CN104537436B - 一种地区小水电发电能力预测方法 - Google Patents
一种地区小水电发电能力预测方法 Download PDFInfo
- Publication number
- CN104537436B CN104537436B CN201410805214.6A CN201410805214A CN104537436B CN 104537436 B CN104537436 B CN 104537436B CN 201410805214 A CN201410805214 A CN 201410805214A CN 104537436 B CN104537436 B CN 104537436B
- Authority
- CN
- China
- Prior art keywords
- mrow
- power station
- moon
- msub
- small power
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims abstract description 68
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 20
- 230000005611 electricity Effects 0.000 claims abstract description 15
- 238000010219 correlation analysis Methods 0.000 claims abstract description 7
- 238000009434 installation Methods 0.000 claims description 18
- 238000012417 linear regression Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000000611 regression analysis Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims 1
- 230000007774 longterm Effects 0.000 abstract description 3
- 230000007812 deficiency Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000007630 basic procedure Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及发电领域,公开了一种地区小水电发电能力预测方法。利用大小水电相关性,实现了利用大水电流量预测地区小水电发电能力的方法。其技术方案为:以地区小水电群整体为研究对象,选取水文、气象相类似的同一或者相邻地区的具有长期径流、发电能力等资料的大、中型水电站,对地区内大水电区间流量与小水电发电月利用小时数进行相关分析,求出相关系数。找出与小水电群发电能力相关系数最大的水电站后,建立大小水电回归模型,实现了利用大水电区间流量预测值对地区小水电发电能力进行预测的方法。本发明无需逐一对单个小水电站进行发电能力预测,容易获取同一或者相邻地区大中型水电站的长期区间流量,从而寻找相关性好的水电站开展地区发电能力预测,解决了小水电发电资料不足而导致难以预测的问题,为贫资料地区小水电群发电能力预测提供了一种可行方法。对于实现大小水电协调,解决弃水、窝电问题,保证电网安全运行意义重大。
Description
技术领域
本发明涉及发电领域,特别涉及一种地区小水电发电能力预测的大小水电相关方法。
技术背景
作为国际上公认的清洁可再生能源,小水电因其规模小、投资少、见效快、无污染、推动地方经济建设等优点,以每年超过250万kW的装机规模迅速发展。截至2013年底,我国小水电装机容量已超过68000MW,占全国水电装机24%,相当于三个三峡工程。小水电多富集于经济落后地区,当地用户消纳能力有限,导致发电能力远远大于用电需求,需通过大规模、远距离外送进行消纳。而大水电与小水电来水具有同步性,汛期来水丰富时,大小水电挤占有限的通道资源,造成大规模窝电、弃水,并能引发电网动态稳定事故,威胁到电网的安全运行。因此,亟需进行小水电发电能力预测,确保大小水电能够合理的协调与调度,以解决上述问题。
小水电发电能力指的是小水电在一定气象、水文条件下的发电潜力。小水电发电能力与气象、水文、装机等众多因素有关,其发电能力预测面临诸多困难:1)缺乏用于预测的历史水文、气象、发电能力观测和监测资料,资料积累不够,这主要是由于小水电大多管理薄弱、信息采集困难、缺乏相关的水文测站和气象数据积累;2)小水电多为径流式电站、调节能力差,发电很大程度上由来水决定,加之单站装机小,发电具有强不确定性与波动性,预测难度大;3)小水电发电规律具有很明显的流域空间差异性,难以建立一套通用的预测模型;4)小水电面广点多,单个电站发电能力预测不具备规律性,逐一预测没有必要也无法获得满足实际要求的精度。
一般来说,水电富集地区大小水电并存,同一地区或者相邻地区大小水电在水文、气象、地理条件存在相似性,而这些地区大、中型水电站一般往往具有长期水文、气象和发电能力资料,这些资料可以为小水电发电能力预测提供参考和借鉴,是本发明提出的基础。
不同于大中型水电站径流、发电能力预测以单站为对象,本发明是以地调或者县调总的小水电发电能力预测为主要对象。为了便于叙述,统称为地区小水电发电能力预测,两者在方法上并没有什么不同。其原因如前所述,单一小水电发电能力预测因面广,涉及到的流域小,可能因其各自独自的地形、地貌等条件,与大中型水电站在水文、气象条件上不具备同一行,但地区集合构成小水电群在水文、气象条件上应表现某种相似性。小水电也是通过不同的电压等级逐一并网的,对电网形成影响的是总体效应,因此,开展地区小水电发电能力预测具有现实意义。
本项目是国家“863”重大专项研究课题的一部分,据我们了解,国内外关于小水电发电能力预测的方法很少,类似本文从实际工程问题出发,提出的以地区小水电发电能力为预测的对象,借鉴大中型水电站的区间流量开展相关的问题研究还是第一次,云南电网的理论和实践经验表明,本文方法简单、实用,具有广泛的应用前景。
