CN106355286A - 水冷却光伏‑光热发电系统的发电量计算方法及系统 - Google Patents
水冷却光伏‑光热发电系统的发电量计算方法及系统 Download PDFInfo
- Publication number
- CN106355286A CN106355286A CN201610808274.2A CN201610808274A CN106355286A CN 106355286 A CN106355286 A CN 106355286A CN 201610808274 A CN201610808274 A CN 201610808274A CN 106355286 A CN106355286 A CN 106355286A
- Authority
- CN
- China
- Prior art keywords
- water cooling
- photovoltaic
- sunshine
- thermal
- output
- 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
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明公开了基于n维梯形模糊集的水冷却光伏‑光热一体化发电系统的发电量计算方法及系统,方法包括:计算光伏发电板的输出功率增加值;利用n维广义梯形模糊集计算预定地区的有效日照强度并根据有效日照强度计算水冷却光伏系统的光伏发电板的发电功率;计算水冷却光热系统的电效率增加值;根据高温高压蒸汽量及电效率增加值计算水冷却光热系统的发电功率;利用统计分析方法计算水冷却光伏系统的输出功率与日照时间多值模糊不确定性关系的n维广义梯形模糊集;计算水冷却光伏系统的发电量及水冷却光热系统的发电量得到水冷却光伏‑光热一体化发电系统发电量;能够准确的预测出水冷却光伏‑光热一体化发电系统的发电量。
Description
技术领域
本发明涉及电气技术领域,特别涉及一种基于n维梯形模糊集的水冷却光伏-光热一体化发电系统的发电量计算方法及系统。
背景技术
世界各国可再生能源在电网接入近年呈现快速增长趋势。光伏发电接入增长是最快的,年增长率为60%;其次是风力发电和生物燃料发电,年增长率分别为27%和18%。工业和信息化部预测,2030年全国电动汽车保有量将达到6000万辆,峰值充电功率将达0.42TW,占预计总装机容量2.32TW的18%。因此,分布式发电、储能和电动汽车充电系统在城市配电网大规模接入是一种必然的趋势。随着国家政策和行业发展的交互支持和促进,在一定空间中,比如城市居民等小用户以及商业建筑物、社区、工业区等大用户群,分布式光伏发电系统会形成快速发展的趋势,光伏和光热发电一体化系统也将显示出强劲发展的态势。分布式储能系统是一种接入电压等级和接入点固定的分布式系统,包括压缩氢储能、电池储能、超级电容储能等,储能功率可柔可控;电动汽车分布式充电系统是一种接入电压等级和接入点可变的分布式系统,充电功率可柔可控,随机性极大。分布式发电波动性、间歇性、随机性和电动汽车充电不确定性,使得单一新能源用户发电、用电和充电的更具随机性,城市居民等小用户以及商业建筑物、社区、工业区等大用户群分布式发电、储能和电动汽车充电系统的互动关系会进一步增大了新能源用户输出功率的随机性和模糊性。
对于随机不确定性,传统上通常采用概率统计理论来进行分析和处理随机不确定性的信息,例如用以均值和方差为特征值的概率密度函数和概率分布函数来构造不确定性事件或参量的概率模型,描述不确定性事件的发生概率特性以及功率、电压和电流等不确定性参量的波动特性。
对于模糊的不确定性,传统上通常采用模糊分析方法来进行分析和处理模糊不确定性的信息。采用Zadeh模糊集或TYPE1模糊集模拟和描述模糊不确定性事件或参量的不精确信息,主要是利用单层隶属度函数的方法对模糊不确定性事件或参量进行模拟,以隶属度值来描述。在实际应用系统中,不确定性事件变得越来越复杂,不确定性参量数量庞大而且关系复杂,极大地增加了事件或参量本身以及相互之间信息的模糊程度,基于Zadeh模糊集和TYPE1模糊集的单层隶属度函数方法显得明显的不足,以直接模拟信息中的难以分析和处理这些模糊不确定性事件或参量。
在实际应用系统中,还会同时存在随机与模糊两种不确定性的事件或参量,而且其交互作用、互相叠加。传统的概率分析方法和模糊分析方法受其本身机理的限制,在处理这种系统随机与模糊不确定性事件或参量时已经变得明显的不足,分析效果无法接近实际的情景。可见,新能源用户分布式光伏发电系统日发电量计算的现有技术都没有全面考虑影响因素的不确定性和随机性,计算方法适用性、实用性和应用性也难以得到满足。
发明内容
本发明的目的是提供一种基于n维梯形模糊集的水冷却光伏-光热一体化发电系统的发电量计算方法及系统,能够准确的预测出水冷却光伏-光热一体化发电系统的发电量,为分布式新能源发电及智能电网调度运行提供必要的技术支撑。
为解决上述技术问题,本发明提供一种基于n维梯形模糊集的水冷却光伏-光热一体化发电系统的发电量计算方法,包括:
从水冷却光伏系统运行数据中获取的第一预定参数,计算光伏发电板的温度降低值,并根据温度降低值计算光伏发电板的输出功率增加值;
在预定地区根据环境预报数据获取预定周期内日照强度多值,利用统计分析方法计算水冷却光伏系统的输出功率与日照强度多值模糊不确定性关系的n维广义梯形模糊集,并利用n维广义梯形模糊集计算预定地区的有效日照强度;
利用所述有效日照强度,计算水冷却光伏系统的光伏发电板的发电功率;
从水冷却光热系统运行数据中获取的第二预定参数,计算水冷却光热系统的电效率增加值;
利用所述有效日照强度,计算水冷却光热系统的可用的高温高压蒸汽量,根据高温高压蒸汽量及电效率增加值,计算水冷却光热系统的发电功率;
在预定地区根据环境预报数据获取预定周期内日照时间多值,利用统计分析方法计算水冷却光伏系统的输出功率与日照时间多值模糊不确定性关系的n维广义梯形模糊集;
根据水冷却光伏系统的输出功率与日照时间多值模糊不确定性关系的n维广义梯形模糊集,计算水冷却光伏系统的发电量及水冷却光热系统的发电量;
根据水冷却光伏系统的发电量及水冷却光热系统的发电量,计算水冷却光伏-光热一体化发电系统发电量。
其中,从水冷却光伏系统运行数据中获取的第一预定参数,计算光伏发电板的温度降低值,并根据温度降低值计算光伏发电板的输出功率增加值,包括:
利用公式ΔTPV=kPV(TR,PV-TPV)+kcool(Tout-Tin)计算光伏发电板的温度降低值ΔTPV;
利用公式计算光伏发电板增加发电效率ΔePV;
根据ΔePV,利用公式ΔPPV=ηP,coolΔePV计算光伏发电板的输出功率增加值ΔPPV;
其中,kPV为光伏发电板温度降低值对温度的响应系数,kcool为光伏发电板温度降低值对于光伏发电板冷却水系统出口与入口水温度差值的响应系数,TR,PV、TPV分别为光伏发电板在环境温度TE的参考温度和实际测量温度,Tin为水冷却光伏热系统水系统入口冷水温度,Tout为出口热水温度,PPV0为没有采用水冷却时光伏发电板输出的发电功率,ηP,cool为光伏发电板水冷却的出力效应系数。
其中,在预定地区根据环境预报数据获取预定周期内日照强度多值,利用统计分析方法计算水冷却光伏系统的输出功率与日照强度多值模糊不确定性关系的n维广义梯形模糊集,并利用n维广义梯形模糊集计算预定地区的有效日照强度,包括:
在预定地区根据环境预报数据获取预定周期内日照强度多值的数据信息,根据水冷却光伏系统输出功率与日照强度之间的特征关系,利用统计分析方法计算水冷却光伏系统的输出功率与日照强度多值模糊不确定性关系的n维广义梯形模糊集EH:
EH=(EHV1,EHV2,...,EHVn)=[(EHV11,EHV12,EHV13,EHV14;kHV1),
(EHV21,EHV22,EHV23,EHV24;kHV2),
…
(EHVn1,EHVn2,EHVn3,EHVn4;kHVn)]
其中,EHV1、EHV2、…、EHVn及kHV1、kHV2、…、kHVn分别为与日照强度模糊不确定性相对应的日发电量n维广义梯形模糊集及隶属度系数,EHV1j、EHV2j、…、EHVnj(j=1,2,3,4)分别为日照强度模糊不确定性相对应的日照强度n维广义梯形模糊集的第j个模糊数;
利用n维广义梯形模糊集EH计算预定地区的有效日照强度为:
Eeff=ηSTηSYηSA(EHV1,EHV2,...,EHVn)
=ηSTηSYηSA[(EHV11,EHV12,EHV13,EHV14;kHV1),
(EHV21,EHV22,EHV23,EHV24;kHV2),
…
(EHVn1,EHVn2,EHVn3,EHVn4;kHVn)]
其中,Eeff为水冷却光伏-光热发电系统所处区域有效日照强度,ηST、ηSY、ηSA分别为日照时间、日照阴影、日照偏角对日照强度的影响系数。
其中,计算水冷却光伏系统的光伏发电板的发电功率,包括:
利用公式PPVi=(1-mST)(1-dSY)(1-dSA)(1+ΔePV)APVkPVEE[Eeffi]计算水冷却光伏系统的光伏发电板的发电功率PPVi;
其中,APV为水冷却光伏热系统光伏发电板的有效发电面积,kPVE为光伏发电板光电转换系数,mST、dSY、dSA分别为水冷却光伏热系统日照时间的间隙度、日照阴影度、日照偏角的偏离度。
其中,在预定地区根据环境预报数据获取预定周期内日照时间多值,利用统计分析方法计算水冷却光伏系统的输出功率与日照时间多值模糊不确定性关系的n维广义梯形模糊集,包括:
在预定地区根据环境预报数据获取预定周期内日照强度多值的数据信息,根据水冷却光伏系统输出功率与日照强度之间的特征关系,利用统计分析方法计算水冷却光伏系统的输出功率与日照强度多值模糊不确定性关系的n维广义梯形模糊集TH:
TH=(THV1,THV2,...,THVn)=[(THV11,THV12,THV13,THV14;kTV1),
(THV21,THV22,THV23,THV24;kTV2),
…
(THVn1,THVn2,THVn3,THVn4;kTVn)]
其中,THV1、THV2、…、THVn及kTV1、kTV2、…、kTVn分别为与日照时间模糊不确定性相对应的日发电量n维广义梯形模糊集及隶属度系数,THV1j、THV2j、…、THVnj(j=1,2,3,4)分别为日照时间模糊不确定性相对应的日照时间n维广义梯形模糊集的第j个模糊数。
其中,从水冷却光热系统运行数据中获取的第二预定参数,计算水冷却光热系统的电效率增加值,包括:
从水冷却光热系统运行数据中获取的光伏热系统温度为Tout的冷却水与光热发电系统温度为TCSP发电用水混合,得到使光热发电系统发电用水温度升高值为ΔTCSP;
利用公式ΔeCSP=ηheatΔTCSP计算水冷却光热系统的电效率增加值ΔeCSP;
其中,ηheat为光热发电系统混合水的发电效应系数。
其中,利用所述有效日照强度,计算水冷却光热系统的可用的高温高压蒸汽量,根据高温高压蒸汽量及电效率增加值,计算水冷却光热系统的发电功率,包括:
利用公式WCSP=SCSPE[Eeff]fCSP(1-kTB)计算水冷却光热系统的可用的高温高压蒸汽量WCSP;
利用公式计算水冷却光热系统的发电功率ECSP;
其中,SCSP为光热发电系统聚光器的面积,fCSP为光热发电系统具有一定体积的集热器的光效系数,kTB为光热发电系统光锅炉高温高压蒸汽输出量系数,a、b、c、d、e分别为与水冷却光伏-光热发电系统光热发电系统可用的高温高压热水量相关的功率系数。
其中,根据水冷却光伏系统的输出功率与日照时间多值模糊不确定性关系的n维广义梯形模糊集,计算水冷却光伏系统的发电量及水冷却光热系统的发电量,包括:
利用公式计算水冷却光伏系统的发电量EPV;
利用公式计算水冷却光热系统的发电量ECSP;
其中,APV为水冷却光伏热系统光伏发电板的有效发电面积,kPVE为光伏发电板光电转换系数,mST、dSY、dSA分别为水冷却光伏热系统日照时间的间隙度、日照阴影度、日照偏角的偏离度,kE,CSP为与水冷却光伏-光热发电系统光热发电系统可用的高温高压热水量相关的发电量系数。
其中,根据水冷却光伏系统的发电量及水冷却光热系统的发电量,计算水冷却光伏-光热一体化发电系统发电量,包括:
利用公式EPV-CSP=(1-kPV)EPV+(1-kSCP)ECSP计算水冷却光伏-光热一体化发电系统发电量EPV-CSP;
其中,kPV、kSCP分别为光伏发电系统、光热发电系统的用电率。
本发明还提供一种基于n维梯形模糊集的水冷却光伏-光热一体化发电系统的发电量计算系统,包括:
光伏发电板的输出功率增加值模块,用于从水冷却光伏系统运行数据中获取的第一预定参数,计算光伏发电板的温度降低值,并根据温度降低值计算光伏发电板的输出功率增加值;
有效日照强度模块,用于在预定地区根据环境预报数据获取预定周期内日照强度多值,利用统计分析方法计算水冷却光伏系统的输出功率与日照强度多值模糊不确定性关系的n维广义梯形模糊集,并利用n维广义梯形模糊集计算预定地区的有效日照强度;
光伏发电板的发电功率模块,用于利用所述有效日照强度,计算水冷却光伏系统的光伏发电板的发电功率;
光热系统电效率增加值模块,用于从水冷却光热系统运行数据中获取的第二预定参数,计算水冷却光热系统的电效率增加值;
光热系统的发电功率模块,用于利用所述有效日照强度,计算水冷却光热系统的可用的高温高压蒸汽量,根据高温高压蒸汽量及电效率增加值,计算水冷却光热系统的发电功率;
日照时间模糊集模块,用于在预定地区根据环境预报数据获取预定周期内日照时间多值,利用统计分析方法计算水冷却光伏系统的输出功率与日照时间多值模糊不确定性关系的n维广义梯形模糊集;
发电量计算模块,用于根据水冷却光伏系统的输出功率与日照时间多值模糊不确定性关系的n维广义梯形模糊集,计算水冷却光伏系统的发电量及水冷却光热系统的发电量;根据水冷却光伏系统的发电量及水冷却光热系统的发电量,计算水冷却光伏-光热一体化发电系统发电量。
本发明所提供的基于n维梯形模糊集的水冷却光伏-光热一体化发电系统的发电量计算方法,反映了日照强度、日照时间、日照阴影、日照偏角度等参量的随机特性、模糊特性及其概率特征、模糊分布规律对光伏-光热一体化发电系统输出功率的影响机理,为光伏-光热一体化发电系统发电出力预测提供理论指导,能够准确的预测出水冷却光伏-光热一体化发电系统的发电量,为分布式新能源发电及智能电网调度运行提供必要的技术支撑。
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,下面将对实施例或现有技术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,还可以根据提供的附图获得其他的附图。
图1为本发明实施例所提供的水冷却光伏-光热一体化发电系统的结构框图;
图2为本发明实施例所提供的基于n维梯形模糊集的水冷却光伏-光热一体化发电系统的发电量计算方法的流程图;
图3为本发明实施例所提供的基于n维梯形模糊集的水冷却光伏-光热一体化发电系统的发电量计算系统的结构框图。
具体实施方式
本发明的核心是提供一种基于n维梯形模糊集的水冷却光伏-光热一体化发电系统的发电量计算方法及系统,能够准确的预测出水冷却光伏-光热一体化发电系统的发电量,为分布式新能源发电及智能电网调度运行提供必要的技术支撑。
为使本发明实施例的目的、技术方案和优点更加清楚,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。
太阳光在不同区域辐射强度、日照时间会存在极大的差异性,在同一地点因云层遮挡形成阴影而造成在不同时间和空间上日照强度也会存在极大的差异性、随机性和模糊性,光热发电系统的接续发电或连续发电能力取决于熔融盐储能容量、能源转换效率和柔性控制方式等因素,其输出功率水平也因多种不确定性因素影响而具有很大的随机性和模糊性,城市居民等小用户以及商业建筑物、社区、工业区等大用户群分布式发电、储能和电动汽车充电系统的互动关系会进一步增大了新能源用户输出功率的随机性和模糊性。
本实施例构建一种水冷却光伏-光热一体化发电系统,其水冷却光伏-光热一体化发电的基本原理是利用光伏热系统中的光伏发电板进行光伏发电,同时采用水冷却方式对光伏发电板进行冷却,从冷却过程中获得高温水并与光热发电系统发电用水混合,温度升高的混合发电用水送入光热发电系统光锅炉产生高温高压水蒸汽,实现光伏-光热一体化发电的目的。
请参考图1,图1中1为光伏热系统低温水输入管,光伏热系统的上层顶板为光伏发电板、下层为由按照一定规律布置的光伏热管组成光伏发电冷却水系统;2为光伏发电系统;3为光伏发电冷却水系统;4为光伏热系统高温水输出管;5为光伏热系统高温水储存系统;6为光伏热系统高温水储存系统高温水输出管;7为光伏热系统的热水与光热发电系统发电用水的混合系统;8为太阳光聚光器;9为光热发电系统集光器;10为光热发电系统光锅炉,用于生成高温高压水蒸汽;11为光热发电系统光锅炉低温水输入管;12为光伏热系统的热水与光热发电系统发电用水的混合系统的低温水输入管;13为光热发电系统光锅炉高温高压水蒸汽输出管;14为汽轮发电机组;15为光热发电系统的低压母线;16为光热发电系统变压器;17为光伏-光热一体化发电系统的高压母线;18为光伏-光热一体化发电系统高压侧无功补偿装置,这里采用静止无功发生器;19为光伏发电系统低压侧储能系统;20为光伏发电系统低压母线;21为光伏发电系统变压器;22为来自聚光器的热管,也是熔融盐储能系统的光热输入管;23为熔融盐储能系统;24为熔融盐储能系统的光热输出管。
其期望目标是提高新能源利用率并提高光伏-光热一体化发电效率。本实施例所构建水冷却光伏-光热一体化发电系统中有两次发电效率提升过程和环节:1)光伏发电板水冷却,使光伏发电效率得到进一步提高;2)光伏发电系统获得高温冷却水送给光热发电系统,使光热发电效率得到进一步提高。
本实施例针对两次发电效率提升过程和环节进行数学建模,提出基于n维梯形模糊集的水冷却光伏-光热一体化发电系统的发电量计算方法。该方法针对图1所示的水冷却光伏-光热一体化发电系统,同时考虑影响新能源用户分布式光伏发电系统日发电量的随机和模糊不确定性,主要考虑区域内太阳光辐射强度、日照时间以及用户所在地在不同时间和空间上日照强度、日照时间、日照阴影、日照偏角度等随机和模糊不确定性因素,同时还考虑作为接续发电或连续发电的光伏发电系统的电池储能容量或光热发电系统的熔融盐储能装机容量、储能状态、能源转换效率、配电网调压要求和柔性控制方式等因素的影响,具体方法如下。为便于本实施例描述方便,水冷却光伏-光热一体化发电系统中可以分为水冷却光伏-光热一体化发电系统的光伏系统(简称为水冷却光伏系统或光伏发电系统)和水冷却光伏-光热一体化发电系统的光热系统(简称为水冷却光热系统或光热发电系统)。
请参考图2,图2为本发明实施例所提供的基于n维梯形模糊集的水冷却光伏-光热一体化发电系统的发电量计算方法的流程图;该方法可以包括:
S100、从水冷却光伏系统运行数据中获取的第一预定参数,计算光伏发电板的温度降低值,并根据温度降低值计算光伏发电板的输出功率增加值;
其中,该第一预定参数为与光伏发电板的温度值有关的数据,根据这些数据用户可以计算出光伏发电板的温度降低值,并可以最终根据该温度降低值计算光伏发电板的输出功率增加值。第一预定参数的获取准确性会影响到最终计算结果的准确性。
具体的,从光伏发电监控中心(即水冷却光伏-光热一体化发电系统监控中心,或电网能量管理系统EMS)获取水冷却光伏热系统水系统入口冷水温度Tin和出口热水温度Tout,获取光伏发电板实际测量温度和输出电流,计算太阳能光伏发电板的温度降低值ΔTPV,水冷却光伏热系统因采用水冷却使光伏发电板的温度降低而使光伏发电板增加发电效率ΔePV,因此计算出光伏发电板的输出功率增加值ΔPPV;本实施例只需要能够计算得到这些数据,至于计算的具体公式,本实施例并不作具体限定。可选的,用下述公式进行计算。
利用公式ΔTPV=kPV(TR,PV-TPV)+kcool(Tout-Tin)计算光伏发电板的温度降低值ΔTPV;
利用公式计算光伏发电板增加发电效率ΔePV;
根据ΔePV,利用公式ΔPPV=ηP,coolΔePV计算光伏发电板的输出功率增加值ΔPPV;
其中,kPV为光伏发电板温度降低值对温度的响应系数,kcool为光伏发电板温度降低值对于光伏发电板冷却水系统出口与入口水温度差值的响应系数,TR,PV、TPV分别为光伏发电板在环境温度TE的参考温度和实际测量温度,Tin为水冷却光伏热系统水系统入口冷水温度,Tout为出口热水温度,PPV0为没有采用水冷却时光伏发电板输出的发电功率,ηP,cool为光伏发电板水冷却的出力效应系数。
