CN113849974B - 一种基于风光出力互补的新能源基地风电场选址方法 - Google Patents
一种基于风光出力互补的新能源基地风电场选址方法 Download PDFInfo
- Publication number
- CN113849974B CN113849974B CN202111116068.2A CN202111116068A CN113849974B CN 113849974 B CN113849974 B CN 113849974B CN 202111116068 A CN202111116068 A CN 202111116068A CN 113849974 B CN113849974 B CN 113849974B
- Authority
- CN
- China
- Prior art keywords
- wind
- wind power
- new energy
- power plant
- energy base
- 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
- 238000010187 selection method Methods 0.000 title claims abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 8
- 238000004088 simulation Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 8
- 238000013439 planning Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 239000012530 fluid Substances 0.000 claims description 4
- 230000000295 complement effect Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000010248 power generation Methods 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims 1
- 238000010606 normalization Methods 0.000 claims 1
- 230000003287 optical effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000012384 transportation and delivery Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005375 photometry Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开一种基于风光出力互补的新能源基地风电场选址方法，通过提前预测待建设新能源基地中风电机组在典型日下逐时的理想风电出力系数αsn，以及每个模拟风电机组的实际风电出力系数αrn，得到每个模拟风电机组在对应典型日下的出力曲线符合率η，进而得到每个模拟风电机组的全年平均出力曲线符合率，并用全年平均出力曲线符合率去指导风电场微观选址；本发明的方法具有实现风光曲线互补，满足调度要求、充分消纳可再生能源、步骤简便易懂的特点，具有极高的实用价值。
Description
技术领域
本发明属于风电机场机组点位微观选址技术领域，具体属于一种基于风光出力互补的新能源基地风电场选址方法。
背景技术
随着我国风电开发的逐步深入，大基地项目以其集约化程度高、单位容量建设速度快、运维难度小、便于统一管理、度电成本低等特点，在新能源平价上网时代成为了必然的选择。为提高送出容量和可调节能力，将风电与光伏相结合的风光新能源基地也越来越受到关注。
但目前为止，对于风光互补的新能源基地而言，风电和光伏的选址工作是分离的，互不相关。虽然某种程度上，风电和光伏的选址工作都做到了各自的最优，但往往达不到系统最优。也就是说，没有充分考虑风电和光伏的出力曲线之间的互补性，导致无法满足调度或外送负荷曲线要求，导致弃风和弃光比例增加。
发明内容
为了解决现有技术中存在的问题，本发明提供一种基于风光出力互补的新能源基地风电场选址方法，具有实现风光曲线互补，满足调度要求、充分消纳可再生能源、步骤简便易懂的特点，具有极高的实用价值。
为实现上述目的，本发明提供如下技术方案：一种基于风光出力互补的新能源基地风电场选址方法，具体步骤如下：
S1获取待建设新能源基地中风电机组在典型日下逐时的理想风电出力数值，对理想风电出力数值进行处理得到同一典型日中逐时的理想风电出力系数αsn；
S2获取预处理后的待建设新能源基地中的测风数据和地形等高线图，进行基于流体模拟的风资源计算，得到风电场风资源图谱；
S3利用地形等高线图及风电场风资源图谱在待建设新能源基地中划分特征小域，每个特征小域中设置一个代表机组点位，在代表机组点位上布置模拟风电机组；
S4获取每个模拟风电机组在典型日下逐时的实际风电出力数值，对典型日下逐时的实际风电出力数值进行处理得到每个模拟风电机组的实际风电出力系数αrn；
S5利用步骤S1得到的理想风电出力系数αsn与步骤S4得到的实际风电出力系数αrn计算每个模拟风电机组在对应典型日下的出力曲线符合率η，得到每个模拟风电机组的全年平均出力曲线符合率；
S6根据全年平均出力曲线符合率对模拟风电机组对应的特征小域进行排序，选择满足待建设新能源基地规划容量的特征小域，利用地形等高线图和风电场风资源谱图对所选特征小域中机组点位进行微观选址，计算微观选址后所有模拟风电机组全年的平均出力曲线符合率，若小于75％，则返回步骤S3对特征小域进行重新划分。
进一步的，所述典型日包括四个，每个典型日为每个季节中全部时间的一个平均规律。
进一步的，步骤S1中，通过时序生产模拟，获取待建设新能源基地中电网在典型日中逐时的净负荷值以及待建设新能源基地中光伏设备在典型日中逐时的光伏出力值，电网净负荷值减去光伏出力值得到对应典型日下中逐时的理想风电出力数值，对理想风电出力数值进行归一化处理得到同一典型日中逐时的理想风电出力系数αsn。
进一步的，步骤S1中，所述待建设新能源基地中光伏设备与待建设新能源基地的光资源信息匹配。
进一步的，步骤S3中，特征小域划分时，将风电场风资源图谱中不同季节风向和风速变化一致的区域划分为同一特征小域；将地形等高线图中地形相似、海拔相近、相互毗连的区域划分为同一特征小域。
进一步的，步骤S3中，特征小域中设置的一个代表机组点位代表5～10个备选风机点位。
进一步的，步骤S3中，所述代表机组点位具有地形代表性和海拔代表性，地形代表性指代表机组点位的地形特征与风电场内其余机组点位保持相似或相近，同时不能够有遮挡或地形突变；海拔代表性指代表机组点位的海拔高度应在风电场机组点位海拔高度的平均值附近。
进一步的，步骤S5中，每个模拟风电机组在对应典型日下的出力曲线符合率η的计算公式为：
其中，η为出力曲线符合率，αrn是本代表机组第n时的实际风电出力系数，αsn是第n时的理想风电出力系数。
进一步的，步骤S6中，按照全年平均出力曲线符合率由低到高选取风电场，取够满足待建设新能源基地的规划容量为止。
进一步的，步骤S6中，进行微观选址前对所选风电场进行基于可达性、经济性的人工复核。
与现有技术相比，本发明至少具有以下有益效果：
本发明提到的基于风光出力互补的新能源基地风电场选址方法，通过提前预测待建设新能源基地中风电机组在典型日下逐时的理想风电出力系数αsn，以及每个模拟风电机组的实际风电出力系数αrn，得到每个模拟风电机组在对应典型日下的出力曲线符合率η，进而得到每个模拟风电机组的全年平均出力曲线符合率，并用全年平均出力曲线符合率去指导风电场微观选址，本发明将大规模新能源基地的两种主要能源形式的选址结合起来考虑，从全局的角度考虑了项目的送出能力和经济性，避免了高比例的弃风和弃光情况，对未来大规模新能源基地的规划设计研究而言，具有极高的实用价值。
附图说明
图1为本发明的整体流程图；
图2为四个典型日的电网净负荷曲线；
图3为四个典型日的光伏出力曲线；
图4为理想风电出力曲线；
图5为理想风电出力系数图；
图6为某个特征小域中代表机组在每个典型日下的实际出力曲线。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步的说明，所述是对本发明的解释而不是限定。
如图1所示，本发明提供一种基于风光出力互补的新能源基地风电场选址方法，具体步骤如下：
第一步，确定建设新能源基地风电项目规划容量Q，根据待建设新能源基地所在接入电网或外送线路的基本情况，预测电网对待建设新能源基地的送出负荷的基本要求，通过时序生产模拟，获取电网在典型日中逐时的净负荷值，绘制电网的净负荷曲线。通常而言，由于不同季节，电网负荷要求有较大变化，故在本例中按照春夏秋冬四个季节，选取每个季节中全部时间的一个平均规律为典型日进行研究分析，四个典型日的电网净负荷曲线如图2所示。可以发现，电网的负荷要求在每个季节都有很大的差异，而且在同一季节的典型日内，随时间的变化，负荷也有较大的变动。
第二步，获取待建设新能源基地所在地区的光资源信息，使用该光资源信息，匹配与实际项目相近或相同的设备和结构，根据前期勘测选址的初步结果，进行设备布置，结合光伏组件面积、光伏组件转化效率和全场系统总效率，模拟计算光伏项目发电能力。通过模拟分析，得到四个典型日下光伏设备逐时的出力数据，绘制四个典型日的光伏设备的光伏出力曲线如图3所示。光资源信息可以是测光塔直接测量得到，也可以是通过中尺度等宏观数据源得到。在本例中，使用的是测光塔数据。
第三步，第一步得到的典型日的电网净负荷曲线减去第二步中得到的对应典型日的光伏出力曲线，得到理想风光互补条件下、典型日中逐时的理想风电出力数值，绘制理想风电出力曲线，如图4所示。
第四步，将第三步中所得的理想风电出力曲线进行归一化处理，即在每个典型日中，将一天内每个小时的理想风电出力数值除以风电项目规划容量，得到归一化的逐时的理想风电出力系数αsn，即其中，αsn是第n时的理想风电出力系数，Pn是第n时的理想风电出力数值，Q是风电项目规划容量。
将同一典型日中逐时的理想风电出力系数用曲线连接，得到理想风电出力系数图，本方案中，风电理想出力系数图如图5所示。
第五步，进行风资源模拟准备工作，利用处理后的测风数据和地形等高线图，进行基于流体模拟的风资源计算，通过风资源计算得到风电场风资源图谱，包含场内每个点时序的风速和风向；
未处理的测风数据包括利用前期测风塔得到的测风数据、通过全球气象模式驱动得到的中尺度风资源数据；处理时将测风数据按照国家标准《风电场风能资源评估方法(GB/T 18710-2002)》进行合理的数据清洗、插补和订正工作，目的在于剔除测风数据中不合理、测量失准的部分，提高测风数据的可信度。随后，利用中尺度风资源数据对测风数据进行多年平均修订，目的在于使测风数据对长年代有更好的代表性。
未处理的地形等高线图包括利用测绘得到的高精度风电场地形等高线图和更大范围内的较低精度的地形等高线图，处理时利用更大范围内的较低精度的地形等高线图对高精度风电场地形等高线图进行插补，目的在于扩展等高线数据覆盖范围，提高后续风资源计算精度。
值得注意的是，风资源计算软件必须具有能够输出特定点位处时序风速的能力。
第六步，从第五步中的地形等高线图中得到待建设新能源基地内的地形特征和海拔特征，利用地形特征、海拔特征以及第五步中风资源计算得到的风电场风资源图谱，划分特征小域，每个特征小域中设置一个代表机组点位，用于代表本区域中备选机位点的平均出力水平；
优选的，按照风资源图谱中不同季节的风向和风速特征，将不同季节风向和风速变化一致的区域划分为同一特征小域；将地形相似、海拔相近、相互毗连的区域划分为同一特征小域；
优选的，每个代表机组点位相当于5～10个备选风机点位。
本例中，新能源基地项目容量350MW，采用5MW机组，故共需要70个风机点位。本例中将新能源基地平均划分为了10片特征小域，每片特征小域包含10个备选风机点位，故拟在其中选择7片特征小域进行风电机组布置。
第七步，选择每片特征小域的代表机组点位，该代表机组点位在本区域内具有代表性，主要利用第六步中得到的地形特征和海拔特征进行分析。地形代表性指代表机组点位的地形特征应与本区域内其余机组点位保持相似或相近，同时不能够有遮挡或地形突变，以免影响到后续发电能力模拟的准确性；海拔代表性指代表机组点位的海拔高度应在该片区域机组点位海拔高度的平均值附近。在每片特征小域内的代表性机组点位处放置一台与实际建设机组相同或相似的模拟风电机组，塔筒高度与实际相同。
第八步，利用第五步得到的风电场风资源图谱，获取每个代表机组点位处的时序的风速和风向，利用时序的风速和风向，结合模拟风电机组自身的功率和推力曲线，计算每片特征小域内的模拟风电机组的发电量，最后以时序的方式进行输出。在时序出力的基础上，将模拟风电机组的出力按照春夏秋冬四个季节进行划分，得到每个模拟风电机组在每个典型日下的实际出力曲线，如图6所示。
第九步，计算每个模拟风电机组在每个典型日下的归一化的逐时的实际风电出力系数αr，即对每个季度，按照将每个小时的实际出力值除以本特征小域内规划的容量，即其中，αrn是模拟风电机组第n时的实际风电出力系数，Rn是模拟风电机组第n时的实际风电出力数值，S是本特征小域内规划的容量。
第十步，计算每个模拟风电机组在每个典型日下，各自的出力曲线符合率η，出力曲线的符合率η按照如下公式计算：
其中，η为出力曲线符合率，αrn是代表机组第n时的实际风电出力系数，αsn是第n时的理想风电出力系数，本步的目的在于计算代表机组在每个典型日下，对理论出力能力的响应程度。
第十一步，将每个代表机组在每个典型日下得到的出力曲线符合率进行平均，得到代表机组所在风电场全年平均出力曲线符合率，本步的目的在于计算代表机组在全年中，对理论出力能力的响应程度。
第十二步，将每片特征小域的全年平均出力曲线符合率按照由高到低进行排序。在本方案中，排序如下表所示：
第十三步，选择满足待建设能源基地规划容量的区域数量，按照全年平均出力曲线符合率，由低到高选取特征小域，取够满足基地规划容量为止。本例中，选择3、9、8、1、10、6、2这7个特征小域。
第十四步，人工核查选择区域相互毗邻关系，避免单个特征小域与大部分特征小域距离较远，避免线路过长，增加施工难度和造价。如果出现这种情况，则考虑落选区域内，符合率最高的区域，以此类推。
第十五步，人工复核项目经济性，筛除经济性较差的地块，比如地质条件差，机械设备不利展开等因素。如果出现这种情况，则考虑落选特征小域内，符合率最高的特征小域，以此类推。
第十六步，利用第五步所得的地形等高线图和风资源谱图，对所有已选择的特征小域内的机组点位进行精细化的微观选址，对特征小域内的机组点位进行微调优化。值得注意的是，需要对整个项目构成的待建设新能源基地进行统一的流体模拟分析，考察每台机组对特征小域内其他机组的影响和特征小域间相互的影响。
第十七步，计算微观选址后所有机组在四个季节的平均出力曲线符合率，若较低，则返回第五步重新划分特征小域。根据多个项目的计算经验，所选特征小域的最低的全年平均出力曲线符合率不应小于75％。本案例中，出力曲线符合率为78.2％，满足要求，无需进一步选址。
需要说明的是，以上所述仅为本发明实施方式的一部分，根据本发明所描述的系统所做的等效变化，均包括在本发明的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实例做类似的方式替代，只要不偏离本发明的结构或者超越本权利要求书所定义的范围，均属于本发明的保护范围。
Claims (9)
1.一种基于风光出力互补的新能源基地风电场选址方法，其特征在于，具体步骤如下：
S1获取待建设新能源基地中风电机组在典型日下逐时的理想风电出力数值，对理想风电出力数值进行处理得到同一典型日中逐时的理想风电出力系数；
S2获取预处理后的待建设新能源基地中的测风数据和地形等高线图，进行基于流体模拟的风资源计算，得到风电场风资源图谱；
S3利用地形等高线图及风电场风资源图谱在待建设新能源基地中划分特征小域，每个特征小域中设置一个代表机组点位，在代表机组点位上布置模拟风电机组；
S4获取每个模拟风电机组在典型日下逐时的实际风电出力数值，对典型日下逐时的实际风电出力数值进行处理得到每个模拟风电机组的实际风电出力系数；
S5利用步骤S1得到的理想风电出力系数与步骤S4得到的实际风电出力系数/>计算每个模拟风电机组在对应典型日下的出力曲线符合率/>，得到每个模拟风电机组的全年平均出力曲线符合率；
S6根据全年平均出力曲线符合率对模拟风电机组对应的特征小域进行排序，选择满足待建设新能源基地规划容量的特征小域，利用地形等高线图和风电场风资源谱图对所选特征小域中机组点位进行微观选址，计算微观选址后所有模拟风电机组全年的平均出力曲线符合率，若小于75%，则返回步骤S3对特征小域进行重新划分；
步骤S5中，每个模拟风电机组在对应典型日下的出力曲线符合率的计算公式为：
其中，为出力曲线符合率，/>是本代表机组第n时的实际风电出力系数，/>是第n时的理想风电出力系数。
2.根据权利要求1所述的一种基于风光出力互补的新能源基地风电场选址方法，其特征在于，所述典型日包括四个，每个典型日为每个季节中全部时间的一个平均规律。
3.根据权利要求1所述的一种基于风光出力互补的新能源基地风电场选址方法，其特征在于，步骤S1中，通过时序生产模拟，获取待建设新能源基地中电网在典型日中逐时的净负荷值以及待建设新能源基地中光伏设备在典型日中逐时的光伏出力值，电网净负荷值减去光伏出力值得到对应典型日中逐时的理想风电出力数值，对理想风电出力数值进行归一化处理得到同一典型日中逐时的理想风电出力系数。
4.根据权利要求1所述的一种基于风光出力互补的新能源基地风电场选址方法，其特征在于，步骤S1中，所述待建设新能源基地中光伏设备与待建设新能源基地的光资源信息匹配。
5.根据权利要求1所述的一种基于风光出力互补的新能源基地风电场选址方法，其特征在于，步骤S3中，特征小域划分时，将风电场风资源图谱中不同季节风向和风速变化一致的区域划分为同一特征小域；将地形等高线图中地形相似、海拔相近、相互毗连的区域划分为同一特征小域。
6.根据权利要求1所述的一种基于风光出力互补的新能源基地风电场选址方法，其特征在于，步骤S3中，特征小域中设置的一个代表机组点位代表5~10个备选风机点位。
7.根据权利要求1所述的一种基于风光出力互补的新能源基地风电场选址方法，其特征在于，步骤S3中，所述代表机组点位具有地形代表性和海拔代表性，地形代表性指代表机组点位的地形特征与风电场内其余机组点位保持相似或相近，同时不能够有遮挡或地形突变；海拔代表性指代表机组点位的海拔高度应在风电场机组点位海拔高度的平均值附近。
8.根据权利要求1所述的一种基于风光出力互补的新能源基地风电场选址方法，其特征在于，步骤S6中，按照全年平均出力曲线符合率由低到高选取风电场，取够满足待建设新能源基地的规划容量为止。
9.根据权利要求1所述的一种基于风光出力互补的新能源基地风电场选址方法，其特征在于，步骤S6中，进行微观选址前对所选风电场进行基于可达性、经济性的人工复核。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111116068.2A CN113849974B (zh) | 2021-09-23 | 2021-09-23 | 一种基于风光出力互补的新能源基地风电场选址方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111116068.2A CN113849974B (zh) | 2021-09-23 | 2021-09-23 | 一种基于风光出力互补的新能源基地风电场选址方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113849974A CN113849974A (zh) | 2021-12-28 |
| CN113849974B true CN113849974B (zh) | 2024-04-26 |
Family
ID=78978933
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111116068.2A Active CN113849974B (zh) | 2021-09-23 | 2021-09-23 | 一种基于风光出力互补的新能源基地风电场选址方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113849974B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117252745B (zh) * | 2023-11-20 | 2024-03-12 | 河北省交通规划设计研究院有限公司 | 一种公共服务设施选址方法、装置及计算机设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107944632A (zh) * | 2017-12-06 | 2018-04-20 | 北京天润新能投资有限公司 | 一种基于开发地图的风电场选址系统及选址方法 |
| CN110929459A (zh) * | 2019-11-28 | 2020-03-27 | 中国大唐集团科学技术研究院有限公司西北电力试验研究院 | 一种复杂地形风电场测风塔选址方法 |
| CN112149058A (zh) * | 2020-08-18 | 2020-12-29 | 中国大唐集团科学技术研究院有限公司火力发电技术研究院 | 一种基于用电负荷的风光配比计算方法 |
| WO2021098352A1 (zh) * | 2019-11-22 | 2021-05-27 | 国网福建省电力有限公司 | 一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法 |
-
2021
- 2021-09-23 CN CN202111116068.2A patent/CN113849974B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107944632A (zh) * | 2017-12-06 | 2018-04-20 | 北京天润新能投资有限公司 | 一种基于开发地图的风电场选址系统及选址方法 |
| WO2021098352A1 (zh) * | 2019-11-22 | 2021-05-27 | 国网福建省电力有限公司 | 一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法 |
| CN110929459A (zh) * | 2019-11-28 | 2020-03-27 | 中国大唐集团科学技术研究院有限公司西北电力试验研究院 | 一种复杂地形风电场测风塔选址方法 |
| CN112149058A (zh) * | 2020-08-18 | 2020-12-29 | 中国大唐集团科学技术研究院有限公司火力发电技术研究院 | 一种基于用电负荷的风光配比计算方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于WAsP的风电场微观选址的模拟研究;徐璋;符叶晔;霍玉雷;王茜;;浙江工业大学学报;20160825(第04期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113849974A (zh) | 2021-12-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Schwingshackl et al. | Wind effect on PV module temperature: Analysis of different techniques for an accurate estimation | |
| CN109726867B (zh) | 一种基于多模式集合的高分辨率电力气象预报方法 | |
| CN104182564A (zh) | 光伏发电站设计专家系统 | |
| CN110264002B (zh) | 基于聚类分析的风电场微观选址方案评价方法 | |
| CN112200377A (zh) | 基于sarimax模型的光伏中长期发电量预报方法及装置 | |
| CN114881399B (zh) | 一种基于gf7遥感影像的光伏发电潜力与经济性评估方法 | |
| CN113437938B (zh) | 考虑因地域差异的现场特征的光伏阵列输出功率计算方法 | |
| CN113256033B (zh) | 基于模态互补的发电站选址定容方法、装置、系统及介质 | |
| Ahmed et al. | Design and performance analysis of 250 kw grid-connected photovoltaic system in iraqi environment using pvsyst software | |
| Lurwan et al. | Predicting power output of photovoltaic systems with solar radiation model | |
| CN113849974B (zh) | 一种基于风光出力互补的新能源基地风电场选址方法 | |
| Saranchimeg et al. | A novel framework for integration analysis of large-scale photovoltaic plants into weak grids | |
| CN111666725A (zh) | 一种适应非复杂地形风电场的测风塔规划选址方法及系统 | |
| Fernandes et al. | Offshore validation of ERA5 reanalysis with hub height wind observations of Brazil | |
| Dirlik et al. | Comparison of pvsyst, pvsol and homer simulation software results with real production data of solar power plants in different provinces of Turkey | |
| Ray et al. | Performance assessment of prospective pv systems in queensland and new south wales of australia | |
| Graabak et al. | Developing a wind and solar power data model for Europe with high spatial-temporal resolution | |
| Monteiro et al. | Evaluation of the performance of a photovoltaic power plant installed in a building in the north of Portugal | |
| CN106875038B (zh) | 基于集合局地多点不同气候特征的风功率预测方法及装置 | |
| Araki | Two interactive and practical methods for optimization of tracker allocation in a given land | |
| Rodriguez et al. | Solar panel power simulation for shade detection | |
| Safdarian et al. | Calculation and Validation of Weather-Informed Renewable Generation in the US based on ERA5 Hourly Weather Measurements | |
| CN113468843A (zh) | 一种主动配电网等值模型的构建方法 | |
| Alba et al. | Statistical validation and power modelling of hourly profiles for a large-scale photovoltaic plant portfolio | |
| KR20180023078A (ko) | 기상정보를 이용한 태양광 발전량 예측방법 |
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 |