发明内容
本发明要解决的技术问题是提供一种地区小水电发电能力预测的可行方法。利用大小水电相关性由大水电月区间流量预测值对地区小水电月发电能力值进行预测。可避免直接利用小水电短缺的历史资料进行预测,为贫资料地区小水电发电能力预测提供了一种可行方法。
本发明的技术方案为:本发明提供一种基于大小水电相关性的小水电发电能力预测方法,整体流程图如图1所示,按照下述步骤(1)-(8)实现地区小水电群发电能力预测:
(1)计算地区小水电群历史各月发电能力Em。
(2)利用发电月利用小时数tm表示月发电能力Em。
(3)针对需要预测的地区,选取地理位置、水文气象条件相似,具备长期历史资料的大水电站作为相关分析的备选电站。
(4)进行预测地区小水电发电能力Em与备选大水电站的区间流量q相关分析,选取相关系数R最大的大水电站作为发电能力预测参考电站。
(5)对大水电历史各月的月区间流量q与地区小水电历史各月的月发电月利用小时数tm进行线性回归计算,建立回归关系。
(6)利用回归关系,借助大水电流量预测值qfore来推算小水电发电月装机利用小时数预测值tm,fore。
(7)利用小水电发电月装机利用小时数预测值tm,fore换算出月发电能力预测值Em,fore。
本发明对比现有技术有如下有益效果:无需逐一对单个小水电站进行发电能力预测,容易获取同一或者相邻地区大中型水电站的长期区间流量,从而寻找相关性好的水电站开展地区发电能力预测。本方法可避免直接利用小水电短缺的资料进行预测,为贫资料地区小水电群发电能力预测提供了一种可行的预测方法。对于实现大小水电协调,解决弃水、窝电问题,保证电网安全运行意义重大。
附图说明
图1是本方法基本流程示意图。
图2是德宏地区小水电-大盈江三级电站线性回归示意图。
图3是德宏地区预测结果与实际发电能力对比示意图。
具体实施方式
为使本发明的目的、优点及技术方案更加清晰,下面结合附图和实例对本发明的具体实施方式做详细说明。
一种地区小水电发电能力预测的大小水电相关方法。
(1)计算地区小水电发电能力
小水电发电能力指的是小水电在一定气象、水文条件下的发电潜力,由于小水电在汛期存在弃水现象,故地区小水电月发电能力Em可用小水电月发电量Egen,m与月弃水电量Elost,m表示,如下式:Em=Egen,m+Elost,m
(2)利用发电月利用小时数表示发电能力
考虑到小水电的机组动态投产,装机容量在不断变化,因此引入小水电装机月利用小时数代替其发电能力,更符合实际。发电月利用小时数tm如下式:
其中,Ncap,m为小水电当月装机容量。
(3)选择相关分析备选大中型水电站
由于各地区境内往往不止一座大中型水电站。进行大小水电相关分析时,有多个大中型水电站可作为备选电站。选择大中型水电站的原则是:1)与小水电处于同一地区内,所处水文、气象条件与小水电富集区域相似2)具备长期历史资料。
(4)进行相关分析,并选取参考电站
因为小水电发电能力同径流量直接相关,得出地区小水电历史各月的月利用小时数tm之后,可计算大中型水电站历史各月的月平均区间流量q与发电月利用小时数tm的相关系数R,相关系数R在-1~1之间,绝对值越大表明相关性越显著。
其中,tm,i为第i发电月利用小时数,为参与计算的各发电月利用小时数的平均值,qi为大中型水电站第i月区间流量,为参与计算的各月区间流量均值。
比较所有备选电站与地区小水电相关系数R,选出R最大值对应的大中型水电站作为预测参考电站。
(5)建立大小水电线性回归关系
由步骤(4)可比较选取与某地区相关系数最大的大水电站作为参考电站。为实现对小水电发电能力值的预测,可利用线性回归方程的最小平方函数对大小水电关系进行回归分析建模,两者关系可以通过一条直线近似表示,以大水电站历史区间流量为回归分析的自变量,以小水电发电月装机利用小时数作为因变量,进行一元线性回归分析,建立关系:
tm=b*q+a
其中
式中,tm为发电月利用小时数,q为大水电月区间流量,a、b为回归系数,n为月数。
(6)利用大水电流量预测值对小水电利用小时数行预测
由于所选大中型水电站每月都进行区间流量预测,故可用区间流量预测值qfore对小水电发电月装机利用小时数预测值tm,fore进行预测:tm,fore=b*qfore+a
其中,tm,fore为小水电发电月装机利用小时数预测值,qfore为大水电月区间流量预测值;a、b为回归系数,在步骤(5)中已经求出。
(7)利用小水电月装机利用小时数换算出月发电能力预测值。
最后通过下式将小水电发电月装机利用小时数转化为月发电能力预测值Em,fore。
Em,fore=tm,fore*Ncap,m
现以云南省德宏地区小水电作为实例对本方法进行说明。
德宏地区2012年11月到2013年12月各月发电量与弃水电量如表1所示,则可通过步骤(1),计算出小水电各月发电能力,而由于小水电动态投产,各月装机量如表1,故可由步骤(2)计算出小水电各月的月利用小时数于表1中。德宏地区内已建成且符合步骤(3)中条件的电站有三座:大盈江三级、弄另、龙江,故可选择这三个电站作为相关分析备选电站。三座电站2012年11月到2013年12月各月区间流量如表2所示。利用步骤(4)分别求出德宏地区小水电群发电能力与三座电站区间流量的相关系数R如表3所示。
与德宏地区小水电相关系数最大的电站为大盈江三级电站(相关系数0.94),故选取大盈江三级电站为德宏地区预测参考电站。根据步骤(5)以大水电站历史区间流量为回归分析的自变量,以小水电发电月装机利用小时数作为因变量,对大小水电进行线性回归分析如图2,求出b=1.075,a=78.719。根据步骤(6)公式得出tm,fore=1.075*qfore+78.719,利用2014年1月至8月数据进行预测效果检验,求出月装机利用小时数如表4所示。根据步骤(7)将预测月装机利用小时数转化为月发电能力预测值如表4所示,预测值与实际值对比图如图3。
表1
日期(年 | 发电量 | 弃水电量 | 发电能力 | 装机 | 月利用小时 |
2012/11 | 422898.6 | 16866.2 | 439764.8 | 1253.3 | 350.9 |
2012/12 | 294086.2 | 1297.3 | 295383.5 | 1255.0 | 235.4 |
2013/1 | 204739.1 | 1658.8 | 206397.9 | 1256.4 | 164.3 |
