CN115117886A - 一种风电场的储能控制方法、装置及存储介质 - Google Patents

一种风电场的储能控制方法、装置及存储介质 Download PDF

Info

Publication number
CN115117886A
CN115117886A CN202210945388.7A CN202210945388A CN115117886A CN 115117886 A CN115117886 A CN 115117886A CN 202210945388 A CN202210945388 A CN 202210945388A CN 115117886 A CN115117886 A CN 115117886A
Authority
CN
China
Prior art keywords
moment
energy storage
power
prediction data
data
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
CN202210945388.7A
Other languages
English (en)
Inventor
潘霄峰
杜彦仪
要鹏飞
孙财新
申旭辉
王鸿策
关何格格
李铮
汤海雁
文继业
吕哲
逯彦奇
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 Clean Energy Research Institute
Huaneng Longdong Energy Co Ltd
Original Assignee
Huaneng Clean Energy Research Institute
Huaneng Longdong 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 Clean Energy Research Institute, Huaneng Longdong Energy Co Ltd filed Critical Huaneng Clean Energy Research Institute
Priority to CN202210945388.7A priority Critical patent/CN115117886A/zh
Publication of CN115117886A publication Critical patent/CN115117886A/zh
Pending legal-status Critical Current

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
    • H02J3/004—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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means

Landscapes

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

Abstract

本申请提出的风电场的储能控制方法、装置及存储介质中，获取风电场第一预设时间段内各时刻修正后的功率预测数据，将各时刻修正后的功率预测数据代入至储能控制模型中，通过计算得到各时刻对应的储能充放电功率参考值；基于各时刻储能充放电功率参考值对各时刻的充放电功率进行优化控制。其中，本申请中的储能控制模型是利用修正后的功率预测数据得到各时刻储能充放电功率的，提高了功率预测数据的精度，进而提高了储能充放电控制策略的精度。

Description

一种风电场的储能控制方法、装置及存储介质
技术领域
本申请涉及风电场储能技术领域，尤其涉及一种风电场的储能控制方法、装置及存储介质。
背景技术
在“风储”场景下，风电场一般会采用功率预测数据作为储能系统充放电控制的核心边界(即作为风电场实发功率)，但是，由于风力的间隙性、随机性等自然属性，导致功率预测精度普遍不高，从而影响到储能系统的充放电控制策略，进而可能导致资源的浪费。
相关技术中，风电场采用持久化方法对功率进行预测，但是持久化方法仅适用于极短时间内的预测，准确性会随着时间的增加而迅速下降，预测功率精度较低，进而导致储能对应的充放电控制策略精度较低。
发明内容
本申请提供一种风电场的储能控制方法、装置及存储介质，以解决上述相关技术中出现的技术问题。
本申请第一方面实施例提出一种风电场的储能控制方法，包括：
获取风电场第一预设时间段内各时刻修正后的功率预测数据；
将所述修正后的功率预测数据代入至储能控制模型中，通过计算得到各时刻对应的储能充放电功率参考值；
基于所述储能充放电功率参考值对各时刻的充放电功率进行优化控制。
可选的，所述储能控制模型包括：以所述风电场对应的投资回报率与理想折扣率之和最大为目标的目标函数，及适用于所述目标函数的多个约束条件。
可选的，在所述获取风电场第一预设时间段内各时刻修正后的功率预测数据之前，还包括：
获取风电场第一预设时间段内各时刻的原始功率预测数据；
确定所述各时刻原始功率预测数据的所属分区；
根据所述各时刻原始预测功率数据的所属分区，确定所述各时刻所属分区对应的修正系数；
将所述各时刻原始功率预测数据及所述修正系数代入功率预测修正模型，利用所述功率预测修正模型对所述原始功率预测数据进行修正，得到各时刻修正后的功率预测数据。
可选的，所述根据所述各时刻原始功率预测数据的所属分区，确定所述各时刻所属分区对应的修正系数，包括：
获取所述各时刻所属分区过去第二预设时间段内的预测功率数据和实际功率数据；
对所述各时刻第二预设时间段内的历史数据进行统计分析，确定所述各时刻所属分区对应的修正系数。
本申请第二方面实施例提出一种风电场的储能控制装置，包括：
获取模块，用于获取风电场第一预设时间段内各时刻修正后的功率预测数据；
计算模块，用于将所述修正后的功率预测数据代入至储能控制模型中，通过计算得到各时刻对应的储能充放电功率参考值；
控制模块，用于基于所述储能充放电功率参考值对各时刻的充放电功率进行优化控制。
可选的，所述储能控制模型包括：以所述风电场对应的投资回报率与理想折扣率之和最大为目标的目标函数，及适用于所述目标函数的多个约束条件。
可选的，所述装置还用于：
获取风电场第一预设时间段内各时刻的原始功率预测数据；
确定所述各时刻原始功率预测数据的所属分区；
根据所述各时刻原始预测功率数据的所属分区，确定所述各时刻所属分区对应的修正系数；
将所述各时刻原始功率预测数据及所述修正系数代入功率预测修正模型，利用所述功率预测修正模型对所述原始功率预测数据进行修正，得到各时刻修正后的功率预测数据。
可选的，所述装置还用于：
获取所述各时刻所属分区过去第二预设时间段内的预测功率数据和实际功率数据；
对所述各时刻第二预设时间段内的历史数据进行统计分析，确定所述各时刻所属分区对应的修正系数。
本申请第三方面实施例提出的计算机存储介质，其中，所述计算机存储介质存储有计算机可执行指令；所述计算机可执行指令被处理器执行后，能够实现如上第一方面所述的方法。
本申请第四方面实施例提出的计算机设备，其中，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行所述程序时，能够实现如上第一方面所述的方法。
本申请的实施例提供的技术方案至少带来以下有益效果：
本申请提出的风电场的储能控制方法、装置及存储介质中，获取第一预设时间段内各时刻修正后的功率预测数据，将修正后的功率预测数据代入至储能控制模型中，通过计算得到各时刻对应的储能充放电功率参考值，基于储能充放电功率参考值对各时刻的充放电功率进行优化控制。其中，本申请中的储能控制模型是利用修正后的功率预测数据得到各时刻储能充放电功率的，提高了功率预测数据的精度，进而提高了储能充放电控制策略的精度。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本申请一个实施例提供的风电场的储能控制方法的流程示意图；
图2为根据本申请一个实施例提供的风电场的储能控制装置的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其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。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的风电场的储能控制方法及装置。
实施例一
图1为根据本申请一个实施例提供的一种风电场的储能控制方法的流程示意图，如图1所示，可以包括：
步骤101、获取风电场第一预设时间段内各时刻修正后的功率预测数据。
其中，在本申请的一个实施例之中，上述第一预设时间段可以是未来4个小时或者未来1天。
以及，在本申请的一个实施例之中，在获取风电场第一预设时间段内各时刻修正后的功率预测数据之前，还可以包括以下步骤：
步骤a、获取风电场第一预设时间段内各时刻的原始功率预测数据。
其中，在本申请的一个实施例之中，可以通过现有计算量一般的功率预测方法得到风电场第一预设时间段内各时刻的原始预测功率数据。
步骤b、确定各时刻原始功率预测数据的所属分区。
其中，在本申请的一个实施例之中，确定原始预测功率数据的所属分区之前，还包括：根据风电场容量和过去第三预设时间段内的实际功率数据，对风电场的功率数据进行分区。在本申请的一个实施例之中，上述第三预设时间段内可以是过去一年的时间。
以及，在本申请的一个实施例之中，风电场可以根据自身的情况将风电场的功率数据分为M个区，不同的区间内，预测功率数据与实际功率的偏差具有各自不同的特征，且每个区都对应的序号(例如，S1、S2)，其中M大于等于2，M为正整数。
示例的，在本申请的一个实施例之中，风电场根据自身的情况将风电场的功率数据间隔相同功率分为M个区，例如功率间隔20进行分区，将风电场分为[0,20W)，[20W,40W)，[40W,60W]，3个区。
需要说明的是，在本申请的一个实施例之中，对风电场的功率数据进行分区之后，可以将每个区的序号和区间存在的映射关系进行存储，然后当获取原始预测功率数据之后，可以先确定该原始预测功率数据所属的区间，然后再根据每个区的序号和区间的映射关系确定原始预测功率数据的所属分区。
步骤c、根据各时刻原始预测功率数据的所属分区，确定各时刻所属分区对应的修正系数。
其中，在本申请的一个实施例之中，上述根据各时刻原始预测功率数据的所属分区，确定各时刻所属分区对应的修正系数的方法可以包括以下步骤：
步骤1、获取各时刻所属分区过去第二预设时间段内的预测功率数据和实际功率数据。
需要说明的是，在本申请的一个实施例之中，若预测功率数据的时刻与当前时刻相隔时间跨度较大时，初始预测功率数据的准确度较差，基于此基于历史数据对当前预测值调整时，选取的过去第二预设时间段不能与预测功率数据对应的时刻太远。
示例的，在本申请的一个实施例之中，第二预设时间段可以是当前时刻过去1天。
步骤2、对第二预设时间段内的历史数据进行统计分析，确定各时刻所属分区对应的修正系数。
其中，在本申请的一个实施例之中，对第一预设时间段内的一个时刻所属分区对应的第二预设时间段内的历史数据进行统计分析，确定所属分区对应的修正系数的方法可以包括：获取上述该时刻过去第二预设时间段内的所有时刻对应的历史修正系数，基于该历史修正系数得到该时刻所属分区对应的修正系数。
具体的，在本申请的一个实施例之中，上述方法的计算公式如下：
Figure BDA0003787062620000061
其中，在本申请的一个实施例之中，βt是t时刻的修正系数，上述N为当前t时刻之前第二预设时间段内对应的时刻数量，βi为t时刻之前第二预设时间段内第i个时刻的修正系数，βi∈[0,1]。
以及，在本申请的一个实施例之中，上述第一预设时间段内的各个时刻的修正系数均可以通过上述方法得到。
步骤d、将各时刻原始功率预测数据及修正系数代入功率预测修正模型，利用功率预测修正模型对各时刻原始功率预测数据进行修正，得到各时刻修正后的功率预测数据。
在本申请的一个实施例之中，上述预测功率修正模型的计算公式如下：
Figure BDA0003787062620000062
其中，P_adjustt为t时刻修正后的预测功率数据，P_predictt为t时刻的原始预测功率数据，N为t时刻之前第二预设时间段内对应的时刻值，P_reali为t时刻之前第二预设时间段内第i个时刻真实的功率数据，P_predicti为t时刻之前第二预设时间段内第i个时刻预测的功率数据，βt为t时刻的修正系数。
其中，上述功率预测修正模型利用同一分区的历史功率数据对预测功率数据进行修正，使得修正后的预测功率数据更加精确，从而提高了预测精度。同时，本申请中将功率数据进行分区，各分区采用不同的修正系数，并通过所属分区确定对应的修正系数，考虑的粒度更加细致，提高了稳定性与可靠性。
步骤102、将修正后的功率预测数据代入至储能控制模型中，通过计算得到各时刻对应的储能充放电功率参考值。
其中，在本申请的一个实施例之中，上述储能控制模型可以包括：以风电场对应的投资回报率与理想折扣率之和最大为目标的目标函数，及适用于目标函数的多个约束条件。
其中，在本申请的一个实施例之中，以风电场对应的投资回报率与理想折扣率之和最大为目标的目标函数为：
J＝max(ROI+IDR)
其中，IDR为预设时段内风电场对应的理想折扣率，ROI表示所预设时间段内的投资回报率预设时段内风电场对应的理想折扣率的计算式如下：
Figure BDA0003787062620000071
式中，IDR为预设时段内风电场对应的理想折扣率，Actual为基于原始超短期功率预测数据计算得到的预设时段的总收益，Ideal为基于实发功率数据计算得到的预设时段的总收益。
其中，投资回报率的获取方法可以为：获取风电站在预设时段内的总收益及投资总成本，将总收益及投资总成本的比值作为预设时段内风电场对应的投资回报率。
需要说明的是，预设时段内的总收益的计算式可以为：
Figure BDA0003787062620000072
其中，
Figure BDA0003787062620000073
Benefit为预设时段内的总收益，benefitt为第t个时刻对应的收益，Pjishu,t为第t个时刻对应的基数电价，Qjishu,t为第t个时刻对应的基数电量，Pzhong,t为第t个时刻对应的中长期电价，Qzhong,t为第t个时刻对应的中长期电量，Priqian,t为第t个时刻对应的日前出清电价，Qriqian,t为第t个时刻对应的日前出清电量，Pshishi,t为第t个时刻对应的实时出清电价，Padjust,t为第t个时刻修正后的超短期功率预测数据。
预设时段内的投资总成本的计算式可以为：Cost＝H1*S+H2*W+H3，其中，Cost为预设时段内的投资总成本，H1为储能系统的单位容量造价，S为储能系统的额定容量，H2为储能系统的单位功率造价，W为储能系统的额定功率，H3为储能系统的固定成本投资金额。
以及，在本申请的一个实施例之中，适用于目标函数的多个约束条件包括：储能SOC约束、储能末时段的SOC约束。
在本申请的一个实施例之中，上述储能SOC约束为：
Figure BDA0003787062620000081
其中，
Figure BDA0003787062620000082
为t时段储能的SOC，
Figure BDA0003787062620000083
分别为t时段储能的最大、最小SOC。
以及，上述储能电池的SOC转换可如下所示：
Figure BDA0003787062620000084
其中：Eini为储能电池衰减前的最大容量，
Figure BDA0003787062620000085
和
Figure BDA0003787062620000086
分别为t时段储能电池的充电和放电效率。
在本申请的一个实施例之中，储能末时段的SOC约束为：
Figure BDA0003787062620000087
其中，为保证储能能够在下一个控制周期正常工作，应使得末时段储能动作之后的SOC为给定值。
以及，在本公开的一个实施例之中，将各时刻修正后的功率预测数据代入至上述储能控制模型中，可以通过现有计算方法(例如，粒子群优化算法)得出各时刻对应的储能充放电功率参考值。
步骤103、基于各时刻储能充放电功率参考值对各时刻的充放电功率进行优化控制。
其中，在本申请的一个实施例之中，可以基于各时刻储能充放电功率参考值以及各时刻的电量需求，对各时刻的充放电功率进行优化控制。
综上所述，本申请提出的风电场的储能控制方法中，获取第一预设时间段内各时刻修正后的功率预测数据，将修正后的功率预测数据代入至储能控制模型中，通过计算得到各时刻对应的储能充放电功率参考值，基于储能充放电功率参考值对各时刻的充放电功率进行优化控制。其中，本申请中的储能控制模型是利用修正后的功率预测数据得到各时刻储能充放电功率的，提高了功率预测数据的精度，进而提高了储能充放电控制策略的精度。
实施例二
图2为根据本申请一个实施例提供的风电场的储能控制装置的结构示意图，如图2所示，所述装置可以包括：
获取模块201，用于获取风电场第一预设时间段内各时刻修正后的功率预测数据；
计算模块202，用于将各时刻修正后的功率预测数据代入至储能控制模型中，通过计算得到各时刻对应的储能充放电功率参考值；
控制模块203，用于基于各时刻储能充放电功率参考值对各时刻的充放电功率进行优化控制。
可选的，储能控制模型包括：以风电场对应的投资回报率与理想折扣率之和最大为目标的目标函数，及适用于目标函数的多个约束条件。
可选的，上述装置还用于：
获取风电场第一预设时间段内各时刻的原始功率预测数据；
确定所述各时刻原始功率预测数据的所属分区；
根据所述各时刻原始预测功率数据的所属分区，确定所述各时刻所属分区对应的修正系数；
将所述各时刻原始功率预测数据及所述修正系数代入功率预测修正模型，利用所述功率预测修正模型对所述各时刻原始功率预测数据进行修正，得到各时刻修正后的功率预测数据。
可选的，上述装置还用于：
获取所述各时刻所属分区过去第二预设时间段内的预测功率数据和实际功率数据；
对所述第二预设时间段内的历史数据进行统计分析，确定所述各时刻所属分区对应的修正系数。
综上所述，本申请提出的风电场的储能控制装置中，获取第一预设时间段内各时刻修正后的功率预测数据，将修正后的功率预测数据代入至储能控制模型中，通过计算得到各时刻对应的储能充放电功率参考值，基于储能充放电功率参考值对各时刻的充放电功率进行优化控制。其中，本申请中的储能控制模型是利用修正后的功率预测数据得到各时刻储能充放电功率的，提高了功率预测数据的精度，进而提高了储能充放电控制策略的精度。
为了实现上述实施例，本公开还提出一种计算机存储介质。
本公开实施例提供的计算机存储介质，存储有可执行程序；所述可执行程序被处理器执行后，能够实现如图1所示的方法。
为了实现上述实施例，本公开还提出一种计算机设备。
本公开实施例提供的计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序；所述处理器执行所述程序时，能够实现如图1任一所示的方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种风电场的储能控制方法，其特征在于，所述方法包括：
获取风电场第一预设时间段内各时刻修正后的功率预测数据；
将所述各时刻修正后的功率预测数据代入至储能控制模型中，通过计算得到所述各时刻对应的储能充放电功率参考值；
基于所述各时刻储能充放电功率参考值对各时刻的充放电功率进行优化控制。
2.根据权利要求1所述的储能控制方法，其特征在于，所述储能控制模型包括：以所述风电场对应的投资回报率与理想折扣率之和最大为目标的目标函数，及适用于所述目标函数的多个约束条件，其中多个约束条件包括储能SOC约束、储能末时段的SOC约束。
3.根据权利要求1所述的储能控制方法，其特征在于，在所述获取第一预设时间段内各时刻修正后的功率预测数据之前，还包括：
获取风电场第一预设时间段内各时刻的原始功率预测数据；
确定所述各时刻原始功率预测数据的所属分区；
根据所述各时刻原始预测功率数据的所属分区，确定所述各时刻所属分区对应的修正系数；
将所述各时刻原始功率预测数据及所述修正系数代入功率预测修正模型，利用所述功率预测修正模型对所述各时刻原始功率预测数据进行修正，得到各时刻修正后的功率预测数据。
4.根据权利要求3所述的储能控制方法，其特征在于，所述根据所述各时刻原始功率预测数据的所属分区，确定所述各时刻所属分区对应的修正系数，包括：
获取所述各时刻所属分区过去第二预设时间段内的预测功率数据和实际功率数据；
对所述第二预设时间段内的历史数据进行统计分析，确定所述各时刻所属分区对应的修正系数。
5.一种风电场的储能控制装置，其特征在于，所述方法包括：
获取模块，用于获取风电场第一预设时间段内各时刻修正后的功率预测数据；
计算模块，用于将所述各时刻修正后的功率预测数据代入至储能控制模型中，通过计算得到各时刻对应的储能充放电功率参考值；
控制模块，用于基于所述各时刻储能充放电功率参考值对各时刻的充放电功率进行优化控制。
6.根据权利要求5所述的储能控制装置，其特征在于，所述储能控制模型包括：以所述风电场对应的投资回报率与理想折扣率之和最大为目标的目标函数，及适用于所述目标函数的多个约束条件。
7.根据权利要求5所述的储能控制装置，其特征在于，所述装置还用于：
获取风电场第一预设时间段内各时刻的原始功率预测数据；
确定所述各时刻原始功率预测数据的所属分区；
根据所述各时刻原始预测功率数据的所属分区，确定所述各时刻所属分区对应的修正系数；
将所述各时刻原始功率预测数据及所述修正系数代入功率预测修正模型，利用所述功率预测修正模型对所述各时刻原始功率预测数据进行修正，得到各时刻修正后的功率预测数据。
8.根据权利要求7所述的储能控制装置，其特征在于，所述装置还用于：
获取所述各时刻所属分区过去第二预设时间段内的预测功率数据和实际功率数据；
对所述各时刻第二预设时间段内的历史数据进行统计分析，确定所述各时刻所属分区对应的修正系数。
9.一种计算机设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，能够实现如权利要求1-4中任一所述的方法。
10.一种计算机存储介质，其中，所述计算机存储介质存储有计算机可执行指令；所述计算机可执行指令被处理器执行后，能够实现权利要求1-4中任一所述的方法。
CN202210945388.7A 2022-08-08 2022-08-08 一种风电场的储能控制方法、装置及存储介质 Pending CN115117886A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210945388.7A CN115117886A (zh) 2022-08-08 2022-08-08 一种风电场的储能控制方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210945388.7A CN115117886A (zh) 2022-08-08 2022-08-08 一种风电场的储能控制方法、装置及存储介质

Publications (1)

Publication Number Publication Date
CN115117886A true CN115117886A (zh) 2022-09-27

Family

ID=83336160

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210945388.7A Pending CN115117886A (zh) 2022-08-08 2022-08-08 一种风电场的储能控制方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN115117886A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115358495A (zh) * 2022-10-20 2022-11-18 中国华能集团清洁能源技术研究院有限公司 一种风电功率预测综合偏差率的计算方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115358495A (zh) * 2022-10-20 2022-11-18 中国华能集团清洁能源技术研究院有限公司 一种风电功率预测综合偏差率的计算方法
CN115358495B (zh) * 2022-10-20 2023-02-07 中国华能集团清洁能源技术研究院有限公司 一种风电功率预测综合偏差率的计算方法

Similar Documents

Publication Publication Date Title
US11770098B2 (en) Coordinated control of renewable electric generation resource and charge storage device
CN107248751A (zh) 一种实现配电网负荷功率削峰填谷的储能站调度控制方法
CN112186802A (zh) 一种动态经济调度的多时间尺度滚动调度方法及其系统
CN115117886A (zh) 一种风电场的储能控制方法、装置及存储介质
CN115169723A (zh) 发电功率预测方法、负荷预测方法及模型训练方法
CN115600793A (zh) 面向源网荷储一体化园区的协同控制方法及系统
CN115954951A (zh) 一种新能源可靠出力水平的计算方法和装置
CN109038556B (zh) 一种火电机组灵活性改造容量计算方法及系统
CN110649638B (zh) 一种弥补风电功率预测误差的储能系统的优化方法
CN114172180B (zh) 考虑退化成本的电池储能参与调峰双层滚动优化控制方法
CN113964819A (zh) 一种考虑风电场参与调频的电力系统运行优化方法及装置
CN113437757A (zh) 基于前景理论的风-蓄联合系统电量分解方法
CN115275997A (zh) 一种基于分区策略的风电场预测功率修正方法及系统
CN115189376A (zh) 一种风电场储能最优配置方法、装置及存储介质
CN109726929B (zh) 考虑气象预报不确定性累积过程的风水联合调度方法
CN115173451A (zh) 一种风储联合运行的储能优化控制方法及系统
CN115663921B (zh) 一种风光储充微电网调控计划确定方法及系统
CN113725904B (zh) 考虑老化发电机组退役的电网转型方法、装置及设备
CN111030088B (zh) 一种电力外送输电通道容量预测方法和装置
CN112909969B (zh) 应用于储能系统的容量置信度确定方法与装置
CN110690719B (zh) 一种微电网电池储能配置方法及可读存储介质
CN115224708A (zh) 一种基于超短期功率预测数据的储能优化控制方法及系统
CN115589007A (zh) 一种风电场的储能控制方法、装置及存储介质
CN115099067A (zh) 基于蒙特卡洛法的超短期功率预测数据的修正方法及系统
CN116799836A (zh) 一种新能源场站配置储能效益评估方法及系统

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