一种独立型微电网动态优化调度方法

    公开(公告)号:CN114336599A

    公开(公告)日:2022-04-12

    申请号:CN202111517624.7

    申请日:2021-12-13

    Applicant: 天津大学

    Abstract: 本发明公开一种独立型微电网动态优化调度方法,包括以下步骤:步骤一、针对独立微电网系统建立长周期能量匹配评估与优化模型,制定预期内的柴油消耗、储能系统能量存储和负荷转移计划;包括建立关于可靠供电概率、柴油消耗量、负荷转移量的目标函数;并设定储能系统、柴油消耗量、负荷能量转移的约束条件;步骤二、建立基于场景分析的日前随机优化模型,制定未来一天的微电网逐时调度计划;通过多场景技术处理光伏和负荷的不确定性,同时使用条件风险价值CVaR衡量光伏和负荷的不确定性带来的调度风险成本;并考虑了长周期能量匹配评估与优化阶段的负荷转移方案和备用电量需求;日前随机优化模型中的目标函数为最小化综合调度成本,综合调度成本包括调度成本和风险成本;约束条件包括功率平衡约束、储能运行约束、柴油发电机运行约束、负荷转移约束和备用电量需求约束。

    一种数值天气预报总辐射系统误差分类计算方法

    公开(公告)号:CN112418346A

    公开(公告)日:2021-02-26

    申请号:CN202011439191.3

    申请日:2020-12-07

    Applicant: 天津大学

    Abstract: 本发明公开了一种数值天气预报总辐射系统误差分类计算方法,进行光伏电站历史功率样本数据预处理,包括功率序列缺测处理和功率序列平滑处理;从光伏日出力幅值和波动情况进行特征提取,构建相应的日功率序列特征;基于自组织神经网络构建输入向量矩阵,并进行归一化处理;根据预测日数值预报数据确定预报天气类型;计算数值天气预报总辐射系统误差。与现有技术相比,本发明从功率特征的角度考虑,综合了所有气象数据的变化,其分类结果相比于多气象因素聚类更适合于光伏电站历史数据分类,具有更高的准确度;避免了NWP错报对系统误差计算的影响,得到NWP总辐射系统误差更精确。

    一种独立型微电网动态优化调度方法

    公开(公告)号:CN114336599B

    公开(公告)日:2023-12-22

    申请号:CN202111517624.7

    申请日:2021-12-13

    Applicant: 天津大学

    Abstract: 本发明公开一种独立型微电网动态优化调度方法,包括以下步骤:步骤一、针对独立微电网系统建立长周期能量匹配评估与优化模型,制定预期内的柴油消耗、储能系统能量存储和负荷转移计划;包括建立关于可靠供电概率、柴油消耗量、负荷转移量的目标函数;并设定储能系统、柴油消耗量、负荷能量转移的约束条件;步骤二、建立基于场景分析的日前随机优化模型,制定未来一天的微电网逐时调度计划;通过多场景技术处理光伏和负荷的不确定性,同时使用条件风险价值CVaR衡量光伏和负荷的不确定性带来的调度风险成本;并考虑了长周期能量匹配评估与优化阶段的负荷转移方案和备用电量需求;日前随机优化模型中的目标函数为最小化综合调度成本,综合调度成本包括调度成本和风险成本;约束条件包括功率平衡约束、储能运行约束、柴油发电机运行约束、负荷转移约束和备用电量需求约束。

    一种数值天气预报总辐射系统误差分类计算方法

    公开(公告)号:CN112418346B

    公开(公告)日:2022-10-25

    申请号:CN202011439191.3

    申请日:2020-12-07

    Applicant: 天津大学

    Abstract: 本发明公开了一种数值天气预报总辐射系统误差分类计算方法,进行光伏电站历史功率样本数据预处理,包括功率序列缺测处理和功率序列平滑处理;从光伏日出力幅值和波动情况进行特征提取,构建相应的日功率序列特征;基于自组织神经网络构建输入向量矩阵,并进行归一化处理;根据预测日数值预报数据确定预报天气类型;计算数值天气预报总辐射系统误差。与现有技术相比,本发明从功率特征的角度考虑,综合了所有气象数据的变化,其分类结果相比于多气象因素聚类更适合于光伏电站历史数据分类,具有更高的准确度;避免了NWP错报对系统误差计算的影响,得到NWP总辐射系统误差更精确。

    一种光伏发电功率短期预测方法及装置

    公开(公告)号:CN111898825A

    公开(公告)日:2020-11-06

    申请号:CN202010761333.1

    申请日:2020-07-31

    Applicant: 天津大学

    Abstract: 本发明公开了一种光伏发电功率短期预测方法及装置,包括数据输入输出及处理模块、模型参数优化模块和预测模型训练及应用模块。其中数据输入输出及处理模块包括原始数据归一化和预测结果反归一化单元、GA编码单元和GA适应度函数计算单元;模型参数优化模块包括RBM初始参数优化单元和RBM模型训练与NARX参数初始化单元;预测模型训练及应用模块即NARX神经网络训练及应用单元。

    一种基于藤结构Pair-Copula的风电相关性条件采样方法

    公开(公告)号:CN112417768B

    公开(公告)日:2022-04-26

    申请号:CN202011437994.5

    申请日:2020-12-07

    Applicant: 天津大学

    Abstract: 本发明公开了一种基于藤结构Pair‑Copula的风电相关性条件采样方法,步骤1、获取风电出力的真实值和预测值的边缘概率分布;步骤2、构建风电出力真实值和预测值的最优Pair‑Copula函数;步骤3、在给定风电出力的预测值条件下,对藤结构Pair‑Copula采样,得到考虑时间相关性和条件相关性的样本。与现有技术相比,本发明同时考虑风电出力预测误差的时间相关性及其与预测值的条件相关性,更加准确地描述了不同预测值下,风电出力预测误差的分布特点;所获得的采样点能够合理描述给定预测值条件下的预测误差分布情况,能够很好地应用于电网的随机优化或鲁棒优化中。

    一种基于藤结构Pair-Copula的风电相关性条件采样方法

    公开(公告)号:CN112417768A

    公开(公告)日:2021-02-26

    申请号:CN202011437994.5

    申请日:2020-12-07

    Applicant: 天津大学

    Abstract: 本发明公开了一种基于藤结构Pair‑Copula的风电相关性条件采样方法,步骤1、获取风电出力的真实值和预测值的边缘概率分布;步骤2、构建风电出力真实值和预测值的最优Pair‑Copula函数;步骤3、在给定风电出力的预测值条件下,对藤结构Pair‑Copula采样,得到考虑时间相关性和条件相关性的样本。与现有技术相比,本发明同时考虑风电出力预测误差的时间相关性及其与预测值的条件相关性,更加准确地描述了不同预测值下,风电出力预测误差的分布特点;所获得的采样点能够合理描述给定预测值条件下的预测误差分布情况,能够很好地应用于电网的随机优化或鲁棒优化中。

Patent Agency Ranking