CN111009898A - 一种智慧园区多能协同供电方法及其系统、终端设备 - Google Patents

一种智慧园区多能协同供电方法及其系统、终端设备 Download PDF

Info

Publication number
CN111009898A
CN111009898A CN201911283043.4A CN201911283043A CN111009898A CN 111009898 A CN111009898 A CN 111009898A CN 201911283043 A CN201911283043 A CN 201911283043A CN 111009898 A CN111009898 A CN 111009898A
Authority
CN
China
Prior art keywords
power
power supply
energy
information
future
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
Application number
CN201911283043.4A
Other languages
English (en)
Inventor
李颖杰
史纪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Power Supply Bureau Co Ltd
Original Assignee
Shenzhen Power Supply Bureau Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Power Supply Bureau Co Ltd filed Critical Shenzhen Power Supply Bureau Co Ltd
Priority to CN201911283043.4A priority Critical patent/CN111009898A/zh
Publication of CN111009898A publication Critical patent/CN111009898A/zh
Pending legal-status Critical Current

Links

Images

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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/20—Climate change mitigation technologies for sector-wide applications using renewable energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种智慧园区多能协同供电方法及其系统、终端设备，所述方法包括如下步骤：获取智慧园区中多种能源的供电信息和用电设备的用电信息；所述多种能源包括光电能源、风电能源、储能能源和电网能源；根据所述供电信息做出未来供电能力预测，并根据所述用电信息做出未来用电信息预测；根据所述未来供电能力预测和所述未来用电信息预测生成用电成本最优供电策略；执行所述最优供电策略对智慧园区中的用电设备进行供电。实施本发明，能够提高工业园区的供电合理性。

