一种灵活资源聚合可调能力内部近似方法

    公开(公告)号:CN117390357A

    公开(公告)日:2024-01-12

    申请号:CN202311479188.8

    申请日:2023-11-08

    IPC分类号: G06F17/17 G06F17/16 G06Q50/06

    摘要: 本发明涉及一种灵活资源聚合可调能力内部近似方法,属于灵活资源聚合技术领域。技术方案是:构建灵活资源的单体可行域模型;设定聚合可调能力内部近似模型的形状模板;计算模板中的参数。本发明的有益效果是:通过选择与精确模型更相似的模板来定义内部近似模型的形状以提升精度,通过在参数计算算法中规定变量的范围来减少0‑1变量的个数,从而降低计算复杂度,还允许灵活地调整精度与复杂度,从而能够适应应用场景的变化。可以应用于大规模灵活资源在电力系统运行调度、虚拟电厂/负荷聚合商投标和运行决策等领域,根据可调能力内部近似模型决策得到的功率曲线结果运行,可以在保障功率分配可行性的同时,最大化地利用灵活资源的可调能力。

    一种区域分布式光伏预测方法、系统、终端及介质

    公开(公告)号:CN118199027A

    公开(公告)日:2024-06-14

    申请号:CN202410189471.5

    申请日:2024-02-20

    摘要: 一种区域分布式光伏预测方法,其特征在于,方法包括:步骤1,在待预测区域内,采集中压光伏发电站的环境参数和实时功率,采集低压分布式光伏设备的实时功率;步骤2,构建每一个中压光伏发电站的中压功率曲线和每一个低压分布式光伏设备的低压功率曲线,获取与每一条所述低压功率曲线关联的所述中压功率曲线;步骤3,将所述低压功率曲线的实时功率叠加至与之关联的所述中压功率曲线上,生成叠加功率曲线;步骤4,通过中压光伏发电站的环境参数构建特征样本,并将特征样本输入至BP神经网络中,输出预测功率并与叠加功率曲线进行比较,实现模型训练;步骤5,将当前待预测环境参数输入至训练后的BP神经网络模型中,实现区域分布式光伏预测。