CN111162566B - 一种确定风光联合发电系统的联合出力特性的方法和系统 - Google Patents

一种确定风光联合发电系统的联合出力特性的方法和系统 Download PDF

Info

Publication number
CN111162566B
CN111162566B CN202010072593.8A CN202010072593A CN111162566B CN 111162566 B CN111162566 B CN 111162566B CN 202010072593 A CN202010072593 A CN 202010072593A CN 111162566 B CN111162566 B CN 111162566B
Authority
CN
China
Prior art keywords
wind
output
power generation
active
solar
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
CN202010072593.8A
Other languages
English (en)
Other versions
CN111162566A (zh
Inventor
仲悟之
崔杨
贾俊川
赵钰婷
郑惠萍
吕晨
刘新元
易俊
程雪婷
林伟芳
薄利明
曲钰
闫石
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 Electric Power Research Institute Of Sepc
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
Northeast Electric Power University
Original Assignee
State Grid Electric Power Research Institute Of Sepc
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
Northeast Dianli University
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 Electric Power Research Institute Of Sepc, State Grid Corp of China SGCC, China Electric Power Research Institute Co Ltd CEPRI, Northeast Dianli University filed Critical State Grid Electric Power Research Institute Of Sepc
Priority to CN202010072593.8A priority Critical patent/CN111162566B/zh
Publication of CN111162566A publication Critical patent/CN111162566A/zh
Application granted granted Critical
Publication of CN111162566B publication Critical patent/CN111162566B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/48Controlling the sharing of the in-phase component
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00Energy generation through renewable energy sources
    • Y02E10/70Wind energy
    • Y02E10/76Power conversion electric or electronic aspects

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供一种确定风光联合发电系统的联合出力特性的方法和系统。所述方法和系统通过采集风光联合发电系统的有功出力、负荷功率和累计源荷电量,并基于所述采集的数据确定了衡量风光联合出力综合特性的出力波动率、相对变化率、有利调峰小时数和累计源荷电量一阶差分波动率指标,以及风光联合出力的相关系数,并依据Spearman相关理论建立了风光联合出力特征关系函数,以所述函数对风光联合发电系统的出力波动特性和调峰特性进行分析,对大规模风电、光伏联合并网调度具有一定的指导意义。

Description

一种确定风光联合发电系统的联合出力特性的方法和系统
技术领域
本发明涉及电力分析领域,并且更具体地,涉及一种确定风光联合发电系统的联合出力特性的方法和系统。
背景技术
在风、光资源丰富地区,具备同时开发风能与太阳能的条件,太阳能光伏发电、光热发电快速发展,与当地早期建成的风电基地逐步形成“同区开发、联合并网”的风光联合发电模式。风电的随机性和光伏昼发夜停的特性,使得风光联合出力的波动性更为复杂,大规模风光联合系统输出功率的波动将呈现出新的特性。随着风光联合发电基地容量的增大,其并网运行对电网调峰等相关问题的研究具有重要的现实意义。
现今风电、光伏发电系统的相关研究十分丰富,涵盖不确定分析、概率分布研究、随机时间序列模拟、预测等多个方面。针对大规模风光联合发电系统的研究主要集中在联合概率密度函数构建、可靠性分析以及储能容量优化配置方面,在风光联合发电系统对于电网调峰影响的研究上,结合二者出力相关性进行的相应分析较少。而且现有技术中,常用的度量随机变量之间相关性的指标皮尔逊线性相关系数,在处理非线性相关性问题上存在很多缺点,用皮尔逊相关系数来刻画风、光的相关性并不是很准确;又考虑到风速的分布具有不对称的厚尾特性,从而使风电场的出力概率分布也呈现出相应的不对称的厚尾特性。
发明内容
为了解决现有技术针对风光联合发电系统,结合风光出力相关性进行电网调峰分析较少的问题,本发明提供一种确定风光联合发电系统的联合出力特性的方法,所述方法包括:
采集风光联合发电系统中风力发电和光伏发电在设置的时间周期的有功出力,以及风光联合发电系统负荷功率和累计源荷电量;
根据采集的风光联合发电系统中风力发电和光伏发电的有功出力计算风光出力相关系数;
根据所述采集的有功出力、负荷功率和累计源荷电量计算衡量风光联合出力特性的若干个指标;
根据衡量风光联合出力特性的若干个指标的计算结果确定每个指标的权重;
根据衡量风光联合出力特性的若干个指标的计算结果和指标权重计算风光联合出力特性综合指标;
基于所述风光联合出力特性综合指标和风光出力相关系数的计算结果,建立风光联合出力特性综合指标和风光出力相关系数的关联模型,定量分析风光联合出力特性综合指标和风光出力相关系数的联系,实现风光联合并网调度。
进一步地,所述根据采集的风光联合发电系统中风力发电和光伏发电的有功出力计算风光出力相关系数包括:
对采集的风光联合发电系统中风力发电的有功出力Xi和光伏发电的有功出力Yi按照数值大小进行升序排序或者降序排列,生成风力发电的有功出力集合x和光伏发电的有功出力集合y,其中,设置的时间周期内采集的有功出力的采样点个数为n,1≤i≤n;
将集合x和集合y中对应的元素xi和yi相减,生成差分集合d,其中,所述差分集合d的元素di=xi-yi
根据所述差分集合d中的元素di和采集点个数n计算风光出力相关系数,其计算公式为:
Figure GDA0003627835120000021
式中,ρ为风光出力相关系数,ρ为正表示风光出力正相关,ρ为负表示风光出力负相关,ρ等于零表示风光出力零相关。
进一步地,所述根据所述采集的有功出力、负荷功率和累计源荷电量计算衡量风光联合出力特性的若干个指标包括:
根据风光联合发电系统在设置的时间周期的风力发电的有功出力、光伏发电的有功出力,以及风光联合发电的有功出力,分别计算风力发电、光伏发电以及风光联合发电情况下的有功出力波动率△V,其计算公式为:
Figure GDA0003627835120000031
Figure GDA0003627835120000032
Figure GDA0003627835120000033
式中,n为设置的时间周期内的有功出力采样点个数;Pi+1为第i+1个有功出力采样点数值;
Figure GDA0003627835120000034
为Xi序列的平均值,1≤i≤n;
根据风光联合发电系统在设置的时间周期的风力发电的有功出力、光伏发电的有功出力,以及风光联合发电的有功出力,分别计算风力发电、光伏发电以及风光联合发电情况下的有功出力相对变化率△R,其计算公式为:
Figure GDA0003627835120000035
Figure GDA0003627835120000036
式中,{ti}为设置的时间周期内具体时间尺度下的时间序列,时间尺度S=ti+1-ti,n为设置的时间周期内的有功出力采样点个数;1≤i≤n,
Figure GDA0003627835120000037
为有功出力序列,PN为风电联合发电系统装机容量,λi为时间尺度s下的出力变化率;对于出力变化率区间(a0,a1),当出力变化率λi∈(a0,a1),取Ni=1,否则取Ni=0,出力相对变化率△R为落在出力变化率区间(a0,a1)内的概率;
根据风光联合发电系统在设置的时间周期的风力发电的有功出力、光伏发电的有功出力,风光联合发电的有功出力,以及风光联合发电系统的负荷功率,分别计算风力发电、光伏发电和风光联合发电的有功出力的有利调峰小时数h,其计算公式为:
Figure GDA0003627835120000041
式中,D表示设置的时间周期的总天数,所述有利调峰小时数为设置的时间周期内有功出力的变化与负荷变化情况一致的小时数,uj为0-1变量,当有功出力的变化与负荷功率变化一致记作1,不一致记作0,即:
Figure GDA0003627835120000042
式中,n为设置的时间周期内的采样点个数,Pj为第j个数据点的有功出力数据,Pload(j)为第j个点的负荷功率数据;
根据风光联合发电系统在设置的时间周期的风力发电的累计源荷电量、光伏发电的累计源荷电量,风光联合发电的累计源荷电量,分别计算风力发电、光伏发电和风光联合发电的累计源荷电量一阶差分波动率,其计算公式为:
Figure GDA0003627835120000043
式中,n为设置的时间周期内的源、荷电量曲线上的采样点个数,dj为两条曲线在第j个位置的偏差,
Figure GDA0003627835120000044
为dj的均值,dj=Xj-Yj,Xj、Yj分别为两条曲线在第j个位置的数据值。
进一步地,根据衡量风光联合出力特性的若干个指标的计算结果确定每个指标的权重是指根据衡量风光联合出力特性的若干个指标的计算结果,采用熵权法确定每个指标的权重。
进一步地,所述根据衡量风光联合出力特性的若干个指标的计算结果和指标权重计算风光联合出力特性综合指标,其计算公式为:
Z=W1×△V+W2×△R+W3×h+W4×var
式中,Z为风光联合出力特性综合指标,△V,△R,h和var为衡量风光联合出力特性的4个指标,△V为有功出力波动率,△R为有功出力相对变化率,h为有功出力的有利调峰小时数,var为累计源荷电量一阶差分波动率;W1至W4为所述衡量风光联合出力特性的4个指标对应的指标权重。
根据本发明的另一方面,本发明提供一种确定风光联合发电系统的联合出力特性的系统,所述系统包括:
数据采集单元,其用于采集风光联合发电系统中风力发电和光伏发电在设置的时间周期的有功出力,以及风光联合发电系统负荷功率和累计源荷电量;
相关系数单元,其用于根据采集的风光联合发电系统中风力发电和光伏发电的有功出力计算风光出力相关系数;
指标确定单元,其用于根据所述采集的有功出力、负荷功率和累计源荷电量计算衡量风光联合出力特性的若干个指标;
指标权重单元,其用于根据衡量风光联合出力特性的若干个指标的计算结果确定每个指标的权重;
综合指标单元,其用于根据衡量风光联合出力特性的若干个指标的计算结果和指标权重计算风光联合出力特性综合指标;
关联模型单元,其用于基于所述风光联合出力特性综合指标和风光出力相关系数的计算结果,建立风光联合出力特性综合指标和风光出力相关系数的关联模型,定量分析风光联合出力特性综合指标和风光出力相关系数的联系,实现风光联合并网调度。
进一步地,所述相关系数单元包括:
出力集合单元,其用于对采集的风光联合发电系统中风力发电的有功出力Xi和光伏发电的有功出力Yi按照数值大小进行升序排序或者降序排列,生成风力发电的有功出力集合x和光伏发电的有功出力集合y,其中,设置的时间周期内采集的有功出力的采样点个数为n,1≤i≤n;
差分集合单元,其用于将集合x和集合y中对应的元素xi和yi相减,生成差分集合d,其中,所述差分集合d的元素di=xi-yi
系数计算单元,其用于根据所述差分集合d中的元素di和采集点个数n计算风光出力相关系数,其计算公式为:
Figure GDA0003627835120000061
式中,ρ为风光出力相关系数,ρ为正表示风光出力正相关,ρ为负表示风光出力负相关,ρ等于零表示风光出力零相关。
进一步地,所述指标确定单元包括:
第一指标单元,其用于根据风光联合发电系统在设置的时间周期的风力发电的有功出力、光伏发电的
有功出力,以及风光联合发电的有功出力,分别计算风力发电、光伏发电以及风光联合发电情况下的有功出力波动率△V,其计算公式为:
Figure GDA0003627835120000062
Figure GDA0003627835120000063
Figure GDA0003627835120000064
式中,n为设置的时间周期内的有功出力采样点个数;Pi+1为第i+1个有功出力采样点数值;
Figure GDA0003627835120000068
为Xi序列的平均值,1≤i≤n;
第二指标单元,其用于根据风光联合发电系统在设置的时间周期的风力发电的有功出力、光伏发电的有功出力,以及风光联合发电的有功出力,分别计算风力发电、光伏发电以及风光联合发电情况下的有功出力相对变化率△R,其计算公式为:
Figure GDA0003627835120000065
Figure GDA0003627835120000066
式中,{ti}为设置的时间周期内具体时间尺度下的时间序列,时间尺度S=ti+1-ti,n为设置的时间周期内的有功出力采样点个数;1≤i≤n,
Figure GDA0003627835120000067
为有功出力序列,PN为风电联合发电系统装机容量,λi为时间尺度s下的出力变化率;对于出力变化率区间(a0,a1),当出力变化率λi∈(a0,a1),取Ni=1,否则取Ni=0,出力相对变化率△R为落在出力变化率区间(a0,a1)内的概率;
第三指标单元,其用于根据风光联合发电系统在设置的时间周期的风力发电的有功出力、光伏发电的有功出力,风光联合发电的有功出力,以及风光联合发电系统的负荷功率,分别计算风力发电、光伏发电和风光联合发电的有功出力的有利调峰小时数h,其计算公式为:
Figure GDA0003627835120000071
式中,D表示设置的时间周期的总天数,所述有利调峰小时数为设置的时间周期内有功出力的变化与负荷变化情况一致的小时数,uj为0-1变量,当有功出力的变化与负荷功率变化一致记作1,不一致记作0,即:
Figure GDA0003627835120000072
式中,n为设置的时间周期内的采样点个数,Pj为第j个数据点的有功出力数据,Pload(j)为第j个点的负荷功率数据;
第四指标单元,其用于根据风光联合发电系统在设置的时间周期的风力发电的累计源荷电量、光伏发电的累计源荷电量,风光联合发电的累计源荷电量,分别计算风力发电、光伏发电和风光联合发电的累计源荷电量一阶差分波动率,其计算公式为:
Figure GDA0003627835120000073
式中,n为设置的时间周期内的源、荷电量曲线上的采样点个数,dj为两条曲线在第j个位置的偏差,
Figure GDA0003627835120000074
为dj的均值,dj=Xj-Yj,Xj、Yj分别为两条曲线在第j个位置的数据值。
进一步地,所述指标权重单元是根据衡量风光联合出力特性的若干个指标的计算结果,采用熵权法确定每个指标的权重。
进一步地,所述综合指标单元根据衡量风光联合出力特性的若干个指标的计算结果和指标权重计算风光联合出力特性综合指标,其计算公式为:
Z=W1×△V+W2×△R+W3×h+W4×var
式中,Z为风光联合出力特性综合指标,△V,△R,h和var为衡量风光联合出力特性的4个指标,△V为有功出力波动率,△R为有功出力相对变化率,h为有功出力的有利调峰小时数,var为累计源荷电量一阶差分波动率;W1至W4为所述衡量风光联合出力特性的4个指标对应的指标权重。
本发明技术方案提供的确定风光联合发电系统的联合出力特性的方法和系统通过采集风光联合发电系统的有功出力、负荷功率和累计源荷电量,并基于所述采集的数据确定了衡量风光联合出力综合特性的出力波动率、相对变化率、有利调峰小时数和累计源荷电量一阶差分波动率指标,以及风光联合出力的相关系数,并依据Spearman相关理论建立了风光联合出力特征关系函数,以所述函数对风光联合发电系统的出力波动特性和调峰特性进行分析,对大规模风电、光伏联合并网调度具有一定的指导意义。
附图说明
通过参考下面的附图,可以更为完整地理解本发明的示例性实施方式:
图1为根据本发明优选实施方式的确定风光联合发电系统的联合出力特性的方法的流程图;
图2为根据本发明优选实施方式的风光联合发电系统的风光荷示意图;
图3为根据本发明优选实施方式的风光波动率示意图;
图4为根据本发明优选实施方式的有利调峰小时数示意图;
图5为根据本发明优选实施方式的风光联合发电系统综合特指标示意图;
图6为根据本发明优选实施方式的风光联合发电系统综合特征指标与风光出力相关系数的趋势变化示意图;
图7为根据本发明优选实施方式的确定风光联合发电系统的联合出力特性的系统的结构示意图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式,然而,本发明可以用许多不同的形式来实施,并且不局限于此处描述的实施例,提供这些实施例是为了详尽地且完全地公开本发明,并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中,相同的单元/元件使用相同的附图标记。
除非另有说明,此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外,可以理解的是,以通常使用的词典限定的术语,应当被理解为与其相关领域的语境具有一致的含义,而不应该被理解为理想化的或过于正式的意义。
图1为根据本发明优选实施方式的确定风光联合发电系统的联合出力特性的方法的流程图。如图1所示,本优选实施方式所述的确定风光联合发电系统的联合出力特性的方法100从步骤101开始。
在步骤101,采集风光联合发电系统中风力发电和光伏发电在设置的时间周期的有功出力,以及风光联合发电系统负荷功率和累计源荷电量。
在本优选实施方式中,以西北某省2015、2016全年风、光、荷实测数据进行计算,数据采样间隔5min,该地区风电装机8606.5MW,光伏装机6859.4MW,采用上述数据对风、光联合出力特性及其对电网调峰影响进行研究。
图2为根据本发明优选实施方式的风光联合发电系统的风光荷示意图。对风、光、风光联合以及负荷按照季节进行划分,可以看出风、光、荷之间出力随季节波动的特性。以春分、夏至、秋分、冬至四个典型日为例,如图2所示,该地区负荷的季节性变化并不是特别明显,单独的风、光出力与负荷曲线的相似程度很小。风电、光伏在春夏两季出力较大,秋冬出力较小。就独立的风电、光伏而言,光伏出力幅值大,波动频率低,仅有一个峰。在有光照的十几个小时内出力呈现先增后减的波动特性,在此期间,风电出力标幺值水平较光伏偏低,且波动频繁。
在步骤102,根据采集的风光联合发电系统中风力发电和光伏发电的有功出力计算风光出力相关系数。
为了定量分析风、光之间的联合发电特性,本发明引入风、光出力相关系数的概念。日前常用的度量随机变量之间相关性的指标是皮尔逊线性相关系数,然而在处理非线性相关性问题却存在缺点:
1)随机变量之间存在相关性,但是皮尔逊线性相关系数可能为0;
2)若随机变量的概率分布具有厚尾特性,皮尔逊线性相关系数不能准确描述随机变量之间的相关特性;
3)在进行非线性的变换之后,变换前后的随机变量之间的相关程度发生变化。
由此可以看出,用皮尔逊相关系数来刻画风、光的相关性并不是很准确;又考虑到风速的分布具有不对称的厚尾特性,从而风电场的出力概率分布也呈现出相应的不对称的厚尾特性。基于上述特点,采用斯皮尔曼等级相关方法来刻画风、光之间的相关性。斯皮尔曼等级相关要求两个变量的观测值是成对的等级评定资料,或者是由连续变量观测资料转化得到的等级资料,不论两个变量的总体分布形态、样本容量的大小如何,都可以用斯皮尔曼等级相关来进行研究。
优选地,所述根据采集的风光联合发电系统中风力发电和光伏发电的有功出力计算风光出力相关系数包括:
对采集的风光联合发电系统中风力发电的有功出力Xi和光伏发电的有功出力Yi按照数值大小进行升序排序或者降序排列,生成风力发电的有功出力集合x和光伏发电的有功出力集合y,其中,设置的时间周期内采集的有功出力的采样点个数为n,1≤i≤n;
将集合x和集合y中对应的元素xi和yi相减,生成差分集合d,其中,所述差分集合d的元素di=xi-yi
根据所述差分集合d中的元素di和采集点个数n计算风光出力相关系数,其计算公式为:
Figure GDA0003627835120000111
式中,ρ为风光出力相关系数,ρ为正表示风光出力正相关,ρ为负表示风光出力负相关,ρ等于零表示风光出力零相关。
对优选实施方式采集的西北某地15,16年风电、光伏的数据发现,季节的更替会对风场、光伏电站的周围环境温度、风力水平、日照强度等造成影响,因此,分季节求取风、光相关系数得到结果如表1所示。
表1西北某地15、16年风光相关系数
Figure GDA0003627835120000112
由表1可知:西北某地15、16年风光出力整体呈现较为明显的负相关性,全年风光相关系数分别为-0.2356、-0.2496,且这种相关性在春季、夏季表现的更为明显,相关系数在-0.3左右。
在步骤103,根据所述采集的有功出力、负荷功率和累计源荷电量计算衡量风光联合出力特性的若干个指标。
优选地,所述根据所述采集的有功出力、负荷功率和累计源荷电量计算衡量风光联合出力特性的若干个指标包括:
根据风光联合发电系统在设置的时间周期的风力发电的有功出力、光伏发电的有功出力,以及风光联合发电的有功出力,分别计算风力发电、光伏发电以及风光联合发电情况下的有功出力波动率△V,其计算公式为:
Figure GDA0003627835120000113
Figure GDA0003627835120000114
Figure GDA0003627835120000115
式中,n为设置的时间周期内的有功出力采样点个数;Pi+1为第i+1个有功出力采样点数值;
Figure GDA0003627835120000116
为Xi序列的平均值,1≤i≤n;
图3为根据本发明优选实施方式的风光波动率示意图。如图3所示,对于西北某地的2015、2016年风、光出力波动率计算结果,风光联合出力的波动率明显低于单独的风、光发电波动率;15、16年风光联合后的波动率相对于风电降低了20.36%、21.65%;相对于光伏降低了88.11%、85.18%;春季、夏季的风光联合波动率相对更低,在0.3左右。
根据风光联合发电系统在设置的时间周期的风力发电的有功出力、光伏发电的有功出力,以及风光联合发电的有功出力,分别计算风力发电、光伏发电以及风光联合发电情况下的有功出力相对变化率△R,其计算公式为:
Figure GDA0003627835120000121
Figure GDA0003627835120000122
式中,{ti}为设置的时间周期内具体时间尺度下的时间序列,时间尺度S=ti+1-ti,n为设置的时间周期内的有功出力采样点个数;1≤i≤n,
Figure GDA0003627835120000123
为有功出力序列,PN为风电联合发电系统装机容量,λi为时间尺度s下的出力变化率;对于出力变化率区间(a0,a1),当出力变化率λi∈(a0,a1),取Ni=1,否则取Ni=0,出力相对变化率△R为落在出力变化率区间(a0,a1)内的概率。
对优选实施方式的时间尺度为5min的实测数据计算得到,16年风电功率相对变动率在2%以上的概率为0.82%,光伏功率相对变动率在2%以上的概率为1.04%,风光联合后功率相对变动率为0.15%,即风光联合之后大大降低了出现大波动的概率。按照季节计算得到风、光、风光联合下的功率相对变化率分布表见表2。
表2西北某地15、16的风、光相对变化率分布
Figure GDA0003627835120000131
根据风光联合发电系统在设置的时间周期的风力发电的有功出力、光伏发电的有功出力,风光联合发电的有功出力,以及风光联合发电系统的负荷功率,分别计算风力发电、光伏发电和风光联合发电的有功出力的有利调峰小时数h,其计算公式为:
Figure GDA0003627835120000132
式中,D表示设置的时间周期的总天数,所述有利调峰小时数为设置的时间周期内有功出力的变化与负荷变化情况一致的小时数,uj为0-1变量,当有功出力的变化与负荷功率变化一致记作1,不一致记作0,即:
Figure GDA0003627835120000141
式中,n为设置的时间周期内的采样点个数,Pj为第j个数据点的有功出力数据,Pload(j)为第j个点的负荷功率数据;
图4为根据本发明优选实施方式的有利调峰小时数示意图。如图4所示,风光联合出力后的有利调峰小时数相对于光伏出力得到明显提高,15、16年提高幅度分别为:25.3%、26.2%;相对于风电出力的提高并不显著,基本持平,在春季、夏季略占优势。相比风电的出力,风光联合功率值更大,更加接近于负荷出力,因此在调峰上风光联合出力更有优势。
根据风光联合发电系统在设置的时间周期的风力发电的累计源荷电量、光伏发电的累计源荷电量,风光联合发电的累计源荷电量,分别计算风力发电、光伏发电和风光联合发电的累计源荷电量一阶差分波动率,其计算公式为:
Figure GDA0003627835120000142
式中,n为设置的时间周期内的源、荷电量曲线上的采样点个数,dj为两条曲线在第j个位置的偏差,
Figure GDA0003627835120000143
为dj的均值,dj=Xj-Yj,Xj、Yj分别为两条曲线在第j个位置的数据值。
根据本优选实施方式采集的数据计算确定的累计源荷电量一阶差分波动率如表3所示。
表3西北某地15、16年累计源荷电量一阶差分波动率
Figure GDA0003627835120000144
Figure GDA0003627835120000151
由表3可知,风光联合出力后,累计源荷电量一阶差分波动率相对于单一的风、光发电有所下降,即联合出力与负荷的匹配程度更好。
在步骤104,根据衡量风光联合出力特性的若干个指标的计算结果确定每个指标的权重。
优选地,根据衡量风光联合出力特性的若干个指标的计算结果确定每个指标的权重是指根据衡量风光联合出力特性的若干个指标的计算结果,采用熵权法确定每个指标的权重。
在步骤105,根据衡量风光联合出力特性的若干个指标的计算结果和指标权重计算风光联合出力特性综合指标。
优选地,所述根据衡量风光联合出力特性的若干个指标的计算结果和指标权重计算风光联合出力特性综合指标,其计算公式为:
Z=W1×△V+W2×△R+W3×h+W4×var
式中,Z为风光联合出力特性综合指标,△V,△R,h和var为衡量风光联合出力特性的4个指标,△V为有功出力波动率,△R为有功出力相对变化率,h为有功出力的有利调峰小时数,var为累计源荷电量一阶差分波动率;W1至W4为所述衡量风光联合出力特性的4个指标对应的指标权重。
图5为根据本发明优选实施方式的风光联合发电系统综合特指标示意图。如图5所示,对风电发电场景进行季节划分,综合考虑波动率、相对变动率、有利调峰小时数、累计源荷电量一阶差分波动率,风光联合后的综合特性明显优于单独的风、光发电。
在步骤106,基于所述风光联合出力特性综合指标和风光出力相关系数的计算结果,建立风光联合出力特性综合指标和风光出力相关系数的关联模型,定量分析风光联合出力特性综合指标和风光出力相关系数的联系,实现风光联合并网调度。
图6为根据本发明优选实施方式的风光联合发电系统综合特征指标与风光出力相关系数的趋势变化示意图。如图6所示,风光联合出力综合特性指标Z与相关系数ρ呈现明显的负相关性,即随着风、光负相关系数的增大,风光互补特性变差,联合出力综合特性指标变小。
图7为根据本发明优选实施方式的确定风光联合发电系统的联合出力特性的系统的结构示意图。如图7所示,本优选实施方式所述的确定风光联合发电系统的联合出力特性的系统700包括:
数据采集单元701,其用于采集风光联合发电系统中风力发电和光伏发电在设置的时间周期的有功出力,以及风光联合发电系统负荷功率和累计源荷电量;
相关系数单元702,其用于根据采集的风光联合发电系统中风力发电和光伏发电的有功出力计算风光出力相关系数;
指标确定单元703,其用于根据所述采集的有功出力、负荷功率和累计源荷电量计算衡量风光联合出力特性的若干个指标;
指标权重单元704,其用于根据衡量风光联合出力特性的若干个指标的计算结果确定每个指标的权重;
综合指标单元705,其用于根据衡量风光联合出力特性的若干个指标的计算结果和指标权重计算风光联合出力特性综合指标;
关联模型单元706,其用于基于所述风光联合出力特性综合指标和风光出力相关系数的计算结果,建立风光联合出力特性综合指标和风光出力相关系数的关联模型,定量分析风光联合出力特性综合指标和风光出力相关系数的联系,实现风光联合并网调度。
优选地,所述相关系数单元702包括:
出力集合单元721,其用于对采集的风光联合发电系统中风力发电的有功出力Xi和光伏发电的有功出力Yi按照数值大小进行升序排序或者降序排列,生成风力发电的有功出力集合x和光伏发电的有功出力集合y,其中,设置的时间周期内采集的有功出力的采样点个数为n,1≤i≤n;
差分集合单元722,其用于将集合x和集合y中对应的元素xi和yi相减,生成差分集合d,其中,所述差分集合d的元素di=xi-yi
系数计算单元723,其用于根据所述差分集合d中的元素di和采集点个数n计算风光出力相关系数,其计算公式为:
Figure GDA0003627835120000171
式中,ρ为风光出力相关系数,ρ为正表示风光出力正相关,ρ为负表示风光出力负相关,ρ等于零表示风光出力零相关。
优选地,所述指标确定单元703包括:
第一指标单元731,其用于根据风光联合发电系统在设置的时间周期的风力发电的有功出力、光伏发电的
有功出力,以及风光联合发电的有功出力,分别计算风力发电、光伏发电以及风光联合发电情况下的有功出力波动率△V,其计算公式为:
Figure GDA0003627835120000172
Figure GDA0003627835120000173
Figure GDA0003627835120000174
式中,n为设置的时间周期内的有功出力采样点个数;Pi+1为第i+1个有功出力采样点数值;
Figure GDA0003627835120000178
为Xi序列的平均值,1≤i≤n;
第二指标单元732,其用于根据风光联合发电系统在设置的时间周期的风力发电的有功出力、光伏发电的有功出力,以及风光联合发电的有功出力,分别计算风力发电、光伏发电以及风光联合发电情况下的有功出力相对变化率△R,其计算公式为:
Figure GDA0003627835120000175
Figure GDA0003627835120000176
式中,{ti}为设置的时间周期内具体时间尺度下的时间序列,时间尺度S=ti+1-ti,n为设置的时间周期内的有功出力采样点个数;1≤i≤n,
Figure GDA0003627835120000177
为有功出力序列,PN为风电联合发电系统装机容量,λi为时间尺度s下的出力变化率;对于出力变化率区间(a0,a1),当出力变化率λi∈(a0,a1),取Ni=1,否则取Ni=0,出力相对变化率△R为落在出力变化率区间(a0,a1)内的概率;
第三指标单元733,其用于根据风光联合发电系统在设置的时间周期的风力发电的有功出力、光伏发电的有功出力,风光联合发电的有功出力,以及风光联合发电系统的负荷功率,分别计算风力发电、光伏发电和风光联合发电的有功出力的有利调峰小时数h,其计算公式为:
Figure GDA0003627835120000181
式中,D表示设置的时间周期的总天数,所述有利调峰小时数为设置的时间周期内有功出力的变化与负荷变化情况一致的小时数,uj为0-1变量,当有功出力的变化与负荷功率变化一致记作1,不一致记作0,即:
Figure GDA0003627835120000182
式中,n为设置的时间周期内的采样点个数,Pj为第j个数据点的有功出力数据,Pload(j)为第j个点的负荷功率数据;
第四指标单元734,其用于根据风光联合发电系统在设置的时间周期的风力发电的累计源荷电量、光伏发电的累计源荷电量,风光联合发电的累计源荷电量,分别计算风力发电、光伏发电和风光联合发电的累计源荷电量一阶差分波动率,其计算公式为:
Figure GDA0003627835120000183
式中,n为设置的时间周期内的源、荷电量曲线上的采样点个数,dj为两条曲线在第j个位置的偏差,
Figure GDA0003627835120000184
为dj的均值,dj=Xj-Yj,Xj、Yj分别为两条曲线在第j个位置的数据值。
优选地,所述指标权重单元704是根据衡量风光联合出力特性的若干个指标的计算结果,采用熵权法确定每个指标的权重。
优选地,所述综合指标单元705根据衡量风光联合出力特性的若干个指标的计算结果和指标权重计算风光联合出力特性综合指标,其计算公式为:
Z=W1×△V+W2×△R+W3×h+W4×var
式中,Z为风光联合出力特性综合指标,△V,△R,h和var为衡量风光联合出力特性的4个指标,△V为有功出力波动率,△R为有功出力相对变化率,h为有功出力的有利调峰小时数,var为累计源荷电量一阶差分波动率;W1至W4为所述衡量风光联合出力特性的4个指标对应的指标权重。
本发明所述确定风光联合发电系统的联合出力特性的系统对风光联合发电系统的风光有功出力、负荷功率和源荷电量进行分析,确定衡量风光联合出力综合特性与风光出力相关系数的关联,定量分析风光联合出力特性的步骤与本发明所述确定风光联合发电系统的联合出力特性的方法采取的步骤相同,并且达到的技术效果也相同,此处不再赘述。
已经通过参考少量实施方式描述了本发明。然而,本领域技术人员所公知的,正如附带的专利权利要求所限定的,除了本发明以上公开的其他的实施例等同地落在本发明的范围内。
通常地,在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释,除非在其中被另外明确地定义。所有的参考“一个/所述/该[装置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例,除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行,除非明确地说明。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。

Claims (6)

1.一种确定风光联合发电系统的联合出力特性的方法,其特征在于,所述方法包括:
采集风光联合发电系统中风力发电和光伏发电在设置的时间周期的有功出力,以及风光联合发电系统负荷功率和累计源荷电量;
根据采集的风光联合发电系统中风力发电和光伏发电的有功出力计算风光出力相关系数;
根据所述采集的有功出力、负荷功率和累计源荷电量计算衡量风光联合出力特性的若干个指标,所述指标包括风力发电、光伏发电和风光联合发电的有功出力波动率△V、有功出力相对变化率△R、有功出力的有利调峰小时数h,以及风力发电、光伏发电和风光联合发电的累计源荷电量一阶差分波动率var,其中:
根据风光联合发电系统在设置的时间周期的风力发电的有功出力、光伏发电的有功出力,以及风光联合发电的有功出力,分别计算风力发电、光伏发电以及风光联合发电情况下的有功出力波动率△V,其计算公式为:
Figure FDA0003616760250000011
Figure FDA0003616760250000012
Figure FDA0003616760250000013
式中,n为设置的时间周期内的有功出力采样点个数;Pi+1为第i+1个有功出力采样点数值;
Figure FDA0003616760250000014
为Xi序列的平均值,1≤i≤n;
根据风光联合发电系统在设置的时间周期的风力发电的有功出力、光伏发电的有功出力,以及风光联合发电的有功出力,分别计算风力发电、光伏发电以及风光联合发电情况下的有功出力相对变化率△R,其计算公式为:
Figure FDA0003616760250000015
Figure FDA0003616760250000021
式中,{ti}为设置的时间周期内具体时间尺度下的时间序列,时间尺度S=ti+1-ti,n为设置的时间周期内的有功出力采样点个数;1≤i≤n,
Figure FDA0003616760250000022
为有功出力序列,PN为风电联合发电系统装机容量,λi为时间尺度s下的出力变化率;对于出力变化率区间(a0,a1),当出力变化率λi∈(a0,a1),取Ni=1,否则取Ni=0,出力相对变化率△R为落在出力变化率区间(a0,a1)内的概率;
根据风光联合发电系统在设置的时间周期的风力发电的有功出力、光伏发电的有功出力,风光联合发电的有功出力,以及风光联合发电系统的负荷功率,分别计算风力发电、光伏发电和风光联合发电的有功出力的有利调峰小时数h,其计算公式为:
Figure FDA0003616760250000023
式中,D表示设置的时间周期的总天数,所述有利调峰小时数为设置的时间周期内有功出力的变化与负荷变化情况一致的小时数,uj为0-1变量,当有功出力的变化与负荷功率变化一致记作1,不一致记作0,即:
Figure FDA0003616760250000024
式中,n为设置的时间周期内的采样点个数,Pj为第j个数据点的有功出力数据,Pload(j)为第j个点的负荷功率数据;
根据风光联合发电系统在设置的时间周期的风力发电的累计源荷电量、光伏发电的累计源荷电量,风光联合发电的累计源荷电量,分别计算风力发电、光伏发电和风光联合发电的累计源荷电量一阶差分波动率,其计算公式为:
Figure FDA0003616760250000031
式中,n为设置的时间周期内的源、荷电量曲线上的采样点个数,dj为两条曲线在第j个位置的偏差,
Figure FDA0003616760250000032
为dj的均值,dj=Xj-Yj,Xj、Yj分别为两条曲线在第j个位置的数据值;
根据衡量风光联合出力特性的若干个指标的计算结果确定每个指标的权重;
根据衡量风光联合出力特性的若干个指标的计算结果和指标权重计算风光联合出力特性综合指标,其计算公式为:
Z=W1×△V+W2×△R+W3×h+W4×var
式中,Z为风光联合出力特性综合指标,△V,△R,h和var为衡量风光联合出力特性的4个指标,△V为有功出力波动率,△R为有功出力相对变化率,h为有功出力的有利调峰小时数,var为累计源荷电量一阶差分波动率;W1至W4为所述衡量风光联合出力特性的4个指标对应的指标权重;
基于所述风光联合出力特性综合指标和风光出力相关系数的计算结果,建立风光联合出力特性综合指标和风光出力相关系数的关联模型,定量分析风光联合出力特性综合指标和风光出力相关系数的联系,实现风光联合并网调度。
2.根据权利要求1所述的方法,其特征在于,所述根据采集的风光联合发电系统中风力发电和光伏发电的有功出力计算风光出力相关系数包括:
对采集的风光联合发电系统中风力发电的有功出力Xi和光伏发电的有功出力Yi按照数值大小进行升序排序或者降序排列,生成风力发电的有功出力集合x和光伏发电的有功出力集合y,其中,设置的时间周期内采集的有功出力的采样点个数为n,1≤i≤n;
将集合x和集合y中对应的元素xi和yi相减,生成差分集合d,其中,所述差分集合d的元素di=xi-yi
根据所述差分集合d中的元素di和采集点个数n计算风光出力相关系数,其计算公式为:
Figure FDA0003616760250000041
式中,ρ为风光出力相关系数,ρ为正表示风光出力正相关,ρ为负表示风光出力负相关,ρ等于零表示风光出力零相关。
3.根据权利要求1所述的方法,其特征在于,根据衡量风光联合出力特性的若干个指标的计算结果确定每个指标的权重是指根据衡量风光联合出力特性的若干个指标的计算结果,采用熵权法确定每个指标的权重。
4.一种确定风光联合发电系统的联合出力特性的系统,其特征在于,所述系统包括:
数据采集单元,其用于采集风光联合发电系统中风力发电和光伏发电在设置的时间周期的有功出力,以及风光联合发电系统负荷功率和累计源荷电量;
相关系数单元,其用于根据采集的风光联合发电系统中风力发电和光伏发电的有功出力计算风光出力相关系数;
指标确定单元,其用于根据所述采集的有功出力、负荷功率和累计源荷电量计算衡量风光联合出力特性的若干个指标,其包括:
第一指标单元,其用于根据风光联合发电系统在设置的时间周期的风力发电的有功出力、光伏发电的有功出力,以及风光联合发电的有功出力,分别计算风力发电、光伏发电以及风光联合发电情况下的有功出力波动率△V,其计算公式为:
Figure FDA0003616760250000042
Figure FDA0003616760250000043
Figure FDA0003616760250000051
式中,n为设置的时间周期内的有功出力采样点个数;Pi+1为第i+1个有功出力采样点数值;
Figure FDA0003616760250000052
为Xi序列的平均值,1≤i≤n;
第二指标单元,其用于根据风光联合发电系统在设置的时间周期的风力发电的有功出力、光伏发电的有功出力,以及风光联合发电的有功出力,分别计算风力发电、光伏发电以及风光联合发电情况下的有功出力相对变化率△R,其计算公式为:
Figure FDA0003616760250000053
Figure FDA0003616760250000054
式中,{ti}为设置的时间周期内具体时间尺度下的时间序列,时间尺度S=ti+1-ti,n为设置的时间周期内的有功出力采样点个数;1≤i≤n,
Figure FDA0003616760250000055
为有功出力序列,PN为风电联合发电系统装机容量,λi为时间尺度s下的出力变化率;对于出力变化率区间(a0,a1),当出力变化率λi∈(a0,a1),取Ni=1,否则取Ni=0,出力相对变化率△R为落在出力变化率区间(a0,a1)内的概率;
第三指标单元,其用于根据风光联合发电系统在设置的时间周期的风力发电的有功出力、光伏发电的有功出力,风光联合发电的有功出力,以及风光联合发电系统的负荷功率,分别计算风力发电、光伏发电和风光联合发电的有功出力的有利调峰小时数h,其计算公式为:
Figure FDA0003616760250000056
式中,D表示设置的时间周期的总天数,所述有利调峰小时数为设置的时间周期内有功出力的变化与负荷变化情况一致的小时数,uj为0-1变量,当有功出力的变化与负荷功率变化一致记作1,不一致记作0,即:
Figure FDA0003616760250000061
式中,n为设置的时间周期内的采样点个数,Pj为第j个数据点的有功出力数据,Pload(j)为第j个点的负荷功率数据;
第四指标单元,其用于根据风光联合发电系统在设置的时间周期的风力发电的累计源荷电量、光伏发电的累计源荷电量,风光联合发电的累计源荷电量,分别计算风力发电、光伏发电和风光联合发电的累计源荷电量一阶差分波动率,其计算公式为:
Figure FDA0003616760250000062
式中,n为设置的时间周期内的源、荷电量曲线上的采样点个数,dj为两条曲线在第j个位置的偏差,
Figure FDA0003616760250000063
为dj的均值,dj=Xj-Yj,Xj、Yj分别为两条曲线在第j个位置的数据值;
指标权重单元,其用于根据衡量风光联合出力特性的若干个指标的计算结果确定每个指标的权重;
综合指标单元,其用于根据衡量风光联合出力特性的若干个指标的计算结果和指标权重计算风光联合出力特性综合指标,其计算公式为:
Z=W1×△V+W2×△R+W3×h+W4×var
式中,Z为风光联合出力特性综合指标,△V,△R,h和var为衡量风光联合出力特性的4个指标,△V为有功出力波动率,△R为有功出力相对变化率,h为有功出力的有利调峰小时数,var为累计源荷电量一阶差分波动率;W1至W4为所述衡量风光联合出力特性的4个指标对应的指标权重;
关联模型单元,其用于基于所述风光联合出力特性综合指标和风光出力相关系数的计算结果,建立风光联合出力特性综合指标和风光出力相关系数的关联模型,定量分析风光联合出力特性综合指标和风光出力相关系数的联系,实现风光联合并网调度。
5.根据权利要求4所述的系统,其特征在于,所述相关系数单元包括:
出力集合单元,其用于对采集的风光联合发电系统中风力发电的有功出力Xi和光伏发电的有功出力Yi按照数值大小进行升序排序或者降序排列,生成风力发电的有功出力集合x和光伏发电的有功出力集合y,其中,设置的时间周期内采集的有功出力的采样点个数为n,1≤i≤n;
差分集合单元,其用于将集合x和集合y中对应的元素xi和yi相减,生成差分集合d,其中,所述差分集合d的元素di=xi-yi
系数计算单元,其用于根据所述差分集合d中的元素di和采集点个数n计算风光出力相关系数,其计算公式为:
Figure FDA0003616760250000071
式中,ρ为风光出力相关系数,ρ为正表示风光出力正相关,ρ为负表示风光出力负相关,ρ等于零表示风光出力零相关。
6.根据权利要求4所述的系统,其特征在于,所述指标权重单元是根据衡量风光联合出力特性的若干个指标的计算结果,采用熵权法确定每个指标的权重。
CN202010072593.8A 2020-01-21 2020-01-21 一种确定风光联合发电系统的联合出力特性的方法和系统 Active CN111162566B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010072593.8A CN111162566B (zh) 2020-01-21 2020-01-21 一种确定风光联合发电系统的联合出力特性的方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010072593.8A CN111162566B (zh) 2020-01-21 2020-01-21 一种确定风光联合发电系统的联合出力特性的方法和系统

Publications (2)

Publication Number Publication Date
CN111162566A CN111162566A (zh) 2020-05-15
CN111162566B true CN111162566B (zh) 2022-07-01

Family

ID=70565499

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010072593.8A Active CN111162566B (zh) 2020-01-21 2020-01-21 一种确定风光联合发电系统的联合出力特性的方法和系统

Country Status (1)

Country Link
CN (1) CN111162566B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014101515A1 (zh) * 2012-12-24 2014-07-03 国家电网公司 间歇能源并网下的自动发电控制模型的设计方法
CN104158217A (zh) * 2014-08-22 2014-11-19 东北电力大学 集群风光联合发电系统输出功率波动特性描述方法
CN104242354A (zh) * 2014-06-18 2014-12-24 国家电网公司 计及风光出力相关性的新能源集中外送运行特性评估方法
CN104866978A (zh) * 2015-06-03 2015-08-26 华北电力大学 一种基于时域量化分析间歇性能源协同效应的方法
CN109038648A (zh) * 2018-07-10 2018-12-18 华中科技大学 一种基于Copula函数的风光联合出力建模方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014101515A1 (zh) * 2012-12-24 2014-07-03 国家电网公司 间歇能源并网下的自动发电控制模型的设计方法
CN104242354A (zh) * 2014-06-18 2014-12-24 国家电网公司 计及风光出力相关性的新能源集中外送运行特性评估方法
CN104158217A (zh) * 2014-08-22 2014-11-19 东北电力大学 集群风光联合发电系统输出功率波动特性描述方法
CN104866978A (zh) * 2015-06-03 2015-08-26 华北电力大学 一种基于时域量化分析间歇性能源协同效应的方法
CN109038648A (zh) * 2018-07-10 2018-12-18 华中科技大学 一种基于Copula函数的风光联合出力建模方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
光伏发电与风光联合发电系统输出特性分析;李翠萍 等;《电网与清洁能源》;20170125;第33卷(第01期);95-102 *
基于Kendall"τ的风光出力相关性分析;施超 等;《中国科技信息》;20161231(第23期);74-75 *
基于风光出力相关性的新能源容量配比研究;吕盼 等;《通信电源技术》;20160325;第33卷(第02期);1-3 *

Also Published As

Publication number Publication date
CN111162566A (zh) 2020-05-15

Similar Documents

Publication Publication Date Title
CN106529814B (zh) 基于Adaboost聚类和马尔科夫链的分布式光伏超短期预测方法
Bludszuweit et al. Statistical analysis of wind power forecast error
Świerczyński et al. Primary frequency regulation with Li-ion battery energy storage system: A case study for Denmark
CN104573879A (zh) 基于最优相似日集的光伏电站出力预测方法
CN102914969A (zh) 一种短期风电功率预测系统的综合误差修正方法
CN104463349A (zh) 一种基于多时段综合相似日的光伏发电功率预测方法
CN102479347B (zh) 基于数据驱动的风电场短期风速预测方法和系统
CN107403015B (zh) 一种基于时间序列相似性的短期光功率预测方法
CN115829105A (zh) 基于历史数据特征搜索的光伏功率预测方法
CN111626473A (zh) 一种考虑误差修正的两阶段光伏功率预测方法
CN112149890A (zh) 基于用户用能标签的综合能源负荷预测方法及系统
CN105825002A (zh) 一种基于动态灰关联分析法的风电场动态等值建模方法
CN111509768A (zh) 一种综合能源系统的场景模拟方法及系统
CN110852492A (zh) 一种基于马氏距离找相似的光伏功率超短期预测方法
CN113505909B (zh) 一种面向短期风电功率趋势预测的误差补偿方法
CN112580897B (zh) 基于鹦鹉算法的多能源电力系统优化调度的方法
CN111162566B (zh) 一种确定风光联合发电系统的联合出力特性的方法和系统
CN112132344A (zh) 一种基于相似日和frs-svm的短期风电功率预测方法
CN115640916B (zh) 分布式电源出力和多能负荷态势感知方法及系统
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
CN116826710A (zh) 基于负荷预测的削峰策略推荐方法、装置及存储介质
CN113095534A (zh) 一种ARIMA与改进Elman神经网络组合的风电功率预测方法
CN110571862A (zh) 一种光伏电站与电力负荷的时序匹配度分析方法及系统
CN110796292A (zh) 计及雾霾影响的光伏功率短期预测方法
CN111275238A (zh) 基于每时晴空指数的大规模电站光伏出力序列生成方法

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