CN107679323A - 光伏电站出力突变波动曲线拟合方法 - Google Patents

光伏电站出力突变波动曲线拟合方法 Download PDF

Info

Publication number
CN107679323A
CN107679323A CN201710915053.XA CN201710915053A CN107679323A CN 107679323 A CN107679323 A CN 107679323A CN 201710915053 A CN201710915053 A CN 201710915053A CN 107679323 A CN107679323 A CN 107679323A
Authority
CN
China
Prior art keywords
msub
mrow
photovoltaic plant
msup
inverter
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
Application number
CN201710915053.XA
Other languages
English (en)
Other versions
CN107679323B (zh
Inventor
李春来
左浩
滕云
张海宁
杨金路
孙鹏
张玉龙
程珊珊
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.)
Shenyang University of Technology
State Grid Qinghai Electric Power Co Ltd
Electric Power Research Institute of State Grid Qinghai Electric Power Co Ltd
Original Assignee
Shenyang University of Technology
State Grid Qinghai Electric Power Co Ltd
Electric Power Research Institute of State Grid Qinghai 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 Shenyang University of Technology, State Grid Qinghai Electric Power Co Ltd, Electric Power Research Institute of State Grid Qinghai Electric Power Co Ltd filed Critical Shenyang University of Technology
Priority to CN201710915053.XA priority Critical patent/CN107679323B/zh
Publication of CN107679323A publication Critical patent/CN107679323A/zh
Application granted granted Critical
Publication of CN107679323B publication Critical patent/CN107679323B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • 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

Abstract

本发明提供一种光伏电站出力突变波动曲线拟合方法，包括：采集影响光伏电站出力的变量；分别计算光照强度对光伏电站出力的影响程度、环境温度对光伏电站出力的影响程度、当前所处的月份对光伏电站出力的影响程度，并根据所采集的各变量数据预测光伏电站平均出力情况；根据经过逆变器后的输出电压谐波含量表达式、经过逆变器后的基波含量，计算经过逆变器后的出力变化；预测光伏电站发出功率；根据光伏电站额定功率，以及对光伏电站发出功率预测值，进行对光伏电站的出力突变波动进行曲线拟合。本发明进行了光伏电站的出力突变曲线拟合，在对光伏电站出力有了较为准确直观的了解后，从而可以确定其调峰程度。保证电网安全可靠运行。

Description

光伏电站出力突变波动曲线拟合方法
技术领域
本发明属于电网技术领域，具体是一种光伏电站出力突变波动曲线拟合方法。
背景技术
由于大量光伏电站不断并网，对传统热电机组的调峰能力要求加强，为了确定传统热电机组的备用容量，必须对当前光伏电站的出力情况进行详细的分析了解，由于光伏电站受天气影响较大，为了保证电网安全稳定运行，对光伏电站出力特性进行拟合具有重要意义。
发明内容
针对现有技术存在的问题，本发明提供一种光伏电站出力突变波动曲线拟合方法。
本发明的技术方案如下：
一种光伏电站出力突变波动曲线拟合方法，包括：
采集影响光伏电站出力的变量，包括：当前电网内的光照强度、空气湿度、环境温度、风速以及当前所处的月份、控制逆变器生成脉冲的载波频率、调制波频率、载波幅值、调制波幅值，逆变器幅值调制比、逆变器频率调制比；
分别计算光照强度对光伏电站出力的影响程度、环境温度对光伏电站出力的影响程度、当前所处的月份对光伏电站出力的影响程度，并根据所采集的各变量数据预测光伏电站平均出力情况；
根据经过逆变器后的输出电压谐波含量表达式、经过逆变器后的基波含量，计算经过逆变器后的出力变化；
预测光伏电站发出功率；
根据光伏电站额定功率，以及对光伏电站发出功率预测值，进行对光伏电站的出力突变波动进行曲线拟合。
所述光照强度对光伏电站出力的影响程度
所述环境温度对光伏电站出力的影响程度
当前所处的月份对光伏电站出力的影响程度
其中，g为当前电网内的光照强度，t为环境温度，y为当前所处的月份，lne＝1。
所述根据所采集的各变量数据预测光伏电站平均出力情况，包括：
根据(g，h，t，v)与(g′，h′，t′，v′)进行比对，计算近似系数ζ：
其中，(g，h，t，v)为采集的当前电网内的光照强度、环境温度、空气湿度、风速组成的变量数据，(g′，h′，t′，v′)为数据库中的已存的光照强度、环境温度、空气湿度、风速组成的变量数据；λ1，λ2，λ3，λ4分别为当前电网内的光照强度g对整体影响因子所占的比例、空气湿度h对整体影响因子所占的比例、环境温度t对整体影响因子所占的比例、风速v对整体影响因子所占的比例；
在区间(g-ζ，g+ζ)，(h-ζ，h+ζ)，(t-ζ，t+ζ)，(v-ζ，v+ζ)分别取10个值，以组成10个向量(g1，h1，t1，v1)......(g10，h10，t10，v10)，在数据库中找到最为接近的10个已存向量，输出与10个已存向量相对应的发电功率Pi；
预测光伏电站平均出力情况
其中，下标z＝1，2，3，4，下标i＝1.2......10。
所述经过逆变器后的输出电压谐波含量表达式：
其中，参数n＝1，2，3，4......；m为谐波次数，Ug为单一光伏板的额定电压，参数k＝1，2，...，∞，N为逆变器频率调制比，N为整数，fc为控制逆变器生成脉冲的载波频率，fm为调制波频率，M为逆变器幅值调制比，Mc为载波幅值，Mm为调制波幅值，为初始角相位，ω为角频率，t为谐波含量表达时间。
所述经过逆变器后的基波含量其中，M为逆变器幅值调制比，Ug为单一光伏板的额定电压，为初始角相位，ω为角频率，t为谐波含量表达时间。
所述经过逆变器后的出力变化：其中，Ui为经过逆变器后的基波含量，Uxhl为经过逆变器后的输出电压谐波含量表达式。
所述光伏电站发出功率：
其中，Pe为光伏电站额定输出功率，T为影响出力波动的时间，T′＝[T]，即T′为不超过T的最大整数，Ag为光照强度对光伏电站出力的影响程度；At为环境温度对光伏电站出力的影响程度；Ay为当前所处的月份对光伏电站出力的影响程度；Pyc为光伏电站平均出力情况的预测值。
有益效果：
本发明针对当前多变天气，以及光伏电站额定发电功率和逆变器的控制情况，设计了一种光伏电站出力突变波动曲线拟合方法，对当前电网内的光照强度、空气湿度、环境温度、风速进行监测，首先对外界环境的各影响因子对光伏电站出力进行数学模型并进行建模计算，再对光伏电站的输出功率进行预测，重新整定了各影响因子在整体功率影响中所占的比例，使得预测结果更加准确。最后对所有计算结果进行建模计算，得到光伏电站出力突变的曲线。此方法主要用于对接下来时间段内或几天内的出力波动情况曲线拟合，通过此种方法可以直观得到具体时刻光伏电站的出力情况，为接下来确定传统机组调峰容量提供可靠依据。并且由于逆变器控制特点影响，也使得光伏电站并网功率受到影响，并且随着季节的变化，光伏电站每天所受的光照时间有所变化，针对此种条件制约，此发明所拟合的曲线为分季的光伏电站出力突变波动情况。此发明进行了光伏电站的出力突变曲线拟合，在对光伏电站出力有了较为准确直观的了解后，从而可以确定其调峰程度。保证电网安全可靠运行。
附图说明
图1是本发明具体实施方式中的光伏电站出力突变波动曲线拟合方法流程图。
具体实施方式
下面结合附图对本发明的具体实施方式做详细说明。
如图1所示的一种光伏电站出力突变波动曲线拟合方法，包括：
步骤1：采集影响光伏电站出力的变量，包括：当前电网内的光照强度g、空气湿度h、环境温度t、风速v以及当前所处的月份y、控制逆变器生成脉冲的载波频率fc、调制波频率fm、载波幅值Mc、调制波幅值Mm，逆变器幅值调制比逆变器频率调制比
以某光伏电站为例，其额定输出功率Pe为20MW，某一时刻光照强度g为1037w/h，空气湿度h为31％，环境温度t为26摄氏度，风速v为0.7m/s。
步骤2：计算光照强度g、环境温度t、当前所处的月份y对光伏电站出力的影响程度，并根据所采集的各变量数据预测光伏电站输出功率。
步骤2.1：计算光照强度g对光伏电站出力的影响程度Ag；
步骤2.2：计算环境温度t对光伏电站出力的影响程度At；
步骤2.3：计算当前所处的月份y对光伏电站出力的影响程度Ay；
其中，lne＝1；经计算，Ag＝0.86，At＝0.41，Ay＝0.38
步骤2.4：在当前环境条件下预测光伏电站平均出力情况Pyc；
步骤2.4.1：根据所采集的变量数据(g，h，t，v)与数据库中的已存变量数据(g′，h′，t′，v′)进行比对，计算近似系数ζ：
其中根据历史数据分析得到λ1＝0.28，λ2＝0.09，λ3＝0.44，λ4＝0.19，分别为当前电网内的光照强度g对整体影响因子所占的比例、空气湿度h对整体影响因子所占的比例、环境温度t对整体影响因子所占的比例、风速v对整体影响因子所占的比例，解得ζ＝0.79。
步骤2.4.2：在区间(g-ζ，g+ζ)，(h-ζ，h+ζ)，(t-ζ，t+ζ)，(v-ζ，v+ζ)分别取10个值，以组成10个向量(g1，h1，t1，v1)......(g10，h10，t10，v10)，在数据库中找到最为接近的10个已存向量，输出与10个已存向量相对应的发电功率Pi；
步骤2.4.3：预测光伏电站平均出力情况Pyc；
其中，下标z＝1，2，3，4，下标i＝1.2......10，解得Pyc＝20.8。
步骤3：根据经过逆变器后的输出电压谐波含量表达式、经过逆变器后的基波含量，计算经过逆变器后的出力变化；
步骤3.1：计算经过逆变器后的输出电压谐波含量表达式Uxhl：
其中，参数n＝1，2，3，4......；m为谐波次数，Ug为单一光伏板的额定电压，参数k＝1，2，...，∞，逆变器频率调制比N为整数，fc为控制逆变器生成脉冲的载波频率，fm为调制波频率，逆变器幅值调制比Mc为载波幅值，Mm为调制波幅值，为初始角相位，ω为角频率，t为谐波含量表达时间。
步骤3.2：计算经过逆变器后的基波含量Ui：
步骤3.3：计算经过逆变器后的出力变化An：
解得An＝0.103。
步骤4：预测光伏电站发出功率P；
其中，Pe为光伏电站额定输出功率，T为影响出力波动的时间，T′＝[T]，即T′为不超过T的最大整数。
本实施例中，
步骤5：根据光伏电站额定功率，以及对光伏电站发出功率预测值，进行对光伏电站的出力突变波动进行曲线拟合。

Claims (7)

1.一种光伏电站出力突变波动曲线拟合方法，其特征在于，包括：
采集影响光伏电站出力的变量，包括：当前电网内的光照强度、空气湿度、环境温度、风速以及当前所处的月份、控制逆变器生成脉冲的载波频率、调制波频率、载波幅值、调制波幅值，逆变器幅值调制比、逆变器频率调制比；
分别计算光照强度对光伏电站出力的影响程度、环境温度对光伏电站出力的影响程度、当前所处的月份对光伏电站出力的影响程度，并根据所采集的各变量数据预测光伏电站平均出力情况；
根据经过逆变器后的输出电压谐波含量表达式、经过逆变器后的基波含量，计算经过逆变器后的出力变化；
预测光伏电站发出功率；
根据光伏电站额定功率，以及对光伏电站发出功率预测值，进行对光伏电站的出力突变波动进行曲线拟合。
2.根据权利要求1所述的方法，其特征在于，
所述光照强度对光伏电站出力的影响程度
所述环境温度对光伏电站出力的影响程度
当前所处的月份对光伏电站出力的影响程度
其中，g为当前电网内的光照强度，t为环境温度，y为当前所处的月份，lne＝1。
3.根据权利要求1所述的方法，其特征在于，所述根据所采集的各变量数据预测光伏电站平均出力情况，包括：
根据(g，h，t，v)与(g′，h′，t′，v′)进行比对，计算近似系数ζ：
<mrow> <mi>&amp;zeta;</mi> <mo>=</mo> <mroot> <mtable> <mtr> <mtd> <mrow> <mfrac> <mrow> <msub> <mi>&amp;lambda;</mi> <mn>1</mn> </msub> <mo>+</mo> <msub> <mi>&amp;lambda;</mi> <mn>2</mn> </msub> <mo>+</mo> <msub> <mi>&amp;lambda;</mi> <mn>3</mn> </msub> <mo>+</mo> <msub> <mi>&amp;lambda;</mi> <mn>4</mn> </msub> </mrow> <mrow> <mn>1</mn> <mo>-</mo> <msub> <mi>&amp;lambda;</mi> <mn>1</mn> </msub> </mrow> </mfrac> <msup> <mrow> <mo>(</mo> <mi>g</mi> <mo>-</mo> <msup> <mi>g</mi> <mo>&amp;prime;</mo> </msup> <mo>)</mo> </mrow> <mn>4</mn> </msup> <mo>+</mo> <mfrac> <mrow> <msub> <mi>&amp;lambda;</mi> <mn>1</mn> </msub> <mo>+</mo> <msub> <mi>&amp;lambda;</mi> <mn>2</mn> </msub> <mo>+</mo> <msub> <mi>&amp;lambda;</mi> <mn>3</mn> </msub> <mo>+</mo> <msub> <mi>&amp;lambda;</mi> <mn>4</mn> </msub> </mrow> <mrow> <mn>1</mn> <mo>-</mo> <msub> <mi>&amp;lambda;</mi> <mn>2</mn> </msub> </mrow> </mfrac> <msup> <mrow> <mo>(</mo> <mi>h</mi> <mo>-</mo> <msup> <mi>h</mi> <mo>&amp;prime;</mo> </msup> <mo>)</mo> </mrow> <mn>4</mn> </msup> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>+</mo> <mfrac> <mrow> <msub> <mi>&amp;lambda;</mi> <mn>1</mn> </msub> <mo>+</mo> <msub> <mi>&amp;lambda;</mi> <mn>2</mn> </msub> <mo>+</mo> <msub> <mi>&amp;lambda;</mi> <mn>3</mn> </msub> <mo>+</mo> <msub> <mi>&amp;lambda;</mi> <mn>4</mn> </msub> </mrow> <mrow> <mn>1</mn> <mo>-</mo> <msub> <mi>&amp;lambda;</mi> <mn>3</mn> </msub> </mrow> </mfrac> <msup> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <msup> <mi>t</mi> <mo>&amp;prime;</mo> </msup> <mo>)</mo> </mrow> <mn>4</mn> </msup> <mo>+</mo> <mfrac> <mrow> <msub> <mi>&amp;lambda;</mi> <mn>1</mn> </msub> <mo>+</mo> <msub> <mi>&amp;lambda;</mi> <mn>2</mn> </msub> <mo>+</mo> <msub> <mi>&amp;lambda;</mi> <mn>3</mn> </msub> <mo>+</mo> <msub> <mi>&amp;lambda;</mi> <mn>4</mn> </msub> </mrow> <mrow> <mn>1</mn> <mo>-</mo> <msub> <mi>&amp;lambda;</mi> <mn>4</mn> </msub> </mrow> </mfrac> <msup> <mrow> <mo>(</mo> <mi>v</mi> <mo>-</mo> <msup> <mi>v</mi> <mo>&amp;prime;</mo> </msup> <mo>)</mo> </mrow> <mn>4</mn> </msup> </mrow> </mtd> </mtr> </mtable> <mn>4</mn> </mroot> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> </mrow>
其中，(g，h，t，v)为采集的当前电网内的光照强度、环境温度、空气湿度、风速组成的变量数据，(g′，h′，t′，v′)为数据库中的已存的光照强度、环境温度、空气湿度、风速组成的变量数据；λ1，λ2，λ3，λ4分别为当前电网内的光照强度g对整体影响因子所占的比例、空气湿度h对整体影响因子所占的比例、环境温度t对整体影响因子所占的比例、风速v对整体影响因子所占的比例；
在区间(g-ζ，g+ζ)，(h-ζ，h+ζ)，(t-ζ，t+ζ)，(v-ζ，v+ζ)分别取10个值，以组成10个向量(g1，h1，t1，v1)......(g10，h10，t10，v10)，在数据库中找到最为接近的10个已存向量，输出与10个已存向量相对应的发电功率Pi；
预测光伏电站平均出力情况
其中，下标z＝1，2，3，4，下标i＝1.2......10。
4.根据权利要求1所述的方法，其特征在于，所述经过逆变器后的输出电压谐波含量表达式：
其中，参数n＝1，2，3，4......；m为谐波次数，Ug为单一光伏板的额定电压，参数k＝1，2，...，∞，N为逆变器频率调制比，N为整数，fc为控制逆变器生成脉冲的载波频率，fm为调制波频率，M为逆变器幅值调制比，Mc为载波幅值，Mm为调制波幅值，为初始角相位，ω为角频率，t为谐波含量表达时间。
5.根据权利要求1所述的方法，其特征在于，所述经过逆变器后的基波含量其中，M为逆变器幅值调制比，Ug为单一光伏板的额定电压，为初始角相位，ω为角频率，t为谐波含量表达时间。
6.根据权利要求1所述的方法，其特征在于，所述经过逆变器后的出力变化：其中，Uj为经过逆变器后的基波含量，Uxhl为经过逆变器后的输出电压谐波含量表达式。
7.根据权利要求1所述的方法，其特征在于，所述光伏电站发出功率：
<mfenced open = "" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>P</mi> <mo>=</mo> <mfrac> <mrow> <mrow> <mo>(</mo> <mrow> <msub> <mi>P</mi> <mi>c</mi> </msub> <mi>sin</mi> <mfrac> <mn>12</mn> <msup> <mi>T</mi> <mo>&amp;prime;</mo> </msup> </mfrac> </mrow> <mo>)</mo> </mrow> <mo>+</mo> <mrow> <mo>(</mo> <mrow> <msub> <mi>A</mi> <mi>g</mi> </msub> <mo>+</mo> <msub> <mi>A</mi> <mi>t</mi> </msub> <mo>+</mo> <msub> <mi>A</mi> <mi>y</mi> </msub> <mo>+</mo> <msub> <mi>A</mi> <mi>n</mi> </msub> </mrow> <mo>)</mo> </mrow> <msub> <mi>P</mi> <mrow> <mi>y</mi> <mi>c</mi> </mrow> </msub> <mo>-</mo> <mrow> <mo>(</mo> <mrow> <msub> <mi>P</mi> <mi>e</mi> </msub> <mi>sin</mi> <mfrac> <mn>12</mn> <mrow> <msup> <mi>T</mi> <mo>&amp;prime;</mo> </msup> <mo>+</mo> <mn>1</mn> </mrow> </mfrac> </mrow> <mo>)</mo> </mrow> <mo>+</mo> <mrow> <mo>(</mo> <mrow> <msub> <mi>A</mi> <mi>g</mi> </msub> <mo>+</mo> <msub> <mi>A</mi> <mi>t</mi> </msub> <mo>+</mo> <msub> <mi>A</mi> <mi>y</mi> </msub> <mo>+</mo> <msub> <mi>A</mi> <mi>n</mi> </msub> </mrow> <mo>)</mo> </mrow> <msub> <mi>P</mi> <mrow> <mi>y</mi> <mi>c</mi> </mrow> </msub> </mrow> <mrow> <mi>ln</mi> <mrow> <mo>(</mo> <msub> <mi>P</mi> <mrow> <mi>y</mi> <mi>c</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>P</mi> <mi>e</mi> </msub> <mo>)</mo> </mrow> </mrow> </mfrac> <mi>T</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>+</mo> <mfrac> <mrow> <msub> <mi>P</mi> <mi>e</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>A</mi> <mi>g</mi> </msub> <mo>+</mo> <msub> <mi>A</mi> <mi>t</mi> </msub> <mo>+</mo> <msub> <mi>A</mi> <mi>y</mi> </msub> <mo>+</mo> <msub> <mi>A</mi> <mi>n</mi> </msub> <mo>)</mo> </mrow> </mrow> <msup> <mi>e</mi> <mfrac> <mrow> <msup> <msub> <mi>U</mi> <mrow> <mi>x</mi> <mi>h</mi> <mi>l</mi> </mrow> </msub> <mn>2</mn> </msup> </mrow> <mrow> <msup> <msub> <mi>U</mi> <mi>j</mi> </msub> <mn>2</mn> </msup> </mrow> </mfrac> </msup> </mfrac> </mrow> </mtd> </mtr> </mtable> </mfenced>
其中，Pe为光伏电站额定输出功率，T为影响出力波动的时间，T′＝[7]，即T′为不超过T的最大整数，Ag为光照强度对光伏电站出力的影响程度；At为环境温度对光伏电站出力的影响程度；Ay为当前所处的月份对光伏电站出力的影响程度；Pyc为光伏电站平均出力情况的预测值。
CN201710915053.XA 2017-09-30 2017-09-30 光伏电站出力突变波动曲线拟合方法 Active CN107679323B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710915053.XA CN107679323B (zh) 2017-09-30 2017-09-30 光伏电站出力突变波动曲线拟合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710915053.XA CN107679323B (zh) 2017-09-30 2017-09-30 光伏电站出力突变波动曲线拟合方法

Publications (2)

Publication Number Publication Date
CN107679323A true CN107679323A (zh) 2018-02-09
CN107679323B CN107679323B (zh) 2020-12-15

Family

ID=61138128

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710915053.XA Active CN107679323B (zh) 2017-09-30 2017-09-30 光伏电站出力突变波动曲线拟合方法

Country Status (1)

Country Link
CN (1) CN107679323B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108711858A (zh) * 2018-07-19 2018-10-26 沈阳工业大学 基于跟随光伏电站出力波动的逆变器谐波抑制装置及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103944175A (zh) * 2014-03-28 2014-07-23 上海电力设计院有限公司 风光储联合发电系统出力特性优化方法
CN104734195A (zh) * 2015-04-13 2015-06-24 成都鼎智汇科技有限公司 一种可并网运行的风光储一体微电网的监控方法
CN105184399A (zh) * 2015-08-27 2015-12-23 许继集团有限公司 一种光伏电站功率预测方法
CN105245188A (zh) * 2015-10-27 2016-01-13 国网冀北电力有限公司电力科学研究院 光伏逆变器能耗特性在线预测方法及其装置
WO2017155421A1 (en) * 2016-03-07 2017-09-14 Centro De Investigação Em Energia Ren - State Grid, S.A Method and system for forecasting the power output of a group of photovoltaic power plants and managing the integration of said power output into a power grid

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103944175A (zh) * 2014-03-28 2014-07-23 上海电力设计院有限公司 风光储联合发电系统出力特性优化方法
CN104734195A (zh) * 2015-04-13 2015-06-24 成都鼎智汇科技有限公司 一种可并网运行的风光储一体微电网的监控方法
CN105184399A (zh) * 2015-08-27 2015-12-23 许继集团有限公司 一种光伏电站功率预测方法
CN105245188A (zh) * 2015-10-27 2016-01-13 国网冀北电力有限公司电力科学研究院 光伏逆变器能耗特性在线预测方法及其装置
WO2017155421A1 (en) * 2016-03-07 2017-09-14 Centro De Investigação Em Energia Ren - State Grid, S.A Method and system for forecasting the power output of a group of photovoltaic power plants and managing the integration of said power output into a power grid

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CAI TAO,ET AL: "Forecasting power output for grid-connected photovoltaic", 《THE 2ND INTERNATIONAL SYMPOSIUM ON POWER ELECTRONICS FOR DISTRIBUTED GENERATION SYSTEMS》 *
王飞: "并网型光伏电站发电功率预测方法与系统", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108711858A (zh) * 2018-07-19 2018-10-26 沈阳工业大学 基于跟随光伏电站出力波动的逆变器谐波抑制装置及方法
CN108711858B (zh) * 2018-07-19 2023-08-08 沈阳工业大学 基于跟随光伏电站出力波动的逆变器谐波抑制方法

Also Published As

Publication number Publication date
CN107679323B (zh) 2020-12-15

Similar Documents

Publication Publication Date Title
EP3472455B1 (en) Control or processing system and method
US10197632B2 (en) Electrical energy storage system with battery power setpoint optimization using predicted values of a frequency regulation signal
US10554170B2 (en) Photovoltaic energy system with solar intensity prediction
Sitharthan et al. An adaptive Elman neural network with C-PSO learning algorithm based pitch angle controller for DFIG based WECS
US10673380B2 (en) Photovoltaic energy system with stationary energy storage control
US10797511B2 (en) Photovoltaic energy system with stationary energy storage control and power factor correction
CN105006838B (zh) 一种阻抗自适应的逆变器无功电压控制参数优化方法
CN104603455A (zh) 风力发电站控制系统、包括风力发电站控制系统的风力发电站以及控制风力发电站的方法
CN103208037B (zh) 一种应用于新能源电站的基于在线校正的功率预测方法
CN112531790B (zh) 一种虚拟电厂动态灵活性评估方法
CN113158573B (zh) 一种基于深度学习的小水电群区域配网最优潮流获取方法
CN103344815B (zh) 一种宽范围变化的电气参数测量方法及系统
CN103746378A (zh) 电网电压谐波下双馈感应风电系统总输出谐波电流抑制方法
CN103647467A (zh) 一种基于粒子群算法的不平衡电网下vsc多目标优化直接功率控制方法
CN104897304A (zh) 一种用于输电线路动态增容的线路温度辨识方法
CN115549139A (zh) 一种新能源发电和负荷混合模型辨识建模方法
CN102157950A (zh) 基于阻尼比与相位相对灵敏度的阻尼控制系统优化方法
CN107679323A (zh) 光伏电站出力突变波动曲线拟合方法
CN104638638A (zh) 一种用于大电网的在线安全稳定趋势分析方法
Beltran et al. Power management strategies and energy storage needs to increase the operability of photovoltaic plants
Lim et al. Proportional integrator (PI) and fuzzy-controlled energy storage for zero-power flow between grid and local network with photovoltaic system
CN114465280A (zh) 一种新能源并网系统动态等效建模方法
CN103427697B (zh) 一种基于粒子群算法的不平衡电网下vsc的多目标控制方法
CN114944651A (zh) 光伏储能微网的电压补偿方法
CN106655183A (zh) 一种光伏发电系统逆变器集群谐波汇集指数预测方法

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
GR01 Patent grant
GR01 Patent grant