System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及基于叶斯网络决策的多类型电源调节方法,属于能源协调优化。
技术介绍
1、在现代电力系统中,多类型电源的有效调节对于保证电力供应的稳定性、可靠性和经济性至关重要。然而,传统的电源调节方法在面对日益复杂的电力系统时,展现出了明显的局限性。
2、传统电源调节方法通常依赖于固定的调度计划和经验驱动的运行策略。尽管这些传统方法在某些情况下有效,但它们存在以下不足:
3、对动态变化的适应性不足:传统方法在处理快速变化的电力需求和电源可用性时效率较低,特别是在面对突发事件(如极端天气)或不可预测的负荷波动时。
4、有限的信息融合能力:传统方法往往无法有效地整合来自多种电源和环境因素的信息,这限制了它们在复杂系统中的应用效果。
技术实现思路
1、本专利技术要解决的技术问题是:基于叶斯网络决策的多类型电源调节方法,以克服现有技术的不足。
2、本专利技术的技术方案为:基于叶斯网络决策的多类型电源调节方法,所述方法包括以下步骤:
3、收集新能源发电站的历史发电数据;
4、通过历史发电数据确定节点间的依赖关系;
5、根据节点间的依赖关系确定概率模型;
6、将每个新能源电站实时数据输入概率模型获取发电量预测值;
7、将每个新能源电站实时发电数据输入发电量计算物理模型获取理论值;
8、通过预测值和理论值计算最优估计值,计算方法如下:
9、pi=θipp,i+(1-θ
10、其中,pi表示第i个新能源电站的发电量最优估计值,pp,i表示第i个新能源电站的发电量预测值,pt,i第i个新能源电站的发电量理论值,θi表示第i个新能源电站的预测值置信度;
11、通过用电量与发电量最优估计值的差值,计算燃煤电厂的发电量;
12、通过新能源发电量和燃煤电厂的发电量进行电力调度。
13、进一步地,所述新能源发电站包括风能发电站、光伏发电站和地热发电站。
14、进一步地,所述新能源发电站还包括储能电站。
15、进一步地,所述历史发电数据和实时发电数据对于风能发电站包括:时间、日期、风能发电量、风速和气压。
16、进一步地,所述历史发电数据和实时发电数据对于太阳能发电站包括:时间、日期、太阳辐照度和太阳能发电量。
17、进一步地,所述历史发电数据和实时发电数据对于地热能发电站包括:时间、日期、地热井温度、地热井压力和地热井流量。
18、进一步地,光伏电站的发电量计算物理模型为:
19、p2,j=gj(t)*bj*ηj
20、其中,p2,j表示第j个光伏电站的发电功率;gj(t)表示第j个光伏电站处的太阳辐照度;bj为第j个光伏电站的光伏板面积;ηj表示第j个光伏电站的光伏转换效率。
21、进一步地,风能电站的发电量计算物理模型为:
22、
23、p1,i第i个风电站的发电功率;ρi表示第i个风电站处的空气密度,θi表示第i个风电站的功率系数;ai表示第i个风电站的风轮扫风面积;vi(t)表示时间t时刻的风速。
24、进一步地,地热电站的发电量计算物理模型为:
25、p3,k=mk*(hk,1-hk,2)*ηk
26、p3,k第k个地热电站的发电功率;mk表示第k个地热电站处的地热流体流量,hk,1表示第k个地热电站的地热流体进入地热电站时的焓;hk,1表示第k个地热电站的地热流体离开地热电站时的焓;ηk表示第k个地热电站的总发电效率。
27、本专利技术的有益效果是:与现有技术相比,本专利技术通过收集并分析新能源发电站的历史与实时数据,并利用概率模型进行更准确的发电量预测。然后通过概率模型置信度对预测值和理论值赋予不同权重,从而获得新能源发电量的最优估计值,使得调度的准确度更高。
本文档来自技高网...【技术保护点】
1.基于叶斯网络决策的多类型电源调节方法,其特征在于,所述方法包括以下步骤:
2.根据权利要求1所述的基于叶斯网络决策的多类型电源调节方法,其特征在于,所述新能源发电站包括风能发电站、光伏发电站和地热发电站。
3.根据权利要求2所述的基于叶斯网络决策的多类型电源调节方法,其特征在于,所述新能源发电站还包括储能电站。
4.根据权利要求2所述的基于叶斯网络决策的多类型电源调节方法,其特征在于,所述历史发电数据和实时发电数据对于风能发电站包括:时间、日期、风能发电量、风速和气压。
5.根据权利要求2所述的基于叶斯网络决策的多类型电源调节方法,其特征在于,所述历史发电数据和实时发电数据对于太阳能发电站包括:时间、日期、太阳辐照度和太阳能发电量。
6.根据权利要求2所述的基于叶斯网络决策的多类型电源调节方法,其特征在于,所述历史发电数据和实时发电数据对于地热能发电站包括:时间、日期、地热井温度、地热井压力和地热井流量。
7.根据权利要求2所述的基于叶斯网络决策的多类型电源调节方法,其特征在于,光伏电站的发电量计算物理模
8.根据权利要求2所述的基于叶斯网络决策的多类型电源调节方法,其特征在于,风能电站的发电量计算物理模型为:
9.根据权利要求2所述的基于叶斯网络决策的多类型电源调节方法,其特征在于,地热电站的发电量计算物理模型为:
...【技术特征摘要】
1.基于叶斯网络决策的多类型电源调节方法,其特征在于,所述方法包括以下步骤:
2.根据权利要求1所述的基于叶斯网络决策的多类型电源调节方法,其特征在于,所述新能源发电站包括风能发电站、光伏发电站和地热发电站。
3.根据权利要求2所述的基于叶斯网络决策的多类型电源调节方法,其特征在于,所述新能源发电站还包括储能电站。
4.根据权利要求2所述的基于叶斯网络决策的多类型电源调节方法,其特征在于,所述历史发电数据和实时发电数据对于风能发电站包括:时间、日期、风能发电量、风速和气压。
5.根据权利要求2所述的基于叶斯网络决策的多类型电源调节方法,其特征在于,所述历史发电数据和...
【专利技术属性】
技术研发人员:吴方权,刘亦驰,于大勇,汤成佳,李雄,纪元,代湘蓉,胡骏涵,刘文霞,陈卿,白雪,舒彧,卫薇,方继宇,纪佳希,
申请(专利权)人:贵州电网有限责任公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。