CN115713252A - 一种水风光储多能互补系统综合效益评估方案寻优方法 - Google Patents
一种水风光储多能互补系统综合效益评估方案寻优方法 Download PDFInfo
- Publication number
- CN115713252A CN115713252A CN202211283652.1A CN202211283652A CN115713252A CN 115713252 A CN115713252 A CN 115713252A CN 202211283652 A CN202211283652 A CN 202211283652A CN 115713252 A CN115713252 A CN 115713252A
- Authority
- CN
- China
- Prior art keywords
- wind
- comprehensive
- water
- energy
- complementary system
- 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
Links
- 230000008901 benefit Effects 0.000 title claims abstract description 178
- 238000011156 evaluation Methods 0.000 title claims abstract description 170
- 230000000295 complement effect Effects 0.000 title claims abstract description 162
- 238000004146 energy storage Methods 0.000 title claims abstract description 125
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 112
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000005457 optimization Methods 0.000 title claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 58
- 239000011159 matrix material Substances 0.000 claims abstract description 44
- 238000004587 chromatography analysis Methods 0.000 claims abstract description 19
- 230000006870 function Effects 0.000 claims description 39
- 230000015654 memory Effects 0.000 claims description 25
- 230000011218 segmentation Effects 0.000 claims description 19
- 238000010276 construction Methods 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 abstract description 6
- 238000009434 installation Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 6
- 238000010606 normalization Methods 0.000 description 5
- 238000010248 power generation Methods 0.000 description 5
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 4
- 239000003245 coal Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 241001672018 Cercomela melanura Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
-
- 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of 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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Power Engineering (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种水风光储多能互补系统综合效益评估方案寻优方法,构建水风光储多能互补系统综合效益评价指标矩阵,并经过层析分析法和熵权法处理,得到每类评价指标的主客观综合权重系数;基于主客观综合权重系数构建目标效益评估方案寻优模型;对目标效益评估方案寻优模型进行求解,得到目标水风光储多能互补系统综合效益评估方案。既考虑了专家经验的主观偏好,又尊重了数据本身的客观特征;通过对目标效益评估方案寻优模型求解,可以快速识别水风光储多能互补系统综合效益评估的最佳方案,为水风光储多能互补系统多种装机规模装机方案比选、不同调控运行方案分析提供了智能且快速的决策技术支持。
Description
技术领域
