CN109193802A - 一种考虑新能源预测误差的需求侧资源调度方法和*** - Google Patents

一种考虑新能源预测误差的需求侧资源调度方法和*** Download PDF

Info

Publication number
CN109193802A
CN109193802A CN201811115292.8A CN201811115292A CN109193802A CN 109193802 A CN109193802 A CN 109193802A CN 201811115292 A CN201811115292 A CN 201811115292A CN 109193802 A CN109193802 A CN 109193802A
Authority
CN
China
Prior art keywords
new energy
demand
load
power output
peak
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
CN201811115292.8A
Other languages
English (en)
Inventor
陈宋宋
李德智
何胜
杨斌
马琎玠
阮文骏
梁欣怡
邵海雯
高赐威
张兴华
闫华光
潘明明
覃剑
韩凝晖
郭炳庆
石坤
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.)
State Grid Corp of China SGCC
Southeast University
China Electric Power Research Institute Co Ltd CEPRI
State Grid Jiangsu Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Southeast University
China Electric Power Research Institute Co Ltd CEPRI
State Grid Jiangsu Electric Power 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 State Grid Corp of China SGCC, Southeast University, China Electric Power Research Institute Co Ltd CEPRI, State Grid Jiangsu Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201811115292.8A priority Critical patent/CN109193802A/zh
Publication of CN109193802A publication Critical patent/CN109193802A/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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • 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
    • 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)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (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)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种考虑新能源预测误差的需求侧资源调度方法。该法包括：根据新能源发电和负荷历史数据，得到新能源出力和负荷预测曲线以及新能源出力和负荷误差分布曲线；将电网参数以及新能源出力和负荷预测曲线、新能源出力和负荷误差分布曲线带入预设的场景判别概率需求模型，得到电网运行调度需求量和***调度场景；根据电网运行调度需求量和***调度场景，确定调度需求。本发明提供的技术方案充分考虑新能源出力和负荷预测误差，计算***调峰需求、新能源波动量以及削峰填谷需求，为电网调度需求响应资源提供调度依据。

Description

一种考虑新能源预测误差的需求侧资源调度方法和***
技术领域
本发明涉及需求响应的应用调度领域，具体涉及一种考虑新能源预测误差的需求侧资源调度方法。
背景技术
近年来，随着以风电、太阳能发电为代表的间歇性新能源接入电网，相比于传统能源，可再生能源出力受自然环境影响，具有很强的不确定性和波动性，使得电力***供应侧的可控性逐渐降低，随机性逐渐增大，电网安全稳定运行受到影响。而需求侧资源作为一种可以调度的资源，能够对价格或者激励信号做出响应，在给定时间内改变正常电力消费模式，或将用电负荷转移到其它时间段，从而起到消纳新能源、平滑负荷曲线、优化资源配置等作用，有利于缓解电网运行不确定性的问题。
但是多类型能源接入后，新能源消纳、削峰填谷、辅助服务等电网调度场景趋于多样化，不同的场景之间也存在交互，使得影响电网调度的干扰因素也越来越复杂，给电网调度需求侧资源，维护***安全经济运行带来一定的挑战。目前研究如何调度需求侧资源的文章比较多，但是仍存在一定的不足：一是仅针对新能源消纳、削峰填谷等某一个场景提出调度策略；二是建立模型调度需求侧资源时，只考虑确定性因素的影响。
发明内容
为适应电网实时调度场景多样化和复杂化的特点，协调调度需求侧资源，实现电网供需双侧协调互动，本发明考虑新能源出力和负荷预测的不确定性，建立需求响应场景的概率判别模型，实现电网调度场景判别，同时确定不同场景下调度需求侧资源的电力需求，为后续电网妥善合理地调度需求侧资源参与新能源消纳、削峰填谷、调峰等不同需求响应场景，提高资源利用效率奠定基础。
本发明提供的技术方案是：
一种考虑新能源预测误差的需求侧资源调度方法，包括：
根据新能源发电历史数据和电网用电侧负荷历史数据，得到新能源出力预测曲线、负荷预测曲线、新能源出力误差分布曲线和负荷误差分布曲线；
将电网参数以及所述新能源出力预测曲线、负荷预测曲线、新能源出力误差分布曲线、负荷误差分布曲线，带入预设的场景判别概率需求模型，得到电网运行调度需求量和***调度场景；
根据所述电网运行调度需求量和***调度场景，确定电网运行调度需求侧资源的调度需求。
优选的，所述根据新能源发电历史数据和电网用电侧负荷历史数据，得到新能源出力预测曲线、负荷预测曲线、新能源出力误差分布曲线和负荷误差分布曲线，包括：
根据新能源发电历史数据，预测新能源发电输出的有功功率，得到新能源出力预测数据，并绘制新能源出力预测曲线；
根据所述新能源出力预测数据，基于正态分布，得到新能源出力误差分布函数，并绘制新能源出力误差分布曲线；
根据电网用电侧负荷历史数据，预测负荷变化，得到负荷预测数据，并绘制负荷预测曲线；
根据所述负荷预测数据，基于正态分布，得到负荷变化误差分布函数，并绘制负荷误差分布曲线。
优选的，所述场景判别概率需求模型的建立包括：
根据新能源出力预测曲线和负荷预测曲线，确定***调峰需求量；
根据新能源出力预测曲线、负荷预测曲线、新能源出力误差分布曲线和负荷误差分布曲线，确定***新能源消纳场景需求量；
根据新能源出力预测曲线和负荷预测曲线，确定***峰时段削峰需求量和谷时段填谷需求量；
根据所述***调峰需求量、***新能源消纳场景需求量、***峰时段削峰需求量和谷时段填谷需求量，得到电网运行调度需求量；
基于所述电网运行调度需求量，根据电网参数以及设定的场景需求偏差置信度，确定***调度场景；
所述电网参数包括：***常规机组总调峰备用容量、常规电厂不调用调峰备用容量前提下***最大可发电量、常规发电机不停机前提下***最低发电量和***自身可消纳波动量。
进一步的，所述基于所述电网运行调度需求量，根据电网参数以及设定的场景需求偏差置信度，确定***调度场景，包括：
基于设定的场景需求偏差置信度，比较***调峰需求量与设定的***常规机组总调峰备用容量，确定***是否需要调峰；
基于设定的场景需求偏差置信度，比较***新能源消纳场景需求量与设定的***自身可消纳波动量，确定***是否需要进行新能源消纳；
基于设定的场景需求偏差置信度，比较***峰时段削峰需求量与设定的常规电厂不调用调峰备用容量的前提下***最大可发电量，以及比较***谷时段填谷需求量与设定的常规发电机在不停机的前提下***最低发电量，确定***是否需要调度需求侧资源进行削峰填谷。
进一步的，所述基于设定的场景需求偏差置信度，比较***调峰需求量与设定的***常规机组总调峰备用容量，确定***是否需要调峰，包括：
根据所述***调峰需求量与所述设定的***常规机组总调峰备用容量，确定调峰需求偏差的可信性测度函数；
当所述调峰需求偏差的可信性测度函数不小于设定的场景需求偏差的置信度时，***需要进行调峰，否则***不需要进行调峰。
进一步的，所述基于设定的场景需求偏差置信度，比较***新能源消纳场景需求量与设定的***自身可消纳波动量，确定***是否需要进行新能源消纳，包括：
根据所述***新能源消纳场景需求量与设定的***自身可消纳波动量，确定***波动偏差的可信性测度函数；
当所述***波动偏差的可信性测度函数不大于设定的场景需求偏差的置信度时，***需要进行新能源消纳，否则***不需要进行新能源消纳。
进一步的，所述基于设定的场景需求偏差置信度，比较***峰时段削峰需求量与设定的常规电厂不调用调峰备用容量的前提下***最大可发电量，以及比较***谷时段填谷需求量与设定的常规发电机在不停机的前提下***最低发电量，确定***是否需要调度需求侧资源进行削峰填谷，包括：
根据所述***峰时段削峰需求量与设定的常规电厂不调用调峰备用容量的前提下***最大可发电量，确定***削峰需求偏差的可信性测度函数；
根据所述***谷时段填谷需求量与设定的常规发电机在不停机的前提下***最低发电量，确定***填谷需求偏差的可信性测度函数；
当所述***削峰需求偏差的可信性测度函数与所述***填谷需求偏差的可信性测度函数均不小于设定的场景需求偏差的置信度时，***需要调度需求侧资源进行削峰填谷，否则***不需要调度需求侧资源进行削峰填谷。
进一步的，所述调峰需求偏差的可信性测度函数如下式：
Pr{|Dtf-Preserve|≤ΔPL+ΔPRES}
其中，Dtf为***调峰需求量，Preserve为***常规机组总调峰备用容量，ΔPL为负荷误差分布曲线中的负荷预测误差，ΔPRES为新能源误差分布曲线中的新能源预测误差。
进一步的，所述***波动偏差的可信性测度函数如下式：
Pr{|Dflu-Fflu|≤ΔPL+ΔPRES}
其中，Dflu为***新能源消纳场景需求量，Fflu为***自身可消纳波动量，ΔPL为负荷误差分布曲线中的负荷预测误差，ΔPRES为新能源误差分布曲线中的新能源预测误差。
进一步的，所述***削峰需求偏差的可信性测度函数如下式：
其中，为***峰时段削峰需求量，为常规电厂不调用调峰备用容量的前提下***最大可发电量，ΔPL为负荷误差分布曲线中的负荷预测误差，ΔPRES为新能源误差分布曲线中的新能源预测误差；
所述***填谷需求偏差的可信性测度函数如下式：
其中，为***谷时段填谷需求量，为常规发电机在不停机的前提下***最低发电量。
进一步的，所述***调峰需求量Dtf的计算式如下：
Dtf＝PL(t)-Pvalley-PRES(t)
其中，PL(t)为负荷预测曲线中t时刻对应的负荷预测值，Pvalley为负荷预测曲线的谷值，PRES(t)为新能源出力预测曲线中t时刻对应的新能源出力预测值。
进一步的，所述***新能源消纳场景需求量Dflu的计算式如下：
Dflu＝σL+σRES
其中，σL为负荷出力的波动大小，σRES为新能源出力的波动大小。
进一步的，所述***峰时段削峰需求量的计算式如下：
其中，PL(t)为负荷误差分布曲线中t时刻对应的负荷预测值，PRES(t)为t时刻新能源出力预测值；
所述***谷时段填谷需求量的计算式如下：
进一步的，所述负荷出力的波动大小σL的计算式如下：
其中，t0是调度周期的起始时刻，PL(t)为负荷误差分布曲线中t时刻对应的负荷预测值，E(PL)为负荷误差分布曲线中T时段内负荷的期望值；
所述新能源出力的波动大小σRES的计算式如下：
其中，PRES(t)为t时刻新能源出力预测值，E(PRES)为新能源出力误差分布曲线中T时段内新能源出力的期望值。
进一步的，所述新能源出力误差分布函数如下式：
其中，DW(t)为新能源出力误差分布，Dwf(t)为新能源电场有功功率预测值，为预测误差的方差，x为新能源误差分布随机变量；
所述负荷变化误差分布函数如下式：
其中，DL(t)为负荷变化误差分布，DLf(t)为负荷预测值，为预测误差的方差，x为负荷误差分布随机变量。
一种考虑新能源预测误差的需求侧资源调度***，所述***包括：
误差分布模块，用于根据新能源发电历史数据和电网用电侧负荷历史数据，得到新能源出力预测曲线、负荷预测曲线以及新能源出力误差分布曲线和负荷误差分布曲线；
***调度场景判别模块，用于将电网参数以及新能源出力预测曲线、负荷预测曲线以及新能源出力误差分布曲线和负荷误差分布曲线，带入预设的场景判别概率需求模型，得到电网运行调度需求量和***调度场景；
调度模块，用于根据所述电网运行调度需求量和***调度场景，确定电网运行调度需求侧资源的调度需求。
所述误差分布模块包括：计算单元和曲线绘制单元；
计算单元，用于根据新能源发电历史数据和电网用电侧负荷历史数据，预测新能源发电输出的有功功率和负荷变化，得到新能源出力预测数据和负荷预测数据，并计算新能源出力和负荷误差分布；
曲线绘制单元，用于根据新能源出力预测数据、负荷预测数据、新能源源出力误差分布和负荷误差分布，绘制新能源出力预测曲线、负荷预测曲线、新能源出力误差分布曲线和负荷误差分布曲线。
所述***调度场景判别模块包括：调峰需求单元、新能源消纳需求单元、削峰填谷需求单元；
调峰需求单元，用于根据新能源出力预测曲线和负荷预测曲线，确定***调峰需求量，并基于设定的场景需求偏差置信度，比较***调峰需求量与设定的***常规机组总调峰备用容量，确定***是否需要调峰；
新能源消纳需求单元，用于根据新能源出力预测曲线、负荷预测曲线、新能源出力误差分布曲线和负荷误差分布曲线，确定***新能源消纳场景需求量，并基于设定的场景需求偏差置信度，比较***新能源消纳场景需求量与设定的***自身可消纳波动量，确定***是否需要进行新能源消纳；
削峰填谷需求单元，用于根据新能源出力预测曲线和负荷预测曲线，确定***峰时段削峰需求量和谷时段填谷需求量，并基于设定的场景需求偏差置信度，比较***峰时段削峰需求量与设定的常规电厂不调用调峰备用容量的前提下***最大可发电量，以及比较***谷时段填谷需求量与设定的常规发电机在不停机的前提下***最低发电量，确定***是否需要调度需求侧资源进行削峰填谷。
与现有技术相比，本发明的有益效果为：
本发明提供一种考虑新能源预测误差的需求侧资源调度方法，根据新能源发电历史数据和电网用电侧负荷历史数据，得到新能源出力预测曲线、负荷预测曲线、新能源出力误差分布曲线和负荷误差分布曲线；将电网参数以及所述新能源出力预测曲线、负荷预测曲线、新能源出力误差分布曲线和负荷误差分布曲线，带入预设的场景判别概率需求模型，得到电网运行调度需求量和***调度场景；根据所述电网运行调度需求量和***调度场景，确定电网运行调度需求侧资源的调度需求。本发明提供的技术方案基于新能源出力和负荷的预测误差分布规律，充分考虑发电侧和需求侧的不确定因素对需求响应资源调度的影响，在一定置信水平内，计算***调峰需求、***波动量以及削峰填谷需求，为电网调度需求响应资源提供调度依据。
本发明提供的技术方案以典型需求响应场景调峰、新能源消纳和削峰填谷为例，分析比较新能源接入***前后三个场景需求的变化，建立不同调度场景的概率判别模型，充分考虑接入多类型能源后，需求侧资源可参与电网运行的场景多样化和复杂化的特点，将电网调度场景明晰化，提高需求响应资源的利用效率。
附图说明
图1为本发明的考虑新能源预测误差的需求侧资源调度方法流程图；
图2为本发明实施例中一种考虑新能源预测误差的需求侧资源调度方法实施流程图；
图3为本发明实施例中不同场景调度需求侧资源的需求变化示意图；
图4为本发明实施例中电网确定不同场景调度需求侧资源需求的流程图；
图5为本发明的一种考虑新能源预测误差的需求侧资源调度***的结构示意图。
具体实施方式
为了更好地理解本发明，下面结合说明书附图和实例对本发明作进一步详细说明。
本专利通过分析新能源出力和负荷的预测误差分布的特点，分析新能源接入后场景需求的变化，建立场景判别概率模型，确定电网运行调度需求侧资源的需求。
实施例1：
本发明实施例提供的考虑新能源预测误差的需求侧资源调度方法，其具体实施过程如图1所示，包括：
S101：根据新能源发电历史数据和电网用电侧负荷历史数据，得到新能源出力预测曲线、负荷预测曲线、新能源出力误差分布曲线和负荷误差分布曲线；
S102：将电网参数以及所述新能源出力预测曲线、负荷预测曲线、新能源出力误差分布曲线、负荷误差分布曲线，带入预设的场景判别概率需求模型，得到电网运行调度需求量和***调度场景；
S103：根据所述电网运行调度需求量和***调度场景，确定电网运行调度需求侧资源的调度需求。
本发明实施例提供的考虑新能源预测误差的需求侧资源调度方法实施流程图如图2所示，包含如下内容：
具体的，步骤S101，采集电网运行数据，预测新能源电场有功功率和电网用电侧负荷，并计算预测误差分布，绘制预测曲线和误差分布曲线，具体实施过程如下：
步骤S101-1，首先采集电网运行数据，数据包括：T时刻前新能源发电出力历史和实时数据；电网常规发电机发电出力数据；T时刻前电网用电侧负荷历史和实时数据；电网的参数、机组和电厂的数据信息；本实施例中新能源发电历史数据以风力发电为例；
步骤S101-2，根据T时刻风力发电历史数据，预测风力发电输出的有功功率，并计算预测误差分布均值Dwf(t)为新能源电场有功功率预测值，为预测误差的方差。新能源发电的有功功率的概率分布以如下公式确定：
与新能源发电的概率模型类似，利用负荷预测数据计算负荷预测误差分布均值DLf(t)为负荷预测值，为预测误差的方差。负荷变化的概率分布以如下公式确定：
步骤S101-3，根据预测数据，绘制新能源出力预测曲线和负荷预测曲线；根据误差分布，绘制新能源出力误差分布曲线和负荷误差分布曲线；
步骤S102，基于步骤S101的预测曲线及误差分布曲线，确定各个场景需求量大小，得到图3所示的新能源接入***前后，调峰、新能源消纳和削峰填谷场景需求变化曲线，具体如下：
步骤S102-1，确定调峰需求：
根据负荷预测曲线，确定每一时刻负荷对应的日谷荷，再计及新能源接入容量可以计算出新能源接入后每一时刻的调峰需求，即为新的调峰需求曲线。当***常规发电机总调峰容量为Preserve时，则在一定置信度内，***调峰需求为：
Dtf＝PL(t)-Pvalley-PRES(t) (3)
PRES＝Pw+Ps (4)
式中，PL(t)表示当前时刻负荷预测值,Pvalley为负荷预测曲线的谷值；PRES为新能源出力预测值，以风电和太阳能为例分析新能源出力；Pw、Ps分别为风电出力和太阳能出力；
步骤S102-2，确定新能源消纳需求：
将间歇性可再生能源和负荷需求短时的波动大小作为调用需求侧资源的信号指标，***可消纳新能源的能力为：
Dflu＝σL+σRES (7)
式中，σL、σRES分别为负荷和新能源出力的波动大小，以均方差表示，因为在数学上均方差可以反映随机变量偏移均值的程度；根据负荷误差分布曲线可得T时段内负荷的期望值E(PL)；根据新能源误差分布曲线可得T时段内新能源出力的期望值E(PRES)；
步骤S102-3，确定削峰填谷需求：
峰时段需求侧资源利用原则是降低高峰负荷，且尽可能地将多余的电量卖给电网，在实现削峰的同时获得利润。在一定置信水平内，***峰时段削峰需求为：
谷时段需求侧资源利用原则是提高负荷，尽可能从电网吸取电量，实现填谷的目的。在一定置信水平内，谷时段需求为：
步骤S102-4，如图4所示，设定场景需求偏差的置信度λ，根据计算获得的***各个场景需求，判别***调度场景，具体实施过程如下：
步骤S102-4-1，比较t时刻调峰需求Dtf与***常规机组总调峰备用容量Preserve的大小，若在置信度λ下，调峰需求偏差满足Pr{|PL(t)-Pvalley-PRES(t)-Preserve|≤ΔPL+ΔPRES}≥λ，则***需要进行调峰；若不满足，则不需要进行调峰，其中，Pr(·)是条件(·)的可信性测度函数,表示该条件在一定的置信度水平下成立；ΔPL、ΔPRES分别表示负荷预测误差和新能源预测误差；
步骤S102-4-2，比较T时段***波动大小Dflu与***自身可消纳波动量Fflu，若在置信度λ下，***波动偏差满足Pr{|σL+σRES-Fflu|≤ΔPL+ΔPRES}≤λ，***需要进行新能源消纳；若不满足，则调度需求侧资源平抑新能源和负荷波动；
步骤S102-4-3，分别比较削峰需求与常规电厂不调用调峰备用容量的前提下***最大可发电量的大小，以及填谷需求与常规发电机在不停机的前提下***最低发电量的大小，若在置信度λ下，削峰填谷的需求偏差满足同时则***需要调度需求侧资源进行削峰填谷；若不满足，则不需要调度需求侧资源进行削峰填谷。
实施例2：
本实施例中，以某地区风电和负荷数据为例，该地区新能源发电仅风力发电，假设风电渗透率10％，根据历史运行数据分别预测风电和负荷曲线，并计算误差分布；
根据风电预测曲线和负荷预测曲线计算调峰需求Dtf、***波动大小Dflu、削峰需求以及填谷需求
***常规机组总调峰备用容量Preserve＝700MW；***自身可消纳新能源和负荷波动为3％；常规电厂不调用调峰备用容量的前提下，***最大可发电量为1900MW；***常规发电机在不停机的前提下，***最低发电量为1400MW；
设定置信度为95％，根据场景判别概率模型计算该置信度下不同时刻调峰需求偏差、***波动偏差、削峰填谷偏差。不同时刻场景判别结果和场景需求如表1所示。
表1场景判别结果
实施例3：
基于同一发明构思，本发明还提供一种考虑新能源预测误差的需求响应场景辨识***，如图5所示，所述***包括：
误差分布模块，用于根据新能源发电历史数据和电网用电侧负荷历史数据，得到新能源出力预测曲线、负荷预测曲线以及新能源出力误差分布曲线和负荷误差分布曲线；
***调度场景判别模块，用于将电网参数以及新能源出力预测曲线、负荷预测曲线以及新能源出力误差分布曲线和负荷误差分布曲线，带入预设的场景判别概率需求模型，得到电网运行调度需求量和***调度场景；
调度模块，用于根据所述电网运行调度需求量和***调度场景，确定电网运行调度需求侧资源的调度需求。
所述误差分布模块包括：计算单元和曲线绘制单元；
计算单元，用于根据新能源发电历史数据和电网用电侧负荷历史数据，预测新能源发电输出的有功功率和负荷变化，得到新能源出力预测数据和负荷预测数据，并计算新能源出力和负荷误差分布；
曲线绘制单元，用于根据新能源出力预测数据、负荷预测数据、新能源源出力误差分布和负荷误差分布，绘制新能源出力预测曲线、负荷预测曲线、新能源出力误差分布曲线和负荷误差分布曲线。
所述***调度场景判别模块包括：调峰需求单元、新能源消纳需求单元、削峰填谷需求单元；
调峰需求单元，用于根据新能源出力预测曲线和负荷预测曲线，确定***调峰需求量，并基于设定的场景需求偏差置信度，比较***调峰需求量与设定的***常规机组总调峰备用容量，确定***是否需要调峰；
新能源消纳需求单元，用于根据新能源出力预测曲线、负荷预测曲线、新能源出力误差分布曲线和负荷误差分布曲线，确定***新能源消纳场景需求量，并基于设定的场景需求偏差置信度，比较***新能源消纳场景需求量与设定的***自身可消纳波动量，确定***是否需要进行新能源消纳；
削峰填谷需求单元，用于根据新能源出力预测曲线和负荷预测曲线，确定***峰时段削峰需求量和谷时段填谷需求量，并基于设定的场景需求偏差置信度，比较***峰时段削峰需求量与设定的常规电厂不调用调峰备用容量的前提下***最大可发电量，以及比较***谷时段填谷需求量与设定的常规发电机在不停机的前提下***最低发电量，确定***是否需要调度需求侧资源进行削峰填谷。
本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。

Claims (18)

1.一种考虑新能源预测误差的需求侧资源调度方法，其特征在于，包括：
根据新能源发电历史数据和电网用电侧负荷历史数据，得到新能源出力预测曲线、负荷预测曲线、新能源出力误差分布曲线和负荷误差分布曲线；
将电网参数以及所述新能源出力预测曲线、负荷预测曲线、新能源出力误差分布曲线和负荷误差分布曲线，带入预设的场景判别概率需求模型，得到电网运行调度需求量和***调度场景；
根据所述电网运行调度需求量和***调度场景，确定电网运行调度需求侧资源的调度需求。
2.如权利要求1所述的考虑新能源预测误差的需求侧资源调度方法，其特征在于，所述根据新能源发电历史数据和电网用电侧负荷历史数据，得到新能源出力预测曲线、负荷预测曲线、新能源出力误差分布曲线和负荷误差分布曲线，包括：
根据新能源发电历史数据，预测新能源发电输出的有功功率，得到新能源出力预测数据，并绘制新能源出力预测曲线；
根据所述新能源出力预测数据，基于正态分布，得到新能源出力误差分布函数，并绘制新能源出力误差分布曲线；
根据电网用电侧负荷历史数据，预测负荷变化，得到负荷预测数据，并绘制负荷预测曲线；
根据所述负荷预测数据，基于正态分布，得到负荷变化误差分布函数，并绘制负荷误差分布曲线。
3.如权利要求1所述的考虑新能源预测误差的需求侧资源调度方法，其特征在于，所述场景判别概率需求模型的建立包括：
根据新能源出力预测曲线和负荷预测曲线，确定***调峰需求量；
根据新能源出力预测曲线、负荷预测曲线、新能源出力误差分布曲线和负荷误差分布曲线，确定***新能源消纳需求量；
根据新能源出力预测曲线和负荷预测曲线，确定***峰时段削峰需求量和谷时段填谷需求量；
根据所述***调峰需求量、***新能源消纳场景需求量、***峰时段削峰需求量和谷时段填谷需求量，得到电网运行调度需求量；
基于所述电网运行调度需求量，根据电网参数以及设定的场景需求偏差置信度，确定***调度场景；
所述电网参数包括：***常规机组总调峰备用容量、常规电厂不调用调峰备用容量前提下***最大可发电量、常规发电机不停机前提下***最低发电量和***自身可消纳波动量。
4.如权利要求3所述的考虑新能源预测误差的需求侧资源调度方法，其特征在于，所述基于所述电网运行调度需求量，根据电网参数以及设定的场景需求偏差置信度，确定***调度场景，包括：
基于设定的场景需求偏差置信度，比较***调峰需求量与设定的***常规机组总调峰备用容量，确定***是否需要调峰；
基于设定的场景需求偏差置信度，比较***新能源消纳场景需求量与设定的***自身可消纳波动量，确定***是否需要进行新能源消纳；
基于设定的场景需求偏差置信度，比较***峰时段削峰需求量与设定的常规电厂不调用调峰备用容量的前提下***最大可发电量，以及比较***谷时段填谷需求量与设定的常规发电机在不停机的前提下***最低发电量，确定***是否需要调度需求侧资源进行削峰填谷。
5.如权利要求4所述的考虑新能源预测误差的需求侧资源调度方法，其特征在于，所述基于设定的场景需求偏差置信度，比较***调峰需求量与设定的***常规机组总调峰备用容量，确定***是否需要调峰，包括：
根据所述***调峰需求量与所述设定的***常规机组总调峰备用容量，确定调峰需求偏差的可信性测度函数；
当所述调峰需求偏差的可信性测度函数不小于设定的场景需求偏差的置信度时，***需要进行调峰，否则***不需要进行调峰。
6.如权利要求4所述的考虑新能源预测误差的需求侧资源调度方法，其特征在于，所述基于设定的场景需求偏差置信度，比较***新能源消纳场景需求量与设定的***自身可消纳波动量，确定***是否需要进行新能源消纳，包括：
根据所述***新能源消纳场景需求量与设定的***自身可消纳波动量，确定***波动偏差的可信性测度函数；
当所述***波动偏差的可信性测度函数不大于设定的场景需求偏差的置信度时，***需要进行新能源消纳，否则***不需要进行新能源消纳。
7.如权利要求4所述的考虑新能源预测误差的需求侧资源调度方法，其特征在于，所述基于设定的场景需求偏差置信度，比较***峰时段削峰需求量与设定的常规电厂不调用调峰备用容量的前提下***最大可发电量，以及比较***谷时段填谷需求量与设定的常规发电机在不停机的前提下***最低发电量，确定***是否需要调度需求侧资源进行削峰填谷，包括：
根据所述***峰时段削峰需求量与设定的常规电厂不调用调峰备用容量的前提下***最大可发电量，确定***削峰需求偏差的可信性测度函数；
根据所述***谷时段填谷需求量与设定的常规发电机在不停机的前提下***最低发电量，确定***填谷需求偏差的可信性测度函数；
当所述***削峰需求偏差的可信性测度函数与所述***填谷需求偏差的可信性测度函数均不小于设定的场景需求偏差的置信度时，***需要调度需求侧资源进行削峰填谷，否则***不需要调度需求侧资源进行削峰填谷。
8.如权利要求5所述的考虑新能源预测误差的需求侧资源调度方法，其特征在于，
所述调峰需求偏差的可信性测度函数如下式：
Pr{|Dtf-Preserve|≤ΔPL+ΔPRES}
其中，Dtf为***调峰需求量，Preserve为***常规机组总调峰备用容量，
ΔPL为负荷误差分布曲线中的负荷预测误差，ΔPRES为新能源误差分布曲线中的新能源预测误差。
9.如权利要求6所述的考虑新能源预测误差的需求侧资源调度方法，其特征在于，
所述***波动偏差的可信性测度函数如下式：
Pr{|Dflu-Fflu|≤ΔPL+ΔPRES}
其中，Dflu为***新能源消纳场景需求量，Fflu为***自身可消纳波动量，ΔPL为负荷误差分布曲线中的负荷预测误差，ΔPRES为新能源误差分布曲线中的新能源预测误差。
10.如权利要求7所述的考虑新能源预测误差的需求侧资源调度方法，其特征在于，
所述***削峰需求偏差的可信性测度函数如下式：
其中，为***峰时段削峰需求量，为常规电厂不调用调峰备用容量前提下***最大可发电量，ΔPL为负荷误差分布曲线中的负荷预测误差，ΔPRES为新能源误差分布曲线中的新能源预测误差；
所述***填谷需求偏差的可信性测度函数如下式：
其中，为***谷时段填谷需求量，为常规发电机不停机前提下***最低发电量。
11.如权利要求8所述的考虑新能源预测误差的需求侧资源调度方法，其特征在于，
所述***调峰需求量Dtf的计算式如下：
Dtf＝PL(t)-Pvalley-PRES(t)
其中，PL(t)为负荷预测曲线中t时刻对应的负荷预测值，Pvalley为负荷预测曲线的谷值，PRES(t)为新能源出力预测曲线中t时刻对应的新能源出力预测值。
12.如权利要求9所述的考虑新能源预测误差的需求侧资源调度方法，其特征在于，
所述***新能源消纳场景需求量Dflu的计算式如下：
Dflu＝σL+σRES
其中，σL为负荷出力的波动大小，σRES为新能源出力的波动大小。
13.如权利要求10所述的考虑新能源预测误差的需求侧资源调度方法，其特征在于，
所述***峰时段削峰需求量的计算式如下：
其中，PL(t)为负荷误差分布曲线中t时刻对应的负荷预测值，PRES(t)为t时刻新能源出力预测值；
所述***谷时段填谷需求量的计算式如下：
14.如权利要求12所述的考虑新能源预测误差的需求侧资源调度方法，其特征在于，
所述负荷出力的波动大小σL的计算式如下：
其中，t0是调度周期的起始时刻，PL(t)为负荷误差分布曲线中t时刻对应的负荷预测值，E(PL)为负荷误差分布曲线中T时段内负荷的期望值；
所述新能源出力的波动大小σRES的计算式如下：
其中，PRES(t)为t时刻新能源出力预测值，E(PRES)为新能源出力误差分布曲线中T时段内新能源出力的期望值。
15.如权利要求2所述的考虑新能源预测误差的需求侧资源调度方法，其特征在于，
所述新能源出力误差分布函数如下式：
其中，DW(t)为新能源出力误差分布，Dwf(t)为新能源电场有功功率预测值，为预测误差的方差，x为新能源误差分布随机变量；
所述负荷变化误差分布函数如下式：
其中，DL(t)为负荷变化误差分布，DLf(t)为负荷预测值，为预测误差的方差，x为负荷误差分布随机变量。
16.一种考虑新能源预测误差的需求侧资源调度***，其特征在于，包括：
误差分布模块，用于根据新能源发电历史数据和电网用电侧负荷历史数据，得到新能源出力预测曲线、负荷预测曲线以及新能源出力误差分布曲线和负荷误差分布曲线；
***调度场景判别模块，用于将电网参数以及新能源出力预测曲线、负荷预测曲线以及新能源出力误差分布曲线和负荷误差分布曲线，带入预设的场景判别概率需求模型，得到电网运行调度需求量和***调度场景；
调度模块，用于根据所述电网运行调度需求量和***调度场景，确定电网运行调度需求侧资源的调度需求。
17.如权利要求16所述的考虑新能源预测误差的需求侧资源调度***，其特征在于，所述误差分布模块包括：计算单元和曲线绘制单元；
计算单元，用于根据新能源发电历史数据和电网用电侧负荷历史数据，预测新能源发电输出的有功功率和负荷变化，得到新能源出力预测数据和负荷预测数据，并计算新能源出力和负荷误差分布；
曲线绘制单元，用于根据新能源出力预测数据、负荷预测数据、新能源源出力误差分布和负荷误差分布，绘制新能源出力预测曲线、负荷预测曲线、新能源出力误差分布曲线和负荷误差分布曲线。
18.如权利要求16所述的考虑新能源预测误差的需求侧资源调度***，其特征在于，所述***调度场景判别模块包括：调峰需求单元、新能源消纳需求单元、削峰填谷需求单元；
调峰需求单元，用于根据新能源出力预测曲线和负荷预测曲线，确定***调峰需求量，并基于设定的场景需求偏差置信度，比较***调峰需求量与设定的***常规机组总调峰备用容量，确定***是否需要调峰；
新能源消纳需求单元，用于根据新能源出力预测曲线、负荷预测曲线、新能源出力误差分布曲线和负荷误差分布曲线，确定***新能源消纳场景需求量，并基于设定的场景需求偏差置信度，比较***新能源消纳场景需求量与设定的***自身可消纳波动量，确定***是否需要进行新能源消纳；
削峰填谷需求单元，用于根据新能源出力预测曲线和负荷预测曲线，确定***峰时段削峰需求量和谷时段填谷需求量，并基于设定的场景需求偏差置信度，比较***峰时段削峰需求量与设定的常规电厂不调用调峰备用容量的前提下***最大可发电量，以及比较***谷时段填谷需求量与设定的常规发电机在不停机的前提下***最低发电量，确定***是否需要调度需求侧资源进行削峰填谷。
CN201811115292.8A 2018-09-25 2018-09-25 一种考虑新能源预测误差的需求侧资源调度方法和*** Pending CN109193802A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811115292.8A CN109193802A (zh) 2018-09-25 2018-09-25 一种考虑新能源预测误差的需求侧资源调度方法和***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811115292.8A CN109193802A (zh) 2018-09-25 2018-09-25 一种考虑新能源预测误差的需求侧资源调度方法和***

Publications (1)

Publication Number Publication Date
CN109193802A true CN109193802A (zh) 2019-01-11

Family

ID=64909794

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811115292.8A Pending CN109193802A (zh) 2018-09-25 2018-09-25 一种考虑新能源预测误差的需求侧资源调度方法和***

Country Status (1)

Country Link
CN (1) CN109193802A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112288244A (zh) * 2020-10-19 2021-01-29 国网甘肃省电力公司电力科学研究院 一种基于综合能源服务商的光伏电力消纳方法及***
CN112633642A (zh) * 2020-12-09 2021-04-09 中国南方电网有限责任公司 电力***备用需求预测方法、***、装置及存储介质
CN113158566A (zh) * 2021-04-21 2021-07-23 内蒙古电力（集团）有限责任公司乌兰察布电业局 一种基于需求侧的用户有序用电控制方法、***和介质
CN113435923A (zh) * 2021-06-15 2021-09-24 北京百度网讯科技有限公司 用电量的预测方法、装置及电子设备
CN113515831A (zh) * 2021-07-30 2021-10-19 广东电网有限责任公司 能源调度方法、装置、电子设备及存储介质
CN117200176A (zh) * 2023-07-26 2023-12-08 国网安徽省电力有限公司芜湖供电公司 一种基于新能源多负荷协同控制的需求侧控制方法及***

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012244665A (ja) * 2011-05-16 2012-12-10 Panasonic Corp エネルギー管理システム
CN103606967A (zh) * 2013-11-26 2014-02-26 华中科技大学 一种实现电力***鲁棒运行的调度方法
CN106451551A (zh) * 2016-11-15 2017-02-22 南方电网科学研究院有限责任公司 风电极限穿透功率优化方法和装置
CN107248025A (zh) * 2017-05-22 2017-10-13 东南大学 一种基于供需双方分时段电量比值的需求侧响应控制方法
CN107766976A (zh) * 2017-10-17 2018-03-06 国网江苏省电力公司盐城供电公司 一种面向电力市场的主动需求响应平台

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012244665A (ja) * 2011-05-16 2012-12-10 Panasonic Corp エネルギー管理システム
CN103606967A (zh) * 2013-11-26 2014-02-26 华中科技大学 一种实现电力***鲁棒运行的调度方法
CN106451551A (zh) * 2016-11-15 2017-02-22 南方电网科学研究院有限责任公司 风电极限穿透功率优化方法和装置
CN107248025A (zh) * 2017-05-22 2017-10-13 东南大学 一种基于供需双方分时段电量比值的需求侧响应控制方法
CN107766976A (zh) * 2017-10-17 2018-03-06 国网江苏省电力公司盐城供电公司 一种面向电力市场的主动需求响应平台

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
HAIWEN SHAO 等: "Decision-making Method for Demand Side Resources to Participate in Demand Response Scenarios Considering Uncertainty of Renewable Energy Generation", 《PROCEEDINGS OF 2018 IEEE 8TH ANNUAL INTERNATIONAL CONFERENCE ON CYBER TECHNOLOGY IN AUTOMATION, CONTROL, AND INTELLIGENT SYSTEMS 》 *
HAIWEN SHAO 等: "Decision-making Method for Demand Side Resources to Participate in Demand Response Scenarios Considering Uncertainty of Renewable Energy Generation", 《PROCEEDINGS OF 2018 IEEE 8TH ANNUAL INTERNATIONAL CONFERENCE ON CYBER TECHNOLOGY IN AUTOMATION, CONTROL, AND INTELLIGENT SYSTEMS 》, 23 July 2018 (2018-07-23), pages 1317 - 1321, XP033537340, DOI: 10.1109/CYBER.2018.8688285 *
叶林等: "基于随机预测控制理论和功率波动相关性的风电集群优化调度", 《中国电机工程学报》, vol. 38, no. 11, 5 June 2018 (2018-06-05) *
姜欣 等: "基于预测误差不确定性的规模化间歇式电源机组组合研究", 《电网技术》, vol. 38, no. 9, 30 September 2014 (2014-09-30), pages 1 - 5 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112288244A (zh) * 2020-10-19 2021-01-29 国网甘肃省电力公司电力科学研究院 一种基于综合能源服务商的光伏电力消纳方法及***
CN112288244B (zh) * 2020-10-19 2022-03-08 国网甘肃省电力公司电力科学研究院 一种基于综合能源服务商的光伏电力消纳方法及***
CN112633642A (zh) * 2020-12-09 2021-04-09 中国南方电网有限责任公司 电力***备用需求预测方法、***、装置及存储介质
CN113158566A (zh) * 2021-04-21 2021-07-23 内蒙古电力（集团）有限责任公司乌兰察布电业局 一种基于需求侧的用户有序用电控制方法、***和介质
CN113158566B (zh) * 2021-04-21 2023-08-15 内蒙古电力(集团)有限责任公司乌兰察布供电分公司 一种基于需求侧的用户有序用电控制方法、***和介质
CN113435923A (zh) * 2021-06-15 2021-09-24 北京百度网讯科技有限公司 用电量的预测方法、装置及电子设备
CN113435923B (zh) * 2021-06-15 2022-09-27 北京百度网讯科技有限公司 用电量的预测方法、装置及电子设备
CN113515831A (zh) * 2021-07-30 2021-10-19 广东电网有限责任公司 能源调度方法、装置、电子设备及存储介质
CN113515831B (zh) * 2021-07-30 2023-07-18 广东电网有限责任公司 能源调度方法、装置、电子设备及存储介质
CN117200176A (zh) * 2023-07-26 2023-12-08 国网安徽省电力有限公司芜湖供电公司 一种基于新能源多负荷协同控制的需求侧控制方法及***
CN117200176B (zh) * 2023-07-26 2024-04-30 国网安徽省电力有限公司芜湖供电公司 一种基于新能源多负荷协同控制的需求侧控制方法及***

Similar Documents

Publication Publication Date Title
CN109193802A (zh) 一种考虑新能源预测误差的需求侧资源调度方法和***
CN108258706B (zh) 一种火/储agc调频优化控制方法及***
CN111900719B (zh) 考虑柔性可控负荷的电网充裕度评估方法、装置及***
CN108429288A (zh) 一种考虑需求响应的离网型微电网储能优化配置方法
WO2020123799A1 (en) Hybrid power plant
CN108964113A (zh) 一种新能源发电调度方法及***
CN114240133A (zh) 可再生能源与电网协调规划方法、设备、***及存储***
CN113852135A (zh) 一种虚拟电厂能源调度方法、装置、存储介质及平台
JP2022539186A (ja) 電力網の安定性を保証するために電力網の制約とトランザクションするための分散型台帳
CN114897447A (zh) 综合能源协同控制方法及***
CN113381399B (zh) 一种兼顾电网安全和新能源消纳的负荷调度方法及装置
CN113052719B (zh) 一种考虑需求响应的数据中心数据服务定价方法及装置
CN107910866B (zh) 一种考虑需求侧响应不确定性的电力***日前优化调度方法
CN112510690B (zh) 考虑风火储联合和需求响应奖惩的优化调度方法及***
CN109713713A (zh) 一种基于机会约束凸松弛的机组启停随机优化方法
CN110518640A (zh) 火电机组负荷响应状态评价方法和装置
CN109995027A (zh) 一种两阶段区域用户能量管理方法及***
CN115545793A (zh) 新型电力***电网基础模型构建方法、***、设备及介质
CN115051374A (zh) 电采暖设备参与电力调峰的控制方法、装置和存储介质
CN113078688A (zh) 一种防控备用不足风险的日前火电开机优化方法及***
CN110429641A (zh) 有效容量的确定方法及装置和电力平衡确定方法及装置
CN110311947A (zh) 一种新能源用电比例信息推送方法及***
CN117277444B (zh) 一种新能源基地电源容量优化配置方法及装置
CN110429662A (zh) 一种热电联产机组启停机计划制定方法及***
CN114784884B (zh) 一种基于调度模型的梯级水电站调度方法及***

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190111

RJ01 Rejection of invention patent application after publication