CN108879947A - 一种基于深度学习算法的分布式光伏发电控制管理系统 - Google Patents
一种基于深度学习算法的分布式光伏发电控制管理系统 Download PDFInfo
- Publication number
- CN108879947A CN108879947A CN201810587383.5A CN201810587383A CN108879947A CN 108879947 A CN108879947 A CN 108879947A CN 201810587383 A CN201810587383 A CN 201810587383A CN 108879947 A CN108879947 A CN 108879947A
- Authority
- CN
- China
- Prior art keywords
- photovoltaic
- cloud platform
- power generation
- deep learning
- prediction
- 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.)
- Pending
Links
- 238000010248 power generation Methods 0.000 title claims abstract description 25
- 238000013135 deep learning Methods 0.000 title claims abstract description 23
- 238000004891 communication Methods 0.000 claims abstract description 33
- 238000012544 monitoring process Methods 0.000 claims abstract description 18
- 238000012549 training Methods 0.000 claims abstract description 6
- 230000005540 biological transmission Effects 0.000 claims abstract description 5
- 238000007726 management method Methods 0.000 claims description 30
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims description 4
- 238000005286 illumination Methods 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 238000013500 data storage Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- 210000000352 storage cell Anatomy 0.000 claims 1
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 9
- 229910052744 lithium Inorganic materials 0.000 description 9
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 5
- 238000004146 energy storage Methods 0.000 description 5
- 238000000034 method Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- H02J13/0075—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
-
- H02J3/383—
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/34—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering
- H02J7/35—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering with light sensitive cells
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
-
- 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
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- 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
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
- Y04S40/12—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment
- Y04S40/126—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment using wireless data transmission
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Power Engineering (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种基于深度学习算法的分布式光伏发电控制管理系统,包括光伏组件、光伏云平台、监控管理终端、电池模组及光伏逆变器,所述光伏组件将太阳能转换为电能通过充电控制器为电池模组充电,电池模组与光伏逆变器进行数据通信传输电池状态数据,光伏云平台采集光伏逆变器的实时数据,建立数据库,归一化处理后作为深度学习预测模型的训练输入变量,深度学习预测模型输出预测发电功率序列和发电量,光伏云平台与监控管理终端相互连接,监控管理终端发送指令传输光伏云平台,光伏云平台控制光伏逆变器。
Description
技术领域
本发明涉及光伏发电领域,具体涉及一种基于深度学习算法的分布式光伏发电控制管理系统。
背景技术
在当前的光伏行业当中,采用RS232/485、CAN、双绞线等有线通信方式对光伏系统进行监控,使用BP神经网络、SVM等浅层神经网络方法对光伏发电功率进行智能预测和管理。在光伏系统发电生产过程中,有线通信方式硬件成本以及通讯链路建设成本较高,在控制和预测方法上,存在考虑的影响变量少、提取特征量不足而造成预测精度不足的问题,导致储能管理策略不够完善,而且算法的逻辑代码运行在监控机客户端上,使得客户端软件代码臃肿,占用大量的计算机系统资源。
发明内容
为了克服现有技术存在的缺点与不足,本发明提供一种基于深度学习算法的分布式光伏发电控制管理系统。
本发明采用如下技术方案:
一种基于深度学习算法的分布式光伏发电控制管理系统,包括光伏组件、光伏云平台、监控管理终端、电池模组及光伏逆变器,所述光伏组件将太阳能转换为电能通过充电控制器为电池模组充电,电池模组与光伏逆变器进行数据通信传输电池状态数据,光伏云平台采集光伏逆变器的实时数据,建立数据库,归一化处理后作为深度学习预测模型的训练输入变量,深度学习预测模型输出预测发电功率序列和发电量,光伏云平台与监控管理终端相互连接,监控管理终端发送指令传输光伏云平台,光伏云平台控制光伏逆变器。
还包括移动管理终端,所述移动管理终端分别与光伏云平台及监控管理终端相互连接。
所述光伏逆变器包括整流模块、逆变模块、电压电流检测模块、时钟模块、数据存储单元及通讯模块。
还包括光强检测传感器及温度检测传感器,用于检测光伏组件的光照强度及温度。
所述深度学习预测模型通过采集功率预测和发电量预测,基于深度置信网络搭建深度学习预测模型,具体如下:
通过采集天气状态数据,包括辐射量、温度、日照时间及风力风向,通过离线训练确定模型参数;
基于深度置信网络的深度预测模型,该网络包括RBM为受限玻尔兹曼机,多个RBM堆叠成为深度置信网络,回归层可为BP神经网络算法或SVM等浅层回归算法,输入序列为获取的预测当天天气状态数据以及最近三小时内的发电状态数据,则输出预测的发电功率序列和当天发电量。
光伏云平台的控制策略还包括读取电池模组状态数据,如果预测的发电量高于阈值,则电阻模组放点,否则禁止放电;或者预测功率高于阈值时开始充电,结束控制。
所述实时数据包括电池模组工作状态数据、光伏组件工作状态数据、逆变器工作状态数据及电网状态数据。
本发明的有益效果:
(1)使用新的通信方式和新的无线通信技术,提高信号传输距离,降低能耗,降低通信链路硬件成本。基于低功耗的无线通信芯片,设计新的无线通信模块,可以实现更远距离的信号传输,降低成本,LoRa与WiFi通信技术相结合,用于光伏发电数据的通信传输,LoRa与WiFi模块内核芯片分别为SX1278、Tensilica L106,整体功耗非常低;
(2)把云服务运用在光伏发电的智能控制上,使光伏发电状态数据的分析具有更高的可靠性,也使光伏发电状态数据库具备高可伸缩性,可以根据需求,方便地对光伏状态数据进行各方面的分析,为分布式光伏的控制策略提供更多更高的参考价值。
(3)云平台根据控制策略,对光伏系统发电并网和储能等过程参数实现智能控制,在保证接入电网功率满足生产需要的情况下,能最大限度的对储能电池进行充电,避免能源浪费和消耗。云平台直接对监控终端下达指令,可以把光伏系统实时信息随时报告给监管员,任何不良情况将会在最短的时间内提醒操作者及时处理,将可能产生的损失减到最小;
附图说明
图1是本发明光伏云平台的工作流程图;
图2是本发明的深度预测模型。
具体实施方式
下面结合实施例及附图,对本发明作进一步地详细说明,但本发明的实施方式不限于此。
实施例
如图1所示,一种基于深度学习算法的分布式光伏发电控制系统,建立功率预测模型,完善储能管理策略,建立分布式光伏发电监控和能量管理云系统;在云平台上建立光伏发电状态数据库,并通过云服务实现对光伏系统的智能监控和数字化管理;实现光伏系统发电功率的智能预测及光伏硬件系统的智能维护。
具体包括光伏组件、光伏云平台、监控管理终端、电池模组及光伏逆变器。光伏组件,将太阳能转换为电能,通过充电控制器与电池模组为电池充电,作为光伏发电系统的储能部件,电池模组为大容量BMS锂电池模组,通过RS485协议与光伏逆变器进行数据通信,保证从光伏逆变器的数据接口上即可读取电池状态数据。
光强检测模块,以与光伏组件一致的仰角安装在光伏组件附近,采集光照强度,并通过RS485协议将数据接入光伏逆变器;
温度检测传感器,安装在光伏组件附近,采集温度数据,并通过RS485协议将数据接入光伏逆变器。
光伏逆变器,包括整流模块、逆变模块、电压电流检测模块、时钟模块、数据存储单元、通讯模块等。
NB-IoT、LoRa、ZigBee、WIFI等无线通讯模块,接入光伏逆变器硬件串口通讯接口,用于采集光伏发电系统运行状态数据;
接入Internet网络的路由器,与NB-IoT、LoRa、ZigBee、WIFI等无线通讯模块相连接,建立光伏系统状态数据传输的通信链路;
采用TCP/IP通信协议,通过HTTP通信方式与云平台进行交互通讯,实现光伏系统状态数据的上传和光伏云平台控制命令的下达。
电池模组由多个BMS锂电池并联组成,每个BMS锂电池上可以通过拨码器编码识别,使得不同的锂电池具有不同的编码,如4位编码器可编码范围为0-15。锂电池之间通过面板上的485串口进行通信,通过RS485串口通信协议进行信息传输,编码器编码为0的BMS锂电池通过485串口与逆变器相连接,使得BMS锂电池接入光伏逆变器通信模块。光伏逆变器控制系统通过轮询的方式,根据ModBus通信协议,从编码为0的电池开始逐个读取包括电池电量、温度、电压、电流等的锂电池状态信息,从而实现只从光伏逆变器的232串行通信接口即可读取光伏发电状态数据和锂电池状态数据。
光伏逆变器采用NB-IoT、LoRa、ZigBee、WIFI等无线通信与有线通信方式相结合的方式,实现逆变器与其他部分的通信。基于微处理机的232接口,采用ModBus通信协议,设计逆变器无线通信模块电路,
如图2所示,光伏云平台采集光伏逆变器的实时数据,建立数据库,归一化处理后作为深度学习预测模型的训练输入变量,深度学习预测模型输出预测发电功率序列和发电量,光伏云平台与监控管理终端相互连接,监控管理终端发送指令传输光伏云平台,光伏云平台控制光伏逆变器。
光伏云平台作用为采集光伏电站各项性能指标数据和光伏发电数据,作为信息处理和运营调控的中心枢纽。光伏云平台上具有大数据分析、深度学习分析、数据存储、监测控制、信息上传和指令下达等功能。光伏云平台上部署有SQL数据库、光伏发电深度在线预测软件以及储能控制策略软件,其中,SQL数据库负责存储数据。
采用JAVA语言等编程语言,在光伏云编写基于深度学习算法的深度学习预测模型,用于光伏功率预测和发电量的预测,基于深度置信网络,搭建深度预测模型。
通过采集天气状态数据,包括辐射量、温度、日照时间及风力风向,通过离线训练确定模型参数;
基于深度置信网络的深度预测模型,该网络包括RBM为受限玻尔兹曼机,多个RBM堆叠成为深度置信网络,回归层可为BP神经网络算法或SVM等浅层回归算法,输入序列为获取的预测当天天气状态数据以及最近三小时内的发电状态数据,则输出预测的发电功率序列和当天发电量。
基于深度预测模型如图2所示,其中,RBM为受限玻尔兹曼机,多个RBM堆叠成为深度置信网络(DBN),回归层可为BP神经网络算法或SVM等浅层回归算法,输入序列X为通过气象局官方API获取的预测当天天气状态数据以及最近三小时内的发电状态数据,输出序列Y为预测的发电功率序列和当天发电量。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受所述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (7)
1.一种基于深度学习算法的分布式光伏发电控制管理系统,其特征在于,包括光伏组件、光伏云平台、监控管理终端、电池模组及光伏逆变器,所述光伏组件将太阳能转换为电能通过充电控制器为电池模组充电,电池模组与光伏逆变器进行数据通信传输电池状态数据,光伏云平台采集光伏逆变器的实时数据,建立数据库,归一化处理后作为深度学习预测模型的训练输入变量,深度学习预测模型输出预测发电功率序列和发电量,光伏云平台与监控管理终端相互连接,监控管理终端发送指令传输光伏云平台,光伏云平台控制光伏逆变器。
2.根据权利要求1所述分布式光伏发电控制管理系统,其特征在于,还包括移动管理终端,所述移动管理终端分别与光伏云平台及监控管理终端相互连接。
3.根据权利要求1所述分布式光伏发电控制管理系统,其特征在于,所述光伏逆变器包括整流模块、逆变模块、电压电流检测模块、时钟模块、数据存储单元及通讯模块。
4.根据权利要求1所述分布式光伏发电控制管理系统,其特征在于,还包括光强检测传感器及温度检测传感器,用于检测光伏组件的光照强度及温度。
5.根据权利要求1所述分布式光伏发电控制管理系统,其特征在于,所述深度学习预测模型通过采集功率预测和发电量预测,基于深度置信网络搭建深度学习预测模型,具体如下:
通过采集天气状态数据,包括辐射量、温度、日照时间及风力风向,通过离线训练确定模型参数;
基于深度置信网络的深度预测模型,该网络包括RBM为受限玻尔兹曼机,多个RBM堆叠成为深度置信网络,回归层可为BP神经网络算法或SVM等浅层回归算法,输入序列为获取的预测当天天气状态数据以及最近三小时内的发电状态数据,则输出预测的发电功率序列和当天发电量。
6.根据权利要求5所述分布式光伏发电控制管理系统,其特征在于,光伏云平台的控制策略还包括读取电池模组状态数据,如果预测的发电量高于阈值,则电阻模组放点,否则禁止放电;或者预测功率高于阈值时开始充电,结束控制。
7.根据权利要求1所述分布式光伏发电控制管理系统,其特征在于,所述实时数据包括电池模组工作状态数据、光伏组件工作状态数据、逆变器工作状态数据及电网状态数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810587383.5A CN108879947A (zh) | 2018-06-06 | 2018-06-06 | 一种基于深度学习算法的分布式光伏发电控制管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810587383.5A CN108879947A (zh) | 2018-06-06 | 2018-06-06 | 一种基于深度学习算法的分布式光伏发电控制管理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108879947A true CN108879947A (zh) | 2018-11-23 |
Family
ID=64337372
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810587383.5A Pending CN108879947A (zh) | 2018-06-06 | 2018-06-06 | 一种基于深度学习算法的分布式光伏发电控制管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108879947A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110224673A (zh) * | 2019-05-14 | 2019-09-10 | 太原理工大学 | 一种基于深度学习的太阳能光伏电池板故障检测方法 |
CN110332671A (zh) * | 2019-07-22 | 2019-10-15 | 珠海格力电器股份有限公司 | 室内机的控制方法、装置、设备和空调系统 |
CN110335646A (zh) * | 2019-07-12 | 2019-10-15 | 福州大学 | 基于深度学习-预测控制的车用燃料电池过氢比控制方法 |
CN110363383A (zh) * | 2019-06-03 | 2019-10-22 | 华东电力试验研究院有限公司 | 一种基于数字化发展下的分布式发电监测技术 |
CN111177973A (zh) * | 2019-12-24 | 2020-05-19 | 河海大学常州校区 | 一种基于强化学习的光伏阵列在线建模方法 |
CN111208446A (zh) * | 2020-02-24 | 2020-05-29 | 中国电子科技集团公司第四十八研究所 | 光伏逆变器运行状态在线监测装置及光伏逆变器系统 |
CN111564858A (zh) * | 2020-04-09 | 2020-08-21 | 东莞市新瑞能源技术有限公司 | 一种家庭储能电池兼容多种逆变器的方法 |
CN111697620A (zh) * | 2020-06-19 | 2020-09-22 | 广东工程职业技术学院 | 一种可预测功率的分布式组网光伏并网微逆变发电系统 |
WO2021076085A1 (en) * | 2019-10-17 | 2021-04-22 | Fi̇pronet Elektroni̇k İmalat Sanayi̇ Ti̇caret Anoni̇m Şi̇rketi̇ | Vertical type solar energy collection and transfer system |
CN113570126A (zh) * | 2021-07-15 | 2021-10-29 | 远景智能国际私人投资有限公司 | 光伏发电站的发电功率预测方法、装置及系统 |
CN113824141A (zh) * | 2021-08-05 | 2021-12-21 | 华翔翔能科技股份有限公司 | 一种光伏储能电池管理系统 |
CN114389531A (zh) * | 2022-03-17 | 2022-04-22 | 福建万芯科技有限公司 | 一种新型模块化多方位智慧光伏发电系统 |
CN116780776A (zh) * | 2023-06-29 | 2023-09-19 | 淮阴工学院 | 基于改进麻雀算法的化工园区光伏监测系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107395117A (zh) * | 2017-06-02 | 2017-11-24 | 苏州晟奇凯新能源科技有限公司 | 分布式太阳能发电系统监控与远程诊断SaaS平台 |
CN107589735A (zh) * | 2017-08-31 | 2018-01-16 | 远景能源(江苏)有限公司 | 光伏运维机器人系统 |
JP2018037078A (ja) * | 2016-08-26 | 2018-03-08 | 伊達 博 | 障害検出機能付き発電モニタリングシステム |
-
2018
- 2018-06-06 CN CN201810587383.5A patent/CN108879947A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018037078A (ja) * | 2016-08-26 | 2018-03-08 | 伊達 博 | 障害検出機能付き発電モニタリングシステム |
CN107395117A (zh) * | 2017-06-02 | 2017-11-24 | 苏州晟奇凯新能源科技有限公司 | 分布式太阳能发电系统监控与远程诊断SaaS平台 |
CN107589735A (zh) * | 2017-08-31 | 2018-01-16 | 远景能源(江苏)有限公司 | 光伏运维机器人系统 |
Non-Patent Citations (2)
Title |
---|
吴坚: "深度置信网络光伏发电短时功率预测研究", 《中国测试》 * |
马龙: "分布式光伏电站监控系统的设计与研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110224673A (zh) * | 2019-05-14 | 2019-09-10 | 太原理工大学 | 一种基于深度学习的太阳能光伏电池板故障检测方法 |
CN110363383A (zh) * | 2019-06-03 | 2019-10-22 | 华东电力试验研究院有限公司 | 一种基于数字化发展下的分布式发电监测技术 |
CN110335646A (zh) * | 2019-07-12 | 2019-10-15 | 福州大学 | 基于深度学习-预测控制的车用燃料电池过氢比控制方法 |
CN110335646B (zh) * | 2019-07-12 | 2022-06-17 | 福州大学 | 基于深度学习-预测控制的车用燃料电池过氢比控制方法 |
CN110332671A (zh) * | 2019-07-22 | 2019-10-15 | 珠海格力电器股份有限公司 | 室内机的控制方法、装置、设备和空调系统 |
WO2021076085A1 (en) * | 2019-10-17 | 2021-04-22 | Fi̇pronet Elektroni̇k İmalat Sanayi̇ Ti̇caret Anoni̇m Şi̇rketi̇ | Vertical type solar energy collection and transfer system |
CN111177973A (zh) * | 2019-12-24 | 2020-05-19 | 河海大学常州校区 | 一种基于强化学习的光伏阵列在线建模方法 |
CN111208446A (zh) * | 2020-02-24 | 2020-05-29 | 中国电子科技集团公司第四十八研究所 | 光伏逆变器运行状态在线监测装置及光伏逆变器系统 |
CN111564858A (zh) * | 2020-04-09 | 2020-08-21 | 东莞市新瑞能源技术有限公司 | 一种家庭储能电池兼容多种逆变器的方法 |
CN111564858B (zh) * | 2020-04-09 | 2024-01-09 | 东莞市新瑞能源技术有限公司 | 一种家庭储能电池兼容多种逆变器的方法 |
CN111697620A (zh) * | 2020-06-19 | 2020-09-22 | 广东工程职业技术学院 | 一种可预测功率的分布式组网光伏并网微逆变发电系统 |
CN111697620B (zh) * | 2020-06-19 | 2023-04-07 | 广东工程职业技术学院 | 一种可预测功率的分布式组网光伏并网微逆变发电系统 |
CN113570126A (zh) * | 2021-07-15 | 2021-10-29 | 远景智能国际私人投资有限公司 | 光伏发电站的发电功率预测方法、装置及系统 |
CN113824141A (zh) * | 2021-08-05 | 2021-12-21 | 华翔翔能科技股份有限公司 | 一种光伏储能电池管理系统 |
CN114389531A (zh) * | 2022-03-17 | 2022-04-22 | 福建万芯科技有限公司 | 一种新型模块化多方位智慧光伏发电系统 |
CN114389531B (zh) * | 2022-03-17 | 2023-10-13 | 福建万芯科技有限公司 | 一种新型模块化多方位智慧光伏发电系统 |
CN116780776A (zh) * | 2023-06-29 | 2023-09-19 | 淮阴工学院 | 基于改进麻雀算法的化工园区光伏监测系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108879947A (zh) | 一种基于深度学习算法的分布式光伏发电控制管理系统 | |
Abdelrazek et al. | Integrated PV capacity firming and energy time shift battery energy storage management using energy-oriented optimization | |
CN104538999B (zh) | 一种光伏发电储能系统及其能量调度方法 | |
WO2018210015A1 (zh) | 充换电站及充换电控制系统 | |
CN105471109B (zh) | 面向户用风光互补电站的智能用电管理系统及其管理方法 | |
CN103001240B (zh) | 用于全钒液流电池储能的就地监控系统 | |
CN104184214B (zh) | 一种楼宇用电负荷监控方法 | |
CN206099371U (zh) | 一种社区新能源微网系统 | |
CN101938015B (zh) | 一种锂离子动力电池组均衡充电管理系统 | |
CN2879209Y (zh) | 输电线路动态监测增容系统的在线监测装置 | |
CN105515110A (zh) | 一种电动汽车有序充电实时控制系统 | |
CN104158187A (zh) | 一种局域电网能量和功率二次分配的控制方法及控制系统 | |
CN107154626A (zh) | 分布式光伏智能能源与储能管理SaaS系统 | |
CN104767259B (zh) | 电力系统自适应超级电容‑蓄电池混合储能系统 | |
CN113595235A (zh) | 一种基于泛在电力物联网的储能管理系统 | |
CN105515032B (zh) | 智能微网储能控制方法 | |
CN106384850A (zh) | 基于无线的电池管理系统 | |
CN104184145A (zh) | 一种楼宇智能配电系统 | |
CN105932762A (zh) | 一种基于太阳能发电的电池组的应用系统 | |
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 | |
CN103532143A (zh) | 弥补功率预测精度的新能源发电系统 | |
CN217849380U (zh) | 光伏储能智能监控与管理系统 | |
CN210806849U (zh) | 一种光伏微电网控制系统 | |
CN210927110U (zh) | 一种基于新能源电站的智能测控装置 | |
CN202602334U (zh) | 一种电池充电均衡装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181123 |
|
RJ01 | Rejection of invention patent application after publication |