CN104866978A - 一种基于时域量化分析间歇性能源协同效应的方法 - Google Patents
一种基于时域量化分析间歇性能源协同效应的方法 Download PDFInfo
- Publication number
- CN104866978A CN104866978A CN201510300842.3A CN201510300842A CN104866978A CN 104866978 A CN104866978 A CN 104866978A CN 201510300842 A CN201510300842 A CN 201510300842A CN 104866978 A CN104866978 A CN 104866978A
- Authority
- CN
- China
- Prior art keywords
- energy source
- intermittent energy
- intermittent
- fluctuation
- wind
- 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
Landscapes
- Wind Motors (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了属于新能源发电并网技术领域的一种基于时域间歇性能源协同效应量化分析方法。该方法包括:基于相关系数从年月、日两个时间尺度分析间歇性能源长期协同效应;确定一种基于模糊分类的间歇性能源日出力波动特性分类方法;计算间歇性能源协同效应相关系数与比波动指标两种间歇性能源协同效应指标;根据间歇性能源协同效应相关系数分析间歇性能源年月、日尺度协同效应;基于间歇性能源协同效应波动指标分析间歇性能源短期协同效应;本发明从不同级别时间尺度上对间歇性能源的协同效应进行分析,确定间歇性能源之间的相关性与互补性,为含高渗透率间歇性能源区域电网的电网规划提供了理论依据和指导。
Description
技术领域
本发明属于新能源的协同技术领域,特别涉及一种基于时域量化分析间歇性能源协同效应的方法。
背景技术
在含有多种新能源的复杂电力系统中,由于不同种类的新能源电场的资源特性、地理环境、气候等因素的差异,当其并入系统后,整体输出功率特性会互相影响,电力系统中输出功率的波动,会给工农业生产带来不同的事故隐患。
整体波动性减弱的特性称为协同效应,实际上,协同效应就是不同资源类型的集群效应。协同效应的分析方法与集群效应类似。鉴于风电发展最为迅速,在电网中占有重要地位的新能源,故分析结合风电情况下的含新能源复杂电网的协同效应具有十分重要实际意义。
发明内容
本发明的目的是提出一种基于时域量化分析间歇性能源协同效应的方法其特征在于,该方法包括:
从三种时间尺度对间歇性能源协同效应进行分析;
计算间歇性能源协同效应指标;
基于不同分析尺度结合间歇性能源协同效应指标对间歇性能源协同效应进行分析;
所述三种时间尺度分别为年月时间尺度、日时间尺度和短期时间尺度三个尺度。
所述基于模糊分类的间歇性能源日出力波动特性分类方式:根据风电和光伏的相关数据,对日时间尺度下的间歇性能源波动特性进行分析;其中基于模糊分类的间歇性能源日出力波动特性分类方式为:
1)风电日出力波动特性分为:坡状,波峰状,波谷状,水平状;
将一天24各时段分为三段,0:00到7:00,7:00到18:00,18:00到24:00,统计这三个时段的风电出力平均值,分别为
间歇性能源风电场日出力曲线呈先上升后下降的趋势,波动类型为波峰状波动;
间歇性能源风电场日出力曲线呈先下降后上升的趋势,波动类型为波谷状波动;
或间歇性能源风电场日出力曲线总体呈上升趋势或总体呈下降趋势,波动类型为坡状波动;
间歇性能源风电场日出力曲线总体保持在一个水平状态,波动类型为水平状波动。
2)光伏日出力波动特性分为:晴天,阴天,雨天;其中光伏发电系统主要工作在每天的7:00-18:00,出力较为规律,在上午逐渐增大,中午出力达到最大,下午逐渐下降,晚上不出力;
日平均出力较高的为晴天波动;
日平均出力较低的,曲线平缓的为阴天波动;
所述对间歇性能源年月、日协同效应进行分析,根据间歇性能源协同效应相关系数,其间歇性能源协同效应相关性的计算公式为:
式(1)中,α表示两个间歇性能源电场的出力的相关系数;PW表示间歇性能源风电场的出力;为统计时段内间歇性能源风电场出力平均值;Pph表示间歇性能源光伏电场的出力;为统计时段内间歇性能源光伏电场出力平均值;
若α>0间歇性能源之间具有相关性,总的出力波动增大;若α<0间歇性能源之间具有互补性,总的出力波动减小。
所述对间歇性能源短期协同效应进行分析,根据间歇性能源协同效应波动指标,包括峰值比、相对峰值比、最大偏移量比和最大幅值差比;
所述峰值比的计算公式为:
所述相对峰值比的计算公式为:
所述最大偏移量比的计算公式为:
所述最大幅值差比的计算公式为:
上述式(2)-式(5)中,Pi表示间歇性能源第i个子电场出力;
Pi,c表示间歇性能源电场集群中第i个子电场的额定功率;
PΔ表示间歇性能源电场集群总功率波动量;
VPm表示峰值比;
Voin表示相对峰值比;
VΔPS表示最大偏移量比;
VΔP表示最大幅值差比;
所述根据短期时间尺度的间歇性能源的波动性得到间歇性能源协同效应指标,对间歇性能源协同效应进行分析,由于光伏电站的加入,集群效应各个指标量均有所降低,即短期波动性,分别从年月度变动特性,日变化特性,以及短期波动特性分析风电、光伏发电在不同时间尺度上的协同效应;
(1)月度出力互补性:风电场在不同月份出力波动较大,出力最多的月份平均功率可以超过出力低月份数倍;对于光伏出力,各月份出力水平波动不大;
(2)日出力的波动特性
从年度统计规律来看,在沿海地区,大部分风电场24小时内的规律性为:夜晚和上午风电的出力水平较低,午后风电出力水平不断增加,不同于内陆风电场明显的反调峰特性,峰值一般出现在14:00~17:00,而此时的光伏出力也处于较高水平,一般情况下,光伏出力在10:00~17:00处于较高水平,风电出力与光伏的日相关系数较低;但是,由于风电出力波动特性比较大,也能出现风电出力与光伏的日相关系数较高的情况;
(3)短期协同效应
由于光伏电站的加入,集群效应各个指标量均有所降低,即短期波动性,风电和光伏的叠加可以在一定程度上削弱间歇性电源出力的波动性。
本发明的有意效果是本发明从不同级别时间尺度上对间歇性能源的协同效应进行分析,总结间歇性能源之间的相关性与互补性,明确间歇性能源之间的相互平抑效果,为含高渗透率间歇性能源区域电网的电网规划提供了理论依据和指导。
附图说明
图1为海南地区主要风电场及光伏电站月度平均出力情况。
图2为海南2012年8月2日风电与光伏出力曲线。
图3为海南2012年8月4日风电与光伏出力曲线。
图4为峨蔓、感城、四更和文昌风电场24h出力标么值。
图5为光伏日出力曲线。
图6为间歇性能源风电场波动典型出力曲线。
图7为海南2012年风电与光伏日出力相关系数分布直方图。
图8为间歇性能源协同效应的时域量化分析示意图。
具体实施方式
本发明提出一种基于时域量化分析间歇性能源协同效应的方法,下面结合附图和实施例对本发明予以进一步说明。
如图8所示,从年月时间尺度、日时间尺度和短期时间尺度三个尺度,对间歇性能源协同效应进行分析;计算间歇性能源协同效应指标;
基于不同分析尺度结合间歇性能源协同效应指标对间歇性能源协同效应进行分析;
如图1所示海南地区主要风电场及光伏电站月度平均出力情况及图6所示的间歇性能源风电场波动典型出力曲线可以看出,风电和光伏的相关数据为在月、日时间尺度下间歇性能源的波动型式为:
1)风电日出力波动型分为:坡状,波峰状,波谷状,水平状;
间歇性能源风电场日出力曲线呈先上升后下降的趋势,波动类型为波峰状波动;
间歇性能源风电场日出力曲线呈先下降后上升的趋势,波动类型为波谷状波动;
间歇性能源风电场日出力曲线总体呈上升趋势或总体呈下降趋势,波动类型为坡状波动;
间歇性能源风电场日出力曲线总体保持在一个水平状态,波动类型为水平状波动。
2)光伏日出力波动性分为:晴天,阴天,雨天;其中光伏发电系统主要工作在每天的7:00-18:00,出力较为规律,在上午逐渐增大,中午出力达到最大,下午逐渐下降,晚上不出力;
日平均出力较高的为晴天波动;
日平均出力较低的,曲线平缓的为阴天波动;
日平均出力曲线比较不规律,出力低谷集中在下雨时段的为雨天波动。
所述对间歇性能源年月、日时间尺度协同效应进行分析,根据间歇性能源协同效应指标,其间歇性能源协同效应相关性的计算公式为:
式(1)中,α表示两个间歇性能源电场的出力的相关系数;PW表示间歇性能源风电场的出力;为统计时段内间歇性能源风电场出力平均值;Pph表示间歇性能源光伏电场的出力;为统计时段内间歇性能源光伏电场出力平均值;
若α>0间歇性能源之间具有相关性,总的出力波动增大;若α<0间歇性能源之间具有互补性,总的出力波动减小。
所述对间歇性能源短期时间尺度协同效应进行分析,根据间歇性能源协同效应波动指标,包括峰值比、相对峰值比、最大偏移量比和最大幅值差比;
所述峰值比的计算公式为:
所述相对峰值比的计算公式为:
所述最大偏移量比的计算公式为:
所述最大幅值差比的计算公式为:
上述式(2)-式(5)中,Pi表示间歇性能源第i个子电场出力;
Pi,c表示间歇性能源电场集群中第i个子电场的额定功率;
PΔ表示间歇性能源电场集群总功率波动量;
VPm表示峰值比;
Voin表示相对峰值比;
VΔPS表示最大偏移量比;
VΔP表示最大幅值差比;
从图7所示的海南2012年风电与光伏日出力相关系数分布直方图看出,风电与光伏发电的协同效应,分别从年月度变动特性,日变化特性,以及短期波动特性分析风电、光伏发电在不同时间尺度上的协同效应。
实施例,风电与光伏发电的协同效应
分别从年月度变动特性,日变化特性,以及短期波动特性分析风电、光伏发电在不同时间尺度上的协同效应。
(1)月度出力互补性:风电场在不同月份出力波动较大,出力最多的月份平均功率可以超过出力低月份数倍;对于光伏出力,各月份出力水平波动不大。
海南地区5-10月份光伏平均出力较高,如图1所示为海南地区主要风电场及光伏电站月度平均出力变化曲线,可以看出风电场在不同月份出力波动较大,出力最多的月份平均功率可以超过出力低月份数倍;对于光伏出力,各月份出力水平波动不大。经过计算文昌风电场与光伏电站出力的相关系数为0.31,表明文昌电场与光伏电站的相关性较强,间歇性能源协同效应较弱。感城风电场与光伏电站出力的相关系数为-0.71,表明感城风电场与光伏电站的互补性较好,间歇性能源协同效应较强,可以相互平抑波动。