其中,ΔTPV还可以利用计算得到。其中,IPV为光伏发电板输出电流,kIT,PV为光伏发电板温度与输出电流的关系系数,单位为℃/A。
即具体计算过程可以根据用户选取的具体参数进行决定。
S110、在预定地区根据环境预报数据获取预定周期内日照强度多值,利用统计分析方法计算水冷却光伏系统的输出功率与日照强度多值模糊不确定性关系的n维广义梯形模糊集,并利用n维广义梯形模糊集计算预定地区的有效日照强度;
具体的,预定周期内日照强度多值可以从公共气象数据平台中获取,即在预定地区从公共气象数据平台中获取预定周期内日照强度多值的数据信息(可以是根据多年或数十年的历史数据,采用概率分析方法计算确定),根据水冷却光伏系统输出功率与日照强度之间的特征关系,利用统计分析方法计算水冷却光伏系统的输出功率与日照强度多值模糊不确定性关系的n维广义梯形模糊集EH:具体的计算方式可以如下,也可以采用其他计算公式,这里并不对具体的计算公式进行限定。
在预定地区根据环境预报数据获取预定周期内日照强度多值的数据信息,根据水冷却光伏系统输出功率与日照强度之间的特征关系,利用统计分析方法计算水冷却光伏系统的输出功率与日照强度多值模糊不确定性关系的n维广义梯形模糊集EH:
EH=(EHV1,EHV2,...,EHVn)=[(EHV11,EHV12,EHV13,EHV14;kHV1),
(EHV21,EHV22,EHV23,EHV24;kHV2),
…
(EHVn1,EHVn2,EHVn3,EHVn4;kHVn)]
其中,EHV1、EHV2、…、EHVn及kHV1、kHV2、…、kHVn分别为与日照强度模糊不确定性相对应的日发电量n维广义梯形模糊集及隶属度系数,EHV1j、EHV2j、…、EHVnj(j=1,2,3,4)分别为日照强度模糊不确定性相对应的日照强度n维广义梯形模糊集的第j个模糊数;
考虑日照时间、日照阴影、日照偏角等的不确定性、模糊随机性和概率随机性,利用n维广义梯形模糊集EH计算预定地区的有效日照强度为:
Eeff=ηSTηSYηSA(EHV1,EHV2,...,EHVn)
=ηSTηSYηSA[(EHV11,EHV12,EHV13,EHV14;kHV1),
(EHV21,EHV22,EHV23,EHV24;kHV2),
…
(EHVn1,EHVn2,EHVn3,EHVn4;kHVn)]
其中,Eeff为水冷却光伏-光热发电系统所处区域有效日照强度,单位:W/m2,ηST、ηSY、ηSA分别为日照时间、日照阴影、日照偏角对日照强度的影响系数。
S120、利用所述有效日照强度,计算水冷却光伏系统的光伏发电板的发电功率;
具体的,利用公式PPVi=(1-mST)(1-dSY)(1-dSA)(1+ΔePV)APVkPVEE[Eeffi]计算水冷却光伏系统的光伏发电板的发电功率PPVi;
其中,APV为水冷却光伏热系统光伏发电板的有效发电面积,单位:m2,kPVE为光伏发电板光电转换系数,mST、dSY、dSA分别为水冷却光伏热系统日照时间的间隙度、日照阴影度、日照偏角的偏离度。这些系数可以通过概率计算得到。具体计算过程中还可以利用pST、pSY、pSA分别为水冷却光伏热系统日照时间的间隙性概率、日照阴影的概率、日照偏角的概率参与计算。
这里也可以采用其他计算公式,这里并不对具体的计算公式进行限定。
S130、从水冷却光热系统运行数据中获取的第二预定参数,计算水冷却光热系统的电效率增加值;
其中,该第二预定参数为与光热系统的温度值有关的数据,根据这些数据用户可以计算出光热系统水温的升高值,该温度升高值计算光热系统的电效率增加值。第一预定参数的获取准确性会影响到最终计算结果的准确性。
具体的,光伏热系统温度为Tout的冷却水与光热发电系统温度为TCSP发电用水混合,使光热发电系统发电用水温度升高值为ΔTCSP。光热发电系统因采用混合水使光热发电系统发电用水的温度升高而导致发电效率提高,可选的其发电效率增加值ΔeCSP为:
利用公式ΔeCSP=ηheatΔTCSP计算水冷却光热系统的电效率增加值ΔeCSP;
其中,ηheat为光热发电系统混合水的发电效应系数。
这里也可以采用其他计算公式,这里并不对具体的计算公式进行限定。
S140、利用所述有效日照强度,计算水冷却光热系统的可用的高温高压蒸汽量,根据高温高压蒸汽量及电效率增加值,计算水冷却光热系统的发电功率;
利用公式WCSP=SCSPE[Eeff]fCSP(1-kTB)计算水冷却光热系统的可用的高温高压蒸汽量WCSP单位为m3;
利用公式计算水冷却光热系统的发电功率ECSP;
其中,SCSP为光热发电系统聚光器的面积,单位:m2,fCSP为光热发电系统具有一定体积的集热器的光效系数,kTB为光热发电系统光锅炉高温高压蒸汽输出量系数,单位:m3/W,a、b、c、d、e分别为与水冷却光伏-光热发电系统光热发电系统可用的高温高压热水量相关的功率系数,0≤kTB≤1。
这里也可以采用其他计算公式,这里并不对具体的计算公式进行限定。
S150、在预定地区根据环境预报数据获取预定周期内日照时间多值,利用统计分析方法计算水冷却光伏系统的输出功率与日照时间多值模糊不确定性关系的n维广义梯形模糊集;
具体的,预定周期内日照时间多值可以从公共气象数据平台中获取,即在预定地区从公共气象数据平台中获取预定周期内日照时间多值的数据信息(可以是根据多年或数十年的历史数据,采用概率分析方法计算确定),根据水冷却光伏系统输出功率与日照时间之间的特征关系,利用统计分析方法计算水冷却光伏系统的输出功率与日照时间多值模糊不确定性关系的n维广义梯形模糊集EH:具体的计算方式可以如下,也可以采用其他计算公式,这里并不对具体的计算公式进行限定。
在预定地区根据环境预报数据获取预定周期内日照强度多值的数据信息,根据水冷却光伏系统输出功率与日照强度之间的特征关系,利用统计分析方法计算水冷却光伏系统的输出功率与日照强度多值模糊不确定性关系的n维广义梯形模糊集TH:
TH=(THV1,THV2,...,THVn)=[(THV11,THV12,THV13,THV14;kTV1),
(THV21,THV22,THV23,THV24;kTV2),
…
(THVn1,THVn2,THVn3,THVn4;kTVn)]
其中,THV1、THV2、…、THVn及kTV1、kTV2、…、kTVn分别为与日照时间模糊不确定性相对应的日发电量n维广义梯形模糊集及隶属度系数,THV1j、THV2j、…、THVnj(j=1,2,3,4)分别为日照时间模糊不确定性相对应的日照时间n维广义梯形模糊集的第j个模糊数。
S160、根据水冷却光伏系统的输出功率与日照时间多值模糊不确定性关系的n维广义梯形模糊集,计算水冷却光伏系统的发电量及水冷却光热系统的发电量;
具体的,利用公式计算水冷却光伏系统的发电量EPV;
利用公式计算水冷却光热系统的发电量ECSP;
其中,APV为水冷却光伏热系统光伏发电板的有效发电面积,kPVE为光伏发电板光电转换系数,单位:m2,mST、dSY、dSA分别为水冷却光伏热系统日照时间的间隙度、日照阴影度、日照偏角的偏离度,kE,CSP为与水冷却光伏-光热发电系统光热发电系统可用的高温高压热水量相关的发电量系数。
这里也可以采用其他计算公式,这里并不对具体的计算公式进行限定。
S170、根据水冷却光伏系统的发电量及水冷却光热系统的发电量,计算水冷却光伏-光热一体化发电系统发电量。
具体的,利用公式EPV-CSP=(1-kPV)EPV+(1-kSCP)ECSP计算水冷却光伏-光热一体化发电系统发电量EPV-CSP;
其中,kPV、kSCP分别为光伏发电系统、光热发电系统的用电率。
这里也可以采用其他计算公式,这里并不对具体的计算公式进行限定。且该实施例,并不对具体的步骤的顺序进行限定,只需要能够获取这些数据即可。
基于上述技术方案,本发明实施例提的基于n维梯形模糊集的水冷却光伏-光热一体化发电系统的发电量计算方法,通过公共气象数据平台(例如公共气象数据平台)获取用户所在地一天中白天NSH个时段日照强度、日照时间、日照阴影、日照偏角等参量最大值、平均值和最小值的相关数据信息,通过本地获取新能源用户光伏发电系统时段发电量的相关数据信息(例如系统监控数据中心),通过获取电网运行的数据(例如电网能量管理系统EMS),在考虑日照强度、日照时间、日照阴影、日照偏角度等时主要是引入广义n维梯形模糊集概念及其计算方法,假设日照强度、日照时间、日照阴影、日照偏角度等参量以及用户电池储能充电事件均服从广义n维梯形模糊分布规律,在模糊概率分析的基础上计算水冷却光伏-光热一体化发电系统的发电量,为分布式新能源发电及智能电网调度运行提供必要的技术支撑。
下面对本发明实施例提供的基于n维梯形模糊集的水冷却光伏-光热一体化发电系统的发电量计算系统进行介绍,下文描述的基于n维梯形模糊集的水冷却光伏-光热一体化发电系统的发电量计算系统与上文描述的基于n维梯形模糊集的水冷却光伏-光热一体化发电系统的发电量计算方法可相互对应参照。
请参考图3,该系统可以包括:
光伏发电板的输出功率增加值模块100,用于从水冷却光伏系统运行数据中获取的第一预定参数,计算光伏发电板的温度降低值,并根据温度降低值计算光伏发电板的输出功率增加值;
有效日照强度模块200,用于在预定地区根据环境预报数据获取预定周期内日照强度多值,利用统计分析方法计算水冷却光伏系统的输出功率与日照强度多值模糊不确定性关系的n维广义梯形模糊集,并利用n维广义梯形模糊集计算预定地区的有效日照强度;
光伏发电板的发电功率模块300,用于利用所述有效日照强度,计算水冷却光伏系统的光伏发电板的发电功率;
光热系统电效率增加值模块400,用于从水冷却光热系统运行数据中获取的第二预定参数,计算水冷却光热系统的电效率增加值;
光热系统的发电功率模块500,用于利用所述有效日照强度,计算水冷却光热系统的可用的高温高压蒸汽量,根据高温高压蒸汽量及电效率增加值,计算水冷却光热系统的发电功率;
日照时间模糊集模块600,用于在预定地区根据环境预报数据获取预定周期内日照时间多值,利用统计分析方法计算水冷却光伏系统的输出功率与日照时间多值模糊不确定性关系的n维广义梯形模糊集;
发电量计算模块700,用于根据水冷却光伏系统的输出功率与日照时间多值模糊不确定性关系的n维广义梯形模糊集,计算水冷却光伏系统的发电量及水冷却光热系统的发电量;根据水冷却光伏系统的发电量及水冷却光热系统的发电量,计算水冷却光伏-光热一体化发电系统发电量。
基于上述技术方案,本发明实施例提的基于n维梯形模糊集的水冷却光伏-光热一体化发电系统的发电量计算系统,利用光伏发电板发电效率增加值与其因采用水冷却而导致发电板温度降低值有正比关系,构建光伏发电系统发电效率及输出功率的计算方法;利用光热发电系统发电效率增加值与其因全部或部分采用来自于光伏发电板高温水冷却而导致发电用水温度升高值有正比关系,构建光热发电系统发电效率及输出功率的计算方法,同时采用基于三角形或多角形隶属度函数的TYPE1模糊集来计算区域内太阳光辐射强度和日照时间、用户所在地在不同时间和空间上日照强度、光伏发电系统的电池储能状态、光热发电系统的熔融盐储能状态、能源转换效率控制值、配电网调压要求值和下垂控制系数值以及这些不确定性参量的概率或模糊度。
反映了光伏-光热一体化发电系统中光伏发电系统高温冷却水与光热发电系统发电用水混合后对光热发电系统发电效率提升的作用机理,反映了日照强度、日照时间、日照阴影、日照偏角度等参量的随机特性、模糊特性及其概率特征、模糊分布规律对光伏-光热一体化发电系统输出功率的影响机理,为光伏-光热一体化发电系统发电出力预测提供理论指导,能够准确的预测出水冷却光伏-光热一体化发电系统的发电量,为分布式新能源发电及智能电网调度运行提供必要的技术支撑。
说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的基于n维梯形模糊集的水冷却光伏-光热一体化发电系统的发电量计算方法及系统进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种基于n维梯形模糊集的水冷却光伏-光热一体化发电系统的发电量计算方法,其特征在于,包括:
从水冷却光伏系统运行数据中获取的第一预定参数,计算光伏发电板的温度降低值,并根据温度降低值计算光伏发电板的输出功率增加值;
在预定地区根据环境预报数据获取预定周期内日照强度多值,利用统计分析方法计算水冷却光伏系统的输出功率与日照强度多值模糊不确定性关系的n维广义梯形模糊集,并利用n维广义梯形模糊集计算预定地区的有效日照强度;
利用所述有效日照强度,计算水冷却光伏系统的光伏发电板的发电功率;
从水冷却光热系统运行数据中获取的第二预定参数,计算水冷却光热系统的电效率增加值;
利用所述有效日照强度,计算水冷却光热系统的可用的高温高压蒸汽量,根据高温高压蒸汽量及电效率增加值,计算水冷却光热系统的发电功率;
在预定地区根据环境预报数据获取预定周期内日照时间多值,利用统计分析方法计算水冷却光伏系统的输出功率与日照时间多值模糊不确定性关系的n维广义梯形模糊集;
根据水冷却光伏系统的输出功率与日照时间多值模糊不确定性关系的n维广义梯形模糊集,计算水冷却光伏系统的发电量及水冷却光热系统的发电量;
根据水冷却光伏系统的发电量及水冷却光热系统的发电量,计算水冷却光伏-光热一体化发电系统发电量。
2.根据权利要求1所述的发电量计算方法,其特征在于,从水冷却光伏系统运行数据中获取的第一预定参数,计算光伏发电板的温度降低值,并根据温度降低值计算光伏发电板的输出功率增加值,包括:
利用公式ΔTPV=kPV(TR,PV-TPV)+kcool(Tout-Tin)计算光伏发电板的温度降低值ΔTPV;
利用公式计算光伏发电板增加发电效率ΔePV;
根据ΔePV,利用公式ΔPPV=ηP,coolΔePV计算光伏发电板的输出功率增加值ΔPPV;
其中,kPV为光伏发电板温度降低值对温度的响应系数,kcool为光伏发电板温度降低值对于光伏发电板冷却水系统出口与入口水温度差值的响应系数,TR,PV、TPV分别为光伏发电板在环境温度TE的参考温度和实际测量温度,Tin为水冷却光伏热系统水系统入口冷水温度,Tout为出口热水温度,PPV0为没有采用水冷却时光伏发电板输出的发电功率,ηP,cool为光伏发电板水冷却的出力效应系数。
3.根据权利要求2所述的水冷却光伏-光热一体化发电系统输出功率计算方法,其特征在于,在预定地区根据环境预报数据获取预定周期内日照强度多值,利用统计分析方法计算水冷却光伏系统的输出功率与日照强度多值模糊不确定性关系的n维广义梯形模糊集,并利用n维广义梯形模糊集计算预定地区的有效日照强度,包括:
在预定地区根据环境预报数据获取预定周期内日照强度多值的数据信息,根据水冷却光伏系统输出功率与日照强度之间的特征关系,利用统计分析方法计算水冷却光伏系统的输出功率与日照强度多值模糊不确定性关系的n维广义梯形模糊集EH:
EH=(EHV1,EHV2,...,EHVn)=[(EHV11,EHV12,EHV13,EHV14;kHV1),
(EHV21,EHV22,EHV23,EHV24;kHV2),
…
(EHVn1,EHVn2,EHVn3,EHVn4;kHVn)]
其中,EHV1、EHV2、…、EHVn及kHV1、kHV2、…、kHVn分别为与日照强度模糊不确定性相对应的日发电量n维广义梯形模糊集及隶属度系数,EHV1j、EHV2j、…、EHVnj(j=1,2,3,4)分别为日照强度模糊不确定性相对应的日照强度n维广义梯形模糊集的第j个模糊数;
利用n维广义梯形模糊集EH计算预定地区的有效日照强度为:
Eeff=ηSTηSYηSA(EHV1,EHV2,...,EHVn)
=ηSTηSYηSA[(EHV11,EHV12,EHV13,EHV14;kHV1),
(EHV21,EHV22,EHV23,EHV24;kHV2),
…
(EHVn1,EHVn2,EHVn3,EHVn4;kHVn)]
其中,Eeff为水冷却光伏-光热发电系统所处区域有效日照强度,ηST、ηSY、ηSA分别为日照时间、日照阴影、日照偏角对日照强度的影响系数。
4.根据权利要求2所述的水冷却光伏-光热一体化发电系统输出功率计算方法,其特征在于,计算水冷却光伏系统的光伏发电板的发电功率,包括:
利用公式PPVi=(1-mST)(1-dSY)(1-dSA)(1+ΔePV)APVkPVEE[Eeffi]计算水冷却光伏系统的光伏发电板的发电功率PPVi;
其中,APV为水冷却光伏热系统光伏发电板的有效发电面积,kPVE为光伏发电板光电转换系数,mST、dSY、dSA分别为水冷却光伏热系统日照时间的间隙度、日照阴影度、日照偏角的偏离度。
5.根据权利要求4所述的水冷却光伏-光热一体化发电系统输出功率计算方法,其特征在于,在预定地区根据环境预报数据获取预定周期内日照时间多值,利用统计分析方法计算水冷却光伏系统的输出功率与日照时间多值模糊不确定性关系的n维广义梯形模糊集,包括:
在预定地区根据环境预报数据获取预定周期内日照强度多值的数据信息,根据水冷却光伏系统输出功率与日照强度之间的特征关系,利用统计分析方法计算水冷却光伏系统的输出功率与日照强度多值模糊不确定性关系的n维广义梯形模糊集TH:
TH=(THV1,THV2,...,THVn)=[(THV11,THV12,THV13,THV14;kTV1),
(THV21,THV22,THV23,THV24;kTV2),
…
(THVn1,THVn2,THVn3,THVn4;kTVn)]
其中,THV1、THV2、…、THVn及kTV1、kTV2、…、kTVn分别为与日照时间模糊不确定性相对应的日发电量n维广义梯形模糊集及隶属度系数,THV1j、THV2j、…、THVnj(j=1,2,3,4)分别为日照时间模糊不确定性相对应的日照时间n维广义梯形模糊集的第j个模糊数。
6.根据权利要求5所述的水冷却光伏-光热一体化发电系统输出功率计算方法,其特征在于,从水冷却光热系统运行数据中获取的第二预定参数,计算水冷却光热系统的电效率增加值,包括:
从水冷却光热系统运行数据中获取的光伏热系统温度为Tout的冷却水与光热发电系统温度为TCSP发电用水混合,得到使光热发电系统发电用水温度升高值为ΔTCSP;
利用公式ΔeCSP=ηheatΔTCSP计算水冷却光热系统的电效率增加值ΔeCSP;
其中,ηheat为光热发电系统混合水的发电效应系数。
7.根据权利要求6所述的水冷却光伏-光热一体化发电系统输出功率计算方法,其特征在于,利用所述有效日照强度,计算水冷却光热系统的可用的高温高压蒸汽量,根据高温高压蒸汽量及电效率增加值,计算水冷却光热系统的发电功率,包括:
利用公式WCSP=SCSPE[Eeff]fCSP(1-kTB)计算水冷却光热系统的可用的高温高压蒸汽量WCSP;
利用公式计算水冷却光热系统的发电功率ECSP;
其中,SCSP为光热发电系统聚光器的面积,fCSP为光热发电系统具有一定体积的集热器的光效系数,kTB为光热发电系统光锅炉高温高压蒸汽输出量系数,a、b、c、d、e分别为与水冷却光伏-光热发电系统光热发电系统可用的高温高压热水量相关的功率系数。
8.根据权利要求7所述的水冷却光伏-光热一体化发电系统输出功率计算方法,其特征在于,根据水冷却光伏系统的输出功率与日照时间多值模糊不确定性关系的n维广义梯形模糊集,计算水冷却光伏系统的发电量及水冷却光热系统的发电量,包括:
利用公式计算水冷却光伏系统的发电量EPV;
利用公式计算水冷却光热系统的发电量ECSP;
其中,APV为水冷却光伏热系统光伏发电板的有效发电面积,kPVE为光伏发电板光电转换系数,mST、dSY、dSA分别为水冷却光伏热系统日照时间的间隙度、日照阴影度、日照偏角的偏离度,kE,CSP为与水冷却光伏-光热发电系统光热发电系统可用的高温高压热水量相关的发电量系数。
9.根据权利要求8所述的水冷却光伏-光热一体化发电系统输出功率计算方法,其特征在于,根据水冷却光伏系统的发电量及水冷却光热系统的发电量,计算水冷却光伏-光热一体化发电系统发电量,包括:
利用公式EPV-CSP=(1-kPV)EPV+(1-kSCP)ECSP计算水冷却光伏-光热一体化发电系统发电量EPV-CSP;
其中,kPV、kSCP分别为光伏发电系统、光热发电系统的用电率。
10.一种基于n维梯形模糊集的水冷却光伏-光热一体化发电系统的发电量计算系统,其特征在于,包括:
光伏发电板的输出功率增加值模块,用于从水冷却光伏系统运行数据中获取的第一预定参数,计算光伏发电板的温度降低值,并根据温度降低值计算光伏发电板的输出功率增加值;
有效日照强度模块,用于在预定地区根据环境预报数据获取预定周期内日照强度多值,利用统计分析方法计算水冷却光伏系统的输出功率与日照强度多值模糊不确定性关系的n维广义梯形模糊集,并利用n维广义梯形模糊集计算预定地区的有效日照强度;
光伏发电板的发电功率模块,用于利用所述有效日照强度,计算水冷却光伏系统的光伏发电板的发电功率;
光热系统电效率增加值模块,用于从水冷却光热系统运行数据中获取的第二预定参数,计算水冷却光热系统的电效率增加值;
光热系统的发电功率模块,用于利用所述有效日照强度,计算水冷却光热系统的可用的高温高压蒸汽量,根据高温高压蒸汽量及电效率增加值,计算水冷却光热系统的发电功率;
日照时间模糊集模块,用于在预定地区根据环境预报数据获取预定周期内日照时间多值,利用统计分析方法计算水冷却光伏系统的输出功率与日照时间多值模糊不确定性关系的n维广义梯形模糊集;
发电量计算模块,用于根据水冷却光伏系统的输出功率与日照时间多值模糊不确定性关系的n维广义梯形模糊集,计算水冷却光伏系统的发电量及水冷却光热系统的发电量;根据水冷却光伏系统的发电量及水冷却光热系统的发电量,计算水冷却光伏-光热一体化发电系统发电量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610808274.2A CN106355286B (zh) | 2016-09-07 | 2016-09-07 | 水冷却光伏-光热发电系统的发电量计算方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610808274.2A CN106355286B (zh) | 2016-09-07 | 2016-09-07 | 水冷却光伏-光热发电系统的发电量计算方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106355286A true CN106355286A (zh) | 2017-01-25 |
CN106355286B CN106355286B (zh) | 2019-09-06 |
Family
ID=57859132
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610808274.2A Expired - Fee Related CN106355286B (zh) | 2016-09-07 | 2016-09-07 | 水冷却光伏-光热发电系统的发电量计算方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106355286B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107171364A (zh) * | 2017-07-12 | 2017-09-15 | 广东工业大学 | 光伏光热一体化系统输出功率计算的n维梯形模糊集方法及装置 |
CN107332272A (zh) * | 2017-07-12 | 2017-11-07 | 广东工业大学 | 一种空气冷却光伏‑光热发电系统输出功率计算方法 |
CN107346474A (zh) * | 2017-07-12 | 2017-11-14 | 广东工业大学 | 水冷光伏光热一体化系统发电量计算的三维梯形模糊方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103077300A (zh) * | 2012-12-20 | 2013-05-01 | 东南大学 | 一种基于二型模糊逻辑的分布式光伏电源发电量预测方法 |
CN103390199A (zh) * | 2013-07-18 | 2013-11-13 | 国家电网公司 | 光伏发电量/发电功率预测装置 |
US20140136131A1 (en) * | 2012-11-14 | 2014-05-15 | Hitachi, Ltd | Method for Calculating Solar Radiation Amount and Method for Determining Power to be Supplied |
CN205051623U (zh) * | 2015-09-15 | 2016-02-24 | 中电电气(上海)太阳能科技有限公司 | 光伏光热一体化发电系统 |
CN205430168U (zh) * | 2016-03-18 | 2016-08-03 | 亿代科技(江苏)有限公司 | 光伏光热一体化组件 |
-
2016
- 2016-09-07 CN CN201610808274.2A patent/CN106355286B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140136131A1 (en) * | 2012-11-14 | 2014-05-15 | Hitachi, Ltd | Method for Calculating Solar Radiation Amount and Method for Determining Power to be Supplied |
CN103077300A (zh) * | 2012-12-20 | 2013-05-01 | 东南大学 | 一种基于二型模糊逻辑的分布式光伏电源发电量预测方法 |
CN103390199A (zh) * | 2013-07-18 | 2013-11-13 | 国家电网公司 | 光伏发电量/发电功率预测装置 |
CN205051623U (zh) * | 2015-09-15 | 2016-02-24 | 中电电气(上海)太阳能科技有限公司 | 光伏光热一体化发电系统 |
CN205430168U (zh) * | 2016-03-18 | 2016-08-03 | 亿代科技(江苏)有限公司 | 光伏光热一体化组件 |
Non-Patent Citations (1)
Title |
---|
段彬: "《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》", 15 December 2011, 中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107171364A (zh) * | 2017-07-12 | 2017-09-15 | 广东工业大学 | 光伏光热一体化系统输出功率计算的n维梯形模糊集方法及装置 |
CN107332272A (zh) * | 2017-07-12 | 2017-11-07 | 广东工业大学 | 一种空气冷却光伏‑光热发电系统输出功率计算方法 |
CN107346474A (zh) * | 2017-07-12 | 2017-11-14 | 广东工业大学 | 水冷光伏光热一体化系统发电量计算的三维梯形模糊方法 |
CN107332272B (zh) * | 2017-07-12 | 2020-08-11 | 广东工业大学 | 一种空气冷却光伏-光热发电系统输出功率计算方法 |
CN107346474B (zh) * | 2017-07-12 | 2021-01-26 | 广东工业大学 | 水冷光伏光热一体化系统发电量计算的三维梯形模糊方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106355286B (zh) | 2019-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | Optimized sizing of a standalone PV-wind-hydropower station with pumped-storage installation hybrid energy system | |
Li et al. | Optimal stochastic deployment of heterogeneous energy storage in a residential multienergy microgrid with demand-side management | |
Jin et al. | Dynamic economic dispatch of a hybrid energy microgrid considering building based virtual energy storage system | |
Jin et al. | Hierarchical microgrid energy management in an office building | |
Zhou et al. | Energy flexibility investigation of advanced grid-responsive energy control strategies with the static battery and electric vehicles: A case study of a high-rise office building in Hong Kong | |
Zhou et al. | Quantification of energy flexibility of residential net-zero-energy buildings involved with dynamic operations of hybrid energy storages and diversified energy conversion strategies | |
Yousif et al. | An optimal dispatch strategy for distributed microgrids using PSO | |
Taneja et al. | Defining cps challenges in a sustainable electricity grid | |
CN106383937B (zh) | 水冷却光伏-光热发电系统输出功率计算方法及系统 | |
Howlader et al. | Distributed generation integrated with thermal unit commitment considering demand response for energy storage optimization of smart grid | |
Xie et al. | Review of modeling and control strategy of thermostatically controlled loads for virtual energy storage system | |
Munkhammar et al. | Household electricity use, electric vehicle home-charging and distributed photovoltaic power production in the city of Westminster | |
CN106355286A (zh) | 水冷却光伏‑光热发电系统的发电量计算方法及系统 | |
CN109687506A (zh) | 微电网中小水电站发电量预测方法 | |
Rajani et al. | A hybrid optimization based energy management between electric vehicle and electricity distribution system | |
Hu et al. | Energy management strategy for a society of prosumers under the IOT environment considering the network constraints | |
CN112785065A (zh) | 基于混合人工鱼群算法的综合能源系统规划方法及系统 | |
Hachem-Vermette et al. | Developing an optimization methodology for urban energy resources mix | |
CN106300423A (zh) | 基于三维梯形模糊确定光伏发电日发电量的方法及装置 | |
WO2019158575A1 (en) | System and method for operating a combination of heterogeneous energy resources for fast grid services | |
CN107196331B (zh) | 一种基于电网峰谷幅频特性的新能源消纳方法 | |
CN110992206B (zh) | 一种多源电场的优化调度方法及系统 | |
CN107346474B (zh) | 水冷光伏光热一体化系统发电量计算的三维梯形模糊方法 | |
CN106372805A (zh) | 水冷却光伏‑光热一体化发电系统发电量计算方法及系统 | |
CN108460233A (zh) | 风电场架空软导线截面选择方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190906 Termination date: 20200907 |