发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本申请的第一个目的在于提出一种风储联合系统调频容量的确定方法,用于解决现有技术中存在的无法准确地确定风储联合系统的调频容量,导致风储联合系统的收益较低的技术问题。
为了实现上述目的,本申请第一方面实施例提供了一种风储联合系统调频容量的确定方法,该方法包括:获取风电场的弃风电量,根据所述弃风电量构建风储联合系统的储能配置优化模型;对所述储能配置优化模型进行求解,以获取所述风储联合系统的目标储能容量和目标储能功率;根据风电功率预测模型,获取风电功率的概率区间预测结果;获取储能系统的运行策略,基于所述运行策略、所述目标储能容量、所述目标储能功率和所述概率区间预测结果,确定所述风储联合系统的所述调频容量。
另外,根据本申请上述实施例的一种风储联合系统调频容量的确定方法,还可以具有如下附加的技术特征:
根据本申请的一个实施例,所述获取风电场的弃风电量,还包括:获取所述风电场的理论发电量和实际发电量;根据所述理论发电量和所述实际发电量,获取所述弃风电量。
根据本申请的一个实施例,所述对所述储能配置优化模型进行求解,以获取所述风储联合系统的目标储能容量和目标储能功率,还包括:获取所述风储联合系统参与调频市场的成本和收益;获取所述风储联合系统的约束条件;根据所述约束条件、所述成本和所述收益,构建所述储能配置优化模型的目标函数;根据蚁狮优化算法对所述目标函数进行求解,以获取所述目标储能容量和所述目标储能功率。
根据本申请的一个实施例,所述获取所述风储联合系统参与调频市场的成本,还包括:获取储能系统的等年值年利率;获取所述储能系统的配置功率和所述配置功率的单位投资以及所述储能系统的配置容量和所述配置容量的单位投资;根据所述等年值年利率、所述配置功率、所述配置功率的单位投资、所述配置容量和所述配置容量的单位投资,以获取所述风储联合系统参与调频市场的所述成本。
根据本申请的一个实施例,所述获取所述风储联合系统参与调频市场的收益,还包括:获取调频性能指标、里程效益因子、所述调频市场的性能出清价格、所述调频市场的调频容量价格和弃风吸收容量;根据所述调频性能指标、所述里程效益因子、所述性能出清价格、所述调频容量价格和所述弃风吸收容量,以获取述风储联合系统参与调频市场的所述收益。
根据本申请的一个实施例,所述风电功率预测模型的训练过程,包括:获取样本数据,其中,所述样本数据包括所述风电场的历史数据和预测数据;将所述样本数据输入至待训练的风电功率预测模型中,以得到所述样本数据对应的风电功率预测值;获取所述样本数据对应的风电功率真实值;获取所述风电功率预测值和所述风电功率真实值之间的差异,并根据所述差异,通过鲸鱼优化算法WOA调整所述待训练的风电功率预测模型的模型参数,直至所述差异满足训练结束条件,将最后一次调整所述模型参数后的所述待训练的风电功率预测模型确定为训练好的风电功率预测模型。
根据本申请的一个实施例,所述根据风电功率预测模型,获取风电功率的概率区间预测结果,还包括:根据所述风电功率预测值和所述风电功率真实值,获取所述风电功率的预测误差值;根据Cornish-Fisher级数建立所述预测误差值的累计分布函数;根据所述累计分布函数,获取在不同置信水平下的风电功率的概率预测区间曲线;根据所述概率预测区间曲线,以获取所述概率区间预测结果。
根据本申请的一个实施例,所述获取储能系统的运行策略,包括:获取所述储能系统的充放电状态;根据所述充放电状态,确定所述储能运行策略。
根据本申请的一个实施例,所述基于所述运行策略、所述目标储能容量、所述目标储能功率和所述概率区间预测结果,确定所述风储联合系统的所述调频容量,还包括:获取风电限值,根据所述风电限值确定所述风储联合系统的可调频容量;根据所述可调频容量、所述储能运行策略、所述目标储能容量、所述目标储能功率和所述概率区间预测结果,确定所述风储联合系统的所述调频容量。
为了实现上述目的,本申请第二方面实施例提供了一种风储联合系统调频容量的确定装置,该装置包括:第一获取模块,用于获取风电场的弃风电量,根据所述弃风电量构建风储联合系统的储能配置优化模型;第二获取模块,用于对所述储能配置优化模型进行求解,以获取所述风储联合系统的目标储能容量和目标储能功率;第三获取模块,用于根据风电功率预测模型,获取风电功率的概率区间预测结果;确定模块,用于获取储能系统的运行策略,基于所述运行策略、所述目标储能容量、所述目标储能功率和所述概率区间预测结果,确定所述风储联合系统的所述调频容量。
另外,根据本申请上述实施例的一种风储联合系统调频容量的确定装置,还可以具有如下附加的技术特征:
根据本申请的一个实施例,所述第一获取模块,还用于:获取所述风电场的理论发电量和实际发电量;根据所述理论发电量和所述实际发电量,获取所述弃风电量。
根据本申请的一个实施例,所述第二获取模块,还用于:获取所述风储联合系统参与调频市场的成本和收益;获取所述风储联合系统的约束条件;根据所述约束条件、所述成本和所述收益,构建所述储能配置优化模型的目标函数;根据蚁狮优化算法对所述目标函数进行求解,以获取所述目标储能容量和所述目标储能功率。
根据本申请的一个实施例,所述第二获取模块,还用于:获取储能系统的等年值年利率;获取所述储能系统的配置功率和所述配置功率的单位投资以及所述储能系统的配置容量和所述配置容量的单位投资;根据所述等年值年利率、所述配置功率、所述配置功率的单位投资、所述配置容量和所述配置容量的单位投资,以获取所述风储联合系统参与调频市场的所述成本。
根据本申请的一个实施例,所述第二获取模块,还用于:获取调频性能指标、里程效益因子、所述调频市场的性能出清价格、所述调频市场的调频容量价格和弃风吸收容量;根据所述调频性能指标、所述里程效益因子、所述性能出清价格、所述调频容量价格和所述弃风吸收容量,以获取述风储联合系统参与调频市场的所述收益。
根据本申请的一个实施例,所述装置,还用于:获取样本数据,其中,所述样本数据包括所述风电场的历史数据和预测数据;将所述样本数据输入至待训练的风电功率预测模型中,以得到所述样本数据对应的风电功率预测值;获取所述样本数据对应的风电功率真实值;获取所述风电功率预测值和所述风电功率真实值之间的差异,并根据所述差异,通过鲸鱼优化算法WOA调整所述待训练的风电功率预测模型的模型参数,直至所述差异满足训练结束条件,将最后一次调整所述模型参数后的所述待训练的风电功率预测模型确定为训练好的风电功率预测模型。
根据本申请的一个实施例,所述第三获取模块,还用于:根据所述风电功率预测值和所述风电功率真实值,获取所述风电功率的预测误差值;根据Cornish-Fisher级数建立所述预测误差值的累计分布函数;根据所述累计分布函数,获取在不同置信水平下的风电功率的概率预测区间曲线;根据所述概率预测区间曲线,以获取所述概率区间预测结果。
根据本申请的一个实施例,所述确定模块,还用于:获取所述储能系统的充放电状态;根据所述充放电状态,确定所述储能运行策略。
根据本申请的一个实施例,所述确定模块,还用于:获取风电限值,根据所述风电限值确定所述风储联合系统的可调频容量;根据所述可调频容量、所述储能运行策略、所述目标储能容量、所述目标储能功率和所述概率区间预测结果,确定所述风储联合系统的所述调频容量。
为了实现上述目的,本申请第三方面实施例提供了一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时,实现如本申请第一方面实施例中任一项所述的风储联合系统调频容量的确定方法。
为了实现上述目的,本申请第四方面实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质,该计算机指令用于使计算机执行时实现如本申请第一方面实施例中任一项所述的风储联合系统调频容量的确定方法。
具体实施方式
为了更好的理解上述技术方案,下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
下面参考附图描述本申请实施例的一种风储联合系统调频容量的确定方法及装置。
图1是本申请公开的一个实施例的一种风储联合系统调频容量的确定方法的流程示意图。
如图1所示,本申请实施例提出的风储联合系统调频容量的确定方法,具体包括以下步骤:
S101、获取风电场的弃风电量,根据弃风电量构建风储联合系统的储能配置优化模型。
其中,弃风电量指的是受系统调峰和网架安全等因素影响,风电场可发而未能发出的电量。
需要说明的是,本公开对于获取风电场的弃风电量的具体方式不作限定,可以根据实际情况进行选取。
可选地,可以获取风电场的Wt理论发电量和Wa实际发电量,将理论发电量和实际发电量进行作差,以获取弃风电量Wc。
举例而言,弃风电量Wc=Wt-Wa,其中,Wc为弃风电量、Wt为理论发电量、Wa为实际发电量。
需要说明的是,在获取到弃风电量后,可以根据弃风电量,构建风储联合系统参与调频市场的成本和效益计算模型,以根据成本-效益计算模型,获取风储联合系统参与调频市场的成本和效益,并根据风储联合系统参与调频市场的成本和效益构建储能配置优化模型。
S102、对储能配置优化模型进行求解,以获取风储联合系统的目标储能容量和目标储能功率。
需要说明的是,目标储能容量和目标储能功率为储能配置优化模型输出的最优的储能容量和最优储能功率。
可选地,在获取到储能配置优化模型后,可以获取储能配置优化模型对应的目标函数,并通过蚁狮优化算法对目标函数进行求解,确定目标储能容量和目标储能功率。
S103、根据风电功率预测模型,获取风电功率的概率区间预测结果。
可选地,可以获取样本数据对待训练的风电功率预测模型进行训练,直至风电功率预测模型收敛,得到训练好的风电功率预测模型,并基于训练好的风电功率预测模型,获取风电功率的概率区间预测结果。
举例而言,可以基于训练好的风电功率预测模型,获取风电功率预测值和风电功率真实值,根据风电功率预测值和风电功率真实值获取风电功率的预测误差值,根据Cornish-Fisher级数建立预测误差值的累计分布函数,根据累计分布函数,获取在不同置信水平下的风电功率的概率预测区间曲线,可以根据概率预测区间曲线,以获取风电功率的概率区间预测结果。
S104、获取储能系统的运行策略,基于运行策略、目标储能容量、目标储能功率和概率区间预测结果,确定风储联合系统的调频容量。
需要说明的是,本申请对于获取储能系统的运行策略的具体方式不作限定,可以根据实际情况进行选取。
可选地,可以获取储能系统的充放电状态,根据充放电状态,确定储能运行策略。
举例而言,当储能系统处于充电状态时,储能系统吸收弃风功率;当储能系统处于放电状态时,储能系统投入调频市场。
需要说明的是,当储能系统运行中,当储能系统的充电状态到达满充或满放状态时,对储能系统的运行方式进行切换。
在本公开实施例中,在获取到运行策略、目标储能容量、目标储能功率和概率区间预测结果后,可以根据运行策略、目标储能容量、目标储能功率和概率区间预测结果,确定风储联合系统的调频容量。
本申请提供的风储联合系统调频容量的确定方法,通过获取风电场的弃风电量,根据弃风电量构建风储联合系统的储能配置优化模型,对储能配置优化模型进行求解,以获取风储联合系统的目标储能容量和目标储能功率,根据风电功率预测模型,获取风电功率的概率区间预测结果,获取储能系统的运行策略,基于运行策略、目标储能容量、目标储能功率和概率区间预测结果,确定风储联合系统的调频容量。由此,本申请可以充分发挥风电系统和储能系统互补的特性,充分考虑风电系统和储能系统的多种信息,提高了确定风储联合系统的调频容量的精度,提高了风储联合系统的调频容量以及性能,提高风储联合系统的收益。
作为一种可能的实现方式,如图2所示,在上述实施例的基础上,上述步骤S102中对储能配置优化模型进行求解,以获取所述风储联合系统的目标储能容量和目标储能功率的具体过程,包括以下步骤:
S201、获取风储联合系统参与调频市场的成本和收益。
作为一种可能的实现方式,如图3所示,在上述实施例的基础上,上述步骤S201中获取风储联合系统参与调频市场的成本的具体过程,包括以下步骤:
S301、获取储能系统的等年值年利率。
可选地,可以获取储能系统的年利率和储能系统的运行寿命,并根据储能系统的年利率和储能系统的运行寿命,获取储能系统的等年值年利率。
举例而言,在获取到储能系统的年利率、储能系统的运行寿命后,可以利用以下公式获取储能系统的等年值年利率C(r,n):
其中,C(r,n)为等年值年利率、r为储能系统的年利率、n为储能系统的运行寿命。
S302、获取储能系统的配置功率和配置功率的单位投资以及储能系统的配置容量和配置容量的单位投资。
S303、根据等年值年利率、配置功率、配置功率的单位投资、配置容量和配置容量的单位投资,以获取风储联合系统参与调频市场的成本。
需要说明的是,对于风储联合系统参与调频市场的成本,风电成本忽略不计,只考虑储能成本,储能成本包括功率成本和能量成本,并根据等年值利率对功率成本和能量成本进行修正,以获取风储联合系统参与调频市场的成本。
举例而言,可以利用以下公式获取风储联合系统参与调频市场的成本Cln:
Cln=C(r,n)·(Cp·PESS+CE·EESS)
其中,Cln为风储联合系统参与调频市场的成本、C(r,n)为等年值年利率、PESS为配置功率、EESS为配置容量、Cp为配置功率的单位投资、CE为配置容量的单位投资。
作为一种可能的实现方式,如图4所示,在上述实施例的基础上,上述步骤S401中获取风储联合系统参与调频市场的收益的具体过程,包括以下步骤:
S401、获取调频性能指标、里程效益因子、调频市场的性能出清价格、调频市场的调频容量价格和弃风吸收容量。
可选地,调频性能指标可以考虑调节速率、响应时间和调节精度指标等,里程效益因子指该类型调频资源与常规调频资源的调频里程比值,可以设置为常数,弃风吸收容量由储能配置容量、储能配置功率以及风电场的弃风功率决定。
S402、根据调频性能指标、里程效益因子、性能出清价格、调频容量价格和弃风吸收容量,以获取风储联合系统参与调频市场的收益。
需要说明的是,风储联合系统参与调频市场的收益包括调频容量收益和调频性能收益。
举例而言,可以利用以下公式风储联合系统参与调频市场的收益Rln:
其中,Rln为风储联合系统参与调频市场的收益、EESS(i)为第i天弃风吸收容量、K为调频性能指标、λ为里程效益因子、Lpr为性能出清价格、Lcr为调频容量价格。
S202、获取风储联合系统的约束条件。
可选地,可以以风储联合系统的输出功率约束、风储联合系统的输出电量约束、储能调频性能表现约束等为风储联合系统的约束条件。
举例而言,可以设置风储联合系统的约束条件为
其中,
为储能的额定功率、P
t b为储能t时刻的功率。
S203、根据约束条件、成本和收益,构建储能配置优化模型的目标函数。
在本申请实施例中,在获取到约束条件、成本和收益后,可以根据约束条件、成本和收益,构建储能配置优化模型的目标函数。
举例而言,储能配置优化模型的目标函数为F=Max(Rln-Cln)。
S204、根据蚁狮优化算法对目标函数进行求解,以获取目标储能容量和目标储能功率。
其中,蚁狮优化算法(Ant Lion Optimizer,简称ALO)即通过不断迭代搜索最优解的过程,具有全局优化、调节参数少、收敛精度高以及鲁棒性好等特点。
需要说明的是,在获取到目标函数后,可以根据蚁狮优化算法对目标函数进行求解,实现全局寻优,获取目标函数的最优解,即获取风储联合系统的目标储能容量和目标储能功率。
本申请提供的风储联合系统调频容量的确定方法,通过获取风储联合系统参与调频市场的成本和收益,获取风储联合系统的约束条件,根据约束条件、成本和收益,构建储能配置优化模型的目标函数,根据蚁狮优化算法对目标函数进行求解,以获取目标储能容量和目标储能功率。由此,本申请充分考虑风储联合系统参与调频市场的成本、收益以及约束条件,并利用蚁狮优化算法良好的自适应边界收缩机制和精英主义优势,可以确定合理的储能配置方案,即确定风储联合系统的目标储能容量和目标储能功率,避免了储能资源的浪费。
下面对风电功率预测模型的训练过程进行解释说明。
可选地,可以获取样本数据,其中,样本数据包括风电场的历史数据和预测数据,将样本数据输入至待训练的风电功率预测模型中,以得到样本数据对应的风电功率预测值,获取样本数据对应的风电功率真实值,
获取风电功率预测值和风电功率真实值之间的差异,并根据差异,通过鲸鱼优化算法(whale optimization algorithm,简称WOA)调整待训练的风电功率预测模型的模型参数,直至差异满足训练结束条件,将最后一次调整模型参数后的待训练的待训练的风电功率预测模型为训练好的风电功率预测模型。
需要说明的是,风电功率预测模型由卷积神经网络(Convolutional NeuralNetwork,CNN,简称CNN)和门控循环单元(Gate Recurrent Unit,简称GRU)组成,卷积神经网络用于提取样本数据特征,通过鲸鱼优化算法对门控循环单元的批尺寸、学习率、隐藏层层数以及层神经元数等模型参数进行不断调整寻优,直至差异满足训练结束条件,将最后一次调整模型参数后的待训练的待训练的风电功率预测模型为训练好的风电功率预测模型。
可选地,训练结束条件可以为风电功率预测值和风电功率真实值之间的差异小于预设差异阈值;训练结束条件可以为风电功率预测模型的模型参数调整次数达到预设调整次数阈值。
作为一种可能的实现方式,如图5所示,在上述实施例的基础上,上述步骤S103中根据风电功率预测模型,获取风电功率的概率区间预测结果的具体过程,包括以下步骤:
S501、根据风电功率预测值和风电功率真实值,获取风电功率的预测误差值。
可选地,在获取到收敛的风电功率预测模型后,可以根据风电功率预测模型获取风电功率预测值,并根据风电功率预测值和风电功率真实值,获取风电功率的预测误差值。
S502、根据Cornish-Fisher级数建立预测误差值的累计分布函数。
在本申请实施例中,在获取到预测误差值后,可以利用Cornish-Fisher级数展开获取预测误差值的累计分布函数(cumulative distribution function,简称CDF),其中,累计分布函数可以描述预测误差值的概率分布。
S503、根据累计分布函数,获取在不同置信水平下的风电功率的概率预测区间曲线。
S504、根据概率预测区间曲线,以获取概率区间预测结果。
可选地,在获取到累计分布函数后,可以根据累计分布函数,构建不同置信水平下的风电功率的概率预测区间曲线,并根据概率预测区间曲线,以获取概率区间预测结果。
作为一种可能的实现方式,如图6所示,在上述实施例的基础上,上述步骤S104中基于运行策略、目标储能容量、目标储能功率和概率区间预测结果,确定风储联合系统的调频容量的具体过程,包括以下步骤:
S601、获取风电限值,根据风电限值确定风储联合系统的可调频容量。
需要说明的是,风储联合系统的可调频容量来自储能系统吸收高于风电限值的弃风功率,其中,弃风功率通过风电功率的概率区间预测结果高于调度下发的风电功率进行计算得到。
S602、根据可调频容量、储能运行策略、目标储能容量、目标储能功率和概率区间预测结果,确定风储联合系统的调频容量。
需要说明的是,根据概率区间预测结果、储能运行策略、可调频容量、目标储能容量和目标储能功率等信息,选择出合适的置信度下概率区间预测结果指导储能的充放电,以确定风储联合系统的调频容量。
本申请提供的风储联合系统调频容量的确定方法,充分发挥风电系统和储能系统互补的特性,充分考虑风电系统和储能系统的多种信息,提高了确定风储联合系统的调频容量的精度,提高了风储联合系统的调频容量以及性能,提高风储联合系统的收益,为电力系统调度提供依据,同时基于储能运行策略可以使得储能系统的充放电状态切换次数减少,提高了储能系统的寿命。
图7是本申请公开的一个实施例的一种风储联合系统调频容量的确定装置的结构示意图。
如图7所示,该风储联合系统调频容量的确定装置100,包括:第一获取模块11、第二获取模块12、第三获取模块13和确定模块14。其中,
第一获取模块11,用于获取风电场的弃风电量,根据所述弃风电量构建风储联合系统的储能配置优化模型;
第二获取模块12,用于对所述储能配置优化模型进行求解,以获取所述风储联合系统的目标储能容量和目标储能功率;
第三获取模块13,用于根据风电功率预测模型,获取风电功率的概率区间预测结果;
确定模块14,用于获取储能系统的运行策略,基于所述运行策略、所述目标储能容量、所述目标储能功率和所述概率区间预测结果,确定所述风储联合系统的所述调频容量。
根据本申请的一个实施例,第一获取模块11,还用于:获取所述风电场的理论发电量和实际发电量;根据所述理论发电量和所述实际发电量,获取所述弃风电量。
根据本申请的一个实施例,第二获取模块12,还用于:获取所述风储联合系统参与调频市场的成本和收益;获取所述风储联合系统的约束条件;根据所述约束条件、所述成本和所述收益,构建所述储能配置优化模型的目标函数;根据蚁狮优化算法对所述目标函数进行求解,以获取所述目标储能容量和所述目标储能功率。
根据本申请的一个实施例,第二获取模块12,还用于:获取储能系统的等年值年利率;获取所述储能系统的配置功率和所述配置功率的单位投资以及所述储能系统的配置容量和所述配置容量的单位投资;根据所述等年值年利率、所述配置功率、所述配置功率的单位投资、所述配置容量和所述配置容量的单位投资,以获取所述风储联合系统参与调频市场的所述成本。
根据本申请的一个实施例,第二获取模块12,还用于:获取调频性能指标、里程效益因子、所述调频市场的性能出清价格、所述调频市场的调频容量价格和弃风吸收容量;根据所述调频性能指标、所述里程效益因子、所述性能出清价格、所述调频容量价格和所述弃风吸收容量,以获取述风储联合系统参与调频市场的所述收益。
根据本申请的一个实施例,装置100,还用于:获取样本数据,其中,所述样本数据包括所述风电场的历史数据和预测数据;将所述样本数据输入至待训练的风电功率预测模型中,以得到所述样本数据对应的风电功率预测值;获取所述样本数据对应的风电功率真实值;获取所述风电功率预测值和所述风电功率真实值之间的差异,并根据所述差异,通过鲸鱼优化算法WOA调整所述待训练的风电功率预测模型的模型参数,直至所述差异满足训练结束条件,将最后一次调整所述模型参数后的所述待训练的风电功率预测模型确定为训练好的风电功率预测模型。
根据本申请的一个实施例,第三获取模块13,还用于:根据所述风电功率预测值和所述风电功率真实值,获取所述风电功率的预测误差值;根据Cornish-Fisher级数建立所述预测误差值的累计分布函数;根据所述累计分布函数,获取在不同置信水平下的风电功率的概率预测区间曲线;根据所述概率预测区间曲线,以获取所述概率区间预测结果。
根据本申请的一个实施例,确定模块14,还用于:获取所述储能系统的充放电状态;根据所述充放电状态,确定所述储能运行策略。
根据本申请的一个实施例,确定模块14,还用于:获取风电限值,根据所述风电限值确定所述风储联合系统的可调频容量;根据所述可调频容量、所述储能运行策略、所述目标储能容量、所述目标储能功率和所述概率区间预测结果,确定所述风储联合系统的所述调频容量。
本申请实施例提供的一种风储联合系统调频容量的确定装置,通过获取风电场的弃风电量,根据弃风电量构建风储联合系统的储能配置优化模型;对储能配置优化模型进行求解,以获取风储联合系统的目标储能容量和目标储能功率;根据风电功率预测模型,获取风电功率的概率区间预测结果;获取储能系统的运行策略,基于运行策略、目标储能容量、目标储能功率和概率区间预测结果,确定风储联合系统的调频容量。由此,本申请可以充分发挥风电系统和储能系统互补的特性,充分考虑风电系统和储能系统的多种信息,提高了确定风储联合系统的调频容量的精度,提高了风储联合系统的调频容量以及性能,提高风储联合系统的收益。
为了实现上述实施例,本申请还提出了一种电子设备2000,如图8所示,包括存储器210、处理器220及存储在存储器210上并可在处理器220上运行的计算机程序,处理器执行程序时,实现前述的风储联合系统调频容量的确定方法。
为了实现上述实施例,本申请还提出一种存储有计算机指令的非瞬时计算机可读存储介质,该计算机指令用于使计算机执行时实现前述的风储联合系统调频容量的确定方法。
在本申请的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本申请中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。
在本申请中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
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。
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。