CN108053149A - 一种考虑气象因素的光伏电站并网风险评估方法 - Google Patents
一种考虑气象因素的光伏电站并网风险评估方法 Download PDFInfo
- Publication number
- CN108053149A CN108053149A CN201810011190.5A CN201810011190A CN108053149A CN 108053149 A CN108053149 A CN 108053149A CN 201810011190 A CN201810011190 A CN 201810011190A CN 108053149 A CN108053149 A CN 108053149A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- photovoltaic
- loss
- sequence
- 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 24
- 238000012502 risk assessment Methods 0.000 title claims abstract description 17
- 238000007621 cluster analysis Methods 0.000 claims abstract description 6
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000000418 atomic force spectrum Methods 0.000 claims description 14
- 230000007704 transition Effects 0.000 claims description 10
- 101001051093 Homo sapiens Low-density lipoprotein receptor Proteins 0.000 claims description 9
- 102100024640 Low-density lipoprotein receptor Human genes 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000008439 repair process Effects 0.000 claims description 2
- 206010027476 Metastases Diseases 0.000 abstract description 7
- 230000009401 metastasis Effects 0.000 abstract description 7
- 230000009467 reduction Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 1
- 206010016256 fatigue Diseases 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001052 transient effect Effects 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Educational Administration (AREA)
- Bioinformatics & Computational Biology (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开一种考虑气象因素的光伏电站并网风险评估方法，首先，以气象指标构成聚类特征向量，对光伏历史出力数据进行聚类分析，建立考虑气象因素的光伏电站输出功率概率模型；然后，依据元件停运模型，抽取光伏电站和常规发电机处于运行、降额及停运状态的转移序列；接着，按时序叠加含停运模型的光伏输出功率序列、含停运模型的常规发电机序列和负荷序列，得到系统的可用裕度模型，负裕度需要适当削减负荷，正裕度需要适当弃光；最后，利用序贯蒙特卡洛法，计算负荷损失风险和电源损失风险指标。本发明旨在考虑辐照度和温度等强相关的气象因素对光伏输出功率概率模型的影响，进而分析光伏电站接入给电网带来的风险。
Description
技术领域
本发明涉及一种考虑气象因素的光伏电站并网风险评估方法，属于电力系统风险评估技术领域。
背景技术
光伏发电的随机性、间歇性和波动性，导致其并网时增加了更多的不确定性。对含光伏电站的电网进行风险评估，其前提是建立光伏电站输出功率概率模型。光伏电站输出功率受辐照度和温度两大气象因素影响显著，因此建立光伏电站输出功率概率模型时，考虑辐照度和温度等气象因素的影响十分必要。
电力系统风险评估，主要是从故障发生的概率和后果两方面综合度量风险，从而定量反映故障发生的可能性和严重性。系统风险评估首先要确定元件的停运模型，其次是选择系统失效状态并计算他们的概率，最后是进行系统失效状态分析，以及评估后果。根据所研究系统的不同，分析过程可以是功率平衡、网络结构的连通性识别，也可能包括潮流、优化潮流、甚至暂态和电压稳定性分析在内的计算过程。