Description

一种智慧园区多能协同供电方法及其系统、终端设备
技术领域
本发明涉及供电技术领域，具体涉及一种智慧园区多能协同供电方法及其系统、终端设备。
背景技术
工业园区或工业集聚区作为工业生产的核心，在国民经济中起着重要作用，同时也是供电的重要对象。随着我国能源战略的改进和环保意识的提高，传统工业园区粗放型的电能管理已不符合时代要求，例如传统工业园区对太阳能、风能等再生绿色能源利用不足或利用不合理，导致用户并没有得到最优性价比的供电服务。另外现有工业园区也没有统筹考虑电网供电能力和用户需求之间的合理匹配，一定程度上造成电网的不合理供电。
发明内容
本发明旨在提出一种智慧园区多能协同供电方法及其系统、终端设备，以提高工业园区的供电合理性。
第一方面，本发明提出一种智慧园区多能协同供电方法，包括如下步骤：
获取智慧园区中多种能源的供电信息和用电设备的用电信息；
根据所述供电信息对未来供电能力进行预测得到供电预测信息，并根据所述用电信息对未来用电需求进行预测得到用电预测信息；
根据所述供电预测信息、用电预测信息以及预设电价变化曲线生成用电成本最优的供电策略；
根据所述供电策略对智慧园区中的用电设备进行供电。
可选地，所述多种能源包括光电能源、风电能源、储能能源和电网能源。
可选地，所述根据所述供电信息对未来供电能力进行预测得到供电预测信息包括：
根据未来天气预报信息和太阳能板参数信息对光电能源的未来供电能力进行预测得到光电供电预测信息，所述未来天气预报信息包括光照强度曲线和环境温度；
根据未来天气预报信息和风力发电机参数信息对风电能源的未来供电能力进行预测得到风电供电预测信息，天气预报信息包括风向和风速；
根据储能能源的当前存储量对储能能源的未来供电能力进行预测得到储能供电预测信息；
其中，供电预测信息包括光电供电预测信息、风电供电预测信息和储能供电预测信息。
可选地，所述根据所述用电信息对未来用电需求进行预测得到用电预测信息包括：
对所述用电信息进行频域分量算法进行分析，经用电负荷分解得到高频波动分量和低频波动分量；
使用人工神经网络预测算法处理所述高频波动分量得到未来用电曲线A，并使用聚类分析算法处理所述低频波动分量得到未来用电曲线B；
根据所述未来用电曲线A和所述未来用电曲线B得到用电预测信息。
可选地，根据所述供电策略对智慧园区中的用电设备进行供电具体包括：
响应于用电设备发出用电需求且电网正常，启动发电子系统发电；其中发电子系统包括光电能源和风电能源；
响应于发电子系统之间允许并网，启动联供系统给用电设备供电；
响应发电子系统的发电量满足用电设备和储能能源充电的负荷，将多余发电量上网；
响应发电子系统的发电量不满足用电设备和储能能源充电的负荷，使用电网能源进行补充。
可选地，根据所述供电策略对智慧园区中的用电设备进行供电具体包括：
响应于用电设备未发出用电需求且电网正常，启动发电子系统发电为储能能源充电，联供系统不启动；
响应于发电子系统的发电量满足储能能源充电的负荷，将多余发电量上网；
响应于发电子系统的发电量不满足储能能源充电的负荷，使用电网能源进行补充。
可选地，根据所述供电策略对智慧园区中的用电设备进行供电具体包括：
响应于用电设备未发出用电需求且电网不正常，启动发电子系统发电并调整输出的电压和频率，以为储能能源充电。
可选地，根据所述供电策略对智慧园区中的用电设备进行供电具体包括：
响应于用电设备未发出用电需求且电网不正常，使用储能能源为用电设备供电；
响应于储能能源孤网运行，启动光电能源和风电能源同时为用电设备供电，并调整输出的电压和频率；
响应于当前供电能力满足用电设备的负荷要求，光电能源和风电能源限功率运行。
第二方面，本发明提出一种智慧园区多能协同供电系统，其用于实现第一方面所述的智慧园区多能协同供电方法，包括：
信息获取单元，被配置为获取智慧园区中多种能源的供电信息和用电设备的用电信息；所述多种能源包括光电能源、风电能源、储能能源和电网能源；
预测单元，被配置为根据所述供电信息对未来供电能力进行预测得到供电预测信息，并根据所述用电信息对未来用电需求进行预测得到用电预测信息；
供电决策单元，被配置为根据所述供电预测信息、用电预测信息以及预设电价变化曲线生成用电成本最优的供电策略；
供电执行单元，被配置为根据所述供电策略对智慧园区中的用电设备进行供电。
第三方面，本发明提出一种终端设备，包括：根据第二方面所述的智慧园区多能协同供电系统；或者，存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行根据第一方面所述智慧园区多能协同供电方法的步骤。
本发明实施例提出一种智慧园区多能协同供电方法及其系统、终端设备，所述智慧园区多能协同供电方法及其系统可以以软件程序的方式实现，其实施时，能够自动获取执行上述智慧园区多能协同供电方法的步骤流程。具体地，根据多种能源的供电信息对未来供电能力进行预测得到供电预测信息，并根据所述用电信息对未来用电需求进行预测得到用电预测信息；然后根据预测得到的供电预测信息、用电预测信息以及预设电价变化曲线生成用电成本最优的供电策略，即成本最低的供电方式，根据所述供电策略对智慧园区中的用电设备进行供电。本发明实施例通过多能协调不仅合理利用绿色可再生能源，同时实现电网和用户的供需关系平衡，降低用户的用电成本，使园区供电管理更加智能化。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而得以体现。
本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
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，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地介绍，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他的附图。
图1为本发明实施例一中一种智慧园区多能协同供电方法流程示意图。
图2为本发明实施例一中智慧园区多能协同供电系统框架示意图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
另外，为了更好的说明本发明，在下文的具体实施例中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本发明同样可以实施。在一些实例中，对于本领域技术人员熟知的手段未作详细描述，以便于凸显本发明的主旨。
实施例一
本发明实施例一提出一种智慧园区多能协同供电方法，图1为实施例一所述智慧园区多能协同供电方法的流程示意图，参阅图1，实施例一所述方法包括如下步骤S101-步骤S104：
步骤S101、获取智慧园区中多种能源的供电信息和用电设备的用电信息；所述多种能源包括光电能源、风电能源、储能能源和电网能源；
具体而言，所述智能园区中用电设备以用户为单位，获取智慧园区中每个用户的用电设备的用电信息。所述用电设备包括照明设备、制冷设备、电梯、供水设备、充电桩、生产设备中的一种或多种。
步骤中，供电信息包括每种能源的供电能力曲线，即每种能源在每个时间点的供电量；作为选择，多种能源还可包括单机油气发电机组。智能园区中用电设备以用户为单位，获取智慧园区中每个用户的用电设备的用电信息。用电设备包括但不限于照明设备、制冷设备、电梯、供水设备、充电桩、生产设备等，可根据每个智能园区的实际用电设备进行统计。用电设备的用电信息包括每个用户的用电曲线，即每个用户在每个时间点的用电量。
步骤S102、根据所述供电信息对未来供电能力进行预测得到供电预测信息，并根据所述用电信息对未来用电需求进行预测得到用电预测信息；
具体而言，未来供电能力预测和未来用电信息预测可进行中长期预测、短期预测、超短期预测等，可以理解的是，中长期、短期以及超短期的时间范围可以具体根据实际用电情况设定，例如中长期、短期以及超短期分别为7天，24小时，30天等。
步骤S103、根据所述供电预测信息、用电预测信息以及预设电价变化曲线生成用电成本最优的供电策略；
具体而言，整个电网的用电是不断变化的，有波峰和波谷，整体来说白天用电量大于晚上用电量，供电局可通过调整不同时间区间的电价来引导用户错峰用电，例如将一些生产安排在晚上进行，或在晚上对储能能源电源进行充电等，从而实现对用电曲线的削峰填谷，使用电趋于稳定。因此，本实施例提供一预先设置的电网的电价变化曲线，其表示一天内的电网电价变化情况，基于供电预测信息、用电预测信息可以确定需要提供多少电能，以及智慧园区所能提供的电能，结合供电预测信息、用电预测信息以及预设电价变化曲线进行决策，输出一个用电成本最优的供电策略，即用电成本最低。
其中，生成的供电策略有两种情况：第一，在智慧园区本地风电能源、光电能源和储能能源不满足供电负荷时，利用电网能源进行补充供电，并引导用户错峰用电，使得用电成本最低。第二，如果智慧园区本地风电能源、光电能源和储能能源满足供电负荷，则不需要利用电网能源进行补充供电，也就是说不需要引导用户错峰用电，利用本地风电能源、光电能源和储能能源正常供电即可。
步骤S104、根据所述供电策略对智慧园区中的用电设备进行供电。
具体而言，在供电过程中，在不同时间和用电需求下综合利用光电能源、风电能源、储能能源和/或电网能源为智慧园区内用户供电。
基于以上实施例内容，本实施例方法通过多能协调不仅合理利用绿色可再生能源，同时实现电网和用户的供需关系平衡，降低用户的用电成本，使园区供电管理更加智能化。
在一实施例中，步骤S102中根据所述供电信息对未来供电能力进行预测得到供电预测信息具体包括：
根据未来天气预报信息和太阳能板参数信息对光电能源的未来供电能力进行预测得到光电供电预测信息，所述未来天气预报信息包括光照强度曲线和环境温度；
