CN104868505A - 大型太阳能光伏发电基地集群出力特性分析方法 - Google Patents
大型太阳能光伏发电基地集群出力特性分析方法 Download PDFInfo
- Publication number
- CN104868505A CN104868505A CN201510299393.5A CN201510299393A CN104868505A CN 104868505 A CN104868505 A CN 104868505A CN 201510299393 A CN201510299393 A CN 201510299393A CN 104868505 A CN104868505 A CN 104868505A
- Authority
- CN
- China
- Prior art keywords
- photovoltaic
- month
- day
- base
- typical case
- 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
Classifications
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
Landscapes
- Photovoltaic Devices (AREA)
Abstract
本发明涉及大型太阳能光伏发电基地发电技术与并网技术应用领域,具体涉及大型太阳能光伏发电基地集群出力特性分析方法;包括步骤:1、通过光照资源数据拟合光伏基地各月份典型日逐时光照强度曲线;2、利用各月份典型日光照强度逐时拟合曲线,推算光伏基地各月典型日逐时发电出力特性曲线;3、预测计算光伏基地典型日发电量、月累计发电量、全年累计发电量;光伏基地等效年利用小时数;4、计算光伏基地典型日白天等效平均出力和全天等效平均出力;5、通过光伏基地集群出力特性分析,合理安排电网经济调度运行曲线,优化系统调峰容量安排。本发明预测方法更准确、更全面,直观反映大型光伏基地出力特性,为电网公司提供调度运行依据。
Description
技术领域
本发明涉及大型太阳能光伏发电基地发电技术与并网技术应用领域,具体涉及大型太阳能光伏发电基地集群出力特性分析方法;在此基础上提供光伏发电基地发电量、最大发电功率的计算方法及电网调度与调峰策略分析方法。
背景技术
一、问题的提出
目前我国太阳能发电的发展方式是以建设大规模光伏发电基地为主,以实现规模化效益、充分利用优势太阳能资源。不同于传统火电或水电,太阳能是一种间歇性能源,光伏发电出力特性具有随机性和波动性,这些不利的特性给电力系统电源规划、电网运行方式安排均产生较大影响。对光伏基地出力特性进行分析,得出较为精确的出力特性曲线,是大型光伏发电基地上网电量计算、电网电力电量平衡计算与电网调峰容量确定的重要依据。
二、光伏发电量的传统计算方法
发电量计算的准确性是确定光伏发电项目收益能力的基础数据、是光伏发电基地安排装机规模、确定光伏电量消纳范围的前提。目前大多数的光伏电站工程设计中普遍采用了光电峰值小时数的方法推算光伏电站月平均发电量。峰值日照小时数的概念是:将太阳电池组件所在平面上某段时间中能接收到的太阳辐射量转换为1000W/m2条件下的等效小时数称峰值日照小时数。若太阳能电池组件在1h中接收到的太阳辐射量为1MJ/m2,由以上峰值日照小时数的定义,可得:1MJ/m2·h=1000000J/m2·3600s=(1000W/m2)/3.6;故若太阳能电池组件在1h中接收到的太阳辐射量为1MJ/m2,则其在1000W/m2条件下的等效小时数为1/3.6h。由于太阳能电池组件的峰值功率均在1000W/m2条件下标定,因此采用峰值日照小时数乘以光伏电站的装机容量即为光伏电站的理论发电量(最大发电量)。
传统计算方法存在的问题:传统计算方法虽然提供了便捷的光伏发电量计算方法,但是太阳能电池组件的峰值功率是基于实验室标准环境标定,因此忽略了光伏电站所处外部环境对发电功率的影响,以及光电转换效率在不同出力条件下的不同,故而降低了年发电量以及年利用小时数计算的精度,所得计算结果偏理论化,实际应用价值不高。并且,传统计算方法一般多用于预测电量,不能实时预测光伏电站的出力特性,不能为电网调度部门提供调度运行依据,不可避免因为光伏发电出力波动增加电网调度运行难度。
三、光伏发电功率预测
光伏电站短期、中期及长期发电功率的预测可以为电网调度提供更为准确的预测信息,帮助调度安排好电网的经济运行方式及电网调峰容量计划。
由于影响光伏阵列发电功率的因素很多,目前光伏电站发电出力还没有准确的预测方法和手段。电网调度部门通常根据以往运行经验,假定一个最大出力系数,光伏装机容量乘以最大出力系数即可得到光伏电站最大发电功率,并以此数值作为夜间光伏停发状态需要电网提供的调峰备用容量。
上述方法适用于粗略估计光伏最大发电功率,不能实现基于实时发电功率合理安排运行方式,不利于充分发挥电网调峰调频能力。
针对目前电网调度部门无法准确可靠预测光伏发电功率的现实问题,本发明试图给电源企业和电网公司提供一种光伏发电功率预测方法,用于大型光伏发电基地发电功率预测、调度运行和调峰需求计算,试图解决目前大型光伏发电基地在电网调度中的预知性问题,同时优化光伏电站本体部分设计、提出全新的发电量计算方法。
发明内容
本发明要解决的技术问题在于提供一种大型太阳能光伏发电基地集群出力特性分析方法;该方法能够直观反映大型光伏基地出力特性,能为电网公司提供调度运行依据,有利于合理安排电网经济运行方式及电网调峰容量计划,提高电网接纳光伏容量的能力。
本发明解决所述技术问题采取的技术方案如下:一种大型太阳能光伏发电基地集群出力特性分析方法;其特征在于包括下述步骤:
第一步,通过光照资源数据拟合光伏基地各月份典型日逐时光照强度曲线;
利用气象站多年光照资源观测数据,推算光伏基地代表年逐月典型日逐时光照资源参数,针对一年的12个月份,通过METEOINFO等光资源分析软件模拟得到12条典型日光照强度逐时曲线,得到各月份典型日光照强度逐时拟合曲线;
第二步,光伏基地发电出力特性曲线和发电出力特性分析;利用各月份典型日光照强度逐时拟合曲线,推算光伏基地各月典型日逐时发电出力特性曲线;
利用式(1)对各月份典型日逐时光照强度曲线进行微分,微分后得到12条典型日逐时发电出力特性曲线,即为光伏基地各月份典型日逐时发电出力特性曲线;
式(1)中:X为典型日逐时光照强度,P为典型日逐时发电出力,η为光电效率,t为光照时间;当dt无限趋近于0时,得到发电出力P实时平滑的特性曲线;
利用式(2)各月份典型日逐时发电出力特性曲线纵坐标P的最大值PMAX与光伏基地装机容量SN的比值,得到光伏基地最大出力系数Kpv,该系数为光伏基地重要的发电出力特性指标之一;
式(2)中:PMAX为光伏基地发电出力的最大值,SN为光伏基地装机容量;
第三步,预测计算光伏基地典型日发电量、月累计发电量、全年累计发电量;光伏基地等效年利用小时数;上述参数亦为光伏基地主要的发电出力特性指标之一;
利用式(3)求取某月份典型日逐时发电出力特性曲线对日有效发电时间t的积分,得到该月份典型日发电量;同理可求取一年中各月份典型日发电量;
式(3)中:Qdi为某月份典型日发电量,Pi为某月份典型日逐时发电出力特性曲线,t为日有效发电时间;
利用式(4)各月份典型日发电量Qdi乘以各月份有效发电天数di,得到各月份累计发电量Qi;
Qi=Qdidi.........................................................................(4)
式(4)中:Qdi为各月份典型日发电量,Qi为各月份累计发电量,di为各月份有效发电天数;
利用式(5)对各月份累计发电量进行求和,得到全年累计发电量;
式(5)中:Qi为各月份累计发电量,Qtotal为全年累计发电量;
利用式(6)求取全年累计发电量与光伏基地装机容量的比值,得到光伏基地等效年利用小时数;
式(6)中:Qtotal为全年累计发电量;SN为光伏基地装机容量;H为等效年利用小时数;
第四步,计算光伏基地典型日白天等效平均出力和全天等效平均出力,以上两个指标为光伏基地主要的发电出力特性指标之一;
利用式(7)和式(8)求得光伏基地某月份典型日白天等效平均出力PAV1和全天等效平均出力PAV2;
式(7)和式(8)中:T1为日出至日落时间;T2为全天时间;Qdi为某月份典型日发电量;
第五步,通过光伏基地集群出力特性分析,合理安排电网经济调度运行曲线,优化系统调峰容量安排;
基于上述步骤对光伏基地各月典型日发电出力特性曲线、发电量,以及月发电量和年发电量的预知,作为电网安排经济调度运行曲线的依据;基于光伏基地最大出力系数Kpv和电网可为光伏提供调峰容量Ppv,利用式(9)推算电网可接纳光伏容量Spv;通过增加调峰电源容量提高电网可为光伏提供调峰容量Ppv,可以提高电网接纳光伏的能力;
式(9)中:Spv为电网可接纳光伏容量;PPV为电网可为光伏提供调峰容量;Kpv为光伏基地最大出力系数。
本发明基于光照辐射量,运用曲线拟合技术和微积分理论,提出一种适用于大型光伏基地集群出力特性分析的新方法;通过光照辐射量与光功率之间的微积分关系,推算各月典型日逐时发电出力特性曲线和概率分布,得到出力特性指标最大出力系数Kpv;光伏各月典型日发电出力特性曲线对时间轴进行积分,得到各月典型日发电量、各月累计发电量、全年累计发电量;全年累计发电量与装机容量的比值为等效年利用小时数;典型日发电量对发电时间的平均值为平均出力。
本发明较传统的发电量预测方法更准确、更全面,可提高发电量和利用小时数,还能够更直观反映大型光伏基地出力特性,能为电网公司提供调度运行依据,有利于合理安排电网经济运行方式及电网调峰容量计划,提高电网接纳光伏容量的能力,具有很好的经济价值和实用价值。
本发明通过光照辐射量与光功率之间的微积分关系,推算逐时光伏发电出力特性曲线。光伏发电量计算方法为光伏发电出力特性曲线对时间轴进行积分,年等效利用小时数则等于年累计发电量与装机容量的比值。
附图说明
图1是逐月典型日光照强度拟合曲线图;图中:纵坐标代表逐时辐射强度(W/m2),横坐标代表时间(h);1代表1月份典型日光照强度拟合曲线,2代表2月份典型日光照强度拟合曲线,…12代表12月份典型日光照强度拟合曲线;
图2是各月份典型日逐时发电出力特性曲线图;图中:纵坐标代表出力特性(W),横坐标代表时间(h);1代表1月份典型日逐时发电出力特性曲线,2代表2月份典型日逐时发电出力特性曲线,…12代表12月份典型日逐时发电出力特性曲线;
图3是光伏基地发电出力概率分布图;图中:纵坐标代表光伏基地发电量百分比,横坐标代表光伏基地发电出力百分比,它等于发电出力除以装机容量;
图4是逐月典型日最大拟合出力图,图中:纵坐标代表月典型日最大拟合出力,横坐标代表月份;
图5是逐月日平均拟合出力图;图中:纵坐标代表发电出力标幺值(p.u.),横坐标代表月份(m);1代表全天平均出力,2代表白天平均出力;
图6是电网典型日等效负荷特性曲线图;图中:纵坐标代表电网负荷标幺值,横坐标代表时间(h);1代表等效负荷曲线,2代表光伏发电出力,3代表电网负荷曲线。
具体实施方式
下面以甘肃某光伏发电集群式基地为例对本发明给予进一步的说明。大型太阳能光伏发电基地集群出力特性分析方法;模拟计算步骤包括:①光资源原始数据分析,得到逐月典型日光照强度逐时拟合曲线;②光伏发电出力特性曲线,即由典型日光照强度逐时拟合曲线推算光伏电站出力特性曲线;③计算光伏基地典型日发电量、月累计发电量、全年累计发电量;光伏基地等效年利用小时数;④光伏出力特性分析,即由全年逐月典型日光伏出力特性曲线推算全年逐月白天平均出力和全天平均出力;⑤光伏电站电网调度问题的解决及优化,即通过光伏出力特性的预知,合理安排电力经济调度,优化调峰。具体步骤如下:
第一步,通过光照资源数据拟合光伏基地各月份典型日逐时光照强度曲线;
利用气象站多年光照资源观测数据,推算光伏基地代表年逐月典型日逐时光照资源参数,针对一年的12个月份,通过METEOINFO光资源分析软件模拟得到12条典型日光照强度逐时曲线,得到如图1所示的各月份典型日光照强度逐时拟合曲线;
第二步,光伏基地发电出力特性曲线和发电出力特性分析;利用各月份典型日光照强度逐时拟合曲线,推算光伏基地各月典型日逐时发电出力特性曲线;
利用式(1)对各月份典型日逐时光照强度曲线进行微分,微分后得到如图2所示的12条典型日逐时发电出力特性曲线;
式(1)中:X为典型日逐时光照强度,P为典型日逐时发电出力,η为光电效率,t为光照时间;当dt无限趋近于0时,得到发电出力P实时平滑的特性曲线;
利用式(2)各月份典型日逐时发电出力特性曲线纵坐标P的最大值PMAX与光伏基地装机容量SN的比值,得到光伏基地最大出力系数Kpv;
式(2)中:PMAX为光伏基地发电出力的最大值,SN为光伏基地装机容量;
第三步,预测计算光伏基地典型日发电量、月累计发电量、全年累计发电量;光伏基地等效年利用小时数;
利用式(3)求取某月份典型日逐时发电出力特性曲线对日有效发电时间t的积分,得到该月份典型日发电量;同理可求取一年中各月份典型日发电量;
式(3)中:Qdi为某月份典型日发电量,Pi为某月份典型日逐时发电出力特性曲线,t为日有效发电时间;
利用式(4)各月份典型日发电量Qdi乘以各月份有效发电天数di,得到各月份累计发电量Qi;
Qi=Qdidi...................................................................(4)
式(4)中:Qdi为各月份典型日发电量,Qi为各月份累计发电量,di为各月份有效发电天数;
利用式(5)对各月份累计发电量进行求和,得到全年累计发电量;
式(5)中:Qi为各月份累计发电量,Qtotal为全年累计发电量;
利用式(6)求取全年累计发电量与光伏基地装机容量的比值,得到光伏基地等效年利用小时数;
式(6)中:Qtotal为全年累计发电量;SN为光伏基地装机容量;H为等效年利用小时数;
第四步,光伏出力特性分析,基于电量计算得到如图3所示的光伏基地典型日白天等效平均出力,得到如图4所示的光伏基地典型日全天等效平均出力。
利用式(7)和式(8)求得光伏基地某月份典型日白天等效平均出力PAV1和全天等效平均出力PAV2;
式(7)和式(8)中:T1为日出至日落时间;T2为全天时间;Qdi为某月份典型日发电量;依次类推,针对12个月份,绘制出各月典型日白天等效平均出力曲线和全天等效平均出力曲线如图5中曲线1和曲线2所示。
第五步,通过光伏基地集群出力特性分析,合理安排电网经济调度运行曲线,优化系统调峰容量安排。
基于上述步骤对光伏基地各月典型日发电出力特性曲线、发电量,以及月发电量和年发电量的预知,可以作为电网安排经济调度运行曲线的依据;基于光伏基地最大出力系数Kpv和电网可为光伏提供调峰容量Ppv,利用式(9)推算电网可接纳光伏容量Spv;通过增加调峰电源容量提高电网可为光伏提供调峰容量Ppv,可以提高电网接纳光伏的能力;
式(9)中:Spv为电网可接纳光伏容量;PPV为电网可为光伏提供调峰容量;Kpv为光伏基地最大出力系数。
此外,当光伏发电出力相对电网基荷较小时,图6中将光伏基地发电出力特性曲线2和电网负荷特性曲线3叠加得到等效负荷曲线1,可以看出光伏对电网运行负荷的峰谷差具有削峰作用,相当于提高了电网可为光伏提供的调峰容量Ppv,从而可以提高电网接纳光伏的能力。
以某1000MW光伏基地为例得到出力特性结论:该光伏基地5月光照强度最大,6月和7月次之,典型日光照强度曲线及出力特性曲线变化趋势基本一致;光伏基地最大出力823.3MW,超过80%出力的不足0.5%;典型日白天等效平均出力460.4MW和全天等效平均出力370.9MW;白天可发电有效时段内,全年约60%的情况出力在370MW以下;30%以下出力占到全年的约50%;光伏基地等效年利用小时数为1692.4h。
Claims (1)
1.一种大型太阳能光伏发电基地集群出力特性分析方法;其特征在于包括下述步骤:
第一步,通过光照资源数据拟合光伏基地各月份典型日逐时光照强度曲线;
利用气象站多年光照资源观测数据,推算光伏基地代表年逐月典型日逐时光照资源参数,针对一年的12个月份,通过METEOINFO等光资源分析软件模拟得到12条典型日光照强度逐时曲线,得到各月份典型日光照强度逐时拟合曲线;
第二步,光伏基地发电出力特性曲线和发电出力特性分析;利用各月份典型日光照强度逐时拟合曲线,推算光伏基地各月典型日逐时发电出力特性曲线;
利用式(1)对各月份典型日逐时光照强度曲线进行微分,微分后得到光伏基地各月份典型日逐时发电出力特性曲线;
式(1)中:X为典型日逐时光照强度,P为典型日逐时发电出力,η为光电效率,t为光照时间;当dt无限趋近于0时,得到发电出力P实时平滑的特性曲线;
利用式(2)各月份典型日逐时发电出力特性曲线纵坐标P的最大值PMAX与光伏基地装机容量SN的比值,得到光伏基地最大出力系数Kpv;
式(2)中:PMAX为光伏基地发电出力的最大值,SN为光伏基地装机容量;
第三步,预测计算光伏基地典型日发电量、月累计发电量、全年累计发电量;光伏基地等效年利用小时数;
利用式(3)求取某月份典型日逐时发电出力特性曲线对日有效发电时间t的积分,得到该月份典型日发电量;同理可求取一年中各月份典型日发电量;
式(3)中:Qdi为某月份典型日发电量,Pi为某月份典型日逐时发电出力特性曲线,t为日有效发电时间;
利用式(4)各月份典型日发电量Qdi乘以各月份有效发电天数di,得到各月份累计发电量Qi;
Qi=Qdidi………………………………………………………(4)
式(4)中:Qdi为各月份典型日发电量,Qi为各月份累计发电量,di为各月份有效发电天数;
利用式(5)对各月份累计发电量进行求和,得到全年累计发电量;
式(5)中:Qi为各月份累计发电量,Qtotal为全年累计发电量;
利用式(6)求取全年累计发电量与光伏基地装机容量的比值,得到光伏基地等效年利用小时数;
式(6)中:Qtotal为全年累计发电量;SN为光伏基地装机容量;H为等效年利用小时数;
第四步,计算光伏基地典型日白天等效平均出力和全天等效平均出力;
利用式(7)和式(8)求得光伏基地某月份典型日白天等效平均出力PAV1和全天等效平均出力PAV2;
式(7)和式(8)中:T1为日出至日落时间;T2为全天时间;Qdi为某月份典型日发电量;
第五步,通过光伏基地集群出力特性分析,合理安排电网经济调度运行曲线,优化系统调峰容量安排;
基于上述步骤对光伏基地各月典型日发电出力特性曲线、发电量,以及月发电量和年发电量的预知,作为电网安排经济调度运行曲线的依据;基于光伏基地最大出力系数Kpv和电网可为光伏提供调峰容量Ppv,利用式(9)推算电网可接纳光伏容量Spv;通过增加调峰电源容量提高电网可为光伏提供调峰容量Ppv,可以提高电网接纳光伏的能力;
式(9)中:Spv为电网可接纳光伏容量;PPV为电网可为光伏提供调峰容量;Kpv为光伏基地最大出力系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510299393.5A CN104868505B (zh) | 2015-06-03 | 2015-06-03 | 大型太阳能光伏发电基地集群出力特性分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510299393.5A CN104868505B (zh) | 2015-06-03 | 2015-06-03 | 大型太阳能光伏发电基地集群出力特性分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104868505A true CN104868505A (zh) | 2015-08-26 |
CN104868505B CN104868505B (zh) | 2017-03-29 |
Family
ID=53914137
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510299393.5A Active CN104868505B (zh) | 2015-06-03 | 2015-06-03 | 大型太阳能光伏发电基地集群出力特性分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104868505B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105243605A (zh) * | 2015-09-29 | 2016-01-13 | 国网甘肃省电力公司 | 基于辐照相似度的大型光伏发电集群弃光电量评估方法 |
CN108664726A (zh) * | 2018-05-10 | 2018-10-16 | 我要家网络科技有限公司 | 一种房屋日照分析方法 |
CN108736510A (zh) * | 2017-09-08 | 2018-11-02 | 中国南玻集团股份有限公司 | 光伏电站发电和厂区用电比例的预测方法 |
CN110110918A (zh) * | 2019-04-30 | 2019-08-09 | 旻投电力发展有限公司 | 一种基于机器学习的光伏年发电量计算方法 |
CN111178609A (zh) * | 2019-12-23 | 2020-05-19 | 国网河北省电力有限公司 | 一种基于归一化拟合的区域光伏月发电量预测方法 |
CN111626509A (zh) * | 2020-05-27 | 2020-09-04 | 国网河南省电力公司经济技术研究院 | 一种区域新能源有效供给能力的评价方法和系统 |
CN112561150A (zh) * | 2020-12-07 | 2021-03-26 | 国家电网有限公司 | 一种光伏电站发电量预测方法及装置 |
CN113255985A (zh) * | 2021-05-18 | 2021-08-13 | 国网山东省电力公司青州市供电公司 | 一种预测光伏电站发电量的方法及系统 |
CN116885715A (zh) * | 2023-09-05 | 2023-10-13 | 国网山西省电力公司太原供电公司 | 一种分布式光伏集群功率短期预测方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102013700A (zh) * | 2010-11-24 | 2011-04-13 | 甘肃省电力设计院 | 大中型光伏电站并网特性研究与电能质量评估方法 |
CN103944175A (zh) * | 2014-03-28 | 2014-07-23 | 上海电力设计院有限公司 | 风光储联合发电系统出力特性优化方法 |
-
2015
- 2015-06-03 CN CN201510299393.5A patent/CN104868505B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102013700A (zh) * | 2010-11-24 | 2011-04-13 | 甘肃省电力设计院 | 大中型光伏电站并网特性研究与电能质量评估方法 |
CN103944175A (zh) * | 2014-03-28 | 2014-07-23 | 上海电力设计院有限公司 | 风光储联合发电系统出力特性优化方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105243605A (zh) * | 2015-09-29 | 2016-01-13 | 国网甘肃省电力公司 | 基于辐照相似度的大型光伏发电集群弃光电量评估方法 |
CN108736510A (zh) * | 2017-09-08 | 2018-11-02 | 中国南玻集团股份有限公司 | 光伏电站发电和厂区用电比例的预测方法 |
CN108664726A (zh) * | 2018-05-10 | 2018-10-16 | 我要家网络科技有限公司 | 一种房屋日照分析方法 |
CN110110918A (zh) * | 2019-04-30 | 2019-08-09 | 旻投电力发展有限公司 | 一种基于机器学习的光伏年发电量计算方法 |
CN110110918B (zh) * | 2019-04-30 | 2023-04-28 | 旻投电力发展有限公司 | 一种基于机器学习的光伏年发电量计算方法 |
CN111178609A (zh) * | 2019-12-23 | 2020-05-19 | 国网河北省电力有限公司 | 一种基于归一化拟合的区域光伏月发电量预测方法 |
CN111626509A (zh) * | 2020-05-27 | 2020-09-04 | 国网河南省电力公司经济技术研究院 | 一种区域新能源有效供给能力的评价方法和系统 |
CN112561150A (zh) * | 2020-12-07 | 2021-03-26 | 国家电网有限公司 | 一种光伏电站发电量预测方法及装置 |
CN113255985A (zh) * | 2021-05-18 | 2021-08-13 | 国网山东省电力公司青州市供电公司 | 一种预测光伏电站发电量的方法及系统 |
CN113255985B (zh) * | 2021-05-18 | 2023-04-25 | 国网山东省电力公司青州市供电公司 | 一种预测光伏电站发电量的方法及系统 |
CN116885715A (zh) * | 2023-09-05 | 2023-10-13 | 国网山西省电力公司太原供电公司 | 一种分布式光伏集群功率短期预测方法及装置 |
CN116885715B (zh) * | 2023-09-05 | 2023-11-14 | 国网山西省电力公司太原供电公司 | 一种分布式光伏集群功率短期预测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104868505B (zh) | 2017-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104868505A (zh) | 大型太阳能光伏发电基地集群出力特性分析方法 | |
CN102694391B (zh) | 风光储联合发电系统日前优化调度方法 | |
Maatallah et al. | Assessment viability for hybrid energy system (PV/wind/diesel) with storage in the northernmost city in Africa, Bizerte, Tunisia | |
CN102930358B (zh) | 一种光伏电站发电功率的神经网络预测方法 | |
Bhandari et al. | Optimization of hybrid renewable energy power systems: A review | |
Wang et al. | Reliable-economical equilibrium based short-term scheduling towards hybrid hydro-photovoltaic generation systems: Case study from China | |
Robert et al. | The critical role of anchor customers in rural microgrids: Impact of load factor on energy cost | |
Blake et al. | Optimization of distributed energy resources in an industrial microgrid | |
Ranjevaa et al. | Design optimization of a hybrid, small, decentralized power plant for remote/rural areas | |
CN104362681B (zh) | 一种考虑随机性的孤岛微电网容量优化配置方法 | |
CN102521670A (zh) | 基于气象要素的光伏电站发电输出功率预测方法 | |
CN102013701A (zh) | 一种高海拔地区电网光伏发电接纳能力计算方法 | |
KR101635450B1 (ko) | 기상정보를 활용한 도시에너지관리시스템용 태양광발전량 예측시스템 | |
Sharma et al. | Optimization and simulation of smart grid distributed generation: A case study of university campus | |
CN104268659A (zh) | 一种光伏电站发电功率超短期预测方法 | |
CN104299173A (zh) | 一种适用于多种能源接入的鲁棒优化日前调度方法 | |
Papaioannou et al. | Optimization & sensitivity analysis of microgrids using homer software-a case study | |
CN104362621A (zh) | 一种基于反熵权法的光伏电站运行特性评估方法 | |
CN105678415A (zh) | 一种分布式电源配电网的净负荷预测方法 | |
Rachmanto et al. | Economic analysis of on-grid photovoltaic-generator hybrid energy systems for rural electrification in Indonesia | |
CN104657787A (zh) | 一种风功率时间序列组合预测方法 | |
Mendoza | Design, implementation and evaluation of the energy performance of a photovoltaic solar system in Cota, Colombia | |
CN109636041B (zh) | 一种适于大规模复杂电网的机组检修模拟方法及系统 | |
Shankar et al. | Decentralization to decarbonize the Indian economy | |
Garg et al. | Potential estimation and implementation strategies for solar rooftop photovoltaic in Delhi |
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 |