TWI626616B - 電力的預測與調度方法、電腦程式產品 - Google Patents
電力的預測與調度方法、電腦程式產品 Download PDFInfo
- Publication number
- TWI626616B TWI626616B TW105132092A TW105132092A TWI626616B TW I626616 B TWI626616 B TW I626616B TW 105132092 A TW105132092 A TW 105132092A TW 105132092 A TW105132092 A TW 105132092A TW I626616 B TWI626616 B TW I626616B
- Authority
- TW
- Taiwan
- Prior art keywords
- power
- purchased
- capacity
- production line
- predicted
- Prior art date
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本發明提出一種電力的預測與調度方法。此方法包括:從多個電力錶取得隨時間改變的多個外購電量;根據外購電量執行預測模型以預測第一預設時間後的預測外購電量;以及若預測外購電量大於契約容量,調整發電機組的發電量或調整生產線的產能。
Description
本發明是有關於一種電力的預測與調度方法,且特別是有關於一種避免外購電量超過契約容量的電力調預測與調度方法。
在一些工廠中,對於電力的需求來源有兩個,一個是由自己的發電機組來提供電力,另一個來源是外購電力。外購的電力通常需要先訂定契約,約定工廠從外部購入的電量不能超過契約容量,若超過契約容量則可能需要給付額外的費用。因此,在工廠的電力調度中,必須控制發電機組的發電量來避免外購的電量超過了契約容量。然而,通常工廠中各個生產線與發電機組的情況可能變化很快,當消耗的電量忽然上升時,有時會來不及增加發電機組的發電量。因此,如何預測一段時間後所需求的電力並提早調度電力,為此領域技術人員所關心的議題。
本發明提出一種電力的預測與調度方法,適用於電腦系統。此方法包括:從多個電力錶取得隨時間改變的多個外購電量;根據外購電量執行預測模型以預測第一預設時間後的預測外購電量;以及若預測外購電量大於契約容量,調整發電機組的發電量或調整生產線的產能。
在一些實施例中,上述根據外購電量執行預測模型以預測預設時間後的預測外購電量的步驟包括:(a)根據外購電量執行自回歸模型以預測出第二預設時間後的預測外購電量,其中第二預設時間小於第一預設時間;以及重複執行上述步驟(a)以預測出第一預設時間後的預測外購電量。
在一些實施例中,上述調整發電機組的發電量或調整生產線的產能的步驟包括:當第一發電機組的發電效率大於其他發電機組的發電效率且第一發電機組的發電量小於第一發電機組的額定發電量時,增加第一發電機組的發電量。
在一些實施例中,上述調整發電機組的發電量或調整生產線的產能的步驟包括:當第一生產線所對應的訂單完成度大於其他生產線所對應的訂單完成度,減少第一生產線的產能。
在一些實施例中,上述調整發電機組的發電量或調整生產線的產能的步驟包括:當第一生產線所對應的耗電量大於其他生產線所對應的耗電量,減少第一生產線的產能。
在一些實施例中,上述發電機組的發電量表示為X=x 1,x 2,...x n 。生產線的產能分別表示為p1,p2,..,,pm。n與m為大於1的正整數。發電機組的單位發電成本為E=e1,e2,...en。生產線的耗電量分別為f1(p 1),f 2(p 2),...,f m (p m )。生產線的獲利分別表示為g 1(p 1),g 2(p 2),...,g m (p m )。所述調整至少一發電機組的發電量或調整至少一生產線的產能的步驟是執行以下最佳化演算法:
C(y)表示根據契約內容外購電量y所需的金額。Ti表示第i個發電機組的額定發電量。Lj表示第j個生產線的最低產能。Uj表示第j個生產線的最高產能,B為實數。
在一些實施例中,上述的函式C(y)為以下方程式(1),其中A為契約容量,α為實數,實數B大於契約容量。
在一些實施例中,上述的Lj是根據第j個生產線所對應的產品訂單的完成度所決定。
以另外一個角度來說,本發明提出一種電腦程式產品,經由電腦系統載入並執行後,執行上述的電力的預測與調度方法。
為讓本發明的上述特徵和優點能更明顯易懂,下文特舉實施例,並配合所附圖式作詳細說明如下。
111、112‧‧‧生產線
121~124‧‧‧電力錶
130‧‧‧外購電量
141~143‧‧‧發電機組
201~204、211~216‧‧‧外購電量
220、230‧‧‧直線
S301~S304‧‧‧步驟
[圖1]是根據一實施例繪示工廠中發電與用電的示意圖。
[圖2]是根據一實施例繪示預測外購電量的示意圖。
[圖3]是根據一實施例繪示電力的預測與調度方法的流程圖。
關於本文中所使用之『第一』、『第二』、...等,並非特別指次序或順位的意思,其僅為了區別以相同技術用語描述的元件或操作。
圖1是根據一實施例繪示工廠中發電與用電的示意圖。請參照圖1,工廠中具有多條生產線111、112,在此實施例中上述的工廠為鋼廠,而這些生產線111、112是用以軋延剛材以產生鋼帶,但在其他實施中上述的工廠也可以是鋁廠或其他任意類型的工廠,本發明並不在此限。工廠中設置了多個電力錶121~124,這些電力錶121~124可以是瓦特計、電壓計、電流計、智慧電表、或其組合。在圖1中,這些電力錶是設置在生產線111、112上,然而圖1僅為一範例,本發明並不限制電力錶的設置位置。發電機組
141~143是用以提供電力給生產線111~112。當發電機組141~143的發電量不夠時,則可以從外部取得外部電量130。通常,外部電量130是透過與電力公司簽合約,約定一個契約容量,而外購的電量不應該超過這個契約容量。在此實施例中提出一個電力的預測與調度方法,用以調整發電機組141~143的發電量或調整生產線111~112的產生,以下將詳細說明。
首先,根據從電力錶121~124收集的資訊,可以計算出隨時間改變的外購電量。例如,電力錶可以設置在接往外部的電線上,因此量測從外部流入的電量。在此實施例中,根據電力錶的取樣頻率,會每隔一段時間(例如每秒)都會取得目前的外購電量。接下來,可先對這些外購電量執行一個移動平均(moving average)演算法以取得平均後的外購電量,例如移動平均的視窗可以設定為30秒,因此每30秒都會更新外購電量一次。接下來,根據這些外購電量執行一個預測模型以預測第一預設時間後的預測外購電量。在此實施例中,是採用自回歸(autoregressive)模型來預測外購電量。具體來說,自回歸模型可以表示為以下方程式(1),
其中wt-i表示時間點(t-i)的外購電量,如上所述,時間點(t-i)與時間點(t-i-1)的間格為30秒,而wt是所要預測的外購電量。p為正整數,亦可稱為自回歸的階數(order),例如為3、4、5或任意適合的正整數。ai與a0為實
數,這可透過訓練階段來取得,例如在訓練階段時會先取得外購電量wt-wt-p,然後調整實數ai與a0,使得方程式(1)的左邊與右邊之間的差最小,然而本領域具有通常知識者當可理解訓練階段如何計算出實數ai與a0,在此不詳細贅述。在計算出實數ai與a0後,執行方程式(1)可以根據過去的外購電量來預測出30秒後的外購電量wt。在執行完方程式(1)後,可以把預測的外購電量wt當作是外購電量wt-1,然後再重複執行方程式(1)一次。舉例來說,如圖2所示,圖2中的橫軸為時間,縱軸為外購電量,其中用實線畫的外購電量201~204表示透過電力錶所取得的真實外購電量,而外購電量211~216則是預測出的外購電量。若上述自回歸的階數為3,則可根據外購電量202~204來預測出外購電量211,接著再根據外購電量203、204、211來預測出外購電量212,以此類推,最後再根據外購電量213~215來預測出外購電量216。在此實施例中,外購電量201~204、211~216之間的間隔(亦稱第二預設時間)為30秒,但執行多次方程式(1)以後,可以預測出15分鐘(亦稱第一預設時間)以後的外購電量。然而,在其他實施例中,上述的第二預設時間也可為10秒、15秒,而第一預設時間也可為30分鐘、60分鐘等,本發明並不在此限。
在圖2中,直線220代表契約容量,而直線230代表管制值。當所預測出的外購電量大於契約容量或者是管制值時,便可以調整至少一組發電機組的發電量或調整至少一個生產線的產能,目的是增加發電量或是降低產能,減少
外購電量,以避免外購電量超過了契約容量。以下將舉實施例來說明調整的策略。
當要增加發電機組的發電量時還可考慮發電機組的發電效率,此發電效率例如是發電功率除以發電成本。每一個發電機組都會有各自的發電效率,也會有各自的額定發電量。如果發電機組中的第一發電機組的發電效率大於其他發電機組的發電效率且此第一發電機組的發電量小於第一發電機組的額定發電量時,則可以增加第一發電機組的發電量。如此一來,可以用成本最低的方式來減少外購電量。
另一方面,當調整生產線的產能時可考慮訂單完成度。具體來說,每條生產線是用以生產一種產品,而此產品有對應的訂單,每條生產線的訂單完成度可能不同。當生產線中的第一生產線所對應的訂單完成度大於其他生產線所對應的訂單完成度,可減少第一生產線的產能。舉例來說,第一生產線的訂單完成度已經達到90%,而其他生產線的訂單完成度只有約50%,則表示第一生產線可以先暫緩或暫停,先減少耗電量,之後等到外購電量減少時再回復第一生產線的產能。
在一些實施例中,調整生產線的產能時也可以考慮生產線的耗電量。具體來說,根據所生產的產品或所需要的製程,每條生產線會有不同的耗電量。當生產線中的第一生產線所對應的耗電量大於其他生產線所對應的耗電量時,可減少此第一生產線的產能。如此一來,可暫時大幅度地減少外購電量。
除此之外,也可以再考慮每條產品的獲利,雖然外購電量超過契約容量時需要額外的費用,但如果生產線的獲利大於增加的費用,則也可選擇讓外購電量超過契約容量。在一些實施例中,是以最佳化演算法來一併考量上述各種因素。具體來說,發電機組的發電量可表示為X=x 1,x 2,...x n ,X為向量,n為大於1的正整數,表示共有n台發電機組。生產線的產能分別表示為p1,p2,...,pm,m為大於1的正整數,表示共有m條生產線。這些生產線的耗電量分別為f1(p 1),f 2(p 2),...,f m (p m ),fi為將產能轉換為耗電量的函式,函式fi可以透過事前蒐集產能與耗電量,執行線性回歸以後得到,例如函式fi可為線性方程式,但本發明並不限制函式fi的內容。以另一個角度來說,外購電量也會等於生產線的耗電量減去發電機組的發電量。因此,外購電量wout可以表示為以下方程式(1)。
wout=Σ i f i (p i )-Σ i x i ...(1)
此外,發電機組的單位發電成本可表示為E=e1,e2,...en,E為向量,單位發電成本為發電功率除以成本。生產線的獲利分別表示為g 1(p 1),g 2(p 2),...,g m (p m ),函式g i (p i )表示當第i條生產線的產能為p i 時,可產生多少獲利,函式g i (p i )可根據產品的成本與售價等資訊來計算出。上述調整發電量或調整產能的步驟可執行以下最佳化演算法,其中方程式(2)為目標函數(objection function),方程式(3)~(5)為限制條件。
其中X T .E代表發電成本。函式C(y)表示根據契約的內容,外購電量y時所需的金額,C(Σ i f i (p i )-Σ i x i )代表外購電量所需額外增加的費用。Σ i g i (p i )代表在此產能下所有生產線的獲利的總和。Ti表示第i個發電機組的額定發電量。Lj表示第j個生產線的最低產能,Uj表示第j個生產線的最高產能。B為實數。方程式(2)所代表的意義是要調整向量X、P以最小化成本。方程式(3)表示每個發電機組的發電量不能超過額定發電量。方程式(4)代表每條生產線的產能必須在一範圍內,在一些實施例中Lj是根據第j個生產線所對應的產品訂單的完成度所決定,例如當訂單完成度太低時,則對應的Lj必須增加,因此訂單完成度會與Lj成反比。方程式(5)則表示外購電量依然有其上限,不能超過實數B。
在一些實施例中,上述的函式C(y)為以下方程式(6)。其中A為契約容量,表示在契約容量內的外購電量並不會增加額外的費用。α為實數,可依照契約內容來決定。上述的實數會B大於契約容量A,表示外購電量雖然可以超過契約容量A,但依然有其上限B。
圖3是根據一實施例繪示電力的預測與調度方法的流程圖。在步驟S301中,從多個電力錶取得隨時間改
變的多個外購電量。在步驟S302中,根據外購電量執行預測模型以預測第一預設時間後的預測外購電量。在步驟S303中,判斷預測外購電量是否大於契約容量。如果外購電量大於契約容量,在步驟S304中調整發電機組的發電量或調整生產線的產能。然而,圖3中各步驟已詳細說明如上,在此便不再贅述。值得注意的是,圖3中各步驟可以實作為多個程式碼並由電腦系統來執行,或者也可實作為硬體電路。此外,圖3的方法可以搭配以上實施例使用,也可以單獨使用,也就是說圖3的各步驟之間也可以加入其他的步驟。
以另外一個角度來說,本發明提出一種電腦程式產品,當電腦系統載入此電腦程式產品並執行以後,可執行上述的電力的預測與調度方法。然而,本發明並不限制此電腦程式產品是由何種程式語言來實作。
雖然本發明已以實施例揭露如上,然其並非用以限定本發明,任何所屬技術領域中具有通常知識者,在不脫離本發明的精神和範圍內,當可作些許的更動與潤飾,故本發明的保護範圍當視後附的申請專利範圍所界定者為準。
Claims (5)
- 一種電力的預測與調度方法,適用於一電腦系統,該方法包括:從多個電力錶取得隨時間改變的多個外購電量;根據該些外購電量執行一預測模型以預測一第一預設時間後的一預測外購電量;以及若該預測外購電量大於一契約容量,調整至少一發電機組的發電量或調整至少一生產線的產能,其中該至少一發電機組與該至少一生產線的數目都大於1,該些發電機組的該些發電量表示為X=x 1 ,x 2 ,...x n ,該些生產線的該些產能分別表示為p1 ,p2 ,...,pm,n與m為大於1的正整數,該些發電機組的單位發電成本為E=e1 ,e2 ,...en,該些生產線的耗電量分別為f1(p 1),f 2(p 2),...,f m (p m ),該些生產線的獲利分別表示為g 1(p 1),g 2(p 2),...,g m (p m ),所述調整該至少一發電機組的發電量或調整該至少一生產線的產能的步驟包括:執行以下最佳化演算法:min X,P X T .E+C(Σ i f i (p i )-Σ i x i )-Σ i g i (p i )s.b. 0xi T i ,i=1...n Lj p j U j ,j=1...m Σ i f i (p i )-Σ i x i B其中C(y)表示根據一契約外購電量y所需的金額,Ti表示第i個發電機組的額定發電量,Lj表示第j個生產線的最低產能,Uj表示第j個生產線的最高產能,B為實數。
- 如申請專利範圍第1項所述之電力的預測與調度方法,其中根據該些外購電量執行該預測模型以預測該預設時間後的該預測外購電量的步驟包括:(a)根據該些外購電量執行一自回歸模型以預測出一第二預設時間後的該預測外購電量,其中該第二預設時間小於該第一預設時間;以及重複執行上述步驟(a)以預測出該第一預設時間後的該預測外購電量。
- 如申請專利範圍第1項所述之電力的預測與調度方法,其中函式C(y)為以下方程式(1):
- 如申請專利範圍第3項所述之電力的預測與調度方法,其中Lj是根據第j個生產線所對應的產品訂單的完成度所決定。
- 一種電腦程式產品,經由一電腦系統載入並執行後,執行如申請專利範圍第1項所述之電力的預測與調度方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW105132092A TWI626616B (zh) | 2016-10-04 | 2016-10-04 | 電力的預測與調度方法、電腦程式產品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW105132092A TWI626616B (zh) | 2016-10-04 | 2016-10-04 | 電力的預測與調度方法、電腦程式產品 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201814632A TW201814632A (zh) | 2018-04-16 |
TWI626616B true TWI626616B (zh) | 2018-06-11 |
Family
ID=62639313
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW105132092A TWI626616B (zh) | 2016-10-04 | 2016-10-04 | 電力的預測與調度方法、電腦程式產品 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI626616B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200729057A (en) * | 2005-09-30 | 2007-08-01 | Siemens Ag | Industrial production method and production equipment |
CN100444064C (zh) * | 2005-08-26 | 2008-12-17 | 株式会社东芝 | 电力供给系统、电力供给方法和批量处理方法 |
TW201209748A (en) * | 2010-08-20 | 2012-03-01 | Advanced Control & Amp Systems Inc | Multi-level energy analysis management system |
CN102403794A (zh) * | 2011-09-26 | 2012-04-04 | 国网信息通信有限公司 | 智能电网一体化管理系统 |
TW201346789A (zh) * | 2011-11-25 | 2013-11-16 | Tokyo Electron Ltd | 處理裝置群控制器、生產處理系統、處理裝置群控制方法、生產效率化系統、生產效率化裝置以及生產效率化方法 |
-
2016
- 2016-10-04 TW TW105132092A patent/TWI626616B/zh not_active IP Right Cessation
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100444064C (zh) * | 2005-08-26 | 2008-12-17 | 株式会社东芝 | 电力供给系统、电力供给方法和批量处理方法 |
TW200729057A (en) * | 2005-09-30 | 2007-08-01 | Siemens Ag | Industrial production method and production equipment |
TW201209748A (en) * | 2010-08-20 | 2012-03-01 | Advanced Control & Amp Systems Inc | Multi-level energy analysis management system |
CN102403794A (zh) * | 2011-09-26 | 2012-04-04 | 国网信息通信有限公司 | 智能电网一体化管理系统 |
TW201346789A (zh) * | 2011-11-25 | 2013-11-16 | Tokyo Electron Ltd | 處理裝置群控制器、生產處理系統、處理裝置群控制方法、生產效率化系統、生產效率化裝置以及生產效率化方法 |
Also Published As
Publication number | Publication date |
---|---|
TW201814632A (zh) | 2018-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11861741B2 (en) | Central plant control system with equipment maintenance evaluation | |
CN108416503B (zh) | 具有资产规模调整的建筑物能量成本优化系统 | |
US10574087B2 (en) | Energy storage modeling and control | |
JP7482167B2 (ja) | 動的エネルギーストレージシステム制御のためのシステムおよび方法 | |
US11262718B2 (en) | Method and system for managing microgrid assets | |
Hansen et al. | A partially observable markov decision process approach to residential home energy management | |
Khodaei et al. | SCUC with hourly demand response considering intertemporal load characteristics | |
US20190206000A1 (en) | Building energy storage system with multiple demand charge cost optimization | |
Hu et al. | Stochastic programming and market equilibrium analysis of microgrids energy management systems | |
US20160055507A1 (en) | Forecasting market prices for management of grid-scale energy storage systems | |
Tabandeh et al. | Reliability constrained congestion management with uncertain negawatt demand response firms considering repairable advanced metering infrastructures | |
EP3547234A1 (en) | Building energy optimization system with capacity market program (cmp) participation | |
Lu et al. | A hybrid deep learning-based online energy management scheme for industrial microgrid | |
JP6268926B2 (ja) | 売電計画作成装置、売電計画作成システム及び売電計画作成プログラム | |
Nan et al. | Short-term wind speed syntheses correcting forecasting model and its application | |
CN112070301A (zh) | 一种用户用电量调整方法、系统及设备 | |
CN113222403A (zh) | 基于大数据的电力调节方法、装置、存储介质及电子设备 | |
Vedullapalli et al. | Optimal demand response in a building by battery and HVAC scheduling using model predictive control | |
Hossen et al. | Optimal operation of smart home appliances using deep learning | |
Yu et al. | A practical real-time OPF method using new triangular approximate model of wind electric generators | |
JP2020039222A (ja) | 電力需給制御装置、電力需給制御システムおよび電力需給制御方法 | |
JP6549896B2 (ja) | 電力需要調整装置、電力需要調整方法及び電力需要調整プログラム | |
TWI626616B (zh) | 電力的預測與調度方法、電腦程式產品 | |
Puech et al. | Controlling microgrids without external data: A benchmark of stochastic programming methods | |
Ibrayeva et al. | Building an Adaptive Hybrid Model for Short-Term Prediction of Power Consumption Using a Neural Network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | Annulment or lapse of patent due to non-payment of fees |