CN112653182B - 一种基于极大似然估计优化清洁能源并网模型参数方法 - Google Patents
一种基于极大似然估计优化清洁能源并网模型参数方法 Download PDFInfo
- Publication number
- CN112653182B CN112653182B CN202011405359.9A CN202011405359A CN112653182B CN 112653182 B CN112653182 B CN 112653182B CN 202011405359 A CN202011405359 A CN 202011405359A CN 112653182 B CN112653182 B CN 112653182B
- Authority
- CN
- China
- Prior art keywords
- power
- power generation
- clean energy
- maximum likelihood
- grid
- 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
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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/28—The renewable source being wind energy
-
- 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
-
- 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
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于极大似然估计优化清洁能源并网模型参数方法，包括以下步骤：构建风力发电清洁能源并网的数学模型；运用极大似然估计法对风力发电模型参数进行估计；构建光伏发电的出力模型；运用极大似然估计法对光伏发电模型参数进行估计；根据电网提供的功率因数与清洁能源的有功功率和无功功率，构造功率平衡方程。本发明运用极大似然估计方法对风力发电与光伏发电数学模型进行优化，可以提升清洁能源并网电量的估计，得到并网时准确有功功率与无功功率，进而降低了网络中网络损耗，减小清洁能源并网时的电网损耗，保证电网系统的可靠性运行。
Description
所属领域
本发明涉及清洁能源并网领域，尤其涉及一种基于极大似然估计优化清洁能源并网模型参数方法。
技术背景：
分布式电源能够根据负荷的实际需求调整输出功率，能够改善当前电网系统的节点电压分布，提高电网系统整体供电效率与可靠性。当供电线路出现问题时，分布式电源能够降低系统负荷，为系统提供能量，很大程度上降低电网故障带来的负面影响，在较偏远地区，供电能力不足，使用太阳能与风能等清洁能源能够很好的解决此类问题，弥补传统电网无法满足供电需求的弊端。总的来说，分布式电源具有投资较低、环境污染少、可再生与建设周期较短等优势，成为未来电网中不可代替的一部分。
然而，分布式能源的并入对电网的网损影响较大，为了保证电网系统的可靠性运行，需要对分布式能源并网电量进行可靠的评估。
发明内容
针对现有技术的缺陷，本发明提供一种基于极大似然估计优化清洁能源并网模型参数方法，减小清洁能源并网时的电网损耗。
一种基于极大似然估计优化清洁能源并网模型参数方法，其特征值在于包括以下步骤：
构建风力发电清洁能源并网的数学模型；
运用极大似然估计法对风力发电模型参数进行估计；
构建光伏发电的出力模型；
运用极大似然估计法对光伏发电模型参数进行估计；
根据电网提供的功率因数与清洁能源的有功功率和无功功率，构造功率平衡方程。
作为优选，构建所述风力发电清洁能源并网的数学模型时，当前的环境风速v满足如公式(1)所示的Weibull分布函数F(v)，其概率密度函数f(v)如公式(2)所示，风力发电清洁能源并网的数学模型如公式(3)所示：
式中：c和k分别为Weibull分布的尺度参数和形状参数；其中，c和k通过历史样本数据进行参数辨识和估计；尺度参数c反映该风电场的平均风速；PW是风力发电清洁能源的输出功率，ρ是空气密度，A是风力发电机的风轮扫掠面积。
作为优选，所述运用极大似然估计法分析对c和k进行参数计算，先根据极大似然原理构造如公式(4)所示的似然函数：
然后将公式(4)的两端取对数，得到：
参数c和k的极大似然值通过似然方程组进行求解，求解结果为：
作为优选，所述构建光伏发电的出力模型时，光伏发电的出力表示为Beta分布，其概率密度函数为：
式中：Pmax＝SmaxAη，为光伏电站最大出力；α与β是Beta分布参数。
作为优选，运用极大似然估计法分析对Beta分布参数α与β进行计算；通过似然方程组进行求解，求解结果为：
作为优选，根据电网提供的功率因数λ与清洁能源的有功功率PGF和无功功率QGF，构造各节点的功率平衡方程如下：
其中：PGF＝Psolar+PW (11)
i支路的功率损耗为：
式中：i为清洁能源接入的节点，Pj为火力发电的有功功率，Qj为火力发电的无功功率；k为清洁能源实际并入的节点数量；n为火力发电的节点总数；P(i)表示火力发电某一节点的总有功功率；Q(i)表示火力发电某一节点的总无功功率；Ui为电网的额定电压；Ri为支路阻抗。
本发明的有益效果是：
本发明运用极大似然估计方法对风力发电与光伏发电数学模型进行优化，可以提升清洁能源并网电量的估计，得到并网时准确有功功率与无功功率，进而降低了网络中网络损耗，减小清洁能源并网时的电网损耗，保证电网系统的可靠性运行。
附图说明
图1是本发明清洁能源中风速强度历史数据。
图2是本发明清洁能源中光照强度历史数据。
图3是本发明仿真程序系统图。
图4是本发明运用清洁能源发电并网网损率图。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
实施例1
本发明涉及的一种基于极大似然估计优化清洁能源并网模型参数方法，包括步骤如下：
1、构建风力发电清洁能源并网的数学模型。
构建所述风力发电清洁能源并网的数学模型时，当前的环境风速v满足如公式(1)所示的Weibull分布函数F(v)，其概率密度函数f(v)如公式(2)所示，风力发电清洁能源并网的数学模型如公式(3)所示：
式中：c和k分别为Weibull分布的尺度参数和形状参数；其中，c和k通过历史样本数据进行参数辨识和估计；尺度参数c反映该风电场的平均风速；PW是风力发电清洁能源的输出功率，ρ是空气密度，A是风力发电机的风轮扫掠面积。
2、运用极大似然估计法分析对风力发电模型参数进行估计。
所述运用极大似然估计法分析对c和k进行参数计算，先根据极大似然原理构造如公式(4)所示的似然函数：
然后将公式(4)的两端取对数，得到：
参数c和k的极大似然值通过似然方程组进行求解，求解结果为：
3、构建光伏发电的出力模型。
所述构建光伏发电的出力模型时，光伏发电的出力表示为Beta分布，其概率密度函数为：
式中：Pmax＝SmaxAη，为光伏电站最大出力；α与β是Beta分布参数。
4、运用极大似然估计法分析对光伏发电模型参数进行估计；
4.1、在光伏发电出力对应的时间区间内，分时逐段计算光伏电站出力的概率分布特性，令则公式(7)表示为
4.2、构造极大似然函数对α与β进行估计；
4.3、通过似然方程组进行求解，求解结果为：
5、根据电网提供的功率因数与清洁能源的有功功率和无功功率，构造功率平衡方程。具体根据电网提供的功率因数λ与清洁能源的有功功率PGF和无功功率QGF，构造各节点的功率平衡方程如下：
其中：PGF＝Psolar+PW (11)
i支路的功率损耗为：
式中：i为清洁能源接入的节点，Pj为火力发电的有功功率，Qj为火力发电的无功功率；k为清洁能源实际并入的节点数量；n为火力发电的节点总数；P(i)表示火力发电某一节点的总有功功率；Q(i)表示火力发电某一节点的总无功功率；Ui为电网的额定电压；Ri为支路阻抗。
实施例2
1、构建风力发电清洁能源并网的数学模型。
构建所述风力发电清洁能源并网的数学模型时，当前的环境风速v满足如公式(1)所示的Weibull分布函数F(v)，其概率密度函数f(v)如公式(2)所示，风力发电清洁能源并网的数学模型如公式(3)所示：
式中：c和k分别为Weibull分布的尺度参数和形状参数；其中，c和k通过历史样本数据进行参数辨识和估计；尺度参数c反映该风电场的平均风速；PW是风力发电清洁能源的输出功率，ρ是空气密度，A是风力发电机的风轮扫掠面积。某风电场100分钟的风速数据如表1所示。
表1：实时风速
2、运用极大似然估计法分析对风力发电模型参数进行估计。
2.1、所述运用极大似然估计法分析对c和k进行参数计算，先根据极大似然原理构造如公式(4)所示的似然函数：
然后将公式(4)的两端取对数，得到：
参数c和k的极大似然值通过似然方程组进行求解，求解结果为：
根据图1所示的风速历史数据，运用上述公式(4)和(5)，得到风电出力模型公式(6)，解出c＝5，k＝0.9。
2.2、将步骤2.1中求得c、k，带入公式(1)，(2)得
通过公式3，计算求得v＝6.32；PW＝3.3。
3、构建光伏发电的出力模型。
所述构建光伏发电的出力模型时，光伏发电的出力表示为Beta分布，其概率密度函数为：
式中：Pmax＝SmaxAη，为光伏电站最大出力，其中设定Smax＝2.3，A＝100m2，η＝17％。α与β是Beta分布参数。
4、运用极大似然估计法分析对光伏发电模型参数进行估计；
4.1、在光伏发电出力对应的时间区间内，即100分钟时间间隔内，分时逐段计算光伏电站出力的概率分布特性,见表2，令则公式(7)表示为：
表2：光照强度
| 时间 | 光照 | 时间 | 光照 | 时间 | 光照 | 时间 | 光照 | 时间 | 光照 |
| 1 | 0.17 | 21 | 0.00 | 41 | 0.23 | 61 | 0.53 | 81 | 1.17 |
| 2 | 0.65 | 22 | 0.00 | 42 | 0.00 | 62 | 0.00 | 82 | 0.30 |
| 3 | 0.33 | 23 | 0.00 | 43 | 0.00 | 63 | 0.59 | 83 | 0.00 |
| 4 | 0.00 | 24 | 0.00 | 44 | 2.02 | 64 | 0.00 | 84 | 0.00 |
| 5 | 0.00 | 25 | 0.00 | 45 | 0.12 | 65 | 0.08 | 85 | 1.50 |
| 6 | 0.00 | 26 | 0.56 | 46 | 0.05 | 66 | 0.82 | 86 | 0.00 |
| 7 | 0.00 | 27 | 0.49 | 47 | 0.00 | 67 | 0.41 | 87 | 0.00 |
| 8 | 2.12 | 28 | 0.00 | 48 | 0.00 | 68 | 1.36 | 88 | 0.00 |
| 9 | 0.00 | 29 | 0.00 | 49 | 0.29 | 69 | 1.27 | 89 | 1.28 |
| 10 | 0.00 | 30 | 0.00 | 50 | 0.54 | 70 | 0.00 | 90 | 1.08 |
| 11 | 0.00 | 31 | 0.00 | 51 | 0.00 | 71 | 0.32 | 91 | 0.00 |
| 12 | 0.00 | 32 | 0.00 | 52 | 0.00 | 72 | 0.00 | 92 | 0.00 |
| 13 | 0.00 | 33 | 0.02 | 53 | 2.55 | 73 | 0.00 | 93 | 0.00 |
| 14 | 0.00 | 34 | 0.00 | 54 | 0.00 | 74 | 1.16 | 94 | 0.73 |
| 15 | 1.93 | 35 | 0.00 | 55 | 2.81 | 75 | 0.00 | 95 | 0.00 |
| 16 | 0.00 | 36 | 1.56 | 56 | 0.42 | 76 | 0.00 | 96 | 0.00 |
| 17 | 0.00 | 37 | 0.00 | 57 | 1.26 | 77 | 1.15 | 97 | 0.10 |
| 18 | 2.02 | 38 | 1.18 | 58 | 0.00 | 78 | 0.75 | 98 | 0.00 |
| 19 | 1.55 | 39 | 0.44 | 59 | 0.00 | 79 | 0.44 | 99 | 0.52 |
| 20 | 0.00 | 40 | 0.00 | 60 | 0.00 | 80 | 1.57 | 100 | 0.85 |
4.2、构造极大似然函数对α与β进行估计；
4.3、通过似然方程组进行求解，求解结果为：
运用公式(8-2)，得到α＝3,β＝6。
4.4、将步骤4.3中求得c、k，带入公式(8-1)得
求得进而Psolar＝1.7。
5、根据电网提供的功率因数与清洁能源的有功功率和无功功率，构造功率平衡方程。具体根据电网提供的功率因数λ＝0.8与清洁能源的有功功率PGF＝5kW和无功功率QGF＝3.74Kvar，构造各节点的功率平衡方程如下：
其中：PGF＝Psolar+PW (11)
i支路的功率损耗为：
式中：i为清洁能源接入的节点，Pj为火力发电的有功功率，Qj为火力发电的无功功率；k为清洁能源实际并入的节点数量；n为火力发电的节点总数；P(i)表示火力发电某一节点的总有功功率；Q(i)表示火力发电某一节点的总无功功率；Ui为电网的额定电压；Ri为支路阻抗。
每条支路上火力发电的有功功率、无功功率、支路阻抗如表3所示，且额定电压选取为220V。图3为本实施例中的支路连接示意图(IEEE 9节点)。
表3：各支路参数
根据步骤表1中的数据Ri，P(i)，Q(i)，i＝1,2,L 9与公式(9)-(13)可以得如图3数据。其中Pj，(j＝1,2,3,L 9)分别为95、40、90、85、22、205、55、40，Qj,(j＝1,2,3,L,9)分别可能的取值为45、45、35、35、30、30、45、35、25，Ri,(i＝1,2,L 9)分别为0.0892、0.5013、0.2347、0.2358、0.3964、1.0524、0.9638、0.4986、1.0138，Xi,(i＝1,2,L 9)分别为0.0379、0.2436、01726、0.5371、0.1310、0.9417、0.3108、0.1102、0.7471。由图3可知，清洁能源参数并入电网时，如果没有运用极大似然估计方法优化参数，网络中的网损率较高，运用优化算法对风力发电与光伏发电模型中的参数进行优化，网络中的网损率会有明显的降低，由此，也证明了该方法的可行性与实用性。
Claims (3)
1.一种基于极大似然估计优化清洁能源并网模型参数方法，其特征在于包括以下步骤：
构建风力发电清洁能源并网的数学模型；
运用极大似然法分析对风力发电模型参数进行估计；
构建光伏发电的出力模型；
运用极大似然法分析对光伏发电模型参数进行估计；
根据电网提供的功率因数与清洁能源的有功功率和无功功率，构造功率平衡方程；
其中构建所述风力发电清洁能源并网的数学模型时，当前的环境风速v满足如公式(1)所示的Weibull分布函数F(v)，其概率密度函数f(v)如公式(2)所示，风力发电清洁能源并网的数学模型如公式(3)所示：
式中：c和k分别为Weibull分布的尺度参数和形状参数；其中，c和k通过历史样本数据进行参数辨识和估计；尺度参数c反映风电场的平均风速；PW是风力发电清洁能源的输出功率，ρ是空气密度，A是风力发电机的风轮扫掠面积；
所述运用极大似然法分析对c和k进行参数计算，先根据极大似然原理构造如公式(4)所示的似然函数：
然后将公式(4)的两端取对数，得到：
参数c和k的极大似然值通过似然方程组进行求解，求解结果为：
根据电网提供的功率因数λ与清洁能源的有功功率PGF和无功功率QGF，构造各节点的功率平衡方程如下：
其中：PGF＝Psolar+PW (9)；
i支路的功率损耗为：
式中：i为清洁能源接入的节点，Pj为火力发电的有功功率，Qj为火力发电的无功功率；k为清洁能源实际并入的节点数量；n为火力发电的节点总数；P(i)表示火力发电某一节点的总有功功率；Q(i)表示火力发电某一节点的总无功功率；Ui为电网的额定电压；Ri为支路阻抗。
2.根据权利要求1所述的一种基于极大似然估计优化清洁能源并网模型参数方法，其特征在于：所述构建光伏发电的出力模型时，光伏发电的出力表示为Beta分布，其概率密度函数为：
式中：Pmax＝SmaxAη，为光伏电站最大出力；α与β是Beta分布参数。
3.根据权利要求2所述的一种基于极大似然估计优化清洁能源并网模型参数方法，其特征在于：运用极大似然法分析对Beta分布参数α与β进行计算；通过似然方程组进行求解，求解结果为：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011405359.9A CN112653182B (zh) | 2020-12-05 | 2020-12-05 | 一种基于极大似然估计优化清洁能源并网模型参数方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011405359.9A CN112653182B (zh) | 2020-12-05 | 2020-12-05 | 一种基于极大似然估计优化清洁能源并网模型参数方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112653182A CN112653182A (zh) | 2021-04-13 |
| CN112653182B true CN112653182B (zh) | 2023-07-28 |
Family
ID=75350266
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011405359.9A Active CN112653182B (zh) | 2020-12-05 | 2020-12-05 | 一种基于极大似然估计优化清洁能源并网模型参数方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112653182B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105305488A (zh) * | 2015-10-13 | 2016-02-03 | 国家电网公司 | 一种考虑新能源并网对输电网利用率影响的评价方法 |
| CN110649644A (zh) * | 2018-06-26 | 2020-01-03 | 南京理工大学 | 一种含分布式电源的城市配电网优化降损方法 |
| CN110957745A (zh) * | 2019-12-13 | 2020-04-03 | 国网辽宁省电力有限公司锦州供电公司 | 一种基于滑模控制的提高电网频率稳定性的方法 |
| WO2020115431A1 (fr) * | 2018-12-06 | 2020-06-11 | Electricite De France | Procédé de détermination d'une vitesse de salissure d'une unité de production photovoltaïque |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101383511B (zh) * | 2008-10-10 | 2010-08-04 | 清华大学 | 基于数据采集系统量测数据的电力系统状态估计方法 |
-
2020
- 2020-12-05 CN CN202011405359.9A patent/CN112653182B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105305488A (zh) * | 2015-10-13 | 2016-02-03 | 国家电网公司 | 一种考虑新能源并网对输电网利用率影响的评价方法 |
| CN110649644A (zh) * | 2018-06-26 | 2020-01-03 | 南京理工大学 | 一种含分布式电源的城市配电网优化降损方法 |
| WO2020115431A1 (fr) * | 2018-12-06 | 2020-06-11 | Electricite De France | Procédé de détermination d'une vitesse de salissure d'une unité de production photovoltaïque |
| CN110957745A (zh) * | 2019-12-13 | 2020-04-03 | 国网辽宁省电力有限公司锦州供电公司 | 一种基于滑模控制的提高电网频率稳定性的方法 |
Non-Patent Citations (2)
| Title |
|---|
| 光伏新能源并网系统的区间优化;胡博;朴在林;周东升;郭丹;王哲媛;张涛;;沈阳农业大学学报(第03期);全文 * |
| 基于Copula函数的风-电-热相关性及其潜在不确定性分析;杨柳;杨德友;张宇时;许小鹏;李典阳;;电气工程学报(第02期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112653182A (zh) | 2021-04-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103683326B (zh) | 一种区域电网风电多点接入最佳接纳能力的计算方法 | |
| CN107732949B (zh) | 一种综合风电全年多季节特性的储能布点定容方法 | |
| CN111931331B (zh) | 一种适用于配电网机组组合的分布鲁棒优化方法 | |
| CN107332241B (zh) | 用于评估含分布式新能源配电网可靠性的方法及系统 | |
| CN110084465B (zh) | 基于储能的风力发电系统成本/供电可靠性评估方法 | |
| CN113642802B (zh) | 一种基于碳计量模型的综合能源站能源优化调度方法和系统 | |
| CN114844124B (zh) | 一种基于目标优化的综合能源系统的运行控制方法 | |
| Rouhani et al. | A comprehensive method for optimum sizing of hybrid energy systems using intelligence evolutionary algorithms | |
| CN111082446A (zh) | 一种考虑电池自消耗的储能优化配置方法 | |
| CN110889581A (zh) | 一种电动汽车参与的台区优化调度方法和系统 | |
| CN115510677A (zh) | 一种风电场发电能力评估方法及系统 | |
| CN109685397B (zh) | 一种计及直接负荷控制下电气耦合系统可靠性评估方法 | |
| CN117674123B (zh) | 考虑电力系统运行成本的风电短期功率预测方法 | |
| CN113312749B (zh) | 一种考虑分布式风力发电机的电力系统仿真方法及系统 | |
| CN112653182B (zh) | 一种基于极大似然估计优化清洁能源并网模型参数方法 | |
| CN110336322B (zh) | 基于日最小负荷置信区间的光伏发电准入容量确定方法 | |
| CN114243766B (zh) | 一种区域多能源系统优化配置方法及系统 | |
| CN113361805B (zh) | 一种配电网规划方法及系统 | |
| CN116245318A (zh) | 基于大数据填补与聚类的电力系统日前调度方法和系统 | |
| CN115628522A (zh) | 一种基于emd-pso-lstm的商场中央空调负荷预测方法、系统及介质 | |
| CN110601263B (zh) | 一种基于节点类型变换法的风电场接入点电压风险评估方法 | |
| CN114329857A (zh) | 一种基于改进鲸鱼算法的分布式电源规划方法 | |
| CN112365196A (zh) | 基于Spark的分布式改进差分进化算法的电源规划方法 | |
| CN111884266A (zh) | 一种燃气轮机日内滚动机组组合优化方法 | |
| CN118249408B (zh) | 基于组合优化与机器学习算法的并网混合可再生能源系统 |
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 |