CN109888770A - 基于机会约束规划和波动成本的风电场装机容量优化方法 - Google Patents
基于机会约束规划和波动成本的风电场装机容量优化方法 Download PDFInfo
- Publication number
- CN109888770A CN109888770A CN201910068712.XA CN201910068712A CN109888770A CN 109888770 A CN109888770 A CN 109888770A CN 201910068712 A CN201910068712 A CN 201910068712A CN 109888770 A CN109888770 A CN 109888770A
- Authority
- CN
- China
- Prior art keywords
- wind
- wind power
- power plant
- installed capacity
- cost
- 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 35
- 238000005457 optimization Methods 0.000 title claims abstract description 19
- 230000005540 biological transmission Effects 0.000 claims abstract description 14
- 238000010248 power generation Methods 0.000 claims abstract description 12
- 239000002245 particle Substances 0.000 claims abstract description 4
- 238000002948 stochastic simulation Methods 0.000 claims abstract description 4
- 230000005611 electricity Effects 0.000 claims description 21
- 238000005070 sampling Methods 0.000 claims description 21
- 238000009826 distribution Methods 0.000 claims description 18
- 230000010354 integration Effects 0.000 claims description 9
- 230000005684 electric field Effects 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 3
- 238000010348 incorporation Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000009987 spinning Methods 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims 1
- 230000009466 transformation Effects 0.000 claims 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- 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
Abstract
本发明涉及一种基于机会约束规划和波动成本的风电场装机容量优化方法,包括以下步骤,步骤S1:获取风电场原始风速数据、待接入电网的运行参数和机组参数;步骤S2:获取风速时间序列建模结果;步骤S3:以风电场发电社会效益最大化为目标函数建立风电场装机容量机会约束规划模型;步骤S4:根据风电场装机容量机会约束规划模型,采用随机模拟粒子群算法,计算得到风电场最优装机容量。本发明引入波动成本,以风电场发电社会效益净现值为优化目标,考虑系统功率平衡约束、常规发电机组出力约束、网架线路传输容量约束、系统备用容量约束等约束条件建立机会约束规划模型,得到风电场装机容量优化解。
Description
技术领域
本发明涉及电力系统技术领域,具体涉及一种基于机会约束规划和波动成本的风电场装机容量优化方法。
背景技术
在节能减排的大背景下,作为清洁能源的风电迅猛发展,但弃风现象也比较严重,导致风电场投资效率下降。对风电场的装机容量进行合理规划是从源头上解决风电消纳难等问题的有效办法。风电场装机容量的确定主要受三方面的因素影响:一是风电并网系统对风电的接纳能力,二是拟建风电场地区的风资源禀赋以及风电场商运营方式。电网对于风电的接纳能力是有限的,当系统对风电的接纳达到一定比例后,风电并网的边际效益为零,此时系统对于风电的接纳能力达到了极限。影响风电接纳能力的主要因素包括:电网负荷水平与特性、电源结构、调峰能力、网架结构和风电机组低压穿越能力等。大量研究集中从电网侧考虑风电的接纳能力,确定风电场的装机容量,但基本都没有考虑风电接入电网的波动成本;也有一部分研究仅站在风电场投资者的角度考虑风电场的装机容量。事实上,从某一个角度评估风电的最大装机容量,所具有的效益仅代表某一方利益,不一定是具有社会效益最优的风电装机容量。另外,由于风电出力的随机性和间歇性,如果在求取风电场装机容量过程中采用严格约束条件,所得结果将偏于保守。
发明内容
有鉴于此,本发明的目的在于提供一种基于机会约束规划和波动成本的风电场装机容量优化方法,以风电场发电社会效益净现值为优化目标,考虑系统功率平衡约束、常规发电机组出力约束、网架线路传输容量约束、系统备用容量约束等约束条件建立机会约束规划模型,得到风电场装机容量优化解。
为实现上述目的,本发明采用如下技术方案:
一种基于机会约束规划和波动成本的风电场装机容量优化方法,包括以下步骤:
步骤S1:获取风电场原始风速数据、待接入电网的运行参数和机组参数;
步骤S2:根据风电场原始风速数据,获取风速时间序列建模结果;
步骤S3:根据得到的风速时间序列建模结果、待接入电网的运行参数和机组参数,以风电场发电社会效益最大化为目标函数建立风电场装机容量机会约束规划模型;
步骤S4:根据风电场装机容量机会约束规划模型,采用随机模拟粒子群算法,计算得到风电场最优装机容量。
进一步的,所述步骤S2具体为:
步骤S21:对风电场原始风速数据进行小波变换滤波,滤除高频随机扰动,并对滤波后的风速序列划分波动过程;
步骤S22:利用自组织神经网络映射聚类算法对波动过程分类;
步骤S23:利用以x=0为对称轴的高斯函数对每一个波动过程进行拟合,表达式如式(1)
步骤S24:统计各类波动间的马尔科夫转移概率矩阵;并统计各类波动由高斯函数拟合参数a、b和每个波动过程的持续时间c组成的三维联合分布;
步骤S25:利用马尔科夫链模拟序贯抽样,抽样出波动类型,再在该类型波动内抽样出具体的波动过程。已知该波动类型的联合分布函数为F3(a,b,c),根据贝叶斯法则F3(a,b,c)可以表示成边缘概率分布和条件分布的乘积的形式:
F3(a,b,c)=F(c|a,b)·F(b|a)·F(a) (2)
基于多维联合分布的抽样方法,按照由边缘概率分布F(a)到条件分布F(b|a)、F(c|a,b)层层深入的顺序进行随机抽样,可以得到一个波动过程的随机抽样结果;
步骤S26:重复步骤S25直至抽样的风速时间序列长度符合预设要求,将抽样的波动过程结果按序连接起来,得到风速时间序列建模结果。
进一步的,所述步骤S3具体为:
步骤S31:计算风电场寿命周期内风电接入系统波动成本的净现值,
计算原始风电出力接入待接入电网的最小运行成本,根据“等电量-顺负荷”思路,变换风电出力,计算接入变换后的风电出力时系统最小运行成本,二者之差即为风电接入引起的波动成本:
Cf=(Cori-Cequ)PA(d,n)
其中,Cf为待优化装机容量风电场的波动成本,Cori和Cequ分别表示原始风电出力和“等电量-顺负荷”变换后的风电出力接入系统的年最小运行成本;PA(d,n)是年金现值系数;
步骤S32:计算风电场接入的总投资成本:
Cc=SWCep
其中:Cep是风电场单位风电装机容量的投资成本;Sw是待优化变量,即风电场的装机容量。
步骤S33:计算风电场的运行维护费用:
风电场寿命周期内的总运维成本为:
Cm=SwCem
其中:Cem是风电场寿命周期内单位风电装机容量的总运维成本。
步骤S34:计算风电场的发电效益:
Bs=spEwPA(d,n)
其中:Bs是风电场的发电收益;sp是风电上网电价;Ew是风电场实际年发电量期望值;PA(d,n)是年金现值系数;
步骤S35:风电场环境效益计算:
Be=seEwPA(d,n)
其中,se是相对于火力发电,风电场生产单位电量的电能所创造的环境价值。
步骤S36:构建风电场装机容量优化数学模型:
目标函数为风电场发电社会效益净现值最大:
maxB=max(Bs+Be-Cc-Cm-Cf)
约束条件包括系统功率平衡约束、发电机出力能力约束、网架线路传输容量约束和系统备用容量约束。
进一步的,所述约束条件包括系统功率平衡约束、发电机出力能力约束、网架线路传输容量约束和系统备用容量约束,具体为:
Prob{-Pl,max≤Pl,p≤Pl,max}≥β1
其中,Pi,g是常规机组i出力;Pw是系统接纳的风电场出力;PL是系统负荷需求;;Pl是线路l在p时刻的输送功率;Pl,max是线路l的传输容量极限;和分别是由全部可调度常规机组出力上、下极限组成的向量;Psrup和Psrdn分别表示系统的上、下旋转备用容量要求;cT是表征各可调度常规机组的启停状态的向量,1表示相应机组处于运行状态,0表示停运状态;{βi,i=1,2,3}是相应约束条件的置信水平要求。
本发明与现有技术相比具有以下有益效果:
本发明考虑风电场接入电网的波动成本以及风电场自身的发电效益、环保效益、运维成本和投资成本,全面量化风电场的社会效益,有利于合理优化风电场的装机容量;机会约束规划的引入充分体现风资源的不确定性,使得优化容量不致过于保守。
具体实施方式
下面结合实施例对本发明做进一步说明。
本发明提供一种基于机会约束规划和波动成本的风电场装机容量优化方法,包括以下步骤:
步骤S1:获取风电场原始风速数据、待接入电网的运行参数和机组参数;
步骤S2:根据风电场原始风速数据,获取风速时间序列建模结果;
步骤S3:根据得到的风速时间序列建模结果、待接入电网的运行参数和机组参数,以风电场发电社会效益最大化为目标函数建立风电场装机容量机会约束规划模型;
步骤S4:根据风电场装机容量机会约束规划模型,采用随机模拟粒子群算法,计算得到风电场最优装机容量。
在本实施例中,所述步骤S2具体为:
步骤S21:对风电场原始风速数据进行小波变换滤波,滤除高频随机扰动,并对滤波后的风速序列划分波动过程;
步骤S22:利用自组织神经网络映射聚类算法对波动过程分类;
步骤S23:利用以x=0为对称轴的高斯函数对每一个波动过程进行拟合,表达式如式(1)
步骤S24:统计各类波动间的马尔科夫转移概率矩阵;并统计各类波动由高斯函数拟合参数a、b和每个波动过程的持续时间c组成的三维联合分布;
步骤S25:利用马尔科夫链模拟序贯抽样,抽样出波动类型,再在该类型波动内抽样出具体的波动过程。已知该波动类型的联合分布函数为F3(a,b,c),根据贝叶斯法则F3(a,b,c)可以表示成边缘概率分布和条件分布的乘积的形式:
F3(a,b,c)=F(c|a,b)·F(b|a)·F(a) (2)
基于多维联合分布的抽样方法,按照由边缘概率分布F(a)到条件分布F(b|a)、F(c|a,b)层层深入的顺序进行随机抽样,可以得到一个波动过程的随机抽样结果;
步骤S26:重复步骤S25直至抽样的风速时间序列长度符合预设要求,将抽样的波动过程结果按序连接起来,得到风速时间序列建模结果。
在本实施例中,所述步骤S3具体为:
步骤S31:计算风电场寿命周期内风电接入系统波动成本的净现值,
计算原始风电出力接入待接入电网的最小运行成本,根据“等电量-顺负荷”思路,变换风电出力,计算接入变换后的风电出力时系统最小运行成本,二者之差即为风电接入引起的波动成本:
Cf=(Cori-Cequ)PA(d,n)
其中,Cf为待优化装机容量风电场的波动成本,Cori和Cequ分别表示原始风电出力和“等电量-顺负荷”变换后的风电出力接入系统的年最小运行成本;PA(d,n)是年金现值系数;
步骤S32:计算风电场接入的总投资成本:
Cc=SWCep
其中:Cep是风电场单位风电装机容量的投资成本;Sw是待优化变量,即风电场的装机容量。
步骤S33:计算风电场的运行维护费用:
风电场寿命周期内的总运维成本为:
Cm=SwCem
其中:Cem是风电场寿命周期内单位风电装机容量的总运维成本。
步骤S34:计算风电场的发电效益:
Bs=spEwPA(d,n)
其中:Bs是风电场的发电收益;sp是风电上网电价;Ew是风电场实际年发电量期望值;PA(d,n)是年金现值系数;
步骤S35:风电场环境效益计算:
Be=seEwPA(d,n)
其中,se是相对于火力发电,风电场生产单位电量的电能所创造的环境价值。
步骤S36:构建风电场装机容量优化数学模型:
目标函数为风电场发电社会效益净现值最大:
maxB=max(Bs+Be-Cc-Cm-Cf)
约束条件包括系统功率平衡约束、发电机出力能力约束、网架线路传输容量约束和系统备用容量约束。
在本实施例中,所述约束条件包括系统功率平衡约束、发电机出力能力约束、网架线路传输容量约束和系统备用容量约束,具体为:
Prob{-Pl,max≤Pl,p≤Pl,max}≥β1
其中,Pi,g是常规机组i出力;Pw是系统接纳的风电场出力;PL是系统负荷需求;;Pl是线路l在p时刻的输送功率;Pl,max是线路l的传输容量极限;和分别是由全部可调度常规机组出力上、下极限组成的向量;Psrup和Psrdn分别表示系统的上、下旋转备用容量要求;cT是表征各可调度常规机组的启停状态的向量,1表示相应机组处于运行状态,0表示停运状态;{βi,i=1,2,3}是相应约束条件的置信水平要求。
实施例1:
本实施例以IEEE 30节点系统为例,风电机组的寿命为20年;系统内可调度常规发电机组的运行参数见表1;项目使用资金报酬率 (折旧率)取10%;风电场的售电电价为0.5¥/(kW·h),环境效益折合为0.0926¥/(kW·h),所有的置信水平取0.9,优化结果见表2。
表1 IEEE30节点系统可调度常规机组参数
表2装机容量优化结果
以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所做的均等变化与修饰,皆应属本发明的涵盖范围。
Claims (4)
1.一种基于机会约束规划和波动成本的风电场装机容量优化方法,其特征在于,包括以下步骤:
步骤S1:获取风电场原始风速数据、待接入电网的运行参数和机组参数;
步骤S2:根据风电场原始风速数据,获取风速时间序列建模结果;
步骤S3:根据得到的风速时间序列建模结果、待接入电网的运行参数和机组参数,以风电场发电社会效益最大化为目标函数建立风电场装机容量机会约束规划模型;
步骤S4:根据风电场装机容量机会约束规划模型,采用随机模拟粒子群算法,计算得到风电场最优装机容量。
2.根据权利要求1所述的基于机会约束规划和波动成本的风电场装机容量优化方法,其特征在于,所述步骤S2具体为:
步骤S21:对风电场原始风速数据进行小波变换滤波,滤除高频随机扰动,并对滤波后的风速序列划分波动过程;
步骤S22:利用自组织神经网络映射聚类算法对波动过程分类;
步骤S23:利用以x=0为对称轴的高斯函数对每一个波动过程进行拟合,表达式如式(1)
步骤S24:统计各类波动间的马尔科夫转移概率矩阵;并统计各类波动由高斯函数拟合参数a、b和每个波动过程的持续时间c组成的三维联合分布;
步骤S25:利用马尔科夫链模拟序贯抽样,抽样出波动类型,再在该类型波动内抽样出具体的波动过程。已知该波动类型的联合分布函数为F3(a,b,c),根据贝叶斯法则F3(a,b,c)可以表示成边缘概率分布和条件分布的乘积的形式:
F3(a,b,c)=F(c|a,b)·F(b|a)·F(a) (3)
基于多维联合分布的抽样方法,按照由边缘概率分布F(a)到条件分布F(b|a)、F(c|a,b)层层深入的顺序进行随机抽样,可以得到一个波动过程的随机抽样结果;
步骤S26:重复步骤S25直至抽样的风速时间序列长度符合预设要求,将抽样的波动过程结果按序连接起来,得到风速时间序列建模结果。
3.根据权利要求2所述的基于机会约束规划和波动成本的风电场装机容量优化方法,其特征在于,所述步骤S3具体为:
步骤S31:计算风电场寿命周期内风电接入系统波动成本的净现值,
计算原始风电出力接入待接入电网的最小运行成本,根据“等电量-顺负荷”思路,变换风电出力,计算接入变换后的风电出力时系统最小运行成本,二者之差即为风电接入引起的波动成本:
Cf=(Cori-Cequ)PA(d,n)
其中,Cf为待优化装机容量风电场的波动成本,Cori和Cequ分别表示原始风电出力和“等电量-顺负荷”变换后的风电出力接入系统的年最小运行成本;PA(d,n)是年金现值系数;
步骤S32:计算风电场接入的总投资成本:
Cc=SWCep
其中:Cep是风电场单位风电装机容量的投资成本;SW是待优化变量,即风电场的装机容量。
步骤S33:计算风电场的运行维护费用:
风电场寿命周期内的总运维成本为:
Cm=SwCem
其中:Cem是风电场寿命周期内单位风电装机容量的总运维成本。
步骤S34:计算风电场的发电效益:
Bs=spEwPA(d,n)
其中:Bs是风电场的发电收益;sp是风电上网电价;Ew是风电场实际年发电量期望值;PA(d,n)是年金现值系数;
步骤S35:风电场环境效益计算:
Be=seEwPA(d,n)
其中,se是相对于火力发电,风电场生产单位电量的电能所创造的环境价值。
步骤S36:构建风电场装机容量优化数学模型:
目标函数为风电场发电社会效益净现值最大:
max B=max(Bs+Be-Cc-Cm-Cf)
约束条件包括系统功率平衡约束、发电机出力能力约束、网架线路传输容量约束和系统备用容量约束。
4.根据权利要求3所述的基于机会约束规划和波动成本的风电场装机容量优化方法,其特征在于,所述约束条件包括系统功率平衡约束、发电机出力能力约束、网架线路传输容量约束和系统备用容量约束,具体为:
Prob{-Pl,max≤Pl,p≤Pl,max}≥β1
其中,Pi,g是常规机组i出力;Pw是系统接纳的风电场出力;PL是系统负荷需求;;Pl是线路l在p时刻的输送功率;Pi,max是线路l的传输容量极限;和分别是由全部可调度常规机组出力上、下极限组成的向量;Psrup和Psrdn分别表示系统的上、下旋转备用容量要求;cT是表征各可调度常规机组的启停状态的向量,1表示相应机组处于运行状态,0表示停运状态;{βi,i=1,2,3}是相应约束条件的置信水平要求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910068712.XA CN109888770A (zh) | 2019-01-24 | 2019-01-24 | 基于机会约束规划和波动成本的风电场装机容量优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910068712.XA CN109888770A (zh) | 2019-01-24 | 2019-01-24 | 基于机会约束规划和波动成本的风电场装机容量优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109888770A true CN109888770A (zh) | 2019-06-14 |
Family
ID=66926758
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910068712.XA Pending CN109888770A (zh) | 2019-01-24 | 2019-01-24 | 基于机会约束规划和波动成本的风电场装机容量优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109888770A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112907108A (zh) * | 2021-03-15 | 2021-06-04 | 福州大学 | 一种海上风电场多阶段装机容量规划方法 |
CN113178880A (zh) * | 2021-03-25 | 2021-07-27 | 浙江大学 | 一种基于风电功率概率预测的混合储能优化定容与调控方法 |
CN114006410A (zh) * | 2021-07-21 | 2022-02-01 | 上海电力大学 | 一种基于机会约束规划的大规模海上风电接入点优化方法 |
CN116629843A (zh) * | 2023-07-25 | 2023-08-22 | 山东比沃斯机电工程有限公司 | 智能化柴油发电机组的远程预警与维护决策支持系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102510108A (zh) * | 2011-11-10 | 2012-06-20 | 山东电力调度中心 | 一种用于求取地区电网最大风电装机容量的方法 |
CN105956799A (zh) * | 2016-06-22 | 2016-09-21 | 福州大学 | 一种评估含风电电力系统旋转备用效益和风险的方法 |
US20160273518A1 (en) * | 2014-09-02 | 2016-09-22 | Siemens Industry, Inc. | Systems, methods and apparatus for improved energy management systems with security constrained dynamic dispatch for wind power management |
CN107506878A (zh) * | 2017-10-11 | 2017-12-22 | 华中科技大学 | 一种考虑风光平滑效应的电力系统多源调度方法 |
CN108537393A (zh) * | 2018-05-14 | 2018-09-14 | 福州大学 | 基于机会约束规划的风电场外送输电线路截面优化方法 |
-
2019
- 2019-01-24 CN CN201910068712.XA patent/CN109888770A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102510108A (zh) * | 2011-11-10 | 2012-06-20 | 山东电力调度中心 | 一种用于求取地区电网最大风电装机容量的方法 |
US20160273518A1 (en) * | 2014-09-02 | 2016-09-22 | Siemens Industry, Inc. | Systems, methods and apparatus for improved energy management systems with security constrained dynamic dispatch for wind power management |
CN105956799A (zh) * | 2016-06-22 | 2016-09-21 | 福州大学 | 一种评估含风电电力系统旋转备用效益和风险的方法 |
CN107506878A (zh) * | 2017-10-11 | 2017-12-22 | 华中科技大学 | 一种考虑风光平滑效应的电力系统多源调度方法 |
CN108537393A (zh) * | 2018-05-14 | 2018-09-14 | 福州大学 | 基于机会约束规划的风电场外送输电线路截面优化方法 |
Non-Patent Citations (3)
Title |
---|
张旭等: "以风电场效益最大为目标的风电装机容量优化", 《电网技术》 * |
李驰等: "基于波动特性的风电出力时间序列建模方法研究", 《电网技术》 * |
耿建等: "风电调度接纳成本的等电量顺负荷计算方法及分析", 《电力系统自动化》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112907108A (zh) * | 2021-03-15 | 2021-06-04 | 福州大学 | 一种海上风电场多阶段装机容量规划方法 |
CN112907108B (zh) * | 2021-03-15 | 2022-07-01 | 福州大学 | 一种海上风电场多阶段装机容量规划方法 |
CN113178880A (zh) * | 2021-03-25 | 2021-07-27 | 浙江大学 | 一种基于风电功率概率预测的混合储能优化定容与调控方法 |
CN113178880B (zh) * | 2021-03-25 | 2022-06-21 | 浙江大学 | 基于风电功率概率预测的混合储能优化定容与调控方法 |
CN114006410A (zh) * | 2021-07-21 | 2022-02-01 | 上海电力大学 | 一种基于机会约束规划的大规模海上风电接入点优化方法 |
CN114006410B (zh) * | 2021-07-21 | 2024-03-29 | 上海电力大学 | 一种基于机会约束规划的大规模海上风电接入点优化方法 |
CN116629843A (zh) * | 2023-07-25 | 2023-08-22 | 山东比沃斯机电工程有限公司 | 智能化柴油发电机组的远程预警与维护决策支持系统 |
CN116629843B (zh) * | 2023-07-25 | 2023-10-20 | 山东比沃斯机电工程有限公司 | 智能化柴油发电机组的远程预警与维护决策支持系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | Data-driven configuration optimization of an off-grid wind/PV/hydrogen system based on modified NSGA-II and CRITIC-TOPSIS | |
Wang et al. | Short-term hydro-thermal-wind-photovoltaic complementary operation of interconnected power systems | |
CN103683326B (zh) | 一种区域电网风电多点接入最佳接纳能力的计算方法 | |
CN106981888B (zh) | 基于多源互补的风蓄水火电力系统的多目标动态调度方法 | |
CN109888770A (zh) | 基于机会约束规划和波动成本的风电场装机容量优化方法 | |
CN106099993B (zh) | 一种适应新能源大规模接入的电源规划方法 | |
CN108229865A (zh) | 一种基于碳交易的电热气综合能源系统低碳经济调度方法 | |
CN110474367A (zh) | 一种考虑风险损失的微电网容量配置优化方法 | |
CN103762589A (zh) | 一种电网中新能源容量配比分层优化方法 | |
CN106684915A (zh) | 一种风氢耦合发电系统的优化方法及装置 | |
CN102855592A (zh) | 多目标调峰优化方法和系统 | |
CN115173453A (zh) | 一种储能辅助电网调峰的优化配置方法 | |
CN111668878A (zh) | 一种可再生微能源网的优化配置方法和系统 | |
CN108736507A (zh) | 一种提升风电就地消纳的蓄热式电锅炉优化方法和装置 | |
CN111144655A (zh) | 一种分布式电源选址定容与配电网网架联合优化方法 | |
CN114154744A (zh) | 综合能源系统的扩容规划方法、装置及电子设备 | |
CN109816201A (zh) | 一种多异质能源同质化耦合的表征方法 | |
CN116432824A (zh) | 基于多目标粒子群的综合能源系统优化方法及系统 | |
CN108667077A (zh) | 一种风蓄联合系统优化调度方法 | |
CN110112779B (zh) | 基于多状态概率分布的电采暖消纳风电测算模型 | |
CN112072643A (zh) | 一种基于深度确定性梯度策略的光-蓄系统在线调度方法 | |
CN114301089A (zh) | 一种风光联合发电系统储能容量配置优化方法 | |
CN106786766B (zh) | 一种基于p2g技术的提高风电最大并网容量的方法 | |
Lopes et al. | Metaheuristic methods applied to the pumps and turbines configuration design of water pumped storage systems | |
CN116961008A (zh) | 计及电力弹簧与负荷需求响应的微电网容量双层优化方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190614 |