CN105680485B - 一种风电场平滑出力方法 - Google Patents
一种风电场平滑出力方法 Download PDFInfo
- Publication number
- CN105680485B CN105680485B CN201410658820.XA CN201410658820A CN105680485B CN 105680485 B CN105680485 B CN 105680485B CN 201410658820 A CN201410658820 A CN 201410658820A CN 105680485 B CN105680485 B CN 105680485B
- Authority
- CN
- China
- Prior art keywords
- msub
- mrow
- munderover
- msup
- desired smooth
- 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 24
- 239000000203 mixture Substances 0.000 claims abstract description 9
- ONUFESLQCSAYKA-UHFFFAOYSA-N iprodione Chemical compound O=C1N(C(=O)NC(C)C)CC(=O)N1C1=CC(Cl)=CC(Cl)=C1 ONUFESLQCSAYKA-UHFFFAOYSA-N 0.000 claims description 3
- 230000003111 delayed effect Effects 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 3
- 230000005611 electricity Effects 0.000 description 13
- 238000004146 energy storage Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 6
- 238000001914 filtration Methods 0.000 description 6
- 238000011217 control strategy Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 239000002253 acid Substances 0.000 description 2
- 238000000418 atomic force spectrum Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001983 electron spin resonance imaging Methods 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Landscapes
- Wind Motors (AREA)
Abstract
本发明提供一种风电场平滑出力方法，包括：获取风电场功率预测值组成的数据集合；利用多项式拟合算法对所述数据集合进行拟合，得到理想平滑出力公式；根据所述理想平滑出力公式计算理想平滑出力值；根据所述理想平滑出力值与所述风电场功率预测值的大小关系，确定实际平滑出力值。本发明通过对整个计划出力区间的风电场功率预测值进行多项式拟合，最终得到的实际平滑出力曲线不会滞后延时，相比于利用一阶低通滤波方法平抑风电功率波动的方法，本发明具有更优化的平滑出力效果。
Description
技术领域
本发明涉及电力技术领域，具体地，涉及一种风电场平滑出力方法。
背景技术
风力发电是目前最成熟的利用可再生清洁能源进行发电的技术，但由于风能资源存在着随机性和波动性，给电网带来一系列的影响。功率的波动性程度直接影响电网原有的潮流分布，当风电的渗透率处于较高水平时，波动性和随机性会给电网的运行带来巨大冲击。
为了减少这种冲击，不少学者考虑在风电场中配置储能系统联合运行，以储能系统的充放电出力来改变总输出功率的幅值，减小风电场功率波动对电网的影响，使注入电网的电能更加平稳。但是储能系统目前最大的瓶颈是成本问题，美国EPRI的分析列出了目前各种储能技术的成本，其中，压缩空气的储能系统成本最低，只有60-125美元/kWh，但这个技术目前还只停留在示范工程，其他的储能技术的成本都远远高于压缩空气。例如，拥有近200年历史的技术相对比较成熟的铅酸电池和先进铅酸电池，目前价格在505-760美元/kWh；再如，还处于示范阶段的液流电池，价格在470-1125美元/kWh；锂离子电池目前价格在1050-6000美元/kWh。正因为价格原因，除了极少数示范工程外，绝大多数风电场暂时没有配备储能系统。
对于没有配备储能系统的风电场，虽然缺少储能系统的支持，但仍需要进行风电功率波动平抑，以减小功率波动对电网的影响。图1为风电场的系统示意图，多台风电机组共同接在同一条母线，再通过风电场主变压器接入电力系统。
风电功率波动平抑控制方法的思路是：在一段时期内指定一个功率值范围，在风力发电出力大于指定功率范围的时段内，减少风电场总有功功率输出；在风力发电出力小于或等于指定功率值范围的时段内，风电场以风能最大跟踪模式运行，即向电网释放最大功率。
