CN115293468A - 电网区域分布式光伏消纳潜力长期预测方法、系统及介质 - Google Patents

电网区域分布式光伏消纳潜力长期预测方法、系统及介质 Download PDF

Info

Publication number
CN115293468A
CN115293468A CN202211230770.6A CN202211230770A CN115293468A CN 115293468 A CN115293468 A CN 115293468A CN 202211230770 A CN202211230770 A CN 202211230770A CN 115293468 A CN115293468 A CN 115293468A
Authority
CN
China
Prior art keywords
power grid
capacity
photovoltaic
coefficient
long
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
CN202211230770.6A
Other languages
English (en)
Other versions
CN115293468B (zh
Inventor
姜磊
杜双育
杨钊
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.)
Brilliant Data Analytics Inc
Original Assignee
Brilliant Data Analytics Inc
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 Brilliant Data Analytics Inc filed Critical Brilliant Data Analytics Inc
Priority to CN202211230770.6A priority Critical patent/CN115293468B/zh
Publication of CN115293468A publication Critical patent/CN115293468A/zh
Application granted granted Critical
Publication of CN115293468B publication Critical patent/CN115293468B/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
    • G06Q10/04—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
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Power Engineering (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

本发明涉及电力系统领域，特别涉及一种电网区域分布式光伏消纳潜力长期预测方法、系统及介质。本发明提供的方法设计了适用于电网区域分布式光伏消纳能力评估的综合指数，基于分布式光伏发电功率、光伏容量和发电总量在区域负荷中的占比特征，构建计算指标，并基于专家经验设计加权求和公式，综合评估电网区域分布式光伏消纳能力，为识别消纳风险、优化运行方式等提供数据支撑。同时，通过多角度量化相关因素对分布式光伏消纳潜力的影响，实现科学、合理地预测电网区域内分布式光伏消纳潜力，为电网投资规划、分布式光伏发展规划和电网运行优化等提供直观的数据支撑。

Description

电网区域分布式光伏消纳潜力长期预测方法、系统及介质
技术领域
本发明涉及电力系统领域，特别涉及一种电网区域分布式光伏消纳潜力长期预测方法、系统及介质。
背景技术
近年来，新能源发展迅速，而分布式光伏是新能源发展的重要方向，装机容量继续快速增长；目前，分布式光伏新增装机量已超过集中式光伏的新增装机量。同时，地区输变电容量不足、节假日调峰消纳困难等苗头问题已开始涌现，分布式光伏并网消纳问题已成为行业持续关注热点。
电网作为新型电力系统的基础平台及核心枢纽，是提升分布式光伏消纳水平的主体之一。以电网区域为统计对象，分析预测未来一段时间内区域内分布式光伏的剩余可接入容量（即消纳潜力），能够为电网投资规划、分布式光伏发展规划和电网运行优化等提供直观的数据支撑，助力提升分布式光伏消纳水平。其中，电网区域范围内分布式光伏的消纳潜力，与区域内负荷类型、负荷增长趋势、可开发容量以及产业发展宏观政策等密切相关。
目前，电网区域分布式光伏消纳能力分析以评估为主，主要通过计算渗透率、最大剩余容量等指标，对区域内分布式光伏消纳情况进行评估，掌握分布式光伏消纳特征，识别消纳薄弱环节和无法消纳风险等，为电网运行优化等提供间接支撑。但是，这种评估方法只是评估得出当前电网区域的历史和现状消纳能力，缺乏预测能力，无法真正地识别电网区域内分布式光伏的中长期消纳潜力，难以深度支撑电网投资规划、分布式光伏发展规划等工作要求。此外，以分布式光伏项目为对象的消纳能力预测，是指采用时序生产模拟法、决策树等方法对分布式光伏项目的发电功率进行短中期预测，进而结合历史消纳情况预测分布式光伏项目的发电量等，主要用于优化分布式光伏运行方式、预测项目投资效益等，并非对电网区域的分布式光伏消纳潜力进行预测，同样难以科学指导分布式光伏消纳能力提升等工作。
发明内容
有鉴于此，本发明的第一个目的在于提供一种电网区域分布式光伏消纳潜力长期预测方法，通过多角度量化相关因素对分布式光伏消纳潜力的影响，实现科学、合理地预测电网区域内分布式光伏消纳潜力，为电网投资规划、分布式光伏发展规划和电网运行优化等提供直观的数据支撑。
基于同样的发明构思，本发明的第二个目的在于提供一种电网区域分布式光伏消纳潜力长期预测系统。
基于同样的发明构思，本发明的第三个目的在于提供一种存储介质。
本发明的第一个目的可以通过如下技术方案达到：
一种电网区域分布式光伏消纳潜力长期预测方法，包括以下步骤：
获取目标电网区域内选定时间段的电网负荷数据与光伏发电数据；
根据电网负荷数据与光伏发电数据，构建消纳能力综合评估指数，表征当前时间段和电网区域内电网消纳情况；
将多个不同时间段的消纳能力综合评估指数和电网区域的光伏装机容量进行拟合，得到光伏装机容量预测的目标函数；
使用目标函数计算光伏装机容量预测初值；
构建二级指标，包括电网消纳能力自然增长系数、光伏可开发容量系数、产业发展政策系数，将二级指标组合得到长期修正系数；
根据装机容量预测初值和长期修正系数，计算得到消纳潜力长期预测值。
进一步的，根据电网负荷数据与光伏发电数据，构建消纳能力综合评估指数，包括以下步骤：
根据分布式光伏发电功率和同一时刻的区域负荷，计算发电功率消纳率Up；
根据分布式光伏最大发电功率和区域负荷最大值，计算装机容量利用率Uc；
根据分布式光伏发电量率和区域负荷耗电量率，计算电量贡献率Ue；
使用发电功率消纳率Up、装机容量利用率Uc、电量贡献率Ue，构建消纳能力综合评估指数
Figure 696604DEST_PATH_IMAGE001
，表达式为：
Figure 867689DEST_PATH_IMAGE002
其中
Figure 620882DEST_PATH_IMAGE003
为发电功率消纳率权重系数，
Figure 626884DEST_PATH_IMAGE004
为装机容量利用率权重系数，
Figure 874457DEST_PATH_IMAGE005
为电量贡献率权重系数，
Figure 728143DEST_PATH_IMAGE006
满足
Figure 42450DEST_PATH_IMAGE007
。
进一步的，权重系数
Figure 627759DEST_PATH_IMAGE008
通过主观赋权和数据离散度分析法组合计算得到，具体包括以下步骤：
根据区域电网发展趋势和业务场景需求，设计赋权原则；
根据赋权原则，使用主观赋权方法，设定权重系数区间；
计算发电功率消纳率的离散系数Vp、装机容量利用率的离散系数Vc，根据离散系数和权重系数区间，设定权重系数的数值。
进一步的，根据离散系数和权重系数区间，设定权重系数的数值，具体为：
若Vp小于0.5，则
Figure 865973DEST_PATH_IMAGE009
值取区间最小值；
若Vc小于0.5，则
Figure 885750DEST_PATH_IMAGE010
值取区间最小值；
若Vp大于0.8，则
Figure 449587DEST_PATH_IMAGE009
值取区间最大值；
若Vc大于0.8，则
Figure 259542DEST_PATH_IMAGE010
值取区间最大值；
当Vp或Vc位于[0.5,0.8]区间时，对应的
Figure 770289DEST_PATH_IMAGE009
值或
Figure 113415DEST_PATH_IMAGE004
值分别根据Vp、Vc在[0.5,0.8]区间的百分位数
Figure 113732DEST_PATH_IMAGE011
，对应地换算各自取值区间的对应值，即：
Figure 413913DEST_PATH_IMAGE012
Figure 259509DEST_PATH_IMAGE013
Figure 535770DEST_PATH_IMAGE014
其中，
Figure 956256DEST_PATH_IMAGE015
为发电功率消纳率的权重系数区间最大值，
Figure 990071DEST_PATH_IMAGE016
为发电功率消纳率的权重系数区间最小值，
Figure 390090DEST_PATH_IMAGE017
为装机容量利用率的权重系数区间最大值，
Figure 661803DEST_PATH_IMAGE018
为装机容量利用率的权重系数区间最小值。
进一步的，选用对数函数将多个不同时间段的消纳能力综合评估指数和电网区域装机容量进行拟合，得到装机容量预测的目标函数，表达式为：
Figure 987611DEST_PATH_IMAGE019
其中，d、
Figure 508722DEST_PATH_IMAGE020
为常系数，
Figure 289596DEST_PATH_IMAGE001
为消纳能力综合评估指数，
Figure 960355DEST_PATH_IMAGE021
为分布式光伏装机容量；
使用目标函数计算光伏装机容量预测初值，具体为：
取
Figure 207797DEST_PATH_IMAGE022
时对应的装机容量，即为装机容量极值，再使用装机容量极值减去当前已装机容量
Figure 465472DEST_PATH_IMAGE023
，得出剩余可接入容量，表征电网区域分布式光伏容量接入剩余能力，即装机容量预测初值
Figure 456562DEST_PATH_IMAGE024
。
进一步的，构建二级指标，包括电网消纳能力自然增长系数、光伏可开发容量系数、产业发展政策系数，将二级指标组合得到长期修正系数
Figure 984757DEST_PATH_IMAGE025
，表达式为：
Figure 606363DEST_PATH_IMAGE026
其中，t为预测年限，
Figure 616913DEST_PATH_IMAGE027
为电网消纳能力自然增长系数，
Figure 146114DEST_PATH_IMAGE028
为光伏可开发容量系数，S为产业发展政策系数；
根据光伏装机容量预测初值和长期修正系数，计算得到消纳潜力长期预测值，表达式为：
Figure 520027DEST_PATH_IMAGE029
其中，
Figure 109272DEST_PATH_IMAGE030
为装机容量预测初值。
进一步的，电网消纳能力自然增长系数的构建，具体为：
设定负荷自然增长率预测值
Figure 341539DEST_PATH_IMAGE031
与电网区域对分布式光伏消纳能力自然增长率相同，计算得到负荷自然增长率
Figure 408852DEST_PATH_IMAGE032
，表达式为：
Figure 177219DEST_PATH_IMAGE033
其中，负荷自然增长率预测值
Figure 265261DEST_PATH_IMAGE031
取当前预测年度t的前N年自然增长率的平均值，表示为：
Figure 469977DEST_PATH_IMAGE034
。
进一步的，光伏可开发容量系数
Figure 855828DEST_PATH_IMAGE028
的表达式为：
Figure 727969DEST_PATH_IMAGE035
其中，
Figure 141239DEST_PATH_IMAGE036
为已装机容量在可装机容量总和中的占比，
Figure 98831DEST_PATH_IMAGE037
。
本发明的第二个目的可以通过如下技术方案达到：
一种电网区域分布式光伏消纳潜力长期预测系统，包括：
数据获取模块，用于获取目标电网区域内选定时间段的电网负荷数据与光伏发电数据；
预测模块，用于根据电网负荷数据与光伏发电数据，构建消纳能力综合评估指数，表征当前时间段和电网区域内电网消纳情况；将多个不同时间段的消纳能力综合评估指数和电网区域的光伏装机容量进行拟合，得到光伏装机容量预测的目标函数；使用目标函数计算光伏装机容量预测初值；
长期修正模块，用于构建二级指标，包括电网消纳能力自然增长系数、光伏可开发容量系数、产业发展政策系数，将二级指标组合得到长期修正系数；根据光伏装机容量预测初值和长期修正系数，计算得到消纳潜力长期预测值。
本发明的第三个目的可以通过如下技术方案达到：
一种存储介质，存储有程序，其特征在于，所述程序被处理器执行时，实现上述的电网区域分布式光伏消纳潜力长期预测方法。
本发明相对于现有技术具有如下的有益效果：
（1）本发明通过设计发电功率消纳率、装机容量利用率、发电量贡献率三个指标，并加权求和的方式构建消纳能力综合指数，实现了区域分布式光伏消纳能力的综合评估，同时，各指标可以根据不同的需要通过权重进行调整，克服了单一指标不够全面的问题。
（2）本发明基于区域内分布式光伏历史消纳数据，构建了消纳能力综合指数-装机容量拟合曲线，将区域负荷类型、装机容量与分布式光伏消纳潜力的影响，通过拟合建模方式进行量化，保障了预测分析的合理性。
（3）本发明在构建的消纳能力综合指数-装机容量曲线的基础上，分别设计了电网消纳能力自然增长系数、光伏可开发容量系数、产业发展政策系数3个系数，量化区域负荷增长特性、分布式光伏可开发容量以及产业政策对消纳潜力的影响，实现对消纳潜力预测初始值进行修正得出最终值，保障了预测的准确性。
附图说明
图1是本发明实施例1的方法流程图；
图2是本发明实施例中对消纳能力综合指数与装机容量关系进行曲线拟合分析的示意图。
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中的附图，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的一部分实施例，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。
实施例1：
如图1所示，本实施例提供了一种电网区域分布式光伏消纳潜力长期预测方法，包括以下步骤：
S100、获取目标电网区域内选定时间段的电网负荷数据与光伏发电数据；
S200、根据电网负荷数据与光伏发电数据，构建消纳能力综合评估指数，表征当前时间段和电网区域内电网消纳情况，包括以下步骤：
