CN104392389A - 一种评估光伏发电补偿峰荷裕度的方法 - Google Patents
一种评估光伏发电补偿峰荷裕度的方法 Download PDFInfo
- Publication number
- CN104392389A CN104392389A CN201410641196.2A CN201410641196A CN104392389A CN 104392389 A CN104392389 A CN 104392389A CN 201410641196 A CN201410641196 A CN 201410641196A CN 104392389 A CN104392389 A CN 104392389A
- Authority
- CN
- China
- Prior art keywords
- photovoltaic
- load
- year
- confidence
- curve
- 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
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000010248 power generation Methods 0.000 title abstract 2
- 230000001186 cumulative effect Effects 0.000 claims abstract description 39
- 240000002853 Nelumbo nucifera Species 0.000 claims description 32
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims description 32
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims description 32
- 238000005096 rolling process Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 abstract description 4
- 230000035699 permeability Effects 0.000 abstract description 4
- 230000007547 defect Effects 0.000 abstract 1
- 238000012502 risk assessment Methods 0.000 abstract 1
- 238000005303 weighing Methods 0.000 abstract 1
- 238000013277 forecasting method Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012417 linear regression 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
-
- 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
- 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)
- Supply And Distribution Of Alternating Current (AREA)
- Photovoltaic Devices (AREA)
Abstract
一种评估光伏发电补偿峰荷裕度的方法,本发明采用加权拟合直线方程法预测未来年的年最大负荷,根据上一年的日最高负荷曲线偏离度,预测未来年的日最高负荷曲线;定义光伏削峰率,得出在日负荷达到峰荷时,需要光伏补偿的光伏负荷累积分布概率曲线;同时根据电网典型日的光伏出力数据计算光伏出力的累积分布概率曲线;将光伏负荷和光伏出力的累积分布概率曲线离散化,采用卷差的计算方法得出在光伏削峰率一定的情况下光伏出力能满足光伏负荷的概率,克服了含光伏出力的负荷预测方法只给出确定性结果的不足,考虑了光伏渗透率较高的情况,满足了电力市场不确定性风险分析的要求,为含光伏系统的配电网规划提供一条可行的新思路。
Description
技术领域
本发明涉及一种评估光伏发电补偿峰荷裕度的方法,属于配电网规划技术领域。
背景技术
负荷预测是配电网规划的前提和基础,提高负荷预测技术水平,有利于制定合理的配电网建设规划。随着光伏系统大量接入配电网,配电网的负荷预测工作因此增加了不少难度,在光伏系统渗透率较高的情况下,预测光伏出力是否能满足减去电网最小出力后的负荷预测结果,对于合理的配电网规划具有重要的指导意义。
光伏发电受到日照光强,温度等气候影响,因此光伏出力具有随机性和波动性的特点。现有的含光伏出力的负荷预测方法,都是将光伏出力看作是“负的负荷”,并没有考虑其中的概率性和不确定性,且不能满足光伏渗透率较高的情况,对负荷预测结果以及配电网规划的合理性造成一定的影响。因此,需要一种评估光伏发电补偿峰荷裕度的方法。
