CN117318111B - 一种基于天气预测的光储能源动态调节方法及系统 - Google Patents
一种基于天气预测的光储能源动态调节方法及系统 Download PDFInfo
- Publication number
- CN117318111B CN117318111B CN202311605026.4A CN202311605026A CN117318111B CN 117318111 B CN117318111 B CN 117318111B CN 202311605026 A CN202311605026 A CN 202311605026A CN 117318111 B CN117318111 B CN 117318111B
- Authority
- CN
- China
- Prior art keywords
- energy storage
- index
- loss
- light environment
- 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
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 216
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000002159 abnormal effect Effects 0.000 claims abstract description 35
- 238000003860 storage Methods 0.000 claims abstract description 34
- 230000003287 optical effect Effects 0.000 claims abstract description 29
- 238000012544 monitoring process Methods 0.000 claims abstract description 27
- 238000010248 power generation Methods 0.000 claims abstract description 15
- 230000005540 biological transmission Effects 0.000 claims description 85
- 238000012217 deletion Methods 0.000 claims description 30
- 230000037430 deletion Effects 0.000 claims description 30
- 230000008859 change Effects 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 4
- 230000005856 abnormality Effects 0.000 claims 1
- 230000007812 deficiency Effects 0.000 abstract 2
- 230000006870 function Effects 0.000 description 24
- 238000005286 illumination Methods 0.000 description 17
- 238000007599 discharging Methods 0.000 description 9
- 238000013486 operation strategy Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000005855 radiation Effects 0.000 description 5
- 238000011217 control strategy Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000001932 seasonal effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 235000003642 hunger Nutrition 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 230000037351 starvation Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
-
- 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
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- 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
- H02J3/24—Arrangements for preventing or reducing oscillations of power in 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- 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
- H02J3/381—Dispersed generators
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
- H02S50/10—Testing of PV devices, e.g. of PV modules or single PV cells
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Geometry (AREA)
- Environmental & Geological Engineering (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Public Health (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Human Computer Interaction (AREA)
- Computer Networks & Wireless Communication (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提供了一种基于天气预测的光储能源动态调节方法及系统,涉及光储能源调节技术领域,包括:获取光伏发电机对应的光储电网的历史供电样本数据,生成预设光环境指标,根据气候环境建立光环境预测模块,包括太阳能日照强度和云层移动覆盖度,对实时环境进行监测,输入所述光环境预测模块中,得到光环境指标预测结果确定异常持续周期,周期为光环境指标小于等于所述预设光环境指标的持续时长,计算处于预设稳定概率条件下的储能缺失概率,输出第一缺失概率作为调节目标,得到储能设备对应的储能控制参数。本发明解决了传统光伏发电系统电力输出波动大,并且对于储能设备的控制不够精确,导致能源供应的稳定性和可靠性差的技术问题。
Description
技术领域
本发明涉及光储能源调节技术领域,具体涉及一种基于天气预测的光储能源动态调节方法及系统。
背景技术
光储能源系统是一种常见的太阳能利用技术,其中光伏电池板将太阳光转化为直流电,然后传输至储能设备进行能量存储,以供后续利用。然而,太阳能光伏系统的能量产生受到日光条件、季节和天气变化的影响,导致电能产量波动大;并且电网的电能需求是动态的,而现有技术对于储能设备的控制不够精确,导致能源供应的稳定性和可靠性差。
因此,需要一种新的光储能源动态调节方法,有效地管理光伏发电和能量储存系统之间的能源流动,以确保充分利用可再生能源,并在需要时提供可靠的电力,实现可靠、高效和可持续的可再生能源集成和电力供应。
发明内容
本申请通过提供了一种基于天气预测的光储能源动态调节方法及系统,旨在解决传统光伏发电系统受天气条件的影响,其电力输出波动大,难以满足电力网络的需求,并且对于储能设备的控制不够精确,导致能源供应的稳定性和可靠性差的技术问题。
鉴于上述问题,本申请提供了一种基于天气预测的光储能源动态调节方法及系统。
本申请公开的第一个方面,提供了一种基于天气预测的光储能源动态调节方法,所述方法包括:获取光伏发电机对应的光储电网进行历史供电数据采样,得到历史供电样本数据;根据所述历史供电样本数据,生成预设光环境指标;根据所述光伏发电机所处位置的气候环境,建立光环境预测模块,其中,所述光环境预测模块包括太阳能日照强度和云层移动覆盖度;对所述光伏发电机的实时环境进行监测,将实时监测数据集输入所述光环境预测模块中,以所述光环境预测模块得到光环境指标预测结果确定异常持续周期,其中,所述异常持续周期为光环境指标小于等于所述预设光环境指标的持续时长;根据所述异常持续周期计算处于预设稳定概率条件下的储能缺失概率,输出第一缺失概率;以所述第一缺失概率为调节目标,得到所述光储电网中储能设备对应的储能控制参数。
本申请公开的另一个方面,提供了一种基于天气预测的光储能源动态调节系统,所述系统用于上述方法,所述系统包括:历史数据采样单元,所述历史数据采样单元用于获取光伏发电机对应的光储电网进行历史供电数据采样,得到历史供电样本数据;预设指标生成单元,所述预设指标生成单元用于根据所述历史供电样本数据,生成预设光环境指标;预测模块建立单元,所述预测模块建立单元用于根据所述光伏发电机所处位置的气候环境,建立光环境预测模块,其中,所述光环境预测模块包括太阳能日照强度和云层移动覆盖度;实时环境监测单元,所述实时环境监测单元用于对所述光伏发电机的实时环境进行监测,将实时监测数据集输入所述光环境预测模块中,以所述光环境预测模块得到光环境指标预测结果确定异常持续周期,其中,所述异常持续周期为光环境指标小于等于所述预设光环境指标的持续时长;缺失概率计算单元,所述缺失概率计算单元用于根据所述异常持续周期计算处于预设稳定概率条件下的储能缺失概率,输出第一缺失概率;控制参数获取单元,所述控制参数获取单元用于以所述第一缺失概率为调节目标,得到所述光储电网中储能设备对应的储能控制参数。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过结合历史供电数据和实时监测,系统综合考虑了过去的光照情况和当前的环境状况,提高了对未来光环境的预测准确性;通过构建预测模块,综合了太阳能日照强度和云层移动覆盖度等气象因素,使得预测更加综合和准确;通过根据异常持续周期计算储能缺失概率,此缺失概率可用于动态调整储能设备的控制参数,以在不稳定的光伏发电条件下平衡供电,这样系统能够根据实时的光环境条件灵活地优化储能设备的操作策略,提高光储电网的稳定性和效率。综合而言,这个方法通过综合利用历史数据和实时监测,结合光环境预测模块和动态调节储能控制参数,有效应对了光储电网中的不稳定性,提高了系统的稳定性和储能效率。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了一种基于天气预测的光储能源动态调节方法流程示意图;
图2为本申请实施例提供了一种基于天气预测的光储能源动态调节系统结构示意图。
附图标记说明:历史数据采样单元10,预设指标生成单元20,预测模块建立单元30,实时环境监测单元40,缺失概率计算单元50,控制参数获取单元60。
具体实施方式
本申请实施例通过提供一种基于天气预测的光储能源动态调节方法,解决了传统光伏发电系统受天气条件的影响,其电力输出波动大,难以满足电力网络的需求,并且对于储能设备的控制不够精确,导致能源供应的稳定性和可靠性差的技术问题。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种基于天气预测的光储能源动态调节方法,所述方法包括:
获取光伏发电机对应的光储电网进行历史供电数据采样,得到历史供电样本数据;
光伏发电机是将光能转化为电能的设备,由太阳能电池板组成;光储电网是使用光伏发电机作为主要发电源,并通过储能设备和适当的输电线路来实现能源的存储和供应的电网系统。
通过监测光储电网中光伏发电机的供电情况,定期采集并记录供电数据,这些数据包括不同时间段内的功率输出、电压、电流等信息,根据采样得到的数据,形成历史供电样本数据集。这些样本数据包含不同时间段的光伏发电机的供电情况,反映了不同环境条件下的发电性能。
根据所述历史供电样本数据,生成预设光环境指标;
通过对历史供电样本数据进行统计分析,从中提取与光照条件相关的特征,包括日均太阳能辐射强度、季节性变化、潜在云层遮挡等,将这些特征作为光环境指标,光环境指标是用来描述特定时段内光照条件的指标。
根据提取的特征,对历史数据进行数值统计,例如统计所述特征在一定统计周期内的常见情况,如一个月、一个季度,示例性的,根据历史数据计算统计周期内每天的平均太阳能辐射强度;检测是否存在季节性变化,例如夏季光照更强,冬季较弱;分析历史数据以确定云层的移动和遮挡光伏发电系统的频率和时长。通过统计分析得到描述特定时间段内正常光照条件的指标值,将这个指标值作为预设光环境指标,作为后续预测光环境的基准,帮助确定正常的光照条件范围,进而用于判断当前光环境是否异常或适合储能调节。
根据所述光伏发电机所处位置的气候环境,建立光环境预测模块,其中,所述光环境预测模块包括太阳能日照强度和云层移动覆盖度;
不同地理位置的光伏发电机所处的气候环境具有差异,包括经纬度、海拔、季节变化以及当地的天气模式等气候因素。太阳能日照强度是指太阳辐射在单位面积上的能量输出,以光照强度来表示,并受到大气条件、云层覆盖和地理位置等因素的影响;云层移动覆盖度描述了云层在某一特定时间段内对太阳辐射的遮挡程度,可以用百分比表示。
根据光伏发电机所处位置的气候环境,建立光环境预测模块,该模块利用当地气候环境相关的数据来预测未来一段时间内的光照条件。具体地,收集与光伏发电机所处位置的气候环境相关的数据,包括地面气象站的观测数据、卫星遥感数据等,从收集到的数据中提取与太阳能日照强度和云层移动覆盖度相关的特征,例如,使用气象站观测数据计算太阳辐射指数或云量指数。利用收集到的数据和预处理后的特征,基于神经网络,建立光环境预测模型,使用历史数据进行模型的训练和验证,将数据集分为训练集和验证集,通过训练来学习模型的参数,并使用验证集评估模型的性能和准确度。
经过训练的预测模型可以根据输入的气象数据,输出预测的太阳能日照强度和云层移动覆盖度,用于预测未来的光环境情况。
对所述光伏发电机的实时环境进行监测,将实时监测数据集输入所述光环境预测模块中,以所述光环境预测模块得到光环境指标预测结果确定异常持续周期,其中,所述异常持续周期为光环境指标小于等于所述预设光环境指标的持续时长;
部署实时环境监测系统,其中包括各种传感器和监测设备,用于收集光伏发电机周围的环境数据,如光照强度、温度、湿度等,将从环境监测中得到的实时数据整理成数据集。将数据集输入所述光环境预测模块中,该模块根据历史数据和当前环境数据来预测未来光环境指标,包括太阳能日照强度和云层移动覆盖度,获取光环境指标预测结果。
比较得到的预测结果与预设的光环境指标,如果预测结果小于或等于预设的光环境指标,表明预测结果存在异常情况,即光照不足。使用时间戳来计算异常情况开始到结束的时间,将预测结果中表明异常开始到异常结束的时间段,作为异常持续周期,这段时间内的预测结果都满足异常条件,即光照环境不足。
根据所述异常持续周期计算处于预设稳定概率条件下的储能缺失概率,输出第一缺失概率;
从历史数据中获取与异常持续周期相对应的历史相同周期内的供电需求数据,这个供电需求数据标识在正常光照条件下,过去历史周期内所需的供电量,通过实际监测数据记录在异常持续周期内光伏发电机实际供电总量,这个实际供电总量通过将异常持续周期内每个时间点的供电量进行累加得到。
计算历史相同周期时段的供电需求数据与异常周期内的供电量的差值,再将得到的差值除以历史相同周期时段的供电需求数据,计算得到的结果即为储能缺失概率,这个计算过程表示异常周期内供电的不足量与历史相同周期时段供电需求的比较,得到的缺失概率表示在当前光照不足的条件下,出现供电不足的可能性,它是一个介于0到1的值,如果缺失概率为0,表示在异常持续周期内没有发生供电不足,如果缺失概率为1,表示在异常持续周期内完全没有供电。通过计算输出第一缺失概率,用于确定是否需要采取措施来应对光照不足的情况。
以所述第一缺失概率为调节目标,得到所述光储电网中储能设备对应的储能控制参数。
进一步而言,以所述第一缺失概率为调节目标,得到所述光储电网中储能设备对应的储能控制参数,包括:
判断所述第一缺失概率是否大于等于预设缺失概率,若所述第一缺失概率大于等于所述预设缺失概率,令所述储能设备的状态调节为充电状态;
当所述储能设备的状态调节为充电状态后,获取所述储能设备的储能参数,其中,所述储能参数包括储能额定容量、储能实时余量、储能均值速率以及储能电压功率;
以所述第一缺失概率为调节目标,以所述储能额定容量为约束条件,以所述储能实时余量、储能均值速率以及储能电压功率为响应变量,生成目标函数,并根据所述目标函数输出所述储能控制参数。
预设缺失概率为根据实际情况和具体需求预设的阈值,用于判断光伏发电系统的性能是否达到所需的可靠性水平,将第一缺失概率与预设的缺失概率进行比较,如果第一缺失概率大于或等于预设的缺失概率,表示当前光伏发电系统可能存在供电不足的风险,在这种情况下,需要采取措施来提高供电的可靠性。此时将储能设备的状态调节为充电状态,这意味着系统将增加储能设备的电荷,以应对潜在的供电不足。
储能额定容量指储能设备的总容量,即可以存储的电能的最大量;储能实时余量指储能设备当前可用的电能量,反映了储能设备当前的电荷水平;储能均值速率指储能设备的充电速率,即单位时间内充电的能量,可以根据需要动态调整充电速率的时间段;储能电压功率表示其输出能力,即它可以以多少功率释放储存的电能,可以根据需要动态调整电能释放速率的时间段。
这些参数的获取对于系统的决策非常关键,它们将用于生成目标函数,以确定如何最有效地调整储能设备的运行状态,以降低第一缺失概率并提高供电的可靠性。
以第一缺失概率为调节目标意味着系统的目标是降低第一缺失概率,以提高供电的可靠性;储能额定容量作为约束条件用于确保储能设备不会被过度充电,以防止损坏或性能下降,约束条件可以表示为储能实时余量小于等于储能额定容量,以确保储能设备的充电状态不会超过其额定容量;响应变量是可以调整的参数,用于影响储能设备的性能,包括储能实时余量、储能均值速率和储能电压功率。
基于生成的目标函数和约束条件,计算出最优的储能控制参数,以确保在供电不足的情况下,储能设备能够提供最佳的支持,这些储能控制参数可以包括充电速率和电压功率。
进一步而言,所述方法还包括:
根据所述光储电网中的传输线路对所述储能设备的运行进行模拟,得到模拟输电指标,以所述模拟输电指标和实时输电指标进行损耗识别,得到线路损耗指标;
通过对所述储能设备进行状态切换运行识别,得到切换损耗指标;
基于所述线路损耗指标和所述切换损耗指标生成反馈函数,以所述反馈函数对所述目标函数进行优化。
光储电网中的传输线路是用于输送电能的光伏发电机和储能设备之间的电力传输线路;模拟输电指标是通过模拟储能设备的运行,计算出来的预测性的输电指标,例如预测的传输电量;实时输电指标是基于实际运行数据获取的当前时刻的输电指标,例如实时的传输电量。
对储能设备的运行进行模拟,考虑储能设备的充电和放电行为,以及其对光储电网的供电情况的影响,通过模拟,可以预测储能设备在不同光照条件下的运行状态,计算出相应的模拟输电指标。将模拟输电指标与实时输电指标进行比较,其中的差值即为由于传输线路引起的损耗,这些损耗包括线路电阻造成的电能损失以及其他因素导致的损耗,根据比较结果得到线路损耗指标,这些指标反映了传输线路上的损耗情况。
在光储电网中,储能设备需要在不同的工作状态之间进行切换,例如从充电状态切换到放电状态或相反,对储能设备的状态切换进行识别和监测。通过对储能设备的测试和监测,获得充电状态至放电状态的充-放切换损耗指标,以及放电状态至充电状态的放-充切换损耗指标,这些切换损耗指标用于衡量储能设备在状态切换过程中产生的能量损失。
使用线路损耗指标和切换损耗指标,生成一个反馈函数,该反馈函数综合考虑传输线路的损耗情况以及储能设备的切换过程中的能量损失。根据生成的反馈函数,对目标函数进行优化,即利用线路损耗指标和切换损耗指标的信息来改进储能设备的运行策略,以最小化线路损耗和切换损耗,减少能量损失,提高光储电网的整体效率和性能。
所述线路损耗指标的表达式如下:
;
其中,为第一输线路径的节点数量,为第二输线路径的节点数量,为t时
段第一输线路径上第i个节点的损耗,为t时段第二输线路径上第j个节点的损耗;
这个表达式用于计算线路损耗指标的值,其中,代表线路损耗
指标,它表示在每个时间段t内的线路损耗的总和,它衡量了电力系统中的线路损耗在每个
时间段t内的情况;表示在时间段t内,第一输线路径上第i个节点的损耗,这是通过
监测或模拟计算得出的能量损失;表示在时间段t内,第二输线路径上第j个节点的
损耗,同样,这也是在相同时间段内监测或模拟计算的损耗值。
该表达式通过分别对第一输线路径和第二输线路径上每个节点的损耗值进行求
和,综合考虑了第一输电线路和第二输电线路上的损耗,以计算在每个时间段t内的线路损
耗指标。这有助于系统监测和评估不同节点上的线路损耗,进而在电力系统中采
取措施来减小损耗,提高系统效率。
所述切换损耗指标的表达式如下:
;
其中,为储能设备当前切换方式对应的速率,为储能设备当前切换方式对应
的功率,为前一时段与当前时段的充点电变化系数,为储能设备当前切换方
式产生的损耗。
这个表达式用于计算切换损耗指标的值,代表切换损耗指标,
它表示储能设备在每个时间段t内由于状态切换而产生的能量损失;表示储能设备当前
切换方式对应的速率,这个速率与设备的操作和控制策略有关,是根据实际系统需求和设
备特性确定的;表示储能设备当前切换方式对应的功率,这是储能设备在状态切换过程
中实际的电功率。
表示前一时段与当前时段的充电变化系数,这个系数考虑了储能设备在两个
相邻时间段内的充电状态的变化情况,它是一个比例系数,用于调整当前时刻的充电状态
对切换损耗的影响;为储能设备当前切换方式产生的损耗,这是一个与时间段t无
关的固定值,代表储能设备在每次切换过程中产生的损耗。
该表达式通过计算储能设备在当前时间段t内的切换损耗指标,综合考
虑了速率、功率和充电变化系数等因素,以此评估状态切换对储能设备的能量效率的影响,
并为优化储能设备的操作和控制策略提供指导,通过降低切换损耗,可以提高储能设备的
整体效率和能源利用率。
进一步而言,所述反馈函数的表达式如下:
;
其中,为异常持续周期划分的时间段数,为每个时间段的时长,为线
路损耗指标,为切换损耗指标。
反馈函数用于结合所述线路损耗指标和所述切换损耗指标,评估电力系统的性
能,进而对所述目标函数进行优化;表示异常持续周期划分的时间段数,这意味着时间被
分成了T个等长的间隔,这个参数用于划分时间以进行性能评估;表示每个时间段的时
长,即时间段的长度;
代表线路损耗指标,它表示在每个时间段t内的线路损耗,即电力系统中
输电线路上的能量损失相关指标,是一个与时间段t相关的函数,用于衡量系统在
不同时间段内的线路损耗情况;代表切换损耗指标,它表示在每个时间段t内的切
换损耗,切换损耗是指储能设备在充电状态和放电状态之间切换时引起的能量损失,也是一个与时间段t相关的函数,用于衡量系统在不同时间段内的切换损耗情况。
该表达式表示将每个时间段t的线路损耗指标和切换损耗指标相加,然后取所求
和的结果的最小值,即反馈函数等于所求和的最小值。
这个表达式的目的是计算异常持续周期内电力系统的性能,它综合考虑了线路损
耗指标和切换损耗指标,并找到使这些指标之和最小的时间段,以确定系统的性能最差情
况,通过最小化,系统可以优化操作策略,以降低线路损耗和切换损耗,提高电力系统的
整体效率。
进一步而言,所述得到线路损耗指标,还包括:
根据所述光储电网中的传输线路,获取第一输电线路和第二输电线路,其中,所述第一输电线路为所述光伏发电机至所述储能设备的输电线路,所述第二输电线路为所述储能设备用于供电的输电线路;
以所述第一输电路径和所述第二输电路径分别进行输电线路损耗识别,得到第一线路损耗指标和第二线路损耗指标;
根据所述第一线路损耗指标和所述第二线路损耗指标,生成储能调节补偿参数;
根据所述储能调节补偿参数对所述储能控制参数进行补偿优化。
光伏发电机通过第一输电线路将电能输送到储能设备进行储存,然后储能设备通过第二输电线路将储存的电能供应给其他负载或电网,这些输电线路是光储电网中关键的能量传输通道。
电路损耗通常由电阻、电感和电容等因素引起,这些因素会导致电能在输电过程中的部分损失。针对第一输电路径,即光伏发电机至储能设备的输电线路,识别并计算出在此路径上产生的电路损耗,例如计算光伏发电机发出的电能与储能设备接收到的电能的差值,即可得到第一线路损耗指标。针对第二输电路径,即储能设备用于供电的输电线路,以同样的方法,识别并计算出在此路径上产生的电路损耗,获取第二线路损耗指标。
基于第一线路损耗指标和第二线路损耗指标,使用优化算法来生成储能调节补偿参数,这些储能调节补偿参数包括充放电速率、储能设备的操作状态(如充放电阈值)、功率控制策略等,这些参数的目标是最小化线路损耗并提高能量传输效率。
根据得到的储能调节补偿参数,调整储能设备的储能控制参数,以适应光伏发电系统和电力负载的变化,从而最小化线路损耗,具体地,获取之前计算得到的储能控制参数,将生成的储能调节补偿参数叠加到储能控制参数,调整储能设备的充放电速率、功率控制策略等,以使系统整体效率最大化,从而降低线路损耗,提高光储电网的整体性能。
进一步而言,通过对所述储能设备进行状态切换运行识别,得到切换损耗指标,还包括:
通过对所述储能设备进行测试,得到充电状态至放电状态的充-放切换损耗指标,以及放电状态至充电状态的放-充切换损耗指标;
根据所述储能设备当前切换方式对所述充-放切换损耗指标和所述放-充切换损耗指标进行状态切换运行识别,得到切换损耗指标。
充-放切换损耗指标表示从充电状态切换到放电状态时发生的能量损失;放-充切换损耗指标表示从放电状态切换到充电状态时发生的能量损失。
对储能设备进行测试以获取切换损耗指标,具体地,通过物理测量、实验过程或者基于模型的仿真等方式,进行测试,先将储能设备处于充电状态,并记录相关数据,包括充电能量、充电时间等,然后将储能设备从充电状态切换到放电状态,并记录相关数据,例如放电能量、放电时间等,通过比较充电前后的能量差和时间差,可以计算出充-放切换损耗指标;同样地,将储能设备从放电状态切换回充电状态,并计算获取放-充切换损耗指标。
这些指标反映了储能设备在不同切换状态下的能量损失情况,用于评估储能设备状态切换的性能,进而优化充放电策略,减少能量损失。
监测储能设备的当前切换方式,即储能设备在充电和放电状态之间的切换操作,当储能设备进行状态切换时,记录相关数据,包括切换前后的能量状态、时间戳等,通过比较切换前后的能量状态差和时间差,计算出充-放切换损耗指标和放-充切换损耗指标。将计算得到的损耗指标进行累加,得到整个周期的切换损耗指标,该指标反映了储能设备在不同切换状态下的能量损失情况。
综上所述,本申请实施例所提供的一种基于天气预测的光储能源动态调节方法及系统具有如下技术效果:
1.通过结合历史供电数据和实时监测,系统综合考虑了过去的光照情况和当前的环境状况,提高了对未来光环境的预测准确性;
2.通过构建预测模块,综合了太阳能日照强度和云层移动覆盖度等气象因素,使得预测更加综合和准确;
3.通过根据异常持续周期计算储能缺失概率,此缺失概率可用于动态调整储能设备的控制参数,以在不稳定的光伏发电条件下平衡供电,这样系统能够根据实时的光环境条件灵活地优化储能设备的操作策略,提高光储电网的稳定性和效率;
综合而言,这个方法通过综合利用历史数据和实时监测,结合光环境预测模块和动态调节储能控制参数,有效应对了光储电网中的不稳定性,提高了系统的稳定性和储能效率。
实施例二
基于与前述实施例中一种基于天气预测的光储能源动态调节方法相同的发明构思,如图2所示,本申请提供了一种基于天气预测的光储能源动态调节系统,所述系统包括:
历史数据采样单元10,所述历史数据采样单元10用于获取光伏发电机对应的光储电网进行历史供电数据采样,得到历史供电样本数据;
预设指标生成单元20,所述预设指标生成单元20用于根据所述历史供电样本数据,生成预设光环境指标;
预测模块建立单元30,所述预测模块建立单元30用于根据所述光伏发电机所处位置的气候环境,建立光环境预测模块,其中,所述光环境预测模块包括太阳能日照强度和云层移动覆盖度;
实时环境监测单元40,所述实时环境监测单元40用于对所述光伏发电机的实时环境进行监测,将实时监测数据集输入所述光环境预测模块中,以所述光环境预测模块得到光环境指标预测结果确定异常持续周期,其中,所述异常持续周期为光环境指标小于等于所述预设光环境指标的持续时长;
缺失概率计算单元50,所述缺失概率计算单元50用于根据所述异常持续周期计算处于预设稳定概率条件下的储能缺失概率,输出第一缺失概率;
控制参数获取单元60,所述控制参数获取单元60用于以所述第一缺失概率为调节目标,得到所述光储电网中储能设备对应的储能控制参数。
进一步而言,所述系统还包括储能控制参数获取模块,以执行如下操作步骤:
判断所述第一缺失概率是否大于等于预设缺失概率,若所述第一缺失概率大于等于所述预设缺失概率,令所述储能设备的状态调节为充电状态;
当所述储能设备的状态调节为充电状态后,获取所述储能设备的储能参数,其中,所述储能参数包括储能额定容量、储能实时余量、储能均值速率以及储能电压功率;
以所述第一缺失概率为调节目标,以所述储能额定容量为约束条件,以所述储能实时余量、储能均值速率以及储能电压功率为响应变量,生成目标函数,并根据所述目标函数输出所述储能控制参数。
进一步而言,所述系统还包括目标函数优化模块,以执行如下操作步骤:
根据所述光储电网中的传输线路对所述储能设备的运行进行模拟,得到模拟输电指标,以所述模拟输电指标和实时输电指标进行损耗识别,得到线路损耗指标;
通过对所述储能设备进行状态切换运行识别,得到切换损耗指标;
基于所述线路损耗指标和所述切换损耗指标生成反馈函数,以所述反馈函数对所述目标函数进行优化。
进一步而言,所述反馈函数的表达式如下:
;
其中,为异常持续周期划分的时间段数,为每个时间段的时长,为线
路损耗指标,为切换损耗指标。
进一步而言,所述系统还包括线路损耗指标获取模块,以执行如下操作步骤:
根据所述光储电网中的传输线路,获取第一输电线路和第二输电线路,其中,所述第一输电线路为所述光伏发电机至所述储能设备的输电线路,所述第二输电线路为所述储能设备用于供电的输电线路;
以所述第一输电路径和所述第二输电路径分别进行输电线路损耗识别,得到第一线路损耗指标和第二线路损耗指标;
根据所述第一线路损耗指标和所述第二线路损耗指标,生成储能调节补偿参数;
根据所述储能调节补偿参数对所述储能控制参数进行补偿优化。
进一步而言,所述系统还包括切换损耗指标获取模块,以执行如下操作步骤:
通过对所述储能设备进行测试,得到充电状态至放电状态的充-放切换损耗指标,以及放电状态至充电状态的放-充切换损耗指标;
根据所述储能设备当前切换方式对所述充-放切换损耗指标和所述放-充切换损耗指标进行状态切换运行识别,得到切换损耗指标。
进一步而言,所述方法还包括:
;
其中,为第一输线路径的节点数量,为第二输线路径的节点数量,为t时
段第一输线路径上第i个节点的损耗,为t时段第二输线路径上第j个节点的损耗;
;
其中,为储能设备当前切换方式对应的速率,为储能设备当前切换方式对应
的功率,为前一时段与当前时段的充点电变化系数,为储能设备当前切换方式
产生的损耗。
本说明书通过前述对一种基于天气预测的光储能源动态调节方法的详细描述,本领域技术人员可以清楚得知道本实施例中一种基于天气预测的光储能源动态调节方法及系统,对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述得比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (7)
1.一种基于天气预测的光储能源动态调节方法,其特征在于,所述方法包括:
获取光伏发电机对应的光储电网进行历史供电数据采样,得到历史供电样本数据;
根据所述历史供电样本数据,生成预设光环境指标;
根据所述光伏发电机所处位置的气候环境,建立光环境预测模块,其中,所述光环境预测模块包括太阳能日照强度和云层移动覆盖度;
对所述光伏发电机的实时环境进行监测,将实时监测数据集输入所述光环境预测模块中,以所述光环境预测模块得到光环境指标预测结果确定异常持续周期,其中,所述异常持续周期为光环境指标小于等于所述预设光环境指标的持续时长;
根据所述异常持续周期计算处于预设稳定概率条件下的储能缺失概率,输出第一缺失概率;
以所述第一缺失概率为调节目标,得到所述光储电网中储能设备对应的储能控制参数;
以所述第一缺失概率为调节目标,得到所述光储电网中储能设备对应的储能控制参数,方法包括:
判断所述第一缺失概率是否大于等于预设缺失概率,若所述第一缺失概率大于等于所述预设缺失概率,令所述储能设备的状态调节为充电状态;
当所述储能设备的状态调节为充电状态后,获取所述储能设备的储能参数,其中,所述储能参数包括储能额定容量、储能实时余量、储能均值速率以及储能电压功率;
以所述第一缺失概率为调节目标,以所述储能额定容量为约束条件,以所述储能实时余量、储能均值速率以及储能电压功率为响应变量,生成目标函数,并根据所述目标函数输出所述储能控制参数。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述光储电网中的传输线路对所述储能设备的运行进行模拟,得到模拟输电指标,以所述模拟输电指标和实时输电指标进行损耗识别,得到线路损耗指标;
通过对所述储能设备进行状态切换运行识别,得到切换损耗指标;
基于所述线路损耗指标和所述切换损耗指标生成反馈函数,以所述反馈函数对所述目标函数进行优化。
3.如权利要求2所述的方法,其特征在于,所述反馈函数的表达式如下:
;
其中,为异常持续周期划分的时间段数,/>为每个时间段的时长,/>为线路损耗指标,/>为切换损耗指标。
4.如权利要求2所述的方法,其特征在于,所述得到线路损耗指标,方法还包括:
根据所述光储电网中的传输线路,获取第一输电线路和第二输电线路,其中,所述第一输电线路为所述光伏发电机至所述储能设备的输电线路,所述第二输电线路为所述储能设备用于供电的输电线路;
以所述第一输电线路和所述第二输电线路分别进行输电线路损耗识别,得到第一线路损耗指标和第二线路损耗指标;
根据所述第一线路损耗指标和所述第二线路损耗指标,生成储能调节补偿参数;
根据所述储能调节补偿参数对所述储能控制参数进行补偿优化。
5.如权利要求2所述的方法,其特征在于,通过对所述储能设备进行状态切换运行识别,得到切换损耗指标,方法还包括:
通过对所述储能设备进行测试,得到充电状态至放电状态的充-放切换损耗指标,以及放电状态至充电状态的放-充切换损耗指标;
根据所述储能设备当前切换方式对所述充-放切换损耗指标和所述放-充切换损耗指标进行状态切换运行识别,得到切换损耗指标。
6.如权利要求3所述的方法,其特征在于,所述方法还包括:
;
其中,为第一输线路径的节点数量,/>为第二输线路径的节点数量,/>为t时段第一输线路径上第i个节点的损耗,/>为t时段第二输线路径上第j个节点的损耗;
;
其中,为储能设备当前切换方式对应的速率,/>为储能设备当前切换方式对应的功率,/>为前一时段与当前时段的充点电变化系数,/>为储能设备当前切换方式产生的损耗。
7.一种基于天气预测的光储能源动态调节系统,其特征在于,用于实施权利要求1-6任一项所述的一种基于天气预测的光储能源动态调节方法,包括:
历史数据采样单元,所述历史数据采样单元用于获取光伏发电机对应的光储电网进行历史供电数据采样,得到历史供电样本数据;
预设指标生成单元,所述预设指标生成单元用于根据所述历史供电样本数据,生成预设光环境指标;
预测模块建立单元,所述预测模块建立单元用于根据所述光伏发电机所处位置的气候环境,建立光环境预测模块,其中,所述光环境预测模块包括太阳能日照强度和云层移动覆盖度;
实时环境监测单元,所述实时环境监测单元用于对所述光伏发电机的实时环境进行监测,将实时监测数据集输入所述光环境预测模块中,以所述光环境预测模块得到光环境指标预测结果确定异常持续周期,其中,所述异常持续周期为光环境指标小于等于所述预设光环境指标的持续时长;
缺失概率计算单元,所述缺失概率计算单元用于根据所述异常持续周期计算处于预设稳定概率条件下的储能缺失概率,输出第一缺失概率;
控制参数获取单元,所述控制参数获取单元用于以所述第一缺失概率为调节目标,得到所述光储电网中储能设备对应的储能控制参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311605026.4A CN117318111B (zh) | 2023-11-29 | 2023-11-29 | 一种基于天气预测的光储能源动态调节方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311605026.4A CN117318111B (zh) | 2023-11-29 | 2023-11-29 | 一种基于天气预测的光储能源动态调节方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117318111A CN117318111A (zh) | 2023-12-29 |
CN117318111B true CN117318111B (zh) | 2024-03-22 |
Family
ID=89286921
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311605026.4A Active CN117318111B (zh) | 2023-11-29 | 2023-11-29 | 一种基于天气预测的光储能源动态调节方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117318111B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117559446B (zh) * | 2024-01-10 | 2024-03-29 | 国网辽宁省电力有限公司经济技术研究院 | 环境适应型电能存储与智能调配方法及系统 |
CN117595384B (zh) * | 2024-01-18 | 2024-03-26 | 河北省建筑科学研究院有限公司 | 基于人工智能的光伏电站源网荷双向预测方法及系统 |
CN118337033A (zh) * | 2024-06-14 | 2024-07-12 | 苏州长江睿芯电子科技有限公司 | 用于新能源逆变器的控制方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109494777A (zh) * | 2018-12-07 | 2019-03-19 | 重庆大学 | 一种混合储能系统能量协调分配控制方法 |
CN115423153A (zh) * | 2022-08-11 | 2022-12-02 | 广西大学 | 基于概率预测的光伏储能系统能量管理方法 |
CN116565922A (zh) * | 2023-05-15 | 2023-08-08 | 上海电力大学 | 一种基于多微网互联运行结构的混合储能控制调度方法 |
-
2023
- 2023-11-29 CN CN202311605026.4A patent/CN117318111B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109494777A (zh) * | 2018-12-07 | 2019-03-19 | 重庆大学 | 一种混合储能系统能量协调分配控制方法 |
CN115423153A (zh) * | 2022-08-11 | 2022-12-02 | 广西大学 | 基于概率预测的光伏储能系统能量管理方法 |
CN116565922A (zh) * | 2023-05-15 | 2023-08-08 | 上海电力大学 | 一种基于多微网互联运行结构的混合储能控制调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117318111A (zh) | 2023-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117318111B (zh) | 一种基于天气预测的光储能源动态调节方法及系统 | |
CN117595384B (zh) | 基于人工智能的光伏电站源网荷双向预测方法及系统 | |
KR102230548B1 (ko) | Frbfnn 모델을 이용한 태양광 발전설비의 발전예측 및 효율진단 시스템 | |
US20220006295A1 (en) | A Method And System For Ageing-Aware Management Of The Charging And Discharging Of Li-Ions Batteries | |
KR102324783B1 (ko) | 심층 신경망 기반 전력 수요 예측 장치 및 방법 | |
Arévalo et al. | Smart monitoring method for photovoltaic systems and failure control based on power smoothing techniques | |
KR20200119367A (ko) | 에너지 저장 시스템용 수요전력 예측 장치 및 이를 이용한 수요전력 예측 방법 | |
US11451053B2 (en) | Method and arrangement for estimating a grid state of a power distribution grid | |
CN110460038A (zh) | 一种涉及新能源并网的多场景输电网扩展规划方法 | |
CN115456304A (zh) | 考虑台风影响的海上风电场可靠性指标计算方法及装置 | |
KR20130089782A (ko) | 에너지 발전량 예측 시스템 및 방법 | |
CN117485177A (zh) | 充电桩智能节能控制系统及方法 | |
CN117540859B (zh) | 一种基于神经网络的光伏电站发电量的预估方法及系统 | |
Memmel et al. | Predicting renewable curtailment in distribution grids using neural networks | |
US10720771B2 (en) | Current/voltage control apparatus | |
Guillén-Asensio et al. | Energy shortage failure prediction in photovoltaic standalone installations by using machine learning techniques | |
CN117748509A (zh) | 基于液冷储能系统的可再生能源系统并网调度控制方法 | |
CN117081153A (zh) | 光伏发电本地消纳方法、装置及电子设备 | |
CN115800306A (zh) | 考虑风机故障的风光储无功补偿方法、装置及介质 | |
KR20210026665A (ko) | 서버 | |
TW201727559A (zh) | 再生能源電廠的管理方法與系統 | |
WO2020125984A1 (en) | System and method for power outage prediction | |
CN115117944A (zh) | 一种风电光伏联合发电的功率控制方法 | |
Zeljković et al. | Probabilistic Techno-Economic Assessment of Wind-PV-Diesel-Battery Power Supplies for Mobile Telephony Base Stations | |
CN117175695B (zh) | 一种基于柴油发电机组的光伏微网发电方法及系统 |
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 |