CN108092317A - 一种基于人工智能的即插即用型分布式风力发电系统 - Google Patents
一种基于人工智能的即插即用型分布式风力发电系统 Download PDFInfo
- Publication number
- CN108092317A CN108092317A CN201810038181.5A CN201810038181A CN108092317A CN 108092317 A CN108092317 A CN 108092317A CN 201810038181 A CN201810038181 A CN 201810038181A CN 108092317 A CN108092317 A CN 108092317A
- Authority
- CN
- China
- Prior art keywords
- wind
- electricity generation
- central controller
- generation subelement
- power electricity
- 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
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 24
- 230000005611 electricity Effects 0.000 claims abstract description 97
- 238000004891 communication Methods 0.000 claims description 24
- 238000000034 method Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 19
- 238000013527 convolutional neural network Methods 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 12
- 238000010248 power generation Methods 0.000 claims description 8
- 239000004020 conductor Substances 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 230000008901 benefit Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000007935 neutral effect Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
Classifications
-
- H02J3/386—
-
- 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
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于人工智能的即插即用型分布式风力发电系统，所述分布式风力发电系统包括中央控制器，历史风能数据库，配置数据库和至少一个风力发电子单元；所述中央控制器，其分别与所述历史风能数据库，所述配置数据库和所述至少一个风力发电子单元相连接；所述中央控制器基于人工智能算法对所述至少一个风力发电子单元进行控制；所述历史风能数据库，其用于为所述中央控制器提供学习样本；所述配置数据库，其用于存储不同类型的所述风力发电子单元的配置信息；所述风力发电子单元，其连接至至少一个电网，和/或至少一个负载；所述风力发电子单元基于所述配置数据库所存储的所述配置信息与所述中央控制器实现即插即用连接。
Description
技术领域
本发明涉及人工智能控制领域，特别涉及一种基于人工智能的即插即用型分布式风力发电系统。
背景技术
现有分布式风力发电系统普遍采用人工控制，基于气象站给出的当前风向，风速等信息，结合操作人员经验对所述分布式风力发电系统进行运行控制，无法最大程度利用风能。
同时，现有分布式风力发电系统为一整套集约式系统，其中央控制部分与分布式发电部分之间的连接关系无法轻易改动，在需要扩大产能的情况下，普遍需要对原有系统进行大规模升级或另架设一套全新的分布式风力发电系统，不符合当前模块化设计的发展趋势，无法实现即插即用的便捷式连接。
发明内容
为了解决上述技术问题，本发明提供了一种基于人工智能的即插即用型分布式风力发电系统。
所述分布式风力发电系统包括中央控制器，历史风能数据库，配置数据库和至少一个风力发电子单元。
所述中央控制器，其分别与所述历史风能数据库，所述配置数据库和所述至少一个风力发电子单元相连接；所述中央控制器基于人工智能算法对所述至少一个风力发电子单元进行控制。
所述历史风能数据库，其用于为所述中央控制器提供学习样本。
所述配置数据库，其用于存储不同类型的所述风力发电子单元的配置信息。
所述风力发电子单元，其连接至至少一个电网，和/或至少一个负载；所述风力发电子单元基于所述配置数据库所存储的所述配置信息与所述中央控制器实现即插即用连接。
进一步地，所述人工智能算法包括学习算法和控制算法。
所述学习算法包括：
S101，所述中央控制器从所述历史风能数据库获取所述分布式风力发电系统所在地的风能数据；所述风能数据包括历史当日风向时间曲线，历史当日风速时间曲线。
S102，获取卷积神经网络模型。
S103，基于所述风能数据对所述卷积神经网络模型进行训练。
S104，获得针对不同时间点的风向风速预测网络。
所述控制算法包括：
S105，获取当前时间点。
S106，经过训练后的所述卷积神经网络模型对所述当前时间点以后一段时间内的风向风速数据进行预测；所述当前时间点以后一段时间为1小时，或12小时，或24小时。
S107，基于所述当前时间点以后一段时间内的风向风速数据进行转向判定；若判定所述风力发电子单元需要进行转向，则进入S108；若判定所述风力发电子单元不需要进行转向，则返回S105。
S108，向所述风力发电子单元发送转向指令，并返回S105。
进一步地，所述风力发电子单元与所述中央控制器实现即插即用连接的步骤包括：
S201，将所述风力发电子单元与所述中央控制器通过线缆实现物理连接；所述线缆包括导电线缆以及通信线缆。
S202，所述中央控制器检测到新接入的所述风力发电子单元。
S203，所述中央控制器进入配置模式。
S204，所述中央控制器通过新接入的所述风力发电子单元获取能力描述文件。
S205，所述中央控制器在所述配置数据库中查找是否具有与所述能力描述文件对应的所述配置信息；若有，则转S206，若没有，则转S207。
S206，所述中央控制器根据所述配置信息进行配置进程，并在配置进程结束后进入S209。
S207，所述中央控制器根据接收到的所述能力描述文件进行配置进程，并在配置进程结束后进行通信测试，若通信测试成功，转S209，若通信测试不成功，转S208。
S208，所述中央控制器与所述风力发电子单元配置失败。
S209，所述中央控制器与所述风力发电子单元配置成功，开始进行通信。
进一步地，所述风力发电子单元包括风力发电机，AC/DC变换器，DC/AC换流器和并网开关；所述风力发电机，AC/DC变换器，DC/AC换流器和并网开关依次连接。
所述风力发电机，其用于将风能转换为第一交流电能，并将所述第一交流电能传送至所述AC/DC变换器。
所述AC/DC变换器，其用于将接收到的所述第一交流电能转换为第一直流电能，并将所述第一直流电能传送至所述DC/AC换流器。
所述DC/AC换流器，其用于将接收到的所述第一直流电能转换为第二交流电能，并将所述第二交流电能传送至所述交流母线。
所述并网开关，其连接于所述DC/AC换流器和所述交流母线之间，用于将所述风力发电子单元连接至所述交流母线。
进一步地，当所述交流母线连接至所述至少一个电网时，所述至少一个电网分别通过电网开关与所述交流母线相连接。
进一步地，当所述交流母线连接至所述至少一个负载时，所述至少一个负载分别通过负载开关与所述交流母线相连接。
进一步地，所述中央控制器周期性检测是否有新接入的所述风力发电子单元；或，所述中央控制器在预定的时间节点检测是否有新接入的所述风力发电子单元。
进一步地，所述风力发电子单元的能力描述文件包括风力发电子单元名称，风力发电子单元URL地址，风力发电子单元通信协议，风力发电子单元额定参数。
进一步地，所述中央控制器具有显示设备；所述中央控制器与互联网相连接。
与现有技术相比，本发明具有下列优点：
(1)基于人工智能控制方式对分布式风力发电系统进行控制，人工智能控制方式可以根据历史数据不断训练神经网络，对未来风能做出合理判断，最大程度利用风能。
(2)解决了现有技术中中央控制部分与分布式发电部分之间的连接关系无法轻易改动的弊端，实现即插即用，对需要扩大产能的情况具有极强的适应性。
(3)系统全面实现自动控制，避免了人工预测等粗放式管理方式对发电进程的影响。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1是本发明实施例提供的基于人工智能的即插即用型分布式风力发电系统的系统结构框图。
其中，1-中央控制器，2-历史风能数据库，3-配置数据库，4-风力发电子单元，5-交流母线，6-电网，7-负载。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参见图1，本发明提供了一种基于人工智能的即插即用型分布式风力发电系统。
所述分布式风力发电系统包括中央控制器，历史风能数据库，配置数据库和至少一个风力发电子单元。
所述中央控制器，其分别与所述历史风能数据库，所述配置数据库和所述至少一个风力发电子单元相连接；所述中央控制器基于人工智能算法对所述至少一个风力发电子单元进行控制。
所述历史风能数据库，其用于为所述中央控制器提供学习样本。
所述配置数据库，其用于存储不同类型的所述风力发电子单元的配置信息。
所述风力发电子单元，其连接至至少一个电网，和/或至少一个负载；所述风力发电子单元基于所述配置数据库所存储的所述配置信息与所述中央控制器实现即插即用连接。
进一步地，所述人工智能算法包括学习算法和控制算法。
所述学习算法包括：
S101，所述中央控制器从所述历史风能数据库获取所述分布式风力发电系统所在地的风能数据；所述风能数据包括历史当日风向时间曲线，历史当日风速时间曲线。
S102，获取卷积神经网络模型。
S103，基于所述风能数据对所述卷积神经网络模型进行训练。
S104，获得针对不同时间点的风向风速预测网络。
所述控制算法包括：
S105，获取当前时间点。
S106，经过训练后的所述卷积神经网络模型对所述当前时间点以后一段时间内的风向风速数据进行预测；所述当前时间点以后一段时间为1小时，或12小时，或24小时。
S107，基于所述当前时间点以后一段时间内的风向风速数据进行转向判定；若判定所述风力发电子单元需要进行转向，则进入S108；若判定所述风力发电子单元不需要进行转向，则返回S105。
S108，向所述风力发电子单元发送转向指令，并返回S105。
进一步地，所述风力发电子单元与所述中央控制器实现即插即用连接的步骤包括：
S201，将所述风力发电子单元与所述中央控制器通过线缆实现物理连接；所述线缆包括导电线缆以及通信线缆。
S202，所述中央控制器检测到新接入的所述风力发电子单元。
S203，所述中央控制器进入配置模式。
S204，所述中央控制器通过新接入的所述风力发电子单元获取能力描述文件。
S205，所述中央控制器在所述配置数据库中查找是否具有与所述能力描述文件对应的所述配置信息；若有，则转S206，若没有，则转S207。
S206，所述中央控制器根据所述配置信息进行配置进程，并在配置进程结束后进入S209。
S207，所述中央控制器根据接收到的所述能力描述文件进行配置进程，并在配置进程结束后进行通信测试，若通信测试成功，转S209，若通信测试不成功，转S208。
S208，所述中央控制器与所述风力发电子单元配置失败。
S209，所述中央控制器与所述风力发电子单元配置成功，开始进行通信。
进一步地，所述风力发电子单元包括风力发电机，AC/DC变换器，DC/AC换流器和并网开关；所述风力发电机，AC/DC变换器，DC/AC换流器和并网开关依次连接。
所述风力发电机，其用于将风能转换为第一交流电能，并将所述第一交流电能传送至所述AC/DC变换器。
所述AC/DC变换器，其用于将接收到的所述第一交流电能转换为第一直流电能，并将所述第一直流电能传送至所述DC/AC换流器。
所述DC/AC换流器，其用于将接收到的所述第一直流电能转换为第二交流电能，并将所述第二交流电能传送至所述交流母线。
所述并网开关，其连接于所述DC/AC换流器和所述交流母线之间，用于将所述风力发电子单元连接至所述交流母线。
进一步地，当所述交流母线连接至所述至少一个电网时，所述至少一个电网分别通过电网开关与所述交流母线相连接。
进一步地，当所述交流母线连接至所述至少一个负载时，所述至少一个负载分别通过负载开关与所述交流母线相连接。
进一步地，所述中央控制器周期性检测是否有新接入的所述风力发电子单元。
进一步地，所述风力发电子单元的能力描述文件包括风力发电子单元名称，风力发电子单元URL地址，风力发电子单元通信协议，风力发电子单元额定参数。
进一步地，所述中央控制器具有显示设备；所述中央控制器与互联网相连接。
与现有技术相比，本发明具有下列优点：
基于人工智能控制方式对分布式风力发电系统进行控制，人工智能控制方式可以根据历史数据不断训练神经网络，对未来风能做出合理判断，最大程度利用风能。
解决了现有技术中中央控制部分与分布式发电部分之间的连接关系无法轻易改动的弊端，实现即插即用，对需要扩大产能的情况具有极强的适应性。
系统全面实现自动控制，避免了人工预测等粗放式管理方式对发电进程的影响。
本发明还提供了一种基于人工智能的即插即用型分布式风力发电系统。
所述分布式风力发电系统包括中央控制器，历史风能数据库，配置数据库和至少一个风力发电子单元。
所述中央控制器，其分别与所述历史风能数据库，所述配置数据库和所述至少一个风力发电子单元相连接；所述中央控制器基于人工智能算法对所述至少一个风力发电子单元进行控制。
所述历史风能数据库，其用于为所述中央控制器提供学习样本。
所述配置数据库，其用于存储不同类型的所述风力发电子单元的配置信息。
所述风力发电子单元，其连接至至少一个电网，和/或至少一个负载；所述风力发电子单元基于所述配置数据库所存储的所述配置信息与所述中央控制器实现即插即用连接。
进一步地，所述人工智能算法包括学习算法和控制算法。
所述学习算法包括：
S101，所述中央控制器从所述历史风能数据库获取所述分布式风力发电系统所在地的风能数据；所述风能数据包括历史当日风向时间曲线，历史当日风速时间曲线。
S102，获取卷积神经网络模型。
S103，基于所述风能数据对所述卷积神经网络模型进行训练。
S104，获得针对不同时间点的风向风速预测网络。
所述控制算法包括：
S105，获取当前时间点。
S106，经过训练后的所述卷积神经网络模型对所述当前时间点以后一段时间内的风向风速数据进行预测；所述当前时间点以后一段时间为1小时，或12小时，或24小时。
S107，基于所述当前时间点以后一段时间内的风向风速数据进行转向判定；若判定所述风力发电子单元需要进行转向，则进入S108；若判定所述风力发电子单元不需要进行转向，则返回S105。
S108，向所述风力发电子单元发送转向指令，并返回S105。
进一步地，所述风力发电子单元与所述中央控制器实现即插即用连接的步骤包括：
S201，将所述风力发电子单元与所述中央控制器通过线缆实现物理连接；所述线缆包括导电线缆以及通信线缆。
S202，所述中央控制器检测到新接入的所述风力发电子单元。
S203，所述中央控制器进入配置模式。
S204，所述中央控制器通过新接入的所述风力发电子单元获取能力描述文件。
S205，所述中央控制器在所述配置数据库中查找是否具有与所述能力描述文件对应的所述配置信息；若有，则转S206，若没有，则转S207。
S206，所述中央控制器根据所述配置信息进行配置进程，并在配置进程结束后进入S209。
S207，所述中央控制器根据接收到的所述能力描述文件进行配置进程，并在配置进程结束后进行通信测试，若通信测试成功，转S209，若通信测试不成功，转S208。
S208，所述中央控制器与所述风力发电子单元配置失败。
S209，所述中央控制器与所述风力发电子单元配置成功，开始进行通信。
进一步地，所述风力发电子单元包括风力发电机，AC/DC变换器，DC/AC换流器和并网开关；所述风力发电机，AC/DC变换器，DC/AC换流器和并网开关依次连接。
所述风力发电机，其用于将风能转换为第一交流电能，并将所述第一交流电能传送至所述AC/DC变换器。
所述AC/DC变换器，其用于将接收到的所述第一交流电能转换为第一直流电能，并将所述第一直流电能传送至所述DC/AC换流器。
所述DC/AC换流器，其用于将接收到的所述第一直流电能转换为第二交流电能，并将所述第二交流电能传送至所述交流母线。
所述并网开关，其连接于所述DC/AC换流器和所述交流母线之间，用于将所述风力发电子单元连接至所述交流母线。
进一步地，当所述交流母线连接至所述至少一个电网时，所述至少一个电网分别通过电网开关与所述交流母线相连接。
进一步地，当所述交流母线连接至所述至少一个负载时，所述至少一个负载分别通过负载开关与所述交流母线相连接。
进一步地，所述中央控制器在预定的时间节点检测是否有新接入的所述风力发电子单元。
进一步地，所述风力发电子单元的能力描述文件包括风力发电子单元名称，风力发电子单元URL地址，风力发电子单元通信协议，风力发电子单元额定参数。
进一步地，所述中央控制器具有显示设备；所述中央控制器与互联网相连接。
与现有技术相比，本发明具有下列优点：
基于人工智能控制方式对分布式风力发电系统进行控制，人工智能控制方式可以根据历史数据不断训练神经网络，对未来风能做出合理判断，最大程度利用风能。
解决了现有技术中中央控制部分与分布式发电部分之间的连接关系无法轻易改动的弊端，实现即插即用，对需要扩大产能的情况具有极强的适应性。
系统全面实现自动控制，避免了人工预测等粗放式管理方式对发电进程的影响。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (9)
1.一种基于人工智能的即插即用型分布式风力发电系统，其特征在于，
所述分布式风力发电系统包括中央控制器，历史风能数据库，配置数据库和至少一个风力发电子单元；
所述中央控制器，其分别与所述历史风能数据库，所述配置数据库和所述至少一个风力发电子单元相连接；所述中央控制器基于人工智能算法对所述至少一个风力发电子单元进行控制；
所述历史风能数据库，其用于为所述中央控制器提供学习样本；
所述配置数据库，其用于存储不同类型的所述风力发电子单元的配置信息；
所述风力发电子单元，其连接至至少一个电网，和/或至少一个负载；所述风力发电子单元基于所述配置数据库所存储的所述配置信息与所述中央控制器实现即插即用连接。
2.根据权利要求1所述的基于人工智能的即插即用型分布式风力发电系统，其特征在于，
所述人工智能算法包括学习算法和控制算法；
所述所述学习算法包括：
S101，所述中央控制器从所述历史风能数据库获取所述分布式风力发电系统所在地的风能数据；所述风能数据包括历史当日风向时间曲线，历史当日风速时间曲线；
S102，获取卷积神经网络模型；
S103，基于所述风能数据对所述卷积神经网络模型进行训练；
S104，获得针对不同时间点的风向风速预测网络；
所述控制算法包括：
S105，获取当前时间点；
S106，经过训练后的所述卷积神经网络模型对所述当前时间点以后一段时间内的风向风速数据进行预测；所述当前时间点以后一段时间为1小时，或12小时，或24小时；
S107，基于所述当前时间点以后一段时间内的风向风速数据进行转向判定；若判定所述风力发电子单元需要进行转向，则进入S108；若判定所述风力发电子单元不需要进行转向，则返回S105；
S108，向所述风力发电子单元发送转向指令，并返回S105。
3.根据权利要求2所述的基于人工智能的即插即用型分布式风力发电系统，其特征在于，
所述风力发电子单元与所述中央控制器实现即插即用连接的步骤包括：
S201，将所述风力发电子单元与所述中央控制器通过线缆实现物理连接；所述线缆包括导电线缆以及通信线缆；
S202，所述中央控制器检测到新接入的所述风力发电子单元；
S203，所述中央控制器进入配置模式；
S204，所述中央控制器通过新接入的所述风力发电子单元获取能力描述文件；
S205，所述中央控制器在所述配置数据库中查找是否具有与所述能力描述文件对应的所述配置信息；若有，则转S206，若没有，则转S207；
S206，所述中央控制器根据所述配置信息进行配置进程，并在配置进程结束后进入S209；
S207，所述中央控制器根据接收到的所述能力描述文件进行配置进程，并在配置进程结束后进行通信测试，若通信测试成功，转S209，若通信测试不成功，转S208；
S208，所述中央控制器与所述风力发电子单元配置失败；
S209，所述中央控制器与所述风力发电子单元配置成功，开始进行通信。
4.根据权利要求3所述的基于人工智能的即插即用型分布式风力发电系统，其特征在于，
所述风力发电子单元包括风力发电机，AC/DC变换器，DC/AC换流器和并网开关；所述风力发电机，AC/DC变换器，DC/AC换流器和并网开关依次连接；
所述风力发电机，其用于将风能转换为第一交流电能，并将所述第一交流电能传送至所述AC/DC变换器；
所述AC/DC变换器，其用于将接收到的所述第一交流电能转换为第一直流电能，并将所述第一直流电能传送至所述DC/AC换流器；
所述DC/AC换流器，其用于将接收到的所述第一直流电能转换为第二交流电能，并将所述第二交流电能传送至所述交流母线；
所述并网开关，其连接于所述DC/AC换流器和所述交流母线之间，用于将所述风力发电子单元连接至所述交流母线。
5.根据权利要求4所述的基于人工智能的即插即用型分布式风力发电系统，其特征在于，
当所述交流母线连接至所述至少一个电网时，所述至少一个电网分别通过电网开关与所述交流母线相连接。
6.根据权利要求5所述的基于人工智能的即插即用型分布式风力发电系统，其特征在于，
当所述交流母线连接至所述至少一个负载时，所述至少一个负载分别通过负载开关与所述交流母线相连接。
7.根据权利要求6所述的基于人工智能的即插即用型分布式风力发电系统，其特征在于，
所述中央控制器周期性检测是否有新接入的所述风力发电子单元；或，所述中央控制器在预定的时间节点检测是否有新接入的所述风力发电子单元。
8.根据权利要求7所述的基于人工智能的即插即用型分布式风力发电系统，其特征在于，
所述风力发电子单元的能力描述文件包括风力发电子单元名称，风力发电子单元URL地址，风力发电子单元通信协议，风力发电子单元额定参数。
9.根据权利要求8所述的基于人工智能的即插即用型分布式风力发电系统，其特征在于，
所述中央控制器具有显示设备；所述中央控制器与互联网相连接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810038181.5A CN108092317B (zh) | 2018-01-16 | 2018-01-16 | 一种基于人工智能的即插即用型分布式风力发电系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810038181.5A CN108092317B (zh) | 2018-01-16 | 2018-01-16 | 一种基于人工智能的即插即用型分布式风力发电系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108092317A true CN108092317A (zh) | 2018-05-29 |
| CN108092317B CN108092317B (zh) | 2019-12-03 |
Family
ID=62183049
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810038181.5A Active CN108092317B (zh) | 2018-01-16 | 2018-01-16 | 一种基于人工智能的即插即用型分布式风力发电系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108092317B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102723739A (zh) * | 2012-07-10 | 2012-10-10 | 华锐风电科技(集团)股份有限公司 | 风力发电系统 |
-
2018
- 2018-01-16 CN CN201810038181.5A patent/CN108092317B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102723739A (zh) * | 2012-07-10 | 2012-10-10 | 华锐风电科技(集团)股份有限公司 | 风力发电系统 |
Non-Patent Citations (3)
| Title |
|---|
| 胡春磊: ""新型输配电电网建设及新能源微电网并网研究"", 《万方数据知识服务平台》 * |
| 颜宏文，卢格宇: ""CEEMD-WT和CNN在短期风速预测中的应用研究"", 《计算机工程与应用》 * |
| 黄凌翔: ""风力发电机组信息模型动态构建方法及应用研究"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑，C042-85》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108092317B (zh) | 2019-12-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101904015B (zh) | 高效的可远程控制的太阳能系统 | |
| CN110277780A (zh) | 非线性直流微电网弹性控制方法 | |
| CN107017836A (zh) | 一种光伏发电系统及其组件iv曲线扫描方法 | |
| CN109193776A (zh) | 一种适用于梯次电池储能的功率分配方法 | |
| KR20130067678A (ko) | 마이크로그리드 시뮬레이션 장치 및 전력 관리 시스템 | |
| CN105553103A (zh) | 一种区域主动配电网能量管理系统及方法 | |
| CN108418244A (zh) | 一种基于多微网柔性互联系统及其储能容量优化方法 | |
| Xu et al. | Control devices development of multi‐microgrids based on hierarchical structure | |
| CN106681206A (zh) | 一种面向WSNs的环境自适应的能量感知方法 | |
| CN104615102A (zh) | 用于风电场的风力发电机组管理系统和方法 | |
| CN105515032B (zh) | 智能微网储能控制方法 | |
| CN105470984A (zh) | 一种分布式光伏电站模糊自适应电压控制方法 | |
| CN108092317B (zh) | 一种基于人工智能的即插即用型分布式风力发电系统 | |
| CN110190990B (zh) | 一种低压配电台区网络拓扑结构的自动辨识方法及装置 | |
| CN205100638U (zh) | 一种太阳能、风能互补通信基站塔 | |
| CN209282935U (zh) | 光伏储能智能监控与管理系统 | |
| CN105846462B (zh) | 一种风电场的黑启动协调装置及方法 | |
| CN109103936A (zh) | 一种电力系统大停电后最优机组启动次序计算方法 | |
| CN105529741B (zh) | 一种分布式电源及其微电网智能决策方法 | |
| CN205158616U (zh) | 一种多功能光伏数据采集传输 | |
| CN107827256A (zh) | 一种风光储互补集装箱式智能微电网海水淡化系统 | |
| CN208423810U (zh) | 一种具有实用和教学科研功能的微电网平台 | |
| CN209233547U (zh) | 低压取电系统 | |
| CN208461473U (zh) | 光储充微电网 | |
| CN112821374A (zh) | 一种支持即插即用的智能直流微电网系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20191111 Address after: 322100 7th floor, 282-5 Yihai North Road, Mingtian community, Jiangbei street, Dongyang City, Jinhua City, Zhejiang Province Applicant after: Dongyang Yan'an Construction Engineering Co.,Ltd. Address before: Room 2307, building A, building 8, Huzhou multi-media Industrial Park, Huzhou, Wuxing District, Wuxing District, Huzhou, Zhejiang Applicant before: HUZHOU HUAKE INFORMATION CONSULTING Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20221222 Address after: Room 403-01, Block D, Software Park, No. 228, Nanyi Road, Dongying Development Zone, Shandong 257091 Patentee after: Dongying Zhengnuo Technology Service Co.,Ltd. Address before: 7 / F, 282-5 Yihai North Road, Mingtian community, Jiangbei street, Dongyang City, Jinhua City, Zhejiang Province 322100 Patentee before: Dongyang Yan'an Construction Engineering Co.,Ltd. |
|
| TR01 | Transfer of patent right |