CN216134272U - 基于深度学习的直流供电系统 - Google Patents
基于深度学习的直流供电系统 Download PDFInfo
- Publication number
- CN216134272U CN216134272U CN202120963019.1U CN202120963019U CN216134272U CN 216134272 U CN216134272 U CN 216134272U CN 202120963019 U CN202120963019 U CN 202120963019U CN 216134272 U CN216134272 U CN 216134272U
- Authority
- CN
- China
- Prior art keywords
- module
- direct current
- direct
- power generation
- current voltage
- 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
Images
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本实用新型公开一种基于深度学习的直流供电系统,包括多个分布式能源发电装置、分布式能源互补控制器、第一调度模组、直流储能装置、多个直流负载支路、第二调度模组及服务器。所述分布式能源互补控制器生成第一直流电压信号。所述第一调度模组对所述分布式能源互补控制器发电效率深度融合并控制所述第一直流电压信号输出。所述直流储能装置储存来自所述多个分布式能源发电装置的电能。所述第二调度模组向所述多个直流负载支路配电。所述服务器根据所述第二调度模组的功耗参数反馈控制信号驱动所述第一调度模组,进而控制所述多个分布式能源发电装置协调工作。本实用新型的直流供电系统提高供电侧和配电侧的均衡调度。
Description
技术领域
本实用新型涉及供电技术领域,具体涉及一种基于深度学习的直流供电系统。
背景技术
近年来,随着分布式能源的发展,可再生能源并网技术和新型电力电子技术的亦得到快速发展,另一方面,随着供电需求的增加和配电网技术的发展,配电网的结构日趋复杂,朝着规模化、多节点及多样化方向发展。
在配电网络侧接入大量分布式电源、储能系统及大容量充电器等,配电网络的运行方式日益复杂,因此,赋予了配电网络结构和参数显著的分散性、不对称性和多样性因素。
现有技术中存在多种分布式发电系统,如:光伏发电系统、风力发电系统等,上述分布式发电系统应用于电网存在诸多缺陷,首先,大多数分布式电源需要通过电力电子转换器为电网或负载供电;其次,许多分布式电源在输出中是间歇性和随机的,通常需要与能量存储设备,功率补偿设备和其他类型的分布式电源相匹配,以实现相对较高的动态和静态性能;再者,中/低容量分布式电源主要接入中/低压配电网络,此时网络参数和负载的不对称性大大增加;此外,用户侧的分布式电源可能是通过单相逆变器连接,更加恶化系统的不对称性。
因此,复杂配电网络的运行状态可以随环境条件的变化,负载需求的增加和减少,功率输出的调整,运行方式的改变以及故障或干扰的发生而变化。
由此可见,上述电网配电系统存在一定的缺点,有必要寻求一种新颖的供电系统以有效解决上述技术问题。
实用新型内容
本实用新型的目的是克服上述技术问题,提供一种直流供电系统。
本实用新型的技术方案是:一种基于深度学习的直流供电系统,其特征在于,包括多个分布式能源发电装置、分布式能源互补控制器、第一调度模组、直流储能装置、多个直流负载支路、第二调度模组及服务器,所述分布式能源互补控制器对多个所述分布式能源发电装置的发电效率深度融合获得直流电压信号;所述第一调度模组采用深度学习智能调度所述多个分布式能源发电装置的发电功率,实现对所述分布式能源互补控制器发电效率深度融合的控制;所述直流储能装置接收来自所述分布式能源互补控制器的直流电压信号,储存来自所述多个分布式能源发电装置的电能;所述多个直流负载支路,接收来自所述直流储能装置的电能;所述第二调度模组,采用深度学习智能调度所述直流储能装置向所述多个直流负载支路的配电;所述服务器,接收来自所述第二调度模组的用电功耗参数,并根据所述第二调度模组的功耗参数反馈控制信号驱动所述第一调度模组,进而控制所述多个分布式能源发电装置协调工作。
优选的,还包括交流输入/输出端及双向转换模组,所述双向转换模组两端分别与所述交流输入/输出端及所述直流储能模组对应电连接。
优选的,所述双向转换模组包括依次相接设置的第一转换单元、第二转换单元、第三转换单元及变压器,其中当所述直流储能模组向所述第一转换单元的输入端输入直流电压时,所述第一转换单元、第二转换单元、第三转换单元顺次对所述直流电压进行斩波、整流及逆变以转换为第一交流电压,所述第一交流电压从所述第三转换单元的输出端输出;当所述第三转换单元的输出端连接交流电压时,所述第三转换单元、第二转换单元、第一转换单元顺次对所述第二交流电压进行第一次整流、斩波及第二次整流以转换为第二直流电压,所述第二直流电压为所述直流储能模组充电。
优选的,所述分布式能源发电装置至少包括光伏发电和风力发电。
优选的,所述第一调度模组包括第一数据采集模组、第一深度学习模型和第一驱动控制模组,所述第一数据采集模组分别采集所述分布式能源发电装置的实时发电效率,所述第一深度学习模型根据所述第一数据采集的采集结果生成发电方案,并通过所述第一驱动控制模组动态控制所述多个分布式能源发电装置的实时发电效率,使得所述分布式能源互补控制器输出稳定的第一直流电压信号。
优选的,所述双向转换模组两端分别与所述交流输入/输出端及所述直流储能模组电连接,当所述直流储能模组存储电能高于设定值,则所述双向转换模组转换所述直流储能模组的直流电压信号逆变为交流电压信号,经所述交流输入/输出端输出;当所述直流储能模组存储电能低于设定值,则所述双向转换模组转换所述交流输入/输出端输出的交流电压信号整流为直流电压信号,存储至所述直流储能模组。
优选的,所述第二调度模组包括第二数据采集模组、第二深度学习模型及第二驱动控制模组,所述第二数据采集模组分别采集所述多个直流负载支路的功耗参数,所述第二深度学习模型根据所述第二数据采集模组所采集的功耗参数生成智能配电方案,所述第二驱动控制模组控制所述直流储能模组的智能输出。
优选的,所述服务器包括第三深度学习模型,其接收来自所述第二驱动控制模组的配电方案,产生控制信号控制所述第一驱动控制模组的发电方案,使得所述配电方案与所述发电方案深度融合。
优选地,所述服务器与所述第一调度模组及所述第二调度模组分别通过RF通信模组实现无线数据传输。
与相关技术相比,本实用新型提供的直流供电系统中,设置第一调度模组、第二调度模组及服务器。鉴于不同所述分布式能源发电装置的环境因素、气候因素、光照因素等的影响,导致其发电效率的不稳态,其中所述第一调度模组根据所述分布式能源发电装置的实际发电特点,通过深度学习模组智能识别和精准调整所述分布式能源发电装置的实际工作状态,使得所述分布式能源互补控制器有效协调所述不同分布式能源发电装置的实际工作状态,保证所述分布式能源互补控制器输出稳定的第一直流电压信号至所述直流储能模组。
其次,鉴于所述直流负载自身不同时间段的耗电功率的离散型,本实用新型的直流供电系统中增加设置第二调度模组,其根据所述不同直流负载支路的用电情况生成智能配电方案,动态调整所述智能储能模组的动态输出,使得所述直流负载根据实际用电情况对应良性工作,避免其处于过压或者低压工作状态给负载带来损坏。
再者,增加设置双向转换模组,所述双向转换模组将接收的直流信号转换为交流信号,或者将接收的交流信号转换为直流信号,设定所述直流储能模组的工作上限值和下限值,当所述直流储能模组存储电能高于设定值,则所述双向转换模组转换所述直流储能模组的直流电压信号逆变为交流电压信号,经所述交流输入/输出端输出;当所述直流储能模组存储电能低于设定值,则所述双向转换模组转换所述交流输入/输出端输出的交流电压信号整流为直流电压信号,存储至所述直流储能模组,使得市电交流信号作为直流供电系统的有益互补,补充所述多个分布式能源发电装置发电不稳定带来的缺陷。
最后,采用服务器与第一调度模组和第二调度模组无线通信模式,将直流负载端的配电方案与多个分布式能源发电装置的发电方案有机互动,深度融合协调性调度,实现配电与发电之间的良性均衡工作,提高节能效果。
附图说明
为了更清楚地说明本实用新型实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本实用新型的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图,其中:
图1为本发明提供的直流供电系统框架示意图;
图2为图1所示第一调度模组结构框图;
图3为图1所示第二调度模组结构框图;
图4为图1所示双向转换模组结构框图;
图5为图1所示直流供电系统的供电方法流程示意图。
具体实施方式
下面将结合本实用新型实施例中的附图,对本实用新型实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本实用新型的一部分实施例,而不是全部的实施例。基于本实用新型中的实施例,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它实施例,都属于本实用新型保护的范围。
请参阅图1,为本实用新型揭示一种直流供电系统的结构框图。所述直流供电系统10包括多个分布式能源发电装置11、分布式能源互补控制器13、第一调度模组15、交流输入/输出端20、双向转换模组21、直流储能模组17、多个直流负载支路18、第二调度模组19及服务器30。
