CN116960935A - 一种基于区域油田风光发电利用管理系统 - Google Patents

一种基于区域油田风光发电利用管理系统 Download PDF

Info

Publication number
CN116960935A
CN116960935A CN202310704818.0A CN202310704818A CN116960935A CN 116960935 A CN116960935 A CN 116960935A CN 202310704818 A CN202310704818 A CN 202310704818A CN 116960935 A CN116960935 A CN 116960935A
Authority
CN
China
Prior art keywords
power generation
wind
working day
target area
oil field
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
CN202310704818.0A
Other languages
English (en)
Inventor
王冲
张正辉
李晋之
张艳丽
褚宁轩
孙晶
霍雷远
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.)
Hebei Xiong'an Kunlun Xinyuan New Energy Technology Co.,Ltd.
Original Assignee
TANGSHAN JIDONG PETROLEUM MACHINERY 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 TANGSHAN JIDONG PETROLEUM MACHINERY CO Ltd filed Critical TANGSHAN JIDONG PETROLEUM MACHINERY CO Ltd
Priority to CN202310704818.0A priority Critical patent/CN116960935A/zh
Publication of CN116960935A publication Critical patent/CN116960935A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • H02J2300/28—The renewable source being wind energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Wind Motors (AREA)

Abstract

本发明涉及风光发电利用技术领域，具体公开一种基于区域油田风光发电利用管理系统，该系统包括用电设备信息采集分析模块、气象信息采集模块、发电设备信息采集分析模块、电量供应适配度分析模块、电量利用精准度分析模块、反馈终端和云数据库；本发明通过根据预计电量供应适配度和实际电量供应适配度进行电量利用精准度分析，同时对风力发电机所处高度对应的风速和油膜层面的光伏发电修正因子进行深度分析，提高了后续发电设备总发电量确认的精准性和预计用电量确认的可靠性，同时为下一用电计划提供可靠的决策性建议，提高了用电计划制定的合理性和适配性，并且提高了用电计划优化的及时性和优化效果。

Description

一种基于区域油田风光发电利用管理系统
技术领域
本发明涉及风光发电利用技术领域，具体而言，涉及一种基于区域油田风光发电利用管理系统。
背景技术
油田通常需要大量电力支持，在油田上设置风光发电设备可以将可再生能源转化为可靠经济来源，对于油田的可持续发展也有很大的帮助，因此，需要对区域油田风光发电利用进行管理。
现有的区域油田风光发电根据风光发电总量和区域油田用电总量进行协调利用，很显然，这种协调利用方式还存在以下几个方面的问题：1、主要根据实际用电量和发电量偏差情况进行协调利用，没有对预计与实际之间的电量偏差进行分析，降低了预计用电量确认的可靠性。
2、仅依靠发电设备本身和气象信息进行发电量分析，未结合油田对发电量的影响，即未分析油膜层面对光伏发电的影响，从而难以保证光伏发电设备总发电量确认的准确性，同时降低了后续电量供应的适配度。
3、未对风力发电机所处高度对应的风速进行实际分析，降低了风力发电机对应风力层面发电的效果，从而降低了风力发电机的发电总量确认的可信度。
4、未对电量利用精准情况进行深度分析，无法为下一用电计划提供可靠的决策性建议，同时还无法提高用电计划制定的合理性和适配性，并且也无法提高用电计划优化的及时性和优化效果。
发明内容
鉴于此，为解决上述背景技术中所提出的问题，现提出一种基于区域油田风光发电利用管理系统。
本发明的目的可以通过以下技术方案实现：本发明提供一种基于区域油田风光发电利用管理系统，包括：用电设备信息采集分析模块，用于提取目标区域油田在下一个工作日的各预计用电设备的功率和预计工作时长，并采集目标区域油田在下一个工作日的各实际用电设备的功率和实际工作时长，从而分析目标区域油田在下一个工作日对应用电设备的预计总用电量和实际总用电量。
气象信息采集模块，用于提取目标区域油田在下一个工作日对应预计的光照强度、光照时长、温度、风向、风速持续时长和各高度层的预计风速，并采集目标区域油田在下一个工作日对应实际的光照强度、光照时长、温度、风向、风速持续时长和各高度层的实际风速。
发电设备信息采集分析模块，用于提取目标区域油田对应各风力发电机的型号、所处高度、光伏发电板的数目和各光伏发电板的面积、安装角度，并采集各光伏发电板的表面油液膜面积，从而分析目标区域油田对应发电设备在下一个工作日的预计总发电量和实际总发电量。
电量供应适配度分析模块，用于分析目标区域油田在下一个工作日的预计电量供应适配度和实际电量供应适配度。
电量利用精准度分析模块，用于分析目标区域油田的电量利用精准度。
反馈终端，用于将目标区域油田的电量利用精准度向油田发电管理平台进行反馈。
云数据库，用于存储各风力发电机所属型号的适宜承载风速和单日基准发电量，存储各光伏发电板所属安装角度的基准受光强度、基准受光时长和单日基准发电量，并存储历史各工作日对应的预计电量供应适配度以及实际电量供应适配度。
具体地，所述目标区域油田在下一个工作日对应用电设备的预计总用电量和实际总用电量为同种分析方式，其中，目标区域油田在下一个工作日对应用电设备的预计总用电量的具体分析过程为：A1、将目标区域油田在下一个工作日对应预计的光照时长和温度分别记为T光和W。
A2、计算目标区域油田在下一个工作日对应用电设备的预计总用电量的影响因子λ预，其中，T′光、W′、△T和△W分别表示设定参照的光照时长、温度、光照时长偏差和温度偏差，a1和a2分别表示设定的光照时长和温度对应预计总用电量的修正占比权重，e表示自然常数。
A3、将目标区域油田在下一个工作日的各预计用电设备的功率和预计工作时长分别记为Pi和Ti，其中i表示预计用电设备编号，i＝1,2,...,n。
A4、计算目标区域油田在下一个工作日对应用电设备的预计总用电量Q预用，
具体地，所述目标区域油田对应发电设备在下一个工作日的预计总发电量和实际总发电量为同种分析方式，其中，目标区域油田对应发电设备在下一个工作日的预计总发电量的具体分析过程为：B1、将目标区域油田在下一个工作日对应的预计风速持续时长记为T风。
B2、根据各风力发电机的所处高度，从各高度层的预计风速中定位出各风力发电机对应所处高度层的预计风速，记为vj，其中j表示风力发电机编号，j＝1,2,...,m。
B3、根据各风力发电机的型号，从云数据库中定位出各风力发电机所属型号的适宜承载风速，记为
B4、计算各风力发电机对应风力层面发电影响因子 其中，T′风和△v分别表示设定基准风力发电情况下的参照风速持续时长和风速偏差，a3和a4分别表示设定的风速持续时长和风速偏差对应风力层面发电影响占比权重。
B5、根据目标区域油田在下一个工作日对应预计的风向，设定各风力发电机对应风向层面发电影响因子
B6、计算各风力发电机对应气象层面发电影响因子
B7、根据各风力发电机的型号，从云数据库中定位出各风力发电机所属型号的单日基准发电量，记为
B8、计算风力发电机在下一个工作日的预计总发电量Q预风，其中，χ表示设定的风力发电机在下一个工作日的预计总发电量修正因子。
B9、设定油膜层面光伏发电修正因子，并计算光伏发电板在下一个工作日的预计总发电量Q预光，从而计算目标区域油田对应发电设备在下一个工作日的预计总发电量Q预发，Q预发＝Q预风+Q预光。
具体地，所述设定各风力发电机对应风向层面发电影响因子，具体设定过程为：C1、若目标区域油田在下一个工作日对应预计风向与某风力发电机的转动方向为相同方向，则将该风力发电机对应风向层面发电影响因子记为δ1。
C2、若目标区域油田在下一个工作日对应预计风向与某风力发电机的转动方向为相反方向，则将该风力发电机对应风向层面发电影响因子记为δ2。
C3、若目标区域油田在下一个工作日对应预计风向与某风力发电机的转动方向为其他情况，则将该风力发电机对应风向层面发电影响因子记为δ3，由此得到各风力发电机对应风向层面发电影响因子的取值为δ1或者δ2或者δ3,δ2>δ3>δ1。
具体地，所述设定油膜层面光伏发电修正因子，具体设定过程为：D1、提取各光伏发电板的表面油液膜面积，并统计表面油液膜面积为0的光伏发电板数目，并记为M光。
D2、将光伏发电板的数目和各光伏发电板的面积分别记为M总和Sk，其中k表示光伏发电板编号，k＝1,2,...,g。
D3、从表面油液膜面积不为0的各光伏发电板的表面油液膜面积中提取最大表面油液膜面积，记为S大。
D4、将表面油液膜面积不为0的各光伏发电板的表面油液膜面积进行累加，得到表面油液膜总面积，记为S油。
D5、计算油膜层面光伏发电修正因子λ油，
其中，△M、S′和S″分别表示设定参照的光伏发电板数目占比、最大表面油液膜面积和表面油液膜总面积占比，b1、b2和b3分别表示设定光伏发电板数目占比、最大表面油液膜面积和表面油液膜总面积占比对应油膜层面光伏发电影响占比权重。
具体地，所述计算光伏发电板在下一个工作日的预计总发电量，具体计算过程为：E1、根据各光伏发电板的安装角度，从云数据库中定位出各光伏发电板所属安装角度的基准受光强度和基准受光时长，并分别记为和/>
E2、将目标区域油田在下一个工作日对应的预计光照强度记为ε光。
E3、计算各光伏发电板对应气象层面发电影响因子 其中，△ε和△T分别表示设定基准光伏发电情况下的参照光照强度偏差和光照时长偏差，b4和b5分别表示设定的光照强度偏差和光照时长偏差对应光伏发电板气象层面发电影响占比权重。
E4、从云数据库中提取各光伏发电板所属安装角度的单日基准发电量，记为
E5、计算光伏发电板在下一个工作日的预计总发电量Q预光，
具体地，所述目标区域油田在下一个工作日的预计电量供应适配度和实际电量供应适配度为同种计算方式，其中，目标区域油田在下一个工作日的预计电量供应适配度的计算公式为：其中，θ预表示预计电量供应适配度，Q″表示设定参照的预计电量供应差，λ适表示设定的预计电量供应适配符合修正因子。
具体地，所述分析目标区域油田的电量利用精准度，具体分析过程为：F1、从云数据库中提取历史各工作日对应的预计电量供应适配度和实际电量供应适配度。
F2、将历史各工作日对应的预计电量供应适配度和实际电量供应适配度进行作差，得到历史各工作日对应的电量供应适配度偏差。
F3、若历史某工作日对应的电量供应适配度偏差大于设定参照许可适配度偏差，则将该工作日记为异常工作日，由此统计异常工作日天数，记为M异。
F4、从各异常工作日的电量供应适配度偏差中提取最大电量供应适配度偏差，记为△θ大。
F5、计算目标区域油田的电量利用精准度φ，
其中，M″和△θ′分别表示设定参照的异常工作日天数和最大电量供应适配度偏差，c1和c2分别表示设定的异常工作日天数和最大电量供应适配度偏差对应电量利用精准度占比权重，β表示设定的电量利用精准度修正因子。
相较于现有技术，本发明的实施例至少具有如下优点或有益效果：(1)本发明通过根据预计电量供应适配度和实际电量供应适配度进行电量利用精准度分析，实现了预计电量与实际电量之间的偏差分析，提高了预计用电量确认的可靠性，同时为下一用电计划提供可靠的决策性建议，提高了用电计划制定的合理性和适配性，并且提高了用电计划优化的及时性和优化效果。
(2)本发明通过根据风力发电机所处高度对应的风速进行风力层面发电影响分析，提高了风力发电机对应风力层面发电的效果，并且提高了风力发电机的发电总量确认的可信度，确保了风力发电设备的总发电量确认的准确性。
(3)本发明通过设定油膜层面的光伏发电修正因子，确保了光伏发电设备的总发电量确认的合理性，同时提高了后续发电设备总发电量确认的精准性和后续电量供应的适配度。
(4)本发明通过将目标区域油田的电量利用精准度向油田发电管理平台进行反馈，提高了油田发电管理人员对电量利用异常情况觉察的及时性和实时性，从而提高了油田发电的利用率。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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为本发明系统模块结构连接示意图。
具体实施方式
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，所描述的实施例仅仅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。
请参阅图1所示，本发明提供了一种基于区域油田风光发电利用管理系统，包括：用电设备信息采集分析模块、气象信息采集模块、发电设备信息采集分析模块、电量供应适配度分析模块、电量利用精准度分析模块、反馈终端和云数据库。
所述气象信息采集模块和云数据库均与发电设备信息采集分析模块相连，用电设备信息采集分析模块和发电设备信息采集分析模块均与电量供应适配度分析模块相连，电量供应适配度分析模块、反馈终端和云数据库三者均与电量利用精准度分析模块相连。
所述用电设备信息采集分析模块，用于提取目标区域油田在下一个工作日的各预计用电设备的功率和预计工作时长，并采集目标区域油田在下一个工作日的各实际用电设备的功率和实际工作时长，从而分析目标区域油田在下一个工作日对应用电设备的预计总用电量和实际总用电量。
需要说明的是，所述各预计用电设备的功率、预计工作时长和后续中所提到的各风力发电机的型号、所处高度、光伏发电板的数目和各光伏发电板的面积、安装角度均从油田发电管理平台提取得到。
所述各实际用电设备的功率通过设备型号查阅得到、实际工作时长通过设备所处工作区域内安置的摄像头监测得到。
在本发明具体实施例中，所述目标区域油田在下一个工作日对应用电设备的预计总用电量和实际总用电量为同种分析方式，其中，目标区域油田在下一个工作日对应用电设备的预计总用电量的具体分析过程为：A1、将目标区域油田在下一个工作日对应预计的光照时长和温度分别记为T光和W。
A2、计算目标区域油田在下一个工作日对应用电设备的预计总用电量的影响因子λ预，其中，T′光、W′、△T和△W分别表示设定参照的光照时长、温度、光照时长偏差和温度偏差，a1和a2分别表示设定的光照时长和温度对应预计总用电量的修正占比权重，e表示自然常数。
A3、将目标区域油田在下一个工作日的各预计用电设备的功率和预计工作时长分别记为Pi和Ti，其中i表示预计用电设备编号，i＝1,2,...,n。
A4、计算目标区域油田在下一个工作日对应用电设备的预计总用电量Q预用，
所述气象信息采集模块，用于提取目标区域油田在下一个工作日对应预计的光照强度、光照时长、温度、风向、风速持续时长和各高度层的预计风速，并采集目标区域油田在下一个工作日对应实际的光照强度、光照时长、温度、风向、风速持续时长和各高度层的实际风速。
需要说明的是，所述预计的风向、风速持续时长、光照强度、光照时长、温度和各高度层的预计风速均从气象平台提取得到，所述实际的风向、风速持续时长、光照强度、光照时长、温度和各高度层的实际风速均通过气象监测仪监测得到。
所述发电设备信息采集分析模块，用于提取目标区域油田对应各风力发电机的型号、所处高度、光伏发电板的数目和各光伏发电板的面积、安装角度，并采集各光伏发电板的表面油液膜面积，从而分析目标区域油田对应发电设备在下一个工作日的预计总发电量和实际总发电量。
需要说明的是，所述各光伏发电板的表面油液膜面积通过在光伏发电板的上方安置的摄像头监测得到。
在本发明具体实施例中，所述目标区域油田对应发电设备在下一个工作日的预计总发电量和实际总发电量为同种分析方式，其中，目标区域油田对应发电设备在下一个工作日的预计总发电量的具体分析过程为：B1、将目标区域油田在下一个工作日对应的预计风速持续时长记为T风。
B2、根据各风力发电机的所处高度，从各高度层的预计风速中定位出各风力发电机对应所处高度层的预计风速，记为vj，其中j表示风力发电机编号，j＝1,2,...,m。
B3、根据各风力发电机的型号，从云数据库中定位出各风力发电机所属型号的适宜承载风速，记为
B4、计算各风力发电机对应风力层面发电影响因子 其中，T′风和△v分别表示设定基准风力发电情况下的参照风速持续时长和风速偏差，a3和a4分别表示设定的风速持续时长和风速偏差对应风力层面发电影响占比权重。
B5、根据目标区域油田在下一个工作日对应预计的风向，设定各风力发电机对应风向层面发电影响因子
在本发明具体实施例中，所述设定各风力发电机对应风向层面发电影响因子，具体设定过程为：C1、若目标区域油田在下一个工作日对应预计风向与某风力发电机的转动方向为相同方向，则将该风力发电机对应风向层面发电影响因子记为δ1。
C2、若目标区域油田在下一个工作日对应预计风向与某风力发电机的转动方向为相反方向，则将该风力发电机对应风向层面发电影响因子记为δ2。
C3、若目标区域油田在下一个工作日对应预计风向与某风力发电机的转动方向为其他情况，则将该风力发电机对应风向层面发电影响因子记为δ3，由此得到各风力发电机对应风向层面发电影响因子的取值为δ1或者δ2或者δ3,δ2>δ3>δ1。
需要说明的是，所述其他情况是指在风速一定的情况下预计风向与某风力发电机的转动方向存在0度至180度之间的夹角，且当安装角度偏离风向越大时，降低的发电量也会越大。
在本发明的一个具体实施例中，当安装角度与风向偏离5°时，发电利用率存在的降低区间可以为0.5％至1％，当安装角度与风向偏离15°时，发电利用率存在的降低区间可以为5％至10％左右。
B6、计算各风力发电机对应气象层面发电影响因子
B7、根据各风力发电机的型号，从云数据库中定位出各风力发电机所属型号的单日基准发电量，记为
B8、计算风力发电机在下一个工作日的预计总发电量Q预风，其中，χ表示设定的风力发电机在下一个工作日的预计总发电量修正因子。
B9、设定油膜层面光伏发电修正因子，并计算光伏发电板在下一个工作日的预计总发电量Q预光，从而计算目标区域油田对应发电设备在下一个工作日的预计总发电量Q预发，Q预发＝Q预风+Q预光。
本发明实施例通过根据风力发电机所处高度对应的风速进行风力层面发电影响分析，提高了风力发电机对应风力层面发电的效果，并且提高了风力发电机的发电总量确认的可信度，确保了风力发电设备的总发电量确认的准确性。
在本发明具体实施例中，所述设定油膜层面光伏发电修正因子，具体设定过程为：D1、提取各光伏发电板的表面油液膜面积，并统计表面油液膜面积为0的光伏发电板数目，并记为M光。
D2、将光伏发电板的数目和各光伏发电板的面积分别记为M总和Sk，其中k表示光伏发电板编号，k＝1,2,...,g。
D3、从表面油液膜面积不为0的各光伏发电板的表面油液膜面积中提取最大表面油液膜面积，记为S大。
D4、将表面油液膜面积不为0的各光伏发电板的表面油液膜面积进行累加，得到表面油液膜总面积，记为S油。
D5、计算油膜层面光伏发电修正因子λ油，
其中，△M、S′和S″分别表示设定参照的光伏发电板数目占比、最大表面油液膜面积和表面油液膜总面积占比，b1、b2和b3分别表示设定光伏发电板数目占比、最大表面油液膜面积和表面油液膜总面积占比对应油膜层面光伏发电影响占比权重。
本发明实施例通过设定油膜层面的光伏发电修正因子，确保了光伏发电设备的总发电量确认的合理性，同时提高了后续发电设备总发电量确认的精准性和后续电量供应的适配度。
在一个具体实施例中，光伏发电板表面油液膜面积的形成是一个长期的过程，一个工作日内各光伏发电板表面油液膜面积变化可忽略不计，由此目标区域油田对应光伏发电设备在下一个工作日的预计总发电量和实际总发电量对应相同油膜层面的光伏发电修正因子。
在本发明具体实施例中，所述计算光伏发电板在下一个工作日的预计总发电量，具体计算过程为：E1、根据各光伏发电板的安装角度，从云数据库中定位出各光伏发电板所属安装角度的基准受光强度和基准受光时长，并分别记为和/>
E2、将目标区域油田在下一个工作日对应的预计光照强度记为ε光。
E3、计算各光伏发电板对应气象层面发电影响因子 其中，△ε和△T分别表示设定基准光伏发电情况下的参照光照强度偏差和光照时长偏差，b4和b5分别表示设定的光照强度偏差和光照时长偏差对应光伏发电板气象层面发电影响占比权重。
E4、从云数据库中提取各光伏发电板所属安装角度的单日基准发电量，记为
E5、计算光伏发电板在下一个工作日的预计总发电量Q预光，
所述电量供应适配度分析模块，用于分析目标区域油田在下一个工作日的预计电量供应适配度和实际电量供应适配度。
在本发明具体实施例中，所述目标区域油田在下一个工作日的预计电量供应适配度和实际电量供应适配度为同种计算方式，其中，目标区域油田在下一个工作日的预计电量供应适配度的计算公式为：其中，θ预表示预计电量供应适配度，Q″表示设定参照的预计电量供应差，λ适表示设定的预计电量供应适配符合修正因子。
所述电量利用精准度分析模块，用于分析目标区域油田的电量利用精准度。
在本发明具体实施例中，所述分析目标区域油田的电量利用精准度，具体分析过程为：F1、从云数据库中提取历史各工作日对应的预计电量供应适配度和实际电量供应适配度。
F2、将历史各工作日对应的预计电量供应适配度和实际电量供应适配度进行作差，得到历史各工作日对应的电量供应适配度偏差。
F3、若历史某工作日对应的电量供应适配度偏差大于设定参照许可适配度偏差，则将该工作日记为异常工作日，由此统计异常工作日天数，记为M异。
F4、从各异常工作日的电量供应适配度偏差中提取最大电量供应适配度偏差，记为△θ大。
F5、计算目标区域油田的电量利用精准度φ，
其中，M″和△θ′分别表示设定参照的异常工作日天数和最大电量供应适配度偏差，c1和c2分别表示设定的异常工作日天数和最大电量供应适配度偏差对应电量利用精准度占比权重，β表示设定的电量利用精准度修正因子。
本发明实施例通过根据预计电量供应适配度和实际电量供应适配度进行电量利用精准度分析，实现了预计电量与实际电量之间的偏差分析，提高了预计用电量确认的可靠性，同时为下一用电计划提供可靠的决策性建议，提高了用电计划制定的合理性和适配性，并且提高了用电计划优化的及时性和优化效果。
所述反馈终端，用于将目标区域油田的电量利用精准度向油田发电管理平台进行反馈；
本发明实施例通过将目标区域油田的电量利用精准度向油田发电管理平台进行反馈，提高了油田发电管理人员对电量利用异常情况觉察的及时性和实时性，从而提高了油田发电的利用率。
所述云数据库，用于存储各风力发电机所属型号的适宜承载风速和单日基准发电量，存储各光伏发电板所属安装角度的基准受光强度、基准受光时长和单日基准发电量，并存储历史各工作日对应的预计电量供应适配度以及实际电量供应适配度。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本发明所定义的范围，均应属于本发明的保护范围。

Claims (8)

1.一种基于区域油田风光发电利用管理系统,其特征在于,包括:
用电设备信息采集分析模块，用于提取目标区域油田在下一个工作日的各预计用电设备的功率和预计工作时长，并采集目标区域油田在下一个工作日的各实际用电设备的功率和实际工作时长，从而分析目标区域油田在下一个工作日对应用电设备的预计总用电量和实际总用电量；
气象信息采集模块，用于提取目标区域油田在下一个工作日对应预计的光照强度、光照时长、温度、风向、风速持续时长和各高度层的预计风速，并采集目标区域油田在下一个工作日对应实际的光照强度、光照时长、温度、风向、风速持续时长和各高度层的实际风速；
发电设备信息采集分析模块，用于提取目标区域油田对应各风力发电机的型号、所处高度、光伏发电板的数目和各光伏发电板的面积、安装角度，并采集各光伏发电板的表面油液膜面积，从而分析目标区域油田对应发电设备在下一个工作日的预计总发电量和实际总发电量；
电量供应适配度分析模块，用于分析目标区域油田在下一个工作日的预计电量供应适配度和实际电量供应适配度；
电量利用精准度分析模块，用于分析目标区域油田的电量利用精准度；
反馈终端，用于将目标区域油田的电量利用精准度向油田发电管理平台进行反馈；
云数据库，用于存储各风力发电机所属型号的适宜承载风速和单日基准发电量，存储各光伏发电板所属安装角度的基准受光强度、基准受光时长和单日基准发电量，并存储历史各工作日对应的预计电量供应适配度以及实际电量供应适配度。
2.根据权利要求1所述的一种基于区域油田风光发电利用管理系统，其特征在于：所述目标区域油田在下一个工作日对应用电设备的预计总用电量和实际总用电量为同种分析方式，其中，目标区域油田在下一个工作日对应用电设备的预计总用电量的具体分析过程为：
A1、将目标区域油田在下一个工作日对应预计的光照时长和温度分别记为T光和W；
A2、计算目标区域油田在下一个工作日对应用电设备的预计总用电量的影响因子λ预，其中，T′光、W′、△T和△W分别表示设定参照的光照时长、温度、光照时长偏差和温度偏差，a1和a2分别表示设定的光照时长和温度对应预计总用电量的修正占比权重，e表示自然常数；
A3、将目标区域油田在下一个工作日的各预计用电设备的功率和预计工作时长分别记为Pi和Ti，其中i表示预计用电设备编号，i＝1,2,...,n；
A4、计算目标区域油田在下一个工作日对应用电设备的预计总用电量Q预用，
3.根据权利要求2所述的一种基于区域油田风光发电利用管理系统，其特征在于：所述目标区域油田对应发电设备在下一个工作日的预计总发电量和实际总发电量为同种分析方式，其中，目标区域油田对应发电设备在下一个工作日的预计总发电量的具体分析过程为：
B1、将目标区域油田在下一个工作日对应的预计风速持续时长记为T风；
B2、根据各风力发电机的所处高度，从各高度层的预计风速中定位出各风力发电机对应所处高度层的预计风速，记为vj，其中j表示风力发电机编号，j＝1,2,...,m；
B3、根据各风力发电机的型号，从云数据库中定位出各风力发电机所属型号的适宜承载风速，记为
B4、计算各风力发电机对应风力层面发电影响因子 其中，T′风和△v分别表示设定基准风力发电情况下的参照风速持续时长和风速偏差，a3和a4分别表示设定的风速持续时长和风速偏差对应风力层面发电影响占比权重；
B5、根据目标区域油田在下一个工作日对应预计的风向，设定各风力发电机对应风向层面发电影响因子
B6、计算各风力发电机对应气象层面发电影响因子
B7、根据各风力发电机的型号，从云数据库中定位出各风力发电机所属型号的单日基准发电量，记为
B8、计算风力发电机在下一个工作日的预计总发电量Q预风，其中，χ表示设定的风力发电机在下一个工作日的预计总发电量修正因子；
B9、设定油膜层面光伏发电修正因子，并计算光伏发电板在下一个工作日的预计总发电量Q预光，从而计算目标区域油田对应发电设备在下一个工作日的预计总发电量Q预发，Q预发＝Q预风+Q预光。
4.根据权利要求3所述的一种基于区域油田风光发电利用管理系统，其特征在于：所述设定各风力发电机对应风向层面发电影响因子，具体设定过程为：
C1、若目标区域油田在下一个工作日对应预计风向与某风力发电机的转动方向为相同方向，则将该风力发电机对应风向层面发电影响因子记为δ1；
C2、若目标区域油田在下一个工作日对应预计风向与某风力发电机的转动方向为相反方向，则将该风力发电机对应风向层面发电影响因子记为δ2；
C3、若目标区域油田在下一个工作日对应预计风向与某风力发电机的转动方向为其他情况，则将该风力发电机对应风向层面发电影响因子记为δ3，由此得到各风力发电机对应风向层面发电影响因子 的取值为δ1或者δ2或者δ3，δ2>δ3>δ1。
5.根据权利要求3所述的一种基于区域油田风光发电利用管理系统，其特征在于：所述设定油膜层面光伏发电修正因子，具体设定过程为：
D1、提取各光伏发电板的表面油液膜面积，并统计表面油液膜面积为0的光伏发电板数目，并记为M光；
D2、将光伏发电板的数目和各光伏发电板的面积分别记为M总和Sk，其中k表示光伏发电板编号，k＝1,2,...,g；
D3、从表面油液膜面积不为0的各光伏发电板的表面油液膜面积中提取最大表面油液膜面积，记为S大；
D4、将表面油液膜面积不为0的各光伏发电板的表面油液膜面积进行累加，得到表面油液膜总面积，记为S油；
D5、计算油膜层面光伏发电修正因子λ油，
其中，△M、S′和S″分别表示设定参照的光伏发电板数目占比、最大表面油液膜面积和表面油液膜总面积占比，b1、b2和b3分别表示设定光伏发电板数目占比、最大表面油液膜面积和表面油液膜总面积占比对应油膜层面光伏发电影响占比权重。
6.根据权利要求5所述的一种基于区域油田风光发电利用管理系统，其特征在于：所述计算光伏发电板在下一个工作日的预计总发电量，具体计算过程为：
E1、根据各光伏发电板的安装角度，从云数据库中定位出各光伏发电板所属安装角度的基准受光强度和基准受光时长，并分别记为和/>
E2、将目标区域油田在下一个工作日对应的预计光照强度记为ε光；
E3、计算各光伏发电板对应气象层面发电影响因子 其中，△ε和△T分别表示设定基准光伏发电情况下的参照光照强度偏差和光照时长偏差，b4和b5分别表示设定的光照强度偏差和光照时长偏差对应光伏发电板气象层面发电影响占比权重；
E4、从云数据库中提取各光伏发电板所属安装角度的单日基准发电量，记为
E5、计算光伏发电板在下一个工作日的预计总发电量Q预光，
7.根据权利要求3所述的一种基于区域油田风光发电利用管理系统，其特征在于：所述目标区域油田在下一个工作日的预计电量供应适配度和实际电量供应适配度为同种计算方式，其中，目标区域油田在下一个工作日的预计电量供应适配度的计算公式为：其中，θ预表示预计电量供应适配度，Q″表示设定参照的预计电量供应差，λ适表示设定的预计电量供应适配符合修正因子。
8.根据权利要求7所述的一种基于区域油田风光发电利用管理系统，其特征在于：所述分析目标区域油田的电量利用精准度，具体分析过程为：
F1、从云数据库中提取历史各工作日对应的预计电量供应适配度和实际电量供应适配度；
F2、将历史各工作日对应的预计电量供应适配度和实际电量供应适配度进行作差，得到历史各工作日对应的电量供应适配度偏差；
F3、若历史某工作日对应的电量供应适配度偏差大于设定参照许可适配度偏差，则将该工作日记为异常工作日，由此统计异常工作日天数，记为M异；
F4、从各异常工作日的电量供应适配度偏差中提取最大电量供应适配度偏差，记为△θ大；
F5、计算目标区域油田的电量利用精准度φ，
其中，M″和△θ′分别表示设定参照的异常工作日天数和最大电量供应适配度偏差，c1和c2分别表示设定的异常工作日天数和最大电量供应适配度偏差对应电量利用精准度占比权重，β表示设定的电量利用精准度修正因子。
CN202310704818.0A 2023-06-14 2023-06-14 一种基于区域油田风光发电利用管理系统 Pending CN116960935A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310704818.0A CN116960935A (zh) 2023-06-14 2023-06-14 一种基于区域油田风光发电利用管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310704818.0A CN116960935A (zh) 2023-06-14 2023-06-14 一种基于区域油田风光发电利用管理系统

Publications (1)

Publication Number Publication Date
CN116960935A true CN116960935A (zh) 2023-10-27

Family

ID=88441840

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310704818.0A Pending CN116960935A (zh) 2023-06-14 2023-06-14 一种基于区域油田风光发电利用管理系统

Country Status (1)

Country Link
CN (1) CN116960935A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117236938A (zh) * 2023-11-14 2023-12-15 拓锐科技有限公司 一种基于数据可视化的电力设备运维管理系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117236938A (zh) * 2023-11-14 2023-12-15 拓锐科技有限公司 一种基于数据可视化的电力设备运维管理系统
CN117236938B (zh) * 2023-11-14 2024-02-20 拓锐科技有限公司 一种基于数据可视化的电力设备运维管理系统

Similar Documents

Publication Publication Date Title
De Benedetti et al. Anomaly detection and predictive maintenance for photovoltaic systems
Lu et al. Online energy generation scheduling for microgrids with intermittent energy sources and co-generation
Biegel et al. Distributed low-complexity controller for wind power plant in derated operation
WO2016166991A1 (ja) 太陽光発電設備の診断システムおよびプログラム
CN208335256U (zh) 一种基于分布式光伏电站设计的预测发电量计算系统
EP2120204A1 (en) Method and system to quantify performance of a power generating system
CN116960935A (zh) 一种基于区域油田风光发电利用管理系统
CN111969655A (zh) 考虑负荷响应不确定性的多源多荷协调调度方法及系统
CN108446811A (zh) 一种基于分布式光伏电站设计的预测发电量计算方法
CN102168647A (zh) 基于气象信息的风光联合发电系统有功功率在线评估方法
CN107832869A (zh) 一种风力发电与光伏发电的发电功率预测方法
CN114033617B (zh) 一种控制参量自适应调整的可控风力发电方法及系统
Arévalo et al. Smart monitoring method for photovoltaic systems and failure control based on power smoothing techniques
CN115481918A (zh) 一种基于源网荷储的单元状态主动感知及预测分析系统
CN117236938B (zh) 一种基于数据可视化的电力设备运维管理系统
Lee et al. Multi-site photovoltaic power generation forecasts based on deep-learning algorithm
KR20230011196A (ko) 인공지능 기반의 신재생 에너지 관리 장치 및 방법
CN116667333A (zh) 一种新能源发电和用电功率预测系统及方法
CN115577994A (zh) 一种基于电力调度平台的电碳管理方法及系统
Oprea et al. Key technical performance indicators for power plants
Kunzemann et al. Application of CPS within wind energy—current implementation and future potential
Panjwani et al. Short-term solar and wind generation forecasting for the western region of india
Tymchuk et al. Fuzzy predictive model of solar panel for decision support system in the management of hybrid grid
Ma et al. A simple and reliable photovoltaic forecast for reliable power system operation control
Lin et al. Maximum daily load forecasting based on support vector regression considering accumulated temperature effect

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
TA01 Transfer of patent application right

Effective date of registration: 20240528

Address after: 071799 Third Floor, No. 2 Jinhai Street, Rongcheng County, Xiong'an New District, Baoding City, Hebei Province (self declared)

Applicant after: Hebei Xiong'an Kunlun Xinyuan New Energy Technology Co.,Ltd.

Country or region after: China

Address before: No.10 Guo'an Road, comprehensive bonded zone, Caofeidian Industrial Zone, Tangshan City, Hebei Province 063200

Applicant before: TANGSHAN JIDONG PETROLEUM MACHINERY Co.,Ltd.

Country or region before: China

TA01 Transfer of patent application right