CN113159523A - 基于时域相关性量化分析光伏电站集群效应的方法 - Google Patents

基于时域相关性量化分析光伏电站集群效应的方法 Download PDF

Info

Publication number
CN113159523A
CN113159523A CN202110337592.6A CN202110337592A CN113159523A CN 113159523 A CN113159523 A CN 113159523A CN 202110337592 A CN202110337592 A CN 202110337592A CN 113159523 A CN113159523 A CN 113159523A
Authority
CN
China
Prior art keywords
photovoltaic power
power station
cluster
output
time
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.)
Pending
Application number
CN202110337592.6A
Other languages
English (en)
Inventor
娄素华
王莹
王远
周友斌
周鲲鹏
曹侃
王涛
陈汝斯
蔡德福
刘海光
周楚
饶渝泽
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.)
Huazhong University of Science and Technology
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Hubei Electric Power Co Ltd
Original Assignee
Huazhong University of Science and Technology
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Hubei Electric Power 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 Huazhong University of Science and Technology, State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Hubei Electric Power Co Ltd filed Critical Huazhong University of Science and Technology
Priority to CN202110337592.6A priority Critical patent/CN113159523A/zh
Publication of CN113159523A publication Critical patent/CN113159523A/zh
Pending legal-status Critical Current

Links

Images

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
    • 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
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply

Abstract

本发明提供一种基于时域相关性量化分析光伏电站集群效应的方法，包括如下步骤：选取一定数量光伏电站作为光伏电站集群；统计所选光伏电站的实时出力数据，计算光伏电站集群出力；根据所述出力数据，计算光伏电站出力自相关系数以及集群出力自相关系数；根据出力自相关系数、集群出力自相关系数以及光伏电站的装机容量，计算所述光伏电站集群效应相关系数比；根据所述集群效应相关系数比，确定光伏电站集群效应的结果。本发明通过计算集群效应相关系数比衡量集群效应，克服了现有技术中存在的忽略光伏电站装机容量、且未对光伏电站集群整体波动性进行分析的问题，从而可以更为准确的量化分析集群效应。

Description

基于时域相关性量化分析光伏电站集群效应的方法
技术领域
本发明涉及新能源集群效应技术领域，具体是一种基于时域相关性量化分析光伏电站集群效应的方法。
背景技术
光伏发电是利用光生伏特效应产生电能的一种发电形式，光伏电站出力具有不可预测的波动性。目前，我国光伏电站正在由分散、小规模开发向高集中、大规模开发快速发展，光伏电站集群出力波动性对电网安全稳定运行、调度规划等产生重要影响。因此，研究光伏电站集群出力变化规律对于电网的有效管控有重要意义。
由于光伏电站覆盖地域较大，场内太阳能板接受的光照强度会存在空间上的差异，光伏电站输出功率波动会随着空间规模的扩大趋于缓和，这种现象称为光伏出力的集群效应。研究其时空变化特性对于波动性的影响，有助于修正多时空尺度下光伏电站的预测和评估结果，进而为系统备用容量的确定、电网运行调度提供可靠依据。
目前，已经有相关技术人员对光伏电站集群效应进行了研究，并给出了相应的评估方式。该方法基于峰值比、相对峰值比、最大偏移量比、最大幅值差比等指标对光伏电站协同效应进行了分析、量化评估，表明光伏集群可以一定程度上削弱光伏电站出力波动性。然而该方法在对集群效应进行评估时并没有对光伏出力整体的波动性进行分析，且由于装机容量的不同，各个光伏电站对集群出力的波动影响也各不相同。
发明内容
本申请的目的是为了解决现有光伏电站集群效应分析方法中存在的忽略装机容量、且未对光伏电站集群整体的波动性进行分析的问题。
为此，本申请提供了一种基于时域相关性量化分析光伏电站集群效应的方法，包括如下步骤：
(1)选取一定数量光伏电站作为光伏电站集群；
(2)统计所选光伏电站的实时出力数据，计算光伏电站集群出力；
(3)根据所述光伏电站实时出力数据，计算光伏电站出力自相关系数以及光伏电站集群出力自相关系数；
(4)根据所述光伏电站出力自相关系数、光伏电站集群出力自相关系数以及光伏电站的装机容量，计算光伏电站集群效应相关系数比；
(5)根据所述光伏电站集群效应相关系数比，确定光伏电站集群效应的结果。
进一步地，步骤(1)中选取一定数量光伏电站作为光伏电站集群，包括：
根据地理位置、气象条件因素合理选择至少两个光伏电站作为光伏电站集群
进一步地，步骤(2)中统计光伏电站的实时出力数据，包括：
(1)采集所选每个光伏电站在不同时间尺度下的实时出力数据；
(2)根据采集得到的每个光伏电站的出力数据，将其进行线性求和得到所选光伏电站集群的集群出力数据。
进一步地，步骤(3)中所述光伏电站出力自相关系数以及光伏电站集群出力自相关系数的计算公式分别为：
(1)单个光伏电站出力自相关系数的计算公式如下：
Figure BDA0002998145390000021
式中，ρn,j为第n个光伏电站的出力自相关系数；Pn为第n个光伏电站出力时间序列；Pn,t为第n个光伏电站在t时刻的出力数据，Pn,T为第n个光伏电站在T时刻的出力数据，T＝t+j，j为滞后时间；EPn,t、EPn,T分别为出力时间序列Pn,t、Pn,T的期望值；DPn,t、DPn,T分别为出力时间序列Pn,t、Pn,T的方差值；S为光伏电站出力的采样点数，N为光伏电站总数，且N≥2；
(2)光伏电站集群出力自相关系数的计算公式如下：
Figure BDA0002998145390000022
式中，ρc,j为光伏电站集群出力自相关系数，PN为光伏电站集群出力时间序列；PN,t为光伏电站集群在t时刻的总出力数据，PN,T为光伏电站集群在T时刻的总出力数据，T＝t+j，j为滞后时间；DPN,t、DPN,T分别为光伏电站集群出力时间序列PN,t、PN,T的方差值。
进一步地，步骤(4)中所述光伏电站集群效应相关系数比的计算步骤如下：
(1)考虑光伏电站装机容量，计算所选光伏电站集群的加权自相关系数：
Figure BDA0002998145390000031
式中，N为所选光伏电站集群所包含的光伏电站总数；Cn为第n个光伏电站的装机容量；CN为光伏电站集群的总装机容量；ρn,j为第n个光伏电站的出力自相关系数；ρN,j为考虑装机容量时光伏电站电场自相关系数的加权和；
(2)计算所述光伏电站集群效应相关系数比：
Figure BDA0002998145390000032
式中，η为光伏电站集群效应相关系数比；ρc,j为光伏电站集群出力自相关系数。
进一步地，步骤(5)中根据光伏电站集群效应相关系数比，确定光伏电站集群效应的结果，包括：
根据所述光伏电站集群效应相关系数比在不同时间尺度下的曲线变化图，确定所述光伏电站集群效应的结果。
本申请提供的技术方案具有以下有益效果：通过计算光伏电站出力的自相关系数，可以对不同时间尺度下光伏电站自身出力的相关性和波动性进行衡量；通过计算集群效应相关系数比衡量集群效应，克服了现有技术中忽略的装机容量这一因素；此外，本申请适用于光伏电站出力、光伏电站集群效应的评估，为电网规划提供了依据。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于时域相关性量化分析光伏电站集群效应的方法的流程示意图；
图2为本发明实施例提供的采样时间间隔为15min时云南A光伏电站出力自相关系数的曲线变化图；
图3为本发明实施例提供的采样时间间隔为1h时云南A光伏电站出力自相关系数的曲线变化图；
图4为本发明实施例提供的云南A光伏电站在强辐射期、弱辐射期的典型月份出力自相关系数的曲线变化图；
图5为本发明实施例提供的光伏电站不同集群规模下集群效应相关系数比的曲线变化图；
图6为本发明实施例提供的光伏电站不同季度集群效应相关系数比的曲线变化图；
图7为本发明实施例提供的光伏电站强辐射期与弱辐射期典型月份集群效应相关系数比的曲线变化图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明的一部分实施例，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的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。
实施例1：
参见图1所示，为本发明实施例1提供的一种基于时域相关性量化分析光伏电站集群效应的方法的流程示意图，所述方法包括如下步骤：
S101、选取一定数量光伏电站作为光伏电站集群；
S102、统计所选光伏电站的实时出力数据，计算光伏电站集群出力；
S103、根据所述光伏电站实时出力数据，计算光伏电站出力自相关系数以及光伏电站集群出力自相关系数；
S104、根据所述光伏电站出力自相关系数、光伏电站集群出力自相关系数以及光伏电站的装机容量，计算光伏电站集群效应相关系数比；
S105、根据所述光伏电站集群效应相关系数比，确定光伏电站集群效应的结果。
S101中，选取一定数量光伏电站作为光伏电站集群，包括：
根据地理位置、气象条件因素合理选择至少两个光伏电站作为光伏电站集群。
S102中，统计所选光伏电站的实时出力数据，计算光伏电站集群出力，包括：
(1)采集所选每个光伏电站在不同时间尺度下的实时出力数据；
(2)根据采集得到的每个光伏电站的出力数据，将其进行线性求和得到所选光伏电站集群的集群出力数据。
S103中，所述光伏电站出力自相关系数以及光伏电站集群出力自相关系数的计算公式分别为：
(1)单个光伏电站出力自相关系数的计算公式如下：
Figure BDA0002998145390000051
式中，ρn,j为第n个光伏电站的出力自相关系数；Pn为第n个光伏电站出力时间序列；Pn,t为第n个光伏电站在t时刻的出力数据，Pn,T为第n个光伏电站在T时刻的出力数据，T＝t+j，j为滞后时间；EPn,t、EPn,T分别为出力时间序列Pn,t、Pn,T的期望值；DPn,t、DPn,T分别为出力时间序列Pn,t、Pn,T的方差值；S为光伏电站出力的采样点数，N为光伏电站总数，且N≥2。
(2)光伏电站集群出力自相关系数的计算公式如下：
Figure BDA0002998145390000052
式中，ρc,j为光伏电站集群出力自相关系数，PN为光伏电站集群出力时间序列；PN,t为光伏电站集群在t时刻的总出力数据，PN,T为光伏电站集群在T时刻的总出力数据，T＝t+j，j为滞后时间；DPN,t、DPN,T分别为光伏电站集群出力时间序列PN,t、PN,T的方差值。
步骤S103中，根据所述光伏电站实时出力数据，计算光伏电站出力自相关系数，包括：
计算光伏电站出力自相关系数，分析不同时间尺度下光伏电站出力自相关系数的差异。
具体地，当采样间隔时间为15min时，根据采集到的云南A光伏电站在不同滞后时间下的实时出力数据，计算得出云南A光伏电站的出力自相关系数并绘制如图2所示的A光伏电站出力自相关系数的曲线变化图。
当采样间隔时间为1h时，根据采集到的云南A光伏电站在不同滞后时间下的实时出力数据，计算得出云南A光伏电站的出力自相关系数并绘制如图3所示的A光伏电站出力自相关系数的曲线变化图。
由图2或图3可以看出：当滞后时间小于7h时，A光伏电站的出力自相关系数均大于0.7，表明光伏电站出力自相关性强。此外，由图2和图3均可以得出A光伏电站的自相关系数随着滞后时间的增大而减小。由图3可以看出，当滞后时间为24h的整数倍时，曲线呈现凸起状，表明A光伏电站日出力呈现一定的相关性。
此外，还可以在相同的时间尺度下，采集云南A光伏电站在弱辐射期、强辐射期的典型月份(1月、7月)的实时出力数据，计算得出云南A光伏电站的出力自相关系数并绘制如图4光伏出力自相关系数的曲线变化图。
由图4可以看出：云南A光伏电站在强辐射期的出力自相关系数较弱辐射期的出力自相关系数大，即A光伏电站在强辐射期的光伏电站出力自相关性较强。
步骤S104中，所述光伏电站集群效应相关系数比的计算步骤如下：
(1)考虑光伏电站装机容量，计算所选光伏电站集群的加权自相关系数：
Figure BDA0002998145390000061
式中，N为所选光伏电站集群所包含的光伏电站总数；Cn为第n个光伏电站的装机容量；CN为光伏电站集群的总装机容量；ρn,j为第n个光伏电站的出力自相关系数；ρN,j为考虑装机容量时光伏电站电场自相关系数的加权和。
(2)计算所述光伏电站集群效应相关系数比：
Figure BDA0002998145390000071
式中，η为光伏电站集群效应相关系数比；ρc,j为光伏电站集群出力自相关系数。
步骤S105中，根据所述集群效应相关系数比，确定光伏电站集群效应的结果，包括：
根据所述集群效应相关系数比在不同时间尺度下的曲线变化图，确定所述光伏电站集群效应的结果。
具体包括：
根据计算得到的不同集群规模下(两个光伏电站、四个光伏电站)集群效应相关系数比绘制如图5所示的两个光伏电站、四个光伏电站集群效应相关系数比的变化曲线图。
由图5可以看出：随着集群规模的扩大，集群效应相关系数比随之增加。也就是说，当集群规模扩大时，光伏电站集群出力的波动性减弱，集群出力的相关性增强，出力自相关系数较大，集群效应更明显。
根据计算得到的光伏电站在不同季度(春、夏、秋、冬)的集群效应相关系数比绘制如图6所示的光伏电站不同季度集群效应相关系数比的曲线变化图。
由图6可以看出：夏、秋两季集群效应相关系数比较大，春、冬两季集群效应相关系数比较小，表明所述光伏电站在夏季和秋季光伏电站出力集群效果更明显。
根据计算得到的光伏电站(四个光伏电站)在弱辐射期与强辐射期典型月份(1月、7月)的集群效应相关系数比绘制如图7所示的集群效应相关系数比的曲线变化图。
由图7可以看出：月平均功率较高的月份，集群效应相关系数比较大，集群效应较明显；月平均出力较低的月份，集群效应相关系数比较小。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何属于本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (7)

1.一种基于时域相关性量化分析光伏电站集群效应的方法，其特征在于：包括如下步骤：
(1)选取一定数量光伏电站作为光伏电站集群；
(2)统计所选光伏电站的实时出力数据，计算光伏电站集群出力；
(3)根据所述光伏电站实时出力数据，计算光伏电站出力自相关系数以及光伏电站集群出力自相关系数；
(4)根据所述光伏电站出力自相关系数、光伏电站集群出力自相关系数以及光伏电站的装机容量，计算光伏电站集群效应相关系数比；
(5)根据所述光伏电站集群效应相关系数比，确定光伏电站集群效应的结果。
2.如权利要求1所述的基于时域相关性量化分析光伏电站集群效应的方法，其特征在于：步骤(1)中选取一定数量光伏电站作为光伏电站集群，包括：
根据地理位置、气象条件因素合理选择至少两个光伏电站作为光伏电站集群。
3.如权利要求1所述的基于时域相关性量化分析光伏电站集群效应的方法，其特征在于：步骤(2)中统计所选光伏电站的实时出力数据，计算光伏电站集群出力，包括：
(1)采集所选每个光伏电站在不同时间尺度下的实时出力数据；
(2)根据采集得到的每个光伏电站的出力数据，将其进行线性求和得到所选光伏电站集群的集群出力数据。
4.如权利要求1所述的基于时域相关性量化分析光伏电站集群效应的方法，其特征在于：
步骤(3)中所述光伏电站出力自相关系数以及光伏电站集群出力自相关系数的计算公式分别为：
(1)单个光伏电站出力自相关系数的计算公式如下：
Figure FDA0002998145380000011
式中，ρn,j为第n个光伏电站的出力自相关系数；Pn为第n个光伏电站出力时间序列；Pn,t为第n个光伏电站在t时刻的出力数据，Pn,T为第n个光伏电站在T时刻的出力数据，T＝t+j，j为滞后时间；EPn,t、EPn,T分别为出力时间序列Pn,t、Pn,T的期望值；DPn,t、DPn,T分别为出力时间序列Pn,t、Pn,T的方差值；S为光伏电站出力的采样点数，N为光伏电站总数，且N≥2；
(2)光伏电站集群出力自相关系数的计算公式如下：
Figure FDA0002998145380000021
式中，ρc,j为光伏电站集群出力自相关系数，PN为光伏电站集群出力时间序列；PN,t为光伏电站集群在t时刻的总出力数据，PN,T为光伏电站集群在T时刻的总出力数据，T＝t+j，j为滞后时间；DPN,t、DPN,T分别为光伏电站集群出力时间序列PN,t、PN,T的方差值。
5.如权利要求1所述的基于时域相关性量化分析光伏电站集群效应的方法，其特征在于：步骤(4)中所述光伏电站集群效应相关系数比的计算步骤如下：
(1)考虑光伏电站装机容量，计算所选光伏电站集群的加权自相关系数：
Figure FDA0002998145380000022
式中，N为所选光伏电站集群所包含的光伏电站总数；Cn为第n个光伏电站的装机容量；CN为光伏电站集群的总装机容量；ρn,j为第n个光伏电站的出力自相关系数；ρN,j为考虑装机容量时光伏电站电场自相关系数的加权和；
(2)计算所述光伏电站集群效应相关系数比：
Figure FDA0002998145380000023
式中，η为光伏电站集群效应相关系数比；ρc,j为光伏电站集群出力自相关系数。
6.如权利要求1所述的基于时域相关性量化分析光伏电站集群效应的方法，其特征在于：步骤(5)中根据所述光伏电站集群效应相关系数比，确定光伏电站集群效应的结果，包括：
根据所述光伏电站集群效应相关系数比在不同时间尺度下的曲线变化图，确定所述光伏电站集群效应的结果。
7.如权利要求3所述的基于时域相关性量化分析光伏电站集群效应的方法，其特征在于：所述所选每个光伏电站在不同时间尺度下的实时出力数据为所述光伏电站发出的功率数据。
CN202110337592.6A 2021-03-30 2021-03-30 基于时域相关性量化分析光伏电站集群效应的方法 Pending CN113159523A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110337592.6A CN113159523A (zh) 2021-03-30 2021-03-30 基于时域相关性量化分析光伏电站集群效应的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110337592.6A CN113159523A (zh) 2021-03-30 2021-03-30 基于时域相关性量化分析光伏电站集群效应的方法

Publications (1)

Publication Number Publication Date
CN113159523A true CN113159523A (zh) 2021-07-23

Family

ID=76885201

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110337592.6A Pending CN113159523A (zh) 2021-03-30 2021-03-30 基于时域相关性量化分析光伏电站集群效应的方法

Country Status (1)

Country Link
CN (1) CN113159523A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110282601A1 (en) * 2011-07-25 2011-11-17 Hoff Thomas E Computer-Implemented System And Method For Estimating Power Data For A Photovoltaic Power Generation Fleet
CN106875292A (zh) * 2017-02-17 2017-06-20 云南电网有限责任公司 一种基于时域相关性量化分析间歇性能源集群效应的方法
CN108321840A (zh) * 2018-02-12 2018-07-24 重庆大学 基于光伏发电站精细化出力的并网退网选择方法
CN109978242A (zh) * 2019-03-12 2019-07-05 国网冀北电力有限公司 基于统计升尺度的光伏发电集群功率预测方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110282601A1 (en) * 2011-07-25 2011-11-17 Hoff Thomas E Computer-Implemented System And Method For Estimating Power Data For A Photovoltaic Power Generation Fleet
CN106875292A (zh) * 2017-02-17 2017-06-20 云南电网有限责任公司 一种基于时域相关性量化分析间歇性能源集群效应的方法
CN108321840A (zh) * 2018-02-12 2018-07-24 重庆大学 基于光伏发电站精细化出力的并网退网选择方法
CN109978242A (zh) * 2019-03-12 2019-07-05 国网冀北电力有限公司 基于统计升尺度的光伏发电集群功率预测方法及装置

Similar Documents

Publication Publication Date Title
Lave et al. Characterizing local high-frequency solar variability and its impact to distribution studies
Han et al. Quantitative evaluation method for the complementarity of wind–solar–hydro power and optimization of wind–solar ratio
de Azevedo Dias et al. Performance estimation of photovoltaic technologies in Brazil
Li et al. Estimating daily global solar radiation by day of year in China
Tabone et al. Modeling variability and uncertainty of photovoltaic generation: A hidden state spatial statistical approach
Hoff et al. Modeling PV fleet output variability
Woyte et al. Voltage fluctuations on distribution level introduced by photovoltaic systems
Woyte et al. Fluctuations in instantaneous clearness index: Analysis and statistics
Jowder Wind power analysis and site matching of wind turbine generators in Kingdom of Bahrain
Nobre et al. PV power conversion and short-term forecasting in a tropical, densely-built environment in Singapore
Kan et al. The linkage between renewable energy potential and sustainable development: Understanding solar energy variability and photovoltaic power potential in Tibet, China
Stewart et al. A realistic irradiance-based voltage flicker analysis of PV applied to Hawaii distribution feeders
CN113496311A (zh) 光伏电站发电功率预测方法及系统
CN113592134B (zh) 一种基于能源数据的电力碳排放评估系统及方法
Tarroja et al. Solar power variability and spatial diversification: implications from an electric grid load balancing perspective
Frank et al. Balancing potential of natural variability and extremes in photovoltaic and wind energy production for European countries
Georgitsioti et al. A combined model for PV system lifetime energy prediction and annual energy assessment
CN105337574A (zh) 基于稳健回归的分布式光伏发电窃电识别方法
CN104463358A (zh) 一种耦合偏互信息和cfs集合预报的小水电发电能力预测方法
Adye et al. Contrasting distributed and centralized photovoltaic system performance using regionally distributed pyranometers
CN110097220A (zh) 一种风力发电月度电量预测方法
CN104866978A (zh) 一种基于时域量化分析间歇性能源协同效应的方法
CN107977898B (zh) 一种光伏电站的发电量保险定价评估方法
Mohan et al. Solar energy disaggregation using whole-house consumption signals
Tabatabaei et al. Analysis of performance degradation of domestic monocrystalline photovoltaic systems for a real-world case

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