CN111030091B - 一种确定分布式可再生能源电力装机容量的方法及*** - Google Patents
一种确定分布式可再生能源电力装机容量的方法及*** Download PDFInfo
- Publication number
- CN111030091B CN111030091B CN201911186489.5A CN201911186489A CN111030091B CN 111030091 B CN111030091 B CN 111030091B CN 201911186489 A CN201911186489 A CN 201911186489A CN 111030091 B CN111030091 B CN 111030091B
- Authority
- CN
- China
- Prior art keywords
- power
- renewable
- unit time
- energy
- renewable energy
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000006870 function Effects 0.000 claims description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- 238000009826 distribution Methods 0.000 claims description 10
- 238000009434 installation Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- ZZUFCTLCJUWOSV-UHFFFAOYSA-N furosemide Chemical compound C1=C(Cl)C(S(=O)(=O)N)=CC(C(O)=O)=C1NCC1=CC=CO1 ZZUFCTLCJUWOSV-UHFFFAOYSA-N 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 4
- 230000000295 complement effect Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000011065 in-situ storage Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种确定分布式可再生能源电力装机容量的方法,包括以下步骤:S1.获取电力负荷需求数据;S2.获取单位时间各类型可再生电力的单位功率装机出力数据和各类型可再生电力的装机容量,计算单位时间可再生电力总出力;S3.定义目标函数为单位时间可再生电力总出力与负荷需求的偏差的方差;S4.各类可再生电力装机容量优化求解:获取方差最小值时,各可再生能源电力装机容量。本发明以满足负荷需求为约束,以最大化发挥可再生电力“多能互补”的优势为规划目标,计算每种可再生电力的最优装机容量。
Description
技术领域
本发明属于分布式能源或综合能源领域。具体涉及一种确定分布式可再生能源电力装机容量的方法及***。
背景技术
分布式能源领域特别是多能互补分布式电力***普遍存在设备配置与实际运行负荷不能精准匹配的问题。一方面,如果可再生电力装机容量结构的互补程度不足(例如,风光互补、风水互补、水光互补等),则导致整个分布式能源***需要增设更多的储能或常规性动力装机(例如燃煤机组、燃气轮机、内燃机)来满足调峰的要求,造成整体设备造价偏高;另一方面,如果降低可再生电力装机容量,更多地依赖常规性动力装机供电,则整个分布式能源***的“绿色程度”将明显降低,此外,由于需要燃烧更多的燃料会增加***运行成本。
存在该问题的主要原因是部分可再生能源存在较强的不确定性,例如风电的随机性与光伏的间歇性,再加上总体负荷需求预测的不确定性,多能互补分布式能源***的可再生电力装机容量规划一直是一个难题。
行业内通常由规划设计人员的经验对分布式能源设备容量进行配置,这对于结构单一的可再生能源***,依靠设计经验基本可行,但如果涉及到多种可再生能源,且存在多能互补的分布式能源***,就会对规划设计人员提出很强的挑战。由于可再生能源存在大量的不确定性,难以适当地选择不同种类的可再生能源装机容量配比,深度发挥“多能互补”的优势,非常容易影响到设备规划建设的经济性和“绿色”程度,严重时甚至影响供能安全。
发明内容
本发明所要解决的技术问题是如何规划多能互补分布式能源***的可再生电力装机容量。
本发明提供的确定分布式可再生能源电力装机容量的方法,包括以下步骤:
S1.获取电力负荷需求数据;
S2.获取单位时间各类型可再生电力的单位功率装机出力数据和各类型可再生电力的装机容量,计算单位时间可再生电力总出力;
S3.定义目标函数为单位时间可再生电力总出力与负荷需求的偏差的方差;
S4.各类可再生电力装机容量优化求解:获取方差最小值时,各可再生能源电力装机容量。
在本发明的一实施方式中,步骤S1包括:
S11.获取分布式能源***中单位时间的预测负荷的确定部分和预测负荷的不确定部分;
S12.计算所述预测负荷的确定部分与预测负荷的不确定部分之和:
在本发明的一实施方式中,步骤S2包括:
S21.获取单位时间各类可再生能源的资源分布数据;
