CN111144447B - 一种新能源出力引起的反调峰风险的电网峰谷时段划分方法 - Google Patents
一种新能源出力引起的反调峰风险的电网峰谷时段划分方法 Download PDFInfo
- Publication number
- CN111144447B CN111144447B CN201911246789.8A CN201911246789A CN111144447B CN 111144447 B CN111144447 B CN 111144447B CN 201911246789 A CN201911246789 A CN 201911246789A CN 111144447 B CN111144447 B CN 111144447B
- Authority
- CN
- China
- Prior art keywords
- peak
- valley
- new energy
- load
- point
- 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 33
- 239000011159 matrix material Substances 0.000 claims abstract description 30
- 239000013598 vector Substances 0.000 claims description 23
- 230000036961 partial effect Effects 0.000 claims description 7
- 238000013501 data transformation Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 230000005764 inhibitory process Effects 0.000 abstract 1
- 230000005540 biological transmission Effects 0.000 description 2
- 230000002401 inhibitory effect Effects 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000011410 subtraction method Methods 0.000 description 1
- 230000009466 transformation 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Complex Calculations (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一种基于新能源出力所引起反调峰风险的电网峰谷时段划分方法,首先利用半梯形隶属度函数得出负荷曲线上各点的峰、谷隶属度指标,通过对新能源出力特性的分析得到反调峰风险指标,利用平移—标准差变化的方法对指标矩阵数据进行标准化处理,采用模糊传递闭包法进行聚类并求取λ—截距阵。最后通过建立统计量F,反映类内与类间差异,以F最大为目标得出最佳阈值λ,最佳阈值λ所对应的分类即为划分的峰谷时段。本发明充分考虑了新能源出力特性所引起的反调峰风险,可以为有新能源并网的调峰和抑制反调峰提供可靠的依据。
Description
技术领域
本发明涉及一种电网峰谷时段划分方法。
背景技术
国内能源需求的急剧增长,使化石能源的消耗急剧增加,但我国化石能源的产量相对不足。而且大量使用化石能源导致了非常严重的环境问题。所以大力发展可再生的新能源成为应对能源不足问题的主要途径。但是持续增加的新能源负荷峰谷差,间歇性和大波动性,使电网出现反调峰现象增多,其可预测性降低。这使新能源消纳难,并网难,并引起大量的弃风弃光现象。为了能够大量消纳新能源,必须抑制反调峰现象的发生。反调峰现象多发生在峰荷区和谷荷区,因此对峰荷区和谷荷区进行合理的划分对抑制反调峰的发生有重要意义。
目前对峰荷区和谷荷区的划分都是为了适应计算分时电价的需要,利用需求侧实现“削峰填谷”的目的。但这种划分方式并没有考虑到新能源出力特性,没有从源头上解决反调峰现象的发生。
发明内容
针对现有技术以上存在的问题,本发明提出一种基于新能源出力所引起反调峰风险的电网峰谷时段划分方法。本发明以新能源出力所引起的反调峰风险为标准对峰谷时段进行合理的划分,通过对新能源出力特性的分析以抑制反调峰现象的发生,减少弃风弃光现象的发生,从电源端实现“削峰填谷”的目的。
本发明的技术方案为:
步骤1:利用模糊半梯形隶属度函数法确定负荷曲线上各点的峰、谷隶属度。
1.1利用新疆电网典型负荷日的负荷数据,把一天24小时按15分钟为一个时间段,共划分为96个时间段。时段集合为T={t1t2,...,t96},对应的负荷集合为绘制负荷曲线图。其中,集合T中的元素表示每个时间段的起点时刻;集合Q中的元素为对应时刻的负荷值。
1.2一天的负荷曲线中必有一个最低谷点a,和一个最高峰点b,采用以下两个原则,并根据最高点和最低点进行峰谷时段划分:
①最低谷点a在谷时段的概率为100%,在峰时段的概率为0;
②最高峰点b在谷时段的概率为0,在峰时段的概率为100%。
1.3用半梯形隶属度函数确定负荷曲线上其余各点处于峰时段和谷时段的可能性,由于该方法只需确定负荷曲线上其余各点相对于最高峰点与最低谷点的距离大小,与具体数值无关,因此可以只采用隶属度函数的线性部分。采用偏大型半梯形隶属度函数计算时点ti的峰隶属度采用偏小型隶属度函数计算时点ti的谷隶属度
时点的隶属度属性通常指的是该时点至下一时点之间的峰、谷隶属度属性问题,即“以点盖段”。
步骤2:利用半梯形隶属度函数得出负荷曲线上各点的峰、谷隶属度,通过对新能源出力特性的分析得到反调峰风险指标。
式中,为i时点的负荷值,为i时点的新能源和传统能源合成出力,表示i时点的反调峰风险指标;表示负荷与新能源和传统能源合成出力的差值;表示i时点的前一个时点的负荷与新能源和传统能源合成出力的差值;为负荷波动率与合成出力波动率的差值,i=1,2,…,95,上式中的值采用的值表示。
步骤3:对时点进行模糊聚类,确定各时点所在的时段。
3.1以各时刻负荷数据为分类对象,各时刻的峰、谷隶属度和反调峰风险为统计指标:
则可得到日负荷曲线上各时点组成的时刻点集合的特征指标矩阵X:
式中,xi为i时点的统计指标向量;X表示日负荷曲线上各时点组成的时刻点集合的特征指标矩阵X;和分别表示i时点的峰、谷隶属度;表示i时刻的负荷与新能源和传统能源合成出力之差;表示i时刻负荷波动率与合成出力波动率之差。
3.2一般不同的数据有不同的量纲,为了使不同量纲的量也能进行比较,需要对数据作适当的变换。采用平移—标准差变化的方法对矩阵X进行处理,具体方法如下:
式中,i=1,2,...,96,j=1,2,...,96,rij表示模糊相似矩阵中的元素;x′ik和x'jk分别表示经数据变换后i时点与j时点的第k个指标,其中i时点与j时点表示两个不相同的时点;c为约束rij的约束变量;k表示指标的序号。
为了保证rij∈[0,1],在聚类过程中将c作为约束变量得到模糊相似矩阵R。
3.4采用模糊传递闭包法进行聚类,对于模糊相似矩阵R,依次求其二次方,即R2,R4,R6,...,R2i,...,直到第一次出现R2n=Rn*Rn=Rn时,Rn便为一个传递闭包t(R)。在传统闭包t(R)=tij中,0≤tij≤1,i,j=1,2,…,96。从高到低依次给定传递闭包的阈值λ,求取t(R)的λ—截矩阵Rλ:
式中,Rλ为λ—截矩阵,tij(λ)为截矩阵中的元素;tij为传统闭包中的元素。
将Rλ看成由行向量组成的矩阵,即yi是由时点i的指标组成的行向量,只有yi=yj(i≠j),(i,j=1,2,...,96)时,yi与yj才为一类,与峰隶属度为1的时点构成的一类为峰时段,与谷隶属度为1的时点构成的一类为谷时段,其余的各类归为各个平时段。随着λ大小变化便可得到动态聚类,λ越大分类数目就越多,各类中的元素较少即表示峰谷时段持续时间短;λ越小分类数目就越少,各类中的元素较多即表示峰谷时段的持续时间长,因此λ的大小可以反映峰谷时段的持续时间。由于分类时考虑了新能源出力引起反调峰风险和负荷的峰谷隶属度指标,因此对最佳阈值λ的大小可以用类内与类间中这三个指标的距离来确定。因为峰谷时段持续时间的大小充分考虑了反调峰风险,所以划分后的峰谷时段其反调峰风险也是相近的,这为抑制反调峰的研究提供了帮助。
步骤4:构建统计量F表示类间距离与类内距离的比值,由统计量F确定最佳阈值λ,取统计量F最大时的λ值所对应的分类为最佳分类,即为划分的峰谷时段。
建立统计量F,
式中,x为行向量组成矩阵Rλ中的元素,表示第i类样本中的第k个特征,为第i类样本中第j个样本向量,表示第i类中第j个样本的第k个特征;F为构建的统计量;ni表示第i类中含有的时点数;n为时点总数,n=96;r为分类数;其中为总体样本第k个指标的中心向量。
F统计量是服从自由度为r-1,n-r的F分布,其分子表征类与类之间的距离,按照聚类思想,类与类之间的差异越大越好,所以分子要尽量大;分母表征类内各元素之间的距离,按照聚类思想类内各元素差异越小越好,所以分母要尽量小。因此统计量F越大,表示类与类之间的差异就越明显,分类效果就越好。若F>Fα(r-1,n-r),(α=0.05),其中α为F分布上分位点,则根据方差显著性理论知道类与类之间的差异是显著的,说明分类合理。
附图说明
图1是本发明实施基于新能源出力特性所引起反调峰风险的峰谷时段划分方法的流程图;
图2是偏小型半梯形隶属度函数图;
图3是偏大型半梯形隶属度函数图。
具体实施方式
以下结合附图及具体实施方式进一步说明本发明。
如图1所示,本发明新能源出力引起的电网反调峰风险的峰谷时段划分方法的流程如下:
1、利用模糊半梯形隶属度函数法确定负荷曲线上各点的峰、谷隶属度指标。
峰、谷隶属度指标分别由半梯形偏大型隶属度函数和半梯形偏小型隶属度函数得出,图2和图3为其函数图像。
2、利用半梯形隶属度函数得出负荷曲线上各点的峰、谷隶属度,通过对新能源出力特性的分析。得到反调峰风险指标,该反调峰风险指标通过式(3),(4)确定。
3、以各时段负荷数据为分类对象,把各时刻的峰、谷隶属度和反调峰风险作为统计指标,利用模糊传递闭包法进行聚类。
一般不同的数据有不同的量纲,为了使不同量纲的量也能进行比较,需要对数据作适当的变换。而且模糊聚类要求数据在[0,1]区间内,采用平移—标准差变化的方法对指标矩阵X进行处理即将数据代入到式(7)和式(8)中,得到符合聚类要求的数据。然后通过式(9)和式(10)所示的传统聚类方法确定相似系数rij,得到模糊相似矩阵R;
对于模糊相似矩阵R,依次求其二次方,即R2,R4,R6,...,R2i,...,直到第一次出现R2n=Rn*Rn=Rn时,Rn便为一个传递闭包t(R)。得出传递闭包后需要确定阈值λ来得到t(R)的λ—截距阵Rλ,由式(11)可以得到Rλ,将Rλ看成由行向量组成的矩阵,即:只有yi=yj(i≠j),i,j=1,2,...,96时,yi与yj才为一类。与峰隶属度为1的时点构成的一类为峰时段,与谷隶属度为1的时点构成的一类为谷时段,其余的各类归为各个平时段。随着最佳阈值λ大小变化就可以得到动态聚类。
4、不同的λ值对应不同的分类,构建统计量F来确定最佳阈值λ。由式(12)和式(13)确定的统计量F,其分子表征类与类之间的距离,按照聚类思想,类与类之间的差异越大越好,所以分子要尽量大;分母表征类内各元素之间的距离,按照聚类思想类内各元素差异越小越好,所以分母要尽量小。因此统计量F越大,表示类与类之间的差异就越明显,分类效果就越好。由于λ∈[0,1],可以从高到低给定多个λ值,然后分别计算出统计量F的值,以统计量F最大为目标来确定最佳阈值λ,由此得到最合理的分类。
本发明在划分峰荷区和谷荷区时加入对新能源出力特性的考虑,并对新能源所引起的反调峰风险进行计算,得出更为合理的峰谷时段划分方法。
Claims (3)
1.一种新能源出力所引起的电网反调峰风险的电网峰谷时段划分方法,其特征在于,所述的划分方法步骤如下:
步骤1:利用模糊半梯形隶属度函数法确定负荷曲线上各点的峰、谷隶属度;
步骤2:利用步骤1得到的负荷曲线上各点的峰、谷隶属度指标,通过对新能源出力特性的分析得到反调峰风险指标;
步骤3:对时点进行模糊聚类,确定各时点所在的时段;具体如下:
以各时刻负荷数据为分类对象,以各时刻的峰、谷隶属度和反调峰风险为统计指标:
式中,xi为i时点的统计指标向量;
则可得到日负荷曲线上各时点组成的时刻点集合的特征指标矩阵X:
该特征指标矩阵中,分别为i时点的峰、谷隶属度指标,i=1,2,…,96;表示i时刻的负荷与新能源和传统能源合成出力之差;表示i时刻负荷波动率与合成出力波动率之差,i=1,2,…,96;分别为i时点的峰、谷隶属度指标,i=1,2,…,96;
式中,i=1,2,...,96,j=1,2,...,96,rij表示模糊相似矩阵中的元素;x′ik和x′jk分别表示经数据变换后i时点与j时点的第k个指标;
为了保证rij∈[0,1],在聚类过程中将c作为约束变量得到模糊相似矩阵R;
采用模糊传递闭包法进行聚类,对于标定的模糊函数R,依次求其二次方,即R2,R4,R6,...,R2i,...,直到第一次出现R2n=Rn*Rn=Rn时,Rn便为一个传统闭包t(R);在传统闭包t(R)=tij中,0≤tij≤1,(i,j=1,2,...,96);从高到低依次给定阈值λ,求取t(R)的λ—截矩阵Rλ:
式中,Rλ为λ—截矩阵,tij(λ)为截矩阵中的元素;tij为传统闭包中的元素;
将Rλ看成由行向量组成的矩阵,即只有yi=yj(i≠j),(i,j=1,2,...,96)时,yi与yj才为一类,与峰隶属度为1的时点构成的一类为峰时段,与谷隶属度为1的时点构成的一类为谷时段,其余的各类归为各个平时段;随着λ大小变化能够得到动态聚类,λ越大分类数目就越多,各类中的元素较少即表示峰谷时段持续时间短;λ越小分类数目就越少,各类中的元素较多即表示峰谷时段的持续时间长,因此λ的大小能够反映峰谷时段的持续时间;对最佳λ的大小用类内与类间中这三个指标的距离来确定;
步骤4:构建统计量F表示类间距离与类内距离的比值,由统计量F确定最佳阈值λ,取统计量F最大时的λ值所对应的分类为最佳分类,即为划分的峰谷时段,建立统计量F的方法如下:
建立统计量F,
F统计量是服从自由度为r-1,n-1的F分布,统计量F越大,表示类与类之间的差异就越明显,分类效果越好;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911246789.8A CN111144447B (zh) | 2019-12-09 | 2019-12-09 | 一种新能源出力引起的反调峰风险的电网峰谷时段划分方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911246789.8A CN111144447B (zh) | 2019-12-09 | 2019-12-09 | 一种新能源出力引起的反调峰风险的电网峰谷时段划分方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111144447A CN111144447A (zh) | 2020-05-12 |
CN111144447B true CN111144447B (zh) | 2022-05-31 |
Family
ID=70517931
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911246789.8A Active CN111144447B (zh) | 2019-12-09 | 2019-12-09 | 一种新能源出力引起的反调峰风险的电网峰谷时段划分方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111144447B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111861278B (zh) * | 2020-08-04 | 2023-06-09 | 国家电网有限公司西北分部 | 一种电力系统的用电负荷峰谷时段划分方法及系统 |
CN111951123B (zh) * | 2020-08-06 | 2022-12-09 | 清华大学 | 控制用电负荷的方法、装置、计算机设备和存储介质 |
CN113469448A (zh) * | 2021-07-13 | 2021-10-01 | 广东电网有限责任公司 | 分时电价时段划分优化方法、系统、终端设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106096805A (zh) * | 2016-05-10 | 2016-11-09 | 华北电力大学 | 一种基于熵权法特征选择的居民用电负荷分类方法 |
CN106339826A (zh) * | 2016-09-29 | 2017-01-18 | 重庆大学 | 一种计及削峰填谷的并网型微电网可靠性评估方法 |
CN109447405A (zh) * | 2018-09-20 | 2019-03-08 | 中国南方电网有限责任公司 | 一种承担调峰任务的一库多级式梯级库群短期计划制定方法 |
CN110097474A (zh) * | 2019-03-25 | 2019-08-06 | 国网辽宁省电力有限公司 | 一种实现配电网削峰填谷的负荷控制方法 |
CN110533331A (zh) * | 2019-08-30 | 2019-12-03 | 广东电网有限责任公司江门供电局 | 一种基于输电线路数据挖掘的故障预警方法和系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016037278A1 (en) * | 2014-09-10 | 2016-03-17 | Sysomos L.P. | Systems and methods for continuous analysis and procurement of advertisement campaigns |
-
2019
- 2019-12-09 CN CN201911246789.8A patent/CN111144447B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106096805A (zh) * | 2016-05-10 | 2016-11-09 | 华北电力大学 | 一种基于熵权法特征选择的居民用电负荷分类方法 |
CN106339826A (zh) * | 2016-09-29 | 2017-01-18 | 重庆大学 | 一种计及削峰填谷的并网型微电网可靠性评估方法 |
CN109447405A (zh) * | 2018-09-20 | 2019-03-08 | 中国南方电网有限责任公司 | 一种承担调峰任务的一库多级式梯级库群短期计划制定方法 |
CN110097474A (zh) * | 2019-03-25 | 2019-08-06 | 国网辽宁省电力有限公司 | 一种实现配电网削峰填谷的负荷控制方法 |
CN110533331A (zh) * | 2019-08-30 | 2019-12-03 | 广东电网有限责任公司江门供电局 | 一种基于输电线路数据挖掘的故障预警方法和系统 |
Non-Patent Citations (2)
Title |
---|
"Dynamic fuzzy c-means clustering and its application to calorimetric data reconstruction in high-energy physics";Radha Pyari Sandhir;《Nuclear Instruments and Methods in Physics Research Section A: Accelerators,Spectrometers,Detectors and Associated Equipment》;20120721;第681卷;第34-43页 * |
"考虑支路开断控制的风电接纳能力与源网协调规划研究";张成瑜;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20190415(第04期);第C042-775页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111144447A (zh) | 2020-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111144447B (zh) | 一种新能源出力引起的反调峰风险的电网峰谷时段划分方法 | |
CN111860600B (zh) | 一种基于最大相关最小冗余判据的用户用电特征选择方法 | |
Fu et al. | Clustering-based short-term load forecasting for residential electricity under the increasing-block pricing tariffs in China | |
CN109146252A (zh) | 基于调节潜力指标的用户用电行为聚类分析方法和系统 | |
CN111860977A (zh) | 短期负荷的概率预测方法和概率预测装置 | |
CN112465403B (zh) | 一种区域电力需求侧响应潜力评估方法 | |
CN104915790A (zh) | 一种促进风电消纳的峰谷电价优化方法 | |
CN108681744A (zh) | 一种基于数据划分的电力负荷曲线层次聚类方法 | |
CN109617048B (zh) | 基于多目标线性规划的电网规划典型场景选取方法 | |
CN117272850B (zh) | 配电网安全运行调度弹性空间分析方法 | |
Lu et al. | Adaptive weighted fuzzy clustering algorithm for load profiling of smart grid customers | |
Wang et al. | Big data analytics for price forecasting in smart grids | |
CN114372347A (zh) | 一种基于极值理论的配电网消纳能力评估方法 | |
CN112488416B (zh) | 一种电网运行态势监测方法及系统 | |
CN112464059B (zh) | 配电网用户分类方法、装置、计算机设备和存储介质 | |
CN112801343A (zh) | 一种计及多气象场景适应成本的储能系统容量规划方法 | |
CN109586309B (zh) | 基于大数据自由熵理论和场景匹配的配电网无功优化方法 | |
CN111553434A (zh) | 一种电力系统负荷分类方法及系统 | |
CN107832928B (zh) | 基于风力发电特性曲线的等效综合线损评价方法 | |
Fujiwara et al. | Load forecasting method for Commercial facilities by determination of working time and considering weather information | |
CN113505943B (zh) | 一种电网短期负荷的预测方法、系统、设备和介质 | |
Zhu et al. | Load Forecasting of the power system: an investigation based on the method of random forest regression | |
CN109149644B (zh) | 一种基于大数据分析的光储一体在线策略匹配和协同优化方法 | |
CN114048200A (zh) | 一种计及缺失数据补齐的用户用电行为分析方法 | |
CN114626429A (zh) | 一种新能源大数据分类与可疑数据处理方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |