CN111861794B - 考虑概率分布的太阳能发电容量可信度获取方法及装置 - Google Patents
考虑概率分布的太阳能发电容量可信度获取方法及装置 Download PDFInfo
- Publication number
- CN111861794B CN111861794B CN202010751586.0A CN202010751586A CN111861794B CN 111861794 B CN111861794 B CN 111861794B CN 202010751586 A CN202010751586 A CN 202010751586A CN 111861794 B CN111861794 B CN 111861794B
- Authority
- CN
- China
- Prior art keywords
- power generation
- load
- solar power
- curve
- capacity
- 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
- 238000010248 power generation Methods 0.000 title claims abstract description 149
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000009826 distribution Methods 0.000 title claims abstract description 18
- 238000005315 distribution function Methods 0.000 claims abstract description 74
- 230000001186 cumulative effect Effects 0.000 claims abstract description 69
- 238000004364 calculation method Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 20
- 238000003860 storage Methods 0.000 claims description 10
- 238000009825 accumulation Methods 0.000 claims description 5
- 239000002699 waste material Substances 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000010276 construction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000012407 engineering method Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 238000003763 carbonization Methods 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- 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
-
- 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
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请提供了一种考虑概率分布的太阳能发电容量可信度获取方法及装置,包括:根据每一时刻下负荷及考虑太阳能发电后的净负荷分别获得负荷持续曲线与净负荷持续曲线;从负荷持续曲线中选取尖峰负荷最高的时段;根据尖峰负荷最高的时段获得太阳能发电可信容量累积分布函数;根据太阳能发电可信容量累积分布函数获取太阳能发电容量可信度。本申请能够准确计算太阳能发电容量可信度,至少解决了目前因缺乏对太阳能发电容量可信度的准确预测而导致资源过度投资与浪费的问题。
Description
技术领域
本申请属于太阳能发电技术领域,具体地讲,涉及一种考虑概率分布的太阳能发电容量可信度获取方法及装置。
背景技术
随着清洁低碳化能源革命浪潮席卷全球,以光伏、光热为代表的太阳能发电成为了最具发展潜力的可再生能源利用形式之一。截止2019年底,我国光伏装机总量2.043亿千瓦,居世界第一位,光热装机总量42万千瓦,开始由工程示范进入大规模商业应用阶段。预计“十四五”期间,我国太阳能发电将全面迎来平价上网时代,届时太阳能发电将迎来更大规模的建设高峰。
然而,由于太阳能资源的随机性、间歇性和波动性等特征,太阳能发电,尤其是太阳能发电功率难以准确预测。在以往电力系统规划与运行过程中,并没有将太阳能发电与常规电源共同参与电力系统功率平衡,而是只发挥其电量价值,忽略了其容量价值,造成了常规电源、灵活调节资源的过渡投资与资源浪费。实际上,相比于风电等其他新能源发电形式,太阳能发电日间大发、夜间零出力的发电规律,一定程度上增加了与负荷需求规律的相关性。在未来太阳能发电的规划建设高峰阶段,在各地区差异性、精细化规划等因素的影响下,太阳能发电容量可信度对于提升中长期电力规划方案经济性、满足高比例新能源并网消纳需求,具有重要意义。
发明内容
本申请提供了一种考虑概率分布的太阳能发电容量可信度获取方法及装置,以至少解决目前因缺乏对太阳能发电容量可信度的准确预测而导致资源过度投资与浪费的问题。
根据本申请的一个方面,提供了一种考虑概率分布的太阳能发电容量可信度获取方法,包括:
根据每一时刻下负荷及考虑太阳能发电后的净负荷分别获得负荷持续曲线与净负荷持续曲线;
从负荷持续曲线中选取尖峰负荷最高的时段;
根据尖峰负荷最高的时段获得太阳能发电可信容量累积分布函数;
根据太阳能发电可信容量累积分布函数获取太阳能发电容量可信度。
在一实施例中,根据每一时刻下负荷及考虑太阳能发电后的净负荷分别获得负荷持续曲线与净负荷持续曲线,包括:
根据每一时刻下负荷及考虑太阳能发电后的净负荷分别获得负荷时序曲线与净负荷时序曲线;
根据负荷时序曲线与净负荷时序曲线分别获得负荷时序曲线的累积分布函数与净负荷时序曲线的累积分布函数;
根据负荷时序曲线的累积分布函数与净负荷时序曲线的累积分布函数分别获得负荷持续曲线与净负荷持续曲线。
在一实施例中,根据尖峰负荷最高的时段获得太阳能发电可信容量累积分布函数,包括:
计算尖峰负荷最高的时段与负荷持续曲线全时段的比值;
根据比值获得太阳能发电可信容量累积分布函数。
在一实施例中,根据太阳能发电可信容量累积分布函数获取太阳能发电容量可信度,包括:
获取太阳能发电装机容量及预设的置信水平;
根据太阳能发电装机容量及置信水平获得太阳能发电容量可信度。
根据本申请的另一个方面,还提供了一种考虑概率分布的太阳能发电容量可信度获取装置,包括:
持续曲线获取单元,用于根据每一时刻下负荷及考虑太阳能发电后的净负荷分别获得负荷持续曲线与净负荷持续曲线;
尖峰负荷时段获取单元,用于从负荷持续曲线中选取尖峰负荷最高的时段;
可信容量累积分布函数计算单元,用于根据尖峰负荷最高的时段获得太阳能发电可信容量累积分布函数;
发电容量可信度计算单元,用于根据太阳能发电可信容量累积分布函数获取太阳能发电容量可信度。
在一实施例中,持续曲线获取单元包括:
时序曲线获取模块,用于根据每一时刻下负荷及考虑太阳能发电后的净负荷分别获得负荷时序曲线与净负荷时序曲线;
累积分布函数获取模块,用于根据所述负荷时序曲线与所述净负荷时序曲线分别获得所述负荷时序曲线的累积分布函数与所述净负荷时序曲线的累积分布函数;
持续曲线获取模块,用于根据所述负荷时序曲线的累积分布函数与所述净负荷时序曲线的累积分布函数分别获得所述负荷持续曲线与所述净负荷持续曲线。
在一实施例中,可信容量累积分布函数计算单元包括:
第一计算模块,用于计算尖峰负荷最高的时段与负荷持续曲线全时段的比值;
第二计算模块,用于根据比值获得太阳能发电可信容量累积分布函数。
在一实施例中,发电容量可信度计算单元包括:
获取模块,用于获取太阳能发电装机容量及预设的置信水平;
发电容量可信度计算模块,用于根据太阳能发电装机容量及置信水平获得太阳能发电容量可信度。
本申请通过一种新的方法计算太阳能发电容量可信度,使得在电力系统规划运行过程中能够将充分发挥太阳能发电的电量价值和容量价值,避免了常规电源的过度投资与资源浪费,实现了提升中长期电力规划方案经济性、满足高比例新能源并网消纳的需求。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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为太阳能发电容量可信度计算基本原理图。
图2为本申请提供的一种计算太阳能发电容量可信度的方法流程图。
图3为本申请提供的持续曲线的获取方法流程图。
图4为本申请提供的太阳能发电可信容量累积分布函数获取方法流程图。
图5为本申请提供的太阳能发电容量可信度的获取方法流程图。
图6为本申请提供的一种计算太阳能发电容量可信度的装置结构框图。
图7为本申请提供的持续曲线获取单元的结构框图。
图8为本申请提供的可信容量累积分布函数计算单元的结构框图。
图9为本申请提供的发电容量可信度计算单元的结构框图。
图10为本申请实施例中一种电子设备的具体实施方式。
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,所描述的实施例仅仅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。
在未来太阳能发电的规划建设高峰阶段,在各地区差异性、精细化规划等因素的影响下,太阳能发电容量可信度对于提升中长期电力规划方案经济性、满足高比例新能源并网消纳需求,具有重要意义。目前,太阳能发电容量可信度评估主要分为学术类和工程类两大类方法。学术类方法以可靠性评估为基础,工程类方法以美国可再生能源实验室NREL的资源规划模型(RPM)和区域能源部署系统(ReEDS),以及国际能源署IEA的世界能源模型中使用的方法为代表。美国可再生能源实验室NREL方法隶属从等效载荷能力(EquivalentLoad Carrying Capacity,ELCC)角度评估的工程方法,采用尖峰段内,负荷持续曲线(LoadDuration Curve,LDC)与净负荷持续曲线(Net Load Duration Curve,NLDC)之差的平均值计算太阳能发电可信容量,其计算示意图如图1所示。负荷持续曲线LDC如蓝实线所示,扣减存量太阳能发电的净负荷持续曲线NLDC如红实线所示。计算LDC与NLDC的前n个小时(如年负荷持续曲线前100小时)之差,如图中深蓝色区域中竖直的黑实线所示,取这些黑实线长度的平均值为存量太阳能发电的ELCC,即其可信容量。
针对背景技术中存在的问题,本申请对NREL的方法进行了改进,提供了一种考虑概率分布的太阳能发电容量可信度获取方法,如图2所示,包括:
S101:根据每一时刻下负荷及考虑太阳能发电后的净负荷分别获得负荷持续曲线与净负荷持续曲线。
具体地,在一实施例中,根据每一时刻下负荷及考虑太阳能发电后的净负荷分别获得负荷持续曲线与净负荷持续曲线,如图3所示,包括:
S201:根据每一时刻下负荷及考虑太阳能发电后的净负荷分别获得负荷时序曲线与净负荷时序曲线。
S202:根据负荷时序曲线与净负荷时序曲线分别获得负荷时序曲线的累积分布函数与净负荷时序曲线的累积分布函数。
S203:根据负荷时序曲线的累积分布函数与净负荷时序曲线的累积分布函数分别获得负荷持续曲线与净负荷持续曲线。
在一具体实施例中,设负荷时序曲线为ξ,其累积分布函数为F(x),F(x)的反函数为f(y),考虑太阳能发电后的净负荷时序曲线为η,其累积分布函数为G(x),G(x)反函数为g(y),即:
F(x)=P(ξ≤x)
G(x)=P(η≤x)
S102:从负荷持续曲线中选取尖峰负荷最高的时段。
S103:根据尖峰负荷最高的时段获得太阳能发电可信容量累积分布函数。
在一实施例中,根据尖峰负荷最高的时段获得太阳能发电可信容量累积分布函数,如图4所示,包括:
S301:计算尖峰负荷最高的时段与负荷持续曲线全时段的比值。
S302:根据比值获得太阳能发电可信容量累积分布函数。
在一具体实施例中,考虑尖峰负荷最高的前n个小时与负荷持续曲线全部小时数的比值则太阳能发电可信容量累积分布函数为:
S104:根据太阳能发电可信容量累积分布函数获取太阳能发电容量可信度。
在一实施例中,根据太阳能发电可信容量累积分布函数获取太阳能发电容量可信度,如图5所示,包括:
S401:获取太阳能发电装机容量及预设的置信水平。
在一具体实施例中,上述CP(x)反函数为cP(y),则在一定置信水平σ下,太阳能发电可信容量为cP(σ)。假设,太阳能发电装机容量为C,则其容量可信度为
S402:根据太阳能发电装机容量及置信水平获得太阳能发电容量可信度。
在一具体实施例中,太阳能发电容量可信度为当置信水平σ取100%,可信容量取图1中黑实线最小值。这是基于持续曲线的近似计算方法,按照每个时间断面叠加恒定负荷D给出的等效载荷能力。当置信水平σ小于100%,表示满足这个等效载荷能力D的置信水平。
基于同一发明构思,本申请实施例还提供了一种考虑概率分布的太阳能发电容量可信度获取装置,可以用于实现上述实施例中所描述的方法,如下面实施例所述。由于该考虑概率分布的太阳能发电容量可信度获取装置解决问题的原理与考虑概率分布的太阳能发电容量可信度获取方法相似,因此考虑概率分布的太阳能发电容量可信度获取装置的实施可以参见考虑概率分布的太阳能发电容量可信度获取方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的系统较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
本申请提供了一种考虑概率分布的太阳能发电容量可信度获取装置,如图6所示,包括:
持续曲线获取单元601,用于根据每一时刻下负荷及考虑太阳能发电后的净负荷分别获得负荷持续曲线与净负荷持续曲线。
尖峰负荷时段获取单元602,用于从负荷持续曲线中选取尖峰负荷最高的时段;
可信容量累积分布函数计算单元603,用于根据尖峰负荷最高的时段获得太阳能发电可信容量累积分布函数;
发电容量可信度计算单元604,用于根据太阳能发电可信容量累积分布函数获取太阳能发电容量可信度。
在一实施例中,如图7所示,持续曲线获取单元601包括:
时序曲线获取模块701,用于根据每一时刻下负荷及考虑太阳能发电后的净负荷分别获得负荷时序曲线与净负荷时序曲线;
累积分布函数获取模块702,用于根据负荷时序曲线与净负荷时序曲线分别获得负荷时序曲线的累积分布函数与净负荷时序曲线的累积分布函数;
持续曲线获取模块703,用于根据负荷时序曲线的累积分布函数与净负荷时序曲线的累积分布函数分别获得负荷持续曲线与净负荷持续曲线。
在一实施例中,如图8所示,可信容量累积分布函数计算单元603包括:
第一计算模块801,用于计算尖峰负荷最高的时段与负荷持续曲线全时段的比值;
第二计算模块802,用于根据比值获得太阳能发电可信容量累积分布函数。
在一实施例中,如图9所示,发电容量可信度计算单元604包括:
获取模块901,用于获取太阳能发电装机容量及预设的置信水平;
发电容量可信度计算模块902,用于根据太阳能发电装机容量及置信水平获得太阳能发电容量可信度。
相较于现今NREL的近似计算方法,本申请提供的太阳能发电容量可信度计算方法具有如下优点:一是等效载荷能力及置信水平物理意义明确,继承了ELCC严格定义;二是避免根据NREL方法所得结果计算区域规划装机造成电力不足的风险;三是能够简化尖峰段时长选择与我国部分地区双高峰负荷特性的匹配问题。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明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,本发明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。
本发明是参照根据本发明实施例的方法、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。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
本申请的实施例还提供能够实现上述实施例中的方法中全部步骤的一种电子设备的具体实施方式,参见图10,所述电子设备具体包括如下内容:
处理器(processor)1201、内存1202、通信接口(Communications Interface)1203、总线1204和非易失性存储器1205;
其中,所述处理器1201、内存1202、通信接口1203通过所述总线1204完成相互间的通信;
所述处理器1201用于调用所述内存1202和非易失性存储器1205中的计算机程序,所述处理器执行所述计算机程序时实现上述实施例中的方法中的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
S101:根据每一时刻下负荷及考虑太阳能发电后的净负荷分别获得负荷持续曲线与净负荷持续曲线。
S102:从负荷持续曲线中选取尖峰负荷最高的时段。
S103:根据尖峰负荷最高的时段获得太阳能发电可信容量累积分布函数。
S104:根据太阳能发电可信容量累积分布函数获取太阳能发电容量可信度。
本申请的实施例还提供能够实现上述实施例中的方法中全部步骤的一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例中的方法的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
S101:根据每一时刻下负荷及考虑太阳能发电后的净负荷分别获得负荷持续曲线与净负荷持续曲线。
S102:从负荷持续曲线中选取尖峰负荷最高的时段。
S103:根据尖峰负荷最高的时段获得太阳能发电可信容量累积分布函数。
S104:根据太阳能发电可信容量累积分布函数获取太阳能发电容量可信度。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于硬件+程序类实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。虽然本说明书实施例提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的装置或终端产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境,甚至为分布式数据处理环境)。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、产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、产品或者设备所固有的要素。在没有更多限制的情况下,并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本说明书实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现,也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。本发明是参照根据本发明实施例的方法、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。
本领域技术人员应明白,本说明书的实施例可提供为方法、系统或计算机程序产品。因此,本说明书实施例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,本说明书实施例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。本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。在本说明书的描述中,参考术语“一实施例”、“一具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书实施例的至少一个实施例或示例中。
在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。以上所述仅为本说明书实施例的实施例而已,并不用于限制本说明书实施例。对于本领域技术人员来说,本说明书实施例可以有各种更改和变化。凡在本说明书实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书实施例的权利要求范围之内。
Claims (8)
1.一种考虑概率分布的太阳能发电容量可信度获取方法,其特征在于,包括:
根据每一时刻下负荷及考虑太阳能发电后的净负荷分别获得负荷持续曲线与净负荷持续曲线;
从所述负荷持续曲线中选取尖峰负荷最高的时段;
根据所述尖峰负荷最高的时段获得太阳能发电可信容量累积分布函数;
根据所述太阳能发电可信容量累积分布函数获取太阳能发电容量可信度;
其中,所述根据所述尖峰负荷最高的时段获得太阳能发电可信容量累积分布函数,包括:
计算所述尖峰负荷最高的时段与所述负荷持续曲线全时段的比值;
根据所述比值获得太阳能发电可信容量累积分布函数;
太阳能发电可信容量累积分布函数为:
其中,n为尖峰负荷最高的前n个小时,φ为尖峰负荷最高的前n个小时与负荷持续曲线全部小时数的比值,f(y)为设负荷时序曲线的累积分布函数F(X)的反函数,g(y)为设净负荷时序曲线的累积分布函数G(X)的反函数。
2.根据权利要求1所述的太阳能发电容量可信度获取方法,其特征在于,所述根据每一时刻下负荷及考虑太阳能发电后的净负荷分别获得负荷持续曲线与净负荷持续曲线,包括:
根据每一时刻下负荷及考虑太阳能发电后的净负荷分别获得负荷时序曲线与净负荷时序曲线;
根据所述负荷时序曲线与所述净负荷时序曲线分别获得所述负荷时序曲线的累积分布函数与所述净负荷时序曲线的累积分布函数;根据所述负荷时序曲线的累积分布函数与所述净负荷时序曲线的累积分布函数分别获得所述负荷持续曲线与所述净负荷持续曲线。
3.根据权利要求1所述的太阳能发电容量可信度获取方法,其特征在于,所述根据所述太阳能发电可信容量累积分布函数获取太阳能发电容量可信度,包括:
获取太阳能发电装机容量及预设的置信水平;
根据所述太阳能发电装机容量及所述置信水平获得所述太阳能发电容量可信度。
4.一种考虑概率分布的太阳能发电容量可信度获取装置,其特征在于,包括:
持续曲线获取单元,用于根据每一时刻下负荷及考虑太阳能发电后的净负荷分别获得负荷持续曲线与净负荷持续曲线;
尖峰负荷时段获取单元,用于从所述负荷持续曲线中选取尖峰负荷最高的时段;
可信容量累积分布函数计算单元,用于根据所述尖峰负荷最高的时段获得太阳能发电可信容量累积分布函数;
发电容量可信度计算单元,用于根据所述太阳能发电可信容量累积分布函数获取太阳能发电容量可信度;
可信容量累积分布函数计算单元包括:
第一计算模块,用于计算所述尖峰负荷最高的时段与所述负荷持续曲线全时段的比值;
第二计算模块,用于根据所述比值获得太阳能发电可信容量累积分布函数;
太阳能发电可信容量累积分布函数为:
其中,n为尖峰负荷最高的前n个小时,φ为尖峰负荷最高的前n个小时与负荷持续曲线全部小时数的比值,f(y)为设负荷时序曲线的累积分布函数F(X)的反函数,g(y)为设净负荷时序曲线的累积分布函数G(X)的反函数。
5.根据权利要求4所述的太阳能发电容量可信度获取装置,其特征在于,所述持续曲线获取单元包括:
时序曲线获取模块,用于根据每一时刻下负荷及考虑太阳能发电后的净负荷分别获得负荷时序曲线与净负荷时序曲线;
累积分布函数获取模块,用于根据所述负荷时序曲线与所述净负荷时序曲线分别获得所述负荷时序曲线的累积分布函数与所述净负荷时序曲线的累积分布函数;
持续曲线获取模块,用于根据所述负荷时序曲线的累积分布函数与所述净负荷时序曲线的累积分布函数分别获得所述负荷持续曲线与所述净负荷持续曲线。
6.根据权利要求4所述的太阳能发电容量可信度获取装置,其特征在于,所述发电容量可信度计算单元包括:
获取模块,用于获取太阳能发电装机容量及预设的置信水平;
发电容量可信度计算模块,用于根据所述太阳能发电装机容量及所述置信水平获得所述太阳能发电容量可信度。
7.一种电子设备,包括存储器、处理器及存储在存储器上并可在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程序时实现权利要求1至3中任意一项所述考虑概率分布的太阳能发电容量可信度获取方法。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至3中任意一项所述考虑概率分布的太阳能发电容量可信度获取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010751586.0A CN111861794B (zh) | 2020-07-30 | 2020-07-30 | 考虑概率分布的太阳能发电容量可信度获取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010751586.0A CN111861794B (zh) | 2020-07-30 | 2020-07-30 | 考虑概率分布的太阳能发电容量可信度获取方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111861794A CN111861794A (zh) | 2020-10-30 |
CN111861794B true CN111861794B (zh) | 2024-04-12 |
Family
ID=72946281
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010751586.0A Active CN111861794B (zh) | 2020-07-30 | 2020-07-30 | 考虑概率分布的太阳能发电容量可信度获取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111861794B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012044740A (ja) * | 2010-08-16 | 2012-03-01 | Tokyo Electric Power Co Inc:The | 太陽光発電量予測方法および配電系統制御システム |
CN104077664A (zh) * | 2014-07-09 | 2014-10-01 | 东南大学 | 一种风电储能发电系统的置信容量评估方法 |
CN104319807A (zh) * | 2014-10-17 | 2015-01-28 | 南方电网科学研究院有限责任公司 | 一种基于Copula函数获取多风电场容量可信度的方法 |
CN105389744A (zh) * | 2015-12-15 | 2016-03-09 | 国网青海省电力公司 | 一种基于负荷昼夜峰值差约束的光伏容量可信度的评估方法 |
CN105656038A (zh) * | 2016-03-15 | 2016-06-08 | 国电南瑞科技股份有限公司 | 一种计及电网接纳能力的概率潮流计算方法 |
CN106253315A (zh) * | 2016-08-02 | 2016-12-21 | 万马联合新能源投资有限公司 | 一种考虑电动汽车充电站可调度性的储能容量配置方法 |
CN106529083A (zh) * | 2016-12-05 | 2017-03-22 | 华北电力大学 | 一种考虑输出容量可信度的光伏发电调度曲线编制方法 |
CN106651163A (zh) * | 2016-12-12 | 2017-05-10 | 南京理工大学 | 基于Copula函数的多风电场容量可信度评估方法 |
CN107491870A (zh) * | 2017-08-14 | 2017-12-19 | 电力规划总院有限公司 | 配电网的电力规划方法、装置、设备以及计算机可读存储介质 |
CN107579534A (zh) * | 2017-10-18 | 2018-01-12 | 国网能源研究院有限公司 | 一种改善光伏发电容量可信度的储能系统控制方法 |
CN107844896A (zh) * | 2017-10-23 | 2018-03-27 | 国网能源研究院有限公司 | 适用于高风电渗透率电力系统的风电置信容量评估方法 |
CN109599861A (zh) * | 2018-11-30 | 2019-04-09 | 国家电网公司西南分部 | 考虑本地负荷调峰能力的送端电网电源结构规划方法 |
CN110648249A (zh) * | 2019-09-23 | 2020-01-03 | 广西电网有限责任公司 | 年度电力平衡测算方法、装置及设备 |
CN111200281A (zh) * | 2019-12-23 | 2020-05-26 | 北京交通大学 | 互联微网储能配置扩容优化方法 |
CN111274542A (zh) * | 2020-01-10 | 2020-06-12 | 国网江苏省电力有限公司扬州供电分公司 | 基于藤copula和混合偏移正态分布的置信容量评估方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9960637B2 (en) * | 2015-07-04 | 2018-05-01 | Sunverge Energy, Inc. | Renewable energy integrated storage and generation systems, apparatus, and methods with cloud distributed energy management services |
-
2020
- 2020-07-30 CN CN202010751586.0A patent/CN111861794B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012044740A (ja) * | 2010-08-16 | 2012-03-01 | Tokyo Electric Power Co Inc:The | 太陽光発電量予測方法および配電系統制御システム |
CN104077664A (zh) * | 2014-07-09 | 2014-10-01 | 东南大学 | 一种风电储能发电系统的置信容量评估方法 |
CN104319807A (zh) * | 2014-10-17 | 2015-01-28 | 南方电网科学研究院有限责任公司 | 一种基于Copula函数获取多风电场容量可信度的方法 |
CN105389744A (zh) * | 2015-12-15 | 2016-03-09 | 国网青海省电力公司 | 一种基于负荷昼夜峰值差约束的光伏容量可信度的评估方法 |
CN105656038A (zh) * | 2016-03-15 | 2016-06-08 | 国电南瑞科技股份有限公司 | 一种计及电网接纳能力的概率潮流计算方法 |
CN106253315A (zh) * | 2016-08-02 | 2016-12-21 | 万马联合新能源投资有限公司 | 一种考虑电动汽车充电站可调度性的储能容量配置方法 |
CN106529083A (zh) * | 2016-12-05 | 2017-03-22 | 华北电力大学 | 一种考虑输出容量可信度的光伏发电调度曲线编制方法 |
CN106651163A (zh) * | 2016-12-12 | 2017-05-10 | 南京理工大学 | 基于Copula函数的多风电场容量可信度评估方法 |
CN107491870A (zh) * | 2017-08-14 | 2017-12-19 | 电力规划总院有限公司 | 配电网的电力规划方法、装置、设备以及计算机可读存储介质 |
CN107579534A (zh) * | 2017-10-18 | 2018-01-12 | 国网能源研究院有限公司 | 一种改善光伏发电容量可信度的储能系统控制方法 |
CN107844896A (zh) * | 2017-10-23 | 2018-03-27 | 国网能源研究院有限公司 | 适用于高风电渗透率电力系统的风电置信容量评估方法 |
CN109599861A (zh) * | 2018-11-30 | 2019-04-09 | 国家电网公司西南分部 | 考虑本地负荷调峰能力的送端电网电源结构规划方法 |
CN110648249A (zh) * | 2019-09-23 | 2020-01-03 | 广西电网有限责任公司 | 年度电力平衡测算方法、装置及设备 |
CN111200281A (zh) * | 2019-12-23 | 2020-05-26 | 北京交通大学 | 互联微网储能配置扩容优化方法 |
CN111274542A (zh) * | 2020-01-10 | 2020-06-12 | 国网江苏省电力有限公司扬州供电分公司 | 基于藤copula和混合偏移正态分布的置信容量评估方法及装置 |
Non-Patent Citations (2)
Title |
---|
基于Johnson分布体系的含风电场发电系统可靠性评估;张立波;程浩忠;田书欣;周勤勇;贺海磊;;电力系统自动化;20160525;第40卷(第10期);第46-52页 * |
风电场发电可靠性及容量可信度评估;钟浩;唐民富;;电力系统保护与控制;20120916(18);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111861794A (zh) | 2020-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Esteban et al. | 100% renewable energy system in Japan: Smoothening and ancillary services | |
Gabash et al. | Active-reactive optimal power flow in distribution networks with embedded generation and battery storage | |
CN106532764B (zh) | 一种就地消纳光伏发电的电动汽车充电负荷调控方法 | |
CN101871948B (zh) | 风电场风速预测系统及方法 | |
CN104268659A (zh) | 一种光伏电站发电功率超短期预测方法 | |
Chatterji et al. | Battery storage for resilient homes | |
Suomalainen et al. | Wind power design in isolated energy systems: Impacts of daily wind patterns | |
Seljom et al. | Bidirectional linkage between a long-term energy system and a short-term power market model | |
CN109978277B (zh) | 光伏发电中区域上网负荷预测方法及装置 | |
CN114301089A (zh) | 一种风光联合发电系统储能容量配置优化方法 | |
CN111861794B (zh) | 考虑概率分布的太阳能发电容量可信度获取方法及装置 | |
CN108767855A (zh) | 一种时序持续混合的电力系统随机生产模拟方法 | |
CN109787217B (zh) | 基于风电多状态模型及机会成本修正的备用出清方法 | |
Singh et al. | Reliability assessment of a remote hybrid renewable energy system using Monte Carlo simulation | |
CN107910866B (zh) | 一种考虑需求侧响应不确定性的电力系统日前优化调度方法 | |
Li et al. | A chance-constrained programming based energy storage system sizing model considering uncertainty of wind power | |
Narimani et al. | Comparing operational value of CSP with TES to PV with battery storage in Australian national electricity market | |
CN114254946A (zh) | 新能源发电等值年费用比较方法、系统、设备及存储介质 | |
Wang et al. | Multi-time-scale capacity credit assessment of renewable and energy storage considering complex operational time series | |
CN113725904B (zh) | 考虑老化发电机组退役的电网转型方法、装置及设备 | |
Galouz et al. | Integrating Renewable Energy Systems: Exploring New Approaches to Hybrid Renewable Energy Generation | |
CN117277444B (zh) | 一种新能源基地电源容量优化配置方法及装置 | |
Kaewwong et al. | Design and Analysis of Net-Zero Energy Buildings with Hybrid Energy Sources | |
CN116488221A (zh) | 电力系统联合运行的紧平衡处置方法、系统、设备及介质 | |
Rajasekaram et al. | Solar PV in multi-family houses with battery storage |
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 |