CN109546676A - 一种多天气条件下风电预测可信度计算方法 - Google Patents

一种多天气条件下风电预测可信度计算方法 Download PDF

Info

Publication number
CN109546676A
CN109546676A CN201811295369.4A CN201811295369A CN109546676A CN 109546676 A CN109546676 A CN 109546676A CN 201811295369 A CN201811295369 A CN 201811295369A CN 109546676 A CN109546676 A CN 109546676A
Authority
CN
China
Prior art keywords
wind
wind power
power
confidence level
conditions
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
CN201811295369.4A
Other languages
English (en)
Inventor
葛维春
左浩
朱钰
李家珏
张铁岩
王顺江
高凯
葛延峰
李铁
崔岱
周桂平
周小明
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.)
State Grid Corp of China SGCC
Shenyang University of Technology
State Grid Liaoning Electric Power Co Ltd
Electric Power Research Institute of State Grid Liaoning Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Shenyang University of Technology
State Grid Liaoning Electric Power Co Ltd
Electric Power Research Institute of State Grid Liaoning 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 State Grid Corp of China SGCC, Shenyang University of Technology, State Grid Liaoning Electric Power Co Ltd, Electric Power Research Institute of State Grid Liaoning Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201811295369.4A priority Critical patent/CN109546676A/zh
Publication of CN109546676A publication Critical patent/CN109546676A/zh
Pending legal-status Critical Current

Links

Classifications

    • H02J3/386—
    • 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
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • 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
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于电网技术领域，尤其涉及一种多天气条件下风电预测可信度计算方法，在大量风电不断并网的条件下，对风电预测可信度计算，减少备用机组容量变得尤为重要。包括数据采集；计算不同天气条件下风功率预测误差与天气条件间的函数关系，通过多年数据分析及不同天气条件下风功率预测与实际发出功率对比分析；负荷尖峰时刻，为某一区间，与风功率预测可信度间的关系，当负荷到达尖峰时刻时，风电实际发出功率与预测功率间的误差；据当前弃风量，及风功率预测，据风功率可信度进行机组组合，减少备用机组投入。避免对风电功率的直接预测，直接对尖峰时刻的风电预测误差计算，提高风电预测可信度，合理进行机组组合，减少备用发电机组投入。

Description

一种多天气条件下风电预测可信度计算方法
技术领域
本发明属于电网技术领域，尤其涉及一种多天气条件下风电预测可信度计算方法，在大量风电不断并网的条件下，对风电预测可信度计算，减少备用机组容量变得尤为重要。
背景技术
在当前大量风电并网的电力系统中，由于风电出力的不确定性，在风电出力进行预测的过程中会产生一定的误差，甚至在对天气数据采集的过程中，由于数据的误差较大，甚至对风电预测产生错误。在对发电计划作出安排的同时，由于对风电预测的不准确性，需要对风电进行相应的余量计算。由于在不同天气条件下在对风电功率预测的同时，其风电预测误差是不一样的，所以我们在考虑风电出力情况的对发电机的容量选定也选定尽可能的大，保证其供电的可靠性。这就使得由于选用大量的机组作为备用机组，造成了大量的能源浪费。
目前，世界范围内的风电功率预测大多集中在对单一风电场的功率预测上。但单个风电场的功率预测并不能很好满足电网调度的需求。一方面，电力系统作为一个整体，其不确定性的功率总量更受调度人员关注，而单个风电场的出力变化对调度而言作用并不突出；另一方面，为了对电网进行合理的实时调度以及对联络交换功率的有效控制，避免风电穿透功率提高而造成的脱网事件，需要对集群风电功率做出有效预测。为了能够对风电集群功率作出精确预测，需要从区域整体的角度预测其出力的总体发展变化规律，但是由于其对风电场历史数据、功率汇集点历史数据的集成度和时间长度要求较高，建模难度较大，因此对集群风电功率预测的精度不高。
发明内容
本发明针对当前现有技术存在的不足，提出一种多天气条件下风电预测可信度计算方法，其目的是为了提出一个与传统风电预测精度或预测准确度意义不同的风电出力预测结果的评估指标，即电网负荷峰值时刻、区间对应的风电出力预测的可信度指标，考虑的是风电预测结果的最大误差与电网负荷出现峰值时刻的特性。
本发明解决其技术问题所采用的技术方案是：
一种多天气条件下风电预测可信度计算方法，包括以下步骤：
步骤1：数据采集，对当前电网内的天气情况数据进行采集；
步骤2：计算不同天气条件下风功率预测误差与天气条件之间的函数关系，通过多年的数据分析，以及在不同天气条件下的风功率预测与实际发出功率进行对比分析；
步骤3：负荷尖峰时刻，为某一区间，与风功率预测可信度之间的关系，当负荷到达尖峰时刻时，风电实际发出功率与预测功率之间的误差；
步骤4：根据当前弃风量，以及风功率预测，根据风功率可信度进行机组组合，可以减少多少备用机组的投入。
所述步骤1包括：当前光照强度g、空气湿度h、环境温度t以及风速v，电网内传统热电机组发电功率Pr，风电场预测发电功率Pf，当前弃风功率Pqf。
所述步骤2包括：步骤2.1得到在晴天条件下风功率预测的可信度经验计算公式为：
上述公式(1)中，eh表示e的h次幂,e表示无理数，lne＝1；
步骤2.2得到在阴天条件下风功率预测的可信度经验计算公式为：
上述公式(2)中，h表示空气湿度；
步骤2.3得到在雨天条件下风功率预测的可信度经验计算公式为：
上述公式(3)中，eh表示e的h次幂,e表示无理数，lne＝1；
步骤2.4根据当前天气情况得到最终风功率预测可信度计算公式：
所述步骤3包括：
步骤3.1：计算尖峰时段出现的时刻T1，以及维持的时间ΔT；通过几年的数据分析以及函数近似，得到一天中出现尖峰时刻T1的函数表达式以及维持时间ΔT表达式为，并根据计算结果判断当前的风功率预测可信度；
上述公式(5)和(6)中，e表示无理数，lne＝1；
上述公式(7)中，ΔT表示尖峰时段维持的时间,C表示风功率预测可信度。
所述步骤4包括：
步骤4.1：根据当前风功率预测值以及风功率的可信度确定实际可以发出的功率；
上述公式(8)中，Psj表示当前实际可以发出的功率；
步骤4.2：可以减少的备用机组容量计算:
上述公式(9)中，Pjz表示减少的备用机组容量,∫...dt表示积分计算。
所述的一种多天气条件下风电预测可信度计算方法，包括：设当前光照强度1367W/h、空气湿度h为0.3、环境温度t为23摄氏度风速v为10m/min，风电场预测发电功率Pf为100MW，当前弃风功率Pqf为20MW；计算不同天气条件下风功率预测误差与天气条件之间的函数关系,通过多年的数据分析，以及在不同天气条件下的风功率预测与实际发出功率进行对比分析；
步骤1：将光照强度g为1367W/h、空气湿度h为0.3、环境温度t为23摄氏度风速v为10m/min代入下式：
上述公式中，eh表示e的h次幂,e表示无理数，lne＝1；
得到在晴天条件下风功率预测的可信度C1＝0.732
上述公式中，eh表示e的h次幂,e表示无理数，lne＝1，h表示空气湿度；
得到在阴天条件下风功率预测的可信度C2＝0.682
上述公式中，eh表示e的h次幂,e表示无理数，lne＝1，h表示空气湿度；
得到在雨天条件下风功率预测的可信度C3＝0.579；
步骤2：将C1＝0.732，C2＝0.682，C3＝0.579代入风功率预测可信度计算公式；
解得C＝0.715
步骤3：将光照强度1367W/h、空气湿度h为0.3、环境温度t为23摄氏度风速v为10m/min，代入下式，得到负荷尖峰时刻出现的具体时刻，及维持的时间ΔT；
解得T1＝8.627
解得ΔT＝2.89
上述公式中，e表示无理数，lne＝1；
通过上式计算得到t1＝8.627，ΔT＝2.89，代入下式得到前时刻风功率的可信度；
解得
上述公式中，ΔT表示尖峰时段维持的时间,C表示风功率预测可信度；
步骤4：根据当前弃风量，以及风功率预测，根据风功率可信度进行机组组合，可以减少多少备用机组的投入；
根据当前风功率预测值以及风功率的可信度确定实际可以发出的功率，将电场预测发电功率Pf为100MW，当前弃风功率Pqf为20MW，C1＝0.732，C2＝0.682，C3＝0.579代入下式：
解得Psj＝80.6MW
上述公式中，Psj表示当前实际可以发出的功率；
通过上述结果可以得到减少的备用机组容量，将T1＝8.627，ΔT＝2.89，Psj＝80.6MW，Pqf＝20代入下式：
解得Pjz＝31.6MW
上述公式中，Pjz表示减少的备用机组容量,∫...dt表示积分计算；
通过上述计算，可以解得Pjz＝31.6MW，我们可以减少一台30MW的机组作为备用机组。
本发明具有以下优点及有益效果：
本发明避免对风电功率的直接预测，直接对尖峰时刻的风电预测误差进行计算，通过对多年的风电功率预测数据的总结分析，以及对实际风电场的实际发出功率数据进行分析，得到在不同天气条件下的负荷尖峰时刻风功率预测误，提高了风电预测可信度，合理进行机组组合，减少备用发电机组的投入。
通过对当前天气情况进行相应的数据采集，进行相应的数学模型计算，得到风电预测的可信度，来应对风电不断大规模接入条件下电力系统调度决策所面临的问题，本发明通过计算一种与传统风电预测精度提升理论不同的、针对风电出力预测最大可能误差率，在现有风电出力预测理论基础上，根据风电预测结果，给出电网尖峰负荷时刻所对应的风电出力可信度，并以此为依据合理安排系统内机组组合，解决风电波动性所带来的机组组合问题。
附图说明
为了便于本领域普通技术人员理解和实施本发明，下面结合附图及具体实施方式对本发明作进一步的详细描述，以下实施例用于说明本发明，但应当理解本发明的保护范围并不受具体实施方式的限制。
图1是本发明风电预测可信度预测减少机组容量的具体计算示意图；
图2是本发明中一年内每天多消纳弃风量图。
具体实施方式
本发明是一种多天气条件下风电预测可信度计算方法，如图1和图2所示，图1是本发明风电预测可信度预测减少机组容量的具体计算示意图，图2是本发明中一年内每天多消纳弃风量图。
本发明包括以下步骤：
步骤1：数据采集，对当前电网内的天气情况数据进行采集。
当前光照强度g、空气湿度h、环境温度t以及风速v，电网内传统热电机组发电功率Pr，风电场预测发电功率Pf，当前弃风功率Pqf。
步骤2：计算不同天气条件下风功率预测误差与天气条件之间的函数关系。通过多年的数据分析，以及在不同天气条件下的风功率预测与实际发出功率进行对比分析。
步骤2.1得到在晴天条件下风功率预测的可信度经验计算公式为：
上述公式(1)中，eh表示e的h次幂,e表示无理数，lne＝1。
步骤2.2得到在阴天条件下风功率预测的可信度经验计算公式为：
上述公式(2)中，h表示空气湿度。
步骤2.3得到在雨天条件下风功率预测的可信度经验计算公式为：
上述公式(3)中，eh表示e的h次幂,e表示无理数，lne＝1。
步骤2.4根据当前天气情况得到最终风功率预测可信度计算公式：
步骤3：负荷尖峰时刻，为某一区间，与风功率预测可信度之间的关系，当负荷到达尖峰时刻时，风电实际发出功率与预测功率之间的误差。
步骤3.1：计算尖峰时段出现的时刻T1，以及维持的时间ΔT。通过几年的数据分析以及函数近似，得到一天中出现尖峰时刻T1的函数表达式以及维持时间ΔT表达式为。并根据计算结果判断当前的风功率预测可信度。
上述公式(5)和(6)中，e表示无理数，lne＝1。
上述公式(7)中，ΔT表示尖峰时段维持的时间,C表示风功率预测可信度。
步骤4：根据当前弃风量，以及风功率预测，根据风功率可信度进行机组组合，可以减少多少备用机组的投入。
步骤4.1：根据当前风功率预测值以及风功率的可信度确定实际可以发出的功率。
上述公式(8)中，Psj表示当前实际可以发出的功率。
步骤4.2：可以减少的备用机组容量计算:
上述公式(9)中，Pjz表示减少的备用机组容量,∫...dt表示积分计算。
实施例1：
本发明是一种多天气条件下风电预测可信度计算方法，包括：
设当前光照强度1367W/h、空气湿度h为0.3、环境温度t为23摄氏度风速v为10m/min，风电场预测发电功率Pf为100MW，当前弃风功率Pqf为20MW。
计算不同天气条件下风功率预测误差与天气条件之间的函数关系。通过多年的数据分析，以及在不同天气条件下的风功率预测与实际发出功率进行对比分析。
步骤1：将光照强度g为1367W/h、空气湿度h为0.3、环境温度t为23摄氏度风速v为10m/min代入下式：
上述公式中，eh表示e的h次幂,e表示无理数，lne＝1。
得到在晴天条件下风功率预测的可信度C1＝0.732
上述公式中，eh表示e的h次幂,e表示无理数，lne＝1，h表示空气湿度。
得到在阴天条件下风功率预测的可信度C2＝0.682
上述公式中，eh表示e的h次幂,e表示无理数，lne＝1，h表示空气湿度。
得到在雨天条件下风功率预测的可信度C3＝0.579。
步骤2：将C1＝0.732，C2＝0.682，C3＝0.579代入风功率预测可信度计算公式。
解得C＝0.715
步骤3：将光照强度1367W/h、空气湿度h为0.3、环境温度t为23摄氏度风速v为10m/min，代入下式，得到负荷尖峰时刻出现的具体时刻，及维持的时间ΔT。
解得T1＝8.627
解得ΔT＝2.89
上述公式中，e表示无理数，lne＝1。
通过上式计算得到t1＝8.627，ΔT＝2.89，代入下式得到前时刻风功率的可信度。
解得
上述公式中，ΔT表示尖峰时段维持的时间,C表示风功率预测可信度。
步骤4：根据当前弃风量，以及风功率预测，根据风功率可信度进行机组组合，可以减少多少备用机组的投入。
根据当前风功率预测值以及风功率的可信度确定实际可以发出的功率，将电场预测发电功率Pf为100MW，当前弃风功率Pqf为20MW，C1＝0.732，C2＝0.682，C3＝0.579代入下式：
解得Psj＝80.6MW
上述公式中，Psj表示当前实际可以发出的功率。
通过上述结果可以得到减少的备用机组容量，将T1＝8.627，ΔT＝2.89，Psj＝80.6MW，Pqf＝20代入下式：
解得Pjz＝31.6MW
上述公式中，Pjz表示减少的备用机组容量,∫...dt表示积分计算。
通过上述计算。可以解得Pjz＝31.6MW，我们可以减少一台30MW的机组作为备用机组。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明权利要求所限定的范围。

Claims (6)

1.一种多天气条件下风电预测可信度计算方法，其特征是：包括以下步骤：
步骤1：数据采集，对当前电网内的天气情况数据进行采集；
步骤2：计算不同天气条件下风功率预测误差与天气条件之间的函数关系，通过多年的数据分析，以及在不同天气条件下的风功率预测与实际发出功率进行对比分析；
步骤3：负荷尖峰时刻，为某一区间，与风功率预测可信度之间的关系，当负荷到达尖峰时刻时，风电实际发出功率与预测功率之间的误差；
步骤4：根据当前弃风量，以及风功率预测，根据风功率可信度进行机组组合，可以减少多少备用机组的投入。
2.根据权利要求1所述的一种多天气条件下风电预测可信度计算方法，其特征是：所述步骤1包括：
当前光照强度g、空气湿度h、环境温度t以及风速v，电网内传统热电机组发电功率Pr，风电场预测发电功率Pf，当前弃风功率Pqf。
3.根据权利要求1所述的一种多天气条件下风电预测可信度计算方法，其特征是：所述步骤2包括：
步骤2.1得到在晴天条件下风功率预测的可信度经验计算公式为：
上述公式(1)中，eh表示e的h次幂,e表示无理数，lne＝1；
步骤2.2得到在阴天条件下风功率预测的可信度经验计算公式为：
上述公式(2)中，h表示空气湿度；
步骤2.3得到在雨天条件下风功率预测的可信度经验计算公式为：
上述公式(3)中，eh表示e的h次幂,e表示无理数，lne＝1；
步骤2.4根据当前天气情况得到最终风功率预测可信度计算公式：
4.根据权利要求1所述的一种多天气条件下风电预测可信度计算方法，其特征是：所述步骤3包括：
步骤3.1：计算尖峰时段出现的时刻T1，以及维持的时间ΔT；通过几年的数据分析以及函数近似，得到一天中出现尖峰时刻T1的函数表达式以及维持时间ΔT表达式为，并根据计算结果判断当前的风功率预测可信度；
上述公式(5)和(6)中，e表示无理数，lne＝1；
上述公式(7)中，ΔT表示尖峰时段维持的时间,C表示风功率预测可信度。
5.根据权利要求1所述的一种多天气条件下风电预测可信度计算方法，其特征是：所述步骤4包括：
步骤4.1：根据当前风功率预测值以及风功率的可信度确定实际可以发出的功率；
上述公式(8)中，Psj表示当前实际可以发出的功率；
步骤4.2：可以减少的备用机组容量计算:
上述公式(9)中，Pjz表示减少的备用机组容量,∫...dt表示积分计算。
6.根据权利要求1所述的一种多天气条件下风电预测可信度计算方法，其特征是：所述计算方法包括：
设当前光照强度1367W/h、空气湿度h为0.3、环境温度t为23摄氏度风速v为10m/min，风电场预测发电功率Pf为100MW，当前弃风功率Pqf为20MW；
计算不同天气条件下风功率预测误差与天气条件之间的函数关系,通过多年的数据分析，以及在不同天气条件下的风功率预测与实际发出功率进行对比分析；
步骤1：将光照强度g为1367W/h、空气湿度h为0.3、环境温度t为23摄氏度风速v为10m/min代入下式：
上述公式中，eh表示e的h次幂,e表示无理数，lne＝1；
得到在晴天条件下风功率预测的可信度C1＝0.732
上述公式中，eh表示e的h次幂,e表示无理数，lne＝1，h表示空气湿度；
得到在阴天条件下风功率预测的可信度C2＝0.682
上述公式中，eh表示e的h次幂,e表示无理数，lne＝1，h表示空气湿度；
得到在雨天条件下风功率预测的可信度C3＝0.579；
步骤2：将C1＝0.732，C2＝0.682，C3＝0.579代入风功率预测可信度计算公式；
解得C＝0.715
步骤3：将光照强度1367W/h、空气湿度h为0.3、环境温度t为23摄氏度风速v为10m/min，代入下式，得到负荷尖峰时刻出现的具体时刻，及维持的时间ΔT；
解得T1＝8.627
解得ΔT＝2.89
上述公式中，e表示无理数，lne＝1；
通过上式计算得到t1＝8.627，ΔT＝2.89，代入下式得到前时刻风功率的可信度；
解得
上述公式中，ΔT表示尖峰时段维持的时间,C表示风功率预测可信度；
步骤4：根据当前弃风量，以及风功率预测，根据风功率可信度进行机组组合，可以减少多少备用机组的投入；
根据当前风功率预测值以及风功率的可信度确定实际可以发出的功率，将电场预测发电功率Pf为100MW，当前弃风功率Pqf为20MW，C1＝0.732，C2＝0.682，C3＝0.579代入下式：
解得Psj＝80.6MW
上述公式中，Psj表示当前实际可以发出的功率；
通过上述结果可以得到减少的备用机组容量，将T1＝8.627，ΔT＝2.89，Psj＝80.6MW，Pqf＝20代入下式：
解得Pjz＝31.6MW
上述公式中，Pjz表示减少的备用机组容量,∫...dt表示积分计算；
通过上述计算，可以解得Pjz＝31.6MW，我们可以减少一台30MW的机组作为备用机组。
CN201811295369.4A 2018-11-01 2018-11-01 一种多天气条件下风电预测可信度计算方法 Pending CN109546676A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811295369.4A CN109546676A (zh) 2018-11-01 2018-11-01 一种多天气条件下风电预测可信度计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811295369.4A CN109546676A (zh) 2018-11-01 2018-11-01 一种多天气条件下风电预测可信度计算方法

Publications (1)

Publication Number Publication Date
CN109546676A true CN109546676A (zh) 2019-03-29

Family

ID=65846329

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811295369.4A Pending CN109546676A (zh) 2018-11-01 2018-11-01 一种多天气条件下风电预测可信度计算方法

Country Status (1)

Country Link
CN (1) CN109546676A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111160653A (zh) * 2019-12-31 2020-05-15 国网内蒙古东部电力有限公司经济技术研究院 基于云计算的分布式储能系统风电消纳能力监测方法
CN112302886A (zh) * 2020-10-10 2021-02-02 上海电气风电集团股份有限公司 风电机组变桨系统载荷的自动测量方法、系统及计算机可读存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111160653A (zh) * 2019-12-31 2020-05-15 国网内蒙古东部电力有限公司经济技术研究院 基于云计算的分布式储能系统风电消纳能力监测方法
CN111160653B (zh) * 2019-12-31 2023-06-27 国网内蒙古东部电力有限公司经济技术研究院 基于云计算的分布式储能系统风电消纳能力监测方法
CN112302886A (zh) * 2020-10-10 2021-02-02 上海电气风电集团股份有限公司 风电机组变桨系统载荷的自动测量方法、系统及计算机可读存储介质

Similar Documents

Publication Publication Date Title
Yousif et al. An optimal dispatch strategy for distributed microgrids using PSO
CN101769788B (zh) 一种光伏电站光功率预测及发电量预测的方法
Li et al. Stratified optimization strategy used for restoration with photovoltaic-battery energy storage systems as black-start resources
Wang et al. Adaptive control for energy storage systems in households with photovoltaic modules
Cau et al. Energy management strategy based on short-term generation scheduling for a renewable microgrid using a hydrogen storage system
CN109103929A (zh) 基于改进动态克里丝金模型的配电网经济优化调度方法
Ganguly et al. Solar–wind hybrid renewable energy system: current status of research on configurations, control, and sizing methodologies
CN111262242B (zh) 基于多场景技术的冷热电虚拟电厂运行方法
CN108009681B (zh) 一种基于电网负荷尖峰时段曲线提高风电消纳方法
CN116070797B (zh) 一种虚拟电厂分布式资源调度方法
CN109347152A (zh) 考虑多类型电源参与调峰的随机生产模拟方法及应用
CN109274131B (zh) 基于概率统计理论的新能源消纳能力非时序量化评估方法
Fan et al. Scheduling framework using dynamic optimal power flow for battery energy storage systems
CN112134271A (zh) 一种多能互补系统装机容量优化方法及系统
CN109546676A (zh) 一种多天气条件下风电预测可信度计算方法
CN117674292A (zh) 一种虚拟电厂优化调度方法
CN115983612A (zh) 一种基于虚拟电厂的分布式源网荷储调度优化方法
CN114692924A (zh) 计及多种柔性负荷的虚拟电厂热电联合随机优化运行方法
Liu et al. Micro grid energy management based on two-stage robust optimization
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
Xiaomin et al. Assessment of Renewable Energy Absorption Based on System Flexibility
CN105096005B (zh) 一种应用于高倍聚光光伏追日装置的优化调度方法
CN118137500B (zh) 光伏发电预测方法及装置
CN117663503B (zh) 一种智能调节熔盐储热速率的方法及系统
Shao et al. Assessment of Wind Power Curtailment at Risk for Large-scale Wind Integrated Power System Based on Analysis of Peak Load Regualtion Demand

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: 20190329

RJ01 Rejection of invention patent application after publication