具体地，光电能源为太阳能光伏电源，可以理解的是，光电能源的供电能力与光照强度、环境温度以及太阳能板的参数存在确定的关系，因此，根据未来的光照强度曲线和环境温度以及太阳能板参数信息计算出光电能源在未来一段时间内的供电能力预测。例如，基于统计学方法的光伏发电出力预测，统计学方法是输入太阳辐射、光伏发电出力等历史数据，通过曲线拟合、参数估计等方法，建立输入与输出的映射模型，实现对未来光伏发电出力预测的输出。作为选择，常见的统计学方法有时间序列法、回归分析法、灰色理论、模糊理论和时空关联法等。需说明的是，所述光照强度和环境温度为关于时间变化的值，太阳能板的参数为给定参数，所预测的光电能源供电能力为一估算值。
根据未来天气预报信息和风力发电机参数信息对风电能源的未来供电能力进行预测得到风电供电预测信息，天气预报信息包括风向和风速；
具体地，风电能源为包括多个风力发电机，可以理解的是，风电能源的供电能力与风向、风速以及风力发电机参数存在确定的关系，因此，根据未来的风向、风速以及风力发电机参数计算出风电能源在未来一段时间内的供电能力预测。需说明的是，所述未来的风向、风速为一预估平均值，风力发电机参数为给定参数，所预测的风电能源供电能力为一估算值。
根据储能能源的当前存储量对储能能源的未来供电能力进行预测得到储能供电预测信息；
具体而言，所述储能能源为蓄电池，其利用光电能源、风电能源或电网能源进行充电。通过获取蓄电池的剩余电量，确定其储能供电预测信息。
其中，所述供电预测信息包括光电供电预测信息、风电供电预测信息和储能供电预测信息。
在一实施例中，步骤S102中根据所述用电信息对未来用电需求进行预测得到用电预测信息具体包括：
步骤S201、对所述用电信息进行频域分量算法进行分析，经用电负荷分解得到高频波动分量和低频波动分量；具体地，对历史数据、预报数据和近期数据进行频域分量算法分析，其中所述历史数据包括负荷、事件和产值，所述预报数据包括气象和计划，所述近期数据包括负荷和生产计划；
步骤S202、使用人工神经网络预测算法处理所述高频波动分量得到未来用电曲线A，并使用聚类分析算法处理所述低频波动分量得到未来用电曲线B；
步骤S203、根据所述未来用电曲线A和所述未来用电曲线B得到用电预测信息。
在一实施例中，所述步骤S104具体包括：
响应于用电设备发出用电需求且电网正常，启动发电子系统发电；其中发电子系统包括光电能源和风电能源；
响应于发电子系统之间允许并网，启动联供系统给用电设备供电；具体而言，若用电设备发出用电需求，判断电网是否正常；若电网正常，则启动发电子系统发电，并判断发电子系统之间是否允许并网，其中发电子系统包括光电能源和风电能源；
响应发电子系统的发电量满足用电设备和储能能源充电的负荷，将多余发电量上网；具体而言，判断发电子系统的发电量是否满足用电设备和储能能源充电的负荷，若是，则将多余发电量上网。
响应发电子系统的发电量不满足用电设备和储能能源充电的负荷，使用电网能源进行补充。具体而言，判断发电子系统的发电量是否满足用电设备和储能能源充电的负荷，若否，则则使用电网能源进行补充。
在一实施例中，所述步骤S104具体包括：
响应于用电设备未发出用电需求且电网正常，启动发电子系统发电为储能能源充电，联供系统不启动；具体而言，若用电设备发出用电需求，判断电网是否正常，若电网正常，则启动发电子系统发电为储能能源充电，联供系统不启动；
响应于发电子系统的发电量满足储能能源充电的负荷，将多余发电量上网；具体而言，判断发电子系统的发电量是否满足储能能源充电的负荷，若是，则将多余发电量上网；
响应于发电子系统的发电量不满足储能能源充电的负荷，使用电网能源进行补充。具体而言，判断发电子系统的发电量是否满足储能能源充电的负荷，若否，则使用电网能源进行补充。
在一实施例中，所述步骤S104具体包括：
响应于用电设备未发出用电需求且电网不正常，启动发电子系统发电并调整输出的电压和频率，以为储能能源充电。
在一实施例中，所述步骤S104具体包括：
响应于用电设备未发出用电需求且电网不正常，使用储能能源为用电设备供电；具体而言，若用电设备发出用电需求，判断电网是否正常，若电网不正常，则储能能源为用电设备供电；
响应于储能能源孤网运行，启动光电能源和风电能源同时为用电设备供电，并调整输出的电压和频率；具体而言，判断储能能源是否孤网运行，若是，则启动光电能源和风电能源同时为用电设备供电，并调整输出的电压和频率，提供符合要求的供电输出；
响应于当前供电能力满足用电设备的负荷要求，光电能源和风电能源限功率运行。具体而言，判断是否当前供电能力满足用电设备的负荷要求，若是，则光电能源和风电能源限功率运行。若依旧不能满足负荷要求，则优先供给核心用电设备使用，例如照明用电、电梯用电等。
进一步，本实施例及上述实施例中各个控制过程进行可视化显示，通过图表、动画等方式显示协同调控过程，提高管理水平。
实施例二
本发明实施例二提出一种智慧园区多能协同供电系统，用于实现本发明实施例一所述的智慧园区多能协同供电方法，图2为实施例二所述的智慧园区多能协同供电系统框架图，参阅图2，实施例二所述的智慧园区多能协同供电系统包括：
信息获取单元1，被配置为获取智慧园区中多种能源的供电信息和用电设备的用电信息；所述多种能源包括光电能源、风电能源、储能能源和电网能源；
预测单元2，被配置为根据所述供电信息对未来供电能力进行预测得到供电预测信息，并根据所述用电信息对未来用电需求进行预测得到用电预测信息；
供电决策单元3，被配置为根据所述供电预测信息、用电预测信息以及预设电价变化曲线生成用电成本最优的供电策略；
供电执行单元4，被配置为根据所述供电策略对智慧园区中的用电设备进行供电。
可选地，所述预测单元2包括：
供电预测单元21，被配置为根据所述供电信息对未来供电能力进行预测得到供电预测信息，所述供电预测信息包括光电供电预测信息、风电供电预测信息和储能供电预测信息；
其中，所述供电预测单元具体被配置为：根据未来天气预报信息和太阳能板参数信息对光电能源的未来供电能力进行预测得到光电供电预测信息，所述未来天气预报信息包括光照强度曲线和环境温度；根据未来天气预报信息和风力发电机参数信息对风电能源的未来供电能力进行预测得到风电供电预测信息，天气预报信息包括风向和风速；根据储能能源的当前存储量对储能能源的未来供电能力进行预测得到储能供电预测信息；
用电预测单元22，被配置为根据所述用电信息对未来用电需求进行预测得到用电预测信息；
其中，所述用电预测单元具体被配置为：
对所述用电信息进行频域分量算法进行分析，经用电负荷分解得到高频波动分量和低频波动分量；具体地，对历史数据、预报数据和近期数据进行频域分量算法分析，其中所述历史数据包括负荷、事件和产值，所述预报数据包括气象和计划，所述近期数据包括负荷和生产计划；
使用人工神经网络预测算法处理所述高频波动分量得到未来用电曲线A，并使用聚类分析算法处理所述低频波动分量得到未来用电曲线B；具体地，对所述低频波动分量依次使用用电模式分析、关联关系分析、用电模式判断、电量预测处理得到未来用电曲线B。
可选地，供电执行单元4具体包括：
第一执行单元41，被配置为：
响应于用电设备发出用电需求且电网正常，启动发电子系统发电；其中发电子系统包括光电能源和风电能源；
响应于发电子系统之间允许并网，启动联供系统给用电设备供电；
响应发电子系统的发电量满足用电设备和储能能源充电的负荷，将多余发电量上网；
响应发电子系统的发电量不满足用电设备和储能能源充电的负荷，使用电网能源进行补充。
第二执行单元42，被配置为：
响应于用电设备未发出用电需求且电网正常，启动发电子系统发电为储能能源充电，联供系统不启动；
响应于发电子系统的发电量满足储能能源充电的负荷，将多余发电量上网；
响应于发电子系统的发电量不满足储能能源充电的负荷，使用电网能源进行补充。
第三执行单元43，被配置为：
响应于用电设备未发出用电需求且电网不正常，启动发电子系统发电并调整输出的电压和频率，以为储能能源充电。
第四执行单元44，被配置为：
响应于用电设备未发出用电需求且电网不正常，使用储能能源为用电设备供电；
响应于储能能源孤网运行，启动光电能源和风电能源同时为用电设备供电，并调整输出的电压和频率；
响应于当前供电能力满足用电设备的负荷要求，光电能源和风电能源限功率运行。
以上所描述的系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的系统实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
需说明的是，实施例二所述系统与实施例一所述方法对应，因此，实施例二所述系统未详述部分可以参阅实施例一所述方法的内容得到，此处不再赘述。
并且，所述智慧园区多能协同供电系统如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。
实施例三
本发明实施例三提出一种终端设备，包括：根据实施例二所述的智慧园区多能协同供电系统；或者，存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行根据实施例一所述智慧园区多能协同供电方法的步骤。
当然，所述终端设备还可以具有有线或无线网络接口、键盘以及输入输出接口等部件，以便进行输入输出，该终端设备还可以包括其他用于实现设备功能的部件，在此不做赘述。
示例性的，所述计算机程序可以被分割成一个或多个单元，所述一个或者多个单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述终端设备中的执行过程。
所述处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述终端设备的控制中心，利用各种接口和线路连接整个所述终端设备的各个部分。
所述存储器可用于存储所述计算机程序和/或单元，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或单元，以及调用存储在存储器内的数据，实现所述终端设备的各种功能。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (10)

