CN112329872B - 一种采用多维融合技术提高光伏发电量的方法 - Google Patents

一种采用多维融合技术提高光伏发电量的方法 Download PDF

Info

Publication number
CN112329872B
CN112329872B CN202011256829.XA CN202011256829A CN112329872B CN 112329872 B CN112329872 B CN 112329872B CN 202011256829 A CN202011256829 A CN 202011256829A CN 112329872 B CN112329872 B CN 112329872B
Authority
CN
China
Prior art keywords
data
power generation
photovoltaic
photovoltaic power
abnormal
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
CN202011256829.XA
Other languages
English (en)
Other versions
CN112329872A (zh
Inventor
肖慧明
周潘琦
蒲强前
程亮
高凤富
刘强
秦鹏
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.)
Hunan Anhuayuan Power Technology Co ltd
Original Assignee
Hunan Anhuayuan Power Technology Co ltd
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 Hunan Anhuayuan Power Technology Co ltd filed Critical Hunan Anhuayuan Power Technology Co ltd
Priority to CN202011256829.XA priority Critical patent/CN112329872B/zh
Publication of CN112329872A publication Critical patent/CN112329872A/zh
Application granted granted Critical
Publication of CN112329872B publication Critical patent/CN112329872B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • 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—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
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Photovoltaic Devices (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种采用多维融合技术提高光伏发电量的方法，包括：多维度获取光伏发电设备的不同种类的数据源；光伏发电设备包括光伏部件、光伏数据终端、光伏电站和光伏运维调度端；分析统计数据源的数据特征；基于所述数据特征，判断当前时段相邻的光伏发电设备的数据源是否存在异常；调整异常数据所属的光伏发电设备的发电出力，直至异常数据消失，优化发电过程；增加储能电池组，收集发电上网前缓冲段的零散电量。本发明能够通过分析多维数据源对发电过程进行调整优化，以实现提高光伏发电量的目的。

Description

一种采用多维融合技术提高光伏发电量的方法
技术领域
本发明涉及光伏发电技术领域，更具体的说是涉及一种采用多维融合技术提高光伏发电量的方法。
背景技术
传统的燃料能源对环境造成的危害日益突出，且正在一天天减少，无法满足全球的能源供应。太阳能资源丰富、分布广泛，是21世纪最具发展潜力的可再生能源。随着全球能源短缺和环境污染等问题日益突出，太阳能光伏发电因其清洁、安全、便利、高效等特点，已成为世界各国普遍关注和重点发展的新兴产业。在此背景下，全球光伏发电产业增长迅猛，产业规模不断扩大，产品成本持续下降。
目前，普遍采用扩大规模、增加发电组件和增加装机容量等方式增加光伏电量，这样，虽然光伏发电量上去了，但是增加了占地面积和设备投资，并不是一种经济性的方法。
发明内容
有鉴于此，本发明提供了一种采用多维融合技术提高光伏发电量的方法，能够通过统计分析数据源对发电过程进行调整及优化，以实现提高光伏发电量的目的。
为了实现上述目的，本发明采用如下技术方案：
一种采用多维融合技术提高光伏发电量的方法，包括：
多维度获取光伏发电设备的不同种类的数据源；所述光伏发电设备包括光伏部件、光伏数据终端、光伏电站和光伏运维调度端；
分析统计所述数据源的数据特征；
基于数据预测方法，判断当前时段相邻的所述光伏发电设备的所述数据源是否存在异常；
调整所述异常数据所属的所述光伏发电设备的发电出力，直至异常数据消失，优化发电过程；
增加储能电池组，收集发电上网前缓冲段的零散电量。
优选的，所述数据源的种类至少包括：所述光伏发电设备的状态数据、历史数据、健康状态数据和天气预报数据。
优选的，所述光伏部件的数据源至少包括：所述光伏部件中各个发电单元的位置信息、健康状态、电压、电流和热量；
所述光伏数据终端用于采集并统计预设区域内所有所述光伏部件的数据源，并接收天气预报数据，根据所述天气预报数据预测下一时间段的各个所述光伏部件的发电数据；所述光伏数据终端的数据源还包括其自身的位置信息、健康状态、电压、电流和存储一段时间的历史数据；
所述光伏电站用于接收并管理预设区域内所有所述光伏数据终端的数据源；
所述光伏运维调度端用于接收并管理预设区域内所有所述光伏电站的数据源。
优选的，分析统计所述数据源的数据特征，包括：
从所述数据源中提取不同日期同一时段、且天气预报数据一致的发电数据；
按趋势对提取的各个所述发电数据进行匹配，当趋势一致时，则各个所述发电数据有效；当趋势不一致时，则存在异常数据。
优选的，评判所述发电数据趋势的方法为：采用16点或24点求拟合直线的斜率值，若斜率值的相对误差在5％以内，则认为所述发电数据的趋势一致。
优选的，分析统计所述数据源的数据特征之后，还包括：
基于所述数据特征进行数据预测；
基于数据预测结果、所述光伏发电设备的的历史数据和当前时段的实际数据，计算相邻的光伏发电设备的异常数据。
优选的，所述数据预测结果的计算方法为：根据所述发电数据的趋势，获取未来时间段的1～4个数据点；
所述异常数据的计算方法为：若所述数据预测结果趋近于所述实际数据时，则所述计算结果采取所述数据预测结果；若所述数据预测结果趋近于所述历史数据时，则所述计算结果采取所述历史数据。
优选的，基于所述数据特征，判断当前时段相邻的所述光伏发电设备的所述数据源是否存在异常，其判断方法为：当前时段的天气预报数据与往期同一时段的天气预报数据一致，则当前时段的预测发电数据与往期同一时段的发电数据一致；若当前时段的实际发电数据与预测发电数据不一致时，则当前时段的实际发电数据为异常数据。
优选的，相邻的所述光伏发电设备包括：邻近的所述光伏部件、邻近的所述光伏数据终端和邻近的所述光伏电站。
优选的，调整所述异常数据所属的所述光伏发电设备的发电出力，包括：调整所述异常数据所属的所述光伏部件的倾斜角度、方向和清洁度。所述异常数据的种类至少包括：发电量、电压、电流和温度。
经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种采用多维融合技术提高光伏发电量的方法，能够对光伏发电过程所涉及的各种数据进行融合，以预测当前时间段的发电数据是否存在异常，并对异常数据进行优化处理，实现在不增加发电组件和装机容量的前提下，大大提高光伏发电量。
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，还可以根据提供的附图获得其他的附图。
图1附图为本发明提供的一种采用多维融合技术提高光伏发电量的方法的流程图；
图2附图为本发明提供的一种采用多维融合技术提高光伏发电量的方法在另一个实施例中的流程图。
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。
如图1所示，本发明实施例公开了一种采用多维融合技术提高光伏发电量的方法，包括以下步骤：
S1、多维度获取光伏发电设备的不同种类的数据源；光伏发电设备包括光伏部件、光伏数据终端、光伏电站和光伏运维调度端。
数据源的种类至少包括：光伏发电设备的状态数据、历史数据、健康状态数据和天气预报数据。
光伏发电设备的状态数据有电压、电流、SOC、SOH、温度、温升等；健康状态数据包含：健康度和设备病历(即是否发生过故障，是否有家族缺陷)等。
光伏部件的数据源至少包括：光伏部件中各个发电单元的位置信息、健康状态、电压、电流和热量；
光伏数据终端用于采集并统计预设区域内所有光伏部件的数据源，并接收天气预报数据，根据天气预报数据预测下一时间段的各个光伏部件的发电数据；光伏数据终端的数据源还包括其自身的位置信息、健康状态、电压、电流和存储一段时间(大于3个月)的历史数据。
光伏电站用于接收并管理预设区域内所有光伏数据终端的数据源。
光伏运维调度端用于接收并管理预设区域内所有光伏电站的数据源。
S2、分析统计数据源的数据特征。
按照天气预报数据，从数据源中提取不同日期同一时段、且天气预报数据一致的发电数据；
按趋势对提取的各个发电数据进行匹配，当趋势一致时，则各个发电数据有效；当趋势不一致时，则存在异常数据。
评判数据趋势的标准为：采用16点或24点求拟合直线的斜率值，若斜率值的相对误差在5％以内，则认为发电数据的趋势一致。
S3、基于数据特征，判断当前时段相邻的光伏发电设备的数据源是否存在异常。
判断当前时段相邻的光伏发电设备的数据源是否存在异常的判断方法为：当前时段的天气预报数据与往期同一时段的天气预报数据一致，则当前时段的预测发电数据与往期同一时段的发电数据一致；若当前时段的实际发电数据与预测发电数据不一致时，则当前时段的实际发电数据为异常数据。
即，如果今天的天气预报数据跟昨天同一时间段(15分钟)的数据一致(如晴雨、气温等)，那么下一阶段的发电数据就是昨天的发电数据；如果实际发电数据与预测数据不一致，则数据异常。
相邻的光伏发电设备包括：邻近的光伏部件、邻近的光伏数据终端和邻近的光伏电站。相邻设备的数据异常，是发电部件不一致的表现，以此为依据对光伏部件进行调整，直到数据异常消失。
档光伏部件的发电量与相邻光伏部件的发电量、电压等不一致时，称为相邻的光伏发电设备的数据异常。
而发电部件不一致，是光伏部件发电单元不一致的体现。理论上相邻光伏部件是一致的；若光伏部件不一致，则说明有光伏部件健康状态不对，光伏部件老化或者损坏等。
S4、调整异常数据所属的光伏发电设备的发电出力，直至异常数据消失，优化发电过程。
可以通过调整异常数据所属的光伏部件的倾斜角度、方向和清洁度，直至异常数据消失。
当某个光伏部件的倾斜角度与其他的光伏部件不一致的时候，那么该光伏部件受到的光照强度小，它的发电量就少；同理，某个光伏部件的方向与其他部件不一致时，其发电量就与其他光伏部件的发电量明显不同。
产生的异常数据(或者要消除的异常数据)主要有发电量、电压、电流、温度等。
S5、增加储能电池组，收集发电上网前缓冲段的零散电量。
的储能电池组为锂电池或具有储能的其他电池，要求经济性好，例如电动汽车的锂电池等。储能电池组的容量根据光伏发电站设计容量确定，作为缓冲段，将不能上网的电量进行存储。
收集发电上网前缓冲段的零散电量后，发电上网。
如图2所示，在其他实施例中，S2之后还包括：
基于数据特征进行数据预测；
基于数据预测结果、光伏发电设备的的历史数据和当前时段的实际数据，计算相邻的光伏发电设备的异常数据。
数据预测结果的计算方法为：根据发电数据的趋势，获取未来时间段的1～4个数据点；
异常数据的计算方法为：若数据预测结果趋近于实际数据时，则计算结果采取数据预测结果；若数据预测结果趋近于历史数据时，则计算结果采取历史数据。
也就是说，数据预测的作用，主要是用预测值跟实际值进行比较，判断预测的有效性，当预测的有效性较高时，后面的计算结果将直接采取预测值，如果预测值与历史值一致，则采用历史计算结果，这将提高运算速度。
预测的有效性＝预测值/实际值，可见当有效性趋近于1时，则有效性较高，远离1时，有效性较低。
本发明不仅能够提高光伏发电量，还能够预测未来时段的发电量。
本发明该采用多维融合技术提高光伏电站发电量的方法的核心是利用了多种数据源，对不同的数据源，尤其是相邻的数据区域，进行异常数据分析，并对相关设备进行反馈，采用融合和优化的方法，使光伏发电部件保持一致性，提高了光伏电站的发电量，同时在光伏上网前，加入储能电池组来作为缓冲段，将不能上网的零散电量进行存储，具有极其重要的实际意义。
本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。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (5)

1.一种采用多维融合技术提高光伏发电量的方法，其特征在于，包括：
多维度获取光伏发电设备的不同种类的数据源；所述光伏发电设备包括光伏部件、光伏数据终端、光伏电站和光伏运维调度端；
分析统计所述数据源的数据特征，具体包括：
从所述数据源中提取不同日期同一时段、且天气预报数据一致的发电数据；
按趋势对提取的各个所述发电数据进行匹配，当趋势一致时，则各个所述发电数据有效；当趋势不一致时，则存在异常数据；评判所述发电数据趋势的方法为：采用16点或24点求拟合直线的斜率值，若斜率值的相对误差在5％以内，则认为所述发电数据的趋势一致；
分析统计所述数据源的数据特征之后，还包括：
基于所述数据特征进行数据预测；
基于数据预测结果、所述光伏发电设备的历史数据和当前时段的实际数据，计算相邻的光伏发电设备的异常数据；
所述数据预测结果的计算方法为：根据所述发电数据的趋势，获取未来时间段的1～4个数据点；
所述异常数据的计算方法为：若所述数据预测结果趋近于所述实际数据时，则计算结果采取所述数据预测结果；若所述数据预测结果趋近于所述历史数据时，则计算结果采取所述历史数据；
基于所述数据特征，判断当前时段相邻的所述光伏发电设备的所述数据源是否存在异常；其判断方法为：当前时段的天气预报数据与往期同一时段的天气预报数据一致，则当前时段的预测发电数据与往期同一时段的发电数据一致；若当前时段的实际发电数据与预测发电数据不一致时，则当前时段的实际发电数据为异常数据；
当光伏部件的发电量与相邻光伏部件的发电量不一致时，称为相邻的光伏发电设备的数据异常；
调整所述异常数据所属的所述光伏发电设备的发电出力，直至异常数据消失，优化发电过程；
增加储能电池组，收集发电上网前缓冲段的零散电量。
2.根据权利要求1所述的一种采用多维融合技术提高光伏发电量的方法，其特征在于，所述数据源的种类至少包括：所述光伏发电设备的状态数据、历史数据、健康状态数据和天气预报数据。
3.根据权利要求2所述的一种采用多维融合技术提高光伏发电量的方法，其特征在于，所述光伏部件的数据源至少包括：所述光伏部件中各个发电单元的位置信息、健康状态、电压、电流和热量；
所述光伏数据终端用于采集并统计预设区域内所有所述光伏部件的数据源，并接收天气预报数据，根据所述天气预报数据预测下一时间段的各个所述光伏部件的发电数据；所述光伏数据终端的数据源还包括其自身的位置信息、健康状态、电压、电流和存储一段时间的历史数据；
所述光伏电站用于接收并管理预设区域内所有所述光伏数据终端的数据源；
所述光伏运维调度端用于接收并管理预设区域内所有所述光伏电站的数据源。
4.根据权利要求1所述的一种采用多维融合技术提高光伏发电量的方法，其特征在于，相邻的所述光伏发电设备包括：邻近的所述光伏部件、邻近的所述光伏数据终端和邻近的所述光伏电站。
5.根据权利要求1-4任一项所述的一种采用多维融合技术提高光伏发电量的方法，其特征在于，调整所述异常数据所属的所述光伏发电设备的发电出力，包括：调整所述异常数据所属的所述光伏部件的倾斜角度、方向和清洁度；所述异常数据的种类至少包括：发电量、电压、电流和温度。
CN202011256829.XA 2020-11-11 2020-11-11 一种采用多维融合技术提高光伏发电量的方法 Active CN112329872B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011256829.XA CN112329872B (zh) 2020-11-11 2020-11-11 一种采用多维融合技术提高光伏发电量的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011256829.XA CN112329872B (zh) 2020-11-11 2020-11-11 一种采用多维融合技术提高光伏发电量的方法

Publications (2)

Publication Number Publication Date
CN112329872A CN112329872A (zh) 2021-02-05
CN112329872B true CN112329872B (zh) 2022-07-15

Family

ID=74319020

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011256829.XA Active CN112329872B (zh) 2020-11-11 2020-11-11 一种采用多维融合技术提高光伏发电量的方法

Country Status (1)

Country Link
CN (1) CN112329872B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113159601B (zh) * 2021-04-30 2023-05-23 国网湖北省电力有限公司武汉供电公司 一种基于dbscan聚类算法的光伏电站运行状态分析方法
CN113806615B (zh) * 2021-11-18 2022-03-04 成都索贝数码科技股份有限公司 一种智能it运维系统的kpi异常预警方法
CN114362154B (zh) * 2021-12-28 2023-06-27 湖南安华源电力科技有限公司 基于协调控制的带储能系统的光伏电站运维方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105160595A (zh) * 2015-08-24 2015-12-16 国家电网公司 基于多时间尺度出力评估的分布式光伏窃电监管方法
CN107134978A (zh) * 2017-06-06 2017-09-05 中盛阳光新能源科技有限公司 一种发电量曲线判别光伏组件故障的方法
CN108989435A (zh) * 2018-07-25 2018-12-11 重庆辉腾能源股份有限公司 一种新能源光伏的智慧控制方法
CN110909310A (zh) * 2019-11-26 2020-03-24 广州地铁设计研究院股份有限公司 一种基于模型参数优化的光伏短期发电量预测方法及系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11151666B2 (en) * 2016-05-24 2021-10-19 Mitsubishi Electric Corporation Power generation amount estimation apparatus, distribution grid system, and power generation amount estimation method
CN111260206A (zh) * 2020-01-14 2020-06-09 中国计量大学 一种光伏发电影响因素评价模型、构建方法及应用

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105160595A (zh) * 2015-08-24 2015-12-16 国家电网公司 基于多时间尺度出力评估的分布式光伏窃电监管方法
CN107134978A (zh) * 2017-06-06 2017-09-05 中盛阳光新能源科技有限公司 一种发电量曲线判别光伏组件故障的方法
CN108989435A (zh) * 2018-07-25 2018-12-11 重庆辉腾能源股份有限公司 一种新能源光伏的智慧控制方法
CN110909310A (zh) * 2019-11-26 2020-03-24 广州地铁设计研究院股份有限公司 一种基于模型参数优化的光伏短期发电量预测方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于EKF算法的分布式光伏发电异常数据排查技术;左松林等;《电力工程技术》;20200928(第05期);127-132 *
多路数据融合在光伏电池组件监控系统中的应用研究;胡涛等;《计算机工程与科学》;20121015;第30卷(第10期);170-175 *

Also Published As

Publication number Publication date
CN112329872A (zh) 2021-02-05

Similar Documents

Publication Publication Date Title
CN112329872B (zh) 一种采用多维融合技术提高光伏发电量的方法
CN106384210B (zh) 一种基于检修风险收益的输变电设备检修优先级排序方法
Nicholls et al. Financial and environmental analysis of rooftop photovoltaic installations with battery storage in Australia
CN113159601B (zh) 一种基于dbscan聚类算法的光伏电站运行状态分析方法
CN114418384A (zh) 一种充电桩待机功耗和检修成本优化方法
CN106786549A (zh) 一种基于智能配电网成本效益模型的综合效益分析法
CN112001569A (zh) 一种基于多电压等级故障下的电网运行风险分析方法
CN110363326B (zh) 一种电网110kV线路短期负荷曲线预测方法
CN114723284A (zh) 一种含分布式电源和电动汽车的配电网可靠性评估方法
Flowers Renewables for sustainable village power
CN116307110A (zh) 一种分布式屋顶光伏发电聚合管理方法及系统
Carrasco et al. Reliability of a 13 000‐SHS photovoltaic rural electrification programme
Tang et al. Economic Analysis of Emerging Integrated Energy Service Market in China: A Theoretical View
CN114168662A (zh) 一种基于多数据源的配电网问题梳理分析方法及系统
CN108414851B (zh) 基于ems理论电量数据与采集电量数据的智能校核方法
CN114765451A (zh) 基于故障知识图谱的光伏电站故障检测方法
LU505190B1 (en) Method, Device and Equipment for Monitoring the Operation State of Photovoltaic Power Station
CN112183997A (zh) 一种用能单位异常状态的监测分析系统
CN115994715B (zh) 配电网可靠性分析与评估方法、系统及装置
Li et al. Design of short term prediction system for interactive potential of power users based on artificial intelligence
Chen et al. Power System Operation Mode Identification Method Based on Improved Clustering Algorithm
CN201126592Y (zh) 用于电力系统设备的lcc控制装置
CN117993614A (zh) 一种基于配电网架的配电网规划装置
Hu et al. Analysis of Distribution Network Safety Margin Index under Multivariate Uncertain Scenes
Liangzhi et al. A Prediction Method Based on the Influence of Electricity Consumption Habits on Distribution Network Losses

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