CN114583723A - 一种供电保障系统 - Google Patents
一种供电保障系统 Download PDFInfo
- Publication number
- CN114583723A CN114583723A CN202210095046.0A CN202210095046A CN114583723A CN 114583723 A CN114583723 A CN 114583723A CN 202210095046 A CN202210095046 A CN 202210095046A CN 114583723 A CN114583723 A CN 114583723A
- Authority
- CN
- China
- Prior art keywords
- power
- power generation
- energy storage
- load
- information
- 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
- 238000010248 power generation Methods 0.000 claims abstract description 199
- 238000004146 energy storage Methods 0.000 claims abstract description 119
- 239000000446 fuel Substances 0.000 claims abstract description 51
- 230000004044 response Effects 0.000 claims description 2
- 239000000295 fuel oil Substances 0.000 abstract description 22
- 238000000034 method Methods 0.000 abstract description 20
- 238000010801 machine learning Methods 0.000 description 23
- 238000012549 training Methods 0.000 description 15
- 230000005611 electricity Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 238000012417 linear regression Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 230000000875 corresponding effect Effects 0.000 description 5
- 230000001419 dependent effect Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 230000000087 stabilizing effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 230000003042 antagnostic effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- 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
-
- 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
-
- 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
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- 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
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
- H02J3/0073—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source when the main path fails, e.g. transformers, busbars
-
- 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
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
- H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
-
- 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- 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
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/34—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering
-
- 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
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/34—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering
- H02J7/35—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering with light sensitive cells
-
- 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
- H02J9/00—Circuit arrangements for emergency or stand-by power supply, e.g. for emergency lighting
- H02J9/04—Circuit arrangements for emergency or stand-by power supply, e.g. for emergency lighting in which the distribution system is disconnected from the normal source and connected to a standby source
- H02J9/06—Circuit arrangements for emergency or stand-by power supply, e.g. for emergency lighting in which the distribution system is disconnected from the normal source and connected to a standby source with automatic change-over, e.g. UPS systems
-
- 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]
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B10/00—Integration of renewable energy sources in buildings
- Y02B10/70—Hybrid systems, e.g. uninterruptible or back-up power supplies integrating renewable energies
-
- 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
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Emergency Management (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本说明书实施例提供一种供电保障系统,该方法包括控制器、光伏发电装置、燃油发电装置、储能装置、能源路由器;所述光伏发电装置、所述燃油发电装置、所述储能装置分别与所述能源路由器电连接;所述能源路由器通过第一开关基于第一节点连接至电网供电端,所述能源路由器通过第二开关基于第二节点连接至负载端;所述第一节点与所述第二节点通过第三开关连接;所述控制器用于控制所述能源路由器的至少部分端口的工作状态,以及控制所述第一开关、所述第二开关、所述第三开关的开合。
Description
技术领域
本说明书涉及智能电网领域,特别涉及一种供电保障系统。
背景技术
供电保障系统中的储能装置可以保障可靠供电,并且可以实现平抑源侧波动、平抑荷侧波动、套取峰谷价差、需求侧响应、后备电源等多种经济功能。然而,储能装置的电量可能不足并且不能仅仅基于现场的原供电系统来充电。因此,有必要提供一种供电保障系统,以保证储能系统以最优的充电方式保证电量充足。
发明内容
本说明书实施例之一提供一种供电保障系统。所述供电保障系统包括:控制器、光伏发电装置、燃油发电装置、储能装置、能源路由器;所述光伏发电装置、所述燃油发电装置、所述储能装置分别与所述能源路由器电连接;所述能源路由器通过第一开关基于第一节点连接至电网供电端,所述能源路由器通过第二开关基于第二节点连接至负载端;所述第一节点与所述第二节点通过第三开关连接;所述控制器用于控制所述能源路由器的至少部分端口的工作状态,以及控制所述第一开关、所述第二开关、所述第三开关的开合。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的供电保障系统的应用场景示意图;
图2是根据本说明书一些实施例所示的供电保障系统的示意图;
图3是根据本说明书一些实施例所示的电网供电端处于工作模式的储能装置充电的示例性流程图;
图4是根据本说明书一些实施例所示的电网供电端处于离网模式的储能装置充电的示例性流程图;
图5是根据本说明书一些实施例所示的能源路由器处于检修模式的供电保障系统的示意图。
图中,200为供电保障系统,110为控制器,120为能源路由器,130为光伏发电装置,140为储能装置,150为燃油发电装置,160为负载端,170为电网供电端,210-1为第一节点,210-2为第二节点,220-1为第一开关,220-2为第二开关,220-3为第三开关。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的供电保障系统的应用场景示意图。
如图1所示,本说明书实施例所涉及的供电保障系统应用场景100可以包括控制器110、能源路由器120、光伏发电装置130、储能装置140、燃油发电装置150、负载端160以及电网供电端170。
在一些实施例中,供电保障系统可以通过实施本说明书中披露的方法和/或过程来进行供电保障。
控制器110可以处理来自光伏发电装置130、储能装置140、燃油发电装置150、负载端160以及电网供电端170的数据和/或信息。例如,控制器110可以获取光伏发电装置130的预测供电信息、储能装置140的储能信息以及负载端160的预测负荷信息。控制器110可以对获取的数据进行处理,并控制能源路由器120,使能源路由器120可以控制供电保障系统中一个或多个设备的电源流向。
例如,控制器110可以基于预测供电信息、预测负荷信息以及储能信息,判断是否需要控制能源路由器120使电网供电端170向储能装置140充电。又例如,控制器110可以基于预测供电信息、预测负荷信息以及储能信息,控制储能装置140的充电以及通过能源路由器120为负载端160供电。在一些实施例中,控制器110可以是单个服务器或服务器组。控制器110可以是本地的、远程的。控制器110可以在云平台上实现,或者以虚拟方式提供。
能源路由器120可以与光伏发电装置130、储能装置140、燃油发电装置150连接以实现供电保障。在一些实施例中,能源路由器120还可以与控制器110连接。在一些实施例中,能源路由器120可以控制供电保障系统中一个或多个设备的能源流向。例如,能源路由器120可以控制光伏发电装置130和/或储能装置140对负载端160进行供电。例如,能源路由器120可以控制光伏发电装置130对储能装置140进行储电。在一些实施例中,能源路由器120还可以利用电网供电端170对负载端160进行供电。
电网供电端170可以是用于输送和分配电能的电力传输网络。电网供电端170可以包括联结成网的送电线路、变电所、配电所和配电线路等。在一些实施例中,电网供电端170输送和分配电能的能力(后述简称为配电能力)以及电网供电端170的电价可以根据时段和地区确定。例如,电网供电端170在用电高峰期的配电能力和/或电价大于用电低谷期的配电能力,电网供电端170在炎热地区、寒冷地区的配电能力和/或电价较高。
光伏发电装置130可以将太阳光能转换为电能。在一些实施例中,光伏发电装置130可以是独立光伏发电装置、并网光伏发电装置和/或分布式光伏发电装置。在一些实施例中,光伏发电装置130可以由光伏组件、控制器、逆变器及其他配件组成。在一些实施例中,光伏发电装置130可以利用光伏供电量对负载端160进行供电和/或对储能装置140进行充电。
储能装置140可以是存储电能的设备。在一些实施例中,储能装置140可以包括移动电源、储能电池、家用储能机等。在一些实施例中,储能装置140可以把储存暂时不用的电能,在需要用电的时候(例如,用电高峰、停电)提取使用,或者运往能量紧缺(例如,户外)的地方使用。在一些实施例中,储能装置140还可以利用其储存的电能对负载端160进行供电。在一些实施例中,储能装置140可以由电网供电端170对其进行充电,例如,能源路由器120可以在低电价时段控制电网供电端170对储能装置140进行充电。
燃油发电装置150可以将化学能转换为电能。在一些实施例中,燃油发电装置150可以为柴油发电机、汽油发电机等。在一些实施例中,燃油发电装置150可以利用燃油转换的电能对负载端160进行供电和/或对储能装置140进行充电。
负载端160可以是将电能作为能源进行工作的设备。在一些实施例中,负载端160可以包括但不限于空调、冰箱等。在一些实施例中,负载端160可以以光伏发电装置130的光伏供电量和/或储能装置140的储电量作为能源进行工作。在一些实施例中,负载端160还可以由电网供电端170进行供电。
图2是根据本说明书一些实施例所示的供电保障系统的示意图。
在一些实施例中,供电保障系统200可以包括控制器110、光伏发电装置130、燃油发电装置150、储能装置140、能源路由器120。在一些实施例中,光伏发电装置130、燃油发电装置150、储能装置140可以分别与能源路由器120电连接。
在一些实施例中,能源路由器120可以通过第一开关220-1基于第一节点210-1连接至电网供电端170。在一些实施例中,能源路由器120可以通过第二开关220-2基于第二节点210-2连接至负载端207。在一些实施例中,第一节点210-1与第二节点210-2通过第三开关220-3连接。
在一些实施例中,控制器110可以控制能源路由器120的工作状态以及供电保障系统200中各个开关的开合状态,例如,控制器110可以用于控制能源路由器120的至少部分端口的工作状态,以及控制第一开关220-1、第二开关220-2、第三开关220-3的开合。
在一些实施例中,第一开关220-1可以为快速开关。快速开关采用的是晶闸管静态开关(又称静止开关),它是一种无触点开关,是用两个可控硅(SCR)反向并联组成的一种交流开关,其闭合和断开由逻辑控制器控制。
图3是根据本说明书一些实施例所示的电网供电端处于工作模式的储能装置充电的示例性流程图。在一些实施例中,过程300可以由控制器110执行。
电网供电端处于工作模式是指可以通过电网供电端170向负载端207、储能装置140等供电,例如,如图2所示,控制器110可以控制第一开关220-1闭合、第二开关220-2闭合、第三开关220-3断开,使电网供电端170处于工作模式,电网供电端170通过第一开关220-1和第二开关220-2向负载端207供电。
步骤310,预测预定时间段内所述光伏发电装置的预测供电信息和所述负载端的预测负荷信息。
预定时间段是预测供电信息和预测负荷信息的时间段。例如,预测供电信息和预测负荷信息的时间段为2021年12月1日0点至24点,则预定时间段为2021年12月1日0点至24点。
预测供电信息是通过预测得到的预定时间段内的光伏发电装置的供电信息。在一些实施例中,预测供电信息可以包括预测发电功率和预测发电量。以预定时间段为2021年12月1日0点至24点为例,预测供电信息可以包括2021年12月1日0点至24点内光伏发电装置的预测发电功率和/或2021年12月1日0点至24点内光伏发电装置的预测发电量。
在一些实施例中,可以通过先确定预定时间段内光伏发电装置的预测发电功率,再基于预测发电功率,确定预定时间段内光伏发电装置的预测发电量,进而得到光伏发电装置的预测供电信息。
预测发电功率是指预定时间段内光伏发电装置的发电功率,该发电功率可以是随时间变化的功率曲线。以预定时间段为2021年12月1日0点至24点为例,预测发电功率可以为预测2021年12月1日0点至24点内光伏发电装置的发电功率。
预测发电量是指预定时间段内的光伏发电装置的发电量。以预定时间段为2021年12月1日0点至24点为例,预测发电量可以为2021年12月1日0点至24点内的光伏发电装置的发电量。
在一些实施例中,控制器可以通过匹配历史供电信息得到预测供电信息。
历史供电信息是预定时间段之前的光伏发电装置的供电信息。在一些实施例中,历史供电信息可以包括历史供电功率和历史供电用电量。以预定时间段为2021年12月1日0点至24点为例,历史供电信息可以包括2021年12月1日0点之前的光伏发电装置的历史供电功率,和/或2021年12月1日0点之前的光伏发电装置的历史供电用电量。
在一些实施例中,控制器可以基于历史信息匹配法确定预测供电信息。例如,先通过提取历史数据获得历史供电信息。控制器可以基于历史光伏发电装置信息,确定与当前光伏发电装置信息(例如,天气信息、地理位置、光伏发电装置设备参数等)匹配的多个历史供电信息。如,可以基于相似度算法(例如,弦相似度算法、欧氏距离等)进行匹配。又例如,可以基于与当前光伏发电装置信息最接近的历史光伏发电装置信息所对应的历史供电信息作为预测供电信息。通过获取与当前光伏发电装置信息最接近(相似)的历史光伏发电装置信息所对应的历史供电信息,可以快速确定预测供电信息,提高效率。最后,控制器可以基于匹配的多个历史供电信息计算预测供电信息。例如,控制器可以对匹配的多个历史供电信息求平均值以得到预测供电信息。
在一些实施例中,控制器可以根据拟合曲线直接基于光伏发电装置信息确定供电信息。例如,可以通过多元线性回归方程组基于光伏发电装置信息与供电信息确定拟合曲线。其中多元线性回归方程组的自变量可以包括光伏发电装置信息,多元线性回归方程组的因变量可以包括供电信息。接着基于最小二乘法等方式求解多元线性回归方程组,获取多元线性回归方程组的参数,从而获取拟合曲线。再将当前的光伏发电装置信息作为自变量带入拟合曲线中,确定对应的因变量预测供电信息值。通过拟合曲线,可以实现快速确定预测供电信息,提高效率。
在一些实施例中,控制器可以通过机器学习模型确定预测发电功率和/或预测发电量。
在一些实施例中,机器学习模型可以基于深度学习神经网络模型构建。示例性深度学习神经网络模型可以包括卷积机器学习模型(CNN)、完全卷积神经网络(FCN)模型、生成对抗性网络(GAN)、反向传播(BP)机器学习模型、径向基函数(RBF)机器学习模型、深度信念网络(DBN)、Elman机器学习模型等或其组合。
在一些实施例中,机器学习模型的输入包括天气信息(例如,太阳辐射量、温度等)、地理位置、光伏发电装置设备参数。机器学习模型的输出为预测发电功率和/或预测发电量。
在一些实施例中,机器学习模型的参数可以通过多个有标签的训练样本训练得到。在一些实施例中,可以获得多组训练样本,每组训练样本可以包括多个训练数据及训练数据对应的标签,训练数据可以包括天气信息(例如,太阳辐射量、温度等)、地理位置、光伏发电装置设备参数,训练数据的标签可以是历史时间段内的发电功率和/或预测发电量。
在一些实施例中,机器学习模型的训练数据及训练数据的标签可以通过历史数据中获得。例如,可以通过从历史时间中收集的历史天气信息、历史地理位置、历史光伏发电装置设备参数、历史发电功率、历史发电量获得。通过多组训练样本可以更新初始机器训练模型的参数,得到训练好的初始机器学习模型。机器学习模型的参数来自于训练好的初始机器学习模型。
预测负荷信息是通过预测得到的预定时间段内的负载端的负荷信息。在一些实施例中,预测负荷信息可以包括预测负荷功率和预测负荷用电量。
以预定时间段为2021年12月1日0点至24点为例,预测负荷信息可以包括2021年12月1日0点至24点内负载端的预测负荷功率,和/或2021年12月1日0点至24点内负载端的预测负荷用电量。
在一些实施例中,可以通过先确定预定时间段内负载端的预测负荷功率,再基于预测负荷功率,确定预定时间段内负载端的预测负荷用电量,进而得到负载端的预测负荷信息。
预测负荷功率是指预定时间段内负载端的负载功率,该负载功率可以是随时间变化的功率曲线。以预定时间段为2021年12月1日0点至24点为例,预测负荷功率可以为2021年12月1日0点至24点内负载端的负载功率。
预测负荷用电量是指预定时间段内的负载端的用电量。以预定时间段为2021年12月1日0点至24点为例,预测负荷用电量可以为2021年12月1日0点至24点内的负载端的用电量。
在一些实施例中,控制器可以通过匹配历史负荷信息得到预测负荷信息。
历史负荷信息是预定时间段之前的负载端的负荷信息。在一些实施例中,历史负荷信息可以包括历史负荷功率和历史负荷用电量。以预定时间段为2021年12月1日0点至24点为例,历史负荷信息可以包括2021年12月1日0点之前的负载端的历史负荷功率,和/或2021年12月1日0点之前的负载端的历史负荷用电量。
在一些实施例中,控制器可以基于历史信息匹配法确定预测负荷信息。其中,控制器可以基于历史负载端信息,确定与当前负载端信息(例如,用电设备、环境信息等)匹配的多个历史负荷信息。在一些实施例中,控制器可以根据拟合曲线直接基于负载端信息确定负荷信息。其中,多元线性回归方程组的自变量可以包括负载端信息,多元线性回归方程组的因变量可以包括负荷信息。关于具体确定方法的内容可以参见本说明书其他部分(例如,确定预测供电信息的内容),在此不再赘述。
在一些实施例中,控制器可以通过机器学习模型确定预测负荷功率和/或预测负荷用电量。
在一些实施例中,机器学习模型的输入包括用电设备信息(例如,用电设备类型、用电设备数量等)、环境信息(例如,气温、天气等)。机器学习模型的输出为预测负荷功率和/或预测负荷用电量。机器学习模型训练数据可以包括用电设备信息(例如,用电设备类型、用电设备数量等)、环境信息(例如,气温、天气等),训练数据的标签可以是历史时间段内的负荷功率和/或负荷用电量。
关于机器学习模型的类型、训练等内容可以参见本说明书其他部分(例如,通过机器学习模型确定预测供电信息的内容),在此不再赘述。
步骤320,获取所述储能装置的储能信息。
储能信息是预定时间段内的储能装置的储能信息。在一些实施例中,储能装置的储能信息包括储能装置的待充电量。以预定时间段为2021年12月1日0点至24点为例,储能信息可以包括2021年12月1日0点至24点内储能装置的待充电量。
在一些实施例中,控制器可以通过匹配历史储能信息获取储能装置的储能信息。
历史储能信息是预定时间段之前的储能装置的储能信息。在一些实施例中,历史储能信息可以包括储能装置的历史待充电量。以预定时间段为2021年12月1日0点至24点为例,历史储能信息可以包括2021年12月1日0点之前的储能装置的历史待充电量。
由于储能装置可以为负载端供电,储能与预测负荷用电量相关,因此可以基于历史负载端信息确定储能信息。在一些实施例中,控制器可以基于历史信息匹配法确定储能信息。其中,控制器可以基于历史负载端信息,确定与当前负载端信息匹配的多个历史储能信息。在一些实施例中,控制器可以根据拟合曲线直接基于负载端信息确定储能信息。其中,多元线性回归方程组的自变量可以包括负载端信息,多元线性回归方程组的因变量可以包括储能信息。关于具体确定方法的内容可以参见本说明书其他部分(例如,确定预测供电信息的内容),在此不再赘述。
在一些实施例中,控制器可以基于预测负荷信息确定储能装置的待充电量。例如,储能装置的待充电量=预测负荷用电量×a,其中,a为预设系数,a≥1,a的取值可以根据实际情况而定,与供电保障率、储能装置的容电量等都有关系,例如,若需要提升储能装置对负载端的供电保障率,则a可以取稍大点的值,如2、3等。
步骤330,基于所述预测供电信息、所述预测负荷信息、所述储能信息,确定是否需要通过所述能源路由器控制所述电网供电端向所述储能装置充电。
储能装置的电能可以来源于电网供电端、光伏发电装置、燃油发电装置中的一种或多种。在一些实施例中,可以基于获取到的预测供电信息、预测负荷信息、储能信息判断是否需要向储能装置充电以及怎样向储能装置充电。
在一些实施例中,若光伏发电装置的预测发电量大于储能装置的待充电量,则控制器控制光伏发电装置向储能装置充电,不需要控制器控制能源路由器使电网供电端向储能装置充电。
在一些实施例中,若光伏发电装置的预测发电量小于储能装置的待充电量,且预测负荷功率<电网最大承载功率×b,其中,b为预设系数,0<b≤1,b的取值与供电保障率相关,例如,需要的保障率越大,b的取值越小。则控制器控制光伏发电装置向储能装置充电,并且控制器控制能源路由器使电网供电端在负荷供电的同时向储能装置充电。由于预测负荷功率<电网最大承载功率×b,因此电网用于供电的同时还可以用于充电。电网最大承载功率是指实际电网最大可以承受的功率,可以基于应用场景的线路情况、电表的最大承载功率等确定,例如,一般为10KW左右。
在一些实施例中,若光伏发电装置的预测发电量+电网预测发电量<储能装置的待充电量,则控制器控制光伏发电装置向储能装置充电,并且控制器控制能源路由器使电网供电端在负荷供电的同时向储能装置充电,另外控制器控制燃油发电装置向储能装置充电。其中,电网预测发电量=(电网最大承载功率-预测负荷功率)×预定时间,预定时间为预定时间段对应的时间。
在一些实施例中,若光伏发电装置的预测发电量小于储能装置的待充电量,预测负荷功率≥电网最大承载功率×b,则控制器控制光伏发电装置向储能装置充电,并且控制器控制燃油发电装置向储能装置充电。由于预测负荷功率≥电网最大承载功率×b,因此此时电网只能用于供电,不能用于充电。
在一些实施例中,在确定了需要向储能装置充电后,还可以进一步确定燃油发电装置对储能装置可以提供的充电量(即燃油发电装置预计充电量)、电网供电端对储能装置可以提供的充电量(即电网预测发电量)。
在一些实施例中,燃油发电装置预计充电量与储能装置的待充电量、光伏发电装置的预测发电量、电网预测发电量相关。如燃油发电装置预计充电量等于储能装置的待充电量-光伏发电装置的预测发电量-电网预测发电量。
在一些实施例中,燃油发电装置预计充电量还与燃油发电装置的发电功率相关,例如,燃油发电装置发电功率等于燃油发电装置预计充电量/预定时间。
由于燃油发电装置的发电噪声应小于等于噪声阈值,并且,燃油发电装置的发电噪声与其发电功率正相关,因此当发电噪声大于噪声阈值时,需要降低燃油发电装置的功率,以使发电噪声小于等于噪声阈值。
在一些实施例中,若发电噪声大于噪声阈值,可以基于发电噪声、噪声阈值确定燃油发电装置的发电功率。例如,燃油发电装置的发电功率=((燃油发电装置预计充电量/预定时间)×c×噪声阈值/发电噪声(其中,c为预设系数,0<c≤1)。
在一些实施例中,若发电噪声大于噪声阈值,可以基于噪声阈值、噪声系数m、燃油发电装置的额定功率确定燃油发电装置的发电功率。例如,燃油发电装置的发电功率=min(燃油发电装置的额定功率,(燃油发电装置预计充电量/预定时间)×噪声阈值/(m×(燃油发电装置预计充电量/预定时间)))。其中,m为噪声系数,m可以反映燃油发电装置发电功率与发电噪声之间的关系(发电功率P与发电噪声S之间近似线性相关,S≈mP)。
在一些实施例中,m可以基于燃油发电装置的历史发电数据确定。在一些实施例中,m也可以通过机器学习模型确定。机器学习模型的输入为燃油发电装置的设备参数,机器学习模型的输出为噪声系数m。机器学习模型可以通过多个有标签的训练样本得到,训练样本可以包括燃油发电装置的设备参数。标签可以包括噪声系数m。其中,标签可以通过历史数据计算获得。
通过光伏发电装置、电网供电端和/或燃油发电装置向储能装置充电,可以保证在电网供电端处于工作模式的情况下,以最优的充电方式保证储能装置电量充足。由于光伏发电装置发电成本最低,燃油发电装置发电污染严重,因此最优的充电方式采用光伏发电装置、电网供电端与燃油发电装置优先程度逐渐降低的顺序充电,符合经济、无污染(或低污染)的原则。并且,为避免噪声污染,燃油发电装置还考虑到了控制燃油发电装置的发电功率。
图4是根据本说明书一些实施例所示的电网供电端处于离网模式的储能装置充电的示例性流程图。在一些实施例中,过程400可以由控制器110执行。
电网供电端处于离网模式是指不能依靠电网向负载端供电或储能装置充电的情形,例如,在停电的情况时。在一些实施例中,如图2所示,控制器110可以控制第一开关220-1断开、第二开关220-2闭合、第三开关220-3断开,使电网供电端170处于离网模式,能源路由器120通过第二开关220-2向负载端207供电。
步骤410,预测预定时间段内所述光伏发电装置的预测供电信息和所述负载端的预测负荷信息。
步骤410与本说明书中步骤310一致,关于步骤410的具体细节,参见本说明书上文步骤310,此处不再赘述。
步骤420,获取所述储能装置的储能信息。
步骤420与本说明书中步骤320一致,关于步骤420的具体细节,参见本说明书上文步骤320,此处不再赘述。
步骤430,基于所述预测供电信息、所述预测负荷信息、所述储能信息,控制所述储能装置的充电以及通过能源路由器为所述负载端供电。
在一些实施例中,可以基于光伏发电装置的预测发电功率、预测负荷功率的关系确定如何为负荷端供电,例如,若光伏发电装置的预测发电功率≥预测负荷功率,则控制器控制光伏发电装置为负荷端供电。在一些实施例中,若光伏发电装置的预测发电功率<预测负荷功率,则控制器控制光伏发电装置和燃油发电装置为负荷端供电。
在一些实施例中,可以基于光伏发电装置的预测发电功率、负荷端的预测负荷功率以及燃油发电装置的发电功率确定光伏发电装置和燃油发电装置为负载端供电以及储能装置充电。例如,若光伏发电装置的预测发电功率>负荷端的预测负荷功率,或者光伏发电装置的预测发电功率+燃油发电装置的发电功率>负荷端的预测负荷功率,则控制器控制光伏发电装置和燃油发电装置为负荷端供电的同时为储能装置充电。
在一些实施例中,可以通过计算获得光伏发电装置的预计充电量,以及燃油发电装置的预计充电量。
在一些实施例中,可以基于光伏发电装置的预测发电量与负荷端的预测负荷用电量确定光伏发电装置的预计充电量,并且可以基于储能装置的待充电量和光伏发电装置的预计充电量确定燃油发电装置预计充电量,例如,光伏发电装置的预计充电量=光伏发电装置的预测发电量-负荷端的预测负荷用电量,燃油发电装置预计充电量=储能装置的待充电量-光伏发电装置的预计充电量。基于燃油发电装置预计充电量可以确定燃油发电装置的发电功率。关于基于燃油发电装置预计充电量确定燃油发电装置的发电功率的具体细节,参见步骤330的内容,此处不再赘述。
通过光伏发电装置和/或燃油发电装置向储能装置充电,可以保证在电网供电端处于离网模式的情况下,以最优的充电方式保证储能装置电量充足。由于光伏发电装置发电成本最低,燃油发电装置发电污染严重,因此最优的充电方式采用光伏发电装置充电优先于燃油发电装置充电,符合经济、无污染(或低污染)的原则。并且,为避免噪声污染,燃油发电装置还考虑到了控制燃油发电装置的发电功率。
图5是根据本说明书一些实施例所示的能源路由器处于检修模式的供电保障系统的示意图。
能源路由器处于检修模式是指不能通过能源路由器控制电网供电端、燃油发电装置、光伏发电装置等装置的电能走向。在一些实施例中,当能源路由器需要进入检修模式(例如,发生故障、定期检查等)时,可以通过控制器控制第一开关断开,第二开关断开,以及第三开关闭合来实现由电网供电端向负载端供电。
在一些实施例中,如图5所示,控制器110可以控制第一开关220-1断开、第二开关220-2断开、第三开关220-3闭合,使能源路由器120处于检修模式,电网供电端170通过第三开关220-3向负载端207供电。
当能源路由器处于检修模式时,采用电网供电端向负载端供电,可以保证负载的正常运行,确保供电。
在本说明书一些实施例中,通过光伏发电装置、电网供电端和/或燃油发电装置向储能装置充电,可以保证在电网供电端处于工作模式或离网模式的情况下,以最优的充电方式保证储能装置电量充足。由于光伏发电装置发电成本最低,燃油发电装置发电污染严重,因此最优的充电方式采用光伏发电装置、电网供电端与燃油发电装置优先程度逐渐降低的顺序充电,符合经济、无污染(或低污染)的原则。并且,为避免噪声污染,燃油发电装置还考虑到了控制燃油发电装置的发电功率。另外,当能源路由器处于检修模式时,采用电网供电端向负载端供电,可以保证负载的正常运行,确保供电。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (6)
1.一种供电保障系统,包括控制器、光伏发电装置、燃油发电装置、储能装置、能源路由器;所述光伏发电装置、所述燃油发电装置、所述储能装置分别与所述能源路由器电连接;
所述能源路由器通过第一开关基于第一节点连接至电网供电端,所述能源路由器通过第二开关基于第二节点连接至负载端;所述第一节点与所述第二节点通过第三开关连接;
所述控制器用于控制所述能源路由器的至少部分端口的工作状态,以及控制所述第一开关、所述第二开关、所述第三开关的开合。
2.根据权利要求1所述的系统,所述控制器还用于:
预测预定时间段内所述光伏发电装置的预测供电信息和所述负载端的预测负荷信息;
获取所述储能装置的储能信息;
基于所述预测供电信息、所述预测负荷信息、所述储能信息,确定是否需要控制所述能源路由器使所述电网供电端向所述储能装置充电。
3.根据权利要求2所述的系统,所述控制器还用于:
基于所述预测负荷信息确定储能装置的待充电量。
4.根据权利要求1所述的系统,所述控制器还用于:
预测预定时间段内所述光伏发电装置的预测供电信息和所述负载端的预测负荷信息;
获取所述储能装置的储能信息;
基于所述预测供电信息、所述预测负荷信息、所述储能信息,控制所述储能装置的充电以及通过能源路由器为所述负载端供电。
5.根据权利要求4所述的系统,基于所述预测供电信息、所述预测负荷信息、所述储能信息,控制所述储能装置的充电以及通过能源路由器为所述负载端供电包括:
判断是否满足所述光伏发电装置的预测发电功率大于负载端的负荷功率,或所述预测发电功率与燃油发电装置的发电功率之和大于所述负荷功率;
响应于是,基于所述预测发电功率、所述负荷功率、所述燃油发电装置的发电功率,控制光伏发电装置和燃油发电装置通过能源路由器为所述负载端供电,以及为所述储能装置充电。
6.根据权利要求1所述的系统,所述控制器还用于:
控制所述第一开关断开、所述第二开关断开以及所述第三开关闭合,实现由电网供电端通过所述第三开关向所述负载端供电。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210095046.0A CN114583723B (zh) | 2022-01-26 | 2022-01-26 | 一种供电保障系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210095046.0A CN114583723B (zh) | 2022-01-26 | 2022-01-26 | 一种供电保障系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114583723A true CN114583723A (zh) | 2022-06-03 |
CN114583723B CN114583723B (zh) | 2023-04-18 |
Family
ID=81769425
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210095046.0A Active CN114583723B (zh) | 2022-01-26 | 2022-01-26 | 一种供电保障系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114583723B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011024928A1 (ja) * | 2009-08-24 | 2011-03-03 | Kawanishi Eiji | 圧力負荷装置を有する天秤使用の重力発電装置と連結するハイブリッド発電装置。 |
CN103795079A (zh) * | 2014-01-13 | 2014-05-14 | 山东大学 | 离网并网混合光伏发电控制系统及其经济性运行优化方法 |
CN206211536U (zh) * | 2016-10-11 | 2017-05-31 | 耿天侃 | 分布式电源电网 |
CN107591790A (zh) * | 2017-09-07 | 2018-01-16 | 湖南利能科技股份有限公司 | 一种具有多输入端的直流能源路由器 |
KR20180044561A (ko) * | 2016-10-24 | 2018-05-03 | 한국전기연구원 | 독립형 마이크로그리드에서 에너지저장장치의 최적용량을 산정하기 위한 장치 및 그 방법 |
CN109904865A (zh) * | 2019-03-04 | 2019-06-18 | 曹麾 | 高压配网峰谷负荷平衡智能管控主系统 |
-
2022
- 2022-01-26 CN CN202210095046.0A patent/CN114583723B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011024928A1 (ja) * | 2009-08-24 | 2011-03-03 | Kawanishi Eiji | 圧力負荷装置を有する天秤使用の重力発電装置と連結するハイブリッド発電装置。 |
CN103795079A (zh) * | 2014-01-13 | 2014-05-14 | 山东大学 | 离网并网混合光伏发电控制系统及其经济性运行优化方法 |
CN206211536U (zh) * | 2016-10-11 | 2017-05-31 | 耿天侃 | 分布式电源电网 |
KR20180044561A (ko) * | 2016-10-24 | 2018-05-03 | 한국전기연구원 | 독립형 마이크로그리드에서 에너지저장장치의 최적용량을 산정하기 위한 장치 및 그 방법 |
CN107591790A (zh) * | 2017-09-07 | 2018-01-16 | 湖南利能科技股份有限公司 | 一种具有多输入端的直流能源路由器 |
CN109904865A (zh) * | 2019-03-04 | 2019-06-18 | 曹麾 | 高压配网峰谷负荷平衡智能管控主系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114583723B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xiong et al. | Optimal planning of storage in power systems integrated with wind power generation | |
Abdolrasol et al. | An optimal scheduling controller for virtual power plant and microgrid integration using the binary backtracking search algorithm | |
Hosseinzadeh et al. | Robust optimal power management system for a hybrid AC/DC micro-grid | |
Taha et al. | An online energy management system for a grid-connected hybrid energy source | |
Ke et al. | Sizing the battery energy storage system on a university campus with prediction of load and photovoltaic generation | |
Liu et al. | Dispatch scheduling for a wind farm with hybrid energy storage based on wind and LMP forecasting | |
Barnes et al. | A semi-Markov model for control of energy storage in utility grids and microgrids with PV generation | |
Huang et al. | Residential energy system control and management using adaptive dynamic programming | |
Bogaraj et al. | Intelligent energy management control for independent microgrid | |
Mengi et al. | A new energy management technique for PV/wind/grid renewable energy system | |
Clarke et al. | An economic MPC approach to microgrid control | |
Henao-Muñoz et al. | Energy management system for an isolated microgrid with photovoltaic generation | |
Singaravel et al. | Studies on battery storage requirement of PV fed wind-driven induction generators | |
Nassourou et al. | Economic model predictive control for energy dispatch of a smart micro-grid system | |
Li et al. | A two-stage distributionally robust optimization model for wind farms and storage units jointly operated power systems | |
Lopez‐Santiago et al. | A novel rule‐based computational strategy for a fast and reliable energy management in isolated microgrids | |
Behera et al. | Modelling and simulations of modified slime mould algorithm based on fuzzy PID to design an optimal battery management system in microgrid | |
US20170279277A1 (en) | Optimization method of the consumption of power produced by a renewable source | |
Young et al. | Overview of optimal energy management for nanogrids (end-users with renewables and storage) | |
CN114583723B (zh) | 一种供电保障系统 | |
CN114498702B (zh) | 一种基于能源路由器的微电网能源管理方法和系统 | |
Obaro et al. | Energy dispatch of decentralized hybrid power system | |
Barbarić et al. | Energy management strategies for combined heat and electric power micro-grid | |
Tazvinga et al. | Technical model for optimising PV/diesel/battery hybrid power systems | |
Yu et al. | A Two-stage Model Predictive Control Strategy for Economical Operation of Microgrid |
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 |