S210、根据分布式光伏发电功率和同一时刻的区域负荷，计算发电功率消纳率Up；发电功率消纳率Up是在给定的区域、指定时间段内，所有分布式光伏发电功率Pt与同一时刻该区域负荷之比Lt的最大值；其中，指定时间一般按年计算，也可根据区域内分布式光伏装机容量重大变化时间节点划分时间段，但时间跨度不少于6个月，Up的表达式为：
Figure 288373DEST_PATH_IMAGE038
S220、根据分布式光伏最大发电功率和区域负荷最大值，计算装机容量利用率Uc；装机容量利用率Uc是在给定的区域、指定时间段内，分布式光伏最大发电功率Pmax与区域负荷最大值Lmax的百分比。其中，指定时间一般按年计算，也可根据区域内分布式光伏装机容量重大变化时间节点划分时间段，但时间跨度不少于6个月。Uc的表达式为：
Figure 952703DEST_PATH_IMAGE039
S230、根据分布式光伏发电量率和区域负荷耗电量率，计算电量贡献率Ue；在给定的区域、指定时间段类，分布式光伏发电量率E pv 与区域负荷耗电量率E la 的百分比。其中，指定时间一般按年计算，也可根据区域内分布式光伏装机容量重大变化时间节点划分时间段，但时间跨度不少于6个月。Ue的表达式为：
Figure 70963DEST_PATH_IMAGE040
S240、使用发电功率消纳率Up、装机容量利用率Uc、电量贡献率Ue，构建消纳能力综合评估指数
Figure 250272DEST_PATH_IMAGE001
，表达式为：
Figure 56554DEST_PATH_IMAGE041
其中
Figure 886975DEST_PATH_IMAGE042
为发电功率消纳率权重系数，
Figure 628667DEST_PATH_IMAGE043
为装机容量利用率权重系数，
Figure 783354DEST_PATH_IMAGE044
为电量贡献率权重系数，
Figure 331010DEST_PATH_IMAGE045
满足
Figure 750359DEST_PATH_IMAGE046
。
本实施例中，权重系数
Figure 459689DEST_PATH_IMAGE047
通过主观赋权和数据离散度分析法组合计算得到，具体包括以下步骤：
S241、根据区域电网发展趋势和业务场景需求，设计赋权原则；
本实施例中，设计的赋权原则如下：
（1）若重点考虑功率倒送所引发的安全风险，
Figure 675907DEST_PATH_IMAGE042
值高，
Figure 512407DEST_PATH_IMAGE043
、
Figure 802574DEST_PATH_IMAGE044
值低；
（2）若重点考虑经济性，兼顾安全风险，则
Figure 932073DEST_PATH_IMAGE042
、
Figure 510953DEST_PATH_IMAGE043
值高，
Figure 148214DEST_PATH_IMAGE044
值低；
（3）若重点考虑功率经济性，功率倒送所引发的安全风险通过优化电网运行方式等其他手段解决，则
Figure 620784DEST_PATH_IMAGE048
、
Figure 937496DEST_PATH_IMAGE044
值高，
Figure 49677DEST_PATH_IMAGE042
值低。
S242、根据赋权原则，使用主观赋权方法，设定权重系数区间；
本实施例中，主观赋权方法采用德尔菲法，结合不同区域分布式光伏消纳特性差异性较大的问题，基于兼顾经济性和安全性的原则，设定的权重区间如下：
Figure 414930DEST_PATH_IMAGE049
S243、计算发电功率消纳率的离散系数Vp、装机容量利用率的离散系数Vc，根据离散系数和权重系数区间，设定权重系数的数值，具体为：
若Vp小于0.5，则a值取区间最小值；
若Vc小于0.5，则b值取区间最小值；
若Vp大于0.8，则a值取区间最大值；
若Vc大于0.8，则b值取区间最大值；
当Vp或Vc位于[0.5,0.8]区间时，对应的a值或b值分别根据Vp、Vc在[0.5,0.8]区间的百分位数
Figure 430422DEST_PATH_IMAGE011
，对应地换算各自取值区间的对应值，即：
Figure 652456DEST_PATH_IMAGE012
Figure 251933DEST_PATH_IMAGE013
Figure 217615DEST_PATH_IMAGE014
其中，
Figure 664777DEST_PATH_IMAGE015
为发电功率消纳率的权重系数区间最大值，
Figure 88673DEST_PATH_IMAGE050
为发电功率消纳率的权重系数区间最小值，
Figure 863862DEST_PATH_IMAGE051
为装机容量利用率的权重系数区间最大值，
Figure 882502DEST_PATH_IMAGE052
为装机容量利用率的权重系数区间最小值。
本实施例中，以某电网区域为例，采用上述德尔菲法和数据离散度分析方法组合方式，基于区域分布式光伏历史数据分布情况，最终确定计算
Figure 449750DEST_PATH_IMAGE042
为0.5，
Figure 279165DEST_PATH_IMAGE043
为0.3，
Figure 292383DEST_PATH_IMAGE044
为0.2，即：
Figure 865447DEST_PATH_IMAGE053
S300、将多个不同时间段的消纳能力综合评估指数和电网区域的光伏装机容量进行拟合，得到光伏装机容量预测的目标函数；
基于消纳能力综合指数计算公式，对电网区域不同的光伏装机容量时期的消纳能力综合指数进行计算，得到不同装机容量对应的分布式光伏消纳能力综合指数历史值。该值蕴含了当前电网区域网架结构、负荷类型等约束下，所体现出来的电网区域对分布式光伏的消纳能力和特征。
其中，消纳能力综合指数计算所依赖的Up、Uc、Ue与分布式光伏装机容量
Figure 208572DEST_PATH_IMAGE054
关系描述如下：
（1）Up与
Figure 271206DEST_PATH_IMAGE054
线性相关，即光伏装机容量增加时，Up线性增加；Up为100%时，表示某个时刻分布式光伏发电功率等于该电网区域的负荷；Up大于100%时，不考虑其他因素，电网区域存在功率倒送的风险。
（2）Uc与
Figure 83304DEST_PATH_IMAGE054
线性相关，即光伏装机容量增加时，Uc线性增加；Uc为100%时，表示当前电网区域内分布式光伏装机容量已饱和，存在一定程度上的功率倒送问题。如果继续增加装机容量，若不考虑其他因素，Uc超过100%的时段增加且幅值增大，电网区域可能会存在持续、大量的功率倒送问题。
（3）Ue与
Figure 676703DEST_PATH_IMAGE054
非线性相关，即光伏装机容量较小时，发电量基本能消纳，Ue与装机容量几乎线性相关；光伏装机容量达到一定值时，部分时段光伏出力大于负荷，此时存在无法被消纳问题；随着光伏装机容量进一步增加，无法消纳时段和幅值量增加，导致Ue增长斜率逐渐变小，直至斜率为0。
因此，
Figure 828330DEST_PATH_IMAGE001
与
Figure 983237DEST_PATH_IMAGE054
为非线性相关。
根据数据分布形态，本实施例选取对数函数对
Figure 282631DEST_PATH_IMAGE055
进行曲线拟合，建模识别消纳能力综合指数与光伏装机容量的特征关系。
Figure 259815DEST_PATH_IMAGE056
其中，
Figure 813418DEST_PATH_IMAGE057
、
Figure 889958DEST_PATH_IMAGE058
为常系数，
Figure 925916DEST_PATH_IMAGE059
为消纳能力综合评估指数，
Figure 582157DEST_PATH_IMAGE060
为分布式光伏装机容量；
如图2所示，以某电网区域为例，对数据拟合分析得出拟合函数：
Figure 993196DEST_PATH_IMAGE061
S400、使用目标函数计算电网区域的光伏装机容量预测初值，具体为：
取
Figure 506217DEST_PATH_IMAGE022
时对应的装机容量，即为装机容量极值，再使用装机容量极值减去当前已装机容量
Figure 842521DEST_PATH_IMAGE023
，得出剩余可接入容量，表征电网区域分布式光伏容量接入剩余能力，即装机容量预测初值
Figure 348457DEST_PATH_IMAGE024
，表达式为：
Figure 125920DEST_PATH_IMAGE062
本实施例中，根据图2所示某电网区域拟合曲线，当前已装机容量
Figure 498258DEST_PATH_IMAGE063
，则计算得到
Figure 259541DEST_PATH_IMAGE064
。
S500、构建二级指标，电网区域内分布式光伏的消纳潜力，同样与区域负荷增长特性、分布式光伏可开发容量以及产业发展宏观政策等相关。因此二级指标包括电网消纳能力自然增长系数、光伏可开发容量系数、产业发展政策系数，将二级指标组合得到长期修正系数，具体为：
S510、构建电网消纳能力自然增长系数。一般来说，区域内负荷增长代表可消纳分布式光伏对应增长；电网企业会结合负荷增长需求，通过电网投资、优化运行方式等手段，保障变压器/线路承载力等满足负荷增长需求。因此，设定负荷自然增长率预测值
Figure 38010DEST_PATH_IMAGE031
与电网区域对分布式光伏消纳能力自然增长率相同，计算得到负荷自然增长率
Figure 997875DEST_PATH_IMAGE032
，表达式为：
Figure 118278DEST_PATH_IMAGE033
其中，负荷自然增长率预测值
Figure 786763DEST_PATH_IMAGE031
取当前预测年度t的前N年自然增长率的平均值，表示为：
Figure 119656DEST_PATH_IMAGE034
。
本实施例中，N取3，即负荷自然增长率预测值
Figure 120979DEST_PATH_IMAGE031
取当前预测年度前3年自然增长率的平均值。
S520、构建光伏可开发容量系数。一般来说，区域内分布式光伏可开发容量，反映了该区域内分布式光伏的装机潜力，直接影响区域分布式光伏未来的装机容量和消纳能力。本实施例中设计的光伏可开发容量系数，根据已装机容量在可装机容量总和中的占比
Figure 146704DEST_PATH_IMAGE036
，依托专家经验设定，得到的光伏可开发容量系数
Figure 102152DEST_PATH_IMAGE065
的表达式为：
Figure 566632DEST_PATH_IMAGE035
其中，
Figure 173194DEST_PATH_IMAGE036
为已装机容量在可装机容量总和中的占比，
Figure 619087DEST_PATH_IMAGE037
。
S530、构建产业发展政策系数。产业发展政策系数表示当前电网区域内分布式光伏相关宏观政策对产业发展的激励水平，根据专家经验赋值，取值范围为[0.7，1.3]；取值越大，表示当前产业发展政策对分布式光伏发展越有利，反之则越不利。
S540、将二级指标组合得到长期修正系数。本实施例中，将二级指标组合得到长期修正系数
Figure 514362DEST_PATH_IMAGE066
，表达式为：
Figure 931000DEST_PATH_IMAGE026
其中，t为预测年限，
Figure 657648DEST_PATH_IMAGE027
为电网消纳能力自然增长系数，
Figure 274443DEST_PATH_IMAGE028
为光伏可开发容量系数，S为产业发展政策系数；
本实施例中，以上述示例的某电网区域为例，从相关系统获取数据，结合专家经验设定如下：当前电网区域分布式光伏可开发容量为160MW；该区域未来三年的负荷自然增长率为20%；相关产业政策倾向性支持分布式光伏发展，将电网消纳能力自然增长系数、光伏可开发容量系数、产业发展政策系数分别设定如下：
