CN110073567A - 分布式资源电力需求预测系统和方法 - Google Patents
分布式资源电力需求预测系统和方法 Download PDFInfo
- Publication number
- CN110073567A CN110073567A CN201780061618.0A CN201780061618A CN110073567A CN 110073567 A CN110073567 A CN 110073567A CN 201780061618 A CN201780061618 A CN 201780061618A CN 110073567 A CN110073567 A CN 110073567A
- Authority
- CN
- China
- Prior art keywords
- data
- distributed
- energy
- sensor
- method described
- 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
Classifications
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
-
- 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
- Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security
-
- 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
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/10—Energy trading, including energy flowing from end-user application to grid
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种方法,该方法用于基于从控制系统和传感器的分布式网络收集的数据来预测需求定价事件并预测价格的变化。在一个实施例中,该方法使用系统和传感器的分布式网络来收集和监控可用于预测和抢占包括断电和欠压的电网需求事件的数据。通过对来自分布式系统的诸如电压、频率、功率、温度等数据的实时分析,并且对特定子负载集合点(Sub‑LAP)的电网状况进行模拟,在市场信号之前确定存储的能源、能源生产和负荷削减的值。
Description
技术领域
本公开总体涉及一种使用系统和传感器的分布式网络的方法。更特别地,本公开总体涉及一种使用系统和传感器的分布式网络来收集和监控可用于预测和抢占电网需求事件的数据的方法。
背景技术
智能电网技术,例如建筑自动化、电池储能、燃料电池、智能电动汽车充电和可再生发电,都可从多个收入来源中受益。这些单独的技术或技术组合用于同时满足多个应用的需求。这些应用的一些示例包括:(1)例如需求减少的现场服务,(2)例如频率调节的电网服务,以及(3)例如备用电源的紧急服务。这些应用中的每一个都可具有随时间显著变化的货币(和/或效率)价值。在电网服务的情况下尤其如此,其中应用的价值不是基于任意一个站点的影响,而是基于整个电网的需求。电网服务的价值可由独立系统运营商(ISO)或电力公司使用诸如OpenADR的价格信号或通过启动负载减少事件来传达。这些电网服务的价值和时间的波动可与站点和紧急服务应用无关。因此,为了适当地使单个站点的性能最大化,该站点应该能够平衡本地服务的价值与提供给电网的服务。
整个电气系统的电网服务价值并不相同。在任意给定时间,由于需求增加,子负载集合点可以高能源价格操作,而附近区域中的子负载集合点可由于过度生产而具有负能源价格。电网级别趋势和消耗数据不足以模拟子负载集合点内的能源价格。
现有系统专注于接收事件的通知、确定操作分布式资源的最佳配置、以及通过可用的最有效的技术满足电力分布事件的要求。该方法未能在通知之前使用来自分布式资源的数据来预测即将发生的事件,因此可在事件之前做出次优决策。其结果是降低了整个分布式系统的性能。
现有系统没有使用分布式资源的控制系统和传感器数据来预测事件。因此,现有技术仅限于事件通知和反应。
值得注意地,本节中讨论的所有主题不一定都是现有技术,并且不应仅仅因为在本节中的讨论而被认为是现有技术。因此,除非明确地声明为现有技术,否则对本节中讨论的或与这些主题相关的现有技术中的任何问题的认识不应被视为现有技术。相反,本节中对任意主题的讨论应被视为特定技术问题的技术解决方案的一部分,该问题本身也可具有创造性。
发明内容
简单地且概括地说,公开了一种从分布式资源收集和分析数据以预测电网上即将发生的能源事件的方法,该方法包括:从包括控制系统和传感器的分布式资源网络收集数据,收集的数据存储在一个或多个存储器装置中;使用一个或多个处理器对存储在一个或多个存储器装置中的收集的数据进行分析;模拟电网的子负载聚合点处的电网状况;使用模拟的电网状况,在市场信号之前确定存储的能源、能源生产和负荷削减的值;预测需求定价分布事件并预测价格、供应或两者的变化;以及基于预测的需求定价分布事件对用电量执行修正,以提高能源效率。
在一些实施例的一个方面,来自控制系统和/或传感器的分布式网络的收集的数据包括电压数据、频率数据、功率数据、温度数据或其组合。在一些实施例的另一方面,对收集的数据的分析是实时执行的。在一些实施例的又一方面,收集的数据存储在中央服务器中。在一些实施例的又一方面,对收集的数据的分析在中央服务器中执行。
接着,在一些实施例的一个方面,收集的数据存储在分布式资源中。在一些实施例的另一方面,对收集的数据的分析在分布式资源中执行。在一些实施例的又一方面,传感器包括温度传感器、电压传感器、光传感器、湿度传感器、功率传感器或其组合。在一些实施例的又一方面,数据报告示出在给定区域中正在测量的日光的量。
现在参考一个方面,基于传感器分布,日光数据报告使得能够确定日光随着时间在特定方向上减少。在另一方面,一些实施例可进一步包括监控线路电压以预测电网约束、需求响应事件、增加的实时能源价格或其组合。在一些实施例的又一方面,由于非常高的局部负载或站点相对于子站的物理位置或其组合,线路电压下降发生在单独的站点处。在一些实施例的又一方面,历史数据与实时数据结合使用,以将单个站点处的线路电压降与影响整个Sub-LAP的线路电压降分开。