(2)日出力的波动特性
从年度统计规律来看,在沿海地区,大部分风电场24小时内的规律性为:夜晚和上午风电的出力水平较低,午后风电出力水平不断增加,不同于内陆风电场明显的反调峰特性,峰值一般出现在14:00~17:00,(如图2所示)。而此时的光伏出力也处于较高水平,一般情况下,光伏出力在10:00~17:00处于较高水平(如图5所示),风电出力与光伏的日相关系数较低;但是,由于风电出力波动特性比较大,也能出现风电出力与光伏的日相关系数较高的情况;(如图3所示)间歇性能源风电场波动典型出力情况(如图4、6所示)以海南8月2日、4日为例,分析晴天天气时光伏与风电的协同效应。图2为海南2012年8月2日风电与光伏出力曲线,8月2日天气为晴天,风电出力波动型为谷状波动。风电出力与光伏的日相关系数为-0.565,说明风光互补性较好。图3为海南2012年8月4日风电与光伏出力曲线,8月4日天气为晴天,风电出力波动型为峰状波动。风电出力与光伏的日相关系数为0.846,说明风光互补性较弱。
(3)短期协同效应
以一个容量为50MW间歇能源电场的为例,分析加入20MW光伏电站前后,各个集群效应指标变化情况:如表1所示的当50MW间歇性电源,加入光伏电源前后间歇性电源协同效应指标
表1 50MW间歇性电源,加入光伏电源前后间歇性电源协同效应指标
可以看出,由于光伏电站的加入,集群效应各个指标量均有所降低,即短期情况下,风电和光伏的叠加可以在一定程度上削弱间歇性电源出力的波动性。
在现有5个风电场,250MW间歇性电源的基础上,分别考察加入20MW光伏电站前后,各个集群效应指标的变化情况,如下表2所示。
表2 250MW间歇性电源,加入光伏电源前后间歇性电源协同效应指标
如表2所示当250MW间歇性电源,加入光伏电源前后间歇性电源协同效应指标;可以看出,当间歇性地电源渗透率的加大时,光伏消弱间歇性能源出力波动性的能力降低,集群效应各指标下降并不明显;但是,光伏拉大出力最大值以及峰谷差的程度降低。
可以看出,由于光伏电站的加入,集群效应各个指标量均有所降低,即短期情况下,风电和光伏的叠加可以在一定程度上削弱间歇性电源出力的波动性。但从绝对值来看,出力最大值以及峰谷差都有所增加,说明这种叠加并没有明显的互补性。
Claims (5)
1.一种基于时域量化分析间歇性能源协同效应的方法,其特征在于,该方法包括:
从年月时间尺度、日时间尺度的间歇性能源的波动性计算间歇性能源相关系数和根据短期时间尺度的间歇性能源的波动性计算间歇性能源协同效应指标;
基于不同分析时间尺度得到的间歇性能源相关系数,并结合间歇性能源协同效应指标对间歇性能源协同效应进行分析。
2.根据权利要求1所述一种基于时域量化分析间歇性能源协同效应的方法,其特征在于,基于模糊分类的间歇性能源日出力波动特性分类方式:
根据风电和光伏的相关数据,对日时间尺度下的间歇性能源波动特性进行分析;其中基于模糊分类的间歇性能源日出力波动特性分类方式为:
1)风电日出力波动特性分为:坡状,波峰状,波谷状,水平状;
将一天24小时分为三个时段:0:00到7:00,7:00到18:00,18:00到24:00;统计这三个时段的风电出力平均值,分别为
当时,间歇性能源风电场日出力曲线呈先上升后下降的趋势,波动类型为波峰状波动;
当时,间歇性能源风电场日出力曲线呈先下降后上升的趋势,波动类型为波谷状波动;
当或时,间歇性能源风电场日出力曲线总体呈上升趋势或总体呈下降趋势,波动类型为坡状波动;
当时,间歇性能源风电场日出力曲线总体保持在一个水平状态,波动类型为水平状波动;
2)光伏日出力波动特性分为:晴天,阴天,雨天;其中光伏发电系统主要工作在每天的7:00-18:00,出力较为规律,在上午逐渐增大,中午出力达到最大,下午逐渐下降,晚上不出力;
日平均出力较高的为晴天波动;
日平均出力较低的,曲线平缓的为阴天波动;
日平均出力曲线比较不规律,出力低谷集中在下雨时段的为雨天波动。
3.根据权利要求1所述一种基于时域量化分析间歇性能源协同效应的方法,其特征在于,所述间歇性能源协同效应相关系数的计算公式为:
1)间歇性能源协同效应相关性系数:
式(1)中
α表示两个间歇性能源电场的出力的相关系数;
PW表示间歇性能源风电场的出力;
为统计时段内间歇性能源风电场出力平均值;
Pph表示间歇性能源光伏电场的出力;
为统计时段内间歇性能源光伏电场出力平均值;
若α>0间歇性能源之间具有相关性,总的出力波动增大;若α<0间歇性能源之间具有互补性,总的出力波动减小;间歇性能源子电场之间出力的相关系数α定性的说明了不同种能源之间的叠加关系。
4.根据权利要求1所述一种基于时域量化分析间歇性能源协同效应的方法,其特征在于,所述间歇性能源协同效应波动指标包括峰值比、相对峰值比、最大偏移量比和最大幅值差比;
所述峰值比的计算公式为:
所述相对峰值比的计算公式为:
所述最大偏移量比的计算公式为:
所述最大幅值差比的计算公式为:
上述式(2)-式(5)中,Pi表示间歇性能源第i个子电场出力;
Pi,c表示间歇性能源电场集群中第i个子电场的额定功率;
PΔ表示间歇性能源电场集群总功率波动量;
VPm表示峰值比;
Voin表示相对峰值比;
VΔPS表示最大偏移量比;
VΔP表示最大幅值差比。
5.根据权利要求1所述一种基于时域量化分析间歇性能源协同效应的方法,其特征在于,所述根据短期时间尺度的间歇性能源的波动性得到间歇性能源协同效应指标,对间歇性能源协同效应进行分析,由于光伏电站的加入,集群效应各个指标量均有所降低,即短期波动性,分别从年月度变动特性,日变化特性,以及短期波动特性分析风电、光伏发电在不同时间尺度上的协同效应;
(1)月度出力互补性:风电场在不同月份出力波动较大,出力最多的月份平均功率可以超过出力低月份数倍;对于光伏出力,各月份出力水平波动不大;
(2)日出力的波动特性
从年度统计规律来看,在沿海地区,大部分风电场24小时内的规律性为:夜晚和上午风电的出力水平较低,午后风电出力水平不断增加,不同于内陆风电场明显的反调峰特性,峰值出现在14:00~17:00,而此时的光伏出力在10:00~17:00也处于较高水平,风电出力与光伏的日相关系数较低;但是,由于风电出力波动特性比较大,也能出现风电出力与光伏的日相关系数较高的情况;
(3)短期协同效应
由于光伏电站的加入,集群效应各个指标量均有所降低,即短期波动性,风电和光伏的叠加可以在一定程度上削弱间歇性电源出力的波动性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510300842.3A CN104866978B (zh) | 2015-06-03 | 2015-06-03 | 一种基于时域量化分析间歇性能源协同效应的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510300842.3A CN104866978B (zh) | 2015-06-03 | 2015-06-03 | 一种基于时域量化分析间歇性能源协同效应的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104866978A true CN104866978A (zh) | 2015-08-26 |
CN104866978B CN104866978B (zh) | 2019-01-15 |
Family
ID=53912798
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510300842.3A Active CN104866978B (zh) | 2015-06-03 | 2015-06-03 | 一种基于时域量化分析间歇性能源协同效应的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104866978B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105335560A (zh) * | 2015-10-29 | 2016-02-17 | 中国电力科学研究院 | 光伏发电功率波动性及其自动发电控制备用需求计算方法 |
CN105590271A (zh) * | 2016-02-03 | 2016-05-18 | 南方电网科学研究院有限责任公司 | 一种基于风电场出力波动性模糊的分类方法 |
CN108054781A (zh) * | 2018-01-06 | 2018-05-18 | 东北电力大学 | 一种基于db6离散小波变换的风电集群功率汇聚效应的时频分析方法 |
CN109377022A (zh) * | 2018-09-28 | 2019-02-22 | 国网湖南省电力有限公司 | 暴雨及次生灾害对电网的跨区域影响的评估方法及系统 |
CN109409681A (zh) * | 2018-09-28 | 2019-03-01 | 国网湖南省电力有限公司 | 跨区域电网台风影响的评估方法及系统 |
CN111162566A (zh) * | 2020-01-21 | 2020-05-15 | 中国电力科学研究院有限公司 | 一种确定风光联合发电系统的联合出力特性的方法和系统 |
CN111751680A (zh) * | 2020-06-12 | 2020-10-09 | 武汉大学 | 一种环保气体绝缘介质协同效应的计算方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040167731A1 (en) * | 2002-12-23 | 2004-08-26 | Abb, Inc. | Failure rate adjustment for electric power network reliability analysis |
CN101930491A (zh) * | 2010-08-18 | 2010-12-29 | 华北电力大学 | 限制短路电流措施的综合评价方法 |
-
2015
- 2015-06-03 CN CN201510300842.3A patent/CN104866978B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040167731A1 (en) * | 2002-12-23 | 2004-08-26 | Abb, Inc. | Failure rate adjustment for electric power network reliability analysis |
CN101930491A (zh) * | 2010-08-18 | 2010-12-29 | 华北电力大学 | 限制短路电流措施的综合评价方法 |
Non-Patent Citations (4)
Title |
---|
李剑楠: "大规模风电多尺度出力波动性的统计建模研究", 《电力系统保护与控制》 * |
林卫星: "风电功率波动特性的概率分布研究", 《中国电机工程学报》 * |
樊扬: "广东电网风电出力特性分析及其经济性评价", 《南方电网技术》 * |
赵冬梅等: "间歇性能源出力特性综合分析体系及其应用", 《南方电网技术》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105335560A (zh) * | 2015-10-29 | 2016-02-17 | 中国电力科学研究院 | 光伏发电功率波动性及其自动发电控制备用需求计算方法 |
CN105335560B (zh) * | 2015-10-29 | 2019-01-08 | 中国电力科学研究院 | 光伏发电功率波动性及其自动发电控制备用需求计算方法 |
CN105590271A (zh) * | 2016-02-03 | 2016-05-18 | 南方电网科学研究院有限责任公司 | 一种基于风电场出力波动性模糊的分类方法 |
CN108054781A (zh) * | 2018-01-06 | 2018-05-18 | 东北电力大学 | 一种基于db6离散小波变换的风电集群功率汇聚效应的时频分析方法 |
CN108054781B (zh) * | 2018-01-06 | 2019-08-30 | 东北电力大学 | 一种基于db6小波的风电汇聚效应时频分析方法 |
CN109377022A (zh) * | 2018-09-28 | 2019-02-22 | 国网湖南省电力有限公司 | 暴雨及次生灾害对电网的跨区域影响的评估方法及系统 |
CN109409681A (zh) * | 2018-09-28 | 2019-03-01 | 国网湖南省电力有限公司 | 跨区域电网台风影响的评估方法及系统 |
CN109377022B (zh) * | 2018-09-28 | 2022-03-08 | 国网湖南省电力有限公司 | 暴雨及次生灾害对电网的跨区域影响的评估方法及系统 |
CN109409681B (zh) * | 2018-09-28 | 2022-03-08 | 国网湖南省电力有限公司 | 跨区域电网台风影响的评估方法及系统 |
CN111162566A (zh) * | 2020-01-21 | 2020-05-15 | 中国电力科学研究院有限公司 | 一种确定风光联合发电系统的联合出力特性的方法和系统 |
CN111162566B (zh) * | 2020-01-21 | 2022-07-01 | 中国电力科学研究院有限公司 | 一种确定风光联合发电系统的联合出力特性的方法和系统 |
CN111751680A (zh) * | 2020-06-12 | 2020-10-09 | 武汉大学 | 一种环保气体绝缘介质协同效应的计算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104866978B (zh) | 2019-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Long-term complementary operation of a large-scale hydro-photovoltaic hybrid power plant using explicit stochastic optimization | |
CN104866978A (zh) | 一种基于时域量化分析间歇性能源协同效应的方法 | |
Maatallah et al. | Assessment viability for hybrid energy system (PV/wind/diesel) with storage in the northernmost city in Africa, Bizerte, Tunisia | |
Kougias et al. | A methodology for optimization of the complementarity between small-hydropower plants and solar PV systems | |
Jurasz et al. | Integrating photovoltaics into energy systems by using a run-off-river power plant with pondage to smooth energy exchange with the power gird | |
Lave et al. | Solar variability of four sites across the state of Colorado | |
Bekele et al. | Wind energy potential assessment at four typical locations in Ethiopia | |
Akdağ et al. | Evaluation of wind energy investment interest and electricity generation cost analysis for Turkey | |
Moraes Jr et al. | Comparison of long-term wind and photovoltaic power capacity factor datasets with open-license | |
Dorji et al. | Options for off-grid electrification in the Kingdom of Bhutan | |
Kan et al. | The linkage between renewable energy potential and sustainable development: Understanding solar energy variability and photovoltaic power potential in Tibet, China | |
CN104135036B (zh) | 一种基于时域和集群效应分析间歇性能源出力的方法 | |
CN104868505B (zh) | 大型太阳能光伏发电基地集群出力特性分析方法 | |
CN102013701A (zh) | 一种高海拔地区电网光伏发电接纳能力计算方法 | |
Kassem et al. | Economic assessment of renewable power generation based on wind speed and solar radiation in urban regions | |
Stewart et al. | A realistic irradiance-based voltage flicker analysis of PV applied to Hawaii distribution feeders | |
Patarau et al. | Analysis and optimization of a geothermal, biomass, solar hybrid system: An application of PV* Sol software | |
Tambunan et al. | A preliminary study of solar intermittency characteristic in single area for solar photovoltaic applications | |
Ratner et al. | Evaluating environmental impacts of photovoltaic technologies using Data Envelopment Analysis | |
Li | Evaluation of the viability potential of four grid-connected solar photovoltaic power stations in Jiangsu Province, China | |
Dahlan et al. | Solar grid parity for Malaysia: Analysis using experience curves | |
CN105389744B (zh) | 一种基于负荷昼夜峰值差约束的光伏容量可信度的评估方法 | |
Dwivedy et al. | Study of cost analysis and emission analysis for grid connected PV systems using RETSCREEN 4 simulation software | |
Koo et al. | Integrated approach to evaluating the impact of feed-in tariffs on the life cycle economic performance of photovoltaic systems in China: A case study of educational facilities | |
Shimada et al. | Grid-connected photovoltaic systems with battery storages control based on insolation forecasting using weather forecast |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |