CN115102237B - 一种基于风电光伏系统的运行调度方法 - Google Patents

一种基于风电光伏系统的运行调度方法 Download PDF

Info

Publication number
CN115102237B
CN115102237B CN202211022676.1A CN202211022676A CN115102237B CN 115102237 B CN115102237 B CN 115102237B CN 202211022676 A CN202211022676 A CN 202211022676A CN 115102237 B CN115102237 B CN 115102237B
Authority
CN
China
Prior art keywords
power
matching
factor
array
matched
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
Application number
CN202211022676.1A
Other languages
English (en)
Other versions
CN115102237A (zh
Inventor
朱壮华
常亚民
陈勇
刘建华
陈琰俊
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.)
Huaneng Ruicheng Comprehensive Energy Co ltd
Huaneng Shanxi Comprehensive Energy Co ltd Yushe Photovoltaic Power Station
Huaneng Yushe Poverty Alleviation Energy Co ltd
Huaneng Zuoquan Yangjiao Wind Power Co ltd
Licheng Yingheng Clean Energy Co ltd
Ruicheng Ningsheng New Energy Co ltd
Shuozhou Taizhong Wind Power Co ltd
Wuzhai County Taixin Energy Wind Power Generation Co ltd
Huaneng Shanxi Comprehensive Energy Co ltd
Original Assignee
Huaneng Ruicheng Comprehensive Energy Co ltd
Huaneng Shanxi Comprehensive Energy Co ltd Yushe Photovoltaic Power Station
Huaneng Yushe Poverty Alleviation Energy Co ltd
Huaneng Zuoquan Yangjiao Wind Power Co ltd
Licheng Yingheng Clean Energy Co ltd
Ruicheng Ningsheng New Energy Co ltd
Shuozhou Taizhong Wind Power Co ltd
Wuzhai County Taixin Energy Wind Power Generation Co ltd
Huaneng Shanxi Comprehensive Energy 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 Huaneng Ruicheng Comprehensive Energy Co ltd, Huaneng Shanxi Comprehensive Energy Co ltd Yushe Photovoltaic Power Station, Huaneng Yushe Poverty Alleviation Energy Co ltd, Huaneng Zuoquan Yangjiao Wind Power Co ltd, Licheng Yingheng Clean Energy Co ltd, Ruicheng Ningsheng New Energy Co ltd, Shuozhou Taizhong Wind Power Co ltd, Wuzhai County Taixin Energy Wind Power Generation Co ltd, Huaneng Shanxi Comprehensive Energy Co ltd filed Critical Huaneng Ruicheng Comprehensive Energy Co ltd
Priority to CN202211022676.1A priority Critical patent/CN115102237B/zh
Publication of CN115102237A publication Critical patent/CN115102237A/zh
Application granted granted Critical
Publication of CN115102237B publication Critical patent/CN115102237B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • 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]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供了一种基于风电光伏系统的运行调度方法，包括：获取风电系统的第一历史数据，获取影响功率的第一因素，同时，获取光伏系统的第二历史数据，获取影响功率的第二因素；将所述第一因素与第二因素中的影响条件进行多组随机组合处理，并预测得到对应的功率数组；将每个功率数组与多个功率需求进行匹配，并筛选最佳功率匹配的功率数组；根据所述最佳功率匹配的功率数组中的第一条件集以及第二条件集，对所述风电系统以及光伏系统进行运行调度。通过对影响因素的分析，精准计算预测功率，对需求精确分析，在最短时间内为需求匹配最佳调度方法，提高调度效率，使风电系统和光伏系统不论在各种因素影响下，都能合理进行配合运行、提供能量。

Description

一种基于风电光伏系统的运行调度方法
技术领域
本发明涉及能源系统调度技术领域，特别涉及一种基于风电光伏系统的运行调度方法。
背景技术
目前，随着科学技术的发展，保护环境和节约资源越来越重要，环保可再生的风能和太阳能成了人们关注的焦点，风电光伏系统能将取之不竭的风能和太阳能转化为电能，将成为未来新能源利用的主流，而对于风电光伏系统的运行调度是新能源发展道路上的重要问题；
传统的风电光伏系统易受影响，使得风电光伏系统效率低、不稳定，在此过程中，会导致风电系统和光伏系统进行匹配过程中无法满足功率需求。
因此，本发明提供了一种基于风电光伏系统的运行调度方法。
发明内容
本发明提供一种基于风电光伏系统的运行调度方法，用以通过对影响因素的分析，精准计算预测功率，对需求精确分析，在最短时间内为需求匹配最佳调度方法，满足功率需求，提高调度效率，使风电系统和光伏系统不论在各种因素影响下，都能合理进行配合运行、提供能量。
本发明提供了一种基于风电光伏系统的运行调度方法，包括：
步骤1：获取风电系统的第一历史数据，获取影响功率的第一因素，同时，获取光伏系统的第二历史数据，获取影响功率的第二因素；
步骤2：将所述第一因素与第二因素中的影响条件进行多组随机组合处理，并预测得到对应的功率数组；
步骤3：将每个功率数组与多个功率需求进行匹配，并筛选最佳功率匹配的功率数组；
步骤4：根据所述最佳功率匹配的功率数组中的第一条件集以及第二条件集，对所述风电系统以及光伏系统进行运行调度。
优选的，一种基于风电光伏系统的运行调度方法，步骤1中，获取风电系统的第一历史数据，获取影响功率的第一因素，包括：
输入所述风电系统的硬件参数，计算第一最大负载量；
模拟所述风电系统的实际运作情况，获得第一实际功率折线图，并计算得到加权平均功率；
对所述第一最大负载量与第一实际功率折线图进行综合分析，获得第一因素，其中，所述第一因素中包含多个第一影响因子。
优选的，一种基于风电光伏系统的运行调度方法，步骤1中，获取光伏系统的第二历史数据，获取影响功率的第二因素，包括：
输入光伏系统的硬件参数，计算第二最大负载量；
模拟所述光伏系统的实际运作情况，获得第二实际功率折线图，并计算得到加权平均功率；
对所述第二最大负载量与第二实际功率折线图进行综合分析，获得第二因素，其中，所述第二因素中包含多个第二影响因子。
优选的，一种基于风电光伏系统的运行调度方法，步骤1中，将所述第一因素与第二因素中的影响条件进行多组随机组合处理，并预测得到对应的功率数组，包括：
根据第一因素中的第一影响因子，构建第一因素列信息，同时，根据第二因素中的第二影响因子，构建第二因素列信息；
将每个第一影响因子与所有第二影响因子分别进行两两组合，得到多组因素列信息数组；
分别解析每组因素列信息数组内的第一影响因子和第二影响因子，得到对应解析结果；
分别对每个解析结果进行检测分析，判断对应组因素列信息数组内的第一影响因子和第二影响因子是否可以同时发生；
如果否，则将对应组因素列信息数组删除；
搭建风电系统与光伏系统的综合基准模型A；
将未删除的因素列信息数组依次输入到综合基准模型A中，得到影响风电系统功率的所有第一计算因子以及影响光伏系统功率的所有第二计算因子；
分别计算每组未删除的因素列信息数组所对应的实际风电功率以及实际光伏功率
Figure 117825DEST_PATH_IMAGE001
；
Figure 362861DEST_PATH_IMAGE002
其中：
Figure 939336DEST_PATH_IMAGE003
表示所述风电系统正常运行下的功率；
Figure 629818DEST_PATH_IMAGE004
表示在所述风电系统正常运行下的功率损耗；R表示风电场桨叶半径；
Figure 240928DEST_PATH_IMAGE005
表示空气密度；
Figure 860128DEST_PATH_IMAGE006
表示风电场桨叶偏航角；
Figure 923899DEST_PATH_IMAGE007
表示风能利用系数；
Figure 919537DEST_PATH_IMAGE008
表示第i1个第一计算因子的实际影响值；
Figure 886618DEST_PATH_IMAGE009
表示第i1个第一计算因子的影响权重；n1表示第一计算因子的个数；
Figure 676720DEST_PATH_IMAGE010
表示第i1个第一计算因子的标准影响值，且
Figure 227787DEST_PATH_IMAGE011
小于或等于
Figure 761536DEST_PATH_IMAGE008
；
Figure 81659DEST_PATH_IMAGE012
表示桨叶半径对风能利用系数的影响因子，取值范围为[0，0.1]；
Figure 72356DEST_PATH_IMAGE013
其中，n2表示第二计算因子的个数；
Figure 845140DEST_PATH_IMAGE014
表示云对光伏能源的折损系数；
Figure 917001DEST_PATH_IMAGE015
表示太阳辐射的散射辐射；
Figure 357209DEST_PATH_IMAGE016
表示光伏系统中第i个光伏组件被云遮挡的程度；
Figure 754693DEST_PATH_IMAGE017
表示第i2个第一计算因子的实际影响值；
Figure 781817DEST_PATH_IMAGE018
表示第i2个第一计算因子的标准影响值，且
Figure 657369DEST_PATH_IMAGE018
小于或等于
Figure 686505DEST_PATH_IMAGE019
；
Figure 254889DEST_PATH_IMAGE020
表示所述光伏系统正常运行下的功率函数；
Figure 2266DEST_PATH_IMAGE021
表示所述光伏系统正常运行下的功率损耗；
Figure 947088DEST_PATH_IMAGE022
表示第i2个第二计算因子的影响权重；
根据所述实际风电功率以及实际光伏功率，得到对应的功率数组。
优选的，一种基于风电光伏系统的运行调度方法，步骤1中，将每个功率数组与多个功率需求进行匹配，并筛选最佳功率匹配的功率数组，包括：
将所有功率数组放入需求处理中心的匹配数据库；
基于所述需求处理中心向每个功率需求进行标识匹配，确定对应的处理位阶，并确定与所述匹配数据的响应时间点；
所述响应时间点收到所述功率需求，对所述功率需求进行分析，提取待匹配关键字，将待匹配关键字转换为待匹配信号；
创建多个匹配进程，分别在每个进程首端设置匹配请求序列；
将待匹配信号分别发送到对应的匹配进程后，触发匹配请求序列判断，判断所述待匹配信号是否与匹配请求序列缓存列表中的历史待匹配信号相同；
如是，则根据相同的历史待匹配信号的历史匹配路径进行匹配操作；
否则，向匹配请求序列添加所述待匹配信号进行匹配操作，并追踪本次匹配操作；
确定匹配请求序列缓存列表的缓存数量，当所述缓存数量到达预设值时，将所述匹配请求序列缓存列表中的所有历史待匹配信号与所有历史匹配操作反馈至需求处理中心进行数据分析；
对所有匹配进程进行监控，对异常匹配进程发送检测指令，分析所述异常匹配进程反馈的检测报告；
若所述异常匹配进程无法推进，则将该进程终止，并将检测报告发回需求处理中心；
基于所述匹配请求序列，并结合所述需求处理中心获取的检测报告以及数据分析结果，向匹配数据库发送匹配查找指令，获得匹配的第一功率数组；
若功率需求只匹配到一个第一功率数组，则此功率数组为最佳功率匹配的功率数组，并响应给需求处理中心；
若功率需求匹配到不止一个第一功率数组，则将基于匹配分析模型对所有第一功率数组进行匹配分析，得出最佳功率匹配的功率数组，并响应给需求处理中心。
优选的，一种基于风电光伏系统的运行调度方法，响应给需求处理中心之后，还包括：
基于所述需求处理中心将收到的最佳功率匹配的功率数组进行检测；
基于检测结果，确定最佳功率匹配的功率数组是否符合数组预设；
如符合，将所述最佳功率匹配的功率数组进行保留。
优选的，一种基于风电光伏系统的运行调度方法，根据所述最佳功率匹配的功率数组中的第一条件集以及第二条件集，对所述风电系统以及光伏系统进行运行调度，包括：
检验第一条件集的可行性，得到第一检验结果，且检验第二条件结果的可行性，得到第二检验结果；
根据第一检验结果以及根据第二检验结果，对所述风电系统以及光伏系统进行运行调度。
优选的，检验第一条件集的可行性，得到第一检验结果的过程中，还包括：
判断第一条件集中的第一预测功率是否与第一最大负载量匹配；
若匹配，确定所述第一条件集与风电系统实际环境的适配度，当所述适配度大于预设度时，按照所述第一条件集进行调度。
优选的，检验第二条件集的可行性，得到第二检验结果，包括：
确定第二条件集中的第二预测功率小于或等于第二最大负载量；
综合分析第二条件集与风电系统实际环境的适配度，确定在所述风电系统实际环境下可以对第二条件集进行调度。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种基于风电光伏系统的运行调度方法的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例1：
本发明实施例提供一种基于风电光伏系统的运行调度方法，如图1所示，包括：
步骤1：获取风电系统的第一历史数据，获取影响功率的第一因素，同时，获取光伏系统的第二历史数据，获取影响功率的第二因素；
步骤2：将所述第一因素与第二因素中的影响条件进行多组随机组合处理，并预测得到对应的功率数组；
步骤3：将每个功率数组与多个功率需求进行匹配，并筛选最佳功率匹配的功率数组；
步骤4：根据所述最佳功率匹配的功率数组中的第一条件集以及第二条件集，对所述风电系统以及光伏系统进行运行调度。
该实施例中，第一历史数据指风电系统中的历史影响因素以及历史功率数据，用于体现所述风电系统实际运行情况以及历史影响因素的影响程度。
该实施例中，第二历史数据指光伏系统中的历史影响因素以及历史功率数据，用于体现所述光伏系统实际运行情况以及历史影响因素的影响程度。
该实施例中，第一因素指在第一历史数据中的对风电系统输出功率有影响的所有影响因素的总和。
该实施例中，第二因素指在第二历史数据中的对光伏系统输出功率有影响的所有影响因素的总和。
该实施例中，功率数组指预测得到的所述风电系统以及所述光伏系统在所述第一因素和所述第二因素的随机影响下的所有预测功率组合，用于与需求进行精确匹配。
该实施例中，最佳功率匹配的功率数组指与需求最为匹配的，且能使资源损耗最小的功率数组。
该实施例中，第一条件集指用于对所述风电系统进行调度的所有条件的集合。
该实施例中，第二条件集指用于对所述光伏系统进行调度的所有条件的集合。
上述技术方案的有益效果是：用以通过对影响因素的分析，精准计算预测功率，对需求精确分析，在最短时间内为需求匹配最佳调度方法，提高调度效率，使风电系统和光伏系统不论在各种因素影响下，都能合理进行配合运行、提供能量，有效提高了风电光伏系统的工作效率，加强了风电光伏系统的稳定性。
实施例2：
在上述实施例1的基础上，本实施例提供一种基于风电光伏系统的运行调度方法，包括：
输入所述风电系统的硬件参数，计算第一最大负载量；
模拟所述风电系统的实际运作情况，获得第一实际功率折线图，并计算得到加权平均功率；
对所述第一最大负载量与第一实际功率折线图进行综合分析，获得第一因素，其中，所述第一因素中包含多个第一影响因子。
该实施例中，硬件参数指所述风电系统的硬件设施的参数，包括：所述风电系统的面积、所述风电系统所处位置、风力机的桨叶半径、电负载设备的属性与基本参数、风力机的数量等。
该实施例中，第一最大负载量为所述风电系统所能输出的最大负载量。
上述技术方案的有益效果是：通过对硬件参数和实际运作情况的分析，折线图直观地反映的影响因素对所述风电系统输出功率的影响，能更好的把控所述风电系统的实际运作情况，掌握实际影响因素，为需求匹配打下良好基础，提高所述风电系统输出功率的稳定性。
实施例3：
在上述实施例1的基础上，本实施例提供一种基于风电光伏系统的运行调度方法，获取光伏系统的第二历史数据，获取影响功率的第二因素，包括：
输入光伏系统的硬件参数，计算第二最大负载量；
模拟所述光伏系统的实际运作情况，获得第二实际功率折线图，并计算得到加权平均功率；
对所述第二最大负载量与第二实际功率折线图进行综合分析，获得第二因素，其中，所述第二因素中包含多个第二影响因子。
该实施例中，硬件参数指所述光伏系统的硬件设施的参数，包括：所述光伏系统的面积、所述光伏系统所处位置、太阳能电池板的面积、电负载设备的属性与基本参数等。
该实施例中，第二最大负载量为所述光伏系统所能输出的最大负载量。
上述技术方案的有益效果是：通过对硬件参数和实际运作情况的分析，折线图直观地反映的影响因素对所述风电系统输出功率的影响，能更好的把控所述风电系统的实际运作情况，掌握实际影响因素，为需求匹配打下良好基础，提高所述光伏系统输出功率的稳定性。
实施例4：
在上述实施例1的基础上，本实施例提供一种基于风电光伏系统的运行调度方法，将所述第一因素与第二因素中的影响条件进行多组随机组合处理，并预测得到对应的功率数组，包括：
根据第一因素中的第一影响因子，构建第一因素列信息，同时，根据第二因素中的第二影响因子，构建第二因素列信息；
将每个第一影响因子与所有第二影响因子分别进行两两组合，得到多组因素列信息数组；
分别解析每组因素列信息数组内的第一影响因子和第二影响因子，得到对应解析结果；
分别对每个解析结果进行检测分析，判断对应组因素列信息数组内的第一影响因子和第二影响因子是否可以同时发生；
如果否，则将对应组因素列信息数组删除；
搭建风电系统与光伏系统的综合基准模型A；
将未删除的因素列信息数组依次输入到综合基准模型A中，得到影响风电系统功率的所有第一计算因子以及影响光伏系统功率的所有第二计算因子；
分别计算每组未删除的因素列信息数组所对应的实际风电功率以及实际光伏功率
Figure 594845DEST_PATH_IMAGE001
；
Figure 334130DEST_PATH_IMAGE002
其中：
Figure 568803DEST_PATH_IMAGE003
表示所述风电系统正常运行下的功率；
Figure 786157DEST_PATH_IMAGE004
表示在所述风电系统正常运行下的功率损耗；R表示风电场桨叶半径；
Figure 55465DEST_PATH_IMAGE005
表示空气密度；
Figure 732696DEST_PATH_IMAGE006
表示风电场桨叶偏航角；
Figure 454664DEST_PATH_IMAGE007
表示风能利用系数；
Figure 741289DEST_PATH_IMAGE008
表示第i1个第一计算因子的实际影响值；
Figure 599524DEST_PATH_IMAGE009
表示第i1个第一计算因子的影响权重；n1表示第一计算因子的个数；
Figure 680612DEST_PATH_IMAGE010
表示第i1个第一计算因子的标准影响值，且
Figure 388412DEST_PATH_IMAGE011
小于或等于
Figure 213148DEST_PATH_IMAGE008
；
Figure 191469DEST_PATH_IMAGE023
表示桨叶半径对风能利用系数的影响因子，取值范围为[0，0.1]；
Figure 177879DEST_PATH_IMAGE013
其中，n2表示第二计算因子的个数；
Figure 874440DEST_PATH_IMAGE014
表示云对光伏能源的折损系数；
Figure 738753DEST_PATH_IMAGE015
表示太阳辐射的散射辐射；
Figure 837159DEST_PATH_IMAGE016
表示光伏系统中第i个光伏组件被云遮挡的程度；
Figure 994471DEST_PATH_IMAGE017
表示第i2个第一计算因子的实际影响值；
Figure 178327DEST_PATH_IMAGE018
表示第i2个第一计算因子的标准影响值，且
Figure 344867DEST_PATH_IMAGE018
小于或等于
Figure 530735DEST_PATH_IMAGE019
；
Figure 124527DEST_PATH_IMAGE020
表示所述光伏系统正常运行下的功率函数；
Figure 530101DEST_PATH_IMAGE021
表示所述光伏系统正常运行下的功率损耗；
Figure 765910DEST_PATH_IMAGE022
表示第i2个第二计算因子的影响权重；
根据所述实际风电功率以及实际光伏功率，得到对应的功率数组。
该实施例中，第一影响因子组成序列，序列内的第一影响因子的信息总和为第一因素列信息，用于后续与第二因素列信息组合的高效便利。
该实施例中，第二影响因子组成序列，序列内的第二影响因子的信息总和为第二因素列信息，用于后续与第一因素列信息组合的高效便利。
该实施例中，因素列信息数组指的是第一因素列信息与第二因素列信息组合得到的，即包含一个第一因素列信息又包含一个第二因素列信息的数组，用于对所述风电系统和所述光伏系统预测输出功率。
该实施例中，检测分析指的是为了检测对应组因素列信息数组内的第一影响因子和第二影响因子在实际情况下能否实际发生，对于对应组因素列信息数组内的第一影响因子和第二影响因子进行的可行性检测。
该实施例中，基准模型A是指根据在理想情况下的风电系统与光伏系统情况与数据而搭建，模拟没有任何影响因素影响的风电系统与光伏系统的实际运作情况。
该实施例中，未删除的因素列信息数组指的是可以在实际情况下发生的第一影响因子和第二影响因子组成的数组，用于对于所述风电系统和光伏系统在第一影响因子和第二影响因子的影响下的功率预测。
该实施例中，第一计算因子指的是在未删除的因素列信息数组依次输入到综合基准模型A的情况下，未删除的因素列信息数组中的第一影响因子对于所述风电系统的影响程度。
该实施例中，第二计算因子指的是在未删除的因素列信息数组依次输入到综合基准模型A的情况下，未删除中因素列信息数组中的的第二影响因子对于所述光伏系统的影响程度。
该实施例中，功率数组指的是所述实际风电功率以及实际光伏功率组合起来，格式为：
Figure 573329DEST_PATH_IMAGE024
。
上述技术方案的有益效果是：对影响因子的组合与分析，掌握在每种影响因子的影响下，风电系统与光伏系统的实际输出功率变化，并且提取计算因子，精确计算每种影响下所述风电系统与光伏系统预测输出功率，将抽象的影响因子转化为具体的数据，有助于提高需求匹配的精确度，提高对资源的利用率，有助于合理配置风电系统与光伏系统。
实施例5：
在上述实施例1的基础上，本实施例提供一种基于风电光伏系统的运行调度方法，将每个功率数组与多个功率需求进行匹配，并筛选最佳功率匹配的功率数组，包括：
将所有功率数组放入需求处理中心的匹配数据库；
基于所述需求处理中心向每个功率需求进行标识匹配，确定对应的处理位阶，并确定与所述匹配数据的响应时间点；
所述响应时间点收到所述功率需求，对所述功率需求进行分析，提取待匹配关键字，将待匹配关键字转换为待匹配信号；
创建多个匹配进程，分别在每个进程首端设置匹配请求序列；
将待匹配信号分别发送到对应的匹配进程后，触发匹配请求序列判断，判断所述待匹配信号是否与匹配请求序列缓存列表中的历史待匹配信号相同；
如是，则根据相同的历史待匹配信号的历史匹配路径进行匹配操作；
否则，向匹配请求序列添加所述待匹配信号进行匹配操作，并追踪本次匹配操作；
确定匹配请求序列缓存列表的缓存数量，当所述缓存数量到达预设值时，将所述匹配请求序列缓存列表中的所有历史待匹配信号与所有历史匹配操作反馈至需求处理中心进行数据分析；
对所有匹配进程进行监控，对异常匹配进程发送检测指令，分析所述异常匹配进程反馈的检测报告；
若所述异常匹配进程无法推进，则将该进程终止，并将检测报告发回需求处理中心；
基于所述匹配请求序列，并结合所述需求处理中心获取的检测报告以及数据分析结果，向匹配数据库发送匹配查找指令，获得匹配的第一功率数组；
若功率需求只匹配到一个第一功率数组，则此功率数组为最佳功率匹配的功率数组，并响应给需求处理中心；
若功率需求匹配到不止一个第一功率数组，则将基于匹配分析模型对所有第一功率数组进行匹配分析，得出最佳功率匹配的功率数组，并响应给需求处理中心。
该实施例中，标识匹配指按照预先设置的处理位阶对每个功率需求匹配标识，包括一级匹配标识、二级匹配标识、三级匹配标识，且一级匹配标识的处理位阶高于二级匹配标识的处理位阶，二级匹配标识的处理位阶高于三级匹配标识的处理位阶。
该实施例中，处理位阶是根据收到的功率需求的紧迫性来确定的，功率需求的紧迫性预先设置为一级紧迫、二级紧迫、三级紧迫，且一级紧迫的处理位阶高于二级紧迫的处理位阶，二级紧迫的处理位阶高于三级紧迫的处理位阶。
该实施例中，响应时间点指的是对匹配标识后，按照标识位阶的次序先后发送到的响应节点，用于对所述功率需求进行分析。
该实施例中，待匹配关键字指的是用于匹配功率数组，预先设置的等待匹配的，从所述功率需求内提取的关键字。
该实施例中，匹配请求序列指的是搭载着待匹配信号的序列，用于提交匹配请求。
该实施例中，匹配请求序列缓存列表指的是储存着历史待匹配信号与历史匹配操作的列表，用于查找是否存在与当前待匹配信号一致的历史待匹配信号。
该实施例中，历史匹配操作指的是历史待匹配信号的匹配路径以及响应数组，用于快速响应与历史待匹配信号相同的待匹配信号的功率需求。
该实施例中，检测指令指用于检测异常匹配进程是否可以继续匹配的指令，减少多余不必要进程占用空间。
该实施例中，匹配分析模型用于筛选最佳最佳功率匹配的功率数组，将所述功率需求匹配到的多个第一功率数组进行模拟分析，筛选出效能最大的功率数组为最佳功率匹配的功率数组。
上述技术方案的工作原理及有益效果是：对收到的多个功率需求进行位阶分类处理，优先需求紧迫的功率需求的匹配操作，加速需求紧迫的功率需求的匹配速度，在匹配进程中添加匹配请求序列缓存列表，对于之前收到过的功率需求进行快速响应，提高匹配速度，检测删除无法进行的异常匹配进程，减少进程冗余，将历史匹配操作反馈，有助于对于匹配进程的优化，加速匹配过程，提高匹配效率，提高风电光伏系统的运行调度效率。
实施例6：
在上述实施例5的基础上，本实施例提供一种基于风电光伏系统的运行调度方法，响应给需求处理中心之后，还包括：
基于所述需求处理中心将收到的最佳功率匹配的功率数组进行检测；
基于检测结果，确定最佳功率匹配的功率数组是否符合数组预设；
如符合，将所述最佳功率匹配的功率数组进行保留。
该实施例中，检测用于检测最佳功率匹配的功率数组是否符合预先设置的数组格式与内容，数组格式为：
Figure 839488DEST_PATH_IMAGE025
。
上述技术方案的有益效果是：对于最佳最佳功率匹配的功率数组进行检测，减少在调度过程中的错误，降低错误率，提高调度效率，提高风电系统与光伏系统的工作效率。
实施例7：
在上述实施例1的基础上，本实施例提供一种基于风电光伏系统的运行调度方法，根据所述最佳功率匹配的功率数组中的第一条件集以及第二条件集，对所述风电系统以及光伏系统进行运行调度，包括：
检验第一条件集的可行性，得到第一检验结果，且检验第二条件结果的可行性，得到第二检验结果；
根据第一检验结果以及根据第二检验结果，对所述风电系统以及光伏系统进行运行调度。
该实施例中，检验第一条件集的可行性指对于第一条件集内的实施方法进行事实验证，与风电系统的实际情况相验证。
该实施例中，检验第二条件集的可行性指对于第一条件集内的实施方法进行事实验证，与光伏系统的实际情况相验证。
上述技术方案的有益效果是：对最佳功率匹配的功率数组中的第一条件集以及第二条件集的可行性进行验证，将抽象的最佳功率匹配的功率数组与实际相结合，很好的避免了一些情况下无法完成调度的错误，提高了风电光伏系统运行调度的效率。
实施例8：
基于实施7的基础上，检验第一条件集的可行性，得到第一检验结果的过程中，还包括：
判断第一条件集中的第一预测功率是否与第一最大负载量匹配；
若匹配，确定所述第一条件集与风电系统实际环境的适配度，当所述适配度大于预设度时，按照所述第一条件集进行调度。
该实施例中，第一条件集与风电系统实际环境的适配度指，第一条件集是否能在所述风电系统的实际环境条件下完成发电。
上述技术方案的有益效果是：提高调度效率，使风电系统能合理进行配合运行、提供能量，有效提高了风电光伏系统的工作效率，加强了风电光伏系统的稳定性。
实施例9：
在上述实施例7的基础上，检验第二条件集的可行性，得到第二检验结果，包括：
确定第二条件集中的第二预测功率小于或等于第二最大负载量；
综合分析第二条件集与风电系统实际环境的适配度，确定在所述风电系统实际环境下可以对第二条件集进行调度。
该实施例中，第二条件集与风电系统实际环境的适配度指，第二条件集是否能在所述光伏系统的实际环境条件下完成发电。
上述技术方案的有益效果是：提高调度效率，使光伏系统能合理进行配合运行、提供能量，有效提高了风电光伏系统的工作效率，加强了风电光伏系统的稳定性。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (7)

1.一种基于风电光伏系统的运行调度方法，其特征在于，包括：
步骤1：获取风电系统的第一历史数据，获取影响功率的第一因素，同时，获取光伏系统的第二历史数据，获取影响功率的第二因素；
步骤2：将所述第一因素与第二因素中的影响条件进行多组随机组合处理，并预测得到对应的功率数组；
步骤3：将每个功率数组与多个功率需求进行匹配，并筛选最佳功率匹配的功率数组；
步骤4：根据所述最佳功率匹配的功率数组中的第一条件集以及第二条件集，对所述风电系统以及光伏系统进行运行调度；
其中，根据所述最佳功率匹配的功率数组中的第一条件集以及第二条件集，对所述风电系统以及光伏系统进行运行调度，包括：
检验第一条件集的可行性，得到第一检验结果，且检验第二条件结果的可行性，得到第二检验结果；
根据第一检验结果以及根据第二检验结果，对所述风电系统以及光伏系统进行运行调度；
其中，将每个功率数组与多个功率需求进行匹配，并筛选最佳功率匹配的功率数组，包括：
将所有功率数组放入需求处理中心的匹配数据库；
基于所述需求处理中心向每个功率需求进行标识匹配，确定对应的处理位阶，并确定与所述匹配数据的响应时间点；
所述响应时间点收到所述功率需求，对所述功率需求进行分析，提取待匹配关键字，将待匹配关键字转换为待匹配信号；
创建多个匹配进程，分别在每个进程首端设置匹配请求序列；
将待匹配信号分别发送到对应的匹配进程后，触发匹配请求序列判断，判断所述待匹配信号是否与匹配请求序列缓存列表中的历史待匹配信号相同；
如是，则根据相同的历史待匹配信号的历史匹配路径进行匹配操作；
否则，向匹配请求序列添加所述待匹配信号进行匹配操作，并追踪本次匹配操作；
确定匹配请求序列缓存列表的缓存数量，当所述缓存数量到达预设值时，将所述匹配请求序列缓存列表中的所有历史待匹配信号与所有历史匹配操作反馈至需求处理中心进行数据分析；
对所有匹配进程进行监控，对异常匹配进程发送检测指令，分析所述异常匹配进程反馈的检测报告；
若所述异常匹配进程无法推进，则将该进程终止，并将检测报告发回需求处理中心；
基于所述匹配请求序列，并结合所述需求处理中心获取的检测报告以及数据分析结果，向匹配数据库发送匹配查找指令，获得匹配的第一功率数组；
若功率需求只匹配到一个第一功率数组，则此功率数组为最佳功率匹配的功率数组，并响应给需求处理中心；
若功率需求匹配到不止一个第一功率数组，则将基于匹配分析模型对所有第一功率数组进行匹配分析，得出最佳功率匹配的功率数组，并响应给需求处理中心。
2.根据权利要求1所述的方法，其特征在于，获取风电系统的第一历史数据，获取影响功率的第一因素，包括：
输入所述风电系统的硬件参数，计算第一最大负载量；
模拟所述风电系统的实际运作情况，获得第一实际功率折线图，并计算得到加权平均功率；
对所述第一最大负载量与第一实际功率折线图进行综合分析，获得第一因素，其中，所述第一因素中包含多个第一影响因子。
3.根据权利要求1所述的方法，其特征在于，获取光伏系统的第二历史数据，获取影响功率的第二因素，包括：
输入光伏系统的硬件参数，计算第二最大负载量；
模拟所述光伏系统的实际运作情况，获得第二实际功率折线图，并计算得到加权平均功率；
对所述第二最大负载量与第二实际功率折线图进行综合分析，获得第二因素，其中，所述第二因素中包含多个第二影响因子。
4.根据权利要求1所述的方法，其特征在于，将所述第一因素与第二因素中的影响条件进行多组随机组合处理，并预测得到对应的功率数组，包括：
根据第一因素中的第一影响因子，构建第一因素列信息，同时，根据第二因素中的第二影响因子，构建第二因素列信息；
将每个第一影响因子与所有第二影响因子分别进行两两组合，得到多组因素列信息数组；
分别解析每组因素列信息数组内的第一影响因子和第二影响因子，得到对应解析结果；
分别对每个解析结果进行检测分析，判断对应组因素列信息数组内的第一影响因子和第二影响因子是否可以同时发生；
如果否，则将对应组因素列信息数组删除；
搭建风电系统与光伏系统的综合基准模型A；
将未删除的因素列信息数组依次输入到综合基准模型A中，得到影响风电系统功率的所有第一计算因子以及影响光伏系统功率的所有第二计算因子；
分别计算每组未删除的因素列信息数组所对应的实际风电功率以及实际光伏功率
Figure DEST_PATH_IMAGE001
；
Figure 251912DEST_PATH_IMAGE002
其中：
Figure DEST_PATH_IMAGE003
表示所述风电系统正常运行下的功率；
Figure 975018DEST_PATH_IMAGE004
表示在所述风电系统正常运行下的功率损耗；R表示风电场桨叶半径；
Figure DEST_PATH_IMAGE005
表示空气密度；
Figure 930335DEST_PATH_IMAGE006
表示风电场桨叶偏航角；
Figure DEST_PATH_IMAGE007
表示风能利用系数；
Figure 536154DEST_PATH_IMAGE008
表示第i1个第一计算因子的实际影响值；
Figure DEST_PATH_IMAGE009
表示第i1个第一计算因子的影响权重；n1表示第一计算因子的个数；
Figure 131083DEST_PATH_IMAGE010
表示第i1个第一计算因子的标准影响值，且
Figure DEST_PATH_IMAGE011
小于或等于
Figure 736508DEST_PATH_IMAGE008
；
Figure 874228DEST_PATH_IMAGE012
表示桨叶半径对风能利用系数的影响因子，取值范围为[0，0.1]；
Figure DEST_PATH_IMAGE013
其中，n2表示第二计算因子的个数；
Figure 772652DEST_PATH_IMAGE014
表示云对光伏能源的折损系数；
Figure DEST_PATH_IMAGE015
表示太阳辐射的散射辐射；
Figure 808872DEST_PATH_IMAGE016
表示光伏系统中第i个光伏组件被云遮挡的程度；
Figure DEST_PATH_IMAGE017
表示第i2个第一计算因子的实际影响值；
Figure 188294DEST_PATH_IMAGE018
表示第i2个第一计算因子的标准影响值，且
Figure 446100DEST_PATH_IMAGE018
小于或等于
Figure DEST_PATH_IMAGE019
；
Figure 16890DEST_PATH_IMAGE020
表示所述光伏系统正常运行下的功率函数；
Figure DEST_PATH_IMAGE021
表示所述光伏系统正常运行下的功率损耗；
Figure 586412DEST_PATH_IMAGE022
表示第i2个第二计算因子的影响权重；
根据所述实际风电功率以及实际光伏功率，得到对应的功率数组。
5.根据权利要求1所述的方法，其特征在于，响应给需求处理中心之后，还包括：
基于所述需求处理中心将收到的最佳功率匹配的功率数组进行检测；
基于检测结果，确定最佳功率匹配的功率数组是否符合数组预设；
如符合，将所述最佳功率匹配的功率数组进行保留。
6.根据权利要求1所述的方法，其特征在于，检验第一条件集的可行性，得到第一检验结果的过程中，还包括：
判断第一条件集中的第一预测功率是否与第一最大负载量匹配；
若匹配，确定所述第一条件集与风电系统实际环境的适配度，当所述适配度大于预设度时，按照所述第一条件集进行调度。
7.根据权利要求1所述的方法，其特征在于，检验第二条件集的可行性，得到第二检验结果，包括：
确定第二条件集中的第二预测功率小于或等于第二最大负载量；
综合分析第二条件集与风电系统实际环境的适配度，确定在所述风电系统实际环境下可以对第二条件集进行调度。
CN202211022676.1A 2022-08-25 2022-08-25 一种基于风电光伏系统的运行调度方法 Active CN115102237B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211022676.1A CN115102237B (zh) 2022-08-25 2022-08-25 一种基于风电光伏系统的运行调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211022676.1A CN115102237B (zh) 2022-08-25 2022-08-25 一种基于风电光伏系统的运行调度方法

Publications (2)

Publication Number Publication Date
CN115102237A CN115102237A (zh) 2022-09-23
CN115102237B true CN115102237B (zh) 2022-11-29

Family

ID=83300109

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211022676.1A Active CN115102237B (zh) 2022-08-25 2022-08-25 一种基于风电光伏系统的运行调度方法

Country Status (1)

Country Link
CN (1) CN115102237B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102510108A (zh) * 2011-11-10 2012-06-20 山东电力调度中心 一种用于求取地区电网最大风电装机容量的方法
CN108448636A (zh) * 2018-05-10 2018-08-24 合肥工业大学 一种考虑线路因素的交直流混合微电网优化规划方法
CN109755967A (zh) * 2019-03-26 2019-05-14 安徽工程大学 一种配电网中光储系统的优化配置方法
CN110880789A (zh) * 2019-12-06 2020-03-13 国网江苏省电力有限公司南通供电分公司 一种风电、光伏联合发电系统经济调度方法
CN114091350A (zh) * 2021-11-30 2022-02-25 国网黑龙江省电力有限公司黑河供电公司 一种基于预测模型的电力调度方法
CN114298441A (zh) * 2022-01-06 2022-04-08 北京国网富达科技发展有限责任公司 一种光伏功率预测方法及系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180275314A1 (en) * 2015-08-31 2018-09-27 Green Power Labs Inc. Method and system for solar power forecasting
CN107785929B (zh) * 2017-10-13 2020-07-17 中国华能集团清洁能源技术研究院有限公司 一种太阳能热发电站功率预测系统及运行方法
CN113285655A (zh) * 2021-05-25 2021-08-20 中国华能集团清洁能源技术研究院有限公司 一种风光互补优化配比方法
CN113659638A (zh) * 2021-09-07 2021-11-16 华北电力大学 一种风-光-水-火联合发电系统日前优化调度方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102510108A (zh) * 2011-11-10 2012-06-20 山东电力调度中心 一种用于求取地区电网最大风电装机容量的方法
CN108448636A (zh) * 2018-05-10 2018-08-24 合肥工业大学 一种考虑线路因素的交直流混合微电网优化规划方法
CN109755967A (zh) * 2019-03-26 2019-05-14 安徽工程大学 一种配电网中光储系统的优化配置方法
CN110880789A (zh) * 2019-12-06 2020-03-13 国网江苏省电力有限公司南通供电分公司 一种风电、光伏联合发电系统经济调度方法
CN114091350A (zh) * 2021-11-30 2022-02-25 国网黑龙江省电力有限公司黑河供电公司 一种基于预测模型的电力调度方法
CN114298441A (zh) * 2022-01-06 2022-04-08 北京国网富达科技发展有限责任公司 一种光伏功率预测方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于投入产出法的新能源核心技术和前沿技术研究;刘建华等;《科技管理研究》;20170410(第07期);第33-40页 *

Also Published As

Publication number Publication date
CN115102237A (zh) 2022-09-23

Similar Documents

Publication Publication Date Title
CN110579709B (zh) 一种有轨电车用质子交换膜燃料电池故障诊断方法
CN106662072B (zh) 风力发电机状态监控方法与系统
CN104915747A (zh) 一种发电机组的发电性能评估方法及设备
CN103488869A (zh) 一种最小二乘支持向量机的风力发电短期负荷预测方法
CN109447441B (zh) 一种考虑新能源机组不确定性的暂态稳定风险评估方法
KR101958941B1 (ko) 머신러닝 기반 태양광 발전 제어 시스템 및 방법
CN108345670B (zh) 一种用于95598电力工单的服务热点发现方法
CN103489046A (zh) 风电场短期功率预测方法
CN103473621A (zh) 风电场短期功率预测方法
CN109167387A (zh) 风场风电功率预测方法
CN114856941A (zh) 海上风电场及机组故障诊断运维系统及其诊断运维方法
CN104102951A (zh) 一种基于emd历史数据预处理的短期风电功率预测方法
KR102523701B1 (ko) 인공지능을 이용한 태양광 모듈의 품질 예측 장치 및 방법
CN110460038A (zh) 一种涉及新能源并网的多场景输电网扩展规划方法
CN109779848A (zh) 全场风速修正函数的获得方法、装置及风电场
CN115102170A (zh) 一种风电光伏储能配比的协调优化方法
CN115859099A (zh) 样本生成方法、装置、电子设备和存储介质
CN115712735A (zh) 一种基于大数据的风电机组故障监测预警方法及系统
CN115758151A (zh) 联合诊断模型建立方法、光伏组件故障诊断方法
CN114037194B (zh) 基于机器学习的水电厂发电负荷预测系统及方法
CN115829145A (zh) 一种光伏发电量预测系统及方法
CN114240003A (zh) 一种新能源出力预测方法、系统、存储介质及设备
Serrano-Luján et al. Case of study: Photovoltaic faults recognition method based on data mining techniques
CN115102237B (zh) 一种基于风电光伏系统的运行调度方法
CN116995734B (zh) 面向电网的分布式能源电能质量监测控制评价系统

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