CN106447132A - 一种区域光伏电站群的中长期发电量预测方法 - Google Patents
一种区域光伏电站群的中长期发电量预测方法 Download PDFInfo
- Publication number
- CN106447132A CN106447132A CN201610951447.6A CN201610951447A CN106447132A CN 106447132 A CN106447132 A CN 106447132A CN 201610951447 A CN201610951447 A CN 201610951447A CN 106447132 A CN106447132 A CN 106447132A
- Authority
- CN
- China
- Prior art keywords
- term
- medium
- long
- power station
- photovoltaic power
- 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
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000007774 longterm Effects 0.000 claims abstract description 71
- 238000012544 monitoring process Methods 0.000 claims abstract description 31
- 238000010248 power generation Methods 0.000 claims abstract description 20
- 230000005611 electricity Effects 0.000 claims abstract description 10
- 230000008569 process Effects 0.000 claims description 15
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims description 14
- 238000007619 statistical method Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 230000001550 time effect Effects 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 abstract description 7
- 238000005457 optimization Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种区域光伏电站群的中长期发电量预测方法，该方法包括获取区域光伏电站群和位于区域光伏电站群中的各个光伏电站在同一连续时间段的监测数据；根据监测数据从各个光伏电站中选取样板光伏电站；根据监测数据预测样板光伏电站的中长期发电量；根据预测的样板光伏电站的中长期发电量预测区域光伏电站群的中长期发电量。本发明所提供的方法，根据监测数据选取样板光伏电站，预测样板光伏电站的中长期发电量，并根据预测样板光伏电站的中长期发电量进一步有效地升尺度预测出区域光伏电站群的中长期发电量，为中期安排机组的调试和检修、安排运行维护计划以及优化电厂间的调度提供了依据，为跨区域长期电力交易的有效实施提供了依据。
Description
技术领域
本发明涉及光伏发配电技术领域，特别是涉及一种区域光伏电站群的中长期发电量预测方法。
背景技术
随着科学的发展和技术的进步，电能是维系我们生活、工作和社会进步的主要能源之一，利用风能、光能发电已成为现在电能来源的主要途径之一。其中，光伏发电是根据光生伏特效应原理，利用太阳能电池将太阳光能直接转化为电能，其主要原理是半导体的光电效应。光伏发电可以分为独立光伏发电、分布式光伏发电和并网光伏发电，其中并网光伏发电就是太阳能组件产生的直流电经过并网逆变器转换成符合市电电网要求的交流电之后直接接入公共电网。
随着我国风电、光伏的大规模开发和并网，带来了新能源大规模消纳的问题。由于我国区域间资源具有互补的特性，采用大范围调节就可以充分发挥区域间负荷错峰错谷效应和电源结构之间的互补效应，从而最大程度的消纳光伏等新能源。由于所采用的大范围调节的方式是长周期的，所以很难在只负责短期电力平衡和计划落实的调度层面进行解决,而是需要大范围交易分步优化，引导电力交易合理有序开展，进而使新能源的最大消纳和经济运营得以实现，从而控制电网安全运营风险。
