CN117277380A - 一种不确定性储能系统的配置方法 - Google Patents
一种不确定性储能系统的配置方法 Download PDFInfo
- Publication number
- CN117277380A CN117277380A CN202311343063.2A CN202311343063A CN117277380A CN 117277380 A CN117277380 A CN 117277380A CN 202311343063 A CN202311343063 A CN 202311343063A CN 117277380 A CN117277380 A CN 117277380A
- Authority
- CN
- China
- Prior art keywords
- power grid
- power
- data
- simulation
- energy storage
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000004146 energy storage Methods 0.000 title claims abstract description 40
- 238000004088 simulation Methods 0.000 claims abstract description 44
- 230000005611 electricity Effects 0.000 claims abstract description 6
- 238000013178 mathematical model Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 16
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000010276 construction Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 8
- 230000004913 activation Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/06315—Needs-based resource requirements planning or 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- 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]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Power Engineering (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (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
本发明提供了一种不确定性储能系统的配置方法,包括如下步骤:对当地场景进行分析,通过历史电网用电、供电数据建立预测分析模型,得到不同场景下电网的供电、用电能力;通过建立模糊数学模型,结合模糊集合和模糊规则,确定储能系统的容量规模;结合历史电网用电、供电数据和概率分布进行数据模拟,并增加随机变量进行二次模拟,得到不同概率情况下的电网设备之间的供求关系;根据上述步骤得到的数据,建立电网的模拟模型,得到储能系统的配置方案。本发明有益效果:确保电网供电可靠性,提高电网稳定性,为电网规划提供依据,指导电网建设,为电力部门节约成本,提高经济效益。
Description
技术领域
本发明属于电网调配领域,尤其是涉及一种不确定性储能系统的配置方法。
背景技术
随着可再生能源比例不断提高,其间歇性和波动性带来电网运行的不确定性,需要储能系统进行调节,电力市场的不断发展需要储能参与电力交易与调节,从而需要评估不同储能配置方案的经济效益,所以为实现电力系统的高效、经济、安全、环保运行,电力企业需要对储能系统进行适应性的调整及配置;
现有技术中,储能系统以及电网的调节均是领域内的专家学者进行人工计算,其计算结果时常因为人工计算出现计算失误的问题,所以经常需要对结果数据进行反复验算,从而导致其效率低下,同时在电网设备的实际运行中,常常出现不确定性问题,导致实际情况与计算结果出现偏差,危害电网安全。
发明内容
有鉴于此,本发明旨在提出一种不确定性储能系统的配置方法,以期解决上述部分技术问题中的至少之一。
为达到上述目的,本发明的技术方案是这样实现的:
一种不确定性储能系统的配置方法,包括如下步骤:
S1、对当地场景进行分析,通过历史电网用电、供电数据建立预测分析模型,得到不同场景下电网的供电、用电能力;
S2、通过建立模糊数学模型,结合模糊集合和模糊规则,确定储能系统的容量规模;
S3、结合历史电网用电、供电数据和概率分布进行数据模拟,并增加随机变量进行二次模拟,得到不同概率情况下的电网设备之间的供求关系;
S4、根据电网的供电、用电能力,以及电网设备之间的供求关系,并结合储能系统中的容量规模,建立电网的模拟模型,得到储能系统的配置方案。
进一步的,步骤S1的具体过程如下:
S101、结合节假日分布以及早、中、晚三个时间段对历史电网用电、供电数据进行划分,得到不同时间内的电网供电、用电数据;
S102、将步骤S101得到的电网供电、用电数据与相应时间的日气象数据相结合,得到不同天气条件下的电网供电、用电数据;
S103、以不同时间和不同天气条件为自变量,电网供电、用电数据为因变量,建立预测分析模型;
S104、将未来一端时间内的气象预测数据结合时间段进行划分后作为自变量输入预测分析模型中,得到不同场景下电网的供电、用电能力。
进一步的,步骤S2的具体过程如下:
S201、定义模糊语言变量:输入变量为电网调峰需求、成本约束,输出变量为储能容量,并对每个语言变量进行范围限定;
S202、根据输入变量与输出变量之间的笛卡尔积定义相应的模糊规则;
S203、根据模糊规则对输入变量进行计算得到模糊输出,并使用质心法对所有模糊集合的并集进行计算,得到储能系统的容量规模。
进一步的,步骤S3的具体过程如下:
S301、对历史电网用电、供电数据进行正态分布拟合,得到相应的用电量的均值和标准差;
S302、根据上述正态分布为每日的历史电网用电、供电数据添加一组随机的用电量数据;
S303、根据步骤S302处理后得到的数据,结合实际电网设备的供电量、用电量数据,建立电网供求计算模型;
S304、在电网供求计算模型中设置线路故障和设备故障的随机概率;
S305、使用步骤S304处理后的电网供求计算模型进行多次计算,得到不同概率情况下的电网设备之间的供求关系。
进一步的,步骤S4的具体过程如下:
S401、使用步骤S1、S2、S3得到的数据构建电网的模拟模型,并使用电网设备的真实数据对模拟模型进行调整;
S402、根据具体业务需要选择模拟时间范围,根据模拟精度要求选择模拟时间步长;
S403、使用电网稳态潮流计算,得到电网在模拟时间起点的初始稳态运行状态;
S404、将电网设备的真实数据输入模拟模型中,模拟每个时间步的电网运行状态,直至模拟时间满足模拟时间范围;
S405、根据模拟过程中的数据,确定储能系统配置方案。
相对于现有技术,本发明所述的一种不确定性储能系统的配置方法具有以下有益效果:
本发明所述的一种不确定性储能系统的配置方法,结合多种模型和方法,使仿真结果更全面准确,场景分析考虑不同运行情况,模糊模型引入专家经验,概率模拟评估风险,提高决策的稳健性;
进而找到储能配置的优化方案,充分发挥储能作用,确保电网供电可靠性,提高电网稳定性,为电网规划提供依据,指导电网建设,为电力部门节约成本,提高经济效益;
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例所述的不确定性储能系统的配置方法流程示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
下面将参考附图并结合实施例来详细说明本发明。
一种不确定性储能系统的配置方法,包括如下步骤:
S1、对当地场景进行分析,通过历史电网用电、供电数据建立预测分析模型,得到不同场景下电网的供电、用电能力;
S2、通过建立模糊数学模型,结合模糊集合和模糊规则,确定储能系统的容量规模;
S3、结合历史电网用电、供电数据和概率分布进行数据模拟,并增加随机变量进行二次模拟,得到不同概率情况下的电网设备之间的供求关系;
S4、根据电网的供电、用电能力以及电网设备之间的供求关系,建立电网的模拟模型,结合储能系统中的容量规模,得到储能系统的配置方案。
步骤S1的具体过程如下:
S101、结合节假日分布以及早、中、晚三个时间段对历史电网用电、供电数据进行划分,得到不同时间内的电网供电、用电数据;
历史电网用电、供电数据包括:发电厂日发电量、主要输电线路日输电量、110kV变电站日供电量、城市居民日用电量、城市商业日用电量、城市工业日用电量;
S102、将步骤S101得到的电网供电、用电数据与相应时间的日气象数据相结合,得到不同天气条件下的电网供电、用电数据;
S103、以不同时间和不同天气条件为自变量,电网供电、用电数据为因变量,建立预测分析模型(即弹性网络回归模型);
S104、将未来一端时间内的气象预测数据结合时间段进行划分后作为自变量输入预测分析模型中,得到不同场景下电网的供电、用电能力。
构建弹性网络回归模型的步骤如下:
使用Keras深度学习框架构建模型;输入层设置两个输入节点,代表时间和天气;隐藏层设置两个全连接隐藏层,每个隐藏层100个节点,使用ReLU激活函数;输出层设置两个输出节点,代表电网供电量和用电量,不使用激活函数;设置均方误差作为loss函数,优化器选择Adam。
对弹性网络回归模型进行模型调优的步骤如下:
调整隐藏层节点数量:增加到128个,观察模型效果;
增加隐藏层:添加第3个隐藏层,节点数64,提高模型表达能力;
改变激活函数:尝试tanh、leakyReLU,比较效果;
调整优化器:使用RMSprop、SGD等,找到最优优化器;
修改学习率:测试不同学习率对模型收敛的影响;
增加正则化:加入L1、L2正则化,减少过拟合;
调整loss函数:尝试MAE、Huberloss,获得最佳损失函数;
在调优过程中,需要在验证集上观测效果,选择调优后的最佳模型结构和超参数,从而获得预测误差最小的弹性网络回归模型。
步骤S2的具体过程如下:
S201、定义模糊语言变量:输入变量为电网调峰需求、成本约束,输出变量为储能容量,并对每个语言变量进行范围限定;
S202、根据输入变量与输出变量之间的笛卡尔积定义相应的模糊规则;
S203、根据模糊规则对输入变量进行计算得到模糊输出,并使用质心法对所有模糊集合的并集进行计算,得到储能系统的容量规模。
使用质心法得到储能系统的容量规模的具体操作如下:
a)计算每个语言变量的隶属度值与该语言变量所代表的确切值的乘积;
b)将所有语言变量的乘积求和,即∑(隶属度值×代表值);
c)将上一步求和结果除以隶属度值的总和,即∑隶属度值;
d)求得的商就是通过质心法计算得到的确切输出值。
举例:
容量大隶属度0.8,代表值100MW,乘积80;
容量中隶属度0.2,代表值50MW,乘积10;
隶属度总和0.8+0.2=1;
求和结果80+10=90;
隶属度总和1;
90/1=90MW;
所以使用质心法计算的确切储能系统容量值为90MW。
步骤S3的具体过程如下:
S301、对历史电网用电、供电数据进行正态分布拟合,得到相应的用电量的均值和标准差;
S302、根据上述正态分布为每日的历史电网用电、供电数据添加一组随机的用电量数据;
S303、根据步骤S302处理后得到的数据,结合实际电网设备的供电量、用电量数据,建立电网供求计算模型;
S304、在电网供求计算模型中设置线路故障和设备故障的随机概率;
S305、使用步骤S304处理后的电网供求计算模型进行多次计算,得到不同概率情况下的电网设备之间的供求关系。
步骤S4的具体过程如下:
S401、使用步骤S1、S2、S3得到的数据构建电网的模拟模型,并使用电网设备的真实数据对模拟模型进行调整;
S402、根据具体业务需要选择模拟时间范围,根据模拟精度要求选择模拟时间步长;
S403、使用电网稳态潮流计算,得到电网在模拟时间起点的初始稳态运行状态;
S404、将电网设备的真实数据输入模拟模型中,模拟每个时间步的电网运行状态,直至模拟时间满足模拟时间范围;
S405、根据模拟过程中的数据,确定储能系统配置方案。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及方法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法和系统,可以通过其它的方式实现。例如,以上所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。上述单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种不确定性储能系统的配置方法,其特征在于:
包括如下步骤:
S1、对当地场景进行分析,通过历史电网用电、供电数据建立预测分析模型,得到不同场景下电网的供电、用电能力;
S2、通过建立模糊数学模型,结合模糊集合和模糊规则,确定储能系统的容量规模;
S3、结合历史电网用电、供电数据和概率分布进行数据模拟,并增加随机变量进行二次模拟,得到不同概率情况下的电网设备之间的供求关系;
S4、根据电网的供电、用电能力,以及电网设备之间的供求关系,并结合储能系统中的容量规模,建立电网的模拟模型,得到储能系统的配置方案。
2.根据权利要求1所述的一种不确定性储能系统的配置方法,其特征在于:
步骤S1的具体过程如下:
S101、结合节假日分布以及早、中、晚三个时间段对历史电网用电、供电数据进行划分,得到不同时间内的电网供电、用电数据;
S102、将步骤S101得到的电网供电、用电数据与相应时间的日气象数据相结合,得到不同天气条件下的电网供电、用电数据;
S103、以不同时间和不同天气条件为自变量,电网供电、用电数据为因变量,建立预测分析模型;
S104、将未来一端时间内的气象预测数据结合时间段进行划分后作为自变量输入预测分析模型中,得到不同场景下电网的供电、用电能力。
3.根据权利要求1所述的一种不确定性储能系统的配置方法,其特征在于:
步骤S2的具体过程如下:
S201、定义模糊语言变量:输入变量为电网调峰需求、成本约束,输出变量为储能容量,并对每个语言变量进行范围限定;
S202、根据输入变量与输出变量之间的笛卡尔积定义相应的模糊规则;
S203、根据模糊规则对输入变量进行计算得到模糊输出,并使用质心法对所有模糊集合的并集进行计算,得到储能系统的容量规模。
4.根据权利要求1所述的一种不确定性储能系统的配置方法,其特征在于:
步骤S3的具体过程如下:
S301、对历史电网用电、供电数据进行正态分布拟合,得到相应的用电量的均值和标准差;
S302、根据上述正态分布为每日的历史电网用电、供电数据添加一组随机的用电量数据;
S303、根据步骤S302处理后得到的数据,结合实际电网设备的供电量、用电量数据,建立电网供求计算模型;
S304、在电网供求计算模型中设置线路故障和设备故障的随机概率;
S305、使用步骤S304处理后的电网供求计算模型进行多次计算,得到不同概率情况下的电网设备之间的供求关系。
5.根据权利要求1所述的一种不确定性储能系统的配置方法,其特征在于:
步骤S4的具体过程如下:
S401、使用步骤S1、S2、S3得到的数据构建电网的模拟模型,并使用电网设备的真实数据对模拟模型进行调整;
S402、根据具体业务需要选择模拟时间范围,根据模拟精度要求选择模拟时间步长;
S403、使用电网稳态潮流计算,得到电网在模拟时间起点的初始稳态运行状态;
S404、将电网设备的真实数据输入模拟模型中,模拟每个时间步的电网运行状态,直至模拟时间满足模拟时间范围;
S405、根据模拟过程中的数据,确定储能系统配置方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311343063.2A CN117277380A (zh) | 2023-10-17 | 2023-10-17 | 一种不确定性储能系统的配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311343063.2A CN117277380A (zh) | 2023-10-17 | 2023-10-17 | 一种不确定性储能系统的配置方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117277380A true CN117277380A (zh) | 2023-12-22 |
Family
ID=89204593
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311343063.2A Pending CN117277380A (zh) | 2023-10-17 | 2023-10-17 | 一种不确定性储能系统的配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117277380A (zh) |
-
2023
- 2023-10-17 CN CN202311343063.2A patent/CN117277380A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sandgani et al. | Coordinated optimal dispatch of energy storage in a network of grid-connected microgrids | |
Ghadimi et al. | PSO based fuzzy stochastic long-term model for deployment of distributed energy resources in distribution systems with several objectives | |
Mavalizadeh et al. | Hybrid expansion planning considering security and emission by augmented epsilon-constraint method | |
Chang et al. | A distributed robust optimization approach for the economic dispatch of flexible resources | |
CN110707755B (zh) | 一种考虑非理想通信条件下基于能量枢纽的综合能源系统超短期调度方法 | |
Xu et al. | Stochastic multi-objective optimization of photovoltaics integrated three-phase distribution network based on dynamic scenarios | |
CN113159341A (zh) | 融合深度强化学习和专家经验的配电网辅助决策方法及系统 | |
CN112884270A (zh) | 一种考虑不确定性因素的多场景配电网规划方法及系统 | |
CN115207935B (zh) | 一种提高电压薄弱区域暂态电压稳定的无功协调优化方法 | |
CN110570020A (zh) | 适应区域交直流混联电网的中长期交易电量安全校核方法 | |
CN115640963A (zh) | 一种考虑投资运营模式的海上风电接入系统鲁棒规划方法 | |
He et al. | Biobjective Optimization‐Based Frequency Regulation of Power Grids with High‐Participated Renewable Energy and Energy Storage Systems | |
Ghayoor et al. | Power network-planning optimization considering average power not supplied reliability index: Modified by chance-constrained programming | |
Pinto et al. | Reliability‐constrained robust expansion planning of active distribution networks | |
CN113364043A (zh) | 一种基于条件风险价值的微电网群优化方法 | |
CN114006410A (zh) | 一种基于机会约束规划的大规模海上风电接入点优化方法 | |
CN110675276B (zh) | 一种用于直流输电系统反演下垂控制的方法及系统 | |
Shang et al. | Distributed V2G dispatching via LSTM network within cloud-edge collaboration framework | |
CN110751328A (zh) | 基于联合加权熵的高比例可再生能源电网适应性规划方法 | |
CN117277380A (zh) | 一种不确定性储能系统的配置方法 | |
CN108805323A (zh) | 数据预测方法和装置 | |
CN110571791B (zh) | 一种新能源接入下的输电网规划的优化配置方法 | |
Fu et al. | Study on wind power consumption capacity of power grid considering risk and unit commitment | |
CN112085399A (zh) | 能源系统可靠性确定方法、装置和设备 | |
CN111651889A (zh) | 输电系统高风险事件筛选方法、装置、设备及存储介质 |
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 |