CN116517765B - 一种基于风力发电的冷库智能运行控制系统 - Google Patents

一种基于风力发电的冷库智能运行控制系统 Download PDF

Info

Publication number
CN116517765B
CN116517765B CN202310570139.9A CN202310570139A CN116517765B CN 116517765 B CN116517765 B CN 116517765B CN 202310570139 A CN202310570139 A CN 202310570139A CN 116517765 B CN116517765 B CN 116517765B
Authority
CN
China
Prior art keywords
refrigeration house
electric equipment
wind
wind power
detection period
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
CN202310570139.9A
Other languages
English (en)
Other versions
CN116517765A (zh
Inventor
丁小洪
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.)
Jiangsu Fosik Environmental Technology Co ltd
Original Assignee
Jiangsu Fosik Environmental 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 Jiangsu Fosik Environmental Technology Co ltd filed Critical Jiangsu Fosik Environmental Technology Co ltd
Priority to CN202310570139.9A priority Critical patent/CN116517765B/zh
Publication of CN116517765A publication Critical patent/CN116517765A/zh
Application granted granted Critical
Publication of CN116517765B publication Critical patent/CN116517765B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • F03D7/00—Controlling wind motors 
    • 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
    • F03D80/00—Details, components or accessories not provided for in groups F03D1/00 - F03D17/00
    • F03D80/60—Cooling or heating of wind motors

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Thermal Sciences (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明涉及涉及冷库智能运行技术领域，具体公开一种基于风力发电的冷库智能运行控制系统，该系统包括：风力检测模块、风力发电量分析模块、用电设备用电量分析模块、用电设备归类模块、用电设备预估使用电量分析模块、用电模式切换模块和云数据库，本发明弥补了现有技术中对风力评估关注度不高的缺陷，进而降低风速和风向角度不稳定对风力发电量的负面影响，本发明提高了冷库内用电设备的预估使用电量的分析的精准性，确保冷库的正常运行，本发明在用电设备预估使用电量分析模块中综合用电设备的故障次数、使用时长和购入价格综合评估用电设备，分析较为精准，使用电设备的模式切换更为合理，有利于冷库的可持续发展。

Description

一种基于风力发电的冷库智能运行控制系统
技术领域
本发明涉及冷库智能运行技术领域，具体而言，涉及一种基于风力发电的冷库智能运行控制系统。
背景技术
冷库是一种采用人工制冷降温并具有保冷功能的仓储建筑，是物流业的重要组成部分，由于冷库的耗电量较大，且冷库大多建立在城市外围，导致冷库在使用电时的损耗率较大，甚至需要从其他地方地方进行电量调度，大大增加了供电负担，现如今，风力发电往往与冷库进二者结合建立，在冷库周围就近建立风力发电设备，就近消耗风力发电量，能够实现短距离电力传输，减小电力传输消耗，实现节能和高效电力运用，但是在冷库内用电设备的运行过程中，如若对风力发电量的处理不适宜，一方面会造成资源浪费，另一方面影响冷库的正常运行，因此，需要对冷库内用电设备的运行进行控制分析。
现有的冷库用电设备的控制分析在一定程度上可以满足当前要求，但是还存在一定的缺陷，其具体体现在：(1)现有技术在分析风力发电量时对风力评估的关注度不高，风力评估也是影响风力发电量的因素，当风速和风向角度不稳定时，风力评估系数相对应降低，对风力发电量产生一定的负面影响，现有技术对这一层面的忽视降低了风力发电量分析的准确性，从而影响后续用电设备的模式切换。
(2)现有技术中大多是基于冷库内用电设备的额定用电量进行用电模式的切换，对冷库内用电设备的历史用电量的分析力度不够深入，进而导致冷库内用电设备的预估使用电量的分析不够精准，从而在进行模式切换时，难以保障用电设备模式切换的精准性，可能出现用电设备切换模式后出现风力发电量难以保证用电设备的正常使用的现象，在一定程度上影响冷库的正常运行。
发明内容
为了克服背景技术中的缺点，本发明实施例提供了一种基于风力发电的冷库智能运行控制系统,能够有效解决上述背景技术中涉及的问题。
本发明的目的可以通过以下技术方案来实现：一种基于风力发电的冷库智能运行控制系统，包括：风力检测模块，用于在冷库周围设置风力发电设备，并对冷库的风速和风向进行检测。
风力发电量分析模块，用于获取冷库在设定检测周期内对应的风力参数，其中风力参数包括各检测时间点对应的风速和风向角度，并据此分析冷库在设定检测周期内对应的风力发电量。
用电设备用电量分析模块，用于从冷库管理中心获取冷库所属各用电设备在各次历史需求温度对应的总用电量，并据此分析冷库在当前需求温度所属各用电设备对应的历史预估用电总量和历史使用时长。
用电设备归类模块，用于从冷库管理中心获取冷库所属各用电设备对应的使用参数，并据此分析冷库所属各用电设备对应的综合评估指数，从而将冷库所属各用电设备进行归类，进而得到各风力风险评估等级对应的各待分析用电设备。
用电设备预估使用电量分析模块，用于解析冷库在当前需求温度所属各待分析用电设备对应的预估使用电量。
用电模式切换模块，用于基于冷库在当前需求温度所属各待分析用电设备对应的预估使用电量进行用电模式切换。
云数据库，用于存储各风向角度所属各风速对应的单位时长风力发电量，存储各单位时长风力发电量修正因子对应的风力评估指数区间，存储冷库所属各用电设备对应的允许故障次数、允许使用时长和购入价格，并存储各适宜供电时长对应的风力评估指数区间。
作为一种优选的方案，所述冷库所属各用电设备对应的使用参数，其中使用参数包括故障次数和使用时长。
作为一种优选的方案，所述分析冷库在设定检测周期内对应的风力发电量，其具体方法为：基于冷库在设定检测周期对应各检测时间点的风速，将冷库在设定检测周期对应的最大风速和最小风速剔除，并对冷库在设定周期对应剩余的所有风速进行均值处理，进而得到冷库在设定检测周期内对应的平均风速V。
从冷库在设定检测周期对应各检测时间点的风速中选取冷库在设定检测周期对应出现次数最多的风速，并将其标记为冷库在设定检测周期对应的特征风速V′。
分析冷库在设定检测周期内所属平均风速与特征风速对应的相似系数其中V″表示为预设的允许风速误差。
依据冷库在设定检测周期内所属平均风速与特征风速对应的相似系数分析冷库在设定检测周期对应的检测风速。
将冷库在设定检测周期对应各检测时间点的风向角度进行均值处理，进而得到冷库在设定检测周期对应的平均风向角度。
依据冷库在设定检测周期对应的平均风向角度和检测风速，并从云数据库中提取各风向角度所属各风速对应的单位时长风力发电量，进而筛选冷库在设定检测周期对应的单位时长风力发电量β0。
分析冷库在设定检测周期对应的风力评估指数。
依据冷库在设定检测周期对应的风力评估指数，并从云数据库中提取各单位时长风力发电量修正因子对应的风力评估指数区间，进而筛选冷库在设定检测周期对应的单位时长风力发电量修正因子β。
分析冷库在设定检测周期内对应的风力发电量Q＝(β0*β)*T，其中T表示为设定检测周期的时长。
作为一种优选的方案，所述分析冷库在设定检测周期对应的风力评估指数，其具体方法为：基于冷库在设定检测周期内对应各检测时间点的风速FVi，其中i表示为各检测时间点的编号，i＝1,2,...,n，分析冷库对应的风速稳定系数
其中FVi+1表示为冷库在设定检测周期内对应第i+1检测时间点的风速，n表示为检测时间点的数量，γ1、γ2分别表示为预设的风速差值、风速均匀对应的权重系数。
基于冷库对应各检测时间点的风速获取冷库对应的最大风速FVmax和最小风速FVmin，进而分析冷库在设定检测周期对应的风速波动系数其中FV″表示为预设的风速允许误差。
基于冷库在设定检测周期内对应各检测时间点的风向角度θi，并从冷库管理中心获取冷库所在地区对应的主要风向角度θ′，进而分析冷库在设定检测周期对应的风向角度偏差系数其中e表示为自然常数。
基于冷库对应的风向角度均匀系数选取冷库对应的最大风向角度偏差系数和最小角度偏差系数/>
分析冷库在设定检测周期对应的风力评估指数其中/>为预设的允许风向角度偏差，λ1、λ2、λ3、λ4分别表示为预设的风速稳定、风速波动、风向角度偏差、风向角度波动对应的占比因子。
作为一种优选的方案，所述分析冷库在当前需求温度所属各用电设备对应的历史预估用电总量和历史使用时长，其具体方法为：基于冷库所属各用电设备在各次历史需求温度对应的总用电量，将其按照相同历史需求温度进行规整，并将相同历史需求温度标记为目标历史需求温度，进而得到冷库所属各用电设备在各目标历史需求温度对应的各总用电量Jmph，其中m表示为各用电设备的编号，m＝1,2,...,l，p表示为各目标历史需求温度的编号，p＝1,2,...,q，h表示为各总用电量的编号，h＝1,2,...,g。
分析冷库所属各用电设备在各目标历史需求温度对应的平均用电量其中g表示为总用量的数量。
从冷库管理中心获取冷库对应的当前需求温度T′，分析冷库所属当前需求温度与各目标历史需求温度的相似系数。
基于冷库所属当前需求温度与各目标历史需求温度的相似系数筛选冷库在当前需求温度所属各用电设备对应的历史预估用电总量和历史使用时长。
作为一种优选的方案，所述冷库所属各用电设备对应的综合评估指数，其具体分析方法为：从冷库所属各用电设备对应的使用参数中提取冷库所属各用电设备对应的故障次数GZm和使用时长SYm，并从云数据库中提取冷库所属各用电设备对应的允许故障次数GZ′m和允许使用时长SYm′，进而分析冷库所属各用电设备对应的使用评估系数其中χ1、χ2分别表示为预设的故障次数、使用时长对应的权值因子。
从云数据库中提取冷库所属各用电设备对应的购入价格GJm，进而分析冷库所属各用电设备对应的综合评估指数其中l表示为用电设备的数量，δ1、δ2分别表示为预设的使用评估、购入价格对应的比例因子。
作为一种优选的方案，所述解析冷库在当前需求温度所属各待分析用电设备对应的预估使用电量，其具体方法为：依据冷库在当前需求温度所属各用电设备对应的历史预估用电总量和历史使用时长，分析冷库在当前需求温度所属各待分析用电设备对应的单位时长使用电量。
依据冷库在设定检测周期对应的风力评估指数和云数据库中储存的各适宜供电时长对应的风力评估指数区间，筛选冷库在设定检测周期对应的适宜供电时长。
将冷库在当前需求温度所属各待分析用电设备对应的单位时长使用电量与对应的适宜供电时长相乘，进而得到冷库在当前需求温度所属各待分析用电设备对应的预估使用电量。
作为一种优选的方案，所述基于冷库在当前需求温度所属各待分析用电设备对应的预估使用电量进行用电模式切换，其具体方法为：依据冷库在设定检测周期对应的风力评估指数和预定义的各风力风险评估等级对应的风力评估指数区间，进而筛选冷库对应的风力风险评估等级。
依据冷库对应的风力风险评估等级从各风力风险评估等级对应的各待分析用电设备提取冷库所属风力风险评估等级对应的各待分析用电设备，将其标记为各目标用电设备。
依据冷库在设定检测周期内对应的风力发电量Q和冷库在当前需求温度所属各待分析用电设备对应的预估使用电量，分析冷库对应的风力模式用电设备数量其中/>为向下取整，Q″表示为冷库对应目标用电设备的预估平均用电量。
将冷库所属各目标用电设备对应的综合评估指数按照从高到低进行排序，进而从上到下筛选对应风力模式用电数量的各目标用电设备，并将其标记为各风力模式用电设备。
对冷库所属各风力模式用电设备进行风力模式用电切换。
相对于现有技术，本发明的实施例至少具有如下优点或有益效果：(1)本发明在风力检测模块中对冷库周围的风速和风向进行检测，为后续冷库对应的风力发电量的分析奠定了基础。
(2)本发明在风力发电量分析模块中通过风速和风向角度分析风力评估系数，进而结合风力评估系数综合分析风力发电量，弥补了现有技术中对风力评估关注度不高的缺陷，进而降低风速和风向角度不稳定对风力发电量的负面影响，提高了风力发电量分析的准确性，从而为后续用电设备的模式切换提供了可靠性保障。
(3)本发明在用电设备用电量分析模块中基于冷库内用电设备的历史用电量分析用电设备的预估历史用电量，进而克服了现有技术中对用电设备额定用电量分析的缺陷，提高了冷库内用电设备的预估使用电量的分析的精准性，从而在进行模式切换时，有力保障用电设备模式切换的精准性，确保冷库的正常运行。
(4)本发明在用电设备归类模块中对用电设备进行归类，进而为后续筛选目标用电设备提供了强有力的支持。
(5)本发明在用电设备预估使用电量分析模块中综合用电设备的故障次数、使用时长和购入价格综合评估用电设备，分析较为精准，使用电设备的模式切换更为合理，从而确保选取模式切换的设备在自身价值和用电量符合层面较为适宜，降低冷库的云心成本，有利于冷库的可持续发展。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1为本发明的模块连接示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参照图1所示，本发明提供一种基于风力发电的冷库智能运行控制系统，包括：风力检测模块、风力发电量分析模块、用电设备用电量分析模块、用电设备归类模块、用电设备预估使用电量分析模块、用电模式切换模块和云数据库。
所述风力检测模块与风力发电量分析模块连接，风力发电量分析模块与用电设备预估使用电量分析模块连接，用电设备用电量分析模块和用电设备归类模块均与用电设备预估使用电量分析模块连接，用电设备预估使用电量分析模块与用电模式切换模块连接，云数据库分别与风力发电量分析模块、用电设备预估使用电量分析模块和用电设备归类模块连接。
风力检测模块，用于在冷库周围设置风力发电设备，并对冷库的风速和风向进行检测。
需要说明的是，使用风速风向仪对冷库的风速和风向进行检测，其中风速风向仪在安装时，安装朝向与风力发电设备安装朝向一致。
本发明在风力检测模块中对冷库周围的风速和风向进行检测，为后续冷库对应的风力发电量的分析奠定了基础。
风力发电量分析模块，用于获取冷库在设定检测周期内对应的风力参数，其中风力参数包括各检测时间点对应的风速和风向角度，并据此分析冷库在设定检测周期内对应的风力发电量。
在本发明的具体实施例中，所述分析冷库在设定检测周期内对应的风力发电量，其具体方法为：基于冷库在设定检测周期对应各检测时间点的风速，将冷库在设定检测周期对应的最大风速和最小风速剔除，并对冷库在设定周期对应剩余的所有风速进行均值处理，进而得到冷库在设定检测周期内对应的平均风速V。
从冷库在设定检测周期对应各检测时间点的风速中选取冷库在设定检测周期对应出现次数最多的风速，并将其标记为冷库在设定检测周期对应的特征风速V′。
分析冷库在设定检测周期内所属平均风速与特征风速对应的相似系数其中V″表示为预设的允许风速误差。
依据冷库在设定检测周期内所属平均风速与特征风速对应的相似系数分析冷库在设定检测周期对应的检测风速。
需要说明的是，依据冷库在设定检测周期内所属平均风速与特征风速对应的相似系数分析冷库在设定检测周期对应的检测风速，其具体方法为：将冷库在设定检测周期内所属平均风速与特征风速对应的相似系数与预设的相似系数阈值进行对比，若冷库在设定检测周期内所属平均风速与特征风速对应的相似系数大于或等于相似系数阈值，则将冷库在设定检测周期对应的特征风速作为冷库在设定检测周期对应的检测风速，反之，则将冷库在设定检测周期内所属平均风速和特征风速进行均值处理，并将其对应的均值结果作为冷库在设定检测周期对应的检测风速。
将冷库在设定检测周期对应各检测时间点的风向角度进行均值处理，进而得到冷库在设定检测周期对应的平均风向角度。
依据冷库在设定检测周期对应的平均风向角度和检测风速，并从云数据库中提取各风向角度所属各风速对应的单位时长风力发电量，进而筛选冷库在设定检测周期对应的单位时长风力发电量β0。
分析冷库在设定检测周期对应的风力评估指数。
依据冷库在设定检测周期对应的风力评估指数，并从云数据库中提取各单位时长风力发电量修正因子对应的风力评估指数区间，进而筛选冷库在设定检测周期对应的单位时长风力发电量修正因子β。
需要说明的是，单位时长风力发电量修正因子的取值范围为0-1。
分析冷库在设定检测周期内对应的风力发电量Q＝(β0*β)*T，其中T表示为设定检测周期的时长。
在本发明的具体实施例中，所述分析冷库在设定检测周期对应的风力评估指数，其具体方法为：基于冷库在设定检测周期内对应各检测时间点的风速FVi，其中i表示为各检测时间点的编号，i＝1,2,...,n，分析冷库对应的风速稳定系数
其中FVi+1表示为冷库在设定检测周期内对应第i+1检测时间点的风速，n表示为检测时间点的数量，γ1、γ2分别表示为预设的风速差值、风速均匀对应的权重系数。
基于冷库对应各检测时间点的风速获取冷库对应的最大风速FVmax和最小风速FVmin，进而分析冷库在设定检测周期对应的风速波动系数其中FV″表示为预设的风速允许误差。
基于冷库在设定检测周期内对应各检测时间点的风向角度θi，并从冷库管理中心获取冷库所在地区对应的主要风向角度θ′，进而分析冷库在设定检测周期对应的风向角度偏差系数其中e表示为自然常数。
基于冷库对应的风向角度均匀系数选取冷库对应的最大风向角度偏差系数和最小角度偏差系数/>
分析冷库在设定检测周期对应的风力评估指数其中/>为预设的允许风向角度偏差，λ1、λ2、λ3、λ4分别表示为预设的风速稳定、风速波动、风向角度偏差、风向角度波动对应的占比因子。
本发明在风力发电量分析模块中通过风速和风向角度分析风力评估系数，进而结合风力评估系数综合分析风力发电量，弥补了现有技术中对风力评估关注度不高的缺陷，进而降低风速和风向角度不稳定对风力发电量的负面影响，提高了风力发电量分析的准确性，从而为后续用电设备的模式切换提供了可靠性保障。
用电设备用电量分析模块，用于从冷库管理中心获取冷库所属各用电设备在各次历史需求温度对应的总用电量，并据此分析冷库在当前需求温度所属各用电设备对应的历史预估用电总量和历史使用时长。
在本发明的具体实施例中，所述分析冷库在当前需求温度所属各用电设备对应的历史预估用电总量和历史使用时长，其具体方法为：基于冷库所属各用电设备在各次历史需求温度对应的总用电量，将其按照相同历史需求温度进行规整，并将相同历史需求温度标记为目标历史需求温度，进而得到冷库所属各用电设备在各目标历史需求温度对应的各总用电量Jmph，其中m表示为各用电设备的编号，m＝1,2,...,l，p表示为各目标历史需求温度的编号，p＝1,2,...,q，h表示为各总用电量的编号，h＝1,2,...,g。
分析冷库所属各用电设备在各目标历史需求温度对应的平均用电量其中g表示为总用量的数量。
从冷库管理中心获取冷库对应的当前需求温度T′，分析冷库所属当前需求温度与各目标历史需求温度的相似系数。
需要说明的是，分析冷库所属当前需求温度与各目标历史需求温度的相似系数，其具体计算公式为：其中Tp表示为第p个目标历史需求温度。
基于冷库所属当前需求温度与各目标历史需求温度的相似系数筛选冷库在当前需求温度所属各用电设备对应的历史预估用电总量和历史使用时长。
需要说明的是，基于冷库所属当前需求温度与各目标历史需求温度的相似系数筛选冷库所属各用电设备对应的历史预估用电总量，其具体方法为：依据冷库所属当前需求温度与各目标历史需求温度的相似系数，筛选最大相似系数对应的目标历史需求温度，并将其作为冷库对应的参考历史需求温度，进而基于冷库所属各用电设备在各目标历史需求温度对应的平均用电量获取冷库所属各用电设备在参考历史需求温度对应的平均用电量，并将各用电设备在参考历史需求温度的平均用电量作为对应历史预估用电总量，进而得到冷库所属各用电设备对应的历史预估用电总量。
从冷库管理中心获取冷库对应参考历史需求温度对应的总持续时长，并将其作为冷库在当前需求温度所属各用电设备对应的历史使用时长。
本发明在用电设备用电量分析模块中基于冷库内用电设备的历史用电量分析用电设备的预估历史用电量，进而克服了现有技术中对用电设备额定用电量分析的缺陷，确保冷库内用电设备的预估使用电量的分析的精准性，从而在进行模式切换时，有力保障用电设备模式切换的精准性，确保冷库的正常运行。
用电设备归类模块，用于从冷库管理中心获取冷库所属各用电设备对应的使用参数，并据此分析冷库所属各用电设备对应的综合评估指数，从而将冷库所属各用电设备进行归类，进而得到各风力风险评估等级对应的各待分析用电设备。
在本发明的具体实施例中，所述冷库所属各用电设备对应的使用参数，其中使用参数包括故障次数和使用时长。
在本发明的具体实施例中，所述冷库所属各用电设备对应的综合评估指数，其具体分析方法为：从冷库所属各用电设备对应的使用参数中提取冷库所属各用电设备对应的故障次数GZm和使用时长SYm，并从云数据库中提取冷库所属各用电设备对应的允许故障次数GZ′m和允许使用时长SYm′，进而分析冷库所属各用电设备对应的使用评估系数其中χ1、χ2分别表示为预设的故障次数、使用时长对应的权值因子。
从云数据库中提取冷库所属各用电设备对应的购入价格GJm，进而分析冷库所属各用电设备对应的综合评估指数其中l表示为用电设备的数量，δ1、δ2分别表示为预设的使用评估、购入价格对应的比例因子。
需要说明的是，所述将冷库所属各用电设备进行归类，进而得到各风力风险评估等级对应的各待分析用电设备，其具体方法为：依据冷库所属各用电设备对应的综合评估指数和云数据库中储存的各风力风险评估等级对应的综合评估指数，筛选冷库所属各用电设备对应的风力风险评估等级，进而得到各风力风险评估等级所属的各用电设备，并将其标记为各风力风险评估等级对应的各待分析用电设备。
本发明在用电设备归类模块中对用电设备进行归类，进而为后续筛选目标用电设备提供了强有力的支持。
用电设备预估使用电量分析模块，用于解析冷库在当前需求温度所属各用电设备对应的预估使用电量。
在本发明的具体实施例中，所述解析冷库在当前需求温度所属各待分析用电设备对应的预估使用电量，其具体方法为：依据冷库在当前需求温度所属各用电设备对应的历史预估用电总量和历史使用时长，分析冷库在当前需求温度所属各待分析用电设备对应的单位时长使用电量。
需要说明的是，分析冷库在当前需求温度所属各待分析用电设备对应的单位时长使用电量，其具体方法为：依据冷库在当前需求温度所属各用电设备对应的历史预估用电总量和历史使用时长获取冷库在当前需求温度所属各待分析用电设备对应的历史预估用电总量和历史使用时长，进而将冷库在当前需求温度所属各待分析用电设备对应的历史预估用电总量除以对应的历史使用时长，进而得到冷库在当前需求温度所属各待分析用电设备对应的单位时长使用电量。
依据冷库在设定检测周期对应的风力评估指数和云数据库中储存的各适宜供电时长对应的风力评估指数区间，筛选冷库在设定检测周期对应的适宜供电时长。
将冷库在当前需求温度所属各待分析用电设备对应的单位时长使用电量与对应的适宜供电时长相乘，进而得到冷库在当前需求温度所属各待分析用电设备对应的预估使用电量。
本发明在用电设备预估使用电量分析模块中综合用电设备的故障次数、使用时长和购入价格综合评估用电设备，分析较为精准，使用电设备的模式切换更为合理，从而确保选取模式切换的设备在自身价值和用电量符合层面较为适宜，降低冷库的云心成本，有利于冷库的可持续发展。
用电模式切换模块，用于基于冷库在当前需求温度所属各待分析用电设备对应的预估使用电量进行用电模式切换。
在本发明的具体实施例中，所述基于冷库在当前需求温度所属各待分析用电设备对应的预估使用电量进行用电模式切换，其具体方法为：依据冷库在设定检测周期对应的风力评估指数和预定义的各风力风险评估等级对应的风力评估指数区间，进而筛选冷库对应的风力风险评估等级。
依据冷库对应的风力风险评估等级从各风力风险评估等级对应的各待分析用电设备提取冷库所属风力风险评估等级对应的各待分析用电设备，将其标记为各目标用电设备。
依据冷库在设定检测周期内对应的风力发电量Q和冷库在当前需求温度所属各待分析用电设备对应的预估使用电量，分析冷库对应的风力模式用电设备数量其中/>为向下取整，Q″表示为冷库对应目标用电设备的预估平均用电量。
需要说明的是，依据冷库在当前需求温度所属各待分析用电设备对应的预估使用电量获取冷库对应各目标用电设备的预估使用电量，并将其进行均值处理，进而得到冷库对应目标用电设备的预估平均用电量Q″。
将冷库所属各目标用电设备对应的综合评估指数按照从高到低进行排序，进而从上到下筛选对应风力模式用电数量的各目标用电设备，并将其标记为各风力模式用电设备。
对冷库所属各风力模式用电设备进行风力模式用电切换。
云数据库，用于存储各风向角度所属各风速对应的单位时长风力发电量，存储各单位时长风力发电量修正因子对应的风力评估指数区间，存储冷库所属各用电设备对应的允许故障次数、允许使用时长和购入价格，并存储各适宜供电时长对应的风力评估指数区间。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本发明所定义的范围，均应属于本发明的保护范围。

Claims (3)

1.一种基于风力发电的冷库智能运行控制系统，其特征在于，包括：
风力检测模块，用于在冷库周围设置风力发电设备，并对冷库的风速和风向进行检测；
风力发电量分析模块，用于获取冷库在设定检测周期内对应的风力参数，其中风力参数包括各检测时间点对应的风速和风向角度，并据此分析冷库在设定检测周期内对应的风力发电量；
所述分析冷库在设定检测周期内对应的风力发电量，其具体方法为：
基于冷库在设定检测周期对应各检测时间点的风速，将冷库在设定检测周期对应的最大风速和最小风速剔除，并对冷库在设定周期对应剩余的所有风速进行均值处理，进而得到冷库在设定检测周期内对应的平均风速；
从冷库在设定检测周期对应各检测时间点的风速中选取冷库在设定检测周期对应出现次数最多的风速，并将其标记为冷库在设定检测周期对应的特征风速；
分析冷库在设定检测周期内所属平均风速与特征风速对应的相似系数，其中/>表示为预设的允许风速误差；
依据冷库在设定检测周期内所属平均风速与特征风速对应的相似系数分析冷库在设定检测周期对应的检测风速；
将冷库在设定检测周期对应各检测时间点的风向角度进行均值处理，进而得到冷库在设定检测周期对应的平均风向角度；
依据冷库在设定检测周期对应的平均风向角度和检测风速，并从云数据库中提取各风向角度所属各风速对应的单位时长风力发电量，进而筛选冷库在设定检测周期对应的单位时长风力发电量；
分析冷库在设定检测周期对应的风力评估指数；
依据冷库在设定检测周期对应的风力评估指数，并从云数据库中提取各单位时长风力发电量修正因子对应的风力评估指数区间，进而筛选冷库在设定检测周期对应的单位时长风力发电量修正因子；
分析冷库在设定检测周期内对应的风力发电量，其中/>表示为设定检测周期的时长；
所述分析冷库在设定检测周期对应的风力评估指数，其具体方法为：
基于冷库在设定检测周期内对应各检测时间点的风速，其中/>表示为各检测时间点的编号，/>，分析冷库对应的风速稳定系数，其中/>表示为冷库在设定检测周期内对应第/>检测时间点的风速，/>表示为检测时间点的数量，/>、分别表示为预设的风速差值、风速均匀对应的权重系数；
基于冷库对应各检测时间点的风速获取冷库对应的最大风速和最小风速，进而分析冷库在设定检测周期对应的风速波动系数/>，其中/>表示为预设的风速允许误差；
基于冷库在设定检测周期内对应各检测时间点的风向角度，并从冷库管理中心获取冷库所在地区对应的主要风向角度/>，进而分析冷库在设定检测周期对应的风向角度偏差系数/>，其中/>表示为自然常数；
基于冷库对应的风向角度均匀系数选取冷库对应的最大风向角度偏差系数和最小角度偏差系数/>；
分析冷库在设定检测周期对应的风力评估指数，其中/>为预设的允许风向角度偏差，/>、/>、/>、/>分别表示为预设的风速稳定、风速波动、风向角度偏差、风向角度波动对应的占比因子；
用电设备用电量分析模块，用于从冷库管理中心获取冷库所属各用电设备在各次历史需求温度对应的总用电量，并据此分析冷库在当前需求温度所属各用电设备对应的历史预估用电总量和历史使用时长；
所述分析冷库在当前需求温度所属各用电设备对应的历史预估用电总量和历史使用时长，其具体方法为：
基于冷库所属各用电设备在各次历史需求温度对应的总用电量，将其按照相同历史需求温度进行规整，并将相同历史需求温度标记为目标历史需求温度，进而得到冷库所属各用电设备在各目标历史需求温度对应的各总用电量，其中/>表示为各用电设备的编号，/>，/>表示为各目标历史需求温度的编号，/>，/>表示为各总用电量的编号，/>；
分析冷库所属各用电设备在各目标历史需求温度对应的平均用电量，其中/>表示为总用电量的数量；
从冷库管理中心获取冷库对应的当前需求温度，分析冷库所属当前需求温度与各目标历史需求温度的相似系数；
基于冷库所属当前需求温度与各目标历史需求温度的相似系数筛选冷库在当前需求温度所属各用电设备对应的历史预估用电总量和历史使用时长；
用电设备归类模块，用于从冷库管理中心获取冷库所属各用电设备对应的使用参数，并据此分析冷库所属各用电设备对应的综合评估指数，从而将冷库所属各用电设备进行归类，进而得到各风力风险评估等级对应的各待分析用电设备；
所述冷库所属各用电设备对应的综合评估指数，其具体分析方法为：
从冷库所属各用电设备对应的使用参数中提取冷库所属各用电设备对应的故障次数和使用时长/>，并从云数据库中提取冷库所属各用电设备对应的允许故障次数和允许使用时长/>，进而分析冷库所属各用电设备对应的使用评估系数，其中/>、/>分别表示为预设的故障次数、使用时长对应的权值因子；
从云数据库中提取冷库所属各用电设备对应的购入价格，进而分析冷库所属各用电设备对应的综合评估指数/>，其中/>表示为用电设备的数量，/>、/>分别表示为预设的使用评估、购入价格对应的比例因子；
用电设备预估使用电量分析模块，用于解析冷库在当前需求温度所属各待分析用电设备对应的预估使用电量；
所述解析冷库在当前需求温度所属各待分析用电设备对应的预估使用电量，其具体方法为：
依据冷库在当前需求温度所属各用电设备对应的历史预估用电总量和历史使用时长，分析冷库在当前需求温度所属各待分析用电设备对应的单位时长使用电量；
依据冷库在设定检测周期对应的风力评估指数和云数据库中储存的各适宜供电时长对应的风力评估指数区间，筛选冷库在设定检测周期对应的适宜供电时长；
将冷库在当前需求温度所属各待分析用电设备对应的单位时长使用电量与对应的适宜供电时长相乘，进而得到冷库在当前需求温度所属各待分析用电设备对应的预估使用电量；
用电模式切换模块，用于基于冷库在当前需求温度所属各待分析用电设备对应的预估使用电量进行用电模式切换；
云数据库，用于存储各风向角度所属各风速对应的单位时长风力发电量，存储各单位时长风力发电量修正因子对应的风力评估指数区间，存储冷库所属各用电设备对应的允许故障次数、允许使用时长和购入价格，并存储各适宜供电时长对应的风力评估指数区间。
2.根据权利要求1所述的一种基于风力发电的冷库智能运行控制系统，其特征在于：所述冷库所属各用电设备对应的使用参数，其中使用参数包括故障次数和使用时长。
3.根据权利要求1所述的一种基于风力发电的冷库智能运行控制系统，其特征在于：所述基于冷库在当前需求温度所属各待分析用电设备对应的预估使用电量进行用电模式切换，其具体方法为：
依据冷库在设定检测周期对应的风力评估指数和预定义的各风力风险评估等级对应的风力评估指数区间，进而筛选冷库对应的风力风险评估等级；
依据冷库对应的风力风险评估等级从各风力风险评估等级对应的各待分析用电设备提取冷库所属风力风险评估等级对应的各待分析用电设备，将其标记为各目标用电设备；
依据冷库在设定检测周期内对应的风力发电量和冷库在当前需求温度所属各待分析用电设备对应的预估使用电量，分析冷库对应的风力模式用电设备数量/>，其中为向下取整，/>表示为冷库对应目标用电设备的预估平均用电量；
将冷库所属各目标用电设备对应的综合评估指数按照从高到低进行排序，进而从上到下筛选对应风力模式用电数量的各目标用电设备，并将其标记为各风力模式用电设备；
对冷库所属各风力模式用电设备进行风力模式用电切换。
CN202310570139.9A 2023-05-19 2023-05-19 一种基于风力发电的冷库智能运行控制系统 Active CN116517765B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310570139.9A CN116517765B (zh) 2023-05-19 2023-05-19 一种基于风力发电的冷库智能运行控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310570139.9A CN116517765B (zh) 2023-05-19 2023-05-19 一种基于风力发电的冷库智能运行控制系统

Publications (2)

Publication Number Publication Date
CN116517765A CN116517765A (zh) 2023-08-01
CN116517765B true CN116517765B (zh) 2023-11-14

Family

ID=87399370

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310570139.9A Active CN116517765B (zh) 2023-05-19 2023-05-19 一种基于风力发电的冷库智能运行控制系统

Country Status (1)

Country Link
CN (1) CN116517765B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3956902A (en) * 1975-03-25 1976-05-18 Fields Jr Joe C Heating and cooling system
CN101144663A (zh) * 2006-09-13 2008-03-19 苏大庆 风力冰箱、风力冷库、风力空调及风力制冷系统
TW201142145A (en) * 2010-05-28 2011-12-01 zheng-de Wang Energy storage type wind power heating and cooling system
CN102287963A (zh) * 2010-06-17 2011-12-21 王正德 储能式风能发电制冷制热系统
CN204730376U (zh) * 2015-06-09 2015-10-28 长沙麦融高科股份有限公司 一种可再生能源制冷系统
CN114076473A (zh) * 2020-08-21 2022-02-22 江苏雪梅制冷设备有限公司 一种智能冷库

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7856843B2 (en) * 2006-04-05 2010-12-28 Enis Ben M Thermal energy storage system using compressed air energy and/or chilled water from desalination processes

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3956902A (en) * 1975-03-25 1976-05-18 Fields Jr Joe C Heating and cooling system
CN101144663A (zh) * 2006-09-13 2008-03-19 苏大庆 风力冰箱、风力冷库、风力空调及风力制冷系统
TW201142145A (en) * 2010-05-28 2011-12-01 zheng-de Wang Energy storage type wind power heating and cooling system
CN102287963A (zh) * 2010-06-17 2011-12-21 王正德 储能式风能发电制冷制热系统
CN204730376U (zh) * 2015-06-09 2015-10-28 长沙麦融高科股份有限公司 一种可再生能源制冷系统
CN114076473A (zh) * 2020-08-21 2022-02-22 江苏雪梅制冷设备有限公司 一种智能冷库

Also Published As

Publication number Publication date
CN116517765A (zh) 2023-08-01

Similar Documents

Publication Publication Date Title
US11334036B2 (en) Power grid aware machine learning device
EP4325683A1 (en) Distributed flexible resource aggregation control apparatus and control method
CN111965418A (zh) 一种电能计量装置异常检测与电量追补方法及系统
CN106451541B (zh) 一种孤岛型微电网的能量控制方法及控制系统
CN104181385A (zh) 空调器的电能检测方法及电能检测装置
US20130232151A1 (en) Aggregation of Load Profiles for Consumption Management Systems
CN112060921B (zh) 光伏车辆能量分配方法、装置及光伏车辆
CN112508306A (zh) 一种电力生产配置的自适应方法及系统
CN113673580A (zh) 基于大数据建模的窃电嫌疑判断方法
Santos-Pereira et al. The requirements and constraints of storage technology in isolated microgrids: A comparative analysis of lithium-ion vs. lead-acid batteries
CN115660276A (zh) 一种太阳能发电系统运行分析方法
Ye et al. Model-free real-time autonomous energy management for a residential multi-carrier energy system: A deep reinforcement learning approach
CN116517765B (zh) 一种基于风力发电的冷库智能运行控制系统
CN117691645A (zh) 一种用于智能微电网的储能系统
CN115912373A (zh) 一种光伏系统的并网点电压调节方法、装置、设备及介质
CN113687237A (zh) 一种保障电气安全的锂电池剩余充电时间预测方法
CN116629565B (zh) 一种基于平台化的供电服务能力提升方法及系统
CN117118004B (zh) 一种智能充电器的自动调控系统
CN110501568B (zh) 一种基于图信号处理的非侵入式设备负载监测方法
EP3024105A1 (en) Method and system for controlling reactive power in an electric distribution network
Wang et al. Adjustable Load Resource Pool Operation Analysis and Capacity Verification Software Development Service Project
CN117114341A (zh) 面向虚拟电厂的电力负荷响应任务分配方法
CN114865800A (zh) 一种可测量大容量电池性能的储能系统
CN116191406A (zh) 电力系统惯量和阻尼的识别方法、装置
CN114662958A (zh) 一种储能方案的方法、系统、终端设备以及存储介质

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