CN110555786B - 基于数据驱动和情景分析法的电网网源承载力评估方法 - Google Patents
基于数据驱动和情景分析法的电网网源承载力评估方法 Download PDFInfo
- Publication number
- CN110555786B CN110555786B CN201910851227.XA CN201910851227A CN110555786B CN 110555786 B CN110555786 B CN 110555786B CN 201910851227 A CN201910851227 A CN 201910851227A CN 110555786 B CN110555786 B CN 110555786B
- Authority
- CN
- China
- Prior art keywords
- power grid
- data
- power
- new energy
- grid
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000004458 analytical method Methods 0.000 title claims abstract description 19
- 238000005457 optimization Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 238000007621 cluster analysis Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Public Health (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Operations Research (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于数据驱动和情景分析法的电网网源承载力评估方法，根据给定的全网各节点电源及负荷的历史数据，采用聚类分析法，建立电网典型运行情景；通过给定的电网网架结构和电网典型运行情景，来进行最优化计算，得到当前运行情景下，电网对新能源的最大装机容量；综合考虑各种电网典型运行场景，各种电网典型运行场景对应的电网对新能源的最大装机容量的最小值，即为当前给定的电网网架结构及电源和负荷结构下对新能源的最大承载能力。本发明基于历史运行数据对新能源和电网运行情景进行科学的聚类划分，进而实现电网在各种运行情境下对新能源承载能力的精细化评估，有助于促进大规模新能源的发展并网和保障电网的安全稳定运行。
Description
技术领域
本发明涉及电网数据分析技术领域，尤其涉及一种基于数据驱动和情景分析法的电网网源承载力评估方法。
背景技术
近年来，新能源发电技术取得了快速发展，新能源装机规模日益扩大，但是由于新能源出力的波动性和不确定性，大规模新能源并网对电网安全稳定运行提出了新的技术挑战，由于电网本身网架结构的限制，电网对新能源发电并网承载能力也受限。针对如何评估电网对大规模新能源并网承载能力的问题，现有方法主要考虑新能源极端出力情况下对全网调度运行的影响，即考虑新能源最大出力情况，这往往导致结果过于保守，不能满足大规模新能源并网要求。目前也有提出对多种可能的新能源和电网运行情景进行分析的方法，但是如何合理划分其运行情景等问题仍未得到科学的解决。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供了一种基于数据驱动和情景分析法的电网网源承载力评估方法，旨在解决现有技术无法合理评估电网对大规模新能源并网承载能力的技术问题。
为实现上述目的，本发明提供了一种基于数据驱动和情景分析法的电网网源承载力评估方法，所述方法包括：
S1、根据给定的全网各节点电源及负荷的历史数据，采用聚类分析法，建立电网典型运行情景；
S2、通过给定的电网网架结构和电网典型运行情景，来进行最优化计算，得到当前运行情景下，电网对新能源的最大装机容量；
S3、综合考虑各种电网典型运行场景，各种电网典型运行场景对应的电网对新能源的最大装机容量的最小值，即为当前给定的电网网架结构及电源和负荷结构下对新能源的最大承载能力。
进一步的，所述S1具体包括以下步骤：
S11、根据给定的全网各节点电源及负荷，读入各节点电源和负荷的历史数据；
S12、基于读入的历史数据，采用聚类分析法，建立电网典型运行情景；具体步骤如下：
S121、以一日内N个时段全网各节点电源和负荷的有功数据为特征量；其中
N＝24/Δ，Δ为有功数据的时间分辨率，单位为小时；
S122、设定该电网典型运行情景可聚类为M类，并从历史数据中随机挑选M日的特征量数据为该M类的聚类中心；
S123、依次计算历史数据中每一日的特征量数据与M个聚类中心的距离，即
Di(n)为第i日第n时段的特征量数据，Dj(n)为第j个聚类中心第n时段的特征量数据；
S124、令第i日的特征量数据归属于与其聚类中心距离最小的类j，即
S125、对于每一个聚类中心j，计算属于该聚类的第i日特征量数据到该聚类中心Pj(n)的距离，以及到其他聚类中心的距离，并且令相对距离为：
S126、计算历史数据中每一日特征量数据的相对距离的均方根和，并判断是否满足收敛条件，即是否满足以下公式：
δ为允许的相对距离，以上公式满足时收敛，聚类过程结束，否则继续以下步骤；
S127、重新计算M类的聚类中心，即
其中，Nj为归属于第j个聚类中心的日数。
S128、返回步骤(S123)。
优选地，所述S11中的历史数据读入方法如下：当可以获得去年整年的历史数据，取去年整年的历史数据；否则，当历史数据存储时间大于等于1年，取最近一年的历史数据，当历史数据存储时间小于1年，取全部历史数据。
进一步的，所述S2具体包括以下步骤：
S21、根据给定的电网网架结构和运行情景，读入其设备模型参数和拓扑连接关系，以及当前运行情景的聚类中心数据；
S22、建立最大装机容量计算的最优化模型，具体步骤如下：
S221、建立目标函数如下：
其中，nNode为电网包含的节点数，为第nd个节点对光伏的最大装机容量，/>为第nd个节点对风电的最大装机容量，/>即为该电网在当前运行情景下对新能源的最大装机容量；
S222、约束条件包括各节点电压上下限约束，各支路功率上限约束，以及网络潮流平衡约束；
S23、采用混合整数线性规划方法，求解得到最大装机容量。
进一步的，综合考虑各种电网典型运行场景，各种电网典型运行场景对应的电网对新能源的最大装机容量的最小值，即为当前给定的电网网架结构及电源和负荷结构下对新能源的最大承载能力具体计算公式如下：
有益效果：本发明首先提出基于历史数据，采用聚类分析法建立电网的典型运行情景，进而针对每种运行情景，可建立最大装机容量的优化模型，计算得到该情景下的最大装机容量，综合考虑各种可能运行情景，得到的最大装机容量的最小值即为可保障各种可能运行场景下该电网均能安全稳定运行的网源承载力。通过该发明，可精细化评估电网对新能源的承载能力，可有效保障电网安全稳定运行和促进新能源的大规模发展。
附图说明
图1是实施例中的基于数据驱动和情景分析法的电网网源承载力评估方法的主要流程图；
图2是实施例中的电网典型运行情景建立流程图；
图3是实施例中的历史数据读入流程图；
图4是实施例中的聚类分析法电网典型运行情景建立流程图；
图5是实施例中的给定运行情景下电网对新能源的最大装机容量计算流程图；
图6是实施例中的某运行情景下该电网内等值负荷、光伏电站、风电场的总有功数据曲线图；
图7是实施例中的光伏电站总装机15.6MW时计算得到的常规电源和外部电网的功率曲线图；
图8是实施例中的风电场总装机12.2MW时计算得到的常规电源和外部电网的功率曲线图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
电网对新能源的承载能力与电网的网架结构、电源和负荷构成，以及电网实际运行数据等均有关。因此，综合以上因素可有效提高电网网源承载力评估准确性。
综上所述，参见图1：本实施例提供了一种基于数据驱动和情景分析法的电网网源承载力评估方法，所述方法包括：
如图2：S1、根据给定的全网各节点电源及负荷的历史数据，采用聚类分析法，建立电网典型运行情景；
所述S1具体包括以下步骤：
S11、根据给定的全网各节点电源及负荷，读入各节点电源和负荷的历史数据；
S12、基于读入的历史数据，采用聚类分析法，建立电网典型运行情景；参见图4：具体步骤如下：
S121、以一日内N个时段全网各节点电源和负荷的有功数据为特征量；其中
N＝24/Δ，Δ为有功数据的时间分辨率，单位为小时；
S122、设定该电网典型运行情景可聚类为M类，并从历史数据中随机挑选M日的特征量数据为该M类的聚类中心；
S123、依次计算历史数据中每一日的特征量数据与M个聚类中心的距离，即
Di(n)为第i日第n时段的特征量数据，Dj(n)为第j个聚类中心第n时段的特征量数据；
S124、令第i日的特征量数据归属于与其聚类中心距离最小的类j，即
S125、对于每一个聚类中心j，计算属于该聚类的第i日特征量数据到该聚类中心Pj(n)的距离，以及到其他聚类中心的距离，并且令相对距离为：
S126、计算历史数据中每一日特征量数据的相对距离的均方根和，并判断是否满足收敛条件，即是否满足以下公式：
δ为允许的相对距离，以上公式满足时收敛，聚类过程结束，否则继续以下步骤；
S127、重新计算M类的聚类中心，即
其中，Nj为归属于第j个聚类中心的日数。
S128、返回步骤(S123)。
如图5所示：S2、通过给定的电网网架结构和电网典型运行情景，来进行最优化计算，得到当前运行情景下，电网对新能源的最大装机容量；
所述S2具体包括以下步骤：
S21、根据给定的电网网架结构和运行情景，读入其设备模型参数和拓扑连接关系，以及当前运行情景的聚类中心数据；
S22、建立最大装机容量计算的最优化模型，具体步骤如下：
S221、建立目标函数如下：
其中，nNode为电网包含的节点数，为第nd个节点对光伏的最大装机容量，/>为第nd个节点对风电的最大装机容量，/>即为该电网在当前运行情景下对新能源的最大装机容量；
S222、约束条件包括各节点电压上下限约束，各支路功率上限约束，以及网络潮流平衡约束；
S23、采用混合整数线性规划方法，求解得到最大装机容量。
S3、综合考虑各种电网典型运行场景，各种电网典型运行场景对应的电网对新能源的最大装机容量的最小值，即为当前给定的电网网架结构及电源和负荷结构下对新能源的最大承载能力具体计算公式如下：
需要说明的是，本实施例首先提出基于历史数据，采用聚类分析法建立电网的典型运行情景，进而针对每种运行情景，可建立最大装机容量的优化模型，计算得到该情景下的最大装机容量，综合考虑各种可能运行情景，得到的最大装机容量的最小值即为可保障各种可能运行场景下该电网均能安全稳定运行的网源承载力。
可以理解的是，通过本实施例可精细化评估电网对新能源的承载能力，可有效保障电网安全稳定运行和促进新能源的大规模发展。
优选地，参见图3：所述S11中的历史数据读入方法如下：当可以获得去年整年的历史数据，取去年整年的历史数据；例如当数据库中只有前年10月到今年8月份的历史数据，因此去年的历史数据就是完整的，则就可取去年整年的历史数据，否则，当历史数据存储时间大于等于1年，取最近一年的历史数据，当历史数据存储时间小于1年，取全部历史数据。
以包含4MW光伏电站、2MW风电场、以及6MW常规电源的某电网为例，该电网对外部电网的最大用电功率为10MW，允许最大送电功率为2MW。某运行情景下该电网内等值负荷、光伏电站、风电场的总有功数据曲线如图6所示。调用最大装机容量优化求解模型，计算得到该电网对光伏电站的最大承载能力为15.6MW，装机进一步增大时，则优化模型无解，即不能保障电网安全稳定运行。光伏电站总装机15.6MW时计算得到的常规电源和外部电网的功率如图7所示。而该电网对风电场的最大承载能力则为12.2MW，装机进一步增大时，则优化模型无解，风电场总装机12.2MW时计算得到的常规电源和外部电网的功率如图8所示。
通过以上具体实验数据可知，本实施例基于历史运行数据对新能源和电网运行情景进行科学的聚类划分，进而实现了电网在各种运行情境下对新能源承载能力的精细化评估，有助于促进大规模新能源的发展并网和保障电网的安全稳定运行。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器/随机存取存储器、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (4)
1.一种基于数据驱动和情景分析法的电网网源承载力评估方法，其特征在于，所述方法包括：
S1、根据给定的全网各节点电源及负荷的历史数据，采用聚类分析法，建立电网典型运行情景；所述S1具体包括以下步骤：
S11、根据给定的全网各节点电源及负荷，读入各节点电源和负荷的历史数据；
S12、基于读入的历史数据，采用聚类分析法，建立电网典型运行情景；具体步骤如下：
S121、以一日内N个时段全网各节点电源和负荷的有功数据为特征量；其中
N＝24/Δ，Δ为有功数据的时间分辨率，单位为小时；
S122、设定该电网典型运行情景可聚类为M类，并从历史数据中随机挑选M日的特征量数据为该M类的聚类中心；
S123、依次计算历史数据中每一日的特征量数据与M个聚类中心的距离，即
Di(n)为第i日第n时段的特征量数据，Dj(n)为第j个聚类中心第n时段的特征量数据；
S124、令第i日的特征量数据归属于与其聚类中心距离最小的类j，即i∈j*,
S125、对于每一个聚类中心j，计算属于该聚类的第i日特征量数据到该聚类中心Pj(n)的距离，以及到其他聚类中心的距离，并且令相对距离为：
S126、计算历史数据中每一日特征量数据的相对距离的均方根和，并判断是否满足收敛条件，即是否满足以下公式：
δ为允许的相对距离，以上公式满足时收敛，聚类过程结束，否则继续以下步骤；
S127、重新计算M类的聚类中心，即
其中，Nj为归属于第j个聚类中心的日数；
S128、返回步骤S123；
S2、通过给定的电网网架结构和电网典型运行情景，来进行最优化计算，得到当前运行情景下，电网对新能源的最大装机容量；
S3、综合考虑各种电网典型运行场景，各种电网典型运行场景对应的电网对新能源的最大装机容量的最小值，即为当前给定的电网网架结构及电源和负荷结构下对新能源的最大承载能力。
2.如权利要求1所述的基于数据驱动和情景分析法的电网网源承载力评估方法，其特征在于，所述S11中的历史数据读入方法如下：当可以获得去年整年的历史数据，取去年整年的历史数据；否则，当历史数据存储时间大于等于1年，取最近一年的历史数据，当历史数据存储时间小于1年，取全部历史数据。
3.如权利要求1所述的基于数据驱动和情景分析法的电网网源承载力评估方法，其特征在于，所述S2具体包括以下步骤：
S21、根据给定的电网网架结构和运行情景，读入其设备模型参数和拓扑连接关系，以及当前运行情景的聚类中心数据；
S22、建立最大装机容量计算的最优化模型，具体步骤如下：
S221、建立目标函数如下：
其中，nNode为电网包含的节点数，为第nd个节点对光伏的最大装机容量，/>为第nd个节点对风电的最大装机容量，/>即为该电网在当前运行情景下对新能源的最大装机容量；
S222、约束条件包括各节点电压上下限约束，各支路功率上限约束，以及网络潮流平衡约束；
S23、采用混合整数线性规划方法，求解得到最大装机容量。
4.如权利要求1-3任一所述的基于数据驱动和情景分析法的电网网源承载力评估方法，其特征在于，综合考虑各种电网典型运行场景，各种电网典型运行场景对应的电网对新能源的最大装机容量的最小值，即为当前给定的电网网架结构及电源和负荷结构下对新能源的最大承载能力具体计算公式如下：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910851227.XA CN110555786B (zh) | 2019-09-10 | 2019-09-10 | 基于数据驱动和情景分析法的电网网源承载力评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910851227.XA CN110555786B (zh) | 2019-09-10 | 2019-09-10 | 基于数据驱动和情景分析法的电网网源承载力评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110555786A CN110555786A (zh) | 2019-12-10 |
| CN110555786B true CN110555786B (zh) | 2023-08-11 |
Family
ID=68739512
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910851227.XA Active CN110555786B (zh) | 2019-09-10 | 2019-09-10 | 基于数据驱动和情景分析法的电网网源承载力评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110555786B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113410909A (zh) * | 2021-06-21 | 2021-09-17 | 国网天津市电力公司电力科学研究院 | 一种实时显示区域新能源承载力的方法 |
Citations (7)
| 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 |
| CN103441535A (zh) * | 2013-08-01 | 2013-12-11 | 国电南瑞科技股份有限公司 | 基于sced的日前发电计划光伏发电接纳能力分析方法 |
| WO2014173131A1 (zh) * | 2013-04-23 | 2014-10-30 | 国家电网公司 | 一种基于响应的大电网全态势在线一体化量化评估方法 |
| CN104167765A (zh) * | 2014-07-11 | 2014-11-26 | 海南电网公司 | 一种基于接纳能力分布的最大风电装机容量计算方法 |
| CN104201673A (zh) * | 2014-09-09 | 2014-12-10 | 国家电网公司 | 一种新能源发电在线接纳能力评估方法 |
| CN107301472A (zh) * | 2017-06-07 | 2017-10-27 | 天津大学 | 基于场景分析法和电压调节策略的分布式光伏规划方法 |
| CN109508823A (zh) * | 2018-11-06 | 2019-03-22 | 西安理工大学 | 一种基于场景分析法的配电网中分布式电源规划方法 |
-
2019
- 2019-09-10 CN CN201910851227.XA patent/CN110555786B/zh active Active
Patent Citations (7)
| 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 |
| WO2014173131A1 (zh) * | 2013-04-23 | 2014-10-30 | 国家电网公司 | 一种基于响应的大电网全态势在线一体化量化评估方法 |
| CN103441535A (zh) * | 2013-08-01 | 2013-12-11 | 国电南瑞科技股份有限公司 | 基于sced的日前发电计划光伏发电接纳能力分析方法 |
| CN104167765A (zh) * | 2014-07-11 | 2014-11-26 | 海南电网公司 | 一种基于接纳能力分布的最大风电装机容量计算方法 |
| CN104201673A (zh) * | 2014-09-09 | 2014-12-10 | 国家电网公司 | 一种新能源发电在线接纳能力评估方法 |
| CN107301472A (zh) * | 2017-06-07 | 2017-10-27 | 天津大学 | 基于场景分析法和电压调节策略的分布式光伏规划方法 |
| CN109508823A (zh) * | 2018-11-06 | 2019-03-22 | 西安理工大学 | 一种基于场景分析法的配电网中分布式电源规划方法 |
Non-Patent Citations (1)
| Title |
|---|
| 《基于状态聚类的含大规模风电电力系统调峰充裕性评估》;杨天蒙;《陕西电力》;20170131;第45卷(第1期);第22-26、77页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110555786A (zh) | 2019-12-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ye et al. | Hierarchical model predictive control strategy based on dynamic active power dispatch for wind power cluster integration | |
| CN110535131B (zh) | 基于场景分析和安全约束经济调度的分层消纳预警方法 | |
| Samakpong et al. | Optimal power flow incorporating renewable uncertainty related opportunity costs | |
| Masaud et al. | Placement of large‐scale utility‐owned wind distributed generation based on probabilistic forecasting of line congestion | |
| Nasri et al. | Optimal planning of dispatchable and non‐dispatchable distributed generation units for minimizing distribution system's energy loss using particle swarm optimization | |
| CN110555786B (zh) | 基于数据驱动和情景分析法的电网网源承载力评估方法 | |
| Jahangir et al. | Optimal design of stand-alone microgrid resources based on proposed Monte-Carlo simulation | |
| Odero et al. | Wind Energy Resource Prediction and Optimal Storage Sizing to Guarantee Dispatchability: A Case Study in the Kenyan Power Grid | |
| Johnson et al. | Short term wind power forecasting using adaptive neuro-fuzzy inference systems | |
| Su et al. | A coordinative optimization method of active power and fatigue distribution in onshore wind farms | |
| Memmel et al. | Simulation of vertical power flow at MV/HV transformers for quantification of curtailed renewable power | |
| Lang et al. | A novel two‐stage interval prediction method based on minimal gated memory network for clustered wind power forecasting | |
| CN115660893A (zh) | 一种基于负荷特性的变电站母线负荷预测方法 | |
| CN113887902B (zh) | 基于调度电量比例的风电集群电量分配方法 | |
| Rodriguez et al. | Forecast of photovoltaic generation in isolated rural areas of Ecuador using Holt-Winters and seasonal variation methods | |
| Nikzad et al. | Robust unit commitment applying information gap decision theory and Taguchi orthogonal array technique | |
| Kolev et al. | Probabilistic modelling of available capacity in the power system | |
| Ghaffari et al. | Optimal economic load dispatch based on wind energy and risk constrains through an intelligent algorithm | |
| García-Gusano et al. | Towards Energy Self-sufficiency in Large Metropolitan Areas: Business Opportunities on Renewable Electricity in Madrid | |
| CN112039120A (zh) | 一种并网风电场无功功率调节方法及系统 | |
| CN109447456A (zh) | 计及短期需求响应的风电并网电力系统规划方法 | |
| CN114759602B (zh) | 考虑光伏极端场景的配电网接纳能力评估方法 | |
| Keswani et al. | Day ahead optimal economic dispatch with solar energy integration using PSO | |
| Kariniotakis | Forecasting of wind parks production by dynamic fuzzy models with optimal generalisation capacity | |
| Saravanan et al. | Generation Scheduling With Renewable Energy Sources an Improved Fire fly Optimization Algorithm |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 100031 No. 86 West Chang'an Avenue, Beijing, Xicheng District Applicant after: CHUZHOU POWER SUPPLY COMPANY OF STATE GRID ANHUI ELECTRIC POWER Corp. Applicant after: State Grid Corporation of China Applicant after: ANHUI YUKUN AUTOMATION TECHNOLOGY Co.,Ltd. Address before: 100031 No. 86 West Chang'an Avenue, Beijing, Xicheng District Applicant before: STATE GRID CORPORATION OF CHINA Applicant before: STATE GRID ANHUI POWER CO., LTD. CHUZHOU POWER SUPPLY Co. Applicant before: ANHUI YUKUN AUTOMATION TECHNOLOGY Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 239000 No. 510 Fenghuang Road, Anhui, Chuzhou Applicant after: CHUZHOU POWER SUPPLY COMPANY OF STATE GRID ANHUI ELECTRIC POWER Corp. Applicant after: State Grid Corporation of China Applicant after: ANHUI YUKUN AUTOMATION TECHNOLOGY Co.,Ltd. Address before: 100031 No. 86 West Chang'an Avenue, Beijing, Xicheng District Applicant before: State Grid Corporation of China Applicant before: CHUZHOU POWER SUPPLY COMPANY OF STATE GRID ANHUI ELECTRIC POWER Corp. Applicant before: ANHUI YUKUN AUTOMATION TECHNOLOGY Co.,Ltd. |
|
| CI02 | Correction of invention patent application | ||
| CI02 | Correction of invention patent application |
Correction item: change of bibliographic data Correct: Revoke False: Make changes Number: 29-02 Volume: 39 |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |