CN108711878A - 考虑出力特性的光伏电站多类型组件容量配置方法 - Google Patents

考虑出力特性的光伏电站多类型组件容量配置方法 Download PDF

Info

Publication number
CN108711878A
CN108711878A CN201810415620.XA CN201810415620A CN108711878A CN 108711878 A CN108711878 A CN 108711878A CN 201810415620 A CN201810415620 A CN 201810415620A CN 108711878 A CN108711878 A CN 108711878A
Authority
CN
China
Prior art keywords
photovoltaic
capacity
unit
photovoltaic module
photovoltaic plant
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
CN201810415620.XA
Other languages
English (en)
Other versions
CN108711878B (zh
Inventor
马超
练继建
庞秀岚
华正操
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.)
Tianjin University
Qinghai Huanghe Hydropower Development Co Ltd
Original Assignee
Tianjin University
Qinghai Huanghe Hydropower Development 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 Tianjin University, Qinghai Huanghe Hydropower Development Co Ltd filed Critical Tianjin University
Priority to CN201810415620.XA priority Critical patent/CN108711878B/zh
Publication of CN108711878A publication Critical patent/CN108711878A/zh
Application granted granted Critical
Publication of CN108711878B publication Critical patent/CN108711878B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H02J3/383—
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers

Landscapes

  • Photovoltaic Devices (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种考虑出力特性的光伏电站多类型组件容量配置方法：(1)选取光伏组件，得到各类光伏组件单位容量的建设成本与维护成本；(2)确定光伏电站总装机容量；(3)得到光伏基地规划年各季度典型天气日的时间占比；(4)将各类光伏组件的出力过程按步骤(3)所得的时间占比进行逐时段记录，得到各月份各典型天气日内单位容量的各类光伏组件逐时段出力过程；(5)建立光伏电站多类型组件容量配比的多目标优化模型；(6)采用多目标优化算法求解多目标优化模型，得到最优的光伏组件容量配比。本发明提出了一种规划装机容量下光伏电站多类型组件组合的最佳容量配比决策模型，并采用多目标优化算法求解模型，提高了模型计算效率。

Description

考虑出力特性的光伏电站多类型组件容量配置方法
技术领域
本发明涉及光伏电站组件容量配置领域，更具体的说，是涉及一种考虑出力 特性的光伏电站多类型组件容量配置方法。
背景技术
目前，行业内缺乏对于光伏电站多类型组件容量配置的研究，一些人认为光 伏发电稳定性较差，缺乏出力互补的可能。然而，通过黄河上游共和光伏基地的 数据分析，不同类型配比下光伏组件在各典型天气日内出力过程存在差别，光伏 电站多类型组件有着出力互补特性。同时，不同类型光伏组件的单位规模建设成 本和维护成本。因此，光伏发电的出力特性研究十分有必要，其将为大规模可再 生能源基地规划中合理配置各类可再生能源电源点的容量及其它相关参数提供 参考。
发明内容
本发明的目的是克服现有技术中的不足，提供一种规划装机容量下的光伏电 站多类型组件组合的最佳容量配比决策模型，制定光伏基地的最佳容量配比方 案，可以实现光伏电站出力波动最小和设计使用年限内净现值最大的目标，适于 在我国大规模光伏电站规划建设中推广。
本发明所采用的技术方案是：一种考虑出力特性的光伏电站多类型组件容量 配置方法，包括以下步骤：
步骤(1)，对光伏基地的现场条件进行分析，根据光伏基地的地理位置、地 形条件、天气特点、经济情况选取能应用于基地的光伏组件，得到各类光伏组件 单位容量的建设成本与维护成本；
步骤(2)，综合考虑光伏电站的占地情况、可能投资和电网可接纳容量，确 定光伏电站总装机容量；
步骤(3)，根据光伏基地历史天气资料，统计各历史年份每个月份晴、多云、 雨、沙尘、雪5种典型天气日的时间占比，计算各季度典型天气日的时间占比， 把每个季度多年平均的5种典型天气日时间占比作为光伏基地规划年各季度典 型天气日的时间占比；
步骤(4)，将各类光伏组件的出力过程按步骤(3)所得的光伏基地规划年 各季度典型天气日的时间占比进行逐时段记录，计算得到各月份各典型天气日内 单位容量的各类光伏组件逐时段出力过程；
步骤(5)，综合考虑出力稳定性、建设成本和发电收益因素，建立光伏电站 多类型组件容量配比的多目标优化模型；
步骤(6)，将由步骤(1)所得的各类光伏组件单位容量的建设成本与维护 成本、步骤(2)所得的光伏电站总装机容量、步骤(3)所得的光伏基地规划年 各季度典型天气日的时间占比、步骤(4)所得的各月份各典型天气日内单位容 量的各类光伏组件逐时段出力过程、互补水电站实时允许出力波动作为步骤(5) 所建立的多目标优化模型的输入变量，采用多目标优化算法求解多目标优化模 型，从而得到最优的光伏组件容量配比。
进一步的，步骤(3)中，计算各季度典型天气日的时间占比的过程中，视 同一季度内的三个月的时间占比相同。
进一步的，步骤(4)和步骤(6)中，所述的逐时段为以5min为一时段逐 步累加。
进一步的，步骤(5)中，所述的多目标优化模型由目标函数、决策变量和 约束条件构成：
a.目标函数：配比组合后的光伏电站出力波动最小+设计使用年限内对应的 净现值最大；以四个季度的5种典型天气日的时间占比为权重Wk,k1,k＝1,2,3,4,5, k1＝1,2,3,4；
b.决策变量：设定类型的光伏组件的容量配比，rjj＝1,2,…,J；
c.约束条件：容量平衡、非负约束；
所述的多目标优化模型如下所示：
F＝{f1(R),f2(R)}R＝{r1,r2,…,rJ}
rj≥0j＝1,2,…,J
式中：
f1(R)为组合光伏组件的出力波动最小目标；
f2(R)为使用年限内的净现值最大目标；
rj为第j种选择的光伏组件的容量比例，j＝1,2,…,J；J为选择的光伏组件种类数目；
NT为光伏电站总装机容量，单位为MWp；
Dt,k,i,j为第t个月份的第k种典型天气日内单位容量的第j种光伏组件的第i时段的出力波动，单位为MWp；
ot,k,i,j为第t个月份的第k种典型天气日内单位容量的第j种光伏组件的第i时段的出力，单位为MWp；
Wk,(t-1)|3为第t个月份的第k种典型天气日的时间占比，视同一季度内的三个月的时间占比相同；
Na为互补水电站的实时允许出力波动，单位为MW；
By为使用年限的第y年的发电收益，单位为元；
Py为使用年限的第y年的上网电价，单位为元/kWh；
Cj为第j种光伏组件的单位容量建设成本，单位为元/MWp，
Mj,y为使用年限的第y年的第j种光伏组件的单位容量维护成本，单位为元/MWp；I为利率。
进一步的，步骤(6)中，所述的多目标优化算法采用动态规划及动态规划 改进算法或启发式算法的其中一种。
其中，所述的动态规划及动态规划改进算法包括离散微分动态规划、逐次渐 进动态规划和逐次优化方法。
其中，所述的启发式算法包括遗传算法、人工神经网络算法、微粒群算法和 蚁群算法及蚁群算法改进算法。
本发明的有益效果是：
本发明提出了一种规划装机容量下的光伏电站多类型组件组合的最佳容量 配比决策方法，通过各类光伏组件典型天气下的逐时段统计，得到单位容量不同 光伏组件在各典型天气日内逐时段的出力过程，并采用多目标优化算法求解模 型，从而得到最优的光伏组件容量配比。与现有技术相比，本发明的优点为：
1、根据光伏基地历史天气资料，统计每个月份5种典型天气日的时间占比 (视季度内的三个月相同)，考虑了日际日内天气变化的相关性和不确定性，提 供一种只需已知不同类型光伏组件在典型天气日的出力过程曲线和不同类型光 伏组件的单位规模成本的光伏电站多类型组件容量配置方法；可用于任何具有长 期历史数据的光伏电站，具有良好的移植性。
2、本方法所得出的光伏组件容量配比，有利于减小组件出力波动，增大净 现值，提高光伏电站效益，具有良好的应用性。
3、本方法考虑了互补水电站的实时互补性能，具有良好的适用性。
4、本方法使用了采用多目标优化算法，提高了模型计算效率。
5、本方法可编译为计算机语言嵌入到光伏电站优化软件中实现，计算结果 可在电脑屏幕显示，也可输出为文本表格。
附图说明
图1：本发明考虑出力特性的光伏电站多类型组件容量配置方法流程图；
图2：本发明实施例一中9种光伏组件在1月份晴天典型天气日的5min级 出力过程；
图3：本发明实施例一中最优配比组合下9种光伏组件在1月份晴天典型天 气日的5min级出力过程。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配 合附图详细说明如下：
如附图1所示，一种考虑出力特性的光伏电站多类型组件容量配置方法，包 括以下步骤：
步骤(1)，对光伏基地的现场条件进行分析，根据光伏基地的地理位置、地 形条件、天气特点、经济情况等因素初步选取能应用于基地的光伏组件，得到各 类光伏组件单位容量的建设成本与维护成本；
步骤(2)，综合考虑光伏电站的占地情况、可能投资和电网可接纳容量等因 素初步，确定光伏电站总装机容量；
步骤(3)，根据光伏基地历史天气资料，统计各历史年份每个月份5种典型 天气日(晴、多云、雨、沙尘、雪)的时间占比，计算各季度典型天气日的时间 占比(视同一季度内的三个月的时间占比相同)，把每个季度多年平均的5种典 型天气日时间占比作为光伏基地规划年各季度典型天气日的时间占比；
步骤(4)，将各类光伏组件的出力过程按步骤(3)所得的光伏基地规划年 各季度典型天气日的时间占比进行逐时段(5min/时段)记录，计算得到各月份 各典型天气日内单位容量的各类光伏组件逐时段(5min/时段)出力过程；
步骤(5)，综合考虑出力稳定性、建设成本和发电收益因素，建立光伏电站 多类型组件容量配比的多目标优化模型；
步骤(6)，将由步骤(1)所得的各类光伏组件单位容量的建设成本与维护 成本、步骤(2)所得的光伏电站总装机容量、步骤(3)所得的光伏基地规划年 各季度典型天气日的时间占比、步骤(4)所得的各月份各典型天气日内单位容 量的各类光伏组件逐时段(5min/时段)出力过程、互补水电站实时允许出力波 动等基本资料作为步骤(5)所建立的多目标优化模型的输入变量，采用多目标 优化算法求解多目标优化模型，从而得到最优的光伏组件容量配比。
步骤(5)中，所建立的多目标优化模型由目标函数、决策变量和约束条件 构成，具体如下所示：
a.目标函数：配比组合后的光伏电站出力波动最小+设计使用年限内对应的 净现值最大(考虑建设成本、年运行维护成本、年发电收益)。以四个季度的5 种典型天气日的时间占比为权重Wk,k1,k＝1,2,3,4,5,k1＝1,2,3,4。
b.决策变量：设定类型的光伏组件容量配比(％)，rjj＝1,2,…,J。。
c.约束条件：容量平衡、非负约束。
所述的多目标优化模型如下所示：
F＝{f1(R),f2(R)}R＝{r1,r2,…,rJ}
rj≥0j＝1,2,…,J
式中：
f1(R)为组合光伏组件的出力波动最小目标；
f2(R)为使用年限内的净现值最大目标；
rj为第j种选择的光伏组件的容量比例，j＝1,2,…,J；J为选择的光伏组件种类数目；
NT为光伏电站总装机容量，单位为MWp；
Dt,k,i,j为第t个月份的第k种典型天气日(晴、多云、雨、沙尘、雪)内单位容量 的第j种光伏组件的第i时段(5min/时段)的出力波动，单位为MWp；
ot,k,i,j为第t个月份的第k种典型天气日(晴、多云、雨、沙尘、雪)内单位容量 的第j种光伏组件的第i时段(5min/时段)的出力，单位为MWp；
Wk,(t-1)|3为第t个月份的第k种典型天气日(晴、多云、雨、沙尘、雪)的时间占 比，视同一季度内的三个月的时间占比相同；
Na为互补水电站的实时允许出力波动(5min/时段)，单位为MW；可随时互补应 对在此出力范围内的光伏电站出力波动；
By为使用年限的第y年的发电收益，单位为元；
Py为使用年限的第y年的上网电价，单位为元/kWh；
Cj为第j种光伏组件的单位容量建设成本，单位为元/MWp，
Mj,y为使用年限的第y年的第j种光伏组件的单位容量维护成本，单位为元/MWp； I为利率。
步骤(3)中采取的不同季度内典型天气的时间占比统计数据(即，把每个 季度多年平均的5种典型天气日时间占比作为光伏基地规划年各季度典型天气 日的时间占比)，考虑了日际日内天气变化的相关性和不确定性。
步骤(4)中采取的实测数据得到12个月内5种天气的典型单位千瓦出力线 (即，各月份各典型天气日内单位容量的各光伏组件逐时段(5min/时段)出力 过程)，具有实时性和准确性的优点。
步骤(5)提出了考虑光伏电站全寿命周期的发电收益、建设运行成本和出 力波动程度的配置模型(即，多目标优化模型)，考虑了互补水电站的实时互补 性能，具有良好的适用性。
步骤(6)采用了求解多目标优化模型的多目标优化算法，提高了模型计算 效率。
所述的多目标优化算法采用动态规划及动态规划改进算法或启发式算法的 其中一种。
所述的动态规划及动态规划改进算法包括离散微分动态规划、逐次渐进动态 规划和逐次优化方法。
所述的启发式算法包括遗传算法、人工神经网络算法、微粒群算法和蚁群算 法及蚁群算法改进算法。
实施例一
下面将结合附图与黄河上游共和基地实例对本发明做进一步论述：
考虑出力特性的光伏电站多类型组件容量配置方法，包括以下步骤：
(1)对光伏基地的现场条件进行分析，根据光伏基地的地理位置、地形条 件、天气特点、经济情况等因素初步选取可应用于基地的光伏组件，得到各类光 伏组件单位容量的建设成本(包括组件、逆变器、储能电池等在内的综合建设成 本)与维护成本。
表1黄河上游共和实证基地组件类型及单位容量建设成本
组件类型 单位kW建设成本(元)
垂直双轴 5691.09
垂直单轴30° 5391.09
垂直单轴33° 5391.09
平单轴 5190.85
斜单轴 5348.55
鳞片式双轴 6616.03
平单+双面 5490.85
固定支架+单面 5091.09
固定支架+双面 5391.09
表2黄河上游共和实证基地组件类型及单位容量维护成本
组件类型 单位kW维护成本(元)
垂直双轴 200
垂直单轴30° 200
垂直单轴33° 200
平单轴 200
斜单轴 200
鳞片式双轴 200
平单+双面 200
固定支架+单面 200
固定支架+双面 200
(2)综合考虑光伏电站的占地情况、可能投资和电网可接纳容量等多方面 因素，确定光伏电站总装机容量为50MWp。
(3)根据光伏基地历史天气资料，统计各历史年份每个月份5种典型天气 日(晴、多云、雨、沙尘、雪)的时间占比，计算各季度典型天气日的时间占比 (视同一季度内的三个月的时间占比相同)，把每个季度多年平均的5种典型天 气日时间占比作为光伏基地规划年各季度典型天气日的时间占比。
表3光伏基地第一季度各月5种典型天气日时间占比
晴 多云 雨 沙尘 雪
68％ 15％ 10％ 5％ 2％
(4)将各类光伏组件的出力过程按步骤(3)所得的光伏基地规划年各季度 典型天气日的时间占比进行逐时段(5min/时段)记录，计算得到各月份各典型 天气日内单位容量的各光伏组件逐时段(5min/时段)出力过程。附图2为9种 光伏组件在1月份晴天典型天气日的5min级出力过程。
(5)综合考虑出力稳定性、建设成本和发电效益等因素，建立光伏电站多 类型组件的多目标优化模型。
所建立的优化调度模型由目标函数、决策变量和约束条件构成，具体如下所 示：
a.目标函数：配比组合后的光伏电站出力波动最小+设计使用年限内对应的 净现值最大(考虑建设成本、年运行维护成本、年发电收益)。以四个季度的5 种典型天气日的时间占比为权重Wk,k1,k＝1,2,3,4,5,k1＝1,2,3,4。
b.决策变量：设定类型光伏组件的容量配比(％)，rjj＝1,2,…,J。
c.约束条件：容量平衡、非负约束。
F＝{f1(R),f2(R)}R＝{r1,r2,…,rJ}
rj≥0j＝1,2,…,J
式中：
f1(R)为组合光伏组件的出力波动最小目标；
f2(R)为使用年限内的净现值最大目标；
rj为第j种选择的光伏组件的容量比例，j＝1,2,…,J；J为选择的光伏组件种类，本例中为9；NT为光伏电站总装机容量，本例中为50MWp；
Dt,k,i,j为第t个月份的第k种典型天气日(晴、多云、雨、沙尘、雪)内单位容量 的第j种光伏组件的第i时段(5min/时段)的出力波动，MWp；
ot,k,i,j为第t个月份的第k种典型天气日(晴、多云、雨、沙尘、雪)内单位容量 的第j种光伏组件的第i时段(5min/时段)的出力，MWp；
Wk,(t-1)|3为第t个月份的第k种典型天气日(晴、多云、雨、沙尘、雪)的时间占 比，视季度内的三个月的时间占比相同；
Na为互补水电站的实时允许出力波动(5min/时段)，本例中为10MW；
By为使用年限的第y年的发电收益，元，本例中使用年限为25年；
Py为使用年限的第y年的上网电价，本例中为1元/kWh；
Cj为第j种光伏组件的单位容量建设成本，元/MWp，
Mj,y为使用年限的第y年的第j种光伏组件的单位容量维护成本，元/MWp；
I为利率，本例中为8％
(6)将由步骤(1)所得的各类光伏组件单位容量建设成本与维护成本、步 骤(2)所得的光伏电站总装机容量、步骤(3)所得的光伏基地典型天气日时间 占比、步骤(4)所得的各月份各典型天气日内单位容量的各类光伏组件逐时段 (5min/时段)对应出力过程、互补水电站实时允许出力波动等基本资料作为步 骤(5)所建立模型的输入变量，采用多目标优化算法求解模型，从而得到最优 的光伏组件容量配比(表4)。
表4黄河上游共和实证基地组件类型某月最优配比
组件类型 比例(％)
垂直双轴(#1) 13.1
垂直单轴30°(#2) 2.6
垂直单轴33°(#3) 6
平单轴(#4) 19.2
斜单轴(#5) 9.8
鳞片式双轴(#6) 4.2
平单+双面(#7) 10.1
固定支架+单面(#8) 6.9
固定支架+双面(#9) 27.7
附图3为最优配比组合(表4)下9种光伏组件在1月份晴天典型天气日的 5min级出力过程，说明了互补以后日出力过程在考虑各组件特性后波动性更小， 出力特性更优。
尽管上面结合附图对本发明的优选实施例进行了描述，但是本发明并不局限 于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，并不是限制性的， 本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保 护的范围情况下，还可以做出很多形式，这些均属于本发明的保护范围之内。

Claims (7)

1.一种考虑出力特性的光伏电站多类型组件容量配置方法，其特征在于，包括以下步骤：
步骤(1)，对光伏基地的现场条件进行分析，根据光伏基地的地理位置、地形条件、天气特点、经济情况选取能应用于基地的光伏组件，得到各类光伏组件单位容量的建设成本与维护成本；
步骤(2)，综合考虑光伏电站的占地情况、可能投资和电网可接纳容量，确定光伏电站总装机容量；
步骤(3)，根据光伏基地历史天气资料，统计各历史年份每个月份晴、多云、雨、沙尘、雪5种典型天气日的时间占比，计算各季度典型天气日的时间占比，把每个季度多年平均的5种典型天气日时间占比作为光伏基地规划年各季度典型天气日的时间占比；
步骤(4)，将各类光伏组件的出力过程按步骤(3)所得的光伏基地规划年各季度典型天气日的时间占比进行逐时段记录，计算得到各月份各典型天气日内单位容量的各类光伏组件逐时段出力过程；
步骤(5)，综合考虑出力稳定性、建设成本和发电收益因素，建立光伏电站多类型组件容量配比的多目标优化模型；
步骤(6)，将由步骤(1)所得的各类光伏组件单位容量的建设成本与维护成本、步骤(2)所得的光伏电站总装机容量、步骤(3)所得的光伏基地规划年各季度典型天气日的时间占比、步骤(4)所得的各月份各典型天气日内单位容量的各类光伏组件逐时段出力过程、互补水电站实时允许出力波动作为步骤(5)所建立的多目标优化模型的输入变量，采用多目标优化算法求解多目标优化模型，从而得到最优的光伏组件容量配比。
2.根据权利要求1所述的一种考虑出力特性的光伏电站多类型组件容量配置方法，其特征在于，步骤(3)中，计算各季度典型天气日的时间占比的过程中，视同一季度内的三个月的时间占比相同。
3.根据权利要求1所述的一种考虑出力特性的光伏电站多类型组件容量配置方法，其特征在于，步骤(4)和步骤(6)中，所述的逐时段为以5min为一时段逐步累加。
4.根据权利要求1所述的一种考虑出力特性的光伏电站多类型组件容量配置方法，其特征在于，步骤(5)中，所述的多目标优化模型由目标函数、决策变量和约束条件构成：
a.目标函数：配比组合后的光伏电站出力波动最小+设计使用年限内对应的净现值最大；以四个季度的5种典型天气日的时间占比为权重Wk,k1,k＝1,2,3,4,5,k1＝1,2,3,4；
b.决策变量：设定类型的光伏组件的容量配比，rjj＝1,2,…,J；
c.约束条件：容量平衡、非负约束；
所述的多目标优化模型如下所示：
F＝{f1(R),f2(R)}R＝{r1,r2,…,rJ}
rj≥0 j＝1,2,…,J
式中：
f1(R)为组合光伏组件的出力波动最小目标；
f2(R)为使用年限内的净现值最大目标；
rj为第j种选择的光伏组件的容量比例，j＝1,2,…,J；J为选择的光伏组件种类数目；
NT为光伏电站总装机容量，单位为MWp；
Dt,k,i,j为第t个月份的第k种典型天气日内单位容量的第j种光伏组件的第i时段的出力波动，单位为MWp；
ot,k,i,j为第t个月份的第k种典型天气日内单位容量的第j种光伏组件的第i时段的出力，单位为MWp；
Wk,(t-1)|3为第t个月份的第k种典型天气日的时间占比，视同一季度内的三个月的时间占比相同；
Na为互补水电站的实时允许出力波动，单位为MW；
By为使用年限的第y年的发电收益，单位为元；
Py为使用年限的第y年的上网电价，单位为元/kWh；
Cj为第j种光伏组件的单位容量建设成本，单位为元/MWp，
Mj,y为使用年限的第y年的第j种光伏组件的单位容量维护成本，单位为元/MWp；I为利率。
5.根据权利要求1所述的一种考虑出力特性的光伏电站多类型组件容量配置方法，其特征在于，步骤(6)中，所述的多目标优化算法采用动态规划及动态规划改进算法或启发式算法的其中一种。
6.根据权利要求5所述的一种考虑出力特性的光伏电站多类型组件容量配置方法，其特征在于，所述的动态规划及动态规划改进算法包括离散微分动态规划、逐次渐进动态规划和逐次优化方法。
7.根据权利要求5所述的一种考虑出力特性的光伏电站多类型组件容量配置方法，其特征在于，所述的启发式算法包括遗传算法、人工神经网络算法、微粒群算法和蚁群算法及蚁群算法改进算法。
CN201810415620.XA 2018-05-03 2018-05-03 考虑出力特性的光伏电站多类型组件容量配置方法 Active CN108711878B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810415620.XA CN108711878B (zh) 2018-05-03 2018-05-03 考虑出力特性的光伏电站多类型组件容量配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810415620.XA CN108711878B (zh) 2018-05-03 2018-05-03 考虑出力特性的光伏电站多类型组件容量配置方法

Publications (2)

Publication Number Publication Date
CN108711878A true CN108711878A (zh) 2018-10-26
CN108711878B CN108711878B (zh) 2021-07-06

Family

ID=63867708

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810415620.XA Active CN108711878B (zh) 2018-05-03 2018-05-03 考虑出力特性的光伏电站多类型组件容量配置方法

Country Status (1)

Country Link
CN (1) CN108711878B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110289643A (zh) * 2019-06-25 2019-09-27 广西大学 一种拒识深度微分动态规划实时发电调度与控制算法
CN110829427A (zh) * 2019-11-26 2020-02-21 远景智能国际私人投资有限公司 光伏组件的接串方法、装置、设备及存储介质
CN111864811A (zh) * 2019-04-29 2020-10-30 天津大学 一种考虑电网送出需求的水光互补系统光伏容量配置方法
CN112290568A (zh) * 2020-09-27 2021-01-29 天津大学 一种“光-储”发电系统混合储能配置方法
CN113285483A (zh) * 2021-06-25 2021-08-20 中国电建集团贵阳勘测设计研究院有限公司 基于清洁能源基地水光日内互补的光伏消纳率计算方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107301472A (zh) * 2017-06-07 2017-10-27 天津大学 基于场景分析法和电压调节策略的分布式光伏规划方法
CN107301470A (zh) * 2017-05-24 2017-10-27 天津大学 一种配电网扩展规划与光储选址定容的双层优化方法
CN107565587A (zh) * 2017-09-18 2018-01-09 山东大学 考虑爬坡功率有限度平抑的光伏电网储能配置方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107301470A (zh) * 2017-05-24 2017-10-27 天津大学 一种配电网扩展规划与光储选址定容的双层优化方法
CN107301472A (zh) * 2017-06-07 2017-10-27 天津大学 基于场景分析法和电压调节策略的分布式光伏规划方法
CN107565587A (zh) * 2017-09-18 2018-01-09 山东大学 考虑爬坡功率有限度平抑的光伏电网储能配置方法及系统

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111864811A (zh) * 2019-04-29 2020-10-30 天津大学 一种考虑电网送出需求的水光互补系统光伏容量配置方法
CN111864811B (zh) * 2019-04-29 2022-03-11 天津大学 一种考虑电网送出需求的水光互补系统光伏容量配置方法
CN110289643A (zh) * 2019-06-25 2019-09-27 广西大学 一种拒识深度微分动态规划实时发电调度与控制算法
CN110289643B (zh) * 2019-06-25 2020-12-01 广西大学 一种拒识深度微分动态规划实时发电调度与控制算法
CN110829427A (zh) * 2019-11-26 2020-02-21 远景智能国际私人投资有限公司 光伏组件的接串方法、装置、设备及存储介质
CN110829427B (zh) * 2019-11-26 2023-09-26 远景智能国际私人投资有限公司 光伏组件的接串方法、装置、设备及存储介质
CN112290568A (zh) * 2020-09-27 2021-01-29 天津大学 一种“光-储”发电系统混合储能配置方法
CN113285483A (zh) * 2021-06-25 2021-08-20 中国电建集团贵阳勘测设计研究院有限公司 基于清洁能源基地水光日内互补的光伏消纳率计算方法
CN113285483B (zh) * 2021-06-25 2022-05-13 中国电建集团贵阳勘测设计研究院有限公司 基于清洁能源基地水光日内互补的光伏消纳率计算方法

Also Published As

Publication number Publication date
CN108711878B (zh) 2021-07-06

Similar Documents

Publication Publication Date Title
CN108711878A (zh) 考虑出力特性的光伏电站多类型组件容量配置方法
CN107301470B (zh) 一种配电网扩展规划与光储选址定容的双层优化方法
Kumar et al. Economic analysis and power management of a stand-alone wind/photovoltaic hybrid energy system using biogeography based optimization algorithm
Bassi Solarizing groundwater irrigation in India: a growing debate
CN107784410B (zh) 区域能源互联网集成系统以及优化其配置和运行的方法
CN109214655A (zh) 电网建设水平与经济结构及其增速评价指标体系的构建方法
CN112016747A (zh) 一种适用于源荷储灵活资源统筹规划与运行的优化方法
Zhou et al. A novel multi-objective scheduling model for grid-connected hydro-wind-PV-battery complementary system under extreme weather: A case study of Sichuan, China
Mejia et al. Multistage planning model for active distribution systems and electric vehicle charging stations considering voltage-dependent load behavior
CN113131468A (zh) 一种考虑用户停电损失的多目标配电网供电恢复方法
Rabe et al. Sustainable regional energy planning: The case of hydro
Ma et al. Optimal capacity configuration of hydro-wind-PV hybrid system and its coordinative operation rules considering the UHV transmission and reservoir operation requirements
CN116245338A (zh) 一种矿山综合能源系统低碳经济运行优化方法
CN104200289A (zh) 一种基于投资回报率的分布式光伏装机容量预测方法
CN110738359A (zh) 一种基于p中位模型的分布式能源站选址方法
CN112085259A (zh) 一种新能源接入与综合能源服务潜力关联预测方法
Shaterabadi et al. Smart scheduling of transmission line switching: optimization of multi-objective microgrid’s day-ahead energy scheduling with considering high penetration of green energies and INVELOX
Saboori et al. Tri‐objective optimization of a synergistic wind‐photovoltaic plant for water desalination addressing sustainable development goals
CN114266445A (zh) 一种分布式电源与电动汽车充电站协调规划方法
Ding et al. Long-term operation rules of a hydro–wind–photovoltaic hybrid system considering forecast information
CN109038655A (zh) 限电要求下大型光伏电站的配套储能容量计算方法
Khanna et al. Freer markets and the abatement of carbon emissions: the electricity-generating sector in India
CN108932558A (zh) 一种对外开放型电动公交充电站负荷预测方法
Shayeghi Sustainable energy scheduling of grid-connected microgrid using monte carlo estimation and considering main grid penetration level
CN104408557B (zh) 一种汛期水电富集电网省调平衡电厂电源电量分配方法

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