CN111463784A - 分布式光伏电站自发自用综合电价的预测方法及相关组件 - Google Patents
分布式光伏电站自发自用综合电价的预测方法及相关组件 Download PDFInfo
- Publication number
- CN111463784A CN111463784A CN202010426512.XA CN202010426512A CN111463784A CN 111463784 A CN111463784 A CN 111463784A CN 202010426512 A CN202010426512 A CN 202010426512A CN 111463784 A CN111463784 A CN 111463784A
- Authority
- CN
- China
- Prior art keywords
- power
- power generation
- generation amount
- self
- distributed photovoltaic
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas 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
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
Abstract
Description
技术领域
本发明涉及分布式光伏技术领域,特别涉及分布式光伏电站自发自用综合电价的预测方法及相关组件。
背景技术
分布式光伏电站是指在用户场地附近建设,运行方式以用户侧自发自用、多余电量上网,且在配电系统平衡调节为特征的光伏发电设施。分布式光伏发电遵循因地制宜、清洁高效、分散布局、就近利用的原则,不仅能够有效提高同等规模光伏电站的发电量,同时还有效解决了电力在升压及长途运输中的损耗问题。
因分布式光伏电站设计阶段,必须考察电站建设厂区用电负荷情况,以及光伏电站设计容量的可消纳比例情况,因此需要对分布式光伏自发自用比例进行估算从而得到综合电价。现有技术一般采用设计容量除以厂区负荷的方式预测自发自用比例,但这种预测方法仅考虑光伏发电峰值情况,容易造成准确性不高的问题。
发明内容
本发明的目的是提供分布式光伏电站自发自用综合电价的预测方法及相关组件,旨在提高电价预测的准确性。
第一方面,本发明实施例提供一种分布式光伏电站自发自用综合电价的预测方法,其包括:
根据历史日照情况获取各月中平均每日的起始日照辐射时间点t1、中间日照辐射时间点t2和结束日照辐射时间点t3,以及分布式光伏电站所在地各月中的日平均辐照量F1、光伏装机量Z和系统效率θ;
按下述等式计算出所述峰值功率a:
将每指定时段的理论发电量W(t0)与每指定时段对应的平均用电量H(t0)进行比较,当理论发电量W(t0)小于平均用电量H(t0)时,则控制将理论发电量全部自用;当理论发电量W(t0)大于平均用电量H(t0)时,则控制将理论发电量W(t0)中电站负荷的对应发电量部分自用,以及控制剩余的发电量部分上传至电网;
将各时段自用发电量部分乘以对应时段电价,以及将上网发电量部分乘以当地标杆电价,综合统计获得分布式光伏电站自发自用模式综合电价。
第二方面,本发明实施例还提供一种分布式光伏电站自发自用综合电价的预测装置,其包括:
历史计算单元,用于根据历史日照情况获取各月中平均每日的起始日照辐射时间点t1、中间日照辐射时间点t2和结束日照辐射时间点t3,以及分布式光伏电站所在地各月中的日平均辐照量F1、光伏装机量Z和系统效率θ;
峰值功率计算单元,用于按下述等式计算出所述峰值功率a:
发电用电计算单元,用于计算分布式光伏电站每指定时段的理论发电量W(t0):以及对应指定时段的平均用电量H(t0):其中,Yn为第n月用电量,Dn为第n月天数,T为每指定时段的时间长度,t0为每指定时段的起始时间;
发电用电比较单元,用于将每指定时段的理论发电量W(t0)与每指定时段对应的平均用电量H(t0)进行比较,当理论发电量W(t0)小于平均用电量H(t0)时,则控制将理论发电量全部自用;当理论发电量W(t0)大于平均用电量H(t0)时,则控制将理论发电量W(t0)中电站负荷的对应发电量部分自用,以及控制剩余的发电量部分上传至电网;
电价计算单元,用于将各时段自用发电量部分乘以对应时段电价,以及将上网发电量部分乘以当地标杆电价,综合统计获得分布式光伏电站自发自用模式综合电价。
第三方面,本发明实施例还提供一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时实现如第一方面所述的分布式光伏电站自发自用综合电价的预测方法。
第四方面,本发明实施例还提供一种计算机可读存储介质,其中,所述计算机可读存储介质存储有计算机程序,所述计算机程序当被处理器执行时使所述处理器执行如第一方面所述的分布式光伏电站自发自用综合电价的预测方法。
本发明实施例提供了分布式光伏电站自发自用综合电价的预测方法及相关组件,方法包括:确定分布式光伏电站的功率时间函数P(t);对所述功率时间函数进行求定积分计算日发电量时间函数W(t);预测得到日平均发电量计算出所述峰值功率a;计算分布式光伏电站每指定时段的理论发电量W(t0),以及对应指定时段的平均用电量H(t0);将每指定时段的理论发电量W(t0)与每指定时段对应的平均用电量H(t0)进行比较,当理论发电量W(t0)小于平均用电量H(t0)时,则控制将理论发电量全部自用;当理论发电量W(t0)大于平均用电量H(t0)时,则控制将理论发电量W(t0)中电站负荷的对应发电量部分自用,以及控制剩余的发电量部分上传至电网;将各时段自用发电量部分乘以对应时段电价,以及将上网发电量部分乘以当地标杆电价,综合统计获得分布式光伏电站自发自用模式综合电价。本发明实施例充分考虑了光伏发电随日照强度的变化而产生的输出功率变化,同时综合考虑了影响自发自用综合电价的因素,使得预测结果准确性更高。
附图说明
为了更清楚地说明本发明实施例技术方案,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,下面描述中的附图是本发明的一些实施例,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。
图1为本发明实施例提供的分布式光伏电站自发自用综合电价的预测方法的流程示意图;
图2为本发明实施例提供的分布式光伏电站自发自用综合电价的预测装置的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
请参阅图1,本发明实施例提供一种分布式光伏电站自发自用综合电价的预测方法,其包括步骤S101~S108:
S101、根据历史日照情况获取各月中平均每日的起始日照辐射时间点t1、中间日照辐射时间点t2和结束日照辐射时间点t3,以及分布式光伏电站所在地各月中的日平均辐照量F1、光伏装机量Z和系统效率θ;
本步骤中,根据历史日照情况,可统计得到各月平均每日的起始日照辐射时间点t1、中间日照辐射时间点t2和结束日照辐射时间点t3。这里的平均每日的各个时间点是指以每个月为参考范围,例如将当月每天的起始日照辐射时间点进行平均计算得到当月平均每日的起始日照辐射时间点t1。当然,可以将多年的对应月的平均每日的起始日照辐射时间点继续进行平均计算,从而得到当月平均每日的起始日照辐射时间点t1。
同时,本步骤中,还可根据历史日照情况,计算得到分布式光伏电站所在地各月中的日平均辐照量F1。另外,还可计算出分布式光伏电站的光伏装机量Z和系统效率θ。
本步骤是以光伏发电输出功率随时间分布的曲线完整并且与正弦玻第一象限半周期曲线一致为前提,确定分布式光伏电站的功率时间函数P(t)的。
例如假设起始日照辐射时间点t1为早上6:00,中间日照辐射时间点t2为中午12:00,结束日照辐射时间点t3为晚上18:00。
为满足t=6和t=18时,功率P(t)为0,且t=12时,P(t)为峰值功率a,则确定功率时间函数为:
上述功率时间函数即表示太阳光辐照量分布从早上6:00开始出现,到中午12:00达到顶峰,再到晚上18:00逐渐下降为0。
本步骤中,可对上述功率时间函数求积分即可得到发电量时间函数,具体如下:
而如果对上述功率时间函数求定积分,即可得到日发电量时间函数,具体如下:
S105、按下述等式计算出所述峰值功率a:
在前述得到的功率时间函数中,峰值功率a为未知数,故在确定各时间点的功率之前,需要先求出峰值功率a。峰值功率受当天辐照强度的影响,所以可以根据上述等式来计算得到峰值功率a。
S106、计算分布式光伏电站每指定时段的理论发电量W(t0):以及对应指定时段的平均用电量H(t0):其中,Yn为第n月用电量,Dn为第n月天数,T为每指定时段的时间长度,t0为每指定时段的起始时间;
假设用电负荷稳定,随时间变化为一条直线,当平均用电量小于峰值功率a时,那功率时间函数曲线与用电量曲线相交于两个点。
为了简化计算,利用微分概念,假设两个点为半小时时段,即每指定时段T的时间长度为半小时,可先求出光伏发电周期内每半小时的理论发电量,进而与半小时平均用电量做对比。
S107、将每指定时段的理论发电量W(t0)与每指定时段对应的平均用电量H(t0)进行比较,当理论发电量W(t0)小于平均用电量H(t0)时,则控制将理论发电量全部自用;当理论发电量W(t0)大于平均用电量H(t0)时,则控制将理论发电量W(t0)中电站负荷的对应发电量部分自用,以及控制剩余的发电量部分上传至电网;
具体地,为实现自动对比计算自发自用电量,采用IF函数IF(logical_test,value_if_true,value_if_false)进行计算
W自用=IF[W(t0)<H(t0),W(t0),H(t0)]
在一实施例中,所述步骤S107包括:
按下式对理论发电量进行控制:
W自用=IF[W(t0)<H(t0),W(t0),H(t0)],其中,IF函数表示当理论发电量W(t0)小于平均用电量H(t0)时,则控制将理论发电量全部自用,当理论发电量W(t0)大于平均用电量H(t0)时,则控制将理论发电量W(t0)中电站负荷的对应发电量部分自用,以及控制剩余的发电量部分上传至电网。
也就是说,当理论发电量W(t0)小于平均用电量H(t0)时,则控制将理论发电量全部自用,当理论发电量W(t0)大于平均用电量H(t0)时,则控制将理论发电量W(t0)中电站负荷的对应发电量部分自用,多出的发电量部分(W(t0)-H(t0),即余电)上网。
S108、将各时段自用发电量部分乘以对应时段电价,以及将上网发电量部分乘以当地标杆电价,综合统计获得分布式光伏电站自发自用模式综合电价。
本实施例中,各时段的电价有所不同,例如在一实施例中,自用发电量部分的电价包括峰值电价x1、平值电价x2和谷值电价x3。通过将各时段自用发电量部分乘以对应时段电价,获得每天自发自用电费,再乘以当月天数求得每月自发自用电费。当出现余电上网时,上网电量乘以分布式光伏电站所在地脱硫燃煤标杆电价x0,获得余电上网电费。
在一实施例中,所述步骤S108包括:
按下式计算所述分布式光伏电站自发自用模式综合电价:
上述公式就是将12个月自发自用电费和余电上网电费求和,再除以全年预计总发电量,即求得自发自用综合电价X。
在采用自发自用余电上网模式时,光伏电站所负荷工厂的用电情况直接关系到光伏电站的自发自用比例。如果工厂在某一段时间放假停产,用电负荷降低至只满足日常供电,则电站发电量即自用部分几乎为零,该段时间余电上网电量比例接近100%。因此,在本实施例中,需考虑到工厂放假停产等情况,在计算时进行部分修正,直接将该时间段的理论发电量计算为余电上网电量。
下面通过一具体实施例进行具体说明。
表1
表1是某厂区在过去一年内每个月的用电和发电情况,其中还包含了每个月的辐照量、装机容量、当月天数和每日峰值功率的情况。
表2
表2是该厂区在过去一年内每个月的每半小时(上半日)发电量情况。
表3
表3是该厂区在过去一年内每个月的每半小时(下半日)发电量情况。
表4
表4是该厂区在过去一年内每个月的月平均电价、月电费收益和每日电费收益情况。
表5
表5是通过统计得到的实际发电量、实际电费收益、实际综合电价情况,以及通过本发明实施例提供的方法预测得到的发电量、电费收益、综合电价情况,通过上表可知,针对某2MW光伏电站A全年电费收益1,187,068.42元,发电量2098078.4度,实际综合电价约0.5658元/度。根据本发明实施例提供的方法预测得到当年综合电价0.5536元/度,误差为2.2%。
与现有技术相比,本发明实施例充分考虑了光伏发电随白天日照强度的变化而产生的输出功率变化,假设光伏输出功率曲线与正弦函数曲线一致,同时综合考虑了影响自发自用综合电价的因素,结果准确性更高。本发明实施例提高了预测的准确性,为分布式光伏项目投资建设提供更可靠的理论预测数据。
如图2所示,本发明实施例还提供一种分布式光伏电站自发自用综合电价的预测装置200,其包括:
历史计算单元201,用于根据历史日照情况获取各月中平均每日的起始日照辐射时间点t1、中间日照辐射时间点t2和结束日照辐射时间点t3,以及分布式光伏电站所在地各月中的日平均辐照量F1、光伏装机量Z和系统效率θ;
峰值功率计算单元205,用于按下述等式计算出所述峰值功率a:
发电用电计算单元206,用于计算分布式光伏电站每指定时段的理论发电量W(t0):以及对应指定时段的平均用电量H(t0):其中,Yn为第n月用电量,Dn为第n月天数,T为每指定时段的时间长度,t0为每指定时段的起始时间;
发电用电比较单元207,用于将每指定时段的理论发电量W(t0)与每指定时段对应的平均用电量H(t0)进行比较,当理论发电量W(t0)小于平均用电量H(t0)时,则控制将理论发电量全部自用;当理论发电量W(t0)大于平均用电量H(t0)时,则控制将理论发电量W(t0)中电站负荷的对应发电量部分自用,以及控制剩余的发电量部分上传至电网;
电价计算单元208,用于将各时段自用发电量部分乘以对应时段电价,以及将上网发电量部分乘以当地标杆电价,综合统计获得分布式光伏电站自发自用模式综合电价。
上述装置实施例与前面的方法实施例对应,关于上述装置实施例的具体技术细节可参考前述方法实施例的描述,此处不再赘述。
本发明实施例还提供一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时实现如上所述的分布式光伏电站自发自用综合电价的预测方法。
本发明实施例还提供一种计算机可读存储介质,其中,所述计算机可读存储介质存储有计算机程序,所述计算机程序当被处理器执行时使所述处理器执行如上所述的分布式光伏电站自发自用综合电价的预测方法。
说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
还需要说明的是,在本说明书中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。在没有更多限制的状况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种分布式光伏电站自发自用综合电价的预测方法,其特征在于,包括:
根据历史日照情况获取各月中平均每日的起始日照辐射时间点t1、中间日照辐射时间点t2和结束日照辐射时间点t3,以及分布式光伏电站所在地各月中的日平均辐照量F1、光伏装机量Z和系统效率θ;
按下述等式计算出所述峰值功率a:
将每指定时段的理论发电量W(t0)与每指定时段对应的平均用电量H(t0)进行比较,当理论发电量W(t0)小于平均用电量H(t0)时,则控制将理论发电量全部自用;当理论发电量W(t0)大于平均用电量H(t0)时,则控制将理论发电量W(t0)中电站负荷的对应发电量部分自用,以及控制剩余的发电量部分上传至电网;
将各时段自用发电量部分乘以对应时段电价,以及将上网发电量部分乘以当地标杆电价,综合统计获得分布式光伏电站自发自用模式综合电价。
2.根据权利要求1所述的分布式光伏电站自发自用综合电价的预测方法,其特征在于,所述每指定时段的时间长度T为半小时。
3.根据权利要求1所述的分布式光伏电站自发自用综合电价的预测方法,其特征在于,自用发电量部分的电价包括峰值电价x1、平值电价x2和谷值电价x3。
4.根据权利要求3所述的分布式光伏电站自发自用综合电价的预测方法,其特征在于,所述当地标杆电价为分布式光伏电站所在地脱硫燃煤标杆电价x0。
5.根据权利要求4所述的分布式光伏电站自发自用综合电价的预测方法,其特征在于,所述将每指定时段的理论发电量W(t0)与每指定时段对应的平均用电量H(t0)进行比较,当理论发电量W(t0)小于平均用电量H(t0)时,则控制将理论发电量全部自用;当理论发电量W(t0)大于平均用电量H(t0)时,则控制将理论发电量W(t0)中电站负荷的对应发电量部分自用,以及控制剩余的发电量部分上传至电网,包括:
按下式对理论发电量进行控制:
W自用=IF[W(t0)<H(t0),W(t0),H(t0)],其中,IF函数表示当理论发电量W(t0)小于平均用电量H(t0)时,则控制将理论发电量全部自用,当理论发电量W(t0)大于平均用电量H(t0)时,则控制将理论发电量W(t0)中电站负荷的对应发电量部分自用,以及控制剩余的发电量部分上传至电网。
7.根据权利要求1所述的分布式光伏电站自发自用综合电价的预测方法,其特征在于,所述系统效率θ为0.8。
8.一种分布式光伏电站自发自用综合电价的预测装置,其特征在于,包括:
历史计算单元,用于根据历史日照情况获取各月中平均每日的起始日照辐射时间点t1、中间日照辐射时间点t2和结束日照辐射时间点t3,以及分布式光伏电站所在地各月中的日平均辐照量F1、光伏装机量Z和系统效率θ;
峰值功率计算单元,用于按下述等式计算出所述峰值功率a:
发电用电计算单元,用于计算分布式光伏电站每指定时段的理论发电量W(t0):以及对应指定时段的平均用电量H(t0):其中,Yn为第n月用电量,Dn为第n月天数,T为每指定时段的时间长度,t0为每指定时段的起始时间;
发电用电比较单元,用于将每指定时段的理论发电量W(t0)与每指定时段对应的平均用电量H(t0)进行比较,当理论发电量W(t0)小于平均用电量H(t0)时,则控制将理论发电量全部自用;当理论发电量W(t0)大于平均用电量H(t0)时,则控制将理论发电量W(t0)中电站负荷的对应发电量部分自用,以及控制剩余的发电量部分上传至电网;
电价计算单元,用于将各时段自用发电量部分乘以对应时段电价,以及将上网发电量部分乘以当地标杆电价,综合统计获得分布式光伏电站自发自用模式综合电价。
9.一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的分布式光伏电站自发自用综合电价的预测方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序当被处理器执行时使所述处理器执行如权利要求1至7任一项所述的分布式光伏电站自发自用综合电价的预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010426512.XA CN111463784A (zh) | 2020-05-19 | 2020-05-19 | 分布式光伏电站自发自用综合电价的预测方法及相关组件 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010426512.XA CN111463784A (zh) | 2020-05-19 | 2020-05-19 | 分布式光伏电站自发自用综合电价的预测方法及相关组件 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111463784A true CN111463784A (zh) | 2020-07-28 |
Family
ID=71678708
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010426512.XA Pending CN111463784A (zh) | 2020-05-19 | 2020-05-19 | 分布式光伏电站自发自用综合电价的预测方法及相关组件 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111463784A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112003278A (zh) * | 2020-08-21 | 2020-11-27 | 国核电力规划设计研究院重庆有限公司 | 一种分布式光伏自用电比例预测的实现方法及系统 |
CN113052386A (zh) * | 2021-03-29 | 2021-06-29 | 国网电子商务有限公司 | 基于随机森林算法的分布式光伏日发电量预测方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650987A (zh) * | 2016-09-19 | 2017-05-10 | 北京慧峰聚能科技有限公司 | 一种基于分时电价的电动汽车新能源发电优化算法 |
CN108736510A (zh) * | 2017-09-08 | 2018-11-02 | 中国南玻集团股份有限公司 | 光伏电站发电和厂区用电比例的预测方法 |
CN109636033A (zh) * | 2018-12-11 | 2019-04-16 | 远景能源(南京)软件技术有限公司 | 一种分布式光伏项目自发自用综合电价预测方法 |
-
2020
- 2020-05-19 CN CN202010426512.XA patent/CN111463784A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650987A (zh) * | 2016-09-19 | 2017-05-10 | 北京慧峰聚能科技有限公司 | 一种基于分时电价的电动汽车新能源发电优化算法 |
CN108736510A (zh) * | 2017-09-08 | 2018-11-02 | 中国南玻集团股份有限公司 | 光伏电站发电和厂区用电比例的预测方法 |
CN109636033A (zh) * | 2018-12-11 | 2019-04-16 | 远景能源(南京)软件技术有限公司 | 一种分布式光伏项目自发自用综合电价预测方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112003278A (zh) * | 2020-08-21 | 2020-11-27 | 国核电力规划设计研究院重庆有限公司 | 一种分布式光伏自用电比例预测的实现方法及系统 |
CN113052386A (zh) * | 2021-03-29 | 2021-06-29 | 国网电子商务有限公司 | 基于随机森林算法的分布式光伏日发电量预测方法和装置 |
CN113052386B (zh) * | 2021-03-29 | 2023-07-04 | 国网数字科技控股有限公司 | 基于随机森林算法的分布式光伏日发电量预测方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bhatti et al. | A rule-based energy management scheme for uninterrupted electric vehicles charging at constant price using photovoltaic-grid system | |
Ranaweera et al. | Optimization of operational cost for a grid-supporting PV system with battery storage | |
Comodi et al. | Multi-apartment residential microgrid with electrical and thermal storage devices: Experimental analysis and simulation of energy management strategies | |
Merten et al. | Bidding strategy for battery storage systems in the secondary control reserve market | |
Korpaas et al. | Operation and sizing of energy storage for wind power plants in a market system | |
Nottrott et al. | Energy dispatch schedule optimization and cost benefit analysis for grid-connected, photovoltaic-battery storage systems | |
Hummon et al. | Grid integration of aggregated demand response, part 2: modeling demand response in a production cost model | |
Angenendt et al. | Providing frequency control reserve with photovoltaic battery energy storage systems and power-to-heat coupling | |
Villarreal et al. | Designing a sustainable and distributed generation system for semiconductor wafer fabs | |
CN110649598B (zh) | 一种计及区域内虚拟电厂调节节点电价的方法及系统 | |
Angenendt et al. | Evaluation of the effects of frequency restoration reserves market participation with photovoltaic battery energy storage systems and power-to-heat coupling | |
CN111463784A (zh) | 分布式光伏电站自发自用综合电价的预测方法及相关组件 | |
Yoo et al. | A study on sizing of substation for PV with optimized operation of BESS | |
Singla et al. | Optimization of distributed solar photovoltaic power generation in day-ahead electricity market incorporating irradiance uncertainty | |
Ramahatana et al. | Economic optimization of micro-grid operations by dynamic programming with real energy forecast | |
Henri et al. | Design of a novel mode-based energy storage controller for residential PV systems | |
Bean et al. | Using solar and load predictions in battery scheduling at the residential level | |
CN113541195B (zh) | 一种未来电力系统中高比例可再生能源的消纳方法 | |
CN114069613B (zh) | 基于企业用能特性的自备电厂参与调峰的调控方法及系统 | |
CN113592507B (zh) | 一种电力现货交易月度收益仿真分析方法及装置 | |
Zambri et al. | Comparative study of net energy metering and feed-in tariff for the 496kWp UiTM segamat solar photovoltaic system | |
JP7303707B2 (ja) | 代替ベースライン計算装置、学習済みモデル、機械学習装置、代替ベースライン計算方法およびプログラム | |
JP2022177802A (ja) | 電力管理システム、及び配電を管理する方法 | |
Zhang et al. | Right-sizing a residential photovoltaic system under the influence of demand response programs and in the presence of system uncertainties | |
Alsaeed et al. | A multi-objective operational strategy for a utility-scale PV plus energy storage 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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200728 |