CN105356451A - 一种考虑大规模光伏并网发电系统的概率潮流计算方法 - Google Patents
一种考虑大规模光伏并网发电系统的概率潮流计算方法 Download PDFInfo
- Publication number
- CN105356451A CN105356451A CN201510721626.6A CN201510721626A CN105356451A CN 105356451 A CN105356451 A CN 105356451A CN 201510721626 A CN201510721626 A CN 201510721626A CN 105356451 A CN105356451 A CN 105356451A
- Authority
- CN
- China
- Prior art keywords
- power
- photovoltaic
- generation system
- power generation
- grid
- 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.)
- Pending
Links
- 238000010248 power generation Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000005286 illumination Methods 0.000 claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 23
- 238000012614 Monte-Carlo sampling Methods 0.000 claims abstract description 13
- 238000013178 mathematical model Methods 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 31
- 239000011159 matrix material Substances 0.000 claims description 19
- 238000005070 sampling Methods 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000002347 injection Methods 0.000 claims description 3
- 239000007924 injection Substances 0.000 claims description 3
- 241000486634 Bena Species 0.000 claims description 2
- PCHPORCSPXIHLZ-UHFFFAOYSA-N diphenhydramine hydrochloride Chemical compound [Cl-].C=1C=CC=CC=1C(OCC[NH+](C)C)C1=CC=CC=C1 PCHPORCSPXIHLZ-UHFFFAOYSA-N 0.000 claims description 2
- 238000004088 simulation Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 101100390711 Escherichia coli (strain K12) fhuA gene Proteins 0.000 description 1
- 241000764238 Isis Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- H02J3/383—
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Photovoltaic Devices (AREA)
Abstract
一种考虑大规模光伏并网发电系统的概率潮流计算方法,包括以下步骤:1)建立典型的并网型大规模集中式光伏并网发电系统的U-I特性数学模型;2)采用基于MPPT控制算法计算典型日光照强度下大规模集中式光伏发电系统输出功率的最大值,并计算输出功率的均值和均方差;3)确定系统网架,考虑电源出力约束,根据系统中电源和负荷的概率参数进行Monte-Carlo抽样;4)考虑节点电压约束,根据牛顿-拉弗逊算法计算电力系统的概率潮流。本发明中提出的光伏发电模型可以根据某个地方典型日的实时光照强度精确计算光伏发电系统的出力,并且可以根据实时光照数据和环境温度变化自动修正光伏出力方程,具有方法简单、实用性强的优点。
Description
技术领域
本发明涉及随机潮流计算领域,尤其是涉及一种考虑大规模光伏并网发电系统的概率潮流计算方法。
背景技术
随着环境污染的日益恶化和能源供应的日趋紧张,新能源发电异军突起,特别是光伏发电增长迅速。我国地势广袤,太阳能资源丰富且分布广泛,发展光伏发电技术对保障我国能源安全、节能减排、实现可持续发展具有重要的战略意义,西部地区光照充足,最适宜大规模光伏并网发电系统建设。大规模光伏发电与大电网相联将对电力系统的结构、规划、运行方式、系统可靠性产生巨大影响,光伏发电的大规模并网使我国的电力系统面临新的挑战而且孕育了新的变革。
光伏发电系统出力与常规机组差异太大,可利用小时数低,具有间歇性和波动性,这将导致线路的利用率低,电网的投资效率下降的问题。光伏发电技术的发展和广泛应用给电力负荷预测、电源规划、电网规划、系统评估等各项工作带来更大的不确定性。而且,随着系统中的间歇性能源比重的增大,系统的波动性、反调峰特性等特点给系统运行带来深远影响,光伏发电出力的不确定性与随机性带来更多的电压波动、电压越限、电网安全性问题。
Monte-Carlo抽样模拟算法是解决随机模拟计算的常用方法,大量的模拟计算可以精确地获得模拟对象的概率描述。在电力系统随机潮流计算过程中,Monte-Carlo抽样获得的随机数要满足一定的条件约束,这对模拟结果的精确性非常重要。
有鉴于此,本发明提供一种考虑大规模光伏并网发电系统的概率潮流计算方法,以满足实际应用需要。
发明内容
本发明的目的是:为克服现有技术的不足,本发明提供一种考虑大规模光伏并网发电系统的概率潮流计算方法,从而根据典型日下的光照强度精确地模拟含大规模光伏并网发电系统的概率潮流。
本发明所采用的技术方案是:一种考虑大规模光伏并网发电系统的概率潮流计算方法,其特征在于,包括以下步骤:
1)建立典型的并网型大规模集中式光伏并网发电系统的U-I特性数学模型,该模型能够根据光照条件的变化自动调整参数,同时,该模型的建立也需要光伏电池的技术参数;
2)采用基于MPPT控制算法计算典型日光照强度下大规模集中式光伏发电系统输出功率的最大值,并计算输出功率的均值和均方差;
3)确定系统网架,考虑电源出力约束,根据系统中电源和负荷的概率参数进行Monte-Carlo抽样;
4)考虑节点电压约束,根据牛顿-拉弗逊算法计算电力系统的概率潮流。
如上所述的考虑大规模光伏并网发电系统的概率潮流计算方法,其特征在于,所述的步骤1)中典型的并网型大规模集中式光伏发电系统的U-I数学模型需要根据光伏电池的技术参数自动调整U-I函数的关系,在不同的光照强度和环境温度下,光伏电池技术参数具体修正方法如下:
其中,为短路电流,为开路电压、为最大功率点电流,为最大功率点电压,以上四个参数均为光伏电池技术参数;为、、、在不同环境下的修正值,a、b、c、d、e分别是电流温度系数、电流光照强度系数、修正常数、电压温度系数、电压光照强度系数,典型值为a=0.0025/℃,b=7.5e-5m2/W,c=0.5,d=0.0028/℃,e=8.4e-5m2/W;为标准光照强度,取1000W/m2,S为每月典型日的实时光照强度;为参考温度,取为25℃,为一天各时刻的气温值,为典型日的气温最大值和最小值,为一天最高气温出现的时刻,一般认为是14:00。
如上所述的考虑大规模光伏并网发电系统的概率潮流计算方法,其特征在于,所述的步骤2)中MPPT控制算法采用典型的根据U-I特性直接求解最大功率点的算法,最大功率点判别条件为,符合条件的P为此刻光照强度下光伏发电系统的理论最大功率,从而得到大规模光伏并网发电系统的输出功率为:
其中,为在不同温度时光伏组件的效率,为参考温度下的光伏组件效率,为光伏组件温度系数,一般取为0.003~0.005,为光伏电站经过控制组件和逆变组件这些电子元件的效率,另外,如果,为光伏并网发电系统输出门槛值,光伏并网系统关闭,此时系统输出为0。
如上所述的考虑大规模光伏并网发电系统的概率潮流计算方法,其特征在于,所述的步骤3)中确定系统网架后可以确定系统中的负荷点和电源点,假设电力系统网络节点个数为n个,负荷类记为,,若节点没有负荷记为,m为非负荷点编号,电源类记为,,若节点没有电源记为,f为非电源点编号,根据负荷和电源的期望和均方差进行Monte-Carlo抽样,抽样次数为k次,得到每个负荷和电源的随机向量为:
负荷向量:
电源向量:
其中,各向量中的元素均为Monte-Carlo抽样生成的随机数。
如上所述的考虑大规模光伏并网发电系统的概率潮流计算方法,其特征在于,对于电源的随机数要进行约束,因为电源都有自己的出力上下限,假设各个电源的出力上限为,下限为,如果电源随机数中出现越限情况,需要对数值进行修正,修正方法如下:
其中,,要同时满足上述修正式。最终的抽样矩阵为:
其中,矩阵L、S均为阶矩阵。
如上所述的考虑大规模光伏并网发电系统的概率潮流计算方法,其特征在于,所述的步骤4)中考虑节点电压约束,根据牛顿-拉弗逊算法计算电力系统的概率潮流的具体步骤为:
步骤S1:根据步骤3)中的抽样矩阵生成k组确定性的负荷节点和电源点注入功率;
步骤S2:利用牛顿-拉弗逊算法和步骤S1中的k组节点注入功率进行潮流计算,即进行k次潮流计算,在迭代过程中考虑节点电压约束;
步骤S3:根据步骤S2中次潮流计算结果计算各个节点的电压和各支路潮流的均值和均方差,,因为考虑节点电压约束会有潮流不收敛的情况。
本发明的有益效果是:与现有技术相比,本发明具有以下优点:本发明中提出的光伏发电模型可以根据某个地方典型日的实时光照强度精确计算光伏发电系统的出力,不需要依据大量的光照数据来计算,并且可以根据实时光照数据和环境温度变化自动修正光伏出力方程,具有方法简单、实用性强的优点。结合Monte-Carlo随机抽样算法,在抽样过程中考虑电源出力约束,采用确定性牛顿-拉弗逊潮流计算方法计算节点电压和支路潮流的均值和均方差,能够有效消除因光伏出力波动性大带来的整体计算误差,进一步提高计算结果的准确率。
附图说明
图1为本发明的发明流程图。
图2为本发明算法的流程图。
图3为本发明实施例的系统网架结构图。
具体实施方式
为了更好地理解本发明,下面结合实施例进一步阐明本发明的内容,但本发明的内容不仅仅局限于下面的实施例。本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样在本申请所列权利要求书限定范围之内。
如图1所示,本发明实施例提供的一种考虑大规模光伏并网发电系统的概率潮流计算方法,包括以下步骤:
S1建立典型的并网型大规模集中式光伏并网发电系统的U-I特性数学模型,该模型可以根据光照条件的变化自动调整参数,同时,该模型的建立也需要光伏电池的技术参数;
S2基于MPPT控制算法计算典型日光照强度下大规模集中式光伏发电系统输出功率的最大值,并计算输出功率的均值和均方差;
S3确定系统网架,考虑电源出力约束,根据系统中电源和负荷的概率参数进行Monte-Carlo抽样;
S4考虑节点电压约束,根据牛顿-拉弗逊算法计算电力系统的概率潮流。
步骤S1中典型的并网型大规模集中式光伏发电系统的U-I数学模型需要根据光伏电池的技术参数自动调整U-I函数的关系,在不同的光照强度和环境温度下,光伏电池技术参数具体修正方法如下:
其中,为短路电流,为开路电压、为最大功率点电流,为最大功率点电压,以上四个参数均为光伏电池技术参数;为、、、在不同环境下的修正值,a、b、c、d、e分别是电流温度系数、电流光照强度系数、修正常数、电压温度系数、电压光照强度系数,典型值为a=0.0025/℃,b=7.5e-5m2/W,c=0.5,d=0.0028/℃,e=8.4e-5m2/W;为标准光照强度,取1000W/m2,S为每月典型日的实时光照强度;为参考温度,取为25℃,为一天各时刻的气温值,为典型日的气温最大值和最小值,为一天最高气温出现的时刻,一般认为是14:00。
图3为该发明的实施例系统结构图,是在IEEE-14节点的基础上改进的系统。该实施例中的1、2节点为大规模光伏并网发电系统接入点,在实际计算中,两个节点的典型日实时光照强度S不同,分别为S 1、S 2,因此,光伏发电系统的U-I数学模型也不同。节点1、节点2均接入SoIarexMSX60光伏电池发电系统,技术参数为:=3.846A、=21.1V、=3.5A、=17.1V,=40℃,=20℃。
步骤S2中MPPT控制算法采用典型的根据U-I特性直接求解最大功率点的算法,最大功率点判别条件为,符合条件的P为此刻光照强度下光伏发电系统的理论最大功率,从而得到大规模光伏并网发电系统的输出功率为:
其中,为在不同温度时光伏组件的效率,为参考温度下的光伏组件效率,为光伏组件温度系数,一般取为0.003~0.005,为光伏电站经过控制组件和逆变组件等电子元件的效率。另外,如果(为光伏并网发电系统输出门槛值),光伏并网系统关闭,此时系统输出为0。
在实施例中,取0.004,节点1处的取0.90,节点2处的取0.92,由于光照强度不同,所以实施例中两个光伏发电机组的输出功率也不同。
步骤S3中确定系统网架后可以确定系统中的负荷点和电源点,假设电力系统网络节点个数为n个,负荷类记为(,若节点没有负荷记为,m为非负荷点编号),电源类记为(,若节点没有电源记为,f为非电源点编号),根据负荷和电源的期望和均方差进行Monte-Carlo抽样,抽样次数为k次,得到每个负荷和电源的随机向量为:
负荷向量:
电源向量:
其中,各向量中的元素均为Monte-Carlo抽样生成的随机数。另外,对于电源的随机数要进行约束,因为电源都有自己的出力上下限。假设各个电源的出力上限为,下限为,如果电源随机数中出现越限情况,需要对数值进行修正,修正方法如下:
其中,,要同时满足上述修正式。最终的抽样矩阵为:
其中,矩阵L、S均为阶矩阵。由图3可知,节点1、2为光伏电源点,节点3、4、6为火电机组电源点,节点2、3、5、6、8、9、10、11、12、13、14为负荷节点,节点7为平衡节点,经上述Monte-Carlo抽样后,得到修正后的抽样矩阵:
步骤S4中考虑节点电压约束,根据牛顿-拉弗逊算法计算电力系统的概率潮流的具体步骤为:
步骤S41:根据权利要求4中的抽样矩阵生成k组确定性的负荷节点和电源点注入功率;
步骤S42:利用牛顿-拉弗逊算法和步骤S41中的k组节点注入功率进行潮流计算,即进行k次潮流计算,在迭代过程中考虑节点电压约束。
在实施例模拟计算过程中,k取20000,即进行20000次确定性潮流计算。在迭代过程中,节点电压的约束条件为:节点电压标幺值的范围为0.9~1.1,如果节点电压标幺值不在这个范围之内,则判定该组负荷和电源数据的潮流计算结果不收敛,保留迭代结果但不计入到最终结果汇总矩阵中,即排除该组负荷和电源数据的潮流计算结果。汇总矩阵包括节点电压汇总矩阵和支路有功功率、无功功率汇总矩阵,分别如下:
其中,、分别表示利用第2组负荷和电源数据进行潮流计算后得到的节点1节点2之间线路上的有功功率、节点13节点14之间线路上的有功功率,无功功率汇总矩阵中元素下标的含义和有功功率汇总矩阵中元素下标的含义相同。
根据步骤S42中次(,因为考虑节点电压约束会有潮流不收敛的情况)潮流计算结果计算各个节点的电压和各支路潮流的均值和均方差。
在实施例中,结果汇总矩阵中的每一列的数据均为行,利用求取均值和均方差的数学公式,计算各节点电压和各支路潮流的均值和均方差,以节点1电压为例,具体计算方法为:
其中,为节点1电压的均值,为节点1电压的标准差。进过上述计算,各个节点的电压结果为:
以上仅为本发明的实施例而已,并不用于限制本发明,因此,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (6)
1.一种考虑大规模光伏并网发电系统的概率潮流计算方法,其特征在于,包括以下步骤:
1)建立典型的并网型大规模集中式光伏并网发电系统的U-I特性数学模型,该模型能够根据光照条件的变化自动调整参数,同时,该模型的建立也需要光伏电池的技术参数;
2)采用基于MPPT控制算法计算典型日光照强度下大规模集中式光伏发电系统输出功率的最大值,并计算输出功率的均值和均方差;
3)确定系统网架,考虑电源出力约束,根据系统中电源和负荷的概率参数进行Monte-Carlo抽样;
4)考虑节点电压约束,根据牛顿-拉弗逊算法计算电力系统的概率潮流。
2.根据权利要求1所述的考虑大规模光伏并网发电系统的概率潮流计算方法,其特征在于,所述的步骤1)中典型的并网型大规模集中式光伏发电系统的U-I数学模型需要根据光伏电池的技术参数自动调整U-I函数的关系,在不同的光照强度和环境温度下,光伏电池技术参数具体修正方法如下:
其中,为短路电流,为开路电压、为最大功率点电流,为最大功率点电压,以上四个参数均为光伏电池技术参数;为、、、在不同环境下的修正值,a、b、c、d、e分别是电流温度系数、电流光照强度系数、修正常数、电压温度系数、电压光照强度系数,典型值为a=0.0025/℃,b=7.5e-5m2/W,c=0.5,d=0.0028/℃,e=8.4e-5m2/W;为标准光照强度,取1000W/m2,S为每月典型日的实时光照强度;为参考温度,取为25℃,为一天各时刻的气温值,为典型日的气温最大值和最小值,为一天最高气温出现的时刻,一般认为是14:00。
3.根据权利要求1所述的考虑大规模光伏并网发电系统的概率潮流计算方法,其特征在于,所述的步骤2)中MPPT控制算法采用典型的根据U-I特性直接求解最大功率点的算法,最大功率点判别条件为,符合条件的P为此刻光照强度下光伏发电系统的理论最大功率,从而得到大规模光伏并网发电系统的输出功率为:
其中,为在不同温度时光伏组件的效率,为参考温度下的光伏组件效率,为光伏组件温度系数,一般取为0.003~0.005,为光伏电站经过控制组件和逆变组件这些电子元件的效率,另外,如果,为光伏并网发电系统输出门槛值,光伏并网系统关闭,此时系统输出为0。
4.根据权利要求1所述的考虑大规模光伏并网发电系统的概率潮流计算方法,其特征在于,所述的步骤3)中确定系统网架后可以确定系统中的负荷点和电源点,假设电力系统网络节点个数为n个,负荷类记为,,若节点没有负荷记为,m为非负荷点编号,电源类记为,,若节点没有电源记为,f为非电源点编号,根据负荷和电源的期望和均方差进行Monte-Carlo抽样,抽样次数为k次,得到每个负荷和电源的随机向量为:
负荷向量:
电源向量:
其中,各向量中的元素均为Monte-Carlo抽样生成的随机数。
5.根据权利要求4所述的考虑大规模光伏并网发电系统的概率潮流计算方法,其特征在于,如上所述的考虑大规模光伏并网发电系统的概率潮流计算方法,其特征在于,对于电源的随机数要进行约束,因为电源都有自己的出力上下限,假设各个电源的出力上限为,下限为,如果电源随机数中出现越限情况,需要对数值进行修正,修正方法如下:
其中,,要同时满足上述修正式,最终的抽样矩阵为:
其中,矩阵L、S均为阶矩阵。
6.根据权利要求1所述的考虑大规模光伏并网发电系统的概率潮流计算方法,其特征在于,所述的步骤4)中考虑节点电压约束,根据牛顿-拉弗逊算法计算电力系统的概率潮流的具体步骤为:
步骤S1:根据步骤3)中的抽样矩阵生成k组确定性的负荷节点和电源点注入功率;
步骤S2:利用牛顿-拉弗逊算法和步骤S1中的k组节点注入功率进行潮流计算,即进行k次潮流计算,在迭代过程中考虑节点电压约束;
步骤S3:根据步骤S2中次潮流计算结果计算各个节点的电压和各支路潮流的均值和均方差,,因为考虑节点电压约束会有潮流不收敛的情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510721626.6A CN105356451A (zh) | 2015-10-30 | 2015-10-30 | 一种考虑大规模光伏并网发电系统的概率潮流计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510721626.6A CN105356451A (zh) | 2015-10-30 | 2015-10-30 | 一种考虑大规模光伏并网发电系统的概率潮流计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105356451A true CN105356451A (zh) | 2016-02-24 |
Family
ID=55332360
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510721626.6A Pending CN105356451A (zh) | 2015-10-30 | 2015-10-30 | 一种考虑大规模光伏并网发电系统的概率潮流计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105356451A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105870936A (zh) * | 2016-04-11 | 2016-08-17 | 国网上海市电力公司 | 一种基于概率潮流的svc设备选址方法 |
CN106202914A (zh) * | 2016-07-07 | 2016-12-07 | 国网青海省电力公司 | 基于改进粒子群算法的光伏电池参数辨识方法 |
CN108898287A (zh) * | 2018-06-11 | 2018-11-27 | 国网江西省电力有限公司电力科学研究院 | 大规模光伏并网的配电网运行风险评估方法 |
CN110365047A (zh) * | 2019-07-16 | 2019-10-22 | 金华电力设计院有限公司 | 一种含分布式光伏发电系统的电网短路电流概率评估方法 |
CN111490551A (zh) * | 2020-05-21 | 2020-08-04 | 云南电网有限责任公司大理供电局 | 基于分布式牛顿法的配电网光伏发电集群电压控制方法 |
CN111611710A (zh) * | 2020-05-21 | 2020-09-01 | 上海电机学院 | 一种光伏电池等效建模方法 |
CN111814399A (zh) * | 2020-07-08 | 2020-10-23 | 温州大学 | 太阳能光伏电池系统的模型参数优化提取方法和测量数据预测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007244127A (ja) * | 2006-03-09 | 2007-09-20 | Toshiba Corp | 小規模電力系統の設計評価方法 |
CN104268435A (zh) * | 2014-10-17 | 2015-01-07 | 国家电网公司 | 一种计算多机平衡的概率潮流的方法 |
CN104410069A (zh) * | 2014-12-05 | 2015-03-11 | 国家电网公司 | 一种计及响应相关性的动态概率潮流计算方法 |
-
2015
- 2015-10-30 CN CN201510721626.6A patent/CN105356451A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007244127A (ja) * | 2006-03-09 | 2007-09-20 | Toshiba Corp | 小規模電力系統の設計評価方法 |
CN104268435A (zh) * | 2014-10-17 | 2015-01-07 | 国家电网公司 | 一种计算多机平衡的概率潮流的方法 |
CN104410069A (zh) * | 2014-12-05 | 2015-03-11 | 国家电网公司 | 一种计及响应相关性的动态概率潮流计算方法 |
Non-Patent Citations (3)
Title |
---|
丁明 等: "含多个不对称光伏并网系统的配电网三相随机潮流计算", 《电力系统自动化》 * |
樊磊: "分布式光伏电源并网概率分布模型的研究", 《中国优秀硕士学位论文全文库 工程科技II辑》 * |
段玉兵 等: "基于蒙特卡罗模拟的微电网随机潮流计算方法", 《电工技术学报》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105870936A (zh) * | 2016-04-11 | 2016-08-17 | 国网上海市电力公司 | 一种基于概率潮流的svc设备选址方法 |
CN106202914A (zh) * | 2016-07-07 | 2016-12-07 | 国网青海省电力公司 | 基于改进粒子群算法的光伏电池参数辨识方法 |
CN108898287A (zh) * | 2018-06-11 | 2018-11-27 | 国网江西省电力有限公司电力科学研究院 | 大规模光伏并网的配电网运行风险评估方法 |
CN110365047A (zh) * | 2019-07-16 | 2019-10-22 | 金华电力设计院有限公司 | 一种含分布式光伏发电系统的电网短路电流概率评估方法 |
CN110365047B (zh) * | 2019-07-16 | 2020-08-18 | 金华电力设计院有限公司 | 一种含分布式光伏发电系统的电网短路电流概率评估方法 |
CN111490551A (zh) * | 2020-05-21 | 2020-08-04 | 云南电网有限责任公司大理供电局 | 基于分布式牛顿法的配电网光伏发电集群电压控制方法 |
CN111611710A (zh) * | 2020-05-21 | 2020-09-01 | 上海电机学院 | 一种光伏电池等效建模方法 |
CN111490551B (zh) * | 2020-05-21 | 2023-05-05 | 云南电网有限责任公司大理供电局 | 基于分布式牛顿法的配电网光伏发电集群电压控制方法 |
CN111814399A (zh) * | 2020-07-08 | 2020-10-23 | 温州大学 | 太阳能光伏电池系统的模型参数优化提取方法和测量数据预测方法 |
CN111814399B (zh) * | 2020-07-08 | 2024-03-19 | 温州大学 | 太阳能光伏电池系统的模型参数优化提取方法和测量数据预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105356451A (zh) | 一种考虑大规模光伏并网发电系统的概率潮流计算方法 | |
Han et al. | Survey of maximum power point tracking techniques for photo-voltaic array | |
CN105354655B (zh) | 计及功率相关性的光伏电站群置信容量评估方法 | |
Kumar et al. | Estimation of MPP of a double diode model PV module from explicit I–V characteristic | |
CN105243516A (zh) | 基于主动配电网的分布式光伏发电最大消纳能力计算系统 | |
Ounnas et al. | An efficient maximum power point tracking controller for photovoltaic systems using Takagi–Sugeno fuzzy models | |
Obukhov et al. | Methods of effective use of solar power system | |
Chamanpira et al. | A novel MPPT technique to increase accuracy in photovoltaic systems under variable atmospheric conditions using Fuzzy Gain scheduling | |
Molina-Garcia et al. | A new solar module modeling for PV applications based on a symmetrized and shifted Gompertz model | |
Chellakhi et al. | An improved maximum power point approach for temperature variation in PV system applications | |
Abderrahim et al. | A New Improved Variable Step Size MPPT Method for Photovoltaic Systems Using Grey Wolf and Whale Optimization Technique Based PID Controller. | |
CN115204048A (zh) | 一种光伏发电系统模型辨识系统和方法 | |
Hadji et al. | Genetic algorithms for maximum power point tracking in photovoltaic systems | |
Luo et al. | Load management for multiple datacenters towards demand response in the smart grid integrating renewable energy | |
CN117891307A (zh) | 基于ga-pso算法的分布式光伏最大功率跟踪系统及方法 | |
Vadivel et al. | Hybrid Social Grouping Algorithm‐Perturb and Observe Power Tracking Scheme for Partially Shaded Photovoltaic Array | |
Zhao et al. | Research on Multiobjective Optimal Operation Strategy for Wind‐Photovoltaic‐Hydro Complementary Power System | |
Wu et al. | Study of the improved INC MPPT algorithm for PV systems | |
Wang et al. | Vehicle‐Mounted Photovoltaic System Energy Management in Intelligent Transportation Systems: A Maximum Power Point Tracking Control | |
Mishra et al. | MPPT for a Solar PV Array: ANN and P&O Comparison | |
Yadav et al. | Comparative study of MPPT techniques for solar PV-based system | |
Gupta et al. | Design and simulation of photovoltaic cell using decrement resistance algorithm | |
Gupta et al. | Mathematical Modelling and Statistical Analysis of Improved Grey Wolf Optimized Maximum Tracking for Solar Photovoltaic Energy System Under Non Linear Operational Conditions | |
Islam et al. | Measurement-based modelling and validation of PV systems | |
Atawi et al. | The effect of modeling types characterization for PV power source on maximum power point tracking |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160224 |
|
WD01 | Invention patent application deemed withdrawn after publication |