CN117937474A - 一种新能源场站储能管理方法及系统 - Google Patents
一种新能源场站储能管理方法及系统 Download PDFInfo
- Publication number
- CN117937474A CN117937474A CN202410319829.1A CN202410319829A CN117937474A CN 117937474 A CN117937474 A CN 117937474A CN 202410319829 A CN202410319829 A CN 202410319829A CN 117937474 A CN117937474 A CN 117937474A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- time
- power
- original
- power generation
- 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
- 238000004146 energy storage Methods 0.000 title claims abstract description 365
- 238000007726 management method Methods 0.000 title claims abstract description 33
- 230000005611 electricity Effects 0.000 claims abstract description 66
- 230000008901 benefit Effects 0.000 claims abstract description 43
- 238000012549 training Methods 0.000 claims abstract description 31
- 238000006243 chemical reaction Methods 0.000 claims abstract description 22
- 230000009467 reduction Effects 0.000 claims abstract description 14
- 238000010248 power generation Methods 0.000 claims description 106
- 230000008859 change Effects 0.000 claims description 51
- 238000005286 illumination Methods 0.000 claims description 51
- 238000000034 method Methods 0.000 claims description 36
- 238000011156 evaluation Methods 0.000 claims description 31
- 238000007599 discharging Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000010348 incorporation Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种新能源场站储能管理方法及系统，涉及新能源场站储能技术领域，包括对连续若干时间节点的原始储能参考数据组中发电功率和用电需求进行区间转换降维，得到参考发电功率区间和参考用电需求区间，并更新入对应的原始储能参考数据组，对原始储能策略进行调整，对原始储能策略和比对用储能策略进行效益评估，并将序次第一的储能策略更新入原始储能参考数据组，将原始储能参考数据集作为训练数据进行训练，得到储能策略输出模型，并基于储能策略输出模型得到当下储能策略，本发明的上述技术方案不仅实现了对当下储能策略的确定，而且实现了对原始储能策略的优化和效益性筛选，进而提升了新能源场站和储能系统的运营效益。
Description
技术领域
本发明涉及新能源场站储能技术领域，尤其涉及一种新能源场站储能管理方法及系统。
背景技术
在新能源场站中，储能管理方法是关键的技术之一，旨在实现对可再生能源的高效利用、提升电力系统的稳定性以及降低能源成本。由于可再生能源，尤其是风能和太阳能的不稳定性，以及电力负荷的波动性，储能管理成为调和能源供需矛盾、优化能源利用的关键手段。
现有技术中，在新能源场站和储能系统的运营中，由于市场发电报价的波动性以及储能系统在不同电能储备比例下的运行成本变化，传统的储能管理方法难以实现最佳效益，所以亟需一种能够能够提升新能源场站和储能系统效益的管理方法及系统。
发明内容
本发明的目的是为了提供一种能够能够提升新能源场站和储能系统效益的管理方法及系统。
本发明公开了一种新能源场站储能管理方法，包括：
对新能源场站的运行日志进行分析，确定出不同时间节点的发电功率、用电侧的用电需求和原始储能策略，并对过往天气情况进行分析，确定出不同时间节点的天气特征数据，并依据等同时间节点对应的方式，将发电功率、用电侧的用电需求、天气特征数据和原始储能策略进行关联，得到原始储能参考数据组；
基于时间序列关系，将不同时间节点的原始储能参考数据组进行排序，得到原始储能参考数据集，并依据连续若干时间节点对应的原始储能策略的变化差异程度，对连续若干时间节点的原始储能参考数据组中发电功率和用电需求进行区间转换降维，得到参考发电功率区间和参考用电需求区间，并更新入对应的原始储能参考数据组；
对原始储能参考数据组中的原始储能策略进行调整，得到若干比对用储能策略，并对原始储能策略和比对用储能策略进行效益评估，得到效益评估值，并基于效益评估值对储能策略进行排序，并将序次第一的储能策略更新入原始储能参考数据组；
将原始储能参考数据集中的参考发电功率区间、参考用电需求区间和天气特征数据作为输入参量，将原始储能策略作为输出参量进行训练，得到储能策略输出模型；
获取当下连续若干时间节点的发电功率、用电需求和天气特征数据，并作为当下输入参量，由储能策略输出模型确定出当下储能策略。
在本发明公开的一些实施例中，对连续若干时间节点的原始储能参考数据组中的发电功率和用电需求进行区间转换降维的方法包括：
连续依次计算相邻两个时间节点的原始储能策略的第一变化差异程度，若第一变化差异程度小于等于预设值，则继续逐步依次计算，直到第一变化差异程度大于等于预设值，则停止连续计算，并将连续依次计算过程中，原始储能策略之间的第一变化差异程度小于等于预设值时对应的时间节点进行记录并关联，得到第一参考连续时间节点序列；
计算第一参考连续时间节点序列中第一个时间节点对应的原始储能策略和最后一个时间节点对应的原始储能策略之间的第二变化差异程度，若第二变化差异程度大于等于预设值，则停止对第一参考连续时间节点序列的更新；
将第一参考连续时间节点序列对应的发电功率或用电需求进行统计，确定出对应的参考发电功率区间和参考用电需求区间；
其中，计算第一变化差异程度和第二变化差异程度的方法包括：
比对原始储能策略中等同时间节点之间充电功率和放电功率，以及充电或放电对应的时间区段，并基于比对差异特征，确定出第一变化差异程度和第二变化差异程度。
在本发明公开的一些实施例中，计算第一变化差异程度和第二变化差异程度的表达式为：；其中，Y为变化差异程度，/>为第一差异程度转换系数，/>为第二差异程度转换系数，/>为差异时间区段权重转换系数，/>为原始储能策略之间第一时间区段个数和第二时间区段个数，其中第一时间区段个数为原始储能策略之间充电时间区段或放电时间区段中没有交叉的独立时间区段的个数，第二时间区段个数为原始储能策略之间充电时间区段或放电时间区段中有交叉的时间区段组合的个数，/>为第i个独立时间区段的时间长度或时间区段组合的时间长度，/>为时间区段权重调整常数，/>为原始储能策略之间的时间节点个数，/>为原始储能策略的第x时间节点的充电功率差异量或放电功率差异量，/>为功率调整常数。
在本发明公开的一些实施例中，构建储能策略输出模型的方法包括：
对参考发电功率区间、参考用电需求区间和天气特征数据进行数据清洗、处理异常值和缺失值；
将若干原始储能参考数据集进行划分，得到训练集和测试集，并利用训练集进行模型训练，利用训练集对模型进行评估和优化。
在本发明公开的一些实施例中，对原始储能策略和比对用储能策略进行效益评估的方法包括：
对用电侧的用电需求进行规律性分析，确定用电需求预估周期，并将连续预设周期次数的用电需求预估周期进行组合，得到用电需求参考周期；
对用电需求参考周期内不同时间节点的发电报价以及对应时间节点下的储能成本进行确定，并综合计算用电需求参考周期内的效益评估值；
其中，计算效益评估值的表达式为：；其中，/>为效益评估值，/>1为用电需求参考周期内新能源场站处于发电状态情况下的时间节点数量，/>为新能源场站处于发电状态情况下第i个时间节点的发电成本，/>为新能源场站处于发电状态情况下第i个时间节点的发电量，/>为用电需求参考周期内处于储能状态下的时间节点数量，/>为处于储能状态下第i个时间节点的发电成本，/>为处于储能状态下第i个时间节点的发电量，/>为用电需求参考周期内并入供电网络的时间节点数量，/>为并入供电网络的第i个时间节点的发电报价，/>为并入供电网络的第i个时间节点的发电量，/>为用电需求参考周期内进入高损耗储能阶段时的时间节点数量，/>为进入高损耗储能阶段时第i个时间节点的发电成本，/>为进入高损耗储能阶段时第i个时间节点的发电量，为进入高损耗储能阶段时第i个时间节点的发电成本扩增系数。
在本发明公开的一些实施例中，对原始储能策略进行调整的方法包括：
对原始储能策略中进行储能时间区段和进行放电的区段进行确定，并定位得到若干储能时间区段和若干放电时间区段；
对储能时间区段和放电时间区段进行缩限、扩增或者平移，并对储能时间区段内的储能功率进行提升或降低，并对放电时间区段内的放电功率进行提升或降低，得到比对用储能策略。
在本发明公开的一些实施例中，对储能时间区段和放电时间区段进行缩限、扩增或平移的方法包括：
对储能时间区段或放电时间区段对应的储能系统状态进行分析，确定不同储能时间区段或放电时间区段所对应的储能百分比，若储能百分比大于预设值，则对对应的储能时间区段的后段进行缩限，或对储能时间区段对应的储能功率进行降低，若储能百分比小于预设值，则对对应的储能时间区段的前段进行扩增，或对储能时间区段对应的储能功率进行提升；
对储能时间区段或放电时间区段对应的发电报价进行分析，若储能时间区段对应的发电报价在时间上的平均值小于预设值，则对对应的储能时间区段进行扩增，或对时间区段对应的储能功率进行提升，若储能时间区段对应的发电报价在时间上的平均值大于预设值，则对对应的储能时间区段进行缩限，或对时间区段对应的储能功率进行降低，若发电时间区段的发电报价在时间上的平均值小于预设值，则对对应的发电时间区段进行缩限，或对发电时间区段对应的发电功率进行降低，若发电时间区段的发电报价在时间上的平均值大于预设值，则对对应的发电时间区段进行扩增，或对发电时间区段对应的发电功率进行扩增。
在本发明公开的一些实施例中，新能源场站储能管理方法还包括:
天气特征数据包括天气预报信息以及不同时间节点的风向、风速和光照强度；
针对天气预报信息配置基础天气因子模板，所述基础天气因子模板包括不同时间节点的预测风向、预测风速和预测光照强度；
实时获取新能源场站的实时风向、实时风速和实时光照强度，并基于实时风向、实时风速和实时光照强度，对基础天气因子模板中的预测风向、预测风速和预测光照强度进行修正，得到参考天气因子模板；
将参考天气因子模板中不同时间节点的参考风向、参考风速和参考光照强度认定为天气特征数据；
其中，基于实时风速和实时光照强度，对预测风速和预测光照进行修正的方法包括：
基于不同时间节点的实时风速和实时光照强度，分别构建得到实时风速变化曲线和实时光照强度变化曲线，并基于不同时间节点的预测风速和预测光照强度，分别构建预测风速变化曲线和预测光照强度变化曲线；
将预测风速变化曲线和实时风速变化曲线进行对齐，并将预测风速变化曲线向实时风速变化曲线进行平滑偏移，得到参考风速变化曲线，将预测光照强度变化曲线和实时光照强度变化曲线进行对齐，并将预测光照强度变化曲线向实时光照强度变化曲线进行平滑偏移，得到参考光照强度变化曲线。
在本发明公开的一些实施例中，还公开有一种新能源场站储能管理系统，包括：
第一模块，用于对新能源场站的运行日志进行分析，确定出不同时间节点的发电功率、用电侧的用电需求和原始储能策略，并对过往天气情况进行分析，确定出不同时间节点的天气特征数据，并依据等同时间节点对应的方式，将发电功率、用电侧的用电需求、天气特征数据和原始储能策略进行关联，得到原始储能参考数据组；
第二模块，用于基于时间序列关系，将不同时间节点的原始储能参考数据组进行排序，得到原始储能参考数据集，并依据连续若干时间节点对应的原始储能策略的变化差异程度，对连续若干时间节点的原始储能参考数据组中发电功率和用电需求进行区间转换降维，得到参考发电功率区间和参考用电需求区间，并更新入对应的原始储能参考数据组；
第三模块，用于对原始储能参考数据组中的原始储能策略进行调整，得到若干比对用储能策略，并对原始储能策略和比对用储能策略进行效益评估，得到效益评估值，并基于效益评估值对储能策略进行排序，并将序次第一的储能策略更新入原始储能参考数据组；
第四模块，用于将原始储能参考数据集中的参考发电功率区间、参考用电需求区间和天气特征数据作为输入参量，将原始储能策略作为输出参量进行训练，得到储能策略输出模型，获取当下连续若干时间节点的发电功率、用电需求和天气特征数据，并作为当下输入参量，由储能策略输出模型确定出当下储能策略。
本发明公开了一种新能源场站储能管理方法及系统，涉及新能源场站储能技术领域，包括对连续若干时间节点的原始储能参考数据组中发电功率和用电需求进行区间转换降维，得到参考发电功率区间和参考用电需求区间，并更新入对应的原始储能参考数据组，对原始储能策略进行调整，对原始储能策略和比对用储能策略进行效益评估，并将序次第一的储能策略更新入原始储能参考数据组，将原始储能参考数据集作为训练数据进行训练，得到储能策略输出模型，并基于储能策略输出模型得到当下储能策略，本发明的上述技术方案不仅实现了对当下储能策略的确定，而且实现了对原始储能策略的优化和效益性筛选，进而提升了新能源场站和储能系统的运营效益。
附图说明
图1为本发明实施例中公开的一种新能源场站管理方法的方法步骤图。
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。
本发明的目的是为了提供一种能够能够提升新能源场站和储能系统效益的管理方法及系统。
本发明公开了一种新能源场站储能管理方法，参阅图1，包括：
步骤S100，对新能源场站的运行日志进行分析，确定出不同时间节点的发电功率、用电侧的用电需求和原始储能策略，并对过往天气情况进行分析，确定出不同时间节点的天气特征数据，并依据等同时间节点对应的方式，将发电功率、用电侧的用电需求、天气特征数据和原始储能策略进行关联，得到原始储能参考数据组。
在这一步骤中，通过分析新能源场站的运行日志，获取了关键的运营数据，包括发电功率、用电需求和原始储能策略；过往天气情况的分析则提供了与运行状况相关的环境信息；这一步骤的原理在于通过收集和整理历史数据，为后续的储能管理方法提供基础数据。
在本发明公开的一些实施例中，新能源场站储能管理方法还包括:
步骤S101，天气特征数据包括天气预报信息以及不同时间节点的风向、风速和光照强度；
步骤S102，针对天气预报信息配置基础天气因子模板，所述基础天气因子模板包括不同时间节点的预测风向、预测风速和预测光照强度；
步骤S103，实时获取新能源场站的实时风向、实时风速和实时光照强度，并基于实时风向、实时风速和实时光照强度，对基础天气因子模板中的预测风向、预测风速和预测光照强度进行修正，得到参考天气因子模板；
步骤S104，将参考天气因子模板中不同时间节点的参考风向、参考风速和参考光照强度认定为天气特征数据；
其中，基于实时风速和实时光照强度，对预测风速和预测光照进行修正的方法包括：
步骤S1031，基于不同时间节点的实时风速和实时光照强度，分别构建得到实时风速变化曲线和实时光照强度变化曲线，并基于不同时间节点的预测风速和预测光照强度，分别构建预测风速变化曲线和预测光照强度变化曲线。
步骤S1032，将预测风速变化曲线和实时风速变化曲线进行对齐，并将预测风速变化曲线向实时风速变化曲线进行平滑偏移，得到参考风速变化曲线，将预测光照强度变化曲线和实时光照强度变化曲线进行对齐，并将预测光照强度变化曲线向实时光照强度变化曲线进行平滑偏移，得到参考光照强度变化曲线。
步骤S200，基于时间序列关系，将不同时间节点的原始储能参考数据组进行排序，得到原始储能参考数据集，并依据连续若干时间节点对应的原始储能策略的变化差异程度，对连续若干时间节点的原始储能参考数据组中发电功率和用电需求进行区间转换降维，得到参考发电功率区间和参考用电需求区间，并更新入对应的原始储能参考数据组。
在这一步骤中，通过基于时间序列关系对原始储能参考数据组的排序，形成了原始储能参考数据集；对于连续若干时间节点的原始储能策略变化差异程度的分析，有助于对发电功率和用电需求进行区间转换降维；这一步骤的原理在于整合并简化降维数据，降低模型训练需要的数据量。
在本发明公开的一些实施例中，对连续若干时间节点的原始储能参考数据组中的发电功率和用电需求进行区间转换降维的方法包括：
步骤S201，连续依次计算相邻两个时间节点的原始储能策略的第一变化差异程度，若第一变化差异程度小于等于预设值，则继续逐步依次计算，直到第一变化差异程度大于等于预设值，则停止连续计算，并将连续依次计算过程中，原始储能策略之间的第一变化差异程度小于等于预设值时对应的时间节点进行记录并关联，得到第一参考连续时间节点序列。
步骤S202，计算第一参考连续时间节点序列中第一个时间节点对应的原始储能策略和最后一个时间节点对应的原始储能策略之间的第二变化差异程度，若第二变化差异程度大于等于预设值，则停止对第一参考连续时间节点序列的更新。
步骤S203，将第一参考连续时间节点序列对应的发电功率或用电需求进行统计，确定出对应的参考发电功率区间和参考用电需求区间。
其中，计算第一变化差异程度和第二变化差异程度的方法包括：
比对原始储能策略中等同时间节点之间充电功率和放电功率，以及充电或放电对应的时间区段，并基于比对差异特征，确定出第一变化差异程度和第二变化差异程度。
在本发明公开的一些实施例中，计算第一变化差异程度和第二变化差异程度的表达式为：。其中，Y为变化差异程度，/>为第一差异程度转换系数，/>为第二差异程度转换系数，/>为差异时间区段权重转换系数，/>为原始储能策略之间第一时间区段个数和第二时间区段个数，其中第一时间区段个数为原始储能策略之间充电时间区段或放电时间区段中没有交叉的独立时间区段的个数，第二时间区段个数为原始储能策略之间充电时间区段或放电时间区段中有交叉的时间区段组合的个数，/>为第i个独立时间区段的时间长度或时间区段组合的时间长度，/>为时间区段权重调整常数，/>为原始储能策略之间的时间节点个数，/>为原始储能策略的第x时间节点的充电功率差异量或放电功率差异量，/>为功率调整常数。
步骤S300，对原始储能参考数据组中的原始储能策略进行调整，得到若干比对用储能策略，并对原始储能策略和比对用储能策略进行效益评估，得到效益评估值，并基于效益评估值对储能策略进行排序，并将序次第一的储能策略更新入原始储能参考数据组。
这一步骤通过对原始储能参考数据组中的原始储能策略进行调整，生成比对用储能策略；通过效益评估值的计算，根据不同储能策略的性能进行排序；该原理在于通过比对用储能策略的生成和效益评估，筛选出效益最优的储能策略，以提高系统效益。
在本发明公开的一些实施例中，对原始储能策略和比对用储能策略进行效益评估的方法包括：
步骤S301，对用电侧的用电需求进行规律性分析，确定用电需求预估周期，并将连续预设周期次数的用电需求预估周期进行组合，得到用电需求参考周期；
步骤S302，对用电需求参考周期内不同时间节点的发电报价以及对应时间节点下的储能成本进行确定，并综合计算用电需求参考周期内的效益评估值；
其中，计算效益评估值的表达式为：。其中，/>为效益评估值，/>1为用电需求参考周期内新能源场站处于发电状态情况下的时间节点数量，/>为新能源场站处于发电状态情况下第i个时间节点的发电成本，/>为新能源场站处于发电状态情况下第i个时间节点的发电量，/>为用电需求参考周期内处于储能状态下的时间节点数量，/>为处于储能状态下第i个时间节点的发电成本，/>为处于储能状态下第i个时间节点的发电量，/>为用电需求参考周期内并入供电网络的时间节点数量，/>为并入供电网络的第i个时间节点的发电报价，/>为并入供电网络的第i个时间节点的发电量，/>为用电需求参考周期内进入高损耗储能阶段时的时间节点数量，/>为进入高损耗储能阶段时第i个时间节点的发电成本，/>为进入高损耗储能阶段时第i个时间节点的发电量，/>为进入高损耗储能阶段时第i个时间节点的发电成本扩增系数。
在本发明公开的一些实施例中，对原始储能策略进行调整的方法包括：
步骤S303，对原始储能策略中进行储能时间区段和进行放电的区段进行确定，并定位得到若干储能时间区段和若干放电时间区段；
步骤S304，对储能时间区段和放电时间区段进行缩限、扩增或者平移，并对储能时间区段内的储能功率进行提升或降低，并对放电时间区段内的放电功率进行提升或降低，得到比对用储能策略。
在本发明公开的一些实施例中，对储能时间区段和放电时间区段进行缩限、扩增或平移的方法包括：
步骤S3041，对储能时间区段或放电时间区段对应的储能系统状态进行分析，确定不同储能时间区段或放电时间区段所对应的储能百分比，若储能百分比大于预设值，则对对应的储能时间区段的后段进行缩限，或对储能时间区段对应的储能功率进行降低，若储能百分比小于预设值，则对对应的储能时间区段的前段进行扩增，或对储能时间区段对应的储能功率进行提升；
步骤S3042，对储能时间区段或放电时间区段对应的发电报价进行分析，若储能时间区段对应的发电报价在时间上的平均值小于预设值，则对对应的储能时间区段进行扩增，或对时间区段对应的储能功率进行提升，若储能时间区段对应的发电报价在时间上的平均值大于预设值，则对对应的储能时间区段进行缩限，或对时间区段对应的储能功率进行降低，若发电时间区段的发电报价在时间上的平均值小于预设值，则对对应的发电时间区段进行缩限，或对发电时间区段对应的发电功率进行降低，若发电时间区段的发电报价在时间上的平均值大于预设值，则对对应的发电时间区段进行扩增，或对发电时间区段对应的发电功率进行扩增。
步骤S400，将原始储能参考数据集中的参考发电功率区间、参考用电需求区间和天气特征数据作为输入参量，将原始储能策略作为输出参量进行训练，得到储能策略输出模型。
在这一步骤中，通过将原始储能参考数据集中的参考发电功率区间、参考用电需求区间和天气特征数据作为输入，将原始储能策略作为输出，进行训练以建立储能策略输出模型；这一步的原理在于使用历史数据，通过机器学习或其他建模技术，构建一个储能策略预测模型，使系统能够根据输入的条件预测最优的储能策略。
在这一步中，主要包括如下几个步骤：
（1）数据准备，将原始储能参考数据集中的参考发电功率区间、参考用电需求区间和天气特征数据作为输入数据。这些数据应包括足够多的样本，涵盖不同的运行条件和天气状况。（2）目标定义，将原始储能策略作为目标输出。模型的任务是根据输入数据预测相应的储能策略，使其在当前条件下达到最优效益。（3）特征工程，对输入数据进行特征工程，可能包括数据标准化、归一化、处理缺失值等。确保输入数据的质量和一致性，以提高模型的训练效果。（4）模型选择，选择适当的机器学习算法或深度学习模型来建立储能策略输出模型。常用的模型包括回归模型、神经网络、决策树等；选择的模型应该能够很好地拟合输入和输出之间的关系。（5）训练模型，使用历史数据进行模型的训练；训练过程中，模型通过调整参数来最小化预测输出与实际输出之间的误差；这使得模型能够学习输入数据与储能策略之间的映射关系。（6）验证和调优，使用验证集对模型进行验证，评估其在新数据上的泛化能力。根据验证结果进行模型调优，可能涉及调整超参数、增加特征等步骤，以提高模型的性能。（7）模型评估，对训练好的模型进行评估，包括性能指标的计算，如均方误差（MSE）、平均绝对误差（MAE）等。评估结果反映了模型在训练和验证阶段的表现。（8）模型部署，将训练好的模型部署到实际运行环境中，以便实时应用；这可能涉及将模型嵌入到储能系统的控制系统中，以便根据当前的发电功率、用电需求和天气特征数据实时确定最优的储能策略。
在本发明公开的一些实施例中，构建储能策略输出模型的方法包括：
步骤S401，对参考发电功率区间、参考用电需求区间和天气特征数据进行数据清洗、处理异常值和缺失值。
步骤S402，将若干原始储能参考数据集进行划分，得到训练集和测试集，并利用训练集进行模型训练，利用训练集对模型进行评估和优化。
步骤S500，获取当下连续若干时间节点的发电功率、用电需求和天气特征数据，并作为当下输入参量，由储能策略输出模型确定出当下储能策略。
在这一步骤中，获取当前连续若干时间节点的发电功率、用电需求和天气特征数据，并将其作为当下输入参数传入储能策略输出模型，得到当前储能策略；这一步骤的原理在于实时应用已训练好的模型，根据当前条件确定最优的储能策略，以应对当前运营环境。
整体而言，这个储能管理方法的原理在于通过历史数据的收集、整理、分析和建模，实现对新能源场站储能系统运行的智能化管理；通过不断优化储能策略，系统能够更灵活地应对能源供需矛盾，提高效益，降低运营成本。
在本发明公开的一些实施例中，还公开有一种新能源场站储能管理系统，包括：
第一模块，用于对新能源场站的运行日志进行分析，确定出不同时间节点的发电功率、用电侧的用电需求和原始储能策略，并对过往天气情况进行分析，确定出不同时间节点的天气特征数据，并依据等同时间节点对应的方式，将发电功率、用电侧的用电需求、天气特征数据和原始储能策略进行关联，得到原始储能参考数据组；
第二模块，用于基于时间序列关系，将不同时间节点的原始储能参考数据组进行排序，得到原始储能参考数据集，并依据连续若干时间节点对应的原始储能策略的变化差异程度，对连续若干时间节点的原始储能参考数据组中发电功率和用电需求进行区间转换降维，得到参考发电功率区间和参考用电需求区间，并更新入对应的原始储能参考数据组；
第三模块，用于对原始储能参考数据组中的原始储能策略进行调整，得到若干比对用储能策略，并对原始储能策略和比对用储能策略进行效益评估，得到效益评估值，并基于效益评估值对储能策略进行排序，并将序次第一的储能策略更新入原始储能参考数据组；
第四模块，用于将原始储能参考数据集中的参考发电功率区间、参考用电需求区间和天气特征数据作为输入参量，将原始储能策略作为输出参量进行训练，得到储能策略输出模型，获取当下连续若干时间节点的发电功率、用电需求和天气特征数据，并作为当下输入参量，由储能策略输出模型确定出当下储能策略。
本发明公开了一种新能源场站储能管理方法及系统，涉及新能源场站储能技术领域，包括对连续若干时间节点的原始储能参考数据组中发电功率和用电需求进行区间转换降维，得到参考发电功率区间和参考用电需求区间，并更新入对应的原始储能参考数据组，对原始储能策略进行调整，对原始储能策略和比对用储能策略进行效益评估，并将序次第一的储能策略更新入原始储能参考数据组，将原始储能参考数据集作为训练数据进行训练，得到储能策略输出模型，并基于储能策略输出模型得到当下储能策略，本发明的上述技术方案不仅实现了对当下储能策略的确定，而且实现了对原始储能策略的优化和效益性筛选，进而提升了新能源场站和储能系统的运营效益。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种新能源场站储能管理方法，其特征在于，包括：
对新能源场站的运行日志进行分析，确定出不同时间节点的发电功率、用电侧的用电需求和原始储能策略，并对过往天气情况进行分析，确定出不同时间节点的天气特征数据，并依据等同时间节点对应的方式，将发电功率、用电侧的用电需求、天气特征数据和原始储能策略进行关联，得到原始储能参考数据组；
基于时间序列关系，将不同时间节点的原始储能参考数据组进行排序，得到原始储能参考数据集，并依据连续若干时间节点对应的原始储能策略的变化差异程度，对连续若干时间节点的原始储能参考数据组中发电功率和用电需求进行区间转换降维，得到参考发电功率区间和参考用电需求区间，并更新入对应的原始储能参考数据组；
对原始储能参考数据组中的原始储能策略进行调整，得到若干比对用储能策略，并对原始储能策略和比对用储能策略进行效益评估，得到效益评估值，并基于效益评估值对储能策略进行排序，并将序次第一的储能策略更新入原始储能参考数据组；
将原始储能参考数据集中的参考发电功率区间、参考用电需求区间和天气特征数据作为输入参量，将原始储能策略作为输出参量进行训练，得到储能策略输出模型；
获取当下连续若干时间节点的发电功率、用电需求和天气特征数据，并作为当下输入参量，由储能策略输出模型确定出当下储能策略。
2.根据权利要求1所述的一种新能源场站储能管理方法，其特征在于，对连续若干时间节点的原始储能参考数据组中的发电功率和用电需求进行区间转换降维的方法包括：
连续依次计算相邻两个时间节点的原始储能策略的第一变化差异程度，若第一变化差异程度小于等于预设值，则继续逐步依次计算，直到第一变化差异程度大于等于预设值，则停止连续计算，并将连续依次计算过程中，原始储能策略之间的第一变化差异程度小于等于预设值时对应的时间节点进行记录并关联，得到第一参考连续时间节点序列；
计算第一参考连续时间节点序列中第一个时间节点对应的原始储能策略和最后一个时间节点对应的原始储能策略之间的第二变化差异程度，若第二变化差异程度大于等于预设值，则停止对第一参考连续时间节点序列的更新；
将第一参考连续时间节点序列对应的发电功率或用电需求进行统计，确定出对应的参考发电功率区间和参考用电需求区间；
其中，计算第一变化差异程度和第二变化差异程度的方法包括：
比对原始储能策略中等同时间节点之间充电功率和放电功率，以及充电或放电对应的时间区段，并基于比对差异特征，确定出第一变化差异程度和第二变化差异程度。
3.根据权利要求2所述的一种新能源场站储能管理方法，其特征在于，计算第一变化差异程度和第二变化差异程度的表达式为：；其中，Y为变化差异程度，为第一差异程度转换系数，/>为第二差异程度转换系数，/>为差异时间区段权重转换系数，/>为原始储能策略之间第一时间区段个数和第二时间区段个数，其中第一时间区段个数为原始储能策略之间充电时间区段或放电时间区段中没有交叉的独立时间区段的个数，第二时间区段个数为原始储能策略之间充电时间区段或放电时间区段中有交叉的时间区段组合的个数，/>为第i个独立时间区段的时间长度或时间区段组合的时间长度，/>为时间区段权重调整常数，/>为原始储能策略之间的时间节点个数，/>为原始储能策略的第x时间节点的充电功率差异量或放电功率差异量，/>为功率调整常数。
4.根据权利要求1所述的一种新能源场站储能管理方法，其特征在于，构建储能策略输出模型的方法包括：
对参考发电功率区间、参考用电需求区间和天气特征数据进行数据清洗、处理异常值和缺失值；
将若干原始储能参考数据集进行划分，得到训练集和测试集，并利用训练集进行模型训练，利用训练集对模型进行评估和优化。
5.根据权利要求1所述的一种新能源场站储能管理方法，其特征在于，对原始储能策略和比对用储能策略进行效益评估的方法包括：
对用电侧的用电需求进行规律性分析，确定用电需求预估周期，并将连续预设周期次数的用电需求预估周期进行组合，得到用电需求参考周期；
对用电需求参考周期内不同时间节点的发电报价以及对应时间节点下的储能成本进行确定，并综合计算用电需求参考周期内的效益评估值；
其中，计算效益评估值的表达式为：；其中，/>为效益评估值，/>1为用电需求参考周期内新能源场站处于发电状态情况下的时间节点数量，/>为新能源场站处于发电状态情况下第i个时间节点的发电成本，/>为新能源场站处于发电状态情况下第i个时间节点的发电量，/>为用电需求参考周期内处于储能状态下的时间节点数量，/>为处于储能状态下第i个时间节点的发电成本，/>为处于储能状态下第i个时间节点的发电量，/>为用电需求参考周期内并入供电网络的时间节点数量，/>为并入供电网络的第i个时间节点的发电报价，/>为并入供电网络的第i个时间节点的发电量，/>为用电需求参考周期内进入高损耗储能阶段时的时间节点数量，/>为进入高损耗储能阶段时第i个时间节点的发电成本，/>为进入高损耗储能阶段时第i个时间节点的发电量，/>为进入高损耗储能阶段时第i个时间节点的发电成本扩增系数。
6.根据权利要求1所述的一种新能源场站储能管理方法，其特征在于，对原始储能策略进行调整的方法包括：
对原始储能策略中进行储能时间区段和进行放电的区段进行确定，并定位得到若干储能时间区段和若干放电时间区段；
对储能时间区段和放电时间区段进行缩限、扩增或者平移，并对储能时间区段内的储能功率进行提升或降低，并对放电时间区段内的放电功率进行提升或降低，得到比对用储能策略。
7.根据权利要求6所述的一种新能源场站储能管理方法，其特征在于，对储能时间区段和放电时间区段进行缩限、扩增或平移的方法包括：
对储能时间区段或放电时间区段对应的储能系统状态进行分析，确定不同储能时间区段或放电时间区段所对应的储能百分比，若储能百分比大于预设值，则对对应的储能时间区段的后段进行缩限，或对储能时间区段对应的储能功率进行降低，若储能百分比小于预设值，则对对应的储能时间区段的前段进行扩增，或对储能时间区段对应的储能功率进行提升；
对储能时间区段或放电时间区段对应的发电报价进行分析，若储能时间区段对应的发电报价在时间上的平均值小于预设值，则对对应的储能时间区段进行扩增，或对时间区段对应的储能功率进行提升，若储能时间区段对应的发电报价在时间上的平均值大于预设值，则对对应的储能时间区段进行缩限，或对时间区段对应的储能功率进行降低，若发电时间区段的发电报价在时间上的平均值小于预设值，则对对应的发电时间区段进行缩限，或对发电时间区段对应的发电功率进行降低，若发电时间区段的发电报价在时间上的平均值大于预设值，则对对应的发电时间区段进行扩增，或对发电时间区段对应的发电功率进行扩增。
8.根据权利要求1所述的一种新能源场站储能管理方法，其特征在于，还包括:
天气特征数据包括天气预报信息以及不同时间节点的风向、风速和光照强度；
针对天气预报信息配置基础天气因子模板，所述基础天气因子模板包括不同时间节点的预测风向、预测风速和预测光照强度；
实时获取新能源场站的实时风向、实时风速和实时光照强度，并基于实时风向、实时风速和实时光照强度，对基础天气因子模板中的预测风向、预测风速和预测光照强度进行修正，得到参考天气因子模板；
将参考天气因子模板中不同时间节点的参考风向、参考风速和参考光照强度认定为天气特征数据；
其中，基于实时风速和实时光照强度，对预测风速和预测光照进行修正的方法包括：
基于不同时间节点的实时风速和实时光照强度，分别构建得到实时风速变化曲线和实时光照强度变化曲线，并基于不同时间节点的预测风速和预测光照强度，分别构建预测风速变化曲线和预测光照强度变化曲线；
将预测风速变化曲线和实时风速变化曲线进行对齐，并将预测风速变化曲线向实时风速变化曲线进行平滑偏移，得到参考风速变化曲线，将预测光照强度变化曲线和实时光照强度变化曲线进行对齐，并将预测光照强度变化曲线向实时光照强度变化曲线进行平滑偏移，得到参考光照强度变化曲线。
9.一种新能源场站储能管理系统，其特征在于，包括：
第一模块，用于对新能源场站的运行日志进行分析，确定出不同时间节点的发电功率、用电侧的用电需求和原始储能策略，并对过往天气情况进行分析，确定出不同时间节点的天气特征数据，并依据等同时间节点对应的方式，将发电功率、用电侧的用电需求、天气特征数据和原始储能策略进行关联，得到原始储能参考数据组；
第二模块，用于基于时间序列关系，将不同时间节点的原始储能参考数据组进行排序，得到原始储能参考数据集，并依据连续若干时间节点对应的原始储能策略的变化差异程度，对连续若干时间节点的原始储能参考数据组中发电功率和用电需求进行区间转换降维，得到参考发电功率区间和参考用电需求区间，并更新入对应的原始储能参考数据组；
第三模块，用于对原始储能参考数据组中的原始储能策略进行调整，得到若干比对用储能策略，并对原始储能策略和比对用储能策略进行效益评估，得到效益评估值，并基于效益评估值对储能策略进行排序，并将序次第一的储能策略更新入原始储能参考数据组；
第四模块，用于将原始储能参考数据集中的参考发电功率区间、参考用电需求区间和天气特征数据作为输入参量，将原始储能策略作为输出参量进行训练，得到储能策略输出模型，获取当下连续若干时间节点的发电功率、用电需求和天气特征数据，并作为当下输入参量，由储能策略输出模型确定出当下储能策略。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410319829.1A CN117937474B (zh) | 2024-03-20 | 2024-03-20 | 一种新能源场站储能管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410319829.1A CN117937474B (zh) | 2024-03-20 | 2024-03-20 | 一种新能源场站储能管理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117937474A true CN117937474A (zh) | 2024-04-26 |
| CN117937474B CN117937474B (zh) | 2024-06-18 |
Family
ID=90754114
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410319829.1A Active CN117937474B (zh) | 2024-03-20 | 2024-03-20 | 一种新能源场站储能管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117937474B (zh) |
Citations (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107611966A (zh) * | 2017-09-20 | 2018-01-19 | 天津大学 | 一种考虑差异可靠性的有源配电网供电能力评估方法 |
| CN109558897A (zh) * | 2018-11-08 | 2019-04-02 | 华北电力大学 | 一种基于数据挖掘的电网规划多场景提取方法 |
| CN110190614A (zh) * | 2019-04-03 | 2019-08-30 | 国网江西省电力有限公司电力科学研究院 | 一种用于消减电网功率缺额的电热负荷控制方法 |
| WO2020143104A1 (zh) * | 2019-01-08 | 2020-07-16 | 南京工程学院 | 一种考虑阻塞和储能分时电价的电网混合滚动调度方法 |
| CN112053253A (zh) * | 2020-01-08 | 2020-12-08 | 国网吉林省电力有限公司 | 一种基于博弈论的光储接入条件下的电网规划方法 |
| CN112366731A (zh) * | 2020-11-05 | 2021-02-12 | 国能日新科技股份有限公司 | 一种电网频率调节方法、系统、服务器及存储介质 |
| CN112952847A (zh) * | 2021-04-06 | 2021-06-11 | 合肥工业大学 | 考虑用电需求弹性的多区域主动配电系统调峰优化方法 |
| AU2021107298A4 (en) * | 2021-08-19 | 2021-12-16 | Central South University | A new energy and stored energy cooperative work method |
| CN114400661A (zh) * | 2022-01-27 | 2022-04-26 | 中广核风电有限公司 | 一种新能源场站储能运行策略在线滚动修正方法及其系统 |
| CN115495505A (zh) * | 2022-10-11 | 2022-12-20 | 国网甘肃省电力公司电力科学研究院 | 一种基于新能源机场群数据关联分析方法 |
| CN115936743A (zh) * | 2022-10-11 | 2023-04-07 | 东北电力大学 | 考虑储能收益情况的调峰调频市场协调控制方法及其系统 |
| CN116739158A (zh) * | 2023-05-31 | 2023-09-12 | 西安电子科技大学 | 一种基于强化学习的自适应优化储能方法 |
| CN116760068A (zh) * | 2023-06-27 | 2023-09-15 | 南京邮电大学 | 储能参与新型电力市场的自适应调频辅助服务方法 |
| CN116896591A (zh) * | 2023-07-17 | 2023-10-17 | 中国电信股份有限公司技术创新中心 | 网络数据分析模型调度方法、装置和计算机设备 |
| CN117010715A (zh) * | 2023-08-08 | 2023-11-07 | 广东电网有限责任公司 | 一种电储能与新能源中长期双边交易策略制定方法及系统 |
| CN117057634A (zh) * | 2023-10-13 | 2023-11-14 | 国网湖北省电力有限公司经济技术研究院 | 储能电站参与电力现货市场的低碳运行优化方法及系统 |
| CN117277372A (zh) * | 2023-09-21 | 2023-12-22 | 青海黄河上游水电开发有限责任公司 | 一种光储电站多时间尺度联合调度方法、系统及电子设备 |
| CN117411189A (zh) * | 2023-12-14 | 2024-01-16 | 山东德源电力科技股份有限公司 | 一种微电网协调控制器的监测数据增强方法 |
| CN117458546A (zh) * | 2023-11-06 | 2024-01-26 | 国网四川省电力公司电力科学研究院 | 基于储能服务互动行为分析的储能策略获取方法及系统 |
| CN117498521A (zh) * | 2023-12-28 | 2024-02-02 | 深圳市名洋能源科技有限公司 | 光伏储能系统的充电控制方法及系统 |
| CN117578565A (zh) * | 2023-11-17 | 2024-02-20 | 国网福建省电力有限公司电力科学研究院 | 一种极端天气下电力系统日前运行策略鲁棒迭代优化方法 |
| CN117674205A (zh) * | 2023-11-03 | 2024-03-08 | 清华大学 | 虚拟电厂低碳权益时空性可信评估与优化调度方法及装置 |
| CN117674192A (zh) * | 2023-12-08 | 2024-03-08 | 国网冀北张家口风光储输新能源有限公司 | 一种多场景下混合储能参与风光储场站的功率分配和调频策略 |
| CN117669960A (zh) * | 2023-12-07 | 2024-03-08 | 中国南方电网有限责任公司 | 一种基于多变量气象因子的新能源功率预测方法 |
-
2024
- 2024-03-20 CN CN202410319829.1A patent/CN117937474B/zh active Active
Patent Citations (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107611966A (zh) * | 2017-09-20 | 2018-01-19 | 天津大学 | 一种考虑差异可靠性的有源配电网供电能力评估方法 |
| CN109558897A (zh) * | 2018-11-08 | 2019-04-02 | 华北电力大学 | 一种基于数据挖掘的电网规划多场景提取方法 |
| WO2020143104A1 (zh) * | 2019-01-08 | 2020-07-16 | 南京工程学院 | 一种考虑阻塞和储能分时电价的电网混合滚动调度方法 |
| CN110190614A (zh) * | 2019-04-03 | 2019-08-30 | 国网江西省电力有限公司电力科学研究院 | 一种用于消减电网功率缺额的电热负荷控制方法 |
| CN112053253A (zh) * | 2020-01-08 | 2020-12-08 | 国网吉林省电力有限公司 | 一种基于博弈论的光储接入条件下的电网规划方法 |
| CN112366731A (zh) * | 2020-11-05 | 2021-02-12 | 国能日新科技股份有限公司 | 一种电网频率调节方法、系统、服务器及存储介质 |
| CN112952847A (zh) * | 2021-04-06 | 2021-06-11 | 合肥工业大学 | 考虑用电需求弹性的多区域主动配电系统调峰优化方法 |
| AU2021107298A4 (en) * | 2021-08-19 | 2021-12-16 | Central South University | A new energy and stored energy cooperative work method |
| CN114400661A (zh) * | 2022-01-27 | 2022-04-26 | 中广核风电有限公司 | 一种新能源场站储能运行策略在线滚动修正方法及其系统 |
| CN115495505A (zh) * | 2022-10-11 | 2022-12-20 | 国网甘肃省电力公司电力科学研究院 | 一种基于新能源机场群数据关联分析方法 |
| CN115936743A (zh) * | 2022-10-11 | 2023-04-07 | 东北电力大学 | 考虑储能收益情况的调峰调频市场协调控制方法及其系统 |
| CN116739158A (zh) * | 2023-05-31 | 2023-09-12 | 西安电子科技大学 | 一种基于强化学习的自适应优化储能方法 |
| CN116760068A (zh) * | 2023-06-27 | 2023-09-15 | 南京邮电大学 | 储能参与新型电力市场的自适应调频辅助服务方法 |
| CN116896591A (zh) * | 2023-07-17 | 2023-10-17 | 中国电信股份有限公司技术创新中心 | 网络数据分析模型调度方法、装置和计算机设备 |
| CN117010715A (zh) * | 2023-08-08 | 2023-11-07 | 广东电网有限责任公司 | 一种电储能与新能源中长期双边交易策略制定方法及系统 |
| CN117277372A (zh) * | 2023-09-21 | 2023-12-22 | 青海黄河上游水电开发有限责任公司 | 一种光储电站多时间尺度联合调度方法、系统及电子设备 |
| CN117057634A (zh) * | 2023-10-13 | 2023-11-14 | 国网湖北省电力有限公司经济技术研究院 | 储能电站参与电力现货市场的低碳运行优化方法及系统 |
| CN117674205A (zh) * | 2023-11-03 | 2024-03-08 | 清华大学 | 虚拟电厂低碳权益时空性可信评估与优化调度方法及装置 |
| CN117458546A (zh) * | 2023-11-06 | 2024-01-26 | 国网四川省电力公司电力科学研究院 | 基于储能服务互动行为分析的储能策略获取方法及系统 |
| CN117578565A (zh) * | 2023-11-17 | 2024-02-20 | 国网福建省电力有限公司电力科学研究院 | 一种极端天气下电力系统日前运行策略鲁棒迭代优化方法 |
| CN117669960A (zh) * | 2023-12-07 | 2024-03-08 | 中国南方电网有限责任公司 | 一种基于多变量气象因子的新能源功率预测方法 |
| CN117674192A (zh) * | 2023-12-08 | 2024-03-08 | 国网冀北张家口风光储输新能源有限公司 | 一种多场景下混合储能参与风光储场站的功率分配和调频策略 |
| CN117411189A (zh) * | 2023-12-14 | 2024-01-16 | 山东德源电力科技股份有限公司 | 一种微电网协调控制器的监测数据增强方法 |
| CN117498521A (zh) * | 2023-12-28 | 2024-02-02 | 深圳市名洋能源科技有限公司 | 光伏储能系统的充电控制方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 王永利，等: "基于混合博弈的综合能源系统...体参与电碳市场交易方法研究", 《煤炭经济研究》, vol. 43, no. 7, 31 July 2023 (2023-07-31), pages 19 - 27 * |
| 颜志敏，等: "储能应用规划和效益评估的研究综述", 《华东电力》, vol. 41, no. 8, 31 August 2013 (2013-08-31), pages 1733 - 1738 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117937474B (zh) | 2024-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107591844B (zh) | 考虑节点注入功率不确定性的主动配电网鲁棒重构方法 | |
| CN110380444B (zh) | 一种基于变结构Copula的多场景下分散式风电有序接入电网的容量规划方法 | |
| CN115983430B (zh) | 一种综合能源系统管理优化的方法及系统 | |
| CN110460038A (zh) | 一种涉及新能源并网的多场景输电网扩展规划方法 | |
| CN111783947A (zh) | 一种基于lstm神经网络的能耗预测方法 | |
| CN117013527A (zh) | 一种分布式光伏发电功率预测方法 | |
| CN117595391A (zh) | 一种电网系统的协调控制方法 | |
| CN116826710A (zh) | 基于负荷预测的削峰策略推荐方法、装置及存储介质 | |
| CN117557009B (zh) | 一种电源效率监测方法及系统 | |
| CN117353359B (zh) | 电池联合储能供电方法及系统 | |
| CN115189416A (zh) | 基于日前电价分级预测模型的发电系统控制方法及系统 | |
| Li et al. | A novel framework for integrating solar renewable source into smart cities through digital twin simulations | |
| CN108108837B (zh) | 一种地区新能源电源结构优化预测方法和系统 | |
| CN117595231B (zh) | 一种智能电网配网管理系统及其方法 | |
| CN117937474B (zh) | 一种新能源场站储能管理方法及系统 | |
| CN115495862A (zh) | 考虑可再生能源极端场景的输电网扩展规划方法及系统 | |
| CN113222216A (zh) | 冷热电负荷预测方法、装置及系统 | |
| CN113609768A (zh) | 基于双向lstm网络的台区线损率计算方法 | |
| CN114091767A (zh) | 数据驱动的综合能源系统鲁棒随机规划的方法及系统 | |
| CN111967689A (zh) | 一种结合多元及分步线性回归和人工神经网络进行风力发电预测的模型和方法 | |
| CN113536694B (zh) | 综合能源系统鲁棒优化运行方法、系统、装置及存储介质 | |
| CN117057516B (zh) | 一种基于系统动力学的碳核算参数分析预测方法 | |
| CN115879570B (zh) | 电网负荷预测模型的建立方法及计算机可读储存介质 | |
| CN115907131B (zh) | 一种北方地区电采暖负荷预测模型搭建方法和系统 | |
| CN117220271A (zh) | 基于负荷预测的综合能源管理系统运行优化方法及系统 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20240527 Address after: 071000 No. 54 East 180 Road, Hebei, Baoding Applicant after: HEBEI University Country or region after: China Address before: Room 2503-1, Building 1, Guanglian Cloud Center Smart Industrial Park, 2628 Xiangyang North Street, Baoding City, Hebei Province, 071000 Applicant before: Baoding Bokunyuan Information Technology Co.,Ltd. Country or region before: China |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant |