基于多指标评价的清洁能源互补优选策略

摘要
图/表
参考文献
相关文章 (5)

全文: PDF (11632 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要随着新能源的快速发展,多种清洁能源互补发电运行在电力系统中逐渐占据重要地位。本文提出了一种考虑多指标综合评价的多能互补方法。根据灰色预测模型及Weibull分布模型对光伏发电和风力发电进行功率预测,设计不同类型多能互补方案;分别建立能源负荷曲线差异度指标、能源组合经济指标和稳定性指标,并提出一种考虑多因素影响的综合评价方法。算例结果验证了所提多指标评价方法用于清洁能源互补方案选择的有效性。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	程思举
	杨建华
	肖达强
	姜飞

关键词 ：多能互补, 灰色预测, Weibull分布, 综合评价

Abstract：With the rapid development of new energy, a variety of clean energy complementary power generation plays an important role in the power system.This paper presents a multi-energy complementary method considering multi-index comprehensive evaluation. According to the grey prediction model and Weibull distribution model, the power prediction of photovoltaic power generation and wind power generation is carried out, and different types of multi-energy complementary schemes are designed. Different index of energy load curve, economic index of energy combination and stability index are established respectively, and a comprehensive evaluation method considering the influence of multiple factors is proposed. The results of the calculation example verify the effectiveness of the proposed multi-index evaluation method in the selection of clean energy complementary schemes.

Key words： multi-energy complement grey prediction model Weibull distribution mode com- prehensive evaluation

收稿日期: 2019-06-12 出版日期: 2020-01-18

作者简介: 程思举（1995-）,男,硕士研究生,研究方向为电力系统经济运行。

引用本文:

程思举, 杨建华, 肖达强, 姜飞. 基于多指标评价的清洁能源互补优选策略[J]. 电气技术, 2020, 21(1): 25-30. Cheng Siju, Yang Jianhua, Xiao Daqiang, Jiang Fei. Clean energy complementary optimization strategy based on multi-index evaluation. Electrical Engineering, 2020, 21(1): 25-30.

链接本文:

http://dqjs.cesmedia.cn/CN/Y2020/V21/I1/25

[1] 赵继超, 袁越, 傅质馨, 等. 基于Copula理论的风光互补发电系统可靠性评估[J]. 电力自动化设备, 2013, 33(1): 124-129.
[2] 刘晔. 多种可再生能源互补的冷热电联产系统构建与性能研究[D]. 兰州: 兰州理工大学, 2014.
[3] 胡博文, 艾欣, 黄仁乐, 等. 考虑风-光消纳和环境效益的多目标模糊优化调度模型[J]. 现代电力, 2017, 34(3): 36-43.
[4] 徐林, 阮新波, 张步涵, 等. 风光蓄互补发电系统容量的改进优化配置方法[J]. 中国电机工程学报, 2012, 32(25): 88-98.
[5] 叶林, 屈晓旭, 么艳香, 等. 风光水多能互补发电系统日内时间尺度运行特性分析[J]. 电力系统自动化, 2018, 42(4): 158-164.
[6] 刘文霞, 何向刚, 吴方权, 等. 基于风电-负荷匹配度提高风电消纳能力[J]. 智慧电力, 2018, 46(1): 28-32, 110.
[7] 张军, 许晓艳, 黄永宁, 等. 基于时序生产模拟仿真的宁夏电网风光优化配比研究[J]. 电力系统保护与控制, 2014(19): 81-86.
[8] 刘文颖, 文晶, 谢昶, 等. 考虑风电消纳的电力系统源荷协调多目标优化方法[J]. 中国电机工程学报, 2015, 35(5): 1079-1088.
[9] 李晖, 高涵宇, 张艳, 等. 考虑相关性的大规模风光互补电网扩展规划[J]. 电网技术, 2018, 42(7): 2120-2126.
[10] 王洪坤, 葛磊蛟, 李宏伟, 等. 分布式光伏发电的特性分析与预测方法综述[J]. 电力建设, 2017, 38(7): 1-9.
[11] 郭鹏, 文晶, 朱丹丹, 等. 基于源-荷互动的大规模风电消纳协调控制策略[J]. 电工技术学报, 2017, 32(3): 1-9.
[12] 陈伟, 周峰, 韩新阳, 等. 国家电网负荷特性分析研究[J]. 电力技术经济, 2008, 20(4): 25-29, 37.
[13] 吴春广. GM(1,1)模型的改进与应用及其MATLAB实现[D]. 上海: 华东师范大学, 2010.
[14] 程璐. 风-蓄-火联合运行系统多目标优化调度研究[D]. 长沙: 长沙理工大学, 2013.
[15] Petrakopoulou F, Robinson A, Loizidou M.Simulation and analysis of a stand-alone so-lar-wind and pumped- storage hydropower plant[J]. Energy, 2016, 96(2): 676-683.
[16] Golov N, Ronnback L.Big data normalization for massively parallel processing databases[C]//Inter- national Conference on Conceptual Modeling, 2015: 154-163.