CN106651163A - 基于Copula函数的多风电场容量可信度评估方法 - Google Patents
基于Copula函数的多风电场容量可信度评估方法 Download PDFInfo
- Publication number
- CN106651163A CN106651163A CN201611136238.2A CN201611136238A CN106651163A CN 106651163 A CN106651163 A CN 106651163A CN 201611136238 A CN201611136238 A CN 201611136238A CN 106651163 A CN106651163 A CN 106651163A
- Authority
- CN
- China
- Prior art keywords
- wind
- capacity
- copula
- wind speed
- function
- 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
- 241000039077 Copula Species 0.000 title claims abstract description 53
- 238000011156 evaluation Methods 0.000 title claims abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000009826 distribution Methods 0.000 claims abstract description 18
- 238000005315 distribution function Methods 0.000 claims abstract description 11
- 238000005070 sampling Methods 0.000 claims abstract description 5
- 230000005684 electric field Effects 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 4
- 238000007476 Maximum Likelihood Methods 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 2
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 2
- 230000005611 electricity Effects 0.000 description 9
- 230000007812 deficiency Effects 0.000 description 3
- 239000004744 fabric Substances 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000006467 substitution reaction 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Wind Motors (AREA)
Abstract
本发明提供一种基于Copula函数的多风电场容量可信度评估方法,首先通过构造一种多维Copula函数,通过分布参数估计法,估计风电场的边缘分布函数的参数和Copula函数中的参数,再用最短距离法选取最优Copula函数,用条件抽样法产生具有相关性的多维风速样本。在此基础上提出出力相关的多风电场容量可信度评估方法,并采用截弦法计算得到风电场的容量可信度。
Description
技术领域
本发明涉及一种新能源技术,特别是基于Copula函数的多风电场容量可信度评估方法。
背景技术
风电场出力具有随机性和间歇性等特点,属于一种不可控的电源形式,其并网后对电力系统的容量贡献与常
并网后对电力系统的容量贡献与常规机组有较大不同,因此客观评价风电场的容量可信度对接入系统的长期规划、优化运行以及可靠性评估等相关问题具有十分重要的意义。
目前主要针对单个风电场的可信容量评估进行了深入研究,随着风力资源的进一步开发,同一风区将存在多个风电场同时接入系统,空间位置临近的风电场出力存在一定的相关性,这将对风电场的运行和规划带来较大的影响。因此,为准确评估大容量风电接入对系统的容量贡献,有必要考虑位置临近多风电场间出力相关性对可信容量的影响。
发明内容
本发明的目的在于提供一种基于Copula函数的多风电场容量可信度评估方法,包括以下步骤:
步骤1,假定风速变量服从Weibull分布,采用最大似然估计法估计风速Weibull分布中的参数,确定风速边缘分布参数,再利用拟牛顿法求解Copula模型中的分步参数;
步骤2,采用基于经验Copula函数和理论Copula函数的最短距离来选取Copula函数作为描述风速变量相关结构的最优函数;
步骤3,用一种条件抽样法产生服从N维Copula函数的随机向量,通过风速边缘分布的逆变换得出风速样本;
步骤4,根据上述方法建立多风电场出力联合概率分布,将风电场等效为多状态机组并入原始系统,模拟随机生产,计算含风电系统的可靠性指标,利用截弦法调节新增常规机组的容量,使新系统(与风电容量等效的传统机组加入后的系统)与含风电系统的可靠性指标相差在一定的误差范围之内,由此迭代得到风电场可信容量。
现有研究主要针对对单个风电场的可信容量评估进行了深入研究,随着风力资源的进一步开发,同一风区将存在多个风电场同时接入系统,空间位置临近的风电场出力存在一定的相关性,这将对风电场的运行和规划带来较大的影响;而本发明考虑多个风电场出力相关性,更为实际表现风力发电情况。同时,运用多维Copula函数,模拟考虑多风电场的风速相关性,得到更接近实际情况的风速样本。
下面结合说明书附图对本发明做进一步描述。
附图说明
图1风电容量可信度评估实施流程图。
图2是风电场风速重新分布图。
图3是风电可信容量搜索中的截弦法示意图。
图4两个风电场时序出力曲线图。
具体实施方式
结合图1至图4,本发明首先通过构造一种多维Copula函数,通过分布参数估计法,估计风电场的边缘分布函数的参数和Copula函数中的参数,再用最短距离法选取最优Copula函数,用条件抽样法产生具有相关性的多维风速样本。在此基础上提出出力相关的多风电场容量可信度评估方法,并采用截弦法计算得到风电场的容量可信度。具体优化方法的实现步骤如下:
第一步,通过考虑风速变量服从Weibull参数分布模型,可以用最大似然估计法来估计风速Weibull分布中的参数λi和ki其表达式如下:
风速v的Weibull概率密度函数为
风速v的Weibull累积分布函数为
其中k>0为形状参数,λ>0为尺度参数。在得出边缘分布的参数后,将λi和ki代入下式
用拟牛顿法求解上式,得到相关性参数矩阵ρ或相关性参数α的估计值;
其中ui=Fi(vi,t,λi,ki)为风电场风速vi的边缘分布函数,i=1,2,...,N,t=1,2,...,n,N为Copula函数的元数,n为风速样本数,c为Copula密度函数,式中argmax表示上式达到最大值时的ρ或α的取值。
第二步,确定多维Copula函数的分步参数后,根据风速之间的相关性选用最适当的Copula函数。Copula函数主要有多元正态Copula函数,多元t-Copula数和阿基米德Copula函数。
N元正态Copula分布函数可表示为
C(u1,u2,...,uN;ρ)=Φρ(Φ-1(u1),...,Φ-1(uN))
式中ρ是相关性参数矩阵;Φρ(·,...,·)是以ρ为相关性参数矩阵的标准多元正态分布元函数;Φ-1(·)为标准正态分布函数的逆函数。需要指出的是,二元正态Copula分布函数中的相关系数用α来表示。
N元t-Copula分布函数可表示为:
C(u1,u2,...,uN;ρ,k)=tρ,k(tk -1(u1),...,tk -1(uN))
式中ρ是相关性参数矩阵;tρ,k(·,...,·)是以ρ为相关性参数矩阵、自由度为k的标准N元t分布函数,tk -1是自由度为k的一元t分布函数的逆函数。需要指出的是,二元t-Copula分布函数中的相关系数用α来表示。
N元阿基米德Copula函数可表示为
式中α是相关性参数,为阿基米德函数的生成元。
计算Kendall秩相关系数,反映多元Copula函数的相依性。一般形式:
τ=P[(X1-X2)(Y1-Y2)>0]-P[(X1-X2)(Y1-Y2)<0]
式中,(X1,Y1)(X2,Y2)是独立且与(X,Y)具有同分布的随机向量。
二元Copula函数C(u1,u2)[0,1]的Kendall秩相关系数τ:
本发明提出采用基于经验Copula函数和理论Copula函数的最短距离来选取最适当的Copula函数。经验Copula函数可采用下式表示:
式中I(·)为示性函数,若括号内条件满足,则I=1;反之为0;是容量为n的风速样本的秩统计量;N为Copula函数的元数,且1≤t1,...,tN≤n。
经验Copula函数与理论Copula函数之间的欧式距离可通过下式计算:
根据上述计算结果,选择距离最小的理论Copula函数作为描述风速变量相关结构的最优函数。
第三步,当描述风速的相关结构的最优Copula函数确定后,用一种条件抽样法产生具有相关性的多维风速样本,包括下面三步:
(1)生成包含N个独立的服从(0,1)均匀分布的随机数向量(Y1,...,Yn);
(2)按如下递归算法,产生服从N维Copula函数C的随机数向量(u1,...,uN):
uk=C-1(uk,...uk-1)(Yk),k=1,2,...,N
其中,
其中
(3)通过风速边缘分布的逆变换得出风速样本
第四步,根据上述方法建立多风电场出力联合概率分布,将风电场等效为多状态机组并入原始系统,依照随机生产模拟的思路,首先计算含风电系统的可靠性指标,如电力不足概率(LOLP)、电力不足期望值(LOLE)和电量不足期望值(EENS)等;然后计算原始系统增加一定步长容量的常规机组后的系统可靠性指标,利用截弦法调节新增常规机组的容量,使新系统与含风电系统的可靠性指标相差在一定的误差范围之内,由此迭代得到的新增常规机组的容量即可定义为风电场可信容量。
设常规机组g容量为Cg,dt为风电场组成的风电系统下t时刻负荷水平,Pw,t为风电场W在t时刻的出力,G与W分别表示常规机组与风电机组的集合,可信容量评估时间范围为T(一般取1年),含风电系统的可靠性指标计算如下:
其中,Pw,t是风电场基于实时风速计算的风机输出功率,ρ为空气密度,R为风机半径,fN是电网额定频率,β、w分别是相应风机的桨距角和转子转速,G为齿轮箱变比,p为风力发电机的极对数,Cp为风力机特性函数;
电力不足频率是指一段时间内系统由电力充裕状态变为电力不足状态的平均次数,单位为次/年,电力不足持续时间为每次系统处于停电状态平均持续时间,单位为小时。
截弦法计算包括以下步骤:
步骤4.1,获取R0=P(dt>Pw,t)或或
步骤4.2,获取R1=LOLPt或R1=LOLEt或R1=EENSt;
步骤4.3,建立虚拟机组(风电等效的传统机组)容量Pv和可靠性指标R间的坐标系,其中横坐标为虚拟机组容量、纵坐标为可靠性;容量的上下限对应的系统可靠性指标,虚拟机组容量下限设为0,上限Pmax可设为风电场容量;
步骤4.4,计算虚拟机组容量的上下限对应的系统可靠性指标,虚拟机组容量下限设为0,上限Pmax设为风电场容量;
步骤4.5,连接坐标系中(0,Rmax)和(Pmax,Rmin)且计算该连线L1与R0的交点对应的横坐标P1,其中Rmax和Rmin分别为可靠性指标R的对应值;
步骤4.6,获取虚拟机组容量为P1时系统的可靠性指标;
步骤4.7,连接坐标系中(0,Rmax)和(P1,R1)且计算该连线L2与R0的交点对应的横坐标P2;
步骤4.8,按照步骤4.3至步骤4.7获取的规律分别得到P3、P4...直至收敛获取虚拟机组可靠性指标Pv;
步骤4.9,调节新系统装机容量,当装机容量CE=Pv时,获得该容量对应的可靠性指标R(ck)与R1满足e为给定精度;若不满足重复步骤4.8。
若接入电力系统的多个风电场总装机容量为Cwind,则多风电场容量可信度为:
Ccredit=CE/Cwind。
以IEEE RTS-96系统为基础,利用本发明所提方法,进行了出力相关多风电场的容量可信度研究。该系统总装机容量为10250MW,系统峰荷为8550MW。在该系统中接入2个处于同一风区的风电场,额定装机容量均为512MW。
表1中描述的风电场基本信息,根据本发明所述多风电场容量可信度评估方法,分别计算考虑相关性和不考虑相关性时两风电场的可信容量,计算得到的各方案可靠性指标及可信容量如表2所示。由表2可以看出,风电场并网后系统的可靠性水平得到了明显提高。对于地理位置相近的2个风电场,考虑其出力相关性后对系统中风电场的容量可信度比不考虑相关性时降低了22.8%。因此,风电场出力相关程度将是影响评估同一风区内多风电场并网后的风电容量可信度水平的关键因素。
表1风电场基本信息
表2系统的可靠性指标及风电容量可信度
Claims (7)
1.一种基于Copula函数的多风电场容量可信度评估方法,其特征在于,包括以下步骤:
步骤1,假定风速变量服从Weibull分布,采用最大似然估计法估计风速Weibull分布中的参数,确定风速边缘分布参数,再利用拟牛顿法求解Copula模型中的分步参数;
步骤2,采用基于经验Copula函数和理论Copula函数的最短距离来选取Copula函数作为描述风速变量相关结构的最优函数;
步骤3,用一种条件抽样法产生服从N维Copula函数的随机向量,通过风速边缘分布的逆变换得出风速样本;
步骤4,根据上述方法建立多风电场出力联合概率分布,将风电场等效为多状态机组并入原始系统,模拟随机生产,计算含风电系统的可靠性指标,利用截弦法调节新增常规机组的容量,使新系统与含风电系统的可靠性指标相差在一定的误差范围之内,由此迭代得到风电场可信容量。
2.根据权利要求1所述的方法,其特征在于,步骤1的具体过程为:
步骤1.1,风速v的Weibull概率密度函数为
其中,λ为尺度参数,k为形状参数;
步骤1.2,风速v的Weibull累积分布函数为
步骤1.3,将λi和ki代入下式
用拟牛顿法求解上式,得到相关性参数矩阵ρ或相关性参数α的估计值;其中ui=Fi(vi,t,λi,ki)为风电场风速vi的边缘分布函数,i=1,2,...,N,t=1,2,...,n,N为Copula函数的元数,n为风速样本数,c为Copula密度函数。
3.根据权利要求1所述的方法,其特征在于,步骤2的具体过程为:
步骤2.1,建立经验Copula函数其中,Ce为经验Copula函数,N为Copula函数的元数,n为风速样本数,为容量为n的风速样本的秩统计量,1≤t1,...,tN≤n,
I()为示性函数,若括号内条件满足,则I=1,否则为0;
步骤2.2,建立经验Copula函数与理论Copula函数之间的欧式距离
步骤2.3,选择d(C,Ce)最小的理论Copula函数作为描述风速变量相关结构的最优函数。
4.根据权利要求1所述的方法,其特征在于,步骤3的具体过程为:
步骤3.1,生成包含N个独立的服从(0,1)均匀分布的随机数向量(Y1,...,Yn);
步骤3.2,按如下递归算法,产生服从N维Copula函数C的随机数向量(u1,...,uN)
uk=C-1(uk,...uk-1)(Yk),k=1,2,...,N
其中,
步骤3.3,通过风速边缘分布的逆变换得出风速样本
5.根据权利要求1所述的方法,其特征在于,步骤4中含风电系统的可靠性指标至少包括电力不足概率LOLP、电力不足期望值LOLE和电量不足期望值EENS;其中
其中,Pw,t是风电场基于实时风速计算的风机输出功率,ρ为空气密度,R为风机半径,fN是电网额定频率,β、w分别是相应风机的桨距角和转子转速,G为齿轮箱变比,p为风力发电机的极对数,Cp为风力机特性函数;
常规机组g容量为Cg,dt为风电场组成的风电系统下t时刻负荷水平,Pw,t为风电场W在t时刻的出力,G与W分别表示常规机组与风电机组的集合,可信容量评估时间范围为T。
6.根据权利要求5所述的方法,其特征在于,步骤4具体包括:
步骤4.1,获取R0=P(dt>Pw,t)或或
步骤4.2,获取R1=LOLPt或R1=LOLEt或R1=EENSt;
步骤4.3,建立虚拟机组容量Pv和可靠性指标R间的坐标系,其中横坐标为虚拟机组容量、纵坐标为可靠性;
步骤4.4,计算虚拟机组容量的上下限对应的系统可靠性指标,虚拟机组容量下限设为0,上限Pmax设为风电场容量;
步骤4.5,连接坐标系中(0,Rmax)和(Pmax,Rmin)且计算该连线L1与R0的交点对应的横坐标P1,其中Rmax和Rmin分别为可靠性指标R的对应值;
步骤4.6,获取虚拟机组容量为P1时系统的可靠性指标;
步骤4.7,连接坐标系中(0,Rmax)和(P1,R1)且计算该连线L2与R0的交点对应的横坐标P2;
步骤4.8,按照步骤4.3至步骤4.7获取的规律分别得到P3、P4...直至收敛获取虚拟机组可靠性指标Pv;
步骤4.9,调节新系统装机容量,当装机容量CE=Pv时,获得该容量对应的可靠性指标R(ck)与R1满足e为给定精度;若不满足重复步骤4.8。
7.根据权利要求6所述的方法,其特征在于,若接入电力系统的多个风电场总装机容量为Cwind,则多风电场容量可信度为
Ccredit=CE/Cwind。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611136238.2A CN106651163A (zh) | 2016-12-12 | 2016-12-12 | 基于Copula函数的多风电场容量可信度评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611136238.2A CN106651163A (zh) | 2016-12-12 | 2016-12-12 | 基于Copula函数的多风电场容量可信度评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106651163A true CN106651163A (zh) | 2017-05-10 |
Family
ID=58824189
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611136238.2A Pending CN106651163A (zh) | 2016-12-12 | 2016-12-12 | 基于Copula函数的多风电场容量可信度评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106651163A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110334951A (zh) * | 2019-07-05 | 2019-10-15 | 华北电力大学 | 一种风电机组高温降容状态的智能评估方法及系统 |
CN111861794A (zh) * | 2020-07-30 | 2020-10-30 | 国网能源研究院有限公司 | 考虑概率分布的太阳能发电容量可信度获取方法及装置 |
CN112001531A (zh) * | 2020-08-04 | 2020-11-27 | 南京工程学院 | 基于有效载荷能力的风电短期运行容量可信度评估方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102801157A (zh) * | 2012-07-24 | 2012-11-28 | 江苏省电力设计院 | 基于Copula理论的风光互补发电系统可靠性评估方法 |
CN103746370A (zh) * | 2013-12-20 | 2014-04-23 | 河海大学 | 一种风电场可靠性建模方法 |
CN104319807A (zh) * | 2014-10-17 | 2015-01-28 | 南方电网科学研究院有限责任公司 | 一种基于Copula函数获取多风电场容量可信度的方法 |
CN104834793A (zh) * | 2015-05-26 | 2015-08-12 | 河海大学 | 一种多风电场风速数据的模拟生成方法 |
-
2016
- 2016-12-12 CN CN201611136238.2A patent/CN106651163A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102801157A (zh) * | 2012-07-24 | 2012-11-28 | 江苏省电力设计院 | 基于Copula理论的风光互补发电系统可靠性评估方法 |
CN103746370A (zh) * | 2013-12-20 | 2014-04-23 | 河海大学 | 一种风电场可靠性建模方法 |
CN104319807A (zh) * | 2014-10-17 | 2015-01-28 | 南方电网科学研究院有限责任公司 | 一种基于Copula函数获取多风电场容量可信度的方法 |
CN104834793A (zh) * | 2015-05-26 | 2015-08-12 | 河海大学 | 一种多风电场风速数据的模拟生成方法 |
Non-Patent Citations (3)
Title |
---|
吴耀武等: "考虑多风电场出力相关性的风电容量可信度评估方法", 《电力自动化设备》 * |
张宁 等: "风电容量可信度研究综述与展望", 《中国电机工程学报》 * |
秦志龙等: "考虑风速相关性的发输电系统可靠性评估", 《电力系统自动化》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110334951A (zh) * | 2019-07-05 | 2019-10-15 | 华北电力大学 | 一种风电机组高温降容状态的智能评估方法及系统 |
CN110334951B (zh) * | 2019-07-05 | 2022-02-08 | 华北电力大学 | 一种风电机组高温降容状态的智能评估方法及系统 |
CN111861794A (zh) * | 2020-07-30 | 2020-10-30 | 国网能源研究院有限公司 | 考虑概率分布的太阳能发电容量可信度获取方法及装置 |
CN111861794B (zh) * | 2020-07-30 | 2024-04-12 | 国网能源研究院有限公司 | 考虑概率分布的太阳能发电容量可信度获取方法及装置 |
CN112001531A (zh) * | 2020-08-04 | 2020-11-27 | 南京工程学院 | 基于有效载荷能力的风电短期运行容量可信度评估方法 |
CN112001531B (zh) * | 2020-08-04 | 2023-12-12 | 南京工程学院 | 基于有效载荷能力的风电短期运行容量可信度评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Estimation methods review and analysis of offshore extreme wind speeds and wind energy resources | |
CN107732970B (zh) | 一种新能源并网电力系统的静态安全概率评估方法 | |
CN104319807B (zh) | 一种基于Copula函数获取多风电场容量可信度的方法 | |
CN103902837B (zh) | 一种基于经验Copula函数进行风速预测的方法 | |
CN110336298A (zh) | 一种基于混合智能算法的含分布式电源配网无功规划方法 | |
CN105046374A (zh) | 一种基于核极限学习机模型的功率区间预测方法 | |
CN106295899B (zh) | 基于遗传算法与支持向量分位数回归的风电功率概率密度预测方法 | |
CN103473393B (zh) | 一种考虑随机概率的输电裕度控制模型建模方法 | |
CN105574615A (zh) | 一种基于空间相关性与ga的小波-bp神经网络风电功率预测方法 | |
CN105825002B (zh) | 一种基于动态灰关联分析法的风电场动态等值建模方法 | |
CN104217077A (zh) | 一种反映风速变化特性的风力发电出力随机模型建模方法 | |
CN106611243A (zh) | 一种基于garch模型的风速预测残差修正方法 | |
CN106651163A (zh) | 基于Copula函数的多风电场容量可信度评估方法 | |
CN104933469B (zh) | 一种基于灰色生成扰动模型的短期风速预测方法 | |
CN102749471A (zh) | 一种短期风速、风电功率预测方法 | |
CN114595891A (zh) | 一种配电网电压及潮流越界风险评估方法、系统及设备 | |
CN104951654A (zh) | 基于控制变量抽样的大规模风电场可靠性评估方法 | |
CN106485603A (zh) | 一种应用于风力发电的短期风速预测方法 | |
CN109802634A (zh) | 一种基于大数据的光伏电站的智能运维方法及运维系统 | |
Mirzadeh et al. | Reliability modeling of reservoir-based tidal power plants for determination of spinning reserve in renewable energy-based power systems | |
CN107221933A (zh) | 一种概率潮流计算方法 | |
Younis et al. | Selection of Wind Turbine Systems for the Sultanate of Oman. | |
Li et al. | Wind power forecasting based on time series and neural network | |
CN111178601A (zh) | 一种基于气象数据后处理的风电机组功率预测方法 | |
Li et al. | Analysis of hybrid wind-photovoltaic-hydro generation system based on short-term scheduling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170510 |