TW202030688A - 智慧電力分配系統與方法 - Google Patents
智慧電力分配系統與方法 Download PDFInfo
- Publication number
- TW202030688A TW202030688A TW108103878A TW108103878A TW202030688A TW 202030688 A TW202030688 A TW 202030688A TW 108103878 A TW108103878 A TW 108103878A TW 108103878 A TW108103878 A TW 108103878A TW 202030688 A TW202030688 A TW 202030688A
- Authority
- TW
- Taiwan
- Prior art keywords
- power
- module
- data
- smart
- power supply
- Prior art date
Links
Images
Classifications
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本發明提出一種智慧電力分配系統,其包含:控制模組,提供系統之運作與管理;資料儲存模組,儲存用戶端的歷史電力資料;演算模組,耦接控制模組與資料儲存模組,根據用戶端的電力供應資料,以及需量反應資料,選擇一最佳化運轉數學模型,規劃出供電計畫;調配電路模組,依據供電計畫選擇所需的輸電線路;以及,區域電力傳輸模組,耦接控制模組,藉由上述的輸電線路,將電力輸出給用戶端,以提高電力調度的彈性。
Description
本發明涉及一種智慧電力分配系統與方法,更詳而言之,為一種透過實際電力的消耗參數以及歷史電力資料,以最佳化電力分配的智慧電力分配系統與方法。
近年來,由於資訊發達加上環保意識抬頭,使得一般民眾對於國際或國內的能源政策也能獲得足夠的資訊,並於公眾中發表,對於政府現行的能源政策亦有不小的影響力。舉例來說,台灣於2018年3月以投票審核通過的深澳電廠擴建環評,由於台電分析評估懸浮微粒PM 2.5,對環境影響的高斯擴散模式(Gaussian Plume Model),與中興大學莊秉潔教授以高斯軌跡傳遞係數模式(Gaussian Trajectory Transfer-Coefficient Model,GTx)所做出的空氣污染差異有3倍之多,因此深澳電廠是否擴建,一直以來均是一個爭議的問題。再例如,儘管台灣已經於2017年1月通過廢除電業法95-1條,希望於2025年前達成「非核家園」的目標,然則於同年的8月發生的大規模無預警停電以來,更多人開始關心到台灣電力的備載容量不斷下滑的事實,以及能源政策是否能在不新建電廠的情況下應付未來逐年成長的用電量。
然而在未來,無論所採用的發電技術為何,隨著經濟發展,電力供應的其中一主要問題在於區域供需不平衡,以及尖峰與離峰負載的差距將越來越大,在以往,主要是藉由增設電廠、變電所、輸電線、風機,與線路容量來解決電力不足的問題,但過去許多研究已經表明,此方法無法應付不斷上升的負載量,因此,近年來,人們開始重視分散式能源(Distributed Generator)、可控式負載、儲能設備(Battery Energy Storage System)等等的整合,亦即,將用戶
端與供電端中所包含的發電機、變電所、儲能設備整合於一套管理系統之下,使閒置的電力能有效地調度,此一概念,即為虛擬電廠(Virtual Power Plant)。在虛擬電廠中,透過整合用戶端的負載狀況,與電力調度中心簽訂購電、需量反應的合約,於所需時刻提供閒置的電力,除了能夠進行更有效的能源管理外,也能避免閒置電力的浪費。
為了達到上述虛擬電廠的目標,需量反應(Demand Response,DR)的概念旋即被提出。所謂的需量反應,係指用戶端於負載的過程中反饋用電情況的訊息予供電端,當用戶端的用電需求較原預估的用電量少,或其本身擁有的獨立發電機組、太陽能機組所生產的電力有所餘裕時,用戶端得將閒置的電力回授予供電端,使其有能力在尖峰時刻的電力需求增加時降低供電端的負擔;或是,當供電端的調度因緊急情況要求用戶端卸載或降低負載時用戶端可予以配合卸載或降低負載,藉由用戶端動態的電力使用資訊,去抑制尖峰用電,或調整發電過剩的現象,進而達到電力的供需平衡。
在過往,需量反應分為幾種發展方向,其一為直接負載控制(Direct Load Control,DLC),其做法為整合智慧電表,以及無線或有線的控制端直接控制用戶端的負載狀況,當供電端於某時點或某個區域的負載達到一預設的標準時,供電端旋即以上述控制端直接調降,或關閉用戶端的負載,以配合電力的供需調整。然則,雖然直接負載控制對於用電量大的用戶端,如生產工廠、工業園區具有良好的效果,但此種方向第一對於用電量較小、用電變異量大的用戶端則較不適用,第二,將所有的用電設備與供電端連結,亦有實際上的困難。另一發展方向,則為即時電價法(Real-Time Pricing,RTP),透過針對不同的用戶端與用電時段,設計出一隨時間變化的電力價格,使用戶端跟隨此價格做電力管理,避開尖峰時段的用電,而選擇離峰時間用電,除了減少用戶端的電力成本,也可以舒緩供電端於尖峰時間備載容量不足的問題。然而,即時電價法對供電端的電力調度能力要求較高,其配電的方式若無良好的演算方式配合,極為容易產生供電端的混亂。
在先前技術中,台灣專利I559250B提出了一種微電網能源管理
即時調度的方法,以一調度演算法試圖解決一區域或某一時點時,供電端可能產生的混亂。在該調度方法中,其揭示了透過一學習演算法,例如類神經演算法(Artificial Neural Network,ANN),管理其儲能系統與負載的調度,藉由電力使用的歷史資料,一定程度預測其在某一時點的用電量,使其電力調度的排程得以最佳化。然則,在該’250案中,則仍未提出其學習演算法的詳細使用模型,因此,在現時時點上,先前技術依然存在有一定的改善空間。
有鑑於此,本發明提出了一種智慧電力分配系統,其包含:控制模組,提供系統之運作與管理;資料儲存模組,儲存用戶端的歷史電力資料;演算模組,耦接控制模組與資料儲存模組,根據用戶端的電力供應資料,以及需量反應資料,選擇一最佳化運轉數學模型,規劃出供電計畫;調配電路模組,耦接演算模組,選擇供電計畫所需的輸電線路;以及,區域電力傳輸模組,耦接控制模組,依據供電計畫選擇的輸電線路,將電力輸出給指定的區域電網;其中,該區域電網與用戶端可為但不限於工廠園區、工廠、交通網路、住宅區域、軍事基地,或辦公園區。
根據本發明之內容,智慧電力分配系統包含一區塊鏈模組,該區塊鏈模組透過區域電網裡各個用戶端的共識機制,如工作量證明機制(Power of Work,POW),股權證明機制(Power of Stake,POS),或授權股權證明機制(Delegate Proof of Stake,DPOS),協調並統整各用戶端之間的用電需求,並將用電需求饋送入控制模組,使演算模組得依據該用電需求選擇一最佳化運轉數學模型,規劃出一最佳化供電計畫。
根據本發明之內容,本發明包含外部電力傳輸模組,由用戶端所在的區域電網外輸入電力,依照上述的供電計畫,供應區域電網所需的電力,或當區域電網內的電力有所閒置時,將電力從區域電網往外輸送。
根據本發明內容,智慧電力分配系統包含電力儲存模組,用以儲存電力,使智慧電力分配系統得依據尖峰時間與離峰時間根據供電計畫調配所
需的電力。
根據本發明之較佳地實施例,控制模組包含環境監測單元,包含日照計、紅外線感應器、水壓計、溫溼度計、煙霧檢測器等感應器,以確保智慧電力分配系統所儲存佈署的系統節點間之正常運作。
本發明提出了一種智慧電力分配方法,該方法包含下列步驟:演算模組由資料儲存模組讀取歷史電力資料;演算模組由控制模組中讀取電力供應資料;演算模組根據上述的歷史電力資料,與電力供應資料,選擇在一時間區間,或一區域電網內的最佳化運轉數學模型,規劃出供電計畫;調配電力模組通過控制模組,依照上述的供電計畫,分配儲電、發電,與輸出的電力大小,並將上述供電計畫輸出為第一即時電力資料;以及,控制模組判斷由第一即時電力資料與區域電網的電力品質是否達成一預設值,若是,則將第一集時電力資料儲存為電力供應資料。
根據本發明之內容,智慧電力分配方法包含控制模組中讀取需量反應資料,該需量反應資料之來源經區塊鏈模組,透過一共識機制以確認該需量反應資料的正確性,以避免區域電網中的各個用戶端因數量龐大,造成電力在調度上的混亂。
以上所述係用以說明本發明之目的、技術手段以及其可達成之功效,相關領域內熟悉此技術之人可以經由以下實施例之示範與伴隨之圖式說明及申請專利範圍更清楚明瞭本發明。
100‧‧‧智慧電力分配系統
101‧‧‧控制模組
101A‧‧‧監測模組
101Aa‧‧‧感應器
103‧‧‧資料儲存模組
105‧‧‧演算模組
107‧‧‧調配電路模組
109‧‧‧區塊鏈模組
109A‧‧‧智慧型合約
111‧‧‧外部電力傳輸模組
113‧‧‧電力儲存模組
115‧‧‧發電機模組
115A‧‧‧市電機組
115C‧‧‧火力機組
115E‧‧‧生質能機組
115G‧‧‧太陽能機組
115I‧‧‧燃氣機組
115K‧‧‧水利機組
115M‧‧‧潮汐能機組
115O‧‧‧風力機組
115Q‧‧‧地熱機組
117‧‧‧區域電力傳輸模組
119‧‧‧區域電網
400‧‧‧智慧電力分配方法
S1-S11‧‧‧方法步驟
如下所述之對本發明的詳細描述與實施例之示意圖,應使本發明更被充分地理解;然而,應可理解此僅限於作為理解本發明應用之參考,而非限制本發明於一特定實施例之中。
圖1係說明本發明之系統架構。
圖2顯示發電機模組可包含的發電機組。
圖3說明智慧電力分配系統可被儲存佈署於各個終端機,形成分散式系統之架構。
圖4說明本發明之方法步驟。
圖5顯示區域電網在本發明之一實施例中的歷史電力資料。
圖6係說明太陽能機組的發電曲線圖。
本發明將以較佳之實施例及觀點加以詳細敘述。下列描述提供本發明特定的施行細節,俾使閱者徹底瞭解這些實施例之實行方式。然該領域之熟習技藝者須瞭解本發明亦可在不具備這些細節之條件下實行。此外,本發明亦可藉由其他具體實施例加以運用及實施,本說明書所闡述之各項細節亦可基於不同需求而應用,且在不悖離本發明之精神下進行各種不同的修飾或變更。本發明將以較佳實施例及觀點加以敘述,此類敘述係解釋本發明之結構,僅用以說明而非用以限制本發明之申請專利範圍。以下描述中使用之術語將以最廣義的合理方式解釋,即使其與本發明某特定實施例之細節描述一起使用。
