CN107766298A - 一种生成全年逐日太阳辐射和风速数据的方法 - Google Patents

一种生成全年逐日太阳辐射和风速数据的方法 Download PDF

Info

Publication number
CN107766298A
CN107766298A CN201710934338.8A CN201710934338A CN107766298A CN 107766298 A CN107766298 A CN 107766298A CN 201710934338 A CN201710934338 A CN 201710934338A CN 107766298 A CN107766298 A CN 107766298A
Authority
CN
China
Prior art keywords
mrow
meteorological
month
year
candidate
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
CN201710934338.8A
Other languages
English (en)
Inventor
臧海祥
王苗苗
郭勉
江钧
卫志农
孙国强
朱瑛
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.)
Hohai University HHU
Original Assignee
Hohai University HHU
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 Hohai University HHU filed Critical Hohai University HHU
Priority to CN201710934338.8A priority Critical patent/CN107766298A/zh
Publication of CN107766298A publication Critical patent/CN107766298A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
    • 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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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—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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Pure & Applied Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Computational Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Physics (AREA)
  • Public Health (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Primary Health Care (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Probability & Statistics with Applications (AREA)
  • Quality & Reliability (AREA)
  • Algebra (AREA)
  • Game Theory and Decision Science (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种生成全年逐日太阳辐射和风速数据的方法，其可应用于可再生能源相关领域的科学研究和工程应用。本发明中，首先构建基础运算模块，分别基于Danish法、Festa‑Ratto法和典型性气象年方法对获取的多种气象指标数据进行计算，生成地区各个月的典型气象月；然后构建综合选择模块，将基础运算模块中三种方法得到的典型气象月做参数比较，选择最具有代表性的年月，然后组成代表气象年，从而生成区域全年逐日的太阳辐射和风速数据。本发明能够广泛适用于各种地形和气候条件下，生成的太阳辐射和风速数据具有代表性，可以为区域的可再生能源的潜力的深入研究做引导。

Description

一种生成全年逐日太阳辐射和风速数据的方法
技术领域
本发明属于可再生能源的资源评估领域，具体是一种生成全年逐日太阳辐射和风速数据的方法。
背景技术
中国是世界上能源消耗的第二大国，近年来，有关能源消耗和环境保护的问题受到了越来越多的关注，太阳能发电和风能发电产业得到了迅速的发展，而太阳能和风能资源评估是可再生能源开发利用的重要基础工作。对太阳能和风能资源进行评估，主要针对的是丰富程度、利用价值和稳定度等方面，这些关键参数的评估结果是否具有代表性与代表气象年的辐射数据和风速数据有着重要联系。
多年来，国外学者多采用通过太阳辐射的实测数据，拟合出太阳辐射经验公式，再利用经验公式预测太阳辐射数据的方法。国内目前在这方面的研究还较少，一些学者针对部分地区拟合出了一些简单的太阳辐射经验公式，这些公式容易受到地域气候条件的限制，因而并不能得到广泛应用。对于风速数据的生成，也面临同样的问题。因此，需要提出一种对于不同地形和不同气候条件都适用的生成太阳辐射和风速数据的方法，为可再生能源资源的科学评估提供合理的参考依据。
发明内容
发明目的：本发明针对国内现有发明中的不足，采用一种能够广泛适用于各种地形和气候条件下的生成全年逐日太阳辐射和风速数据的方法，生成的太阳辐射数据和风速数据具有代表性，可以为区域的可再生能源的资源评估提供客观的依据。
技术方案：本发明为一种生成全年逐日太阳辐射和风速数据的方法，其特征在于，包括：构建基础运算模块和构建综合选择模块，其中：
构建基础运算模块：依据从数据测量仪中获取的气象指标数据(包括风速的日最高值、日平均值，太阳辐射的日总辐射量，温度的日最高值、日最低值、日平均值和大气相对湿度的日最低值、日平均值)，基于Danish法、Festa-Ratto法和典型性气象年方法对这些数据进行处理，分别生成地区各个月的典型气象月，并将典型气象月的气象指标数据用于构建综合选择模块。
构建综合选择模块：将构建的基础运算模块中得到的每个月的3个典型气象月(即3个候选月)做参数比较，选择最有代表性的候选月，然后组成代表气象年，从而生成区域全年逐日的太阳辐射和风速数据。
进一步的，所述的构建综合选择模块的过程包括如下步骤：
1)根据构建的基础运算模块中由Danish法、Festa-Ratto法和典型性气象年方法分别得到的12个典型气象月(即对应于每个月都有3个候选月)，计算每个候选月的4种气象指标的均方根误差RMSD；
2)对于任意一种指标，统计1年的均方根误差和SYRMSD；
3)对应于每个月，计算3个候选月的ERMSD值；
4)对应于每个月，比较3个候选月的ERMSD值，ERMSD值最小的候选月所对应的典型气象月即为代表月；
5)将12个代表月组合起来，构成代表气象年；
6)根据构成的代表气象年，生成全年逐日的代表性太阳辐射数据和风速数据。
进一步的，所述步骤1)中，均方根误差RMSD的求解方法如下：
式中，是指第(n)个指标在候选月m月的均方根误差；Xy,m,i是该指标在第y年，m月，i日的数值；Xma是指该指标在第m月的日均值的历年平均值；N是指候选月m月的总日数。
进一步的，所述步骤2)中，对于任意一种指标，统计1年的均方根误差和SYRMSD的方法为：
式中，SYRMSD(n)表示第(n)个指标一年的均方根误差和；m是指候选月，对应于每种方法，m从1取到12。
进一步的，所述步骤3)中，计算每个月的3个候选月的ERMSD值的方法为：
式中，ERMSDm是指某候选月的ERMSD值，它是由各个气象指标在该候选月的均方根误差与对应的年均方根误差和之比累加而得；m是指候选月，对应于每种方法，m从1取到12。
有益效果：本发明与现有技术相比：
1)本发明生成的全年逐日的太阳辐射和风速数据具有代表性；
2)其能够广泛适用于各种地形和气候条件下；
3)可以为区域的可再生能源的资源评估提供合理、客观的依据；
4)为区域的可再生能源的潜力的深入研究做引导。
附图说明
图1为本发明生成全年逐日太阳辐射和风速数据的方法的结构框图；
图2为本发明涉及的构建综合选择模块过程中，确定代表气象年从而生成全年逐日太阳辐射和风速数据的处理流程图；
图3为具体实施方式中某城市的代表气象年的月平均太阳辐射量与太阳辐射量长期均值的比较图。
具体实施方式
下面结合具体实施例，详细说明本发明一种生成全年逐日太阳辐射和风速数据的方法的具体实施过程。本发明生成全年逐日太阳辐射和风速数据的方法的结构框图如图1所示。
本发明包括构建基础运算模块和构建综合选择模块两大步骤。其中，构建基础运算模块的过程，以中国某城市为例，选取该城市的8种气象指标数据为对象。这些气象指标数据由安装在这个城市的数据测量仪测得，包括了从1994-2015年(即12年)的8种气象指标数据(风速的日最高值、日平均值，太阳辐射的日总辐射值，温度的日最高值、日最低值、日平均值和大气相对湿度的日最低值、日平均值)。获取的历年气象指标数据如表1所示。
表1某城市历年气象指标数据
基于Danish法、Festa-Ratto法和典型性气象年方法对这些数据进行处理，分别生成该城市各个月的典型气象月，结果如表2。
表2某城市各个月的典型气象月
本发明构建综合选择模块时，将所构建的基础运算模块中得到的每个月的3个典型气象月(即3个候选月)做参数比较，选择最有代表性的候选月，然后组成代表气象年，从而生成该城市全年逐日的太阳辐射和风速数据。在该步骤中，确定代表气象年，从而生成全年逐日太阳辐射和风速数据的处理流程如图2所示，具体过程如下：
1)根据构建的基础运算模块中由Danish法、Festa-Ratto法和典型性气象年方法得到的每个月的3个候选月，计算每个候选月的4种气象指标(风速的日平均值、太阳辐射的日总辐射量、温度的日平均值和大气相对湿度的日平均值)的均方根误差RMSD。表3、表4、表5和表6分别给出了风速的日平均值、太阳辐射的日总辐射量、温度的日平均值和大气相对湿度的日平均值的均方根误差。
表3风速的日平均值的均方根误差
表4太阳辐射的日总辐射量的均方根误差
表5温度的日平均值的均方根误差
表6大气相对湿度的日平均值的均方根误差
2)对于任意一种指标，统计1年的均方根误差和SYRMSD，各个指标的SYRMSD值见表7。
表7各个指标的SYRMSD值
3)对应于每个月，计算3个候选月的ERMSD值，表8给出了对应的ERMSD值。
表8各候选月的ERMSD值
4)对应于每个月，比较3个候选月的ERMSD值，表8已将ERMSD值最小的候选月标记出来(加粗)，所对应的即为代表月。
5)将表8中12个代表月组合起来，构成该城市代表气象年，表9给出了该城市代表气象年的构成结果。
表9代表气象年的构成
6)根据表9所示的代表气象年，生成该城市全年逐日的代表性太阳辐射数据和风速数据，结果见表10和表11。在得到全年逐日太阳辐射数据的情况下，图3给出了该城市的代表气象年的月平均太阳辐射量与太阳辐射量长期均值的比较图，从图中可以看出两者之间吻合度较高，说明全年逐日的太阳辐射数据具有一定的代表性。
表10代表气象年的日总太阳辐射量
表11代表气象年的风速日均值

Claims (7)

1.一种生成全年逐日太阳辐射和风速数据的方法，其特征在于，包括以下步骤：
构建基础运算模块：依据从数据测量仪中获取的气象指标数据，基于Danish法、Festa-Ratto法和典型性气象年方法对这些数据进行处理，分别生成地区各个月的典型气象月，并将典型气象月的气象指标数据用于构建综合选择模块；
构建综合选择模块：将基础运算模块中得到的每个月的3个典型气象月做参数比较，选择最有代表性的典型月，然后组成代表气象年，从而生成区域全年逐日的太阳辐射和风速数据。
2.根据权利要求1所述的生成全年逐日太阳辐射和风速数据的方法，其特征在于：所述的构建基础运算模块过程中，获取的气象指标数据包括8种：风速的日最高值、日平均值，太阳辐射的日总辐射量，温度的日最高值、日最低值、日平均值和大气相对湿度的日最低值、日平均值。
3.根据权利要求1所述的生成全年逐日太阳辐射和风速数据的方法，其特征在于：所述的构建综合选择模块过程中，做参数比较时，用到的气象指标数据包括4种：风速的日平均值、太阳辐射的日总辐射量、温度的日平均值和大气相对湿度的日平均值，分别记为第(1)个指标、第(2)个指标、第(3)个指标和第(4)个指标。
4.根据权利要求1所述的生成全年逐日太阳辐射和风速数据的方法，其特征在于：所述的构建综合选择模块的过程包括如下步骤：
1)根据构建的基础运算模块中由Danish法、Festa-Ratto法和典型性气象年方法分别得到的12个典型气象月，即对应于每个月都有3个候选月，计算每个候选月的4种气象指标的均方根误差RMSD；
2)对于任意一种指标，统计1年的均方根误差和SYRMSD；
3)对应于每个月，计算3个候选月的ERMSD值；
4)对应于每个月，比较3个候选月的ERMSD值，ERMSD值最小的候选月所对应的典型气象月即为代表月；
5)将12个代表月组合起来，构成代表气象年；
6)根据构成的代表气象年，生成全年逐日的代表性太阳辐射数据和风速数据。
5.根据权利要求4所述的构建综合选择模块的过程，其特征在于，所述步骤1)中，均方根误差RMSD的求解方法如下：
<mrow> <msubsup> <mi>RMSD</mi> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <mi>m</mi> </msubsup> <mo>=</mo> <msup> <mrow> <mo>&amp;lsqb;</mo> <mfrac> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msup> <mrow> <mo>(</mo> <msub> <mi>X</mi> <mrow> <mi>y</mi> <mo>,</mo> <mi>m</mi> <mo>,</mo> <mi>i</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>X</mi> <mrow> <mi>m</mi> <mi>a</mi> </mrow> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> <mi>N</mi> </mfrac> <mo>&amp;rsqb;</mo> </mrow> <mrow> <mn>1</mn> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mrow>
式中，是指第(n)个指标在候选月m月的均方根误差；Xy,m,i是该指标在第y年，m月，i日的数值；Xma是指该指标在第m月的日均值的历年平均值；N是指候选月m月的总日数。
6.根据权利要求4所述的构建综合选择模块的过程，其特征在于，所述步骤2)中，对于任意一种指标，统计1年的均方根误差和SYRMSD的方法为：
<mrow> <msub> <mi>SYRMSD</mi> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>m</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>12</mn> </munderover> <msubsup> <mi>RMSD</mi> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <mi>m</mi> </msubsup> </mrow>
式中，SYRMSD(n)表示第(n)个指标一年的均方根误差和；m是指候选月，对应于每种方法，m从1取到12。
7.根据权利要求4所述的构建综合选择模块的过程，其特征在于，所述步骤3)中，计算每个月的3个候选月的ERMSD值的方法为：
<mrow> <msup> <mi>ERMSD</mi> <mi>m</mi> </msup> <mo>=</mo> <mfrac> <mrow> <msubsup> <mi>RMSD</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> <mi>m</mi> </msubsup> </mrow> <mrow> <msub> <mi>SYRMSD</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </msub> </mrow> </mfrac> <mo>+</mo> <mfrac> <mrow> <msubsup> <mi>RMSD</mi> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> <mi>m</mi> </msubsup> </mrow> <mrow> <msub> <mi>SYRMSD</mi> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </msub> </mrow> </mfrac> <mo>+</mo> <mfrac> <mrow> <msubsup> <mi>RMSD</mi> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> <mi>m</mi> </msubsup> </mrow> <mrow> <msub> <mi>SYRMSD</mi> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> </msub> </mrow> </mfrac> <mo>+</mo> <mfrac> <mrow> <msubsup> <mi>RMSD</mi> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> <mi>m</mi> </msubsup> </mrow> <mrow> <msub> <mi>SYRMSD</mi> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> </msub> </mrow> </mfrac> </mrow>
式中，ERMSDm是指某候选月的ERMSD值，它是由各个气象指标在该候选月的均方根误差与对应的年均方根误差和之比累加而得；m是指候选月，对应于每种方法，m从1取到12。
CN201710934338.8A 2017-10-10 2017-10-10 一种生成全年逐日太阳辐射和风速数据的方法 Pending CN107766298A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710934338.8A CN107766298A (zh) 2017-10-10 2017-10-10 一种生成全年逐日太阳辐射和风速数据的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710934338.8A CN107766298A (zh) 2017-10-10 2017-10-10 一种生成全年逐日太阳辐射和风速数据的方法

Publications (1)

Publication Number Publication Date
CN107766298A true CN107766298A (zh) 2018-03-06

Family

ID=61266952

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710934338.8A Pending CN107766298A (zh) 2017-10-10 2017-10-10 一种生成全年逐日太阳辐射和风速数据的方法

Country Status (1)

Country Link
CN (1) CN107766298A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110210525A (zh) * 2019-05-14 2019-09-06 天津大学 基于K-Means聚类的设计日气象要素逐时变化特征提取方法
CN110781577A (zh) * 2019-09-16 2020-02-11 北京工业大学 一种气象要素缺失时典型气象年的生成方法及装置
CN113377133A (zh) * 2021-07-21 2021-09-10 浙江联盛合众新能源有限公司 一种光伏发电支架系统及控制方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102073791A (zh) * 2011-01-12 2011-05-25 东南大学 用于光伏电站设计的地区太阳能资源丰富程度评估系统
CN102183800A (zh) * 2011-02-28 2011-09-14 中南大学 基于大气混合层高度参数的城市通风状况的预测方法
CN102566435A (zh) * 2012-02-17 2012-07-11 冶金自动化研究设计院 一种光伏电站的性能预报及故障报警方法
CN102722766A (zh) * 2012-06-04 2012-10-10 南京农业大学 基于修订的区域气候模式数据的小麦产量预测方法
CN103116711A (zh) * 2013-03-11 2013-05-22 华北电力大学（保定） 基于辐照度特征参数的天气类型辨识方法
CN103455730A (zh) * 2013-09-23 2013-12-18 东南大学 分布式光伏发电能力评估系统及生成太阳辐射数据的方法
CN103984991A (zh) * 2014-05-12 2014-08-13 武汉东日科技有限公司 一种基于微气象数据的分布式太阳能辐射预测方法及系统
KR101761686B1 (ko) * 2017-03-31 2017-07-31 (주)하모니앤유나이티드 머신 러닝을 이용한 태양광 발전량 실시간 예측 시스템

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102073791A (zh) * 2011-01-12 2011-05-25 东南大学 用于光伏电站设计的地区太阳能资源丰富程度评估系统
CN102183800A (zh) * 2011-02-28 2011-09-14 中南大学 基于大气混合层高度参数的城市通风状况的预测方法
CN102566435A (zh) * 2012-02-17 2012-07-11 冶金自动化研究设计院 一种光伏电站的性能预报及故障报警方法
CN102722766A (zh) * 2012-06-04 2012-10-10 南京农业大学 基于修订的区域气候模式数据的小麦产量预测方法
CN103116711A (zh) * 2013-03-11 2013-05-22 华北电力大学（保定） 基于辐照度特征参数的天气类型辨识方法
CN103455730A (zh) * 2013-09-23 2013-12-18 东南大学 分布式光伏发电能力评估系统及生成太阳辐射数据的方法
CN103984991A (zh) * 2014-05-12 2014-08-13 武汉东日科技有限公司 一种基于微气象数据的分布式太阳能辐射预测方法及系统
KR101761686B1 (ko) * 2017-03-31 2017-07-31 (주)하모니앤유나이티드 머신 러닝을 이용한 태양광 발전량 실시간 예측 시스템

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
HAIXIANG ZANG 等: "A Hybrid Method for Generation of Typical", 《ENERGIES 2016》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110210525A (zh) * 2019-05-14 2019-09-06 天津大学 基于K-Means聚类的设计日气象要素逐时变化特征提取方法
CN110210525B (zh) * 2019-05-14 2023-07-04 天津大学 基于K-Means聚类的设计日气象要素逐时变化特征提取方法
CN110781577A (zh) * 2019-09-16 2020-02-11 北京工业大学 一种气象要素缺失时典型气象年的生成方法及装置
CN113377133A (zh) * 2021-07-21 2021-09-10 浙江联盛合众新能源有限公司 一种光伏发电支架系统及控制方法

Similar Documents

Publication Publication Date Title
Li et al. High-resolution data shows China’s wind and solar energy resources are enough to support a 2050 decarbonized electricity system
Wang et al. A meta-frontier DEA approach to efficiency comparison of carbon reduction technologies on project level
CN102945223B (zh) 一种构建多个风电场出力联合概率分布函数的方法
CN102073791A (zh) 用于光伏电站设计的地区太阳能资源丰富程度评估系统
CN107220723A (zh) 一种光伏电站功率预测方法
CN104050323B (zh) 一种高海拔山区模糊多准则风电场选址方法
CN104376384B (zh) 一种基于电力大数据分析的台风日最大日负荷预测系统
CN104036121B (zh) 基于概率分布转移的测风数据风速订正方法
CN107609697A (zh) 一种风力发电功率预测方法
CN113496311A (zh) 光伏电站发电功率预测方法及系统
CN103593577A (zh) 一种光伏发电系统输出功率建模及估算方法
CN108491630A (zh) 一种基于大气稳定度风向标准差法的风速外推方法
CN107766298A (zh) 一种生成全年逐日太阳辐射和风速数据的方法
CN105787594A (zh) 基于多元时间序列及回归分析的辐照预测方法
CN103310284B (zh) 经济负荷和降温负荷的确定方法及负荷确定装置
CN103345585A (zh) 基于支持向量机的风功率预测校正方法及系统
Eltamaly et al. Wind energy assessment for five locations in Saudi Arabia
CN113837426A (zh) 一种基于天气分型的光伏功率预测方法
CN105262146B (zh) 含风电的电力系统备用容量计算方法和系统
Wen et al. Probing Energy-Related CO 2 Emissions in the Beijing-Tianjin-Hebei Region Based on Ridge Regression Considering Population Factors.
CN108808671A (zh) 一种风电场短期风速集合预报方法
Serrano-Lujan et al. Accurate thermal prediction model for building-integrated photovoltaics systems using guided artificial intelligence algorithms
Bahanni et al. Performance comparison and impact of weather conditions on different photovoltaic modules in two different cities
Kiss et al. The effect of time resolution on energy system simulation in case of intermittent energies
Guo et al. China’s potential for trade in renewable energy products in RCEP countries: a gravity model analysis

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20180306

RJ01 Rejection of invention patent application after publication