1.一种智慧园区多能协同供电方法，其特征在于，包括如下步骤：
获取智慧园区中多种能源的供电信息和用电设备的用电信息；
根据所述供电信息对未来供电能力进行预测得到供电预测信息，并根据所述用电信息对未来用电需求进行预测得到用电预测信息；
根据所述供电预测信息、用电预测信息以及预设电价变化曲线生成用电成本最优的供电策略；
根据所述供电策略对智慧园区中的用电设备进行供电。
2.根据权利要求1所述的智慧园区多能协同供电方法，其特征在于，所述多种能源包括光电能源、风电能源、储能能源和电网能源。
3.根据权利要求2所述的智慧园区多能协同供电方法，其特征在于，所述根据所述供电信息对未来供电能力进行预测得到供电预测信息包括：
根据未来天气预报信息和太阳能板参数信息对光电能源的未来供电能力进行预测得到光电供电预测信息，所述未来天气预报信息包括光照强度曲线和环境温度；
根据未来天气预报信息和风力发电机参数信息对风电能源的未来供电能力进行预测得到风电供电预测信息，天气预报信息包括风向和风速；
根据储能能源的当前存储量对储能能源的未来供电能力进行预测得到储能供电预测信息；
其中，供电预测信息包括光电供电预测信息、风电供电预测信息和储能供电预测信息。
4.根据权利要求1所述的智慧园区多能协同供电方法，其特征在于，所述根据所述用电信息对未来用电需求进行预测得到用电预测信息包括：
对所述用电信息进行频域分量算法进行分析，经用电负荷分解得到高频波动分量和低频波动分量；
使用人工神经网络预测算法处理所述高频波动分量得到未来用电曲线A，并使用聚类分析算法处理所述低频波动分量得到未来用电曲线B；
根据所述未来用电曲线A和所述未来用电曲线B得到用电预测信息。
5.根据权利要求2所述的智慧园区多能协同供电方法，其特征在于，根据所述供电策略对智慧园区中的用电设备进行供电具体包括：
响应于用电设备发出用电需求且电网正常，启动发电子系统发电；其中发电子系统包括光电能源和风电能源；
响应于发电子系统之间允许并网，启动联供系统给用电设备供电；
响应发电子系统的发电量满足用电设备和储能能源充电的负荷，将多余发电量上网；
响应发电子系统的发电量不满足用电设备和储能能源充电的负荷，使用电网能源进行补充。
6.根据权利要求5所述的智慧园区多能协同供电方法，其特征在于，根据所述供电策略对智慧园区中的用电设备进行供电具体包括：
响应于用电设备未发出用电需求且电网正常，启动发电子系统发电为储能能源充电，联供系统不启动；
响应于发电子系统的发电量满足储能能源充电的负荷，将多余发电量上网；
响应于发电子系统的发电量不满足储能能源充电的负荷，使用电网能源进行补充。
7.根据权利要求5或6所述的智慧园区多能协同供电方法，其特征在于，根据所述供电策略对智慧园区中的用电设备进行供电具体包括：
响应于用电设备未发出用电需求且电网不正常，启动发电子系统发电并调整输出的电压和频率，以为储能能源充电。
8.根据权利要求5或6所述的智慧园区多能协同供电方法，其特征在于，根据所述供电策略对智慧园区中的用电设备进行供电具体包括：
响应于用电设备未发出用电需求且电网不正常，使用储能能源为用电设备供电；
响应于储能能源孤网运行，启动光电能源和风电能源同时为用电设备供电，并调整输出的电压和频率；
响应于当前供电能力满足用电设备的负荷要求，光电能源和风电能源限功率运行。
9.一种智慧园区多能协同供电系统，其用于实现权利要求1-8任一项所述的智慧园区多能协同供电方法，包括：
信息获取单元，被配置为获取智慧园区中多种能源的供电信息和用电设备的用电信息；所述多种能源包括光电能源、风电能源、储能能源和电网能源；
预测单元，被配置为根据所述供电信息对未来供电能力进行预测得到供电预测信息，并根据所述用电信息对未来用电需求进行预测得到用电预测信息；
供电决策单元，被配置为根据所述供电预测信息、用电预测信息以及预设电价变化曲线生成用电成本最优的供电策略；
供电执行单元，被配置为根据所述供电策略对智慧园区中的用电设备进行供电。
10.一种终端设备，包括：根据权利要求9所述的智慧园区多能协同供电系统；或者，存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行根据权利要求1-8中任一项所述智慧园区多能协同供电方法的步骤。
CN201911283043.4A 2019-12-13 2019-12-13 一种智慧园区多能协同供电方法及其系统、终端设备 Pending CN111009898A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911283043.4A CN111009898A (zh) 2019-12-13 2019-12-13 一种智慧园区多能协同供电方法及其系统、终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911283043.4A CN111009898A (zh) 2019-12-13 2019-12-13 一种智慧园区多能协同供电方法及其系统、终端设备

