CN110429667B - 基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法 - Google Patents

基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法 Download PDF

Info

Publication number
CN110429667B
CN110429667B CN201910841947.8A CN201910841947A CN110429667B CN 110429667 B CN110429667 B CN 110429667B CN 201910841947 A CN201910841947 A CN 201910841947A CN 110429667 B CN110429667 B CN 110429667B
Authority
CN
China
Prior art keywords
power generation
photovoltaic
photo
thermal
output
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
CN201910841947.8A
Other languages
English (en)
Other versions
CN110429667A (zh
Inventor
宋军
宋汶秦
熊峰
戚翰德
王泉
蒋明华
王海亮
徐建委
汪静
刘科
陈英普
王兴贵
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
State Grid Gansu Electric Power Co Ltd
Lanzhou University of Technology
Economic and Technological Research Institute of State Grid Gansu Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Gansu Electric Power Co Ltd
Lanzhou University of Technology
Economic and Technological Research Institute of State Grid Gansu 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, State Grid Gansu Electric Power Co Ltd, Lanzhou University of Technology, Economic and Technological Research Institute of State Grid Gansu Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201910841947.8A priority Critical patent/CN110429667B/zh
Publication of CN110429667A publication Critical patent/CN110429667A/zh
Application granted granted Critical
Publication of CN110429667B publication Critical patent/CN110429667B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • Water Supply & Treatment (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Primary Health Care (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Power Engineering (AREA)
  • Photovoltaic Devices (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法，针对光伏电站出力波动问题，建立与之匹配的光热电站构成光热光伏打捆发电系统。基于太阳辐射强度历史数据，提出一种在完全消纳光伏发电的基础上，以光热光伏打捆发电系统出力标准差最小为目标，通过布谷鸟搜索改进系统容量配置的方法。

Description

基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法
技术领域
本发明涉及一种基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法。
背景技术
由于化石能源的逐年减少以及环境污染问题的不断加剧，发展新兴发电技术已然迫在眉睫。光热发电以其优越的发电特性得到了广泛关注，即将迎来高速发展的时期。与其他新能源发电技术相比，光热发电的调节能力,可以与火电机组相媲美，能够实现“以可再生能源消纳可再生能源”，是未来实现大规模可再生能源并网的一种关键技术手段。
光伏发电的出力易受天气条件的影响，具有随机性和波动性。光热发电配备了相应的储热系统，能够根据需要灵活地调整自身出力。光热发电的这一特点刚好可以弥补光伏发电的不足。将两种发电方式结合起来构成光热光伏打捆发电系统，可以有效地降低光伏发电的出力波动，提高电能质量，保证电力的稳定供应。相关文献论证了光热电站和光伏电站在互补发电方面的可行性，但其结论仅建立在光热光伏容量比为1:1的情况下。是否存在光热光伏最佳容量配置，使系统出力波动最小有待研究。
发明内容
本发明涉及的是基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法。其特征是，基于太阳辐射强度历史数据，以光热光伏打捆发电系统出力标准差最小为目标，通过布谷鸟搜索改进系统容量配置，达到平抑系统出力波动的目的。具体包括以下步骤：
1)光热发电子系统和光伏发电子系统出力预测
根据光热和光伏发电的运行机理，基于太阳辐射强度历史数据，预测光热和光伏发电子系统出力Pc、Ps；
2)建立光热光伏打捆发电系统出力优化模型
以系统出力标准差最小为目标函数，如公式一所示：
Figure BDA0002193990130000011
式中：F为光热光伏打捆发电系统全天出力的标准差；Ptotal(t)为打捆发电系统在t时刻的出力；Pm为系统全天出力的平均值；n为调度周期(本发明将全天分为24个调度时段，故n＝24)；
系统出力由光热发电子系统出力和光伏发电子系统出力两部分组成，即：
Ptotal(t)＝Pc(t)+Ps(t) (公式二)
式中：Pc(t)为光热发电子系统在t时刻的出力；Ps(t)为光伏发电子系统在t时刻的出力。
本系统以完全消纳光伏发电为前提，光伏发电子系统处于正常运行状态，光热发电子系统根据光伏发电子系统的运行状态进行出力。具体约束条件如公式四、五、六所示：
0≤Ps(t)≤Ps-max (公式四)
Pc-min≤Pc(t)≤Pc-max (公式五)
h≤Ptotal(t)-Ptotal(t-1)≤H (公式六)
式中：Ps-max表示光伏发电子系统最大出力；Pc-min和Pc-max表示光热发电子系统的最小、最大出力；h和H分别表示爬坡功率的最小和最大限值。
3)基于布谷鸟搜索的光热光伏打捆发电系统容量优化配置方法具体实施步骤
步骤1：根据系统出力优化模型，确定系统中各发电子系统的出力取值范围，迭代次数为N，初始概率参数pα取0.25；
步骤2：随机生成一组数量为n的鸟窝位置，选择一个鸟窝并对其中的模型参数进行测试，筛选出初始最佳鸟窝保留到下一代；
步骤3：通过公式七搜寻到一组新的鸟窝位置，然后对目标函数值进行适应度函数测试，并与步骤2得到的鸟窝参数进行对比，保留测试结果更好的鸟窝位置；
Figure BDA0002193990130000021
式中：
Figure BDA0002193990130000022
是第t代第i个解；α是步长缩放因子；
Figure BDA0002193990130000023
是莱维飞行步长，表示从第i代的所有鸟窝(可行解)通过以莱维飞行的方式搜寻到第i+1代鸟窝(可行解)飞行的距离，
Figure BDA0002193990130000025
为点对点乘法；
步骤4：位置更新后，用随机数r与鸟蛋被发现的概率pα对比，保留鸟蛋被发现概率较小的鸟窝位置，对鸟蛋被发现概率较大的鸟窝位置进行随机改变，并与上一步中的位置进行对比，保留测试结果更好的位置；
步骤5：通过比较测试结果，选择全局最优的鸟窝位置；
步骤6：输出步骤5得出的最优解对系统出力优化模型进行优化。
定义λ为光热光伏打捆发电系统中光伏容量与光热容量的比值，如公式八所示。当λ取不同值时，通过光热光伏打捆发电系统出力优化模型计算系统全天出力波动值，选取最优解相对应的λ的值作为光热光伏打捆发电系统最佳容量配比。
Figure BDA0002193990130000024
本发明的有益之处是：建立光热光伏打捆发电系统，充分利用了光热发电能量时移特性，弥补了光伏发电的不足；其次，利用太阳能历史资料，预测光热发电子系统和光伏发电子系统的出力，通过布谷鸟搜索求解光热光伏打捆发电系统出力优化模型，进而得到平抑出力波动的光热光伏打捆发电系统最佳容量配置，具有科学合理，效果最佳等优点。
附图说明
图1是光热光伏打捆发电系统结构图，图2是基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法流程图。
具体实施方式
如图1所示，本发明所述的光热光伏打捆发电系统由光热发电子系统1和光伏发电子系统2组成。光热发电子系统1由吸热塔3、储热装置4以及发电装置5三个部分组成。光伏发电子系统2由光伏阵列和逆变器两部分组成。此系统的特点是光热发电子系统由于能量交换子系统中储热装置的存在，具有能量时移的特性，可以有效地降低光伏发电的出力波动，提高系统电能质量，保证电力的稳定供应。
如图2所示，本发明是一种基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法，具体包括以下步骤：
1)光热发电子系统1和光伏发电子系统2出力预测
根据光热和光伏发电的运行机理，基于太阳辐射强度历史数据，预测光热和光伏发电子系统出力Pc、Ps；
2)建立光热光伏打捆发电系统出力优化模型
以系统出力标准差最小为目标函数，如公式一所示：
Figure BDA0002193990130000031
式中：F为光热光伏打捆发电系统全天出力的标准差；Ptotal(t)为打捆发电系统在t时刻的出力；Pm为系统全天出力的平均值；n为调度周期(本文将全天分为24个调度时段，故n＝24)；
系统出力由光热发电子系统出力和光伏发电子系统出力两部分组成，即：
Ptotal(t)＝Pc(t)+Ps(t) (公式二)
式中：Pc(t)为光热发电子系统在t时刻的出力；Ps(t)为光伏发电子系统在t时刻的出力。
本系统以完全消纳光伏发电为前提，光伏发电子系统2处于正常运行状态，光热发电子系统1根据光伏发电子系统2的运行状态进行出力。具体约束条件如公式四、五、六所示：
0≤Ps(t)≤Ps-max (公式四)
Pc-min≤Pc(t)≤Pc-max (公式五)
h≤Ptotal(t)-Ptotal(t-1)≤H (公式六)
式中：Ps-max表示光伏发电子系统最大出力；Pc-min和Pc-max表示光热发电子系统的最小、最大出力；h和H分别表示爬坡功率的最小和最大限值。
3)基于布谷鸟搜索的光热光伏打捆发电系统容量优化配置方法具体实施步骤
步骤1：根据系统出力优化模型，确定系统中光热发电子系统1和光伏发电子系统2的出力取值范围，迭代次数为N，初始概率参数pα取0.25；
步骤2：随机生成一组数量为n的鸟窝位置，即：
Figure BDA0002193990130000041
选择一个鸟窝并对其中的模型参数进行测试，筛选出初始最佳鸟窝
Figure BDA0002193990130000042
及目标函数值
Figure BDA0002193990130000043
保留到下一代；
步骤3：以莱维随机分布的方式，如公式七所示，搜寻到一组新的鸟窝位置，然后对目标函数值进行适应度函数测试，并与步骤2得到的鸟窝参数进行对比，保留测试结果更好的鸟窝位置，获得一组新的鸟窝位置及目标函数值，即：
Figure BDA0002193990130000044
Figure BDA0002193990130000045
式中：
Figure BDA0002193990130000046
是第t代第i个解；α是步长缩放因子；
Figure BDA0002193990130000047
是莱维飞行步长，表示从第i代的所有鸟窝(可行解)通过以莱维飞行的方式搜寻到第i+1代鸟窝(可行解)飞行的距离，
Figure BDA00021939901300000412
为点对点乘法；
步骤4：位置更新后，用随机数r与鸟蛋被发现的概率pα对比，保留
Figure BDA0002193990130000048
中鸟蛋被发现概率较小的鸟窝位置，对鸟蛋被发现概率较大的鸟窝位置进行随机改变，并与上一步
Figure BDA0002193990130000049
中的位置进行对比，保留测试结果更好的位置，得到一组更佳的鸟窝位置及目标函数，即，
Figure BDA00021939901300000410
步骤5：通过比较测试结果，选择全局最优的鸟窝位置；
步骤6：输出步骤5得出的最优解对系统出力优化模型进行优化。
定义λ为光热光伏打捆发电系统中光伏容量与光热容量的比值，如公式八所示。当λ取不同值时，通过光热光伏打捆发电系统出力优化模型计算系统全天出力波动值，选取最优解相对应的λ的值作为光热光伏打捆发电系统最佳容量配比。
Figure BDA00021939901300000411
由以上步骤可以实现基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法。

Claims (1)

1.基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法，其特征是，基于太阳辐射强度历史数据，以光热光伏打捆发电系统出力标准差最小为目标，通过布谷鸟搜索改进系统容量配置，具体包括以下步骤：
1)光热发电子系统和光伏发电子系统出力预测
根据光热和光伏发电的运行机理，基于太阳辐射强度历史数据，预测光热和光伏发电子系统出力Pc、Ps；
2)建立光热光伏打捆发电系统出力优化模型
以系统出力标准差最小为目标函数，如公式一所示：
Figure FDA0003525303880000011
式中：F为光热光伏打捆发电系统全天出力的标准差；Ptotal(t)为打捆发电系统在t时刻的出力；Pm为系统全天出力的平均值；n为调度周期，n＝24；
系统出力由光热发电子系统出力和光伏发电子系统出力两部分组成，即：
Ptotal(t)＝Pc(t)+Ps(t) (公式二)
式中：Pc(t)为光热发电子系统在t时刻的出力；Ps(t)为光伏发电子系统在t时刻的出力；
本系统以完全消纳光伏发电为前提，光伏发电子系统处于正常运行状态，光热发电子系统根据光伏发电子系统的运行状态进行出力；具体约束条件如公式四、五、六所示：
0≤Ps(t)≤Ps-max (公式四)
Pc-min≤Pc(t)≤Pc-max (公式五)
h≤Ptotal(t)-Ptotal(t-1)≤H (公式六)
式中：Ps-max表示光伏发电子系统最大出力；Pc-min和Pc-max表示光热发电子系统的最小、最大出力；h和H分别表示爬坡功率的最小和最大限值；
3)基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法具体实施步骤
步骤1：根据系统出力优化模型，确定系统中光热发电子系统1和光伏发电子系统2的出力取值范围，迭代次数为N，初始概率参数pα取0.25；
步骤2：随机生成一组数量为n的鸟窝位置，选择一个鸟窝并对其中的模型参数进行测试，筛选出初始最佳鸟窝保留到下一代；
步骤3：通过公式七搜寻到一组新的鸟窝位置，然后对目标函数值进行适应度函数测试，并与步骤2得到的鸟窝参数进行对比，保留测试结果更好的鸟窝位置；
Figure FDA0003525303880000012
式中：
Figure FDA0003525303880000013
是第t代第i个解；α是步长缩放因子；
Figure FDA0003525303880000014
是莱维飞行步长，表示从第i代的所有鸟窝通过以莱维飞行的方式搜寻到第i+1代鸟窝飞行的距离，鸟窝为可行解；
Figure FDA0003525303880000015
为点对点乘法；
步骤4：位置更新后，用随机数r与鸟蛋被发现的概率pα对比，保留鸟蛋被发现概率较小的鸟窝位置，对鸟蛋被发现概率较大的鸟窝位置进行随机改变，并与上一步中的位置进行对比，保留测试结果更好的位置；
步骤5：通过比较测试结果，选择全局最优的鸟窝位置；
步骤6：输出步骤5得出的最优解对系统出力优化模型进行优化；
定义λ为光热光伏打捆发电系统中光伏容量与光热容量的比值，如公式八所示；当λ取不同值时，通过光热光伏打捆发电系统出力优化模型计算系统全天出力波动值，选取最优解相对应的λ的值作为光热光伏打捆发电系统最佳容量配比；
Figure FDA0003525303880000021
由以上步骤可以实现基于布谷鸟搜索的光热光伏打捆发电系统容量配置。
CN201910841947.8A 2019-09-06 2019-09-06 基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法 Active CN110429667B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910841947.8A CN110429667B (zh) 2019-09-06 2019-09-06 基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910841947.8A CN110429667B (zh) 2019-09-06 2019-09-06 基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法

Publications (2)

Publication Number Publication Date
CN110429667A CN110429667A (zh) 2019-11-08
CN110429667B true CN110429667B (zh) 2022-04-22

Family

ID=68418806

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910841947.8A Active CN110429667B (zh) 2019-09-06 2019-09-06 基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法

Country Status (1)

Country Link
CN (1) CN110429667B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110782024A (zh) * 2019-11-15 2020-02-11 兰州理工大学 基于卷积神经网络的光热电场太阳直接法向辐射预测方法
CN111682531B (zh) * 2020-06-11 2023-06-27 国网重庆市电力公司 基于pl-imocs的风光水火一次能源互补短期优化调度方法和装置
CN111953025B (zh) * 2020-06-29 2023-06-30 国网冀北电力有限公司 配电网分布式光伏消纳能力确定方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105279346A (zh) * 2015-11-20 2016-01-27 国网能源研究院 一种用于评估配电网接纳分布式光伏能力的方法
CN106856333A (zh) * 2015-12-09 2017-06-16 中国电力科学研究院 一种风光火打捆外送系统调峰容量分配确定方法
CN107437813A (zh) * 2017-07-17 2017-12-05 安徽大学 基于布谷鸟‑粒子群的配电网无功功率优化方法
CA3072045A1 (en) * 2017-08-02 2019-02-07 Strong Force Iot Portfolio 2016, Llc Methods and systems for detection in an industrial internet of things data collection environment with large data sets
CN109617826A (zh) * 2018-12-29 2019-04-12 南京航空航天大学 一种基于布谷鸟搜索的storm动态负载均衡方法
CN110097228A (zh) * 2019-05-06 2019-08-06 国家电网有限公司 一种政府监管下基于谱风险的虚拟电厂调度模型构建方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105279346A (zh) * 2015-11-20 2016-01-27 国网能源研究院 一种用于评估配电网接纳分布式光伏能力的方法
CN106856333A (zh) * 2015-12-09 2017-06-16 中国电力科学研究院 一种风光火打捆外送系统调峰容量分配确定方法
CN107437813A (zh) * 2017-07-17 2017-12-05 安徽大学 基于布谷鸟‑粒子群的配电网无功功率优化方法
CA3072045A1 (en) * 2017-08-02 2019-02-07 Strong Force Iot Portfolio 2016, Llc Methods and systems for detection in an industrial internet of things data collection environment with large data sets
CN109617826A (zh) * 2018-12-29 2019-04-12 南京航空航天大学 一种基于布谷鸟搜索的storm动态负载均衡方法
CN110097228A (zh) * 2019-05-06 2019-08-06 国家电网有限公司 一种政府监管下基于谱风险的虚拟电厂调度模型构建方法

Also Published As

Publication number Publication date
CN110429667A (zh) 2019-11-08

Similar Documents

Publication Publication Date Title
CN110429667B (zh) 基于布谷鸟搜索的光热光伏打捆发电系统容量配置方法
Soheyli et al. Modeling a novel CCHP system including solar and wind renewable energy resources and sizing by a CC-MOPSO algorithm
CN111969603B (zh) 一种微能源网系统及其协同优化运行控制方法
CN106874630A (zh) 基于电量消纳的区域电网新能源开发潜力评估方法
CN112749462A (zh) 一种综合能源系统当前运行参数的优化方法、系统及设备
CN111144620A (zh) 一种考虑季节储氢的电氢综合能源系统及其鲁棒规划方法
CN115425680B (zh) 一种多能源联合发电系统的功率预测模型构建及预测方法
CN104362681B (zh) 一种考虑随机性的孤岛微电网容量优化配置方法
CN116667325B (zh) 一种基于改进布谷鸟算法的微电网并网运行优化调度方法
CN111428850A (zh) 基于改进粒子群算法的综合能源系统运行优化方法及装置
CN112994115A (zh) 一种基于wgan场景模拟和时序生产模拟的新能源容量配置方法
CN116402210A (zh) 一种综合能源系统多目标优化方法、系统、设备和介质
CN113723793A (zh) 园区综合能源系统的实现方法、装置、设备和介质
CN113555908A (zh) 一种智能配电网储能优化配置方法
CN116646918A (zh) 一种电力系统电-氢联合低碳调度方法及系统
CN110991927A (zh) 提高区域电网不同地区间歇性电源互补效果的电源规划方法
Zhao et al. Research on Multiobjective Optimal Operation Strategy for Wind‐Photovoltaic‐Hydro Complementary Power System
CN113178896A (zh) 一种固定出力光储联合电站装机容量配置方法及系统
CN113298164A (zh) 一种基于光伏出力不确定性的楼宇用能优化方法
CN113922418B (zh) 一种光热-储热-低温余热供电系统及优化控制方法
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
CN112993973B (zh) 储热装置和储电装置的配置方法及装置
CN115173477A (zh) 一种基于受端电网的新能源消纳能力优化方法
CN116742624B (zh) 一种光伏发电量预测方法及系统
CN107194620B (zh) 一种光伏发电日发电量的一型点值Zadeh模糊计算方法及装置

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