CN106972546A - 一种虚拟电厂电能智能调配方法 - Google Patents

一种虚拟电厂电能智能调配方法 Download PDF

Info

Publication number
CN106972546A
CN106972546A CN201710167651.3A CN201710167651A CN106972546A CN 106972546 A CN106972546 A CN 106972546A CN 201710167651 A CN201710167651 A CN 201710167651A CN 106972546 A CN106972546 A CN 106972546A
Authority
CN
China
Prior art keywords
power
wind
generation
time
electricity generation
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
Application number
CN201710167651.3A
Other languages
English (en)
Inventor
钱伟杰
陆竑
吴国庆
唐锦江
张盛
刘建定
仇群辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiaxing Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Jiaxing Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiaxing Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical Jiaxing Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Priority to CN201710167651.3A priority Critical patent/CN106972546A/zh
Publication of CN106972546A publication Critical patent/CN106972546A/zh
Pending legal-status Critical Current

Links

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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • 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]
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • 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
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Abstract

本发明公开了一种虚拟电厂电能智能调配方法，解决了现有技术的不足，系统控制太阳能发电、潮汐发电和风力发电同时供电，且启用备用发电系统，使太阳能发电、潮汐发电、风力发电和备用发电功率满足当前所需功率；系统选取的发电种类所发的功率仍大于或等于当前所需功率，则系统配置太阳能发电、潮汐发电和风力发电的权重系数，并按照权重系数配置各发电种类的发电功率，若系统选取的发电种类所发的功率小于当前所需功率，则系统将对不选取的发电种类重新选取，直到系统选取的发电种类所发的功率大于或等于当前所需功率。

Description

一种虚拟电厂电能智能调配方法
技术领域
本发明涉及虚拟电厂技术领域，尤其是指一种虚拟电厂电能智能调配方法。
背景技术
随着化石能源的日渐枯竭以及环境污染、气候变化问题的日益明显，大力开发新能源、实现各种能源的低碳利用已成为当今能源革命的主题。风电、太阳能发电等大规模新能源电力在电力系统中的比重不断增加，使传统电力系统的结构、形态与运行控制方式随之产生根本性变革，包括发电厂、电网及用户在内的整个电力系统都需要与之相适应。
近年来，在智能电网技术快速发展的背景下，虚拟电厂(virtual power plant，VPP)的概念逐渐受到国内外学术界和工业界的关注。不论是一些欧美国家中越来越多的小型分布式能源的接入，还是我国面临的大规模新能源电力的接入，都给电网带来具有间歇性和随机波动性的冲击，对电网的结构及运行调度方式提出新的要求。为充分利用新能源电力并使之与传统能源实现较好的互补与配合，需要构建保证电网安全稳定运行、兼顾经济和社会效益的区域性多能源集成模式。与此同时，智能电网技术的发展使得电网调度机构甚至普通用电者都能采用先进的网络通信、实时检测与计量等技术手段对电网运行状况进行监控与分析。在上述背景下产生的虚拟发电厂概念，打破了传统电力系统中物理概念上的发电厂之间、以及发电侧和用电侧之间的界限，充分利用网络通信、智能量测、数据处理、智能决策等先进技术手段，有望成为包含新能源接入的智能电网技术的支撑框架。
现有的虚拟电厂，在对各个发电方式进行调配时，调配的手段较为单一，往往需要人工干预，导致效率较低，没有发挥出虚拟电厂的潜力。
发明内容
本发明的目的是克服现有技术中虚拟电厂在对各个发电方式进行调配时，调配的手段较为单一，往往需要人工干预，导致效率较低的缺陷，提供一种虚拟电厂电能智能调配方法。
本发明的目的是通过下述技术方案予以实现：
一种虚拟电厂电能智能调配方法，基于虚拟电厂电脑智能调配系统，包括以下步骤：
步骤1，系统获取太阳能发电功率，根据经验公式构建太阳能发电功率与时间函数，获取潮汐发电功率，根据经验公式构建潮汐发电功率与时间函数，获取风力发电功率；
步骤2，系统获取当前电网所需功率，并与当前发电功率总和相比较，若当前所需功率大于当前发电功率，则跳转至步骤3，若当前所需功率小于或等于当前发电功率，则跳转至步骤4；
步骤3，系统控制太阳能发电、潮汐发电和风力发电同时供电，且启用备用发电系统，使太阳能发电、潮汐发电、风力发电和备用发电功率满足当前所需功率；
步骤4，系统根据太阳能发电功率与时间函数和潮汐发电功率与时间函数获取在当前时间后设定的时间内各函数的变化趋势，系统根据天气预报风力变换判断风力发电功率的变化趋势，若在设定的时间内，某一个函数终止时间的值大于或等于当前时间的值，或在设定的时间内，风力发电功率恒定，则系统优先选取此函数对应的发电种类或风力发电，若在设定的时间内，某一个函数的终止时间的值小于或等于当前时间的值，或在设定的时间内，风力发电功率不恒定，则系统不选取此函数对应的发电种类或不选取风力发电，若系统选取的发电种类所发的功率仍大于或等于当前所需功率，则跳转至步骤5，若系统选取的发电种类所发的功率小于当前所需功率，则系统将对不选取的发电种类重新选取，直到系统选取的发电种类所发的功率大于或等于当前所需功率，并跳转至步骤5；
步骤5，系统配置太阳能发电、潮汐发电和风力发电的权重系数，并按照权重系数配置各发电种类的发电功率。
在本方案中，虚拟电厂既保证了实际的使用需求，多余的电能也能存储起来避免了浪费，同时，根据经验，能优化选取最为科学的发电方式，提高了整个系统的稳定性。
作为一种优选方案，步骤1中，
太阳能发电功率与时间的函数为
其中，y1表示太阳能发电功率，t表示当前的时间，单位为小时，k为太阳能发电最大功率，p为周期常数，使sin3p的值为1，sin6p的值为0；
潮汐发电功率与时间的函数为
其中，y2表示潮汐发电功率，S为潮汐发电最大功率，n为比例常数，m为修正数，其值的大小根据当前时间的日期变化而变化，周期为30天；
风力发电功率由风叶转速决定，当风叶转速超过设定的阈值时，风力发电功率即为额定发电功率，当风叶转速未超过设定的阈值时，风力发电功率为0。
作为一种优选方案，备用发电系统包括水力发电、火力发电和/或储能系统。
作为一种优选方案，储能系统与太阳能发电、潮汐发电和风力发电相连接，太阳能发电、潮汐发电和风力发电功率大于当前所需功率时，多余的电量存储至储能系统，当太阳能发电、潮汐发电和风力发电功率小于当前所需功率时，储能系统开始输送电能。
作为一种优选方案，太阳能发电、潮汐发电和风力发电的权重系数分别为α，β和γ，α的取值范围是0.4至0.5，β的取值范围是0.4至0.5，伽马的取值范围是0至0.2，α+β+γ＝1，太阳能发电、潮汐发电和风力发电的功率总和设为P总，当前所需功率设为P实，则太阳能发电、潮汐发电和风力发电实际的输出功率分别为和太阳能发电和潮汐发电受到环境和气候变化的影响较小，因此权重系数较高，可以提供较为稳定的电能，而风力发电受到环境和气候变化的影响较大，提供的电能较为不稳定，因此权重系数较低。此设计确保了系统整体发电的稳定性。
作为一种优选方案，若太阳能发电功率和潮汐发电功率大于或等于当前需求功率，则太阳能发电和潮汐发电直接输送当前电网所需电能，风力发电直接向存储系统输送电能。由于风力发电较为不稳定，故在风力发电时可以直接向储能系统输送电能，确保在太阳能发电和潮汐发电不足时，储能系统可以有充足的电能供给。
作为一种优选方案，存储系统开始输送电能时，同时系统根据太阳能发电功率与时间函数和潮汐发电功率与时间函数获取在当前时间后设定的时间内各函数的变化趋势，系统根据天气预报风力变换判断风力发电功率的变化趋势，若在设定的时间内某一个函数的终止时间的值小于或等于当前时间的值，或在设定的时间内，风力发电功率不恒定，则储能系统限制输送功率，实际的输送功率和存储系统存储的电能大小成正比。
作为一种优选方案，α，β和γ均为经验常数，系统调取过去一个月内每天在设定的时间内太阳能发电量的平均值为A1、过去一个月内每天在设定的时间内潮汐发电量的平均值为B1、过去一个月内每天在设定的时间内风力发电量的平均值为C1，则α∶β∶γ＝A1∶B1∶C1。此设计参考了历史上同时间发电量的平均值，由此得出权重系数更为科学，进一步提升了输送电能的稳定性。
作为一种优选方案，系统调取过去三个月内每天在设定的时间内太阳能发电量的平均值为A2、过去三个月内每天在设定的时间内潮汐发电量的平均值为B2、过去三个月内每天在设定的时间内风力发电量的平均值为C2，则α∶β∶γ＝(0.8*A1+0.2*A2)∶(0.8*B1+0.2*B2)∶(0.8*C1+0.2*C2)。
作为一种优选方案，系统调取过去三个月内每天在设定的时间内太阳能发电量的平均值为A2、过去三个月内每天在设定的时间内潮汐发电量的平均值为B2、过去三个月内每天在设定的时间内风力发电量的平均值为C2，系统调取过去一年内每天在设定的时间内太阳能发电量的平均值为A3、过去一年内每天在设定的时间内潮汐发电量的平均值为B3、过去一年内每天在设定的时间内风力发电量的平均值为C3，则α∶β∶γ＝(0.7*A1+0.2*A2+0.1*A3)∶(0.7*B1+0.2*B2+0.1*B3)∶(0.7*C1+0.2*C2+0.1*C3)。
本发明的有益效果是，虚拟电厂电能智能调配方法能够合理调配太阳能发电、风力发电、潮汐发电和储能系统的发电功率，大大优化了发电效率，满足了实际的使用需求。且本发明易于实现、实用性较强。
具体实施方式
下面结合实施例对本发明进一步描述。
实施例：一种虚拟电厂电能智能调配方法，基于虚拟电厂电脑智能调配系统，包括以下步骤：
步骤1，系统获取太阳能发电功率，根据经验公式构建太阳能发电功率与时间函数，获取潮汐发电功率，根据经验公式构建潮汐发电功率与时间函数，获取风力发电功率；
步骤2，系统获取当前电网所需功率，并与当前发电功率总和相比较，若当前所需功率大于当前发电功率，则跳转至步骤3，若当前所需功率小于或等于当前发电功率，则跳转至步骤4；
步骤3，系统控制太阳能发电、潮汐发电和风力发电同时供电，且启用备用发电系统，使太阳能发电、潮汐发电、风力发电和备用发电功率满足当前所需功率；
步骤4，系统根据太阳能发电功率与时间函数和潮汐发电功率与时间函数获取在当前时间后设定的时间内各函数的变化趋势，系统根据天气预报风力变换判断风力发电功率的变化趋势，若在设定的时间内，某一个函数终止时间的值大于或等于当前时间的值，或在设定的时间内，风力发电功率恒定，则系统优先选取此函数对应的发电种类或风力发电，若在设定的时间内，某一个函数的终止时间的值小于或等于当前时间的值，或在设定的时间内，风力发电功率不恒定，则系统不选取此函数对应的发电种类或不选取风力发电，若系统选取的发电种类所发的功率仍大于或等于当前所需功率，则跳转至步骤5，若系统选取的发电种类所发的功率小于当前所需功率，则系统将对不选取的发电种类重新选取，直到系统选取的发电种类所发的功率大于或等于当前所需功率，并跳转至步骤5；
步骤5，系统配置太阳能发电、潮汐发电和风力发电的权重系数，并按照权重系数配置各发电种类的发电功率。
步骤1中，
太阳能发电功率与时间的函数为
其中，y1表示太阳能发电功率，t表示当前的时间，单位为小时，k为太阳能发电最大功率，p为周期常数，使sin3p的值为1，sin6p的值为0；
潮汐发电功率与时间的函数为
其中，y2表示潮汐发电功率，S为潮汐发电最大功率，n为比例常数，m为修正数，其值的大小根据当前时间的日期变化而变化，周期为30天；
风力发电功率由风叶转速决定，当风叶转速超过设定的阈值时，风力发电功率即为额定发电功率，当风叶转速未超过设定的阈值时，风力发电功率为0。
在步骤3中，所述的备用发电系统包括水力发电、火力发电和/或储能系统。
储能系统与太阳能发电、潮汐发电和风力发电相连接，太阳能发电、潮汐发电和风力发电功率大于当前所需功率时，多余的电量存储至储能系统，当太阳能发电、潮汐发电和风力发电功率小于当前所需功率时，存储系统开始输送电能。
在步骤5中，所述的太阳能发电、潮汐发电和风力发电的权重系数分别为α，β和γ，α的取值范围是0.4至0.5，β的取值范围是0.4至0.5，伽马的取值范围是0至0.2，α+β+γ＝1，太阳能发电、潮汐发电和风力发电的功率总和设为P总，当前所需功率设为P实，则太阳能发电、潮汐发电和风力发电实际的输出功率分别为和
在步骤4中，若太阳能发电功率和潮汐发电功率大于或等于当前需求功率，则太阳能发电和潮汐发电直接输送当前电网所需电能，风力发电直接向存储系统输送电能。
存储系统开始输送电能时，同时系统根据太阳能发电功率与时间函数和潮汐发电功率与时间函数获取在当前时间后设定的时间内各函数的变化趋势，系统根据天气预报风力变换判断风力发电功率的变化趋势，若在设定的时间内某一个函数的终止时间的值小于或等于当前时间的值，或在设定的时间内，风力发电功率不恒定，则储能系统限制输送功率，实际的输送功率和存储系统存储的电能大小成正比。
α，β和γ均为经验常数，系统调取过去一个月内每天在设定的时间内太阳能发电量的平均值为A1、过去一个月内每天在设定的时间内潮汐发电量的平均值为B1、过去一个月内每天在设定的时间内风力发电量的平均值为C1，则α∶β∶γ＝A1∶B1∶C1。
系统调取过去三个月内每天在设定的时间内太阳能发电量的平均值为A2、过去三个月内每天在设定的时间内潮汐发电量的平均值为B2、过去三个月内每天在设定的时间内风力发电量的平均值为C2，则α∶β∶γ＝(0.8*A1+0.2*A2)∶(0.8*B1+0.2*B2)∶(0.8*C1+0.2*C2)。
系统调取过去三个月内每天在设定的时间内太阳能发电量的平均值为A2、过去三个月内每天在设定的时间内潮汐发电量的平均值为B2、过去三个月内每天在设定的时间内风力发电量的平均值为C2，系统调取过去一年内每天在设定的时间内太阳能发电量的平均值为A3、过去一年内每天在设定的时间内潮汐发电量的平均值为B3、过去一年内每天在设定的时间内风力发电量的平均值为C3，则α∶β∶γ＝(0.7*A1+0.2*A2+0.1*A3)∶(0.7*B1+0.2*B2+0.1*B3)∶(0.7*C1+0.2*C2+0.1*C3)。

Claims (10)

1.一种虚拟电厂电能智能调配方法，基于虚拟电厂电脑智能调配系统，其特征是，包括以下步骤：
步骤1，系统获取太阳能发电功率，根据经验公式构建太阳能发电功率与时间函数，获取潮汐发电功率，根据经验公式构建潮汐发电功率与时间函数，获取风力发电功率；
步骤2，系统获取当前电网所需功率，并与当前发电功率总和相比较，若当前所需功率大于当前发电功率，则跳转至步骤3，若当前所需功率小于或等于当前发电功率，则跳转至步骤4；
步骤3，系统控制太阳能发电、潮汐发电和风力发电同时供电，且启用备用发电系统，使太阳能发电、潮汐发电、风力发电和备用发电功率满足当前所需功率；
步骤4，系统根据太阳能发电功率与时间函数和潮汐发电功率与时间函数获取在当前时间后设定的时间内各函数的变化趋势，系统根据天气预报风力变换判断风力发电功率的变化趋势，若在设定的时间内，某一个函数终止时间的值大于或等于当前时间的值，或在设定的时间内，风力发电功率恒定，则系统优先选取此函数对应的发电种类或风力发电，若在设定的时间内，某一个函数的终止时间的值小于或等于当前时间的值，或在设定的时间内，风力发电功率不恒定，则系统不选取此函数对应的发电种类或不选取风力发电，若系统选取的发电种类所发的功率仍大于或等于当前所需功率，则跳转至步骤5，若系统选取的发电种类所发的功率小于当前所需功率，则系统将对不选取的发电种类重新选取，直到系统选取的发电种类所发的功率大于或等于当前所需功率，并跳转至步骤5；
步骤5，系统配置太阳能发电、潮汐发电和风力发电的权重系数，并按照权重系数配置各发电种类的发电功率。
2.根据权利要求1所述的一种虚拟电厂电能智能调配方法，其特征是，所述的步骤1中，
太阳能发电功率与时间的函数为
y 1 = 0 , 0 &le; t < 8 &cup; 18 < t &le; 24 K sin p ( t - 8 ) , 8 &le; t &le; 11 K , 11 < t < 15 K sin p ( t - 12 ) , 15 &le; t &le; 18
其中，y1表示太阳能发电功率，t表示当前的时间，单位为小时，k为太阳能发电最大功率，p为周期常数，使sin3p的值为1，sin6p的值为0；
潮汐发电功率与时间的函数为
y 2 = S - n ( t + m ) , 0 &le; t &le; 3 S - n ( t + m - 12 ) , 12 &le; t &le; 15 0,3 < t < 12 &cup; 15 < t < 24
其中，y2表示潮汐发电功率，S为潮汐发电最大功率，n为比例常数，m为修正数，其值的大小根据当前时间的日期变化而变化，周期为30天；
风力发电功率由风叶转速决定，当风叶转速超过设定的阈值时，风力发电功率即为额定发电功率，当风叶转速未超过设定的阈值时，风力发电功率为0。
3.根据权利要求2所述的一种虚拟电厂电能智能调配方法，其特征是，在步骤3中，所述的备用发电系统包括水力发电、火力发电和/或储能系统。
4.根据权利要求3所述的一种虚拟电厂电能智能调配方法，其特征是，所述的储能系统与太阳能发电、潮汐发电和风力发电相连接，太阳能发电、潮汐发电和风力发电功率大于当前所需功率时，多余的电量存储至储能系统，当太阳能发电、潮汐发电和风力发电功率小于当前所需功率时，存储系统开始输送电能。
5.根据权利要求1所述的一种虚拟电厂电能智能调配方法，其特征是，在步骤5中，所述的太阳能发电、潮汐发电和风力发电的权重系数分别为α，β和γ，α的取值范围是0.4至0.5，β的取值范围是0.4至0.5，伽马的取值范围是0至0.2，α+β+γ＝1，太阳能发电、潮汐发电和风力发电的功率总和设为P总，当前所需功率设为P实，则太阳能发电、潮汐发电和风力发电实际的输出功率分别为 和
6.根据权利要求4所述的一种虚拟电厂电能智能调配方法，其特征是，在步骤4中，若太阳能发电功率和潮汐发电功率大于或等于当前需求功率，则太阳能发电和潮汐发电直接输送当前电网所需电能，风力发电直接向存储系统输送电能。
7.根据权利要求4所述的一种虚拟电厂电能智能调配方法，其特征是，存储系统开始输送电能时，同时系统根据太阳能发电功率与时间函数和潮汐发电功率与时间函数获取在当前时间后设定的时间内各函数的变化趋势，系统根据天气预报风力变换判断风力发电功率的变化趋势，若在设定的时间内某一个函数的终止时间的值小于或等于当前时间的值，或在设定的时间内，风力发电功率不恒定，则储能系统限制输送功率，实际的输送功率和存储系统存储的电能大小成正比。
8.根据权利要求5所述的一种虚拟电厂电能智能调配方法，其特征是，所述的α，β和γ均为经验常数，系统调取过去一个月内每天在设定的时间内太阳能发电量的平均值为A1、过去一个月内每天在设定的时间内潮汐发电量的平均值为B1、过去一个月内每天在设定的时间内风力发电量的平均值为C1，则α∶β∶γ＝A1∶B1∶C1。
9.根据权利要求8所述的一种虚拟电厂电能智能调配方法，其特征是，系统调取过去三个月内每天在设定的时间内太阳能发电量的平均值为A2、过去三个月内每天在设定的时间内潮汐发电量的平均值为B2、过去三个月内每天在设定的时间内风力发电量的平均值为C2，则α∶β∶γ＝(0.8*A1+0.2*A2)∶(0.8*B1+0.2*B2)∶(0.8*C1+0.2*C2)。
10.根据权利要求8所述的一种虚拟电厂电能智能调配方法，其特征是，系统调取过去三个月内每天在设定的时间内太阳能发电量的平均值为A2、过去三个月内每天在设定的时间内潮汐发电量的平均值为B2、过去三个月内每天在设定的时间内风力发电量的平均值为C2，系统调取过去一年内每天在设定的时间内太阳能发电量的平均值为A3、过去一年内每天在设定的时间内潮汐发电量的平均值为B3、过去一年内每天在设定的时间内风力发电量的平均值为C3，则α∶β∶γ＝(0.7*A1+0.2*A2+0.1*A3)∶(0.7*B1+0.2*B2+0.1*B3)∶(0.7*C1+0.2*C2+01*C3)。
CN201710167651.3A 2017-03-20 2017-03-20 一种虚拟电厂电能智能调配方法 Pending CN106972546A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710167651.3A CN106972546A (zh) 2017-03-20 2017-03-20 一种虚拟电厂电能智能调配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710167651.3A CN106972546A (zh) 2017-03-20 2017-03-20 一种虚拟电厂电能智能调配方法

Publications (1)

Publication Number Publication Date
CN106972546A true CN106972546A (zh) 2017-07-21

Family

ID=59330117

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710167651.3A Pending CN106972546A (zh) 2017-03-20 2017-03-20 一种虚拟电厂电能智能调配方法

Country Status (1)

Country Link
CN (1) CN106972546A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109376406A (zh) * 2018-09-29 2019-02-22 广州供电局有限公司 供能系统超结构模型、建模方法、计算机设备和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN87201768U (zh) * 1987-02-05 1987-12-26 牡丹江市测试仪器厂 携带式交直流电表试验装置
US5920467A (en) * 1995-08-03 1999-07-06 Atlas Energy Systems, Inc. Power converter for converting AC shore power to shipboard use
CN203911590U (zh) * 2014-06-17 2014-10-29 国家电网公司 一种具有安全联锁功能的船舶岸电装置
CN105356573A (zh) * 2015-12-10 2016-02-24 青岛浪芯电子科技有限公司 多能互补发电系统及供电分配方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN87201768U (zh) * 1987-02-05 1987-12-26 牡丹江市测试仪器厂 携带式交直流电表试验装置
US5920467A (en) * 1995-08-03 1999-07-06 Atlas Energy Systems, Inc. Power converter for converting AC shore power to shipboard use
CN203911590U (zh) * 2014-06-17 2014-10-29 国家电网公司 一种具有安全联锁功能的船舶岸电装置
CN105356573A (zh) * 2015-12-10 2016-02-24 青岛浪芯电子科技有限公司 多能互补发电系统及供电分配方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
黄昕颖等: ""基于投资组合的虚拟电厂多电源容量配置"", 《电力系统自动化》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109376406A (zh) * 2018-09-29 2019-02-22 广州供电局有限公司 供能系统超结构模型、建模方法、计算机设备和存储介质

Similar Documents

Publication Publication Date Title
CN105337415A (zh) 一种基于预测控制的地区电网调度系统及其方法
CN104917204B (zh) 一种风电场有功功率优化控制方法
CN104882905A (zh) 一种考虑暂态安全约束的新能源接纳能力评估方法
CN104795846A (zh) 一种抽水蓄能电站与风电的联合系统的优化运行方法
CN104362671A (zh) 一种大规模风电和抽水蓄能联合送出多目标优化协调方法
CN107103431B (zh) 一种供热期调峰约束下电网弃风情况分析方法
CN104993523A (zh) 使含风电电网系统优化运行的抽水蓄能电站特性精确模拟方法
CN103577891A (zh) 一种含分布式电源的多孤岛微网优化合作运行方法
CN112600209A (zh) 一种含潮流能的海岛独立微电网容量多目标优化配置方法
CN105356452A (zh) 一种电采暖储热容量及加热功率的设计方法
CN104124713B (zh) 一种风电机组优化运行控制方法
CN110808615A (zh) 考虑不确定性的气电虚拟电厂调度优化方法
CN105470957B (zh) 一种用于生产模拟仿真的电网负荷建模方法
CN105932668B (zh) 用于最小化弃风弃光电量的新能源发电权置换评估的方法
CN110854933A (zh) 利用灵活性资源的月度机组组合优化方法
CN108988381B (zh) 风力发电机组低电压穿越控制方法、装置及系统
CN107503886A (zh) 风、电、氢微型拓扑网络系统及方法
CN106600022B (zh) 基于多目标优化的风-光-燃气-海水抽水蓄能孤立电力系统容量优化配置方法
CN106981886A (zh) 一种虚拟电厂电能优化选取调度方法
CN106972546A (zh) 一种虚拟电厂电能智能调配方法
CN105896535B (zh) 用于最小化弃风电量的风电场发电权置换电量评估的方法
CN106026191B (zh) 用于最小化弃光电量光伏电站发电权置换电量评估的方法
Chang et al. Power Dispatch Combining Meteorological Forecast and Dynamic Game Model in Multivariate Distributed Power Generation Systems.
CN106981887A (zh) 一种虚拟电厂基于相似日的智能调配方法
CN105939013B (zh) 最小化弃风电量的风电场发电权置换电量评估方法

Legal Events

Date Code Title Description
PB01 Publication
SE01 Entry into force of request for 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: 20170721