发明内容
本发明所要解决的技术问题是提供一种评估光伏发电补偿峰荷裕度的方法。
本发明通过如下技术方案解决其技术问题:一种评估光伏发电补偿峰荷裕度的方法,包括以下步骤:
步骤1:收集负荷预测信息和光伏出力信息,所述负荷预测信息包括近年每年的年最大负荷和规划区预测年上一年的日最高负荷曲线,所述年最大负荷指该年日最高负荷的最大值,所述光伏出力信息包括规划区预测年上一年的电网典型日光伏出力曲线以及该年光伏系统的装机容量;
步骤2:预测规划区预测年日最高负荷的最大值和该年光伏系统的装机容量;
步骤3:计算规划区预测年上一年的日最高负荷曲线的偏离度,结合规划区预测年的日最高负荷的最大值,计算预测年的日最高负荷曲线;
步骤4:定义光伏削峰率,光伏削峰率的物理意义为在日负荷达到峰荷时,需要光伏补偿的部分负荷与日峰荷的比值,计算需要光伏补偿的光伏负荷及光伏负荷的累积分布概率曲线;
步骤5:计算规划区预测年的光伏出力曲线,从而得到光伏出力的累积分布概率曲线;
步骤6:将步骤4和步骤5中得到的累积分布概率曲线离散化,通过卷差计算在光伏削峰率一定的情况下,光伏出力能满足光伏负荷的概率。
所述步骤2中规划区预测年日最高负荷的最大值Pmax是根据所述近年每年的年最大负荷数据,采用加权拟合直线方程法得到。
所述步骤3具体包括以下步骤:
步骤3-1:计算规划区预测年上一年的日最高负荷曲线的偏离度D:
D=(P1 P)/P1
式中:P1为规划区预测年上一年的日最高负荷的最大值,P表示规划区预测年上一年的日最高负荷,P[P0,P1],P0为规划区预测年上一年的日最高负荷的最小值;
步骤3-2:结合规划区预测年的日最高负荷的最大值,计算预测年的日最高负荷曲线P':
P'=Pmax*(1 D)
式中:Pmax为规划区预测年的日最高负荷的最大值。
所述步骤4中计算需要光伏补偿的光伏负荷及光伏负荷的累积分布概率曲线步骤如下:
步骤4-1:计算需要光伏补偿的光伏负荷P光荷
P光荷=P′*
式中:表示光伏削峰率,P′为规划区预测年的日最高负荷;
步骤4-2:将步骤4-1计算得到的光伏负荷P光荷从低到高进行排序,计算某光伏负荷置信值P光荷置信所对应的概率,该概率的物理意义为光伏负荷P光荷处于光伏负荷最小值与光伏负荷置信值P光荷置信之间的概率,光伏负荷P光荷最小值≤光伏负荷置信值P光荷置信≤光伏负荷P光荷最大值,光伏负荷置信值P光荷置信寻遍所有的光伏负荷值,可得到光伏负荷累积分布概率曲线F(P光荷):
F(P光荷)=x(P光荷)/T
式中:T为总的时间天数,x(P光荷)为小于光伏负荷置信值P光荷置信的时间天数。
所述步骤5包括以下步骤:
步骤5-1:计算规划区预测年的光伏出力曲线P光:
P光=P′光/S′光*S光
式中:S光为该区域预测年光伏系统的装机容量,S'光为该区域预测年上一年光伏系统的装机容量,P'光为该区域预测年上一年的电网典型日光伏出力曲线;
步骤5-2:将步骤5-1计算得到的光伏出力值从低到高进行排序,计算某光伏出力置信值P光力置信所对应的概率,该概率的物理意义为光伏出力P光处于光伏出力最小值与光伏出力置信值P光力置信之间的概率,该概率采用时间比值法计算,光伏出力P光最小值≤光伏出力置信值P光力置信≤光伏出力P光最大值,光伏出力置信值P光力置信寻遍所有的光伏出力值,可得到光伏出力累积分布概率曲线F′(P光),其计算方法与F(P光荷)相同。
所述步骤6包括以下步骤:
步骤6-1:将光伏负荷累积分布概率曲线和光伏出力累积分布概率曲线离散化,分别转化为概率性序列f(Px)和f'(P′x):
将光伏负荷累积分布概率曲线根据采样点离散为365个点,离散后的光伏负荷累积分布概率曲线为F(Px),x=1,2,…,365,则某光伏负荷置信值Px所对应的概率为:
f(Px)=F(Px) F(P(x 1))
式中:x=2,3,…,365;
将光伏出力累积分布概率曲线根据采样点离散为n个点,离散后的光伏出力累积分布概率曲线为F'(P′x),x=1,2,…,365,则某光伏出力置信值P′x所对应的概率为:
f'(P′x)=F'(P′x) F'(P′(x 1))
式中:x=2,3,…,365;
步骤6-2:将光伏出力的概率性序列f'(P′x)和光伏负荷的概率性序列f(Px)进行卷差计算:
式中,y表示在光伏削峰率为时光伏出力能满足光伏负荷的概率。
本发明方法克服了含光伏出力的负荷预测方法只给出确定性结果的不足,考虑了光伏渗透率较高的情况,满足了电力市场不确定性风险分析的要求,为含光伏系统的配电网规划提供一条可行的新思路。
附图说明
图1光伏系统削减峰值负荷示意图;
图2年日最高负荷曲线和光伏负荷曲线的对照图;
图3为广东某地区2013年日最高负荷曲线;
图4为光伏削峰率=1%时,光伏负荷排序后的曲线;
图5为光伏削峰率=1%时,光伏负荷累积分布概率曲线;
图6为电网典型日的光伏出力曲线(采点步长为5min);
图7为电网典型日光伏出力排序后曲线(采点步长为5min);
图8为光伏出力累积分布概率曲线。
具体实施例
本发明采用加权拟合直线方程法预测未来年的年最大负荷,根据上一年的日最高负荷曲线偏离度,预测未来年的日最高负荷曲线;定义光伏削峰率,得出在日负荷达到峰荷时,需要光伏补偿的光伏负荷累积分布概率曲线;同时根据电网典型日的光伏出力数据计算光伏出力的累积分布概率曲线;将光伏负荷和光伏出力的累积分布概率曲线离散化,采用卷差的计算方法得出在光伏削峰率一定的情况下光伏出力能满足光伏负荷的概率。
下面通过实施例对本发明做进一步的补充说明:
本实施例以广东某中等城市地区为例,该城市近年的年最大负荷如表1所示
表1广东某地区近年的年最大负荷
取2014年为该城市的未来预测年,根据近年的年最大负荷数据采用加权拟合直线方程法对2014年的年最大负荷数据进行预测,可得2014年的年最大负荷为101.06MW。
该处还可以采用灰色预测法,线性回归法等,加权拟合直线方程法好处在于按照时间先后,采用重近轻远的原则,计算结果相对更加接近实际。
该城市2013年的日最高负荷曲线如图3所示,该曲线的最大值为95.39MW,最小值为18.35MW,计算曲线的偏离度D:
D=(95.39 P)/95.39
式中:P[18.35,95.39]。
2014年的日最高负荷曲线P'如图2所示:
P'=101.06[1 (95.39 P)/95.39]
假设光伏削峰率为,令[1%,10%],则需要光伏补偿的光伏负荷如图1、2所示为
P光荷=P′*
将光伏负荷从低到高排序,得到图4所示曲线,假设低于某光伏负荷置信值P光荷置信的时间天数为x(P光荷),则该光伏负荷置信值P光荷置信所对应的概率为:
F(P光荷)=x(P光荷)/T
式中:光伏负荷置信值P光荷置信指在一定置信度下至少能够达到的光伏负荷水平,置信度等于1 F(P光荷),T为总的时间天数,T=365,光伏负荷P光荷最小值≤光伏负荷置信值P光荷 置信≤光伏负荷P光荷最大值,寻遍所有的光伏负荷值,即得到光伏负荷的累积分布概率曲线如图5所示。
根据规划区预测年光伏系统装机容量的计划数据和光伏系统装机容量的历史数据,预测规划区预测年的光伏系统的装机容量,计算规划区预测年的光伏出力曲线P光如图6所示:
P光=P′光/S′光*S光
式中:S光为该区域预测年的光伏系统的装机容量,S'光为该区域上一年的光伏系统的装机容量,P'光为该区域上一年电网典型日的光伏系统出力曲线。
将光伏出力曲线的光伏出力值从低到高排序后,得到排系后的曲线如图7所示。假设低于某光伏出力置信值P光力置信的时间采样点为x'(P光),则该光伏出力置信值P光力置信所对应的概率为:
F'(P光)=x'(P光)/T
式中:光伏出力置信值P光力置信指在一定置信度下至少能够达到的光伏出力水平,置信度等于1-F'(P光),T=288,因为光伏出力的时间采样步长为5min。
光伏出力P光最小值≤光伏出力置信值P光力置信≤光伏出力P光最大值,光伏出力置信值P光力置信寻遍所有的光伏出力值,可得到光伏出力累积分布概率曲线F′(P光)如图8所示。
将光伏削峰率=1%时的光伏负荷累积分布概率曲线根据采样点离散为365个点,假设离散后的光伏负荷累积分布概率曲线为F(Px),x=1,2,…,365,则某光伏负荷置信值Px所对应的概率为:
f(Px)=F(Px) F(P(x 1))
式中:x=2,3,…,365,概率序列f(Px)的长度为364。
将光伏出力累积分布概率曲线根据采样点离散为288个点:假设离散后的光伏出力累积分布概率曲线为F'(P′x),x=1,2,…,365,则某光伏出力置信值P′x所对应的概率为:
f'(P′x)=F'(P′x) F'(P′(x 1))
式中:x=2,3,…,365,概率序列f'(P′x)的长度为287。
将光伏出力的概率性序列f'(P′x)与光伏削峰率为=1%时的光伏负荷的概率性序列f(Px)进行卷差计算,可得光伏系统光伏出力能够满足=1%时的光伏负荷的概率为44.94%。
当[1%,10%],步长为1%,光伏出力能够满足光伏削峰率为时的光伏负荷的概率P如表2所示。
表2光伏出力能够满足光伏削峰率为 时的光伏负荷的概率
/% | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
P/% | 44.94 | 42.69 | 41.26 | 39.70 | 37.83 | 35.85 | 33.62 | 31.80 | 29.89 | 27.34 |
从表2中可以看出:随着光伏削峰率的提高,在日负荷达到峰值时,光伏出力能够满足需要光伏补偿的光伏负荷的概率降低。当光伏出力满足光伏负荷的概率不能低于一定值时,可以根据光伏出力满足光伏负荷的概率确定光伏削峰率。
Claims (6)
1.一种评估光伏发电补偿峰荷裕度的方法,其特征在于,包括以下步骤:
步骤1:收集负荷预测信息和光伏出力信息,所述负荷预测信息包括近年每年的年最大负荷和规划区预测年上一年的日最高负荷曲线,所述年最大负荷指该年日最高负荷的最大值,所述光伏出力信息包括规划区预测年上一年的电网典型日光伏出力曲线以及该年光伏系统的装机容量;
步骤2:预测规划区预测年日最高负荷的最大值和该年光伏系统的装机容量;
步骤3:计算规划区预测年上一年的日最高负荷曲线的偏离度,结合规划区预测年的日最高负荷的最大值,计算预测年的日最高负荷曲线;
步骤4:定义光伏削峰率,光伏削峰率的物理意义为在日负荷达到峰荷时,需要光伏补偿的部分负荷与日峰荷的比值,计算需要光伏补偿的光伏负荷及光伏负荷的累积分布概率曲线;
步骤5:计算规划区预测年的光伏出力曲线,从而得到光伏出力的累积分布概率曲线;
步骤6:将步骤4和步骤5中得到的累积分布概率曲线离散化,通过卷差计算在光伏削峰率一定的情况下,光伏出力能满足光伏负荷的概率。
2.根据权利要求1所述的评估光伏发电补偿峰荷裕度的方法,其特征在于,所述步骤2中规划区预测年日最高负荷的最大值Pmax是根据所述近年每年的年最大负荷数据,采用加权拟合直线方程法得到。
3.根据权利要求1或2所述的评估光伏发电补偿峰荷裕度的方法,其特征在于,
所述步骤3具体包括以下步骤:
步骤3-1:计算规划区预测年上一年的日最高负荷曲线的偏离度D:
D=(P1 P)/P1
式中:P1为规划区预测年上一年的日最高负荷的最大值,P表示规划区预测年上一年的日最高负荷,P[P0,P1],P0为规划区预测年上一年的日最高负荷的最小值;
步骤3-2:结合规划区预测年的日最高负荷的最大值,计算预测年的日最高负荷曲线P':
P'=Pmax*(1 D)
式中:Pmax为规划区预测年的日最高负荷的最大值。
4.根据权利要求3所述的评估光伏发电补偿峰荷裕度的方法,其特征在于,
所述步骤4中计算需要光伏补偿的光伏负荷及光伏负荷的累积分布概率曲线步骤如下:
步骤4-1:计算需要光伏补偿的光伏负荷P光荷
P光荷=P′*
式中:表示光伏削峰率,P′为规划区预测年的日最高负荷;
步骤4-2:将步骤4-1计算得到的光伏负荷P光荷从低到高进行排序,计算某光伏负荷置信值P光荷置信所对应的概率,该概率的物理意义为光伏负荷P光荷处于光伏负荷最小值与光伏负荷置信值P光荷置信之间的概率,光伏负荷P光荷最小值≤光伏负荷置信值P光荷置信≤光伏负荷P光荷最大值,光伏负荷置信值P光荷置信寻遍所有的光伏负荷值,可得到光伏负荷累积分布概率曲线F(P光荷):
F(P光荷)=x(P光荷)/T
式中:T为总的时间天数,x(P光荷)为小于光伏负荷置信值P光荷置信的时间天数。
5.根据权利要求4所述的评估光伏发电补偿峰荷裕度的方法,其特征在于,所述步骤5包括以下步骤:
步骤5-1:计算规划区预测年的光伏出力曲线P光:
P光=P′光/S′光*S光
式中:S光为该区域预测年光伏系统的装机容量,S'光为该区域预测年上一年光伏系统的装机容量,P'光为该区域预测年上一年的电网典型日光伏出力曲线;
步骤5-2:将步骤5-1计算得到的光伏出力值从低到高进行排序,计算某光伏出力置信值P光力置信所对应的概率,该概率的物理意义为光伏出力P光处于光伏出力最小值与光伏出力置信值P光力置信之间的概率,该概率采用时间比值法计算,光伏出力P光最小值≤光伏出力置信值P光力置信≤光伏出力P光最大值,光伏出力置信值P光力置信寻遍所有的光伏出力值,可得到光伏出力累积分布概率曲线F′(P光)。
6.根据权利要求5所述的评估光伏发电补偿峰荷裕度的方法,其特征在于,所述步骤6包括以下步骤:
步骤6-1:将光伏负荷累积分布概率曲线和光伏出力累积分布概率曲线离散化,分别转化为概率性序列f(Px)和f'(P′x):
将光伏负荷累积分布概率曲线根据采样点离散为365个点,离散后的光伏负荷累积分布概率曲线为F(Px),x=1,2,…,365,则某光伏负荷置信值Px所对应的概率为:
f(Px)=F(Px)F(P(x 1))
式中:x=2,3,…,365;
将光伏出力累积分布概率曲线根据采样点离散为n个点,离散后的光伏出力累积分布概率曲线为F'(P′x),x=1,2,…,365,则某光伏出力置信值P′x所对应的概率为:
f'(P′x)=F'(P′x)F'(P′(x 1))
式中:x=2,3,…,365;
步骤6-2:将光伏出力的概率性序列f'(P′x)和光伏负荷的概率性序列f(Px)进行卷差计算:
y=P′x Px 0f(Px)f'(P′x)
式中,y表示在光伏削峰率为时光伏出力能满足光伏负荷的概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410641196.2A CN104392389B (zh) | 2014-11-13 | 2014-11-13 | 一种评估光伏发电补偿峰荷裕度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410641196.2A CN104392389B (zh) | 2014-11-13 | 2014-11-13 | 一种评估光伏发电补偿峰荷裕度的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104392389A true CN104392389A (zh) | 2015-03-04 |
CN104392389B CN104392389B (zh) | 2018-05-25 |
Family
ID=52610287
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410641196.2A Active CN104392389B (zh) | 2014-11-13 | 2014-11-13 | 一种评估光伏发电补偿峰荷裕度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104392389B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600173A (zh) * | 2017-01-25 | 2017-04-26 | 北京中电普华信息技术有限公司 | 一种分布式光伏电源负荷渗透率的估算方法及装置 |
CN112149058A (zh) * | 2020-08-18 | 2020-12-29 | 中国大唐集团科学技术研究院有限公司火力发电技术研究院 | 一种基于用电负荷的风光配比计算方法 |
CN116070822A (zh) * | 2023-01-03 | 2023-05-05 | 国网湖南省电力有限公司 | 区域光伏电站的出力同时系数计算方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103473393A (zh) * | 2013-08-20 | 2013-12-25 | 国家电网公司 | 一种考虑随机概率的输电裕度控制模型建模方法 |
CN103514487A (zh) * | 2013-07-15 | 2014-01-15 | 国家电网公司 | 一种含分布式电源的配电网负荷预测方法 |
CN104063255A (zh) * | 2014-07-18 | 2014-09-24 | 上海电力学院 | 基于序列运算的并网型微网经济运行方法 |
CN104079000A (zh) * | 2014-07-14 | 2014-10-01 | 国家电网公司 | 一种适用于大规模风电接入的电网输电裕度控制方法 |
-
2014
- 2014-11-13 CN CN201410641196.2A patent/CN104392389B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514487A (zh) * | 2013-07-15 | 2014-01-15 | 国家电网公司 | 一种含分布式电源的配电网负荷预测方法 |
CN103473393A (zh) * | 2013-08-20 | 2013-12-25 | 国家电网公司 | 一种考虑随机概率的输电裕度控制模型建模方法 |
CN104079000A (zh) * | 2014-07-14 | 2014-10-01 | 国家电网公司 | 一种适用于大规模风电接入的电网输电裕度控制方法 |
CN104063255A (zh) * | 2014-07-18 | 2014-09-24 | 上海电力学院 | 基于序列运算的并网型微网经济运行方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600173A (zh) * | 2017-01-25 | 2017-04-26 | 北京中电普华信息技术有限公司 | 一种分布式光伏电源负荷渗透率的估算方法及装置 |
CN106600173B (zh) * | 2017-01-25 | 2020-06-09 | 北京中电普华信息技术有限公司 | 一种分布式光伏电源负荷渗透率的估算方法及装置 |
CN112149058A (zh) * | 2020-08-18 | 2020-12-29 | 中国大唐集团科学技术研究院有限公司火力发电技术研究院 | 一种基于用电负荷的风光配比计算方法 |
CN116070822A (zh) * | 2023-01-03 | 2023-05-05 | 国网湖南省电力有限公司 | 区域光伏电站的出力同时系数计算方法及系统 |
CN116070822B (zh) * | 2023-01-03 | 2024-05-03 | 国网湖南省电力有限公司 | 区域光伏电站的出力同时系数计算方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104392389B (zh) | 2018-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wu et al. | A DEMATEL-TODIM based decision framework for PV power generation project in expressway service area under an intuitionistic fuzzy environment | |
Elkadeem et al. | Feasibility analysis and techno-economic design of grid-isolated hybrid renewable energy system for electrification of agriculture and irrigation area: A case study in Dongola, Sudan | |
Sreeraj et al. | Design of isolated renewable hybrid power systems | |
Bahl et al. | Time-series aggregation for synthesis problems by bounding error in the objective function | |
Talebi et al. | A review of district heating systems: modeling and optimization | |
He et al. | Forecasting China's total energy demand and its structure using ADL-MIDAS model | |
CN103559655B (zh) | 基于数据挖掘的微网新型馈线负荷的预测方法 | |
Posadillo et al. | Approaches for developing a sizing method for stand-alone PV systems with variable demand | |
Harris et al. | Logistic growth curve modeling of US energy production and consumption | |
CN102509173B (zh) | 一种基于马尔科夫链的电力系统负荷准确预测方法 | |
CN103545832A (zh) | 一种基于发电预测误差的光伏系统储能容量配置方法 | |
Prusty et al. | An over-limit risk assessment of PV integrated power system using probabilistic load flow based on multi-time instant uncertainty modeling | |
CN102426674A (zh) | 一种基于马尔科夫链的电力系统负荷预测方法 | |
CN110009145B (zh) | 基于时频变换特征提取及自回归趋势预测技术的电力负荷预测方法及装置 | |
Khatib et al. | A software tool for optimal sizing of PV systems in Malaysia | |
CN110033134A (zh) | 一种考虑气象因素的逐日分段短期负荷预测算法 | |
CN105069536A (zh) | 一种基于气温与经济增长的用电需求预测方法 | |
CN105760963A (zh) | 一种旅游区居民生活用电的预测方法 | |
Ashouri et al. | Sensitivity analysis for robust design of building energy systems | |
CN104392389A (zh) | 一种评估光伏发电补偿峰荷裕度的方法 | |
CN106548285B (zh) | 计及小水电出力的趸售电量预测方法 | |
Chen et al. | Research on a layered coupling optimal operation model of the Three Gorges and Gezhouba cascade hydropower stations | |
Leusbrock et al. | The urban harvest approach as framework and planning tool for improved water and resource cycles | |
Okonkwo et al. | Economic analysis of cross-breed power arrangement for Salalah region in the Al-Khareef season | |
Khatib et al. | Optimal sizing of the energy sources in hybrid PV/diesel systems: A case study for Malaysia |
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 |