目前，跨区域电力交易使用的主要是以年度合同为主、月度临时交易为辅的交易模式，而光伏等新能源基地的外送也是以长期交易为主。那么在签订新能源中长期交易合同的过程中，需要知道在未来一年或者是几个月中新能源基地(可以是区域光伏电站群)有多少电量需要输送出，也即未来一年或者是几个月中新能源发电量的总数值，并且在执行新能源长期交易时，又需要将所需输送出的新能源发电量分解至月度发电计划中，以便更好的完成计划总量，那么在此过程涉及到的问题就是如何预先得到中长期合同期内新能源发电量的总数值，而目前现有技术中还没有区域光伏电站群中长期发电量的预测方法。
因此，如何提供一种解决上述技术问题的区域光伏电站群的中长期发电量预测方法成为本领域技术人员需要解决的问题。
发明内容
本发明的目的是提供一种区域光伏电站群的中长期发电量预测方法，使其在使用的过程中为中期安排机组的调试和检修、安排运行维护计划以及优化电厂间的调度提供了依据，为跨区域长期电力交易的有效实施提供了依据。
为解决上述技术问题，本发明提供了一种区域光伏电站群的中长期发电量预测方法，所述方法包括：
获取区域光伏电站群和位于所述区域光伏电站群中的各个光伏电站在同一连续时间段的监测数据；
根据所述监测数据从各个所述光伏电站中选取样板光伏电站；
根据所述监测数据预测所述样板光伏电站的中长期发电量；
根据预测的所述样板光伏电站的中长期发电量预测所述区域光伏电站群的中长期发电量。
优选的，所述监测数据包括历史气象数据、历史曝辐量数据和发电量数据。
优选的，所述历史气象数据包括风速、气温、气压、相对湿度和组件温度。
优选的，所述根据所述监测数据从各个所述光伏电站中选取样板光伏电站的过程具体为：
对所述监测数据进行统计分析得到各个所述光伏电站和所述区域光伏电站群的相关系数；
将数值不小于预设阈值的相关系数对应的光伏电站选取为所述样板光伏电站。
优选的，所述相关系数具体为RFA，其中：
其中，t为时间，n为数据个数，PFt为F光伏电站在t时刻的实际发电量，PAt为所述区域光伏电站群在t时刻的实际总发电量，为F光伏电站在统计数据段内所有实际发电量样本的平均值，为在统计时间段内区域总实际发电量样本的平均值。
优选的，所述预设阈值为0.75。
优选的，所述根据所述监测数据预测所述样板光伏电站的中长期发电量的过程具体为：
利用所述历史气象数据统计分析所述样板光伏电站的月曝辐量变化趋势和年曝辐量变化趋势；
依据所述样板光伏电站的月曝辐量变化趋势和年曝辐量变化趋势预测所述样板光伏电站的日、周、月以及年的曝辐量；
将所述样板光伏电站的曝辐量乘以所述样板光伏电站的光伏组件总面积和效率转换折减系数，计算得出样板光伏电站的中长期发电量。
优选的，所述效率转换折减系数为利用所述历史气象数据以及所述历史曝辐量数据得到。
优选的，根据预测的所述样板光伏电站的中长期发电量预测区域光伏电站群的中长期发电量的过程具体为：
运用数理统计方法分别确定各个所述样板光伏电站的权重系数；
通过将各个预测的所述样板光伏电站的中长期发电量进行权重累加得出所述区域光伏电站群的中长期发电量。
优选的，所述区域光伏电站群的中长期发电量预测结果预报时效为未来日、周、月以及年。
本发明提供了一种区域光伏电站群的中长期发电量预测方法，该方法包括获取区域光伏电站群和位于区域光伏电站群中的各个光伏电站在同一连续时间段的监测数据；根据监测数据从各个光伏电站中选取样板光伏电站；根据监测数据预测样板光伏电站的中长期发电量；根据预测的样板光伏电站的中长期发电量预测区域光伏电站群的中长期发电量。本发明所提供的区域光伏电站群的中长期发电量预测方法，根据监测数据选取样板光伏电站，预测样板光伏电站的中长期发电量，并根据预测样板光伏电站的中长期发电量进一步有效地升尺度预测出区域光伏电站群的中长期发电量，为中期安排机组的调试和检修、安排运行维护计划以及优化电厂间的调度提供了依据，为跨区域长期电力交易的有效实施提供了依据。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对现有技术和实施例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为本发明实施例提供的一种区域光伏电站群的中长期发电量预测方法的流程图。
具体实施方式
本发明的目的是提供一种区域光伏电站群的中长期发电量预测方法，使其在使用的过程中为中期安排机组的调试和检修、安排运行维护计划以及优化电厂间的调度提供了依据，为跨区域长期电力交易的有效实施提供了依据。
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。
需要说明的是，本申请中提到的中期预测有两种方式，一种是以“周”、“月”为预测的时间分辨率，一般提前几个月或者提前一、两年进行预测；另一种是以“天”为预测的时间分辨率，一般提前一周对每天的发电量进行预测。
长期预测一般采用以“年”为预测的时间分辨率，一般需要提前数年进行预测。
请参照图1，图1为本发明实施例提供的一种区域光伏电站群的中长期发电量预测方法的流程图，该方法包括：
S10：获取区域光伏电站群和位于区域光伏电站群中的各个光伏电站在同一连续时间段的监测数据；
S20：根据监测数据从各个光伏电站中选取样板光伏电站；
S30：根据监测数据预测样板光伏电站的中长期发电量；
S40：根据预测的样板光伏电站的中长期发电量预测区域光伏电站群的中长期发电量。
作为优选的，S10中的监测数据包括历史气象数据、历史曝辐量数据和发电量数据。
其中，历史气象数据包括风速、气温、气压、相对湿度和组件温度，当然历史气象数据不仅限于这几种，还可以包括其他数据。
作为优选的，S20过程具体为：
S21：对监测数据进行统计分析得到各个光伏电站和区域光伏电站群的相关系数；
具体的，统计分析各个光伏电站的发电量与区域光伏电站群的发电量的相关性，得到各个光伏电站和区域光伏电站群的相关系数。
作为优选的，相关系数具体为RFA，其中：
其中，t为时间，n为数据个数，PFt为F光伏电站在t时刻的实际发电量，PAt为区域光伏电站群在t时刻的实际总发电量，为F光伏电站在统计数据段内所有实际发电量样本的平均值，为在统计时间段内区域总实际发电量样本的平均值。
S22：将数值不小于预设阈值的相关系数对应的光伏电站选取为样板光伏电站。
在各光伏电站发电量与区域光伏电站群发电量的相关性后，选取所有光伏电站中与全区域发电量相关性较高的光伏电站作为样板光伏电站，本申请中通过将RFA≥0.75时看做是相关性高的，也即将数值不小于预设阈值0.75的相关系数对应的光伏电站选取为样板光伏电站。
需要说明的是，上述预设阈值可以为0.75，当然还可以为其他合理的数值，本发明实施例在此不做特殊的限定。
作为优选的，S30的过程具体为：
S31：利用历史气象数据统计分析样板光伏电站的月曝辐量变化趋势和年曝辐量变化趋势；
S32：依据样板光伏电站的月曝辐量变化趋势和年曝辐量变化趋势预测样板光伏电站的日、周、月以及年的曝辐量；
S33：将样板光伏电站的曝辐量乘以样板光伏电站的光伏组件总面积和效率转换折减系数，计算得出样板光伏电站的中长期发电量。
需要说明的是，效率转换折减系数为利用历史气象数据以及历史曝辐量数据得到。
作为优选的，S40的过程具体为：
S41：运用数理统计方法分别确定各个样板光伏电站的权重系数；
S42：通过将各个预测的样板光伏电站的中长期发电量进行权重累加得出区域光伏电站群的中长期发电量。
作为优选的，区域光伏电站群的中长期发电量预测结果预报时效为未来日、周、月以及年。本发明提供了一种区域光伏电站群的中长期发电量预测方法，该方法包括获取区域光伏电站群和位于区域光伏电站群中的各个光伏电站在同一连续时间段的监测数据；根据监测数据从各个光伏电站中选取样板光伏电站；根据监测数据预测样板光伏电站的中长期发电量；根据预测的样板光伏电站的中长期发电量预测区域光伏电站群的中长期发电量。本发明所提供的区域光伏电站群的中长期发电量预测方法，根据监测数据选取样板光伏电站，预测样板光伏电站的中长期发电量，并根据预测样板光伏电站的中长期发电量进一步有效地升尺度预测出区域光伏电站群的中长期发电量，为中期安排机组的调试和检修、安排运行维护计划以及优化电厂间的调度提供了依据，为跨区域长期电力交易的有效实施提供了依据。
另外，本发明提出的一种区域光伏电站群的中长期发电量预测方法，预报时效为未来日、周、月以及年，预测点时间分辨率为日，预测效果准确度高，有益于区域光伏电站群中长期发电量预测精度的提升。
需要说明的是，在本说明书中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种区域光伏电站群的中长期发电量预测方法，其特征在于，所述方法包括：
获取区域光伏电站群和位于所述区域光伏电站群中的各个光伏电站在同一连续时间段的监测数据；
根据所述监测数据从各个所述光伏电站中选取样板光伏电站；
根据所述监测数据预测所述样板光伏电站的中长期发电量；
根据预测的所述样板光伏电站的中长期发电量预测所述区域光伏电站群的中长期发电量。
2.根据权利要求1所述的区域光伏电站群的中长期发电量预测方法，其特征在于，所述监测数据包括历史气象数据、历史曝辐量数据和发电量数据。
3.根据权利要求2所述的区域光伏电站群的中长期发电量预测方法，其特征在于，所述历史气象数据包括风速、气温、气压、相对湿度和组件温度。
4.根据权利要求2所述的区域光伏电站群的中长期发电量预测方法，其特征在于，所述根据所述监测数据从各个所述光伏电站中选取样板光伏电站的过程具体为：
对所述监测数据进行统计分析得到各个所述光伏电站和所述区域光伏电站群的相关系数；
将数值不小于预设阈值的相关系数对应的光伏电站选取为所述样板光伏电站。
5.根据权利要求4所述的区域光伏电站群的中长期发电量预测方法，其特征在于，所述相关系数具体为RFA，其中：
其中，t为时间，n为数据个数，PFt为F光伏电站在t时刻的实际发电量，PAt为所述区域光伏电站群在t时刻的实际总发电量，为F光伏电站在统计数据段内所有实际发电量样本的平均值，为在统计时间段内区域总实际发电量样本的平均值。
6.根据权利要求5所述的区域光伏电站群的中长期发电量预测方法，其特征在于，所述预设阈值为0.75。
7.根据权利要求3-5任一项所述的区域光伏电站群的中长期发电量预测方法，其特征在于，所述根据所述监测数据预测所述样板光伏电站的中长期发电量的过程具体为：
利用所述历史气象数据统计分析所述样板光伏电站的月曝辐量变化趋势和年曝辐量变化趋势；
依据所述样板光伏电站的月曝辐量变化趋势和年曝辐量变化趋势预测所述样板光伏电站的日、周、月以及年的曝辐量；
将所述样板光伏电站的曝辐量乘以所述样板光伏电站的光伏组件总面积和效率转换折减系数，计算得出样板光伏电站的中长期发电量。
8.根据权利要求7所述的区域光伏电站群的中长期发电量预测方法，其特征在于，所述效率转换折减系数为利用所述历史气象数据以及所述历史曝辐量数据得到。
9.根据权利要求7所述的区域光伏电站群的中长期发电量预测方法，其特征在于，根据预测的所述样板光伏电站的中长期发电量预测区域光伏电站群的中长期发电量的过程具体为：
运用数理统计方法分别确定各个所述样板光伏电站的权重系数；
通过将各个预测的所述样板光伏电站的中长期发电量进行权重累加得出所述区域光伏电站群的中长期发电量。
10.根据权利要求9所述的区域光伏电站群的中长期发电量预测方法，其特征在于，所述区域光伏电站群的中长期发电量预测结果预报时效为未来日、周、月以及年。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610951447.6A CN106447132A (zh) | 2016-10-26 | 2016-10-26 | 一种区域光伏电站群的中长期发电量预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610951447.6A CN106447132A (zh) | 2016-10-26 | 2016-10-26 | 一种区域光伏电站群的中长期发电量预测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106447132A true CN106447132A (zh) | 2017-02-22 |
Family
ID=58179205
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610951447.6A Pending CN106447132A (zh) | 2016-10-26 | 2016-10-26 | 一种区域光伏电站群的中长期发电量预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106447132A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107977898A (zh) * | 2017-12-28 | 2018-05-01 | 无锡英臻科技有限公司 | 一种光伏电站的发电量保险定价评估方法 |
| CN109978242A (zh) * | 2019-03-12 | 2019-07-05 | 国网冀北电力有限公司 | 基于统计升尺度的光伏发电集群功率预测方法及装置 |
| CN110210675A (zh) * | 2019-06-06 | 2019-09-06 | 国网湖南省电力有限公司 | 基于局地动力相似的风电场中期功率的预测方法及系统 |
| CN111985671A (zh) * | 2020-04-10 | 2020-11-24 | 无锡英臻科技有限公司 | 光伏电站发电量预测及风险评估方法 |
-
2016
- 2016-10-26 CN CN201610951447.6A patent/CN106447132A/zh active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107977898A (zh) * | 2017-12-28 | 2018-05-01 | 无锡英臻科技有限公司 | 一种光伏电站的发电量保险定价评估方法 |
| CN107977898B (zh) * | 2017-12-28 | 2021-07-30 | 无锡英臻科技有限公司 | 一种光伏电站的发电量保险定价评估方法 |
| CN109978242A (zh) * | 2019-03-12 | 2019-07-05 | 国网冀北电力有限公司 | 基于统计升尺度的光伏发电集群功率预测方法及装置 |
| CN110210675A (zh) * | 2019-06-06 | 2019-09-06 | 国网湖南省电力有限公司 | 基于局地动力相似的风电场中期功率的预测方法及系统 |
| CN111985671A (zh) * | 2020-04-10 | 2020-11-24 | 无锡英臻科技有限公司 | 光伏电站发电量预测及风险评估方法 |
| CN111985671B (zh) * | 2020-04-10 | 2021-07-09 | 无锡英臻科技有限公司 | 光伏电站发电量预测及风险评估方法 |
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 | |
| Deng et al. | Power system planning with increasing variable renewable energy: A review of optimization models | |
| Nouri et al. | Water withdrawal and consumption reduction for electrical energy generation systems | |
| Sawle et al. | PV-wind hybrid system: A review with case study | |
| Shadmand et al. | Multi-objective optimization and design of photovoltaic-wind hybrid system for community smart DC microgrid | |
| Vafaeipour et al. | Assessment of regions priority for implementation of solar projects in Iran: New application of a hybrid multi-criteria decision making approach | |
| Bandyopadhyay | Design and optimization of isolated energy systems through pinch analysis | |
| Elshkaki et al. | Dynamic analysis of the global metals flows and stocks in electricity generation technologies | |
| CN104361406B (zh) | 一种光伏电站可利用太阳能发电量预测方法 | |
| DeMeo et al. | Accommodating wind's natural behavior | |
| CN101728984B (zh) | 并网型光伏电站发电功率预测方法 | |
| Safdarian et al. | Compromising wind and solar energies from the power system adequacy viewpoint | |
| CN104868505B (zh) | 大型太阳能光伏发电基地集群出力特性分析方法 | |
| CN101769788A (zh) | 一种光伏电站光功率预测及发电量预测的方法 | |
| Ramli et al. | A comparison of renewable energy technologies using two simulation softwares: HOMER and RETScreen | |
| CN106447132A (zh) | 一种区域光伏电站群的中长期发电量预测方法 | |
| Abd El-Aziz | Renewable power source energy consumption by hybrid machine learning model | |
| CN103296701A (zh) | 一种风电场有功功率控制方法 | |
| CN103208029A (zh) | 基于净空模型的光伏电站超短期功率预测方法 | |
| Gholami et al. | Feasibility study of renewable energy generation opportunities for a dairy farm | |
| CN103326394B (zh) | 一种计及风电波动性的多场景概率优化调度方法 | |
| Zhang et al. | Assessing the integration potential of new energy in river basin clean energy corridors considering energy-power coupled complementary operation modes | |
| CN115765044A (zh) | 风光水电系统联合运行及风险分析方法和系统 | |
| CN107844896A (zh) | 适用于高风电渗透率电力系统的风电置信容量评估方法 | |
| CN105678415A (zh) | 一种分布式电源配电网的净负荷预测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170222 |