CN109636033A - 一种分布式光伏项目自发自用综合电价预测方法 - Google Patents
一种分布式光伏项目自发自用综合电价预测方法 Download PDFInfo
- Publication number
- CN109636033A CN109636033A CN201811509401.4A CN201811509401A CN109636033A CN 109636033 A CN109636033 A CN 109636033A CN 201811509401 A CN201811509401 A CN 201811509401A CN 109636033 A CN109636033 A CN 109636033A
- Authority
- CN
- China
- Prior art keywords
- power
- electricity
- photovoltaic
- period
- enterprise
- 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
- 230000005611 electricity Effects 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000010248 power generation Methods 0.000 claims description 31
- 241000196324 Embryophyta Species 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 239000005864 Sulphur Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 239000004744 fabric Substances 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Photovoltaic Devices (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种分布式光伏项目自发自用综合电价预测方法,根据电站选址地的历史辐照数据,预测光伏电站的小时级发电量;获取用电企业的用电负荷数据,比对不同时段的用电负荷与光伏发电功率,判定不同时段的消纳类型;按照构建的模型,对不同时段的企业消纳分布式光伏电量进行测算,最终获得企业的自发自用综合电价。解决了之前分布式光伏行业内无法很好地预测自发自用电价的问题。预测可以帮助分布式光伏电站投资企业更加准确的评估分布式光伏电站的投资收益情况。使得分布式光伏项目的前期的投资收益分析及决策更加科学有效。
Description
技术领域
本发明涉及一种分布式光伏项目管理技术,特别涉及一种分布式光伏项目自发自用综合电价预测方法。
背景技术
随着近年来分布式光伏行业的迅速发展,分布式光伏被越来越多的企业所接受。基于分布式项目的经济性以及最新的政策要求,“自发自用,余电上网”项目成为了工商业分布式光伏行业的主流。“自发自用,余电上网”是指分布式光伏发电系统所发电力优先由屋顶业主使用,多余电量馈入电网。“自发自用,余电上网”电费结算有两部分组成即屋顶企业所用电量部分的电费和余电上网部分的电费。目前对于余电上网部分电网均按照当地脱硫煤电价进行结算,对于企业自用部分的电价涉及到当地的分时电价计价规则以及当地的光伏项目不同时间段的光伏发电情况及企业消纳情况往往很难预测。随着行业的发展,无论是分布式光伏项目的投资企业还是用电企业都需要预测自发自用部分的综合电价情况,以此作为基准进行未来收益预测并进行决策是否实施分布式光伏项目。所以如何进行分布式光伏项目自发自用综合电价的预测是行业内目前亟需解决的问题。
发明内容
本发明是针对分布式光伏项目自发自用综合电价无法准确预测的问题,提出了一种分布式光伏项目自发自用综合电价预测方法,基于当地历史辐照数据和企业用电负荷数据,预测自发自用电价。
本发明的技术方案为:一种分布式光伏项目自发自用综合电价预测方法,包括如下步骤:
1)根据当地经纬度,获取当地的历史辐照数据,同时评估该自发自用分布式光伏电站的系统效率,综合历史辐照数据和分布式光伏电站的系统效率,测算出该电站的发电情况,获得该自发自用分布式光伏电站全年的小时级发电量预测;
2)通过测量或取得历史数据的方式,获得企业的用电负荷情况,对每小时用电进行判定:在企业的用电负荷情况的每个小时段内随机抽取n个瞬时功率数据,并通过步骤1)中求得的对应小时级发电量推算该小时内的平均发电功率,通过对比该小时段内抽取的n个瞬时功率数据和对应平均发电功率的数值大小来确定该小时内的光伏电量消纳情况;
如果抽取的n个瞬时功率数据均大于等于该时段内的平均发电功率,则认为该时段内的光伏电能处于“完全消纳”状态,该时段企业消纳的光伏电量即为光伏发电量;
如果抽取的n个瞬时功率数据均小于该时段内的平均发电功率,则认为该小时内的光伏电能处于“绝对过剩”状态,该时段企业消纳的光伏电量即为企业用电量;
除以上状态外的情况,认为该小时段内的光伏电能处于“部分消纳”;
3)“部分消纳”状态下,企业所用光伏发电的电量进行预测:
首先定义d为企业用电瞬时功率均值与平均发电功率的比值,即
其中为时间段中选取的n个瞬时用电功率的平均均值,