本發明之目的,在於試圖利用所提出的智慧電力分配系統與方法,改善用戶端(如工廠、企業),以及供電端(如電力公司、國營電廠、民營電廠),架構虛擬電廠時電力的調度效率,透過時間電價及需量反應等概念,使用戶端達到根據電價的高低,以及尖峰、離峰的供電情況調整用電狀況,提高電力在離峰時間的利用率並降低電力於尖峰時間的負載;本發明的另一目的,提出了用戶端可選擇一最佳化運轉數學模型,包含由虛擬電廠、供電端、用戶端所含的電力儲存模組與發電機模組、外部電力模組所供應的電力,求取一較為經濟的企業運營成本;此外,本發明中的智慧電力分配系統亦可透過一區塊鏈模組
與鄰近的區域電網協調,增加用戶端、供電端調度的速度,避免因協調不佳而造成供電端與用戶端的混亂。
因此,基於上述目標,請參閱圖1,本發明提出了一種智慧電力分配系統(100),其包含:控制模組(101),提供系統之運作與管理;資料儲存模組(103),儲存區域電網(119)、虛擬電廠、供電端的歷史電力資料;演算模組(105),耦接控制模組(101)與資料儲存模組(103),根據用戶端的歷史電力資料,以及需量反應資料,選擇一最佳化運轉數學模型,規劃出供電計畫;調配電路模組(107),耦接演算模組(105),選擇供電計畫所需的輸電線路;以及,區域電力傳輸模組(117),耦接控制模組(101),依據供電計畫選擇的輸電線路,將電力輸出給指定的區域電網(119);其中,上述的控制模組(101)通常包含處理器、記憶體、暫存記憶體、顯示器、網路通訊模組、路由端、監控端、服務端、IO設備、作業系統及應用程式等等,以通常已知方式相互連接,以執行運算、暫存、顯示及資料傳輸,與提供智慧電力分配系統(100)之運作與管理協調等功能。此外,請參閱圖3,在本發明之一較佳的實施例中,控制模組(101)採用一分散式的系統架構,其可依應用的需要被儲存或佈署於用戶端,或供電端的服務器、終端機、智慧型移動裝置、智慧型手機等;本發明所述的供電端,則包含電力公司、國營或民營的電廠。同樣地,上述的說明係解釋本發明之結構,僅用以說明而非用以限制本發明之申請專利範圍,於此先行敘明。
其中,上述之控制模組(101)在一較佳的實施例中,其核心控制架構,包含了系統基礎控制、需量反應調度控制、系統拓樸結構演算與分析、系統端點連線與安全監控、發電模組(115)與電力儲存模組(113)負載監控。以系統基礎控制舉例,其包含了智慧電力分配系統(100)運算所必需的近/遠控制端登入、系統診斷、系統訊息、系統版本、控制介面(User Interface)等功能。於需量反應調度控制中,則包含區域電網(119)或用戶端的功率因素曲線、最大功率追蹤組數、用戶端負載、區域電網(119)並網最高頻率、區域電網(119)並網最高電壓、區域電網(119)並網最低電壓等等。系統拓樸結構演算與分析,則用於智慧電力分配系統(100)中的狀況診斷,如各個元件,依據區域電網(119)、供電端、用戶端、發電機模組(115)、電力儲存模組(113)的應用與限制條件,如地點、數
量、效能,模擬或診斷出一最佳化的軟、硬體配置。
根據本發明內容,智慧電力分配系統(100)更包含發電機模組(115),耦接電力儲存模組(113)與控制模組(101),請參閱圖2,其架構可包含但不限於市電機組(115A)、火力機組(115C)、生質能機組(115E)、太陽能機組(115G)、燃氣機組(115I)、水力機組(115K)、潮汐能機組(115M)、風力機組(115O)、地熱機組(115Q),或以上的組合,使智慧電力分配系統(100)得以擁有獨立的電力來源,減少對於供電端的依賴,其可於電力使用的尖峰時段供應區域電網(119)或用戶端,或於該尖峰時段具有閒置電力時可回授予供電端,以增加供電端的電力調度彈性。
在一較佳的實施例中,智慧電力分配系統(100)包含一區域電力傳輸模組(117),耦接控制模組(101),將電力輸送至區域電網(119),或外部電力傳輸模組(111),該區域傳輸模組(117)包含整流器、變壓器、逆變器,以偵測或調整電力傳輸過程中的電流、電壓、品質因數或諧波,使控制模組(101)得根據上述物理量調整電力的調度狀況。
根據本發明之一實施例,上述資料儲存模組(103)所儲存的歷史電力資料,包含各個區域電網(119)在各時點,依照能源或區域電網(119)所在地點的用電曲線、各區域電網(119)在各時點或所在地點的備轉容量、依照能源類別(例如燃氣、核能、燃油、太陽能)於各區域電網(119)的發電量,其每度電的單位電價、各區域電網(119)的需量反應與購電合約,以及供電端所能供應的電力曲線等等。例如,請參閱圖5,於該實施例中,可依歷史電力資料得知供電端在某一時點時,依照能源類別顯示的用電曲線圖,由該用電曲線圖可看出燃氣約占整個電力結構的四成左右;圖6中,則顯示了發電機模組(115)中的太陽能機組(115G)的發電特性的歷史電力資料。
因此,本發明中之演算模組(105)即根據上述歷史電力資料,以及虛擬電網(1119)需量反應資料,選擇儲存於演算模組(105)中的其中一最佳化運轉數學模型,規劃出供電計畫。在本發明較佳的一實施例中,為透過一函數計
算電力價格,控制需量反應回饋予區域電網(119)中的用戶端的回饋金及電力儲存模組(113)中的電力調度,最佳化虛擬電廠的獲利,以電力的使用量消費的電費來舉例,其需要最佳化運算的函數如下所示:τtotal(n,m,t)=τ1(n,m,t)+τ2(n,m,t)+τ3(n,m,t);
其中,上述算式中的符號意義為:t表示將一天分為24小時;n表示需量反應開始的時間;m表示需量反應停止的時間;τtotal(n,m,t)表示一天中三個不同的時段的電價的加總;τ1(n,m,t)表示一不使用需量反應的時段的電價;τ2(n,m,t)表示使用需量反應的時段的電價;τ3(n,m,t)表示另一不使用需量反應的時段的電價;Piso(t)表示與民營電廠購買的電力數量;Psto(t)表示與電力儲存模組(113)充放電的電力數量;Pload(t)表示區域電網(119)或用戶端使用的電力數量;Pcur(t)表示區域電網(119)或用戶端卸載的電力數量;Pref(t)表示區域電網(119)、用戶端,或供電端的歷史電力資料;τiso(t)表示與民營電廠購買電力的單位價格;τsto(t)表示電力儲存模組(113)的運轉成本;τvpp(t)表示虛擬電廠購買電力的單位價格;τDR(t)表示民營電廠給予虛擬電廠的回饋金;
τinc(t)表示虛擬電廠給予用戶端或區域電網(119)的回饋金。
在上述的函式中分為三個時段,其中第一和第三個時段,P1(n,m,t)與P3(n,m,t)為無需量反應的時段,即區域電網(119)或用戶端的電力來源由虛擬電廠、民營或國營的電廠,以及電力儲存模組(113)提供;第二個時段P2(n,m,t)為執行需量反應的時段,其中n與m分別為開始或結束的時間,將用戶端的用電量Pload(t)扣掉區域電網(119)或用戶端因電力調度吃緊時,而卸載的電量Pcur(t),乘以τvpp(t)後可得到的回饋金價格,此時區域電網(119)或用戶端可依據自身的電力使用情況於尖峰時刻出售閒置,或減少電力使用量,增加供電端可供調度的電力。在本發明一實施例中的應用,請參閱圖5,於尖峰時段如09:00開始,由於從燃氣、燃油的單位發電成本通常相較核能或燃煤貴上2.0-3.0元/度(由台灣電力公司目前時點的公開資料可得知),因此,區域電網(119)或用戶端若將此時將閒置或卸載的電力回授與供電端,除了可提高供電端的備載容量外,亦能由回饋金降低用戶端的運營成本,藉由將上述函數求取極值,達到本發明於電力調度上將尖峰時段和離峰時段「削峰填谷」的一目的,同時,因電力調度的效率有所提升,相對來說,供電端則可減少設置電廠、變電所、輸電線、風機,與線路容量的數量,達到本發明中節省成本的一目的。
於本發明之一觀點,上述最佳化運轉數學模型求取極值的方式可為一透過無監督或有監督的機器學習演算法,藉由歷史電力資料與電力供應資料進行找尋一最佳化的電力調度方式。由於區域電網(119)、供電端、用戶端、發電機模組(115)、電力儲存模組(113)的應用與限制條件不同,例如:某個企業用戶端希望達到於尖峰時刻,例如於圖5中所示09:00開始由於區域電網(119)內的電力需求上升,供電端須以具有可快速提升電力輸出功率特性的燃氣機組發電,造成電價較高時,此時用戶端或區域電網(119)先行使用電力儲存模組(113)所儲存的電力以減少成本,因此上述最佳化運轉數學模型可能會設定一限制條件,例如:「09:00-10:00,電力儲存模組(113)輸出的電力數量為P1sto-P2sto的電力,與民營電廠購買的電力數量限制為P1iso-P2iso。」,由於不同的用戶端或區域電網(119)的限制條件各不相同,因此上述機器學習演算法可依照不同的應用選擇深度神經網路(Deep Neural Networks,DNN)、深度置信網路(Deep Belief Networks,
DBN)、卷積神經網路(Convolutional Neural Networks,CNN),或是,卷積深度置信網路(Convolutional Deep Belief Networks,CDBN),並不限於其上,改善先前技術中,因尋找極值的方式為單一的演算法邏輯,使其最佳化運轉數學模型的應用範圍受到限制的情況。
根據本發明之內容,智慧電力分配系統(100)包含一區塊鏈模組(109),耦接控制模組(101)與區域電網(119),並於其中包含一智慧型合約(109A),於本發明一較佳地實施例中,多個區域電網(119),或區域電網(119)中的用戶端、供電端根據其電力供應資料、需量反應資料,與/或上述的限制條件,媒合到電力調度的其他區域電網(119)或用戶端。上述多個區域電網(119),或區域電網(119)中的多個用戶端經過確認電力供應資料、需量反應資料,與/或上述的限制條件後,可協議電力的調度並進行協調,並簽屬上述的智慧型合約(109A)。智慧型合約(109A)為多個區域電網(119)或用戶端之間對應此次交換之合約,其可包括上述最佳化運轉數學模型的各個參數,如需量反應開始與結束的時間(n與m)、各個時段的電價、區域電網(119),用戶端,或供電端的歷史電力資料、與民營電廠購買電力的單位價格等等。該區塊鏈模組(109)透過多個區域電網(119),或/與多個用戶端的共識機制,如工作量證明機制(Power of Work,POW)、股權證明機制(Power of Stake,POS)、SCrypt演算法,或授權股權證明機制(Delegate Proof of Stake,DPOS)等,協調並統整各用戶端之間的用電需求,並將用電需求饋送入控制模組(101),使演算模組(105)得依據該用電需求選擇一最佳化運轉數學模型,規劃出較佳地供電計畫。
其中,在本發明一實施例中,採用授權股權證明機制,主要考量點基於大多數的用戶端沒有足夠的專業知識或足夠的預算,無法達到高效能節點所需的電腦硬體和軟體要求,難以產生區塊鏈區段,因此運算力強的少數用戶端便能支配區段的生成,可能造成在區塊鏈模組(109)中的運算節點為少數用戶端所壟斷,因此,授權股權證明機制在共識機制中引入了民主機制,由每個用戶端或區域電網(119)投票選出代理節點,由得票最多的若干節點產生區塊鏈區段,因此不需要礦工持續的挖礦,使智慧電力分配系統(100)即便包含區塊鏈模組(109),其消耗的電力依然得以被控制在一較為經濟的範圍。
根據本發明之內容,本發明包含外部電力傳輸模組(111),由用戶端所在的區域電網(119)外輸入電力,依照上述的供電計畫,供應區域電網(119)所需的電力,或當區域電網(119)內的電力有所閒置時,將電力從區域電網(119)往外輸送。在本發明一實施例中,其往外輸送的電力可由智慧電力分配系統(100)中電力儲存模組(113)所儲存的電力提供,若該電力儲存模組(113)於尖峰時段往外供應電力,則用戶端或區域電網(119)可得到該尖峰時段的一回饋金,其有利於降低用戶端或區域電網(119)的運營成本。
請參閱圖3,根據本發明之較佳地實施例,控制模組(101)包含環境監測單元(101A),其所包含的感應器(101Aa)的類型可為但不限於日照計、紅外線感應器、水壓計、溫溼度計、煙霧檢測器、智慧電表等感應器,以達成智慧電力分配系統(100)的管理自動化,並建立故障預警、事故分析與用電品質控制與分析,使智慧電力分配系統(100)能快速處理故障,迅速恢復生產,提高企業事故的反應能力。
為達本發明之目的,請參閱圖4,本發明提出了一種智慧電力分配方法(400),該方法包含下列步驟:在步驟(S1)中,演算模組(105)由資料儲存模組(103)讀取歷史電力資料;於步驟(S2)中,演算模組(105)由控制模組(101)中讀取電力供應資料;演算模組(105)則於步驟(S3)中,根據上述的歷史電力資料、電力供應資料,以及最佳化運轉數學模型的限制條件,選擇儲存在資料儲存模組(103),在一時間區間、用戶端,或區域電網(119)內的最佳化運轉數學模型,規劃出供電計畫;於步驟(S4)中,調配電力模組(107)通過控制模組(101),依照上述的供電計畫,分配電力儲存模組(113)的儲存或輸出、發電機模組(115)輸出至智慧電力分配系統(100)的電力大小,以及外部電力傳輸模組(111)與區域電力傳輸模組(117)的輸送,於步驟(S5)中,依據供電計畫產生出第一即時電力資料的紀錄檔案,該第一即時電力資料可即時反應智慧電力分配系統(100)中,各個元件,例如區域電網(119)或各個用戶端的電力使用情形;並於步驟(S11)中,控制模組(101)判斷由第一即時電力資料與區域電網(119)的電力品質是否達成一預設值,若是,則將第一即時電力資料儲存為電力供應資料。
於本發明之實施例中,智慧電力分配方法(400)包含步驟(S6),控制模組(101)即時,或每隔一預定的時間判斷,依據上述供電計畫,理論上目前電力分配於各個區域電網(119)、用戶端,與供電端的電力負載、需量反應、電力儲存等運作是否恰當,例如,智慧電力分配系統(100)中,是否有某個元件或線路可能具有超出預期的諧波干擾、短路、溫度異常上升、人為破壞、天災,或智慧型合約(109A)無法達成電力調度共識的情況,若該供電計畫的運作於系統中的妥善率診低於一預設值,則於步驟(S7)中,重新執行步驟(S1)與步驟(S2)。
承前述,智慧電力分配方法(400)包含步驟(S8),若依據上述供電計畫,目前電力分配實際上於各個區域電網(119)、用戶端,與供電端的電力負載、需量反應、電力儲存等運作的妥善率高於一預設值,則智慧電力分配系統(100)產生一第二即時電力資料,並於步驟(S9)中,控制模組(101)藉由比較上述第一即時電力資料與第二即時電力資料,以判斷理論上與實際上的電力資料誤差是否小於一閥值,若大於該閥值,則執行步驟(S10),重新執行步驟(S1)與步驟(S2)。
於本發明一實施例,包含步驟(S11),若第一即時電力資料與第二即時電力資料的誤差小於該閥值,則將第一即時電力資料與第二即時電力資料儲存為歷史電力資料,並儲存至資料儲存模組(103)。應當注意的是,於本發明所述的電力供應資料,可包含第一即時電力資料,或第二即時電力資料。
以上敘述係為本發明之較佳實施例。此領域之技藝者應得以領會其係用以說明本發明而非用以限定本發明所主張之專利權利範圍。其專利保護範圍當視後附之申請專利範圍及其等同領域而定。凡熟悉此領域之技藝者,在不脫離本專利精神或範圍內,所作之更動或潤飾,均屬於本發明所揭示精神下所完成之等效改變或設計,且應包含在下述之申請專利範圍內。
100‧‧‧智慧電力分配系統
101‧‧‧控制模組
101A‧‧‧監測模組
103‧‧‧資料儲存模組
105‧‧‧演算模組
107‧‧‧調配電路模組
109‧‧‧區塊鏈模組
109A‧‧‧智慧型合約
111‧‧‧區域電力傳輸模組
113‧‧‧電力儲存模組
115‧‧‧發電機模組
117‧‧‧電力輸出模組
119‧‧‧區域電網
Claims (12)
- 一種智慧電力分配系統,包含:一控制模組,提供該智慧電力分配系統之運作與管理;一資料儲存模組,儲存複數筆歷史電力資料;一演算模組,耦接該控制模組與該資料儲存模組,根據用戶端的至少一電力供應資料,以及至少一需量反應資料,選擇至少一最佳化運轉數學模型,規劃出至少一供電計畫;一調配電路模組,耦接該演算模組,選擇該至少一供電計畫所需的輸電線路;以及,一區域電力傳輸模組,依據該至少一供電計畫選擇的輸電線路,將電力輸出予指定的區域電網。
- 如請求項1所述的智慧電力分配系統,更包含一區塊鏈模組,耦接該控制模組與區域電網,其中,該區塊鏈模組包含至少一智慧型合約,依據區域電網,或區域電網中的該至少一電力供應資料、該至少一需量反應資料,與/或至少一限制條件,調度區域電網或用戶端的電力。
- 如請求項2所述的智慧電力分配系統,該區塊鏈模組中的共識機制為授權股權證明機制。
- 如請求項1所述的智慧電力分配系統,該演算模組所儲存之該至少一最佳化運轉數學模型,其最佳化的運算方式包含深度神經網路、深度置信網路、卷積神經網路、卷積深度置信網路,或是以上的組合。
- 如請求項1所述的智慧電力分配系統,更包含一發電機模組,該發電機模組之架構包含市電機組、火力機組、生質能機組、太陽能機組、燃氣機組、水力機組、潮汐能機組、風力機組、地熱機組,或以上的組合。
- 如請求項1所述的智慧電力分配系統,更包含一外部電力傳輸模組,偵測或 調整電力傳輸過程中的電流、電壓、品質因數或諧波,使該控制模組得根據上述物理量調整電力的調度狀況。
- 如請求項1所述的智慧電力分配系統,該控制模組包含一環境監測單元,該環境監測單元包含至少一感應器,其可為但不限於日照計、紅外線感應器、水壓計、溫溼度計、煙霧檢測器、智慧電表,或以上的組合。
- 一種智慧電力分配方法,包含下列步驟:一演算模組讀取至少一歷史電力資料;該演算模組讀取至少一電力供應資料;該演算模組根據該至少一歷史電力資料、該至少一電力供應資料,以及至少一限制條件,選擇至少一最佳化運轉數學模型,規劃出至少一供電計畫;以及,一調配電力模組,依照該至少一供電計畫,分配電力的儲存、傳輸、發電的大小,並產生出至少一第一即時電力資料;其中,該至少一最佳化運轉數學模型包含一求取電價,或用電量最小值之一演算法。
- 如請求項8所述的智慧電力分配方法,該演算模組所儲存之該至少一最佳化運轉數學模型,其電價或用電量的最佳化的運算方式包含深度神經網路、深度置信網路、卷積神經網路、卷積深度置信網路,或是以上的組合。
- 如請求項8所述的智慧電力分配方法,該至少一電力供應資料由一區塊鏈模組,根據一共識機制協調並統整各用戶端之間的用電需求,該共識機制包含工作量證明機制、股權證明機制、SCrypt演算法、授權股權證明機制,或以上的組合。
- 如請求項8所述的智慧電力分配方法,若該至少一供電計畫於各區域電網、用戶端,與供電端的電力負載、需量反應、電力儲存等運作,經一智慧電力分配系統診斷之妥善率達到一預設值,則產生至少一第二即時電力資料。
- 如請求項11所述的智慧電力分配方法,一控制模組藉由比較並判斷該至少一第一即時電力資料與該至少一第二即時電力資料的誤差是否小於一閥值,若是,則將該至少一第一即時電力資料,與該至少一第二即時電力資料,儲存為至少一歷史電力資料。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108103878A TWI696972B (zh) | 2019-01-31 | 2019-01-31 | 智慧電力分配系統與方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108103878A TWI696972B (zh) | 2019-01-31 | 2019-01-31 | 智慧電力分配系統與方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI696972B TWI696972B (zh) | 2020-06-21 |
TW202030688A true TW202030688A (zh) | 2020-08-16 |
Family
ID=72176478
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW108103878A TWI696972B (zh) | 2019-01-31 | 2019-01-31 | 智慧電力分配系統與方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI696972B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI767525B (zh) * | 2021-01-20 | 2022-06-11 | 國立清華大學 | 基於強化學習的再生能源配置方法及裝置 |
TWI781453B (zh) * | 2020-09-30 | 2022-10-21 | 財團法人資訊工業策進會 | 能源調度系統、裝置及方法 |
TWI797019B (zh) * | 2022-05-30 | 2023-03-21 | 陳正一 | 微電網電力調度系統及其方法 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI785397B (zh) * | 2020-10-14 | 2022-12-01 | 國立中央大學 | 微電網能源管理系統及其方法 |
TWI825717B (zh) * | 2022-05-11 | 2023-12-11 | 廣騰再生能源股份有限公司 | 太陽能發電站的價值評估設備 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8600556B2 (en) * | 2009-06-22 | 2013-12-03 | Johnson Controls Technology Company | Smart building manager |
US20150184549A1 (en) * | 2013-12-31 | 2015-07-02 | General Electric Company | Methods and systems for enhancing control of power plant generating units |
US10879708B2 (en) * | 2016-07-22 | 2020-12-29 | Eos Energy Storage, Llc | Battery management system |
TWI634509B (zh) * | 2016-10-06 | 2018-09-01 | 中華電信股份有限公司 | 需量反應服務系統控制方法 |
TWI650728B (zh) * | 2016-10-26 | 2019-02-11 | 行政院原子能委員會核能硏究所 | 微電網多代理日前市場排程方法 |
TWM572534U (zh) * | 2018-06-28 | 2019-01-01 | 美林能源科技股份有限公司 | 分散式能源系統 |
-
2019
- 2019-01-31 TW TW108103878A patent/TWI696972B/zh active
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI781453B (zh) * | 2020-09-30 | 2022-10-21 | 財團法人資訊工業策進會 | 能源調度系統、裝置及方法 |
US11641111B2 (en) | 2020-09-30 | 2023-05-02 | Institute For Information Industry | Energy dispatch system, apparatus, and method |
TWI767525B (zh) * | 2021-01-20 | 2022-06-11 | 國立清華大學 | 基於強化學習的再生能源配置方法及裝置 |
TWI797019B (zh) * | 2022-05-30 | 2023-03-21 | 陳正一 | 微電網電力調度系統及其方法 |
Also Published As
Publication number | Publication date |
---|---|
TWI696972B (zh) | 2020-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zia et al. | Microgrids energy management systems: A critical review on methods, solutions, and prospects | |
Zhou et al. | Multi-microgrid energy management systems: Architecture, communication, and scheduling strategies | |
Mahmud et al. | An internet of energy framework with distributed energy resources, prosumers and small-scale virtual power plants: An overview | |
TWI696972B (zh) | 智慧電力分配系統與方法 | |
Li et al. | A coordinated dispatch method with pumped-storage and battery-storage for compensating the variation of wind power | |
Rafique et al. | Energy management system, generation and demand predictors: a review | |
Samad et al. | Controls for smart grids: Architectures and applications | |
CN109478787B (zh) | 用于电网分布式能源管理的智能电网操作系统 | |
Chen et al. | Optimal allocation of distributed generation and energy storage system in microgrids | |
Qiu et al. | Tri-level mixed-integer optimization for two-stage microgrid dispatch with multi-uncertainties | |
Zhang et al. | The performance of a grid-tied microgrid with hydrogen storage and a hydrogen fuel cell stack | |
Ding et al. | Optimal dispatching strategy for user-side integrated energy system considering multiservice of energy storage | |
Li et al. | A stochastic programming strategy in microgrid cyber physical energy system for energy optimal operation | |
Chandra et al. | Transactive energy market framework for decentralized coordination of demand side management within a cluster of buildings | |
Kazhamiaka et al. | Practical strategies for storage operation in energy systems: design and evaluation | |
Onaolapo et al. | Reliability evaluation and financial viability of an electricity power micro-grid system with the incorporation of renewable energy sources and energy storage: case study of KwaZulu-Natal, South Africa | |
US11916383B2 (en) | Implementing power delivery transaction for potential electrical output of integrated renewable energy source and energy storage system facility | |
Meliani et al. | Control system in the smart grid: State of the art and opportunities | |
Krishnan et al. | Optimal load management in a shipyard drydock | |
US12046907B2 (en) | Multi-layer architecture for control of distributed energy resources | |
Jain et al. | Overview of Energy Management Systems for Microgrids and Smart Grid | |
Kok et al. | Distributed control in the electricity infrastructure | |
US11693376B1 (en) | Smart green power node | |
Meydani et al. | Optimizing Microgrid Energy Management: Metaheuristic versus Conventional Techniques | |
Zhou et al. | Power System Flexibility: Modeling, Optimization and Mechanism Design |