东北电力大学宇航、严干贵等人利用一阶低通滤波算法实现风电功率波动平抑的控制策略。该控制策略主要对风电场运行中的高频分量进行滤除，减小风电功率的变化率，为电力系统提供较为稳定的功率输出，而储能系统则是通过其充放电来改变输出功率的幅值，使注入电网的电能更加平稳。但实际应用中发现这种利用一阶低通滤波算法得到的出力平滑曲线存在一定的延时作用，如图2所示，较细的线为风电单独出力曲线，较粗的线为利用这种控制策略得到的风储联合发电平滑出力曲线，从图2可明显看出，风储联合发电平滑出力曲线滞后于风电单独出力曲线。这是因为这种利用一阶低通滤波算法实现风电功率波动平抑的控制策略是采用本次采样值与上次滤波输出值进行加权得到本次滤波输出值，具体公式为：
Y(n)＝αX(n)+(1-α)Y(n-1)
以上公式中，α为滤波系数；X(n)为本次采样值；Y(n-1)为上次滤波输出值；Y(n)为本次滤波输出值。
可见，这种利用一阶低通滤波算法实现风电功率波动平抑的控制策略还存在不足之处。
发明内容
本发明实施例的主要目的在于提供一种风电场平滑出力方法，以解决现有技术利用一阶低通滤波算法平抑风电功率波动所得到的平滑出力曲线存在延时现象的问题。
为了实现上述目的，本发明实施例提供一种风电场平滑出力方法，包括：
步骤A，获取风电场功率预测值组成的数据集合；
步骤B，利用多项式拟合算法对所述数据集合进行拟合，得到理想平滑出力公式；
步骤C，根据所述理想平滑出力公式计算理想平滑出力值；
步骤D，根据所述理想平滑出力值与所述风电场功率预测值的大小关系，确定实际平滑出力值；
所述步骤A具体为获取风电场功率预测值组成的数据集合P：
P＝{(pi,ti)|i＝1,2...,m}；
其中，P为数据集合，pi为风电场功率预测值，m为所述数据集合的样本个数且m为自然数，i为样本序列号，ti为pi对应的时间；
所述步骤B具体包括：
步骤B1，根据所述数据集合P中风电场功率预测值pi的波动趋势，确定所述理想平滑出力公式的阶数n，其中n为自然数；
步骤B2，拟合具有所述阶数n的多项式：
anti n+an-1ti n-1+…+a1ti+a0；
其中，a0～an为多项式系数；
步骤B3，计算所述多项式anti n+an-1ti n-1+…+a1ti+a0与所述风电场功率预测值pi的差值平方和Err：
步骤B4，利用最小二乘法计算所述差值平方和Err为最小值时，多项式系数a0～an对应的具体值α0～αn；
步骤B5，利用所述具体值α0～αn构建理想平滑出力公式X(t)：
X(t)＝αntn+αn-1tn-1+…+α1t+α0；
其中，t为时间；
所述步骤C具体为：
计算当t＝ti时，所述理想平滑出力公式X(t)的值X(ti)：
X(ti)＝αnti n+αn-1ti n-1+…+α1ti+α0
其中，X(ti)为理想平滑出力值；
所述步骤D具体包括：
当所述理想平滑出力值小于或等于所述风电场功率预测值时，确定实际平滑出力值等于所述理想平滑出力值；
当所述理想平滑出力值大于所述风电场功率预测值时，确定实际平滑出力值等于所述风电场功率预测值。
借助于上述技术方案，本发明通过对整个计划出力区间的风电场功率预测值进行多项式拟合，最终得到的实际平滑出力曲线不会滞后延时，相比于利用一阶低通滤波方法平抑风电功率波动的方法，本发明具有更优化的平滑出力效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明背景技术提供的风电场的系统示意图；
图2是本发明背景技术提供的利用一阶低通滤波算法进行风电波动平抑前后的功率曲线对比示意图；
图3是本发明提供的风电场平滑出力方法流程示意图；
图4是本发明提供的计划出力区间风电场功率预测值组成的曲线示意图；
图5是本发明提供的计划出力区间风电场功率预测值组成的曲线与理想平滑出力曲线对比示意图；
图6是本发明提供的对应图5的实际平滑出力曲线。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提供一种风电场平滑出力方法，如图3所示，该方法包括：
步骤S1，获取风电场功率预测值组成的数据集合。
具体的，该步骤可从风电场的功率预测系统SCADA中获取功率预测值，即获取SCADA预测的风电场在计划出力区间(未来一段时间)的输出功率值。如图4所示为某风电场在计划出力区间的风电场功率预测值组成的曲线。
步骤S2，利用多项式拟合算法对数据集合进行拟合，得到理想平滑出力公式。
具体的，该步骤利用多项式拟合算法对计划出力区间的风电系统功率预测值数据进行拟合，由于不是如现有的利用一阶低通滤波算法那样采用相邻滤波输出值来计算当前的滤波输出值，因此本发明得到的理想平滑出力曲线(即理想平滑出力公式对应的曲线)不会存在延时现象，平滑效果更加优化。
步骤S3，根据理想平滑出力公式计算理想平滑出力值。
步骤S4，根据理想平滑出力值与风电场功率预测值的大小关系，确定实际平滑出力值。
具体的，由于在风资源不足的条件下，风电场无法增加出力，也就是说，风力发电仅具有向下可调特性，因此，当理想出力大于风电场实际出力，即理想平滑出力值大于风电场功率预测值时，以风电场的实际出力为控制目标发电，也就是实际平滑出力值等于风电场功率预测值，向电网释放最大功率；而当理想出力小于或等于风电场的可用出力，即理想平滑出力值小于或等于风电场功率预测值时，以理想出力为控制目标发电，也就是实际平滑出力值等于理想平滑出力值。
下面对以上各步骤的具体过程进行说明：
步骤S1具体为获取风电场功率预测值组成的数据集合P：
P＝{(pi,ti)|i＝1,2...,m}；
其中，P为数据集合，pi为风电场功率预测值，m为数据集合的样本个数且m为自然数，i为样本序列号，ti为pi对应的时间。
步骤S2具体包括：
步骤S21，根据数据集合P中风电场功率预测值pi的波动趋势，确定理想平滑出力公式的阶数n，其中n为自然数。
较佳的，步骤S21可以具体包括：
根据数据集合P中风电场功率预测值pi的波动趋势，确定理想平滑出力曲线波形；
根据所述理想平滑出力曲线波形，确定所述理想平滑出力公式的阶数n。
例如，当所述理想平滑出力曲线波形为直线时，确定所述理想平滑出力公式的阶数n＝1；当所述理想平滑出力曲线波形为抛物线时，确定所述理想平滑出力公式的阶数n＝2。
步骤S22，拟合具有阶数n的多项式：
anti n+an-1ti n-1+…+a1ti+a0；
其中，a0～an为多项式系数。
步骤S23，计算多项式anti n+an-1ti n-1+…+a1ti+a0与风电场功率预测值pi的差值平方和Err：
步骤S24，利用最小二乘法计算差值平方和Err为最小值时，多项式系数a0～an对应的具体值α0～αn。
该步骤可采用如下计算方式：
分别对多项式系数a0～an求偏导数，得到如下方程组：
求解以上方程组，得到多项式系数a0～an对应的具体值α0～αn。
步骤S25，利用具体值α0～αn构建理想平滑出力公式X(t)：
X(t)＝αntn+αn-1tn-1+…+α1t+α0；
其中，t为时间。
步骤S3具体为：
计算当t＝ti时，理想平滑出力公式X(t)的值X(ti)：
X(ti)＝αnti n+αn-1ti n-1+…+α1ti+α0
其中，X(ti)为理想平滑出力值。
步骤S4具体包括：
当理想平滑出力值X(ti)小于或等于风电场功率预测值pi时，确定实际平滑出力值X(ti)′等于理想平滑出力值X(ti)，即，当X(ti)≤pi时，X(ti)′＝X(ti)。
当理想平滑出力值X(ti)大于风电场功率预测值pi时，确定实际平滑出力值X(ti)′等于风电场功率预测值pi，即，当X(ti)>pi时，X(ti)′＝pi。
图5分别显示了计划出力区间风电场功率预测值组成的曲线(虚线所示)以及利用本发明提供的方法计算得到的理想平滑出力曲线(实线所示)，通过对比可知，理想平滑出力曲线减小了功率波动，且不存在延时现象。根据图5中各时刻风电场功率预测值与理想平滑出力值的大小关系，得到图6所示的实际平滑出力曲线。
以上的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，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保护范围之内。
Claims (5)
1.一种风电场平滑出力方法，其特征在于，包括：
步骤A，获取风电场功率预测值组成的数据集合；
步骤B，利用多项式拟合算法对所述数据集合进行拟合，得到理想平滑出力公式；
步骤C，根据所述理想平滑出力公式计算理想平滑出力值；
步骤D，根据所述理想平滑出力值与所述风电场功率预测值的大小关系，确定实际平滑出力值；
所述步骤A具体为获取风电场功率预测值组成的数据集合P：
P＝{(pi,ti)|i＝1,2...,m}；
其中，P为数据集合，pi为风电场功率预测值，m为所述数据集合的样本个数且m为自然数，i为样本序列号，ti为pi对应的时间；
所述步骤B具体包括：
步骤B1，根据所述数据集合P中风电场功率预测值pi的波动趋势，确定所述理想平滑出力公式的阶数n，其中n为自然数；
步骤B2，拟合具有所述阶数n的多项式：
anti n+an-1ti n-1+…+a1ti+a0；
其中，a0～an为多项式系数；
步骤B3，计算所述多项式anti n+an-1ti n-1+…+a1ti+a0与所述风电场功率预测值pi的差值平方和Err：
<mrow>
<mi>Err</mi>
<mo>=</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>m</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>a</mi>
<mi>n</mi>
</msub>
<msup>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mi>n</mi>
</msup>
<mo>+</mo>
<msub>
<mi>a</mi>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<msup>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>+</mo>
<mo>.</mo>
<mo>.</mo>
<mo>.</mo>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>0</mn>
</msub>
<mo>-</mo>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>;</mo>
</mrow>
步骤B4，利用最小二乘法计算所述差值平方和Err为最小值时，多项式系数a0～an对应的具体值α0～αn；
步骤B5，利用所述具体值α0～αn构建理想平滑出力公式X(t)：
