CN110348740A - 基于大数据的多流域水电站集群发电计划系统 - Google Patents
基于大数据的多流域水电站集群发电计划系统 Download PDFInfo
- Publication number
- CN110348740A CN110348740A CN201910630437.6A CN201910630437A CN110348740A CN 110348740 A CN110348740 A CN 110348740A CN 201910630437 A CN201910630437 A CN 201910630437A CN 110348740 A CN110348740 A CN 110348740A
- Authority
- CN
- China
- Prior art keywords
- power station
- module
- electricity
- prediction
- generation schedule
- 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
Links
- 230000005611 electricity Effects 0.000 claims abstract description 77
- 238000001514 detection method Methods 0.000 claims abstract description 49
- 238000012423 maintenance Methods 0.000 claims abstract description 36
- 230000009466 transformation Effects 0.000 claims abstract description 27
- 238000010248 power generation Methods 0.000 claims abstract description 12
- 238000012544 monitoring process Methods 0.000 claims abstract description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 47
- 238000004364 calculation method Methods 0.000 claims description 43
- 238000009434 installation Methods 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000009933 burial Methods 0.000 claims description 6
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 238000005303 weighing Methods 0.000 claims description 2
- 238000003786 synthesis reaction Methods 0.000 claims 1
- 238000007726 management method Methods 0.000 description 4
- 238000000034 method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000008439 repair process 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据的多流域水电站集群发电计划系统,水电站集群发电计划系统包括检测模块、预测模块和决策模块,检测模块包括用于统计水电站集群来水能力的检测子模块I、用于统计水库电量的检测子模块II、用于统计检修技改电量的检测子模块III、用于统计生态流量电量的检测子模块IV和用于监测水电站集群实时发电情况的实时发电模块;预测模块包括用于预测水电站集群来水能力的预测子模块I、用于预测水库电量的预测子模块II、用于预测检修技改电量的预测子模块III和用于预测生态流量电量的预测子模块IV,决策模块与预测模块连接。本发明形成多流域水电站集群发电计划,实现发电计划的计算,对水电站集群的管理与运营具有重要意义。
Description
技术领域
本发明涉及电站调度运行技术领域,尤其涉及一种基于大数据的多流域水电站集群发电计划系统。
背景技术
一方面,随着我国经济的发展,电力工业环境已发生较大变革,电力供需已由规模性短缺逐渐向局部供大于求转变。四川省水电资源丰富,水电装机容量大,市场主体多,竞争激烈,同时四川省丰水期和枯水期差异明显,各流域的资源禀赋也千差万别,这些变化和特点对水电集团的管理提出了新的要求。
另一方面,随着信息化建设的持续推进,企业的软硬件设备及系统逐渐增多,但目前大多数水电站都以单个电站作为数据汇总单元,并未在水电站集群层面进行整合,或者只在集群层面进行简单的数据汇总,并未进行深度的分析、计算、整合,不同程度存在重复数据多、利用效率低等问题,亟需优化整合,大力挖掘数据价值,提高信息化水平。
因此,开发基于大数据的多流域水电站集群发电计划系统是提升水电集团管理水平和信息化水平的必要工作,具有重要的理论价值和实际价值。
发明内容
本发明的目的就在于为了解决上述问题而提供一种基于大数据的多流域水电站集群发电计划系统。
为了实现上述目的,本公开提供一种基于大数据的多流域水电站集群发电计划系统,水电站集群发电计划系统基于大数据库,大数据库与水电站集群内的多个水电站系统的后台数据同步,水电站集群发电计划系统包括:
检测模块;检测模块包括用于统计水电站集群来水能力的检测子模块I、用于统计水库电量的检测子模块II、用于统计检修技改电量的检测子模块III、用于统计生态流量电量的检测子模块IV和用于监测水电站集群实时发电情况的实时发电模块;
预测模块;预测模块包括用于预测水电站集群来水能力的预测子模块I、用于预测水库电量的预测子模块II、用于预测检修技改电量的预测子模块III和用于预测生态流量电量的预测子模块IV,预测子模块I调用未来天气数据以及历年来水能力数据,预测子模块II调用水库库容、水位、单位水量对应电量以及年度水库调用计划数据,结合年度检修技改计划的预测子模块III与检测子模块III连接,结合生态流量下泄标准的预测子模块IV与检测子模块IV连接;
决策模块;决策模块与预测模块连接,结合电力市场因素形成水电站集群发电计划。
本发明的有益效果在于:
本发明涉及的检测模块下配置多个检测子模块,预测模块下配置多个预测子模块,决策模块通过读取预测模块的预测数据并结合发电业务流程,考虑电力市场因素对发电量的影响,构建算法,形成多流域水电站集群发电计划。大大挖掘了水电站集群海量的水情、电量、水库、检修等数据的价值,实现发电计划的计算,对水电站集群的管理与运营具有重要意义。
附图说明
附图是用来提供对本公开的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本公开,但并不构成对本公开的限制。在附图中:
图1是本发明所述的基于大数据的多流域水电站集群发电计划系统的开发流程图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本公开,并不用于限制本公开。
如图1所示,本发明涉及的基于大数据的多流域水电站集群发电计划系统,搭建四个主要功能模块:检测模块、预测模块、诊断模块、决策模块。四个模块相互联系,相互依存,共同构成基于大数据的多流域水电站集群发电计划系统。
第一步先同步华能四川水电有限公司多个系统的后台数据,搭建该系统的数据库,并通过一系列procedure逻辑编辑和job定时任务,实现该系统数据库数据的完整性、及时性、实用性。同时,搭建该系统的前端展示平台。
检测模块建立于第一步形成的大数据库,大数据库与水电站集群内的多个水电站系统的后台数据同步。检测模块包括用于统计水电站集群来水能力的检测子模块I、用于统计水库电量的检测子模块II、用于统计检修技改电量的检测子模块III、用于统计生态流量电量的检测子模块IV和用于监测水电站集群实时发电情况的实时发电模块。检测模块下的多个检测子模块针对各物理量不同的属性和径流式、调节式电站不同的特性,配置有针对性的算法。
检测子模块I对径流式电站统计其来水能力时,计算公式如下:
当W(来水)≥W(满发)时,
E(来水)=C(装机)×T;
当W(来水)<W(满发)时,
检测子模块I对调节式电站统计其来水能力时,计算公式如下:
式中,W(来水)为计算时段内的平均入库流量,W(满发)为电站满发引用流量,E(来水)为计算时段内来水能力,C(装机)为电站装机容量,T为计算时段的时间。
检测子模块II统计水库电量时,其计算公式如下:
E(水库)=E(发电)—E(来水能力)+E(生态);
式中,E(水库)为计算时段内的水库电量,E(发电)为计算时段内调节式电站的发电量,E(来水能力)为计算时段内调节式电站的来水能力,E(生态)为计算时段内调节式电站的生态流量电量。
检测子模块III对径流式电站统计其检修技改电量时,其计算公式如下:
当W(来水)—W(生态)≥W(满发)时,
E(检修)=C(停机)×T;
当W(满发)>W(来水)—W(生态)>(C(装机)-C(停机))/(C(装机))×W(满发)时,
E(检修)=((W(来水)-W(生态)-W(满发))/(W(满发))×C(装机)+C(停机))×T;
当W(来水)—W(生态)<(C(装机)-C(停机))/(C(装机))×W(满发)时,
E(检修)=0;
检测子模块III对调节式电站统计其检修技改电量时,其计算公式如下:
E(检修)=0;
式中,W(来水)为计算时段内的平均入库流量,W(生态)为计算时段内生态流量下泄值,W(满发)为电站满发引用流量,E(检修)为计算时段内的检修技改电量,C(停机)为检修技改停机容量,T为计算时段的时间,C(装机)为电站装机容量。
检测子模块IV统计生态流量电量,其计算公式如下:
式中,W(生态)为计算时段内生态流量下泄值,W(满发)为电站满发引用流量,C(装机)为电站装机容量,E(生态)为计算时段内生态流量电量。
预测模块包括用于预测水电站集群来水能力的预测子模块I、用于预测水库电量的预测子模块II、用于预测检修技改电量的预测子模块III和用于预测生态流量电量的预测子模块IV。预测模块下的多个预测子模块针对影响发电量最重要的来水能力、水库电量、检修技改电量、生态流量电量这四个因素,配置有针对性的算法。
基于未来天气数据以及历年来水能力数据的预测子模块I预测来水能力时,其计算公式如下:
式中,E(来水预测)为某时段的预测来水能力,En(来水能力)为过去第n时段来水能力统计,En(来水能力)与E(来水预测)的时间间隔相同,Q为未来天气系数,N为时段数。
预测子模块II基于水库库容、水位、单位水量对应电量以及年度水库调用计划数据。
结合年度检修技改计划的预测子模块III与检测子模块III连接,结合生态流量下泄标准的预测子模块IV与检测子模块IV连接。
决策模块与预测模块连接,结合电力市场因素形成水电站集群。
决策模块对径流式电站形成水电站集群发电计划时,其计算公式如下:
E(计划)=(E(来水预测)-E(检修预测)-E(生态预测))×S;
预测模块对调节式电站形成水电站集群发电计划时,其计算公式如下:
E(计划)=E(来水预测)+E(水库预测)-E(检修预测)-E(生态预测);
式中,E(计划)为发电计划,E(检修预测)为检修技改电量预测,E(生态预测)为生态流量电量预测,E(水库预测)为调节式电站的水库电量预测,S为电力市场因素系数。
来水能力和水库电量是水电站发电的基础,检修技改电量和生态流量电量是对水电站发电造成影响的因素,结合此发电业务流程,并考虑电力市场因素对发电量的影响,构建智能算法,形成多流域水电站集群智能发电计划。
诊断模块包括分析子模块和验证子模块。
用于形成水电站集群发电量综合分析报告的分析子模块,分析子模块分别与检测模块、预测模块连接,分析子模块从来水能力、水库电量、检修技改电量、生态流量电量、其它电量因素对同比情况进行分析,对各因素的影响权重实现排序形成多维度、多视角的水电站集群发电量综合智能分析报告,并将分析结果反馈到决策模块,随时随地为决策提供参考。
分析子模块中涉及的各因素物理量同比值的关系如下:
E(电量同比)=E(来水同比)+E(水库同比)—E(检修同比)—E(生态同比)+E(其它同比);
式中各项为各因素物理量的同比值,E(电量同比)为发电量的同比值。
验证子模块与决策模块连接,基于比较算法,以智能检测模块和人工发电计划为依据,验证子模块调用人工发电计划对决策模块形成的水电站集群发电计划进行评估,对来水能力预测、水库电量预测、检修技改电量预测、生态流量电量预测、其它电量预测、智能发电计划实现智能诊断、验证,达到动态评估的目的。
以上结合附图详细描述了本公开的优选实施方式,但是,本公开并不限于上述实施方式中的具体细节,在本公开的技术构思范围内,可以对本公开的技术方案进行多种简单变型,这些简单变型均属于本公开的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合,为了避免不必要的重复,本公开对各种可能的组合方式不再另行说明。
此外,本公开的各种不同的实施方式之间也可以进行任意组合,只要其不违背本公开的思想,其同样应当视为本公开所公开的内容。
Claims (10)
1.基于大数据的多流域水电站集群发电计划系统,水电站集群发电计划系统基于大数据库,大数据库与水电站集群内的多个水电站系统的后台数据同步,其特征在于,水电站集群发电计划系统包括:
检测模块;检测模块包括用于统计水电站集群来水能力的检测子模块I、用于统计水库电量的检测子模块II、用于统计检修技改电量的检测子模块III、用于统计生态流量电量的检测子模块IV和用于监测水电站集群实时发电情况的实时发电模块;
预测模块;预测模块包括用于预测水电站集群来水能力的预测子模块I、用于预测水库电量的预测子模块II、用于预测检修技改电量的预测子模块III和用于预测生态流量电量的预测子模块IV,预测子模块I调用未来天气数据以及历年来水能力数据,预测子模块II调用水库库容、水位、单位水量对应电量以及年度水库调用计划数据,结合年度检修技改计划的预测子模块III与检测子模块III连接,结合生态流量下泄标准的预测子模块IV与检测子模块IV连接;
决策模块;决策模块与预测模块连接,结合电力市场因素形成水电站集群发电计划。
2.根据权利要求1所述的基于大数据的多流域水电站集群发电计划系统,其特征在于,检测子模块I对径流式电站统计其来水能力时,计算公式如下:
当W(来水)≥W(满发)时,
E(来水)=C(装机)×T;
当W(来水)<W(满发)时,
检测子模块I对调节式电站统计其来水能力时,计算公式如下:
式中,W(来水)为计算时段内的平均入库流量,W(满发)为电站满发引用流量,E(来水)为计算时段内来水能力,C(装机)为电站装机容量,T为计算时段的时间。
3.根据权利要求1所述的基于大数据的多流域水电站集群发电计划系统,其特征在于,检测子模块II统计水库电量时,其计算公式如下:
E(水库)=E(发电)—E(来水能力)+E(生态);
式中,E(水库)为计算时段内的水库电量,E(发电)为计算时段内调节式电站的发电量,E(来水能力)为计算时段内调节式电站的来水能力,E(生态)为计算时段内调节式电站的生态流量电量。
4.根据权利要求1所述的基于大数据的多流域水电站集群发电计划系统,其特征在于,检测子模块III对径流式电站统计其检修技改电量时,其计算公式如下:
当W(来水)—W(生态)≥W(满发)时,
E(检修)=C(停机)×T;
当W(满发)>W(来水)—W(生态)>(C(装机)-C(停机))/(C(装机))×W(满发)时,
E(检修)=((W(来水)-W(生态)-W(满发))/(W(满发))×C(装机)+C(停机))×T;
当W(来水)—W(生态)<(C(装机)-C(停机))/(C(装机))×W(满发)时,
E(检修)=0;
检测子模块III对调节式电站统计其检修技改电量时,其计算公式如下:
E(检修)=0;
式中,W(来水)为计算时段内的平均入库流量,W(生态)为计算时段内生态流量下泄值,W(满发)为电站满发引用流量,E(检修)为计算时段内的检修技改电量,C(停机)为检修技改停机容量,T为计算时段的时间,C(装机)为电站装机容量。
5.根据权利要求1所述的基于大数据的多流域水电站集群发电计划系统,其特征在于,检测子模块IV统计生态流量电量,其计算公式如下:
式中,W(生态)为计算时段内生态流量下泄值,W(满发)为电站满发引用流量,C(装机)为电站装机容量,E(生态)为计算时段内生态流量电量。
6.根据权利要求1所述的基于大数据的多流域水电站集群发电计划系统,其特征在于,预测子模块I预测来水能力时,其计算公式如下:
式中,E(来水预测)为某时段的预测来水能力,En(来水能力)为过去第n时段来水能力统计,En(来水能力)与E(来水预测)的时间间隔相同,Q为未来天气系数,N为时段数。
7.根据权利要求1所述的基于大数据的多流域水电站集群发电计划系统,其特征在于,决策模块对径流式电站形成水电站集群发电计划时,其计算公式如下:
E(计划)=(E(来水预测)-E(检修预测)-E(生态预测))×S;
预测模块对调节式电站形成水电站集群发电计划时,其计算公式如下:
E(计划)=E(来水预测)+E(水库预测)-E(检修预测)-E(生态预测);
式中,E(计划)为发电计划,E(检修预测)为检修技改电量预测,E(生态预测)为生态流量电量预测,E(水库预测)为调节式电站的水库电量预测,S为电力市场因素系数。
8.根据权利要求1所述的基于大数据的多流域水电站集群发电计划系统,其特征在于,水电站集群发电计划系统还包括诊断模块,诊断模块包括用于形成水电站集群发电量综合分析报告的分析子模块,分析子模块分别与检测模块、预测模块连接,分析子模块从来水能力、水库电量、检修技改电量、生态流量电量、其它电量因素对同比情况进行分析,对各因素的影响权重实现排序,并将分析结果反馈到决策模块。
9.根据权利要求8所述的基于大数据的多流域水电站集群发电计划系统,其特征在于,分析子模块中涉及的各因素物理量同比值的关系如下:
E(电量同比)=E(来水同比)+E(水库同比)—E(检修同比)—E(生态同比)+E(其它同比);
式中各项为各因素物理量的同比值,E(电量同比)为发电量的同比值。
10.根据权利要求8所述的基于大数据的多流域水电站集群发电计划系统,其特征在于,诊断模块还包括验证子模块,验证子模块与决策模块连接,验证子模块调用人工发电计划对决策模块形成的水电站集群发电计划进行评估。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910630437.6A CN110348740B (zh) | 2019-07-12 | 2019-07-12 | 基于大数据的多流域水电站集群发电计划系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910630437.6A CN110348740B (zh) | 2019-07-12 | 2019-07-12 | 基于大数据的多流域水电站集群发电计划系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110348740A true CN110348740A (zh) | 2019-10-18 |
CN110348740B CN110348740B (zh) | 2021-01-12 |
Family
ID=68175071
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910630437.6A Active CN110348740B (zh) | 2019-07-12 | 2019-07-12 | 基于大数据的多流域水电站集群发电计划系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110348740B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103714426A (zh) * | 2013-12-24 | 2014-04-09 | 国家电网公司 | 中小径流式水电站群一体化调度系统 |
CN108764651A (zh) * | 2018-04-28 | 2018-11-06 | 昆明电力交易中心有限责任公司 | 一种考虑来水不确定性的水电站月最优交易电量估计方法 |
CN109460858A (zh) * | 2018-10-15 | 2019-03-12 | 大连理工大学 | 多尺度电力市场条件下的梯级水电中期发电计划制定方法 |
CN109902855A (zh) * | 2019-01-14 | 2019-06-18 | 昆明电力交易中心有限责任公司 | 一种市场环境下的梯级关键水电站多目标优化及电量分配方法 |
US20190187637A1 (en) * | 2017-07-06 | 2019-06-20 | Dalian University Of Technology | Method for long-term optimal operations of interprovincial hydropower system considering peak-shaving demands |
-
2019
- 2019-07-12 CN CN201910630437.6A patent/CN110348740B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103714426A (zh) * | 2013-12-24 | 2014-04-09 | 国家电网公司 | 中小径流式水电站群一体化调度系统 |
US20190187637A1 (en) * | 2017-07-06 | 2019-06-20 | Dalian University Of Technology | Method for long-term optimal operations of interprovincial hydropower system considering peak-shaving demands |
CN108764651A (zh) * | 2018-04-28 | 2018-11-06 | 昆明电力交易中心有限责任公司 | 一种考虑来水不确定性的水电站月最优交易电量估计方法 |
CN109460858A (zh) * | 2018-10-15 | 2019-03-12 | 大连理工大学 | 多尺度电力市场条件下的梯级水电中期发电计划制定方法 |
CN109902855A (zh) * | 2019-01-14 | 2019-06-18 | 昆明电力交易中心有限责任公司 | 一种市场环境下的梯级关键水电站多目标优化及电量分配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110348740B (zh) | 2021-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kannan et al. | A hybrid approach based on MCDM methods and Monte Carlo simulation for sustainable evaluation of potential solar sites in east of Iran | |
Singh et al. | Operation of hydro power plants-a review | |
Xu et al. | Greenhouse gas emissions of electric vehicles in Europe considering different charging strategies | |
Vaghefi et al. | Modeling and forecasting of cooling and electricity load demand | |
Aslani et al. | Analysis of renewable energy development to power generation in the United States | |
Jacobs et al. | SOCRATES: A system for scheduling hydroelectric generation under uncertainty | |
CN103714426A (zh) | 中小径流式水电站群一体化调度系统 | |
CN107862466A (zh) | 考虑系统双侧随机性的源荷跨时空互补效益评价方法 | |
Charmchi et al. | Smart supply-side management of optimal hydro reservoirs using the water/energy nexus concept: A hydropower pinch analysis | |
Ramos et al. | Small-scale renewable power technologies are an alternative to reach a sustainable economic growth: Evidence from Spain | |
CN102147839A (zh) | 一种光伏发电量预测方法 | |
Ak et al. | Operating policies for energy generation and revenue management in single-reservoir hydropower systems | |
CN102769298B (zh) | 一种太阳能并网发电功率预测方法及预测系统 | |
Chen et al. | Optimal design of integrated urban energy systems under uncertainty and sustainability requirements | |
CN115115193A (zh) | 一种工业园区低碳分析及优化规划方法 | |
Dong et al. | Intelligent decision-making of distribution network planning scheme with distributed wind power generations | |
CN108346009A (zh) | 一种基于用户模型自学习的电力生产配置方法和装置 | |
Li et al. | Research on short-term joint optimization scheduling strategy for hydro-wind-solar hybrid systems considering uncertainty in renewable energy generation | |
CN103150605A (zh) | 电网规划辅助系统 | |
Boroomandnia et al. | Optimal design of micro pumped-storage plants in the heart of a city | |
Heydari Kushalshah et al. | Hybrid modelling for urban water supply system management based on a bi-objective mathematical model and system dynamics: A case study in Guilan province. | |
Mogo et al. | Improved deterministic reserve allocation method for multi-area unit scheduling and dispatch under wind uncertainty | |
Paliwal | A Technical Review on Reliability and Economic Assessment Framework of Hybrid Power System with Solar and Wind Based Distributed Generators | |
Wang et al. | Optimal distribution network expansion planning incorporating distributed generation | |
CN110348740A (zh) | 基于大数据的多流域水电站集群发电计划系统 |
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 | ||
CP01 | Change in the name or title of a patent holder | ||
CP01 | Change in the name or title of a patent holder |
Address after: Huaneng building, No.47, section 4, Renmin South Road, Wuhou District, Chengdu, Sichuan 610000 Patentee after: Huaneng Sichuan Energy Development Co.,Ltd. Patentee after: BEIJING ORIENTGE TECHNOLOGY RESEARCH INSTITUTE Co.,Ltd. Address before: Huaneng building, No.47, section 4, Renmin South Road, Wuhou District, Chengdu, Sichuan 610000 Patentee before: Huaneng Sichuan Hydropower Co.,Ltd. Patentee before: BEIJING ORIENTGE TECHNOLOGY RESEARCH INSTITUTE Co.,Ltd. |