基于重力储能的电网日前调度方法、装置、介质及产品

    公开(公告)号:CN118611107A

    公开(公告)日:2024-09-06

    申请号:CN202410627474.2

    申请日:2024-05-21

    Abstract: 本发明公开基于重力储能的电网日前调度方法、装置、介质及产品,涉及电力系统规划运行领域,梯形塔台式重力储能模块在充电状态时提升储能材料相对于预设水平位置的高度差来储存重力势能;在放电状态时在预设时间段内下降储能材料,将重力势能转化为电能;储能放能过程控制模块对放电状态时重力势能转化为电能的效率进行测算和分析得到效率分析结果;风电消纳与电力系统特性耦合调控模块根据电网需求来控制梯形塔台式重力储能模块的充电状态或放电状态;根据效率分析结果得到不同季节典型日的出力曲线;根据出力曲线评估梯形塔台式重力储能模块的运行效果,得到优化结果,本发明通过重力储能的方式提高了电力储能的转化效率。

    一种结合弹性势能的重力储能系统及其调峰优化方法

    公开(公告)号:CN118508478A

    公开(公告)日:2024-08-16

    申请号:CN202410617211.3

    申请日:2024-05-17

    Abstract: 本发明公开一种结合弹性势能的重力储能系统及其调峰优化方法,涉及电力系统能量存储领域,该重力储能系统中,提升系统设置在塔台的顶部平面;重力块与提升系统连接;弹性件的一端连接重力块的底部,另一端连接塔台的底部;发电控制系统根据电能交换指令控制提升系统提升或下放储能件;电能交换指令根据日负荷曲线标准差最小时对应的重力储能系统与含风电电力系统的交换电量确定;提升系统在提升重力块时,将含风电电力系统的电能转化为重力块的重力势能和弹性件的弹性势能进行存储;在下放重力块时,将重力块的重力势能和弹性件的弹性势能转化为动能,并将动能转换为电能。本发明成本低,碳排放低,绿色环保,还能减少弃风造成的能量损耗。

    一种用于一次调频分析的直流锅炉、汽轮机、电网协调控制方法

    公开(公告)号:CN106780103A

    公开(公告)日:2017-05-31

    申请号:CN201611011737.9

    申请日:2016-11-17

    Abstract: 一种用于一次调频分析的直流锅炉、汽轮机、电网协调控制方法,本发明涉及用于一次调频分析的直流锅炉、汽轮机、电网协调控制方法。本发明为了解决现有技术没有考虑锅炉的特性,给大容量高参数火电机组参加一次调频带来很大阻力,不利于电力系统安全稳定运行的问题。本发明步骤为:一:进行直流锅炉能量状态分析,确定直流锅炉能量状态;二:进行电网能量状态分析,确定电网能量状态;三:根据步骤一确定的直流锅炉能量状态和步骤二确定的电网能量状态,确定网源能量协调控制策略。本发明在满足电网安全运行要求的前提下,使火电机组既能充分参与调频,又能安全高效地运行。本发明应用于一次调频分析领域。

    风电机组分频段参与电力系统一次调频方法

    公开(公告)号:CN106532739A

    公开(公告)日:2017-03-22

    申请号:CN201610872365.2

    申请日:2016-09-30

    CPC classification number: H02J3/24

    Abstract: 风电机组分频段参与电力系统一次调频方法,涉及风电机组参与电网一次调频技术。目的是为了解决风电机组参与一次调频时风场经济性与调频容量相矛盾的问题。本发明首先分别使用高通滤波器和低通滤波器将电网中的高频信号和低频信号分离出来,然后在风电机组中引入惯性控制环节和下垂控制环节,根据风电场当前的弃风情况设置运行模式,所述运行模式为最优功率跟踪模式或次优功率跟踪模式,最后分别计算两种运行模式下的电磁功率参考值,将电磁功率参考值作用于转子变流器,完成风电机组分频段参与电力系统的一次调频过程。本发明所述的方法实现了风电机组在不损失出力的同时,最大限度地参与电力系统的一次调频,适用于风电机组的调频。

    基于深度学习方法的短期风速多步预测方法

    公开(公告)号:CN103413174A

    公开(公告)日:2013-11-27

    申请号:CN201310389450.X

    申请日:2013-08-30

    Abstract: 基于深度学习方法的短期风速多步预测方法,涉及一种短期风速的多步预测方法。为了解决目前的风速预测方法存在风速预测效果差的问题。它包括:一:基于深度学习方法,建立具有多输入多输出结构的深度神经网络回归模型;二:采用逐层贪心方法,结合被测风电场的近期实际风速数据对建立的深度神经网络回归模型进行训练,通过所述模型的非线性映射功能,学习得到所述模型的序列之间的映射关系,来确定深度神经网络回归模型;三:根据确定的深度神经网络回归模型,对被测风电场的实际风速进行多步预测,得到所述被测风电场的风速预测结果。它用于风电场短期风速的预测。

Patent Agency Ranking