CN112670997B - 考虑光伏不确定性的电热能源系统时序概率潮流计算方法 - Google Patents
考虑光伏不确定性的电热能源系统时序概率潮流计算方法 Download PDFInfo
- Publication number
- CN112670997B CN112670997B CN202011547460.8A CN202011547460A CN112670997B CN 112670997 B CN112670997 B CN 112670997B CN 202011547460 A CN202011547460 A CN 202011547460A CN 112670997 B CN112670997 B CN 112670997B
- Authority
- CN
- China
- Prior art keywords
- power
- calculation
- probability
- energy system
- power flow
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 110
- 238000005485 electric heating Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 45
- 238000005070 sampling Methods 0.000 claims abstract description 31
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 24
- JPKJQBJPBRLVTM-OSLIGDBKSA-N (2s)-2-amino-n-[(2s,3r)-3-hydroxy-1-[[(2s)-1-[[(2s)-1-[[(2s)-1-[[(2r)-1-(1h-indol-3-yl)-3-oxopropan-2-yl]amino]-1-oxo-3-phenylpropan-2-yl]amino]-1-oxo-3-phenylpropan-2-yl]amino]-1-oxo-3-phenylpropan-2-yl]amino]-1-oxobutan-2-yl]-6-iminohexanamide Chemical compound C([C@H](NC(=O)[C@@H](NC(=O)[C@@H](N)CCCC=N)[C@H](O)C)C(=O)N[C@@H](CC=1C=CC=CC=1)C(=O)N[C@@H](CC=1C=CC=CC=1)C(=O)N[C@H](CC=1C2=CC=CC=C2NC=1)C=O)C1=CC=CC=C1 JPKJQBJPBRLVTM-OSLIGDBKSA-N 0.000 claims description 19
- 102100031272 Calcineurin B homologous protein 2 Human genes 0.000 claims description 13
- 241001510512 Chlamydia phage 2 Species 0.000 claims description 13
- 101000777239 Homo sapiens Calcineurin B homologous protein 2 Proteins 0.000 claims description 13
- 238000007619 statistical method Methods 0.000 claims description 6
- 238000010438 heat treatment Methods 0.000 claims description 4
- 102100031277 Calcineurin B homologous protein 1 Human genes 0.000 claims description 3
- 241000839426 Chlamydia virus Chp1 Species 0.000 claims description 3
- 101000777252 Homo sapiens Calcineurin B homologous protein 1 Proteins 0.000 claims description 3
- 101000943802 Homo sapiens Cysteine and histidine-rich domain-containing protein 1 Proteins 0.000 claims description 3
- 238000000342 Monte Carlo simulation Methods 0.000 abstract description 8
- 238000013076 uncertainty analysis Methods 0.000 abstract description 5
- 230000008878 coupling Effects 0.000 description 14
- 238000010168 coupling process Methods 0.000 description 14
- 238000005859 coupling reaction Methods 0.000 description 14
- 238000004458 analytical method Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000005286 illumination Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Classifications
-
- 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
本发明公开了一种考虑光伏不确定性的电热能源系统时序概率潮流计算方法，首先，考虑光伏出力的时序特性，对光伏出力这种不确定随机变量建模，解决了考虑光伏出力后潮流的概率性问题；其次，针对传统蒙特卡罗模拟的不确定性分析方法中存在的计算速度慢，效率低等问题，本发明将分层抽样方法应用到概率潮流计算中，对输入变量的概率分布情况进行分层抽样，进行多次取值；最后，基于传统的电热综合能源系统潮流计算方法，结合本发明中对概率潮流问题的处理方法，将上一步分层抽样每一次抽取的输入变量进行确定性潮流计算，获得电热综合能源系统中各状态量的样本，将所得样本进行统计，得到状态量和支路潮流的概率分布。
Description
技术领域
本发明涉及综合能源系统不确定性分析技术领域，尤其涉及一种考虑光伏不确定性的电热能源系统时序概率潮流计算方法，适用于分析光伏出力这种不确定性因素对系统潮流计算的影响。
背景技术
由于电力系统和热力系统耦合不断加深，电热互联综合能源系统逐渐引起广泛关注。潮流计算作为综合能源系统中的基础性工作，旨在根据有限的已知信息求取综合能源系统中节点电压/压力、支路电流/流量等状态参数，既可评估系统的实时运行状况，也可为优化调度、设备选址定容、故障分析等提供依据，具有重要意义。目前针对综合能源的潮流计算问题已有很多研究，但这些研究主要是基于确定性的潮流模型提出确定性潮流计算方法。现有的研究方法中，有的学者建立了电热互联综合能源系统稳态潮流计算模型，并提出了一种有效的潮流计算方法；也有的研究采用了更精确的电热网络模型，并对热网负荷节点类型进行了重新定义，修正了热网中水力-热力计算方法和电热耦合处的迭代处理方法，并结合电/热系统间顺序计算方法，提出了兼顾热网动态特性与精细化水力模型的电热综合能源系统时序潮流计算方法。
已有的研究都是基于确定性的模型，未充分考虑分布式可再生能源的不确定性对综合能源系统潮流计算的影响。不确定性因素对电力网络的影响及分析方法已有较多研究，相比之下，不确定性因素对综合能源系统的影响分析则相对较少。分布式电源(如光伏出力)具有很强的不确定性，给综合能源系统的潮流计算带来了新的问题。因此，本发明在已有的电热综合能源系统潮流计算方法上，进一步考虑电力系统中光伏出力的不确定性影响，提出了一种考虑光伏不确定性的电热综合能源系统时序概率潮流计算方法。
发明内容
本发明目的就是为了弥补已有技术的缺陷，提供考虑一种光伏不确定性的电热能源系统时序概率潮流计算方法，可以针对电力网络中光伏出力不确定因素进行分析，为电热综合能源系统中考虑光伏不确定性的潮流计算提供解决方法。
本发明是通过以下技术方案实现的：
一种考虑光伏不确定性的电热能源系统时序概率潮流计算方法，具体包括以下步骤：
(1)建立电热综合能源系统中光伏出力不确定性因素的随机模型，并对电网和热网参数进行初始化，更新电热综合能源系统内各个变量的初始状态；
(2)根据光伏出力概率模型和其他输入量的概率分布情况，运用分层抽样的方法对总体进行抽样，产生子样；
(3)对步骤(2)中每一次抽取的输入变量进行确定性潮流计算，获得其节点电压和支路潮流值，从而得到包含各节点电压和支路潮流的样本；
(4)对步骤(3)所得样本运用统计学的方法进行处理，最终获得电热综合能源系统中节点电压、压力和支路潮流、流量状态参数的概率分布情况。
步骤(1)所述的建立电热综合能源系统中光伏出力不确定性因素的随机模型，具体如下：
在光伏出力预测点Pb叠加正态分布构成光伏概率性预测，预测误差的概率密度函数如下式所示：
根据某时刻的光伏出力预测值Pb计算标准差，并结合误差的概率密度函数，产生随机数抽样预测误差ΔPpv，得到考虑预测误差的光伏实时出力模型如下式所示：
Pv＝Pb+ΔPpv；
步骤(3)所述的对步骤(2)中每一次抽取的输入变量进行确定性潮流计算，具体计算方法如下：
步骤1)：设定初始迭代时的水流量初值，确定电网平衡节点处机组CHP1所提供水流量mgs；
步骤2)：根据步骤1)中的水流量初值mgs进行热网水力潮流计算得到热网管道的水流量分布mhs，再根据热功率计算公式通过热网热力潮流计算得到电网平衡节点处CHP1机组的供热功率和热网平衡节点CHP2机组的供热功率/>
步骤3)：根据步骤2)中得到的CHP2机组的供热功率计算得到热网平衡节点CHP2机组的供电功率Phs；
步骤4)：由步骤3)所得的热网平衡节点CHP2机组的供电功率Phs，作为电网的输入量，再进行电网潮流计算得到电网平衡节点处CHP1机组的供电功率Pgs；
步骤5)：根据步骤4)中得到的CHP1机组的供电功率Pgs，计算得到电网平衡节点CHP1机组的供热功率
步骤6)：若与/>间误差满足要求，则本次潮流计算结束；若不满足，则根据与电网平衡节点回水温度Tr,gs更替其提供的水流量mgs，返回步骤2)进行计算。
本发明的优点是：本发明可以针对电力系统中光伏出力这种不确定性因素进行分析，解决了考虑光伏不确定性后潮流的概率性问题，同时本发明也可以用来求解海上孤岛综合能源系统的概率潮流。
本发明针对考虑光伏不确定性的电热综合能源系统概率潮流提供了解决方案，也为评估系统的实时运行状况、优化调度、设备选址定容、故障分析等后续的工作奠定了基础，具有重要意义。
附图说明
图1为含光伏的电热综合能源系统结构图。
图2为确定性潮流计算流程图。
图3为本发明流程图。
具体实施方式
针对传统的热力系统和电力系统潮流模型中未能充分考虑光伏不确定性的问题，本发明结合已有的电热综合能源系统时序潮流计算的模型，将光伏出力这种不确定性因素考虑在内，提出了一种考虑光伏不确定性的电热综合能源系统概率潮流计算方法。
具体的技术方案分为三个步骤：首先，在传统的电热综合能源系统潮流模型的基础上，考虑光伏出力的时序特性，对光伏出力这种不确定随机变量建模，解决了考虑光伏出力后潮流的概率性问题；其次，针对传统蒙特卡罗模拟的不确定性分析方法中存在的计算速度慢，效率低等问题，本发明将分层抽样方法应用到概率潮流计算中，对输入变量的概率分布情况进行分层抽样，进行多次取值；最后，基于传统的电热综合能源系统潮流计算方法，结合本发明中对概率潮流问题的处理方法，将上一步分层抽样每一次抽取的输入变量进行确定性潮流计算，获得电热综合能源系统中各状态量的样本，将所得样本进行统计，得到状态量和支路潮流的概率分布。
含光伏的电热综合能源系统概率潮流计算模型。
传统的热力系统和电力系统潮流模型如下式(1)-(7)所示，其中热网模型又包括热网水力模型和热网热力模型，电力系统模型为交流稳态模型：
(1)热网水力模型
Am＝mq (1)
Bh＝0 (2)
h＝Km|m| (3)
(2)热网热力模型
φ＝Cpmq(Ts-To) (4)
(3)电网潮流交流稳态模型
在传统的电热综合能源系统潮流模型的基础上，本发明进一步将电力系统中光伏发电的不确定性因素考虑进来，同时考虑到光伏电源出力具有显著的时序特性，伴随季节和时间变化有较大差异。本发明采用了计及时序特性的光伏出力概率模型，计及全天各时段光照强度水平的不同，以1h为一个时段，分别采用概率密度分布对各时段光照强度进行描述，全天的光照强度可以分别用24个不同时段的概率分布进行描述，在此基础上，再进行电热综合能源系统时序概率潮流计算。
1、光伏出力概率模型
本发明计及全年各时段光照强度水平的不同，以1h为一个时段，分别采用概率密度分布对各时段光照强度进行描述。考虑到光伏输出功率因天气变化波动较大，传统的HDKR模型进行光强预测并结合光伏分段出力模型计算实时光伏出力的方法无法表达预测结果的不确定性，因此本发明采用一种改进的预测方法：在光伏出力预测点Pb叠加正态分布构成光伏概率性预测，使得预测结果更加精确地反映光伏出力特性。预测误差的概率密度函数如式(8)所示：
根据某时刻的光伏出力预测值Pb计算标准差，并结合误差的概率密度函数，产生随机数抽样预测误差ΔPpv，得到考虑预测误差的光伏实时出力如式(9)所示：
Pv＝Pb+ΔPpv
(9)；
2、基于分层抽样的蒙特卡罗模拟方法
当综合能源系统中存在不确定性因素时，传统的确定性潮流计算方法很难反映系统全面运行的状况，因此本发明将在电力系统中求解概率潮流的计算方法应用到综合能源系统中来，运用概率统计方法处理系统运行中的随机变化因素，得到系统节点电压/压力、支路电流/流量等状态参数的概率分布情况。这里对于不确定性的分析方法采用广泛应用的蒙特卡罗模拟的方法。
本发明针对传统蒙特卡罗模拟的不确定性分析方法中存在的计算速度慢，效率低等问题，本发明将目前已经在电力系统可靠性评估中应用的分层抽样方法应用到概率潮流计算中，将抽样的运行状态进行分层从而减少计算时间。结合基于分层抽样的蒙特卡罗模拟法求解的具体步骤如下：
(1)建立系统中不确定性因素的随机模型；
(2)根据光伏出力概率模型和其他输入量的概率分布情况，运用分层抽样的方法对总体进行抽样，产生简单的子样；
(3)对步骤(2)中每一次抽取的输入变量进行确定性潮流计算，获得其节点电压和支路潮流值，从而得到包含各节点电压和支路潮流的样本；
(4)对步骤(3)所得样本运用统计学的方法进行处理，最终获得电热综合能源系统中节点电压、压力和支路潮流、流量等状态参数的概率分布情况。考虑光伏不确定性的电热综合能源系统时序概率潮流计算。
本发明在传统的电热综合能源系统潮流计算方法的基础上，结合之前内容中对光伏出力不确定性问题的处理方法，将光伏出力这种不确定因素考虑在内，对传统的电热综合能源系统潮流迭代求解过程进行了修正。相比于传统的求解方法，本发明最终得到的是电热综合能源系统中各状态量的概率分布特性而非确定的值，这也是考虑光伏出力不确定性后与传统方法计算结果最大的不同之处。
在本发明中考虑光伏不确定性因素对电热综合能源系统潮流计算的影响，使得传统的确定性潮流计算问题转化为不确定性潮流计算问题。通过对不确定性因素的分布特性进行建模，然后引入基于分层抽样的蒙特卡罗模拟方法求取系统中未知状态参数的分布特性，从而将确定性计算结果中的“点”扩展为“面”，即获得了在不确定性因素影响下，系统中状态参数可能的取值范围或分布特性。
考虑光伏不确定性的电热综合能源系统时序潮流计算分为电网概率潮流计算环节、电热耦合环节、热网概率潮流计算环节三部分，其中热网概率潮流计算环节又包括热网水力计算和热网热力计算。具体的求解流程如下所述：
(1)电热综合能源系统时序概率潮流计算方法
本发明充分考虑光伏发电的不确定性，以如图1所示含光伏的电热综合能源系统为例，说明本发明方法的计算过程。如图1所示，电网和热网之间通过CHP机组和电锅炉等耦合元件进行耦合，在耦合元件处将电网和热网进行解耦，并以耦合元件处节点作为平衡节点进行供能。其中CHP1机组为定热电比燃气轮机，作为电网平衡节点；CHP2机组为变热电比抽汽式汽轮机，作为热网平衡节点；电锅炉作为电热耦合元件，通过吸收电能来供热。
该电热综合能源系统概率潮流求解的具体步骤如下所示：
1)首先，对电网和热网参数进行初始化，更新系统内各个变量的初始状态；
2)其次，根据输入变量的概率分布情况进行分层抽样，得到多组取值，对每一次抽取的输入变量进行确定性潮流计算，求解流程图如图2所示，其具体求解步骤如下：
步骤1：设定初始迭代时的水流量初值，确定电网平衡节点处机组CHP1所提供水流量mgs。
步骤2：根据步骤1中的水流量初值mgs进行热网水力潮流计算得到热网管道的水流量分布mhs，再根据热功率计算公式通过热网热力潮流计算得到电网平衡节点处CHP1机组的供热功率和热网平衡节点CHP2机组的供热功率/>
步骤3：根据步骤2中得到的CHP2机组的供热功率通过电热耦合元件本身的特性，可计算得到热网平衡节点CHP2机组的供电功率Phs。
步骤4：由步骤3所得的Phs，作为电网的输入量，再进行电网潮流计算得到电网平衡节点处CHP1机组的供电功率Pgs。
步骤5：根据步骤4中得到的CHP1机组的供电功率Pgs，通过电热耦合元件本身的特性，可计算得到电网平衡节点CHP1机组的供热功率
步骤6：若与/>间误差满足要求，则本次潮流计算结束；若不满足，则根据/>与电网平衡节点回水温度Tr,gs更替其提供的水流量mgs，返回步骤2进行计算。
3)通过对每一次分层抽样并进行确定性潮流计算结果所得的样本进行统计，得到包含电网和热网中各状态量的样本，运用统计学的方法进行处理，最终获得电热综合能源系统中节点电压、压力和支路潮流、流量等状态参数的概率分布情况。
4)最后，根据每个时段的数据进行电热综合能源系统概率潮流计算，当计算时间达到24h后结束计算，否则进行下一时间段的概率潮流计算。
热网和电网潮流计算
在考虑光伏不确定性的综合能源系统概率潮流中各变量的迭代求解过程，还需要热网和电网的潮流计算方法作为支撑，此处采用已有的传统电力系统和热力系统的潮流计算方法。
1)热网潮流计算
热网模型包含了水力模型与热力模型。首先，对热网参数进行初始化，设置热网管道中热源供水温度以及用户侧回水温度，获取除热网节点以外的所有节点水流量；其次，进行热网的水力潮流计算，得到管道内的水流量；再次，计算管道节点温度的计算顺序，按照计算顺序计算管道的温度；当所有节点的温度计算完毕，热网潮流计算结束。其中，水力模型为非线性方程，采用牛顿-拉夫逊法进行求解，迭代方程如式(10)所示，即可通过热网水力潮流计算得到管道水流量分布。
m(k+1)＝m(k)-[Je(m(k))]-1ΔFh(m(k)) (10)
2)电网潮流计算
电网潮流模型为非线性方程，采用牛顿-拉夫逊法求解，迭代方程如式(11)所示。
本发明采用图1所示的含光伏的电热综合能源系统，电网和热网之间通过CHP机组和电锅炉等耦合元件进行耦合，其中耦合元件设备参数如表1所示。在耦合元件处将电网和热网进行解耦，其中CHP1机组为定热电比燃气轮机，作为电网平衡节点；CHP2机组为变热电比抽汽式汽轮机，作为热网平衡节点；电锅炉通过吸收电能来供热。
表1设备参数
根据图3所示流程进行计算。首先，设定初始时刻并对电网和热网参数进行初始化，更新系统内各个变量的初始状态，之后结合基于分层抽样的蒙特卡罗模拟的方法进行不确定性分析，根据输入变量的概率分布情况进行分层抽样，得到多组取值，对每一次抽取的输入变量进行确定性潮流计算，在确定性潮流求解的过程当中，电网平衡节点处机组主要变量有机组节点水流量mgs，热网潮流计算所得到的机组供热功率电网潮流计算所得到的机组供电功率Pgs，以及由机组供电功率通过电热耦合设备参数计算所得到的供热功率热网平衡节点处机组主要变量有机组节点水流量mhs，热网潮流计算所得的机组供热功率/>以及由机组供热功率通过电热耦合环节计算所得到的供电功率Phs。其迭代过程收敛条件为：对比第k次迭代热网潮流计算得到的电网平衡节点CHP1机组供热功率/>和第k次迭代电网潮流计算得到的电网平衡节点CHP1机组供热功率/>当/>与/>两者之差的绝对值小于误差精度要求时，本次潮流计算结束，否则由/>更新水流量初值mgs，进行第k+1次潮流计算。
本发明中采用的基于分层抽样的蒙特卡罗模拟的方法，很大程度上解决了传统的蒙特卡罗随机抽样方法计算速度慢的问题，在本方法的计算过程中，其分层抽样次数N可以根据不同的要求设定，但一般要保证抽样结果能真实地反映系统的输入变量。当抽样次数达到设定值N时，则该时段的抽样结束，通过对每一次分层抽样并进行确定性潮流计算结果所得的样本Xi进行统计，得到包含电网和热网中各状态量X的样本，运用统计学的方法进行处理，最终获得该时段电热综合能源系统中节点电压、压力和支路潮流、流量等状态参数的概率分布情况，然后再根据每个时段的数据进行电热综合能源系统概率潮流计算，当计算时间达到24h后结束计算，否则进行下一时间段的概率潮流计算，最终得到考虑光伏不确定性的电热综合能源系统的时序概率潮流。
Claims (1)
1.一种考虑光伏不确定性的电热能源系统时序概率潮流计算方法，其特征在于：具体包括以下步骤：
(1)建立电热综合能源系统中光伏出力不确定性因素的随机模型；
(2)根据光伏出力概率模型和其他输入量的概率分布情况，运用分层抽样的方法对总体进行抽样，产生子样；
(3)对步骤(2)中每一次抽取的输入变量进行确定性潮流计算，获得其节点电压和支路潮流值，从而得到包含各节点电压和支路潮流的样本；
(4)对步骤(3)所得样本运用统计学的方法进行处理，最终获得电热综合能源系统中节点电压、压力和支路潮流、流量状态参数的概率分布情况；
步骤(1)所述的建立电热综合能源系统中光伏出力不确定性因素的随机模型，具体如下：
在光伏出力预测点Pb叠加正态分布构成光伏概率性预测，预测误差的概率密度函数如下式所示：
根据某时刻的光伏出力预测值Pb计算标准差，并结合误差的概率密度函数，产生随机数抽样预测误差ΔPpv，得到考虑预测误差的光伏实时出力模型如下式所示：
Pv＝Pb+ΔPpv；
步骤(3)所述的对步骤(2)中每一次抽取的输入变量进行确定性潮流计算，具体计算方法如下：
步骤1)：设定初始迭代时的水流量初值，确定电网平衡节点处机组CHP1所提供水流量mgs；
步骤2)：根据步骤1)中的水流量初值mgs进行热网水力潮流计算得到热网管道的水流量分布mhs，再根据热功率计算公式通过热网热力潮流计算得到电网平衡节点处CHP1机组的供热功率和热网平衡节点CHP2机组的供热功率/>
步骤3)：根据步骤2)中得到的CHP2机组的供热功率计算得到热网平衡节点CHP2机组的供电功率Phs；
步骤4)：由步骤3)所得的热网平衡节点CHP2机组的供电功率Phs，作为电网的输入量，再进行电网潮流计算得到电网平衡节点处CHP1机组的供电功率Pgs；
步骤5)：根据步骤4)中得到的CHP1机组的供电功率Pgs，计算得到电网平衡节点CHP1机组的供热功率
步骤6)：若与/>间误差满足要求，则本次潮流计算结束，若不满足，则根据/>与电网平衡节点回水温度Tr,gs更替其提供的水流量mgs，返回步骤2)进行计算。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011547460.8A CN112670997B (zh) | 2020-12-24 | 2020-12-24 | 考虑光伏不确定性的电热能源系统时序概率潮流计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011547460.8A CN112670997B (zh) | 2020-12-24 | 2020-12-24 | 考虑光伏不确定性的电热能源系统时序概率潮流计算方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112670997A CN112670997A (zh) | 2021-04-16 |
| CN112670997B true CN112670997B (zh) | 2023-12-05 |
Family
ID=75408239
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011547460.8A Active CN112670997B (zh) | 2020-12-24 | 2020-12-24 | 考虑光伏不确定性的电热能源系统时序概率潮流计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112670997B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113690891B (zh) * | 2021-07-29 | 2024-01-05 | 国网江苏省电力有限公司连云港供电分公司 | 一种基于解析法的电-热互联综合能源系统概率潮流确定方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102594216A (zh) * | 2012-03-21 | 2012-07-18 | 江西省电力科学研究院 | 一种分布式光伏电源接入影响的概率评估方法 |
| CN104734147A (zh) * | 2015-03-16 | 2015-06-24 | 河海大学 | 一种综合能源系统概率能量流分析方法 |
| CN109785183A (zh) * | 2018-12-26 | 2019-05-21 | 国网山西省电力公司电力科学研究院 | 一种考虑风电与负荷预测不确定性的鲁棒调度方法 |
| KR102023096B1 (ko) * | 2019-02-13 | 2019-09-19 | 울산과학기술원 | 양산되는 집적 회로의 성능 지표를 통합적으로 확률 해석하는 방법 |
| CN111146821A (zh) * | 2019-12-31 | 2020-05-12 | 国网浙江省电力有限公司嘉兴供电公司 | 一种计及光伏不确定性的dstatcom优化配置方法 |
| CN111668845A (zh) * | 2020-06-16 | 2020-09-15 | 广东工业大学 | 一种计及光伏相关性的概率潮流计算方法 |
-
2020
- 2020-12-24 CN CN202011547460.8A patent/CN112670997B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102594216A (zh) * | 2012-03-21 | 2012-07-18 | 江西省电力科学研究院 | 一种分布式光伏电源接入影响的概率评估方法 |
| CN104734147A (zh) * | 2015-03-16 | 2015-06-24 | 河海大学 | 一种综合能源系统概率能量流分析方法 |
| CN109785183A (zh) * | 2018-12-26 | 2019-05-21 | 国网山西省电力公司电力科学研究院 | 一种考虑风电与负荷预测不确定性的鲁棒调度方法 |
| KR102023096B1 (ko) * | 2019-02-13 | 2019-09-19 | 울산과학기술원 | 양산되는 집적 회로의 성능 지표를 통합적으로 확률 해석하는 방법 |
| CN111146821A (zh) * | 2019-12-31 | 2020-05-12 | 国网浙江省电力有限公司嘉兴供电公司 | 一种计及光伏不确定性的dstatcom优化配置方法 |
| CN111668845A (zh) * | 2020-06-16 | 2020-09-15 | 广东工业大学 | 一种计及光伏相关性的概率潮流计算方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112670997A (zh) | 2021-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109242365B (zh) | 一种电-热互联综合能源系统的区间潮流计算方法 | |
| CN113572206B (zh) | 一种风电出力区间预测方法 | |
| CN110518583B (zh) | 一种考虑动态特性的综合能源系统可靠性评估方法 | |
| CN109993445A (zh) | 一种考虑光伏预测误差的综合能源系统脆弱性评估方法 | |
| CN111162537B (zh) | 基于组合Copula函数的拉丁超立方抽样法概率潮流计算方法 | |
| CN115600722A (zh) | 企业电碳因子长期预测方法 | |
| CN112670997B (zh) | 考虑光伏不确定性的电热能源系统时序概率潮流计算方法 | |
| Alanbar et al. | Energy Consumption Prediction Using Deep Learning Technique | |
| CN109816166B (zh) | 一种地源热泵系统性能预测方法 | |
| CN102494895A (zh) | 对电站汽轮机组节能及优化的分析方法 | |
| CN109977577B (zh) | 考虑天然气输配管网不确定性的气-电耦合系统可靠性评估方法 | |
| CN111626558A (zh) | 基于情景分析的综合能源系统模型比较方法和优化系统 | |
| CN116611706A (zh) | 基于多能源主体的动态碳排放因子测算方法 | |
| CN109767044B (zh) | 一种对地源热泵系统热能转换效率进行预测的方法 | |
| Branco et al. | Tools for the control of modern solar-thermal heating plants | |
| Yin et al. | Network parameter estimation for district heating system | |
| D’antoni et al. | Validation of the numerical model of a turnkey solar combi+ system | |
| Wu et al. | Neural network based feasible region approximation model for optimal operation of integrated electricity and heating system | |
| Huang et al. | Solar Radiation Forecasting based on Neural Network in Guangzhou | |
| CN112365134A (zh) | 一种基于点估计法概率多能流的能源网络随机规划方法 | |
| CN113468843B (zh) | 一种主动配电网等值模型的构建方法 | |
| CN116579149A (zh) | 基于混沌多项式的电-热综合能源系统可靠性解析方法 | |
| Mantri et al. | Solar Power Generation Prediction for Better Energy Efficiency using Machine Learning | |
| CN116484629A (zh) | 一种计及老化失效的电-热综合能源系统可靠性评估方法 | |
| CN107482620A (zh) | 变量相关情形下风电和光伏接入对配电网电压影响分析方法 |
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 |