本发明涉及电力系技术领域,具体涉及一种水风光储多能互补系统综合效益评估方案寻优方法。
背景技术
当前,电力系统综合效率不高,各类电源互补互济不足等矛盾日益凸显。构建包含水、风、光等多类型清洁可再生能源及抽水蓄能等储能设施的水风光储多能互补系统,有利于促进清洁电力大规模消纳,优化能源结构。随着电力体制改革的深入推进,风光水储坚持市场化发展,风光水储的商业模式空间正在打开。针对水风光储多能互补系统综合效益,建立全面、科学,具有参考价值的评估评价方案寻优方法,可为水风光储多能互补系统的投资与建设提供理论支撑,促进能源结构不断优化调整。
发明内容
有鉴于此,本发明实施例提供了涉及一种水风光储多能互补系统综合效益评估方案寻优方法,以解决现有技术中缺少全面、科学,具有参考价值的评估评价方案寻优方法的技术问题。
本发明提出的技术方案如下:
第一方面,本发明实施例提供一种水风光储多能互补系统综合效益评估方案寻优方法,该水风光储多能互补系统综合效益评估方案寻优方法包括:构建水风光储多能互补系统综合效益评价指标矩阵;基于所述水风光储多能互补系统综合效益评价指标矩阵,经过层析分析法和熵权法处理,得到每类所述评价指标的主客观综合权重系数;基于所述主客观综合权重系数构建目标效益评估方案寻优模型;对所述目标效益评估方案寻优模型进行求解,得到目标水风光储多能互补系统综合效益评估方案。
结合第一方面,在第一方面的一种可能的实现方式中,基于所述水风光储多能互补系统综合效益评价指标矩阵,经过层析分析法和熵权法处理,得到每个所述评价指标的主客观综合权重系数,包括:基于所述水风光储多能互补系统综合效益评价指标矩阵,经过层析分析法处理,得到每个所述评价指标的主观权重系数;基于所述水风光储多能互补系统综合效益评价指标矩阵,对每个水风光储多能互补系统综合效益待评估方案中的每类评价指标进行标准化处理,得到所述水风光储多能互补系统综合效益评价指标矩阵的标准化处理结果;基于所述水风光储多能互补系统综合效益评价指标矩阵的标准化处理结果,经过熵权法处理,得到每类所述评价指标的客观权重系数;确定所述主观权重系数和所述客观权重系数的分割比;基于所述主观权重系数、所述客观权重系数和所述分割比确定每类所述评价指标的所述主客观综合权重系数。
结合第一方面,在第一方面的另一种可能的实现方式中,基于所述主客观综合权重系数构建目标效益评估方案寻优模型,包括:获取每个所述水风光储多能互补系统综合效益待评估方案的相对优属度;计算每个所述水风光储多能互补系统综合效益待评估方案的整体综合距离和加权距优距离;基于所述整体综合距离确定第一目标函数;基于所述加权距优距离确定第二目标函数;基于所述分割比和所述相对优属度,经过所述第一目标函数和所述第二目标函数,构建目标效益评估方案寻优模型。
结合第一方面,在第一方面的又一种可能的实现方式中,计算每个所述水风光储多能互补系统综合效益待评估方案的整体综合距离和加权距优距离,包括:基于所述主客观综合权重系数和所述标准化处理结果计算所述加权距优距离和加权距劣距离;基于所述加权距优距离和所述加权距劣距离计算所述整体综合距离。
结合第一方面,在第一方面的又一种可能的实现方式中,对所述目标效益评估方案寻优模型进行求解,得到目标水风光储多能互补系统综合效益评估方案,包括:基于所述第一目标函数和所述第二目标函数,经过多目标启发式智能优化算法处理,得到非劣解集,所述非劣解集反映同时满足所述第一目标函数和所述第二目标函数的水风光储多能互补系统综合效益评估方案解集;结合决策者偏好在所述非劣解集中确定最佳分割比和最佳相对优属度;基于所述最佳分割比确定最佳主客观综合权重系数;基于所述最佳相对优属度、所述最佳主客观综合权重系数和所述标准化处理结果确定最佳整体综合距离;基于所述最佳整体综合距离确定目标水风光储多能互补系统综合效益评估方案。
第二方面,本发明实施例提供一种水风光储多能互补系统综合效益评估方案寻优装置,该水风光储多能互补系统综合效益评估方案寻优装置包括:第一构建模块,用于构建水风光储多能互补系统综合效益评价指标矩阵;处理模块,用于基于所述水风光储多能互补系统综合效益评价指标矩阵,经过层析分析法和熵权法处理,得到每类所述评价指标的主客观综合权重系数;第二构建模块,用于基于所述主客观综合权重系数构建目标效益评估方案寻优模型;求解模块,用于对所述目标效益评估方案寻优模型进行求解,得到目标水风光储多能互补系统综合效益评估方案。
第三方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行如本发明实施例第一方面及第一方面任一项所述的水风光储多能互补系统综合效益评估方案寻优方法。
第四方面,本发明实施例提供一种电子设备,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行如本发明实施例第一方面及第一方面任一项所述的水风光储多能互补系统综合效益评估方案寻优方法。
本发明提供的技术方案,具有如下效果:
本发明实施例提供的水风光储多能互补系统综合效益评估方案寻优方法,基于层析分析法和熵权法构建主客观综合权重系数,既考虑了专家经验的主观偏好,又尊重了数据本身的客观特征;通过建立目标效益评估方案寻优模型并求解,可以快速识别水风光储多能互补系统综合效益评估的最佳方案。因此,通过实施本发明,为水风光储多能互补系统多种装机规模装机方案比选、不同调控运行方案分析提供了智能且快速的决策技术支持。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例提供的一种水风光储多能互补系统综合效益评估方案寻优方法的流程图;
图2是根据本发明实施例提供的水风光储多能互补系统综合效益评价指标类型示意图;
图3是根据本发明实施例提供的一种水风光储多能互补系统综合效益评估方案寻优装置的结构框图;
图4是根据本发明实施例提供的计算机可读存储介质的结构示意图;
图5是根据本发明实施例提供的一种电子设备的结构示意图。
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。
本发明实施例提供一种水风光储多能互补系统综合效益评估方案寻优方法,如图1所示,该方法包括如下步骤:
步骤101:构建水风光储多能互补系统综合效益评价指标矩阵。
具体地,从经济效益、技术效益、社会效益以及环境效益四个方面,构建了包含12类评价指标(如图2所示)的水风光储多能互补系统综合效益评价指标矩阵:
1a)经济效益
经济效益指标从水风光储多能互补系统项目的财务分析,包括净年值E1、投资收益E2、内部收益率E3,并考虑水风光储多能互补系统在电力市场环境下参与辅助服务获取收益E4。
其中,净年值E1为水风光储多能互补系统的净现值分摊到系统项目的寿命期内各年的等额年值,为投资年内的年收益,其表达式如关系式(1)所示:
式中:ns表示水风光储多能互补系统的设计工程寿命;j表示设计工程寿命内的第j年;io表示折现率;i表示基准折现率;(A/P,io,ns)表示资金回收系数;CI(j)表示第j年的现金流入;CO(j)表示第j年的现金流出。
进一步,CI(j)主要包括正常售电收益和设备残值,其表达式如关系式(2)所示:
式中:Bs表示水风光储多能互补系统项目的设备残值;Bp(j)表示第j年的售电收益。
现金流出部分CO(j)包括初始建设的投资成本、运行维护成本、设备更新成本,其表达式如关系式(3)所示:
CO(j)=C0+CM(j)+CB(j) (3)
式中:C0表示初始投资;CM(j)表示第j年的发电设备运行维护成本;CB(j)表示第j年的发电设备更新成本。
投资收益E2是水风光储多能互补系统项目的盈利能力,其表达式为正常年份的净收益与总投资比值,如关系式(4)所示:
式中:NB表示正常年份的年息税前利润;Ks表示水风光储多能互补系统项目的总投资,具体包括流动资金、建设投资、建设期内贷款利息。
内部收益率E3为投资运营商对水风光储多能互补系统项目的投资报酬率,表达式如关系式(5)所示:
辅助服务获取收益E4为水风光储多能互补系统中储能设备参与电力市场环境下一系列辅助服务获得的收益,其表达式如关系式(6)所示:
EC4=E4=E41+E42+E43+E44+E45 (6)
式中:E41表示水风光储多能互补系统的调峰收益;E42表示水风光储多能互补系统的调频补偿;E43表示水风光储多能互补系统的调相收益;E44表示水风光储多能互补系统的备用服务收益;E45表示水风光储多能互补系统的黑启动收益。其中,收益具体测算方式参照各地的电力市场政策。
1b)技术效益
水风光储多能互补系统运行能实现多能源品种发电互相补充,提升能源清洁利用水平和电力系统运行效率,降低新能源电力消纳的压力,所以水风光储多能互补系统技术效益主要考虑输出平稳性T1、互补程度T2、有功控制效果T3和能源利用率T4四个指标。
其中,输出平稳性T1表示风光水储单体系统的输出功率的平稳性指标,风、光接入系统后,其波动越大对电网造成的负面影响越大,同时水、储的输出功率变化过快也增加了系统的调控难度,有必要对风光水储能源的输出功率进行平稳性评估,具体的表达式如关系式(7)所示:
式中:i表示第i种能源,分别为风、光、水、储;tik表示第i种能源在采样单位时间k内的输出变化量;K表示采样时间尺度的总点数;PiN表示第i种能源的输出功率额定值。
其中,输出平稳性T1的值越小,水风光储多能互补系统输出功率波动越小,平稳性越好。
互补程度T2表示衡量水风光储多能互补系统的互补能力,可以量化地评估了风、光、水、储输出功率叠加后的功率波动情况,具体的表达式如关系式(8)所示:
其中,互补程度T2的值越小,水风光储多能互补系统的互补程度越高,其值等于0时,各种能源变化量相互抵消,实现完全互补。
有功控制效果T3评估了水风光储多能互补系统的实际输出功率对计划输出功率的跟踪效果,含义为功率偏移程度,具体的表达式如关系式(9)所示:
式中:Ptol(k)表示单位时间k内水风光储多能互补系统的实际输出功率;Pref(k)表示单位时间k内水风光储多能互补系统的计划输出功率。
其中,有功控制效果T3的值越小,表明对计划输出功率的跟踪越紧密,系统功率调控能力越强。
能源利用率T4表示水风光储多能互补系统对水、风、光资源的利用率,其表达式如关系式(10)所示:
式中:Pi(k)表示单位时间k内水风光储多能互补系统中风、光、水的实际发电功率;Pin(k)表示单位时间k内水风光储多能互补系统中风、光、水的可利用发电功率。
其中,能源利用率T4越大,水风光储多能互补系统中的弃水、弃风、弃光越少,资源浪费小。
1c)社会效益
社会效益考虑项目示范效益S1,地区经济影响水平S2两项指标。水风光储多能互补项目由于采用新技术新标准,具有显著示范效益。
其中,项目示范效益S1的表达式如关系式(11)所示:
式中:Ps表示水风光储多能互补项目建成后所带来的示范效益收益;PZ表示当地同期经济收益。
水风光储多能互补项目的建设、维护、运行可以推动发展,促进基础设施的建设,开发新能源可解决用能和供能需求,降低能源投资成本。采用地区经济影响水平S2反映水风光储多能互补系统对当地经济的影响,其表达式如关系式(12)所示:
式中:PP表示水风光储多能互补项目建成后当年的经济收益。
1d)环境效益
水风光储多能互补系统作为绿色能源的联合发电方式,通过整合清洁能源,改善发电结构,减少碳排放,实现了良好的节能减排效应,很大程度地减少了污染气体、温室气体及其他废物的排放,具有很高的环保效益,所以环保效益采用污染物减排量N1和节煤效益N2两个指标。
其中,污染物减排量N1的表达式如关系式(13)所示:
式中:Es表示水风光储多能互补系统在一年内所输出的水、风、光的发电量;LF、分别表示水风光储多能互补系统中每度电可减排烟尘量,可减排二氧化碳量、可减排二氧化硫量和可减排氮氧化合物量,单位为kg;CF、分别表示单位kg的烟尘量、二氧化碳、二氧化硫量和氮氧化合物量的治理费用。
节煤效益N2的表达式如关系式(14)所示:
EC12=N2=EtsLMCM (14)
式中:Ets表示水风光储多能互补系统在一年内所产生发电量;LM表示常规火电机组生产单位电量所消耗的煤炭量;CM表示单位煤炭量的价格。
根据上述12类评价指标,针对M个水风光储多能互补系统的规划与运行相关的待评估方案,逐一进行评估,进而形成水风光储多能互补系统综合效益评价指标矩阵如关系式(15)所示:
步骤102:基于所述水风光储多能互补系统综合效益评价指标矩阵,经过层析分析法和熵权法处理,得到每个所述评价指标的主客观综合权重系数。
其中,层析分析法是一种将决策者对复杂系统的决策思维过程模型化、数量化的过程;熵权法是一种客观赋权方法,在具体使用过程中,根据各指标的数据分散程度,利用信息熵计算出各指标的熵权,再根据各指标对熵权进行一定的修正,从而得到较为客观的指标权重。
因此,利用层析分析法和熵权法,可以计算得到每类评价指标的主客观综合权重系数,并且这种处理过程既考虑了专家经验的主观偏好,又尊重了数据本身的客观特征。
步骤103:基于所述主客观综合权重系数构建目标效益评估方案寻优模型。
具体地,主客观综合权重系数可以反映每个效益评估方案中每类评价指标的重要程度,因此,根据该主客观综合权重系数可以构建目标效益评估方案寻优模型。
步骤104:对所述目标效益评估方案寻优模型进行求解,得到目标水风光储多能互补系统综合效益评估方案。
具体地,根据步骤103的描述,可以通过对该目标效益评估方案寻优模型进行求解得到目标水风光储多能互补系统综合效益评估方案。
本发明实施例提供的水风光储多能互补系统综合效益评估方案寻优方法,基于层析分析法和熵权法构建主客观综合权重系数,既考虑了专家经验的主观偏好,又尊重了数据本身的客观特征;通过建立目标效益评估方案寻优模型并求解,可以快速识别水风光储多能互补系统综合效益评估的最佳方案。因此,通过实施本发明,为水风光储多能互补系统多种装机规模装机方案比选、不同调控运行方案分析提供了智能且快速的决策技术支持。
作为本发明实施例一种可选的实施方式,步骤102包括:基于所述水风光储多能互补系统综合效益评价指标矩阵,经过层析分析法处理,得到每类所述评价指标的主观权重系数;基于所述水风光储多能互补系统综合效益评价指标矩阵,对每个水风光储多能互补系统综合效益待评估方案中的每类评价指标进行标准化处理,得到所述水风光储多能互补系统综合效益评价指标矩阵的标准化处理结果;基于所述水风光储多能互补系统综合效益评价指标矩阵的标准化处理结果,经过熵权法处理,得到每类所述评价指标的客观权重系数;确定所述主观权重系数和所述客观权重系数的分割比;基于所述主观权重系数、所述客观权重系数和所述分割比确定每类所述评价指标的所述主客观综合权重系数。
首先,基于步骤101中描述的水风光储多能互补系统综合效益评价指标矩阵中的12类评价指标,根据第一个专家的建议构建各层的相对重要性判断矩阵,并对该相对重要性判断矩阵进行一致性校验;进一步,可以得到多名专家的评价矩阵和权重向量;最后构建相似系数矩阵,删除偏离度最大的权重系数,计算剩余权重系数的平均值得到各项指标基于层次分析法计算的主观权重系数ωc=(ωc1,…,ωci,…,ωcN)。
其次,根据如关系式(15)所示的水风光储多能互补系统综合效益评价指标矩阵,对M个水风光储多能互补系统综合效益待评估方案中的N类评价指标(即N=12)进行标准化处理。
其中,除输出平稳性T1、互补程度T2、有功控制效果T3为成本型指标(即i=5、6、7),其余均为效益型指标。
效益型和成本型指标的标准化处理过程分别为:
效益型指标的标准化如关系式(16)所示:
成本型指标的标准化如关系式(17)所示:
上述关系式(16)和(17)中:表示第k个水风光储多能互补系统综合效益待评估方案的第i类评价指标的标准化处理结果;表示第i类评价指标在所有待水风光储多能互补系统综合效益待评估方案中的最大值;表示第i类评价指标在所有待水风光储多能互补系统综合效益待评估方案中的最小值。
其中,当i=5、6、7时,采用成本型指标的标准化处理方式,其他均采用效益型指标的标准化处理方式。
水风光储多能互补系统综合效益评价指标矩阵的标准化处理结果如关系式(18)所示:
然后,基于水风光储多能互补系统综合效益评价指标矩阵的标准化处理结果,通过计算每类评价指标的信息熵值,得到每类评价指标的客观权重系数,如关系式(21)所示:
进一步,确定主观权重系数和客观权重系数的分割比λ;
最后,根据主观权重系数、客观权重系数和分割比λ可以计算得到每类评价指标的主客观综合权重系数,如关系式(20)所示:
ωi=λ×ωci+(1-λ)×ωsi (20)
式中:ωi表示第i类评价指标的主客观综合权重系数;ωci表示第i类评价指标的主观权重系数;λ表示主客观权重系数分割比。
作为本发明实施例一种可选的实施方式,步骤103,包括:获取每个所述水风光储多能互补系统综合效益待评估方案的相对优属度;计算每个所述水风光储多能互补系统综合效益待评估方案的整体综合距离和加权距优距离;基于所述整体综合距离确定第一目标函数;基于所述加权距优距离确定第二目标函数;基于所述分割比和所述相对优属度,经过所述第一目标函数和所述第二目标函数,构建目标效益评估方案寻优模型。
其中,计算每个所述水风光储多能互补系统综合效益待评估方案的整体综合距离和加权距优距离,包括:基于所述主客观综合权重系数和所述标准化处理结果计算所述加权距优距离和加权距劣距离;基于所述加权距优距离和所述加权距劣距离计算所述整体综合距离。
式中:DBk表示k个水风光储多能互补系统综合效益待评估方案的加权距优距离;uk表示第k个水风光储多能互补系统综合效益待评估方案的相对优属度;
加权距劣距离利用关系式(22)计算得到:
式中:DWk表示k个水风光储多能互补系统综合效益待评估方案的加权距劣距离;
其次,目标函数包括为所有方案的整体综合距离最小化(第一目标函数)、距优距离较近的方案数最大化(第二目标函数),分别如关系式(23)和(24)所示:
其中,(DBk)2+(DWk)2表示k个水风光储多能互补系统综合效益待评估方案的整体综合距离;
最后,将分割比和相对优属度(λ,u1,…,uk…,uM)作为优化变量,经过第一目标函数和第二目标函数优化,可以构建得到对应的目标效益评估方案寻优模型。其中,分割比和相对优属度取值范围均为[0,1]。
作为本发明实施例一种可选的实施方式,步骤104,包括:基于所述第一目标函数和所述第二目标函数,经过多目标启发式智能优化算法处理,得到非劣解集;结合决策者偏好在所述非劣解集中确定最佳分割比和最佳相对优属度;基于所述最佳分割比确定最佳主客观综合权重系数;基于所述最佳相对优属度、所述最佳主客观综合权重系数和所述标准化处理结果确定最佳整体综合距离;
基于所述最佳整体综合距离确定目标水风光储多能互补系统综合效益评估方案。
其中,多目标启发式智能优化算法可以为NSGA-2、PA-DDS等智能优化算法;非劣解集反映同时满足第一目标函数和第二目标函数的水风光储多能互补系统综合效益评估方案解集。
具体地,利用该多目标启发式智能优化算法可以得到Pareto非劣解集,根据决策者偏好从非劣解集中选择最佳分割比和最佳相对优属度其中,λ*表示最佳分割比;表示第k个水风光储多能互补系统综合效益待评估方案的最佳相对优属度;
式中:表示最佳主客观综合权重系数;表示最佳相对优属度;表示标准化处理结果;表示最佳加权距优距离,可以根据关系式(21)计算得到;表示最佳加权距劣距离,可以根据关系式(22)计算得到;表示最佳整体综合距离。
进一步,选择最佳综合距离较小者作为最终推荐方案,即目标水风光储多能互补系统综合效益评估方案,如关系式(26)所示:
式中:Bestk表示第k个水风光储多能互补系统综合效益待评估方案为最终推荐方案。
通过上述实施例提供的水风光储多能互补系统综合效益评估方案寻优方法,一方面,基于层析分析法-熵权法构建主客观综合权重系数,既考虑了专家经验的主观偏好,又尊重了数据本身的客观特征。通过建立最佳效益评估方案寻优模型,采用多目标智能化启发算法进行求解,可智能化获取主客观权重系数的最佳占比、可快速识别水风光储多能互补系统综合效益评估的最佳方案。本发明为水风光储多能互补系统多种装机规模装机方案比选、不同调控运行方案分析提供了智能且快速的决策技术支持。
本发明实施例还提供一种水风光储多能互补系统综合效益评估方案寻优装置,如图3所示,该装置包括:
第一构建模块301,用于构建水风光储多能互补系统综合效益评价指标矩阵;详细内容参见上述方法实施例中步骤101的相关描述。
处理模块302,用于基于所述水风光储多能互补系统综合效益评价指标矩阵,经过层析分析法和熵权法处理,得到每类所述评价指标的主客观综合权重系数;详细内容参见上述方法实施例中步骤102的相关描述。
第二构建模块303,用于基于所述主客观综合权重系数构建目标效益评估方案寻优模型;详细内容参见上述方法实施例中步骤103的相关描述。
求解模块304,用于对所述目标效益评估方案寻优模型进行求解,得到目标水风光储多能互补系统综合效益评估方案;详细内容参见上述方法实施例中步骤104的相关描述。
本发明实施例提供的水风光储多能互补系统综合效益评估方案寻优装置,基于层析分析法和熵权法构建主客观综合权重系数,既考虑了专家经验的主观偏好,又尊重了数据本身的客观特征;通过建立目标效益评估方案寻优模型并求解,可以快速识别水风光储多能互补系统综合效益评估的最佳方案。因此,通过实施本发明,为水风光储多能互补系统多种装机规模装机方案比选、不同调控运行方案分析提供了智能且快速的决策技术支持。
作为本发明实施例一种可选的实施方式,所述处理模块包括:第一处理子模块,用于基于所述水风光储多能互补系统综合效益评价指标矩阵,经过层析分析法处理,得到每类所述评价指标的主观权重系数;第二处理子模块,用于基于所述水风光储多能互补系统综合效益评价指标矩阵,对每个水风光储多能互补系统综合效益待评估方案中的每类评价指标进行标准化处理,得到所述水风光储多能互补系统综合效益评价指标矩阵的标准化处理结果;第三处理子模块,用于基于所述水风光储多能互补系统综合效益评价指标矩阵的标准化处理结果,经过熵权法处理,得到每类所述评价指标的客观权重系数;第一确定子模块,用于确定所述主观权重系数和所述客观权重系数的分割比;第二确定子模块,用于基于所述主观权重系数、所述客观权重系数和所述分割比确定每类所述评价指标的所述主客观综合权重系数。
作为本发明实施例一种可选的实施方式,所述第二构建模块包括:第一获取子模块,用于获取每个所述水风光储多能互补系统综合效益待评估方案的相对优属度;第一计算子模块,用于计算每个所述水风光储多能互补系统综合效益待评估方案的整体综合距离和加权距优距离;第一确定子模块,用于基于所述整体综合距离确定第一目标函数;第二确定子模块,用于基于所述加权距优距离确定第二目标函数;第一构建子模块,用于基于所述分割比和所述相对优属度,经过所述第一目标函数和所述第二目标函数,构建目标效益评估方案寻优模型。
作为本发明实施例一种可选的实施方式,所述第一计算子模块包括:第二计算子模块,用于基于所述主客观综合权重系数和所述标准化处理结果计算所述加权距优距离和加权距劣距离;第三计算子模块,用于基于所述加权距优距离和所述加权距劣距离计算所述整体综合距离。
作为本发明实施例一种可选的实施方式,所述求解模块包括:第四处理子模块,用于基于所述第一目标函数和所述第二目标函数,经过多目标启发式智能优化算法处理,得到非劣解集,所述非劣解集反映同时满足所述第一目标函数和所述第二目标函数的水风光储多能互补系统综合效益评估方案解集;第三确定子模块,用于结合决策者偏好在所述非劣解集中确定最佳分割比和最佳相对优属度;第四确定子模块,用于基于所述最佳分割比确定最佳主客观综合权重系数;第五确定子模块,用于基于所述最佳相对优属度、所述最佳主客观综合权重系数和所述标准化处理结果确定最佳整体综合距离;第六确定子模块,用于基于所述最佳整体综合距离确定目标水风光储多能互补系统综合效益评估方案。
本发明实施例提供的水风光储多能互补系统综合效益评估方案寻优装置的功能描述详细参见上述实施例中水风光储多能互补系统综合效益评估方案寻优方法描述。
本发明实施例还提供一种存储介质,如图4所示,其上存储有计算机程序401,该指令被处理器执行时实现上述实施例中水风光储多能互补系统综合效益评估方案寻优方法的步骤。其中,存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random Access Memory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard DiskDrive,HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random AccessMemory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
本发明实施例还提供了一种电子设备,如图5所示,该电子设备可以包括处理器51和存储器52,其中处理器51和存储器52可以通过总线或者其他方式连接,图5中以通过总线连接为例。
处理器51可以为中央处理器(Central Processing Unit,CPU)。处理器51还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器52作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本发明实施例中的对应的程序指令/模块。处理器51通过运行存储在存储器52中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现上述方法实施例中的水风光储多能互补系统综合效益评估方案寻优方法。
存储器52可以包括存储程序区和存储数据区,其中,存储程序区可存储操作装置、至少一个功能所需要的应用程序;存储数据区可存储处理器51所创建的数据等。此外,存储器52可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器52可选包括相对于处理器51远程设置的存储器,这些远程存储器可以通过网络连接至处理器51。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器52中,当被所述处理器51执行时,执行如图1-2所示实施例中的水风光储多能互补系统综合效益评估方案寻优方法。
上述电子设备具体细节可以对应参阅图1至图2所示的实施例中对应的相关描述和效果进行理解,此处不再赘述。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (8)
1.一种水风光储多能互补系统综合效益评估方案寻优方法,其特征在于,所述方法包括:
构建水风光储多能互补系统综合效益评价指标矩阵;
基于所述水风光储多能互补系统综合效益评价指标矩阵,经过层析分析法和熵权法处理,得到每类所述评价指标的主客观综合权重系数;
基于所述主客观综合权重系数构建目标效益评估方案寻优模型;
对所述目标效益评估方案寻优模型进行求解,得到目标水风光储多能互补系统综合效益评估方案。
2.根据权利要求1所述的方法,其特征在于,基于所述水风光储多能互补系统综合效益评价指标矩阵,经过层析分析法和熵权法处理,得到每类所述评价指标的主客观综合权重系数,包括:
基于所述水风光储多能互补系统综合效益评价指标矩阵,经过层析分析法处理,得到每类所述评价指标的主观权重系数;
基于所述水风光储多能互补系统综合效益评价指标矩阵,对每个水风光储多能互补系统综合效益待评估方案中的每类评价指标进行标准化处理,得到所述水风光储多能互补系统综合效益评价指标矩阵的标准化处理结果;
基于所述水风光储多能互补系统综合效益评价指标矩阵的标准化处理结果,经过熵权法处理,得到每类所述评价指标的客观权重系数;
确定所述主观权重系数和所述客观权重系数的分割比;
基于所述主观权重系数、所述客观权重系数和所述分割比确定每类所述评价指标的所述主客观综合权重系数。
3.根据权利要求2所述的方法,其特征在于,基于所述主客观综合权重系数构建目标效益评估方案寻优模型,包括:
获取每个所述水风光储多能互补系统综合效益待评估方案的相对优属度;
计算每个所述水风光储多能互补系统综合效益待评估方案的整体综合距离和加权距优距离;
基于所述整体综合距离确定第一目标函数;
基于所述加权距优距离确定第二目标函数;
基于所述分割比和所述相对优属度,经过所述第一目标函数和所述第二目标函数,构建目标效益评估方案寻优模型。
4.根据权利要求3所述的方法,其特征在于,计算每个所述水风光储多能互补系统综合效益待评估方案的整体综合距离和加权距优距离,包括:
基于所述主客观综合权重系数和所述标准化处理结果计算所述加权距优距离和加权距劣距离;
基于所述加权距优距离和所述加权距劣距离计算所述整体综合距离。
5.根据权利要求4所述的方法,其特征在于,对所述目标效益评估方案寻优模型进行求解,得到目标水风光储多能互补系统综合效益评估方案,包括:
基于所述第一目标函数和所述第二目标函数,经过多目标启发式智能优化算法处理,得到非劣解集,所述非劣解集反映同时满足所述第一目标函数和所述第二目标函数的水风光储多能互补系统综合效益评估方案解集;
结合决策者偏好在所述非劣解集中确定最佳分割比和最佳相对优属度;
基于所述最佳分割比确定最佳主客观综合权重系数;
基于所述最佳相对优属度、所述最佳主客观综合权重系数和所述标准化处理结果确定最佳整体综合距离;
基于所述最佳整体综合距离确定目标水风光储多能互补系统综合效益评估方案。
6.一种水风光储多能互补系统综合效益评估方案寻优装置,其特征在于,所述装置包括:
第一构建模块,用于构建水风光储多能互补系统综合效益评价指标矩阵;
处理模块,用于基于所述水风光储多能互补系统综合效益评价指标矩阵,经过层析分析法和熵权法处理,得到每类所述评价指标的主客观综合权重系数;
第二构建模块,用于基于所述主客观综合权重系数构建目标效益评估方案寻优模型;
求解模块,用于对所述目标效益评估方案寻优模型进行求解,得到目标水风光储多能互补系统综合效益评估方案。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行如权利要求1至5任一项所述的水风光储多能互补系统综合效益评估方案寻优方法。
8.一种电子设备,其特征在于,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行如权利要求1至5任一项所述的水风光储多能互补系统综合效益评估方案寻优方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211283652.1A CN115713252A (zh) | 2022-10-19 | 2022-10-19 | 一种水风光储多能互补系统综合效益评估方案寻优方法 |
PCT/CN2023/116185 WO2024082836A1 (zh) | 2022-10-19 | 2023-08-31 | 一种水风光储多能互补系统综合效益评估方案寻优方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211283652.1A CN115713252A (zh) | 2022-10-19 | 2022-10-19 | 一种水风光储多能互补系统综合效益评估方案寻优方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115713252A true CN115713252A (zh) | 2023-02-24 |
Family
ID=85229964
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211283652.1A Pending CN115713252A (zh) | 2022-10-19 | 2022-10-19 | 一种水风光储多能互补系统综合效益评估方案寻优方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115713252A (zh) |
WO (1) | WO2024082836A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024082836A1 (zh) * | 2022-10-19 | 2024-04-25 | 中国长江三峡集团有限公司 | 一种水风光储多能互补系统综合效益评估方案寻优方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105825351A (zh) * | 2016-04-22 | 2016-08-03 | 国网浙江省电力公司经济技术研究院 | 一种输电工程造价的后评估和风险管控方法 |
CN110222973A (zh) * | 2019-05-31 | 2019-09-10 | 国网安徽省电力有限公司经济技术研究院 | 一种基于最优组合赋权的综合能源系统评价方法及系统 |
CN112861376B (zh) * | 2021-03-10 | 2023-07-14 | 广东电网有限责任公司 | 一种基于单元调度模型的评估方法及装置 |
CN114977324A (zh) * | 2022-06-16 | 2022-08-30 | 西安理工大学 | 能源基地多能互补运行中多主体效益变化的量化方法 |
CN115713252A (zh) * | 2022-10-19 | 2023-02-24 | 中国长江三峡集团有限公司 | 一种水风光储多能互补系统综合效益评估方案寻优方法 |
-
2022
- 2022-10-19 CN CN202211283652.1A patent/CN115713252A/zh active Pending
-
2023
- 2023-08-31 WO PCT/CN2023/116185 patent/WO2024082836A1/zh unknown
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024082836A1 (zh) * | 2022-10-19 | 2024-04-25 | 中国长江三峡集团有限公司 | 一种水风光储多能互补系统综合效益评估方案寻优方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2024082836A1 (zh) | 2024-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113128781A (zh) | 一种自动构建智能化模型与算法的分布式工业能源运行优化平台 | |
Wang et al. | Short-term electricity price forecasting based on similarity day screening, two-layer decomposition technique and Bi-LSTM neural network | |
CN112994092B (zh) | 一种基于功率预测的独立风光储微电网系统尺寸规划方法 | |
CN116167527B (zh) | 纯数据驱动的电力系统静态安全运行风险在线评估方法 | |
CN114912721A (zh) | 一种储能调峰需求的预测方法及系统 | |
CN105809349A (zh) | 一种考虑来水相关性梯级水电站群的调度方法 | |
Wang et al. | Multi-criteria comprehensive study on predictive algorithm of heating energy consumption of district heating station based on timeseries processing | |
Liu et al. | Deep neural network for forecasting of photovoltaic power based on wavelet packet decomposition with similar day analysis | |
CN117578409A (zh) | 一种电力市场环境下的多能互补优化调度方法及系统 | |
WO2024082836A1 (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 | |
Li et al. | Numerical weather prediction correction strategy for short-term wind power forecasting based on bidirectional gated recurrent unit and XGBoost | |
Wang et al. | A novel wind power prediction model improved with feature enhancement and autoregressive error compensation | |
Shabbir et al. | Short-term wind energy forecasting using deep learning-based predictive analytics | |
Wang et al. | Short-term wind power probabilistic forecasting using a new neural computing approach: GMC-DeepNN-PF | |
Wang et al. | Multi‐objective expansion planning of park‐level integrated energy system considering the volatility trend of CETP | |
Liu et al. | Forecasting system with sub-model selection strategy for photovoltaic power output forecasting | |
Wu et al. | Forecast of short‐term electricity price based on data analysis | |
CN116014724A (zh) | 一种有源配电网网格化负荷预测方法 | |
Chen et al. | New energy generation forecasting and dispatching method based on big data | |
CN115018277A (zh) | 一种基于网络分析法的新能源消纳潜力评估方法及装置 | |
Kartini et al. | Development hybrid model deep learning neural network (dl-nn) for probabilistic forecasting solar irradiance on solar cells to improve economics value added | |
Shen et al. | PV power interval prediction based on EEMD-LSTM method | |
Cao et al. | Impact of Carbon Trading Market on Photovoltaic Power Generation under Grid Parity Policy | |
CN114358856A (zh) | 一种涉及海上风电的大型清洁能源基地商业模式 | |
CN117154723B (zh) | 基于多源数据和模型融合的台区短期负荷预测方法及系统 |
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 |