CN117541036A - 一种基于智慧园区的能源管理方法及系统 - Google Patents
一种基于智慧园区的能源管理方法及系统 Download PDFInfo
- Publication number
- CN117541036A CN117541036A CN202410034701.0A CN202410034701A CN117541036A CN 117541036 A CN117541036 A CN 117541036A CN 202410034701 A CN202410034701 A CN 202410034701A CN 117541036 A CN117541036 A CN 117541036A
- Authority
- CN
- China
- Prior art keywords
- usage
- representing
- energy storage
- state vector
- storage device
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 31
- 238000004146 energy storage Methods 0.000 claims abstract description 53
- 230000005611 electricity Effects 0.000 claims abstract description 20
- 230000007704 transition Effects 0.000 claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims abstract description 13
- 230000000694 effects Effects 0.000 claims abstract description 9
- 230000007613 environmental effect Effects 0.000 claims abstract description 9
- 238000007599 discharging Methods 0.000 claims abstract description 8
- 230000002354 daily effect Effects 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 230000003203 everyday effect Effects 0.000 claims description 3
- 238000010380 label transfer Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 9
- 230000006870 function Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及储能设备管理领域,尤其涉及一种基于智慧园区的能源管理方法及系统,其方法包括根据获取的环境数据、电力使用量及电力价格构建电力能源数据集;对环境数据进行聚类生成多个聚类簇,根据聚类簇给电力使用量设定第一状态向量;根据第一状态向量建立马尔可夫模型,计算状态转移概率矩阵,得到未来时刻电力使用量第二状态向量;获得表示每天电力使用量的使用量曲线;根据使用量曲线及第二状态向量,计算预测曲线并得到未来时刻电力的预测使用量;获取预设的储能设备的剩余电量及所述电力价格,控制储能设备以进行充电、放电或保持电量的操作。本申请具有精准控制储能设备的充电和放电,解决用电高峰期园区用电紧张的效果。
Description
技术领域
本申请涉及储能设备管理领域,尤其涉及一种基于智慧园区的能源管理方法及系统。
背景技术
智慧园区能源管理是指通过运用先进的技术手段和智能化系统,对园区的能源使用进行监测、控制和优化,实现能源资源的高效利用和节约。智慧园区能源管理涉及到多个方面,包括能源监测、能源控制、能源优化和能源节约等。在智慧园区能源管理中,通过安装各种传感器和设备,对园区内的能源使用情况进行实时监测,包括电力、水、燃气等能源的使用量和消耗情况。监测数据可以通过智能化系统进行采集和分析,以实现对能源使用的全面了解和掌控。
现有技术中,授权公告号为CN110276486B的专利文件公开了一种基于价格激励的综合能源系统调度方法,该方法通过对供给侧和需求侧设置不同的目标函数,使用遗产算法求出最优解。然而,现有技术中不能对园区能源进行精细管理。
发明内容
为了精准控制储能设备的充电和放电,解决用电高峰期园区用电紧张且电费较高的问题,节省园区开支,本申请提供一种基于智慧园区的能源管理方法及系统。
第一方面,本申请提供一种基于智慧园区的能源管理方法,采用如下的技术方案:
基于智慧园区的能源管理方法,包括步骤:根据获取的环境数据、电力使用量及电力价格构建电力能源数据集,所述环境数据包括:天气数据、园区活动计划、生产计划,每天的所述环境数据与每天的所述电力使用量一一对应;对所述环境数据进行聚类生成多个聚类簇,根据所述聚类簇给电力使用量设定第一状态向量;根据所述第一状态向量建立马尔可夫模型,计算状态转移概率矩阵,得到未来时刻电力使用量第二状态向量;获得表示每天电力使用量的使用量曲线;根据所述使用量曲线及第二状态向量,计算预测曲线并得到未来时刻电力的预测使用量;获取预设的储能设备的剩余电量及所述电力价格,控制所述储能设备以进行充电、放电或保持电量的操作。
可选的,根据所述第一状态向量建立马尔可夫模型,计算状态转移概率矩阵,得到未来时刻电力使用量第二状态向量,包括步骤:生成标签序列;计算转移概率矩阵,计算公式为:,其中,/>表示状态转移概率矩阵/>中标签/>转移到标签/>的概率值,/>表示所述标签序列中相邻两天电力使用量的第一状态向量由标签/>转移到标签/>的次数,/>表示标签序列中标签转移的总次数;计算第二状态向量,计算公式为:/>,其中,表示未来时刻电力使用量的第二状态向量,/>表示标签序列中最后一个时刻的第一状态向量,/>表示状态转移概率矩阵。
可选的,获得表示每天电力使用量的使用量曲线,包括步骤:对园区内每天不同时刻的电力数据进行非线性拟合,得到日用量曲线;计算每个所述聚类簇中所有所述日用量曲线,得到所述使用量曲线,所述使用量曲线的表达式为:,其中,/>表示所述聚类簇的使用量曲线,/>表示所述聚类簇中第/>个使用量曲线,/>表示所述聚类簇中使用量曲线的个数。
可选的,根据所述使用量曲线及第二状态向量,计算预测曲线,预测曲线的计算公式为:,其中,/>表示未来时刻的电力能源的预测曲线,/>表示聚类簇标签值为/>的日用量曲线,/>表示未来时刻的电力使用量的状态标签值为/>的概率,/>表示所述聚类簇的个数。
可选的,获取预设的储能设备的剩余电量及所述电力价格,控制所述储能设备以进行充电、放电或保持电量的操作中,包括步骤:计算充电条件,计算公式为:,其中,T为当前时刻,t为未来储能设备电量放电结束时刻,/>表示T时刻的电价,/>表示t时刻的电价,/>表示预设的电价阈值,/>表示T时刻储能设备的剩余电量,/>表示储能设备的最大电量;计算放电条件,计算公式为:/>,其中,/>表示t时刻储能设备的剩余电量,/>表示储能设备充电阶段所花电费的平均值,/>表示在未来放电时刻电价;响应于充电条件被满足,生成充电信号至储能设备以控制储能设备充电;响应于放电条件被满足,生成放电信号至储能设备以控制储能设备放电。
第二方面,本申请提供一种基于智慧园区的能源管理系统,采用如下的技术方案:
一种基于智慧园区的能源管理系统,包括:处理器和存储器,所述存储器存储有计算机程序指令,当所述计算机程序指令被所述处理器执行时实现根据上述的基于智慧园区的能源管理方法。
本申请具有以下技术效果:
本申请能够获得园区中一天内不同时刻的电力使用量的预测值,结合储能设备的剩余电量及电力价格,控制储能设备的充电和放电,能够精准控制储能设备的充电和放电,解决用电高峰期园区用电紧张且电费较高的问题,有利于节省园区的开支,有利于电网削峰填谷。
附图说明
通过参考附图阅读下文的详细描述,本申请示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本申请的若干实施方式,并且相同或对应的标号表示相同或对应的部分。
图1是本申请实施例一种基于智慧园区的能源管理方法的方法流程图。
图2是本申请实施例一种基于智慧园区的能源管理方法中步骤S3的方法流程图。
图3是本申请实施例一种基于智慧园区的能源管理方法中步骤S4的方法流程图。
图4是本申请实施例一种基于智慧园区的能源管理方法中步骤S6的方法流程图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域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,都属于本申请保护的范围。
应当理解,当本申请的权利要求、说明书及附图使用术语“第一”、“第二”等时,其仅是用于区别不同对象,而不是用于描述特定顺序。本申请的说明书和权利要求书中使用的术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
本申请实施例公开一种基于智慧园区的能源管理方法,参照图1,包括步骤S1-步骤S6,具体如下:
S1:根据获取的环境数据、电力使用量及电力价格构建电力能源数据集。
环境数据包括:天气数据、园区活动计划、生产计划,每天的环境数据与每天的电力使用量一一对应。
园区所在地的天气数据包括:晴天、阴天及雨天等。园区活动计划为组织的团建活动信息、卫生大扫除等。生产计划为园区内每天的生产任务量。这些因素直接影响的园区的电力使用量,采集每天不同时刻的电力使用量,可以详细的掌握园区内的电力能源使用情况,使园区管理更精准。
采集园区所在地不同时段的电力价格,在价格较低时对电力能源进行存储,有利于节省园区的开支,达到电力削峰填谷的效果。
S2:对环境数据进行聚类生成多个聚类簇,根据聚类簇给电力使用量设定第一状态向量。
对园区内的天气数据、活动计划和生产计划等因素进行聚类,得到不同的聚类簇,给每个聚类簇一个标签,如1,2,3,...,得到多个第一状态向量,则聚类簇中每天的电力使用量的状态标签与聚类簇的标签一致。例如,状态标签为1的第一状态向量为(1,0,0),状态标签为2的第一状态向量为(0,1,0)。
S3:根据第一状态向量建立马尔可夫模型,计算状态转移概率矩阵,得到未来时刻电力使用量第二状态向量。参照图2,步骤S3包括步骤S30-步骤S32,具体如下:
S30:生成标签序列。
根据每天标签生成一段时间的标签序列:{1,2,3,...}。
S31:计算转移概率矩阵。
计算公式为:,其中,/>表示状态转移概率矩阵/>中标签/>转移到标签/>的概率值,/>表示标签序列中相邻两天电力使用量的第一状态向量由标签/>转移到标签/>的次数,/>表示标签序列中标签转移的总次数。
S32:计算第二状态向量。
计算公式为:,其中,/>表示未来时刻电力使用量的第二状态向量,/>表示标签序列中最后一个时刻的第一状态向量,/>表示状态转移概率矩阵。
第二状态向量包含了未来时刻电力使用量为不同标签的概率。例如:最后一个时刻的第一状态向量为:(1,0,0),第一状态向量(1,0,0)与状态转移概率矩阵A相乘后,得到的第二状态向量为(P1,P2,P3),概率P1、概率P2及概率P3之和为1。
S4:获得表示每天电力使用量的使用量曲线。
参照图3,步骤S4包括步骤S40-步骤S41,具体如下:
S40:对园区内每天不同时刻的电力数据进行非线性拟合,得到日用量曲线。
本申请选择例如多项式函数、指数函数等非线性函数,拟合方法可以是最小二乘法。根据拟合的结果,得到每天的电力使用量曲线,即日用量曲线。
S41:计算每个聚类簇中所有日用量曲线,得到使用量曲线。
使用量曲线的表达式为:,其中,/>表示聚类簇的使用量曲线,/>表示聚类簇中第/>个使用量曲线,/>表示聚类簇中使用量曲线的个数。
将聚类簇中所有的日用量曲线进行融合,可以在计算未来时刻的使用量曲线时,达到减少计算量的目的,且能够使电力使用量中噪声数据被均摊,减少电力使用量中噪声数据的影响。
S5:根据使用量曲线及第二状态向量,计算预测曲线并得到未来时刻电力的预测使用量。
预测曲线的计算公式为:,其中,/>表示未来时刻的电力能源的预测曲线,/>表示聚类簇标签值为/>的日用量曲线,/>表示未来时刻的电力使用量的状态标签值为/>的概率,/>表示聚类簇的个数。
计算出未来时刻电力使用的预测曲线,获取未来时刻电力的预测使用量,以此作为参考,可以使园区电力的储能设备的管理更加科学和精细化。
S6:获取预设的储能设备的剩余电量及电力价格,控制储能设备以进行充电、放电或保持电量的操作。参照图4,步骤S6包括步骤S60-步骤S63,具体如下:
S60:计算充电条件。
充电条件的计算公式为:,其中,T为当前时刻,t为未来储能设备电量放电结束时刻,/>表示T时刻的电价,/>表示t时刻的电价,/>表示预设的电价阈值,/>表示T时刻储能设备的剩余电量,/>表示储能设备的最大电量。
S61:计算放电条件。
放电条件的计算公式为:,其中,/>表示t时刻储能设备的剩余电量,/>表示储能设备充电阶段所花电费的平均值,/>表示在未来放电时刻电价。
S62:响应于充电条件被满足,生成充电信号至储能设备以控制储能设备充电。
S63:响应于放电条件被满足,生成放电信号至储能设备以控制储能设备放电。
若储能设备能够满足充电条件,则控制储能设备进行充电的操作,若储能设备能够满足放电条件,则控制储能设备进行放电的操作,其余情况下,则不对储能设备进行操作,使储能设备保持原有的电量。
本申请实施例还公开一种基于智慧园区的能源管理系统,包括处理器和存储器,存储器存储有计算机程序指令,当计算机程序指令被处理器执行时实现根据本申请的一种基于智慧园区的能源管理方法。
上述系统还包括通信总线和通信接口等本领域技术人员熟知的其他组件,其设置和功能为本领域中已知,因此在此不再赘述。
在本申请中,前述的存储器可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如,计算机可读存储介质可以是任何适当的磁存储介质或者磁光存储介质,比如,阻变式存储器RRAM(ResistiveRandomAccessMemory)、动态随机存取存储器DRAM(DynamicRandomAccessMemory)、静态随机存取存储器SRAM(StaticRandom-AccessMemory)、增强动态随机存取存储器EDRAM(EnhancedDynamicRandomAccessMemory)、高带宽内存HBM(High-BandwidthMemory)、混合存储立方HMC(HybridMemoryCube)等等,或者可以用于存储所需信息并且可以由应用程序、模块或两者访问的任何其他介质。任何这样的计算机存储介质可以是设备的一部分或可访问或可连接到设备。
虽然本说明书已经示出和描述了本申请的多个实施例,但对于本领域技术人员显而易见的是,这样的实施例只是以示例的方式提供的。本领域技术人员会在不偏离本申请思想和精神的情况下想到许多更改、改变和替代的方式。应当理解的是在实践本申请的过程中,可以采用对本文所描述的本申请实施例的各种替代方案。
以上均为本申请的较佳实施例,并非依此限制本申请的保护范围,故:凡依本申请的结构、形状、原理所做的等效变化,均应涵盖于本申请的保护范围之内。
Claims (6)
1.一种基于智慧园区的能源管理方法,其特征在于,包括步骤:
根据获取的环境数据、电力使用量及电力价格构建电力能源数据集,所述环境数据包括:天气数据、园区活动计划、生产计划,每天的所述环境数据与每天的所述电力使用量一一对应;
对所述环境数据进行聚类生成多个聚类簇,根据所述聚类簇给电力使用量设定第一状态向量;
根据所述第一状态向量建立马尔可夫模型,计算状态转移概率矩阵,得到未来时刻电力使用量第二状态向量;
获得表示每天电力使用量的使用量曲线;
根据所述使用量曲线及第二状态向量,计算预测曲线并得到未来时刻电力的预测使用量;
获取预设的储能设备的剩余电量及所述电力价格,控制所述储能设备以进行充电、放电或保持电量的操作。
2.根据权利要求1所述的基于智慧园区的能源管理方法,其特征在于,根据所述第一状态向量建立马尔可夫模型,计算状态转移概率矩阵,得到未来时刻电力使用量第二状态向量,包括步骤:
生成标签序列;
计算转移概率矩阵,计算公式为:,
其中,表示状态转移概率矩阵/>中标签/>转移到标签/>的概率值,/>表示所述标签序列中相邻两天电力使用量的第一状态向量由标签/>转移到标签/>的次数,/>表示标签序列中标签转移的总次数;
计算第二状态向量,计算公式为:,
其中,表示未来时刻电力使用量的第二状态向量,/>表示标签序列中最后一个时刻的第一状态向量,/>表示状态转移概率矩阵。
3.根据权利要求1所述的基于智慧园区的能源管理方法,其特征在于,获得表示每天电力使用量的使用量曲线,包括步骤:
对园区内每天不同时刻的电力数据进行非线性拟合,得到日用量曲线;
计算每个所述聚类簇中所有所述日用量曲线,得到所述使用量曲线,所述使用量曲线的表达式为:,
其中,表示所述聚类簇的使用量曲线,/>表示所述聚类簇中第/>个使用量曲线,/>表示所述聚类簇中使用量曲线的个数。
4.根据权利要求3所述的基于智慧园区的能源管理方法,其特征在于,根据所述使用量曲线及第二状态向量,计算预测曲线,预测曲线的计算公式为:,
其中,表示未来时刻的电力能源的预测曲线,/>表示聚类簇标签值为/>的日用量曲线,表示未来时刻的电力使用量的状态标签值为/>的概率,/>表示所述聚类簇的个数。
5.根据权利要求1所述的基于智慧园区的能源管理方法,其特征在于,获取预设的储能设备的剩余电量及所述电力价格,控制所述储能设备以进行充电、放电或保持电量的操作中,包括步骤:
计算充电条件,计算公式为:,
其中,T为当前时刻,t为未来储能设备电量放电结束时刻,表示T时刻的电价,/>表示t时刻的电价,/>表示预设的电价阈值,/>表示T时刻储能设备的剩余电量,/>表示储能设备的最大电量;
计算放电条件,计算公式为:,
其中,表示t时刻储能设备的剩余电量,/>表示储能设备充电阶段所花电费的平均值,/>表示在未来放电时刻电价;
响应于充电条件被满足,生成充电信号至储能设备以控制储能设备充电;
响应于放电条件被满足,生成放电信号至储能设备以控制储能设备放电。
6.一种基于智慧园区的能源管理系统,其特征在于,包括:处理器和存储器,所述存储器存储有计算机程序指令,当所述计算机程序指令被所述处理器执行时实现根据权利要求1-5任一项所述的基于智慧园区的能源管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410034701.0A CN117541036B (zh) | 2024-01-10 | 2024-01-10 | 一种基于智慧园区的能源管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410034701.0A CN117541036B (zh) | 2024-01-10 | 2024-01-10 | 一种基于智慧园区的能源管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117541036A true CN117541036A (zh) | 2024-02-09 |
CN117541036B CN117541036B (zh) | 2024-04-05 |
Family
ID=89790466
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410034701.0A Active CN117541036B (zh) | 2024-01-10 | 2024-01-10 | 一种基于智慧园区的能源管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117541036B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120296482A1 (en) * | 2009-10-23 | 2012-11-22 | Viridity Energy, Inc. | Methods, apparatus and systems for managing energy assets |
CN111009898A (zh) * | 2019-12-13 | 2020-04-14 | 深圳供电局有限公司 | 一种智慧园区多能协同供电方法及其系统、终端设备 |
CN112003269A (zh) * | 2020-07-30 | 2020-11-27 | 四川大学 | 并网型共享储能系统的智能化在线控制方法 |
CN113282646A (zh) * | 2021-04-30 | 2021-08-20 | 国网四川省电力公司经济技术研究院 | 一种基于用电行为影响因素的日负荷曲线获取方法 |
CN114331059A (zh) * | 2021-12-15 | 2022-04-12 | 上海电力大学 | 电氢互补的园区多楼宇供能系统及其协调调度方法 |
CN116933999A (zh) * | 2023-06-01 | 2023-10-24 | 上海思格源智能科技有限公司 | 储能系统的控制方法和电池管理系统 |
CN117239746A (zh) * | 2023-11-16 | 2023-12-15 | 国网湖北省电力有限公司武汉供电公司 | 一种基于机器学习的电力负荷预测方法及系统 |
-
2024
- 2024-01-10 CN CN202410034701.0A patent/CN117541036B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120296482A1 (en) * | 2009-10-23 | 2012-11-22 | Viridity Energy, Inc. | Methods, apparatus and systems for managing energy assets |
CN111009898A (zh) * | 2019-12-13 | 2020-04-14 | 深圳供电局有限公司 | 一种智慧园区多能协同供电方法及其系统、终端设备 |
CN112003269A (zh) * | 2020-07-30 | 2020-11-27 | 四川大学 | 并网型共享储能系统的智能化在线控制方法 |
CN113282646A (zh) * | 2021-04-30 | 2021-08-20 | 国网四川省电力公司经济技术研究院 | 一种基于用电行为影响因素的日负荷曲线获取方法 |
CN114331059A (zh) * | 2021-12-15 | 2022-04-12 | 上海电力大学 | 电氢互补的园区多楼宇供能系统及其协调调度方法 |
CN116933999A (zh) * | 2023-06-01 | 2023-10-24 | 上海思格源智能科技有限公司 | 储能系统的控制方法和电池管理系统 |
CN117239746A (zh) * | 2023-11-16 | 2023-12-15 | 国网湖北省电力有限公司武汉供电公司 | 一种基于机器学习的电力负荷预测方法及系统 |
Non-Patent Citations (3)
Title |
---|
ZHANG XIAOFENG 等: "Data-driven cooling, heating and electrical load prediction for building integrated with electric vehicles considering occupant travel behavior", 《ENERGY》, vol. 264, 14 December 2022 (2022-12-14), pages 1 - 7 * |
李晓恩 等: "基于价值流分析的微网储能系统建模与控制方法", 《储能科学与技术》, vol. 9, no. 03, 17 March 2020 (2020-03-17), pages 735 - 742 * |
杨铮 等: "面向综合能源园区的三方市场主体非合作交易方法", 《电力系统自动化》, vol. 42, no. 14, 12 January 2018 (2018-01-12), pages 32 - 39 * |
Also Published As
Publication number | Publication date |
---|---|
CN117541036B (zh) | 2024-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110119886B (zh) | 一种主动配网动态规划方法 | |
Zhang et al. | A multi-agent based integrated volt-var optimization engine for fast vehicle-to-grid reactive power dispatch and electric vehicle coordination | |
CN105337310B (zh) | 一种串联结构光储型多微网经济运行系统及方法 | |
CN115796393B (zh) | 基于多能互动的能源网管理优化方法、系统及存储介质 | |
Shi et al. | Optimal dispatch based on aggregated operation region of EV considering spatio-temporal distribution | |
KR20230145305A (ko) | 마이크로그리드의 전력 수급 예측 장치 | |
Liu et al. | Flexible network planning of autonomy microgrid | |
CN114362218B (zh) | 基于深度q学习的微电网内多类型储能的调度方法及装置 | |
CN116822719A (zh) | 一种配电网的多目标规划方法及装置 | |
Yu et al. | Short-term cooling and heating loads forecasting of building district energy system based on data-driven models | |
CN112602247A (zh) | 用于在平衡条件下控制能量子系统之间的能量交换的方法;控制中心;能量系统;计算机程序和存储介质 | |
CN117541036B (zh) | 一种基于智慧园区的能源管理方法及系统 | |
Yu et al. | Accommodation of curtailed wind power by electric water heaters based on a new hybrid prediction approach | |
Ioakimidis et al. | Introduction of plug-in hybrid electric vehicles in an isolated island system | |
CN112633699B (zh) | 主动配电网网架规划方法、装置、计算机设备和存储介质 | |
CN109711605A (zh) | 一种多类型电源并网定容方法和装置 | |
CN116961052A (zh) | 一种分布式储能系统的选址定容方法及系统 | |
CN114498702B (zh) | 一种基于能源路由器的微电网能源管理方法和系统 | |
Syranidis et al. | Flexible demand for higher integration of renewables into the european power system | |
KR101775269B1 (ko) | 분산전원 통합 거래 관리 시스템 및 발전량 할당 방법 | |
CN112436536A (zh) | 一种高速路新能源汽车充电引导方法及系统 | |
CN114683908A (zh) | 换电站的换电能力评估方法、系统、电子设备和介质 | |
Swide et al. | Energy Demand Prediction Based on Deep Learning Techniques | |
Taheri et al. | Tariff-aware power management for reducing the break-even time of on-site solar power installation in data center | |
CN117318110B (zh) | 分布式微型电能存储系统、方法、计算机设备及存储介质 |
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 |