CN109523198A - 一种基于大数据的光伏设备安装方法 - Google Patents
一种基于大数据的光伏设备安装方法 Download PDFInfo
- Publication number
- CN109523198A CN109523198A CN201811635512.XA CN201811635512A CN109523198A CN 109523198 A CN109523198 A CN 109523198A CN 201811635512 A CN201811635512 A CN 201811635512A CN 109523198 A CN109523198 A CN 109523198A
- Authority
- CN
- China
- Prior art keywords
- equipment
- quality
- photovoltaic
- evaluation
- rate
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000009434 installation Methods 0.000 title claims abstract description 27
- 230000007547 defect Effects 0.000 claims abstract description 31
- 238000011156 evaluation Methods 0.000 claims abstract description 19
- 230000007812 deficiency Effects 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000013441 quality evaluation Methods 0.000 claims abstract description 10
- 238000013461 design Methods 0.000 claims abstract description 9
- 238000013210 evaluation model Methods 0.000 claims abstract description 9
- 238000006243 chemical reaction Methods 0.000 claims abstract description 6
- 238000012423 maintenance Methods 0.000 claims abstract description 6
- 238000005457 optimization Methods 0.000 claims abstract description 4
- 230000008901 benefit Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 5
- 238000012417 linear regression Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012372 quality testing Methods 0.000 claims description 3
- 238000009412 basement excavation Methods 0.000 claims description 2
- 238000010248 power generation Methods 0.000 description 9
- 238000007405 data analysis Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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
- H02S99/00—Subject matter not provided for in other groups of this subclass
-
- 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
-
- 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
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于大数据的光伏设备安装方法，包括以下流程：S1，采集电力系统内外部设备参数、厂商信息、缺陷、故障、运维数据，进行数据清洗、转换；S2，对设备缺陷率、设备故障率和设备寿命三个方面构建质量评估模型，对不同供应商的不同设备进行综合质量评价和排序；S3，结合设备和厂商的评价，进行设备安装；S4，将安装和使用过程中积累的实际数据作为反馈，返回步骤S1，持续优化光伏设备和厂商质量评估模型。与现有技术相比，本发明提升了光伏业扩流程精益化程度，可以开展对供应商产品质量、设计方案等的量化评价及分级管理，提髙公司光伏业扩的精益化管理水平。
Description
技术领域
本发明涉及一种光伏设备安装方法，尤其是涉及一种基于大数据的光伏设备安装方法。
背景技术
光伏发电已经成为继风力发电之后的可再生能源发电的新增长点。2005—2014年全球光伏发电装机容量平均年增长率高于30％，2014年全球光伏发电总装机容量已达约186GW，欧洲光伏发电量占总发电量的峰值比例达7％。
2009—2013年中国光伏发电装机容量平均年增长率均超过了100％，从2009年的0.3GW增长至2014年的28GW，仅次于德国(38.2GW)，居世界第二位。中国光伏发电的主要利用模式逐渐从早期分布式离网光伏系统模式发展成大型并网光伏电站模式，截至2014年底，集中并网型光伏电站占光伏发电总装机容量的83.35％。
我国光伏市场结构正逐渐由地面电站转向分布式光伏发电，得益于国家“十三五”光伏扶贫电站项目，光伏出现井喷式发展。在光伏电站的高速发展中，为快速占领市场，很多光伏设备商重量不重质，导致光伏电站建成后发电效率低下，故障频发。由于不同光伏电站屋顶朝向不同，用的光伏设备(组件、逆变器等)、安装商、运维都不一样，产业链各环节共享不充分，导致光伏电站后期运维成本较高，光伏设备运行长期可靠性形势严峻，光伏新装过程中对光伏设备质量的评估能力有待提高。
光伏设备质量的好坏关系着电网的安全稳定运行，并在很大程度上决定了日后运维、检修、的成本。传统的光伏设备管理模式下，光伏设备采购完成后，就进场安装和调试，然后进行后期维修。这期间新购光伏设备的维修资料、配件清单虽然有专人负责，但是很多工作不到位，造成数据的缺失。如何开展设备选型和供应商选择，做好设备准入工作，是电网公司面临的重要课题。随着生产管理系统建设与推广，积累了海量的设备运行数据(设备缺陷、故障、检修、数据等)。依托设备运行数据的分析评估，对设备和供应商客观地做出评价，对改变现在较为粗放的质量评估方式，提高光伏新装流程管理精益化具有重要意义.
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于大数据的光伏设备安装方法。
本发明的目的可以通过以下技术方案来实现：
一种基于大数据的光伏设备安装方法，包括以下步骤：
S1，采集电力系统内外部设备参数、厂商信息、缺陷、故障、运维数据，进行数据清洗和数据转换，为下一步构建模型提供基础数据；
S2，对设备缺陷率、设备故障率和设备寿命三个方面构建质量评估模型，对不同供应商的不同设备进行综合质量评价和排序；
S3，结合设备和厂商的评价，对光伏安装流程中的设计、方案编制、设备安装环节提供方案指导，进行设备安装；
S4，将安装和使用过程中积累的实际数据作为反馈，返回步骤S1，持续优化光伏设备和厂商质量评估模型。
所述的步骤S1中，利用excel和Python工具进行数据清洗和数据转换。
所述的步骤S2中，设备缺陷率和设备故障率计算方法如下：
设备缺陷率＝缺陷数量/(设备数量×年数)
设备故障率＝事故数量/(设备数量×年数)
单位均为项/百台年。
所述的步骤S2中，采用线性回归算法对设备平均缺陷率与投运年限的变化规律进行拟合，从而计算设备寿命。
所述的步骤S2中，每个厂家缺陷率、故障率以及寿命的原始得分为100分，根据每个厂家缺陷率、故障率以及寿命评价最终实际得分实现不同厂家设备质量排序，其中，设备缺陷率扣分计算式为：
其中，Sk为该厂家的扣分值，Smax为整个评价体系中缺陷的最大扣分值，AImax为所有厂家故障率评价指数的最大值，AImin为所有厂家故障率评价指数的最小值，AIk为该厂家的缺陷率评价指数。
所述的步骤S3中，针对整体质量较好的设备，在通过质量检测后延长生命周期，充分挖掘应用价值，提升光伏电站建设投资效益，并将对应供应商作为优先供应对象，对整体质量较差的设备，后续慎重采购对应供应商产品。
与现有技术相比，本发明具有以下优点：
(1)提升了光伏业扩流程精益化程度。由于采用了大数据分析技术，根据不同厂家、批次及类型的设备进行质量分析，因此可以开展对供应商产品质量、设计方案等的量化评价及分级管理，提髙公司光伏业扩的精益化管理水平。
(2)可迁移性较高。由于采用了线性回归等适应性较强的机器学习算法构建设备质量评估模型，因此其他需要评价厂商设备质量情况的场景，该模型方法同样适用。
(3)实现成本低。该方法基于传统的新装流程进行提升，利用系统内外部历史数据作为基础，不需新增硬件设备，可利用软件通过数据分析实现。
附图说明
图1为本发明的方法流程图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
实施例
一种基于大数据的分布式光伏设备安装方法，基于大数据分析技术，在传统企业光伏业扩流程开始前，运用多种数据挖掘方法对光伏设备质量进行评估，结合客户实际需求和设备情况进行方案决策和建设施工，从而实现光伏电站设备的精益化管理，提高光伏发电收益，减少因设备故障和缺陷带来的经济损失。主要步骤如下：
a.内外部数据采集。基于历史采购清单、合同信息、故障信息等多数据源，整合内外部供应商信息、设备参数、故障等数据。
b.构建设备质量评价模型。设备质量问题是导致设备缺陷及故障发生的主要因素。通过对设备缺陷及故障发生情况的评价可以反映某个厂家或某种类型的设备的质量水平。
c.评价模型应用。结合设备和供应商的评价，对光伏新装流程中的设计、方案编制、设备安装等环节提供方案指导。
d.传统光伏业扩新装流程。从业务受理到登记与委托设计、光伏并网接入设计方案编制、接入方案评审与供电合同签订、答复方案意见、现场勘查、并接方案设计审图与补齐发供电合同、现场项目验收等。同时将光伏新装数据流转到步骤a。
(2)设备质量评价模型构建方法。设备质量评价模型从三个方面构建:设备缺陷发生情况、设备故障发生情况、故障对设备寿命的影响。最终形成对不同厂家不同设备的直观综合评价。
1、设备缺陷与故障评价模型。通过对设备缺陷及故障发生情况的评价可以反映某个厂家或某种类型的设备的质量水平。采用缺陷率以及故障率进行评价。缺陷率与故障率的计算方法如下：
设备缺陷率＝缺陷数量/(设备数量×年数)
设备故障率＝事故数量/(设备数量×年数)
2.设备寿命评价模型。基于同一时间区段，对不同厂家、不同型号设备在该时间段上进行质量的比较，采用线性回归算法对设备平均缺陷率与投运年限的变化规律进行拟合，拟合公式如下:
y(n)＝λa×n+b
其中，y(n)为投运年限为n的设备平均缺陷率，λa为设备缺陷率随投运年限增长而增长的比。
3、厂家设备质量评价。根据厂家的缺陷率、故障率以及寿命评价指数确定具体扣分值:对于某厂家设备假设其缺陷率评价指数为AIiAIk，则其扣分值计算公式如下
其中，Sk为该厂家的扣分值；；Smax为整个评价体系中缺陷的最大扣分值；AImax为所有厂家故障率评价指数的最大值；AImin为所有厂家故障率评价指数的最小值；AIk为该厂家的缺陷率评价指数。
图1所示为本发明基于大数据的光伏安装流程。利用数据分析技术评估设备质量从而科学指导光伏业扩新装，结合图1对以下各步骤进行详细描述：
步骤①，对电力系统内外部设备参数、厂商信息、缺陷、故障、运维等数据进行采集，利用excel和Python工具进行数据清洗和数据转换，为下一步构建模型提供基础数据。
步骤②，利用线性回归和统计分析方法构建质量评估模型，结合设备缺陷率、设备故障率和设备寿命三个方面，对不同供应商的不同设备进行综合评价。每个厂家缺陷率、故障率以及寿命的原始得分为100分，根据每个厂家缺陷率、故障率以及寿命评价最终实际得分实现不同厂家设备质量排序。
步骤③，结合设备和厂商的评价，对光伏新装流程中的设计、方案编制、设备安装等环节提供方案指导，如针对整体质量较好的设备，可在通过质量检测后考虑延长生命周期，充分挖掘应用价值，提升光伏电站建设投资效益，并将对应供应商作为优先供应对象；对整体质量较差的设备，后续慎重采购对应供应商产品。同时将业扩过程中积累的实际数据作为反馈，持续优化光伏设备和厂商质量评价结果。
步骤④，返回步骤①。将新装设备、厂商等信息反馈至数据库中形成闭环，持续优化模型参数，提升质量评估准确度。
Claims (6)
1.一种基于大数据的光伏设备安装方法，其特征在于，包括以下步骤：
S1，采集电力系统内外部设备参数、厂商信息、缺陷、故障、运维数据，进行数据清洗和数据转换，为下一步构建模型提供基础数据；
S2，对设备缺陷率、设备故障率和设备寿命三个方面构建质量评估模型，对不同供应商的不同设备进行综合质量评价和排序；
S3，结合设备和厂商的评价，对光伏安装流程中的设计、方案编制、设备安装环节提供方案指导，进行设备安装；
S4，将安装和使用过程中积累的实际数据作为反馈，返回步骤S1，持续优化光伏设备和厂商质量评估模型。
2.根据权利要求1所述的一种基于大数据的光伏设备安装方法，其特征在于，所述的步骤S1中，利用excel和Python工具进行数据清洗和数据转换。
3.根据权利要求1所述的一种基于大数据的光伏设备安装方法，其特征在于，所述的步骤S2中，设备缺陷率和设备故障率计算方法如下：
设备缺陷率＝缺陷数量/(设备数量×年数)
设备故障率＝事故数量/(设备数量×年数)
单位均为项/百台年。
4.根据权利要求1所述的一种基于大数据的光伏设备安装方法，其特征在于，所述的步骤S2中，采用线性回归算法对设备平均缺陷率与投运年限的变化规律进行拟合，从而计算设备寿命。
5.根据权利要求1所述的一种基于大数据的光伏设备安装方法，其特征在于，所述的步骤S2中，每个厂家缺陷率、故障率以及寿命的原始得分为100分，根据每个厂家缺陷率、故障率以及寿命评价最终实际得分实现不同厂家设备质量排序，其中，设备缺陷率扣分计算式为：
其中，Sk为该厂家的扣分值，Smax为整个评价体系中缺陷的最大扣分值，AImax为所有厂家故障率评价指数的最大值，AImin为所有厂家故障率评价指数的最小值，AIk为该厂家的缺陷率评价指数。
6.根据权利要求1所述的一种基于大数据的光伏设备安装方法，其特征在于，所述的步骤S3中，针对整体质量较好的设备，在通过质量检测后延长生命周期，充分挖掘应用价值，提升光伏电站建设投资效益，并将对应供应商作为优先供应对象，对整体质量较差的设备，后续慎重采购对应供应商产品。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811635512.XA CN109523198A (zh) | 2018-12-29 | 2018-12-29 | 一种基于大数据的光伏设备安装方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811635512.XA CN109523198A (zh) | 2018-12-29 | 2018-12-29 | 一种基于大数据的光伏设备安装方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109523198A true CN109523198A (zh) | 2019-03-26 |
Family
ID=65798198
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811635512.XA Pending CN109523198A (zh) | 2018-12-29 | 2018-12-29 | 一种基于大数据的光伏设备安装方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109523198A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112381441A (zh) * | 2020-11-24 | 2021-02-19 | 国网北京市电力公司 | 电网设备供应商排名的方法、装置与计算机可读存储介质 |
| CN112650793A (zh) * | 2020-12-30 | 2021-04-13 | 广东电网有限责任公司电力科学研究院 | 一种电网设备缺陷分析方法 |
| CN112750341A (zh) * | 2020-12-31 | 2021-05-04 | 佛山职业技术学院 | 一种户用型光伏电站安装评价系统及其评价方法 |
| CN112766783A (zh) * | 2020-12-25 | 2021-05-07 | 广东电网有限责任公司电力科学研究院 | 电力设备运行质量的评价方法、系统、终端设备及介质 |
| CN116796202A (zh) * | 2023-07-17 | 2023-09-22 | 上海朗晖慧科技术有限公司 | 一种基于大数据的设备数据匹配方法及异常数据处理系统 |
-
2018
- 2018-12-29 CN CN201811635512.XA patent/CN109523198A/zh active Pending
Non-Patent Citations (2)
| Title |
|---|
| 波哥: ""光伏组件质量问题分析及风控方案"", 《百度文库》 * |
| 耿俊成: ""基于大数据分析的电网设备质量评价"", 《电力大数据》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112381441A (zh) * | 2020-11-24 | 2021-02-19 | 国网北京市电力公司 | 电网设备供应商排名的方法、装置与计算机可读存储介质 |
| CN112766783A (zh) * | 2020-12-25 | 2021-05-07 | 广东电网有限责任公司电力科学研究院 | 电力设备运行质量的评价方法、系统、终端设备及介质 |
| CN112650793A (zh) * | 2020-12-30 | 2021-04-13 | 广东电网有限责任公司电力科学研究院 | 一种电网设备缺陷分析方法 |
| CN112750341A (zh) * | 2020-12-31 | 2021-05-04 | 佛山职业技术学院 | 一种户用型光伏电站安装评价系统及其评价方法 |
| CN116796202A (zh) * | 2023-07-17 | 2023-09-22 | 上海朗晖慧科技术有限公司 | 一种基于大数据的设备数据匹配方法及异常数据处理系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109523198A (zh) | 一种基于大数据的光伏设备安装方法 | |
| Mansour-Saatloo et al. | A risk-averse hybrid approach for optimal participation of power-to-hydrogen technology-based multi-energy microgrid in multi-energy markets | |
| Yang et al. | Energy–water nexus of wind power generation systems | |
| Sulaeman et al. | Quantification of storage necessary to firm up wind generation | |
| Unsihuay et al. | Integrated power generation and natural gas expansion planning | |
| CN104217014A (zh) | 一种用于国网省一体化安全校核的数据校验方法 | |
| Zeng et al. | A multistage coordinative optimization for sitting and sizing P2G plants in an integrated electricity and natural gas system | |
| Daneshvar et al. | Short term optimal hydro-thermal scheduling of the transmission system equipped with pumped storage in the competitive environment | |
| Bogatenkov et al. | Secure state power system models building | |
| Li et al. | Two-stage stochastic programming based model predictive control strategy for microgrid energy management under uncertainties | |
| CN111142486A (zh) | 一种综合能源监控与服务系统及其工作方法 | |
| CN116933952B (zh) | 基于物联网可视化的园区低碳能源调度系统 | |
| CN110059951A (zh) | 一种适用于光伏项目开发的可行性评估方法 | |
| Dui et al. | Analysis of variable system cost and maintenance strategy in life cycle considering different failure modes | |
| Chong et al. | A review of smart grid technology, components, and implementation | |
| Perez Canto | Using 0/1 mixed integer linear programming to solve a reliability-centered problem of power plant preventive maintenance scheduling | |
| CN112491080A (zh) | 一种新能源装机布局规划方法和系统 | |
| CN109977577B (zh) | 考虑天然气输配管网不确定性的气-电耦合系统可靠性评估方法 | |
| Yun et al. | Application of reliability-centered stochastic approach and FMECA to conditional maintenance of electric power plants in China | |
| CN111478377A (zh) | 一种基于网源动态约束的新能源消纳能力评估方法及系统 | |
| Solomakhina et al. | Modeling and analysis techniques for multimodal utility networks | |
| Raheli et al. | Feasibility verification of a MILP model by outer approximation for the optimal operation of natural gas networks | |
| Feng et al. | Analysis and application of hydropower real-time performance calculation | |
| LU505190B1 (en) | Method, Device and Equipment for Monitoring the Operation State of Photovoltaic Power Station | |
| CN117057775A (zh) | 一种基于多能互补分析算法的智慧能源管理系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190326 |
|
| RJ01 | Rejection of invention patent application after publication |