CN102609791A - 基于云平台的规模化集中式远程风电功率预测中心 - Google Patents
基于云平台的规模化集中式远程风电功率预测中心 Download PDFInfo
- Publication number
- CN102609791A CN102609791A CN2012100694047A CN201210069404A CN102609791A CN 102609791 A CN102609791 A CN 102609791A CN 2012100694047 A CN2012100694047 A CN 2012100694047A CN 201210069404 A CN201210069404 A CN 201210069404A CN 102609791 A CN102609791 A CN 102609791A
- Authority
- CN
- China
- Prior art keywords
- wind
- data
- turbine set
- energy turbine
- wind energy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明是基于云平台的规模化集中式远程风电功率预测中心,其建立在企业级私有云平台之上的风电功率预测系统,包括云实时历史数据库系统、关系型数据库、数值天气预报的降尺度的大规模并行模式计算模块、模型计算模块、统计分析模块、数据输入输出接口和人机交互接口。本发明在将传统的风电功率预测系统迁移到企业级私有云平台之上,并加上数值天气预报的降尺度的大规模并行模式计算模块,借助企业级私有云平台的强大、灵活的计算能力、存储能力能够实现为多个风电场提供服务。本发明能够在保证安全的同时,实现资源的最大集约化、系统部署的快速实施和运维成本的最小化开销,能够适应未来海上风力发电场的恶劣环境。
Description
技术领域
本发明属于信息技术领域,具体涉及风电场信息化控制领域。
背景技术
目前我国已成为世界风电第一大国,但风电的总体技术水平与世界先进水平相比还有较大差距。随机变化的风速、风向导致风电场输出功率具有波动性、间歇性和随机性,大规模风电的电网接入问题已成为制约我国风电产业发展的瓶颈问题,目前全国风电每年的总弃风量约占发电总量的30%左右,风电装机总量中有20%的风机不能并网。对风电场的输出功率进行预测是提高电网调峰能力、增强电网接纳风电能力、改善电力系统运行安全性和经济性的最有效、最经济的手段之一。
《国家能源局关于印发风电场功率预测预报管理暂行办法的通知》(国能新能[2011]177号)已明确规定自2012年1月1日起,未按要求报送风电功率预测预报结果的风电场,不得并网运行,管理暂行办法中对预测精度要求也进行了明确规定。
目前风电功率预测的应用研究主要是以安装运行于风电场的SCADA监控系统为平台进行。风电功率预测是一项技术含量很高的工作,风电场大多位置偏僻、生活条件差,人力成本也越来越高,要把一些高水平的专业技术人员较长时间安排在风电场进行风电功率预测系统的研究、建设、维护和改进工作,难度也越来越大,且风电场散布较大范围区域,人力、物力成本居高不下,要在大幅提高风电场风电功率预测技术水平、增强风电运营竞争力的同时规避上述问题,研究建设高水平的规模化集中式风电场远程风电功率预测中心势在必行。
风电的电网接入问题已成为制约风电产业发展的瓶颈问题,主要表现为以下方面:
(1)风电的随机性及不可控性给电力系统规划和稳定运行带来新的挑战;
(2)风电功率的波动特性与电网负荷的波动特性难以一致,使电网的调峰问题更加突出,对调峰容量和响应速度都提出了更高的要求。
风电场的现有风电功率预测系统的运维方式也是未来风力发电发展所要淘汰的,主要存在以下问题:
(1)风电场地处偏远,高级专业技术人员很难长时间坚守;
(2)现有风电功率预测系统的硬件利用率不高;
(3)未来将大规模投入建设的海上风电场无法为现有架构的风电功率预测系统提供低成本的机房和相应的硬件设施。
建设规模化集中式风电场远程风电功率预测中心有助于解决上述问题。风电功率预测系统是一个典型的大容量实时历史信息处理系统,其重要组成部分数值天气预报系统还是一个需要大规模高性能计算的系统,目前正在迅猛发展的云平台技术用于信息资源处理有统一化管理、合理化分配、利用率最大化、安全性高、快速部署和自服务等突出特点,云平台是目前规模化集中式风电场远程风电功率预测中心的最佳平台选择,也是发展的必然趋势。
发明内容
为了解决现有技术中存在的以上问题,本发明提出一种基于云平台的规模化集中式远程风电功率预测中心。
为了实现上述目的,本发明具体采用以下技术方案。
一种基于云平台的规模化集中式远程风电功率预测中心,其建立在企业级云计算平台6上,包括云实时历史数据库系统1、关系型数据库系统2、数值天气预报的降尺度大规模并行模式计算模块3、风电功率预测数据处理模块4、风电场管理终端5、企业级私有云平台6、人机交互接口7;其特征在于:
所述云实时历史数据库系统1接收来自风电场管理控制系统的风电场运行和风电场周边环境的实时参数,同时也存储来自风电功率预测数据处理模块4的风功率预测数据,还存储来自数值天气预报的降尺度大规模并行模式计算模块3的输出数据,即高精度数值天气预报数据;
所述关系型数据库系统2接收来自风电场数据,其接受来自风电场的管理人员的手工输入数据,其数据和云实时历史数据库1所存储数据一致,但为某个或某些时刻所漏掉的数据;还可以通过其对于预测曲线进行人工修改。其给风电功率预测数据处理模块4的数据和云实时历史数据库1提供的数据一致;
所述数值天气预报的降尺度大规模并行模式计算模块3,接受来自Internet的公开的全球数值天气预报数据,通过大规模并行的降尺度模式计算,得到能够满足风场风功率预测要求的高精度数值天气预报数据,并提供给风电功率预测数据处理模块4做进一步计算,同时还要将输出的高精度数值天气预报数据写回云实时历史数据库系统1;
所述多个风电功率预测系统数据处理模块4接收所述关系型数据库系统2的风电场运行数据和测风塔实时数据、所述云历史实时数据库系统1的风电场运行数据和测风塔实时数据,以及所述数值天气预报的降尺度大规模并行模式计算模块3输出的高精度数值天气预报数据,通过对上述数据进行处理,提供未来短期单个风电场和区域风电功率预测数据,并将预测数据存入所述云实时历史数据库1和关系型数据库中2;
所述多个风电功率预测系统数据处理模块4通过人机交互接口7与风电场管理终端5通信,上报由风电功率预测系统数据处理模块4提供的未来短期单个风电场和区域风电功率预测数据和风电功率预测曲线,以及与预测曲线相同时段的风电场预计开机容量。
所述基于云平台的规模化集中式远程风电功率中心是完全建立在企业级云计算平台之上的应用,在此企业级云平台6之中将具备并行计算集群来满足数值天气预报降尺度计算的大规模计算需求,也具备有强大的虚拟化技术来灵活快速部署多个风电场的风电功率预测的多种信息化服务,使得基于云平台的规模化集中式远程风电功率预测中心能够长期不间断地为风电场提供全套的风电功率预测服务,并在几乎不存在重复建设或浪费现有软硬件资源的情况下具备很强的风电功率预测系统扩展能力和其上的服务升级能力;
所述基于云平台的规模化集中式远程风电功率预测中心之上部署有多个风电场风电功率预测系统数据处理模块4,风电场风电功率预测系统数据处理模块包括预测计算模块和同统计分析模块,能为多个风电场提供风电功率预测数据处理服务。每个风电场的风电功率预测系统数据处理模块将根据具体需求在企业级私有云平台6中部署相应计算能力和内存大小的虚拟机供该风电功率预测系统数据处理模块使用;
预测计算模块通过从关系型数据库系统2和云历史实时数据库系统1中获取风电场相关数据信息,包括风电场运行系统的信息数据和风电场实时的环境数据,再通过预测模型将这些数据进行处理并能够定时向风电场提供风电功率预测数据,并将预测数据存入云实时历史数据库1和关系型数据库中2;
所述统计分析模块具备数据统计、相关性校验、误差统计、误差分析、考核统计等功能;
所述基于云平台的规模化集中式远程风电功率中心之上部署有多个风电场云实时历史数据库系统1和关系型数据库系统2,云实时历史数据库系统1和关系型数据库系统2都收集来自风电场的运行数据和测风塔实时监测数据,其中关系型数据库2主要是接受风电场管理人员手工录入数据,同时还包括手工对于预测曲线的修改每个风电场的云实时历史数据库系统1和关系型数据库系统2将根据具体需求在企业级私有云平台中部署相应计算能力和大小的存储资源供云实时历史数据库系统和关系型数据库系统使用;
所述数值天气预报的降尺度大规模并行模式计算模块3包括欧美公开的全球数值天气预报数据获取模块、公开的全球数值天气预报数据预处理模块、数值天气预报降尺度模式并行计算模块与数值天气预报降尺度模式计算后期处理模块;所述数值天气预报的降尺度大规模并行模式计算模块3是运行于计算集群之上,计算集群作为一个模块存在于企业级私有云平台6之上,受企业级私有云平台6管理工具统一化管理,通过来自Internet上公开的数值天气预报数据和风电场当地的气象数据作为数据输入,将并行计算集群计算后得到的能满足风电场风电功率预测需求的高精度数值天气预报数据结果存入云实时历史数据库系统1中;
所述云实时历史数据库系统1能够单向接受来自风电场管理控制系统的风电场运行和风电场周边环境的实时参数,为风电功率预测系统数据处理块4提供数据;云实时历史数据库系统1能够存储风电场运行期间所有时刻的数值天气预报数据;存储所有时刻的功率数据、测风塔数据。
所述关系型数据库系统2用于接收来自风电场管理人员手工录入的数据,以填补云实时历史数据库系统1单向接受来自风电场管理控制系统所未能提供的某个或某些时刻的风电场运行数据和测风塔未测量到的数据或者某些异常数据的修改,并与云实时历史数据库系统共同为数值天气预报的降尺度大规模并行模式计算模块3、风电场风电功率预测系统数据处理模块4提供数据服务;同时关系型数据库系统2还接受来自风电场管理人员手工对于功率预测曲线的修改;
所述风电场管理终端5即风电场用于远程连接云平台的规模化集中式远程风电功率预测中心的PC机;
所述企业级私有云平台6能够对于运行于虚拟机之上的风电功率预测数据处理模块4和完成数值天气预报的降尺度大规模并行模式计算模块3的并行计算集群和云实时历史数据库1系统、关系型数据库2系统所分配的硬件资源和应用系统全部实现统一化、自动化管理;同时,对于可能会存在故障的物理机器上部署的虚拟机的应用系统,会在故障出现之前提示进行虚拟机内应用系统的迁移提示或者进行自动化迁移,而在迁移过程中应用系统能正常对用户进行服务提供,这一切对于用户而言是完全透明的。企业级私有云平台6还具有自服务的功能,即在风电场用户正常使用基于云平台的规模化集中式远程风电功率中心的一系列风电功率预测系统的服务时,其从硬件到系统应用层的全部,包括操作系统、中间件的维护管理工作全部由基于云平台的规模化集中式远程风电功率中心进行统一管理,用户只需直接享受服务;同时,当用户有新的需求时,又能自行远程登录企业级私有云平台6,在一定的权限授权下,对应用进行配置管理;对于有硬件资源新的需求时,也能够自行从企业级私有云平台6之上进行资源的获取。
所述人机交互接口7即基于风电功率预测系统数据处理模块4的功能用于给风电场管理终端5进行远程登录时显示的展示Web页面,包括展示页面、操作页面、统计查询界面、系统运行状态监视页面和所有表格、曲线打印输出和电子表格输出的支持;同时,支持向电网调度中心至少上报次日96点风电功率预测曲线;上报一次未来超短期预测曲线;向电网调度中心上报风电功率预测曲线的同时,应上报与预测曲线相同时段的风电场预计开机容量;还应能够向电网调度中心的风电功率预测系统实时上传风电场测风塔的测风数据。
本发明具有如下的突出的有益效果:
1、该发明属于国内最早将云平台技术应用于新能源领域的案例之一,基于云平台的规模化集中式远程风电功率预测中心能集中实现一个风力发电公司乃至一个发电集团所有风电场的风电功率预测系统功能。
2、该发明通过建立在云计算平台之上的高性能计算集群的强大计算能力,能将几乎覆盖全国范围的数值天气预报预报的降尺度计算任务提交给此高性能计算集群,从而为将来不断增加的风电场提供长期服务,并能够利用集中式的计算服务方式,结合将来可能产生的风电场区域化特性,来避免重复计算,节省宝贵的计算资源。
3、该发明通过规模化集中式的远程方式,彻底解决了风电场地处偏远,高级专业技术人员很难长时间坚守的难题。
4、该发明通过企业级云计算平台,实现了从硬件资源、中间件到应用软件的企业级私有云平台统一管理,其云计算平台的先天特性,能避免现有风电功率预测系统的硬件利用率不高的问题,实现硬件资源的最大化利用和灵活快速的资源扩展能力和应用的快速部署能力。
5、该发明通过云计算平台的在线迁移和自服务的特性,能够大大提高系统应用的可用性和管理效率,在新应用上线阶段实现突破性的快速高效率,在后期维护阶段又能大大减少维护成本。
附图说明
图1基于云平台的规模化集中式远程风电功率预测中心结构图;
图2基于云平台的规模化集中式远程风电功率预测中心的云架构实施图;
图中标号名称为:1云实时历史数据库系统;2关系型数据库系统;3数值天气预报的降尺度大规模并行模式计算模块;4风电功率预测系统数据处理块;5风电场管理终端;6企业级私有云平台;人机交互接口7。
具体实施方式
如图1所示,一种基于云平台的规模化集中式远程风电功率预测中心,所述基于云平台的规模化集中式远程风电功率预测中心建立在企业级私有云平台6上,包括云实时历史数据库系统1、关系型数据库系统2、数值天气预报的降尺度大规模并行模式计算模块3、风电功率预测数据处理模块4、风电场管理终端5、人机交互接口7。
云实时历史数据库系统1能够接受来自风电场的风机信息(SCADA系统数据),其中包括风电场实时功率数据和风机实时运行数据。风机实时运行数据又包括风机当前运行状态、风速、风向、偏航状态、实时功率等。云实时历史数据库系统1还能够接受实时周边环境信息(风电场实时测风塔数据信息),如温度、风速、风向、湿度、气压等,并存入云实时历史数据库系统1中。其风电场的实时测风塔信息会提供给数值天气预报的降尺度大规模并行模式计算模块3,用于计算高精度的数值天气预报数据;而风电场的风机信息会提供给风电功率预测系统数据处理块4,用于对风电场功率输出的预测计算。云实时历史数据库系统1能够存储风电场运行期间所有时刻的数值天气预报数据;存储所有时刻的功率数据、测风塔数据,并将其转化为15min平均数据;存储每次执行的短期风电功率预测的所有预测结果;存储每15min滚动执行的超短期风电功率预测的所有预测结果,所有数据至少保存10年。针对每个风电场都会在基于企业级私有云平台6的规模化集中式远程风电功率预测中心上部署云实时历史数据库系统1,其部署存在于企业级私有云平台6的虚拟机之中和企业级私有云平台6网络存储设备之上。
关系型数据库系统2用于接收来自风电场数据,以手工输入的方式将数据存入关系型数据库系统中2,并与云实时历史数据库系统共同为数值天气预报的降尺度大规模并行模式计算模块、风电功率预测系统数据处理块4和人机交互接口提供数据服务。其手工输入的数据主要是风电场SCADA系统未能提供的某个或某些时刻的风电场风机信息、包括风电场实时功率数据和风机实时运行数据。风机实时运行数据又包括风机当前运行状态、风速、风向、偏航状态、实时功率等,也可以是对异常的数据修改或者对于预测曲线的修改。其部署存在于企业级私有云平台6的虚拟机之中。
数值天气预报的降尺度大规模并行模式计算模块3接受来自Internet的全球数值天气预报数据,对其进行降尺度大规模并行计算,得到高精度的数值天气预报信息,并将其存入云实时历史数据库中1,同时将所述高精度的数值天气预报信息输出至风电功率预测系统数据处理块4中;数值天气预报的降尺度大规模并行模式计算模块的部署如图2所示,其部署于基于云平台的规模化集中式远程风电功率预测中心的并行计算集群之上,由多台机器共同完成并行计算任务;计算集群作为一个模块存在于企业级私有云平台6之上,受企业级私有云平台6管理工具统一化管理。
风电功率预测系统数据处理块4能够通过云实时历史数据库系统1、关系型数据库系统2中的风电场数据和数值天气预报的降尺度大规模并行模式计算模块3输出的高精度的数值天气预报信息,再对这些数据进行处理并能够每15min提供一次未来4h超短期单个风电场和区域风电功率预测数据,且时间分辨率不小于15min,也能提供未来24~72h短期单个风电场和区域风电功率预测数据,并将预测数据存入云实时历史数据库系统1和关系型数据库系统2中。其统计分析模块能够通过云实时历史数据库系统1和关系型数据库系统2进行数据统计、相关性校验、误差统计、误差分析与考核统计。风电功率预测系统数据处理模块的部署如图2所示,其部署于基于企业级私有云平台6的规模化集中式远程风电功率预测中心的虚拟机中,其虚拟机和虚拟机之上的全部应用接受基于企业级私有云平台6的规模化集中式远程风电功率预测中心的统一化管理和监控。
风电场管理终端5即风电场的普通PC机,通过Internet方式,经过身份验证后登录企业级私有云平台6的远程风电功率预测中心,通过人机交互接口7以网页的方式即可享受到由风电功率预测系统数据处理块4提供的多种风电功率预测的服务,包括对风电场实时出力监测,以地图的形式显示各风电场的分布,地图页面应显示风电场的实时功率及预测功率,多个风电场出力的同步监视,人机交互接口7可同时显示系统预测曲线、实际功率曲线及预测误差带,不同时刻预测结果的同步显示,数值天气预报数据与测风塔数据、实际功率与预测功率的对比,提供图形、表格等多种可视化手段;时间序列图、风向玫瑰图、风廓线以及气温、气压、湿度变化曲线等气象图表,对测风塔数据和数值天气预报数据进行展示;预测曲线的人工修改;开机容量设置、调度限电设置及查询;系统用户添加和管理功能,支持用户级别和权限设置,包括至少系统管理员、运行搡作人员、浏览用户等不同级别的用户权限;风电场基本信息的查询,风电场基本信息应包括装机容量、风电机组类型、风电机组台数、接入变电站名称、接入电压等级以及开发商等;多预测结果的误差统计,提供表格、曲线、直方图等多种展示手段;系统运行状态监视页面,实时显示系统运行状态;所有的表格、曲线同时打印输出和电子表格输出。同时,所有的交互数据采用非对称的MD5加密方式传输在Internet之上。其上所有的网络页面的显示均由风电场管理终端5输出呈现给风电场管理人员。
企业级私有云平台6能够为规模化集中式远程风电功率预测中心完成统一化安全部署,为多个风电场提供可扩展的硬件基础设施服务,中间件服务和软件应用服务。对于新建设部署的风电场,能够远程实现应用的快速部署;对于上线后的应用,有高效的企业级私有云平台6自动化管理工具进行从硬件、操作系统、中间件到应用系统的统一化管理。对于企业级私有云平台6之中的高性能计算集群,也存在高性能、高可靠性、灵活伸缩的自动化管理工具实现自动化的任务提交和监控,为数值天气预报的降尺度大规模并行模式计算模块提供计算能力、安全性高效和高可用性保障。企业级私有云平台6内的虚拟化监视器具有在线迁移特性,即实现硬件的检测,在硬件可能出现故障之前就提示进行应用的迁移,可以迁移到其他虚拟机或者物理机上,也可以通过配置完成自动化的迁移,并且在迁移过程中应用能够正常位用户提供服务。企业级私有云平台6能够实现自服务的功能,即在风电场用户正常使用基于云平台的规模化集中式远程风电功率中心的一系列风电功率预测系统的服务时,其从硬件到系统应用层的全部,包括操作系统、中间件的维护管理工作全部由基于云平台的规模化集中式远程风电功率中心进行统一管理,用户只需直接享受服务;同时,当用户有新的需求时,又能自行远程登录企业级私有云平台6,在一定的权限授权下,对应用进行配置管理;对于有硬件资源新的需求时,也能够自行从企业级私有云平台6之上进行资源的获取。
这里以本发明的实施例为中心展开了详细的说明,所描述的优选方式或某些特性的具体体现,应当理解为本说明书仅仅是通过给出实施例的方式来描述本发明,实际上在组成、构造和使用的某些细节上会有所变化,包括部件的组合和组配,这些变形和应用都应该属于本发明的范围内。
Claims (2)
1.一种基于云平台的规模化集中式远程风电功率预测中心,其建立在企业级云计算平台(6)上,包括云实时历史数据库系统(1)、关系型数据库系统(2)、数值天气预报的降尺度大规模并行模式计算模块(3)、多个风电功率预测系统数据处理模块(4)、风电场管理终端(5)、人机交互接口(7);其特征在于:
所述云实时历史数据库系统(1)接收来自风电场管理控制系统的风电场风机运行和风电场周边环境的实时参数,云实时历史数据库系统(1)向风电功率预测数据处理模块(4)提供风电场风机运行数据和风电场测风塔实时测量数据;
所述关系型数据库系统(2)接收风电场操作人员的手工录入的风电场运行数据,和手工修改功率预测曲线,能为风电功率预测数据处理模块(4)提供历史预测统计信息和进行功率预测计算时缺省的风电场的运行数据;
所述数值天气预报的降尺度大规模并行模式计算模块(3)接收来自Internet的公开全球数值天气预报数据,和当地的实时气象监测数据,对所述数值天气预报数据进行降尺度大规模并行计算,即在并行计算机集群进行数值天气预报的降尺度模式计算,得到高精度的数值天气预报信息,并将其存入云实时历史数据库中(1)中,同时将所述数值天气预报信息输出至所述多个风电功率预测系统数据处理模块(4)中;
所述多个风电功率预测系统数据处理模块(4)接收所述关系型数据库系统(2)的手工录入风电场的运行数据、所述云历史实时数据库系统(1)的风电场风机运行数据和测风塔实时测量数据、以及所述数值天气预报的降尺度大规模并行模式计算模块(3)输出的能满足预测需求的高精度的数值天气预报数据,通过对上述数据进行处理,提供未来短期单个风电场和区域风电功率预测数据,并将预测数据存入所述云实时历史数据库(1)和关系型数据库中(2);
所述多个风电功率预测系统数据处理模块(4)通过人机交互接口(7)与风电场管理终端(5)通信,上报在企业级私有云平台(6)之中的风电功率预测系统数据处理模块(4)中计算产生的未来短期单个风电场和区域风电功率预测数据和风电功率预测曲线,以及与预测曲线相同时段的风电场预计开机容量。
2.根据权利要求1所述的基于云平台的规模化集中式远程风电功率预测中心,其特征在于:
所述企业级私有云平台(6)能够对多个风电功率预测系统数据处理模块(4)和数值天气预报的降尺度大规模并行模式计算模块(3)的并行计算集群和云实时历史数据库系统(1)、关系型数据库系统(2)所分配的硬件资源和应用系统全部实现统一化、自动化管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210069404.7A CN102609791B (zh) | 2012-03-15 | 2012-03-15 | 基于云平台的规模化集中式远程风电功率预测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210069404.7A CN102609791B (zh) | 2012-03-15 | 2012-03-15 | 基于云平台的规模化集中式远程风电功率预测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102609791A true CN102609791A (zh) | 2012-07-25 |
CN102609791B CN102609791B (zh) | 2015-09-23 |
Family
ID=46527145
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210069404.7A Active CN102609791B (zh) | 2012-03-15 | 2012-03-15 | 基于云平台的规模化集中式远程风电功率预测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102609791B (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103353952A (zh) * | 2013-05-31 | 2013-10-16 | 国家电网公司 | 一种基于地基云图的光伏功率预测方法 |
CN103383751A (zh) * | 2013-05-29 | 2013-11-06 | 国家电网公司 | 一种基于云仿真平台的在线预警分析系统 |
CN103401699A (zh) * | 2013-07-18 | 2013-11-20 | 深圳先进技术研究院 | 一种云数据中心安全监控预警系统及方法 |
CN103440531A (zh) * | 2013-08-16 | 2013-12-11 | 国家电网公司 | 计及风电场风机运行状态的风电场短期风电功率预测系统 |
CN104010043A (zh) * | 2014-06-12 | 2014-08-27 | 中国气象科学研究院 | 数值模拟自动化运行的远程监控方法及系统 |
CN104239973A (zh) * | 2014-09-05 | 2014-12-24 | 南京达沙信息科技有限公司 | 基于风浪预测的海上风电施工维护窗区的选择方法 |
CN105005861A (zh) * | 2015-07-17 | 2015-10-28 | 中国能源建设集团广东省电力设计研究院有限公司 | 海上风电场运营调控系统 |
CN105553699A (zh) * | 2015-12-09 | 2016-05-04 | 东北大学 | 从数据处理角度构建的风电机组状态监控私有云系统及方法 |
CN105721561A (zh) * | 2016-01-28 | 2016-06-29 | 华北电力大学(保定) | 一种基于云平台的风机故障数据中心 |
CN105863961A (zh) * | 2016-05-19 | 2016-08-17 | 沈阳工程学院 | 一种基于云计算的最大风能捕获系统 |
CN106849067A (zh) * | 2017-03-10 | 2017-06-13 | 南京信息工程大学 | 适用于多风场的组合式风电功率预测系统 |
CN107045548A (zh) * | 2017-04-13 | 2017-08-15 | 南京南瑞继保电气有限公司 | 一种计算风电能量利用率的系统及方法 |
CN107871177A (zh) * | 2016-09-28 | 2018-04-03 | 南京南瑞继保电气有限公司 | 一种新能源功率预测集中式架构及其实现方法 |
CN108763503A (zh) * | 2018-05-30 | 2018-11-06 | 郑州云海信息技术有限公司 | 一种基于企业私有云的知识库管理系统及方法 |
CN110431550A (zh) * | 2017-04-05 | 2019-11-08 | 谷歌有限责任公司 | 可视叶页面识别和处理 |
CN110580549A (zh) * | 2019-09-02 | 2019-12-17 | 山东大学 | 一种考虑天气的区域短期能源功率预测方法及系统 |
CN111160653A (zh) * | 2019-12-31 | 2020-05-15 | 国网内蒙古东部电力有限公司经济技术研究院 | 基于云计算的分布式储能系统风电消纳能力监测方法 |
CN111612219A (zh) * | 2020-04-24 | 2020-09-01 | 明阳智慧能源集团股份公司 | 一种风力发电预测系统 |
CN112200376A (zh) * | 2020-10-16 | 2021-01-08 | 国能日新科技股份有限公司 | 新能源风电场中长期发电量预测系统及预测方法 |
CN112507619A (zh) * | 2020-12-09 | 2021-03-16 | 国网湖南省电力有限公司 | 基于云计算的集中式风功率预测方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005134243A (ja) * | 2003-10-30 | 2005-05-26 | Toshiba Corp | 気象予測システム及び電力需要予測システムと気象予測方法及び電力需要予測方法 |
CN201910620U (zh) * | 2010-11-18 | 2011-07-27 | 中国电力科学研究院 | 风电功率预测系统 |
CN201928022U (zh) * | 2010-11-24 | 2011-08-10 | 西北电网有限公司 | 风电功率预测系统 |
CN102254101A (zh) * | 2011-07-15 | 2011-11-23 | 广东电网公司电力科学研究院 | 一种电网系统的智能云分析系统及其数据分析方法 |
-
2012
- 2012-03-15 CN CN201210069404.7A patent/CN102609791B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005134243A (ja) * | 2003-10-30 | 2005-05-26 | Toshiba Corp | 気象予測システム及び電力需要予測システムと気象予測方法及び電力需要予測方法 |
CN201910620U (zh) * | 2010-11-18 | 2011-07-27 | 中国电力科学研究院 | 风电功率预测系统 |
CN201928022U (zh) * | 2010-11-24 | 2011-08-10 | 西北电网有限公司 | 风电功率预测系统 |
CN102254101A (zh) * | 2011-07-15 | 2011-11-23 | 广东电网公司电力科学研究院 | 一种电网系统的智能云分析系统及其数据分析方法 |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103383751A (zh) * | 2013-05-29 | 2013-11-06 | 国家电网公司 | 一种基于云仿真平台的在线预警分析系统 |
WO2014190703A1 (zh) * | 2013-05-29 | 2014-12-04 | 国家电网公司 | 一种基于云仿真平台的在线预警分析系统 |
CN103353952B (zh) * | 2013-05-31 | 2016-08-10 | 国家电网公司 | 一种基于地基云图的光伏功率预测方法 |
CN103353952A (zh) * | 2013-05-31 | 2013-10-16 | 国家电网公司 | 一种基于地基云图的光伏功率预测方法 |
CN103401699A (zh) * | 2013-07-18 | 2013-11-20 | 深圳先进技术研究院 | 一种云数据中心安全监控预警系统及方法 |
CN103440531A (zh) * | 2013-08-16 | 2013-12-11 | 国家电网公司 | 计及风电场风机运行状态的风电场短期风电功率预测系统 |
CN104010043A (zh) * | 2014-06-12 | 2014-08-27 | 中国气象科学研究院 | 数值模拟自动化运行的远程监控方法及系统 |
CN104010043B (zh) * | 2014-06-12 | 2017-10-10 | 中国气象科学研究院 | 数值模拟自动化运行的远程监控方法及系统 |
CN104239973A (zh) * | 2014-09-05 | 2014-12-24 | 南京达沙信息科技有限公司 | 基于风浪预测的海上风电施工维护窗区的选择方法 |
CN105005861A (zh) * | 2015-07-17 | 2015-10-28 | 中国能源建设集团广东省电力设计研究院有限公司 | 海上风电场运营调控系统 |
CN105005861B (zh) * | 2015-07-17 | 2018-07-24 | 中国能源建设集团广东省电力设计研究院有限公司 | 海上风电场运营调控系统 |
CN105553699B (zh) * | 2015-12-09 | 2019-02-15 | 东北大学 | 从数据处理角度构建的风电机组状态监控私有云系统及方法 |
CN105553699A (zh) * | 2015-12-09 | 2016-05-04 | 东北大学 | 从数据处理角度构建的风电机组状态监控私有云系统及方法 |
CN105721561A (zh) * | 2016-01-28 | 2016-06-29 | 华北电力大学(保定) | 一种基于云平台的风机故障数据中心 |
CN105863961A (zh) * | 2016-05-19 | 2016-08-17 | 沈阳工程学院 | 一种基于云计算的最大风能捕获系统 |
CN107871177A (zh) * | 2016-09-28 | 2018-04-03 | 南京南瑞继保电气有限公司 | 一种新能源功率预测集中式架构及其实现方法 |
CN106849067A (zh) * | 2017-03-10 | 2017-06-13 | 南京信息工程大学 | 适用于多风场的组合式风电功率预测系统 |
CN110431550B (zh) * | 2017-04-05 | 2023-10-10 | 谷歌有限责任公司 | 用于识别可视叶页面的方法和系统 |
CN110431550A (zh) * | 2017-04-05 | 2019-11-08 | 谷歌有限责任公司 | 可视叶页面识别和处理 |
CN107045548A (zh) * | 2017-04-13 | 2017-08-15 | 南京南瑞继保电气有限公司 | 一种计算风电能量利用率的系统及方法 |
CN107045548B (zh) * | 2017-04-13 | 2021-02-09 | 南京南瑞继保电气有限公司 | 一种计算风电能量利用率的系统及方法 |
CN108763503A (zh) * | 2018-05-30 | 2018-11-06 | 郑州云海信息技术有限公司 | 一种基于企业私有云的知识库管理系统及方法 |
CN110580549B (zh) * | 2019-09-02 | 2020-06-02 | 山东大学 | 一种考虑天气的区域短期能源功率预测方法及系统 |
CN110580549A (zh) * | 2019-09-02 | 2019-12-17 | 山东大学 | 一种考虑天气的区域短期能源功率预测方法及系统 |
CN111160653A (zh) * | 2019-12-31 | 2020-05-15 | 国网内蒙古东部电力有限公司经济技术研究院 | 基于云计算的分布式储能系统风电消纳能力监测方法 |
CN111160653B (zh) * | 2019-12-31 | 2023-06-27 | 国网内蒙古东部电力有限公司经济技术研究院 | 基于云计算的分布式储能系统风电消纳能力监测方法 |
CN111612219A (zh) * | 2020-04-24 | 2020-09-01 | 明阳智慧能源集团股份公司 | 一种风力发电预测系统 |
CN112200376A (zh) * | 2020-10-16 | 2021-01-08 | 国能日新科技股份有限公司 | 新能源风电场中长期发电量预测系统及预测方法 |
CN112507619A (zh) * | 2020-12-09 | 2021-03-16 | 国网湖南省电力有限公司 | 基于云计算的集中式风功率预测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN102609791B (zh) | 2015-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102609791B (zh) | 基于云平台的规模化集中式远程风电功率预测系统 | |
CN102736593B (zh) | 一种风电场群远程管控一体化平台系统 | |
CN102518553B (zh) | 一种用于风电场群的远程实时监控系统 | |
CN101858312B (zh) | 风力发电机组实时运行状态评估系统及评估方法 | |
CN204633816U (zh) | 一种分布式光伏发电监控运维平台 | |
CN201813161U (zh) | 一种风电功率预测系统 | |
CN107330056B (zh) | 基于大数据云计算平台的风电场scada系统及其运行方法 | |
CN103516051B (zh) | 风电场集中监控系统平台 | |
CN205945246U (zh) | 一种智能微电网电能管理系统 | |
CN103577901A (zh) | 潮间带风电接入电网的方法 | |
CN102562451B (zh) | 一种千万千瓦级大型风电场实时监测系统 | |
CN201413997Y (zh) | 风电功率预测系统 | |
CN201928022U (zh) | 风电功率预测系统 | |
CN104537450A (zh) | 一种分布式光伏发电系统的功率预测系统 | |
Göransson et al. | Large scale integration of wind power: moderating thermal power plant cycling | |
CN114861539A (zh) | 一种5g城市综合能源互联网数字孪生系统建模与实现方法 | |
CN102338835B (zh) | 一种电能质量动态监测系统 | |
CN103793855A (zh) | 区域电网实时电力供需平衡指数的构建方法 | |
CN206460509U (zh) | 光伏发电功率预测系统 | |
CN106485603A (zh) | 一种应用于风力发电的短期风速预测方法 | |
Cai et al. | Electric power big data and its applications | |
CN107748943A (zh) | 一种基于云计算的电网电力负荷管理预测方法 | |
CN107153892A (zh) | 分布式风光一体化发电功率预测系统 | |
CN202711016U (zh) | 一种风电场群远程管控一体化平台 | |
CN105069520A (zh) | 一种风力发电功率预测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address |
Address after: 101303 2nd floor, building 307, Guodian New Energy Institute, 9 Yingcai North 2nd Street, future science and Technology City, Changping District, Beijing Patentee after: Guoneng xinkong Internet Technology Co.,Ltd. Address before: Building 1, yard 16, West Fourth Ring Middle Road, Haidian District, Beijing 100039 Patentee before: BEIJING HUADIAN TIANREN ELECTRIC POWER CONTROL TECHNOLOGY Co.,Ltd. |
|
CP03 | Change of name, title or address |