CN105162414B - 一种基于时序数据库平台的光伏电站功率预测系统 - Google Patents
一种基于时序数据库平台的光伏电站功率预测系统 Download PDFInfo
- Publication number
- CN105162414B CN105162414B CN201510649270.XA CN201510649270A CN105162414B CN 105162414 B CN105162414 B CN 105162414B CN 201510649270 A CN201510649270 A CN 201510649270A CN 105162414 B CN105162414 B CN 105162414B
- Authority
- CN
- China
- Prior art keywords
- data
- module
- power
- weather forecast
- server
- 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.)
- Active
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Abstract
本发明涉及一种基于时序数据库平台的光伏电站功率预测系统,包括通讯模块、天气预报下载传输模块、功率预测模块和时序数据库平台,时序数据库平台包括scada服务器、数据访问存储接口、共享内存、数据收发器和历史数据库服务器,数据访问存储接口、共享内存、数据收发器和历史数据库服务器依次连接并双向通讯,scada服务器与数据访问存储接口连接,通讯模块和功率预测模块与所述数据访问存储接口双向通讯。本发明解决了大规模数值天气预报和光伏电站实时数据的采集、存取以及预测结果的上传问题,整个系统的处理性能和容量可以平滑升级,数据处理性能高,二次开发接口简单、易用,支持多用户、多线程、多连接访问。
Description
技术领域
本发明涉及光伏发电技术领域,具体是一种基于时序数据库平台的光伏电站功率预测系统。
背景技术
近年来,在国家可再生能源法和节能减排政策的引导和激励下,新能源发电得到迅猛发展,尤其是光伏发电装机容量跃至世界首位。由于光伏发电具有波动性和间歇性的特性,大规模的光伏电站并入对电网系统的安全、稳定、经济运行造成了重大的影响。因此,对光伏电站配置功率预测系统,有助于电力系统调度中心统筹安排常规火电站和光伏电站的协调配合,及时调整调度计划,合理安排电网运行方式,提高电网运行的安全性和稳定性获得更大的经济效益和社会效益。
时序数据库(实时历史数据库)是指数据和事务都有定时特性或定时限制的数据库,其主要功能是对海量数据进行采集、处理、存储、计算查询和统计等。实时历史数据库因采用专门的数据模型、数据存储和简单的访问接口,并能够针对历史数据库的特点进行数据压缩,能够显著减少历史数据存储空间的占用,开发的人员通过其系统提供的接口,实现对大容量、高频率海量数据的存取,展示和分析。传统光伏电站的预测系统大多数基于B/S架构实现,直接与商业库打交道,没有一个高效、快速的数据存储、处理平台,使用的实时数据就不能保证其正确性,实时性,另外,预测结果也不能实时更新显示。
发明内容
针对现有技术的不足,本发明提供了一种基于时序数据库平台的光伏电站功率预测系统,以提高数据采集和数据存取的速度、保证数据传输的实时性并实时的对光伏电站功率进行预测。
为了实现上述目的,本发明提供的基于时序数据库平台的光伏电站功率预测系统,其特征在于,包括通讯模块、天气预报下载传输模块、功率预测模块和时序数据库平台,时序数据库平台包括scada服务器、数据访问存储接口、共享内存、数据收发器和历史数据库服务器,数据访问存储接口、共享内存、数据收发器和历史数据库服务器依次连接并双向通讯,scada服务器与数据访问存储接口连接,通讯模块和功率预测模块与所述数据访问存储接口双向通讯,通讯模块采集来自环境监测仪的实时环境数据、光伏电站综自系统的场站实发功率数据,并把接收来自数据访问存储接口的功率预测结果及天气预报信息发送给调度中心,天气预报下载传输模块通过Internet网与天气预报中心连接并下载天气预报文件,通过scada服务器把天气预报文件发送给数据访问存储接口,功率预测模块通过建立模型对光伏电站功率进行预测,并把功率预测结果发送给数据访问存储接口,来自通讯模块、scada服务器和功率预测模块的数据依次通过数据访问存储接口、共享内存和数据收发器发送给历史数据库服务器存储,历史数据库服务器存储的数据依次通过数据收发器、共享内存和数据访问存储接口发送给通讯模块和功率预测模块。
本发明提供的基于时序数据库平台的光伏电站功率预测系统,对光伏电站的实时数据进行采集、处理、存储,并自动下载、解析天气预报中心的数值天气预报,进行光伏电站实发功率的短期/超短期预测,并将预测结果及天气预报信息按时送到调度中心,通过高速的时序数据库保证系统数据的实时性与正确性,解决了大规模数值天气预报和光伏电站实时数据的采集、存取以及预测结果的上传问题。系统采用分布式系统架构,在进行历史数据访问时不用考虑数据库的物理位置,整个系统的处理性能和容量可以平滑升级。数据处理性能高,可快速操作数据点在十万点以上,数据提交吞吐量达每秒百万事件以上。二次开发接口简单、易用,支持多用户、多线程、多连接访问。同时支持有损压缩和无损压缩,可以在有损压缩和无损压缩之间平滑过渡,同等条件下,具有更高的压缩率,数据压缩最大可达到10倍。
进一步地,还包括数据展示模块,数据展示模块与所述数据访问存储接口通讯,从所述数据访问存储接口接收数据并对数据进行展示。用户可以通过数据展示模块随时查看、导出存储在数据库里的实时、历史数据和预测结果,可以使光伏电站的预测系统效率大大提高。
进一步地,所述通讯模块包括规约接入装置,规约接入装置与环境监测仪、综自系统和调度中心连接,支持101/102/103/104/modbus/ftp常用规约接入与转出功能。通讯模块具有多规约转换功能,可以连接不同厂家的环境监测仪及综自系统,可以通过规约与ftp文件方式上传调度中心预测结果。
进一步地,在系统正常下载天气预报文件时,所述功率预测模块采用基于天气预报的神经网络模型算法进行功率预测,在天气预报文件下载不成功时,切换至时间序列算法进行功率预测,所述神经网络模型算法使用历史实数据,建立神经网络模型光伏预测功率模型,将所述实时环境数据、天气预报文件作为输入,得出光伏电站的功率预测结果,所述时间序列算法先建立光伏功率预测的ARMA模型,模型建立之后,通过检验变量的自相关函数以及偏相关函数确定模型的阶次,而模型参数的确定采用的是最小二乘法。功率预测模块采用先建模再预测的方式,并能根据预测的结果自动调整预测模型,使得系统预测准确度更高。用基于天气预报的神经网络模型和时间序列模型相结合的模式进行预测,可以避免下载天气预报不成功不能进行功率预测,大大提高了系统的可靠性。具有预测时间可以灵活配置功能,得出未来(1-n)天的预测结果。(n为未来天气预报数据天数,n≥1)。
附图说明
图1是本发明基于时序数据库平台的光伏电站功率预测系统的结构示意图。
下面结合附图对本发明做进一步的详细说明。
具体实施方式
参见图1,基于时序数据库平台的光伏电站功率预测系统包括通讯模块、天气预报下载传输模块、数据统计模块、功率预测模块、数据展示模块和时序数据库平台。时序数据库平台包括scada服务器、数据访问存储接口、共享内存、数据收发器、数据缓存模块和历史数据库服务器,数据访问存储接口、共享内存、数据收发器、数据缓存模块和历史数据库服务器依次连接并双向通讯。
通讯模块包括规约接入装置,与环境监测仪、综自系统、调度中心连接,采集来自环境监测仪的实时环境数据、光伏电站综自系统的场站实发功率数据,向调度中心上传数据。规约接入装置支持101/102/103/104/modbus/ftp等常用规约接入与转出功能,可以与不同厂家的环境监测仪及综自系统通讯,也可以上传文件到使用不同规约的调度中心。通讯模块采集来自环境监测仪的实时环境数据主要包括总辐照度、直射辐照度、散射辐照度、温度、湿度等环境数据。通讯模块与时序数据库平台的数据访问存储接口双向通讯,通讯模块把接收来自数据访问存储接口的数据上传给调度中心,上传调度中心的数据主要包括功率预测结果(包括短期预测结果、超短期预测结果)、天气预报信息、限电信息等。
天气预报下载传输模块包括天气预报下载服务器和反向隔离装置,天气预报下载服务器通过Internet网与天气预报中心连接,将天气预报文件下载到本地,反向隔离装置与时序数据库平台的scada服务器连接,将已下载的天气预报文件传送给scada服务器,通过scada服务器把天气预报文件发送给时序数据库平台的数据访问存储接口。本发明通过反向隔离装置将发电II区的scada服务器与天气预报中心的天气预报服务器进行了隔离,保证了电网系统的安全。
功率预测模块与时序数据库平台的数据访问存储接口双向通讯,从数据访问存储接口接收实时环境数据、场站实发功率数据、天气预报文件等数据,通过建立模型对光伏电站功率进行预测,并把功率预测结果发送给数据访问存储接口。功率预测模块是系统的核心模块,功率预测包括功率短期预测与超短期预测。功率预测算法采用基于天气预报的神经网络模型算法和时间序列算法相结合的算法,系统正常下载天气预报文件时,功率预测模块采用基于天气预报的神经网络模型算法进行功率预测,如果天气预报下载不成功,切换至时间序列算法进行功率预测。
神经网络模型算法使用历史实数据,建立神经网络模型光伏预测功率模型,将实时环境数据、天气预报文件作为输入,得出光伏电站的短期/超短期功率预测结果。神经网络模型算法是经典的数学统计算法,使用此算法预测光伏电站功率具有速度快、预测模型一般较简单的特点。
基于天气预报的神经网络模型算法虽然易于实现准确度较高,但是高度依赖于天气预报文件的成功下载,因此将时间序列预测算法作为补充,本发明使用的是回归滑动平均(ARMA)模型。由于ARMA模型能够描述线性的动态过程,但它仅适用于零均值的平稳随机序列。辐照度及功率的时间序列具有非平稳随机序列的特点,因此,建立光伏功率预测的ARMA模型时首先需进行数据时间序列增加趋势性及周期性的非平稳化处理。模型建立之后,通过检验变量的自相关函数以及偏相关函数确定模型的阶次,而模型参数的确定采用的是最小二乘法。
功率预测模块采用先建模再预测的方式,并能根据预测的结果自动调整预测模型,使得系统预测准确度更高。用基于天气预报的神经网络模型和时间序列模型相结合的模式进行预测,可以避免下载天气预报不成功不能进行功率预测,大大提高了系统的可靠性。具有预测时间可以灵活配置功能,得出未来(1-n)天的预测结果。(n为未来天气预报数据天数,n≥1)。
数据展示模块与时序数据库平台的数据访问存储接口双向通讯,主要用于定时将存储在时序数据库平台里的用户所关心的数据与监测结果通过饼图、柱图、曲线、报表等形式展示出来,可采用工作站或液晶显示器进行显示。用户可以通过数据展示模块随时查看、导出存储在时序数据库平台里的实时、历史数据和预测结果,可以使光伏电站的预测系统效率大大提高。数据展示模块具有丰富的图表,曲线和报表展示功能,方便用户直观的浏览实时数据和历史数据,并允许用户自定义各类报表和数据统计、分析。
数据统计模块与时序数据库平台的数据访问存储接口双向通讯,用于对功率预测结果进行统计计算,主要包括预测结果的日/月/年上报率、合格率等,预测精度的日/月/年平均绝对误差、均方差误差等。数据统计模块从数据访问存储接口接收功率预测结果,进行统计计算后,统计结果返回数据访问存储接口,在历史数据库服务器中存储,再由数据访问存储接口发送给数据展示模块展示,或发送给通讯模块,由通讯模块上传给调度中心。
时序数据库平台包括scada服务器、数据访问存储接口、共享内存、数据收发器、数据缓存模块和历史数据库服务器,数据缓存模块包括数据缓存模块1和数据缓存模块2,历史数据库服务器包括历史数据库服务器1和历史数据库服务器2。scada服务器与数据访问存储接口连接,数据访问存储接口、共享内存、数据收发器依次连接并双向通讯,数据收发器通过数据缓存模块1与历史数据库服务器1连接并双向通讯,数据收发器通过数据缓存模块2与历史数据库服务器2连接并双向通讯。共享内存是连接数据访问存储接口与数据收发器的中介,数据缓存模块1通过数据处理线程1与历史数据库服务器1连接,数据缓存模块2通过数据处理线程2与历史数据库服务器2连接。数据访问存储接口为通讯模块、scada服务器、数据统计模块、功率预测模块和数据展示模块提供实时数据访问接口,来自通讯模块、scada服务器、数据统计模块、功率预测模块和数据展示模块的数据依次通过数据访问存储接口、共享内存、数据收发器和数据缓存模块发送给历史数据库服务器存储,通讯模块、scada服务器、数据统计模块、功率预测模块和数据展示模块调用历史数据库服务器存储的数据,依次通过数据缓存模块、数据收发器、共享内存和数据访问存储接口发送给调用的模块。
时序数据库平台是系统的核心,主要负责保证数据的实时性,以及数据的快速存取。本发明提供数据服务时采用客户端和服务器端(C/S)的系统结构,时序数据库平台的数据访问分为客户端和服务器,支持两台或两台以上服务器及客户端同时运行,同时支持两台或多台服务器实现数据的冗余备份,一般情况下采用双服务器的配置方式。在本实施例中,客户端包括通讯模块、scada服务器、数据统计模块、功率预测模块和数据展示模块,服务器包括历史数据库服务器1和历史数据库服务器2。
每个客户端同时向系统中的两台(或多台)服务器发送数据,为每个服务器端保留一个缓冲区,可以提高数据的访问速度,并且当网络中断或相应的服务器停止时,可以将应提交的数据保存在本地缓存中,等故障恢复后继续发送。客户端只需知道服务器的地址和端口号,即可与服务器建立连接并进行数据查询和提交,无需关心数据的缓存、重发等底层细节。客户端子系统负责提供应用接口,数据过滤,数据缓存转发功能的实现。应通过接口提交的数据首先经过数据过滤,过滤之后被存入缓存中等待被发送,如果网络或服务器故障,则数据会被缓存在本地,待故障恢复后再发往服务器端。服务器端子系统负责数据压缩、解压缩;数据存储;数据检索;线程管理;测点管理功能的实现。服务器端接收到客户端发送来的历史数据后,交给数据缓存模块,存入内存。数据缓存模块在缓存满或达到一定时间要求后调用数据处理模块压缩数据,将压缩后的数据通过数据存取模块存入历史数据库服务器。
本发明能够对光伏电站的实时数据进行采集、处理、存储,并自动下载、解析天气预报中心的数值天气预报,进行光伏电站实发功率的短期/超短期预测,并将预测结果及天气预报信息按时送到调度中心,通过高速的时序数据库保证系统数据的实时性与正确性,解决了大规模数值天气预报和光伏电站实时数据的采集、存取以及预测结果的上传问题。系统采用分布式系统架构,在进行历史数据访问时不用考虑数据库的物理位置,整个系统的处理性能和容量可以平滑升级。数据处理性能高,可快速操作数据点在十万点以上,数据提交吞吐量达每秒百万事件以上。二次开发接口简单、易用,支持多用户、多线程、多连接访问。同时支持有损压缩和无损压缩,可以在有损压缩和无损压缩之间平滑过渡,同等条件下,具有更高的压缩率,数据压缩最大可达到10倍。
Claims (8)
1.一种基于时序数据库平台的光伏电站功率预测系统,其特征在于,包括通讯模块、天气预报下载传输模块、功率预测模块和时序数据库平台,时序数据库平台包括scada服务器、数据访问存储接口、共享内存、数据收发器和历史数据库服务器,数据访问存储接口、共享内存、数据收发器和历史数据库服务器依次连接并双向通讯,scada服务器与数据访问存储接口连接,通讯模块和功率预测模块与所述数据访问存储接口双向通讯,通讯模块采集来自环境监测仪的实时环境数据、光伏电站综自系统的场站实发功率数据,并把接收来自数据访问存储接口的功率预测结果及天气预报信息发送给调度中心,天气预报下载传输模块通过Internet网与天气预报中心连接并下载天气预报文件,通过scada服务器把天气预报文件发送给数据访问存储接口,功率预测模块通过建立模型对光伏电站功率进行预测,并把功率预测结果发送给数据访问存储接口,来自通讯模块、scada服务器和功率预测模块的数据依次通过数据访问存储接口、共享内存和数据收发器发送给历史数据库服务器存储,历史数据库服务器存储的数据依次通过数据收发器、共享内存和数据访问存储接口发送给通讯模块和功率预测模块。
2.根据权利要求1所述的基于时序数据库平台的光伏电站功率预测系统,其特征在于,还包括数据展示模块,数据展示模块与所述数据访问存储接口通讯,从所述数据访问存储接口接收数据并对数据进行展示。
3.根据权利要求2所述的基于时序数据库平台的光伏电站功率预测系统,其特征在于,所述通讯模块包括规约接入装置,规约接入装置与环境监测仪、综自系统和调度中心连接,支持101/102/103/104/modbus/ftp常用规约接入与转出功能。
4.根据权利要求3所述的基于时序数据库平台的光伏电站功率预测系统,其特征在于,所述天气预报下载传输模块包括天气预报下载服务器和反向隔离装置,天气预报下载服务器通过Internet网与天气预报中心连接,将天气预报文件下载到本地,反向隔离装置与所述scada服务器连接,将已下载的天气预报文件传送给scada服务器。
5.根据权利要求4所述的基于时序数据库平台的光伏电站功率预测系统,其特征在于,还包括数据统计模块,数据统计模块与所述数据访问存储接口双向通讯,用于从所述数据访问存储接口接收功率预测结果,对所述功率预测结果进行统计计算,并把计算结果返回数据访问存储接口。
6.根据权利要求5所述的基于时序数据库平台的光伏电站功率预测系统,其特征在于,所述历史数据库服务器为两个或多个,所述通讯模块、scada服务器、数据统计模块、功率预测模块或数据展示模块为各个历史数据库服务器保留一个缓冲区。
7.根据权利要求6所述的基于时序数据库平台的光伏电站功率预测系统,其特征在于,还包括数据缓存模块1和数据缓存模块2,所述历史数据库服务器包括历史数据库服务器1和历史数据库服务器2,数据缓存模块1与数据收发器和历史数据库服务器1连接,数据缓存模块2与数据收发器和历史数据库服务器2连接。
8.根据权利要求1至7任一项所述的基于时序数据库平台的光伏电站功率预测系统,其特征在于,在系统正常下载天气预报文件时,所述功率预测模块采用基于天气预报的神经网络模型算法进行功率预测,在天气预报文件下载不成功时,切换至时间序列算法进行功率预测,所述神经网络模型算法使用历史实数据,建立神经网络模型光伏预测功率模型,将所述实时环境数据、天气预报文件作为输入,得出光伏电站的功率预测结果,所述时间序列算法先建立光伏功率预测的ARMA模型,模型建立之后,通过检验变量的自相关函数以及偏相关函数确定模型的阶次,而模型参数的确定采用的是最小二乘法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510649270.XA CN105162414B (zh) | 2015-10-09 | 2015-10-09 | 一种基于时序数据库平台的光伏电站功率预测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510649270.XA CN105162414B (zh) | 2015-10-09 | 2015-10-09 | 一种基于时序数据库平台的光伏电站功率预测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105162414A CN105162414A (zh) | 2015-12-16 |
CN105162414B true CN105162414B (zh) | 2016-08-24 |
Family
ID=54803198
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510649270.XA Active CN105162414B (zh) | 2015-10-09 | 2015-10-09 | 一种基于时序数据库平台的光伏电站功率预测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105162414B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105896601A (zh) * | 2016-05-18 | 2016-08-24 | 国电南瑞科技股份有限公司 | 一种调度主站端光伏发电输出功率预测系统 |
CN107871177B (zh) * | 2016-09-28 | 2021-07-23 | 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的实现方法 |
CN108182244B (zh) * | 2017-12-28 | 2019-04-05 | 清华大学 | 一种基于多层次列式存储结构的时序数据存储方法 |
CN110445176A (zh) * | 2019-08-21 | 2019-11-12 | 国网天津市电力公司 | 一种分布式光伏功率预测和数据交互系统 |
CN112052243B (zh) * | 2020-09-08 | 2021-05-14 | 贵州乌江水电开发有限责任公司东风发电厂 | 一种基于数据库技术的连续波形记录方法 |
CN112559502A (zh) * | 2020-12-01 | 2021-03-26 | 国能日新科技股份有限公司 | 一种基于时序数据库平台的风电场数据治理系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521670A (zh) * | 2011-11-18 | 2012-06-27 | 中国电力科学研究院 | 基于气象要素的光伏电站发电输出功率预测方法 |
CN104184411A (zh) * | 2014-08-07 | 2014-12-03 | 航天科工深圳(集团)有限公司 | 一种分布式光伏发电系统的防窃电监测装置和方法 |
CN204010317U (zh) * | 2014-07-10 | 2014-12-10 | 浙江嘉科新能源科技有限公司 | 太阳能离网控制交通监控系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010054072A1 (en) * | 2008-11-06 | 2010-05-14 | Mark Lancaster | Real-time power line rating |
-
2015
- 2015-10-09 CN CN201510649270.XA patent/CN105162414B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521670A (zh) * | 2011-11-18 | 2012-06-27 | 中国电力科学研究院 | 基于气象要素的光伏电站发电输出功率预测方法 |
CN204010317U (zh) * | 2014-07-10 | 2014-12-10 | 浙江嘉科新能源科技有限公司 | 太阳能离网控制交通监控系统 |
CN104184411A (zh) * | 2014-08-07 | 2014-12-03 | 航天科工深圳(集团)有限公司 | 一种分布式光伏发电系统的防窃电监测装置和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105162414A (zh) | 2015-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105162414B (zh) | 一种基于时序数据库平台的光伏电站功率预测系统 | |
CN105608758B (zh) | 一种基于算法组态和分布式流计算的大数据分析平台装置及方法 | |
Shapsough et al. | Using IoT and smart monitoring devices to optimize the efficiency of large-scale distributed solar farms | |
CN105608144B (zh) | 一种基于多层模型迭代的大数据分析平台装置及方法 | |
CN110719210A (zh) | 一种基于云边协同的工业设备预测性维护方法 | |
CN201813161U (zh) | 一种风电功率预测系统 | |
CN109151072A (zh) | 一种基于雾节点的边缘计算系统 | |
US11416786B2 (en) | Learning power grid characteristics to anticipate load | |
CN108924233A (zh) | 电力集抄集群系统及方法 | |
CN102812334A (zh) | 电网命令过滤系统 | |
CN103701635A (zh) | 一种在线配置Hadoop参数的方法和装置 | |
CN111091240A (zh) | 一种公共机构电力能效监测系统及服务方法 | |
CN102778899A (zh) | 一种用于塔式太阳能热发电系统的镜场调度系统及方法 | |
CN202940848U (zh) | 基于云计算平台的桥梁群监测系统 | |
CN105896601A (zh) | 一种调度主站端光伏发电输出功率预测系统 | |
CN113169709A (zh) | 基于机器学习的太阳能发电控制系统及方法 | |
CN103888284A (zh) | 远程无线升级现场设备系统及现场设备远程无线升级的方法 | |
CN115314343A (zh) | 一种源荷储资源聚合控制网关装置及负荷和出力预测方法 | |
CN208890843U (zh) | 一种基于雾节点的边缘计算系统 | |
CN102442332A (zh) | 一种用于太阳能铁道标签的智能跟踪系统及其处理方法 | |
CN104392591B (zh) | 输电线杆故障监测专家系统 | |
CN111064402B (zh) | 一种长连接小数据流量的柴油发电机组云通讯模块 | |
CN103018582A (zh) | 一种电能质量监测系统 | |
CN102156408B (zh) | 一种动态自适应演化最大功率点跟踪控制系统及方法 | |
CN113242247B (zh) | 一种基于边缘计算的工业智能物联模块 |
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 | ||
CP03 | Change of name, title or address |
Address after: 314015 floors 1 and 2 of No. 4 plant, phase 1, China Electronics Technology (Jiaxing) smart Industrial Park, No. 587 Taoyuan Road, Gaozhao street, Xiuzhou District, Jiaxing City, Zhejiang Province Patentee after: Zhejiang Jiake new energy and Environmental Protection Technology Co.,Ltd. Address before: 314000 Room 101, building 1, Zhichuang center, No. 966, Xiuyuan Road, Xiuzhou District, Jiaxing City, Zhejiang Province Patentee before: ZHEJIANG JEC NEW ENERGY TECHNOLOGY Co.,Ltd. |