Figure 781648DEST_PATH_IMAGE067
Figure 994454DEST_PATH_IMAGE068
Figure 591920DEST_PATH_IMAGE069
（当前政策倾向支持）
计算得到
Figure 68032DEST_PATH_IMAGE070
。
S600、根据光伏装机容量预测初值和长期修正系数，计算得到消纳潜力长期预测值，表达式为：
Figure 983904DEST_PATH_IMAGE071
其中，
Figure 593877DEST_PATH_IMAGE072
为装机容量预测初值。
最终计算得到
Figure 29538DEST_PATH_IMAGE073
。
综上所述，本实施例通过设计发电功率消纳率、装机容量利用率、发电量贡献率三个指标，并加权求和的方式构建消纳能力综合指数，实现了区域分布式光伏消纳能力的综合评估，同时，各指标可以根据不同的需要通过权重进行调整，克服了单一指标不够全面的问题；本实施例基于区域内分布式光伏历史消纳数据，构建了消纳能力综合指数-装机容量拟合曲线，将区域负荷类型、装机容量与分布式光伏消纳潜力的影响，通过拟合建模方式进行量化，保障了预测分析的合理性；本实施例在构建的消纳能力综合指数-装机容量曲线的基础上，分别设计了电网消纳能力自然增长系数、光伏可开发容量系数、产业发展政策系数3个系数，量化区域负荷增长特性、分布式光伏可开发容量以及产业政策对消纳潜力的影响，实现对消纳潜力预测初始值进行修正得出最终值，保障了预测的准确性。
并且，本实施例设计了适用于电网区域分布式光伏消纳能力评估的综合指数，基于分布式光伏发电功率、光伏容量和发电总量在区域负荷中的占比特征，构建计算指标，并基于专家经验设计加权求和公式，综合评估电网区域分布式光伏消纳能力，为识别消纳风险、优化运行方式等提供数据支撑。本实施例提供了适用于电网区域内分布式光伏消纳潜力的预测方法，综合考虑了电网区域内负荷类型特征、负荷增长特性、可开发容量以及产业发展宏观政策这几个与消纳潜力密切相关的因素，构建消纳能力综合指数-装机容量拟合曲线以及电网消纳能力自然增长系数、光伏可开发容量系数、产业发展政策系数，多角度量化相关因素对分布式光伏消纳潜力的影响，实现科学、合理地预测电网区域内分布式光伏消纳潜力，为电网投资规划、分布式光伏发展规划和电网运行优化等提供直观的数据支撑。
实施例2：
本实施例提供了一种电网区域分布式光伏消纳潜力长期预测系统，包括：
数据获取模块，用于获取目标电网区域内选定时间段的电网负荷数据与光伏发电数据；
预测模块，用于根据电网负荷数据与光伏发电数据，构建消纳能力综合评估指数，表征当前时间段和电网区域内电网消纳情况；将多个不同时间段的消纳能力综合评估指数和电网区域装机容量进行拟合，得到装机容量预测的目标函数；使用目标函数计算装机容量预测初值；
长期修正模块，用于构建二级指标，包括电网消纳能力自然增长系数、光伏可开发容量系数、产业发展政策系数，将二级指标组合得到长期修正系数；根据装机容量预测初值和长期修正系数，计算得到消纳潜力长期预测值。
也就是说，本实施例的上述各模块中，数据获取模块用于实现实施例1的步骤S100，预测模块用于实现实施例1的步骤S200-S400，长期修正模块用于实现实施例1的步骤S500和步骤S600；由于步骤S100-S600已在实施例1中进行了详细描述，为了使说明书的描述简洁，本实施例中上述各模块的详细实现过程参见实施例1，不再赘述。
实施例3：
本实施例提供了一种存储介质，存储有程序，所述程序被处理器执行时，实现本发明实施例1的基于电网区域分布式光伏消纳潜力长期预测方法，具体包括：
获取目标电网区域内选定时间段的电网负荷数据与光伏发电数据；
根据电网负荷数据与光伏发电数据，构建消纳能力综合评估指数，表征当前时间段和电网区域内电网消纳情况；
将多个不同时间段的消纳能力综合评估指数和电网区域装机容量进行拟合，得到装机容量预测的目标函数；
使用目标函数计算装机容量预测初值；
构建二级指标，包括电网消纳能力自然增长系数、光伏可开发容量系数、产业发展政策系数，将二级指标组合得到长期修正系数；
根据装机容量预测初值和长期修正系数，计算得到消纳潜力长期预测值。
需要说明的是，本实施例的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机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。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。
在本实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读存储介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读存储介质上包含的计算机程序可以用任何适当的介质传输，包括但不限于：电线、光缆、RF（射频）等等，或者上述的任意合适的组合。
上述计算机可读存储介质可以以一种或多种程序设计语言或其组合来编写用于执行本实施例的计算机程序，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Python、C++，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。程序可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网（LAN）或广域网（WAN）连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
显然，上述所述的实施例只是本发明的一部分实施例，而不是全部实施例，本发明不限于上述实施例的细节，任何所属技术领域的普通技术人员对其所做的适当变化或修饰，皆视为不脱离本发明的专利范畴。

Claims (10)

1.一种电网区域分布式光伏消纳潜力长期预测方法，其特征在于，包括以下步骤：
获取目标电网区域内选定时间段的电网负荷数据与光伏发电数据；
根据电网负荷数据与光伏发电数据，构建消纳能力综合评估指数，表征当前时间段和电网区域内电网消纳情况；
将多个不同时间段的消纳能力综合评估指数和电网区域的光伏装机容量进行拟合，得到光伏装机容量预测的目标函数；
使用目标函数计算电网区域的光伏装机容量预测初值；
构建二级指标，包括电网消纳能力自然增长系数、光伏可开发容量系数、产业发展政策系数，将二级指标组合得到长期修正系数；
根据光伏装机容量预测初值和长期修正系数，计算得到消纳潜力长期预测值。
2.根据权利要求1所述的电网区域分布式光伏消纳潜力长期预测方法，其特征在于，根据电网负荷数据与光伏发电数据，构建消纳能力综合评估指数，包括以下步骤：
根据分布式光伏发电功率和同一时刻的区域负荷，计算发电功率消纳率Up；
根据分布式光伏最大发电功率和区域负荷最大值，计算装机容量利用率Uc；
根据分布式光伏发电量率和区域负荷耗电量率，计算电量贡献率Ue；
使用发电功率消纳率Up、装机容量利用率Uc、电量贡献率Ue，构建消纳能力综合评估指数
Figure DEST_PATH_IMAGE001
，表达式为：
Figure 70147DEST_PATH_IMAGE002
其中
Figure DEST_PATH_IMAGE003
为发电功率消纳率权重系数，
Figure 867070DEST_PATH_IMAGE004
为装机容量利用率权重系数，
Figure DEST_PATH_IMAGE005
为电量贡献率权重系数，
Figure 568310DEST_PATH_IMAGE006
满足
Figure DEST_PATH_IMAGE007
。
3.根据权利要求2所述的电网区域分布式光伏消纳潜力长期预测方法，其特征在于，权重系数
Figure 434897DEST_PATH_IMAGE008
通过主观赋权和数据离散度分析法组合计算得到，具体包括以下步骤：
根据区域电网发展趋势和业务场景需求，设计赋权原则；
根据赋权原则，使用主观赋权方法，设定权重系数区间；
计算发电功率消纳率的离散系数Vp、装机容量利用率的离散系数Vc，根据离散系数和权重系数区间，设定权重系数的数值。
4.根据权利要求3所述的电网区域分布式光伏消纳潜力长期预测方法，其特征在于，根据离散系数和权重系数区间，设定权重系数的数值，具体为：
若Vp小于0.5，则
Figure DEST_PATH_IMAGE009
值取区间最小值；
若Vc小于0.5，则
Figure 103645DEST_PATH_IMAGE004
值取区间最小值；
若Vp大于0.8，则
Figure 658254DEST_PATH_IMAGE009
值取区间最大值；
若Vc大于0.8，则
Figure 436504DEST_PATH_IMAGE004
值取区间最大值；
当Vp或Vc位于[0.5,0.8]区间时，对应的
Figure 51156DEST_PATH_IMAGE009
值或
Figure 285828DEST_PATH_IMAGE004
值分别根据Vp、Vc在[0.5,0.8]区间的百分位数
Figure 627817DEST_PATH_IMAGE010
，对应地换算各自取值区间的对应值，即：
Figure DEST_PATH_IMAGE011
Figure 195327DEST_PATH_IMAGE012
Figure DEST_PATH_IMAGE013
其中，
Figure 777618DEST_PATH_IMAGE014
为发电功率消纳率的权重系数区间最大值，
Figure 624220DEST_PATH_IMAGE015
为发电功率消纳率的权重系数区间最小值，
Figure 520632DEST_PATH_IMAGE016
为装机容量利用率的权重系数区间最大值，
Figure 267615DEST_PATH_IMAGE017
为装机容量利用率的权重系数区间最小值。
5.根据权利要求1所述的电网区域分布式光伏消纳潜力长期预测方法，其特征在于，选用对数函数将多个不同时间段的消纳能力综合评估指数和电网区域的光伏装机容量进行拟合，得到光伏装机容量预测的目标函数，表达式为：
Figure 348703DEST_PATH_IMAGE018
其中，d、
Figure 433334DEST_PATH_IMAGE019
为常系数，
Figure 382704DEST_PATH_IMAGE001
为消纳能力综合评估指数，
Figure 767549DEST_PATH_IMAGE020
为分布式光伏装机容量；
使用目标函数计算光伏装机容量预测初值，具体为：
取
Figure 645637DEST_PATH_IMAGE021
时对应的装机容量，即为装机容量极值，再使用装机容量极值减去当前已装机容量
Figure 217564DEST_PATH_IMAGE022
，得出剩余可接入容量，表征电网区域分布式光伏容量接入剩余能力，即装机容量预测初值
Figure 236205DEST_PATH_IMAGE023
。
6.根据权利要求1所述的电网区域分布式光伏消纳潜力长期预测方法，其特征在于，构建二级指标，包括电网消纳能力自然增长系数、光伏可开发容量系数、产业发展政策系数，将二级指标组合得到长期修正系数
Figure 209977DEST_PATH_IMAGE024
，表达式为：
Figure 515757DEST_PATH_IMAGE025
其中，t为预测年限，
Figure 840559DEST_PATH_IMAGE026
为电网消纳能力自然增长系数，
Figure 397311DEST_PATH_IMAGE027
为光伏可开发容量系数，S为产业发展政策系数；
根据光伏装机容量预测初值和长期修正系数，计算得到消纳潜力长期预测值，表达式为：
Figure 225590DEST_PATH_IMAGE028
其中，
Figure 711060DEST_PATH_IMAGE029
为装机容量预测初值。
7.根据权利要求6所述的电网区域分布式光伏消纳潜力长期预测方法，其特征在于，电网消纳能力自然增长系数的构建，具体为：
设定负荷自然增长率预测值
Figure 523158DEST_PATH_IMAGE030
与电网区域对分布式光伏消纳能力自然增长率相同，计算得到负荷自然增长率
Figure 883601DEST_PATH_IMAGE031
，表达式为：
Figure 720714DEST_PATH_IMAGE032
其中，负荷自然增长率预测值
Figure 626353DEST_PATH_IMAGE030
取当前预测年度t的前N年自然增长率的平均值，表示为：
Figure 909436DEST_PATH_IMAGE033
。
8.根据权利要求6所述的电网区域分布式光伏消纳潜力长期预测方法，其特征在于，光伏可开发容量系数
Figure 558723DEST_PATH_IMAGE034
的表达式为：
Figure 220648DEST_PATH_IMAGE035
其中，
Figure 47921DEST_PATH_IMAGE036
为已装机容量在可装机容量总和中的占比，
Figure 303453DEST_PATH_IMAGE037
。
9.一种电网区域分布式光伏消纳潜力长期预测系统，其特征在于，包括：
数据获取模块，用于获取目标电网区域内选定时间段的电网负荷数据与光伏发电数据；
预测模块，用于根据电网负荷数据与光伏发电数据，构建消纳能力综合评估指数，表征当前时间段和电网区域内电网消纳情况；将多个不同时间段的消纳能力综合评估指数和电网区域的光伏装机容量进行拟合，得到光伏装机容量预测的目标函数；使用目标函数计算光伏装机容量预测初值；
长期修正模块，用于构建二级指标，包括电网消纳能力自然增长系数、光伏可开发容量系数、产业发展政策系数，将二级指标组合得到长期修正系数；根据装机容量预测初值和长期修正系数，计算得到消纳潜力长期预测值。
10.一种存储介质，存储有程序，其特征在于，所述程序被处理器执行时，实现权利要求1-8任一项所述的电网区域分布式光伏消纳潜力长期预测方法。
CN202211230770.6A 2022-10-10 2022-10-10 电网区域分布式光伏消纳潜力长期预测方法、系统及介质 Active CN115293468B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211230770.6A CN115293468B (zh) 2022-10-10 2022-10-10 电网区域分布式光伏消纳潜力长期预测方法、系统及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211230770.6A CN115293468B (zh) 2022-10-10 2022-10-10 电网区域分布式光伏消纳潜力长期预测方法、系统及介质

Publications (2)

Publication Number Publication Date
CN115293468A true CN115293468A (zh) 2022-11-04
CN115293468B CN115293468B (zh) 2022-12-27

Family

ID=83819287

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211230770.6A Active CN115293468B (zh) 2022-10-10 2022-10-10 电网区域分布式光伏消纳潜力长期预测方法、系统及介质

Country Status (1)

Country Link
CN (1) CN115293468B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116128167A (zh) * 2023-04-17 2023-05-16 江苏图南数字科技有限公司 一种基于云计算实时监测的分布式光伏发电分析方法
CN117291478A (zh) * 2023-11-27 2023-12-26 东北大学 光伏系统碳减排计算方法及装置、存储介质、计算机设备
CN117674304A (zh) * 2024-02-02 2024-03-08 国网山西省电力公司经济技术研究院 一种配电网分布式光伏消纳能力的评估方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003259551A (ja) * 2002-03-01 2003-09-12 Sharp Corp 太陽光発電管理サーバ、太陽光発電管理システム、太陽光発電管理方法およびその方法を実現するプログラムを記録した機械読取可能な記録媒体
CN105515058A (zh) * 2015-12-24 2016-04-20 东南大学 一种光伏发电参与的功率就地消纳方法
US20180046924A1 (en) * 2015-08-31 2018-02-15 Guangzhou Institute Of Energy Conversion, Chinese Academy Of Sciences Whole-life-cycle power output classification prediction system for photovoltaic systems
CN109004667A (zh) * 2018-06-19 2018-12-14 国网河北省电力有限公司经济技术研究院 光伏接入容量确定方法及设备
CN109193748A (zh) * 2018-07-23 2019-01-11 国电南瑞科技股份有限公司 一种光伏消纳能力的评价方法及计算设备
CN111092451A (zh) * 2018-10-23 2020-05-01 中国能源建设集团江苏省电力设计院有限公司 一种基于配电网网格的光伏消纳预警方法
CN111725826A (zh) * 2020-07-02 2020-09-29 国网青海省电力公司 一种基于高比例光伏接入电力系统的储能综合定容方法
CN114530877A (zh) * 2021-11-24 2022-05-24 国网浙江省电力有限公司嘉兴供电公司 一种配电网分布式光伏消纳方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003259551A (ja) * 2002-03-01 2003-09-12 Sharp Corp 太陽光発電管理サーバ、太陽光発電管理システム、太陽光発電管理方法およびその方法を実現するプログラムを記録した機械読取可能な記録媒体
US20180046924A1 (en) * 2015-08-31 2018-02-15 Guangzhou Institute Of Energy Conversion, Chinese Academy Of Sciences Whole-life-cycle power output classification prediction system for photovoltaic systems
CN105515058A (zh) * 2015-12-24 2016-04-20 东南大学 一种光伏发电参与的功率就地消纳方法
CN109004667A (zh) * 2018-06-19 2018-12-14 国网河北省电力有限公司经济技术研究院 光伏接入容量确定方法及设备
CN109193748A (zh) * 2018-07-23 2019-01-11 国电南瑞科技股份有限公司 一种光伏消纳能力的评价方法及计算设备
CN111092451A (zh) * 2018-10-23 2020-05-01 中国能源建设集团江苏省电力设计院有限公司 一种基于配电网网格的光伏消纳预警方法
CN111725826A (zh) * 2020-07-02 2020-09-29 国网青海省电力公司 一种基于高比例光伏接入电力系统的储能综合定容方法
CN114530877A (zh) * 2021-11-24 2022-05-24 国网浙江省电力有限公司嘉兴供电公司 一种配电网分布式光伏消纳方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116128167A (zh) * 2023-04-17 2023-05-16 江苏图南数字科技有限公司 一种基于云计算实时监测的分布式光伏发电分析方法
CN116128167B (zh) * 2023-04-17 2023-06-16 江苏图南数字科技有限公司 一种基于云计算实时监测的分布式光伏发电分析方法
CN117291478A (zh) * 2023-11-27 2023-12-26 东北大学 光伏系统碳减排计算方法及装置、存储介质、计算机设备
CN117291478B (zh) * 2023-11-27 2024-03-15 东北大学 光伏系统碳减排计算方法及装置、存储介质、计算机设备
CN117674304A (zh) * 2024-02-02 2024-03-08 国网山西省电力公司经济技术研究院 一种配电网分布式光伏消纳能力的评估方法
CN117674304B (zh) * 2024-02-02 2024-04-30 国网山西省电力公司经济技术研究院 一种配电网分布式光伏消纳能力的评估方法

Also Published As

Publication number Publication date
CN115293468B (zh) 2022-12-27

Similar Documents

Publication Publication Date Title
CN115293468B (zh) 电网区域分布式光伏消纳潜力长期预测方法、系统及介质
Alqurashi et al. Treatment of uncertainty for next generation power systems: State-of-the-art in stochastic optimization
Khalid et al. Minimization and control of battery energy storage for wind power smoothing: Aggregated, distributed and semi-distributed storage
Iranmehr et al. Modeling the price of emergency power transmission lines in the reserve market due to the influence of renewable energies
Raouf Mohamed et al. Distributed battery energy storage systems operation framework for grid power levelling in the distribution networks
Nolting et al. Can energy system modeling benefit from artificial neural networks? Application of two-stage metamodels to reduce computation of security of supply assessments
Wang et al. Stochastic demand charge management for commercial and industrial buildings
Karaaslan et al. Forecasting of Turkey’s sectoral energy demand by using fuzzy grey regression model
Žarković et al. Fuzzy expert system for management of smart hybrid energy microgrid
Jafari et al. Scenario-based stochastic optimal operation of wind/PV/FC/CHP/boiler/tidal/energy storage system considering DR programs and uncertainties
Laouafi et al. An evaluation of conventional and computational intelligence methods for medium and long-term load forecasting in Algeria
Jafari et al. Optimal operation of a micro-grid containing energy resources and demand response program
CN108110756A (zh) 考虑不确定性因素的工业园区配电网规划方法
Ebrahimi et al. Stochastic scheduling of energy storage systems in harmonic polluted active distribution networks
Tsao et al. Integrated voltage control and maintenance insurance planning for distribution networks considering uncertainties
CN113240183B (zh) 商业建筑电热负荷日前优化调度方法和系统
Yang et al. Data‐driven modeling for fatigue loads of large‐scale wind turbines under active power regulation
CN115713252A (zh) 一种水风光储多能互补系统综合效益评估方案寻优方法
CN115313519A (zh) 一种配电网储能优化配置方法、装置、设备及存储介质
Phommixay et al. Comparative analysis of continuous and hybrid binary-continuous particle swarm optimization for optimal economic operation of a microgrid
CN114819292A (zh) 基于安全综合评价的园区微电网智能调度方法及系统
CN113255957A (zh) 综合服务站不确定因素的定量优化分析方法及系统
CN117375114B (zh) 一种综合能源系统优化调度方法及系统
CN113067329B (zh) 一种电力系统的可再生能源适应性优化方法及终端
CN113688570B (zh) 园区综合能源系统自动运行的实现方法、装置及设备

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