CN111415029A - 一种大规模新能源出力特性的预测系统及预测方法 - Google Patents
一种大规模新能源出力特性的预测系统及预测方法 Download PDFInfo
- Publication number
- CN111415029A CN111415029A CN201910503134.8A CN201910503134A CN111415029A CN 111415029 A CN111415029 A CN 111415029A CN 201910503134 A CN201910503134 A CN 201910503134A CN 111415029 A CN111415029 A CN 111415029A
- Authority
- CN
- China
- Prior art keywords
- new energy
- output
- predicted
- project
- characteristic
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000005457 optimization Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000013480 data collection Methods 0.000 claims abstract description 17
- 238000007405 data analysis Methods 0.000 claims abstract description 13
- 238000012937 correction Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 6
- 230000005611 electricity Effects 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 4
- 230000002459 sustained effect Effects 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 230000009471 action Effects 0.000 abstract description 2
- 238000010248 power generation Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000003646 Spearman's rank correlation coefficient Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012216 screening Methods 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
- 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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种大规模新能源出力特性的预测系统及预测方法,所述预测系统包括原始数据收集模块、数据分析处理模块、相关系数优化模块和持续出力特性校正模块,其特征在于,所述原始数据收集模块用于收集或采集待预测新能源的相关信息,数据分析处理模块用于处理原始数据收集模块所收集或采集待预测新能源的相关信息,所述相关系数优化模块用于优化处理模块所处理的参数或特性参数。其基于空间分散性对整体出力特性的平滑作用和单个项目容量对自身出力特性的影响,具有良好的工程可行性和应用前景。
Description
技术领域
本申请涉及电力系统稳定性分析技术领域,特别涉及一种大规模新能源出力特性的预测系统及预测方法。
背景技术
近年来,随着可再生能源发电技术的快速发展,风电、光伏发电等新能源的装机容量迅猛增加,但新能源发电往往具有随机性、波动性、间歇性的特点,大规模并网时将给电力系统的安全稳定运行与控制带来重大挑战。
因此针对大规模新能源的接入,实际工程中常基于新能源的出力特性,对新能源的容量可信度、新能源对电力电量平衡的影响、不同新能源的最优容量配比等问题进行研究。
作为后续各项研究与分析工作的基础和前提,新能源的出力特性的重要性不言而喻。但是,实际工程中往往将单个或少数新能源项目的出力特性(标幺值)直接作为大规模新能源的整体出力特性,忽略了新能源项目规模扩大以后的空间分散性对新能源整体出力特性的平滑作用,也未考虑不同容量新能源项目自身出力特性的差异。因此,该出力特性与实际大规模新能源的整体出力特性存在较大的误差,若在该出力特性的基础上进行后续研究,其分析结果也将有较大的偏差。
发明内容
基于现有技术中存在的技术问题,本发明提供一种大规模新能源出力特性的预测系统及预测方法,其基于空间分散性对整体出力特性的平滑作用和单个项目容量对自身出力特性的影响,具有良好的工程可行性和应用前景。
依据本发明技术方案的第一方面, 提供一种大规模新能源出力特性的预测系统,其包括原始数据收集模块、数据分析处理模块、相关系数优化模块和持续出力特性校正模块,所述原始数据收集模块用于收集或采集待预测新能源的相关信息,数据分析处理模块用于处理原始数据收集模块所收集或采集待预测新能源的相关信息,所述相关系数优化模块用于优化处理模块模块所处理的参数或特性参数。
其中,所述原始数据收集模块所收集或采集待预测新能源的相关信息包括待预测新能源项目的位置和容量数据以及待预测新能源项目附近气候相近的地区已建成的新能源项目的位置、容量、历史出力特性数据。进一步地,根据待预测出力特性的时间尺度来确定原始数据收集的时间尺度。
优选地,数据分析处理模块所处理的相关信息包括基础出力特性、相关系数参考特性和持续出力参考特性。
更优先地,所述相关系数优化模块基于待预测新能源项目的位置,按照相关系数参考特性进行优化,改变已有出力特性之间的配比,得到优化后出力特性。
依据本发明技术方案的第二方面, 提供一种大规模新能源出力特性的预测方法,其包括以下步骤:
第一步,收集原始数据,包括待预测新能源项目的位置、容量,区域已有的新能源项目的历史出力特性,地区新能源的资源情况等;
第二步,对收集到的原始数据进行分析,获得用于后续配比近似的基础出力特性、项目间的出力相关系数参考特性和项目自身的持续出力参考特性;
第三步,基于待预测新能源项目的位置,按照相关系数参考特性进行优化,改变已有出力特性之间的配比,得到优化后出力特性;
第四步,基于待预测新能源项目的容量,按照持续出力参考特性进行校正,得到校正后出力特性;
第五步,对下一个待预测新能源项目重复第三步、第四步的过程,最终得到所有新能源项目的预测出力特性。
依据本发明技术方案的第三方面, 提供一种大规模新能源出力特性的预测方法,其包括以下步骤:
步骤1:收集原始数据:
首先判断待预测的大规模新能源项目的位置或容量是否已确定,如有不确定的规划项目,需结合该地区新能源的资源情况选择适当的位置和容量;
再判断已确定项目中是否有已建成投产的项目,如有,可收集其历史出力特性数据;或者附近气候相近的地区若有其他已建成的新能源项目,可收集其位置、容量、历史出力特性数据;否则需收集部分新能源项目场站附近的新能源资源情况,如风电可收集场址附近的测风塔数据;
步骤2:数据分析处理:
对原始数据中的新能源项目的历史出力特性进行筛选处理,避免使用受限电影响的数据、大量缺测或不合理的数据,少量缺测或不合理数据可根据同期的短期预测功率进行近似;
对原始数据中的新能源资源情况进行分析计算,选择适当的新能源机组类型,并可进一步结合实际地形模拟机组布置;
从而得到可确定的部分新能源项目的参考出力特性,按各项目的容量将其标幺化后作为后续计算的基础出力特性;
基于已确定项目的位置及其基础出力特性,拟合出力相关系数随项目间距离变化的相关系数参考特性;
基于已确定项目的容量及其基础出力特性,拟合项目自身持续出力特性随其容量变化的持续出力参考特性;
步骤3:计算预测出力特性:
基于待预测新能源项目的位置,通过配比已有出力特性去近似待预测项目的出力特性,按照相关系数参考特性进行优化,使相关系数的计算结果和参考值之间的误差尽可能小,从而得到优化后出力特性。
基于待预测新能源项目的容量,按照持续出力参考特性对优化后出力特性进行校正,得到校正后出力特性,即为待预测新能源项目最终的预测出力特性;
重复步骤3,预测下一个新能源项目的出力特性。
相比于现有技术,由于采用如上所述的技术方案,本发明产生如下积极效果:
1、本发明以各项目间出力相关系数和自身持续出力特性为优化和校正的目标,通过改变已有出力特性的配比来近似预测未知新能源项目的出力特性;
2、本发明设计了一种大规模新能源出力特性的预测方法和模型,考虑了空间分散性对整体出力特性的平滑作用和单个项目容量对自身出力特性的影响,能够得到更为准确的大规模新能源的整体出力特性,从而可以作为大规模新能源接入相关研究(如新能源的容量可信度、新能源对电力电量平衡的影响、不同新能源的最优容量配比等)的基础;
3、本发明基于待预测新能源项目的容量和位置进行预测,适用于风电、光伏发电等多种新能源,方法和模型具有良好的工程可行性和应用前景。
附图说明
图1是依据本申请的大规模新能源出力特性的预测系统的总体结构示意图。
图2是使用本申请的典型风电场、光伏电站的持续出力特性示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
本发明的大规模新能源出力特性的预测系统及预测方法,其基于空间分散性对整体出力特性的平滑作用和单个项目容量对自身出力特性的影响,具有良好的工程可行性和应用前景。其可以作为大规模新能源接入相关研究(如新能源的容量可信度、新能源对电力电量平衡的影响、不同新能源的最优容量配比等)的基础。
本发明所提供的大规模新能源出力特性的预测系统,其包括原始数据收集模块、数据分析处理模块、相关系数优化模块和持续出力特性校正模块,所述原始数据收集模块用于收集或采集待预测新能源的相关信息,其主要包括:
收集待预测新能源项目的位置、容量数据。具体来说:
若待预测新能源项目已经通过电网审查,则其位置和容量已经基本确定,可直接使用该数据;
若待预测新能源项目尚未通过审查,但已被列入地区新能源电力规划中,则可根据新能源项目的可研报告确定其位置和容量;
若待预测新能源项目尚未开展可研,则可根据地区新能源资源规划确定各项目的位置和容量。
(2)针对待预测的大规模新能源项目,若其中包括部分已建成的新能源项目,或者在其附近气候相近的地区有其他已建成的新能源项目,可收集这些新能源项目的位置、容量、历史出力特性等数据;若无已建成项目或新能源项目数量较少,可收集部分新能源项目场站附近的新能源资源情况。
另外,应根据待预测出力特性的时间尺度来确定原始数据收集的时间尺度。例如:若需要预测年出力特性,则应收集至少一年的原始出力数据(或新能源资源数据);若需要预测季度出力特性,则应收集至少一季度的原始出力数据(或新能源资源数据)。
所述数据分析处理模块用于处理原始数据收集模块所收集或采集待预测新能源的相关信息,其主要包括以下参数或特性的处理。
(1)基础出力特性
基础出力特性指目前可确定的部分新能源项目的参考出力特性,将用于后续配比生成其他待预测新能源项目的近似出力特性,由原始数据中的新能源项目历史出力特性经筛选处理后得到,或根据原始数据中的新能源资源情况经分析计算后得到。
对于收集到的历史出力特性数据,需确认其并未受到电网限电的影响,否则该出力数据不可用。
对于收集到的历史出力特性数据,若存在少量缺测或不合理数据,可根据同期的短期预测功率进行近似。
对于收集到的新能源资源情况,需在其基础上选择适当的新能源机组类型,并可进一步结合实际地形模拟机组布置,进而计算其预测出力特性,作为近似的基础出力特性使用。
后续描述中提到的基础出力特性均为已标幺化后的结果。
(2)相关系数参考特性
相关系数参考特性的计算方法如下:
需要说明的是本发明使用的为Spearman相关系数(斯皮尔曼等级相关
系数),此相关系数不同于Pearson相关系数(皮尔逊相关系数)。其原因在于:Pearson相关
系数适用于变量的正态分布,但一般来说新能源出力特性非正态;Pearson相关系数受到异
常值的影响较大;后续的持续出力特性校正过程会改变Pearson相关系数,而Spearman相关
系数可以保持几乎不变,保证了相关系数优化的有效性。
(3)持续出力参考特性
持续出力参考特性的计算方法如下:
所述相关系数优化模块用于优化处理模块模块所处理的参数或特性参数,主要为基于待预测新能源项目的位置,按照相关系数参考特性进行优化,改变已有出力特性之间的配比,得到优化后出力特性。
相关系数优化的计算方法如下:
(1)数据准备
(2)优化计算
a)变量定义
b)目标函数
上式表明,相关系数优化的目标是让一定配比下相关系数的计算结果和参考值之间的误差尽可能小。
c)约束条件
上式约束条件并非必不可少,但实践中该约束条件可以有效提高找到最优解的速度。
d)优化算法
随着已有出力特性数量的增加,每次优化计算的求解会愈来愈复杂,可使用遗传算法等智能优化算法进行计算。
e)计算结果
上述的持续出力特性校正模块,主要基于待预测新能源项目的容量,按照持续出力参考特性进行校正,得到校正后出力特性。
持续出力特性校正的计算方法如下:
(1)数据准备
(2)校正计算
从一维数组角度考虑,有如下排序关系:
c)计算结果
经过上述四个模块处理优化校正之后的数据,应用到风电、光伏发电等多种新能源,可以基于同种新能源的原始数据实现大规模出力特性的预测。
更进一步地,依据上述所提供的的预测系统,提供一种大规模新能源出力特性的预测方法,其包括以下步骤:
第一步,收集原始数据,包括待预测新能源项目的位置、容量,区域已有的新能源项目的历史出力特性,地区新能源的资源情况等;
第二步,对收集到的原始数据进行分析,获得用于后续配比近似的基础出力特性、项目间的出力相关系数参考特性和项目自身的持续出力参考特性;
第三步,基于待预测新能源项目的位置,按照相关系数参考特性进行优化,改变已有出力特性之间的配比,得到优化后出力特性;
第四步,基于待预测新能源项目的容量,按照持续出力参考特性进行校正,得到校正后出力特性;
第五步,对下一个待预测新能源项目重复第三步、第四步的过程,最终得到所有新能源项目的预测出力特性。
更具体地,针对上述的大规模新能源出力特性的预测方法,其提供又一种大规模新能源出力特性的预测方法,其包括以下步骤:
步骤1:收集原始数据
首先判断待预测的大规模新能源项目的位置或容量是否已确定,如有不确定的规划项目,需结合该地区新能源的资源情况选择适当的位置和容量。
再判断已确定项目中是否有已建成投产的项目,如有,可收集其历史出力特性数据;或者附近气候相近的地区若有其他已建成的新能源项目,可收集其位置、容量、历史出力特性等数据;否则需收集部分新能源项目场站附近的新能源资源情况,如风电可收集场址附近的测风塔数据等。
另外需要保证时间尺度的一致性。若需要预测新能源一年的出力,一般需要收集相近年份新能源项目的年出力特性或资源的年变化情况;若需要预测新能源某季度的出力,一般需要收集相近年份同一季度的出力特性或资源变化情况。
步骤2:数据分析处理
对原始数据中的新能源项目的历史出力特性进行筛选处理,避免使用受限电影响的数据、大量缺测或不合理的数据等,少量缺测或不合理数据可根据同期的短期预测功率进行近似。
对原始数据中的新能源资源情况进行分析计算,选择适当的新能源机组类型,并可进一步结合实际地形模拟机组布置。
从而得到可确定的部分新能源项目的参考出力特性,按各项目的容量将其标幺化后作为后续计算的基础出力特性。
基于已确定项目的位置及其基础出力特性,拟合出力相关系数随项目间距离变化的相关系数参考特性。
基于已确定项目的容量及其基础出力特性,拟合项目自身持续出力特性随其容量变化的持续出力参考特性。
步骤3:计算预测出力特性
基于待预测新能源项目的位置,通过配比已有出力特性去近似待预测项目的出力特性,按照相关系数参考特性进行优化,使相关系数的计算结果和参考值之间的误差尽可能小,从而得到优化后出力特性。
基于待预测新能源项目的容量,按照持续出力参考特性对优化后出力特性进行校正,得到校正后出力特性,即为待预测新能源项目最终的预测出力特性。
重复步骤3,预测下一个新能源项目的出力特性。
以上所述仅为本申请的可选实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (8)
1.一种大规模新能源出力特性的预测系统,其包括原始数据收集模块、数据分析处理模块、相关系数优化模块和持续出力特性校正模块,其特征在于,所述原始数据收集模块用于收集或采集待预测新能源的相关信息,数据分析处理模块用于处理原始数据收集模块所收集或采集待预测新能源的相关信息,所述相关系数优化模块用于优化处理模块所处理的参数或特性参数。
2.如权利要求1所述的大规模新能源出力特性的预测系统,其特征在于,所述原始数据收集模块所收集或采集待预测新能源的相关信息包括待预测新能源项目的位置和容量数据以及待预测新能源项目附近气候相近的地区已建成的新能源项目的位置、容量、历史出力特性数据。
3.如权利要求2所述的大规模新能源出力特性的预测系统,其特征在于,根据待预测出力特性的时间尺度来确定原始数据收集的时间尺度。
4.如权利要求1所述的大规模新能源出力特性的预测系统,其特征在于,数据分析处理模块所处理的相关信息包括基础出力特性、相关系数参考特性和持续出力参考特性。
5.如权利要求1所述的大规模新能源出力特性的预测系统,其特征在于,所述相关系数优化模块基于待预测新能源项目的位置,按照相关系数参考特性进行优化,改变已有出力特性之间的配比,得到优化后出力特性。
6.一种大规模新能源出力特性的预测方法,其包括以下步骤:
第一步,收集原始数据,包括待预测新能源项目的位置、容量,区域已有的新能源项目的历史出力特性,地区新能源的资源情况;
第二步,对收集到的原始数据进行分析,获得用于后续配比近似的基础出力特性、项目间的出力相关系数参考特性和项目自身的持续出力参考特性;
第三步,基于待预测新能源项目的位置,按照相关系数参考特性进行优化,改变已有出力特性之间的配比,得到优化后出力特性;
第四步,基于待预测新能源项目的容量,按照持续出力参考特性进行校正,得到校正后出力特性;
第五步,对下一个待预测新能源项目重复第三步、第四步的过程,最终得到所有新能源项目的预测出力特性。
7.一种大规模新能源出力特性的预测系统及预测方法,其特征在于,其包括以下步骤:
步骤1:收集原始数据:
首先判断待预测的大规模新能源项目的位置或容量是否已确定,如有不确定的规划项目,需结合该地区新能源的资源情况选择适当的位置和容量;
再判断已确定项目中是否有已建成投产的项目,如有,可收集其历史出力特性数据;或者附近气候相近的地区若有其他已建成的新能源项目,可收集其位置、容量、历史出力特性数据;否则需收集部分新能源项目场站附近的新能源资源情况,如风电可收集场址附近的测风塔数据;
步骤2:数据分析处理:
对原始数据中的新能源项目的历史出力特性进行筛选处理,避免使用受限电影响的数据、大量缺测或不合理的数据,少量缺测或不合理数据可根据同期的短期预测功率进行近似;
对原始数据中的新能源资源情况进行分析计算,选择适当的新能源机组类型,并可进一步结合实际地形模拟机组布置;
从而得到可确定的部分新能源项目的参考出力特性,按各项目的容量将其标幺化后作为后续计算的基础出力特性;
基于已确定项目的位置及其基础出力特性,拟合出力相关系数随项目间距离变化的相关系数参考特性;
基于已确定项目的容量及其基础出力特性,拟合项目自身持续出力特性随其容量变化的持续出力参考特性;
步骤3:计算预测出力特性:
基于待预测新能源项目的位置,通过配比已有出力特性去近似待预测项目的出力特性,按照相关系数参考特性进行优化,使相关系数的计算结果和参考值之间的误差尽可能小,从而得到优化后出力特性。
8.基于待预测新能源项目的容量,按照持续出力参考特性对优化后出力特性进行校正,得到校正后出力特性,即为待预测新能源项目最终的预测出力特性;
重复步骤3,预测下一个新能源项目的出力特性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910503134.8A CN111415029B (zh) | 2019-06-11 | 2019-06-11 | 一种大规模新能源出力特性的预测系统及预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910503134.8A CN111415029B (zh) | 2019-06-11 | 2019-06-11 | 一种大规模新能源出力特性的预测系统及预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111415029A true CN111415029A (zh) | 2020-07-14 |
CN111415029B CN111415029B (zh) | 2020-12-01 |
Family
ID=71490776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910503134.8A Active CN111415029B (zh) | 2019-06-11 | 2019-06-11 | 一种大规模新能源出力特性的预测系统及预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111415029B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101917024A (zh) * | 2010-03-29 | 2010-12-15 | 福建省电力有限公司 | 安全约束调度中通用性成本空间的生成方法 |
CN101931241A (zh) * | 2010-09-21 | 2010-12-29 | 许继集团有限公司 | 风电场并网协调控制方法 |
CN102780219A (zh) * | 2012-05-17 | 2012-11-14 | 清华大学 | 基于风电运行模拟的多维度风电消纳能力判别方法 |
CN103296679A (zh) * | 2013-05-20 | 2013-09-11 | 国家电网公司 | 电力系统中长期优化运行的中长期风电出力模型建模方法 |
CN103955763A (zh) * | 2014-04-25 | 2014-07-30 | 云南省电力设计院 | 一种风光互补电站容量配比的计算方法 |
CN105225022A (zh) * | 2015-11-11 | 2016-01-06 | 重庆大学 | 一种热电联产型微电网的经济性优化运行方法 |
JP2018126038A (ja) * | 2017-02-03 | 2018-08-09 | 中国電力株式会社 | 発電量予測装置、発電量予測方法、発電量予測システム |
US10373085B1 (en) * | 2014-11-19 | 2019-08-06 | Reeco IP, LLC | Constraint based renewable energy system configuration |
-
2019
- 2019-06-11 CN CN201910503134.8A patent/CN111415029B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101917024A (zh) * | 2010-03-29 | 2010-12-15 | 福建省电力有限公司 | 安全约束调度中通用性成本空间的生成方法 |
CN101931241A (zh) * | 2010-09-21 | 2010-12-29 | 许继集团有限公司 | 风电场并网协调控制方法 |
CN102780219A (zh) * | 2012-05-17 | 2012-11-14 | 清华大学 | 基于风电运行模拟的多维度风电消纳能力判别方法 |
CN103296679A (zh) * | 2013-05-20 | 2013-09-11 | 国家电网公司 | 电力系统中长期优化运行的中长期风电出力模型建模方法 |
CN103955763A (zh) * | 2014-04-25 | 2014-07-30 | 云南省电力设计院 | 一种风光互补电站容量配比的计算方法 |
US10373085B1 (en) * | 2014-11-19 | 2019-08-06 | Reeco IP, LLC | Constraint based renewable energy system configuration |
CN105225022A (zh) * | 2015-11-11 | 2016-01-06 | 重庆大学 | 一种热电联产型微电网的经济性优化运行方法 |
JP2018126038A (ja) * | 2017-02-03 | 2018-08-09 | 中国電力株式会社 | 発電量予測装置、発電量予測方法、発電量予測システム |
Non-Patent Citations (1)
Title |
---|
毕小剑 等: "风光储微电网系统容量配比分析", 《水电能源科学》 * |
Also Published As
Publication number | Publication date |
---|---|
CN111415029B (zh) | 2020-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Han et al. | A PV power interval forecasting based on seasonal model and nonparametric estimation algorithm | |
CN112186761B (zh) | 一种基于概率分布的风电功率场景生成方法及系统 | |
CN113128786B (zh) | 一种基于空间网格搜索的风光水互补容量与选址优化方法 | |
CN112862274A (zh) | 一种基于WRF-LES和DeepAR相结合的风功率预测方法 | |
Yang et al. | Sub-minute probabilistic solar forecasting for real-time stochastic simulations | |
CN107977898A (zh) | 一种光伏电站的发电量保险定价评估方法 | |
CN113536694B (zh) | 综合能源系统鲁棒优化运行方法、系统、装置及存储介质 | |
CN116885703B (zh) | 一种高维多元气象数据融合的短期风光功率预测方法 | |
CN111415029B (zh) | 一种大规模新能源出力特性的预测系统及预测方法 | |
Khosravi et al. | Wind farm power uncertainty quantification using a mean-variance estimation method | |
CN115544895B (zh) | 光伏电站年出力保证率模型优化方法 | |
CN111965442A (zh) | 一种数字孪生环境下的能源互联网故障诊断方法及装置 | |
CN116484998A (zh) | 基于气象相似日的分布式光伏电站功率预测方法及系统 | |
CN113989073B (zh) | 一种基于大数据挖掘的光伏高占比配网电压时空多维评估方法 | |
CN115983478A (zh) | 分布式光伏发电功率预测分析方法、系统、终端及介质 | |
CN113807019A (zh) | 基于改进场景分类和去粗粒化的mcmc风电模拟方法 | |
CN114691654A (zh) | 一种能源互联网中的数据处理方法和数据处理系统 | |
Mantri et al. | Solar Power Generation Prediction for Better Energy Efficiency using Machine Learning | |
Deepak et al. | Improved Wind Power Generation Prediction through Novel Linear Regression over Ridge Regression | |
Kaushik et al. | Performance Analysis of Regression Models in Solar PV Forecasting | |
CN113516320B (zh) | 基于多目标遗传算法风速订正和预测风速优化方法及装置 | |
CN115656914B (zh) | 一种基于大数据的智能电表计量准确性检测方法及装置 | |
CN113537575B (zh) | 一种含分布式光伏和电动汽车并网的趋势负荷预测方法 | |
Chicco et al. | Knowledge Discovery from the Statistical Analysis of On-Site Photovoltaic System Data | |
Flieller et al. | A novel strategy for wind power forecast through neural networks: Applications to the Uruguayan electricity system |
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 |