CN112803403A - 基于时频特征的海上风电集群效应多层级评估方法 - Google Patents
基于时频特征的海上风电集群效应多层级评估方法 Download PDFInfo
- Publication number
- CN112803403A CN112803403A CN202110208122.XA CN202110208122A CN112803403A CN 112803403 A CN112803403 A CN 112803403A CN 202110208122 A CN202110208122 A CN 202110208122A CN 112803403 A CN112803403 A CN 112803403A
- Authority
- CN
- China
- Prior art keywords
- wind power
- modal
- modal component
- risk level
- risk
- 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.)
- Granted
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
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Wind Motors (AREA)
Abstract
本发明公开了一种基于时频特征的海上风电集群效应多层级评估方法,该方法基于海上风电的时频特征,建立多层级的海上风电集群效应评估方案,能够量化评估海上风电集群在不同时间、频段的分布特点,有助于准确掌握海上风电集群的并网出力特性,对含风电场电力系统的安全稳定运行具有重要意义。
Description
技术领域:
本发明属于新能源领域,特别涉及一种基于时频特征的海上风电集群效应多层级评估方法。
背景技术:
海上风电具有资源丰富、发电利用小时数、不占土地、距离用电负荷中心近和适宜大规模开发等独特优势。随着海上风电集群汇聚规模的增大,不同位置风电机组的出力波动存在一定程度上的平抑效果,集群风电的输出功率会逐渐趋于平缓。不同于陆上风电场,海上风电场的风能资源更加丰富且平稳,但海洋环境复杂。鉴于海上风电出力随机性、波动性和实测数据缺乏等现状,有必要对单风场出力波动特性和风电集群效应进行评估。
目前,风电功率波动特性评估集中于时域、频域角度,风电集群汇聚效应的评估多集中在时幅域上。由于风电出力时间序列是非线性非平稳信号,时幅域分析只能展现风电出力的个别时点断面出力水平高低,难以刻画风电出力时间曲线波动周期特性。相关文献仅考虑风功率的集中趋势、离散程度两个方面,未从分布形状的角度进行研究,鲜有涉及时频综合分析方法。有学者提出基于小波分析法的风电集群功率汇聚效应时频特性分析方法,但该方法未考虑爬坡风险影响和复杂海洋场景下的区域海上风电场集群特性,无法为规模化海上风电接入的电力系统的功率平衡和电力调度工作提供准确指导。
发明内容:
为解决现有技术中存在的问题,本发明提出了基于时频特征的海上风电集群效应多层级评估方法,采用改进型变分模态分解法对海上风电集群的出力时间序列进行模态分解,分别根据风电爬坡风险准则、熵权法等技术逐级形成目标层A、B、C的评估框架,最终对海上风电集群效应进行多层级评估。本发明考虑了海上风电场中各风电场在时间、空间和频段的平滑、迟滞等特点,在保证风电场安全稳定运行的前提下准确掌握风电集群出力特性。本发明的技术方案如下:
一种基于时频特征的海上风电集群效应多层级评估方法,包括如下步骤:
S1:采用基于瞬时频率均值非负原则和模态分解能量差最小原则的变分模态分解法,对海上风电集群的出力时间序列进行模态分解,得到K个模态分量,K为[3,10]中整数;
S2:确定评估目标层B,分别计算所述K个模态分量中的风电集群爬坡率最大值,并根据风电爬坡风险分级标准,对所述K个模态分量进行高风险等级模态分量、中风险等级模态分量和低风险等级模态分量的三个风险等级划分;
S3:确定评估目标层A,对每个风险等级的模态分量进行多个风电集群效应分析指标的评估;
S4:确定评估目标层C,设置三个风险等级的模态分量对应的权重系数、以及各风险等级的模态分量中的各风电集群效应分析指标对应的权重系数,根据所设置的权重系数对海上风电集群效应进行全频段多层级的评估。
优选地,S1具体包括:采用基于瞬时频率均值非负原则和模态分解能量差最小原则的变分模态分解法,确定最佳模态数K,对海上风电集群的出力时间序列进行模态分解,获得模态分量1、模态分量2、...、模态分量K,K为[3,10]中整数;。
优选地,模态分量中的风电集群爬坡率最大值按如下公式计算:
式中,ΔPk,max为模态分量k中的风电集群爬坡率最大值,k=1,2,...,K;
max()为最大值函数;
Pk(t)、Pk(t+m)分别为模态分量k中t、t+m时刻对应的海上风电集群出力;
m为采样周期。
优选地,所述三个风险等级的划分标准为:
若模态分量k中的风电集群爬坡率的最大值ΔPk,max满足ΔPk,max>50MW/10min,则该模态分量为高风险等级模态分量,记为第1风险等级模态分量;
若模态分量k中的风电集群爬坡率的最大值ΔPk,max满足5MW/10min≤ΔPk,max≤50MW/10min,则该模态分量为中风险等级模态分量,记为第2风险等级模态分量;
若模态分量k中的风电集群爬坡率的最大值ΔPk,max满足ΔPk,max<5MW/10min,则该模态分量为低风险等级模态分量,记为第3风险等级模态分量。
优选地,所述风电集群效应分析指标包括平均出力标幺值、偏移系数、零出力占比、峰谷差标幺值和平滑系数。
优选地,依据海上风电集群的额定容量Scluster、第i风险等级模态分量对应于t时刻的风电集群总出力Pi(t)、统计的时间尺度T、模态分解前原出力时间序列对应于t时刻的风电集群总出力Po(t)、第i风险等级模态分量中零出力情况出现的次数n0、时间尺度T下第i风险等级模态分量的采样个数nT、第i风险等级模态分量的最大出力值Pmax、第i风险等级模态分量的最小出力值Pmin、海上风电集群中的风电场个数N、风电场的编号x、第i风险等级模态分量中单个风电场和风电集群的出力波动置信区间Si,single(x)和Si,cluster、风险等级序号i,i=1,2,...,3,则第i风险等级的模态分量的平均出力标幺值Cai为:
第i风险等级模态分量的偏移系数Cdi为:
第i风险等级模态分量的零出力占比Cli为:
第i风险等级模态分量的峰谷差标幺值Cpi为:
第i风险等级模态分量的平滑系数Csi为:
优选地,S4具体包括:确定评估目标层C,设置评估目标层B中,所述第1风险等级的模态分量对应的权重系数w1、第2风险等级的模态分量对应的权重系数w2和第3风险等级的模态分量对应的权重系数w3、以及设置评估目标层A中,各风险等级的模态分量对应各风电集群效应分析指标对应的权重系数,则海上风电集群效应全频段多层级的评估指标F为:
式中,ai为第i风险等级出力时间序列的平均出力标幺值Cai对应的权重系数;bi为第i风险等级的出力时间序列的偏移系数Cdi对应的权重系数;ci为第i风险等级的出力时间序列的零出力占比Cli对应的权重系数;di为第i风险等级的出力时间序列的峰谷差标幺值Cpi对应的权重系数;ei为第i风险等级的出力时间序列的平滑系数Csi对应的权重系数。
优选地,所述各风险等级的模态分量的权重系数为采用Hilbert变化获得各风险等级的模态分量的累计幅值占比。
优选地,所述各风险等级的模态分量的各风电集群效应分析指标对应的权重系数采用模糊熵权法确定。
本发明相比现有技术具有如下有益效果:
本发明基于海上风电的时频特征,建立多层级的海上风电集群效应评估方案,能够量化评估海上风电集群在不同时间、频段的分布特点,有助于准确掌握海上风电集群的并网出力特性,对含风电场电力系统的安全稳定运行具有重要意义。
附图说明:
图1为实施例中基于时频特征的海上风电集群效应多层级评估方法流程图;
图2为实施例中海上风电集群经柔直外送系统的拓扑图;
图3为实施例中多层级评估模型示意图;
图4为实施例中海上风电集群A的年出力曲线及模态分解结果示意图;
图5为实施例中海上风电集群B的年出力曲线及模态分解结果示意图;
图6为实施例中海上风电集群A的时频谱示意图。
具体实施方式:
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施案例对本发明进行深入地详细说明。应当理解,此处所描述的具体实施案例仅仅用以解释本发明,并不用于限定发明。
实施例一:
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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本例以如图2所示的江苏南通实际海上风电场(简称海上风电集群A)为例模拟实施本发明的基于时频特征的海上风电集群效应多层级评估方法,海上风电集群A经交流海缆外送系统拓扑如图2所示,包括海上风电场1、海上风电场2、海上风电场3、海上升压站平台、交流海缆、陆上升压站平台和陆地电网等结构,装机容量为479.5MW。选取海上风电集群A在2018年的出力时间序列(数据)进行分析,采样周期为10分钟,在风电集群A的基础上增加海上风电场4(装机容量为152MW),形成风电集群B,风电集群A和风电集群B的参数见表1,并选择风电集群A和风电集群B进行评估,海上风电集群B的装机容量为631.5MW。
表1风电集群A和风电集群B的基本参数
如图1和图3所示,该评估方法包括:
S1:采用基于瞬时频率均值非负原则和模态分解能量差最小原则的变分模态分解法,确定最佳模态数K,对海上风电集群的出力时间序列进行模态分解,确定模态数K并得到K个模态分量,即模态分量1、模态分量2、...、模态分量K,K为[5,10]中整数;采用上述技术手段后,本例的海上风电集群A和海上风电集群B的年出力曲线及模态分解结果分别见图4、图5。由图4、图5可知,海上风电集群A、B的最佳模态数均为4,分别为模态分量1、模态分量2、模态分量3和模态分量4。
S2:确定评估目标层B,根据模态分量中风电集群爬坡率的最大值对所述K个模态分量进行高风险等级模态分量、中风险等级模态分量和低风险等级模态分量的三个风险等级划分;其中,模态分量k中的风电集群爬坡率ΔPk,max的最大值按下式得到:
式中,ΔPk,max为模态分量k中的风电集群爬坡率最大值,k=1,2,...,K;
max()为最大值函数;
Pk(t)、Pk(t+m)分别为模态分量k中t、t+m时刻对应的海上风电集群出力;
m为风电场或风电集群出力时间序列的采样周期。
上述三个风险等级的划分标准为:
若模态分量k中风电集群爬坡率的最大值ΔPk,max满足ΔPk,max>50MW/10min,则该模态分量为高风险等级模态分量,记为第1风险等级的模态分量;
若模态分量k中风电集群爬坡率的最大值ΔPk,max满足5MW/10min≤ΔPk,max≤50MW/10min,则该模态分量为中风险等级模态分量,记为第2风险等级的模态分量;
若模态分量k中风电集群爬坡率的最大值ΔPk,max满足ΔPk,max<5MW/10min,则该模态分量为低风险等级模态分量,记为第3风险等级的模态分量。
在进行风险等级划分后,本例的海上风电集群A的时频谱见图6。根据图6,高风险等级模态分量的瞬时批量随着时间波动较为剧烈,波动范围为(0.0068Hz,0.4940Hz),平均瞬时频率为0.2831Hz;高风险等级模态分量的瞬时频率随着时间波动较为剧烈,波动范围为(0.0195Hz,0.3554Hz),平均瞬时频率为0.1394Hz;中风险等级模态分量的瞬时频率随着时间上下平稳波动,波动范围为(0.0068Hz,0.4940Hz),平均瞬时频率为0.2831Hz;低风险等级模态分量除采样端点出现短时突变到最高频率0.5HZ,其余时间段的瞬时频率随着时间变化较为平缓,波动范围为(0.0065Hz,0.1807Hz),平均瞬时频率为0.0389Hz。
S3:确定评估目标层A,对每个风险等级的模态分量分别进行包括平均出力标幺值、偏移系数、零出力占比、峰谷差标幺值和平滑系数的风电集群效应分析指标的评估;
依据海上风电集群的额定容量Scluster、第i风险等级模态分量对应于t时刻的风电集群总出力Pi(t)、统计的时间尺度T、模态分解前原出力时间序列对应于t时刻的风电集群总出力Po(t)、第i风险等级模态分量中零出力情况出现的次数n0、时间尺度T下第i风险等级模态分量的采样个数nT、第i风险等级模态分量的最大出力值Pmax、第i风险等级模态分量的最小出力值Pmin、海上风电集群中的风电场个数N、风电场的编号x、第i风险等级模态分量中单个风电场和风电集群的出力波动置信区间Si,single(x)和Si,cluster、风险等级序号i,i=1,2,...,3,则第i风险等级的模态分量的平均出力标幺值Cai为:
第i风险等级模态分量的偏移系数Cdi为:
第i风险等级模态分量的零出力占比Cli为:
第i风险等级模态分量的峰谷差标幺值Cpi为:
第i风险等级模态分量的平滑系数Csi为:
上述第i风险等级的模态分量的偏度Cki、第i风险等级的模态分量的峰度Cui推算公式如下:
S4:确定评估目标层C,设置三个风险等级模态分量对应的权重系数、以及各风险等级的模态分量中的各风电集群效应分析指标对应的权重系数,对海上风电集群效应进行全频段多层级的评估,具体包括:
确定评估目标层C,设置评估目标层B中,第1风险等级的模态分量对应的权重系数w1、第2风险等级的模态分量对应的权重系数w2和第3风险等级的模态分量对应的权重系数w3、以及设置评估目标层A中,各风险等级的模态分量对应各风电集群效应分析指标对应的权重系数,则海上风电集群效应全频段多层级的评估指标F为:
式中,ai为第i风险等级的出力时间序列的平均出力标幺值Cai对应的权重系数;bi为第i风险等级的出力时间序列的偏移系数Cdi对应的权重系数;ci为第i风险等级的零出力占比Cli对应的权重系数;di为第i风险等级的出力时间序列的峰谷差标幺值Cpi对应的权重系数;ei为第i风险等级的出力时间序列的平滑系数Csi对应的权重系数。
上述各风险等级的模态分量的权重系数为采用Hilbert变化获得各风险等级的模态分量的累计幅值占比,各风险等级的模态分量的各风电集群效应分析指标对应的权重系数采用模糊熵权法确定,本例对应海上风电集群A以及海上风电集群A所选取的权重系数分别如表2和表3所示。
表2海上风电集群A选取的权重系数表
表3海上风电集群B选取的权重系数表
进一步地,采用本发明的评估方案对海上风电集群A和海上风电集群B进行出力特性对比,经计算,海上风电集群A和海上风电集群B的评估指标分别为0.698和0.603。评估指标F值越大,该风电集群出力各模态分量总体波动特性对系统影响越大,系统抗扰动能力越差。因此,根据评估结果,海上风电集群B小于海上风电集群A的评估指标,其集群出力波动特性相对稳定,各风电场间的平滑效果较好,未来接纳新建风电场的能力更强。
本发明针对海上风电集群功率的汇聚效应,综合时、频域信号分析的特点,提出适用于海洋场景的改进型变分模态分解法和模态划分方法,建立考虑爬坡风险的多模态时频特性分析综合指标,综合形成海上风电集群效应多层级评估技术,并对长时间尺度下不同频段内海上风电集群功率汇聚效应的时频特性进行分析。通过分析和掌握规模化海上风电场输出功率的集群效应,对有效平抑海上风电集群出力的波动性和间歇性,乃至沿海地区电网的海上风电并网规划、安全运行及电网调度具有重要的指导意义。
Claims (9)
1.一种基于时频特征的海上风电集群效应多层级评估方法,其特征在于:包括如下步骤:
S1:采用基于瞬时频率均值非负原则和模态分解能量差最小原则的变分模态分解法,对海上风电集群的出力时间序列进行模态分解,得到K个模态分量,K为[3,10]中整数;
S2:确定评估目标层B,分别计算所述K个模态分量中的风电集群爬坡率最大值,并根据风电爬坡风险分级标准,对所述K个模态分量进行高风险等级模态分量、中风险等级模态分量和低风险等级模态分量的三个风险等级划分;
S3:确定评估目标层A,对每个风险等级的模态分量进行多个风电集群效应分析指标的评估;
S4:确定评估目标层C,设置三个风险等级的模态分量对应的权重系数、以及各风险等级的模态分量中的各风电集群效应分析指标对应的权重系数,根据所设置的权重系数对海上风电集群效应进行全频段多层级的评估。
2.根据权利要求1所述的基于时频特征的海上风电集群效应多层级评估方法,其特征在于:S1具体包括:采用基于瞬时频率均值非负原则和模态分解能量差最小原则的变分模态分解法,确定最佳模态数K,对海上风电集群的出力时间序列进行模态分解,获得模态分量1、模态分量2、...、模态分量K,K为[3,10]中整数。
4.根据权利要求1所述的基于时频特征的海上风电集群效应多层级评估方法,其特征在于:所述三个风险等级的划分标准为:
若模态分量k中的风电集群爬坡率的最大值ΔPk,max满足ΔPk,max>50MW/10min,则该模态分量为高风险等级模态分量,记为第1风险等级模态分量;
若模态分量k中的风电集群爬坡率的最大值ΔPk,max满足5MW/10min≤ΔPk,max≤50MW/10min,则该模态分量为中风险等级模态分量,记为第2风险等级模态分量;
若模态分量k中的风电集群爬坡率的最大值ΔPk,max满足ΔPk,max<5MW/10min,则该模态分量为低风险等级模态分量,记为第3风险等级模态分量。
5.根据权利要求1所述的基于时频特征的海上风电集群效应多层级评估方法,其特征在于:所述风电集群效应分析指标包括平均出力标幺值、偏移系数、零出力占比、峰谷差标幺值和平滑系数。
6.根据权利要求5所述的基于时频特征的海上风电集群效应多层级评估方法,其特征在于:依据海上风电集群的额定容量Scluster、第i风险等级模态分量对应于t时刻的风电集群总出力Pi(t)、统计的时间尺度T、模态分解前原出力时间序列对应于t时刻的风电集群总出力Po(t)、第i风险等级模态分量中零出力情况出现的次数n0、时间尺度T下第i风险等级模态分量的采样个数nT、第i风险等级模态分量的最大出力值Pmax、第i风险等级模态分量的最小出力值Pmin、海上风电集群中的风电场个数N、风电场的编号x、第i风险等级模态分量中单个风电场和风电集群的出力波动置信区间Si,single(x)和Si,cluster、风险等级序号i,i=1,2,...,3,则第i风险等级模态分量的平均出力标幺值Cai为:
第i风险等级模态分量的偏移系数Cdi为:
第i风险等级模态分量的零出力占比Cli为:
第i风险等级模态分量的峰谷差标幺值Cpi为:
第i风险等级模态分量的平滑系数Csi为:
7.根据权利要求1所述的基于时频特征的海上风电集群效应多层级评估方法,其特征在于:S4具体包括:确定评估目标层C,设置评估目标层B中,所述第1风险等级的模态分量对应的权重系数w1、第2风险等级的模态分量对应的权重系数w2和第3风险等级的模态分量对应的权重系数w3、以及设置评估目标层A中,各风险等级的模态分量对应各风电集群效应分析指标对应的权重系数,则海上风电集群效应全频段多层级的评估指标F为:
式中,ai为第i风险等级的出力时间序列的平均出力标幺值Cai对应的权重系数;bi为第i风险等级的出力时间序列的偏移系数Cdi对应的权重系数;ci为第i风险等级的出力时间序列的低出力占比Cli对应的权重系数;di为第i风险等级的出力时间序列的峰谷差标幺值Cpi对应的权重系数;ei为第i风险等级的出力时间序列的平滑系数Csi对应的权重系数。
8.根据权利要求1所述的基于时频特征的海上风电集群效应多层级评估方法,其特征在于:所述各风险等级的模态分量的权重系数为采用Hilbert变化获得各风险等级的模态分量的累计幅值占比。
9.根据权利要求1所述的基于时频特征的海上风电集群效应多层级评估方法,其特征在于:所述各风险等级的模态分量的各风电集群效应分析指标对应的权重系数采用模糊熵权法确定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110208122.XA CN112803403B (zh) | 2021-02-25 | 2021-02-25 | 基于时频特征的海上风电集群效应多层级评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110208122.XA CN112803403B (zh) | 2021-02-25 | 2021-02-25 | 基于时频特征的海上风电集群效应多层级评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112803403A true CN112803403A (zh) | 2021-05-14 |
CN112803403B CN112803403B (zh) | 2022-07-15 |
Family
ID=75815631
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110208122.XA Active CN112803403B (zh) | 2021-02-25 | 2021-02-25 | 基于时频特征的海上风电集群效应多层级评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112803403B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117353303A (zh) * | 2023-12-04 | 2024-01-05 | 国网江苏省电力有限公司经济技术研究院 | 海上风电受端电网支撑能力指标体系的构建方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104135036A (zh) * | 2014-07-24 | 2014-11-05 | 华北电力大学 | 一种基于时域和集群效应分析间歇性能源出力的方法 |
CN106712112A (zh) * | 2017-02-17 | 2017-05-24 | 云南电网有限责任公司 | 一种基于概率分布的风电场集群出力平滑效应的分析方法 |
WO2019007970A1 (en) * | 2017-07-04 | 2019-01-10 | Vrije Universiteit Brussel | METHOD FOR AUTOMATIC DETECTION OF PHYSICAL MODES IN A MODAL ANALYSIS MODEL |
-
2021
- 2021-02-25 CN CN202110208122.XA patent/CN112803403B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104135036A (zh) * | 2014-07-24 | 2014-11-05 | 华北电力大学 | 一种基于时域和集群效应分析间歇性能源出力的方法 |
CN106712112A (zh) * | 2017-02-17 | 2017-05-24 | 云南电网有限责任公司 | 一种基于概率分布的风电场集群出力平滑效应的分析方法 |
WO2019007970A1 (en) * | 2017-07-04 | 2019-01-10 | Vrije Universiteit Brussel | METHOD FOR AUTOMATIC DETECTION OF PHYSICAL MODES IN A MODAL ANALYSIS MODEL |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117353303A (zh) * | 2023-12-04 | 2024-01-05 | 国网江苏省电力有限公司经济技术研究院 | 海上风电受端电网支撑能力指标体系的构建方法及装置 |
CN117353303B (zh) * | 2023-12-04 | 2024-02-23 | 国网江苏省电力有限公司经济技术研究院 | 海上风电受端电网支撑能力指标体系的构建方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112803403B (zh) | 2022-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105654207A (zh) | 基于风速、风向信息的风电功率预测方法 | |
CN107394809B (zh) | 基于风速时间周期特征的风电并网系统风险评估方法 | |
CN105719029B (zh) | 一种基于风速波动特征提取的风电功率组合预测方法 | |
CN111210363B (zh) | 一种风电场无功电压控制能力综合评估方法 | |
CN105281362A (zh) | 电力系统消纳风电能力的评估方法 | |
CN109167387A (zh) | 风场风电功率预测方法 | |
CN106130066B (zh) | 一种用于独立微电网系统的多目标鲁棒频率控制方法 | |
CN103023065A (zh) | 一种基于相对误差熵值法的风电短期功率预测方法 | |
CN112186761B (zh) | 一种基于概率分布的风电功率场景生成方法及系统 | |
CN111626473A (zh) | 一种考虑误差修正的两阶段光伏功率预测方法 | |
CN105825002B (zh) | 一种基于动态灰关联分析法的风电场动态等值建模方法 | |
CN113468790B (zh) | 一种基于改进粒子群算法的风速特征模拟方法及系统 | |
CN110969306A (zh) | 基于深度学习的配电低压台区负荷预测方法及装置 | |
CN102749471A (zh) | 一种短期风速、风电功率预测方法 | |
CN112803403B (zh) | 基于时频特征的海上风电集群效应多层级评估方法 | |
Han et al. | A study of the reduction of the regional aggregated wind power forecast error by spatial smoothing effects in the Maritimes Canada | |
CN108960522A (zh) | 一种光伏发电量预测分析方法 | |
CN115689055A (zh) | 一种短期太阳辐照度预测方法及装置 | |
CN103632314B (zh) | 基于概率统计的风电场广义节点特征建模方法 | |
CN109193791B (zh) | 一种基于改进shapley值的风电汇聚趋势性分状态量化方法 | |
CN115544895B (zh) | 光伏电站年出力保证率模型优化方法 | |
CN116468331A (zh) | 一种分级评估的风电场主动支撑控制能力评价方法 | |
CN108197843B (zh) | 一种平坦地形风电出力特性评估方法 | |
CN115879976A (zh) | 一种碳中和仿真方法及终端 | |
CN115898787A (zh) | 一种风电机组静态偏航误差动态识别方法及装置 |
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 |