在一个实施例中,该方法进一步包括将从分布式资源网络中实时收集的实际温度和日光数据与预测的天气进行比较;以及确定由于与预测的天气的较大偏差而导致的能源价格和/或供应的变化是否增加。在一个实施例的另一方面,分析子负载集合点上的测量值以使用包括以下各项的测量值的组合来预测能源价格的变化:示出在Sub-LAP上日光从东到西逐渐减少的数据、示出比预测的天气更热的一天的数据以及示出整个网络上的电压电平滞后的数据。
在一些实施例中,分布式资源电力需求预测系统和方法提供了一种基于从控制系统和传感器的分布式网络收集的数据来预测需求定价事件并预测价格(和/或供应)的变化的方法。更具体地,通过对来自分布式系统的诸如电压、频率、功率和温度的数据的实时分析,特定子负载集合点(Sub-LAP)处的电网状况用于在市场信号之前确定存储的能源、能源生产和负荷削减的值。
在另一实施例中,分布式资源电力需求预测系统包括一种用于从Sub-LAP内的分布式资源收集和分析数据以预测即将发生的能源价格(和/或供应)的变化以及分布事件发生的统计概率的方法。预期的价格、供应和事件概率可用于使现场和紧急服务的价值最大化,同时还优化电网服务。
在又一实施例中,分布式资源电力需求预测系统和方法用于预测电网上即将发生的能源事件。分布式资源电力需求预测方法包括:使用一个或多个处理器对存储在一个或多个存储器装置中的接收数据进行分析,其中接收的数据来自包括控制系统和传感器的分布式资源网络;模拟电网的子负载集合点处的电网状况;预测需求定价分布事件并预测价格、供应或两者的变化;以及基于预测的需求定价分布事件对用电量执行修正,以提高能源效率、使能源成本最小化或两者皆有。
通过以下结合附图的详细描述,特征和优点将变得显而易见,附图通过示例的方式示出各个实施例的特征。
附图说明
作为本说明书的一部分包括的附图示出各个实施例,并且与上面给出的一般描述和下面给出的各个实施例的详细描述一起用于解释和教导本文所描述的原理。
图1是示出在Sub-LAP内操作的分布式资源的分布图。
图2是依赖于中央服务器集合所有数据的数据收集网络。
图3是在不需要中央节点而集合数据的分布式计算模型。
图4是示出各种类型的数据收集方法和传感器的示例分布式资源节点的展开图。
图5是将来自分布式资源的数据转换为需求响应事件的预测概率的图形表示。
值得注意地,附图不一定按比例绘制,并且在整个附图中,为了说明的目的,类似结构或功能的元件通常由相同的附图标记来表示。附图或文本示出分布式资源电力需求预测系统可能的实施方式的示例,然而在不脱离本公开的情况下,该教导适用于其它实施方式。附图仅旨在便于描述本文所描述的各个实施例。附图未描述本文公开的教导的每个方面,并且不限制权利要求的范围。
具体实施方式
本文公开的每个特征和教导可单独使用或与其它特征和教导结合使用,以提供一种实施分布式资源电力需求预测系统和方法的系统和方法。参照附图进一步详细描述了单独地和组合地利用许多这些附加特征和教导的代表性示例。该详细描述仅旨在向本领域技术人员教导用于实践本教导的各方面的进一步的细节,而不旨在限制权利要求的范围。因此,上述详细描述中公开的特征的组合对于在最广泛意义上实践本教导可以不是必需的,而仅仅是教导以描述本教导的特别有代表性的示例。
在以下描述中,仅出于解释的目的,阐述了具体的术语以提供对本公开的透彻理解。然而,对于本领域技术人员显而易见的是,实践本公开的教导不需要这些具体细节。
本文的详细描述的一些部分是根据对计算机存储器内的数据位的操作的算法和符号表示来呈现的。数据处理领域的技术人员使用这些算法描述和表示来有效地将他们工作的实质传达给本领域其它技术人员。本文的算法通常被认为是导致期望结果的自相一致的步骤序列。这些步骤是需要对物理量进行物理操作的步骤。通常,尽管不是必须的,这些量以能够被存储、传输、组合、比较和以其它方式操作的电信号或磁信号的形式出现。有时,主要出于常用的原因,已经证明将这些信号称为位、值、元素、符号、字符、术语、数字等是方便的。
然而,应该记住的是,所有这些和类似术语都与适当的物理量相关联,并且仅仅是应用于这些量的方便的标签。除非从下面的讨论中明确指出,否则应当理解的是,在整个说明书中使用诸如“处理”、“计算”、“运算”、“确定”、“显示”等术语的讨论是指计算机系统或类似电子计算装置的动作和进程,其将表示为计算机系统的寄存器和存储器装置内的物理(电子)量的数据操作和转换成类似地表示为计算机系统存储器装置或寄存器或其它此类信息存储、传输或显示装置内的物理量的其它数据。
此外,代表性示例的各种特征和从属权利要求可以以未具体和明确列举的方式结合,以便提供本教导的另外有用的实施例。还应明确指出的是,为了原始公开的目的,以及为了限制所要求保护的主题的目的,实体组的所有价值范围或指示都公开了每个可能的中间值或中间实体。还应明确指出的是,图中所示的组件的尺寸和形状被设计成有助于理解如何实践本教导,但不旨在限制示例中所示的尺寸和形状。
在以下描述中,阐述了某些具体细节以便提供对各个公开的实施例的透彻理解。然而,相关领域的技术人员将认识到的是,实施例可在没有这些具体细节中的一个或多个的情况下实践,或者利用其它方法、组件、材料等来实践。在其它情况下,未详细示出或描述与服务器、网络、显示器、媒体处理、计算机和/或处理器/控制系统相关联的众所周知的结构,以避免不必要地模糊对实施例的描述。
除非另外指出,否则本文描述的功能可由存储在计算机可读介质中并在一个或多个基于处理器的系统上操作的可执行代码和指令来执行。然而,也可使用固态机器和/或硬连线电子电路。进一步地,关于本文描述的示例进程,不需要达到所有进程状态,也不必以所示顺序执行这些状态。进一步地,可并行执行被示为串行执行的某些进程状态。
类似地,除非另有明确说明,否则某些实施例可指代个人计算机(“PC”)系统或数据装置,也可使用其它计算机或电子系统,例如但不限于交互式电视、支持网络的个人数字助理(“PDA”)、网络游戏机、联网娱乐装置、智能手机(例如,具有操作系统并且用户可在其上安装应用)等。
另外,虽然某些用户输入或手势被描述为通过电话按键来提供、通过键盘输入数据、或者通过点击计算机鼠标或按钮,任选地,用户输入可使用其它技术,例如通过语音或者其它方式来提供。本文描绘和描述的示例屏幕布局、外观和术语旨在是说明性和示例性的,并且不限制所要求保护的发明的范围。
如本文所用的,术语“例如”、“如”、“在一个/另一方面”、“在一个/另一场景中”、“在一个/另一版本中”、“在一些配置中”、“在一些实施方式中”、“优选地”、“通常地”、“典型地”、“可以”和“任选地”旨在用于引入非限制性实施例。除非另有明确说明,否则在对某些示例系统组件或服务进行某些引用时,也可使用其它组件和服务和/或可将示例组件结合成更少的组件和/或分为更多的组件。术语“成员”和“用户”可互换使用。成员和用户订阅或注册了网络服务或用户网络。