其中Y为该时段内的发电平均功率,通过该时段内的预测电量除以时间求得;
计算n个用电功率的变异系数为:
其中C为变异系数,σ为n个用电功率的标准差,
若d<1,则
其中V为预测企业所用光伏发电的电量,Q为企业该时段内的用电量,为n个功率的均值与该段时间跨度h的乘积;
若d≥1,则
其中V为预测企业所用光伏发电的电量,P为该时段光伏电站的发电量;
4)企业所用光伏发电的自发自用综合电价预测:
其中α为自发自用综合电价预测;Vj为时间段j预测企业所用光伏发电的电量;Ej为时间段j对应的分时电价。
本发明的有益效果在于:本发明分布式光伏项目自发自用综合电价预测方法,解决了之前分布式光伏行业内无法很好地预测自发自用电价的问题。预测可以帮助分布式光伏电站投资企业更加准确的评估分布式光伏电站的投资收益情况。
具体实施方式
分布式光伏项目自发自用综合电价预测方法包括以下几个步骤:
1)根据当地经纬度,获取当地的历史辐照数据,同时评估该自发自用分布式光伏电站的系统效率,综合历史辐照数据和分布式光伏电站的系统效率,测算出该电站的发电情况。目前主流的辐照数据可以精确到小时级,通过此可以获得该分布式光伏电站全年的小时级发电量预测;
2)通过测量或取得历史数据的方式,获得企业的用电负荷情况,对每小时用电进行判定:在企业的用电负荷情况的每个小时段内随机抽取n个瞬时功率数据(具体n的数值根据需要的预测准确度确定),并通过步骤1)中求得的对应小时级发电量推算该小时内的平均发电功率。通过对比该小时段内抽取的n个瞬时功率数据和对应平均发电功率的数值大小来确定该小时内的光伏电量消纳情况。将消纳情况分为三类:完全消纳、绝对过剩和部分消纳。如果抽取的n个瞬时功率数据均大于等于该时段内的平均发电功率,则可以认为该时段内的光伏电能处于“完全消纳”状态;如果抽取的n个瞬时功率数据均小于该时段内的平均发电功率,则可以认为该小时内的光伏电能处于“绝对过剩”状态;除以上状态外的情况,可以认为该小时段内的光伏电能处于“部分消纳”。
3)对于“完全消纳”状态的时段则可以认为该时段企业消纳的光伏电量即为光伏发电量。对于“绝对过剩”状态的时段则可以认为该时段企业消纳的光伏电量即为企业用电量。对于“部分消纳”状态的时段则需要根据具体的功率数值进行评估,因光伏发电量预测的局限性以及企业用电功率值波动无法进行很好的函数拟合,“部分消纳”状态下的具体消纳电量很难进行准确的评估。本发明基于统计学变异系数的概念,结合实际的工程经验,构建了一种工业级的“部分消纳”状态下的具体消纳电量评估模型:
首先定义d为企业用电瞬时功率均值与平均发电功率的比值,即
其中为时间段中选取的n个瞬时用电功率的平均均值,即
其中Y为该时段内的发电平均功率,可以通过该时段内的预测电量除以时间求得;
再计算n个用电功率的变异系数为:
其中C为变异系数,σ为n个用电功率的标准差,即
若d<1,则
其中V为预测企业所用光伏发电的电量,Q为企业该时段内的用电量,为n个功率的均值与该段时间跨度h的乘积;
若d≥1,则
其中V为预测企业所用光伏发电的电量,P为该时段光伏电站的发电量;
对于企业用电部分的光伏发电自发自用综合电价预测,可通过以上方法分别计算各个时段的用电电量,通过累加各个时段的用电电量预测与其对应的分时电价单价乘积获得总的自发自用电费预测,总的自发自用电费预测除以总的自发自用电量即为自发自用综合电价,用公式表达为:
其中α为自发自用综合电价;Vj为时间段j预测企业所用光伏发电的电量;Ej为时间段j对应的分时电价。
某地1Mw分布式光伏电站根据NASA提供的历史数据得到其分时的辐照值,通过设定系统电站的系统效率,计算得到其分时段的发电量,再通过发电量除以时间获得该时段内的平均功率。因篇幅限制,这里只列出某天24小时的分时发电功率(单位:kw)分布情况,如表1:
表1
由于光伏发电的特点,在夜间光伏电站的发电功率为0,在这些时间段可以认为光伏发电被完全消纳,此部分的自发自用电量为0。对于其他非0的时间段,需要采集企业的用电负荷数据,以下为了解释本发明的算法具体实施方法,列举三个时段采集的企业用电负荷数据,这里每个时段各取6个用电负荷数据进行对比计算。
具体的负荷数据情况如下:
1、时段7即企业7:00-8:00间采集6组用电负荷((单位:kw))数据如下表2:
表2
1 | 2 | 3 | 4 | 5 | 6 |
61 | 74 | 83 | 80 | 66 | 74 |
2、时段10即企业10:00-11:00间采集6组用电负荷((单位:kw))数据如下表3:
表3
1 | 2 | 3 | 4 | 5 | 6 |
83 | 77 | 73 | 80 | 76 | 82 |
3、时段13即企业13:00-14:00间采集6组用电负荷((单位:kw))数据如下表4:
表4
1 | 2 | 3 | 4 | 5 | 6 |
72 | 63 | 83 | 79 | 66 | 80 |
对于时段7的数据,对比时段7的光伏发电负荷数据,根据前述步骤2)的判断方法,该段属于“完全消纳”状态,该时段的自发自用用电量即为光伏电站发电量11.68kwh。
对于时段10的数据,对比时段10的光伏发电负荷数据,根据前述步骤2)的判断方法,该段属于“绝对过剩”状态,该时段的自发自用用电量即为该段时段用电负荷的均值与时间的乘积,计算可得该时段自发自用电量为78.5kwh。