Publications (1)

Publication Number Publication Date
CN111009898A true CN111009898A (zh) 2020-04-14

Family

ID=70114565

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911283043.4A Pending CN111009898A (zh) 2019-12-13 2019-12-13 一种智慧园区多能协同供电方法及其系统、终端设备

Country Status (1)

Country Link
CN (1) CN111009898A (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112070301A (zh) * 2020-09-07 2020-12-11 广东电网有限责任公司电力调度控制中心 一种用户用电量调整方法、系统及设备
CN112132211A (zh) * 2020-09-20 2020-12-25 郑州精铖能源技术有限公司 一种高效梯级能源管理方法及系统
CN112564179A (zh) * 2020-11-23 2021-03-26 国网山东省电力公司惠民县供电公司 一种提升优化配电网的方法、系统、装置及介质
CN113516274A (zh) * 2021-04-07 2021-10-19 阳光新能源开发有限公司 一种氢能系统及其平衡控制方法
CN113837509A (zh) * 2020-06-08 2021-12-24 北京金点创智科技有限公司 多能源充电系统及其管理方法
CN115169994A (zh) * 2022-09-05 2022-10-11 北京宇乾能源科技有限责任公司 一种多种清洁能源互补控制决策处理方法及系统
CN116470633A (zh) * 2023-04-23 2023-07-21 广州柏曼光电科技有限公司 一种室内照明供电管理系统及方法
CN116706905A (zh) * 2023-08-08 2023-09-05 国网浙江省电力有限公司宁波供电公司 基于电力系统的多能预测及调度方法、设备及存储介质
CN117541036A (zh) * 2024-01-10 2024-02-09 中网华信科技股份有限公司 一种基于智慧园区的能源管理方法及系统
CN117689181A (zh) * 2024-01-31 2024-03-12 国网辽宁省电力有限公司信息通信分公司 基于智慧园区用电负荷的微电网调控系统及方法
CN118054483A (zh) * 2024-04-16 2024-05-17 广东阳硕绿建科技股份有限公司 一种清洁能源互补的发电平台

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101022574B1 (ko) * 2008-10-28 2011-03-16 한국전력공사 고객기준부하 기반의 상시 부하 저감 시스템
CN107689640A (zh) * 2017-11-03 2018-02-13 国电南瑞科技股份有限公司 基于智慧园区的风光互补发电系统的节能控制方法
CN107769193A (zh) * 2017-10-13 2018-03-06 北京科诺伟业科技股份有限公司 一种多能互补系统通用型运行方法
CN109767043A (zh) * 2019-01-17 2019-05-17 中南大学 一种电力负荷时间序列大数据智能建模与预测方法
CN110414743A (zh) * 2019-08-06 2019-11-05 南瑞集团有限公司 一种适用于园区的综合能源管控方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101022574B1 (ko) * 2008-10-28 2011-03-16 한국전력공사 고객기준부하 기반의 상시 부하 저감 시스템
CN107769193A (zh) * 2017-10-13 2018-03-06 北京科诺伟业科技股份有限公司 一种多能互补系统通用型运行方法
CN107689640A (zh) * 2017-11-03 2018-02-13 国电南瑞科技股份有限公司 基于智慧园区的风光互补发电系统的节能控制方法
CN109767043A (zh) * 2019-01-17 2019-05-17 中南大学 一种电力负荷时间序列大数据智能建模与预测方法
CN110414743A (zh) * 2019-08-06 2019-11-05 南瑞集团有限公司 一种适用于园区的综合能源管控方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
胡函武 等: "小波包变换在冲击负荷地区短期负荷预测中的应用", 《华北电力技术》 *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113837509A (zh) * 2020-06-08 2021-12-24 北京金点创智科技有限公司 多能源充电系统及其管理方法
CN112070301B (zh) * 2020-09-07 2023-08-22 广东电网有限责任公司电力调度控制中心 一种用户用电量调整方法、系统及设备
CN112070301A (zh) * 2020-09-07 2020-12-11 广东电网有限责任公司电力调度控制中心 一种用户用电量调整方法、系统及设备
CN112132211A (zh) * 2020-09-20 2020-12-25 郑州精铖能源技术有限公司 一种高效梯级能源管理方法及系统
CN112564179B (zh) * 2020-11-23 2022-12-09 国网山东省电力公司惠民县供电公司 一种提升优化配电网的方法、系统、装置及介质
CN112564179A (zh) * 2020-11-23 2021-03-26 国网山东省电力公司惠民县供电公司 一种提升优化配电网的方法、系统、装置及介质
CN113516274A (zh) * 2021-04-07 2021-10-19 阳光新能源开发有限公司 一种氢能系统及其平衡控制方法
CN115169994B (zh) * 2022-09-05 2023-09-26 北京宇乾能源科技有限责任公司 一种多种清洁能源互补控制决策处理方法及系统
CN115169994A (zh) * 2022-09-05 2022-10-11 北京宇乾能源科技有限责任公司 一种多种清洁能源互补控制决策处理方法及系统
CN116470633A (zh) * 2023-04-23 2023-07-21 广州柏曼光电科技有限公司 一种室内照明供电管理系统及方法
CN116706905A (zh) * 2023-08-08 2023-09-05 国网浙江省电力有限公司宁波供电公司 基于电力系统的多能预测及调度方法、设备及存储介质
CN116706905B (zh) * 2023-08-08 2023-11-03 国网浙江省电力有限公司宁波供电公司 基于电力系统的多能预测及调度方法、设备及存储介质
CN117541036A (zh) * 2024-01-10 2024-02-09 中网华信科技股份有限公司 一种基于智慧园区的能源管理方法及系统
CN117541036B (zh) * 2024-01-10 2024-04-05 中网华信科技股份有限公司 一种基于智慧园区的能源管理方法及系统
CN117689181A (zh) * 2024-01-31 2024-03-12 国网辽宁省电力有限公司信息通信分公司 基于智慧园区用电负荷的微电网调控系统及方法
CN117689181B (zh) * 2024-01-31 2024-06-04 国网辽宁省电力有限公司信息通信分公司 基于智慧园区用电负荷的微电网调控系统及方法
CN118054483A (zh) * 2024-04-16 2024-05-17 广东阳硕绿建科技股份有限公司 一种清洁能源互补的发电平台

Similar Documents

Publication Publication Date Title
CN111009898A (zh) 一种智慧园区多能协同供电方法及其系统、终端设备
Kanakadhurga et al. Demand side management in microgrid: A critical review of key issues and recent trends
Jiang et al. A real-time EV charging scheduling for parking lots with PV system and energy store system
Dinh et al. A home energy management system with renewable energy and energy storage utilizing main grid and electricity selling
Talebizadeh et al. Evaluation of plug-in electric vehicles impact on cost-based unit commitment
Schram et al. On the trade-off between environmental and economic objectives in community energy storage operational optimization
Veldman et al. Scenario-based modelling of future residential electricity demands and assessing their impact on distribution grids
Dufo-López Optimisation of size and control of grid-connected storage under real time electricity pricing conditions
US8471406B2 (en) Controllable energy utilization system and associated method
US9614374B2 (en) Method for controlling energy storage system
Zhou et al. A new framework for peer-to-peer energy sharing and coordination in the energy internet
De et al. The optimization of hybrid energy conversion systems using the dynamic programming model—Rapsody
Yao et al. Real-time energy management optimization for smart household
Yu System contributions of residential battery systems: New perspectives on PV self-consumption
KR102088532B1 (ko) 에너지 관리 시스템과 그의 에너지 관리 방법 및 에너지 운영 시스템
CN109462258A (zh) 一种基于机会约束规划的家庭能量优化调度方法
Shukhobodskiy et al. RED WoLF: Combining a battery and thermal energy reservoirs as a hybrid storage system
Beyazıt et al. Cost optimization of a microgrid considering vehicle-to-grid technology and demand response
Li et al. An integrated energy exchange scheduling and pricing strategy for multi-microgrid system
He et al. Optimal integration of Vehicle to Building (V2B) and Building to Vehicle (B2V) technologies for commercial buildings
Devarajan et al. Renewable energy resources: case studies
Rottondi et al. An energy management system for a smart office environment
Pholboon et al. Community power flow control for peak demand reduction and energy cost savings
AU2020256749A1 (en) Equipment, system and method for optimally managing energy in a network for domestic and industrial use
Buechler et al. Optimal energy supply scheduling for a single household: Integrating machine learning for power 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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200414