CN113962598A - 新能源日运行调峰需求测算方法及装置 - Google Patents

新能源日运行调峰需求测算方法及装置 Download PDF

Info

Publication number
CN113962598A
CN113962598A CN202111332066.7A CN202111332066A CN113962598A CN 113962598 A CN113962598 A CN 113962598A CN 202111332066 A CN202111332066 A CN 202111332066A CN 113962598 A CN113962598 A CN 113962598A
Authority
CN
China
Prior art keywords
new energy
limit value
moment
peak regulation
output
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
Application number
CN202111332066.7A
Other languages
English (en)
Other versions
CN113962598B (zh
Inventor
张天宇
宋佳
雷铮
丁承第
李媛媛
闫大威
王魁
李慧
宣文博
刘忠义
罗涛
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.)
State Grid Corp of China SGCC
State Grid Tianjin Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Tianjin 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 State Grid Corp of China SGCC, State Grid Tianjin Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202111332066.7A priority Critical patent/CN113962598B/zh
Publication of CN113962598A publication Critical patent/CN113962598A/zh
Application granted granted Critical
Publication of CN113962598B publication Critical patent/CN113962598B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提出新能源日运行调峰需求测算方法，包括如下步骤：基于新能源发电机组电网的历史数据，建立新能源的集群出力特性曲线；基于新能源的集群出力特性曲线，获取各时刻在概率p范围内的新能源典型出力的上限值及下限值；根据获取的各时刻在概率p范围内的新能源典型出力的上限值及下限值，获得新能源运行期间内的最大调峰需求及最小调峰需求。本发明能针对新能源随机出力调峰需求，旨在准确预估新能源在日时间尺度上的调峰需求区间，为火电机组的出力调节提供数据参考，降低因调峰裕度不足造成的新能源弃电的风险。

Description

新能源日运行调峰需求测算方法及装置
技术领域
本发明涉及城市电网调度运行技术领域，特别是涉及新能源日运行调峰需求测算方法及装置。
背景技术
在“双碳目标”的引领下，未来城市电网必将接入大规模新能源发电机组，主要包括风机、光伏，这些新能源发电机组的出力特性极其随机，在小时级时间尺度上，其发电出力的波动范围可能从零出力瞬间到达其装机容量的100％。如此巨大的出力波动给电网负荷—发电的双向平衡带来了极大的挑战，尤其是调峰平衡。当新能源小发时，传统火电机组需增大出力以满足城市电网负荷需求，但新能源突然大发时，传统火电机组无法瞬间压减出力，这就导致了发电>负荷的情况，即下调峰裕度不足，大规模新能源出力将被废弃，这也与双碳目标的实现相悖。
因此，有必要研究一种能针对新能源随机出力调峰需求，旨在准确预估新能源在日时间尺度上的调峰需求区间，为火电机组的出力调节提供数据参考，降低因调峰裕度不足造成的新能源弃电风险的新能源日运行调峰需求测算方法及装置。
发明内容
本发明的目的在于设计一种能针对新能源随机出力调峰需求，旨在准确预估新能源在日时间尺度上的调峰需求区间，为火电机组的出力调节提供数据参考，降低因调峰裕度不足造成的新能源弃电风险的新能源日运行调峰需求测算方法及装置。
本发明提供的新能源日运行调峰需求测算方法，包括如下步骤：
基于新能源发电机组电网的历史数据，建立新能源的集群出力特性曲线；
基于新能源的集群出力特性曲线，获取各时刻在概率p范围内的新能源典型出力的上限值及下限值；
根据获取的各时刻在概率p范围内的新能源典型出力的上限值及下限值，获得新能源运行期间内的最大调峰需求及最小调峰需求。
进一步的，基于新能源发电机组电网的历史数据，建立新能源的集群出力特性曲线的方法为：
获取新能源装机容量G及新能源n个历史年的新能源出力值Py,m,d,h，其中，Py,m,d,h表示第y年、第m月、第d天、第h小时的新能源出力值；
建立新能源的集群出力特性曲线，曲线上的数值为新能源出力占装机容量的比例，其中，时刻t的新能源集群出力特性曲线上的值Ct为：
Figure BDA0003349264390000021
其中，D为m月的天数。
进一步的，基于新能源的集群出力特性曲线，获取各时刻在概率p范围内的新能源典型出力的上限值及下限值的方法为：
获取时刻t在概率p范围内的新能源典型出力的上限值
Figure BDA0003349264390000022
的取值应满足下式：
Figure BDA0003349264390000023
其中，
Figure BDA0003349264390000024
表示t时刻
Figure BDA0003349264390000025
大于Ct的数据个数，
Figure BDA0003349264390000026
表示t时刻
Figure BDA0003349264390000027
大于Ct且小于
Figure BDA0003349264390000028
的数据个数；
获取时刻t在概率p范围内的新能源典型出力的下限值
Figure BDA0003349264390000029
的取值应满足下式：
Figure BDA00033492643900000210
其中，
Figure BDA00033492643900000211
表示t时刻
Figure BDA00033492643900000212
小于Ct的数据个数，
Figure BDA00033492643900000213
表示t时刻
Figure BDA00033492643900000214
小于Ct且大于
Figure BDA00033492643900000215
的数据个数。
进一步的，根据获取的各时刻在概率p范围内的新能源典型出力的上限值及下限值，获得新能源运行期间内的最大调峰需求及最小调峰需求的方法为：
获取新能源运行期间内的最大调峰需求Pmax为：
Figure BDA0003349264390000031
t为1天中任一时刻
式中，
Figure BDA0003349264390000032
表示各时刻中的
Figure BDA0003349264390000033
的最大值，
Figure BDA0003349264390000034
表示各时刻中的
Figure BDA0003349264390000035
的最小值；
获取新能源运行期间内的最小调峰需求Pmax为：
Figure BDA0003349264390000036
t为1天中任一时刻
式中，
Figure BDA0003349264390000037
表示各时刻中的
Figure BDA0003349264390000038
的最大值，
Figure BDA0003349264390000039
表示各时刻中的
Figure BDA00033492643900000310
的最小值。
新能源日运行调峰需求测算装置，包括：
新能源的集群出力特性曲线获取模块，用于基于新能源发电机组电网的历史数据，建立新能源的集群出力特性曲线；
新能源典型出力的上限值及下限值获取模块，用于基于新能源的集群出力特性曲线，获取各时刻在概率p范围内的新能源典型出力的上限值及下限值；
新能源运行期间内的最大调峰需求及最小调峰需求获取模块，用于根据获取的各时刻在概率p范围内的新能源典型出力的上限值及下限值，获得新能源运行期间内的最大调峰需求及最小调峰需求。
一种计算设备，包括：
一个或多个处理单元；
存储单元，用于存储一个或多个程序，
其中，当所述一个或多个程序被所述一个或多个处理单元执行，使得所述一个或多个处理单元执行上述的新能源日运行调峰需求测算方法。
一种具有处理器可执行的非易失的程序代码的计算机可读存储介质，所述计算机程序被处理器执行时实现上述的新能源日运行调峰需求测算方法的步骤。
本发明的优点和积极效果是：
本发明以新能源的运行曲线带为基础，计算新能源的调峰需求区间，当前技术仅以新能源出力曲线为依据计算新能源的调峰需求，本发明将调峰需求扩展为区间，能更好的指导运行人员在当天充分准备调峰资源，提升新能源的消纳能力。
附图说明
图1是本发明实施例中提供的天津地区2016～2020年风电春季风电出力曲线示意图；
具体实施方式
为使本发明实施的目的、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更加详细的描述。在附图中，自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本发明一部分实施例，而不是全部的实施例。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。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。
下面结合附图对本发明的实施例进行详细说明。
本发明提供的新能源日运行调峰需求测算方法，包括如下步骤：
基于新能源发电机组电网的历史数据，建立新能源的集群出力特性曲线；
基于新能源的集群出力特性曲线，获取各时刻在概率p范围内的新能源典型出力的上限值及下限值；
根据获取的各时刻在概率p范围内的新能源典型出力的上限值及下限值，获得新能源运行期间内的最大调峰需求及最小调峰需求。
进一步的，基于新能源发电机组电网的历史数据，建立新能源的集群出力特性曲线的方法为：
获取新能源装机容量G及新能源n个历史年的新能源出力值Py,m,d,h，其中，Py,m,d,h表示第y年、第m月、第d天、第h小时的新能源出力值；
建立新能源的集群出力特性曲线，曲线上的数值为新能源出力占装机容量的比例，其中，时刻t的新能源集群出力特性曲线上的值Ct为：
Figure BDA0003349264390000041
其中，D为m月的天数。
进一步的，基于新能源的集群出力特性曲线，获取各时刻在概率p范围内的新能源典型出力的上限值及下限值的方法为：
获取时刻t在概率p范围内的新能源典型出力的上限值
Figure BDA0003349264390000051
Figure BDA0003349264390000052
的取值应满足下式：
Figure BDA0003349264390000053
其中，
Figure BDA0003349264390000054
表示t时刻
Figure BDA0003349264390000055
大于Ct的数据个数，
Figure BDA0003349264390000056
表示t时刻
Figure BDA0003349264390000057
大于Ct且小于
Figure BDA0003349264390000058
的数据个数；
获取时刻t在概率p范围内的新能源典型出力的下限值
Figure BDA0003349264390000059
的取值应满足下式：
Figure BDA00033492643900000510
其中，
Figure BDA00033492643900000511
表示t时刻
Figure BDA00033492643900000512
小于Ct的数据个数，
Figure BDA00033492643900000513
表示t时刻
Figure BDA00033492643900000514
小于Ct且大于
Figure BDA00033492643900000515
的数据个数。
进一步的，根据获取的各时刻在概率p范围内的新能源典型出力的上限值及下限值，获得新能源运行期间内的最大调峰需求及最小调峰需求的方法为：
获取新能源运行期间内的最大调峰需求Pmax为：
Figure BDA00033492643900000516
t为1天中任一时刻
式中，
Figure BDA00033492643900000517
表示各时刻中的
Figure BDA00033492643900000518
的最大值，
Figure BDA00033492643900000519
表示各时刻中的
Figure BDA00033492643900000520
的最小值；
获取新能源运行期间内的最小调峰需求Pmax为：
Figure BDA00033492643900000521
t为1天中任一时刻
式中，
Figure BDA0003349264390000061
表示各时刻中的
Figure BDA0003349264390000062
的最大值，
Figure BDA0003349264390000063
表示各时刻中的
Figure BDA0003349264390000064
的最小值。
新能源日运行调峰需求测算装置，包括：
新能源的集群出力特性曲线获取模块，用于基于新能源发电机组电网的历史数据，建立新能源的集群出力特性曲线；
新能源典型出力的上限值及下限值获取模块，用于基于新能源的集群出力特性曲线，获取各时刻在概率p范围内的新能源典型出力的上限值及下限值；
新能源运行期间内的最大调峰需求及最小调峰需求获取模块，用于根据获取的各时刻在概率p范围内的新能源典型出力的上限值及下限值，获得新能源运行期间内的最大调峰需求及最小调峰需求。
一种计算设备，包括：
一个或多个处理单元；
存储单元，用于存储一个或多个程序，
其中，当所述一个或多个程序被所述一个或多个处理单元执行，使得所述一个或多个处理单元执行上述的新能源日运行调峰需求测算方法。
一种具有处理器可执行的非易失的程序代码的计算机可读存储介质，所述计算机程序被处理器执行时实现上述的新能源日运行调峰需求测算方法的步骤。
一种计算设备，包括：
一个或多个处理单元；
存储单元，用于存储一个或多个程序，
其中，当所述一个或多个程序被所述一个或多个处理单元执行，使得所述一个或多个处理单元执行本实施例中的新能源日运行调峰需求测算方法；需要说明的是，计算设备可包括但不仅限于处理单元、存储单元；本领域技术人员可以理解，计算设备包括处理单元、存储单元并不构成对计算设备的限定，可以包括更多的部件，或者组合某些部件，或者不同的部件，例如计算设备还可以包括输入输出设备、网络接入设备、总线等。
一种具有处理器可执行的非易失的程序代码的计算机可读存储介质，所述计算机程序被处理器执行时实现本实施例中新能源日运行调峰需求测算方法的步骤；需要说明的是，可读存储介质例如可以是，但不限于，电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合；可读介质上包含的程序可以用任何适当的介质传输，包括，但不限于无线、有线、光缆，RF等等，或者上述的任意合适的组合。例如，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java，C++等，还包括常规的过程式程序设计语言，诸如C语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行，或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
作为举例，在本实施例中，基于天津地区2016～2020年风电春季每日的出力数据，给出天津地区风电的春季日最大调峰需求和最小调峰需求：
如图1所示，获取时刻t在概率95％范围内的新能源典型出力的上限值
Figure BDA0003349264390000071
并形成风电出力上限曲线1，获取时刻t在概率p范围内的新能源典型出力的下限值
Figure BDA0003349264390000072
，并形成风电出力下限曲线2，其中，曲线3为新能源的集群出力特性曲线；
最大调峰需求即上限的最大值减去下限的最小值，上限最大值为18时的0.98，下限的最小值为15时的0.06，则风电在日运行时间尺度内的最大调峰需求为0.92；
最小调峰需求即上限的最小值减去下限的最大值，上限最小值为22时的0.85，下限的最大值为4时的0.17，则风电在日运行时间尺度内的最小调峰需求为0.68；
即风电的调峰需求区间在0.68～0.92之间的概率为95％。
最后需要指出的是：以上实施例仅用以说明本发明的技术方案，而非对其限制。尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (7)

1.新能源日运行调峰需求测算方法，其特征在于，包括如下步骤：
基于新能源发电机组电网的历史数据，建立新能源的集群出力特性曲线；
基于新能源的集群出力特性曲线，获取各时刻在概率p范围内的新能源典型出力的上限值及下限值；
根据获取的各时刻在概率p范围内的新能源典型出力的上限值及下限值，获得新能源运行期间内的最大调峰需求及最小调峰需求。
2.根据权利要求1所述的新能源日运行调峰需求测算方法，其特征在于，基于新能源发电机组电网的历史数据，建立新能源的集群出力特性曲线的方法为：
获取新能源装机容量G及新能源n个历史年的新能源出力值Py,m,d,h，其中，Py,m,d,h表示第y年、第m月、第d天、第h小时的新能源出力值；
建立新能源的集群出力特性曲线，曲线上的数值为新能源出力占装机容量的比例，其中，时刻t的新能源集群出力特性曲线上的值Ct为：
Figure FDA0003349264380000011
其中，D为m月的天数。
3.根据权利要求2所述的新能源日运行调峰需求测算方法，其特征在于，基于新能源的集群出力特性曲线，获取各时刻在概率p范围内的新能源典型出力的上限值及下限值的方法为：
获取时刻t在概率p范围内的新能源典型出力的上限值
Figure FDA0003349264380000012
Figure FDA0003349264380000013
的取值应满足下式：
Figure FDA0003349264380000014
其中，
Figure FDA0003349264380000015
表示t时刻
Figure FDA0003349264380000016
大于Ct的数据个数，
Figure FDA0003349264380000017
表示t时刻
Figure FDA0003349264380000018
大于Ct且小于
Figure FDA0003349264380000019
的数据个数；
获取时刻t在概率p范围内的新能源典型出力的下限值
Figure FDA00033492643800000110
Figure FDA00033492643800000111
的取值应满足下式：
Figure FDA0003349264380000021
其中，
Figure FDA0003349264380000022
表示t时刻
Figure FDA0003349264380000023
小于Ct的数据个数，
Figure FDA0003349264380000024
表示t时刻
Figure FDA0003349264380000025
小于Ct且大于
Figure FDA0003349264380000026
的数据个数。
4.根据权利要求3所述的新能源日运行调峰需求测算方法，其特征在于，根据获取的各时刻在概率p范围内的新能源典型出力的上限值及下限值，获得新能源运行期间内的最大调峰需求及最小调峰需求的方法为：
获取新能源运行期间内的最大调峰需求Pmax为：
Figure FDA0003349264380000027
t为1天中任一时刻
式中，
Figure FDA0003349264380000028
表示各时刻中的
Figure FDA0003349264380000029
的最大值，
Figure FDA00033492643800000210
表示各时刻中的
Figure FDA00033492643800000211
的最小值；
获取新能源运行期间内的最小调峰需求Pmax为：
Figure FDA00033492643800000212
t为1天中任一时刻
式中，
Figure FDA00033492643800000213
表示各时刻中的
Figure FDA00033492643800000214
的最大值，
Figure FDA00033492643800000215
表示各时刻中的
Figure FDA00033492643800000216
的最小值。
5.新能源日运行调峰需求测算装置，其特征在于，包括：
新能源的集群出力特性曲线获取模块，用于基于新能源发电机组电网的历史数据，建立新能源的集群出力特性曲线；
新能源典型出力的上限值及下限值获取模块，用于基于新能源的集群出力特性曲线，获取各时刻在概率p范围内的新能源典型出力的上限值及下限值；
新能源运行期间内的最大调峰需求及最小调峰需求获取模块，用于根据获取的各时刻在概率p范围内的新能源典型出力的上限值及下限值，获得新能源运行期间内的最大调峰需求及最小调峰需求。
6.一种计算设备，其特征在于：包括：
一个或多个处理单元；
存储单元，用于存储一个或多个程序，
其中，当所述一个或多个程序被所述一个或多个处理单元执行，使得所述一个或多个处理单元执行如权利要求1至4中任一项所述的方法。
7.一种具有处理器可执行的非易失的程序代码的计算机可读存储介质，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任意一项所述方法的步骤。
CN202111332066.7A 2021-11-11 2021-11-11 新能源日运行调峰需求测算方法及装置 Active CN113962598B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111332066.7A CN113962598B (zh) 2021-11-11 2021-11-11 新能源日运行调峰需求测算方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111332066.7A CN113962598B (zh) 2021-11-11 2021-11-11 新能源日运行调峰需求测算方法及装置

Publications (2)

Publication Number Publication Date
CN113962598A true CN113962598A (zh) 2022-01-21
CN113962598B CN113962598B (zh) 2024-05-07

Family

ID=79470140

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111332066.7A Active CN113962598B (zh) 2021-11-11 2021-11-11 新能源日运行调峰需求测算方法及装置

Country Status (1)

Country Link
CN (1) CN113962598B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105140967A (zh) * 2015-10-16 2015-12-09 华中科技大学 一种含新能源电力系统调峰需求的评估方法
US20170099056A1 (en) * 2015-10-02 2017-04-06 Green Charge Networks Llc Demand reduction risk modeling and pricing systems and methods for intermittent energy generators
CN106816886A (zh) * 2015-12-02 2017-06-09 中国电力科学研究院 一种大规模风电并网系统调峰需求确定方法
CN107171356A (zh) * 2017-04-20 2017-09-15 国家电网公司 一种针对风电调峰需求的风火外送送电曲线研究方法
CN107528350A (zh) * 2017-09-28 2017-12-29 华中科技大学 一种适应中长期电源规划的风电出力典型场景生成方法
CN108933454A (zh) * 2018-06-29 2018-12-04 东南大学 含风电并网电力系统的调峰机组出力下限系数优化方法
CN110717688A (zh) * 2019-10-16 2020-01-21 云南电网有限责任公司 考虑新能源出力不确定性的水风光短期联合优化调度方法
US20200209812A1 (en) * 2018-03-16 2020-07-02 Dalian University Of Technology Practical method for short-term operations of super large-scale hydropower plants
CN111478374A (zh) * 2020-04-29 2020-07-31 国网河南省电力公司电力科学研究院 风光出力特性概率分布与预测的动态评估方法
CN111934362A (zh) * 2020-07-29 2020-11-13 国网甘肃省电力公司电力科学研究院 一种可再生能源的波动特性的多电源协调优化调峰方法
CN112202207A (zh) * 2020-09-16 2021-01-08 南京邮电大学 基于新能源出力随机特性的电网深度调峰运行优化方法
CN112234655A (zh) * 2020-07-30 2021-01-15 国网甘肃省电力公司电力科学研究院 一种送端电网安全稳定的源网协调调峰优化方法
CN112736961A (zh) * 2020-12-03 2021-04-30 国网综合能源服务集团有限公司 一种基于灵活性资源的风光消纳规划方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170099056A1 (en) * 2015-10-02 2017-04-06 Green Charge Networks Llc Demand reduction risk modeling and pricing systems and methods for intermittent energy generators
CN105140967A (zh) * 2015-10-16 2015-12-09 华中科技大学 一种含新能源电力系统调峰需求的评估方法
CN106816886A (zh) * 2015-12-02 2017-06-09 中国电力科学研究院 一种大规模风电并网系统调峰需求确定方法
CN107171356A (zh) * 2017-04-20 2017-09-15 国家电网公司 一种针对风电调峰需求的风火外送送电曲线研究方法
CN107528350A (zh) * 2017-09-28 2017-12-29 华中科技大学 一种适应中长期电源规划的风电出力典型场景生成方法
US20200209812A1 (en) * 2018-03-16 2020-07-02 Dalian University Of Technology Practical method for short-term operations of super large-scale hydropower plants
CN108933454A (zh) * 2018-06-29 2018-12-04 东南大学 含风电并网电力系统的调峰机组出力下限系数优化方法
CN110717688A (zh) * 2019-10-16 2020-01-21 云南电网有限责任公司 考虑新能源出力不确定性的水风光短期联合优化调度方法
CN111478374A (zh) * 2020-04-29 2020-07-31 国网河南省电力公司电力科学研究院 风光出力特性概率分布与预测的动态评估方法
CN111934362A (zh) * 2020-07-29 2020-11-13 国网甘肃省电力公司电力科学研究院 一种可再生能源的波动特性的多电源协调优化调峰方法
CN112234655A (zh) * 2020-07-30 2021-01-15 国网甘肃省电力公司电力科学研究院 一种送端电网安全稳定的源网协调调峰优化方法
CN112202207A (zh) * 2020-09-16 2021-01-08 南京邮电大学 基于新能源出力随机特性的电网深度调峰运行优化方法
CN112736961A (zh) * 2020-12-03 2021-04-30 国网综合能源服务集团有限公司 一种基于灵活性资源的风光消纳规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
黄际元 等: "基于扩展短期预测和动态优化的储能调峰策略", 太阳能学报, vol. 42, no. 9, 28 September 2021 (2021-09-28), pages 470 - 476 *

Also Published As

Publication number Publication date
CN113962598B (zh) 2024-05-07

Similar Documents

Publication Publication Date Title
CN103545832B (zh) 一种基于发电预测误差的光伏系统储能容量配置方法
US20160105027A1 (en) Photovoltaic system with managed output
Guryev et al. Improvement of methods for predicting the generation capacity of solar power plants: The case of the power systems in the Republic of Crimea and city of Sevastopol
Jiang et al. MPC-based frequency control with demand-side participation: A case study in an isolated wind-aluminum power system
KR101635450B1 (ko) 기상정보를 활용한 도시에너지관리시스템용 태양광발전량 예측시스템
JP2015507913A (ja) 発電能力の適応化とエネルギー貯蔵装置サイズの決定
Hartmann et al. Methodologies for storage size determination for the integration of wind power
US10365309B2 (en) Method and apparatus for using module-level power electronics data for validating distributed energy resource system parameters
Kalair et al. Duck curve leveling in renewable energy integrated grids using internet of relays
Chen et al. Robust unit commitment for large-scale wind generation and run-off-river hydropower
WO2024060413A1 (zh) 虚拟电厂可调容量构建方法、装置、电子设备、存储介质、程序、及程序产品
CN102904248B (zh) 基于风电出力不确定性集合的电力系统调度方法
Zhu et al. Energy optimal dispatch of the data center microgrid based on stochastic model predictive control
Zhang et al. Renewable energy integration capacity assessment in regional power grid based on an enhanced sequential production simulation
Yang et al. Short‐term photovoltaic power dynamic weighted combination forecasting based on least squares method
CN108471137B (zh) 一种风功率预测中风速功率概率性映射方法
CN103927598A (zh) 基于自学习径向基核函数的光伏发电功率预测方法
Zhang et al. Optimal sizing and siting of bess in high wind penetrated power systems: a strategy considering frequency and voltage control
CN113962598A (zh) 新能源日运行调峰需求测算方法及装置
Meng et al. Economic dispatch for power systems with wind and solar energy integration considering reserve risk
CN116914814A (zh) 一种分布式新能源并网运行调控管理方法及系统
Song et al. Study on thermal load capacity of transmission line based on IEEE standard
CN103927599A (zh) 基于自学习径向基核函数支持向量机的风电功率预测方法
Liu et al. Method to determine spinning reserve requirement for a grid with large‐scale wind power penetration
Ying et al. A statistical approach of wind power forecasting for grid scale

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