CN113169579A - 用于分布式储能资源的机器学习、本地多资产灵活性优化和管理的*** - Google Patents

用于分布式储能资源的机器学习、本地多资产灵活性优化和管理的*** Download PDF

Info

Publication number
CN113169579A
CN113169579A CN201980055252.5A CN201980055252A CN113169579A CN 113169579 A CN113169579 A CN 113169579A CN 201980055252 A CN201980055252 A CN 201980055252A CN 113169579 A CN113169579 A CN 113169579A
Authority
CN
China
Prior art keywords
charging
local
network
energy
resources
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.)
Pending
Application number
CN201980055252.5A
Other languages
English (en)
Inventor
S·R·丹尼尔
C·V·瑞特
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Moisha Energy Holdings Ltd
Moixa Energy Holdings Ltd
Original Assignee
Moisha Energy Holdings Ltd
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 Moisha Energy Holdings Ltd filed Critical Moisha Energy Holdings Ltd
Publication of CN113169579A publication Critical patent/CN113169579A/zh
Pending legal-status Critical Current

Links

Images

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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/68—Off-site monitoring or control, e.g. remote control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/63—Monitoring or controlling charging stations in response to network capacity
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/64—Optimising energy costs, e.g. responding to electricity rates
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/67—Controlling two or more charging stations
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L55/00—Arrangements for supplying energy stored within a vehicle to a power network, i.e. vehicle-to-grid [V2G] arrangements
    • 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
    • G05B15/00—Systems controlled by a computer
    • G05B15/02—Systems controlled by a computer electric
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/08—Payment architectures
    • G06Q20/14—Payment architectures specially adapted for billing systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/04—Billing or invoicing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • 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
    • 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
    • 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
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/34—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/50—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using hash chains, e.g. blockchains or hash trees
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q2220/00—Business processing using cryptography
    • 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]
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/12—Electric charging stations
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/16—Information or communication technologies improving the operation of electric vehicles
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/16—Information or communication technologies improving the operation of electric vehicles
    • Y02T90/167—Systems integrating technologies related to power network operation and communication or information technologies for supporting the interoperability of electric or hybrid vehicles, i.e. smartgrids as interface for battery charging of electric vehicles [EV] or hybrid vehicles [HEV]
    • 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
    • Y04S10/12—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation
    • Y04S10/126—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation the energy generation units being or involving electric vehicles [EV] or hybrid vehicles [HEV], i.e. power aggregation of EV or HEV, vehicle to grid arrangements [V2G]
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y04S30/00—Systems supporting specific end-user applications in the sector of transportation
    • Y04S30/10—Systems supporting the interoperability of electric or hybrid vehicles
    • Y04S30/12—Remote or cooperative charging
    • 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
    • Y04S30/00—Systems supporting specific end-user applications in the sector of transportation
    • Y04S30/10—Systems supporting the interoperability of electric or hybrid vehicles
    • Y04S30/14—Details associated with the interoperability, e.g. vehicle recognition, authentication, identification or billing
    • 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
    • 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
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/10—Energy trading, including energy flowing from end-user application to grid

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Marketing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Automation & Control Theory (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Public Health (AREA)
  • Signal Processing (AREA)

Abstract

***、设备和方法，用于在局部化和群组聚合的基础上优化和管理分布式储能和灵活性资源(特别是围绕本地数据模式的确定、分析和预测性学***衡或约束管理、或者帮助主动管理局部能量需求和可再生供应、存储资源、电热资源、电动车辆充电资源或电动车辆充电器集群、建筑物中的灵活负载。

Description

用于分布式储能资源的机器学习、本地多资产灵活性优化和 管理的***
技术领域
本发明涉及通过机器学***衡和本地网络约束管理，并最大化多个能源***利益相关者的性能。
背景技术
储能代表能源***中不断增长的资产类别，以及帮助管理和转移诸如风能和太阳能的低碳发电资源供应、并帮助管理能源需求图谱形状和电力***管理的机会。当电网上存在大量的储能和灵活性资源时，管理挑战就会增加，特别是随着电动车辆应用的增加和本地网络在适应电力消耗大幅波动方面的压力增加，诸如电动车辆充电率越来越高。
当能源***处于‘孤岛’状态或连接受限时，挑战也会增加，例如对于大的岛国，或互连率较低的位置/网络，或者在规划新的选址时，无论是新的建筑或校园，还是新的智能城市。例如，英国和日本就是比较大的岛国，互连率较低(例如10％)，因此必须在自己的能源***内管理灵活性，因为分布式风能和太阳能资源的大规模部署的波动会导致太阳日的变化或天气的变化。类似地，分布式电池(诸如家用存储、电动车辆和个人移动设备、机器人或不断发展的物联网/电池供电设备)的大规模应用需要每天进行大量的充电管理。
例如，在英国，一项针对移动性的电气化战略可能需要在整个英国运输***中布置超过万亿瓦特(TWH)的电池，这些电池需要随时随地进行管理和优化。这在投资新一代和网络资源方面带来了很大的基础设施挑战，并且也为车辆聚集电力以促进电网发展创造了机会(例如，V2 Green公司的US11836760)。
有许多现有技术的示例(包括来自Moxia的US9379545、US20100076615的示例)从单个解决方案(例如Moixa、Tesla、STEM、Sunverge和Sonnen的太阳能电池)、能源数据收集和安全交换(例如US13328952、KR101491553B1)或通过分类账(WO2017066431A1)或EV管理解决方案(US20080039979A1)或在高峰或非高峰之间的利率套利(例如US9225173，关于协调存储资源作为微电网上的应急电源并响应市场价格)和虚拟发电厂的综合应用(例如US15540781、US20170005474A1)的角度讨论了这一挑战的各个方面。
还有各种模拟电动车辆管理和充电挑战的学术论文，包括"A StochasticResource-Sharing Network for Electric Vehicle Charging",Angelos Aveklouris etal,2017(https://arxiv.org/abs/1711.05561),"Critical behaviour in charging ofelectric vehicles",Rui Carvalho,Frank Kelly et al(2015,New J.Phys.17(2015)095001),"Electric and Plug-in Hybrid Vehicle Networks:Optimization andControl",(Nov/2017,ISBN 9781498744997),Emanuele Crisostomi/Bob Shorten et al，其概述了电动车辆流量和充电的数学优化问题。
然而，这种和其他示例没有适当考虑需要如何在群组和地方层面管理多种类型的资产和收益，以及如何优化这些资产和收益以实现个人动机和收益(例如房主)或EV用户、受监管实体(诸如供应商或网络)或设备制造商之间的平衡。特别是，它们没有介绍如何将技术结合起来，以提供适应不同能源***和法规或计费和方法随时间变化的解决方案，也没有介绍可以如何将机器学习和其他优化技术结合起来，以实现对一个位置的资产组的实时和自我调节控制。先前的方法也没有解决如何随着时间的推移，使用适应时间和变化的能源、通信和软件环境的技术可靠地管理这些群组，先前的方法也没有解决如何从财务上管理这类资产，诸如来自交易对手或合同的现金流支付，以最大化利益相关者或出资者的回报。先前的方法也没有适当解决如何随着时间的推移，在维护连接、管理和更新分布式资产群组方面最小化生命周期运营和维护成本。
鉴于这些挑战和问题，因此需要能够共同解决能源***中的这些和其他问题，并且使得不同类型的电池组或具有电池的设备能够像能源基础设施一样作为集体资产来管理的***、方法和设备。
发明内容
根据本发明实施例的各方面，提供了一种管理和优化***，包含软件***和协议、与终端设备和资源以及二者之间的连接和交换方式，以收集数据和监控使用情况，处理外部数据和市场信号，并执行分析和识别特征以及更新预测的算法，以便协调能够如何调度、共享或协调所述资源中的灵活性，从而对单个或集合的资源组进行各种干预，从而随着时间的推移为单个站点、本地环境、更广泛的社区或国家实现特定目标或可靠的性能目标。
所述终端资源通常包括分布式储能资源，诸如“电表后端”电存储电池或热存储源、同地或集中的较大电池资源、电动车辆或其充电器装置、具有嵌入式电池的其他设备，诸如无人机、电信杆、机器人、终端用户设备、物联网(loT)和需要定期充电和管理的消费电子设备，或者分布式能量产生源，诸如太阳能电池板、风力资源、燃料电池、废弃物回收、或者能量负载或器具，其可以通过转移消耗作为灵活的资源，例如机械、加热或冷却元件。
所述终端设备通常包括与诸如智能仪表、夹具和传感器、路由器和控制器、智能集线器和网关、通信装置、消费者接入设备和显示器、充电器装置或智能插头或控制致动器、连接到终端资源的处理芯片或电路***等资源同地，或者作为传感器或表面上执行替代功能(诸如智能扬声器、智能恒温器、智能电话)或从第三方源确定或提取数据的方法的其他设备的物理装置，该第三方源诸如GPS信号、交通摄像机、远程图像(诸如天气模式或屋顶区域的太阳能可用性)。
一个示例性实施例将是使用所述设备向算法或‘大脑’软件***(例如，在云上或在中央服务器上，或在终端设备和资源上)提供关于位置或低压网络上的所述资源的能量供应或使用或需求的实时数据，以计算资源的当前位置和下一预测位置或未来图谱，从而有助于干预，诸如管理诸如多个电池或电动车辆的分布式能量资源的充电率。
所述连接方式通常包括标准通信技术(诸如固定和无线电话和移动网络(GPRS、1-5G、LTE))、本地通信技术(诸如WiFi、Z-Wave、Zigbee、网状网络、电力线或电路上承载的信号)，以及利用互联网和远程服务器、云托管组件和技术以及终端用户设备。
所述软件***可以通过合适的协议来辅助，该协议充当分布式控制方式、标准、框架和API，以及用于自动调节大量分布式实体以实现集体目标或收益的机制。例如，分布式资源上的充电协议可以配置成响应本地约束、拥塞或本地限制，从而以总的随机和网络性能是可预测和有益的方式优化本地位置的流量(例如，能量或数据)。作为一个示例，已经发现使用电话通讯方法来影响能量控制是特别有利的，诸如TCP(传输控制协议)，其中带宽是通过使分布式资源能够在观察到本地拥塞时自我调节和管理带宽(TCPIP)流来管理的(Jacobson 1988)。以类似的方式，本发明的一个目的是使用中央软件***和协议的组合来帮助在分布层上管理整个能源***如何运行，并且帮助例如局部电压限制、局部和整体***平衡。这在带宽管理方面非常有效，其中实际上一个随机‘路由’到局部约束的分散***，作为一个实现和解决优化问题的分散并行算法，实现了整体优化效果(Kelly)。
以同样的方式，这种充电协议可以通过确保诸如电池或电动车辆充电率的分布式资源最初以可预测的方式并以有利于优选的总体行为的方式响应本地约束来帮助管理软件***的目标，并且其中这种充电协议可以用于最大化例如某些位置的‘功率流’或容量，或者最大化比例公平以平衡资源并更公平地接入，诸如当能源网络拥塞时，以低价充电或接入方式接入并适当公平地分配充电率，以及适当的管理或‘节流’来主动管理充电率，以在***的约束内优化参与者的需求。
以类似的方式，在一个示例性实施例中，这种方法可以应用于电池资产的充电算法或预定充电计划，所述电池资产寻求获得图谱，然后基于处理信号(例如，市场和电价信号、天气数据、位置约束)以及建筑物或车辆的能量供应(例如，来自电网或太阳能资源)和能源使用的本地测量来进行动态或周期性调整。所述***总体上具有自我调节的效果，并且通过传递增强目标图谱或价格目标的分布式校正来减少不确定性和波动性。在诸如英国的电力市场中，虽然每个家庭的能源使用图谱往往不稳定，但大部分家庭倾向于遵循一种可预测的模式，并且实际上是基于平均总体图谱确定的，诸如一段时间或一天内该房屋类别的Elexon图谱。随着市场变得更加即时、实时并采用本地结算，例如，随着英国向家庭推出半小时结算期，而不仅仅是更大的场所和企业，分布式资产的管理和自我监管对于定价、套利机会和***平衡以及能源供应商更准确地预测、交易和纠正能源购买和不平衡成本将变得更加关键。
所述数据和使用分析通常可以包括对电源(电网供应)、家庭或建筑电路、器具或大负载、电动车辆和充电装置、诸如太阳能、风能、燃料电池或其他资源的能源供应的能源使用的测量。其中能量的测量可以包括电压、功率和无功功率、频率和相位的变化的分析或NILM(非侵入式负载监测)，以及随时间的测量，以通过通常的方法(诸如聚类分析、解聚、模式识别、建模和卷积和比较、基于谐波的分析、功率谱分析)或以附加的数据源、上下文和与其他数据和神经网络方法(例如，Moixa US20100076615)的融合分析来补充，以检测变化并推断使用中的负载、器具的性质，或检测潜在的故障。所述数据还可以包括其他属性或数据，诸如GPS位置(以实现区域限定或影响相关行为的模式(例如，到达、温度要求、EV充电可能性))、用于参考典型行为的日历数据(当天或周末，或月、假日)、关于发电输出的本地数据和需求数据(建筑物、EV充电器)、在例如网络级别的市场灵活性需求(诸如电压上升、下降和质量问题)、关于频率移动的更广泛的市场需求、关于价格的市场信号(诸如批发和零售或供应商提供的价格)、价格未来图谱或次日市场交易数据、或关于不平衡和合同问题的数据、关于市场干预需求的数据(诸如需求侧管理响应(DSR/DSM))、影响活动的数据(诸如温度和天气数据和预测)，以及本地信息，诸如关于居住模式、CO2水平、声音、WIFI使用和设备连接/存在的位置相关数据、社区数据和P2P(对等)资源可用性或需求，或其他外部数据，诸如请求或与能源***的数据交换-能源供应商和计费账户，市场功能，诸如DCC、Elexon、本地DSO市场、TSO/国家电网警报。
在所述管理和优化***中，所述交换方式通常可以包括数据或分组、标准、API和各种工具，这些工具有助于访问、安全或帮助调解交易，诸如促进对资源进行认证访问的软件方法，诸如令牌、哈希记录和时间戳、智能合同、私钥和公钥、数字签名、分布式分类账和审计记录、区块链或副链、电子‘硬币’或能够可靠地长期保持所述访问和交易控制的其他加密表示。
所述交易和工具也可以是平台或市场，或管理和金融结构，诸如特殊目的载体(SPV)，其可以使用管理和优化***，以利于随着时间的推移管理资产和合同的目标，并通过长期管理不同目的的资源来帮助确保目标和绩效-诸如收益、现金流，并使用该***来管理资产生命周期内的运营和维护(O&M)区域。
在所述管理和优化***的一个示例性实施例中，一种方法将寻求在个体和集合的基础上协调和管理分布式能源资源资产，以作为“能源即服务”(EaaS)模型或作为电池运营商‘BOP’来为这种资产及其所有者(客户或资产载体)提供最佳回报，这是通过在一系列潜在受益者之间提供灵活性和服务来实现的，包括BTM-“电表后端”，其通常针对最终客户或建筑物；ATM-“电表处”，其通常用于能源供应商或能源服务公司；LTM-“电表本地”，其通常用于本地配电网、开发商或社区；以及FTM-“电表前端”，其用于更广泛的电网参与者和***收益。所述优化方法通常涉及针对单个或合作受益者群体进行优化，并学习能源模式和管理灵活性，以最大化每日收入，并通过在出现特定情况(诸如本地网络限制或电网高价值机会)时，通过与特定方签订合同按需提供灵活性来提供额外回报。
在这种方法中，优化和协调方法可以寻求管理纯BTM-家庭/建筑客户收益，或者在例如为客户提供服务的公用事业公司(BTM+ATM)或作为对等体(在对等模型中)的本地客户群或作为群体(BTM+ATM+LTM)(诸如住宅和EV客户)、公用事业公司供应商和本地网络之间调整目标。在这种情况下，算法需要考虑1)数据和身份特征，并根据目标进行管理，诸如a)网络上的本地限制，其可能作为对供应或时间和充电率的约束，或b)限制可再生或电池/EV资源的能量输出；和2)约束评分(例如，电力网络没有足够的容量来满足需求的风险)；和3)家庭或车辆中的可转移需求或灵活性的预测；以及4)资源的灵活性和可预测性的风险评分，以说明其可能受到例如以下项限制的地方：预测的能量需求、电池资源的大小和可用性、建筑物占用或未占用的信息、电动车辆的位置(例如，如果没有连接)，或者合同或市场约束，例如，如果能源供应商因担心交易地位受影响而不希望提供灵活性，或者更广泛的电网发行或合同机会可能需要灵活性。
在一个实施例中，该***包含：
中央软件***，设置成接收数据并监控网络中多个远程站点的终端设备和资源的使用，该软件***设置成确定用于对远程站点的电池充电和/或放电的电池充电计划，其中电池是电动车辆(EV)电池和/或其他储能电池；
终端设备，在远程站点处，设置成根据它们各自的充电计划来控制充电，其中终端设备实现充电协议，该充电协议配置成响应所识别的本地约束、拥塞或本地限制，从而以总的随机和网络性能是可预测和有益的方式优化本地网络上的能量传输。
因此，如上所述，在充电点使用这样的协议，基于诸如电压变化、限制或频率的局部特性的测量，分配改变充电率的决定，以便在压力或高负载事件中成比例地延迟充电或降低充电率，或者在低负载或低压力事件的测量中逐渐增加充电率，从而以可预测的方式自我调节充电事件。因此，中央软件***和分布式协议的结合决定了整个能源***的性能，并有助于例如局部电压限制、局部和整体***平衡。这否定了纯粹自上而下方法的复杂性。
在一个实施例中，充电协议通过以下方式进行：
a)以初始速率开始充电或放电；
b)根据可充电电池的充电计划，朝向目标充电率周期性地增加速率；
c)检测网络上达到本地限制的指示，并且作为响应降低充电率，
并且继续步骤b和c以根据计划对电池充电和/或放电。
充电率的增加可以是累加的，并且充电率的降低可以是成倍的。因此，充电率以增量接近目标充电率，而在检测到拥塞的情况下，充电率以指数方式下降，直到拥塞事件过去。这为网络提供了自我调节和稳定性。
在一个实施例中，通过监控配电网上的电压电平或频率或电压电平或频率的变化来确定网络上达到本地限制的指示，其中该限制可以是网络在预定的可接受条件内运行的上限或下限。因此，该方案既可以应用于从本地网络对电池充电，其中高电压电平可以指示网络压力较大，也可以应用于将电池放电到网络中，其中检测到低电压电平，指示供应不足。
在一个实施例中，以可预测的方式响应的分布式充电图谱或设备充电计划的集合提供了分布式自我调节效果，以促进***的整体可预测性、公平性、稳定性或目标。
在一个实施例中，充电计划是基于处理指示以下项中的一个或多个的信号来动态调整的：
-市场和电价信号、天气数据、位置限制
-能源供应的本地测量
-建筑物或车辆的能源使用。
在一个实施例中，该***设置成执行根据本地约束主动管理和调节通过站点或本地低压网络的电动车辆充电率的方法，包含：
在远程站点监控终端电动车辆(EV)状态和电池充电状态；
预测远程站点电动车辆的未来使用和充电模式，并预测本地网络性能；
使用该测量和未来预测形成本地网络上的EV使用和网络性能的总量模型，并比较EV使用和网络性能的总量模型以识别本地网络上预测使用将超过本地约束的潜在问题；
决策逻辑，用于评估和安排对EV充电计划的实时调整，以调节充电率，避免超出本地限制；
将调整后的充电计划传递给远程EV。
在一个实施例中，本地约束是时移能源使用中的消费者和公用事业供应约束和/或与管理本地网络内的一组资源的本地网络约束耦合，以避免由本地网络的基础设施施加的约束。因此，例如，现有的本地网络可能没有能力支持为多辆电动车辆充电的新设施，在该设施中，高峰使用可能会超过容量。通过允许***主动管理充电点，可以调节消耗的功率，使得设施可以在网络的本地限制内运行，从而避免基础设施的昂贵升级。显然，网络的不同部分上可以有不同的本地约束，***可以根据各自识别的本地约束以不同的充电率调节不同的终端站点。
在一个实施例中，来自终端站点资源的可用灵活性和风险图谱被用于延迟充电。
在一个实施例中，该预测至少部分基于跟踪EV车辆位置。因此，例如，电动车辆与其充电基站的接近度可用于预测充电事件即将发生。
在一个实施例中，该***设置成通过管理和优化***来优化电表后端(BTM)效益，其中该***处理来自终端设备的实时或周期性数据，以通过以下方式管理通过对分布式储能资源充电/放电而提供的灵活性：
a)分析数据源，包括以下项中的一个或多个：i)能源使用，ii)本地太阳能生产，iii)天气预报数据iv)日历信息、过去的表现和学习的行为v)电价图谱信息vi)客户偏好，和
b)执行算法方法以进行数据驱动的能源使用预测，包括以下项中的一个或多个：i)预测负荷ii)太阳能发电iii)EV充电使用iv)电池充电计划v)风险图谱和灵活性
c)使用数据驱动的预测来产生存储资源的充电计划，以实现期望的目标。
在一个实施例中，目标是以下项中的一个或多个：i)最小化来自电网的能源使用ii)最大化太阳能资源的自身消耗iii)最小化价格iv)最小化CO2 v)优化电池性能，vi)管理充电状态和电池性能vii)在特定时间实现电池准备就绪的充电目标，viii)响应来自第三方的改变请求或灵活性机会，ix)提供响应灵活性机会的能力。
在一个实施例中，该***设置成基于数据和预测向用户提供状态和性能报告。
预测可以利用机器学习、模式识别以及特征和事件检测(例如，高负载、占用事件、充电周期的开始)、训练神经网络来帮助识别模式或对不寻常的模式进行分类、使用建模、卷积和比较、预测和概率建模(例如，事件检测的能量负载分布、太阳能图谱、EV充电模式)、或马尔可夫建模来对可能的后续状态和使用中的节能设备的持续时间之间的概率转变和路径、或EV充电中的转变状态、反馈网络、预测学习、线性编程进行建模。
所述事件检测和短期预测可以利用简单的多层感知器或递归神经网络，或分解或图谱信息来确定和关注对未来图谱具有长期影响的事件，诸如通过检测能源使用中的显著阶跃变化来检测高负载器具(诸如炊具、空调或洗衣机)的启动，以及分解和模式识别方法，诸如参考过去的图谱和学习的行为。已经发现，这对于影响这种高负载的未来预测或标准电动车辆充电事件，以及由占用(例如，检测返回工作、外出-例如假日模式、夜间减速)触发的消耗增加是特别有利的，并且各种工具(诸如风险图谱)可以有助于这种预测的稳定性和过去的可靠性，以影响能量管理以及预测如何用于交易、电池充电计划调整、更广泛的灵活性可用性。
在一个实施例中，该***设置成在时间间隔开始时在一组数据和变量之间使用线性编程技术，并且在进一步的时间段使用预测组，以集中在最大化时间间隔内的目标和如何通过改变家用电池或电动车辆充电计划中的电池充电率/放电参数来对预测的时间间隔进行局部优化之间的优化。
在一个实施例中，该***设置成使用神经网络，最大化熵函数和/或找到纳什均衡方法来优化目标和/或平衡特定时间间隔内的冲突需求。
在一个实施例中，数据与预测引擎和经济模型共享，以确定电池的充电计划，其中所述经济模型参考电价模型或存储来计算示例性计划的影响；
并且预测引擎i)计算用于应用这种计划的消耗和发电的正向模型，以及ii)存储该预测，以实现性能监控和对***的反馈，或者如果测量变量与预测有偏差，则请求新的预测，以及iii)管理计划的存储和部署，以确保终端资产按照计划目标执行。
在一个实施例中，该***在特定位置内的多个终端设备上处理实时或周期性数据，以管理至少一个识别的本地约束内的储能资源的总性能，其中该***设置成：
监控多个终端设备和资源的使用、供应和充电率，并从终端站点和本地网络接收预测、风险图谱和可用的灵活性和备用容量；
汇总站点使用情况和预测，以对预测的总体负荷预测、需求和该位置或低压网络上的流量进行建模，
考虑到至少一个网络约束，分析这种预测如何影响本地网络性能，
对本地主动管理计划、中央或分布式电池资源和EV充电、太阳能削减、热资源和其他需求侧响应资产进行调整或安排调整，以使网络中的能源使用满足约束；以及
实施积极的管理控制来实现计划。
在一个实施例中，网络约束是以下项中的一个或多个：
i)电能质量问题，诸如电压上升或下降、不同相位的限制、网络故障、电能质量问题，以及
ii)在网络上部署额外的负载或发电装置，诸如电动车辆充电、热泵、供暖电气化、太阳能/EV向电网的输出，导致资产在更高的压力下运行或故障率增加，并增加了管理电网的难度。
在一个实施例中，该***设置成提供灵活性，其中各个资产可以向灵活性引擎报告其监控状态、生成的充电计划、预测，该灵活性引擎可以将对向市场提供灵活性的可用性的flex请求转变为对计划的约束和调整，并且通过将这样的约束应用于计划来建模和计算成本、风险和回收，以验证是否可以将其分配和聚合到一个组中进行调度，从而为flex请求提供这种灵活性，并在整个组中实施和管理这种灵活性的交付绩效，包括管理订单、交付、报告和分配这种绩效的奖励。
根据本发明的一个方面，提供了一种能量网络中的管理和优化的方法，该能量网络包含软件***和协议、与分布式终端设备和能量资源以及二者之间的连接和交换方式，该方法包含：
收集数据和监控使用情况，
处理外部数据和市场信号，
执行分析和识别特征以及更新能源使用预测的算法，以便协调能够如何调度、共享或协调所述资源中的灵活性，从而对单个或集合的资源组进行各种干预，该灵活性如何能够长期为单个站点、本地环境、更广泛的社区或国家实现特定目标或可靠的性能目标。
根据本发明的一个方面，提供了一种用于对在能源***中的能源使用中观察到的事件或行为进行分类的***，包含：
递归神经网络，设置成在输入处接收指示能源***中能源使用或活动的时间序列测量值，并基于该输入识别
1)依赖于时间或占用的能源***的使用模式或
2)高负载、长持续时间事件，指示特定器具的使用，从测量值中分解，
并输出表示与使用模式或事件相关联的一个或多个属性的标量实时值，该值是设备或模式类型、事件或模式的开始时间、时间和电力负载持续时间预期中的一个或多个；
预测引擎，设置成至少部分地基于标量值来计算一段时间内能源***中的负载或灵活性的预测和/或该预测的风险图谱。
该***可以与本发明的其他方面和实施例相结合，在这些方面和实施例中，使用了终端站点的能源使用预测。
在一个实施例中，使用模式是季节或日历相关模式、到达、夜间减速、假日。
在一个实施例中，事件表示EV充电、湿货器具或加热器具或冷却器具的操作。
在一个实施例中，为多个目标器具和/或模式提供专用神经网络。
在一个实施例中，主网络动态地分支到进一步的神经网络，该进一步的神经网络设置成：
当模式的测量值在主网络的输出阈值范围内时，创建、增强和训练网络，
并且然后决定：
在一系列相邻网络中进行‘前向计算’分类
或者当发现网络匹配时，选择性地学习和进行网络内权重的‘后向计算’更新。
根据本发明的一个方面，提供了一种对在能源***中的能源使用中观察到的事件或行为进行分类的方法，包含：
在递归神经网络的输入处接收指示能源***中能源使用或活动的时间序列测量值，并基于该输入识别
1)依赖于时间或占用的能源***的使用模式或
2)高负载、长持续时间事件，指示特定器具的使用，从测量值中分解，
输出表示与使用模式或事件相关联的一个或多个属性的标量实时值，该值是设备或模式类型、事件或模式的开始时间、时间和电力负载持续时间预期中的一个或多个；
预测引擎设置成至少部分地基于标量值来计算一段时间内能源***中的负载或灵活性的预测和/或该预测的风险图谱。
根据本发明的一个方面，提供了一种在***中的网状链中记录能量充电事件的方法，该***包含多个地理上分布的计量充电点和多个可充电电池，该可充电电池具有结合在电池中或结合电池的移动设备中的相关逻辑，该方法包含：
在充电点和/或电池逻辑处存储本地分类账；
检测与连接到用于计量充电或放电的充电点的可充电电池相关联的充电事件；
从与可充电电池相关联的凭证和与充电点相关联的凭证形成事件细节的哈希值；
用哈希值和事件的时间戳更新充电点处的分类账和/或电池逻辑。
在一个实施例中，凭证是充电点和电池之间共享的公钥和私钥。
在一个实施例中，哈希包含分类账中先前事件的加密哈希，以在每个节点形成加密链接的事件链。
在一个实施例中，哈希包括本地地理参考。
在一个实施例中，地理参考包含测量的Wi-Fi信号标识符、来自蜂窝电话塔的标识符、GPS信号或本地并入电力线传输的签名。
在一个实施例中，可充电电池包含在电动车辆中。
在一个实施例中，该方法包含核算电池的使用，或者将电池接收或输送的电力货币化，或者在对等模型中共享资产。
在一个实施例中，该方法包含通过检查链的完整性和/或通过检查在电池的分类账中看到的充电事件来检查事件的真实性，该充电事件在所指示的充电点的分类账中具有匹配的条目和匹配的时间戳。
根据本发明的一个方面，提供了一种用于执行上述方法的***，该***包含多个充电点或充电表以及多个电动车辆，该电动车辆设置成存储本地分类账，并且设置成在检测到充电事件时形成要存储在本地分类账中的哈希值。
根据本发明的一个方面，提供了一种用于执行任一前述权利要求所述的方法的计算机程序。
根据本发明的不同方面，提供了一种通过管理和优化***优化电表后端(BTM)收益的方法，其中该***处理来自终端设备的实时或周期性数据，以管理分布式储能资源，从而影响和管理充电或交易；一种通过管理和优化***优化“电表后端”(BTM)和公用事业供应“电表处”效益的方法，其中该***处理来自终端设备的实时或周期性数据，以管理分布式储能资源，从而通过管理和调整充电来影响和管理交易和能量供应的整体能量形状；一种通过管理和优化***优化一组“电表后端”(BTM)和公用事业供应“电表处”需求以及电表本地(LTM)收益的方法，其中该***处理该位置内多个终端设备的实时或周期性数据，以影响软件***在本地约束内管理储能资源的总性能；以及一种通过管理和优化***优化BTM、ATM、LTM和FTM(电表前端)的一组资源的方法，其中该***处理多个终端设备上的实时或周期性数据，以实现它们的目标，同时计算或优化备用容量，以参与其他灵活的市场。
在管理和优化***的实施例中，所述软件***和协议可以利用基于分布式分类账的交换机制，诸如块链技术、电子硬币或密码术，诸如基于EnergyWeb方法的能量块链(它们本身基于以太坊方法)。这种方法虽然不需要中介，但通常需要强大的处理能力和很难处理的链。因此，它们通常要求一方作为可信任的验证者来确认交易或验证‘工作证明’，或准链方法，诸如将交易分成组或子链的Polkadot变体。这种方法可能有价值，因为它们能够实现一致的、数学上纯粹的和持久的数据交换方法，以及独立于能源***参与者、设备和语言的新形式的协议，因此在本申请中描述的软件***中作为确保可靠访问和长期管理的机制具有价值。然而，虽然这种方法可以用于创建网格边缘或对等市场的新模型，但其他方法可能有利于创建这种本地市场。
在本发明的实施例和交换方式中，相关之处在于使用这种分类帐方法来帮助管理封闭社区、建筑物、场所、社区或低压网络内的资产交互。在这些方法中，可以使用准链模型，其中局部能源***的一部分，诸如变电站或特殊仪表，可以用于确认和验证局部交易，消除了完全分布式块链的能源和数据密集型问题。还有一种方法是使用我们称之为‘网状链’的东西，即在稳定的节点上创建分类账或区块链，代表一个假定的信任级别，诸如在特定位置的智能电表、充电器点，以及在资产(诸如电动车辆)内，每次与另一个分类账交叉或交互时，每个分类账或区块链都创建一个审计跟踪，跟踪每个交易的计量能量流、充电器的充电事件、车辆的充电/放电，每个交易都创建一个共享哈希和时间戳，记录其在电网内的交互。在这种方法中，‘假’分类账是可见的，因为没有显著的带有可信或真实节点和充电器的标记事件，并且可以通过调用和检查特定节点处的分类账来检查真实性。这种方法虽然不试图创建数字货币，但可以使资产进行交易，充当审计跟踪或使用分类账，以影响对等模型中共享资产的货币化或补偿资格，或共享资源，而不会产生完美硬币***的开销和复杂性(例如，参见图10B)。
在一个示例性实施例中，本地环境中的各种设备各自具有其自己记录的交易链或分类账，每个设备记录与另一个设备或链的每次交互，例如充电器和电动车辆，或者记录消耗或输出的每个电力间隔的仪表。其中交易涉及创建附加到交易中的两个链的消息，并用合适的哈希函数来实现，以在时间戳处组合交易中双方和链的签名，使得签名各自的哈希提供了双方当时进行交易的证明记录。其中签名可以通过私钥和公钥***(例如OpenPGP)以及共享适当权限的密钥服务器来实现。其中本地网络DNO或DSO可以充当授权机构，允许在其网络上加载或生成，充当密钥服务器，为授权资产或受主动管理控制和规则约束的资产释放密钥。类似地，智能电表(例如MPAN授权电表)可能会提供合适的‘位置戳’和密钥。
进一步的示例和实施例是，分布式分类帐方法被用于创建和管理各方之间的智能合同，或者形成可共享的硬币来调节例如如何在本地分类帐的基础上共享太阳能发电、电池容量或本地灵活性，其中可信方是一个位置内的资产，诸如电表/充电器/网络节点，其作为位置标记被包括在时间戳和各方之间的交易的哈希中。这种方法在资产使用附带有折旧成本的情况下尤其有利，诸如在固定电池资源或电动车辆中，其中‘硬币’可以记录资产折旧和碳成本，以及资产的成本和能源所有权，以便正确计算资源的任何净使用、出口或能源共享的价值。进一步的示例和实施例是，如果能源使用的算法计算和预测本身有助于交易对手(诸如供应商、受益或使用的本地对等资源、或接收或提供服务的电池或灵活资产)在交易中交付或释放价值，则分类账、智能合同或交易记录(诸如硬币)被用于对能量数据和预测本身的价值进行货币化或确认。
在管理和优化***的一个优选实施例中，提供了一种方法，通过使用这种交换机制以及数据标准、API和开放框架的使用来帮助随着时间的推移管理多组分布式资产。软件***可以进一步通过提供多组工具、仪表板和监视器来提醒操作员，并帮助最终用户管理和更新设置，或请求随时间改变合同管理或***使用，来通过该方法促进终端资源的操作和维护。所述软件***还可以通过连接方式促进空中更新，并使用人工智能和机器学习来通过预先识别潜在故障或使用错误代码和警报来设置***进行分析来管理资源。在有限的资源(诸如循环长度有限的电池)中，这种机制也有助于确定何时更换资产，或者升级可以添加新电池或低成本电池以提高性能的机会。
优选实施例的进一步的特征是，建立专用车辆的融资工具，以拥有多组分布式储能资产、EV充电装置或电动车辆，其中所述车辆与管理和优化***签约，以在一段时间内或在资产的生命周期内执行某些功能，诸如前述的操作和维护工具，或为BTM、ATM、LTM、FTM受益人管理和优化服务，或最大化收入机会和来自所述方的合同收入或付款，诸如能源即服务(EaaS)模式或运输即服务(TaaS)模式中可能出现的情况，其中资产是以每次使用或作为服务租赁或支付的。管理和优化***在使用数据、预测和优化方法向广泛的受益者提供服务方面特别有利，从而在时间上更具适应性(或可移植到其他地区)，并随着市场中的规则、法规或行为的变化，或随着能源网络中的波动性增加而降低收入多样性的风险，以响应对可再生能源发电(诸如太阳能和风能)的更大采用，这些可再生能源发电每天都在变化，并且随着电动车辆和快速充电器的更广泛采用，在能量网络和位置上产生越来越大的压力或充电事件的聚集。
虽然本发明的各方面和实施例的以上描述仅作为示例给出，并且随后参考附图和图示，但是应当理解，可以根据其他方面和实施例来修改各种方面和实施例。本发明的范围不限于实施例的细节，而是能够在所附权利要求限定的本发明的范围内进行多种修改。
附图说明
图1-管理和优化***的总体示意图，具有软件***和各种数据输入、交换方式和资源、本地或更广泛的电力网络上的跨终端家庭站点的资源连接层，这些终端家庭站点具有各种资产、多个家庭站点、电动车辆充电站点、中央大型电池或太阳能资源、较大的建筑和站点、城市和更广泛的国家。
图2-示出了来自第三方或电表资源、电池或智能集线器的数据示意图，这些数据由软件***(或大脑)与来自电网、天气、日历、设置的输入一起处理，并有助于形成预测，从而为交易、网络或电网平衡机会提供灵活性，或者为连接的资产(诸如电池、电动车辆充电器或控制资源的智能集线器)制定充电计划。
图3-示出了管理和优化***可以如何管理来自更大电池资源或形成虚拟电池的分布式电池资源的集合的灵活性的示意图，所述虚拟电池诸如来自住宅、EV充电器、电信杆或建筑物中的需求响应资产。
图4-示出了管理和优化***的示意图，该***帮助控制由多个资源形成的本地网络，这些资源包括房屋、建筑物、EV充电站、较大的电池和太阳能资源。
图5示出了用于测量和控制或调节EV充电率的不同物理设备或软件方法的示意图。
图6示出了一个整体电池运营商模型的示意图，用于通过一系列提供客户端设备管理和分析、合作伙伴或公用事业端工具和服务、用于管理本地网络或电网服务的资源聚合的工具的模块，管理一系列“电表后端”、“电表处”、“电表本地”、“电表前端”受益者的资产。
图7示出了专用车辆的示意图和参与者之间的示例性现金流或合同关系。
图8-描述了基于线性规划方法在一个时间段开始时的一组数据和变量与进一步的时间段的预测组之间改变参数(电池充电/放电)的示例性优化方法，如流程示意图所示。
图9-描述了管理和优化***中的示例性预测方法，该方法使用监控数据，生成与预测引擎交互的计划和基于***和电价选择的经济模型。
图10A-描述了指示性递归神经网络分布(RNN)，以帮助检测和分类典型事件(模式或长持续时间负载)或先前观察到的一组行为，然后分支或测试代表远离基站的模式分布或代表所述事件的典型模式的相邻神经网络。
图10B-示出了在一个社区中跨固定和移动资产形成审计跟踪和网状链的示例。
图10C-示出了作为EV和充电器/电表之间共享的公钥和私钥的组合的哈希。
具体实施方式
现在将参考附图详细描述本发明的优选实施例。
参考图1，其示出了管理和优化***1的高级示意图，包含软件***2和协议3、连接4和交换5方式，用于将软件***链接到能量分配***22中的各个终端站点18处的终端设备6和资源7以及在二者之间进行链接。该软件收集数据8并监控终端设备6和资源的使用9，以及处理外部数据10，诸如市场信号11、天气预报54和位置存在55。该软件执行算法12，例如人工智能神经网络30方法，该方法从数据8和监控的使用9中分析和识别特征和/或事件13，并基于此创建/更新对即将到来的时间段中的能源使用的预测14，并存储与对终端站点的能源使用的洞察相关的学习52和日历模式53。使用这些预测14、学习52和日历模式53，以便协调能够如何调度16、共享17或协调所述资源中的灵活性15，从而对单个或集合资源组7进行各种干预，从而长期为单个站点18、本地环境19、更广泛的社区20或国家21实现特定目标或可靠的性能目标。
灵活性是指提供可增加或减少需求的资源、存储或提供电力以帮助能源网络管理可变性和波动性以及平衡网络供需的能力。传统上，能源供应商提供新一代在线资源，以满足需求的增长。现在，需求侧响应越来越受关注，即管理资源消耗能量的方式和时间的灵活性，以帮助平衡网络。如本文所述，管理和优化能源资源及其在终端站点的灵活性的能力为网络的各个层面提供了一系列优势，并且随着更多可变能源供应(诸如风能和太阳能)被添加到网络中，或者随着移动性和热的电气化，增加了随位置、时间和季节变化的网络负载，变得越来越重要。
资源的灵活性15可以通过诸如数据、合同、市场平台的交换方式5，与诸如聚合器、供应商、本地网络、电网或对等或社区47的能源参与者46，通过合同49进行交易，并实现财务支付48或诸如碳抵消的其他收益50。
还示出了配电***22，其通常由中央电网23和中央能量产生源构成，从而提供高压电力。这通过网络24传输到中压网络和变电站25。然后将其分配到低压网络26和降压变压器或配电子站27，这些子站提供终端用户电力。终端用户电力可以潜在地在不同的电相位上提供给终端站点18，一般通过仪表设备6、28，或者提供给未计量的负载，诸如路灯或网络连接的充电点29，其一般使用虚拟测量的中央管理***方法。在示例性站点18中，示出了配电网络上的示例性资源7，诸如太阳能31和电池资源32、具有电池44的移动电话网络杆、具有灵活需求侧资源的站点和建筑物45、以及类似地由单独的电动车辆充电器装置34(其也可以位于家庭或街道的同一地点)和示例性电动车辆35形成的电动车辆充电器集群33。类似地，在示例性房屋地点38周围，示出了住宅太阳能***36和电池37、高负载/持续时间装置39、地点数据/模式40、消费者接入设备41，诸如智能电话42和计算机43上的互联网浏览器。
在管理和优化***1的一个实施例中，一种方法将寻求在个体和集合的基础上协调和管理分布式能源资源资产，以作为“能源即服务”(EaaS)模型或作为电池运营商‘BOP’来为这种资产及其所有者(客户或资产载体)提供最佳回报，这是通过在一系列潜在受益者之间提供灵活性和服务来实现的，包括BTM-“电表后端”，其通常针对最终客户或建筑物；ATM-“电表处”，其通常用于能源供应商或能源服务公司；LTM-“电表本地”，其通常用于本地配电网、开发商或社区；以及FTM-“电表前端”，其用于更广泛的电网参与者和***收益。所述优化方法通常涉及针对单个或合作受益者群体进行优化，并学习能源模式和管理灵活性，以最大化每日收入，并通过在出现特定情况(诸如本地网络限制或电网高价值机会)时，通过与特定方签订合同按需提供灵活性来提供额外回报。
在这种方法中，优化和协调方法可以寻求管理纯BTM-家庭/建筑客户收益，或者在例如为客户提供服务的公用事业公司(BTM+ATM)或作为对等体(在对等模型中)的本地客户群或作为群体(BTM+ATM+LTM)(诸如住宅和EV客户)、公用事业公司供应商和本地网络之间调整目标。在这种情况下，算法需要考虑1)数据和身份特征，并根据目标进行管理，诸如a)网络上的本地限制，其可能作为对供应或时间和充电率的约束，或b)限制可再生或电池/EV资源的能量输出；和2)约束评分(例如，电力网络没有足够的容量来满足需求的风险)；和3)家庭或车辆中的可转移需求或灵活性的预测；以及4)资源的灵活性和可预测性的风险评分，以说明其可能受到例如以下项限制的地方：预测的能量需求、电池资源的大小和可用性、建筑物占用或未占用的信息、电动车辆的位置(例如，如果没有连接)，或者合同或市场约束，例如，如果能源供应商因担心交易地位受影响而不希望提供灵活性，或者更广泛的电网发行或合同机会可能需要灵活性。
根据一个实施例，提供了一种通过管理和优化***优化电表后端(BTM)收益的方法，其中该***处理来自终端设备的实时或周期性数据，以管理分布式储能资源，从而影响和管理充电或交易。一种方法，包含：
-a)分析数据源，诸如i)能源使用，ii)本地太阳能生产，iii)天气预报数据iv)日历信息、过去的表现和学习的行为v)电价图谱信息(例如一天内)或规则vi)客户偏好或规则，和
-b)算法方法，用于进行以下项的数据驱动预测，例如i)预测负载ii)太阳能发电iii)EV充电使用iv)电池充电计划v)风险图谱和灵活性，以优化和影响例如存储资源(诸如电池或电动车辆)的充电计划调整，或影响终端用户的消费和选择，或影响和建议能源供应商进行未来预测(例如以帮助交易)和干预选项(以改善交易)，
-c)决策逻辑，用于进行调整(例如对充电计划进行调整)以实现期望的行为或目标，诸如i)最小化来自电网的能源使用ii)最大化太阳能资源的自身消耗iii)最小化价格iv)最小化CO2 v)优化电池性能vi)管理充电状态和电池性能vii)实现充电目标(例如，电动车辆)或用于电池(备用准备状态)，viii)响应来自第三方(诸如本地方、公用事业供应商、网络、电网合同)的变更请求或灵活性机会ix)提供应对灵活性机会的能力，
-d)状态和性能报告，例如电池管理、***、客户电子邮件、报告或GUI显示或交易对手。
这种算法可以利用机器学习、模式识别以及特征和事件检测(例如，高负载、占用事件、充电周期的开始)、训练神经网络来帮助识别模式或对不寻常的模式进行分类、使用建模、卷积和比较、预测和概率建模(例如，事件检测的能量负载分布、太阳能图谱、EV充电模式)、或马尔可夫建模来对可能的后续状态和使用中的节能设备的持续时间之间的概率转变和路径、或EV充电中的转变状态、反馈网络、预测学习、线性编程进行建模。
所述事件检测和短期预测可以利用简单的多层感知器或递归神经网络，或分解或图谱信息来确定和关注对未来图谱具有长期影响的事件，诸如通过检测能源使用中的显著阶跃变化来检测高负载器具(诸如炊具、空调或洗衣机)的启动，以及分解和模式识别方法，诸如参考过去的图谱和学习的行为。已经发现，这对于影响这种高负载的未来预测或标准电动车辆充电事件，以及由占用(例如，检测返回工作、外出-例如假日模式、夜间减速)触发的消耗增加是特别有利的，并且各种工具(诸如风险图谱)可以有助于这种预测的稳定性和过去的可靠性，以影响能量管理以及预测如何用于交易、电池充电计划调整、更广泛的灵活性可用性。这种方法在帮助短期间隔或半小时结算方法的准确性、例如通过改变电池充电/放电模式或更新交易位置(通常在时间门之前报告)来对家庭负载进行调整方面也特别有利。类似地，这种关于EV检测和充电图谱预测的方法对于本地网络管理人员来说是有价值的，并且对于在相同本地网络上的其他充电请求的通知设置、调节或限制设置也是有价值的。
事件检测可以利用各种方法，诸如创建或匹配器具签名，通过在测量总有功功率的时间间隔内记录重大和较大变化事件，以及基于知识的学习，并将签名存储到数据库中，或者通过从图谱中删除某些概率签名并与性能进行比较，或者标记未学习的模式以影响风险图谱。与可靠预测特别相关的是具有高概率持续时间的事件，从而比短持续时间事件影响更大的功率流或灵活性的可用性。由于这种概率图和预测负荷变化的风险权重可以通过关注高和长概率持续时间事件的选择性分解和识别来分配，在典型的能量负荷图谱中，也以多个较短事件活动的一般背景为特征，并通过机器学习技术作为活动重复的模式或聚类相关性来改进。在所述管理和优化***的示例性实施例中，软件***实现了来自终端测量设备的数据的实时连接或间隔处理，以使数据可用于消费者呈现或分析和处理，从而在终端资源上实施远程控制变化或编程本地控制变化，诸如通过例如终端用户调整电池管理***或充电计划，响应外部请求或使用来自以下来源的数据作为优化：I)本地来源：诸如电池充电状态、能源使用、太阳能供应、EV需求，或II)使用这些数据和来自先前模式的额外洞察的预测、大负载的检测、占用认识、EV充电的开始或预期(例如GPS区域限定)，或与检测到的事件或日期模式相关联的学习行为，或III)外部信号的优化，诸如电流和天气、太阳辐射、市场定价或使用时间电价的短期和未来几天预测，或IV)实时价格信息和例如时间间隔，诸如供应商的半小时价格数据、价格信号和请求的调整或机会(例如低成本)，V)或建模的建议，以显示替代电价或能源机会的好处。
所述消费者呈现可以包括在消费者接入设备(诸如移动电话、平板电脑、家庭能量显示器、互联网浏览器)上选择性地显示实时或间隔的能源使用数据，包括建筑物能源使用和来自电网的能量、太阳能生产和使用、电池充电状态、百分比和容量千瓦时和能量流、电动车辆电池充电状态，并显示能量流，以及基于分析或时间的视图，诸如使用图、定价信息和储蓄总额、收益，以及关于状态或选择的警报、未来预测、历史数据与当前或对等组的比较，并允许最终用户选择设置或更改，以及管理功能，诸如数据管理、用户数据更新，诸如WiFi、帐户信息、地址、电价信息，以及客户支持领域，诸如文档、产品和保修信息、服务信息和故障/调查请求、价格计划的可见性或灵活性访问、设置和合同选择。
所述外部请求可以来自能源***利益相关者，并形成对灵活性的需求侧响应，例如来自能源供应商的电价或不平衡动机，或来自本地网络的本地网络约束、电压、功率或故障问题，或来自整个电网***的频率响应、需求增加、需求减少、容量或平衡市场需求。
所述软件***和建模可以利用决策逻辑，诸如事件的二元分类和关于事件的概率演化的决策树(诸如能量负载或一组消费行为)，或者神经网络来检测使用模式是否在正常限制内，或者表示异常或附加到特定事件组、数据或日历日的模式，或者使用模型来调度和允许从事件或使用灵活性中恢复时间。
所述优化和决策逻辑还可以利用线性编程技术来集中在最大化特定间隔和时间单位(TU)内的各种属性(例如，需求、PV供应、电网电价、天气)的优化，并建立测量或预期特性的典型流程图，以及如何例如通过改变家用电池或电动车辆充电计划中的电池充电率/放电参数，针对预测的时间间隔进行局部优化(参见图8)。
类似地，数据存储器或向量可以存储一系列时间段‘程序时间单位’(PTU)的这种预测的测量或预期图谱，或来自算法的一般预测，时间段优选地以一小时为单位或更短，例如15分钟，并且作为滚动窗口在一段合适的时间内(例如结算或提前一天-96PTU间隔；T0-T96)优化变量，包括：
-BL(t){Building_Load:Load_KwT0-96,LineVoltT0-96,FreqT0-96}
-ML1(t){Grid_Metered:KwhT0-96.},ML2(e.g.secondary/device meters,subtenant)。
-EV(t){EV_status:Charge_KwT0-96,Capacity_KwhT0-96}；
-PV(t){PV_gen:KwT0-96,KwhT0-96}；
-PVT(t){PV_FiT:Settleperiod,￡gen/KW,￡export/Kwh；￡if_variable T0-96}
-OG(t){Other_gen:KwT0-96,KwhT0-96}；
-TA(t){Grid_Tariff:Settleperiod,￡stand,￡PAYS；￡pT0-96,CO2g/kwhT0-96}
-BS(t){Battery_Status:Charge_KwT0-96,Capacity_KwhT0-96；CycleCostper/Kw}；
-WE(t){Weather_forecast:TT0-96,HumidityT0-96,SolarRadT0-96,CloudT0-96}
数据存储还可能包括客户或现场规则或偏好、参考充电计划、日历记录和默认模式、占用、学***(例如太阳能/电池/充电器的过剩/需求)、公用事业、网络或***运营商水平。
在管理和优化***中，优化电表后端的客户收益的软件***方法可以包括基于与预测引擎和经济模型共享当前和监控数据来生成计划(为了灵活性，例如资产的充电/放电)的方法，其中所述经济模型根据其他数据(例如电池、PV大小、选择、电价)并参考电价模型或存储来计算示例性计划的影响；并且所述预测引擎计算用于应用这种计划的消耗和发电的正向模型，连同其他因素和数据(例如天气或其他消耗预测)，并且存储该预测，以实现性能监控和对***的反馈或对新预测的请求(如果测量变量与预测有偏差的话)，并且管理计划的存储和部署，以确保终端资产根据计划目标执行(例如参见图9)。
根据另一个实施例，提供了一种通过管理和优化***来优化“电表后端”(BTM)和公用事业供应“电表处”收益的方法，其中该***处理来自终端设备的实时或周期性数据，以管理分布式储能资源，从而通过管理和调整充电来影响和管理能量交易和供应的整体能量形状。一种方法，包含：
a)监控终端站点、设备和资源的使用和供应，并接收对使用情况、风险图谱和可用灵活性的预测
b)汇总站点使用情况和预测，以了解总体总能源需求和流量
c)分析这种预测如何影响当前的交易地位和策略，例如i)能源供应，ii)价格或其他目标，例如碳或其他灵活***易的可用性，iii)不平衡管理，iv)电价和客户义务，vi)干预选项、成本和可用性，vii)来自灵活性或市场机会的收入机会
d)更新结算流程和交易模型，根据监控和预测或风险调整未来能源交易购买
e)建模和决策逻辑，以对最终站点进行调整或安排调整，诸如通过调整或请求更改充电计划、请求DSR需求方响应或调整、发出警报、价格或行为报价或未来客户报价
f)绩效监控和报告，例如客户报告、资产使用、GUI/绩效仪表板、交易员和操作员工具。
在所述管理和优化方法中，建模和决策逻辑可以考虑向终端用户提供替代的电价表或报价，这些电价表或报价有利于整体交易地位并提供相互优势或更准确地反映供应成本和费用，诸如通过用短时间(诸如半小时)结算取代长时间平均值结算，或者通过帮助提供或鼓励访问灵活的资产(诸如需求方响应(DSR)、存储或灵活的EV充电)，或者通过提供奖励或鼓励一天中特定时间特性的电价(例如，非高峰充电)，或者通过同意增加对家庭的数据访问，诸如EV位置(GPS或车辆传感器)、占用或其他传感器、额外的实时仪表数据，以提高预测能力。
在所述管理和优化方法中，在选择多个资产(例如，电池、EV、储热、DSR)和管理和能源供应责任下的一组地点的灵活性如何跨数据和预测准确性、可用性概率、温度/季节和日历、客户影响、灵活性风险、折旧成本和机会成本进行部署时，可以考虑多个因素。在所述管理和优化方法中，可能需要考虑参与者如何减轻或利用替代的本地机制和来自灵活性的回报，诸如对等，或者实际上向最终用户提供对等收益，并寻求优化如何获取或获得资源(供应商责任之外)以使终端用户和供应商交易地位受益，例如，通过向本地参与者提供改变充电计划、在家庭层面交易过剩的供应或需求，以改善其整体交易地位和不平衡风险。
作为一个示例性实施例，一组位于同地或合作的家庭可以选择形成用于对等或共享资源收益的社区，诸如用于电池、太阳能、EV充电，并且选择作为一个组进行抵消和结算，例如以半小时或间隔为基础，彼此进行抵消和结算，或者与已经以半小时为基础结算的站点(诸如较大的风力或太阳能发电机)或企业进行抵消和结算。已经发现，这使得能够通过虚拟计量进行一些本地交易，并且能够在一个社区内更大程度地虚拟汇集太阳能和电池资源，甚至在对家庭如何计量和结算的限制内。这种社区内的优化方法可以寻求在整个社区内共享能源数据向量和按需状态、电池和太阳能，并通过各种交换机制(前面讨论过)或平台进行交易，以节省灵活性和容量。从供应商的整体角度来看，供应商可以结算和抵消企业/更大的站点，这种本地交易，并直接抵消每个单独的电表记录。
根据另一个实施例，提供了一种通过管理和优化***来优化一组“电表后端”(BTM)和公用事业供应“电表处”需求以及电表本地(LTM)收益的方法，其中该***处理该位置内多个终端设备的实时或周期性数据，以影响软件***在本地约束内管理储能资源的总性能。一种方法，包含：
a)监控多个终端设备和资源的使用、供应和充电率，并接收来自终端站点和本地网络的预测、风险图谱、可用灵活性和备用容量
b)汇总站点使用和预测，以了解整体负载预测、需求和位置或低压网络流量，将本地网络使用特性与异常、季节性或日历调整或电动车辆群集和充电的高峰期进行比较或学习
c)分析这种预测可能如何影响本地网络性能，或响应网络的限制/故障，诸如电压上升或下降、电能质量问题、热泵/电加热需求峰值、不同阶段的问题、突破限制、产生故障或资产压力，例如由于终端站点负载过大、过度的太阳能输出、电动车辆的高需求、车辆到电网/电力附加费、造成下游限制的网络负载不平等、子站压力或熔断风险
d)建模和决策逻辑，以对本地主动管理计划、中央或分布式电池资源和EV充电、太阳能削减、热资源、DSR资产进行调整或安排调整，或协调本地参与者之间或与本地资产之间或本地资产内部之间共享能源和灵活性的请求(诸如分布式或中央电池、太阳能、热、充电资源)
e)实施积极的管理控制，诸如设定EV充电限额或EV充电的‘调节’率，或合同控制和降低资产出口或进口费率
f)对合同交付、支付或补偿义务、资产使用、运营商使用的工具和仪表板数据、最终用户或收益相关方的可见性或报告的绩效监控和报告
g)管理对结算的任何影响、与使用网络充电器或支付灵活性和容量相关的对参与者的费用或交叉费用，或代替资本延期协议的合同。
在一个示例性实施例中，管理和优化***提供了一种主动管理和调节通过站点或低压网络的电动车辆充电率的方法，以实现比在没有进一步升级、充电或不平等的情况下站点可能允许的更大的自由、平等和更快充电率的接入。其中所述方法涉及以下项中的一些：i)主动管理和调节充电率，ii)设置控制该充电率的滚动预测和未来充电曲线，iii)使用价格信号或激励来鼓励调整充电率或充电时间，iv)在某些时间或事件中减少充电或高充电率v)在单独的电动车辆充电器处建立合适的充电协议或自动响应和自我调节机制，这些机制总体上用于改善网络的受控性能。所述方法通常涉及以下阶段：
a)实时或间隔监控仪表终端消耗、能源供应和需求、电动车辆状态和充电率、充电请求和预测、风险图谱和终端站点资源的可用灵活性以及本地网络性能和跨阶段。
b)使用该测量和未来预测形成负载和网络性能的综合模型，以分析总体负载和网络性能问题，将此模型与学习到的行为或先前模式进行比较，并对本地、季节性、日历或高峰时段集群和充电以及主动充电率管理带来的先前灵活性进行调整。
c)评估和安排调整的决策逻辑，例如，实时“调节”EV充电率，或更新控制当前充电率或管理新充电请求的未来定价或充电曲线，或考虑或增强用于自我调节和平衡***的分布式充电协议，以及评估干预的经济模型，诸如成本、便利性、碳、网络资本延期、资产压力、网络风险。
d)实施和管理所述主动管理控制或通信，以管理终端设备上的充电率，以及审核终端***的响应或合规性，或作为主动管理响应的一部分管理中央储备(电池或分布式电池的集合)。
e)合同交付、支付或补偿义务的绩效监控和报告，以及工具、仪表板、终端用户或利益相关者、资产出资者的数据共享。
h)管理对本地结算的任何影响，或为灵活性或代替资本延期协议的费用或支付
在一个示例性优选实施例中，所述优化和管理***可以通过各种软件或物理设备机制来连接以测量或控制电动车辆电池状态，该机制包括：i)EV标准、充电器、用于数据交换的API、通用或设备控制协议，ii)电动车辆操作***iii)电池管理***和电池单元的控制或嵌入iv)EV充电器装置和标准，诸如SAE CCS、OCPP、CHAdeMO v)EV充电器装置的智能集线器和附件vi)连接充电器的智能电表和信号vii)可改装的控制装置，诸如电动车辆和充电器之间的连接插头viii)在适当配置的电源附近为电动车辆充电的无线或感应方式。
在所述优化和管理***中，考虑、测量和预测不同阶段的不同使用情况，并将主动管理纳入能够调整特定阶段需求的设备中，或者将需求转移到交替阶段以帮助平衡，例如通过电动车辆充电点，其可以响应于请求选择性地从不同阶段选择或汲取功率。
在所述优化和管理***中，该方法可以主动管理或建议在低压网络上添加额外的电池资源，或者作为中央资源或者作为分布式资源的集合，以帮助网络上的管理和平衡，例如在高峰太阳能时段存储过多的本地太阳能发电，或者在高峰家用需求时放电，或者管理本地太阳能和夜间/非高峰充电，以在电池中产生额外的容量，从而在高峰电动车辆需求时放电。在未来，这种方法还可以应用于车辆到电网、车辆到车辆或车辆到家庭的应用，其中所述软件***可以帮助协调这种电动车辆充电器的充电和放电，以实现不同的结果。
在所述优化和管理***中，使用基于类似TCP的方法的充电协议，该方法基于诸如电压变化、限制或频率的本地特性的测量来分配改变充电率的决定，以便在压力或高负载事件中成比例地延迟充电或降低充电率，或者在低负载或低压力事件的测量中逐渐增加充电率，并且因此以可预测的方式自我调节充电事件如何表现。
在所述优化和管理***中，可以使用的建模类型可以是，例如，基于决策树、充电行为和预期持续时间的模式识别、从事件网络学习的模式和典型地进行高负载或故障的特征(例如，在一天或季节/日历中的某一点的突然时间和充电事件的聚集)。
在管理和优化***中，软件***和协议可以使用这样的方法，该方法可以通过协商一致或共享来实现结果，并在各方之间建立价格作为交换或市场的形式，或者诸如通过找到纳什均衡或最大化熵函数来实现竞争目标的总体优化。因此，在网络约束的情况下，EV充电(或热活动)的总量(最大功率流)有一个极限，该极限可以在特定的充电率和时间发生，但通过这种机制，结果可以有利于平衡多方目标的共享结果或实现成比例的公平结果。类似地，如果公用事业公司可能出于自身利益(管理其交易地位的充电灵活性或不平衡风险)，所述管理和优化***可能寻求实现有利于管理网络约束的群组最佳结果，在共享或降低升级成本方面获得更广泛的收益，同时最小化或补偿不平衡或每个公用事业公司的变化对其交易的影响或对终端用户在接入和充电率方面的不便。在预测和向量中，某些时间可能倾向于由价格信号和推动驱动的公开交易和充电，而其他时间，特别是高峰季节充电，可能由比例公平方法驱动。
在可以支持本地对等交易的管理和优化***中，本地灵活性的测量和预测可能有利于识别本地灵活性，否则其他方可能看不到或不知道本地灵活性。价格信号和本地充电或限制的可见性可能有助于这种可用性，并有助于提供可由***协调的额外灵活性。
根据另一个实施例，提供了一种通过管理和优化***优化BTM、ATM、LTM和FTM(电表前端)收益的一组资源的方法，其中该***处理多个终端设备的实时或周期性数据，以实现它们的目标，同时计算或优化备用容量，以参与其他灵活的市场。一种方法，包含：
a)以上所述的监控设备、预测和建模方法
b)对合同灵活性机会的认识和经济建模，无论是在常规可用性基础上，还是在远期市场基础上，或是根据市场信号和请求
c)评估参与和共享灵活性的收益的决策逻辑，与其他客户、公用事业、本地目标、成本和影响(包括恢复时间)进行比较，
d)管理单个资产或资产集合的分派
e)审计和绩效报告灵活性要求的实现，以及管理对资产所有者的收益流，或对受灵活性部署影响的资产或各方的补偿或收入共享
f)从成功的灵活性项目中学习和优化，以影响后续定价或参与
在管理和优化***中，提供了一种提供灵活性的软件***方法，其中各个资产可以向灵活性引擎报告它们的监控状态、生成的充电计划、预测，灵活性引擎可以将flex请求(向市场交付灵活性的可用性)转化为对计划的约束和调整，并且通过将这样的约束应用于计划来建模和计算成本、风险和回收，以便验证是否可以将其分配和聚合到一个组中进行调度，从而为flex请求提供这种灵活性，并在整个组中实施和管理这种灵活性的交付绩效，包括管理订单、交付、报告和分配这种绩效的奖励。
在管理和优化***中，软件***还可以辅助投标引擎的管理和建模，该投标引擎管理来自不同方的对灵活性的潜在请求的管道，优选地通过标准方法、API、协议和框架，诸如用于以通用术语表达灵活性的USEF(通用智能能源框架)框架，并且辅助匹配和调度合适的资源组，这些资源组可以向该投标引擎投标或提供价格和合同，例如，用于管理本地市场灵活性的市场功能，诸如DSO(分布式***运营商)或网络市场和平台，或对等市场和交易平台，或作为***运营商管理的整个***拍卖和合同的一部分。
在管理和优化***中，软件***可以通过帮助将来自一些参与者或中央资源的可用或灵活性集合的供应与来自其他参与者或中央资源的本地灵活性需求匹配，来帮助管理参与对等或点对社区提供的灵活性的资源，并通过例如提供可用性数据、提供能源使用预测、提供管理这种数据或交易的交换方式来帮助管理这种事务，提供对干预措施的控制和管理，诸如改变充电计划，提供绩效监控和交换和补偿的审计，或计量表或其他结算费用的变化的核算。已经发现，即使当位置处的灵活性和电池资源很小时(例如，1-3KWh)，该***也是特别有利的，因为总体上共享这种资源可能具有从电网中切断房屋或资源的整个集合的影响，或者总体能量需求与预测的平均图谱更接近地匹配，有助于局部和更广泛的电网稳定性。已经发现，对等和点对社区交换试点(https://localisedenergyeric.wordpress.com)在不同类型的客户群体(私人、社会住房、学校、社区中心和EV充电点)之间共享终端用户资源(诸如太阳能和电池)方面是有用的，这些资源将被协调以实现整体收益，诸如降低能源成本、共享资源、减少网络约束或在高价格期间关闭电网。
现在参考图2，其示出了图1的***1的特定配置，用于开发对终端站点的能源使用的预测。因此，图2示出了管理和优化***1的示意图，其中来自第三方或计量资源6或来自电池7或智能集线器56的数据跟输入10一起由软件***2或算法12接收和处理，该输入诸如天气54、供应商使用时间或市场价格11、位置/占用55、存储的学***衡机会46、47的灵活性，或者用于驱动连接资产的充电计划114，诸如电池32和37、电动车辆充电器34或控制资源的智能集线器56。
现在参考图3，其示出了关于管理和优化***1的配置如何管理中央电池资源32或形成为资源集合的虚拟电池51的示意图，诸如与房屋38相关联的一组分布式储能资源(例如，电池37和电动车辆充电器34)、一组电动车辆充电器33、一组具有电池44的电信杆、建筑物45中的资源资产的需求增加和减少。
现在参考图4，其示出了管理和优化***1的配置的示意图，该配置有助于本地电压网络25的控制，其中资源的主动管理可以节省57或推迟升级成本，并且本地资源，诸如EV充电器34、灵活的建筑或站点资源45，可以通过软件***1和算法12利用本地数据馈送(例如6、54、11)对中央资源31、32和社区资产(例如38)的管理充电来平衡。
因此，例如，用于多个EV的新EV充电站可以被规划在网络的本地分支上，其中现有分支没有容量，例如，离变电站太远或者承载电力的物理线路被低估等，因而无法为同时使用的EV充电点以最大充电率和/或在峰值时间提供峰值功率。这可能会导致本地能源经销商拒绝批准新的充电站，除非安装新的变电站或新的分支机构，而这样会非常昂贵。本***1可用于通过主动管理EV充电点(即充电率和次数)来降低成本或避免升级支线的需要，以将本地网络上的最大需求限制在可接受的数字，或协调其他本地资源(诸如家用电池充电或放电)或需求侧响应资源如何帮助实现更大的EV充电负载。根据成本分析，可在充电站安装电池存储容量，以实现进一步的灵活性和主动管理，并允许交易灵活性的可能性，或者与通过在附近位置聚集电池而形成的虚拟电池一起交易。类似的考虑适用于建设新城镇、安装风力发电场和其他需要积极管理网络约束的情况，在这些情况下，提供额外的电池或控制资源有助于降低成本，同时也为电表后端的其他收益或公用事业和更广泛的电网提供这些资源。
现在参考图5，其示出了管理和优化***1的示意图，该管理和优化***配置成测量、调度和控制或“调节”EV充电的充电率。各种方法64可用于控制EV充电，诸如通过云和API或公共协议3、车载EV操作***58和车辆35上的程序、电池管理***59和电池***，智能集线器控制器60，其配置成通用通信板，用于设备级集成和托管用于电动车辆充电器或其他存储资源的设备控制协议，通常使用D-总线61和到软件***2中的物联网(IoT)客户端的连接、电动车辆充电器装置34上的软件、智能仪表6通信、可改装连接器63或连接在充电装置34和电动车辆插头连接器62之间的设备。
现在参考图6，其示出了整个电池运营商模型65的示意图，其中管理和优化***1管理资产组66，并在电表后端‘BTM’68、电表处“ATM’69、电表本地‘LTM’70、电表前端‘FTM’71范围内提供收益和服务67。这是通过一系列模块来完成的，这些模块提供客户端设备管理和分析73、合作伙伴或公用事业方工具和服务74、用于管理本地网络或电网服务的资源集合的工具75，其配置76成与终端设备6和资源7、66集成和通信。这些服务通常以SaaS(解决方案即服务)方式交付，涉及设计工作、业务模型和方法72、集成工作和API和协议的使用76、软件模块和平台73、74、75以及合同服务交付77，诸如销售、设置、安装、运营和维护。
现在参考图7，其示出了专用车辆78、贷方79和股东80、解决方案提供商83、分布式能源资产66和能源参与者89的示意图，以及参与者之间的示例性现金流或合同关系，诸如贷款资本81、贷款和股东协议82、根据工程、性能和建设(EPC)合同91和运营和维护(O&M)合同91对解决方案提供商83的付款90，用于支持销售和承包84，例如电池37和太阳能***36的采购和安装85，资产随时间的运行和维护86，并使用管理和优化***1来优化资产的节省，并通过合同95或市场5访问来自其他能源参与者(诸如社区47、供应商47、网络运营商、聚合商或电网)的收入流94。其中终端用户38可以例如将屋顶空间租赁和太阳能供给的电价收入92分配93给SPV 79，或者支付租金或PAYS(即存即付)费率92，并且与解决方案提供商83就服务(例如电池服务协议)、支付、来自灵活***易的收入或回扣96签订合同97。所述管理和优化***还使用软件***2、协议和交换方式5，以在资产融资或合同的期限内交付收益，并随着市场、监管和技术的发展帮助减轻收入随时间的差异。
现在参考图8，其示出了基于家庭能源需求100、太阳能供应101、电网电价102的数据模型的在时间周期98的开始、程序时间周期(PTU)之后99以及99之后的示例性线性编程简单电池充放电优化的流程图，并且应用于例如最小化类似成本的属性。
现在参考图9，其示出了由管理和优化***1内的软件2执行的计划生成器104方法的示例的示意图，该方法在各种约束和预测14、109以及外部数据(例如天气54、电价信息108和灵活性请求110)下生成计划114(例如，针对灵活性、位置113中的资产的充电/放电)。计划生成器方法涉及与预测引擎105和经济模型106共享监控的数据、学习的行为和模型107。经济模型计算示例性计划114的影响，例如通过参考电价模型或存储108和预测14考虑诸如电池、PV大小、选择的数据107。预测引擎105可以例如计算用于应用这种计划的消耗和发电的正向模型，以及其他因素和数据107、54。存储预测14、109，以实现性能监控112和对***的反馈，或者如果测量变量与预测有偏差，则请求新的预测。该方法管理计划的存储111和部署112，以确保终端设备和资源7根据计划目标执行。
参考图10A，其示出了递归神经网络(RNN)115(诸如图1所示的神经网络30)的示例的示意图，以利于模式识别输入序列121或典型事件13的分类或先前从时间序列能量测量或预测122、14中观察到的并且对一段时间的预测负荷或灵活性14、109有影响的一组行为。特别地，神经网络可以配置成识别时间相关或占用模式(季节或日历相关模式、到达、夜间减速、假日)，或者帮助分解和检测高负载、长持续时间事件(例如，EV充电、湿货器具、加热器具或冷却器具)。已经发现，这些识别的模式和事件特别有助于预测14的执行和风险图谱，并有助于影响电池充电和放电计划。
在这样的方案中，专用神经网络(119,120,...)可以为各种目标器具(例如，电动车辆)中的每个建立，或者表示各种模式(假日、夏季太阳日、到达、夜间)。初始特征检测过程123可以在被传递到神经网络之前应用于输入序列121，以促进这种分类。专用神经网络(119,120,...)还可以帮助验证来自其他神经网络的标量实时输出116、118，这些输出关于辅助预测14的关键属性，诸如设备或模式类型、开始时间、时间和电力负载持续时间预期。例如，专用神经网络可以识别负载的变化对应于电动车辆充电事件的开始，然后使用额外学习的行为或数据(例如，车辆的尺寸和类型)来预测充电持续时间，并因此影响未来几小时的预测负载。这然后有助于供应和交易位置上的公用事业或帮助本地网络预先了解网络上的负载需求。网络和其他机制也可用于帮助对新事件(诸如新器具)或物业中异常负载行为(诸如设备或资源没有响应或指示故障)进行分类。因此，诸如太阳能故障或低于预期的太阳能输出的网络输出可能有助于本地预测和计划。
类似地，来自这种神经网络的输出116、118可以影响关于模式或主要设备使用以及持续时间的预期概率的风险图谱和置信度。风险图谱能够对预测的可靠性进行评分，或者显示能源没有足够的灵活性来满足需求，因此通过开发灵活性预测的置信度度量，即预测正确/错误的概率，可以更好地管理网络中的灵活性，以避免可能的故障，例如充电率过高。未来负载预测中的较高置信度允许例如更大的充电率自由度，而电动车辆充电计划的网络可以使用较低置信度来抑制网络中的备用容量。
这种神经网络可以动态地分支，其中新的模式被识别或者与先前的学习不匹配，并且创建新的次级网络119、120。次级网络可以设置用于测试来自初级网络的数据123，或者一旦初级网络已经识别了模式或事件，就识别单独的一组特征。可选地，次级网络可以设置成当模式的测量在初级网络的输出阈值116的范围内时，创建并重新实施和训练网络117、124，然后当发现网络匹配时，决定在一系列相邻网络119、120中进行‘前向计算’分类，或者选择性地学习并进行网络内权重117、124的‘后向计算’更新。权重也可以被分配为与特定模式(例如季节)相关的维度数组，以确保学习强化季节或模式相关的模式。因此，当一个事件或设备被识别时，神经网络被加强和训练。
这样的网络分支或分布既可以帮助模式或主要事件检测，也可以帮助对当前模式在分布中的位置进行风险谱图评分，还可以帮助预测和决策逻辑。因此，相邻的神经网络可以表示远离代表所述事件的典型模式的基站的模式分布，使得相邻网络的输出表示主网络在识别事件或模式时准确的概率(例如二项式)分布。这有助于预测的使用，例如，例如了解当前情况与先前经验和决策的吻合程度，或者在更广泛的示例中，诸如自动金融交易，告知当市场处于未知或不太熟悉的模式时，不应使用这种规则。
递归神经网络(RNN)可以利用埃尔曼或霍普菲尔德反馈拓扑或深度学习技术，以及通过滤波和信号归一化技术来准备信号，诸如用于模式识别的卷积神经网络方法、去噪和自动解码器方法。网络和隐藏层还可以利用额外的存储节点来辅助例如LSTM(长短期记忆)方法，并使用真实数据的合成和随机训练、对数据集的中央预处理，来辅助网络的学习或用于加速准备好的网络的应用，以便在网络部署用于未来分类使用的终端站点进行通用应用，而辅助学习用于调整到本地模式。这种网络可以具有增强活动的当前时间模式的优点，如在语音识别中，或者有助于识别相关的活动，例如对应于资产的到达和占用开始的EV充电事件，对应于家庭中增加照明和器具使用的附加负载检测的开始，或者对于到达和加热负载事件可能相关的季节性活动。在分支网络方法中，或者在网络具有许多隐藏层的情况下，不同的节点可以表示和学习模式、器具或模式和器具的相关性的这种行为，以进一步帮助预测，并因此提供风险图谱和灵活性。
在实施例中，软件***和协议可以利用基于分布式分类账的交换机制，诸如块链技术、电子硬币或密码术，诸如基于EnergyWeb方法的能量块链(它们本身基于以太坊方法)。这种方法虽然不需要中介，但通常需要强大的处理能力和很难处理的链。因此，它们通常要求一方作为可信任的验证者来确认交易或验证‘工作证明’，或准链方法，诸如将交易分成组或子链的Polkadot变体。这种方法可能有价值，因为它们能够实现一致的、数学上纯粹的和持久的数据交换方法，以及独立于能源***参与者、设备和语言的新形式的协议，因此在本申请中描述的软件***中作为确保可靠访问和长期管理的机制具有价值。然而，虽然这种方法可以用于创建网格边缘或对等市场的新模型，但其他方法可能有利于创建这种本地市场。
该分类账方法可用于帮助管理封闭社区、建筑物、站点、社区或低压网络内的资产交互。在这些方法中，可以使用准链模型，其中局部能源***的一部分，诸如变电站或特殊仪表，可以用于确认和验证局部交易，消除了完全分布式块链的能源和数据密集型问题。还有一种方法是使用我们称之为‘网状链’的东西，即在稳定的节点上创建分类账或区块链，代表一个假定的信任级别，诸如在特定位置的智能电表、充电器点，以及在资产(诸如电动车辆)内，每次与另一个分类账交叉或交互时，每个分类账或区块链都创建一个审计跟踪，跟踪每个交易的计量能量流、充电器的充电事件、车辆的充电/放电，每个交易创建记录其在电网内的交互的共享哈希和时间戳。
图10B-示出了通过在每次发生交叉124、126或链式连接事件时记录交易133来形成作为“网状链”的审计跟踪或分类账127的示例，这里由EV 35示出，该EV在记录为时间戳134的特定时间“交易”以接收与充电器装置34的充电事件，并且示出为在不同位置的一组电动车辆(EV(i)-EV(n))和一组充电器装置(Ch(i)-Ch(n))，其中电动车辆(例如127)的每个分类账和充电器(或仪表)128的每个分类账在每次134有事件时记录“交易”133，并且如图10C所示形成哈希131作为例如EV 35和充电器34之间的共享公钥和私钥的组合，并且在未来的事件中被示为具有另一个充电器132的EV。因此，所述分类账127、128可以形成不同位置资产随时间的交易的历史记录，以例如帮助核算资产(例如电池)的使用或(通过充电器)到资产或从资产中存储的能量的电力货币化。

Claims (37)

1.一种管理和优化***，包含：
软件***和协议、与分布式终端设备和能量资源以及二者之间的连接和交换方式，以
收集数据和监控使用情况，
处理外部数据和市场信号，
执行分析和识别特征以及更新能源使用预测的算法，
以便协调能够如何调度、共享或协调所述资源中的灵活性，从而对单个或集合的资源组进行各种干预，
所述灵活性如何能够长期为单个站点、本地环境、更广泛的社区或国家实现特定目标或可靠的性能目标。
2.根据权利要求1所述的***，包含：
中央软件***，设置成接收数据并监控网络中多个远程站点的终端设备和资源的使用，所述软件***设置成确定用于对所述远程站点的电池充电和/或放电的电池充电计划，其中所述电池是电动车辆(EV)电池和/或其他储能电池；
终端设备，在远程站点处，设置成根据它们各自的充电计划来控制充电，其中所述终端设备实现充电协议，所述充电协议配置成响应所识别的本地约束、拥塞或本地限制，从而以总的随机和网络性能是可预测和有益的方式优化本地网络上的能量传输。
3.根据权利要求2所述的***，其中所述充电协议通过以下方式进行：
a)以初始速率开始充电或放电；
b)根据所述可充电电池的所述充电计划，朝向目标充电率周期性地增加所述速率；
c)检测所述网络上达到本地限制的指示，并且作为响应降低所述充电率，
并且继续步骤b和c以根据所述计划对所述电池充电和/或放电。
4.根据权利要求3所述的***，其中所述充电率的所述增加是累加的，并且所述充电率的所述降低是成倍的。
5.根据权利要求3或权利要求4所述的***，其中通过监控配电网上的电压电平或频率或电压电平或频率的变化来确定所述网络上达到本地限制的指示，其中所述限制能够是所述网络在预定的可接受条件内运行的上限或下限。
6.根据权利要求2至5中任一项所述的***，其中以可预测的方式响应的分布式充电图谱或设备充电计划的集合提供了分布式自我调节效果，以促进所述***的整体可预测性、公平性、稳定性或目标。
7.根据权利要求1至6中任一项所述的***，其中用于在所述远程站点对电池充电和/或放电的电池充电计划是基于处理指示以下项中的一个或多个的信号来动态调整的：
-市场和电价信号、天气数据、位置限制
-能源供应的本地测量
-建筑物或车辆的能源使用。
8.根据前述权利要求中任一项所述的***，设置成执行根据本地约束主动管理和调节通过站点或本地低压网络的电动车辆充电率的方法，包含：
在远程站点监控终端电动车辆(EV)状态和电池充电状态；
预测远程站点电动车辆的未来使用和充电模式，并预测本地网络性能；
使用所述测量和未来预测形成本地网络上的EV使用和网络性能的总量模型，并比较EV使用和网络性能的总量模型以识别本地网络上预测使用将超过所述本地约束的潜在问题；
决策逻辑，用于评估和安排对EV充电计划的实时调整，以调节充电率，避免超出所述本地限制；
将调整后的充电计划传递给所述远程EV。
9.根据权利要求8所述的***，其中所述本地约束是时移能源使用中的消费者和公用事业供应约束和/或与管理本地网络内的一组资源的本地网络约束耦合，以避免由所述本地网络的基础设施施加的约束。
10.根据权利要求9所述的***，其中
来自终端站点资源的可用灵活性和风险图谱被用于延迟充电。
11.根据权利要求9或权利要求10所述的***，其中
所述预测至少部分基于跟踪EV车辆位置。
12.根据任一前述权利要求所述的***，包含通过所述管理和优化***来优化电表后端(BTM)效益，其中所述***处理来自终端设备的实时或周期性数据，以通过以下方式管理通过对分布式储能资源充电/放电而提供的灵活性：
a)分析数据源，包括以下项中的一个或多个：i)能源使用，ii)本地太阳能生产，iii)天气预报数据iv)日历信息、过去的表现和学习的行为v)电价图谱信息vi)客户偏好，和
b)执行算法方法以进行数据驱动的能源使用预测，包括以下项中的一个或多个：i)预测负荷ii)太阳能发电iii)EV充电使用iv)电池充电计划v)风险图谱和灵活性
c)使用数据驱动的预测来产生存储资源的充电计划，以实现期望的目标。
13.根据权利要求12所述的***，其中所述目标是以下项中的一个或多个：i)最小化来自电网的能源使用ii)最大化太阳能资源的自身消耗iii)最小化价格iv)最小化CO2 v)优化电池性能，vi)管理充电状态和电池性能vii)在特定时间实现电池准备就绪的充电目标，viii)响应来自第三方的改变请求或灵活性机会，ix)提供响应灵活性机会的能力。
14.根据权利要求12或权利要求13所述的***，设置成基于所述数据和预测向用户提供状态和性能报告。
15.根据权利要求12至14中任一项所述的***，包含在时间间隔开始时在一组数据和变量之间使用线性编程技术，并且在进一步的时间段使用预测组，以集中在最大化所述时间间隔内的目标和如何通过改变家用电池或电动车辆充电计划中的电池充电率/放电参数来对所述预测的时间间隔进行局部优化之间的优化。
16.根据权利要求12至15中任一项所述的***，包含使用神经网络，最大化熵函数和/或找到纳什均衡方法来优化目标和/或平衡特定时间间隔内的冲突需求。
17.根据权利要求1至16中任一项所述的***，其中数据与预测引擎和经济模型共享，以确定电池的充电计划，
其中所述经济模型参考电价模型或存储来计算示例性计划的影响；
并且所述预测引擎
i)计算用于应用这种计划的消耗和发电的正向模型，以及ii)存储所述预测，以实现性能监控和对所述***的反馈，或者如果测量变量与所述预测有偏差，则请求新的预测，以及iii)管理所述计划的存储和部署，以确保终端资产按照所述计划目标执行。
18.根据权利要求1至17中任一项所述的***，其中所述***在特定位置内的多个终端设备上处理实时或周期性数据，以管理至少一个识别的本地约束内的储能资源的总性能，其中所述***设置成：
监控多个终端设备和资源的使用、供应和充电率，并从终端站点和所述本地网络接收预测、风险图谱和可用的灵活性和备用容量；
汇总站点使用情况和预测，以对预测的总体负荷预测、需求和所述位置或低压网络上的流量进行建模，
考虑到至少一个网络约束，分析这种预测如何影响本地网络性能，
对本地主动管理计划、中央或分布式电池资源和EV充电、太阳能削减、热资源和其他需求侧响应资产进行调整或安排调整，以使所述网络中的能源使用满足约束；以及
实施积极的管理控制来实现所述计划。
19.根据权利要求2至18中任一项所述的***，其中所述网络约束是以下项中的一个或多个：
i)电能质量问题，诸如电压上升或下降、不同相位的限制、网络故障、电能质量问题，以及
ii)在所述网络上部署额外的负载或发电装置，诸如电动车辆充电、热泵、供暖电气化、太阳能/EV向电网的输出，导致资产在更高的压力下运行或故障率增加，并增加了管理电网的难度。
20.一种能量网络中的管理和优化方法，包含软件***和协议、与分布式终端设备和能量资源以及二者之间的连接和交换方式，所述方法包含：
收集数据和监控使用情况，
处理外部数据和市场信号，
执行分析和识别特征以及更新能源使用预测的算法，以便协调能够如何调度、共享或协调所述资源中的灵活性，从而对单个或集合的资源组进行各种干预，所述灵活性如何能够长期为单个站点、本地环境、更广泛的社区或国家实现特定目标或可靠的性能目标。
21.根据权利要求20所述的方法，包含：
通过中央软件***接收数据并监控网络中多个远程站点的终端设备和资源的使用，所述软件***设置成确定用于对所述远程站点的电池充电和/或放电的电池充电计划，其中所述电池是电动车辆(EV)电池和/或其他储能电池
在远程终端设备处实现充电图谱协议，以根据它们各自的充电计划来控制充电，其中所述充电图谱协议通过响应所识别的本地约束、拥塞或本地限制来进行，从而以总的随机和网络性能是可预测和有益的方式优化所述本地网络上的能量流传输。
22.一种用于对在能源***中的能源使用中观察到的事件或行为进行分类的***，包含：
递归神经网络，设置成在输入处接收指示能源***中能源使用或活动的时间序列测量值，并基于所述输入识别
1)依赖于时间或占用的所述能源***的使用模式或
2)高负载、长持续时间事件，指示特定器具的使用，从测量值中分解，
并输出表示与使用模式或事件相关联的一个或多个属性的标量实时值，所述值是设备或模式类型、事件或模式的开始时间、时间和电力负载持续时间预期中的一个或多个；
预测引擎，设置成至少部分地基于所述标量值来计算一段时间内所述能源***中的负载或灵活性的预测和/或所述预测的风险图谱。
23.根据权利要求22所述的***，其中所述使用模式是季节或日历相关模式、到达、夜间减速、假日。
24.根据权利要求22或23所述的***，其中所述事件表示EV充电、湿货器具或加热器具或冷却器具的操作。
25.根据权利要求22至24中任一项所述的***，其中为多个目标器具和/或模式提供专用神经网络。
26.根据权利要求22至25中任一项所述的***，其中主网络动态地分支到进一步的神经网络，所述进一步的神经网络设置成：
当模式的测量值在主网络的输出阈值范围内时，创建、增强和训练网络，
并且然后决定：
在一系列相邻网络中进行‘前向计算’分类
或者当发现网络匹配时，选择性地学习和进行网络内权重的‘后向计算’更新。
27.一种用于对在能源***中的能源使用中观察到的事件或行为进行分类的方法，包含：
在递归神经网络的输入处接收指示能源***中能源使用或活动的时间序列测量值，并基于所述输入识别
1)依赖于时间或占用的所述能源***的使用模式或
2)高负载、长持续时间事件，指示特定器具的使用，从测量值中分解，
输出表示与使用模式或事件相关联的一个或多个属性的标量实时值，所述值是设备或模式类型、事件或模式的开始时间、时间和电力负载持续时间预期中的一个或多个；
预测引擎设置成至少部分地基于所述标量值来计算一段时间内所述能源***中的负载或灵活性的预测和/或所述预测的风险图谱。
28.一种在***中的网状链中记录能量充电事件的方法，所述***包含多个地理上分布的计量充电点和多个可充电电池，所述可充电电池具有结合在所述电池中或结合所述电池的移动设备中的相关逻辑，所述方法包含：
在所述充电点和/或所述电池逻辑处存储本地分类账；
检测与连接到用于计量充电或放电的充电点的可充电电池相关联的充电事件；
从与所述可充电电池相关联的凭证和与所述充电点相关联的凭证形成事件细节的哈希值；
用所述哈希值和所述事件的时间戳更新所述充电点处的所述分类账和/或所述电池逻辑。
29.根据权利要求28所述的方法，其中所述凭证是所述充电点和所述电池之间共享的公钥和私钥。
30.根据权利要求28或权利要求29所述的方法，其中所述哈希包含所述分类账中先前事件的加密哈希，以在每个节点形成加密链接的事件链。
31.根据权利要求28至30中任一项所述的方法，其中所述哈希包括本地地理位置参考。
32.根据权利要求28至31中任一项所述的方法，其中所述地理参考包含测量的Wi-Fi信号标识符、来自蜂窝电话塔的标识符、GPS信号或本地并入电力线传输的签名。
33.根据权利要求28至32中任一项所述的方法，其中所述可充电电池包含在电动车辆中。
34.根据权利要求28至33中任一项所述的方法，所述方法包含核算所述电池的使用，或者将所述电池接收或输送的电力货币化，或者在对等模型中共享资产。
35.根据权利要求28至34中任一项所述的方法，所述方法包含通过检查链的完整性和/或通过检查在电池的分类账中看到的充电事件来检查事件的真实性，所述充电事件在所指示的充电点的所述分类账中具有匹配的条目和匹配的时间戳。
36.一种用于执行权利要求28至35中任一项所述的方法的***，包含多个充电点或充电表以及多个电动车辆，所述电动车辆设置成存储本地分类账，并且设置成在检测到充电事件时形成要存储在所述本地分类账中的哈希值。
37.一种用于执行任一前述权利要求所述的方法的计算机程序。
CN201980055252.5A 2018-06-22 2019-06-20 用于分布式储能资源的机器学习、本地多资产灵活性优化和管理的*** Pending CN113169579A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
GB1810314.3A GB2577853B (en) 2018-06-22 2018-06-22 Systems for machine learning, optimising and managing local multi-asset flexibility of distributed energy storage resources
GB1810314.3 2018-06-22
PCT/EP2019/066382 WO2019243524A1 (en) 2018-06-22 2019-06-20 Systems for machine learning, optimising and managing local multi-asset flexibility of distributed energy storage resources

Publications (1)

Publication Number Publication Date
CN113169579A true CN113169579A (zh) 2021-07-23

Family

ID=63042551

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980055252.5A Pending CN113169579A (zh) 2018-06-22 2019-06-20 用于分布式储能资源的机器学习、本地多资产灵活性优化和管理的***

Country Status (9)

Country Link
US (1) US20210221247A1 (zh)
EP (4) EP3811490A1 (zh)
JP (1) JP2021528752A (zh)
KR (1) KR20210042898A (zh)
CN (1) CN113169579A (zh)
AU (1) AU2019289918A1 (zh)
CA (1) CA3104595A1 (zh)
GB (1) GB2577853B (zh)
WO (1) WO2019243524A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116029370A (zh) * 2023-03-17 2023-04-28 杭州海康威视数字技术股份有限公司 基于区块链的联邦学习的数据共享激励方法、装置及设备
CN116238384A (zh) * 2023-05-12 2023-06-09 深圳艾斯特创新科技有限公司 电池的性能识别方法、装置、设备及存储介质
CN116703304A (zh) * 2023-08-09 2023-09-05 山东水发大正物联科技有限公司 一种基于物联网的货物资产监管方法及***
CN117254505A (zh) * 2023-09-22 2023-12-19 南方电网调峰调频(广东)储能科技有限公司 基于数据处理的储能电站优化运行模式决策方法及***
CN118014330A (zh) * 2024-04-10 2024-05-10 太原理工大学 一种城市级三层综合能源***能量管理方法
CN118014330B (zh) * 2024-04-10 2024-06-21 太原理工大学 一种城市级三层综合能源***能量管理方法

Families Citing this family (77)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2566596B (en) * 2017-07-24 2019-11-27 A T Kearney Ltd Aggregating energy resources
CN108833270B (zh) * 2018-09-10 2022-10-25 珠海格力电器股份有限公司 网关通信方法、网关和能源***
US20200119556A1 (en) * 2018-10-11 2020-04-16 Di Shi Autonomous Voltage Control for Power System Using Deep Reinforcement Learning Considering N-1 Contingency
JP6909816B2 (ja) * 2019-01-17 2021-07-28 本田技研工業株式会社 送受電システム
JP6814233B2 (ja) * 2019-01-17 2021-01-13 本田技研工業株式会社 ケーブル、送受電管理システム、管理装置及びプログラム
CN109902807B (zh) * 2019-02-27 2022-07-05 电子科技大学 一种基于循环神经网络的众核芯片分布式热建模方法
CN110363383A (zh) * 2019-06-03 2019-10-22 华东电力试验研究院有限公司 一种基于数字化发展下的分布式发电监测技术
US11872902B2 (en) * 2019-09-20 2024-01-16 Bp Pulse Fleet North America, Inc. Real-time electric vehicle fleet management
KR20210041724A (ko) * 2019-10-08 2021-04-16 엘지전자 주식회사 전기차 충전기의 고장 예측 장치 및 방법
CN111342471B (zh) * 2020-03-02 2023-12-29 华北电力大学 一种基于机器学习的家庭产消者功率优化管理方法
GB2593524B (en) * 2020-03-26 2023-02-08 Epex Spot Se System for demand response coordination across multiple asset pools
CN111428946B (zh) * 2020-04-28 2022-07-01 三峡大学 一种充储电站供给侧分散式优化调度方法
CA3183601A1 (en) * 2020-05-14 2021-11-18 Schlumberger Canada Limited Distributed energy resource system design and operation
CN113675866B (zh) * 2020-05-15 2023-12-05 北京信息科技大学 一种规模化电动汽车的动态网格化金字塔调度方法
DE102020207619A1 (de) * 2020-06-19 2021-12-23 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zur Bereitstellung einer Ressource
WO2022009024A1 (en) * 2020-06-29 2022-01-13 Oli Systems Gmbh Distributed system and method to activate small flexible assets in electricity grid
US11531946B2 (en) * 2020-06-30 2022-12-20 Paypal, Inc. Optimizing machine learning model total payment volume predictions using model stacking
CN112101622A (zh) * 2020-08-13 2020-12-18 国网辽宁省电力有限公司电力科学研究院 一种基于混合整数线性规划的配电网灵活性潜力挖掘方法
US20220055496A1 (en) * 2020-08-20 2022-02-24 International Business Machines Corporation Electric vehicle charging optimization based on predictive analytics utilizing machine learning
US11769094B2 (en) 2020-10-01 2023-09-26 Electricfish Energy Inc. System and method for real-time distributed micro-grid optimization using price signals
EP3985582A1 (en) 2020-10-16 2022-04-20 Craft.Ai Devices and processes for data sample selection for power consumption management
WO2022079280A1 (en) 2020-10-16 2022-04-21 Craft.Ai Devices and processes for data sample selection for power consumption management
US11539598B2 (en) 2020-10-16 2022-12-27 Craft.Ai Devices and processes for data sample selection for power consumption management
CN112836287B (zh) * 2020-11-10 2023-06-27 华北电力大学 一种基于神经网络的电动汽车资源灵活性预测方法
CN112541573B (zh) * 2020-12-02 2024-06-18 安徽常道信息技术有限公司 一种神经网络的训练方法和装置
CN112561660B (zh) * 2020-12-23 2023-12-01 iCALC控股有限公司 一种资产数据处理方法、装置、设备及可读存储介质
US11677240B2 (en) * 2021-01-21 2023-06-13 Toyota Motor North America, Inc. Transport-based energy support
US20220250506A1 (en) * 2021-02-05 2022-08-11 GM Global Technology Operations LLC Battery thermal preconditioning
DE102021103044A1 (de) 2021-02-10 2022-08-11 Audi Aktiengesellschaft Verfahren zum Austauschen elektrischer Energie
CN112950371B (zh) * 2021-02-26 2023-11-21 iCALC控股有限公司 一种数据处理方法、装置、设备及可读存储介质
CN112803413B (zh) * 2021-04-13 2021-09-10 国网江西省电力有限公司电力科学研究院 综合能源***的三级分区自治与互补协同控制方法及装置
US20220348105A1 (en) * 2021-05-01 2022-11-03 Cummins Inc. Charger peak power optimization for fleet depot
CN113222140B (zh) * 2021-05-10 2022-09-20 重庆邮电大学 一种基于c4.5算法和bp神经元的配电网故障辅助决策方法
EP4092859A1 (en) * 2021-05-18 2022-11-23 Honda Motor Co., Ltd. Hardware-less set-up for pv self-consumption optimization
KR102650653B1 (ko) * 2021-05-21 2024-03-25 숭실대학교 산학협력단 태양광 발전설비용량 추정 방법 및 이를 수행하는 장치
CN113344402B (zh) * 2021-06-18 2022-09-23 浙江中新电力工程建设有限公司 基于电力性能的需求侧响应测算***及其测算方法
GB2607639A (en) * 2021-07-21 2022-12-14 Passiv Uk Ltd A system for controlling energy supply and/or consumption from an energy network
CN113673830B (zh) * 2021-07-23 2024-03-05 华南理工大学 基于非侵入式负荷监测技术的自适应家庭能量管理方法
EP4122752A1 (de) * 2021-07-23 2023-01-25 SIGMA Gesellschaft für Systementwicklung und Datenverarbeitung mbH Verfahren zur ladesteuerung eines elektrofahrzeuges
CN113890075B (zh) * 2021-09-28 2023-10-20 国网安徽省电力有限公司经济技术研究院 一种大规模电动汽车作为灵活爬坡资源的方法
CA3230281A1 (en) * 2021-10-01 2023-04-06 Jordan Frances HANCOCK Electric vehicle fleet charging and energy management system
CN114021787B (zh) * 2021-10-25 2024-06-14 国网河北省电力有限公司 一种考虑需求响应的配电网两阶段风险控制方法及***
CN114531265B (zh) * 2021-11-26 2023-09-26 国网浙江省电力有限公司嘉兴供电公司 一种基于虚拟电厂的终端安全接入和数据保护方法
US11444338B1 (en) 2021-11-30 2022-09-13 Knoetik Solutions, Inc. Smart battery system
EP4195440A1 (en) * 2021-12-08 2023-06-14 Abb Schweiz Ag Energy distribution system and method of controlling the distribution of energy
FI20216274A1 (en) * 2021-12-14 2023-06-15 Elisa Oyj Management of a distributed battery arrangement
US20230191949A1 (en) * 2021-12-17 2023-06-22 Sustainable Energy Technologies. Inc. Intelligent hybrid power system for electrical vehicles
US20230237506A1 (en) * 2022-01-24 2023-07-27 Wireless Advanced Vehicle Electrification, Llc Anti-fraud techniques for wireless power transfer
SE2230093A1 (en) * 2022-03-28 2023-09-29 Per Nilsson Patent for Synthetic Inertia
FI20225280A1 (en) * 2022-03-31 2023-10-13 Elisa Oyj Controlling a distributed energy storage system
JP2023167306A (ja) 2022-05-11 2023-11-24 株式会社日立製作所 情報処理装置、エネルギーシステム、及びバッテリの運用計画作成方法
CN114898152B (zh) * 2022-05-13 2023-05-30 电子科技大学 嵌入式弹性自扩展通用学习***
KR102587299B1 (ko) * 2022-05-16 2023-10-11 이한찬 전기차 충전용 모듈러 스테이션
WO2023224712A1 (en) * 2022-05-16 2023-11-23 ENEL X Way S.r.l. Systems and methods for integrating electronic calendar data into an electric vehicle charging network
US20230385421A1 (en) * 2022-05-24 2023-11-30 Red Hat, Inc. Automated conditional update
US20230396067A1 (en) * 2022-06-02 2023-12-07 Honeywell International Inc. System and apparatus for the control of battery energy storage systems
WO2023243976A1 (ko) * 2022-06-13 2023-12-21 스탠다드에너지 주식회사 송전손실 최소화 관리시스템
US11618337B1 (en) * 2022-06-28 2023-04-04 Beta Air, Llc Methods and systems for managing chargers for electrical vertical takeoff and landing aircrafts
US11784491B1 (en) 2022-07-15 2023-10-10 Geotab Inc. Systems and methods for implementing vehicle charging infrastructure
WO2024029983A1 (ko) * 2022-08-04 2024-02-08 스탠다드에너지(주) 배터리 충전 관리 시스템 및 이를 이용한 충전 제어 방법
CA3230207A1 (en) * 2022-08-25 2022-11-21 Hygge Energy Inc. Energy source tracking system
WO2024064258A1 (en) * 2022-09-21 2024-03-28 Ohio State Innovation Foundation Systems and methods for optimal energy management based on time series forecasting of power load
DE102022126609A1 (de) 2022-10-12 2024-04-18 Bayerische Motoren Werke Aktiengesellschaft Laden eines Elektrofahrzeugs an einem Ladepunkt einer Liegenschaft
WO2024078728A1 (en) * 2022-10-14 2024-04-18 Volvo Truck Corporation Intelligent grid power management for fleet vehicle charging
EP4371807A1 (en) 2022-11-17 2024-05-22 Hitachi Energy Ltd Optimized control of power depots using multi-tenant charging system-of-systems
WO2024105136A1 (en) 2022-11-17 2024-05-23 Hitachi Energy Ltd Optimized control of power depots using multi-tenant charging system-of-systems
DE102022130661A1 (de) 2022-11-21 2024-05-23 Bayerische Motoren Werke Aktiengesellschaft Laden eines Elektrofahrzeugs an einem lokalen Energienetz
CN115841191B (zh) * 2023-02-15 2023-05-30 广东南海电力设计院工程有限公司 一种储能装置的优化方法及***
CN116760087B (zh) * 2023-05-25 2024-02-27 中科聚(北京)能源科技有限公司 基于分布式电源的综合能量管理方法、***及存储介质
CN116522683B (zh) * 2023-06-20 2023-09-05 天津大学 一种建筑能耗碳排测定方法
CN116552297A (zh) * 2023-06-26 2023-08-08 江苏鸿冠新能源科技有限公司 一种新能源汽车充电桩智能充电检测***及方法
CN116552316B (zh) * 2023-07-07 2023-09-19 深圳安培时代数字能源科技有限公司 一种充电控制方法、装置及相关设备
CN117081067B (zh) * 2023-10-12 2023-12-19 四川大学 一种提高配电网供电能力的运行优化方法
CN117134507B (zh) * 2023-10-27 2024-01-02 南京中鑫智电科技有限公司 基于智能群体关联的全站容性设备在线监测方法及***
CN117239746B (zh) * 2023-11-16 2024-01-30 国网湖北省电力有限公司武汉供电公司 一种基于机器学习的电力负荷预测方法及***
CN117833319A (zh) * 2024-01-12 2024-04-05 深圳市思特克电子技术开发有限公司 基于物联网的电力调峰***
CN117748747B (zh) * 2024-02-21 2024-05-17 青岛哈尔滨工程大学创新发展中心 一种auv集群能源在线监测及管理***以及方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080281663A1 (en) * 2007-05-09 2008-11-13 Gridpoint, Inc. Method and system for scheduling the discharge of distributed power storage devices and for levelizing dispatch participation
CN101678774A (zh) * 2006-12-11 2010-03-24 威图格林股份有限公司 用于分布式电资源的电力聚集***
CN102271959A (zh) * 2009-01-12 2011-12-07 通用汽车有限责任公司 ***式车辆的远程功率使用管理
WO2013102932A2 (en) * 2011-12-23 2013-07-11 Mzaya Private Limited System and method facilitating forecasting, optimization and visualization of energy data for an industry
CN103814394A (zh) * 2011-08-16 2014-05-21 佳境有限公司 电动交通工具网络中的负载的估计和管理
CN105761109A (zh) * 2016-02-19 2016-07-13 刘隽琦 虚拟电厂能源管理和电力交易的智能管理***及其优化运行方法
CN106160091A (zh) * 2016-07-25 2016-11-23 东南大学 促进可再生能源消纳的电动汽车换电站充放电调度方法
US20160347195A1 (en) * 2006-08-10 2016-12-01 V2Green, Inc. Power aggregation system for distributed electric resources
CN107017658A (zh) * 2017-03-20 2017-08-04 国网浙江省电力公司嘉兴供电公司 虚拟电厂根据预测用电负荷进行自调节的控制方法
CN107766995A (zh) * 2017-12-08 2018-03-06 国网山东省电力公司枣庄供电公司 基于深度递归神经网络的电力***短期负荷预测方法

Family Cites Families (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6862414B2 (en) * 2002-01-30 2005-03-01 Xerox Corporation Automated banding defect analysis and repair for document processing systems
JP4388033B2 (ja) * 2006-05-15 2009-12-24 ソニー株式会社 情報処理装置、情報処理方法、およびプログラム
US20080039979A1 (en) 2006-08-10 2008-02-14 V2 Green Inc. Smart Islanding and Power Backup in a Power Aggregation System for Distributed Electric Resources
US7844370B2 (en) * 2006-08-10 2010-11-30 Gridpoint, Inc. Scheduling and control in a power aggregation system for distributed electric resources
WO2008086114A2 (en) * 2007-01-03 2008-07-17 Gridpoint, Inc. Utility console for controlling energy resources
US7693609B2 (en) * 2007-09-05 2010-04-06 Consolidated Edison Company Of New York, Inc. Hybrid vehicle recharging system and method of operation
GB0816721D0 (en) 2008-09-13 2008-10-22 Daniel Simon R Systems,devices and methods for electricity provision,usage monitoring,analysis and enabling improvements in efficiency
JP4713623B2 (ja) * 2008-09-25 2011-06-29 株式会社日立製作所 充放電管理装置
US20110004358A1 (en) * 2009-03-31 2011-01-06 Gridpoint, Inc. Systems and methods for electric vehicle power flow management
US8346401B2 (en) * 2009-07-17 2013-01-01 Gridpoint, Inc. Smart charging value and guarantee application
US8013570B2 (en) * 2009-07-23 2011-09-06 Coulomb Technologies, Inc. Electrical circuit sharing for electric vehicle charging stations
US8972074B2 (en) * 2011-03-30 2015-03-03 General Electric Company System and method for optimal load planning of electric vehicle charging
US9003492B2 (en) * 2011-06-21 2015-04-07 Qualcomm Incorporated Secure client authentication and service authorization in a shared communication network
US9225173B2 (en) 2011-09-28 2015-12-29 Causam Energy, Inc. Systems and methods for microgrid power generation and management
EP2788933A4 (en) * 2011-12-22 2015-06-03 Ibm MIX OF OPTIMAL SOLUTIONS
WO2013123988A2 (en) * 2012-02-22 2013-08-29 Telefonaktiebolaget L M Ericsson (Publ) System and method for consumption metering and transfer control
US20150286200A1 (en) * 2012-07-31 2015-10-08 Caterva Gmbh Device for an Optimized Operation of a Local Storage System in an Electrical Energy Supply Grid with Distributed Generators, Distributed Storage Systems and Loads
US10861112B2 (en) * 2012-07-31 2020-12-08 Causam Energy, Inc. Systems and methods for advanced energy settlements, network-based messaging, and applications supporting the same on a blockchain platform
GB2510804B (en) 2012-12-04 2016-06-22 Moixa Energy Holdings Ltd Distributed smart battery systems, methods and devices for electricity optimization
JP5704156B2 (ja) * 2012-12-25 2015-04-22 株式会社デンソー 蓄電池システム
JP2015061445A (ja) * 2013-09-19 2015-03-30 株式会社東芝 充電装置およびその方法、ならびに放電装置およびその方法
KR101491553B1 (ko) 2013-11-06 2015-02-09 순천향대학교 산학협력단 인증서 기반의 dms를 이용한 안전한 스마트그리드 통신 시스템 및 방법
WO2015084385A1 (en) * 2013-12-06 2015-06-11 Schneider Electric USA, Inc. Branch energy management for multiple evses
JP2015220862A (ja) * 2014-05-16 2015-12-07 トヨタ自動車株式会社 電力管理システム
CN104485727B (zh) * 2014-12-26 2017-07-11 广州市香港科大***研究院 一种离网光伏发电储能***及其能量调度方法
US9960637B2 (en) 2015-07-04 2018-05-01 Sunverge Energy, Inc. Renewable energy integrated storage and generation systems, apparatus, and methods with cloud distributed energy management services
EP3362965A4 (en) 2015-10-13 2019-08-07 Transactive Grid Inc. USING A DISTRIBUTED CONSENSUS CONTROL BASED ON A BLOCK CHAIN
WO2017092817A1 (en) * 2015-12-03 2017-06-08 Rwe Ag Charging system for vehicles
DE112017003022T5 (de) * 2016-06-17 2019-03-07 Panasonic Intellectual Property Management Co., Ltd. Verwaltungssystem für elektrische Leistung
EP3509893B1 (en) * 2016-09-12 2022-12-28 innogy Innovation GmbH Roaming method
US10183590B2 (en) * 2016-09-23 2019-01-22 Faraday&Future Inc. Electric vehicle battery monitoring system
US11043827B2 (en) * 2018-01-18 2021-06-22 Apple Inc. Battery performance enhancement
US11836760B1 (en) 2022-07-01 2023-12-05 Gm Cruise Holdings Llc Vehicle advertising platform

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160347195A1 (en) * 2006-08-10 2016-12-01 V2Green, Inc. Power aggregation system for distributed electric resources
CN101678774A (zh) * 2006-12-11 2010-03-24 威图格林股份有限公司 用于分布式电资源的电力聚集***
US20080281663A1 (en) * 2007-05-09 2008-11-13 Gridpoint, Inc. Method and system for scheduling the discharge of distributed power storage devices and for levelizing dispatch participation
CN102271959A (zh) * 2009-01-12 2011-12-07 通用汽车有限责任公司 ***式车辆的远程功率使用管理
CN103814394A (zh) * 2011-08-16 2014-05-21 佳境有限公司 电动交通工具网络中的负载的估计和管理
WO2013102932A2 (en) * 2011-12-23 2013-07-11 Mzaya Private Limited System and method facilitating forecasting, optimization and visualization of energy data for an industry
CN105761109A (zh) * 2016-02-19 2016-07-13 刘隽琦 虚拟电厂能源管理和电力交易的智能管理***及其优化运行方法
CN106160091A (zh) * 2016-07-25 2016-11-23 东南大学 促进可再生能源消纳的电动汽车换电站充放电调度方法
CN107017658A (zh) * 2017-03-20 2017-08-04 国网浙江省电力公司嘉兴供电公司 虚拟电厂根据预测用电负荷进行自调节的控制方法
CN107766995A (zh) * 2017-12-08 2018-03-06 国网山东省电力公司枣庄供电公司 基于深度递归神经网络的电力***短期负荷预测方法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116029370A (zh) * 2023-03-17 2023-04-28 杭州海康威视数字技术股份有限公司 基于区块链的联邦学习的数据共享激励方法、装置及设备
CN116029370B (zh) * 2023-03-17 2023-07-25 杭州海康威视数字技术股份有限公司 基于区块链的联邦学习的数据共享激励方法、装置及设备
CN116238384A (zh) * 2023-05-12 2023-06-09 深圳艾斯特创新科技有限公司 电池的性能识别方法、装置、设备及存储介质
CN116238384B (zh) * 2023-05-12 2023-07-07 深圳艾斯特创新科技有限公司 电池的性能识别方法、装置、设备及存储介质
CN116703304A (zh) * 2023-08-09 2023-09-05 山东水发大正物联科技有限公司 一种基于物联网的货物资产监管方法及***
CN116703304B (zh) * 2023-08-09 2023-10-27 山东水发大正物联科技有限公司 一种基于物联网的货物资产监管方法及***
CN117254505A (zh) * 2023-09-22 2023-12-19 南方电网调峰调频(广东)储能科技有限公司 基于数据处理的储能电站优化运行模式决策方法及***
CN117254505B (zh) * 2023-09-22 2024-03-26 南方电网调峰调频(广东)储能科技有限公司 基于数据处理的储能电站优化运行模式决策方法及***
CN118014330A (zh) * 2024-04-10 2024-05-10 太原理工大学 一种城市级三层综合能源***能量管理方法
CN118014330B (zh) * 2024-04-10 2024-06-21 太原理工大学 一种城市级三层综合能源***能量管理方法

Also Published As

Publication number Publication date
US20210221247A1 (en) 2021-07-22
EP4287439A2 (en) 2023-12-06
JP2021528752A (ja) 2021-10-21
GB2577853A (en) 2020-04-15
EP3811490A1 (en) 2021-04-28
EP4287441A2 (en) 2023-12-06
CA3104595A1 (en) 2019-12-26
EP4287440A3 (en) 2024-04-17
EP4287440A2 (en) 2023-12-06
GB201810314D0 (en) 2018-08-08
WO2019243524A1 (en) 2019-12-26
AU2019289918A1 (en) 2021-01-14
KR20210042898A (ko) 2021-04-20
EP4287439A3 (en) 2024-04-10
GB2577853B (en) 2021-03-24
EP4287441A3 (en) 2024-04-10

Similar Documents

Publication Publication Date Title
EP4287440A2 (en) Systems for machine learning, optimising and managing local multi-asset flexibility of distributed energy storage resources
Lu et al. Fundamentals and business model for resource aggregator of demand response in electricity markets
US11727509B2 (en) System, method, and apparatus for settlement for participation in an electric power grid
Noor et al. Energy demand side management within micro-grid networks enhanced by blockchain
Aggarwal et al. A survey on energy trading in the smart grid: Taxonomy, research challenges and solutions
Alizadeh et al. Demand-side management in the smart grid: Information processing for the power switch
US20100217550A1 (en) System and method for electric grid utilization and optimization
US20160072287A1 (en) Comfort-driven optimization of electric grid utilization
US20100217642A1 (en) System and method for single-action energy resource scheduling and participation in energy-related securities
US20100218108A1 (en) System and method for trading complex energy securities
US20110040666A1 (en) Dynamic pricing system and method for complex energy securities
US20100332373A1 (en) System and method for participation in energy-related markets
US20100217651A1 (en) System and method for managing energy resources based on a scoring system
US20180123391A1 (en) System and Method for Dynamic Measurement and Control of Synchronized Remote Energy Resources
GB2597342A (en) Systems for machine learning, optimising and managing local multi-asset flexibility of distributed energy storage resources-divisional
Alshehri et al. Quantifying market efficiency impacts of aggregated distributed energy resources
Lopez et al. Peer-to-peer energy trading for photo-voltaic prosumers
Lee et al. Anomaly detection of smart metering system for power management with battery storage system/electric vehicle
GB2598495A (en) Systems for machine learning, optimising and managing local multi-asset flexibility of distributed energy storage resources
GB2598229A (en) Systems for machine learning, optimising and managing local multi-asset flexibility of distributed energy storage resources
Al Abria et al. Smart grid
Umar et al. Decentralized Community Energy Management: Enhancing Demand Response through Smart Contracts in a Blockchain Network
Abrishambaf et al. Energy Strategy Reviews
Samadi Kouhi Data-Driven Demand Management for Smart Grid
Marić et al. A holistic functional analysis of a flexibility aggregator in a dynamic market environment

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