含光伏电站的电网风险评估可以参考电力系统风险评估的理论，其中，蒙特卡洛法是模拟系统概率特性、分析概率潮流的常用方法。但需要进一步关注的是，光伏电站的接入使得电网的源侧增加了更多的不确定性。系统中除了元件的停运模型呈现概率属性，光伏出力的不确定性也需要进一步概率表征。因此，需要建立合理的光伏电站输出功率概率模型，对含光伏电站的电网选取合适的风险指标进行量化评估。
发明内容
本发明正是针对现有技术中存在的技术问题，提供一种考虑气象因素的光伏电站并网风险评估方法，该方法针对气象因素对光伏输出功率的影响可能导致光伏并网给电网运行带来风险的问题，提出一种考虑气象因素的光伏电站并网风险评估方法，对光伏电站并网带来的风险进行评估，指导电网的安全稳定运行。
为了实现上述目的，本发明采用的技术方案如下，一种考虑气象因素的光伏电站并网风险评估方法，其特征在于，所述方法包括以下步骤：
(1)以气象指标为聚类特征向量，光伏电站日出力曲线为聚类对象，通过模糊c均值聚类分析光伏电站历史年出力数据，由聚类产生的光伏日出力状态以及状态转移概率矩阵，建立考虑气象因素的光伏电站输出功率概率模型；
(2)依据停运模型，抽取光伏电站和常规发电机处于运行、降额及停运状态的状态转移序列；
(3)生成第m个含停运模型的光伏电站输出功率序列Ppvm，第k个含停运模型的发电机输出功率序列PGk，以及负荷序列PL；
(4)按时序叠加光伏输出功率序列、常规发电机序列和负荷序列，得到系统的可用裕度模型，若负裕度表示必须削减系统负荷，若正裕度则表示要进行一定程度的弃光。当前时刻含光伏电站的电网可用裕度为
其中，Npv为光伏电站总数目，NG为常规发电机总数目，Ppvm为第m个含停运模型的光伏电站输出功率序列，PGk为第k个含停运模型的发电机输出功率序列，PL为负荷序列，ΔP为含光伏电站的电网可用裕度；
若ΔP＜0，则时刻i的切负荷量为Pload_loss_i＝-ΔP，弃光量Ppv_loss_i＝0；若ΔP＞0，则弃光量为Ppv_loss_i＝ΔP，切负荷量Pload_loss_i＝0；
其中，Pload_loss_i为i时刻的切负荷量，Ppv_loss_i为i时刻的弃光量。
(5)利用序贯蒙特卡洛法，根据总时间内的Pload_loss_i和Ppv_loss_i序列，计算负荷损失风险指标LDLR以及电源损失风险指标PVLR；
(6)重复步骤(1)至步骤(5)，通过多次序贯蒙特卡洛模拟，求取风险指标平均值，提高模拟法计算的准确性。
作为本发明的一种改进，所述步骤(1)中建立考虑气象因素的光伏电站输出功率概率模型，具体步骤如下：
(11)从光伏电站大数据中心获取各个光伏电站的年出力数据，并进行归一化处理。
(12)获取与出力对应的气象数据，计算最大辐照比Ki、辐照度波动量Fi和温度Ti3种气象指标，构成聚类特征向量Xi＝[Ki,Fi,Ti]；
(13)以气象指标为聚类特征向量，以光伏日出力数据为聚类对象，对光伏电站历史年出力数据利用模糊c均值算法进行聚类分析；
(14)观察模糊c均值算法的目标函数值与聚类中心数的对应关系，依据拐点位置从而判断聚类中心数，即光伏电站日出力曲线的典型状态数目。
(15)根据聚类中心数，初始化聚类中心向量和隶属度矩阵，循环迭代运算，直至满足聚类终止条件，聚类结果为各个典型状态的光伏日出力曲线，根据隶属度矩阵统计可得各个典型状态间的状态转移概率矩阵。
(16)由各个典型状态光伏日出力曲线，根据状态转移概率矩阵生成光伏电站年出力预测曲线。
作为本发明的一种改进，所述步骤(2)中光伏电站和常规发电机的停运模型，具体步骤如下：
其中，λ和λd分别为运行状态到停运和降额状态的转移率；μ和μd分别为停运和降
额状态到运行状态的修复率；U1、U2、U3分别为[0，1]间均匀分布的随机数，τ1、τ2、τ3为处于运行、停运和降额状态所持续的时间。
作为本发明的一种改进，所述步骤(5)中，负荷损失风险指标LDLR以及电源损失风险指标PVLR的具体计算方法如下：
(51)负荷损失风险指标LDLR由总时间内的Pload_loss_i序列计算而得，具体公式如下：
(52)电源损失风险指标PVLR由总时间内的Ppv_loss_i序列计算而得，具体公式如下：
与现有技术相比，本发明具有以下有益效果：以气象指标(最大辐照比、辐照度波动量和温度)构成聚类特征向量，对光伏历史出力数据进行模糊c均值聚类分析，考虑了气象因素对光伏输出功率概率模型的影响；对含光伏电站的电网进行风险评估，按时序叠加含停运模型的光伏输出功率序列、常规发电机序列和负荷序列，由得到系统的可用裕度，根据其方向和大小，可以同时计算出系统的负荷损失风险和电源损失风险指标。
附图说明
图1为本发明所述的一种考虑气象因素的光伏输出功率概率预测模型建立流程图；
图2含光伏电站的电网风险评估方法的总体流程图。
图3光伏日出力曲线聚类中心数分析示意图；
图4FCM聚类的四种典型出力曲线示意图；
图5光伏次日天气状态转移判定示意图；
图6光伏电站年出力预测曲线示意图；
图7光伏电站前20天的出力预测曲线示意图；
图8光伏电站的运行状态转移序列示意图；
图9常规发电机的运行状态转移序列示意图；
图10第m个含停运模型的光伏电站输出功率序列示意图；