X(t)＝αntn+αn-1tn-1+…+α1t+α0；
其中，t为时间；
所述步骤C具体为：
计算当t＝ti时，所述理想平滑出力公式X(t)的值X(ti)：
X(ti)＝αnti n+αn-1ti n-1+…+α1ti+α0
其中，X(ti)为理想平滑出力值；
所述步骤D具体包括：
当所述理想平滑出力值小于或等于所述风电场功率预测值时，确定实际平滑出力值等于所述理想平滑出力值；
当所述理想平滑出力值大于所述风电场功率预测值时，确定实际平滑出力值等于所述风电场功率预测值。
2.根据权利要求1所述的方法，其特征在于，所述步骤B1具体包括：
根据数据集合P中风电场功率预测值pi的波动趋势，确定理想平滑出力曲线波形；
根据所述理想平滑出力曲线波形，确定所述理想平滑出力公式的阶数n。
3.根据权利要求2所述的方法，其特征在于，当所述理想平滑出力曲线波形为直线时，确定所述理想平滑出力公式的阶数n＝1。
4.根据权利要求2所述的方法，其特征在于，当所述理想平滑出力曲线波形为抛物线时，确定所述理想平滑出力公式的阶数n＝2。
5.根据权利要求1所述的方法，其特征在于，所述步骤B4具体包括：
分别对多项式系数a0～an求偏导数，得到如下方程组：
<mfenced open='{' close=''>
<mtable>
<mtr>
<mtd>
<msub>
<mi>ma</mi>
<mn>0</mn>
</msub>
<mo>+</mo>
<mrow>
<mo>(</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<mo>.</mo>
<mo>.</mo>
<mo>.</mo>
<mo>+</mo>
<mrow>
<mo>(</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msup>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mi>n</mi>
</msup>
<mo>)</mo>
</mrow>
<msub>
<mi>a</mi>
<mi>n</mi>
</msub>
<mo>=</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>(</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<msub>
<mi>a</mi>
<mn>0</mn>
</msub>
<mo>+</mo>
<mrow>
<mo>(</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msup>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mn>2</mn>
</msup>
<mo>)</mo>
</mrow>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<mo>.</mo>
<mo>.</mo>
<mo>.</mo>
<mo>+</mo>
<mrow>
<mo>(</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msup>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mrow>
<mi>n</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<msub>
<mi>a</mi>
<mi>n</mi>
</msub>
<mo>=</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
<mo>.</mo>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
<mo>.</mo>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
<mo>.</mo>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>(</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msup>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mi>n</mi>
</msup>
<mo>)</mo>
</mrow>
<msub>
<mi>a</mi>
<mn>0</mn>
</msub>
<mo>+</mo>
<mrow>
<mo>(</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msup>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mrow>
<mi>n</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<mo>.</mo>
<mo>.</mo>
<mo>.</mo>
<mo>+</mo>
<mrow>
<mo>(</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msup>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mrow>
<mn>2</mn>
<mi>n</mi>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<msub>
<mi>a</mi>
<mi>n</mi>
</msub>
<mo>=</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msup>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mi>n</mi>
</msup>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
求解以上方程组，得到多项式系数a0～an对应的具体值α0～αn。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410658820.XA CN105680485B (zh) | 2014-11-18 | 2014-11-18 | 一种风电场平滑出力方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410658820.XA CN105680485B (zh) | 2014-11-18 | 2014-11-18 | 一种风电场平滑出力方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105680485A CN105680485A (zh) | 2016-06-15 |
| CN105680485B true CN105680485B (zh) | 2017-10-13 |
Family
ID=56944388
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410658820.XA Active CN105680485B (zh) | 2014-11-18 | 2014-11-18 | 一种风电场平滑出力方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105680485B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4170565B2 (ja) * | 2000-06-30 | 2008-10-22 | 株式会社ダイヘン | 電力変動平滑化装置及びそれを備えた分散電源システムの制御方法 |
| CN102055188A (zh) * | 2011-01-07 | 2011-05-11 | 西北电网有限公司 | 基于时间序列法的超短期风电功率预报方法 |
| CN102411729A (zh) * | 2011-11-04 | 2012-04-11 | 国电南京自动化股份有限公司 | 基于自适应线性逻辑网络的风电功率预测方法 |
| CN103259279A (zh) * | 2013-06-09 | 2013-08-21 | 国家电网公司 | 基于风电功率min级分量波动的风电场储能容量优化方法 |
| CN103473621A (zh) * | 2013-09-29 | 2013-12-25 | 中能电力科技开发有限公司 | 风电场短期功率预测方法 |
| CN103488869A (zh) * | 2013-08-23 | 2014-01-01 | 上海交通大学 | 一种最小二乘支持向量机的风力发电短期负荷预测方法 |
| CN103544655A (zh) * | 2013-10-18 | 2014-01-29 | 国家电网公司 | 一种含微电网的区域配电网分层优化方法 |
| CN104102951A (zh) * | 2014-05-05 | 2014-10-15 | 南方电网科学研究院有限责任公司 | 一种基于emd历史数据预处理的短期风电功率预测方法 |
-
2014
- 2014-11-18 CN CN201410658820.XA patent/CN105680485B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4170565B2 (ja) * | 2000-06-30 | 2008-10-22 | 株式会社ダイヘン | 電力変動平滑化装置及びそれを備えた分散電源システムの制御方法 |
| CN102055188A (zh) * | 2011-01-07 | 2011-05-11 | 西北电网有限公司 | 基于时间序列法的超短期风电功率预报方法 |
| CN102411729A (zh) * | 2011-11-04 | 2012-04-11 | 国电南京自动化股份有限公司 | 基于自适应线性逻辑网络的风电功率预测方法 |
| CN103259279A (zh) * | 2013-06-09 | 2013-08-21 | 国家电网公司 | 基于风电功率min级分量波动的风电场储能容量优化方法 |
| CN103488869A (zh) * | 2013-08-23 | 2014-01-01 | 上海交通大学 | 一种最小二乘支持向量机的风力发电短期负荷预测方法 |
| CN103473621A (zh) * | 2013-09-29 | 2013-12-25 | 中能电力科技开发有限公司 | 风电场短期功率预测方法 |
| CN103544655A (zh) * | 2013-10-18 | 2014-01-29 | 国家电网公司 | 一种含微电网的区域配电网分层优化方法 |
| CN104102951A (zh) * | 2014-05-05 | 2014-10-15 | 南方电网科学研究院有限责任公司 | 一种基于emd历史数据预处理的短期风电功率预测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105680485A (zh) | 2016-06-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Howlader et al. | A robust H∞ controller based frequency control approach using the wind-battery coordination strategy in a small power system | |
| CN102419394B (zh) | 一种预测分辨率可变的风光功率预测方法 | |
| CN102664422B (zh) | 一种利用储能系统平滑风电场输出功率的方法 | |
| CN105162141A (zh) | 考虑风电不确定性及电压稳定性因素的电网无功优化方法 | |
| CN103094926A (zh) | 一种用于微电网群的多元复合储能容量配置方法 | |
| Wang et al. | An improved min-max power dispatching method for integration of variable renewable energy | |
| Chen et al. | Energy storage sizing for dispatchability of wind farm | |
| CN110676861A (zh) | 一种配电网复合储能装置的容量优化配置方法 | |
| Manchester et al. | Energy storage requirements for in-stream tidal generation on a limited capacity electricity grid | |
| CN105515031B (zh) | 一种基于预测数据修正的微网储能实时控制方法 | |
| CN105896575A (zh) | 基于自适应动态规划的百兆瓦储能功率控制方法及系统 | |
| Xiao et al. | A multi‐energy complementary coordinated dispatch method for integrated system of wind‐photovoltaic‐hydro‐thermal‐energy storage | |
| Gan et al. | A review on capacity optimization of hybrid renewable power system with energy storage | |
| CN105680486B (zh) | 一种风光储联合发电系统的平滑出力方法 | |
| Wang et al. | Adequacy assessment of generating systems incorporating wind, PV and energy storage | |
| CN105680485B (zh) | 一种风电场平滑出力方法 | |
| Hajiah et al. | Optimal sizing of wind power systems in three high wind potential zones in kuwait for remote housing electrification | |
| Tianqi et al. | Optimal scheduling of virtual power plants that ignore the cost of battery loss | |
| CN103488865B (zh) | 一种储能装置容量的计算方法 | |
| CN105680458B (zh) | 一种光伏电站平滑出力方法 | |
| CN105591380B (zh) | 一种光热电站平滑出力方法 | |
| Yuan et al. | A dynamic optimal control strategy for BESS considering wind power forecasting | |
| Lin et al. | An optimal capacity configuration method of wind/PV and energy storage co-generation system | |
| CN105680459B (zh) | 一种风电系统与储能系统联合发电平滑出力方法 | |
| CN105680461B (zh) | 一种光伏电站与储能系统联合发电平滑出力方法 |
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 |