考虑发电功率波动最小的风光最优规模计算方法及系统与流程

1.本发明涉及电力系统规划领域，特别涉及新能源规划中的一种考虑发电功率波动最小的风光最优规模计算方法及系统。


背景技术：

2.随着经济的迅速增长，社会发展和环境保护、能源需求之间的矛盾日益凸显，新能源技术是实现能源系统绿色低碳转型的必然选择。
3.由于太阳能和风能强弱与天气状况密切相关，风电和光伏出力呈现间歇性和波动性的特点，加之新能源与负荷的逆向分布，以及在新能源电站建设初期，缺乏与实际电网建设相适应的统筹规划，倒至网络传输能力受限、灵活性资源不足，严重制约了新能源的消纳能力，同时新能源功率大幅度波动也将极大增加电网运行风险，威胁电力系统安全稳定运行。
4.由于风电和光伏出力特性在时间上有明显的差异性，通过合理规划风电和光伏容量配比，可以充分发挥风-光发电的天然互补优势。


技术实现要素：

5.本发明的目的在于提供一种考虑发电功率波动最小的风光最优规模计算方法及系统。本发明考虑了新能源高速发展的情况下，通过优化风光装机配比，尽量减少新能源出力的波动性以减少对系统的影响。
6.为实现上面的目的，本发明具有如下技术手段：
7.一种考虑发电功率波动最小的风光最优规模计算方法，包括：
8.收集整理新能源出力特性；
9.依据风光资源出力特性，结合新能源发电量要求，以新能源发电功率波动最小为目标，建立优化数学模型；
10.带入建立的模型计算求解，得到新能源发电功率波动最小风光规模。
11.作为本发明的进一步改进，收集整理新能源出力特性，包括：
12.收集整理新能源出力特性，收集整理t时刻的逐时风电出力标幺值大小为ξw(t)，t时刻的逐时光伏出力标幺值大小为ξs(t)。
13.作为本发明的进一步改进，依据风光资源出力特性，结合新能源发电量要求，以新能源发电功率波动最小为目标，建立优化数学模型，包括：
14.在给定新能源发电量要求er前提下，以新能源发电功率波动最小为目标，建立数学模型；
15.最小化新能源发电功率波动的风光最佳配比模型表示如下：
16.min k
t
×
γ
t
+kd×
γd+km×
γm(1)
17.式中k
t
表示小时尺度新能源发电功率波动性所占权重，kd表示日尺度新能源发电功率波动性所占权重，km表示月尺度新能源发电功率波动性所占权重。γ
t
表示小时尺度新
能源发电功率波动性，γd表示日尺度新能源发电功率波动性，γm表示月尺度新能源发电功率波动性；
18.作为本发明的进一步改进，所述数学模型，考虑的约束如下：
19.其中小时尺度新能源发电功率波动性γ
t
，为新能源出力在当天的平均绝对偏差和总新能源发电量的比值，其表达式为：
[0020][0021]
式中t表示时间段序号，为t小时所在天的新能源平均发电功率，即
[0022][0023]
式中d为t小时所在天,d0为t小时所在天的0时，d
23
为t小时所在天的23时；
[0024]
令风电装机容量为w，光伏装机容量s，w、s的取值满足以下要求
[0025]
w≥0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0026]
s≥0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0027]
第t时段新能源发电功率表示为
[0028]
pr(t)＝wξw(t)+sξs(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0029]
新能源总电量应大于等于新能源要求发电量er表示为
[0030][0031]
日尺度新能源发电功率波动性γd，为新能源出力在当月的平均绝对偏差和总新能源发电量的比值，其表达式为
[0032][0033]
式中d表示以日为时间尺度的序号，m表示以月为时间尺度的序号，p
dr
(d)为第d天新能源的总发电量，为第d天所在m月的新能源平均日发电量，即
[0034][0035][0036]
式中m0为d天所在月的第一天，me为d天所在月的最后一天，md为d天所在月的天数；
[0037]
月尺度新能源发电功率波动性γm，为新能源出力平均绝对偏差和总新能源发电量的比值，其表达式为
[0038][0039]
式中p
mr
(m)为m月新能源的总发电量，为时间段内的新能源平均月发电量，即
[0040][0041][0042]
式中m为总月数。
[0043]
作为本发明的进一步改进，所述带入建立的模型计算求解，得到新能源发电功率波动最小风光规模，包括：
[0044]
根据计算需要指定波动权重，带入建立的最优风光规模模型计算求解，得到新能源发电功率波动最小风光规模。
[0045]
一种考虑发电功率波动最小的风光最优规模计算系统，包括：
[0046]
收集模块，用于收集整理新能源出力特性；
[0047]
建立模块，用于依据风光资源出力特性，结合新能源发电量要求，以新能源发电功率波动最小为目标，建立优化数学模型；
[0048]
求解模块，用于带入建立的模型计算求解，得到新能源发电功率波动最小风光规模。
[0049]
作为本发明的进一步改进，所述收集模块中，收集整理新能源出力特性，包括：
[0050]
收集整理新能源出力特性，收集整理t时刻的逐时风电出力标幺值大小为ξw(t)，t时刻的逐时光伏出力标幺值大小为ξs(t)。
[0051]
作为本发明的进一步改进，所述建立模块中，依据风光资源出力特性，结合新能源发电量要求，以新能源发电功率波动最小为目标，建立优化数学模型，包括：
[0052]
在给定新能源发电量要求er前提下，以新能源发电功率波动最小为目标，建立数学模型；
[0053]
最小化新能源发电功率波动的风光最佳配比模型表示如下：
[0054]
min k
t
×
γ
t
+kd×
γd+km×
γm[0055]
式中k
t
表示小时尺度新能源发电功率波动性所占权重，kd表示日尺度新能源发电功率波动性所占权重，km表示月尺度新能源发电功率波动性所占权重。γ
t
表示小时尺度新能源发电功率波动性，γd表示日尺度新能源发电功率波动性，γm表示月尺度新能源发电功率波动性；
[0056]
一种考虑发电功率波动最小的风光最优规模计算设备，包括：
[0057]
存储器，
[0058]
处理器，
[0059]
所述处理器被配置为：执行权利要求1至5任一项所述的考虑发电功率波动最小的风光最优规模计算方法。
[0060]
一种计算机可读存储介质，其特征在于，当所述存储介质中的指令由处理器执行时，使得处理器能够执行所述的考虑发电功率波动最小的风光最优规模计算方法。
[0061]
本发明的有益效果是：
[0062]
本发明提出了一种考虑发电功率波动最小的风光最优规模计算方法。本发明在给定新能源电量前提下，提出发电功率波动指标体系，进而计算新能源发电功率波动最小的风光规模。本发明依据风光资源出力特性，结合新能源发电量要求，以新能源发电功率波动最小为目标，建立优化数学模型。带入建立的模型计算求解，得到新能源发电功率波动最小风光规模。采用本方法可以计算新能源发电功率波动最小风光规模。本发明考虑了新能源高速发展的情况下，通过优化风光装机配比，尽量减少新能源出力的波动性以减少对系统的影响。本发明考虑了将不同时间尺度的波动分开计算，可适用于多种情况。本发明能够为新增新能源装机的配比提供参考。同时，本优化方法具有计算方便、快捷的特点。
附图说明
[0063]
图1是算例风电预测出力标幺序列；
[0064]
图2是算例光伏预测出力标幺序列；
[0065]
图3是算例风电预测日电量标幺值；
[0066]
图4是算例光伏预测日电量标幺值；
[0067]
图5是新能源发电功率波动率；
[0068]
图6为本发明一种考虑发电功率波动最小的风光最优规模计算系统结构示意图；
[0069]
图7为本发明一种电子设备结构示意图。
具体实施方式
[0070]
本发明的目的在于提供一种考虑发电功率波动最小的风光最优规模计算方法。依据风光资源出力特性，结合新能源发电量要求，以新能源发电功率波动最小为目标，建立优化数学模型。带入建立的模型计算求解，得到新能源发电功率波动最小风光规模。采用本方法可以计算新能源发电功率波动最小风光规模。
[0071]
(1)收集整理新能源出力特性，收集整理t时刻的逐时风电出力标幺值大小为ξw(t)，t时刻的逐时光伏出力标幺值大小为ξs(t)。
[0072]
(2)在给定新能源发电量要求er前提下，以新能源发电功率波动最小为目标，建立数学模型。
[0073]
最小化新能源发电功率波动的风光最佳配比模型可表示如下：
[0074]
min k
t
×
γ
t
+kd×
γd+km×
γm(14)
[0075]
式中k
t
表示小时尺度新能源发电功率波动性所占权重，kd表示日尺度新能源发电功率波动性所占权重，km表示月尺度新能源发电功率波动性所占权重。γ
t
表示小时尺度新能源发电功率波动性，γd表示日尺度新能源发电功率波动性，γm表示月尺度新能源发电功率波动性。
[0076]
(3)建立的数学模型，考虑的约束如下：
[0077]
其中小时尺度新能源发电功率波动性γ
t
，为新能源出力在当天的平均绝对偏差和总新能源发电量的比值，其表达式为
[0078][0079]
式中t表示时间段序号，为t小时所在天的新能源平均发电功率，即
[0080][0081]
式中d为t小时所在天,d0为t小时所在天的0时，d
23
为t小时所在天的23时。
[0082]
令风电装机容量为w，光伏装机容量s，w、s的取值满足以下要求
[0083]
w≥0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(17)
[0084]
s≥0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(18)
[0085]
第t时段新能源发电功率可表示为
[0086]
pr(t)＝wξw(t)+sξs(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(19)
[0087]
新能源总电量应大于等于新能源要求发电量er可表示为
[0088][0089]
日尺度新能源发电功率波动性γd，为新能源出力在当月的平均绝对偏差和总新能源发电量的比值，其表达式为
[0090][0091]
式中d表示以日为时间尺度的序号，m表示以月为时间尺度的序号，p
dr
(d)为第d天新能源的总发电量，为第d天所在m月的新能源平均日发电量，即
[0092][0093][0094]
式中m0为d天所在月的第一天，me为d天所在月的最后一天，md为d天所在月的天数。
[0095]
月尺度新能源发电功率波动性γm，为新能源出力平均绝对偏差和总新能源发电量的比值，其表达式为
[0096][0097]
式中p
mr
(m)为m月新能源的总发电量，为时间段内的新能源平均月发电量，即
[0098][0099][0100]
式中m为总月数。
[0101]
(4)根据计算需要指定波动权重，带入建立的最优风光规模模型计算求解，得到新能源发电功率波动最小风光规模。
[0102]
青海省2021年风电利用小时数为1739小时，光伏利用小时数为1504小时。图1～4可以看出光伏发电量在日尺度更为平均。
[0103]
本发明采用如下技术方案：
[0104]
(1)收集整理新能源出力特性，收集整理t时刻的逐时风电出力标幺大小为ξw(t)，t时刻的逐时光伏出力标幺值大小为ξs(t)。
[0105]
此实例使用青海2021年风、光实际出力序列做为规划年风、光出力特性，详见表1，附图1、2。
[0106]
表1典型日逐时光照资源单位：mw(热)
[0107]
时间风电出力光伏出力00.063108010.051457020.047882030.05648040.065429050.0571580
60.0514230.00156570.038310.00161780.0357230.012623
………
87580.328589087590.287860
[0108]
(2)在新能源发电量要求er＝7707750mwh，以新能源发电功率波动最小为目标，建立数学模型。最小化新能源发电功率波动的风光最佳配比模型可表示如下：
[0109]
min k
t
×
γ
t
+kd×
γd+km×
γmꢀꢀꢀ
(27)
[0110]
在本算例中，k
t
、kd、km三个不同尺度新能源发电功率所占权重均使用1。
[0111]
(3)考虑的约束为：
[0112]
其中小时尺度新能源发电功率波动性γ
t
，为新能源出力在当天的平均绝对偏差和总新能源发电量的比值
[0113][0114]
式中t表示时间段序号，为t小时所在天的新能源平均发电功率，即
[0115][0116]
式中d为t小时所在天,d0为t小时所在天的0时，d
23
为t小时所在天的23时。
[0117]
设风电装机容量为w mw，光伏装机容量s mw，第t时段新能源发电功率可表示为
[0118]
pr(t)＝wξw(t)+sξs(t)
ꢀꢀꢀ
(30)
[0119]
新能源总电量应大于等于新能源要求的发电量er，在本算例中考虑总时间段为一年即t＝8760。
[0120][0121]
日尺度新能源发电功率波动性γd，为新能源出力在当月的平均绝对偏差和总新能源发电量的比值，其表达式为
[0122][0123]
式中d表示时间段序号，p
dr
(d)为d天新能源的发电量，为d天所在月m的新能源平均日发电量，即
[0124][0125][0126]
在本算例中考虑总时间段为一年即d＝365。
[0127]
式中m为d天所在月,式中m0为d天所在月的第一天，me为d天所在月的最后一天，md为d天所在月的天数。
[0128]
月尺度新能源发电功率波动性γm，为新能源出力在时间段内的平均绝对偏差和总新能源发电量的比值，其表达式为
[0129][0130]
式中m表示时间段序号，p
mr
(m)为m月新能源的发电量，为时间段内的新能源平均月发电量，即
[0131][0132][0133]
在本算例中考虑总时间段为一年即m＝12。
[0134]
(4)带入数据求解模型，得到新能源发电功率波动最小风光规模为风电3253mw，光伏1361mw。可以算得小时尺度波动为0.3978，日尺度波动为0.2908，月尺度波动为0.1409，总波动为0.8297。
[0135]
图5展示了不同风电装机规模占比下，新能源发电功率波动大小，可以看出在优化得到的风光装机规模下，新能源发电功率波动最小。
[0136]
由算例可见，本发明方便实用，便于确定新能源发电功率波动最小的风光装机规模。
[0137]
如图6所示，本发明还提供一种考虑发电功率波动最小的风光最优规模计算确定系统，包括：
[0138]
收集模块，用于收集整理新能源出力特性；
[0139]
建立模块，用于依据风光资源出力特性，结合新能源发电量要求，以新能源发电功率波动最小为目标，建立优化数学模型；
[0140]
求解模块，用于带入建立的模型计算求解，得到新能源发电功率波动最小风光规模。
[0141]
如图7所示，本发明的另一目的在于提出考虑发电功率波动最小的风光最优规模计算设备，包括：
[0142]
存储器，
[0143]
处理器，
[0144]
所述处理器被配置为：执行所述的考虑发电功率波动最小的风光最优规模计算方法。
[0145]
本发明还提供一种计算机可读存储介质，当所述存储介质中的指令由处理器执行时，使得处理器能够执行考虑发电功率波动最小的风光最优规模计算方法。
[0146]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0147]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序
指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0148]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0149]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0150]
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

技术特征：
1.一种考虑发电功率波动最小的风光最优规模计算方法，其特征在于，包括：收集整理新能源出力特性；依据风光资源出力特性，结合新能源发电量要求，以新能源发电功率波动最小为目标，建立优化数学模型；带入建立的模型计算求解，得到新能源发电功率波动最小风光规模。2.根据权利要求1所述的一种考虑发电功率波动最小的风光最优规模计算方法，其特征在于，收集整理新能源出力特性，包括：收集整理新能源出力特性，收集整理t时刻的逐时风电出力标幺值大小为ξ
w
(t)，t时刻的逐时光伏出力标幺值大小为ξ
s
(t)。3.根据权利要求1所述的一种考虑发电功率波动最小的风光最优规模计算方法，其特征在于，依据风光资源出力特性，结合新能源发电量要求，以新能源发电功率波动最小为目标，建立优化数学模型，包括：在给定新能源发电量要求e
r
前提下，以新能源发电功率波动最小为目标，建立数学模型；最小化新能源发电功率波动的风光最佳配比模型表示如下：min k
t
×
γ
t
+k
d
×
γ
d
+k
m
×
γ
m
(1)式中k
t
表示小时尺度新能源发电功率波动性所占权重，k
d
表示日尺度新能源发电功率波动性所占权重，k
m
表示月尺度新能源发电功率波动性所占权重；γ
t
表示小时尺度新能源发电功率波动性，γ
d
表示日尺度新能源发电功率波动性，γ
m
表示月尺度新能源发电功率波动性。4.根据权利要求3所述的一种考虑发电功率波动最小的风光最优规模计算方法，其特征在于，所述数学模型，考虑的约束如下：其中小时尺度新能源发电功率波动性γ
t
，为新能源出力在当天的平均绝对偏差和总新能源发电量的比值，其表达式为：式中t表示时间段序号，为t小时所在天的新能源平均发电功率，即式中d为t小时所在天,d0为t小时所在天的0时，d
23
为t小时所在天的23时；令风电装机容量为w，光伏装机容量s，w、s的取值满足以下要求w≥0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)s≥0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)第t时段新能源发电功率表示为p
r
（t)＝wξ
w
(t)+sξ
s
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)新能源总电量应大于等于新能源要求发电量e
r
表示为日尺度新能源发电功率波动性γ
d
，为新能源出力在当月的平均绝对偏差和总新能源发
电量的比值，其表达式为式中d表示以日为时间尺度的序号，m表示以月为时间尺度的序号，p
dr
(d)为第d天新能源的总发电量，为第d天所在m月的新能源平均日发电量，即为第d天所在m月的新能源平均日发电量，即式中m0为d天所在月的第一天，m
e
为d天所在月的最后一天，m
d
为d天所在月的天数；月尺度新能源发电功率波动性γ
m
，为新能源出力平均绝对偏差和总新能源发电量的比值，其表达式为式中p
mr
(m)为m月新能源的总发电量，为时间段内的新能源平均月发电量，即为时间段内的新能源平均月发电量，即式中m为总月数。5.根据权利要求1所述的一种考虑发电功率波动最小的风光最优规模计算方法，其特征在于，所述带入建立的模型计算求解，得到新能源发电功率波动最小风光规模，包括：根据计算需要指定波动权重，带入建立的最优风光规模模型计算求解，得到新能源发电功率波动最小风光规模。6.一种考虑发电功率波动最小的风光最优规模计算系统，其特征在于，包括：收集模块，用于收集整理新能源出力特性；建立模块，用于依据风光资源出力特性，结合新能源发电量要求，以新能源发电功率波动最小为目标，建立优化数学模型；求解模块，用于带入建立的模型计算求解，得到新能源发电功率波动最小风光规模。7.根据权利要求6所述的一种考虑发电功率波动最小的风光最优规模计算系统，其特征在于，所述收集模块中，收集整理新能源出力特性，包括：收集整理新能源出力特性，收集整理t时刻的逐时风电出力标幺值大小为ξ
w
(t)，t时刻的逐时光伏出力标幺值大小为ξ
s
(t)。8.根据权利要求6所述的一种考虑发电功率波动最小的风光最优规模计算方法，其特征在于，所述建立模块中，依据风光资源出力特性，结合新能源发电量要求，以新能源发电功率波动最小为目标，建立优化数学模型，包括：在给定新能源发电量要求e
r
前提下，以新能源发电功率波动最小为目标，建立数学模型；最小化新能源发电功率波动的风光最佳配比模型表示如下：min k
t
×
γ
t
+k
d
×
γ
d
+k
m
×
γ
m
(1)
式中k
t
表示小时尺度新能源发电功率波动性所占权重，k
d
表示日尺度新能源发电功率波动性所占权重，k
m
表示月尺度新能源发电功率波动性所占权重；γ
t
表示小时尺度新能源发电功率波动性，γ
d
表示日尺度新能源发电功率波动性，γ
m
表示月尺度新能源发电功率波动性。9.一种考虑发电功率波动最小的风光最优规模计算设备，其特征在于，包括：存储器，处理器，所述处理器被配置为：执行权利要求1至5任一项所述的考虑发电功率波动最小的风光最优规模计算方法。10.一种计算机可读存储介质，其特征在于，当所述存储介质中的指令由处理器执行时，使得处理器能够执行权利要求1至5任一项所述的考虑发电功率波动最小的风光最优规模计算方法。

技术总结
本发明提出了一种考虑发电功率波动最小的风光最优规模计算方法及系统，包括：收集整理新能源出力特性；依据风光资源出力特性，结合新能源发电量要求，以新能源发电功率波动最小为目标，建立优化数学模型；带入建立的模型计算求解，得到新能源发电功率波动最小风光规模。本发明在给定新能源电量前提下，提出发电功率波动指标体系，进而计算新能源发电功率波动最小的风光规模。本发明依据风光资源出力特性，结合新能源发电量要求，以新能源发电功率波动最小为目标，建立优化数学模型。带入建立的模型计算求解，得到新能源发电功率波动最小风光规模。采用本方法可以计算新能源发电功率波动最小风光规模。波动最小风光规模。波动最小风光规模。


技术研发人员：范越 李雨田 牛拴保 孙沛 王蒙 张雨津 汪莹 李海伟 王炜 赵娟 王聪
受保护的技术使用者：中国电力工程顾问集团西北电力设计院有限公司
技术研发日：2022.12.30
技术公布日：2023/7/20