图11第k个含停运模型的发电机输出功率序列示意图；
图12负荷序列示意图；
图13可用裕度ΔP示意图。
具体实施方式
下面结合附图，对本发明的技术方案进行详细的说明。
实施例1：参见图1-图2，一种考虑气象因素的光伏电站并网风险评估方法，所述方法包括以下步骤：
(1)以气象指标为聚类特征向量，光伏电站日出力曲线为聚类对象，通过模糊c均值聚类分析光伏电站历史年出力数据，由聚类产生的光伏日出力状态以及状态转移概率矩阵，建立考虑气象因素的光伏电站输出功率概率模型；
(11)从光伏电站大数据中心获取各个光伏电站的年出力数据，并进行归一化处理；
(12)获取与出力对应的气象数据，计算最大辐照比Ki、辐照度波动量Fi和温度Ti3种气象指标，构成聚类特征向量Xi＝[Ki,Fi,Ti]；
(13)以气象指标为聚类特征向量，以光伏日出力数据为聚类对象，对光伏电站历史年出力数据利用模糊c均值算法进行聚类分析；
(14)观察模糊c均值算法的目标函数值与聚类中心数的对应关系，依据拐点位置从而判断聚类中心数，即光伏电站日出力曲线的典型状态数目。
由图3可知，聚类数的增加可以降低目标函数值，但当聚类数超过4时，目标函数值的降低不再明显，因此选取聚类中心个数为4。
(15)根据聚类中心数，初始化聚类中心向量和隶属度矩阵，循环迭代运算，直至满足聚类终止条件。聚类结果为各个典型状态的光伏日出力曲线，根据隶属度矩阵统计可得各个典型状态间的状态转移概率矩阵；
当聚类中心数为4时，各个典型状态的光伏日出力曲线的聚类结果如图4所示：
由隶属度矩阵统计得到的状态转移概率矩阵如下，Pij为状态i到j的条件概率，满足
(注：A-阴雨；B-多云；C-少云；D-晴天)
假设当日的天气为A-阴雨，光伏次日天气状态概率分布如表1所示，将概率依次累加排列在数轴上如图5所示，可依据条件概率可抽取下一日的光伏出力曲线。
表1光伏次日天气状态概率分布表
(16)由各个典型状态光伏日出力曲线，根据状态转移概率矩阵生成光伏电站年出力预测曲线，如图6所示。
为清楚显示，呈现光伏电站前20天的出力预测曲线如图7所示。
(2)依据停运模型，抽取光伏电站和常规发电机处于运行、降额及停运状态的状态转移序列；
光伏电站的运行状态转移序列如图8所示
常规发电机的运行状态转移序列参见图9，
(3)生成第m个含停运模型的光伏电站输出功率序列Ppvm，第k个含停运模型的发电机输出功率序列PGk，以及负荷序列PL；
第m个含停运模型的光伏电站输出功率序列Ppvm如图10所示。
第k个含停运模型的发电机输出功率序列PGk如图11所示：
负荷序列PL如图12所示。
(4)按时序叠加光伏输出功率序列、常规发电机序列和负荷序列，得到系统的可用裕度模型，若负裕度表示必须削减系统负荷，若正裕度则表示要进行一定程度的弃光。当前时刻含光伏电站的电网可用裕度为
其中，Npv为光伏电站总数目，NG为常规发电机总数目，Ppvm为第m个含停运模型的光伏电站输出功率序列，PGk为第k个含停运模型的发电机输出功率序列，PL为负荷序列，ΔP为含光伏电站的电网可用裕度；
若ΔP＜0，则时刻i的切负荷量为Pload_loss_i＝-ΔP，弃光量Ppv_loss_i＝0；若ΔP＞0，则弃光量为Ppv_loss_i＝ΔP，切负荷量Pload_loss_i＝0；
其中，Pload_loss_i为i时刻的切负荷量，Ppv_loss_i为i时刻的弃光量；
可用裕度ΔP的曲线如图13所示。
(5)利用序贯蒙特卡洛法，根据总时间内的Pload_loss_i和Ppv_loss_i序列，计算负荷损失风险指标LDLR以及电源损失风险指标PVLR；
(51)负荷损失风险指标LDLR由总时间内的Pload_loss_i序列计算而得，具体公式如下：
(52)电源损失风险指标PVLR由总时间内的Ppv_loss_i序列计算而得，具体公式如下：
(6)重复步骤(1)至步骤(5)，通过多次序贯蒙特卡洛模拟，求取风险指标平均值，提高模拟法计算的准确性。
求得最终的负荷损失风险LDLR值为5511MW，电源损失风险指标PVLR值为3225MW。
需要说明的是上述实施例仅仅是本发明的较佳实施例，并没有用来限定本发明的保护范围，在上述技术方案的基础上做出的等效替换或者替代，均属于本发明的保护范围。
Claims (4)
1.一种考虑气象因素的光伏电站并网风险评估方法，其特征在于，所述方法包括以下步骤：
(1)以气象指标为聚类特征向量，光伏电站日出力曲线为聚类对象，通过模糊c均值聚类分析光伏电站历史年出力数据，由聚类产生的光伏日出力状态以及状态转移概率矩阵，建立考虑气象因素的光伏电站输出功率概率模型；
(2)依据停运模型，抽取光伏电站和常规发电机处于运行、降额及停运状态的状态转移序列；
(3)生成第m个含停运模型的光伏电站输出功率序列Ppvm，第k个含停运模型的发电机输出功率序列PGk，以及负荷序列PL；
(4)按时序叠加光伏输出功率序列、常规发电机序列和负荷序列，得到系统的可用裕度模型，若负裕度表示必须削减系统负荷，若正裕度则表示要进行一定程度的弃光，当前时刻含光伏电站的电网可用裕度为
<mrow>
<mi>&Delta;</mi>
<mi>P</mi>