现在参照图1至图5,示出分布式资源电力需求预测系统和方法的各个方面。值得注意地,分布式资源电力需求预测系统和方法所使用的分布式资源可以是诸如能源存储、建筑物自动化系统或可再生发电的活动要素。附加地或可选地,分布式资源电力需求预测系统和方法使用的分布式资源也可以是被动传感器,该被动传感器被安装以用于收集数据以及将信息传达到分布式网络的特定目的。
如图1所示,子负载集合点(Sub-LAP)在电网上的地理尺寸和人口密度上各不同。Sub-LAP是电网的默认负载集合点(LAP)内的区域,这些区域对具有类似电网影响的总线进行分组。Sub-LAP可用于公布区位边际价格。Sub-LAP还用于集合Sub-LAP内的需求响应和分布式能源资源。此外,Sub-LAP可比默认负载集合点能够更准确地反映拥塞收入权的拥塞成本。
良好分布式资源网络优选用于预测需求响应事件。Sub-LAP的规模和人口中心可影响资源的分布和集中。然而,可用数据仍可用于预测需求响应事件。
在分布式资源电力需求预测系统和方法的一个方面,日光、电压和温度传感器提供用于预测需求响应事件的有用数据,并且是作为每个资源的一部分的期望组件。值得注意地,分布式资源电力需求预测系统和方法与许多不同类型的传感器一起工作。因此,只要提供传感器数据,就不需要特定传感器成为任意资源的一部分。在这方面,术语传感器不旨在限制任意一套特定的测量工具。可从分布式资源收集的任意信息可为需求响应预测增加价值和准确性。
在分布式资源电力需求预测系统和方法的一些实施例中,资源通过蜂窝数据网络进行通信。在分布式资源电力需求预测系统和方法的其它实施例中,资源通过其它无线网络和/或有线网络进行通信(附加地或可选地)。在这方面,可在分布式资源电力需求预测系统和方法的各个实施方式中使用使资源能够彼此直接对话的通信机制或中央服务器。
现在参照图2,示出分布式资源电力需求预测系统和方法的实施例,其中数据收集和事件预测在中央服务器处执行并且经由通信网络传达到分布式资源。在一些实施例中,中央服务器包括一个或多个存储器装置和一个或多个处理器。数据收集和事件预测使用可执行代码和指令来执行,该可执行代码和指令存储在一个或多个存储器装置中、由一个或多个处理器执行、并且在一个或多个基于处理器的系统上操作。然而,如图3所示,在分布式资源电力需求预测系统和方法的其它实施例中,可由分布式资源自身执行计算。值得注意地,分布式资源还包括一个或多个存储器装置和一个或多个处理器,其中一个或多个处理器执行存储在一个或多个存储器装置中的指令。在分布式资源电力需求预测系统和方法的一些实施例中,分布式资源采用点对点网络配置,使得分布式资源经由通信网络直接连接,而不是通过中央服务器连接。在这方面,数据收集的位置和计算方法在分布式资源电力需求预测系统和方法的不同实施例之间变化,并且不受网络拓扑的限制。
现在参照图4,示出分布式资源电力需求预测系统和方法中的资源的实施例。具体地,在该实施例中,资源1包括温度传感器、电压传感器、光传感器、湿度传感器、功率传感器和用户输入收集。在一些实施例中,这些传感器中的每一个还包括一个或多个存储器装置和一个或多个处理器,其中一个或多个处理器执行存储在一个或多个存储器装置中的指令。在分布式资源电力需求预测系统和方法中的其它资源中,可包括更多数量或更少数量的传感器。例如,在一个实施例中,资源1包括一个传感器,资源2包括四个传感器,资源3包括六个传感器,资源4包括三个传感器等。在分布式资源电力需求预测系统和方法的另一实施例中,所有资源包括相同数量的传感器。
图5示出数据报告并描绘了收集数据的分布式传感器系统。数据报告示出在给定区域内测量的日光的量。这表明太阳能发电可对当地电网有多大贡献。在图5所示的示例中,日光随着时间的推移而减少。更具体地,基于传感器分布可确定日光在特定方向上减少(随着时间的推移)。该数据表示的梯度示出南方的日光最低,而当天晚些时候北方地区的光线减少。许多事件可导致日光减少,例如云、沙尘暴、野火等。值得注意地,一些日光的减少可很好地理解并且像云量一样很容易预测,但是野火可在任何地方爆发,并且是不可预测的。
在一些实施例中,分布式资源电力需求预测系统和方法能够从Sub-LAP上的所有节点获取测量值并模拟可用日光的减少,预测整个区域中减少的幅度,以及模拟中断传播的速度。基于这些测量值,以及来自网络中的其它传感器的测量值(电压、温度、耗电量等),可预期需求响应事件或能源价格和供应的突然变化的概率。通过基于当地能源的实时数据报告了解不同地区的发电量和用电量如何变化,分布式资源电力需求预测系统和方法能够修改管理策略,以使能源总成本最小化,能源效率最大化(例如,通过使用分布式资源电力需求预测系统和满足能源需求的方法确定具有大能源供应的目标时间段)。
在分布式资源电力需求预测系统和方法的一种实施方式中,当Sub-LAP北部的冷藏仓库的太阳能仍然以全功率发电时(下午2:00),可选择降低其设施中的温度。冷藏仓库基于来自分布式资源电力需求预测系统和方法的知识,即太阳能发电量的供应将在下午晚些时候减少,做出这个决策,因此,冷藏仓库的能源实时价格在下午晚些时候将会增加,此时冷藏仓库将需要获得能源。另外,附近具有能源存储系统的站点在预期本地电力公司或ISO发出更高价值的需求响应事件时可开始保存能源,这些能源通常用于减少需求费用。
日光只是示出如何收集和利用数据来预测电价变化的能源的一个示例。该示例实施方式示出分布式资源电力需求预测系统和方法如何使用来自分布式系统的数据。值得注意地,该示例实施方式不旨在限制可被收集或用于模拟价格变化、供应变化和需求响应事件的数据的类型。
在另一实施例中,来自分布式资源的测量值和数据也可被分布式资源电力需求预测系统和方法用于预测价格的下降、供应的增加或需求响应事件的结束。例如,如果在附近节点测量到的日光在增加,并且该区域的梯度显示特定节点处的日光将开始上升,则预计太阳能发电输出将增加并且能源成本将随时间而下降。因此,电池系统可基于该信息延迟再充电以降低操作成本。附加地或可选地,使用来自分布式资源电力需求预测系统和方法的该信息,可延迟节点处的高能源进程直到发生预期的价格下降。
现在参考分布式资源电力需求预测系统和方法的另一方面,还可监控线路电压,从而为潜在电网约束、需求响应事件以及实时能源价格上涨提供早期指示。在这方面,单个站点的线路电压下降可以是由非常高的局部负载或站点相对于子站的物理位置引起的。Sub-LAP的电压下降可以是由可再生发电的下降、附近发电厂的机械问题或整个地区的异常高需求引起的。