对于时段13的数据,对比时段13的光伏发电负荷数据,根据前述步骤2)的判断方法,该段属于“部分消纳”状态,根据步骤3)首先需要先判定d的值与1的大小,经计算此时段d为0.986。进一步根据步骤3)中模型d小于1情形下的计算方式,求解该时段用电负荷的变异系数C为0.109。根据用电负荷数据,该时段企业用电量为74.9kwh。最后根据步骤3)中提出的模型公式,测算该时段的自发自用电量为60.9kwh。
以上按照所提出的测算方法进行具体的实施,可以测算出全年分小时的企业对分布式光伏电站所发电量的消纳数值,具体每一时段的实施细节参考以上3个时段的具体计算方法,篇幅限制,此处不再逐一展开。结合企业的峰平谷分时电价数值,比如某地的10kv大工业用电分时及相应电价如下表5:
表5
时段 | 10kV大工业用电电价 |
8:00-12:00,17:00-21:00 | 1.0697 |
12:00-17:00,,21:00-24:00 | 0.6418 |
0:00-8:00 | 0.3139 |
按照步骤3)可将消纳的分布式光伏电量分别与时段分时电价相乘后求和,最后再将求和后的总电价除以消纳的总电量,即为该分布式光伏项目自发自用综合电价。
Claims (1)
1.一种分布式光伏项目自发自用综合电价预测方法,其特征在于,包括如下步骤:
1)根据当地经纬度,获取当地的历史辐照数据,同时评估该自发自用分布式光伏电站的系统效率,综合历史辐照数据和分布式光伏电站的系统效率,测算出该电站的发电情况,获得该自发自用分布式光伏电站全年的小时级发电量预测;
2)通过测量或取得历史数据的方式,获得企业的用电负荷情况,对每小时用电进行判定:在企业的用电负荷情况的每个小时段内随机抽取n个瞬时功率数据,并通过步骤1)中求得的对应小时级发电量推算该小时内的平均发电功率,通过对比该小时段内抽取的n个瞬时功率数据和对应平均发电功率的数值大小来确定该小时内的光伏电量消纳情况;
如果抽取的n个瞬时功率数据均大于等于该时段内的平均发电功率,则认为该时段内的光伏电能处于“完全消纳”状态,该时段企业消纳的光伏电量即为光伏发电量;
如果抽取的n个瞬时功率数据均小于该时段内的平均发电功率,则认为该小时内的光伏电能处于“绝对过剩”状态,该时段企业消纳的光伏电量即为企业用电量;
除以上状态外的情况,认为该小时段内的光伏电能处于“部分消纳”;
3)“部分消纳”状态下,企业所用光伏发电的电量进行预测:
首先定义d为企业用电瞬时功率均值与平均发电功率的比值,即
其中为时间段中选取的n个瞬时用电功率的平均均值,
其中Y为该时段内的发电平均功率,通过该时段内的预测电量除以时间求得;计算n个用电功率的变异系数为:
其中C为变异系数,σ为n个用电功率的标准差,
若d<1,则
其中V为预测企业所用光伏发电的电量,Q为企业该时段内的用电量,为n个功率的均值与该段时间跨度h的乘积;
若d≥1,则
其中V为预测企业所用光伏发电的电量,P为该时段光伏电站的发电量;
4)企业所用光伏发电的自发自用综合电价预测:
其中α为自发自用综合电价预测;Vj为时间段j预测企业所用光伏发电的电量;Ej为时间段j对应的分时电价。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811509401.4A CN109636033B (zh) | 2018-12-11 | 2018-12-11 | 一种分布式光伏项目自发自用综合电价预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811509401.4A CN109636033B (zh) | 2018-12-11 | 2018-12-11 | 一种分布式光伏项目自发自用综合电价预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109636033A true CN109636033A (zh) | 2019-04-16 |
CN109636033B CN109636033B (zh) | 2022-05-27 |
Family
ID=66072702
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811509401.4A Active CN109636033B (zh) | 2018-12-11 | 2018-12-11 | 一种分布式光伏项目自发自用综合电价预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109636033B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111275533A (zh) * | 2020-02-21 | 2020-06-12 | 山东电力交易中心有限公司 | 电力市场交易方法及系统 |
CN111463784A (zh) * | 2020-05-19 | 2020-07-28 | 中国南玻集团股份有限公司 | 分布式光伏电站自发自用综合电价的预测方法及相关组件 |
CN112003278A (zh) * | 2020-08-21 | 2020-11-27 | 国核电力规划设计研究院重庆有限公司 | 一种分布式光伏自用电比例预测的实现方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200289A (zh) * | 2014-09-25 | 2014-12-10 | 国网上海市电力公司 | 一种基于投资回报率的分布式光伏装机容量预测方法 |
CN106532769A (zh) * | 2016-11-25 | 2017-03-22 | 云南电网有限责任公司电力科学研究院 | 基于光伏并网不确定性的需求侧分时电价的优化方法 |
CN106971263A (zh) * | 2017-03-16 | 2017-07-21 | 国网山东省电力公司经济技术研究院 | 考虑资金时间价值的光伏电站电价成本分析方法 |
CN107181257A (zh) * | 2017-06-19 | 2017-09-19 | 华中科技大学 | 一种基于工业柔性负荷确定峰平谷电价的年光伏消纳方法 |
CN107749624A (zh) * | 2017-11-16 | 2018-03-02 | 广州供电局有限公司 | 分布式光伏发电运营模式优化设计方法和系统 |
-
2018
- 2018-12-11 CN CN201811509401.4A patent/CN109636033B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200289A (zh) * | 2014-09-25 | 2014-12-10 | 国网上海市电力公司 | 一种基于投资回报率的分布式光伏装机容量预测方法 |
CN106532769A (zh) * | 2016-11-25 | 2017-03-22 | 云南电网有限责任公司电力科学研究院 | 基于光伏并网不确定性的需求侧分时电价的优化方法 |
CN106971263A (zh) * | 2017-03-16 | 2017-07-21 | 国网山东省电力公司经济技术研究院 | 考虑资金时间价值的光伏电站电价成本分析方法 |
CN107181257A (zh) * | 2017-06-19 | 2017-09-19 | 华中科技大学 | 一种基于工业柔性负荷确定峰平谷电价的年光伏消纳方法 |
CN107749624A (zh) * | 2017-11-16 | 2018-03-02 | 广州供电局有限公司 | 分布式光伏发电运营模式优化设计方法和系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111275533A (zh) * | 2020-02-21 | 2020-06-12 | 山东电力交易中心有限公司 | 电力市场交易方法及系统 |
CN111463784A (zh) * | 2020-05-19 | 2020-07-28 | 中国南玻集团股份有限公司 | 分布式光伏电站自发自用综合电价的预测方法及相关组件 |
CN112003278A (zh) * | 2020-08-21 | 2020-11-27 | 国核电力规划设计研究院重庆有限公司 | 一种分布式光伏自用电比例预测的实现方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109636033B (zh) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lian et al. | A review on recent sizing methodologies of hybrid renewable energy systems | |
Singh et al. | Short term load forecasting using artificial neural network | |
Mousavi et al. | A novel photovoltaic-pumped hydro storage microgrid applicable to rural areas | |
Reuter et al. | Investment in wind power and pumped storage in a real options model | |
Atwa et al. | Reliability evaluation for distribution system with renewable distributed generation during islanded mode of operation | |
Swamy et al. | Design of hybrid wind and photovoltaic power system using opposition-based genetic algorithm with cauchy mutation | |
Adewuyi et al. | Security-constrained optimal utility-scale solar PV investment planning for weak grids: Short reviews and techno-economic analysis | |
Zeng et al. | An optimal integrated planning method for supporting growing penetration of electric vehicles in distribution systems | |
CN109636033A (zh) | 一种分布式光伏项目自发自用综合电价预测方法 | |
Adinolfi et al. | Pseudo-measurements modeling using neural network and Fourier decomposition for distribution state estimation | |
CN107145707A (zh) | 一种计及光伏出力不确定性和全寿命周期成本的配电网变压器规划方法 | |
CN110380444A (zh) | 一种基于变结构Copula的多场景下分散式风电有序接入电网的容量规划方法 | |
Bui et al. | Forecasting energy output of a solar power plant in curtailment condition based on LSTM using P/GHI coefficient and validation in training process, a case study in Vietnam | |
Li et al. | Research on short-term joint optimization scheduling strategy for hydro-wind-solar hybrid systems considering uncertainty in renewable energy generation | |
CN105162173B (zh) | 一种接入风力发电的电力系统备用容量确定方法 | |
Eltohamy et al. | Technical investigation for power system flexibility | |
McKenna et al. | Impact of wind curtailment and storage on the Irish power system 2020 renewable electricity targets: A free open-source electricity system balancing and market (ESBM) model | |
Avci et al. | Integration of pumped hydro energy storage and wind energy generation: Structural analysis and algorithms | |
Khosravi et al. | Uncertainty quantification for wind farm power generation | |
Shu et al. | Non-sequential simulation methods for reliability analysis of power systems with photovoltaic generation | |
Wang et al. | Business model selection model of distributed photovoltaic energy storage system in China | |
Huang et al. | A comprehensive model for wind power forecast error and its application in economic analysis of energy storage systems | |
Li et al. | Energy storage sizing taking into account forecast uncertainties in distributed energy management system | |
Souissi et al. | Dynamic forecasting-based load control of an autonomous photovoltaic installation | |
Jain et al. | Battery optimization in microgrids using Markov decision process integrated with load and solar forecasting |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211013 Address after: 211111 No. 199, Zhengfang Middle Road, Jiangning Development Zone, Nanjing, Jiangsu Applicant after: ENVISION ENERGY (NANJING) SOFTWARE TECHNOLOGY Co.,Ltd. Applicant after: Vision Energy Co.,Ltd. Address before: No. 199, Zhengfang Middle Road, Jiangning Development Zone, Nanjing, Jiangsu 210008 Applicant before: ENVISION ENERGY (NANJING) SOFTWARE TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |