CN104318484B - 一种集群风电场波动性建模方法 - Google Patents
一种集群风电场波动性建模方法 Download PDFInfo
- Publication number
- CN104318484B CN104318484B CN201410519931.2A CN201410519931A CN104318484B CN 104318484 B CN104318484 B CN 104318484B CN 201410519931 A CN201410519931 A CN 201410519931A CN 104318484 B CN104318484 B CN 104318484B
- Authority
- CN
- China
- Prior art keywords
- wind power
- power plant
- cluster
- standard deviation
- model
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 238000013178 mathematical model Methods 0.000 claims abstract description 7
- 238000013316 zoning Methods 0.000 claims abstract description 4
- 230000005611 electricity Effects 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 6
- 238000010835 comparative analysis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000002902 bimodal effect Effects 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000009987 spinning Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Wind Motors (AREA)
Abstract
本发明提供一种集群风电场波动性建模方法，包括：S1，定义区域风电场集群波动相对二阶中心距、三阶中心距和四阶中心距数学模型；S2，建立集群风电场标准差、偏度和峰度经典指标；S3，建立风电场间相关系数与场间距指数关系模型和标准差与风电场平均利用小时多项式关系模型；S4，根据典型区域风电场集群出力历史数据和地理信息，运用最小二乘法，得到建模相关参数；S5，利用目标风电场集群场间距，依托具体建立的场间距与相关系数指数关系模型，求出中心距因子；S6，利用目标风电场平均利用小时数，依托具体建立的标准差与平均利用小时数多项式关系模型，求出标准差；S7，计算区域风电场集群波动指标标准差、偏度和峰度，分析集群风电场波动特性。
Description
技术领域
本发明涉及电力系统的新能源发电领域，具体涉及一种集群风电场波动性建模方法。
背景技术
由于受到自然特性、地理环境、风电场自身条件等因素影响，风电出力具有随机波动性。而这正是风电对接入电网产生影响的根本原因，尤其当并网风电装机容量增长到一定规模时，风电功率不可掌控的波动将对电网的有功及无功功率平衡带来了不利影响。这些影响包括风电接入点局部地区电压水平、全网旋转备用容量安排、系统调频等方面。一直以来，由于缺乏足够的风电功率波动数据，难以细致地量化评估上述影响，这对于最大限度地把握风电功率波动给电网带来的影响，进一步提高电网对风电的接纳能力是很不利的。相对单个风电场输出功率的波动性而言，电网调度、规划部门更关心数个风电场组形成集群风电场之后的波动特性对电网稳定运行的影响，因此研究集群风电场的波动特性对于电力系统运行和规划意义重大，鉴于以往风电波动特性指标的局限以及风电集群波动性定量分析方法的缺乏，对于风电场集群的波动性研究尚存在着不足，大部分研究仅局限于风电场定性的研究，而且对于大规模风电出力数据的计算方法分析角度仅从集中趋势、离散程度两个方面进行分析，缺乏从分布形状的角度对风电出力分布特性进行深入研究，本发明提出的一种集群风电场波动性建模方法，为经典指标计算提供了快速、有效的计算方法。
从传统集群风电场波动性分析方法上来看，通过直接定义法，计算标准差、偏度和峰度指标时需要收集完善的目标风电场集群的出力数据，而且按照偏度和峰度的定义表达式进行求解，计算量大，计算过程较为复杂，所以给波动性指标的计算带来许多不便，本发明从新型思路出发，提出的建模方法在不需要目标集群风电场所有风场出力数据情况下，利用目标区域集群风电场间距离和各自年平均利用小时数，通过建立的具体模型，可靠估算出标准差、偏度和峰度指标值，大大简化了指标计算，而又不失计算结果的准确度，为定量分析集群风电场的波动性提供了有效的方法。
发明内容
本发明涉及一种集群风电场波动性建模方法，包括：
步骤S1，定义区域风电场集群波动相对二阶中心距、三阶中心距和四阶中心距；
步骤S2，建立集群风电场标准差、偏度和峰度经典指标；
步骤S3，建立风电场间相关系数与场间距指数关系模型和标准差与风电场平均利用小时多项式关系模型；
步骤S4，根据典型区域风电场集群出力历史数据和地理尺寸，运用最小二乘法，得到已建模型相关参数；
步骤S5，利用目标风电场集群场间距，依托具体建立的风电场间距与相关系数指数方程，求出中心距因子；
步骤S6，利用目标风电场平均利用小时数，依托具体建立的标准差与平均利用小时数多项式关系模型，求出单个风电场的标准差；
步骤S7，计算区域风电场集群波动指标标准差、偏度和峰度，分析集群风电场波动特性。
本发明提供的第二优选实施例中：所述步骤S2中建立集群风电场标准差指标模型为偏度指标模型为峰度指标模型为
本发明提供的第三优选实施例中：所述步骤S3中建立风电场间相关系数与场间距指数关系模型包括：
其中自变量di,j表示第i风电场与第j风电场之间的中心距离(简称场间距)，a是指数函数表达式的衰减常数，b是指数函数表达式的拉伸指数。
所述标准差与风电场平均利用小时多项式关系模型为 和其中Tm表示年平均利用小时数，ki(i＝1,2...6)表示多项式系数。
本发明提供的第四优选实施例中：所述步骤S4中通过典型区域风电场集群出力历史数据，得到相关系数rij、rijk和rijkl，再通过地理尺寸风电场间di,j，运用最小二乘法，得到指数关系数学模型的衰减常数a和拉伸常数b；利用典型区域风电场集群出力历史数据，得到标准差σ2、和再利用目标风电场平均利用小时数Tm，运用最小二乘法，得到多项式数学模型的多项式参数ki(i＝1,2...6)。
本发明提供的第五优选实施例中：所述步骤S5中利用目标集群风电场场间距di,j，依托具体建立的风电场间距与相关系数指数方程，求出目标集群风电场的相关系数rij、rijk和rijkl。
本发明提供的第六优选实施例中：所述步骤S6中利用目标风电场平均利用小时数Tm，依托具体建立的标准差与平均利用小时数多项式关系方程，求出目标集群风电场的单个风场标准差σ2、和
本发明提供的第七优选实施例中：所述步骤S7中依托步骤S5和S6得到目标集群风电场的相关系数和标准差，根据区域风电场集群波动指标定义模型计算标准差偏度和峰度指标
本发明提供的一种集群风电场波动性建模方法的有益效果包括：
1、本发明提供的一种集群风电场波动性建模方法，这种方法计算集群风电场波动性经典指标(标准差、偏度和峰度)具有计算速度快、误差性小和结果可靠性高等优点。
2、本发明提供的建模方法克服了集群风电场出力数据不完善、相关系数求解复杂、标准差和相关系数计算量大等缺点，这种方法为计算集群风电场波动性指标提供了新型的思路，在不需要目标集群风电场所有风场出力数据情况下，利用目标区域集群风电场间距离和各自年平均利用小时数，通过建立的具体模型，可靠估算出集群风电场的标准差、偏度和峰度指标值。
附图说明
图1为本发明提供的一种集群风电场波动性建模方法的流程图；
图2为本发明提供的实例A集群风电场年平均出力特性曲线。
具体实施方式
本发明提供一种集群风电场波动性建模方法，其方法流程如图1所示，由图1可知，该方法包括：
步骤S1，定义区域风电场集群波动相对二阶中心距、三阶中心距和四阶中心距。
步骤S2，建立集群风电场标准差、偏度和峰度经典指标。
步骤S3，建立风电场间相关系数与场间距指数关系模型和标准差与风电场平均利用小时多项式关系模型。
步骤S4，根据典型区域风电场集群出力历史数据和地理尺寸，运用最小二乘法，得到已建模型相关参数。
步骤S5，利用目标风电场集群场间距，依托具体建立的风电场间距与相关系数指数方程，求出中心距因子。
步骤S6，利用目标风电场平均利用小时数，依托具体建立的标准差与平均利用小时数多项式关系模型，求出单个风电场的标准差。
步骤S7，计算区域风电场集群波动指标标准差、偏度和峰度，分析集群风电场波动特性。
实施案例：
本发明提供的一种集群风电场波动性建模方法的实施案例中，
步骤S2包括：建立集群风电场标准差指标模型为偏度指标模型为峰度指标模型为
步骤S3包括：建立风电场间相关系数与场间距指数关系模型包括：
其中自变量di,j表示第i风电场与第j风电场之间的中心距离(简称场间距)，a是指数函数表达式的衰减常数，b是指数函数表达式的拉伸指数；
所述标准差与风电场平均利用小时多项式关系模型为 和其中Tm表示年平均利用小时数，ki(i＝1,2...6)表示多项式系数；
步骤S4包括：通过典型区域风电场集群出力历史数据，得到相关系数rij、rijk和rijkl，再通过地理尺寸风电场间di,j，运用最小二乘法，得到指数关系数学模型的衰减常数a和拉伸常数b；
利用典型区域风电场集群出力历史数据，得到标准差σ2、和再利用目标风电场平均利用小时数Tm，运用最小二乘法，得到多项式数学模型的多项式参数ki(i＝1,2...6)；
选取实例A集群风电场历史出力数据实例，运用最小二乘法，求得模型参数如表1中所示，建立了具体的集群风电场波动性模型。
步骤S5包括：利用目标集群风电场场间距di,j，依托具体建立的风电场间距与相关系数指数方程，求出目标集群风电场的相关系数rij、rijk和rijkl；
步骤S6包括：利用目标风电场平均利用小时数Tm，依托具体建立的标准差与平均利用小时数多项式关系方程，求出目标集群风电场的单个风场标准差σ2、和
步骤S7包括：依托步骤S5和S6得到目标集群风电场的相关系数和标准差，根据区域风电场集群波动指标定义模型计算标准差偏度和峰度指标
选取实例A集群风电场2013年风电出力数据，运用步骤S4中建立的具体模型，求解集群风电场标准差、偏度和峰度指标，计算结果如表2模拟值一列所示；
步骤S7之后，还包括：
步骤S8中为了进一步验证集群风电场波动性建模方法的准确性，再利用集群风电场2013年风电出力数据，通过直接定义法求解经典指标的标准差值、偏度值和峰度值，计算结果如表2测量值一列所示，对比分析模拟值和测量值之间的误差。
表1 模型方程的所有参数
表2 实例A典型风电集群两种方法计算结果
首先观察表中计算结果值，发现偏度值大于0，峰度值小于1.8，这表明福建省风电场集群总体出力峰值右偏，总体出力分布形状呈现“U”型分布。为了进一步说明表2中计算结果的准确性和合理性，采取与实际风电出力特性曲线对比分析的方法，本文中研究采用的出力数据是基于福建省风电场的全年平均出力时间序列，由于福建集群风电场总出力数据不完整性，因而选取福建省典型风电场(嘉儒风电场)2013全年日平均出力特性曲线如下图2所示(图中横轴是12个月份，纵轴是日平均出力值)，通过分析发现春季、秋季、冬季出力较大，约占全年发电量80％左右，总体出力特性曲线近似呈现右偏的“U”型双峰分布，前峰的出现主要源于冬春季出力较大，后峰的出现主要源于秋冬季出力最大，这些分布特性与偏度、峰度计算结果所表征的基本一致。
再将两组指标计算结果进行对比发现，标准差模拟值和测量值基本相等，误差仅为测量值的4.47％，显然波动平滑性建模分析法对于区域风电场集群出力的标准差指标计算有着较高的准确度。但是对于偏度和峰度指标，准确度较低，误差分别为测量值的13.77％和14.36％，此时波动平滑性建模分析法可以为偏度和峰度指标提供指导性评估。
综上所示本发明提出的一种集群风电场波动性建模方法，对于定量分析集群风电场波动性具有较好的准确性和有效性。
Claims (6)
1.一种集群风电场波动性建模方法，其特征在于，所述方法包括：
步骤S1，定义区域风电场集群波动相对二阶中心距、三阶中心距和四阶中心距数学模型；
步骤S2，建立集群风电场标准差、偏度和峰度经典指标；
步骤S3，建立风电场间相关系数与场间距指数关系模型和标准差与风电场平均利用小时多项式关系模型；
所述步骤S3包括：建立风电场间相关系数与场间距指数关系模型包括：
和
其中自变量di,j表示第i风电场与第j风电场之间的中心距离，即场间距，a是指数函数表达式的衰减常数，b是指数函数表达式的拉伸指数；所述标准差与风电场平均利用小时多项式关系模型为 和其中Tm表示年平均利用小时数，ki表示多项式系数，i＝1,2...6；
步骤S4，根据典型区域风电场集群出力历史数据和地理尺寸，运用最小二乘法，得到已建模型相关参数；
所述步骤S4包括：通过典型区域风电场集群出力历史数据，得到相关系数rij、rijk和rijkl，再通过地理尺寸风电场间di,j，运用最小二乘法，得到风电场间相关系数与场间距指数关系模型的衰减常数a、拉伸指数b；
利用典型区域风电场集群出力历史数据，得到标准差σ2、和再利用目标风电场平均利用小时数Tm，运用最小二乘法，得到标准差与风电场平均利用小时多项式关系模型的多项式系数ki，i＝1,2...6；
步骤S5，利用目标风电场集群场间距，依托具体建立的风电场间距与相关系数指数方程，求出中心距因子；
步骤S6，利用目标风电场平均利用小时数，依托具体建立的标准差与平均利用小时数多项式关系模型，求出单个风场标准差；
步骤S7，计算区域风电场集群波动指标标准差、偏度和峰度，分析集群风电场波动特性。
2.如权利要求1所述的集群风电场波动性建模方法，其特征在于，所述步骤S1中定义的数学模型包括：区域风电场集群波动相对二阶中心距数学模型为区域风电场集群波动相对三阶中心距数学模型为区域风电场集群波动相对四阶中心距数学模型为其中m2表示相对二阶中心距，Ci(Cj)表示区域n个风电场中第i(j)风电场额定安装容量，σi(σj)表示区域n个风电场中第i(j)风电场标准差，rij表示两个风电场i、j间互相关系数，rijk表示三个风电场i、j、k间立方互相关系数，rijkl表示四个风电场i、j、k、l间四次方互相关系数。
3.如权利要求2所述的集群风电场波动性建模方法，其特征在于，所述步骤S2包括：建立集群风电场标准差指标模型为偏度指标模型为峰度指标模型为 表示集群风电场标准差。
4.如权利要求1所述的集群风电场波动性建模方法，其特征在于，所述步骤S5包括：利用目标集群风电场场间距di,j，依托具体建立的风电场间距与相关系数指数方程，求出目标集群风电场的相关系数rij、rijk和rijkl。
5.如权利要求1所述的集群风电场波动性建模方法，其特征在于，所述步骤S6包括：利用目标风电场平均利用小时数Tm，依托具体建立的标准差与平均利用小时数多项式关系方程，求出目标集群风电场的单个风场标准差σ2、和
6.如权利要求1所述的集群风电场波动性建模方法，其特征在于，所述步骤S7包括：依托步骤S5和S6得到目标集群风电场的相关系数和单个风场标准差，根据区域风电场集群波动指标定义模型计算集群风电场标准差偏度和峰度指标
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410519931.2A CN104318484B (zh) | 2014-09-30 | 2014-09-30 | 一种集群风电场波动性建模方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410519931.2A CN104318484B (zh) | 2014-09-30 | 2014-09-30 | 一种集群风电场波动性建模方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104318484A CN104318484A (zh) | 2015-01-28 |
| CN104318484B true CN104318484B (zh) | 2018-07-27 |
Family
ID=52373710
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410519931.2A Expired - Fee Related CN104318484B (zh) | 2014-09-30 | 2014-09-30 | 一种集群风电场波动性建模方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104318484B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104682384B (zh) * | 2015-02-03 | 2017-12-15 | 国家电网公司 | 光伏并网后引起电网电压波动的评价方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20050063616A (ko) * | 2003-12-22 | 2005-06-28 | 재단법인 포항산업과학연구원 | 풍력 자원 지도화 방법 |
| JP4850171B2 (ja) * | 2007-12-21 | 2012-01-11 | 中国電力株式会社 | 停電情報統合システム及び停電情報統合方法 |
| CN102842105A (zh) * | 2012-07-09 | 2012-12-26 | 中国电力科学研究院 | 一种计及风电不确定性的暂态稳定风险在线评估方法 |
| CN102945223A (zh) * | 2012-11-21 | 2013-02-27 | 华中科技大学 | 一种构建多个风电场出力联合概率分布函数的方法 |
| CN103020423A (zh) * | 2012-11-21 | 2013-04-03 | 华中科技大学 | 基于copula函数获取风电场出力相关特性的方法 |
| 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 |
| CN103577890A (zh) * | 2013-09-25 | 2014-02-12 | 国家电网公司 | 基于元组匹配的集群点风电功率预测方法 |
| CN103942608A (zh) * | 2014-03-28 | 2014-07-23 | 华北电力大学 | 一种基于尾流模型的风电场优化调度方法 |
| CN103996072A (zh) * | 2014-04-29 | 2014-08-20 | 中国农业大学 | 一种风电场和风电区域的风电功率预测方法及系统 |
-
2014
- 2014-09-30 CN CN201410519931.2A patent/CN104318484B/zh not_active Expired - Fee Related
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20050063616A (ko) * | 2003-12-22 | 2005-06-28 | 재단법인 포항산업과학연구원 | 풍력 자원 지도화 방법 |
| JP4850171B2 (ja) * | 2007-12-21 | 2012-01-11 | 中国電力株式会社 | 停電情報統合システム及び停電情報統合方法 |
| CN102842105A (zh) * | 2012-07-09 | 2012-12-26 | 中国电力科学研究院 | 一种计及风电不确定性的暂态稳定风险在线评估方法 |
| CN102945223A (zh) * | 2012-11-21 | 2013-02-27 | 华中科技大学 | 一种构建多个风电场出力联合概率分布函数的方法 |
| CN103020423A (zh) * | 2012-11-21 | 2013-04-03 | 华中科技大学 | 基于copula函数获取风电场出力相关特性的方法 |
| 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 |
| CN103577890A (zh) * | 2013-09-25 | 2014-02-12 | 国家电网公司 | 基于元组匹配的集群点风电功率预测方法 |
| CN103942608A (zh) * | 2014-03-28 | 2014-07-23 | 华北电力大学 | 一种基于尾流模型的风电场优化调度方法 |
| CN103996072A (zh) * | 2014-04-29 | 2014-08-20 | 中国农业大学 | 一种风电场和风电区域的风电功率预测方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| "新疆风电出力波动特性的概率建模";蔺红 等;《电网技术》;20140630;第1616-1619页 * |
| "风电场出力的纵向时刻概率分布特性";吕晓禄 等;《电力自动化设备》;20140531;第40-45页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104318484A (zh) | 2015-01-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhao et al. | Research and application based on the swarm intelligence algorithm and artificial intelligence for wind farm decision system | |
| Olauson et al. | Modelling the Swedish wind power production using MERRA reanalysis data | |
| Şişbot et al. | Optimal positioning of wind turbines on Gökçeada using multi‐objective genetic algorithm | |
| CN102663251B (zh) | 基于计算流体力学模型的风电场功率物理预测方法 | |
| Monforti et al. | Comparing the impact of uncertainties on technical and meteorological parameters in wind power time series modelling in the European Union | |
| CN105868853B (zh) | 一种短期风电功率组合概率预测方法 | |
| CN103683274B (zh) | 区域中长期风电发电量概率预测方法 | |
| CN105656031B (zh) | 基于高斯混合分布特征的含风电电力系统安全风险评估方法 | |
| CN104269867B (zh) | 一种节点扰动功率转移分布均衡度分析方法 | |
| CN103825269B (zh) | 一种考虑电力系统功频静特性的快速概率潮流计算方法 | |
| CN106875033A (zh) | 一种基于动态自适应的风电集群功率预测方法 | |
| CN102012956A (zh) | 一种考虑风电场输入风速和风向随机波动的风电场等值方法 | |
| Jin et al. | Equivalent modeling of wind energy conversion considering overall effect of pitch angle controllers in wind farm | |
| Arias-Rosales et al. | Wind turbine selection method based on the statistical analysis of nominal specifications for estimating the cost of energy | |
| CN105303250A (zh) | 一种基于最优权系数的风电功率组合预测方法 | |
| CN103065202A (zh) | 一种基于组合核函数的风电场超短期风速预测方法 | |
| CN103345585A (zh) | 基于支持向量机的风功率预测校正方法及系统 | |
| CN105069236A (zh) | 考虑风电场节点空间相关性的广义负荷联合概率建模方法 | |
| CN107834593A (zh) | 一种下垂控制型孤岛微电网静态电压稳定概率评估方法 | |
| CN103530700B (zh) | 城区配电网饱和负荷综合预测方法 | |
| CN107748934A (zh) | 基于改进bp神经网络算法的配网电采暖负荷预测方法 | |
| CN105634018A (zh) | 一种基于随机响应面法和内点法的含风电随机最优潮流求解方法 | |
| CN106786608A (zh) | 一种适用于分布式电源接入的不确定谐波潮流计算方法 | |
| CN105138729A (zh) | 基于pso-grnn风电场风电机缺损风速值填充方法 | |
| CN105262148B (zh) | 计及风电出力特性的规划年电力平衡方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180727 Termination date: 20210930 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |