CN110571850B - 一种风电场功率波动轨迹预测和校正控制方法 - Google Patents
一种风电场功率波动轨迹预测和校正控制方法 Download PDFInfo
- Publication number
- CN110571850B CN110571850B CN201910799818.7A CN201910799818A CN110571850B CN 110571850 B CN110571850 B CN 110571850B CN 201910799818 A CN201910799818 A CN 201910799818A CN 110571850 B CN110571850 B CN 110571850B
- Authority
- CN
- China
- Prior art keywords
- power
- rolling
- wind power
- prediction
- ultra
- 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 25
- 238000005096 rolling process Methods 0.000 claims abstract description 75
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000009194 climbing Effects 0.000 claims 1
- 238000005457 optimization Methods 0.000 abstract 2
- 230000010354 integration Effects 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
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
- 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
- H02J3/24—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
- H02J3/38—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
- H02J3/48—Controlling the sharing of the in-phase component
-
- 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
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Power Engineering (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (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)
- Wind Motors (AREA)
Abstract
本发明涉及一种风电场功率波动轨迹预测和校正控制方法,包括以下步骤:A、采集风电场历史有功功率时间序列,描绘出历史有功功率轨迹曲线。B、预测层:采用区间预测方法预测出最大有功功率和最小有功功率,形成预测功率区间,然后对超短期风电功率误差时间序列进行预测,形成超短期风电功率误差序列。C、滚动层:制定预测有功功率的时间尺度和控制有功功率的控制周期,根据当前超短期风电功率P0预测信息,从t0开始滚动优化,根据当前超短期预测风电功率P2,从t1开始滚动优化,以此类推。D、反馈层,计算偏离波动轨迹程度,如果满足性能指标,选择满足约束条件且性能指标良好的作为结果输出,如果不满足性能指标,进行反馈校正。
Description
技术领域
本发明涉及电力系统运行调度领域,特别是一种风电场功率波动轨迹预测和校正控制方法。
背景技术
随着可再生能源渗透率的逐步提高显着增加,尤其以风力发电为主,预计到2050年将占总装机容量50%以上。大规模风电并网由于其间歇性和随机性和不可预测性给电力系统运行带来技术挑战。然而,风电的波动性导致电力不平衡可能迫使系统进入不经济甚至不安全的运行条件,传统的确定性调度方法无法确保系统安全性和运行经济性,因为风电的不确定性未被考虑在调度范围内。因此,为了更好地了利用风能,应改进现有调度方法,以解决风力发电固有的不确定性。
在风电场调度层面,通常规定了不同类型的有功功率控制:绝对功率限制,增量限制,平衡控制等。根据风电场控制系统的分配算法将功率分配给每个风电机组。在风电机组水平,基于参考功率计算各个风电机组的功率。对于单个风电机组的有功功率设定值,简单的比例分配并不适用,已经开发出多目标分配算法,其动态分配有功功率设定点以最小化机械损失和同时保持期望的有功功率轨迹。然而,该种分配方法是假设有功功率参考值已知,对于未知的有功功率参考值并不适用。
发明内容
为了克服风电场输出功率与调度指令之间的偏差,本发明基于模型预测控制理论,设计出风电场功率波动轨迹预测和校正控制方法,以有功功率区间预测的形式代替点预测,克服预测偏差大的问题,通过制定预测有功功率的时间尺度L和控制有功功率的控制周期T,在实施滚动时,建立取右对角线偶数时刻为奇数次滚动和取右对角线奇数时刻为偶数次滚动的模式,克服传统递进式滚动方式带来误差问题。在反馈层,根据奇数次和偶数次滚动的不同,分别计算奇数次偏离波动轨迹程度和偶数次偏离波动轨迹程度进行补偿,如果奇次和偶次滚动在相对应误差满足性能指标情况下,选择满足各种约束条件且性能良好的作为结果输出。通过上述的表达,使得风电场输出有功功率满足调度要求。
本发明的目的在于提供一种风电场功率波动轨迹预测和校正控制方法,显著减小风电场输出功率与调度之间的偏差。
为了达到上述目的,本发明的技术方案为:
一种风电场功率波动轨迹预测和校正控制方法,包括如下步骤:
A.采集风电场历史有功功率时间序列,描绘出历史有功功率轨迹曲线。
B.在预测层:采用区间预测方法对历史有功功率轨迹曲线进行预测,预测出最大有功功率和最小有功功率,形成超短期风电预测功率区间,历史有功功率轨迹曲线与超短期风电预测功率区间做差形成超短期风电功率误差时间序列,然后对超短期风电功率误差时间序列进行预测,形成超短期风电功率误差序列。
C.在滚动层:制定预测有功功率的时间尺度P和控制有功功率的控制周期T,取超短期风电功率误差序列右对角线偶数时刻为第一次滚动,以连续4个时间段进行滚动组成4×4维滚动能量矩阵T1(4),该矩阵表示蕴含连续4个时段的能量,但是仅将t0时刻对应的超短期风电预测功率P0用于有功功率控制的预测信息。在第二次滚动时,取超短期风电功率误差序列右对角线奇数时刻组成4×4维滚动能量矩阵T2(4),将t1时刻对应的超短期风电预测功率P1用于有功功率控制的预测信息;此后时刻以此类推直到tn时刻为止。
D.在反馈层,根据奇数次和偶数次滚动的不同,分别计算奇数次偏离波动轨迹程度和偶数次偏离波动轨迹程度,如果满足性能指标,选择满足约束条件且性能指标良好的作为结果输出,如果不满足性能指标,进行反馈校正。
在上述方案的基础上,步骤A所述的历史有功功率轨迹曲线,依据曲线波动程度划分出三种波动区间:
分别为小波动区间:
中波动区间:
大波动区间:
其中,f[p]为波动区间,δ、β均为风电功率波动幅值大小,t为采样时间,t0为当前时刻,t1为距离当前时刻的下一时刻。
在上述方案的基础上,在t0<t≤t1范围内,小波动区间、中波动区间和大波动区间只能存在一种。
在上述方案的基础上,步骤B所述的超短期风电预测功率区间为:
在上述方案的基础上,步骤B所述的超短期风电功率误差序列为:
在上述方案的基础上,步骤C所述的制定预测有功功率的时间尺度P和控制有功功率的控制周期T,分别为:
P=[P0,P1,…,Pn] (6)
T=[t0,t1,...,tn] (7)
其中,P0为风电功率预测的当前值,P1为风电功率提前一步的预测值,Pn为风电功率提前n步的预测值,to为当前时刻,t1为距离当前时刻的下一时刻,tn为风电功率提前n步预测对应的时刻。
在上述方案的基础上,所述取右对角线偶数时刻为第一次滚动,以连续4个时间段进行滚动组成4×4维滚动能量矩阵T1(4)为:
在第二次继续滚动时,取右对角线奇数时刻组成4×4维滚动能量矩阵T2(4)为:
在上述方案的基础上,步骤D具体为:在反馈层,根据奇数次和偶数次滚动的不同,分别计算奇数次偏离波动轨迹程度和偶数次偏离波动轨迹程度,并进行补偿,将超短期风电功率误差序列重新构成奇数误差项序列和偶数误差项序列:
奇数误差项序列为:
偶数误差项序列为:
如果奇数次和偶数次滚动在相对应误差满足性能指标情况下,选择满足约束条件且性能指标良好的作为结果输出,如果奇数次滚动在相对应误差不满足性能指标,则返回滚动层重新进行奇数次滚动,如果偶数次滚动在相对应误差不满足性能指标,则返回滚动层重新进行偶数次滚动。
在上述方案的基础上,步骤D所述的补偿具体为:奇数次按照1%的偏差程度进行补偿,偶数次按照2%的偏差程度进行补偿。
在上述方案的基础上,步骤D所述的性能指标为历史有功功率轨迹曲线与超短期风电预测功率区间做差的最小值。
在上述方案的基础上,步骤D所述的约束条件包括功率平衡约束和功率爬坡约束。
附图说明
图1为一种风电场功率波动轨迹预测和校正控制方法总体框架图。
具体实施方式
下面结合附图1对本发明进一步说明。
步骤A.采集风电场历史有功功率时间序列,描绘出历史有功功率轨迹曲线。
依据曲线波动程度划分出三种波动区间,分别为小波动区间:
中波动区间:
大波动区间:
其中,f[p]为波动区间数,δ、β均为风电功率波动幅值大小,t为采样时间,t0为当前时刻,t1为距离当前时刻的下一时刻。
在t0<t≤t1范围内,小波动区间、中波动区间和大波动区间只能存在一种。
步骤B.采用区间预测方法对历史有功功率轨迹曲线进行预测,预测出最大有功功率和最小有功功率,形成预测功率区间:
历史有功功率轨迹曲线与超短期风电预测功率区间做差形成超短期风电功率误差时间序列,然后对超短期风电功率误差时间序列进行预测,形成功率误差序列:
步骤C.制定预测有功功率的时间尺度P和控制有功功率的控制周期T,
P=[P0,P1,…,Pn] (6)
T=[t0,t2,...,tn] (7)
其中,P0为风电功率预测的当前值,P1为风电功率提前一步的预测值,Pn为风电功率提前n步的预测值,to为当前时刻,t1为距离当前时刻的下一时刻,tn为风电功率提前n步预测对应的时刻。
在实施滚动时,取超短期风电功率误差序列右对角线偶数时刻为第一次滚动,以连续4个时间段进行滚动组成4×4维滚动能量矩阵T1(4),该矩阵表示蕴含连续4个时段的能量,但是仅将t0时刻对应的超短期风电预测功率P0用于有功功率控制的预测信息。在第二次滚动时,取超短期风电功率误差序列右对角线奇数时刻组成4×4维滚动能量矩阵T2(4),将t1时刻对应的超短期风电预测功率P1用于有功功率控制的预测信息。之后时刻依次类推。
步骤D.在反馈层,根据奇数次和偶数次滚动的不同,分别计算奇数次偏离波动轨迹程度和偶数次偏离波动轨迹程度,进行补偿,将超短期风电功率误差重新构成奇数误差项和偶数误差项:
奇数误差项序列为:
偶数误差项序列为:
如果奇次和偶次滚动在相对应误差满足性能指标情况下,选择满足各种约束条件且性能良好的作为结果输出,如果奇数次滚动在相对应误差不满足性能指标,则返回滚动层重新进行奇数次滚动,如果偶数次滚动在相对应误差不满足性能指标,则返回滚动层重新进行偶数次滚动。
在上述方案的基础上,步骤D所述的补偿具体为:奇数次按照1%的偏差程度进行补偿,偶数次按照2%的偏差程度进行补偿。
在上述方案的基础上,步骤D所述的性能指标为历史有功功率轨迹曲线与超短期风电预测功率区间做差的差值最小。
在上述方案的基础上,步骤D所述的约束条件包括功率平衡约束和功率爬坡约束。
本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (10)
1.一种风电场功率波动轨迹预测和校正控制方法,其特征在于,包括如下步骤:
A.采集风电场历史有功功率时间序列,描绘出历史有功功率轨迹曲线;
B.在预测层:采用区间预测方法对历史有功功率轨迹曲线进行预测,预测出最大有功功率和最小有功功率,形成超短期风电预测功率区间,历史有功功率轨迹曲线与超短期风电预测功率区间做差形成超短期风电功率误差时间序列,然后对超短期风电功率误差时间序列进行预测,形成超短期风电功率误差序列;
C.在滚动层:制定预测有功功率的时间尺度P和控制有功功率的控制周期T,取超短期风电功率误差序列右对角线偶数时刻为第一次滚动,以连续4个时间段进行滚动组成4×4维滚动能量矩阵T1(4),该矩阵表示蕴含连续4个时段的能量,但是仅将t0时刻对应的超短期风电预测功率P0用于有功功率控制的预测信息;在第二次滚动时,取超短期风电功率误差序列右对角线奇数时刻组成4×4维滚动能量矩阵T2(4),将t1时刻对应的超短期风电预测功率P1用于有功功率控制的预测信息;此后时刻以此类推直到tn时刻为止;
D.在反馈层,根据奇数次和偶数次滚动的不同,分别计算奇数次偏离波动轨迹程度和偶数次偏离波动轨迹程度,如果满足性能指标,选择满足约束条件且性能指标良好的作为结果输出,如果不满足性能指标,进行反馈校正。
3.如权利要求2所述的风电场功率波动轨迹预测和校正控制方法,其特征在于,在t0<t≤t1范围内,小波动区间、中波动区间和大波动区间只能存在一种。
6.如权利要求5所述的风电场功率波动轨迹预测和校正控制方法,其特征在于,步骤C所述的制定预测有功功率的时间尺度P和控制有功功率的控制周期T,分别为:
P=[P0,P1,…,Pn] (6)
T=[t0,t1,...,tn] (7)
其中,P0为风电功率预测的当前值,P1为风电功率提前一步的预测值,Pn为风电功率提前n步的预测值,to为当前时刻,t1为距离当前时刻的下一时刻,tn为风电功率提前n步预测对应的时刻。
9.如权利要求8所述的风电场功率波动轨迹预测和校正控制方法,其特征在于,步骤D所述的补偿具体为:奇数次按照1%的偏差程度进行补偿,偶数次按照2%的偏差程度进行补偿。
10.如权利要求8所述的风电场功率波动轨迹预测和校正控制方法,其特征在于,步骤D所述的性能指标为历史有功功率轨迹曲线与超短期风电预测功率区间做差的差值最小;步骤D所述的约束条件包括功率平衡约束和功率爬坡约束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910799818.7A CN110571850B (zh) | 2019-08-28 | 2019-08-28 | 一种风电场功率波动轨迹预测和校正控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910799818.7A CN110571850B (zh) | 2019-08-28 | 2019-08-28 | 一种风电场功率波动轨迹预测和校正控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110571850A CN110571850A (zh) | 2019-12-13 |
CN110571850B true CN110571850B (zh) | 2020-11-24 |
Family
ID=68776468
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910799818.7A Active CN110571850B (zh) | 2019-08-28 | 2019-08-28 | 一种风电场功率波动轨迹预测和校正控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110571850B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112651560B (zh) * | 2020-12-28 | 2023-04-25 | 华润电力技术研究院有限公司 | 一种超短期风功率预测方法、装置及设备 |
CN113159102B (zh) * | 2021-02-24 | 2023-02-10 | 山东大学 | 一种多时间尺度的光伏功率预测方法及系统 |
CN113505909B (zh) * | 2021-05-17 | 2024-03-26 | 中国农业大学 | 一种面向短期风电功率趋势预测的误差补偿方法 |
CN113969873B (zh) * | 2021-10-18 | 2023-04-07 | 国网湖南省电力有限公司 | 一种风电机组出力超短期预测方法、系统及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102510093A (zh) * | 2011-12-19 | 2012-06-20 | 国网电力科学研究院 | 基于功率预测信息的风电场有功功率控制方法 |
CN102606395A (zh) * | 2012-03-20 | 2012-07-25 | 东南大学 | 基于功率预测信息的风电场有功优化控制方法 |
CN104239979A (zh) * | 2014-10-09 | 2014-12-24 | 国电南瑞科技股份有限公司 | 一种风电场发电功率超短期预测方法 |
JP2015231293A (ja) * | 2014-06-05 | 2015-12-21 | 株式会社日立パワーソリューションズ | 発電量予測方法およびそのシステム |
CN105184679A (zh) * | 2015-09-22 | 2015-12-23 | 国网山东省电力公司电力科学研究院 | 一种风电场功率多时间尺度联合预测方法 |
CN107230977A (zh) * | 2017-05-05 | 2017-10-03 | 浙江工商大学 | 基于误差修正和提升小波组合预测模型的风电功率预测方法 |
-
2019
- 2019-08-28 CN CN201910799818.7A patent/CN110571850B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102510093A (zh) * | 2011-12-19 | 2012-06-20 | 国网电力科学研究院 | 基于功率预测信息的风电场有功功率控制方法 |
CN102606395A (zh) * | 2012-03-20 | 2012-07-25 | 东南大学 | 基于功率预测信息的风电场有功优化控制方法 |
JP2015231293A (ja) * | 2014-06-05 | 2015-12-21 | 株式会社日立パワーソリューションズ | 発電量予測方法およびそのシステム |
CN104239979A (zh) * | 2014-10-09 | 2014-12-24 | 国电南瑞科技股份有限公司 | 一种风电场发电功率超短期预测方法 |
CN105184679A (zh) * | 2015-09-22 | 2015-12-23 | 国网山东省电力公司电力科学研究院 | 一种风电场功率多时间尺度联合预测方法 |
CN107230977A (zh) * | 2017-05-05 | 2017-10-03 | 浙江工商大学 | 基于误差修正和提升小波组合预测模型的风电功率预测方法 |
Non-Patent Citations (1)
Title |
---|
多时空尺度协调的风电集群有功分层预测控制方法;叶林等;《中国电机工程学报》;20180705;第38卷(第13期);3767-3780 * |
Also Published As
Publication number | Publication date |
---|---|
CN110571850A (zh) | 2019-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110571850B (zh) | 一种风电场功率波动轨迹预测和校正控制方法 | |
CN107818385B (zh) | 一种梯级水电站群实时运行趋势预测方法 | |
CN110729770B (zh) | 一种主动配电网负荷故障恢复策略优化算法 | |
CN108092324B (zh) | 一种风电参与调峰调频的agc控制系统和控制方法 | |
CN108847667B (zh) | 一种考虑电网结构优化的输电网扩展规划方法 | |
CN104333047B (zh) | 一种适用于风电接入的电力系统实时滚动计划方法 | |
CN107203855B (zh) | 含风电系统实时调度的鲁棒两层优化模型及转化等效方法 | |
CN103825280B (zh) | 抽水蓄能机组自主启停控制方法和装置 | |
CN110620397B (zh) | 一种高比例可再生能源电力系统的调峰平衡评估方法 | |
CN112053035B (zh) | 考虑经济性与灵活性的输电通道与储能联合规划方法 | |
CN109474007B (zh) | 一种基于大数据云技术的能源互联网调度方法 | |
CN105826946B (zh) | 大规模光伏接入的配电网动态无功优化方法 | |
CN108336768B (zh) | 一种风电场有功功率优化控制方法 | |
CN106712031A (zh) | 计及不确定性的主动配电网序贯‑鲁棒优化调度系统及调度方法 | |
CN115441437A (zh) | 基于深度强化学习的区域电网日前-日内联合调度方法 | |
CN114336592A (zh) | 一种基于模型预测控制的风电场agc控制方法 | |
CN114665519A (zh) | 一种基于分层模型的风电场集群有功功率协调控制方法 | |
CN113255982A (zh) | 一种风光水互补系统中长期优化调度方法 | |
CN104809543B (zh) | 基于月度输变电设备检修计划的电网运行方式生成方法 | |
CN116993022A (zh) | 一种机组检修和水电电量的调配方法和装置 | |
CN111799841A (zh) | 一种火电机组灵活性改造与输电规划联合决策方法及系统 | |
CN110120682B (zh) | 一种最小失弃风量的塔筒电梯供电优化调度方法 | |
CN112242710A (zh) | 一种基于场景分析的新能源跨区域消纳方法和系统 | |
CN111799793A (zh) | 一种源网荷协同的输电网规划方法与系统 | |
CN116865270A (zh) | 一种含嵌入式直流的柔性互联配电网优化调度方法及系统 |
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 |