TW201520784A - 再生能源發電量預測系統及方法以及供電配置系統 - Google Patents

再生能源發電量預測系統及方法以及供電配置系統 Download PDF

Info

Publication number
TW201520784A
TW201520784A TW102143794A TW102143794A TW201520784A TW 201520784 A TW201520784 A TW 201520784A TW 102143794 A TW102143794 A TW 102143794A TW 102143794 A TW102143794 A TW 102143794A TW 201520784 A TW201520784 A TW 201520784A
Authority
TW
Taiwan
Prior art keywords
power generation
historical
load
amount
power
Prior art date
Application number
TW102143794A
Other languages
English (en)
Inventor
Tzong-Hsien Ho
Original Assignee
Inst Information Industry
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 Inst Information Industry filed Critical Inst Information Industry
Priority to TW102143794A priority Critical patent/TW201520784A/zh
Priority to CN201310660824.7A priority patent/CN104680241A/zh
Priority to US14/101,360 priority patent/US20150153714A1/en
Publication of TW201520784A publication Critical patent/TW201520784A/zh

Links

Classifications

    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
    • G05B13/026—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system using a predictor
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • 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
    • 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
    • H02J2300/28—The renewable source being wind energy
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
    • Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • Power Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

一種再生能源發電量預測系統，包含量測模組以及控制模組。量測模組用以量測至少一再生能源發電裝置之發電量，並輸出複數個歷史發電量數值。控制模組包含運算單元以及機器學習單元。運算單元用以根據歷史發電量數值計算歷史發電量變化率。機器學習單元用以根據歷史發電量變化率，估算預測發電量。此外，一種再生能源發電量預測方法以及一種供電配置系統亦在此揭露。

Description

再生能源發電量預測系統及方法以及供電配置系統
本發明是有關於一種預測系統及方法，且特別是有關於一種再生能源發電量預測系統及再生能源發電量預測方法以及一種供電配置系統。
再生能源發電量預測系統係用以預測再生能源發電裝置的發電量，並可根據該預測發電量對供電網路之供電進行配置。然而，習知技術需要同時考慮許多影響因子，例如：環境因子中的日照、溫度、溼度、風力、雨量…等以及系統因子中的零組件故障率、接線問題…等，使得預測時需要執行大量的運算，造成系統運算量龐大與運算時間冗長，且預測結果之準確率也不高。
因此，本發明之一態樣是在提供一種再生能源發電量預測系統，其包含量測模組以及控制模組。量測模組用以量測至少一再生能源發電裝置之發電量，並輸出複數個歷史發電量數值。 控制模組包含運算單元以及機器學習(Machine Learning)單元。運算單元用以根據歷史發電量數值計算歷史發電量變化率。機器學習單元用以根據歷史發電量變化率，估算預測發電量。
本發明之另一態樣是在提供一種再生能源發電量預測方法，再生能源發電量預測方法包含下列步驟：量測至少一再生能源發電裝置之發電量，以產生複數個歷史發電量數值；根據歷史發電量數值，計算複數個歷史發電量變化率；以及根據歷史發電量變化率，估算預測發電量。
本發明之另一態樣是在提供一種供電配置系統，用以配置至少一再生能源發電裝置對複數個負載裝置之供電，該供電配置系統包含：量測模組、控制模組以及負載調控模組。量測模組用以量測再生能源發電裝置之發電量，並輸出複數個歷史發電量數值。控制模組包含運算單元以及機器學習單元，其中運算單元用以根據歷史發電量數值計算複數個歷史發電量變化率，機器學習單元用以根據歷史發電量變化率，估算預測發電量。負載調控模組用以比較預測發電量與負載所需電量，當預測發電量小於負載所需電量時，負載調控模組控制部分負載裝置進行卸載或接收一額外的外部電能，當預測發電量大於負載所需電量時，負載調控模組控制部分負載裝置進行加載。
應用本發明之優點在於藉由使用歷史發電量變化率與機器學習演算法來預測再生能源之發電量，如此可省去習知預測方法因為需要同時考慮許多影響因子，例如：環境因子中的日照、溫度、溼度、風力、雨量…等以及系統因子中的零組件故障率、接線問題…等所造成的大量運算，可以有效節省系統運算量 與運算時間，且於實驗中可發現，本發明所預測之發電量相較於習知技術更為準確。而輕易地達到上述之目的。
100‧‧‧再生能源發電量預測系統
102、102a‧‧‧再生能源發電裝置
110、110a‧‧‧量測模組
112‧‧‧歷史發電量數值
114‧‧‧歷史發電量變化率
116‧‧‧預測發電量
120、120a‧‧‧控制模組
122、122a‧‧‧運算單元
124、124a‧‧‧機器學習單元
202、204、206‧‧‧步驟
300‧‧‧供電配置系統
310‧‧‧負載裝置
320‧‧‧負載調控模組
第1圖為本發明一實施例中，一種再生能源發電量預測系統之方塊示意圖。
第2圖為本發明一實施例中，一種再生能源發電量預測方法之流程示意圖。
第3圖為本發明一實施例中，一種供電配置系統之方塊示意圖。
下文係舉實施例配合所附圖式作詳細說明，但所提供之實施例並非用以限制本發明所涵蓋的範圍，而結構運作之描述非用以限制其執行之順序，任何由元件重新組合之結構，所產生具有均等功效的裝置，皆為本發明所涵蓋的範圍。此外，圖式僅以說明為目的，並未依照原尺寸作圖。為使便於理解，下述說明中相同元件將以相同之符號標示來說明。
在全篇說明書與申請專利範圍所使用之用詞(terms)，除有特別註明外，通常具有每個用詞使用在此領域中、在此揭露之內容中與特殊內容中的平常意義。某些用以描述本揭露之用詞將於下或在此說明書的別處討論，以提供本領域技術人員在有關本揭露之描述上額外的引導。
另外，關於本文中所使用之『耦接』或『連接』，均可 指二或多個元件相互直接作實體或電性接觸，或是相互間接作實體或電性接觸，亦可指二或多個元件相互操作或動作。
請參照第1圖。第1圖為本發明一實施例中，一種再生能源發電量預測系統100之方塊示意圖。
再生能源發電量預測系統100用以預測至少一再生能源發電裝置102於未來一時間點之發電量，其中該未來時間點可為一秒鐘後、一分鐘後、一小時後、一天後或一週後等任一未來時間。
於一實施例中，上述再生能源發電裝置102可包含太陽能發電裝置、風力發電裝置、潮汐發電裝置、地熱發電裝置或水力發電裝置等再生能源發電裝置。舉例來說，上述再生能源發電裝置102包含三組太陽能發電機組、兩組風力發電機組以及一組地熱發電機組。
再生能源發電量預測系統100包含量測模組110以及控制模組120。
量測模組110用以量測上述再生能源發電裝置102之發電量，並輸出複數個歷史發電量數值112。
控制模組120包含運算單元122以及機器學習(Machine Learning)單元124。運算單元122用以根據歷史發電量數值112計算複數個歷史發電量變化率114。機器學習單元124用以根據歷史發電量變化率114估算預測發電量。
於一實施例中，歷史發電量變化率114為相鄰兩歷史時間所量測之歷史發電量數值之變化率。
於另一實施例中，歷史發電量變化率114係藉由下列數 學式計算產生： ，其中n為一大於2之正整數，P(t_1)、P(t_2)、P(t_3)…P(t_n)為量測模組110於相異之歷史時間t_1、t_2、…、t_n所量測並產生之歷史發電量數值。
於一例子中，再生能源發電量預測系統100欲估算再生能源發電裝置102於一未來時間點t時之預測發電量。量測模組110輸出再生能源發電裝置102分別於一千個過去時間點t_1、t_2、t_3、...t_1000之歷史發電量數值P(t_1)、P(t_2)、P(t_3)...P(t_1000)。運算單元122根據上述一千個歷史發電量數值計算出下列999個歷史發電量變化率： ，然後機器學習單元124對上述999個歷史發電量變化率執行一估算程序，並將估算結果Pf(t)做為再生能源發電裝置102於未來時間點t時之預測發電量。
另外需說明的是，上述用於估算預測發電量之歷史發電量數值並不限於1000個，歷史發電量變化率亦不限於999個。舉例來說，機器學習單元122係對500個歷史發電數值計算出300個歷史發電量變化率以估算預測發電量。
其次，於另一實施例中，機器學習單元124對上述歷史發電量變化率利用一類神經網路(Neural Network)、一模糊類神經網路(Fuzzy Neural Network)、一基因演算法(Genetic Algorithm)、一粒子群優化演算法中之一者或上述四者之組合，估算出預測發電量。
以上實施例藉由使用歷史發電量變化率與機器學習演算法來預測再生能源之發電量，如此可省去習知預測方法因為需要同時考慮許多影響因子，例如：環境因子中的日照、溫度、溼度、風力、雨量…等以及系統因子中的零組件故障率、接線問題...等，所造成的大量運算，可以有效節省系統運算量與運算時間，且於實驗中可發現，本發明所預測之發電量相較於習知技術更為準確。
請參照第2圖。第2圖為依據本發明一實施例繪示一種再生能源發電量預測方法之流程示意圖。再生能源發電量預測方法可實作為一電腦程式產品(如應用程式)，並儲存於一電腦可讀取記錄媒體中，而使電腦讀取此記錄媒體後執行音訊比對方法。電腦可讀取記錄媒體可為唯讀記憶體、快閃記憶體、軟碟、硬碟、光碟、隨身碟、磁帶、可由網路存取之資料庫或熟悉此技藝者可輕易思及具有相同功能之電腦可讀取記錄媒體。此再生能源發電量預測方法可應用於如第1圖所繪示的再生能源發電量預測系統100中，但不以其為限。為方便及清楚說明起見，下列再生能源發電量預測方法之敘述係配合第1圖所示的再生能源發電量預測系統作說明。
於步驟202，量測模組110量測複數個再生能源發電裝置102之發電量，以產生複數個歷史發電量數值112。接著在步驟204中，運算單元122根據上述歷史發電量數值112計算複數個歷史發電量變化率114。然後於步驟206中，機器學習單元124 根據上述歷史發電量變化率114估算預測發電量。
請參照第3圖。第3圖為本發明一實施例中，一種供電配置系統300之方塊示意圖。
供電配置系統300用以配置至少一再生能源發電裝置102a對複數個負載裝置310之供電。其中再生能源發電裝置102a可為第1圖中所示之再生能源發電裝置102，其功能與操作均類似，故在此不再贅述。
在一實施例中，負載裝置310可包含冷氣機、電視、電風扇、電燈、電腦、吹風機、飲水機等任何使用電能驅動之裝置。舉例來說，負載裝置310可包含一台窗型冷氣機、一台分離式冷氣機、一台電風扇、兩台個人電腦以及一台電視機。
供電配置系統300包含量測模組110a、控制模組120a以及負載調控模組320。其中量測模組110a、控制模組120a、運算單元122a以及機器學習單元124a分別可為第1圖中所示之量測模組110、控制模組120、運算單元122以及機器學習單元124，其功能與操作均類似，故在此不再贅述。
負載調控模組320用以比較機器學習單元124a所輸出之預測發電量116與一負載所需電量。當預測發電量116小於負載所需電量時，則負載調控模組320控制部分負載裝置310進行卸載或加入一外部電能至負載裝置310，當預測發電量116大於負載所需電量時，則負載調控模組320控制部分負載裝置310進行加載。
於一實施例中，當預測發電量116小於負載裝置310於臨界值負載所需的電量之總和時，負載調控模組320依序卸載 負載裝置310，直到預測發電量116大於或等於負載裝置310於臨界值負載所需的電量之總和。舉例來說，負載裝置310包含一台分離式冷氣機、一台電視機、一台個人電腦、一台電風扇以及一盞檯燈，在上述裝置皆利用再生能源發電裝置102a所提供的電能運作的情形下，當預測發電量116小於上述裝置於臨界值負載所需的電量之總和時，負載調控模組126依序卸載分離式冷氣機、電風扇、電視機、個人電腦以及檯燈，直到預測發電量116大於或等於剩下的裝置於臨界值負載所需的電量之總和。若分離式冷氣機以及電風扇被卸載後，預測發電量116即已大於或等於電視機、個人電腦以及檯燈於臨界值負載所需的電量之總和，則不繼續卸載電視機、個人電腦以及檯燈。
於另一實施例中，當預測發電量116小於負載裝置310於臨界值負載所需的電量之總和時，負載調控模組320控制負載裝置310接收一額外的外部電能，以維持負載裝置310繼續正常運作。舉例來說，負載裝置310包含一台窗型冷氣機、一台收音機、一台個人電腦以及一盞日光燈，在上述裝置皆利用再生能源發電裝置102a所提供的電能運作的情形下，當預測發電量116小於上述裝置於臨界值負載所需的電量之總和時，負載調控模組126加入一市電供電至上述裝置以維持該些裝置繼續正常運作。
於一實施例中，當預測發電量116大於負載裝置310於臨界值負載所需的電量之總和時，則負載調控模組320控制部分負載裝置310進行加載，直到負載裝置310於臨界值負載所需的電量之總和達到預測發電量116。舉例來說，負載裝置310包含一台窗型冷氣機、一台床頭音響、一台個人電腦、一台除溼機 以及一盞日光燈。在日光燈以及個人電腦正在利用再生能源發電裝置102a所提供的電能運作的情形下，當預測發電量116大於日光燈以及個人電腦於臨界值負載所需的電量之總和時，負載調控模組126依序加載窗型冷氣機、床頭音響以及除溼機，直到上述裝置臨界值負載所需的電量之總和達到預測發電量116。舉例來說，若窗型冷氣機以及床頭音響被加載後，日光燈、個人電腦、窗型冷氣機以及床頭音響於臨界值負載所需的電量之總和即已達到預測發電量116，則不繼續加載除濕機。
於一實施例中，當預測發電量116大於負載裝置310於臨界值負載所需的電量之總和時，負載調控模組320更用以控制再生能源發電裝置102a提供一輸出電能至一外部電力網路。舉例來說，負載裝置310包含一台窗型冷氣機、一台電冰箱、一台電視機以及一盞日光燈，在上述裝置皆利用再生能源發電裝置102a所提供的電能運作的情形下，當預測發電量116大於上述裝置於臨界值負載所需的電量之總和時，負載調控模組320控制再生能源發電裝置102a提供一輸出電能至市電網路。
本發明之再生能源發電量預測系統藉由使用歷史發電量變化率與機器學習演算法來預測再生能源之發電量，如此可省去習知預測方法因為需要同時考慮許多影響因子，例如：環境因子中的日照、溫度、溼度、風力、雨量…等以及系統因子中的零組件故障率、接線問題…等所造成的大量運算，可以有效節省系統運算量與運算時間，且於實驗中可發現，本發明所預測之發電量相較於習知技術更為準確。
應瞭解到，在本實施方式中所提及的步驟，除特別敘明 其順序者外，均可依實際需要調整其前後順序，甚至可同時或部分同時執行。
雖然本揭示內容已以實施方式揭露如上，然其並非用以限定本揭示內容，任何熟習此技藝者，在不脫離本揭示內容之精神和範圍內，當可作各種之更動與潤飾，因此本揭示內容之保護範圍當視後附之申請專利範圍所界定者為準。
100‧‧‧再生能源發電量預測系統
102‧‧‧再生能源發電裝置
110‧‧‧量測模組
112‧‧‧歷史發電量數值
114‧‧‧歷史發電量變化率
120‧‧‧控制模組
122‧‧‧運算單元
124‧‧‧機器學習單元

Claims (14)

  1. 一種再生能源發電量預測系統，包含：一量測模組，用以量測至少一再生能源發電裝置之發電量，並輸出複數個歷史發電量數值；以及一控制模組，包含：一運算單元，用以根據該些歷史發電量數值計算複數個歷史發電量變化率；以及一機器學習(Machine Learning)單元，用以根據該些歷史發電量變化率，估算一預測發電量。
  2. 如請求項1所述之再生能源發電量預測系統，其中該些歷史發電量變化率為相鄰兩歷史時間所量測之歷史發電量數值之變化率。
  3. 如請求項1所述之再生能源發電量預測系統，其中該些歷史發電量變化率係藉由下列數學式計算產生： ，其中n為一大於2之正整數，P(t_1)、P(t_2)、P(t_3)…P(t_n)為該量測模組於複數個相異之歷史時間t_1、t_2、...、t_n所量測並產生之複數個歷史發電量數值。
  4. 一種再生能源發電量預測方法，包含：量測至少一再生能源發電裝置之發電量，以產生複數個歷史 發電量數值；根據該些歷史發電量數值，計算複數個歷史發電量變化率；以及根據該些歷史發電量變化率，估算一預測發電量。
  5. 如請求項4所述之再生能源發電量預測方法，其中該些歷史發電量變化率為相鄰兩歷史時間所量測之歷史發電量數值之變化率。
  6. 如請求項4所述之再生能源發電量預測方法，其中該些歷史發電量變化率係藉由下列數學式計算產生： ，其中n為一大於2之正整數，P(t_1)、P(t_2)、P(t_3)…P(t_n)為於複數個相異之歷史時間t_1、t_2、...、t_n所量測並產生之複數個歷史發電量數值。
  7. 一種供電配置系統，用以配置至少一再生能源發電裝置對複數個負載裝置之供電，該供電配置系統包含：一量測模組，用以量測該再生能源發電裝置之發電量，並輸出複數個歷史發電量數值；一控制模組，包含：一運算單元，用以根據該些歷史發電量數值計算複數個歷史發電量變化率； 一機器學習(Machine Learning)單元，用以根據該些歷史發電量變化率，估算一預測發電量；以及一負載調控模組，用以比較該預測發電量與一負載所需電量，並控制該些負載裝置，其中當該預測發電量小於該負載所需電量時，該負載調控模組控制部分該些負載裝置進行卸載或接收一額外的外部電能，當該預測發電量大於該負載所需電量時，該負載調控模組控制部分該些負載裝置進行加載。
  8. 如請求項7所述之供電配置系統，其中該些歷史發電量變化率為相鄰兩歷史時間所量測之歷史發電量數值之變化率。
  9. 如請求項7所述之供電配置系統，其中該些歷史發電量變化率係藉由下列數學式計算產生： ，其中n為一大於2之正整數，P(t_1)、P(t_2)、P(t_3)…P(t_n)為該量測模組於複數個相異之歷史時間t_1、t2、...、t_n所量測並產生之複數個歷史發電量數值。
  10. 如請求項7所述之供電配置系統，其中該額外的外部電能為一市電電力。
  11. 如請求項7所述之供電配置系統，其中該負載所需電量 為該些負載裝置於臨界值負載所需的電量之總和。
  12. 如請求項7所述之供電配置系統，其中該負載調控模組係依照一卸載優先順序，控制部分該些負載裝置依序進行卸載。
  13. 如請求項7所述之供電配置系統，其中該負載調控模組係依照一加載優先順序，控制部分該些負載裝置依序進行加載。
  14. 如請求項7所述之供電配置系統，其中當該預測發電量大於該負載所需電量時，該負載調控模組更用以控制該再生能源發電裝置提供一輸出電能至一外部電力網路。
TW102143794A 2013-11-29 2013-11-29 再生能源發電量預測系統及方法以及供電配置系統 TW201520784A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
TW102143794A TW201520784A (zh) 2013-11-29 2013-11-29 再生能源發電量預測系統及方法以及供電配置系統
CN201310660824.7A CN104680241A (zh) 2013-11-29 2013-12-05 再生能源发电量预测系统及方法以及供电配置系统
US14/101,360 US20150153714A1 (en) 2013-11-29 2013-12-10 Renewable energy power generation prediction system and method and power allocation system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW102143794A TW201520784A (zh) 2013-11-29 2013-11-29 再生能源發電量預測系統及方法以及供電配置系統

Publications (1)

Publication Number Publication Date
TW201520784A true TW201520784A (zh) 2015-06-01

Family

ID=53265251

Family Applications (1)

Application Number Title Priority Date Filing Date
TW102143794A TW201520784A (zh) 2013-11-29 2013-11-29 再生能源發電量預測系統及方法以及供電配置系統

Country Status (3)

Country Link
US (1) US20150153714A1 (zh)
CN (1) CN104680241A (zh)
TW (1) TW201520784A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI580145B (zh) * 2015-10-27 2017-04-21 財團法人資訊工業策進會 適用於加工機台之用電量預估系統與用電量預估方法
CN115034424A (zh) * 2021-03-05 2022-09-09 气体产品与化学公司 管理工业气体设备综合体的预测的功率资源的方法和设备

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IN2014CH01483A (zh) * 2014-03-20 2015-09-25 Infosys Ltd
US10150380B2 (en) * 2016-03-23 2018-12-11 Chargepoint, Inc. Dynamic allocation of power modules for charging electric vehicles
US11371722B2 (en) 2016-06-29 2022-06-28 Mitsubishi Electric Corporation Hot-water supply system, water heater, and control method for water heater
US10521525B2 (en) 2017-01-23 2019-12-31 International Business Machines Corporation Quantifying a combined effect of interdependent uncertain resources in an electrical power grid
TWI662423B (zh) * 2017-02-06 2019-06-11 台灣電力股份有限公司 風力發電之預測顯示系統及方法
US10732319B2 (en) 2017-08-30 2020-08-04 International Business Machines Corporation Forecasting solar power output
CN108197734A (zh) * 2017-12-28 2018-06-22 北京首钢自动化信息技术有限公司 一种能源调配优化系统
ES2970202T3 (es) * 2019-11-26 2024-05-27 Manymickle Ltd Generación de energía y conservación del agua
CN110867903B (zh) * 2019-11-27 2021-05-18 浙江工业大学 一种基于深度神经网络的智能电网系统实时最优功率分配方法
JP7436980B2 (ja) * 2020-01-22 2024-02-22 日本エア・リキード合同会社 液化装置
CN111596125B (zh) * 2020-04-03 2022-09-30 远景智能国际私人投资有限公司 发电量的确定方法、装置、设备及存储介质
US11625020B2 (en) 2021-03-05 2023-04-11 Air Products And Chemicals, Inc. Method and apparatus for controlling an industrial gas plant complex

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013093794A2 (en) * 2011-12-23 2013-06-27 International Business Machines Corporation Energy allocation system
JP5882156B2 (ja) * 2012-07-23 2016-03-09 株式会社デンソー 電力制御装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI580145B (zh) * 2015-10-27 2017-04-21 財團法人資訊工業策進會 適用於加工機台之用電量預估系統與用電量預估方法
CN115034424A (zh) * 2021-03-05 2022-09-09 气体产品与化学公司 管理工业气体设备综合体的预测的功率资源的方法和设备

Also Published As

Publication number Publication date
CN104680241A (zh) 2015-06-03
US20150153714A1 (en) 2015-06-04

Similar Documents

Publication Publication Date Title
TW201520784A (zh) 再生能源發電量預測系統及方法以及供電配置系統
Cai et al. Aging-aware predictive control of PV-battery assets in buildings
Merabet et al. Energy management system for optimal cost and storage utilization of renewable hybrid energy microgrid
US10250040B2 (en) Distributing power between data centers
KR102253734B1 (ko) 건물의 전력 수요 관리 시스템
US11329602B2 (en) Device and method for simulating power consumption by power load
KR102240556B1 (ko) 이종 신재생 에너지원이 결합된 발전원 운영 방법 및 장치
US20180069398A1 (en) Storage battery operation plan creation device, storage battery operation plan creation method, and non-transitory computer readable storage medium
CN114221353B (zh) 电网调控方法、装置、设备、存储介质和计算机程序产品
WO2016038994A1 (ja) グラムを記憶した記憶媒体
Kumar et al. Virtual energy storage capacity estimation using ANN‐based kWh modelling of refrigerators
KR102052247B1 (ko) 전력사용을 예측하고 능동적으로 수요반응 및 에너지 절감을 제공하는 전력관리 방법 및 장치
TW201717538A (zh) 以電組件進行熱管理之系統
Negri et al. MPC-based control for a stand-alone LVDC microgrid for rural electrification
Li et al. CTS2M: concurrent task scheduling and storage management for residential energy consumers under dynamic energy pricing
KR102139329B1 (ko) 태양광 발전소를 모니터링하는 방법 및 장치
KR101961703B1 (ko) Ess의 운영장치 및 그 운영방법
JP2017003192A (ja) エネルギー管理装置、エネルギー管理方法及びエネルギー管理プログラム
WO2018132638A1 (en) Methods and systems for a renewable electricity system
Akyurek et al. Optimal distributed nonlinear battery control
US10333305B2 (en) Management device, management system, control method for management device, and control program
KR20180122054A (ko) 건물 에너지 효율 등급과 연계한 부하 예측 기반 빌딩 제어 장치
CA3197840A1 (en) Adaptive persistence forecasting for control of distributed energy resources
Cai et al. Economic model-based control of sustainable buildings with photovoltaic (PV) and battery systems considering battery degradation costs
Al Essa Energy management of space-heating systems and grid-connected batteries in smart homes