CN113550872B - 风电数据中心能耗监测系统 - Google Patents

风电数据中心能耗监测系统 Download PDF

Info

Publication number
CN113550872B
CN113550872B CN202111103176.6A CN202111103176A CN113550872B CN 113550872 B CN113550872 B CN 113550872B CN 202111103176 A CN202111103176 A CN 202111103176A CN 113550872 B CN113550872 B CN 113550872B
Authority
CN
China
Prior art keywords
predicted
prediction
historical
energy consumption
wind power
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.)
Active
Application number
CN202111103176.6A
Other languages
English (en)
Other versions
CN113550872A (zh
Inventor
卢浩
周旭
左万辉
陈伟华
杨永雄
禤大司
肖逸冬
陈思聪
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 Tefa Information And Data Technology Co ltd
Original Assignee
Shenzhen Tefa Information And Data Technology 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 Tefa Information And Data Technology Co ltd filed Critical Shenzhen Tefa Information And Data Technology Co ltd
Priority to CN202111103176.6A priority Critical patent/CN113550872B/zh
Publication of CN113550872A publication Critical patent/CN113550872A/zh
Application granted granted Critical
Publication of CN113550872B publication Critical patent/CN113550872B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D7/00—Controlling wind motors 
    • F03D7/02—Controlling wind motors  the wind motors having rotation axis substantially parallel to the air flow entering the rotor
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D9/00—Adaptations of wind motors for special use; Combinations of wind motors with apparatus driven thereby; Wind motors specially adapted for installation in particular locations
    • F03D9/20—Wind motors characterised by the driven apparatus
    • F03D9/25—Wind motors characterised by the driven apparatus the apparatus being an electrical generator
    • 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
    • Y02E10/72—Wind turbines with rotation axis in wind direction
    • 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
    • Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
    • Y02P70/50—Manufacturing or production processes characterised by the final manufactured product

Abstract

本发明提供了一种风电数据中心能耗监测系统，包括：控制器和与控制器通信连接的发电机组和数据中心。控制器能够在某个预设时间窗口内的发电机组的产能与数据中心的能耗之间的差的绝对值大于等于预设能耗值时，对未来预设时间段内的数据中心的动态能耗进行预测，从而能够尽可能准确知道未来预设时间段内的数据中心的能耗状况。

Description

风电数据中心能耗监测系统
技术领域
本发明涉及数据处理技术，具体涉及一种风电数据中心能耗监测系统。
背景技术
随着企业对绿色能源的重视，越来越多的风电数据中心被建设。风电数据中心一般由发电机组和包括接收、处理、存储并且发送数据的网络连接的数据中心。发电机组一般设置在海拔较高的山顶上，数据中心则设置在山体内部。数据中心运行时产生大量的热，主要利用风电发电机组的电力来进行散热。一般风力越大，则风电机组的发电量就会越大，数据中心散热就会越快，相应的电力需求就会小，反之，风力越小，则风电机组的发电量就会越小，数据中心散热就会越慢，相应的电力需求就会大。专利文献1（CN102893234A）提供了一种风力数据中心，该数据中心还与供能平台例如电网和/或电池存储系统连接，在风电发电机组的电力不足以满足其电力需求时通过供能平台和/或电池存储系统获取电力，在风电发电机组的电力超过其电力需求时，向供能平台和/或电池存储系统输送多余的电力。然而，该专利文献不能对未来某个时间段内数据中心的盈余电力或者需要补给的电力进行准确预测。如果能够准确地对未来某个时间段数据中心的盈余电力或者需要补给的电力进行准确预测，将能够更好的了解数据中心的电力需求状态，从而可确保数据中心更稳靠的运行，也会使得运营成本可控。
发明内容
有鉴于此，本发明提供一种风电数据中心能耗监测系统，用于对数据中心的能量进行准确监测，以解决上述技术问题。
本发明采用的技术方案为：
本发明实施例提供一种风电数据中心能耗监测系统，包括：控制器和与控制器通信连接的发电机组和数据中心，所述控制器用于执行如下操作：
S100，获取预设时间窗口内的发电机组的产能
Figure 362774DEST_PATH_IMAGE002
和数据中心的能耗
Figure 358543DEST_PATH_IMAGE004
，t1和t2分别为预设时间窗口的时间起点和时间结束点； P风和P数分别为发电机 组和数据中心的瞬时功率；
S200，如果
Figure 279226DEST_PATH_IMAGE006
，执行步骤S300；Q0为预设电量值；
S300，获取预测能耗 Q=f（T,W），其中，f（T,W）为预设能耗预测模型，T=（T1，T2，…，Ti，…，Tn），W=（W1，W2，…，Wi，…，Wn），T为预设时间段内对应的n个监测温度集，Ti为第i个监测温度；W为预设时间段内对应的n个监测风力集，Wi为第i个监测风力；
所述控制器还与第三方发布平台通信连接；所述第三方发布平台用于发布关于所述发电机组所属区域的预测信息，所述预测信息包括m个预测参数C1，C2，…，Cj，…，Cm，Cj为第j个预测参数，j的取值为1到m；所述m个预测参数至少包括预测时间、预测温度、预测风力、预测湿度、预测日出时间和预测风向；
还包括数据库，所述数据库存储有历史预测信息记录表和历史实测信息记录表，所述历史预测信息记录表存储有历史上预设时间间隔内的M个历史预测信息；所述历史实测信息记录表包括M个历史预测信息记录对应的历史实测信息记录；
其中，所述监测温度和所述监测风力基于所述第三方发布平台发布的关于所述发电机组所属区域的预测信息以及所述历史预测信息记录表和所述历史实测信息记录表确定。
本发明实施例提供的风电数据中心能耗监测系统，能够在某个预设时间窗口内的发电机组的产能与数据中心的能耗之间的差的绝对值大于等于预设能耗值时，对未来预设时间段内的数据中心的动态能耗进行预测，从而能够尽可能准确知道未来预设时间段内的数据中心的能耗状况。
附图说明
图1为本发明实施例提供的风电数据中心能耗监测系统的结构示意图；
图2为本发明实施例使用的比特环的结构示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
如图1所示，本发明实施例提供一种风电数据中心能耗监测系统，包括：控制器1和与控制器1通信连接的发电机组2和数据中心3。本发明实施例中的风电数据中心的具体结构可为现有技术，例如，专利文献1提到的风力发电中心。
在本发明实施例中，控制器1可设置在数据中心，也可以是设置在远程控制终端。在一个示意性实施例中，控制器1用于执行如下操作：
S100，获取预设时间窗口内的发电机组的产能
Figure 100002_DEST_PATH_IMAGE008
和数据中心的能耗
Figure 100002_DEST_PATH_IMAGE010
，t1和t2分别为预设时间窗口的时间起点和时间结束点，预设时间窗口可为用 户自定义，例如，可为1个月，也可以为1天，优选可为1天。 P风和P数分别为发电机组和数据中 心的瞬时功率，可基于电表获取得到。
S200，如果
Figure 100002_DEST_PATH_IMAGE012
，执行步骤S300； Q0为预设电量 值，Q0可根据实际情况设置。
S300，获取需求动态能耗 Q=f（T,W），其中，f（T,W）为预设能耗预测模型，T=（T1， T2，…，Ti，…，Tn），W=（W1，W2，…，Wi，…，Wn），T为预设时间段内对应的n个监测温度集，Ti为 第i个监测温度；W为预设时间段内对应的n个监测风力集，Wi为第i个监测风力。在本发明实 施例中，动态能耗是指数据中心的盈余能耗或者补给能耗。具体地，如果当前时间窗口内的
Figure DEST_PATH_IMAGE014
≥Q0时，动态能耗Q可为盈余能耗，说明当前时间窗口起的预设 时间段内数据中心有盈余能耗。盈余能耗可以向供能平台例如电网输送，也可以向电池存 储系统输送。如果当前时间窗口内的
Figure DEST_PATH_IMAGE016
≥Q0时，说明当前时间窗 口起的预设时间段内，风电机组的产能不足以满足数据中心的实际能耗，即数据中心需要 外部供给能耗，此时的动态能耗为补给能耗。补给能耗可以从电网获取，也可以从电池存储 系统获取。
此外，在本发明一实施例中，预设时间段的时长可以等于预设时间窗口。优选，预设时间段小于预设时间窗口，也便能够对更小时间单位内的动态能耗进行预测。
本发明实施例中的预设能耗预测模型可为现有的AI模型，例如，逻辑回归模型或者贝叶斯预测模型。本实施例中的预设能耗模型为已经使用了数据中心的实测温度和实测风力训练得到的模型。
在本发明实施例中，控制器还与第三方发布平台例如气象发布平台通信连接；第三方发布平台用于发布关于发电机组所属区域的预测信息，预测信息包括m个预测参数C1，C2，…，Cj，…，Cm，Cj为第j个预测参数，j的取值为1到m；m个预测参数至少包括预测时间、预测温度、预测风力、预测湿度、预测日出时间和预测风向等。预测时间是与预测温度、预测风力、预测湿度和预测风向对应的时间，即在每个预测时间发布相关的预测温度、预测风力、预测湿度和预测风向等。
在一个实施例中，动态能耗Q可基于第三方发布平台发布的关于预设时间段内的N个预测温度和对应的N个预测风力得到，即监测温度和监测风力可分别使用第三方发布平台发布的关于发电机组所属区域的预测温度和预测风力。该实施例能够快速获取监测温度和监测风力，提高计算速度，但是存在的技术问题是，由于风电数据中心所处的位置相对偏僻，第三方发布平台发布的天气预测信息可能不够准确，这将会使得预测结果不够准确。鉴于此，需要对第三方发布平台发布的预测温度和预测风力进行校准。
在本发明一实施例中，还包括数据库，数据库存储有历史预测信息记录表和历史实测信息记录表，历史预测信息记录表存储有历史上预设时间间隔内的M个历史预测信息。预设时间间隔可为用户自定义，例如，可为当前时间之前几个月或者几年的时间，优选为2年，以便积累足够全面的预测信息。第三方发布平台发布的每个预测信息可作为一条记录存储在数据中。
显然地，每个历史预测信息包括m个历史预测参数；历史预测参数至少包括历史预测时间、历史预测时间对应的历史预测温度、历史预测风力、历史预测湿度、历史预测日出时间、历史预测风向。历史实测信息记录表包括M个历史预测信息记录对应的历史实测信息记录。每个历史实测信息记录表包括与m个历史预测参数对应的m个历史实测参数；历史实测参数至少包括与历史预测时间对应的历史实测时间、在历史实测时间监测的关于数据中心的历史实测温度、历史实测风力、历史环境湿度、历史实测日出时间、历史实测风向。数据中心的实测参数信息可以通过设置在数据中心内的相关设备获取。
为使得预测结果尽可能地准确，在本发明的另一个实施例中，监测温度和监测风力基于第三方发布平台发布的关于发电机组所属区域的预测信息以及历史预测信息记录表和历史实测信息记录表确定。
其中，对于第三方发布平台发布的预设时间段内的任一预测信息记录i，控制器用于执行如下操作：
S310，如果
Figure DEST_PATH_IMAGE018
≤a，并且，
Figure 644741DEST_PATH_IMAGE020
≤a，则从历史预测信息记录表提取
Figure DEST_PATH_IMAGE022
和
Figure DEST_PATH_IMAGE024
对应的历史预测信息；执行S320；其中，a为预设系数，取值为0~0.1，优选，a= 0.03；
Figure 983146DEST_PATH_IMAGE025
为预测信息记录表中的第k个历史预测温度，
Figure 946554DEST_PATH_IMAGE027
预测信息记录表中的第k个 历史预测风力，k的取值为1到M。
S320，通过S310得到提取的S个历史预测信息记录，对于提取的任一历史预测信息 记录，基于Dis（i，t）=min（
Figure 151270DEST_PATH_IMAGE029
）确定与预测信息记录i距离最短 的历史预测信息记录；其中Dis（i，t）表示预测信息记录i和提取的第t个历史预测信息记录 之间的距离，t的取值为1到S；Cij为预测信息记录i中的第j个预测参数，Ctj为历史预测信 息记录t中的第j个预测参数；dis（Cij，Ctj）为预测参数Cij和对应的历史预测参数Ctj之间 的距离；Aj为第j个预测参数的权重；每个预测参数的权重可自定义设置，可以相同也可以 不同，优选，温度和风力的权重可以设置为大于其它参数的权重。
在该步骤中，能够得到与当前预测信息记录i距离最短的历史预测信息记录，从而能够得到对应的历史预测温度和历史预测风力。在本发明实施例中，如果得到多个与当前预测信息记录距离最短的历史预测信息记录，则对应的历史预测温度和历史预测风力会有多个，这种情况下，可以对得到的多个历史预测温度做均值处理，以及对多个历史预测风力做均值处理，均值结果作为最终的历史预测温度和历史预测风力。
S330，基于得到的与预测信息记录i距离最短的历史预测信息记录以及历史实测信息记录表，得到对应的历史实测温度和历史实测风力。通过步骤S320得到的历史预测温度和历史预测风力，可以通过查询历史信息记录表，得到对应的历史实测温度和历史实测风力。
通过上述步骤S310~S330，可以得到预设时间段内的所有的预测信息记录中的预测温度和预测风力对应的历史实测温度和历史实测风力，然后将得到的这些历史实测温度和历史实测风力分别代入预设能耗预测模型中得到能耗Q。该实施例中，由于对预测温度和预测风力进行了校准，相对于前述实施例，能够使得预测结果更加准确。
进一步地，在S320中，预测温度之间、预测风力之间以及预测湿度之间的距离可基 于
Figure 553433DEST_PATH_IMAGE031
确定，Li表示预测信息记录i中的 预测温度、预测风力和预测湿度中的任一个，Lt为提取的第t个历史预测信息中与Li对应的 预测参数，即如果Li为预测温度，则Lt为历史预测温度。通过该步骤中，可以得到预测信息 记录i与个各历史预测信息记录中的任一个记录中的温度、风力和湿度之间的距离，从而得 到M个预测温度距离值、M个预测风力距离值和M个预测湿度距离值。
进一步地，在S320中，预测时间之间以及预测日出时间之间的距离基于
Figure 363257DEST_PATH_IMAGE033
确 定；Ri表示预测信息记录i中的预测时间或者预测日出时间，Rt为提取的第t个历史预测信 息中与Ri对应的预测参数，即如果Ri为预测时间，则Rt为历史预测时间。通过该步骤中，可 以得到预测信息记录i与个各历史预测信息记录中的任一个记录中的预测时间和预测日出 时间之间的距离，从而得到M个预测时间距离值、M个预测日出时间距离值。
进一步地，将基准风向映射到比特环上。在一个实施例中，针对每个基准方向，设置有对应的风向标识位，以确定当前预测风向和历史预测风向分别对应的的基准风向。基准风向可包括东风、东南风、南风、西南风、西风、西北风、北风和东北风，映射到比特环上，可如图2所示。风向标识位可由数值表示，例如东风、东南风、南风、西南风、西风、西北风、北风和东北风可分别用1至8表示。
在另一个实施例中，比特环上也可不设置风向标识位，而只是设置基准风向的标识值，例如可用8个比特表示，当预测风向为某个基准风向时，对应的风向标识值为1，例如10000000表示东风，00010000为西南风等。这样，可通过风向标识值得到对应的基准风向，进而知道基准风向位于比特环上的那个位置。
进一步地，本发明实施例中，在S320中，如果预测风向i对应的基准风向的风向标 识位Pi和历史预测风向t对应的基准风向的风向标识位Pt满足
Figure 559883DEST_PATH_IMAGE035
≤4，则预测风向i 和历史预测风向t之间的距离为
Figure 251896DEST_PATH_IMAGE037
；如果
Figure 129853DEST_PATH_IMAGE039
＞4，则预测风向i和历史预测风向t 之间的距离为
Figure 856501DEST_PATH_IMAGE041
。这样可以得到任意两个比较记录中的风向之间的距离。
综上，本发明实施例提供的风电数据中心能耗监测系统，能够在某个预设时间窗口内的发电机组的产能与数据中心的能耗之间的差的绝对值大于等于预设能耗值时，能够基于未来时间段内的天气预测信息、历史预测信息和数据中心的历史实测信息对未来预设时间段内的数据中心的动态能耗进行预测，从而能够尽可能准确知道未来预设时间段内的数据中心的能耗状况。
以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (8)

1.一种风电数据中心能耗监测系统，其特征在于，包括：控制器和与控制器通信连接的发电机组和数据中心，所述控制器用于执行如下操作：
S100，获取预设时间窗口内的发电机组的产能
Figure DEST_PATH_IMAGE001
和数据中心的能耗
Figure DEST_PATH_IMAGE002
，t1和t2分别为预设时间窗口的时间起点和时间结束点；P风和P数分别为发电机 组和数据中心的瞬时功率；
S200，如果
Figure DEST_PATH_IMAGE003
，执行步骤S300；Q0为预设电量值；
S300，获取动态能耗 Q=f（T,W），其中，f（T,W）为预设能耗预测模型，T=（T1，T2，…，Ti，…，Tn），W=（W1，W2，…，Wi，…，Wn），T为预设时间段内对应的n个监测温度集，Ti为第i个监测温度；W为预设时间段内对应的n个监测风力集，Wi为第i个监测风力；
所述控制器还与第三方发布平台通信连接；所述第三方发布平台用于发布关于所述发电机组所属区域的预测信息，所述预测信息包括m个预测参数C1，C2，…，Cj，…，Cm，Cj为第j个预测参数，j的取值为1到m；所述m个预测参数至少包括预测时间、预测温度、预测风力、预测湿度、预测日出时间和预测风向；
还包括数据库，所述数据库存储有历史预测信息记录表和历史实测信息记录表，所述历史预测信息记录表存储有预设时间间隔内的M个历史预测信息记录；所述历史实测信息记录表包括M个历史预测信息记录对应的历史实测信息记录；
其中，所述监测温度和所述监测风力基于所述第三方发布平台发布的关于所述发电机组所属区域的预测信息以及所述历史预测信息记录表和所述历史实测信息记录表确定。
2.根据权利要求1所述的风电数据中心能耗监测系统，其特征在于，所述预设能耗预测模型为使用所述数据中心的实测温度和实测风力训练得到的模型。
3.根据权利要求1或2所述的风电数据中心能耗监测系统，其特征在于，所述预设能耗预测模型为AI模型。
4.根据权利要求3所述的风电数据中心能耗监测系统，其特征在于，所述预设能耗预测模型为逻辑回归模型或者贝叶斯预测模型。
5.根据权利要求1所述的风电数据中心能耗监测系统，其特征在于，
其中，对于预设时间段内的任一预测信息记录i，所述控制器用于执行如下操作：
S310，如果
Figure DEST_PATH_IMAGE004
≤a，并且，
Figure DEST_PATH_IMAGE005
≤a，则从历史预测信息记录表提取
Figure DEST_PATH_IMAGE006
和
Figure DEST_PATH_IMAGE007
对应的历史预测信息记录；执行S320；其中，a为预设系数；
Figure 554165DEST_PATH_IMAGE006
为预测信息 记录表中的第k个历史预测温度，
Figure 303596DEST_PATH_IMAGE007
预测信息记录表中的第k个历史预测风力，k的取值 为1到M；
S320，通过S310得到提取的S个历史预测信息记录，对于提取的任一历史预测信息记 录，基于Dis（i，t）=min（
Figure DEST_PATH_IMAGE008
）确定与预测信息记录i距离最短的历史 预测信息记录；其中Dis（i，t）表示预测信息记录i和提取的第t个历史预测信息记录之间的 距离，t的取值为1到S；Cij为预测信息记录i中的第j个预测参数，Ctj为历史预测信息记录t 中的第j个预测参数；dis（Cij，Ctj）为预测参数Cij和对应的历史预测参数Ctj之间的距离； Aj为第j个预测参数的权重；
S330，基于得到的与预测信息记录i距离最短的历史预测信息记录以及所述历史实测信息记录表，得到对应的历史实测温度和历史实测风力。
6.根据权利要求5所述的风电数据中心能耗监测系统，其特征在于，在S320中，预测温度 之间、预测风力之间以及预测湿度之间的距离基于
Figure DEST_PATH_IMAGE009
确定，Li表示预测信息记录i中的预测温度、预测风力和预测湿度中的任一个，Lt为提取的 第t个历史预测信息记录中与Li对应的预测参数。
7.根据权利要求5所述的风电数据中心能耗监测系统，其特征在于，在S320中，预测时 间之间以及预测日出时间之间的距离基于
Figure DEST_PATH_IMAGE010
确定；Ri表示预测信息记录i中的预测时 间或者预测日出时间，Rt为提取的第t个历史预测信息记录中与Ri对应的预测参数。
8.根据权利要求5所述的风电数据中心能耗监测系统，其特征在于，将基准风向映射到比特环上，针对每个基准方向，设置有对应的风向标识位，以确定当前预测风向和历史预测风向分别对应的基准风向；
其中，在S320中，如果预测风向i对应的基准风向的风向标识位Pi和历史预测风向t对 应的基准风向的风向标识位Pt满足
Figure DEST_PATH_IMAGE011
≤4，则预测风向i和历史预测风向t之间的距 离为
Figure DEST_PATH_IMAGE012
；如果
Figure 175344DEST_PATH_IMAGE011
＞4，则预测风向i和历史预测风向t之间的距离为
Figure DEST_PATH_IMAGE013
。
CN202111103176.6A 2021-09-22 2021-09-22 风电数据中心能耗监测系统 Active CN113550872B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111103176.6A CN113550872B (zh) 2021-09-22 2021-09-22 风电数据中心能耗监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111103176.6A CN113550872B (zh) 2021-09-22 2021-09-22 风电数据中心能耗监测系统

Publications (2)

Publication Number Publication Date
CN113550872A CN113550872A (zh) 2021-10-26
CN113550872B true CN113550872B (zh) 2021-12-07

Family

ID=78106393

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111103176.6A Active CN113550872B (zh) 2021-09-22 2021-09-22 风电数据中心能耗监测系统

Country Status (1)

Country Link
CN (1) CN113550872B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104915562A (zh) * 2015-06-11 2015-09-16 上海新长宁低碳投资管理有限公司 建筑能效诊断方法和系统
DE102014223853A1 (de) * 2014-11-24 2016-05-25 Siemens Aktiengesellschaft Verwendung eines LIDAR-Systems zurKurzzeitvorhersage erwarteter Windverhältnisse und alsBasis für ein Kraftwerksmanagement sowieKraftwerksmanagementverfahren auf Basis eines voneinem LIDAR-System erhältlichen und erwarteteWindverhältnisse kodierenden Signals
CN106600078A (zh) * 2017-01-17 2017-04-26 华北电力大学 一种基于新能源发电预测的微网能量管理方案
CN109404228A (zh) * 2018-12-27 2019-03-01 北京金风科创风电设备有限公司 风力发电机组的能耗分析方法及装置
CN111179108A (zh) * 2018-11-12 2020-05-19 珠海格力电器股份有限公司 用电能耗的预测方法和装置
CN112112760A (zh) * 2020-08-24 2020-12-22 淮阴工学院 一种风电场的控制系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013093794A2 (en) * 2011-12-23 2013-06-27 International Business Machines Corporation Energy allocation system

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102014223853A1 (de) * 2014-11-24 2016-05-25 Siemens Aktiengesellschaft Verwendung eines LIDAR-Systems zurKurzzeitvorhersage erwarteter Windverhältnisse und alsBasis für ein Kraftwerksmanagement sowieKraftwerksmanagementverfahren auf Basis eines voneinem LIDAR-System erhältlichen und erwarteteWindverhältnisse kodierenden Signals
CN104915562A (zh) * 2015-06-11 2015-09-16 上海新长宁低碳投资管理有限公司 建筑能效诊断方法和系统
CN106600078A (zh) * 2017-01-17 2017-04-26 华北电力大学 一种基于新能源发电预测的微网能量管理方案
CN111179108A (zh) * 2018-11-12 2020-05-19 珠海格力电器股份有限公司 用电能耗的预测方法和装置
CN109404228A (zh) * 2018-12-27 2019-03-01 北京金风科创风电设备有限公司 风力发电机组的能耗分析方法及装置
CN112112760A (zh) * 2020-08-24 2020-12-22 淮阴工学院 一种风电场的控制系统

Also Published As

Publication number Publication date
CN113550872A (zh) 2021-10-26

Similar Documents

Publication Publication Date Title
Ummels et al. Impacts of wind power on thermal generation unit commitment and dispatch
CN105375479B (zh) 一种基于模型预测控制的分布式能源能量管理方法
JP5492848B2 (ja) 電力需要予測システムおよび方法
Mu et al. Short-term load forecasting using improved similar days method
CN109426892A (zh) 用于功率电网中的分配负荷预报的系统和方法
CN103679282B (zh) 风电功率爬坡的预测方法
TW201209441A (en) A wind energy forecasting method with extreme wind speed prediction function
CN111612244B (zh) 基于qra-lstm的日前光伏功率非参数概率预测方法
JP2019213299A (ja) エネルギー運用装置及び方法並びにシステム
CN107798484A (zh) 一种河长监督服务系统
US20230332573A1 (en) Controlling the operation of a wind turbine
Tanabe et al. Generation scheduling for wind power generation by storage battery system and meteorological forecast
CN105244920B (zh) 考虑电池健康状态的储能系统多目标控制方法及其系统
WO2020219078A1 (en) Intelligent energy management system for distributed energy resources and energy storage systems using machine learning
JP2010213507A (ja) 自然エネルギー併用型蓄電システム、および自然エネルギー併用型蓄電方法
CN105046349B (zh) 一种计及尾流效应的风电功率预测方法
Shah et al. A novel prediction error-based power forecasting scheme for real pv system using pvusa model: A grey box-based neural network approach
CN107422180A (zh) 一种基于云监控的光伏电站的功率预测系统
KR20150118699A (ko) Gis 기반 실시간 기상정보를 활용한 풍력 예측 발전량 시각화 방법
CN109858668B (zh) 一种雷电气候下电力负荷区域协调预测方法
CN113550872B (zh) 风电数据中心能耗监测系统
JP5658597B2 (ja) 省エネ行動評価システム
JP2008086109A (ja) 電源システム、ネットワークシステム、ネットワークシステムの制御方法、及びネットワークシステムの電源システム制御プログラム
CN116613896B (zh) 一种基于微电网的数据采集监测方法
JP6833303B1 (ja) 発電量予測装置

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
GR01 Patent grant
GR01 Patent grant
CB03 Change of inventor or designer information

Inventor after: Lu Hao

Inventor after: Zhou Xu

Inventor after: Zuo Wanhui

Inventor after: Chen Weihua

Inventor after: Yang Yongxiong

Inventor after: Big Co.

Inventor after: Xiao Yidong

Inventor after: Chen Sicong

Inventor before: Lu Hao

Inventor before: Zhou Xu

Inventor before: Zuo Wanhui

Inventor before: Chen Weihua

Inventor before: Yang Yongxiong

Inventor before: Big Co.

Inventor before: Xiao Yidong

Inventor before: Chen Sicong

CB03 Change of inventor or designer information