所述多个分布式能源发电装置11是直接产生直流电压信号的发电设备,其可以是光伏发电系统,也可以是风力发电系统等产生直流电压信号的发电装置。在具体实际实施中,所述多个分布式能源发电装置11可以是多个光伏发电系统组成的分布式能源发电装置11,也可以是多个风力发电系统组成的分布式能源发电装置11,更或者是采用光伏发电系统混合风力发电系统组成的混合分布式能源发电装置11。
所述分布式能源互补控制器13同时与所述多个分布式能源发电装置11对应电连接。所述分布式能源发电装置11工作发电,产生直流电压信号汇聚至所述分布式能源互补控制器13。所述分布式能源互补控制器13将接收到的直流电压信号整流后生成第一直流电压信号。鉴于所述分布式能源发电装置11工作的不稳态特性,如:所述光伏发电系统受光照时长影响,风力发电系统受当前环境风侯影响,所述分布式能源互补控制器13接收来自所述多个分布式能源发电装置11产生的直流电压信号,并做互补运算处理后输出第一直流电压信号,所述第一直流电压信号是一稳态直流电压信号,其综合多个分布式能源发电装置11离散的发电效率特点,对应输出稳态的直流电压信号,回避现有技术多个分布式能源发电装置11输出不稳态直流电压信号的问题。
请参阅图2,是图1所示第一调度模组的结构示意图。所述第一调度模组15包括第一数据采集模组151、第一深度学习模型153及第一驱动控制模组155。所述第一数据采集模组151实时监测所述分布式能源发电装置11的工作状态,并记录各所述分布式能源发电装置11发电效率和输出电压信号,所述第一深度学习模型153接收所述第一数据采集模组151所采集的发电效率和输出电压信号,并经过深度学习处理后生成发电方案,并反馈至所述分布式能源互补控制器13,所述分布式能源互补控制器13对应根据所述多个分布式能源发电装置11的输出第一直流电压信号,即所述直流供电系统10的发电效率。
所述直流储能模组17是一大容量蓄电装置,其接收来自所述分布式能源互补控制器13调控后的第一直流电压信号,蓄积电能。在本实施方式中,所述直流储能模组17作为中间电能存储介质,选用铅酸电池或磷酸铁锂、镍锰钴三元电池。并且,根据项目的需求可扩大储能电池配置容量系统以此实现削峰填谷、负荷补偿的效果。另外对于峰谷电价差较大的项目,储能电池存储谷电,供峰时设备使用,一定程度帮助项目降低运行成本,扩大项目效益。
所述直流负载支路18可以是直流智慧照明系统。所述直流智慧照明系统由智能直流柜、直流配电线路、直流LED灯具、智能监控系统构成。在所述直流负载18工作时,采用直流集中供电方式,彻底解决LED灯具寿命瓶颈难题,并显著提高照明配电系统安全性。智能直流柜与软件平台对接能对LED灯具做出分路径、分时间开关灯、调光智能调控,可以低成本实现二次节能。
进一步的,所述直流负载支路18不仅仅局限于直流智慧照明系统,其还可以是直流充电桩等直流电压信号作为输入端的用电设备,对于本领域技术人员而言,凡是接收直流电压信号作为输入端的用电设备,均属于本实用新型所述直流负载支路18的范畴,在此不一一赘述。所述直流负载支路18具有用电分散性的特点。
请参阅图3,是图1所示第二调度模组的结构框图。所述第二调度模组19分别与所述直流负载支路18和所述直流储能模组17对应电连接。所述第二调度模组19包括第二数据采集模组191、第二深度学习模型193及第二驱动控制模组195。所述第二数据采集模组191实时监测所述多个直流负载支路18的用电功耗参数,并反馈至所述第二深度学习模型193。所述第二深度学习模型193根据所述第二数据采集模组191所采集的实际用电参数生成智能配电方案。所述第二驱动控制模组195依据所述智能配电方案驱动所述直流储能模组17的输出工作状态,实现智能输出。
所述交流输入/输出端20提供交流电源,同时输出交流信号输出。具体而言,当所述交流输入/输出端20作为补充能源,提供交流电至所述直流供电系统10时,所述交流输入/输出端20输入交流电压信号;当所述交流输入/输出端20作为直流供电系统10的输出端时,其接收来自所述直流供电系统10多余的电能,并经逆变处理后传输至电网,也就是说,所述交流输入/输出端20具有两个工作状态,其可以作为所述直流供电系统10的输出端,输出交流电压信号,还可以作为补充能源提供交流电压信号至所述直流供电系统10。
所述双向转换模组21的两端分别与所述交流输入/输出端20及所述直流储能模组17对应电连接。所述双向转换模组21实现直流交流的信号转换,具体而言,当所述双向转换模组21接收来自所述交流输入/输出端20的交流信号,其对应将所述交流信号整流后生成第二直流电压信号,传输至所述直流储能模组17蓄电;当所述双向转换模组21接收来自所述直流储能模组17的直流信号,其对应将所述直流信号逆变后生成第二交流电压信号至电网,实现并网。
请参阅图4,是图1所示双向转换模组的结构框图。所述双向转换模组21包括依次相接设置的第一转换单元211、第二转换单元213、第三转换单元215及变压器217。其中当所述直流储能模组17向所述第一转换单元211的输入端输入直流电压时,所述第一转换单元211、第二转换单元213、第三转换单元215顺次对所述直流电压进行斩波、整流及逆变以转换为第一交流电压,所述第一交流电压从所述第三转换单元215的输出端输出。当所述第三转换单元215的输出端连接交流电压时,所述第三转换单元215、第二转换单元213、第一转换单元211顺次对所述第二交流电压进行第一次整流、斩波及第二次整流以转换为第二直流电压,所述第二直流电压为所述直流储能模组17充电。
所述服务器30同时与所述第一调度模组15及所述第二调度模组19对应互为无线通信。具体而言,所述服务器30、所述第一调度模组15及所述第二调度模组19均包括RF通信模组,其实现所述服务器30分别与所述第一调度模组15及所述第二调度模组19之间的无线通信。所述服务器30包括第三深度学习模型31,其接收来自所述第二驱动控制模组195的配电方案,产生控制信号控制所述第一驱动控制模组155的发电方案,使得所述配电方案与所述发电方案深度融合。
再请参阅图5,是图1所示直流供电系统的供电方法流程示意图。当所述直流供电系统10工作时,其包括如下步骤:
步骤S01,所述多个分布式能源发电装置11发电产生多个直流电压信号,并汇聚至所述分布式能源互补控制器;
步骤S02,提供第一调度模组,基于所述多个分布式能源发电装置11的实时发电效率,产生发电方案,调控所述分布式能源发电装置11的工作状态;
步骤S03,所述直流储能模组17接收来自所述分布式能源互补控制器输出的第一直流电压信号,并蓄积电能;
步骤S04,所述交流输入/输出端20通过所述双向转换模组21与所述直流储能模组17对应电连接,并通过所述双向转换模组21实现所述交流输入/输出端20与所述直流储能模组17之间的电力交互输入输出;
步骤S05,所述直流负载支路18与所述直流储能模组17对应电连接,所述直流储能模组17向所述直流负载支路18输出直流电压信号,驱动所述直流负载支路18工作;
步骤S06,提供第二调度模组,基于所述多个直流负载的耗电参数,产生配电方案,调控所述直流储能模组17智能输出。
其中所述步骤S03与所述步骤S04可以同步进行。且,所述交流输入/输出端20及所述双向转换模组21具有双向工作性能,其存在两种工作状态,分别是:
工作状态一:当所述直流储能模组17存储电能高于设定值,则所述双向转换模组21转换所述直流储能模组17的直流电压信号逆变为交流电压信号,经所述交流输入/输出端20输出;
工作状态二:当所述直流储能模组17存储电能低于设定值,则所述双向转换模组21转换所述交流输入/输出端20输出的交流电压信号整流为直流电压信号,存储至所述直流储能模组17,基于实际工作需要,所述交流输入/输出端20及所述双向转换模组21作为补充能源机动性补充所述多个分布式能源发电装置11。
相较于现有技术,在本实用新型的基于深度学习的直流供电系统10中,本实用新型提供的直流供电系统10和智能供电方法中,设置第一调度模组15、第二调度模组19及服务器30。鉴于不同所述分布式能源发电装置11的环境因素、气候因素、光照因素等的影响,导致其发电效率的不稳态,其中所述第一调度模组15根据所述分布式能源发电装置11的实际发电特点,通过深度学习模组智能识别和精准调整所述分布式能源发电装置11的实际工作状态,使得所述分布式能源互补控制器13有效协调所述不同分布式能源发电装置11的实际工作状态,保证所述分布式能源互补控制器13输出稳定的第一直流电压信号至所述直流储能模组。
其次,鉴于所述直流负载18自身不同时间段的耗电功率的离散型,本实用新型的直流供电系统10中增加设置第二调度模组19,其根据所述不同直流负载支路18的用电情况生成智能配电方案,动态调整所述智能储能模组17的动态输出,使得所述直流负载81根据实际用电情况对应良性工作,避免其处于过压或者低压工作状态给负载带来损坏。
再者,增加设置双向转换模组21,所述双向转换模组21将接收的直流信号转换为交流信号,或者将接收的交流信号转换为直流信号,设定所述直流储能模组17的工作上限值和下限值,当所述直流储能模组17存储电能高于设定值,则所述双向转换模组21转换所述直流储能模组17的直流电压信号逆变为交流电压信号,经所述交流输入/输出端20输出;当所述直流储能模组17存储电能低于设定值,则所述双向转换模组21转换所述交流输入/输出端20输出的交流电压信号整流为直流电压信号,存储至所述直流储能模组17,使得市电交流信号作为直流供电系统的有益互补,补充所述多个分布式能源发电装置11发电不稳定带来的缺陷。
最后,采用服务器30与第一调度模组15和第二调度模组19无线通信模式,将直流负载端的配电方案与多个分布式能源发电装置11的发电方案有机互动,深度融合协调性调度,实现配电与发电之间的良性均衡工作,提高节能效果。
以上所述仅为本实用新型的实施例,并非因此限制本实用新型的专利范围,凡是利用本实用新型说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本实用新型的专利保护范围内。
Claims (9)
1.一种基于深度学习的直流供电系统,其特征在于,包括:
多个分布式能源发电装置;
分布式能源互补控制器,对多个所述分布式能源发电装置的发电效率深度融合获得直流电压信号;
第一调度模组,采用深度学习智能调度所述多个分布式能源发电装置的发电功率,实现对所述分布式能源互补控制器发电效率深度融合的控制,调整所述直流电压信号的输出;
直流储能装置,接收经调整后的来自所述分布式能源互补控制器的直流电压信号,储存来自所述多个分布式能源发电装置的电能;
多个直流负载支路,接收来自所述直流储能装置的电能;
第二调度模组,采用深度学习智能调度所述直流储能装置向所述多个直流负载支路的配电;及
服务器,接收来自所述第二调度模组的用电功耗参数,并根据所述第二调度模组的功耗参数反馈控制信号驱动所述第一调度模组,进而控制所述多个分布式能源发电装置均衡工作。
2.根据权利要求1所述的基于深度学习的直流供电系统,其特征在于,还包括交流输入/输出端及双向转换模组,所述双向转换模组两端分别与所述交流输入/输出端及所述直流储能模组对应电连接。
3.根据权利要求2所述的基于深度学习的直流供电系统,其特征在于,所述双向转换模组包括依次相接设置的第一转换单元、第二转换单元、第三转换单元及变压器,其中当所述直流储能模组向所述第一转换单元的输入端输入直流电压时,所述第一转换单元、第二转换单元、第三转换单元顺次对所述直流电压进行斩波、整流及逆变以转换为第一交流电压,所述第一交流电压从所述第三转换单元的输出端输出;当所述第三转换单元的输出端连接交流电压时,所述第三转换单元、第二转换单元、第一转换单元顺次对所述交流电压进行第一次整流、斩波及第二次整流以转换为第二直流电压,所述第二直流电压为所述直流储能模组充电。
4.根据权利要求1所述的基于深度学习的直流供电系统,其特征在于,所述分布式能源发电装置至少包括光伏发电和风力发电。
5.根据权利要求1所述的基于深度学习的直流供电系统,其特征在于,所述第一调度模组包括第一数据采集模组、第一深度学习模型和第一驱动控制模组,所述第一数据采集模组分别采集所述分布式能源发电装置的实时发电效率,所述第一深度学习模型根据所述第一数据采集的采集结果生成发电方案,并通过所述第一驱动控制模组动态控制所述多个分布式能源发电装置的实时发电效率,使得所述分布式能源互补控制器输出稳定的第一直流电压信号。
6.根据权利要求2所述的基于深度学习的直流供电系统,其特征在于,所述双向转换模组两端分别与所述交流输入/输出端及所述直流储能模组电连接,当所述直流储能模组存储电能高于设定值,则所述双向转换模组转换所述直流储能模组的直流电压信号逆变为交流电压信号,经所述交流输入/输出端输出;当所述直流储能模组存储电能低于设定值,则所述双向转换模组转换所述交流输入/输出端输出的交流电压信号整流为直流电压信号,存储至所述直流储能模组。
7.根据权利要求5所述的基于深度学习的直流供电系统,其特征在于,所述第二调度模组包括第二数据采集模组、第二深度学习模型及第二驱动控制模组,所述第二数据采集模组分别采集所述多个直流负载支路的功耗参数,所述第二深度学习模型根据所述第二数据采集模组所采集的功耗参数生成智能配电方案,所述第二驱动控制模组控制所述直流储能模组的智能输出。
8.根据权利要求7所述的基于深度学习的直流供电系统,其特征在于,所述服务器包括第三深度学习模型,其接收来自所述第二驱动控制模组的配电方案,产生控制信号控制所述第一驱动控制模组的发电方案,使得所述配电方案与所述发电方案深度融合。
9.根据权利要求8所述的基于深度学习的直流供电系统,其特征在于,所述服务器与所述第一调度模组及所述第二调度模组分别通过RF通信模组实现无线数据传输。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202120963019.1U CN216134272U (zh) | 2021-05-07 | 2021-05-07 | 基于深度学习的直流供电系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202120963019.1U CN216134272U (zh) | 2021-05-07 | 2021-05-07 | 基于深度学习的直流供电系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN216134272U true CN216134272U (zh) | 2022-03-25 |
Family
ID=80764334
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202120963019.1U Active CN216134272U (zh) | 2021-05-07 | 2021-05-07 | 基于深度学习的直流供电系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN216134272U (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117439274A (zh) * | 2023-12-18 | 2024-01-23 | 广州市威士丹利智能科技有限公司 | 基于能源管理控制系统的状态监控方法 |
-
2021
- 2021-05-07 CN CN202120963019.1U patent/CN216134272U/zh active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117439274A (zh) * | 2023-12-18 | 2024-01-23 | 广州市威士丹利智能科技有限公司 | 基于能源管理控制系统的状态监控方法 |
CN117439274B (zh) * | 2023-12-18 | 2024-04-12 | 广州市威士丹利智能科技有限公司 | 基于能源管理控制系统的状态监控方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | A hybrid AC/DC microgrid and its coordination control | |
CN102005817B (zh) | 基于微电网的不间断电源装置及其调度控制方法 | |
CN106253268B (zh) | 基于多电源-多电压等级负荷家用智能能量路由器装置 | |
US20220158464A1 (en) | Ev charger with adaptable charging protocol | |
CN101013819A (zh) | 将能量储存系统耦合到可变能量供应系统的方法和装置 | |
CN103066677A (zh) | 一种自适应性混合供电系统 | |
CN202435050U (zh) | 风电场的分布式储能系统 | |
CN115800349A (zh) | 一种直流微电网功率平衡方法及装置 | |
CN216134272U (zh) | 基于深度学习的直流供电系统 | |
Hu et al. | Model predictive control of smart microgrids | |
da Câmara et al. | An application of the multi-port bidirectional three-phase AC-DC converter in electric vehicle charging station microgrid | |
CN104600811A (zh) | 一种智能光伏充电系统 | |
US20230163590A1 (en) | Power supply system and power supply control method thereof | |
CN202134923U (zh) | 深度充放电型电池蓄能并网装置 | |
CN116054122A (zh) | 微电网绿色新能源系统及功率能量控制方法 | |
CN115842369A (zh) | 一种模块化光储一体机及其控制方法 | |
CN105244884A (zh) | 一种柔性接入智能家居接口 | |
CN113328427B (zh) | 基于深度学习的直流供电系统及供电方法 | |
CN113708425A (zh) | 直流微电网系统及其智能直流柜 | |
CN203491711U (zh) | 一种分布式发电并网控制系统 | |
CN111277003A (zh) | 一种微电网配电系统 | |
Xu et al. | Control Strategy of DC nanogrid Based on hierarchical bus voltage control and droop control | |
Yahoui et al. | A control strategy for DC Smart Grids operation | |
CN109038679A (zh) | 一种交直流混合并离网能量路由器装置 | |
CN220628953U (zh) | 一种基于光伏幕墙的5g基站供电装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant |