CN115173408B - 一种基于皮尔逊相关系数的分布式光伏电站聚合预测方法 - Google Patents
一种基于皮尔逊相关系数的分布式光伏电站聚合预测方法 Download PDFInfo
- Publication number
- CN115173408B CN115173408B CN202210892915.2A CN202210892915A CN115173408B CN 115173408 B CN115173408 B CN 115173408B CN 202210892915 A CN202210892915 A CN 202210892915A CN 115173408 B CN115173408 B CN 115173408B
- Authority
- CN
- China
- Prior art keywords
- photovoltaic power
- sub
- power station
- stations
- area
- 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
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000004220 aggregation Methods 0.000 title claims abstract description 13
- 230000002776 aggregation Effects 0.000 title claims abstract description 13
- 238000010248 power generation Methods 0.000 claims abstract description 11
- 238000005286 illumination Methods 0.000 claims description 18
- 230000005855 radiation Effects 0.000 claims description 11
- 238000012544 monitoring process Methods 0.000 abstract description 7
- 238000010276 construction Methods 0.000 abstract description 4
- 238000010606 normalization Methods 0.000 abstract description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
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
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- 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
-
- 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)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Power Engineering (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明公开了一种基于皮尔逊相关系数的分布式光伏电站聚合预测方法。通过对各个分布式光伏电站之间的相关性进行计算，将地区划分为若干个子地区，并选取能够代表该子地区所有光伏电站发电情况的光伏电站作为基准光伏电站，构建地区基准光伏电站信息表，根据基准光伏电站的气象台预测辐照度和预测温度，确定各子地区的基准光伏电站的预测功率，然后对各子地区的基准光伏电站预测功率进行归一化处理，得到各子地区所有光伏电站发电功率，最后累加计算，得出聚合全地区光伏电站的预测功率值。本发明通过计算出基准光伏电站的预测功率得到地区所有光伏电站的总功率，不需要对所有光伏电站进行气象和运行情况监测，降低了光伏电站的建设运行成本。
Description
技术领域
本发明涉及一种光伏发电技术领域，具体涉及一种基于皮尔逊相关系数的分布式光伏电站聚合预测方法。
背景技术
光伏电站是一种利用太阳能电池的光伏效应，将太阳辐射转换为电能的一种发电系统，从应用范围分为集中式和分布式光伏发电，与集中式光伏电站相比，分布式光伏电站可以充分利用分散的太阳能，并且布点方便，可以根据气象、地理、经济等因素灵活建设，但由于分布式光伏电站的数量多，分布范围广，带来了以下问题：一是光伏电站发电功率取决于天气及太阳辐射强度，很多分布式光伏电站不具备建立气象监测站进行气象监测的条件，也就难以对其发电功率进行预测；二是如果大量分布式光伏电站全部安装运行监测装置，建设成本将会大为提高，监测数据接入电网调度端会带来数据传输堵塞、调度困难等问题。因此对于分布式光伏电站，电网调度端难以全部监测并进行准确分析调度，亟需通过技术手段提升分布式光伏电站功率的聚合预测的能力水平。
发明内容
为了解决现有技术存在的上述技术问题，本发明提供一种分布式光伏电站功率的聚合预测方法，以解决分布式光伏电站发电预测以及运行监测困难，以及电网调度人员调度监测分布式光伏电站的效率低下问题，整体提升工作效率，降低分布式光伏电站的投资建设及运行成本。
为解决上述技术问题，本发明所采取的技术方案是：一种基于皮尔逊相关系数的分布式光伏电站聚合预测方法，包括以下步骤：
步骤一，将同一自然聚集区所有光伏电站的容量进行合并累加，等效成一个光伏电站；
步骤二，以15分钟为时间尺度，基于各光伏电站的历史发电功率记录，计算各个光伏电站之间的皮尔逊相关系数；以各光伏电站之间的皮尔逊相关系数最大为原则，采用K值聚类法将地区划分为多个子地区，对子地区并进行编号、命名。
步骤三，选取各子地区的在K值聚类法计算中得到的质心光伏电站作为子地区基准光伏电站，并将该子地区基准光伏电站的名称、容量、标准工况下的输出电流、接入电网的电压等级、平均光照辐射度、平均温度作为属性信息进行储存；
步骤四，对地区所有基准光伏电站进行统计，按照子地区编号、子地区名称、子地区基准光伏电站名称、子地区基准光伏电站容量、子地区基准光电站标准工况下的输出电流、子地区基准光伏电站接入电网的电压等级、子地区基准光伏电站平均光照辐射度、子地区基准光伏电站预测光照辐射度、子地区基准光伏电站平均温度、子地区基准光伏电站预测温度、子地区基准光伏电站预测功率进行按列分布，生成地区基准光伏电站信息表；
步骤五，读取地区基准光伏电站信息表，根据基准光伏电站的气象台的天气预测情况，对所有子地区基准光伏电站功率预测。
将子地区基准光伏电站预测光照辐射度、子地区基准光伏电站预测温度子地区基准光伏电站预测功率存储进地区基准光伏电站信息表；
步骤六，根据各子地区代表电站的额定功率，计算出本子地区光伏电站预测功率如下：
其中：Pi是第i个子地区光伏电站总预测功率，PCN.i是第i个子地区基准光伏电站的额定功率，PiN.j第i个子地区第j个光伏电站的额定功率，m是该子地区光伏电站的总数；
步骤七，将各子地区光伏电站预测功率进行累加计算，得到聚合全地区光伏电站的预测功率值。
进一步的，所述步骤二中不同光伏电站之间的皮尔逊相关系数如下：
其中：tA.B为A、B光伏电站之间的皮尔逊相关系数，PAt为A光伏电站在t时刻记录的发电功率，PBt为B光伏电站在t时刻记录的发电功率，为A光伏电站最近一年记录的发电功率的平均值，/>为B光伏电站最近一年记录的发电功率的平均值，n为一年内时间尺度的个数，/>
进一步的，所述步骤三中采用K值聚类法计算质心光伏电站的步骤为：将r个光伏电站划分成k个簇类，则首先从r个光伏电站中随机选取k个光伏电站作为初始聚类质心，按照以k个质心光伏电站分别与其他r-k个光伏电站之间的皮尔逊相似系数的平均值最大为原则，将剩余r-k个光伏电站分别划分到k个簇中，将该簇中每个光伏电站与其他光伏电站的皮尔斯相关系数重新进行比较，生成新的质心光伏电站，按照上述规则，再重新划分簇，如此不断迭代，直至每个簇的质心光伏电站不再变化。
进一步的，所述步骤五中所有子地区基准光伏电站功率预测计算公式为：
其中：PC.i是第i个子地区基准光伏电站的预测功率，UPN.i是第i个子地区基准光伏电站接入电网的电压等级，Imref.i是第i个子地区基准光伏电站标准工况下的输出电流，Gref.i是第i个子地区基准光伏电站平均光照辐射度，Ge.i是第i个子地区光伏电站气象台的预测光照幅度，αi是第i个子地区光伏电站的补偿系数，Ti是第i个子地区光伏电站气象台的预测温度，Tref.i是第i个子地区基准光伏电站的平均温度。
本发明的有益效果：本发明根据地区光伏电站的分布，采用皮尔逊相关系数方法将地区划分为若干个子地区，采用K值聚类法进行基准电站的选取，计算出基准光伏电站的预测功率，通过对基准光伏电站发电功率的预测结果进行统计计算，能够得到地区所有光伏电站的总功率，不需要对所有光伏电站进行气象和运行情况监测，减少了监测装置安装成本，避免了大规模的信息储存及传输，有效地简化了光伏电站发电功率的预测及相关计算，降低了光伏电站的建设运行成本，减轻了电网调度员对分布式光伏电站的调度压力。
附图说明
图1为本发明的流程图。
图2为本发明中采用K值聚类法选取质心光伏电站的流程图。
具体施方式
下面结合附图对本发明做进一步的详细描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1所示，本发明一种基于皮尔逊相关系数的分布式光伏电站聚合预测方法，其步骤如下：
步骤一：光伏电站预处理，对于分布着多个光伏电站的同一自然聚集区(如工业园区、村镇等)，将该自然聚集区的所有光伏电站的容量进行合并累加，等效成一个光伏电站；
步骤二：子地区划分，首先进行光伏电站之间的相关性计算，以15分钟为时间尺度，统计地区所有光伏电站最近一年内的历史发电功率，基于各光伏电站的历史发电功率记录，计算各个光伏电站之间的皮尔逊相关系数：
A光伏电站与B光伏电站之间的皮尔逊相关系数如下：
其中：tA.B为A、B光伏电站之间的皮尔逊相关系数，PAt为A光伏电站在t时刻记录的发电功率，PBt为B光伏电站在t时刻记录的发电功率，为A光伏电站最近一年记录的发电功率的平均值，/>为B光伏电站最近一年记录的发电功率的平均值，n为一年内时间尺度(15分钟)的个数，/>
根据地区各光伏电站之间的相关性，读取地区电力系统地理接线图，对地区的光伏电站进行划分，考虑以下要求:
1)划分子地区时应以电网规划为约束，保证同一子地区内的光伏电站属于同一电网区域；
2)在划分子地区时，既要保证子地区内光伏电站的预测精度，也要保证预测效率；
3)一个子地区必须是一个整体，不得出现互不相连分割的情况；
在满足以上条件的情况下，基于地区各光伏电站之间的皮尔逊相关系数，以各光伏电站之间的皮尔逊相关系数最大为原则，采用K值聚类法(如图2所示)将地区划分为k个子地区。
K值聚类法是一种常用的集群划分方法。假设要将r个光伏电站划分成k个簇类，则首先从r个光伏电站中随机选取k个光伏电站作为初始聚类质心，然后按照以k个质心光伏电站分别与其他r-k个光伏电站之间的皮尔逊相似系数的平均值最大为原则，将剩余r-k个光伏电站分别划分到k个簇中。将该簇中每个光伏电站与其他光伏电站的皮尔斯相关系数重新进行比较，生成新的质心光伏电站，按照上述规则，再重新划分簇，如此不断迭代，直至每个簇的质心光伏电站不再变化)
从而确定子地区并进行编号、命名；
步骤三：子地区基准光伏电站选取，选取各子地区的在K值聚类法计算中得到的质心光伏电站，即与本子地区其他光伏电站之间的皮尔逊系数平均值最高的光伏电站，作为基准光伏电站，并将该子地区基准光伏电站的名称、容量、标准工况下的输出电流、接入电网的电压等级、平均光照辐射度、平均温度作为属性信息进行储存；
步骤四：地区基准光伏电站信息表生成，对地区所有基准光伏电站进行统计，按照子地区编号、子地区名称、子地区基准光伏电站名称、子地区基准光伏电站容量、子地区基准光电站标准工况下的输出电流、子地区基准光伏电站接入电网的电压等级、子地区基准光伏电站平均光照辐射度、子地区基准光伏电站预测光照辐射度、子地区基准光伏电站平均温度、子地区基准光伏电站预测温度、子地区基准光伏电站预测功率进行按列分布，生成地区基准光伏电站信息表；
步骤五：基准光伏电站功率预测，读取地区基准光伏电站信息表，根据基准光伏电站的气象台的天气预测情况，按照下述公式进行所有子地区基准光伏电站功率预测：
其中：PC.i是第i个子地区基准光伏电站的预测功率，UPN.i是第i个子地区基准光伏电站接入电网的电压等级，Imref.i是第i个子地区基准光伏电站标准工况下的输出电流，Gref.i是第i个子地区基准光伏电站平均光照辐射度，Ge.i是第i个子地区光伏电站气象台的预测光照幅度，αi是第i个子地区光伏电站的补偿系数，Ti是第i个子地区光伏电站气象台的预测温度，Tref.i是第i个子地区基准光伏电站的平均温度；
将子地区基准光伏电站预测光照辐射度、子地区基准光伏电站预测温度子地区基准光伏电站预测功率存储进地区基准光伏电站信息表；
步骤六：子地区光伏电站预测功率计算，根据各子地区代表电站的额定功率，选择常用的归一化公式，计算出本子地区光伏电站预测功率。
子地区光伏电站预测功率计算：
其中：Pi是第i个子地区光伏电站总预测功率，PCN.i是第i个子地区基准光伏电站的额定功率，PiN.j第i个子地区第j个光伏电站的额定功率，m是该子地区光伏电站的总数；
步骤七：地区光伏电站预测功率计算，将各子地区光伏电站预测功率进行累加计算，得到聚合全地区光伏电站的预测功率值。
Claims (2)
1.一种基于皮尔逊相关系数的分布式光伏电站聚合预测方法，其特征在于，包括以下步骤：
步骤一，将同一自然聚集区所有光伏电站的容量进行合并累加，等效成一个光伏电站；
步骤二，以15分钟为时间尺度，基于各光伏电站的历史发电功率记录，计算各个光伏电站之间的皮尔逊相关系数；以各光伏电站之间的皮尔逊相关系数最大为原则，采用K值聚类法将地区划分为多个子地区，对子地区并进行编号、命名；
不同光伏电站之间的皮尔逊相关系数如下：
其中：τA.B为A、B光伏电站之间的皮尔逊相关系数，PAt为A光伏电站在t时刻记录的发电功率，PBt为B光伏电站在t时刻记录的发电功率，为A光伏电站最近一年记录的发电功率的平均值，/>为B光伏电站最近一年记录的发电功率的平均值，n为一年内时间尺度的个数，
步骤三，选取各子地区的在K值聚类法计算中得到的质心光伏电站作为子地区基准光伏电站，并将该子地区基准光伏电站的名称、容量、标准工况下的输出电流、接入电网的电压等级、平均光照辐射度、平均温度作为属性信息进行储存；
步骤四，对地区所有基准光伏电站进行统计，按照子地区编号、子地区名称、子地区基准光伏电站名称、子地区基准光伏电站容量、子地区基准光电站标准工况下的输出电流、子地区基准光伏电站接入电网的电压等级、子地区基准光伏电站平均光照辐射度、子地区基准光伏电站预测光照辐射度、子地区基准光伏电站平均温度、子地区基准光伏电站预测温度、子地区基准光伏电站预测功率进行按列分布，生成地区基准光伏电站信息表；
步骤五，读取地区基准光伏电站信息表，根据基准光伏电站的气象台的天气预测情况，对所有子地区基准光伏电站功率预测；
所有子地区基准光伏电站功率预测计算公式为：
其中：PC.i是第i个子地区基准光伏电站的预测功率，UPN.i是第i个子地区基准光伏电站接入电网的电压等级，Imref.i是第i个子地区基准光伏电站标准工况下的输出电流，Gref.i是第i个子地区基准光伏电站平均光照辐射度，Ge.i是第i个子地区光伏电站气象台的预测光照幅度，αi是第i个子地区光伏电站的补偿系数，Ti是第i个子地区光伏电站气象台的预测温度，Tref.i是第i个子地区基准光伏电站的平均温度；
将子地区基准光伏电站预测光照辐射度、子地区基准光伏电站预测温度子地区基准光伏电站预测功率存储进地区基准光伏电站信息表；
步骤六，根据各子地区代表电站的额定功率，计算出本子地区光伏电站预测功率如下：
其中：Pi是第i个子地区光伏电站总预测功率，PCN.i是第i个子地区基准光伏电站的额定功率，PiN.j第i个子地区第j个光伏电站的额定功率，m是该子地区光伏电站的总数；
步骤七：将各子地区光伏电站预测功率进行累加计算，得到聚合全地区光伏电站的预测功率值。
2.根据权利要求1所述的基于皮尔逊相关系数的分布式光伏电站聚合预测方法，其特征在于，所述步骤三中采用K值聚类法计算质心光伏电站的步骤为：将r个光伏电站划分成k个簇类，则首先从r个光伏电站中随机选取k个光伏电站作为初始聚类质心，按照以k个质心光伏电站分别与其他r-k个光伏电站之间的皮尔逊相似系数的平均值最大为原则，将剩余r-k个光伏电站分别划分到k个簇中，将该簇中每个光伏电站与其他光伏电站的皮尔斯相关系数重新进行比较，生成新的质心光伏电站，按照上述规则，再重新划分簇，如此不断迭代，直至每个簇的质心光伏电站不再变化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210892915.2A CN115173408B (zh) | 2022-07-27 | 2022-07-27 | 一种基于皮尔逊相关系数的分布式光伏电站聚合预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210892915.2A CN115173408B (zh) | 2022-07-27 | 2022-07-27 | 一种基于皮尔逊相关系数的分布式光伏电站聚合预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115173408A CN115173408A (zh) | 2022-10-11 |
| CN115173408B true CN115173408B (zh) | 2024-05-07 |
Family
ID=83496253
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210892915.2A Active CN115173408B (zh) | 2022-07-27 | 2022-07-27 | 一种基于皮尔逊相关系数的分布式光伏电站聚合预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115173408B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116070728B (zh) * | 2022-10-25 | 2024-05-07 | 国网河北省电力有限公司营销服务中心 | 光伏发电系统发电量预测方法、设备、系统及介质 |
| CN117833300B (zh) * | 2024-03-04 | 2024-05-14 | 大航有能电气有限公司 | 一种基于智能配电设备的储能容量配置方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103729685A (zh) * | 2013-12-02 | 2014-04-16 | 国电南瑞科技股份有限公司 | 基于改进rbf神经网络的光伏电站群区域功率预测方法 |
| CN105354655A (zh) * | 2015-10-06 | 2016-02-24 | 东北电力大学 | 计及功率相关性的光伏电站群置信容量评估方法 |
| CN108574300A (zh) * | 2018-04-19 | 2018-09-25 | 中国科学院电工研究所 | 一种基于相似性聚合的分布式光伏发电功率状态估计方法 |
| CN109002912A (zh) * | 2018-07-10 | 2018-12-14 | 国网湖南省电力有限公司电力科学研究院 | 一种水风光互补发电系统调峰能力评估方法 |
| CN111489028A (zh) * | 2020-04-09 | 2020-08-04 | 国网江苏省电力有限公司苏州供电分公司 | 基于雷云轨迹跟踪的雷电条件下的光伏功率预测方法 |
| CN111950811A (zh) * | 2020-08-27 | 2020-11-17 | 国网山东省电力公司聊城供电公司 | 基于双层人工神经网络的区域光伏功率预测方法及系统 |
| CN112070311A (zh) * | 2020-09-10 | 2020-12-11 | 天津大学 | 基于相似日聚类和气象因子赋权的日前光功率预测方法 |
| CN113487100A (zh) * | 2021-07-19 | 2021-10-08 | 国网浙江省电力有限公司电力科学研究院 | 光伏发电出力全局精准预测方法及系统 |
| CN114725982A (zh) * | 2022-01-18 | 2022-07-08 | 中国农业大学 | 一种分布式光伏集群精细化划分及建模方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8682585B1 (en) * | 2011-07-25 | 2014-03-25 | Clean Power Research, L.L.C. | Computer-implemented system and method for inferring operational specifications of a photovoltaic power generation system |
-
2022
- 2022-07-27 CN CN202210892915.2A patent/CN115173408B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103729685A (zh) * | 2013-12-02 | 2014-04-16 | 国电南瑞科技股份有限公司 | 基于改进rbf神经网络的光伏电站群区域功率预测方法 |
| CN105354655A (zh) * | 2015-10-06 | 2016-02-24 | 东北电力大学 | 计及功率相关性的光伏电站群置信容量评估方法 |
| CN108574300A (zh) * | 2018-04-19 | 2018-09-25 | 中国科学院电工研究所 | 一种基于相似性聚合的分布式光伏发电功率状态估计方法 |
| CN109002912A (zh) * | 2018-07-10 | 2018-12-14 | 国网湖南省电力有限公司电力科学研究院 | 一种水风光互补发电系统调峰能力评估方法 |
| CN111489028A (zh) * | 2020-04-09 | 2020-08-04 | 国网江苏省电力有限公司苏州供电分公司 | 基于雷云轨迹跟踪的雷电条件下的光伏功率预测方法 |
| CN111950811A (zh) * | 2020-08-27 | 2020-11-17 | 国网山东省电力公司聊城供电公司 | 基于双层人工神经网络的区域光伏功率预测方法及系统 |
| CN112070311A (zh) * | 2020-09-10 | 2020-12-11 | 天津大学 | 基于相似日聚类和气象因子赋权的日前光功率预测方法 |
| CN113487100A (zh) * | 2021-07-19 | 2021-10-08 | 国网浙江省电力有限公司电力科学研究院 | 光伏发电出力全局精准预测方法及系统 |
| CN114725982A (zh) * | 2022-01-18 | 2022-07-08 | 中国农业大学 | 一种分布式光伏集群精细化划分及建模方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115173408A (zh) | 2022-10-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115173408B (zh) | 一种基于皮尔逊相关系数的分布式光伏电站聚合预测方法 | |
| Omran et al. | A clustering-based method for quantifying the effects of large on-grid PV systems | |
| CN103559655B (zh) | 基于数据挖掘的微网新型馈线负荷的预测方法 | |
| CN102426674B (zh) | 一种基于马尔科夫链的电力系统负荷预测方法 | |
| CN110635506B (zh) | 一种用于新能源消纳分析的电网优化分区方法 | |
| CN113315171B (zh) | 新能源消纳能力评估方法、装置、计算机设备和存储介质 | |
| CN115796393B (zh) | 基于多能互动的能源网管理优化方法、系统及存储介质 | |
| CN113159601B (zh) | 一种基于dbscan聚类算法的光伏电站运行状态分析方法 | |
| CN112884601A (zh) | 一种基于天气区划策略的电力系统运行风险评估方法 | |
| CN117477558A (zh) | 一种基于电网负荷的预测方法及其系统 | |
| CN112491142B (zh) | 一种光伏电站性能分析系统及方法 | |
| CN116307110A (zh) | 一种分布式屋顶光伏发电聚合管理方法及系统 | |
| CN116632875A (zh) | 一种用于配电网的混合储能规划方法及系统 | |
| CN105069520A (zh) | 一种风力发电功率预测系统 | |
| Le | A combined method for wind power generation forecasting | |
| Kim et al. | On impact of randomly distributed PV systems on distribution networks | |
| CN110389949A (zh) | 一种光伏阵列数据清洗方法 | |
| KR20220150778A (ko) | 배전계획용 공간부하 예측 방법 및 장치 | |
| Alhaddad et al. | Aiming for smart wind energy: A comparison analysis between wind speed forecasting techniques | |
| CN114070198B (zh) | 分布式光伏发电系统的故障诊断方法、装置和电子设备 | |
| CN117595517B (zh) | 基于分布式光伏的智能集群控制方法及系统 | |
| CN117973955B (zh) | 一种电网动态数据模型构建方法 | |
| Valori et al. | A generation-attraction model for renewable energy flows in Italy: A complex network approach | |
| CN117634838A (zh) | 一种供电所资源智能调度管理方法及系统 | |
| Feng et al. | Bi-level optimal configuration of multi-energy microgrid under multiple scenarios |
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 |