CN113991700A - 基于历史数据的一次调频优化决策方法及装置 - Google Patents
基于历史数据的一次调频优化决策方法及装置 Download PDFInfo
- Publication number
- CN113991700A CN113991700A CN202111234279.6A CN202111234279A CN113991700A CN 113991700 A CN113991700 A CN 113991700A CN 202111234279 A CN202111234279 A CN 202111234279A CN 113991700 A CN113991700 A CN 113991700A
- Authority
- CN
- China
- Prior art keywords
- frequency modulation
- primary frequency
- historical data
- unit
- action
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000004364 calculation method Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 6
- 230000009471 action Effects 0.000 claims description 61
- 230000009191 jumping Effects 0.000 claims description 12
- 230000002441 reversible effect Effects 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 6
- 238000013016 damping Methods 0.000 description 5
- 238000010248 power generation Methods 0.000 description 4
- 230000010355 oscillation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
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
- H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
- H02J3/241—The oscillation concerning frequency
-
- 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]
-
- 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
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
本发明公开了基于历史数据的一次调频优化决策方法及装置，所述方法包括：基于发电厂机组运行的历史数据，对历史数据进行计算处理，得到一次调频考核指标；建立一套专家规则库，所述专家规则库构建运行参数与一次调频考核指标之间的量化关系以及对应的优化建议，根据一次调频考核指标的计算结果给出相应的优化方向建议；本发明的优点在于：根据一次调频考核指标的计算结果给出相应的优化方向建议，实现对运行参数优化建议，避免了人力分析的不全面性以及随机性。
Description
技术领域
本发明涉及发电领域，更具体涉及基于历史数据的一次调频优化决策方法及装置。
背景技术
近年来，随着计算机技术的发展，大数据应用已经逐步成为一种分析问题的新技术手段。随着发电企业运行时间的增长，其历史数据也在不断积累，从海量历史数据中提取有效信息，已逐渐成为分析发电厂运行情况及指导运行人员操作的辅助手段。
目前一次调频的优化方法有很多，例如中国专利公开号CN110380429A，公开了一种兼顾阻尼特性的水电机组一次调频多目标优化方法，通过建立水电机组调速系统模型、构建调速系统阻尼特性与振荡频率的关系模型、构建用于协调水电机组阻尼特性和一次调频动态性能的多目标函数、构建约束条件、对多目标函数求解，并对Pareto非支配解集进行优选，得出水电机组在一次调频工况下的最优运行参数。该专利申请能协调水电机组阻尼特性和一次调频动态性能之间的矛盾关系，保证一次调频动态性能满足国标要求的前提下，提高水电机组的阻尼水平，以抑制超低频振荡的发生，为提高并网水电机组运行可靠性、指导水电机组高占比的孤网和直流送端孤岛的电网安全稳定运行提供了有效的技术手段。但是该专利申请只是通过构建函数以及约束条件等方式获取水电机组一次调频最优运行参数，并不涉及发电厂机组一次调频的优化。
在实际生产中，对于发电厂机组一次调频性能分析主要还是采用现场试验的方法，这种人工干预方式实现一次调频动态实时考核，随机性强，给出的优化建议不全面，机组主参数以及汽轮机调门等关键因素无法人为干预，往往出现机组在一次调频性能测试时能够满足规程规定要求，而动态指标较理论需求差距较大。
发明内容
本发明所要解决的技术问题在于现有技术发电厂机组一次调频性能分析采用现场试验的方式进行人工分析，随机性强，给出的优化建议不全面。
本发明通过以下技术手段实现解决上述技术问题的：基于历史数据的一次调频优化决策方法，所述方法包括：基于发电厂机组运行的历史数据，对历史数据进行计算处理，得到一次调频考核指标；建立一套专家规则库，所述专家规则库构建运行参数与一次调频考核指标之间的量化关系以及对应的优化建议，根据一次调频考核指标的计算结果给出相应的优化方向建议。
本发明基于发电厂运行的历史数据进行一次调频过程数据的计算，得到一次调频考核指标，专家规则库构建运行参数与一次调频考核指标之间的量化关系以及对应的优化建议，根据一次调频考核指标的计算结果给出相应的优化方向建议，实现对运行参数优化建议，避免了人力分析的不全面性以及随机性。
进一步地，所述基于发电厂机组运行的历史数据，对历史数据进行计算处理，得到一次调频考核指标，包括：
步骤一：提取发电厂机组运行的历史数据；
步骤二：赋初始值，i＝1，k＝1，flag＝1，其中，i表示循环次数，k表示一次调频动作次数，flag为一次调频动作标志变量，flag＝0→1代表一次调频动作flag＝1→0代表一次调频动作结束；
步骤三：读取第i时刻的历史数据；
步骤四：判断n-3000>n0且flag＝0，若是，则保存第i时刻为一次调频起始时间t1，一次调频动作标志位翻转为flag＝1，若否，则跳转到步骤五；
判断n-3000≤n0且flag＝1，若是，则保存第i时刻为一次调频结束时间t2；一次调频动作标志位翻转为flag＝0；一次调频动作次数加1即k＝k+1；然后保存第k次一次调频动作[t1,t2]时间段的数据；计算[t1,t2]时间段内机组一次调频考核指标；若否，则跳转到步骤五；其中，n为发电机转速，n0为转速死区值；
步骤五：i＝i+1，返回步骤三；
步骤六：直到i＝N，则结束计算。
更进一步地，所述一次调频考核指标包括总一次调频贡献力R、将[t1,t2]平均分为三个时间段，机组在三个时间段内的一次调频贡献力R1、R2、R3以及对应的反调状态标识RE1、RE2、RE3，所述反调指的是一次调频反向动作。
更进一步地，所述总一次调频贡献力R＝机组一次调频动作实际贡献电量ΔQs/理论贡献电量ΔPe；
其中，
Pi表示第i时刻的机组功率；
P0表示一次调频动作起始时刻机组功率；
m表示机组一次调频动作结束时刻；
ΔT表示数据采样周期；
其中，ΔPe＝(n-n0)×Pe/(Ne×δ)，
Pe表示机组额定有功出力；
Ne表示机组额定转速；
δ表示机组速度不等率。
本发明还提供基于历史数据的一次调频优化决策装置，所述装置包括：考核指标计算模块，用于基于发电厂机组运行的历史数据，对历史数据进行计算处理，得到一次调频考核指标；
优化建议模块，用于建立一套专家规则库，所述专家规则库构建运行参数与一次调频考核指标之间的量化关系以及对应的优化建议，根据一次调频考核指标的计算结果给出相应的优化方向建议。
进一步地，所述考核指标计算模块还用于：
步骤一：提取发电厂机组运行的历史数据；
步骤二：赋初始值，i＝1，k＝1，flag＝1，其中，i表示循环次数，k表示一次调频动作次数，flag为一次调频动作标志变量，flag＝0→1代表一次调频动作flag＝1→0代表一次调频动作结束；
步骤三：读取第i时刻的历史数据；
步骤四：判断n-3000>n0且flag＝0，若是，则保存第i时刻为一次调频起始时间t1，一次调频动作标志位翻转为flag＝1，若否，则跳转到步骤五；
判断n-3000≤n0且flag＝1，若是，则保存第i时刻为一次调频结束时间t2；一次调频动作标志位翻转为flag＝0；一次调频动作次数加1即k＝k+1；然后保存第k次一次调频动作[t1,t2]时间段的数据；计算[t1,t2]时间段内机组一次调频考核指标；若否，则跳转到步骤五；其中，n为发电机转速，n0为转速死区值；
步骤五：i＝i+1，返回步骤三；
步骤六：直到i＝N，则结束计算。
更进一步地，所述一次调频考核指标包括总一次调频贡献力R、将[t1,t2]平均分为三个时间段，机组在三个时间段内的一次调频贡献力R1、R2、R3以及对应的反调状态标识RE1、RE2、RE3，所述反调指的是一次调频反向动作。
更进一步地，所述总一次调频贡献力R＝机组一次调频动作实际贡献电量ΔQs/理论贡献电量ΔPe；
其中，
Pi表示第i时刻的机组功率；
P0表示一次调频动作起始时刻机组功率；
m表示机组一次调频动作结束时刻；
ΔT表示数据采样周期；
其中，ΔPe＝(n-n0)×Pe/(Ne×δ)，
Pe表示机组额定有功出力；
Ne表示机组额定转速；
δ表示机组速度不等率。
本发明的优点在于：本发明基于发电厂运行的历史数据进行一次调频过程数据的计算，得到一次调频考核指标，专家规则库构建运行参数与一次调频考核指标之间的量化关系以及对应的优化建议，根据一次调频考核指标的计算结果给出相应的优化方向建议，实现对运行参数优化建议，避免了人力分析的不全面性以及随机性。
附图说明
图1为本发明实施例所公开的基于历史数据的一次调频优化决策方法中获取一次调频考核指标的算法流程图。
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，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他实施例，都属于本发明保护的范围。
实施例1
基于历史数据的一次调频优化决策方法，所述方法包括：基于发电厂机组运行的历史数据，对历史数据进行计算处理，得到一次调频考核指标；建立一套专家规则库，所述专家规则库构建运行参数与一次调频考核指标之间的量化关系以及对应的优化建议，根据一次调频考核指标的计算结果给出相应的优化方向建议。
如图1所示，所述基于发电厂机组运行的历史数据，对历史数据进行计算处理，得到一次调频考核指标，包括：
步骤一：提取发电厂机组运行的历史数据；
步骤二：赋初始值，i＝1，k＝1，flag＝1，其中，i表示循环次数，k表示一次调频动作次数，flag为一次调频动作标志变量，flag＝0→1代表一次调频动作flag＝1→0代表一次调频动作结束；
步骤三：读取第i时刻的历史数据；
步骤四：判断n-3000>n0且flag＝0，若是，则保存第i时刻为一次调频起始时间t1，一次调频动作标志位翻转为flag＝1，若否，则跳转到步骤五；
判断n-3000≤n0且flag＝1，若是，则保存第i时刻为一次调频结束时间t2；一次调频动作标志位翻转为flag＝0；一次调频动作次数加1即k＝k+1；然后保存第k次一次调频动作[t1,t2]时间段的数据；计算[t1,t2]时间段内机组一次调频考核指标；若否，则跳转到步骤五；其中，n为发电机转速，n0为转速死区值；
步骤五：i＝i+1，返回步骤三；
步骤六：直到i＝N，则结束计算。
作为本发明进一步改进的方案，所述一次调频考核指标包括总一次调频贡献力R、将[t1,t2]平均分为三个时间段，机组在三个时间段内的一次调频贡献力R1、R2、R3以及对应的反调状态标识RE1、RE2、RE3，所述反调指的是一次调频反向动作，需要强调的是，一次调频贡献力R1、R2、R3的计算方式与总一次调频贡献力R相同，只是计算时的时间段不同，反调状态标识RE1、RE2、RE3的计算方式与一次调频贡献力R1、R2、R3的计算方式相同，只是起始时间和结束时间要对调，因此以下给出总一次调频贡献力R的计算过程，其他的计算过程不做赘述。所述总一次调频贡献力R＝机组一次调频动作实际贡献电量ΔQs/理论贡献电量ΔPe；
其中，
Pi表示第i时刻的机组功率；
P0表示一次调频动作起始时刻机组功率；
m表示机组一次调频动作结束时刻；
ΔT表示数据采样周期；
其中，ΔPe＝(n-n0)×Pe/(Ne×δ)，
Pe表示机组额定有功出力；
Ne表示机组额定转速；
δ表示机组速度不等率。
根据上述方法步骤对一次调频动作的分析计算得到的数据结果，并根据表1所示的专家规则给出相应的优化建议，需要说明的是，本发明根据历史数据预先建立一套专家规则库，所述专家规则库构建运行参数与一次调频考核指标之间的量化关系以及对应的优化建议。
表1专家规则
通过以上技术方案，本发明基于发电厂运行的历史数据进行一次调频过程数据的计算，得到一次调频考核指标，专家规则库构建运行参数与一次调频考核指标之间的量化关系以及对应的优化建议，根据一次调频考核指标的计算结果给出相应的优化方向建议，实现对运行参数优化建议，避免了人力分析的不全面性以及随机性。
实施例2
基于实施例1，本发明实施例2还提供基于历史数据的一次调频优化决策装置，所述装置包括：考核指标计算模块，用于基于发电厂机组运行的历史数据，对历史数据进行计算处理，得到一次调频考核指标；
优化建议模块，用于建立一套专家规则库，所述专家规则库构建运行参数与一次调频考核指标之间的量化关系以及对应的优化建议，根据一次调频考核指标的计算结果给出相应的优化方向建议。
具体的，所述考核指标计算模块还用于：
步骤一：提取发电厂机组运行的历史数据；
步骤二：赋初始值，i＝1，k＝1，flag＝1，其中，i表示循环次数，k表示一次调频动作次数，flag为一次调频动作标志变量，flag＝0→1代表一次调频动作flag＝1→0代表一次调频动作结束；
步骤三：读取第i时刻的历史数据；
步骤四：判断n-3000>n0且flag＝0，若是，则保存第i时刻为一次调频起始时间t1，一次调频动作标志位翻转为flag＝1，若否，则跳转到步骤五；
判断n-3000≤n0且flag＝1，若是，则保存第i时刻为一次调频结束时间t2；一次调频动作标志位翻转为flag＝0；一次调频动作次数加1即k＝k+1；然后保存第k次一次调频动作[t1,t2]时间段的数据；计算[t1,t2]时间段内机组一次调频考核指标；若否，则跳转到步骤五；其中，n为发电机转速，n0为转速死区值；
步骤五：i＝i+1，返回步骤三；
步骤六：直到i＝N，则结束计算。
更具体的，所述一次调频考核指标包括总一次调频贡献力R、将[t1,t2]平均分为三个时间段，机组在三个时间段内的一次调频贡献力R1、R2、R3以及对应的反调状态标识RE1、RE2、RE3，所述反调指的是一次调频反向动作。
更具体的，所述总一次调频贡献力R＝机组一次调频动作实际贡献电量ΔQs/理论贡献电量ΔPe；
其中，
Pi表示第i时刻的机组功率；
P0表示一次调频动作起始时刻机组功率；
m表示机组一次调频动作结束时刻；
ΔT表示数据采样周期；
其中，ΔPe＝(n-n0)×Pe/(Ne×δ)，
Pe表示机组额定有功出力；
Ne表示机组额定转速；
δ表示机组速度不等率。
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 (8)
1.基于历史数据的一次调频优化决策方法，其特征在于，所述方法包括：基于发电厂机组运行的历史数据，对历史数据进行计算处理，得到一次调频考核指标；建立一套专家规则库，所述专家规则库构建运行参数与一次调频考核指标之间的量化关系以及对应的优化建议，根据一次调频考核指标的计算结果给出相应的优化方向建议。
2.根据权利要求1所述的基于历史数据的一次调频优化决策方法，其特征在于，所述基于发电厂机组运行的历史数据，对历史数据进行计算处理，得到一次调频考核指标，包括：
步骤一：提取发电厂机组运行的历史数据；
步骤二：赋初始值，i＝1，k＝1，flag＝1，其中，i表示循环次数，k表示一次调频动作次数，flag为一次调频动作标志变量，flag＝0→1代表一次调频动作flag＝1→0代表一次调频动作结束；
步骤三：读取第i时刻的历史数据；
步骤四：判断n-3000>n0且flag＝0，若是，则保存第i时刻为一次调频起始时间t1，一次调频动作标志位翻转为flag＝1，若否，则跳转到步骤五；
判断n-3000≤n0且flag＝1，若是，则保存第i时刻为一次调频结束时间t2；一次调频动作标志位翻转为flag＝0；一次调频动作次数加1即k＝k+1；然后保存第k次一次调频动作[t1,t2]时间段的数据；计算[t1,t2]时间段内机组一次调频考核指标；若否，则跳转到步骤五；其中，n为发电机转速，n0为转速死区值；
步骤五：i＝i+1，返回步骤三；
步骤六：直到i＝N，则结束计算。
3.根据权利要求2所述的基于历史数据的一次调频优化决策方法，其特征在于，所述一次调频考核指标包括总一次调频贡献力R、将[t1,t2]平均分为三个时间段，机组在三个时间段内的一次调频贡献力R1、R2、R3以及对应的反调状态标识RE1、RE2、RE3，所述反调指的是一次调频反向动作。
4.根据权利要求3所述的基于历史数据的一次调频优化决策方法，其特征在于，所述总一次调频贡献力R＝机组一次调频动作实际贡献电量ΔQs/理论贡献电量ΔPe；
其中，
Pi表示第i时刻的机组功率；
P0表示一次调频动作起始时刻机组功率；
m表示机组一次调频动作结束时刻；
ΔT表示数据采样周期；
其中，ΔPe＝(n-n0)×Pe/(Ne×δ)，
Pe表示机组额定有功出力；
Ne表示机组额定转速；
δ表示机组速度不等率。
5.基于历史数据的一次调频优化决策装置，其特征在于，所述装置包括：考核指标计算模块，用于基于发电厂机组运行的历史数据，对历史数据进行计算处理，得到一次调频考核指标；
优化建议模块，用于建立一套专家规则库，所述专家规则库构建运行参数与一次调频考核指标之间的量化关系以及对应的优化建议，根据一次调频考核指标的计算结果给出相应的优化方向建议。
6.根据权利要求5所述的基于历史数据的一次调频优化决策装置，其特征在于，所述考核指标计算模块还用于：
步骤一：提取发电厂机组运行的历史数据；
步骤二：赋初始值，i＝1，k＝1，flag＝1，其中，i表示循环次数，k表示一次调频动作次数，flag为一次调频动作标志变量，flag＝0→1代表一次调频动作flag＝1→0代表一次调频动作结束；
步骤三：读取第i时刻的历史数据；
步骤四：判断n-3000>n0且flag＝0，若是，则保存第i时刻为一次调频起始时间t1，一次调频动作标志位翻转为flag＝1，若否，则跳转到步骤五；
判断n-3000≤n0且flag＝1，若是，则保存第i时刻为一次调频结束时间t2；一次调频动作标志位翻转为flag＝0；一次调频动作次数加1即k＝k+1；然后保存第k次一次调频动作[t1,t2]时间段的数据；计算[t1,t2]时间段内机组一次调频考核指标；若否，则跳转到步骤五；其中，n为发电机转速，n0为转速死区值；
步骤五：i＝i+1，返回步骤三；
步骤六：直到i＝N，则结束计算。
7.根据权利要求6所述的基于历史数据的一次调频优化决策装置，其特征在于，所述一次调频考核指标包括总一次调频贡献力R、将[t1,t2]平均分为三个时间段，机组在三个时间段内的一次调频贡献力R1、R2、R3以及对应的反调状态标识RE1、RE2、RE3，所述反调指的是一次调频反向动作。
8.根据权利要求7所述的基于历史数据的一次调频优化决策装置，其特征在于，所述总一次调频贡献力R＝机组一次调频动作实际贡献电量ΔQs/理论贡献电量ΔPe；
其中，
Pi表示第i时刻的机组功率；
P0表示一次调频动作起始时刻机组功率；
m表示机组一次调频动作结束时刻；
ΔT表示数据采样周期；
其中，ΔPe＝(n-n0)×Pe/(Ne×δ)，
Pe表示机组额定有功出力；
Ne表示机组额定转速；
δ表示机组速度不等率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111234279.6A CN113991700B (zh) | 2021-10-22 | 2021-10-22 | 基于历史数据的一次调频优化决策方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111234279.6A CN113991700B (zh) | 2021-10-22 | 2021-10-22 | 基于历史数据的一次调频优化决策方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113991700A true CN113991700A (zh) | 2022-01-28 |
| CN113991700B CN113991700B (zh) | 2024-03-12 |
Family
ID=79740479
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111234279.6A Active CN113991700B (zh) | 2021-10-22 | 2021-10-22 | 基于历史数据的一次调频优化决策方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113991700B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117526362A (zh) * | 2024-01-08 | 2024-02-06 | 内蒙古中电储能技术有限公司 | 一种基于电网一次调频特性的优化储能soc的控制策略 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107346900A (zh) * | 2017-06-19 | 2017-11-14 | 国网山东省电力公司电力科学研究院 | 基于考核数据的一次调频参数自调整控制方法及系统 |
| CN110247406A (zh) * | 2019-05-05 | 2019-09-17 | 清华大学 | 一种基于条件概率的调频容量分时段优化方法 |
| CN112149903A (zh) * | 2020-09-22 | 2020-12-29 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 基于bp神经网络算法的火电机组一次调频分析与优化方法 |
| CN112288277A (zh) * | 2020-10-30 | 2021-01-29 | 西安热工研究院有限公司 | 基于电厂生产实时绩效指标考核的自诊断运行优化方法 |
| WO2021147193A1 (zh) * | 2020-01-21 | 2021-07-29 | 厦门邑通软件科技有限公司 | 一种生成操作行为记录集的仿真方法、系统和设备 |
-
2021
- 2021-10-22 CN CN202111234279.6A patent/CN113991700B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107346900A (zh) * | 2017-06-19 | 2017-11-14 | 国网山东省电力公司电力科学研究院 | 基于考核数据的一次调频参数自调整控制方法及系统 |
| CN110247406A (zh) * | 2019-05-05 | 2019-09-17 | 清华大学 | 一种基于条件概率的调频容量分时段优化方法 |
| WO2021147193A1 (zh) * | 2020-01-21 | 2021-07-29 | 厦门邑通软件科技有限公司 | 一种生成操作行为记录集的仿真方法、系统和设备 |
| CN112149903A (zh) * | 2020-09-22 | 2020-12-29 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 基于bp神经网络算法的火电机组一次调频分析与优化方法 |
| CN112288277A (zh) * | 2020-10-30 | 2021-01-29 | 西安热工研究院有限公司 | 基于电厂生产实时绩效指标考核的自诊断运行优化方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117526362A (zh) * | 2024-01-08 | 2024-02-06 | 内蒙古中电储能技术有限公司 | 一种基于电网一次调频特性的优化储能soc的控制策略 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113991700B (zh) | 2024-03-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110581571A (zh) | 一种主动配电网动态优化调度方法 | |
| CN113241803B (zh) | 一种基于新能源消纳的储能调度方法及计算机介质 | |
| CN111400918A (zh) | 基于多场景生成技术的电网新能源消纳能力评估计算方法、装置及系统 | |
| CN105244920A (zh) | 考虑电池健康状态的储能系统多目标控制方法及其系统 | |
| CN113555881A (zh) | 一种风电场调频风机排序方法 | |
| CN110661250B (zh) | 含风光储发输电系统的可靠性评估方法及系统 | |
| CN113991700A (zh) | 基于历史数据的一次调频优化决策方法及装置 | |
| CN115549118A (zh) | 配电网无功补偿设备出力平滑指数预测方法 | |
| Zhang et al. | Optimization method of under frequency load shedding schemes for systems with high permeability new energy | |
| CN116436004A (zh) | 基于k-means分群聚类的光伏逆变器谐波抑制方法 | |
| CN115085260A (zh) | 新能源场站聚合模型的振荡模式保真度评价方法 | |
| CN115459310A (zh) | 基于改进变分模态分解的混合储能容量优化方法及系统 | |
| CN112668751B (zh) | 一种机组优化调度模型的建立方法及装置 | |
| CN114726090A (zh) | 基于潮流调整的中低压网络数据在线拼接方法和系统 | |
| Li et al. | Probability efficient point method to solve joint chance-constrained unit commitment for multi-area power systems with renewable energy | |
| CN111178575A (zh) | 一种灰色模型电力负荷预测方法 | |
| Lingang et al. | Research on integrated calculation method of theoretical line loss of MV and LV distribution Network based on Adaboost integrated learning | |
| Wang et al. | Complementary and coordinated optimal dispatch solution for hybrid thermalwind-PV power grid with energy storage | |
| Su et al. | A novel data-driven robust method applied to OPF with uncertain wind power | |
| CN114564815B (zh) | 基于布雷斯悖论效应的电力系统可靠性与经济性建模方法 | |
| CN116632864B (zh) | 环境激励下基于调速器参数切换的超低频振荡控制方法 | |
| CN109446479B (zh) | 一种基于弃光条件判断的储能容量计算方法 | |
| CN116432516A (zh) | 基于模拟生产的新能源配套储能电站经济价值计算方法 | |
| Dabo et al. | Power Flow Correction Strategy Based on Improved Comprehensive Sensitivity Index | |
| Chen et al. | Research on energy big data cleaning based on multi-source data analysis |
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 |