<mo>=</mo>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>N</mi>
<mrow>
<mi>p</mi>
<mi>v</mi>
</mrow>
</msub>
</munderover>
<msub>
<mi>P</mi>
<mrow>
<mi>p</mi>
<mi>v</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>N</mi>
<mi>G</mi>
</msub>
</munderover>
<msub>
<mi>P</mi>
<mrow>
<mi>G</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>P</mi>
<mi>L</mi>
</msub>
<mo>;</mo>
</mrow>
其中，Npv为光伏电站总数目，NG为常规发电机总数目，Ppvm为第m个含停运模型的光伏电站输出功率序列，PGk为第k个含停运模型的发电机输出功率序列，PL为负荷序列，ΔP为含光伏电站的电网可用裕度；
若ΔP＜0，则时刻i的切负荷量为Pload_loss_i＝-ΔP，弃光量Ppv_loss_i＝0；若ΔP＞0，则弃光量为Ppv_loss_i＝ΔP，切负荷量Pload_loss_i＝0；
其中，Pload_loss_i为i时刻的切负荷量，Ppv_loss_i为i时刻的弃光量；
(5)利用序贯蒙特卡洛法，根据总时间内的Pload_loss_i和Ppv_loss_i序列，计算负荷损失风险指标LDLR以及电源损失风险指标PVLR；
(6)重复步骤(1)至步骤(5)，通过多次序贯蒙特卡洛模拟，求取风险指标平均值，提高模拟法计算的准确性。
2.根据权利要求1所述的一种考虑气象因素的光伏电站并网风险评估方法，其特征在于：所述步骤(1)中建立考虑气象因素的光伏电站输出功率概率模型，具体步骤如下：
(11)从光伏电站大数据中心获取各个光伏电站的年出力数据，并进行归一化处理；
(12)获取与出力对应的气象数据，计算最大辐照比Ki、辐照度波动量Fi和温度Ti3种气象指标，构成聚类特征向量Xi＝[Ki,Fi,Ti]；
(13)以气象指标为聚类特征向量，以光伏日出力数据为聚类对象，对光伏电站历史年出力数据利用模糊c均值算法进行聚类分析；
(14)观察模糊c均值算法的目标函数值与聚类中心数的对应关系，依据拐点位置从而判断聚类中心数，即光伏电站日出力曲线的典型状态数目；
(15)根据聚类中心数，初始化聚类中心向量和隶属度矩阵，循环迭代运算，直至满足聚类终止条件，聚类结果为各个典型状态的光伏日出力曲线，根据隶属度矩阵统计可得各个典型状态间的状态转移概率矩阵；
(16)由各个典型状态光伏日出力曲线，根据状态转移概率矩阵生成光伏电站年出力预测曲线。
3.根据权利要求1所述的一种考虑气象因素的光伏电站并网风险评估方法，其特征在于：所述步骤(2)中抽取光伏电站和常规发电机的停运模型，具体步骤如下：
<mrow>
<msub>
<mi>&tau;</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mfrac>
<mn>1</mn>
<mi>&lambda;</mi>
</mfrac>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<msub>
<mi>&lambda;</mi>
<mi>d</mi>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<msub>
<mi>InU</mi>
<mn>1</mn>
</msub>
<mo>;</mo>
</mrow>
<mrow>
<msub>
<mi>&tau;</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<mi>&mu;</mi>
</mfrac>
<msub>
<mi>InU</mi>
<mn>2</mn>
</msub>
<mo>;</mo>
</mrow>
<mrow>
<msub>
<mi>&tau;</mi>
<mn>3</mn>
</msub>
<mo>=</mo>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<msub>
<mi>&mu;</mi>
<mi>d</mi>
</msub>
</mfrac>
<msub>
<mi>InU</mi>
<mn>3</mn>
</msub>
<mo>;</mo>
</mrow>
其中，λ和λd分别为运行状态到停运和降额状态的转移率；μ和μd分别为停运和降额状态到运行状态的修复率；U1、U2、U3分别为[0，1]间均匀分布的随机数，τ1、τ2、τ3为处于运行、停运和降额状态所持续的时间。
4.根据权利要求1所述的一种考虑气象因素的光伏电站并网风险评估方法，其特征在于：所述步骤(5)中，负荷损失风险指标LDLR以及电源损失风险指标PVLR的具体计算方法如下：
(51)负荷损失风险指标LDLR由总时间内的Pload_loss_i序列计算而得，具体公式如下：
<mrow>
<mi>L</mi>
<mi>D</mi>
<mi>L</mi>
<mi>R</mi>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>P</mi>
<mrow>
<mi>l</mi>
<mi>o</mi>
<mi>a</mi>
<mi>d</mi>
<mo>_</mo>
<mi>l</mi>
<mi>o</mi>
<mi>s</mi>
<mi>s</mi>
<mo>_</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>;</mo>
</mrow>
(52)负荷损失风险指标PVLR由总时间内的Ppv_loss_i序列计算而得，具体公式如下：
<mrow>
<mi>P</mi>
<mi>V</mi>
<mi>L</mi>
<mi>R</mi>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>P</mi>
<mrow>
<mi>p</mi>
<mi>v</mi>
<mo>_</mo>
<mi>l</mi>
<mi>o</mi>
<mi>s</mi>
<mi>s</mi>
<mo>_</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>.</mo>
</mrow>
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810011190.5A CN108053149A (zh) | 2018-01-05 | 2018-01-05 | 一种考虑气象因素的光伏电站并网风险评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810011190.5A CN108053149A (zh) | 2018-01-05 | 2018-01-05 | 一种考虑气象因素的光伏电站并网风险评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108053149A true CN108053149A (zh) | 2018-05-18 |
Family
ID=62126397
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810011190.5A Pending CN108053149A (zh) | 2018-01-05 | 2018-01-05 | 一种考虑气象因素的光伏电站并网风险评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108053149A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108830415A (zh) * | 2018-06-13 | 2018-11-16 | 国网江苏省电力有限公司电力科学研究院 | 一种基于非线性关联模型的气象敏感负荷功率估算方法 |
| CN109494792A (zh) * | 2018-11-21 | 2019-03-19 | 国网青海省电力公司 | 光伏电站弃光电量的确定方法及装置 |
| CN109978277A (zh) * | 2019-04-09 | 2019-07-05 | 江苏安纳泰克能源服务有限公司 | 光伏发电中区域上网负荷预测方法及装置 |
| CN110086170A (zh) * | 2019-05-24 | 2019-08-02 | 国网浙江省电力有限公司温州供电公司 | 基于故障影响下成本最小的海岛微电网电源配置方法 |
| CN110533291A (zh) * | 2019-07-25 | 2019-12-03 | 广西电网有限责任公司电力科学研究院 | 一种基于风险评估的中压配电网薄弱环节辨识方法 |
| CN111612289A (zh) * | 2020-03-31 | 2020-09-01 | 国网宁夏电力有限公司经济技术研究院 | 基于新能源多场景风险特征导向的电力系统风险评估方法 |
| CN111724007A (zh) * | 2019-03-18 | 2020-09-29 | 马上消费金融股份有限公司 | 风险评价方法、评价装置、智能系统及存储装置 |
| CN112884601A (zh) * | 2021-01-21 | 2021-06-01 | 浙江大学 | 一种基于天气区划策略的电力系统运行风险评估方法 |
| CN115146881A (zh) * | 2022-09-05 | 2022-10-04 | 广东电网有限责任公司江门供电局 | 一种低压分布式光伏系统不良数据检测方法和系统 |
| CN116742624A (zh) * | 2023-08-10 | 2023-09-12 | 华能新能源股份有限公司山西分公司 | 一种光伏发电量预测方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103701120A (zh) * | 2013-12-23 | 2014-04-02 | 华北电力大学 | 一种含风电场的大电网可靠性的评估方法 |
| CN104332996A (zh) * | 2014-11-18 | 2015-02-04 | 国家电网公司 | 一种评估电力系统可靠性的方法 |
| CN105469216A (zh) * | 2015-12-15 | 2016-04-06 | 深圳供电局有限公司 | 一种结合天气及风速评价风电场运行风险的方法和系统 |
| CN105931134A (zh) * | 2016-04-25 | 2016-09-07 | 华北电力大学 | 一种含并网光伏电站的系统可靠性评估方法 |
| CN107256448A (zh) * | 2017-05-18 | 2017-10-17 | 东南大学 | 一种融合光伏电站元件级和系统级的风险评估方法 |
-
2018
- 2018-01-05 CN CN201810011190.5A patent/CN108053149A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103701120A (zh) * | 2013-12-23 | 2014-04-02 | 华北电力大学 | 一种含风电场的大电网可靠性的评估方法 |
| CN104332996A (zh) * | 2014-11-18 | 2015-02-04 | 国家电网公司 | 一种评估电力系统可靠性的方法 |
| CN105469216A (zh) * | 2015-12-15 | 2016-04-06 | 深圳供电局有限公司 | 一种结合天气及风速评价风电场运行风险的方法和系统 |
| CN105931134A (zh) * | 2016-04-25 | 2016-09-07 | 华北电力大学 | 一种含并网光伏电站的系统可靠性评估方法 |
| CN107256448A (zh) * | 2017-05-18 | 2017-10-17 | 东南大学 | 一种融合光伏电站元件级和系统级的风险评估方法 |
Non-Patent Citations (1)
| Title |
|---|
| 王昕伟: "含风电区域电网的可靠性评估模型与方法", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108830415A (zh) * | 2018-06-13 | 2018-11-16 | 国网江苏省电力有限公司电力科学研究院 | 一种基于非线性关联模型的气象敏感负荷功率估算方法 |
| CN109494792B (zh) * | 2018-11-21 | 2022-05-13 | 国网青海省电力公司 | 光伏电站弃光电量的确定方法及装置 |
| CN109494792A (zh) * | 2018-11-21 | 2019-03-19 | 国网青海省电力公司 | 光伏电站弃光电量的确定方法及装置 |
| CN111724007B (zh) * | 2019-03-18 | 2022-12-06 | 马上消费金融股份有限公司 | 风险评价方法、评价装置、智能系统及存储装置 |
| CN111724007A (zh) * | 2019-03-18 | 2020-09-29 | 马上消费金融股份有限公司 | 风险评价方法、评价装置、智能系统及存储装置 |
| CN109978277A (zh) * | 2019-04-09 | 2019-07-05 | 江苏安纳泰克能源服务有限公司 | 光伏发电中区域上网负荷预测方法及装置 |
| CN110086170A (zh) * | 2019-05-24 | 2019-08-02 | 国网浙江省电力有限公司温州供电公司 | 基于故障影响下成本最小的海岛微电网电源配置方法 |
| CN110533291A (zh) * | 2019-07-25 | 2019-12-03 | 广西电网有限责任公司电力科学研究院 | 一种基于风险评估的中压配电网薄弱环节辨识方法 |
| CN110533291B (zh) * | 2019-07-25 | 2022-07-22 | 广西电网有限责任公司电力科学研究院 | 一种基于风险评估的中压配电网薄弱环节辨识方法 |
| CN111612289A (zh) * | 2020-03-31 | 2020-09-01 | 国网宁夏电力有限公司经济技术研究院 | 基于新能源多场景风险特征导向的电力系统风险评估方法 |
| CN111612289B (zh) * | 2020-03-31 | 2023-05-30 | 国网宁夏电力有限公司经济技术研究院 | 基于新能源多场景风险特征导向的电力系统风险评估方法 |
| CN112884601A (zh) * | 2021-01-21 | 2021-06-01 | 浙江大学 | 一种基于天气区划策略的电力系统运行风险评估方法 |
| CN112884601B (zh) * | 2021-01-21 | 2023-12-12 | 浙江大学 | 一种基于天气区划策略的电力系统运行风险评估方法 |
| CN115146881A (zh) * | 2022-09-05 | 2022-10-04 | 广东电网有限责任公司江门供电局 | 一种低压分布式光伏系统不良数据检测方法和系统 |
| CN115146881B (zh) * | 2022-09-05 | 2023-01-13 | 广东电网有限责任公司江门供电局 | 一种低压分布式光伏系统不良数据检测方法和系统 |
| CN116742624A (zh) * | 2023-08-10 | 2023-09-12 | 华能新能源股份有限公司山西分公司 | 一种光伏发电量预测方法及系统 |
| CN116742624B (zh) * | 2023-08-10 | 2023-11-03 | 华能新能源股份有限公司山西分公司 | 一种光伏发电量预测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108053149A (zh) | 一种考虑气象因素的光伏电站并网风险评估方法 | |
| CN103259285B (zh) | 含大规模风电电力系统的短期运行优化方法 | |
| CN107069814B (zh) | 配网分布式电源容量布点的模糊机会约束规划方法与系统 | |
| CN104156892A (zh) | 一种有源配电网电压跌落仿真与评估方法 | |
| CN103246806A (zh) | 一种含风电场电力系统的运行风险评估方法 | |
| CN105958538B (zh) | 基于蒙特卡洛法的配电网孤岛划分方法 | |
| CN110909911B (zh) | 考虑时空相关性的多维时序数据的聚合方法 | |
| CN104915899A (zh) | 一种基于特征聚类分析的光伏电站运行状态划分方法 | |
| CN107145707A (zh) | 一种计及光伏出力不确定性和全寿命周期成本的配电网变压器规划方法 | |
| CN106655248A (zh) | 一种并网型微电网电源容量配置方法 | |
| CN112952818B (zh) | 一种基于出力互补性的风光水多能互补容量优化配置方法 | |
| CN107506331A (zh) | 基于时间关联性及元件运行时间的微电网可靠性计算方法 | |
| Saadaoui et al. | Hybridization and energy storage high efficiency and low cost | |
| CN106203743A (zh) | 一种基于改进的ihcmac神经网络的光伏发电功率预测方法 | |
| CN104636993A (zh) | 配电系统可靠性算法 | |
| CN105354761B (zh) | 一种风电接入电网的安全与效能评估方法及系统 | |
| Wanxing et al. | The anomalous data identification study of reactive power optimization system based on big data | |
| Liang et al. | Operation Optimization of Wind-solar Complementary Hydrogen Production System Based on MOGEO | |
| CN103326396B (zh) | 一种测定电力系统风电运行出力上限值的方法 | |
| Han et al. | Analysis of economic operation model for virtual power plants considering the uncertainties of renewable energy power generation | |
| CN113591224A (zh) | 一种城市电网连锁故障风险评估方法及系统 | |
| Wan et al. | Multi-energy Complementarity Evaluation and Its Interaction with Wind and Photovoltaic Capacity optimization | |
| Chen et al. | The optimal planning and dynamic operation of distributed generation method based on modified multiobjective optimization in power distribution system | |
| CN104578135B (zh) | 一种基于异构储能系统的功率可预测性控制方法 | |
| Wang et al. | A Scenario Reduction Method of PV Output Based on NBSO Algorithm and STDI Index |
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 | ||
| AD01 | Patent right deemed abandoned | ||
| AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20220809 |