通过使用分布式资源电力需求预测系统和方法,可监控区域上的电压并且可保存历史数据。利用历史数据与实时数据相结合,分布式资源电力需求预测系统和方法可将单个站点处的线路电压降与影响整个Sub-LAP的线路电压降分开。当整个Sub-LAP上的电压下降时,这种下降通常通过呼叫需求响应事件或提高能源价格来帮助稳定电网来调整。值得注意地,在分布式资源电力需求预测系统和方法网络上操作的站点可开始保存能源并在这些事件发生之前为之做准备。如果Sub-LAP上的电压继续滞后,则分布式资源电力需求预测系统和方法在预计到电网中断和需要备用电源时可开始将过剩的能源存储在本地电池中。
现在参考分布式资源电力需求预测系统和方法的又一方面,“提前一天”需求响应事件经常由电力公司基于天气预报来调用。然而,如果实际天气与预测天气有显著偏差,则电网可出现能源供应不足或发电量过剩的情况。在这种情况下,分布式资源电力需求预测系统和方法可执行将从分布式系统网络实时收集的实时温度和日光数据与预测的天气进行比较的计算。在发现与预期温度存在较大偏差的情况下,系统可确定价格事件的概率是否升高(或降低)。
上述示例示出Sub-LAP上的一种类型的测量以使用分布式资源电力需求预测系统和方法来预测能源价格的变化。分布式资源电力需求预测系统和方法的大多数实施例将采用使用测量值的组合(例如,来自多个不同类型的传感器和多个资源位置)进行计算。在一个示例中,测量值的组合包括:(1)在Sub-LAP上从东到西日光逐渐减少(2)在比预测的前一天更热的那天,以及(3)电压电平滞后于整个网络的地方。使用这种测量值的组合,分布式资源电力需求预测系统和方法预测需求事件的高概率并提供能源获取定时信息。分布式资源电力需求预测系统和方法的准确性和可靠性建立在使用来自操作区域的多个节点的所有可用数据的基础上。
可使用硬件、软件、固件、电路或其组合在一个或多个计算机系统上实施与本文公开的系统、方法、功能、步骤、特征及其对应的各个方面。硬件、软件、固件和电路分别指代任意硬件、软件、固件或电路组件。本文提到的计算机系统可指任意计算装置(例如,智能手机、移动计算装置、个人数据助理、平板电脑、膝上型计算机、台式电脑、其它计算装置等),反之亦然。例如,本文描述的系统中的每个计算机系统或计算装置或本文公开的系统的任意实施例可利用以下组件中的一个或多个:在其上执行软件指令(例如,与操作系统、应用程序、诸如虚拟机的解释器或编译器相对应的指令)的单核或多核硬件处理器(例如,中央处理单元或图形处理单元);与硬件处理器相关并与之连接的存储器,例如缓存存储器或存储硬件处理器可访问以进行处理的软件指令或其它数据的其它系统存储器;输入装置(例如,鼠标、键盘、触摸屏等);输出装置(例如,显示器、触摸屏、打印机等);使计算机系统能够通过网络或通信协议进行通信的网络或通信接口;以及具有可由硬件处理器执行的相应软件指令的应用程序。不同计算机系统之间的连接和不同计算机系统组件之间的连接可以是有线或无线的。
虚拟化计算技术、云计算技术、web应用/网站计算技术、传统和自适应流媒体技术以及其它计算技术可由本文公开的系统的任意实施例实施,以实现和/或提高本文描述的教导。例如,在云计算实施例中,一个或多个服务器(即,一个或多个计算机系统)可基于从客户端装置接收的输入数据来存储和执行与应用程序相对应的软件指令。响应于接收的输入数据,相应地执行应用程序,这导致图形数据被处理并输出到客户端装置以在例如智能手机或平板电脑上的触摸屏的显示器上显示。
作为另一示例,在web应用或网站实施例中,代表用户输入的数据可被传输到托管网站的服务器(即,计算机系统),以便在存储器中进行处理和存储。在应用程序实施例中,应用可在用户的计算机系统上本地存储和执行。在其它实施例中,应用程序的一个或多个组件可在服务器和用户的计算机系统上存储和执行。例如,用户可从用于Android计算装置、Blackberry计算装置、Apple计算装置、Windows计算装置、Samsung计算装置、其它计算装置等的应用商店下载应用程序。在用户的计算装置上执行应用程序可要求装置向诸如服务器或其它用户的计算设装置之类的一个或多个计算装置传输数据和从该一个或多个计算装置接收数据。例如,应用可从服务器下载到移动装置。在安装时,移动装置可与服务器进行通信。
本文公开的系统的一个或多个实施例可利用流媒体技术。当客户端装置从服务器接收数据时,流数据使数据能够呈现给客户端装置的用户。通过网络从服务器到客户端装置(例如,由用户操作的计算装置)的流数据通常受到网络带宽或者可选地受到物理层净比特率的限制。可实施例如RTSP(实时流媒体协议)、MS-WMSP(Windows媒体HTTP流媒体协议)和RTMP(实时消息协议)的传统的流媒体协议,这些协议实质上以数据的编码的比特率将数据以小数据包从服务器实时发送到客户端装置。还可实施自适应流媒体传输。自适应流媒体传输几乎完全依赖于用于传输协议的HTTP。与传统的流媒体类似,数据被编码为特定大小的离散数据包;然而,源数据是以多个比特率而不是单个比特率进行编码。然后,基于存储器中的比特率,把与以不同比特率编码的相同数据对应的数据包编入索引。该流媒体方法通过实时测量客户端装置的可用带宽和计算机容量来工作,并基于编码的比特率调整要传输的已编入索引的数据包。
本文公开的系统的一个或多个方面可位于(即,处理、存储、执行等;或者包括一个或多个硬件组件或软件组件)单个计算机系统上,或者可分布在多个由一个或多个通信网络(例如,互联网、内联网、电信网络等)连接的计算机系统中。计算机系统的一个或多个组件在通过通信网络与计算机系统通信时可分布在一个或多个计算机系统上。例如,在一些实施例中,本文公开的系统可使用一个或多个服务器(即,专用于系统中的特定目的的一个或多个计算机系统),该一个或多个服务器可专用于满足一个或多个其它计算机系统或通信网络和/或系统总线上的组件的需要。一个或多个服务器可为本文公开的系统的一个或多个方面提供中央处理位置。
此外,可使用硬件、软件、固件或其组合在一个或多个计算机系统上实施本文公开的系统、方法、功能和与其对应的步骤的各个方面。本领域普通技术人员将理解的是,可使用一个或多个电路和/或软件来实施本文描述的系统和方法。电路指的是任意电路,无论是与处理单元集成的电路还是在处理单元外部的电路,如硬件处理器。软件是指计算装置可使用诸如处理器的任意硬件组件执行以实现期望的结果的代码或指令。该软件可存储在本地处理单元上或远程存储并通过通信网络进行访问。
如本文所公开的,处理器或硬件处理器可指代任意硬件处理器或软件处理器。软件处理器可包括或以其它方式构成由相应的硬件处理器执行的解释器。根据本文公开的任意实施例的计算机系统被配置为执行与本文公开的系统的各个实施例相关的任意描述的功能。
如本文所公开的,任意方法、功能、步骤、特征或结果可被认为是可包括软件指令的模块,该软件指令在由计算装置执行时导致所需的方法、功能、步骤、特征或结果。计算装置的执行包括由诸如硬件处理器的计算装置的任意硬件组件(例如,CPU、GPU、网络接口、集成电路、其它硬件组件等)的执行。任意模块都可由计算装置(例如,由计算装置的处理器)来执行。本文公开的任意方法、功能、步骤、特征、结果等都可由一个或多个软件模块来实施,无论是否明确描述。计算装置内的各个组件可一起工作以实现所需的方法、功能、步骤、特征或结果。例如,计算装置可接收数据并处理该数据。简单的示例是网络接口接收数据并通过总线将数据传输到处理器。
本文公开的系统的各个方面可实施为在计算机系统中执行的软件。计算机系统可包括连接到一个或多个存储器装置的中央处理单元(即,硬件处理器)、图形处理单元、诸如鼠标和键盘的输入装置、诸如扬声器和显示器的输出装置、以连接到一个或多个其它计算机系统(例如,被配置为提供用作数据库的服务的一个或多个计算机系统)的网络接口、操作系统、编译器、解释器(即,虚拟机)等。存储器在计算机系统的操作期间可用于存储可执行程序和数据。可执行程序可用例如Java或C++的高级计算机编程语言编写。当然,可使用其它编程语言,因为本公开不限于特定的编程语言或计算机系统。此外,应当理解的是,本文公开的系统和方法不限于在任意特定计算机系统或计算机系统组上执行。
已经描述了一些方法、功能、步骤或特征由处理器相应的软件来执行。应理解的是,与本文公开的系统相关的任意方法、功能、步骤、特征或任何事物可通过硬件、软件(例如,固件)或电路来实现,尽管本文已经描述了某些方法、功能、步骤或特征,其中该描述参考了与其对应的可由处理器执行以实现所需的方法、功能或步骤的软件。应理解的是,软件指令可驻留在非暂时性介质上,例如本文公开的系统中的一个或多个处理器可访问的一个或多个存储器装置。例如,在计算装置接收数据的情况下,应当理解的是,计算装置处理该数据而不管其是否被肯定地声明。处理数据可包括存储接收的数据、分析接收的数据和/或处理数据以实现所需的结果、功能、方法或步骤。进一步应理解的是,来自一个计算装置或系统的输入数据可被认为是来自另一计算装置或系统的输出数据,反之亦然。再进一步应理解的是,与本文公开的系统相关的任意方法、功能、步骤、特征、结果或任何事物都可由数据表示,该数据可存储在一个或多个存储器装置上、可由一个或多个计算装置处理、可由一个或多个计算装置接收以及可由一个或多个计算装置传输等。
本文描述的各个实施例和示例仅以说明的方式提供,并且不应解释为限制要求保护的发明,也不应解释为限制各个实施例和示例的范围。本领域技术人员将容易地认识到可对要求保护的发明进行各种修改和改变,而不遵循本文示出和描述的示例实施例和应用,并且不脱离在以下陈述的权利要求中所要求保护的发明的真实精神和范围。另外,可组合各个实施例。因此,参考实施例、一个实施例、在一些实施例中、在其它实施例中等并不排除组合不同实施例的一个或多个方法、功能、步骤、特征、结果、硬件实施方式或软件实施方式。进一步,参考实施例,一个实施例,在一些实施例中,在其它实施例中,在示例等中,提供了可以或不可以与一个或多个不同实施例和/或示例组合的各个方面。
Claims (20)
1.一种从分布式资源收集和分析数据以预测电网上即将发生的能源事件的方法,所述方法包括:
从包括控制系统和传感器的分布式资源网络收集数据,收集的数据存储在一个或多个存储器装置中;
使用一个或多个处理器对存储在所述一个或多个存储器装置中所述收集的数据进行分析;
模拟所述电网的子负载集合点处的电网状况;
使用模拟的电网状况,在市场信号之前确定存储的能源、能源生成和负荷削减的值;
预测需求定价分布事件并预测价格、供应或两者的变化;以及
基于预测的需求定价分布事件对用电量执行修正,以提高能源效率。
2.根据权利要求1所述的方法,其中来自控制系统和/或传感器的分布式网络的所述收集的数据包括电压数据、频率数据、功率数据、温度数据或其组合。
3.根据权利要求1所述的方法,其中对所述收集的数据的分析是实时执行的。
4.根据权利要求1所述的方法,其中所述收集的数据存储在中央服务器中。
5.根据权利要求4所述的方法,其中对所述收集的数据的分析在所述中央服务器中执行。
6.根据权利要求1所述的方法,其中所述收集的数据存储在所述分布式资源中。
7.根据权利要求4所述的方法,其中对所述收集的数据的分析在所述分布式资源中执行。
8.根据权利要求1所述的方法,其中所述传感器包括温度传感器、电压传感器、光传感器、湿度传感器、功率传感器或其组合。
9.根据权利要求1所述的方法,其中所述数据报告示出在给定区域中正在测量的日光的量,并且其中基于传感器分布,日光数据报告使得能够确定日光随着时间在特定方向上减少。
10.根据权利要求1所述的方法,进一步包括:监控线路电压以预测电网约束、需求响应事件、增加的实时能源价格或其组合。
11.根据权利要求1所述的方法,其中由于非常高的局部负载或站点相对于子站的物理位置或其组合,线路电压下降发生在单独的站点处。
12.根据权利要求1所述的方法,其中历史数据与实时数据结合使用,以将单个站点处的线路电压降与影响整个子负载集合点的线路电压降分开。
13.根据权利要求1所述的方法,进一步包括:
将从所述分布式资源网络中实时收集的实际温度和日光数据与预测的天气进行比较;以及
确定由于与所述预测的天气的较大偏差而导致的能源价格和/或供应变化是否增加。
14.根据权利要求1所述的方法,其中分析子负载集合点上的测量值以使用包括以下各项的测量值的组合来预测能源价格的变化:示出在子负载集合点上日光从东到西逐渐减少的数据、示出比预测的天气更热的一天的数据以及示出整个网络上的电压电平滞后的数据。
15.一种预测电网上即将发生的能源事件的系统,所述系统包括:
分布式网络,所述分布式网络与所述电网连接;
一个或多个处理器;以及
存储器装置,所述存储器装置存储一组指令,当所述一组指令由所述一个或多个处理器执行时使得所述一个或多个处理器:
从包括控制系统和/或传感器的分布式资源网络接收数据,接收的数据存储在所述一个或多个存储器装置中;
使用所述一个或多个处理器对存储在所述一个或多个存储器装置中所述接收的数据进行分析;
模拟所述电网的子负载集合点处的电网状况;
使用模拟的电网状况,在市场信号之前确定存储的能源、能源生成和负荷削减的值;以及
预测需求定价分布事件并预测价格、供应或两者的变化;以及
基于预测的需求定价分布事件对用电量执行修正,以提高能源效率、使能源成本最小化或两者皆有。
16.根据权利要求15所述的系统,其中所述数据报告示出在给定区域中正在测量的日光的量,并且其中基于传感器分布,日光数据报告使得能够确定日光随时间在特定方向上减少。
17.根据权利要求15所述的系统,进一步包括:监控线路电压以预测电网约束、需求响应事件、增加的实时能源价格或其组合。
18.根据权利要求15所述的系统,其中由于非常高的局部负载或站点相对于子站的物理位置或其组合,线路电压下降发生在单独的站点处。
19.根据权利要求15所述的系统,其中历史数据与实时数据结合使用,以将单个站点处的线路电压降与影响整个子负载集合点的线路电压降分开。
20.一种预测电网上即将发生的能源事件的方法,所述方法包括:
使用一个或多个处理器对存储在一个或多个存储器装置中接收的数据进行分析,其中接收的数据来自包括控制系统和传感器的分布式资源网络;
模拟所述电网的子负载集合点处的电网状况;
预测需求定价分布事件并预测价格、供应或两者的变化;以及
基于预测的需求定价分布事件对用电量执行修正,以提高能源效率、使能源成本最小化或两者皆有。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662370515P | 2016-08-03 | 2016-08-03 | |
US62/370,515 | 2016-08-03 | ||
PCT/US2017/045177 WO2018026964A1 (en) | 2016-08-03 | 2017-08-02 | Distributed resource electrical demand forecasting system and method |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110073567A true CN110073567A (zh) | 2019-07-30 |
CN110073567B CN110073567B (zh) | 2023-08-15 |
Family
ID=61074232
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780061618.0A Active CN110073567B (zh) | 2016-08-03 | 2017-08-02 | 分布式资源电力需求预测系统和方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20180048150A1 (zh) |
EP (1) | EP3494624B1 (zh) |
CN (1) | CN110073567B (zh) |
CA (1) | CA3032409C (zh) |
ES (1) | ES2948116T3 (zh) |
SG (1) | SG11201900917SA (zh) |
WO (1) | WO2018026964A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112132638A (zh) * | 2020-10-22 | 2020-12-25 | 云南电网有限责任公司电力科学研究院 | 一种储能上网定价系统及方法 |
CN112467723A (zh) * | 2019-11-20 | 2021-03-09 | 乐清市泰博恒电子科技有限公司 | 一种基于大数据和数据库的电力网络处理方法 |
CN113887776A (zh) * | 2020-07-03 | 2022-01-04 | 绿铜科技公司 | 利用深度神经网络进行电力系统预测的系统及方法 |
CN115053198A (zh) * | 2020-02-07 | 2022-09-13 | 三星电子株式会社 | 用于控制进程的电子装置及其方法 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10418822B2 (en) * | 2017-02-14 | 2019-09-17 | Mitsubishi Electric Research Laboratories, Inc. | Energy production and frequency regulation Co-optimization for power generation systems |
US11025089B2 (en) * | 2018-11-13 | 2021-06-01 | Siemens Aktiengesellschaft | Distributed energy resource management system |
CN112330090B (zh) * | 2020-09-25 | 2022-09-23 | 江苏方天电力技术有限公司 | 一种低压配网数据驱动业务方法 |
CN112737119B (zh) * | 2020-12-26 | 2023-07-04 | 广东电网有限责任公司电力调度控制中心 | 一种电网运行数据规约化处理方法及系统 |
US20230094216A1 (en) * | 2021-09-28 | 2023-03-30 | Ford Global Technologies, Llc | Systems and methods for providing preemptive vehicle reenergizing alerts |
CN114217574A (zh) * | 2021-10-12 | 2022-03-22 | 国网河北省电力有限公司正定县供电分公司 | 一种基于能源及负荷匹配的能源网架构建系统及方法 |
CN116298482B (zh) * | 2023-05-25 | 2023-08-01 | 常州满旺半导体科技有限公司 | 一种用于电压数据监测的智能预警系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110035073A1 (en) * | 2009-01-14 | 2011-02-10 | Integral Analytics, Inc. | Optimization of microgrid energy use and distribution |
CN103269070A (zh) * | 2013-06-05 | 2013-08-28 | 广州中国科学院沈阳自动化研究所分所 | 一种自动需求响应系统和自动需求响应方法 |
CN104269849A (zh) * | 2014-10-17 | 2015-01-07 | 国家电网公司 | 基于建筑光伏微电网的能量管理方法及系统 |
US20150012144A1 (en) * | 2013-07-08 | 2015-01-08 | Eaton Corporation | Method and apparatus for optimizing a hybrid power system with respect to long-term characteristics by online optimization, and real-time forecasts, prediction or processing |
CN105320996A (zh) * | 2015-08-13 | 2016-02-10 | 南方电网科学研究院有限责任公司 | 微电网电能随机匹配交易方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7274975B2 (en) * | 2005-06-06 | 2007-09-25 | Gridpoint, Inc. | Optimized energy management system |
US8457802B1 (en) * | 2009-10-23 | 2013-06-04 | Viridity Energy, Inc. | System and method for energy management |
JP5576476B2 (ja) * | 2010-03-29 | 2014-08-20 | 株式会社日立製作所 | エネルギーマネジメントシステム、エネルギーマネジメント装置及びエネルギーマネジメント方法 |
WO2012145563A1 (en) * | 2011-04-19 | 2012-10-26 | Viridity Energy, Inc. | Methods, apparatus and systems for managing energy assets |
JP5353957B2 (ja) * | 2011-06-14 | 2013-11-27 | 株式会社デンソー | 電力供給システム |
US20120323382A1 (en) * | 2011-06-15 | 2012-12-20 | Expanergy, Llc | Systems and methods to assess and optimize energy usage for a facility |
JP6077012B2 (ja) * | 2013-01-09 | 2017-02-08 | 株式会社日立製作所 | 気象予測方法及び装置、並びに電力系統制御方法及び装置 |
US9563218B2 (en) * | 2013-03-15 | 2017-02-07 | Dominion Resources, Inc. | Electric power system control with measurement of energy demand and energy efficiency using t-distributions |
US20150186904A1 (en) * | 2013-12-27 | 2015-07-02 | International Business Machines Corporation | System And Method For Managing And Forecasting Power From Renewable Energy Sources |
US20160365729A1 (en) * | 2015-06-10 | 2016-12-15 | Tanachat Pochana | Intelligent control system for power generation equipment |
-
2017
- 2017-08-02 WO PCT/US2017/045177 patent/WO2018026964A1/en unknown
- 2017-08-02 CN CN201780061618.0A patent/CN110073567B/zh active Active
- 2017-08-02 EP EP17837635.6A patent/EP3494624B1/en active Active
- 2017-08-02 SG SG11201900917SA patent/SG11201900917SA/en unknown
- 2017-08-02 ES ES17837635T patent/ES2948116T3/es active Active
- 2017-08-02 US US15/667,527 patent/US20180048150A1/en active Pending
- 2017-08-02 CA CA3032409A patent/CA3032409C/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110035073A1 (en) * | 2009-01-14 | 2011-02-10 | Integral Analytics, Inc. | Optimization of microgrid energy use and distribution |
CN103269070A (zh) * | 2013-06-05 | 2013-08-28 | 广州中国科学院沈阳自动化研究所分所 | 一种自动需求响应系统和自动需求响应方法 |
US20150012144A1 (en) * | 2013-07-08 | 2015-01-08 | Eaton Corporation | Method and apparatus for optimizing a hybrid power system with respect to long-term characteristics by online optimization, and real-time forecasts, prediction or processing |
CN104269849A (zh) * | 2014-10-17 | 2015-01-07 | 国家电网公司 | 基于建筑光伏微电网的能量管理方法及系统 |
CN105320996A (zh) * | 2015-08-13 | 2016-02-10 | 南方电网科学研究院有限责任公司 | 微电网电能随机匹配交易方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112467723A (zh) * | 2019-11-20 | 2021-03-09 | 乐清市泰博恒电子科技有限公司 | 一种基于大数据和数据库的电力网络处理方法 |
CN115053198A (zh) * | 2020-02-07 | 2022-09-13 | 三星电子株式会社 | 用于控制进程的电子装置及其方法 |
CN113887776A (zh) * | 2020-07-03 | 2022-01-04 | 绿铜科技公司 | 利用深度神经网络进行电力系统预测的系统及方法 |
CN112132638A (zh) * | 2020-10-22 | 2020-12-25 | 云南电网有限责任公司电力科学研究院 | 一种储能上网定价系统及方法 |
CN112132638B (zh) * | 2020-10-22 | 2024-04-09 | 云南电网有限责任公司电力科学研究院 | 一种储能上网定价系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CA3032409C (en) | 2023-11-07 |
EP3494624A4 (en) | 2020-02-12 |
SG11201900917SA (en) | 2019-02-27 |
ES2948116T3 (es) | 2023-08-31 |
US20180048150A1 (en) | 2018-02-15 |
EP3494624B1 (en) | 2023-06-07 |
CN110073567B (zh) | 2023-08-15 |
CA3032409A1 (en) | 2018-02-08 |
WO2018026964A1 (en) | 2018-02-08 |
EP3494624A1 (en) | 2019-06-12 |
EP3494624C0 (en) | 2023-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110073567A (zh) | 分布式资源电力需求预测系统和方法 | |
US10191529B2 (en) | Real-time data management for a power grid | |
CN107683443A (zh) | 预测控制系统和方法 | |
CN110443657A (zh) | 客户流量数据处理方法、装置、电子设备及可读介质 | |
CN109803285A (zh) | 一种小区处理方法、装置及网络设备 | |
CN107704387A (zh) | 用于系统预警的方法、装置、电子设备及计算机可读介质 | |
Radovanovic et al. | Power modeling for effective datacenter planning and compute management | |
CN105075228B (zh) | 上下文感知服务的动态功率管理 | |
US11182710B2 (en) | Predictive data objects | |
Rotib et al. | Electric load forecasting for Internet of Things smart home using hybrid PCA and ARIMA algorithm | |
Daid et al. | An effective scheduling in data centres for efficient CPU usage and service level agreement fulfilment using machine learning | |
CN113344737B (zh) | 设备控制方法、装置、电子设备和计算机可读介质 | |
Stricker et al. | Robustness of predictive energy harvesting systems: Analysis and adaptive prediction scaling | |
KR102577327B1 (ko) | 인공신경망 기반의 전기 부하 예측 방법 및 장치 | |
CN114896296B (zh) | 云服务资源配置方法、装置、电子设备及计算机可读介质 | |
CN111091138A (zh) | 辐照预报的处理方法、堆叠泛化模型的训练方法及装置 | |
WO2023147131A1 (en) | Auto adapting deep learning models on edge devices for audio and video | |
CN110245120A (zh) | 流式计算系统及流式计算系统的日志数据处理方法 | |
Lu et al. | IoT and smart infrastructure | |
Javed et al. | Fog paradigm for local energy management systems | |
CN110309848A (zh) | 离线数据与流式数据实时融合计算的方法 | |
CN116911577B (zh) | 综合能源调度方法、装置、电子设备和计算机可读介质 | |
US11735920B2 (en) | Cognitive framework for improving responsivity in demand response programs | |
Hill | Discrete optimization with noisy objective function measurements | |
Wang et al. | Applications of the internet of things and Fog Computing for Community Safety toward the 5G era |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40009663 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |