研究主动配电网与分布式电源、储能及多样性负荷的交互作用机理的方法 |
CN110956329A (zh) * | 2019-12-02 | 2020-04-03 | 国网浙江省电力有限公司绍兴供电公司 | 基于分布式光伏与电动汽车时空分布的负荷预测方法 |
CN111030091A (zh) * | 2019-11-28 | 2020-04-17 | 新奥数能科技有限公司 | 一种确定分布式可再生能源电力装机容量的方法及系统 |
CN113312749A (zh) * | 2021-04-21 | 2021-08-27 | 中国电力科学研究院有限公司 | 一种考虑分布式风力发电机的电力系统仿真方法及系统 |
CN114254838A (zh) * | 2022-01-07 | 2022-03-29 | 深圳供电局有限公司 | 一种短期电力负荷预测影响因子的确定方法 |
CN114462783A (zh) * | 2021-12-30 | 2022-05-10 | 昆明能讯科技有限责任公司 | 一种输电网分区分电压等级电力缺口计算的方法及系统 |
CN114498632A (zh) * | 2022-01-27 | 2022-05-13 | 国网江苏省电力有限公司泰州供电分公司 | 基于新能源和充电设施的配电台区负荷预测方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102402726A (zh) * | 2011-11-04 | 2012-04-04 | 中国电力科学研究院 | 一种基于区域负荷分析的大规模配电网电力电量预测方法 |
CN102682346A (zh) * | 2012-05-04 | 2012-09-19 | 中国电力科学研究院 | 一种配电网层次负荷预测模型的修正方法 |
CN103023066A (zh) * | 2012-11-21 | 2013-04-03 | 华中科技大学 | 一种适合于含风电电力系统储能功率的优化配置方法 |
CN103151803A (zh) * | 2013-03-14 | 2013-06-12 | 吉林省电力有限公司电力科学研究院 | 一种含风电系统机组及备用配置的优化方法 |
-
2013
- 2013-07-15 CN CN201310297785.9A patent/CN103514487B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102402726A (zh) * | 2011-11-04 | 2012-04-04 | 中国电力科学研究院 | 一种基于区域负荷分析的大规模配电网电力电量预测方法 |
CN102682346A (zh) * | 2012-05-04 | 2012-09-19 | 中国电力科学研究院 | 一种配电网层次负荷预测模型的修正方法 |
CN103023066A (zh) * | 2012-11-21 | 2013-04-03 | 华中科技大学 | 一种适合于含风电电力系统储能功率的优化配置方法 |
CN103151803A (zh) * | 2013-03-14 | 2013-06-12 | 吉林省电力有限公司电力科学研究院 | 一种含风电系统机组及备用配置的优化方法 |
Non-Patent Citations (2)
Title |
---|
侯婷婷: "含大规模风电场的电力系统中长期运行模拟研究", 《万方学位论文》, 25 December 2012 (2012-12-25), pages 3 - 39 * |
马捷然等: "应用负荷特性曲线由分量预测总量负荷的方法研究", 《广东输电与变电技术》, 10 July 2006 (2006-07-10), pages 65 - 66 * |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156787A (zh) * | 2014-08-18 | 2014-11-19 | 国家电网公司 | 一种基于不同负荷特性的电力分区负荷预测方法 |
CN104392389B (zh) * | 2014-11-13 | 2018-05-25 | 广东电网有限责任公司电力科学研究院 | 一种评估光伏发电补偿峰荷裕度的方法 |
CN104392389A (zh) * | 2014-11-13 | 2015-03-04 | 广东电网有限责任公司电力科学研究院 | 一种评估光伏发电补偿峰荷裕度的方法 |
CN104376389A (zh) * | 2014-12-10 | 2015-02-25 | 国电南京自动化股份有限公司 | 基于负载均衡的主从式微电网功率负荷预测系统及其方法 |
CN104376389B (zh) * | 2014-12-10 | 2017-09-15 | 国电南京自动化股份有限公司 | 基于负载均衡的主从式微电网功率负荷预测系统及其方法 |
CN104915900A (zh) * | 2015-07-09 | 2015-09-16 | 国网四川省电力公司经济技术研究院 | 基于负荷区块的分布式电源的选址定容方法 |
CN105046354A (zh) * | 2015-07-09 | 2015-11-11 | 国网四川省电力公司经济技术研究院 | 基于多代理的配电网规划场景模拟生成方法及其系统 |
CN105552902A (zh) * | 2016-01-25 | 2016-05-04 | 中国电力科学研究院 | 基于馈线端实时量测的配电网终端负荷超短期预测方法 |
CN105552902B (zh) * | 2016-01-25 | 2021-01-12 | 中国电力科学研究院 | 基于馈线端实时量测的配电网终端负荷超短期预测方法 |
CN106779237A (zh) * | 2016-12-29 | 2017-05-31 | 天津大学 | 一种自下而上的主动配电网负荷曲线化预测方法 |
CN106712086A (zh) * | 2017-01-17 | 2017-05-24 | 无锡协鑫分布式能源开发有限公司 | 微网优化控制模式 |
CN107886227B (zh) * | 2017-10-31 | 2021-11-19 | 云南电网有限责任公司 | 用于评估配电网抗灾害能力提升程度的方法 |
CN107886227A (zh) * | 2017-10-31 | 2018-04-06 | 云南电网有限责任公司 | 用于评估配电网抗灾害能力提升程度的方法 |
CN110008491A (zh) * | 2018-11-27 | 2019-07-12 | 国网山东省电力公司电力科学研究院 | 一种基于改进概率模型的风光互补发电出力数据模拟方法 |
CN109523095A (zh) * | 2018-12-21 | 2019-03-26 | 合肥工业大学 | 基于负荷预测和场景聚类的城市配电网规划方法 |
CN110309944B (zh) * | 2019-04-23 | 2023-09-01 | 上海发电设备成套设计研究院有限责任公司 | 一种区域供能冷热负荷预测方法 |
CN110309944A (zh) * | 2019-04-23 | 2019-10-08 | 上海发电设备成套设计研究院有限责任公司 | 一种区域供能冷热负荷预测方法 |
CN110929454A (zh) * | 2019-11-21 | 2020-03-27 | 国网江苏省电力有限公司南通供电分公司 | 研究主动配电网与分布式电源、储能及多样性负荷的交互作用机理的方法 |
CN111030091B (zh) * | 2019-11-28 | 2021-11-30 | 新奥数能科技有限公司 | 一种确定分布式可再生能源电力装机容量的方法及系统 |
CN111030091A (zh) * | 2019-11-28 | 2020-04-17 | 新奥数能科技有限公司 | 一种确定分布式可再生能源电力装机容量的方法及系统 |
CN110956329B (zh) * | 2019-12-02 | 2023-04-25 | 国网浙江省电力有限公司绍兴供电公司 | 基于分布式光伏与电动汽车时空分布的负荷预测方法 |
CN110956329A (zh) * | 2019-12-02 | 2020-04-03 | 国网浙江省电力有限公司绍兴供电公司 | 基于分布式光伏与电动汽车时空分布的负荷预测方法 |
CN113312749A (zh) * | 2021-04-21 | 2021-08-27 | 中国电力科学研究院有限公司 | 一种考虑分布式风力发电机的电力系统仿真方法及系统 |
CN113312749B (zh) * | 2021-04-21 | 2024-04-30 | 中国电力科学研究院有限公司 | 一种考虑分布式风力发电机的电力系统仿真方法及系统 |
CN114462783A (zh) * | 2021-12-30 | 2022-05-10 | 昆明能讯科技有限责任公司 | 一种输电网分区分电压等级电力缺口计算的方法及系统 |
CN114254838A (zh) * | 2022-01-07 | 2022-03-29 | 深圳供电局有限公司 | 一种短期电力负荷预测影响因子的确定方法 |
CN114498632A (zh) * | 2022-01-27 | 2022-05-13 | 国网江苏省电力有限公司泰州供电分公司 | 基于新能源和充电设施的配电台区负荷预测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103514487B (zh) | 2016-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103514487B (zh) | 一种含分布式电源的配电网负荷预测方法 | |
Huang et al. | Geographic Information System-assisted optimal design of renewable powered electric vehicle charging stations in high-density cities | |
CN103545832B (zh) | 一种基于发电预测误差的光伏系统储能容量配置方法 | |
Nandi et al. | Prospect of wind–PV-battery hybrid power system as an alternative to grid extension in Bangladesh | |
Fadare | The application of artificial neural networks to mapping of wind speed profile for energy application in Nigeria | |
CN103346563B (zh) | 基于时间场景准入分析的分布式电源最大渗透率评估方法 | |
Ramoji et al. | Optimal economical sizing of a PV-wind hybrid energy system using genetic algorithm and teaching learning based optimization | |
CN104362681B (zh) | 一种考虑随机性的孤岛微电网容量优化配置方法 | |
An et al. | Short term effect evaluation model of rural energy construction revitalization based on ID3 decision tree algorithm | |
CN104102954B (zh) | 考虑黑启动功能的分布式综合供能系统的优化配置方法 | |
Ramoji et al. | Optimization of hybrid PV/wind energy system using genetic algorithm (GA) | |
Khosa et al. | Performance analysis based on probabilistic modelling of Quaid-e-Azam Solar Park (QASP) Pakistan | |
CN106021934A (zh) | 一种区域可利用太阳能资源评估方法 | |
CN105896578A (zh) | 一种用于风光储联合发电系统的随机生产模拟方法 | |
CN104636824A (zh) | 一种确定最小渗透率的分布式光伏选址定容方法 | |
Yilmaz et al. | A pre-feasibility case study on integrated resource planning including renewables | |
CN103440597A (zh) | 可再生能源并网对电网经济运行影响的分析方法 | |
Kravets et al. | Development of an integrated method for placement of solar and wind energy objects in the lower volga | |
Efe et al. | 72hr forecast of wind power in Manisa, Turkey by using the WRF model coupled to WindSim | |
CN110443406B (zh) | 一种电动汽车充电设施与分布式电源的分层规划方法 | |
CN106557867A (zh) | 适用中长时间尺度电网分析的光伏发电概率模型建模方法 | |
Ramoji et al. | Optimum Design of a Hybrid PV/Wind Energy System Using Genetic Algorithm (GA) | |
CN114662922B (zh) | 考虑光伏不确定性的居民需求响应潜力评估方法及系统 | |
CN106026111A (zh) | 一种基于概率潮流计算的新能源穿透率评估方法 | |
Mendoza | Design, implementation and evaluation of the energy performance of a photovoltaic solar system in Cota, Colombia |
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 |