S22.根据所述单位时间可再生能源的资源分布数据和各类型可再生电力装机的功率特性曲线,获得单位时间每一类可再生能源单位功率装机的出力数据:
i=1,2,...,N,j=1,2,...,n;其中,N表示存在N种可能被开发利用的可再生电力类型,表示第i种类型可再生电力在第j个单位时间的确定性出力部分,表示第i种类型可再生电力在第j个单位时间的随机性出力部分;
其中,步骤S21中,所述各类可再生能源包括风能、太阳能、水能、地热能和潮汐能;所述分布数据包括风速、辐照度、水流量、地下蒸汽温度和潮差。
步骤S22中功率特性曲线包括风能设备的风速-功率特性曲线、太阳能设备的辐照度-功率特性曲线、水能的水流量-功率特性曲线、地热能的地下蒸气温度-功率特性曲线和潮汐能的潮差-功率特性曲线。
在本发明的一优选实施方式中,步骤S3目标函数为:
在本发明的一优选实施方式中,步骤S4各类可再生电力装机容量优化求解:{αi}=arg min{F}。
本发明还提供一种确定分布式可再生能源电力装机容量的装置,包括:
电力负荷需求获取模块,获取电力负荷需求数据;
出力数据和装机容量获取模块,获取单位时间可再生能源单位功率装机出力数据和可再生电力的装机容量;
总出力计算模块,计算单位时间可再生电力总出力;
目标函数设定模块,定义目标函数为单位时间可再生电力总出力与负荷需求的偏差的方差;
优化求解模块,各类可再生电力装机容量优化求解:获取方差最小值时,各可再生能源电力装机容量。
本发明还提供一种计算机可读存储介质,包括执行指令,当电子设备的处理器执行所述执行指令时,所述处理器执行上述的方法。
本发明还提供一种电子设备,包括处理器以及存储有执行指令的存储器,当所述处理器执行所述存储器存储的所述执行指令时,所述处理器执行上述的方法。
本发明提出了一种不确定性条件下多能互补分布式可再生电力装机容量规划方法,以满足负荷需求为约束,以最大化发挥可再生电力“多能互补”的优势为规划目标,计算每种可再生电力的最优装机容量。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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是本发明的确定分布式可再生能源电力装机容量的方法流程图;
图2是本发明的确定分布式可再生能源电力装机容量的装置示意图;
图3是本发明的一实施例提供的一装置结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合具体实施例及相应的附图对本发明的技术方案进行清楚、完整地描述。显然,所描述的实施例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。
以下结合图1和一具体实施方式对本发明的方法,进行进一步说明:
本发明提供的确定分布式可再生能源电力装机容量的方法,属于不确定性条件下多能互补分布式可再生电力装机容量规划方法,包括如下步骤:
S1.获取电力负荷需求数据,即电力负荷需求数据信息收集,其包括:
S2.获取单位时间各类型可再生电力的单位功率装机出力数据和各类型可再生电力的装机容量,计算单位时间可再生电力总出力;,包括:
a)获得分布式能源项目所在地可因地制宜利用的可在生能源资源信息,包括但不限于风能、太阳能、水能、地热能、潮汐能等。对每种可再生能源资源进行量化评估,即每种资源在一年内8760个小时的分布数据,且这些分布数据存由确定性和随机性两部分构成,具体物理对象,这些分布数据包括但不限于风速、辐照度、水流量、地下蒸汽温度、潮差等。
b)根据可再生能源资源的分布数据,结合各类型可再生电力装机的功率特性曲线,获得每一类可再生能源单位KW装机在一年8760小时的出力数据,分别标记为i=1,2,...,N,j=1,2,...,8760;其中,N表示该项目存在N种可能被开发利用的可再生电力类型,表示第i种类型可再生电力在一年8760个小时中第j个小时的确定性出力部分,表示第i种类型可再生电力在一年8760个小时中第j个小时的随机性出力部分。功率特性曲线一般由可再生电力设备生产厂商提供,也可根据同地区类似的已投运电力生产设备实际运行数据来确定,功率特性曲线包括但不限于风能设备的风速-功率特性曲线、太阳能设备的辐照度-功率特性曲线、水能的水流量-功率特性曲线、地热能的地下蒸气温度-功率特性曲线、潮汐能的潮差-功率特性曲线。
c)根据步骤b)所获得的可再生电力单位KW装机容量的出力值,假定各类型接再生电力的装机容量分别为{αi},i=1,2,...,N.计算获得可再生电力在一年每个小时总出力为
S3.定义目标函数为单位时间可再生电力总出力与负荷需求的偏差的方差;
即,定义目标函数为在一年每个小时可再生电力总出力与负荷需求的偏差的方差:
S4.各类可再生电力装机容量优化求解:获取方差最小值时,各可再生能源电力装机容量。
{αi}=arg min{F}
结合图2所示,本发明提供的确定分布式可再生能源电力装机容量的装置,包括:
电力负荷需求获取模块10,获取电力负荷需求数据;
出力数据和装机容量获取模块20,获取单位时间可再生能源单位功率装机出力数据和可再生电力的装机容量;
总出力计算模块30,计算单位时间可再生电力总出力;
目标函数设定模块40,定义目标函数为单位时间可再生电力总出力与负荷需求的偏差的方差;
优化求解模块50,各类可再生电力装机容量优化求解:获取方差最小值时,各可再生能源电力装机容量。
图3是本发明实施例提供的一种确定分布式可再生能源电力装机容量的方法的装置的结构示意图。在硬件层面,该服务器包括处理器701以及存储有执行指令的存储器702,可选地还包括内部总线703及网络接口704。其中,存储器702可能包含内存7021,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器7022(non-volatile memory),例如至少1个磁盘存储器等;处理器701、网络接口704和存储器702可以通过内部总线703相互连接,该内部总线703可以是ISA(Industry StandardArchitecture,工业标准体系结构)总线、PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(Extended Industry Standard Architecture,扩展工业标准结构)总线等;所述内部总线703可以分为地址总线、数据总线、控制总线等,为便于表示,图3中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。当然,该服务器还可能包括其他业务所需要的硬件。当处理器701执行存储器702存储的执行指令时,处理器701执行本发明任意一个实施例中所述的方法,并至少用于执行:在一种可能实现的方式中,处理器从非易失性存储器中读取对应的执行指令到内存中然后运行,也可从其它设备上获取相应的执行指令,以在逻辑层面上形成确定分布式可再生能源电力装机容量的方法的装置。处理器执行存储器所存放的执行指令,以通过执行的执行指令实现本发明任一实施例中提供的确定分布式可再生能源电力装机容量的方法。
处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(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。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本发明实施例还提供了一种计算机可读存储介质,包括执行指令,当电子设备的处理器执行所述执行指令时,所述电子设备执行本发明任意一个实施例中提供的方法。该电子设备具体可以是如图3确定分布式可再生能源电力装机容量的方法的装置备所示;执行指令确定分布式可再生能源电力装机容量的方法是所对应计算机程序。
本领域内的技术人员应明白,本发明的实施例可提供为方法或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例,或软件和硬件相结合的形式。
本发明中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于***实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本发明的实施例而已,并不用于限制本发明。对于本领域技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原理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权利要求范围之内。
Claims (10)
1.一种确定分布式可再生能源电力装机容量的方法,其特征在于,应用于不确定性条件下多能互补分布式可再生电力装机容量规划,所述方法包括以下步骤:
S1.获取电力负荷需求数据,其中,所述电力负荷需求数据包括预测负荷的确定部分和预测负荷的不确定部分;
S2.获取单位时间各类型可再生电力的单位功率装机出力数据和各类型可再生电力的装机容量,计算单位时间可再生电力总出力;其中,各类型可再生电力的单位功率装机出力数据包括确定性出力部分和随机性出力部分;
S3.定义目标函数为单位时间可再生电力总出力与预测负荷需求的偏差的方差,所述偏差包括各类型可再生电力的随机性出力部分与预测负荷的不确定部分之差;
S4.各类可再生电力装机容量优化求解:获取以方差最小化为目标,对应的各类型可再生能源电力装机容量。
4.根据权利要求3所述的确定分布式可再生能源电力装机容量的方法,其特征在于,步骤S21中,所述各类可再生能源包括风能、太阳能、水能、地热能和潮汐能;所述资源分布数据包括风速、辐照度、水流量、地下蒸汽温度和潮差。
5.根据权利要求3所述的确定分布式可再生能源电力装机容量的方法,其特征在于,步骤S22中功率特性曲线包括风能设备的风速-功率特性曲线、太阳能设备的辐照度-功率特性曲线、水能的水流量-功率特性曲线、地热能的地下蒸气温度-功率特性曲线和潮汐能的潮差-功率特性曲线。
7.根据权利要求6所述的确定分布式可再生能源电力装机容量的方法,其特征在于,步骤S4各类可再生电力装机容量优化求解:{αi}=arg min{F}。
8.一种确定分布式可再生能源电力装机容量的装置,其特征在于,应用于不确定性条件下多能互补分布式可再生电力装机容量规划,包括:
电力负荷需求获取模块,获取电力负荷需求数据,其中,所述电力负荷需求数据包括预测负荷的确定部分和预测负荷的不确定部分;
出力数据和装机容量获取模块,获取单位时间可再生能源单位功率装机出力数据和可再生电力的装机容量,其中,各类型可再生电力的单位功率装机出力数据包括确定性出力部分和随机性出力部分;
总出力计算模块,计算单位时间可再生电力总出力;
目标函数设定模块,定义目标函数为单位时间可再生电力总出力与负荷需求的偏差的方差,所述偏差包括各类型可再生电力的随机性出力部分与预测负荷的不确定部分之差;
优化求解模块,各类可再生电力装机容量优化求解:获取方差最小值时,各可再生能源电力装机容量。
9.一种计算机可读存储介质,包括执行指令,当电子设备的处理器执行所述执行指令时,所述处理器执行如权利要求1至7中任一所述的方法。
10.一种电子设备,包括处理器以及存储有执行指令的存储器,当所述处理器执行所述存储器存储的所述执行指令时,所述处理器执行如权利要求1至7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911186489.5A CN111030091B (zh) | 2019-11-28 | 2019-11-28 | 一种确定分布式可再生能源电力装机容量的方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911186489.5A CN111030091B (zh) | 2019-11-28 | 2019-11-28 | 一种确定分布式可再生能源电力装机容量的方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111030091A CN111030091A (zh) | 2020-04-17 |
CN111030091B true CN111030091B (zh) | 2021-11-30 |
Family
ID=70202670
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911186489.5A Active CN111030091B (zh) | 2019-11-28 | 2019-11-28 | 一种确定分布式可再生能源电力装机容量的方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111030091B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116628413B (zh) * | 2023-07-24 | 2023-12-08 | 国网山西电力勘测设计研究院有限公司 | 一种用户侧储能装置容量的计算方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514487A (zh) * | 2013-07-15 | 2014-01-15 | 国家电网公司 | 一种含分布式电源的配电网负荷预测方法 |
CN103762589A (zh) * | 2014-01-08 | 2014-04-30 | 河海大学 | 一种电网中新能源容量配比分层优化方法 |
CN103955763A (zh) * | 2014-04-25 | 2014-07-30 | 云南省电力设计院 | 一种风光互补电站容量配比的计算方法 |
CN104915900A (zh) * | 2015-07-09 | 2015-09-16 | 国网四川省电力公司经济技术研究院 | 基于负荷区块的分布式电源的选址定容方法 |
CN105576699A (zh) * | 2016-01-12 | 2016-05-11 | 四川大学 | 一种独立微电网储能裕度检测方法 |
CN105809265A (zh) * | 2014-12-29 | 2016-07-27 | 国家电网公司 | 含分布式可再生能源配电网柔性互联装置的容量配置方法 |
CN106384176A (zh) * | 2016-11-11 | 2017-02-08 | 吉林省电力科学研究院有限公司 | 一种基于风光互补特性的风光储发电***容量优化方法 |
CN106549378A (zh) * | 2016-12-09 | 2017-03-29 | 国网江苏省电力公司金湖县供电公司 | 一种针对分布式电源出力不确定性的配网协同调度方法 |
CN108599238A (zh) * | 2018-04-26 | 2018-09-28 | 国家电网公司 | 考虑风能与太阳能互补的虚拟电厂分布式电源规划方法 |
JP6469021B2 (ja) * | 2013-12-27 | 2019-02-13 | 川崎重工業株式会社 | 電力需給制御装置 |
CN110460090A (zh) * | 2019-07-22 | 2019-11-15 | 广东工业大学 | 一种水风光微电网电源容量配置方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105743124B (zh) * | 2016-04-07 | 2018-02-06 | 国家电网公司 | 一种可再生能源发电的储能配置方法及*** |
CN107332285A (zh) * | 2017-07-17 | 2017-11-07 | 清华大学 | 一种电源容量配比的优化方法 |
CN107508303B (zh) * | 2017-08-09 | 2020-08-11 | 国电南瑞科技股份有限公司 | 一种面向微电网的模块化储能装置优化配置及控制方法 |
CN107977772A (zh) * | 2017-11-09 | 2018-05-01 | 国网山东省电力公司青岛供电公司 | 一种考虑分布式能源不确定性的配电网规划方法及*** |
CN107944757A (zh) * | 2017-12-14 | 2018-04-20 | 上海理工大学 | 电力互联***可再生能源消纳能力评估分析方法 |
CN108306331B (zh) * | 2018-01-15 | 2020-09-25 | 南京理工大学 | 一种风光储混合***的优化调度方法 |
CN108494015B (zh) * | 2018-02-09 | 2020-09-25 | 中国科学院电工研究所 | 一种源-荷-储协调互动的综合能源***设计方法 |
CN109523128B (zh) * | 2018-10-22 | 2023-06-09 | 上海理工大学 | 一种促进消纳的可再生能源容量配置方法 |
CN109449987A (zh) * | 2018-12-14 | 2019-03-08 | 国网山东省电力公司经济技术研究院 | 新能源发电并网的电力***模拟方法及*** |
CN109936164B (zh) * | 2019-03-31 | 2022-02-01 | 东北电力大学 | 基于电源互补特性分析的多能源电力***优化运行方法 |
CN109980700B (zh) * | 2019-04-09 | 2023-01-10 | 广东电网有限责任公司 | 一种分布式电源多目标优化规划方法、装置和设备 |
-
2019
- 2019-11-28 CN CN201911186489.5A patent/CN111030091B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514487A (zh) * | 2013-07-15 | 2014-01-15 | 国家电网公司 | 一种含分布式电源的配电网负荷预测方法 |
JP6469021B2 (ja) * | 2013-12-27 | 2019-02-13 | 川崎重工業株式会社 | 電力需給制御装置 |
CN103762589A (zh) * | 2014-01-08 | 2014-04-30 | 河海大学 | 一种电网中新能源容量配比分层优化方法 |
CN103955763A (zh) * | 2014-04-25 | 2014-07-30 | 云南省电力设计院 | 一种风光互补电站容量配比的计算方法 |
CN105809265A (zh) * | 2014-12-29 | 2016-07-27 | 国家电网公司 | 含分布式可再生能源配电网柔性互联装置的容量配置方法 |
CN104915900A (zh) * | 2015-07-09 | 2015-09-16 | 国网四川省电力公司经济技术研究院 | 基于负荷区块的分布式电源的选址定容方法 |
CN105576699A (zh) * | 2016-01-12 | 2016-05-11 | 四川大学 | 一种独立微电网储能裕度检测方法 |
CN106384176A (zh) * | 2016-11-11 | 2017-02-08 | 吉林省电力科学研究院有限公司 | 一种基于风光互补特性的风光储发电***容量优化方法 |
CN106549378A (zh) * | 2016-12-09 | 2017-03-29 | 国网江苏省电力公司金湖县供电公司 | 一种针对分布式电源出力不确定性的配网协同调度方法 |
CN108599238A (zh) * | 2018-04-26 | 2018-09-28 | 国家电网公司 | 考虑风能与太阳能互补的虚拟电厂分布式电源规划方法 |
CN110460090A (zh) * | 2019-07-22 | 2019-11-15 | 广东工业大学 | 一种水风光微电网电源容量配置方法 |
Non-Patent Citations (4)
Title |
---|
Methodology for Optimally Sizing the Combination of a Battery Bank and PV Array in a Wind/PV Hybrid System;Bogdan S. Borowy 等;《IEEE Transactions on Energy Conversion》;19960630;第11卷(第2期);全文 * |
Modeling of hybrid renewable energy systems;M.K. Deshmukh 等;《Renewable and Sustainable Energy Reviews》;20080131;第12卷(第1期);全文 * |
风光储混合发电***容量优化及协调控制方法;刘艳平;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20141015(第10期);第8-16,38-54页,附图1 * |
风光储联合发电***容量配置优化研究;何勇琪;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20190515(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111030091A (zh) | 2020-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ahmed et al. | Probabilistic generation model for optimal allocation of wind DG in distribution systems with time varying load models | |
Paravalos et al. | Optimal design of photovoltaic systems using high time-resolution meteorological data | |
CN104124685A (zh) | 基于样板风机法的风电场理论功率计算方法 | |
CN103296701A (zh) | 一种风电场有功功率控制方法 | |
Sun et al. | Improving the restorability of bulk power systems with the implementation of a WF-BESS system | |
CN111030091B (zh) | 一种确定分布式可再生能源电力装机容量的方法及*** | |
CN108767855A (zh) | 一种时序持续混合的电力***随机生产模拟方法 | |
CN108846505A (zh) | 可再生能源并网消纳信息多维度校核方法及设备 | |
CN109799864B (zh) | 一种区域小水电站整体发电功率预测方法及装置 | |
Souag et al. | Secured economic dispatch algorithm using GSDF matrix | |
Pagnetti et al. | Probabilistic methods moving towards the field: a tool for DG connection studies featuring the alternatives to grid reinforcement | |
AU2020200488A1 (en) | Operation plan creating apparatus, operation plan creating method, and program | |
CN116345565A (zh) | 一种新能源与储能容量联合优化方法、***、设备和介质 | |
Bracale et al. | A Bayesian-based approach for the short-term forecasting of electrical loads in smart grids.: Part II: numerical applications | |
CN116073340A (zh) | 一种源荷互动场景下的继电保护定值单生成方法及装置 | |
Apostolopoulou et al. | Effects of solar and wind generation integration on feeder hosting capacity | |
JP7198376B2 (ja) | 動的予測、集約、および妥当性確認のための機器および方法 | |
Narimani et al. | Comparing operational value of CSP with TES to PV with battery storage in Australian national electricity market | |
Le et al. | Probabilistic assessment of power systems with renewable energy sources based on an improved analytical approach | |
Ying et al. | A statistical approach of wind power forecasting for grid scale | |
CN112215383A (zh) | 一种分布式光伏发电功率预测方法和*** | |
Lei et al. | Robust generation dispatch with wind power considering air pollutant dispersion | |
Junior et al. | Characterizing the regional photovoltaic power forecast error in Japan: a study of 5 regions | |
Alhammi et al. | Enhancing Time Consuming Computation of Probabilistic Available Transfer Capability with Wind Resources using Probabilistic Collocation Method | |
Carvajal et al. | PV integration into a CSP plant |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |