CN109103926B - 基于多辐照特性年气象场景的光伏发电接纳能力计算方法 - Google Patents

基于多辐照特性年气象场景的光伏发电接纳能力计算方法 Download PDF

Info

Publication number
CN109103926B
CN109103926B CN201810919782.7A CN201810919782A CN109103926B CN 109103926 B CN109103926 B CN 109103926B CN 201810919782 A CN201810919782 A CN 201810919782A CN 109103926 B CN109103926 B CN 109103926B
Authority
CN
China
Prior art keywords
photovoltaic power
power station
year
meteorological
calculating
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.)
Active
Application number
CN201810919782.7A
Other languages
English (en)
Other versions
CN109103926A (zh
Inventor
张健
田鑫
李雪亮
张宁
吴健
赵龙
王艳
郑志杰
牟宏
汪湲
刘晓明
张�杰
高晓楠
张家宁
刘冬
牟颖
贾善杰
李勃
朱毅
高效海
魏鑫
魏佳
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.)
Tsinghua University
Economic and Technological Research Institute of State Grid Shandong Electric Power Co Ltd
Original Assignee
Tsinghua University
Economic and Technological Research Institute of State Grid Shandong 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 Tsinghua University, Economic and Technological Research Institute of State Grid Shandong Electric Power Co Ltd filed Critical Tsinghua University
Priority to CN201810919782.7A priority Critical patent/CN109103926B/zh
Publication of CN109103926A publication Critical patent/CN109103926A/zh
Priority to US16/539,434 priority patent/US11081888B2/en
Application granted granted Critical
Publication of CN109103926B publication Critical patent/CN109103926B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • 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
    • H02J3/381—Dispersed generators
    • 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
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于多辐照特性年气象场景的光伏发电接纳能力计算方法，属于新能源接纳能力评估领域。包括：建立各光伏电站基础信息集并输入相应信息；建立各光伏电站历史气象信息库，计算各光伏电站历史太阳辐照特性指标；选择典型场景年并生成各光伏电站全年气象场景库；计算各典型场景年各光伏电站出力时间序列；基于日运行模拟以全年运行费用最小为优化目标进行电力系统时序运行模拟，得到各光伏电站年实际出力时间序列；根据该年实际出力时间序列计算各光伏电站在不同典型场景年的接纳能力。本发明使得光伏电站出力序列更接近于实际运行并能考虑不同气象因素的影响，得到详细和准确的光伏电站实际出力数据，实现对光伏发电接纳的准确评估。

Description

基于多辐照特性年气象场景的光伏发电接纳能力计算方法
技术领域
本发明属于新能源接纳能力评估领域，尤其涉及一种基于多辐照特性年气象场景的光伏发电接纳能力计算方法。
背景技术
太阳能是一种清洁的可再生能源，其开发利用一直是世界各国普遍关注的问题。随着化石燃料枯竭和环境污染问题的日益严重，以光伏发电为代表的新能源发电技术成为世界各国缓解能源压力和促进可持续发展的重要手段。近年来，光伏发电规模快速扩大，技术进步和产业升级加快，成本显著降低，已成为全球能源转型的重要领域。我国光伏装机规模不断扩大，截至2017年12月，累计装机超过130GW，居世界首位。
不同于常规电源，光伏发电具有随机性、波动性、不确定性，这些特性给电力系统的规划运行带来了严峻挑战。大规模的光伏接入会引起电力系统的调频问题和调峰问题，出现弃光限电的现象，造成了资源和投资的浪费。因此，有必要研究如何准确评估电力系统对于光伏发电的接纳能力。
中国专利，专利号：CN 103138256 B，公开了一种新能源电力消纳全景分析系统及方法。该方法将风电等新能源发电模型嵌入电力系统检修计划、随机生产模拟及开机组合计算、调峰分析和调频分析，以及新能源消纳规模计算，构建了对新能源电力系统的综合评价系统及方法。且根据新能源发电出力特性数据、发电机组检修计划结果模拟得到新能源电场时序出力曲线，将新能源电场时序出力曲线从持续负荷曲线中分离，得到净负荷曲线，根据等效电量函数法进行系统各机组的运行模拟。该方法中新能源类型仅考虑了风电、水电，未涉及光伏发电。
中国专利，专利号：CN105634005 A，公开了一种用于评估光伏接纳能力的方法及系统。该发明包括评估模型建立模块、模型求解模块和结果统计与分析模块，基于时序负荷建模，在考虑电力系统对光伏能源接入的限制因素的基础上，寻找使电力系统总运行成本最低时的电力系统最优的光伏接入量。该方法按照充分利用光伏能源的原则，利用蒙特卡洛模拟方法生成光伏机组时序出力序列，考虑机组检修及停运因素得到修正后的等效时序负荷曲线，在此基础上安排火电机组的出力特性，实现对光伏接纳的评价。该方法未能充分考虑影响光伏出力的气象特性，将模拟生成的光伏出力序列作为负荷曲线的修正因素，侧重于电力系统中其他类型机组的出力特性的优化过程。
中国专利，专利号：CN102522917B，公开了一种光伏电站发电输出功率预测方法，根据数值天气预报获得光伏电站所在地在预测时间段的气象要素，修正后计算光伏电池的输出特性曲线，计算该输出特性曲线上的最大输出功率即为该光伏电池的输出功率，根据光伏电站电池串并联数量计算得到光伏电站发电输出功率。该方法在光伏电站发电输出功率预测中考虑了水平面总辐照强度和环境温度这两个气象要素，但该方法对于光伏电站输出功率的预测依赖于数值天气预报数据，侧重于短期预测，未考虑长时间尺度光伏电站的出力序列特性，且未涉及电力系统运行模拟问题。
光伏电站出力受气象因素影响较大，从电力系统运行角度，除了现有的从典型日出发模拟系统运行得到光伏实际出力，还需要从全年的持续运行角度，判断光伏电站的实际出力以及实际发电量数据，从而准确判断光伏发电的接纳能力，为光伏电站的建设规划提供依据，避免过度投资建设导致资源的浪费。
综上所述，需要一套更为科学与全面的光伏发电接纳能力计算方法，充分考虑光伏电站所在区域的历史气象特性，得到准确并且全面的光伏发电出力序列，通过以全年运行费用最小为优化目标并且考虑系统运行约束的电力系统时序运行模拟得到光伏发电的实际出力序列，实现对光伏发电接纳能力全面准确的评估。
发明内容
本发明的目的是针对现有光伏发电接纳能力计算方法的不足，提出一种基于多辐照特性年气象场景的光伏发电接纳能力计算方法。该方法首先获取光伏电站的基础信息，通过基础信息中的地理信息获取气象监测站提供的历史气象信息，根据历史气象信息计算太阳辐照特性，基于太阳辐照特性生成各光伏电站全年气象场景库，结合光伏电站基础信息计算光伏电站的全年出力序列，以全年运行费用最小为优化目标并且考虑系统运行约束进行电力系统时序运行模拟，通过时序运行模拟结果计算光伏发电接纳能力。
为实现上述目的，本发明采取的技术方案是一种基于全太阳能资源类型气象场景的光伏发电接纳能力计算方法。该方法包括以下步骤：
1)建立各光伏电站基础信息集并输入各光伏电站基础信息集内相应信息，各光伏电站基础信息集均包括相应光伏电站的地理信息、安装运行方式、安装面积和组件参数；
2)建立各光伏电站的历史气象信息库，计算各光伏电站历史太阳辐照特性指标；各光伏电站历史太阳辐照特性指标均包括相应光伏电站年太阳总辐射量、太阳日均辐射量、太阳日辐射量最大值、太阳日辐射量最小值和太阳日辐射量不均衡值；
3)根据步骤2)计算的各光伏电站历史太阳辐照特性指标，选择典型场景年并生成各光伏电站全年气象场景库；
4)根据生成的全年气象场景库计算各典型场景年各光伏电站的出力时间序列；
5)基于日运行模拟以全年运行费用最小为优化目标进行电力系统时序运行模拟，得到各光伏电站的年实际出力时间序列；
6)根据时序运行模拟得到的各光伏电站的年实际出力时间序列计算各光伏电站在不同典型场景年的接纳能力。
进一步地，步骤1)中，所述各光伏电站基础信息集的表达式如下：
PVSIi＝{GIi,IMi,IAi,CPi}
式中：
PVSIi表示第i个光伏电站的基础信息集，i＝1,2,...,N，N为正整数；
GIi表示第i个光伏电站的地理信息数据；GIi＝[Latitudei,Longitudei,Altitudei]，Latitudei表示纬度数据，Longitudei表示经度数据，Altitudei表示海拔高度数据；
IMi表示第i个光伏电站的安装运行方式；IMi∈{A,B,C,D,E,F}，A表示最佳倾角固定式，B表示平单轴跟踪式，C表示斜单轴跟踪式，D表示双轴跟踪式，E表示固定可调式，F表示其他安装方式；
IAi表示第i个光伏电站的安装面积；
Figure BDA0001763908240000031
iaj表示第i个光伏电站内第j块光伏面板的面积，单位为m2；
CPi表示第i个光伏电站的组件参数；
Figure BDA0001763908240000032
RTi表示第i个光伏电站内光伏组件的额定工作温度，单位℃；
Figure BDA0001763908240000033
表示第i个光伏电站的倾斜面等效辐照系数，由第i个光伏电站的安装运行方式决定；
Figure BDA0001763908240000034
表示第i个光伏电站的转换效率，由太阳能光伏组件的技术参数决定，包括组件转换效率、逆变器效率和线损修正。
进一步地，步骤2)所述的建立各光伏电站的历史气象信息库，计算各光伏电站历史太阳辐照特性指标，具体包括以下步骤：
2-1)根据各光伏电站的地理信息确定其对应的气象监测站
根据各光伏电站的纬度、经度和海拔高度数据以及各气象监测站的纬度、经度和海拔高度数据，选择距离光伏电站最近的气象监测站作为其对应气象监测站；
2-2)输入各对应气象监测站的历史气象信息作为相应光伏电站的历史气象信息库，表达式如下：
WDi＝{WIyear|year＝year1,year2,…,yearn}
式中：
WDi表示第i个光伏电站的历史气象信息库；
WIyear表示与第i个光伏电站对应的气象监测站某一年的气象数据集；
year表示历史气象数据对应的年份；
2-3)计算各光伏电站历史气象数据的太阳辐射特征指标，具体包括：
2-3-1)计算各光伏电站年太阳总辐射量，表达式如下：
Figure BDA0001763908240000035
式中：
SQTi(year)表示第i个光伏电站在year年的太阳总辐射量，单位为MJ/m2；
Figure BDA0001763908240000041
表示第i个光伏电站在year年第d天的太阳总辐射量，单位为MJ/(m2·d)；
D表示year年的总天数，平年取值365，闰年取值366；
2-3-2)计算各光伏电站太阳日均辐射量，表达式如下：
Figure BDA0001763908240000042
式中：
表示第i个光伏电站在year年的太阳日均辐射量；
2-3-3)计算各光伏电站太阳日辐射量最大值，表达式如下：
Figure BDA0001763908240000044
式中：
RMAXi(year)表示第i个光伏电站在year年的太阳日辐射量最大值；
max()为求最大值的标准函数；
2-3-4)计算各光伏电站太阳日辐射量最小值，表达式如下：
Figure BDA0001763908240000045
式中：
RMINi(year)表示第i个光伏电站在year年的太阳日辐射量最小值；
min()为求最小值的标准函数；
2-3-5)计算各光伏电站太阳日辐射量不均衡值，表达式如下：
Figure BDA0001763908240000046
式中：
RDi(year)表示第i个光伏电站在year年的太阳日辐射量不均衡值。
进一步地，步骤3)所述的根据步骤2)计算的各光伏电站历史太阳辐照特性指标，选择典型场景年并生成各光伏电站的全年气象场景库，具体包括：
3-1)根据光伏电站太阳辐射特征指标选择典型场景年，分别如下：
3-1-1)选择所有光伏电站中太阳日均辐射量最大值和最小值所对应的年份；
3-1-2)选择所有光伏电站中太阳日辐射量最大值和最小值所对应的年份；
3-1-3)选择所有光伏电站中太阳日辐射量不均衡值最大值和最小值所对应的年份；
3-2)根据上述典型场景年选择光伏电站气象信息逐小时时间序列作为各光伏电站典型辐照特性的全年气象场景库，具体包括：
3-2-1)选择太阳辐照数据逐小时时间序列
选择上述6个年份的太阳总辐照数据时间序列
Figure BDA0001763908240000047
其中，t＝1,2,…,T，平年时T取值8760，闰年时T取值8784；
3-2-2)选择环境温度逐小时时间序列
选择上述6个年份的环境温度数据时间序列
Figure BDA0001763908240000051
其中，t＝1,2,…,T，平年时T取值8760，闰年时T取值8784。
进一步地，步骤4)所述的根据生成的全年气象场景库计算各典型场景年各光伏电站的出力时间序列，具体包括：
4-1)计算各光伏电站的出力修正系数，表达式如下：
Figure BDA0001763908240000052
式中：
Figure BDA0001763908240000053
表示第i个光伏电站在year年的出力修正系数序列；
Figure BDA0001763908240000054
表示峰值功率温度系数，根据光伏组件的性能参数调整；
4-2)计算光伏电站全年出力时间序列，表达式如下：
式中：
表示第i个光伏电站在year年的出力时间序列；
η(IMi)表示倾斜面等效辐照系数，由第i个光伏电站的安装运行方式决定；
η(CPi)表示光伏电站转换效率，由太阳能光伏组件的技术参数决定，包括组件转换效率、逆变器效率和线损修正。
进一步地，步骤6)所述的根据时序运行模拟结果计算各光伏电站在不同典型场景年的接纳能力，具体包括：
6-1)根据时序运行模拟结果中各光伏电站的年实际出力时间序列，计算光伏电站的实际并网电量，表达式如下：
Figure BDA0001763908240000057
式中：
表示第i个光伏电站在year年的实际发电量；
Figure BDA0001763908240000059
表示第i个光伏电站在year年的实际出力时间序列；
6-2)根据光伏电站出力序列计算光伏电站可用发电量，表达式如下：
Figure BDA00017639082400000510
式中，
Figure BDA00017639082400000511
表示第i个光伏电站在year年的可用发电量；
6-3)根据光伏电站实际发电量和可用发电量，计算光伏发电接纳指标，表达式如下：
Figure BDA0001763908240000061
式中，
Figure BDA0001763908240000062
表示第i个光伏电站在year年的发电接纳能力。
本发明的有益效果是：
通过光伏电站对应的气象监测站提供的历史气象信息计算太阳辐照特性，生成各光伏电站典型辐照特性全年气象场景库，结合光伏电站基础信息计算光伏电站各场景年的全年出力序列，通过以全年运行费用最小为优化目标的电力系统时序运行模拟得到各光伏电站的实际出力数据，计算得到光伏发电接纳能力。光伏出力序列更接近于运行实际，包含了丰富的气象信息，时序运行模拟结果更接近电力系统运行实际。该方法得到的光伏发电接纳能力能够为光伏发电的规划运行提供可靠依据。
附图说明
图1(a)、1(b)、1(c)分别是本发明以2010年场景为例，3个光伏电站全年出力时间序列。
图2是本发明实施例的电力系统时序运行模拟流程图。
具体实施方式
下面结合附图及实施例，对本发明提出的一种基于多辐照特性年气象场景的光伏发电接纳能力计算方法进一步详细说明如下。
本发明实施例的一种基于多辐照特性年气象场景的光伏发电接纳能力计算方法，以某区域电网为例，评估年共有3座光伏电站投入运行，即N＝3，i＝1,2,N。该方法包括以下步骤：
1)建立各光伏电站基础信息集PVSI1,PVSI2,PVSI3，并输入各光伏电站基础信息；各光伏电站基础信息集均包括相应光伏电站的地理信息GIi、安装运行方式IMi、安装面积IAi和组件参数CPi；其中：
1-1)输入各光伏电站的地理信息GIi＝[Latitudei,Longitudei,Altitudei]，Latitudei表示纬度数据，Longitudei表示经度数据，Altitudei表示海拔高度数据。本实施例输入的各光伏电站的地理信息如下：
GI1＝[N31.45°,E118.05°,26.0m]
GI2＝[N31.42°,E118.34°,80.0m]
GI3＝[N31.05°,E118.11°,26.8m]
1-2)输入各光伏电站的安装运行方式IMi∈{A,B,C,D,E,F}，A表示最佳倾角固定式，B表示平单轴跟踪式，C表示斜单轴跟踪式，D表示双轴跟踪式，E表示固定可调式，F表示其他安装方式；目前光伏电站的安装运行方式基本可以分为{A,B,C,D,E}五类，预留F类作为未来可能出现的新型安装运行方式。一般情况下，某一个光伏电站内光伏面板的安装运行方式相同，若某一光伏电站内存在多种光伏面板的安装运行方式，则将光伏电站进一步拆分，将所有同类型安装运行方式的光伏面板作为一个光伏电站处理，并修正i的值。例如某光伏电站i内存在两种光伏面板的安装运行方式，即IMi＝{A,B}，则此时将安装运行方式为A和B的光伏面板分别作为光伏电站j和j+1，并且j＝i，即IMi＝{IMj,IMj+1}，其他原有编号为(i+1,i+2,…N)的光伏电站将编号更新为(i+2,i+3,…,N+1)。
本实施例输入的各光伏电站的安装运行方式如下：
IM1＝A
IM2＝B
IM3＝C
1-3)输入各光伏电站的安装面积
Figure BDA0001763908240000071
iaj表示第i个光伏电站内第j块光伏面板的面积，单位为m2。本实施例输入的各光伏电站的安装面积如下：
IA1＝350000m2
IA2＝120000m2
IA3＝200000m2
1-4)输入各光伏电站的组件参数
Figure BDA0001763908240000072
RTi表示第i个光伏电站内光伏组件的额定工作温度，单位℃，由光伏组件厂家出；
Figure BDA0001763908240000073
表示第i个光伏电站的倾斜面等效辐照系数，由第i个光伏电站的安装运行方式决定，由光伏组件厂家根据安装运行方式给出；
Figure BDA0001763908240000074
表示第i个光伏电站的转换效率，由太阳能光伏组件的技术参数决定，包括组件转换效率、逆变器效率和线损修正，由厂家技术手册提供。本实施例输入的各光伏电站的组件参数如下：
CP1＝[44℃,85.5％,15.6％]
CP2＝[43℃,80.2％,15.3％]
CP1＝[45℃,79.2％,15.8％]
2)建立各光伏电站的历史气象信息库，计算各光伏电站历史太阳辐照特性指标，该太阳辐照特性指标包括相应光伏电站的年太阳总辐射量、太阳日均辐射量、太阳日辐射量最大值、太阳日辐射量最小值和太阳日辐射量不均衡值；具体包括：
2-1)根据各光伏电站的地理信息确定其对应气象监测站
根据各光伏电站的纬度、经度和海拔高度数据以及各气象监测站的纬度、经度和海拔高度数据，选择距离光伏电站最近的气象监测站作为其对应气象监测站。
2-2)输入各对应气象监测站的历史气象信息作为相应光伏电站的历史气象信息库，分别记为WD1，WD2，WD3，WDi＝{WIyear|year＝year1，year2，…，yearn}，WIyear表示与第i个光伏电站对应的气象监测站某一年的气象数据集，气象数据集按年份先后顺序排列，即WIyear1表示历史气象信息库中第year1年(也即第1年)的气象数据集，WIyearn表示历史气象信息库中(也即第n年)的气象数据集。例如：输入信息为气象监测站1981-2010年的气象数据集，则year1＝1981，yearn＝2010。本实施例历史气象数据对应的年份year＝[1981，2015]。
2-3)计算各光伏电站历史气象数据的太阳辐射特征指标，具体包括：
2-3-1)计算各光伏电站年太阳总辐射量SQT1(year)，SQT2(year)，SQT3(year)，其中，
Figure BDA0001763908240000081
式中：
SQTi(year)表示第i个光伏电站在year年的太阳总辐射量，单位为MJ/m2；
Figure BDA0001763908240000082
表示第i个光伏电站在year年第d天的太阳总辐射量，单位为MJ/(m2·d)；
D表示year年的总天数，平年取值365，闰年取值366；
2-3-2)计算各光伏电站太阳日均辐射量
Figure BDA0001763908240000083
其中，
2-3-3)计算各光伏电站太阳日辐射量最大值RMAX1(year)，RMAX2(year)，RMAX3(year)，
Figure BDA0001763908240000085
其中，RMAXi(year)表示第i个光伏电站在year年的太阳日辐射量最大值；max()为求最大值的标准函数；
2-3-4)计算各光伏电站太阳日辐射量最小值RMIN1(year)，RMIN2(year)，RMIN3(year)，
Figure BDA0001763908240000086
其中，RMINi(year)表示第i个光伏电站在year年的太阳日辐射量最小值；min()为求最小值的标准函数；2-3-5)计算各光伏电站太阳日辐射量不均衡值RD1(year)，RD2(year)，RD3(year)，其中，
Figure BDA0001763908240000087
3)根据步骤2)计算的各光伏电站历史太阳辐照特性指标，选择典型场景年并生成各光伏电站的全年气象场景库；所述典型场景年是指能够反映出光伏电站历史气象信息典型特点的年份，如历史最大值所在年份、历史最小值所在年份、历史不均衡值最大值所在年份等，通过典型场景年的选取，能够得到符合历史气象信息基本特性同时涵盖极端情况的气象数据。本步骤具体包括：
3-1)根据光伏电站太阳辐射特征指标选择典型场景年，分别如下：
3-1-1)选择所有光伏电站中太阳日均辐射量最大值和最小值所对应的年份，即：选择
Figure BDA0001763908240000091
对应的year值。
3-1-2)选择所有光伏电站中太阳日辐射量最大值和最小值所对应的年份，即：选择max(RMAXi(year))、min(RMINi(year))对应的year值。
3-1-3)选择所有光伏电站中太阳日辐射量不均衡值最大值和最小值所对应的年份，即：选择max(RDi(year))、min(RDi(year))对应的year值。
本实施例通过本步骤，选择出1985、1991、1993、2002、2008、2010共6个年份。
3-2)根据上述典型场景年选择光伏电站气象信息逐小时时间序列作为各光伏电站典型辐照特性的全年气象场景库，具体包括：
3-2-1)选择太阳辐照数据逐小时时间序列
选择上述6个年份的太阳总辐照数据时间序列即
Figure BDA0001763908240000093
表示第i个光伏电站在year年的太阳辐照强度时间序列；其中，t＝1，2，…，T，平年时T取值8760，闰年时T取值8784。
3-2-2)选择环境温度逐小时时间序列
选择上述6个年份的环境温度数据时间序列
Figure BDA0001763908240000094
其中，t＝1，2，…，T，平年时T取值8760，闰年时T取值8784。
4)根据生成的全年气象场景库计算各典型场景年各光伏电站的出力时间序列；具体包括：
4-1)计算各光伏电站的出力修正系数
Figure BDA0001763908240000095
其中，
Figure BDA0001763908240000096
式中：
Figure BDA0001763908240000097
表示第i个光伏电站在year年的出力修正系数序列；
表示峰值功率温度系数，根据光伏组件的性能参数调整，一般取值-0.30％/K；
RTi表示第i个光伏电站内光伏组件的额定工作温度，单位℃，由光伏组件厂家给出。
4-2)计算光伏电站全年出力时间序列
Figure BDA0001763908240000099
其中，
Figure BDA00017639082400000910
式中：
Figure BDA00017639082400000911
表示第i个光伏电站在year年的出力时间序列；
Figure BDA0001763908240000101
表示第i个光伏电站在year年的太阳辐照强度时间序列；
IAi表示第i个光伏电站的安装面积；
η(IMi)表示倾斜面等效辐照系数，由第i个光伏电站的安装运行方式决定，由光伏组件厂家根据安装运行方式给出；
Figure BDA0001763908240000102
表示第i个光伏电站在year年的出力修正系数序列；
η(CPi)表示光伏电站转换效率，由太阳能光伏组件的技术参数决定，包括组件转换效率、逆变器效率和线损修正等，由厂家技术手册提供。
现以2010年场景为例，得到3个光伏电站全年出力时间序列分别如图1(a)、图1(b)、图1(c)所示。
5)基于日运行模拟以全年运行费用最小为优化目标进行电力系统时序运行模拟，得到各光伏电站的年实际出力时间序列；具体包括：
5-1)输入电力系统的负荷、线路、发电机组信息数据，包括负荷曲线、线路电抗、线路电阻、线路电容、线路传输容量、机组类型、机组容量、强迫停运率、启停成本、固定运行费用等运行模拟基本输入参数；
5-2)根据步骤5-1)输入的数据确定电力系统的运行模拟流程；
运行模拟是电力系统领域的基础问题，已有较多研究以及通用的流程方法，本发明实施例选用基于时序负荷曲线的电力系统确定型运行模拟方法。该方法流程如附图2所示。
基于时序负荷曲线的电力系统确定型运行模拟方法以日运行模拟为基础。首先根据装机进度表和机组检修计划确定该日机组状态，包括确定该日可运行机组、安排固定出力或指定出力机组出力序列、安排抽水蓄能及常规水电机组出力序列、确定指定状态机组；其次根据光伏电站出力时间序列、固定出力或指定出力机组出力序列、抽水蓄能及常规水电机组出力序列得到修正后的负荷曲线；然后根据原始负荷曲线和正负备用率确定电力系统每个时段需要的正负备用容量；最后通过该日可运行机组、修正后负荷曲线、指定状态机组、电力系统每个时段需要的正负备用容量、分时段机组报价和启停费用、机组和网络安全约束、运行模式及其他参数，进行机组优化运行，得到电力系统日运行模拟结果，逐日模拟结果即为所需的电力系统时序运行模拟结果。
5-3)按照全年系统运行费用最小为优化目标进行时序运行模拟，得到各光伏电站的年实际出力时间序列；
本实施例的运行模拟的目标函数为模拟时段内运行费用最小，即全年电力系统运行成本最小。约束条件包括电力平衡约束、机组出力上下限约束、系统正负备用约束、线路潮流上下限约束、断面潮流上下限约束、启停机组最短停机、开机时间约束、机组爬坡约束、水电机组电量约束和抽蓄机组抽水发电平衡约束。
6)根据时序运行模拟得到的各光伏电站的实际出力序列计算各光伏电站在不同典型场景年的接纳能力，具体包括：
6-1)根据时序运行模拟结果中各光伏电站的年实际出力时间序列，计算各光伏电站的实际并网电量其中，
Figure BDA0001763908240000112
式中：
Figure BDA0001763908240000113
表示第i个光伏电站在year年的实际发电量；
Figure BDA0001763908240000114
表示第i个光伏电站在year年的实际出力时间序列。
6-2)根据光伏电站出力序列计算光伏电站可用发电量
Figure BDA0001763908240000115
其中，
Figure BDA0001763908240000116
式中，
Figure BDA0001763908240000117
表示第i个光伏电站在year年的可用发电量；
6-3)根据光伏电站实际发电量和可用发电量，计算光伏发电量接纳指标
Figure BDA0001763908240000118
其中，
Figure BDA00017639082400001110
表示第i个光伏电站在year年的发电接纳能力。
本实施例根据电力系统时序运行结果，可以得到十分丰富的光伏发电并网数据，从多个角度分析光伏发电的接纳情况，此处仅给出光伏电站可用发电量、实际发电量、发电量接纳指标，如表1、表2、表3所示。
表1光伏电站可用发电量
光伏电站序号 1 2 3
1985年场景 48654 13325 25979
1991年场景 50482 14260 27815
1993年场景 47329 12861 24983
2002年场景 47690 13294 26108
2008年场景 49517 14153 26619
2010年场景 48424 13697 26209
表2光伏电站实际发电量
Figure BDA00017639082400001111
Figure BDA0001763908240000121
表3光伏电站发电量接纳比例
光伏电站序号 1 2 3
1985年场景 93.5％ 95.2％ 96.1％
1991年场景 71.8％ 75.2％ 72.6％
1993年场景 83.2％ 85.1％ 82.9％
2002年场景 79.6％ 80.8％ 78.5％
2008年场景 88.1％ 90.7％ 90.2％
2010年场景 85.4％ 87.3％ 86.6％
综上，本发明充分考虑光伏电站的历史辐照特性模拟光伏电站出力，使得光伏电站出力序列更接近于实际运行并且能够考虑不同气象因素的影响，通过电力系统时序运行模拟得到详细和准确的光伏电站实际出力数据，进而实现对光伏发电接纳的准确评估，为光伏发电的规划和运行提供依据。
以上提供的本发明的说明书的描述是示范性的，而不是限制性的。按照上述教导，本发明的许多修改和变更都是可能的。因此，选择并描述实施方式是为了更好地解释本发明的原理及其应用，并使本领域普通技术人员明白，在不脱离本发明实质的前提下，所有修改和变更均落入由权利要求所限定的本发明的保护范围之内。

Claims (7)

1.一种基于多辐照特性年气象场景的光伏发电接纳能力计算方法，其特征在于，包括以下步骤：
1)建立各光伏电站基础信息集并输入各光伏电站基础信息集内相应信息，各光伏电站基础信息集均包括相应光伏电站的地理信息、安装运行方式、安装面积和组件参数；
2)建立各光伏电站的历史气象信息库，计算各光伏电站历史太阳辐照特性指标；各光伏电站历史太阳辐照特性指标均包括相应光伏电站年太阳总辐射量、太阳日均辐射量、太阳日辐射量最大值、太阳日辐射量最小值和太阳日辐射量不均衡值；
3)根据步骤2)计算的各光伏电站历史太阳辐照特性指标，选择典型场景年并生成各光伏电站全年气象场景库；
4)根据生成的全年气象场景库计算各典型场景年各光伏电站的出力时间序列；
5)基于日运行模拟以全年运行费用最小为优化目标进行电力系统时序运行模拟，得到各光伏电站的年实际出力时间序列；
6)根据时序运行模拟得到的各光伏电站的年实际出力时间序列计算各光伏电站在不同典型场景年的接纳能力。
2.如权利要求1所述的基于多辐照特性年气象场景的光伏发电接纳能力计算方法，其特征在于，步骤1)中，所述各光伏电站基础信息集的表达式如下：
PVSIi＝{GIi,IMi,IAi,CPi}
式中：
PVSIi表示第i个光伏电站的基础信息集，i＝1,2,...,N，N为正整数；
GIi表示第i个光伏电站的地理信息数据；GIi＝[Latitudei,Longitudei,Altitudei]，Latitudei表示纬度数据，Longitudei表示经度数据，Altitudei表示海拔高度数据；
IMi表示第i个光伏电站的安装运行方式；IMi∈{A,B,C,D,E,F}，A表示最佳倾角固定式，B表示平单轴跟踪式，C表示斜单轴跟踪式，D表示双轴跟踪式，E表示固定可调式，F表示其他安装方式；
IAi表示第i个光伏电站的安装面积；
Figure FDA0002172675640000011
iaj表示第i个光伏电站内第j块光伏面板的面积，单位为m2；
CPi表示第i个光伏电站的组件参数；
Figure FDA0002172675640000012
RTi表示第i个光伏电站内光伏组件的额定工作温度，单位℃；表示第i个光伏电站的倾斜面等效辐照系数，由第i个光伏电站的安装运行方式决定；表示第i个光伏电站的转换效率，由太阳能光伏组件的技术参数决定，包括组件转换效率、逆变器效率和线损修正。
3.如权利要求2所述的基于多辐照特性年气象场景的光伏发电接纳能力计算方法，其特征在于，步骤2)所述的建立各光伏电站的历史气象信息库，计算各光伏电站历史太阳辐照特性指标，具体包括以下步骤：
2-1)根据各光伏电站的地理信息确定其对应的气象监测站
根据各光伏电站的纬度、经度和海拔高度数据以及各气象监测站的纬度、经度和海拔高度数据，选择距离光伏电站最近的气象监测站作为其对应气象监测站；
2-2)输入各对应气象监测站的历史气象信息作为相应光伏电站的历史气象信息库，表达式如下：
WDi＝{WIyear|year＝year1,year2,…,yearn}
式中：
WDi表示第i个光伏电站的历史气象信息库；
WIyear表示与第i个光伏电站对应的气象监测站某一年的气象数据集；
year表示历史气象数据对应的年份；
2-3)计算各光伏电站历史气象数据的太阳辐射特征指标，具体包括：
2-3-1)计算各光伏电站年太阳总辐射量，表达式如下：
Figure FDA0002172675640000021
式中：
SQTi(year)表示第i个光伏电站在year年的太阳总辐射量，单位为MJ/m2；
Figure FDA0002172675640000022
表示第i个光伏电站在year年第d天的太阳总辐射量，单位为MJ/(m2·d)；
D表示year年的总天数，平年取值365，闰年取值366；
2-3-2)计算各光伏电站太阳日均辐射量，表达式如下：
Figure FDA0002172675640000023
式中：
Figure FDA0002172675640000024
表示第i个光伏电站在year年的太阳日均辐射量；
2-3-3)计算各光伏电站太阳日辐射量最大值，表达式如下：
Figure FDA0002172675640000025
式中：
RMAXi(year)表示第i个光伏电站在year年的太阳日辐射量最大值；
max()为求最大值的标准函数；
2-3-4)计算各光伏电站太阳日辐射量最小值，表达式如下：
Figure FDA0002172675640000026
式中：
RMINi(year)表示第i个光伏电站在year年的太阳日辐射量最小值；
min()为求最小值的标准函数；
2-3-5)计算各光伏电站太阳日辐射量不均衡值，表达式如下：
Figure FDA0002172675640000031
式中：
RDi(year)表示第i个光伏电站在year年的太阳日辐射量不均衡值。
4.如权利要求3所述的基于多辐照特性年气象场景的光伏发电接纳能力计算方法，其特征在于，步骤3)所述的根据步骤2)计算的各光伏电站历史太阳辐照特性指标，选择典型场景年并生成各光伏电站的全年气象场景库，具体包括：
3-1)根据光伏电站太阳辐射特征指标选择典型场景年，分别如下：
3-1-1)选择所有光伏电站中太阳日均辐射量最大值和最小值所对应的年份；
3-1-2)选择所有光伏电站中太阳日辐射量最大值和最小值所对应的年份；
3-1-3)选择所有光伏电站中太阳日辐射量不均衡值最大值和最小值所对应的年份；
3-2)根据上述典型场景年选择光伏电站气象信息逐小时时间序列作为各光伏电站典型辐照特性的全年气象场景库，具体包括：
3-2-1)选择太阳辐照数据逐小时时间序列
选择上述6个年份的太阳总辐照数据时间序列
Figure FDA0002172675640000032
其中，t＝1,2,…,T，平年时T取值8760，闰年时T取值8784；
3-2-2)选择环境温度逐小时时间序列
选择上述6个年份的环境温度数据时间序列ETi year(t)，其中，t＝1,2,…,T，平年时T取值8760，闰年时T取值8784。
5.如权利要求4所述的基于多辐照特性年气象场景的光伏发电接纳能力计算方法，其特征在于，步骤4)所述的根据生成的全年气象场景库计算各典型场景年各光伏电站的出力时间序列，具体包括：
4-1)计算各光伏电站的出力修正系数，表达式如下：
Figure FDA0002172675640000033
式中：
Figure FDA0002172675640000034
表示第i个光伏电站在year年的出力修正系数序列；
表示峰值功率温度系数，根据光伏组件的性能参数调整；
4-2)计算光伏电站全年出力时间序列，表达式如下：
Figure FDA0002172675640000036
式中：
PVi year(t)表示第i个光伏电站在year年的出力时间序列；
η(IMi)表示倾斜面等效辐照系数，由第i个光伏电站的安装运行方式决定；
η(CPi)表示光伏电站转换效率，由太阳能光伏组件的技术参数决定，包括组件转换效率、逆变器效率和线损修正。
6.如权利要求1所述的基于多辐照特性年气象场景的光伏发电接纳能力计算方法，其特征在于，步骤5)所述的基于日运行模拟以全年运行费用最小为优化目标进行电力系统时序运行模拟，得到各光伏电站的年实际出力时间序列，具体包括：
5-1)输入电力系统的负荷、线路、发电机组信息数据；
5-2)根据步骤5-1)输入的数据确定电力系统的运行模拟流程；
5-3)按照全年系统运行费用最小为优化目标进行时序运行模拟，得到各光伏电站的年实际出力时间序列。
7.如权利要求6所述的基于多辐照特性年气象场景的光伏发电接纳能力计算方法，其特征在于，步骤6)所述的根据时序运行模拟结果计算各光伏电站在不同典型场景年的接纳能力，具体包括：
6-1)根据时序运行模拟结果中各光伏电站的年实际出力时间序列，计算光伏电站的实际发电量，表达式如下：
Figure FDA0002172675640000041
式中：
Figure FDA0002172675640000042
表示第i个光伏电站在year年的实际发电量，其中，t＝1,2,…,T，平年时T取值8760，闰年时T取值8784；
Figure FDA0002172675640000043
表示第i个光伏电站在year年的实际出力时间序列；
6-2)根据光伏电站出力序列计算光伏电站可用发电量，表达式如下：
式中，
Figure FDA0002172675640000045
表示第i个光伏电站在year年的可用发电量；
6-3)根据光伏电站实际发电量和可用发电量，计算光伏发电接纳指标，表达式如下：
Figure FDA0002172675640000046
式中，
Figure FDA0002172675640000047
表示第i个光伏电站在year年的发电接纳能力。
CN201810919782.7A 2018-08-14 2018-08-14 基于多辐照特性年气象场景的光伏发电接纳能力计算方法 Active CN109103926B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201810919782.7A CN109103926B (zh) 2018-08-14 2018-08-14 基于多辐照特性年气象场景的光伏发电接纳能力计算方法
US16/539,434 US11081888B2 (en) 2018-08-14 2019-08-13 Method, apparatus, and medium for calculating capacities of photovoltaic power stations

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810919782.7A CN109103926B (zh) 2018-08-14 2018-08-14 基于多辐照特性年气象场景的光伏发电接纳能力计算方法

Publications (2)

Publication Number Publication Date
CN109103926A CN109103926A (zh) 2018-12-28
CN109103926B true CN109103926B (zh) 2020-01-03

Family

ID=64849463

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810919782.7A Active CN109103926B (zh) 2018-08-14 2018-08-14 基于多辐照特性年气象场景的光伏发电接纳能力计算方法

Country Status (2)

Country Link
US (1) US11081888B2 (zh)
CN (1) CN109103926B (zh)

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111489047A (zh) * 2019-09-29 2020-08-04 青海黄河智慧能源有限责任公司 一种基于纯清洁能源的大型矿山离网型供能系统设计方法
CN111293681B (zh) * 2020-01-22 2023-04-25 重庆大学 一种基于RankBoost的光伏场站出力波动性量化评价方法
CN111611548B (zh) * 2020-05-25 2024-02-27 阳光新能源开发股份有限公司 一种光伏电站典型年等效利用时间的测算方法
CN111626512B (zh) * 2020-05-28 2023-11-14 国家电网公司西南分部 一种考虑电网断面约束的梯级水电日前调度方法
CN111738526B (zh) * 2020-07-01 2022-08-23 中广核新能源投资（深圳）有限公司 一种以系统收益最优为目标的光伏系统优化设计方法
CN112165084B (zh) * 2020-07-24 2022-02-15 国网内蒙古东部电力有限公司通辽供电公司 计及光伏-负荷双侧预测不确定性的多时间尺度优化方法
CN111969595B (zh) * 2020-07-28 2023-04-18 电子科技大学 一种在离网/并网下水光蓄混合能源系统的运行优化方法
CN112149058B (zh) * 2020-08-18 2023-02-28 中国大唐集团科学技术研究院有限公司火力发电技术研究院 一种基于用电负荷的风光配比计算方法
CN112200464B (zh) * 2020-10-14 2023-04-28 国网山东省电力公司聊城供电公司 计及空间相关性的光伏电站出力数据的修正方法及系统
CN112696835B (zh) * 2020-12-16 2022-07-19 苏州西热节能环保技术有限公司 一种聚光式太阳能发电站的性能考核试验方法
CN113270861B (zh) * 2021-04-14 2022-10-11 国网甘肃省电力公司经济技术研究院 一种可再生能源接入电网的极限容量计算方法
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
CN113991711B (zh) * 2021-11-16 2023-06-16 国网甘肃省电力公司电力科学研究院 一种光伏电站储能系统容量配置方法
CN114070201B (zh) * 2021-12-06 2024-03-15 国网河北省电力有限公司经济技术研究院 一种分布式光伏监测控制系统
CN114580969B (zh) * 2022-04-06 2023-01-31 东南大学溧阳研究院 一种规划年电网运行体检分析方法及其系统
CN115291538B (zh) * 2022-08-23 2023-07-21 上海玫克生储能科技有限公司 一种光伏储能电站数字仿真方法及系统
CN115797101A (zh) * 2022-11-09 2023-03-14 江苏省水利科学研究院 湿润地区山丘区现状工程条件下历史可供水量折算方法
CN115860986B (zh) * 2023-02-09 2023-05-16 浙江正泰智维能源服务有限公司 一种光伏电站限电损失电量计算方法、装置、设备及介质
CN116091263B (zh) * 2023-03-03 2023-06-06 北京东润环能科技股份有限公司 光伏电站的理论功率计算方法及相关设备
CN117454577A (zh) * 2023-09-08 2024-01-26 北京市煤气热力工程设计院有限公司 光伏系统年发电量的预测方法、装置、设备和存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102013701A (zh) * 2010-12-06 2011-04-13 青海电力科学试验研究院 一种高海拔地区电网光伏发电接纳能力计算方法
CN105634005A (zh) * 2015-12-29 2016-06-01 国网山西省电力公司大同供电公司 一种用于评估光伏接纳能力的方法及系统
CN106156455A (zh) * 2015-03-26 2016-11-23 中国能源建设集团新疆电力设计院有限公司 一种基于全时段模拟积分的光伏发电系统发电量计算方法

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5902441A (en) * 1996-09-04 1999-05-11 Z Corporation Method of three dimensional printing
US7580817B2 (en) * 2003-08-20 2009-08-25 New Energy Options, Inc. Method and system for predicting solar energy production
US9322951B2 (en) * 2007-02-12 2016-04-26 Locus Energy, Inc. Weather and satellite model for estimating solar irradiance
EP2297622B1 (en) * 2008-06-26 2017-01-25 General Electric Technology GmbH A method of estimating the maximum power generation capacity and for controlling a specified power reserve of a single cycle or combined cycle gas turbine power plant, and a power generating system for use with said method
US20100198420A1 (en) * 2009-02-03 2010-08-05 Optisolar, Inc. Dynamic management of power production in a power system subject to weather-related factors
US9660576B2 (en) * 2010-05-04 2017-05-23 Solmetric Corporation Predicting production of photovoltaic systems
US9348394B2 (en) * 2010-09-14 2016-05-24 Microsoft Technology Licensing, Llc Managing computational workloads of computing apparatuses powered by renewable resources
US9645180B1 (en) * 2011-07-25 2017-05-09 Clean Power Research, L.L.C. System and method for estimating photovoltaic energy generation for use in photovoltaic fleet operation with the aid of a digital computer
JP5439450B2 (ja) * 2011-09-13 2014-03-12 株式会社東芝 発電予測装置およびその方法
US20150186904A1 (en) * 2013-12-27 2015-07-02 International Business Machines Corporation System And Method For Managing And Forecasting Power From Renewable Energy Sources
TWI642019B (zh) * 2015-11-17 2018-11-21 財團法人資訊工業策進會 發電系統效能估測方法
US10819116B2 (en) * 2017-02-28 2020-10-27 International Business Machines Corporation Forecasting solar power generation using real-time power data
US11204591B2 (en) * 2017-11-17 2021-12-21 International Business Machines Corporation Modeling and calculating normalized aggregate power of renewable energy source stations

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102013701A (zh) * 2010-12-06 2011-04-13 青海电力科学试验研究院 一种高海拔地区电网光伏发电接纳能力计算方法
CN106156455A (zh) * 2015-03-26 2016-11-23 中国能源建设集团新疆电力设计院有限公司 一种基于全时段模拟积分的光伏发电系统发电量计算方法
CN105634005A (zh) * 2015-12-29 2016-06-01 国网山西省电力公司大同供电公司 一种用于评估光伏接纳能力的方法及系统

Also Published As

Publication number Publication date
US11081888B2 (en) 2021-08-03
US20200059101A1 (en) 2020-02-20
CN109103926A (zh) 2018-12-28

Similar Documents

Publication Publication Date Title
CN109103926B (zh) 基于多辐照特性年气象场景的光伏发电接纳能力计算方法
Dinçer Overview of the photovoltaic technology status and perspective in Turkey
CN108879793B (zh) 一种风光蓄能水电站互补的离网式混合能源系统优化方法
Zhao et al. Stochastic optimal dispatch of integrating concentrating solar power plants with wind farms
CN107256450B (zh) 考虑长-短嵌套决策的水光电互补调度容量配置方法
CN111262242B (zh) 基于多场景技术的冷热电虚拟电厂运行方法
Kong et al. Optimization of the hybrid solar power plants comprising photovoltaic and concentrating solar power using the butterfly algorithm
CN114330827B (zh) 多能流虚拟电厂分布式鲁棒自调度优化方法及其应用
Athukorala et al. A techno-economic analysis for an integrated solar PV/T system with thermal and electrical storage—Case study
CN105656026A (zh) 可再生能源的设备建设资源配置方法和系统
Song et al. A fuzzy‐based multi‐objective robust optimization model for a regional hybrid energy system considering uncertainty
Patarau et al. Analysis and optimization of a geothermal, biomass, solar hybrid system: An application of PV* Sol software
Dhakal et al. Towards a net zero building using photovoltaic panels: a case study in an educational building
CN110729767A (zh) 一种含水电的地区电网风光容量优化配置方法
CN104156556B (zh) 槽式太阳能光热电站设计与优化系统与方法
Al-Sharafi et al. Overall performance index for hybrid power plants
Sahoo et al. Energy forecasting for grid connected MW range solar PV system
Jo et al. Feasibility of concentrated photovoltaic systems (CPV) in various united states geographic locations
CN113178896B (zh) 一种固定出力光储联合电站装机容量配置方法及系统
CN110165699B (zh) 基于个体优化及系统多能互补的光热电站优化配置方法
Riaño et al. Sizing of Hybrid Photovoltaic-Wind Energy Systems Based on Local Data Acquisition
Miettinen et al. Impact of longer stochastic forecast horizon on the operational cost of a power system
CN107292768B (zh) 一种光伏发电系统日发电量模糊概率计算方法及装置
Athukorala et al. A techno-economic analysis for an integrated solar PV/T system for building applications
Hridaya et al. An Optimization Technique Used For Analysis Of A Hybrid System Economics

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