2013/2 | 130638.8 | 134.0 | 130772.8 | 1256.6 | 104.1 |
2013/3 | 128377.5 | 643.6 | 129021.1 | 1256.6 | 102.7 |
2013/4 | 134356.2 | 127.8 | 134484.0 | 1256.6 | 107.0 |
2013/5 | 221551.0 | 6088.2 | 227639.1 | 1256.6 | 181.2 |
2013/6 | 358330.1 | 13670.5 | 372000.6 | 1256.8 | 296.0 |
2013/7 | 572111.3 | 84053.7 | 656165.1 | 1275.3 | 514.5 |
2013/8 | 565453.2 | 125353.7 | 690806.8 | 1306.2 | 528.9 |
2013/9 | 583132.7 | 134108.7 | 717241.3 | 1332.6 | 538.2 |
2013/10 | 573911.6 | 48046.6 | 621958.2 | 1342.2 | 463.4 |
2013/11 | 363143.5 | 37.0 | 363180.5 | 1342.6 | 270.5 |
2013/12 | 247374.9 | 0.0 | 247374.9 | 1342.6 | 184.3 |
表2
表3
表4
Claims (1)
1.一种地区小水电发电能力预测方法,其特征在于以下步骤:
(1)计算地区小水电历史各月发电能力Em,利用地区小水电月发电量Egen,m与月弃水电量Elost,m表示,其计算式如下:Em=Egen,m+Elost,m;
(2)利用发电月利用小时数tm表示月发电能力Em,tm通过下式计算:
其中,Ncap,m为小水电当月装机容量;
(3)针对需要预测的地区,选取地理位置、水文气象条件相似,具备长期历史资料的大水电站作为相关分析的备选电站;
(4)进行预测地区小水电发电能力Em与备选大水电站的区间流量q相关分析,选取相关系数R最大的大水电站作为发电能力预测参考电站;计算相关系数,相关系数指的是小水电月利用小时数与大中型水电站月平均区间流量之间的相关系数;计算公式如下式:
<mrow>
<mi>R</mi>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>m</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>t</mi>
<mo>&OverBar;</mo>
</mover>
<mi>m</mi>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<msub>
<mi>q</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mover>
<mi>q</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
</mrow>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>m</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<mover>
<msub>
<mi>t</mi>
<mi>m</mi>
</msub>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>&CenterDot;</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>q</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mover>
<mi>q</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mfrac>
</mrow>
其中,tm,i为第i发电月利用小时数,为参与计算的各发电月利用小时数的平均值,qi为大中型水电站第i月区间流量,为参与计算的各月区间流量均值;
(5)对大水电历史各月的月区间流量q与地区小水电历史各月的月发电月利用小时数tm进行线性回归计算,建立回归关系;其中以大水电站历史区间流量为回归分析的自变量,以地区小水电月装机利用小时数作为因变量;回归关系计算式为:
tm=b*q+a
其中
<mrow>
<mi>a</mi>
<mo>=</mo>
<mover>
<msub>
<mi>t</mi>
<mi>m</mi>
</msub>
<mo>&OverBar;</mo>
</mover>
<mo>-</mo>
<mi>b</mi>
<mover>
<mi>q</mi>
<mo>&OverBar;</mo>
</mover>
</mrow>
<mrow>
<mi>b</mi>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>t</mi>
<mrow>
<mi>m</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<msub>
<mi>q</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mi>n</mi>
<mover>
<msub>
<mi>t</mi>
<mi>m</mi>
</msub>
<mo>&OverBar;</mo>
</mover>
<mover>
<mi>q</mi>
<mo>&OverBar;</mo>
</mover>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<msub>
<mi>t</mi>
<mrow>
<mi>m</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mn>2</mn>
</msup>
<mo>-</mo>
<mi>n</mi>
<msup>
<mover>
<msub>
<mi>t</mi>
<mi>m</mi>
</msub>
<mo>&OverBar;</mo>
</mover>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
</mrow>
式中,tm为发电月利用小时数,q为大水电月区间流量,a、b为回归系数,n为月数;
(6)利用回归关系,借助大水电流量预测值qfore来推算小水电发电月装机利用小时数预测值tm,fore,计算式为:tm,fore=b*qfore+a;
其中,tm,fore为小水电发电月装机利用小时数预测值,qfore为大水电区间流量预测值;
(7)利用小水电发电月装机利用小时数预测值tm,fore换算出月发电能力预测值Em,fore,计算式为Em,fore=tm,fore*Ncap,m。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410805214.6A CN104537436B (zh) | 2014-12-18 | 2014-12-18 | 一种地区小水电发电能力预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410805214.6A CN104537436B (zh) | 2014-12-18 | 2014-12-18 | 一种地区小水电发电能力预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104537436A CN104537436A (zh) | 2015-04-22 |
CN104537436B true CN104537436B (zh) | 2017-11-10 |
Family
ID=52852955
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410805214.6A Active CN104537436B (zh) | 2014-12-18 | 2014-12-18 | 一种地区小水电发电能力预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104537436B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106548285B (zh) * | 2016-11-04 | 2020-11-03 | 广西电网有限责任公司电力科学研究院 | 计及小水电出力的趸售电量预测方法 |
CN108154268B (zh) * | 2017-12-25 | 2022-07-05 | 国网福建省电力有限公司 | 快速估算小水电站群发电量的方法 |
CN110909994A (zh) * | 2019-11-13 | 2020-03-24 | 广西电网有限责任公司 | 基于大数据驱动的小水电群发电量预测方法 |
CN112163696B (zh) * | 2020-09-14 | 2023-05-02 | 南方电网科学研究院有限责任公司 | 基于水文指数的电力系统稳定性预测方法及装置 |
CN114186640B (zh) * | 2021-12-14 | 2024-08-13 | 国家电网公司华中分部 | 一种区域水电整体发电能力的预测方法 |
CN114236232A (zh) * | 2021-12-16 | 2022-03-25 | 广州城市理工学院 | 一种考虑频率变化趋势的小水电频率预测方法 |
CN114781749B (zh) * | 2022-05-11 | 2024-07-26 | 广西大学 | 一种小水电厂发电流量数据的预测方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102063563A (zh) * | 2010-12-14 | 2011-05-18 | 中国电力科学研究院 | 网省地一体化的母线负荷预测方法 |
CN103258069A (zh) * | 2012-11-30 | 2013-08-21 | 武汉华中电力电网技术有限公司 | 一种钢铁行业电力需求的预测方法 |
CN103683274A (zh) * | 2013-07-16 | 2014-03-26 | 国家电网公司 | 区域中长期风电发电量概率预测方法 |
CN104021427A (zh) * | 2014-06-10 | 2014-09-03 | 上海电力学院 | 一种基于因子分析的并网光伏电站日发电量预测方法 |
CN104182804A (zh) * | 2014-08-21 | 2014-12-03 | 大连理工大学 | 一种预测出力不确定小水电与大中型水电站协调的日前发电方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101084679B1 (ko) * | 2009-11-16 | 2011-11-22 | 한국건설기술연구원 | 유역 물순환 해석 방법 및 이를 이용한 시스템 |
-
2014
- 2014-12-18 CN CN201410805214.6A patent/CN104537436B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102063563A (zh) * | 2010-12-14 | 2011-05-18 | 中国电力科学研究院 | 网省地一体化的母线负荷预测方法 |
CN103258069A (zh) * | 2012-11-30 | 2013-08-21 | 武汉华中电力电网技术有限公司 | 一种钢铁行业电力需求的预测方法 |
CN103683274A (zh) * | 2013-07-16 | 2014-03-26 | 国家电网公司 | 区域中长期风电发电量概率预测方法 |
CN104021427A (zh) * | 2014-06-10 | 2014-09-03 | 上海电力学院 | 一种基于因子分析的并网光伏电站日发电量预测方法 |
CN104182804A (zh) * | 2014-08-21 | 2014-12-03 | 大连理工大学 | 一种预测出力不确定小水电与大中型水电站协调的日前发电方法 |
Non-Patent Citations (3)
Title |
---|
A new indirect multi-step-ahead prediction model for a long-term hydrologic prediction;CT Cheng,JX Xie,KW Chau,M Layeghifard;《Journal of Hydrology》;20081231;第361卷(第1-2期);全文 * |
一元线性回归模型在电力系统负荷预测中的应用与MATLAB实现;杨中华;《科技信息》;20120425(第12期);全文 * |
一元线性回归模型在负荷预测中的应用;吴起等;《中国电力教育》;20100620(第S1期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN104537436A (zh) | 2015-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104537436B (zh) | 一种地区小水电发电能力预测方法 | |
Amini et al. | Impacts of land-use change on streamflows in the Damansara Watershed, Malaysia | |
CN104281780B (zh) | 线性水库滞留汇流及嵌套流域(多子流域)汇流方法 | |
Wu et al. | Simulation of soil loss processes based on rainfall runoff and the time factor of governance in the Jialing River Watershed, China | |
CN105894116A (zh) | 一种流域梯级水库与蓄滞洪区联合调度方法 | |
CN110928965B (zh) | 一种基于流域精细分类的多模型灵活架构的模拟方法 | |
CN106599562B (zh) | 基于概率加权fdc法的河流生态需水量计算方法 | |
CN110222427A (zh) | 一种基于数学模型城市内涝的分析方法 | |
CN104182634B (zh) | 一种梯级水电站联合运行水位控制断面优选方法 | |
Dorchies et al. | Climate change impacts on multi-objective reservoir management: case study on the Seine River basin, France | |
Jie et al. | Selecting proper method for groundwater interpolation based on spatial correlation | |
Wali | Estimating hydropower potential of an ungauged stream | |
CN103116695A (zh) | 一种基于cd-tin的城区内涝淹没过程模拟方法 | |
Wang et al. | Water quality model establishment for middle and lower reaches of Hanshui River, China | |
Aqili et al. | Application of modified tank model to simulate groundwater level fluctuations in Kabul basin, Afghanistan | |
CN104346529B (zh) | 一种社会水循环排水过程数值模拟方法 | |
Sun et al. | An optimized baseflow separation method for assessment of seasonal and spatial variability of baseflow and the driving factors | |
Skoulikaris et al. | Investigation of climate change impacts on hydropower generation: the case of a run-of-river small hydropower plant in North Western Greece | |
Dorchies et al. | Climate change impacts on water resources and reservoir management in the Seine river basin (France) | |
CN107274113A (zh) | 一种新型大坝维修决策评估方法 | |
CN105389453A (zh) | 一种获取水利水电工程入库设计洪水的方法 | |
Peng et al. | Comparative analysis of several Lhasa River basin flood forecast models in Yarlung Zangbo River | |
Zhang et al. | Coupling the hydrological and ecological process to implement the sustainable water resources management in Hanjiang River Basin | |
Patil et al. | Geospatial technology for mapping suitable sites for hydro power plant | |
Perera et al. | Daily and Monthly Lumped Parameter Hydrologic Models for Analysis of Small Watersheds in Sri Lanka |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |