CN116937569A - 光伏发电智能储能方法、装置及电子设备 - Google Patents
光伏发电智能储能方法、装置及电子设备 Download PDFInfo
- Publication number
- CN116937569A CN116937569A CN202310930498.0A CN202310930498A CN116937569A CN 116937569 A CN116937569 A CN 116937569A CN 202310930498 A CN202310930498 A CN 202310930498A CN 116937569 A CN116937569 A CN 116937569A
- Authority
- CN
- China
- Prior art keywords
- power generation
- power
- predicted
- energy storage
- electricity consumption
- 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
Links
- 238000010248 power generation Methods 0.000 title claims abstract description 226
- 238000004146 energy storage Methods 0.000 title claims abstract description 95
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000005611 electricity Effects 0.000 claims abstract description 156
- 230000002159 abnormal effect Effects 0.000 claims abstract description 29
- 238000003860 storage Methods 0.000 claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 11
- 238000004891 communication Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000005259 measurement Methods 0.000 description 6
- 230000007423 decrease Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000007257 malfunction Effects 0.000 description 3
- 230000001932 seasonal effect Effects 0.000 description 3
- 230000000087 stabilizing effect Effects 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004378 air conditioning Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
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
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
- H02J3/241—The oscillation concerning frequency
-
- 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
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请提供光伏发电智能储能方法、装置及电子设备，方法应用于服务器，包括：判断电力***的异常频率状态，频率状态包括过频状态和欠频状态；确定光伏发电***的预测发电量，光伏发电***与电力***连接；确定电力***的预测用电量；若电力***处于过频状态，判断预测发电量是否大于或等于预测用电量；若预测发电量大于或等于预测用电量，则发送储电指令至储能***，以使储能***存储光伏发电***的发电量，储能***与光伏发电***连接。本申请具有在光伏发电***接入电力***时，达到维持***频率稳定性的效果。
Description
技术领域
本申请涉及电力***的技术领域，具体涉及光伏发电智能储能方法、装置及电子设备。
背景技术
光伏发电是利用半导体界面的光生伏特效应而将光能直接转变为电能的一种技术。光伏发电***至少包括太阳电池板和逆变器，太阳能板将太阳光转化为直流电能，逆变器将直流电能转换为交流电能。由于太阳能是间歇性的能源，受天气、季节和日照时长等因素的影响，光伏发电***的输出功率也会随之波动。
电力***的***频率指的是交流电力***中电压和电流的周期性变化的频率。***频率的稳定性对电力***的正常运行非常重要，频率的异常变化可能会导致电力***故障或影响设备的正常运行。当负载突然增加或发电机停机时，***频率可能下降；相反，当负载突然减少或新的发电机接入时，***频率可能上升。***频率的异常变化可能会导致电力***故障或影响设备的正常运行。
当大规模光伏发电***接入电力***时，输出突然增加，超过了负载的消耗，可能导致***频率上升。相反，如果太阳能发电***的输出突然减少，可能导致***频率下降。因此需要一种方法实现在光伏发电***接入电力***时，维持电力***的***频率的稳定性。
发明内容
本申请提供光伏发电智能储能方法、装置及电子设备，具有在光伏发电***接入电力***时，达到维持电力***的***频率的稳定性的效果。
在本申请的第一方面提供了光伏发电智能储能方法，所述方法应用于服务器，包括：
判断电力***的异常频率状态，所述频率状态包括过频状态和欠频状态；
确定光伏发电***的预测发电量，所述光伏发电***与所述电力***连接；
确定所述电力***的预测用电量；
若所述电力***处于过频状态，判断所述预测发电量是否大于或等于所述预测用电量；
若所述预测发电量大于或等于所述预测用电量，则发送储电指令至储能***，以使所述储能***存储所述光伏发电***的发电量，所述所述储能***与所述光伏发电***连接。
通过采用上述技术方案，服务器首先确定电力***的异常频率状态，当电力***处于过频状态，可以判定由于电力***的电力输入量大于电力输出量导致。当光伏发电***接入电力***，且光伏发电***的预测发电量大于电力***的预测用电量，此时服务器发送储电指令至储能***，以使储能***存储光伏发电***的发电量，从而减小电力***的电力输入量，进而使电力***的***频率逐渐趋于稳定，达到维持电力***的***频率的稳定性的效果。
可选的，在所述判断电力***的异常频率状态之后，所述方法还包括：
若所述电力***处于欠频状态，判断所述预测发电量是否小于或等于所述预测发电量；
若所述预测发电量小于或等于所述预测用电量，则发送供电指令至所述储能***，以使所述储能***向所述电力***供电，所述储能***与所述电力***连接。
通过采用上述技术方案，当电力***处于欠频状态时，表明电力***的电力输入量小于电力输出量。当光伏发电***接入电力***后，预测发电量小于或等于预测用电量。在这种情况下，通过发送供电指令给储能***，储能***可以向电力***供应储存的电力，以填补电力缺口，从而使电力***的频率逐渐趋于稳定。
可选的，所述判断电力***的异常频率状态，具体包括：
获取所述电力***的***频率；
判断所述***频率与预设频率的大小关系；
若所述***频率小于所述预设频率，确定所述电力***的异常频率状态为欠频状态；
若所述***频率大于所述预设频率，确定所述电力***的异常频率状态为过频状态。
通过采用上述技术方案，根据实际电力***的频率与预设频率的大小关系，准确判断电力***的异常频率状态是欠频状态还是过频状态。通过了解电力***的状态，便于后续采取相应的控制策略来调节储能***的运行，以稳定电力***的***频率的稳定。
可选的，所述确定光伏发电***的预测发电量，具体包括：
获取预存的多个光伏发电影响参数；
获取预存的各个所述光伏发电影响参数对应的发电功率数据；
对多个所述光伏发电影响参数和多个所述发电功率数据进行分析，得到所述光伏发电影响参数与所述发电功率数据之间的关系；
基于所述光伏发电影响参数与所述发电功率数据之间的关系，建立预测模型；
获取预设时间段的光伏发电影响参数的多个预测参数；
根据多个所述预测参数，通过所述预测模型预测所述预设时间段内的所述预测发电量。
通过采用上述技术方案，根据预存的光伏发电影响参数、对应的发电功率数据以及建立的预测模型，预测光伏发电***在预设时间段内的发电量。通过利用已有数据和关系模型，可以提高对光伏发电量的预测准确性，从而便于更好地进行储能***的工作调度。
可选的，在所述确定所述电力***的预测用电量之前，所述方法还包括：
获取多个历史用电数据，所述用电数据为预存的用电负载的用电数据，所述用电负载与所述电力***连接；
对多个所述历史用电数据进行拟合分析，确定所述用电负载的用电规律；
获取各个所述历史用电数据对应的用电量影响因素；
根据预设用电波动范围，确定多个所述历史用电数据中，超出所述预设用电波动范围的目标用电数据；
对所述目标用电数据对应的所述用电量影响因素进行分析，确定各个用电量影响因素的影响权重值。
通过采用上述技术方案，通过获取历史用电数据、分析用电规律、识别影响因素和确定权重值，可以提高用电量预测的准确性和可靠性。同时为后续的用电量预测提供了数据基础。
可选的，所述所述确定所述电力***的预测用电量，具体包括：
基于所述用电规律，获取预设时间段内的所述用电负载的基础用电量；
获取所述预设时间段内的预测用电量影响因素；
基于所述影响权重值，确定所述预测用电量影响因素对应的用电量波动值；
根据所述基础用电量和所述用电量波动值，确定所述预测用电量。
通过采用上述技术方案，根据基础用电量和用电量波动值，确定预测时间段内的预测用电量。将基础用电量与各个影响因素的波动范围相结合，可以得出最终的预测用电量。从而提供未来时间段内用电负载的预测，为储能***的调度和规划提供参考依据。
可选的，所述用电量影响因素包括人为影响因素和天气影响因素；
所述人为影响因素包括日期因素、天气因素、节假日因素以及社会事件因素；
所述天气影响因素包括气温因素、湿度因素、降雨因素以及风力因素。
通过采用上述技术方案，通过考虑人为影响因素和天气影响因素，预测模型可以更全面地捕捉到影响用电量的各种因素。这有助于提高用电量预测的准确性和可靠性，使预测结果更接近实际情况。人为影响因素中的日期因素和节假日因素可以反映季节性和周期性的用电量变化。通过考虑这些因素，可以更好地预测特定日期、特殊节假日或社会事件对用电量的影响，使预测结果更精确。天气影响因素包括气温、湿度、降雨和风力等因素。这些因素对许多用电负载有重要影响，例如空调***、供暖***和风力发电等。通过考虑天气影响因素，可以更好地预测这些用电负载的需求变化，并更好地调整用电量的预测结果。
在本申请的第二方面提供了光伏发电智能储能装置，所述装置为服务器，包括判断模块、计算模块以及发送模块，其中：
判断模块，用于判断电力***的异常频率状态，所述频率状态包括过频状态和欠频状态；
计算模块，用于确定光伏发电***的预测发电量，所述光伏发电***与所述电力***连接；
计算模块，用于确定所述电力***的预测用电量；
判断模块，用于若所述电力***处于过频状态，判断所述预测发电量是否大于或等于所述预测用电量；
发送模块，用于若所述预测发电量大于或等于所述预测用电量，则发送储电指令至储能***，以使所述储能***存储所述光伏发电***的发电量，所述所述储能***与所述光伏发电***连接。
在本申请的第三方面提供了一种电子设备，包括处理器、存储器、用户接口以及网络接口，所述存储器用于存储指令，所述用户接口和所述网络接口均用于与其他设备通信，所述处理器用于执行所述存储器中存储的指令，以使所述电子设备执行如上述任意一项所述的方法。
在本申请的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有指令，当所述指令被执行时，执行如上述任意一项所述的方法。
综上所述，本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
1.服务器首先确定电力***的异常频率状态，当电力***处于过频状态，可以判定由于电力***的电力输入量大于电力输出量导致。当光伏发电***接入电力***，且光伏发电***的预测发电量大于电力***的预测用电量，此时服务器发送储电指令至储能***，以使储能***存储光伏发电***的发电量，从而减小电力***的电力输入量，进而使电力***的***频率逐渐趋于稳定，达到维持电力***的***频率的稳定性的效果。
2.当电力***处于欠频状态时，表明电力***的电力输入量小于电力输出量。当光伏发电***接入电力***后，预测发电量小于或等于预测用电量。在这种情况下，通过发送供电指令给储能***，储能***可以向电力***供应储存的电力，以填补电力缺口，从而使电力***的频率逐渐趋于稳定。
3.根据预存的光伏发电影响参数、对应的发电功率数据以及建立的预测模型，预测光伏发电***在预设时间段内的发电量。通过利用已有数据和关系模型，可以提高对光伏发电量的预测准确性，从而便于更好地进行储能***的工作调度。
4. 根据基础用电量和用电量波动值，确定预测时间段内的预测用电量。将基础用电量与各个影响因素的波动范围相结合，可以得出最终的预测用电量。从而提供未来时间段内用电负载的预测，为储能***的调度和规划提供参考依据。
附图说明
图1是本申请实施例公开的光伏发电智能储能方法的流程示意图；
图2是本申请实施例公开的光伏发电智能储能方法的应用场景示意图；
图3是本申请实施例公开的光伏发电智能储能装置的结构示意图；
图4是本申请实施例公开的一种电子设备的结构示意图。
附图标记说明：201、服务器；202、电力***；203、光伏发电***；204、储能***；205、用电负载；301、判断模块；302、计算模块；303、发送模块；304、获取模块；401、处理器；402、通信总线；403、用户接口；404、网络接口；405、存储器。
具体实施方式
为了使本领域的技术人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。
在本申请实施例的描述中，“例如”或者“举例来说”等词用于表示作例子、例证或说明。本申请实施例中被描述为“例如”或者“举例来说”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言，使用“例如”或者“举例来说”等词旨在以具体方式呈现相关概念。
在本申请实施例的描述中，术语“多个”的含义是指两个或两个以上。例如，多个***是指两个或两个以上的***，多个屏幕终端是指两个或两个以上的屏幕终端。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
光伏发电是利用半导体界面的光生伏特效应而将光能直接转变为电能的一种技术。光伏发电***203至少包括太阳电池板和逆变器，太阳能板将太阳光转化为直流电能，逆变器将直流电能转换为交流电能。由于太阳能是间歇性的能源，受天气、季节和日照时长等因素的影响，光伏发电***203的输出功率也会随之波动。
电力***202的***频率指的是交流电力***202中电压和电流的周期性变化的频率。***频率的稳定性对电力***202的正常运行非常重要，频率的异常变化可能会导致电力***202故障或影响设备的正常运行。当负载突然增加或发电机停机时，***频率可能下降；相反，当负载突然减少或新的发电机接入时，***频率可能上升。***频率的异常变化可能会导致电力***202故障或影响设备的正常运行。
当大规模光伏发电***203接入电力***202时，输出突然增加，超过了负载的消耗，而电力***202的用电负荷不变时，可能导致***频率上升。相反，如果光伏发电***203的输出突然减少，而电力***202的用电负荷不变时，可能导致***频率下降。因此需要一种方法解决在光伏发电***203接入电力***202时，维持电力***202的***频率的稳定性。
本实施例公开了光伏发电智能储能方法，参照图1，包括如下步骤S110-S150：
S110，判断电力***202的异常频率状态。
具体地，本实施例公开的光伏发电智能储能方法应用于服务器201，服务器201包括但不限于诸如手机、平板电脑、可穿戴设备、PC(Personal Computer，个人计算机)等电子设备，也可以是运行光伏发电智能储能方法的后台服务器201。服务器201可以用独立的服务器201或者是多个服务器201组成的服务器201集群来实现。参照图2，服务器201与电力***202连接，服务器201还与光伏发电***203连接，光伏发电***203与电力***202连接。其中，光伏发电***203是利用太阳光的能量，通过光伏效应将光能转化为电能的一种发电***。本申请实施例中，电力***202专指由输电网络和配电网络等组成的一个完整的电力分配和输送***。电力***202还与用户电网的用电负载205连接，负责将光伏发电***203产生的电能通过输电线路输送到用电负载205，以满足用电负载205的用电需求。
通常，光伏发电***203通过场站并网点接入电力***202，而场站并网点可连接频率测量装置，例如频率测量仪或频率计，这些装置使用传感器或传感器网络来监测电力***202的电压或电流信号，并通过数学算法计算得出***频率。或者场站并网点连接相量测量装置(Phasor Measurement Unit，PMU)，相量测量装主要用于高精度、高速度的电力***202相量和频率的测量。相量测量装通过采集电力***202中各个电压、电流的相量信息，并在高速采样的基础上进行数据处理和计算，可以快速地获取电力***202的相角和频率等重要参数。最后将频率测量装置与服务器201之间建立通信连接，即可将测量的电力***202的频率发送至服务器201。
服务器201获取电力***202的***频率后，再判断***频率与预设频率的大小关系，预设频率为电力***202的标准频率，通常为50Hz，也有一些国家为60Hz。当***频率小于预设频率，低于标准频率，电力***202的异常频率状态为欠频状态。当***频率大于预设频率，高于标准频率，电力***202的异常频率状态为过频状态。电力***202无论是处于欠频状态还是处于过频状态，都会影响电力***202的稳定运行。根据实际电力***202的频率与预设频率的大小关系，准确判断电力***202的异常频率状态是欠频状态还是过频状态。通过了解电力***202的状态，便于后续采取相应的控制策略来调节储能***204的运行，以稳定电力***202的***频率的稳定。
S120，确定光伏发电***203的预测发电量。
由于光伏发电受环境影响较大，例如当天气为晴天时，太阳能发电组的发电功率较高，光伏发电***203的单位时间发电量较大。相反，当天气为阴雨天气时，太阳能发电组的发电功率较低，光伏发电***203的单位时间发电量较小。因此，确定光伏发电***203的预测发电量时，需要根据预存的大量的历史发电数据，并结合未来的天气数据进行预测。
具体地，首先调取大量的历史发电数据，包括光伏发电影响参数，以及与光伏发电影响参数对应的发电功率数据。而在数据采集时，可通过安装光伏发电***203的监测设备采集相关数据，包括太阳能辐照度传感器、温度传感器和光伏发电的监测设备，以实时获取太阳能辐照度、温度和光伏发电的输出功率等数据。采集到数据后需要对采集到的数据进行处理和清洗，以确保数据的准确性和完整性。这可能包括去除异常值、平滑数据、填补缺失数据等。例如，如果在某个时间点未能获取到太阳能辐照度数据，可以使用插值方法来填充该缺失值。
再通过分析光伏发电影响参数，以及与光伏发电影响参数对应的发电功率数据，探索太阳能辐照度、温度与光伏发电输出功率之间的关系。这可以通过统计分析、绘制趋势图、相关性分析等方法来实现。例如，可以使用散点图和回归分析来研究太阳能辐照度和光伏发电输出功率之间的线性关系。接着根据数据分析的结果，确定影响光伏发电量的关键特征。这可能包括太阳能辐照度、温度、天气条件等因素。例如，通过分析历史数据，可以发现太阳能辐照度对光伏发电功率的影响最为显著，因此可以将太阳能辐照度作为主要特征。
然后进行模型建立和训练，根据上述数据和特征，选择适当的预测模型进行建立和训练。常用的预测模型包括回归模型、时间序列模型和机器学习算法等。例如，可以使用多元线性回归模型来建立太阳能辐照度和光伏发电功率之间的关系模型。
在预测光伏发电***203的预测发电量时，需要获取未来预设时间段内的天气数据，即光伏发电影响参数的多个预测参数。使用训练好的模型，根据未来一段时间内的太阳能辐照度、温度等数据，进行预测，得出光伏发电***203在未来预设时间段内的预测发电量。预测可以进行逐时、逐日或逐月的粒度，具体取决于需求和数据的可用性。
根据预存的光伏发电影响参数、对应的发电功率数据以及建立的预测模型，预测光伏发电***203在预设时间段内的发电量。通过利用已有数据和关系模型，可以提高对光伏发电量的预测准确性，从而便于更好地进行储能***204的工作调度。
举例来说，假设服务器201收集了过去一年的太阳能辐照度、温度和光伏发电量的数据。通过对数据进行处理和清洗。然后对历史数据进行分析，发现太阳能辐照度与光伏发电量呈正相关关系。接下来，可以选择一个多元线性回归模型来建立太阳能辐照度和光伏发电量之间的关系模型。使用训练好的模型，用户可以输入未来一段时间的太阳能辐照度数据，并进行预测，得出光伏发电***203在该时间段内的预测发电量。
需要注意的是，光伏发电量的预测受到多个因素的影响，如天气预报准确性、模型选择和训练质量、数据采集和处理准确性等。因此，在实施预测方案时，需要根据实际情况进行综合考虑和优化，以提高预测精度。
S130，确定电力***202的预测用电量。
电力***202连接有用电负载205，用电负载205为连接到电力***202的各种电器设备、机器和用电设备对电力***202的用电需求，用电负载205的用电量为电力***202实际消耗的电能的总和。由于用电负载205不同时间不同情况下的用电量不完全相同，因此无法直接计算出未来时间段用电负载205的准确用电量，仅能根据用电负载205的历史用电数据，计算用电量变化规律，对未来用电量进行预测。
具体地，首先服务器201需要获取预测的用电负载205的多个历史用电数据，并且为不同时间的历史用电数据，即用电负载205在不同时间段的实际用电情况。同样也需要对收集到的数据进行清洗和处理，这包括处理缺失数据、异常值和噪声，确保数据准确、完整，并处于可用的格式。
接着对多个历史用电数据进行线性拟合分析，可以使用统计方法或机器学习算法，如回归分析、时间序列分析或神经网络，来拟合历史用电数据并提取用电规律，并可以通过用户用电规律曲线进行可视化展示。再分析用电量影响因素，用电量影响因素包括但不限于日期、天气、节假日以及社会事件等人为影响因素，气温、湿度、降雨/雪以及风力等天气因素。因此，在采集数据时，需要建立每个历史用电数据与用电量影响因素的对应关系，例如2014年4月16日，14：00-19:00用电量为15046kWh，周末，天气晴朗，温度27℃。
通过考虑人为影响因素和天气影响因素，预测模型可以更全面地捕捉到影响用电量的各种因素。这有助于提高用电量预测的准确性和可靠性，使预测结果更接近实际情况。人为影响因素中的日期因素和节假日因素可以反映季节性和周期性的用电量变化。通过考虑这些因素，可以更好地预测特定日期、特殊节假日或社会事件对用电量的影响，使预测结果更精确。天气影响因素包括气温、湿度、降雨和风力等因素。这些因素对许多用电负载205有重要影响，例如空调***、供暖***和风力发电等。通过考虑天气影响因素，可以更好地预测这些用电负载205的需求变化，并更好地调整用电量的预测结果。
根据预设用电波动范围，确定多个历史用电数据中，超出预设用电波动范围的目标用电数据。其中，预设用电波动范围可根据大量的历史用电数据进行分析，计算历史用电量的波动范围，即预设用电波动范围。可以理解到，当历史用电数据对应的用电量大于预设用电波动范围的最大值，或者历史用电数据对应的用电量小于预设用电波动范围的最小值，该历史用电数据为目标用电数据。对目标用电数据对应的用电量影响因素进行分析，以确定各个用电量影响因素的影响权重值。可以使用专家知识、统计方法或机器学习算法，根据历史数据中的关联关系和重要性，确定各个用电量影响因素的权重值。通过获取历史用电数据、分析用电规律、识别影响因素和确定权重值，可以提高用电量预测的准确性和可靠性。同时为后续的用电量预测提供了数据基础。
最后再根据上述数据进行用电量预测，基于用电规律和历史数据，计算未来预设时间段内用电负载205的基础用电量。基础用电量是在没有考虑影响因素的情况下，根据用电规律预测的用电量。获取预设时间段内的预测用电影响因素，即未来时间段内的天气预报数据、日历事件等。根据预测时间段内的这些因素值，作为预测用电量的输入。基于影响权重值，确定预测用电量影响因素对应的用电量波动值。根据历史数据中影响因素的权重值和影响范围，确定预测时间段内每个影响因素对用电量的波动范围。根据基础用电量和用电量波动值，计算预测时间段内的预测用电量。将基础用电量与各个影响因素的波动范围相结合，得出最终的预测用电量。
举例来说，假设某个用电负载205是一家商业建筑的用电情况。历史数据显示该建筑在不同季节、不同天气条件下的用电量变化。根据这些历史数据，经过拟合分析和影响因素分析，确定了与用电量相关的因素包括季节性、温度和特殊活动。通过设定预设用电波动范围，筛选出历史数据中超出该范围的目标用电数据。然后，根据目标用电数据对应的影响因素进行分析，得到各个影响因素的权重值。在预测阶段，获取预测时间段内的天气预报数据和日历事件，并根据权重值和影响范围计算预测用电量。最终，得出预测时间段内该商业建筑的用电量预测结果。
根据基础用电量和用电量波动值，确定预测时间段内的预测用电量。将基础用电量与各个影响因素的波动范围相结合，可以得出最终的预测用电量。从而提供未来预设时间段内用电负载205的预测，为储能***204的调度和规划提供参考依据。
S140，若电力***202处于过频状态，判断预测发电量是否大于或等于预测用电量。
根据电力***202的异常频率状态，以及预测发电量与预测用电量的大小关系，有着不同的处理方式。当电力***202处于过频状态时，表明电力***202的电力输入量大于电力输出量，在用电负载205的用电量不变的情况下，需要减少电力***202的电力输入量。当电力***202处于欠频状态时，表明电力***202的电力输入量小于电力输出量，在用电负载205的用电量不变的情况下，需要增加电力***202的电力输入量。
由于光伏发电***203不同于常规的火力发电***，发电功率不可控。例如太阳辐射较强时，发电功率较大，发电量较多，相反太阳辐射较弱时，发电功率较小，发电量较少。因此，为了保持电力***202的电力输入量与电力输出量平衡，从而***频率处于正常状态，服务器201可通过控制储能***204向电力***202放电，或者光伏发电***203向储能***204充电，以保持电力***202的电力输入量与电力输出量平衡。
S150，若预测发电量大于或等于预测用电量，则发送储电指令至储能***204，以使储能***204存储光伏发电***203的发电量，储能***204与光伏发电***203连接。
具体地，当电力***202处于过频状态，表明电力***202的电力输入量大于电力输出量。且预测发电量大于或等于预测用电量，电力***202的电力输入量将进一步大于电力输出量，服务器201发送储电指令至储能***204，以使储能***204存储部分光伏发电***203的发电量。此时光伏发电***203产生的电量部分流向电力***202，部分流向储能***204。并且逐渐增加流向储能***204的电量直至电力***202的***频率等于预设频率。
当电力***202处于过频状态，表明电力***202的电力输入量大于电力输出量。且预测发电量小于预测用电量，则需要根据电力输入量与电力输出量的第一差值，预测用电量与预测发电量的第二差值确定储能***204的工作状态。当第一差值大于第二差值，服务器201发送储电指令至储能***204，以使储能***204存储部分光伏发电***203的发电量。当第一差值等于第二差值，储能***204不工作。当第一差值小于第二差值，服务器201发送供电指令至储能***204，以使储能***204向电力***202供电，直至电力***202的***频率等于预设频率停止供电。
当电力***202处于欠频状态，表明电力***202的电力输入量小于电力输出量。且预测发电量小于或等于预测用电量，则服务器201发送供电指令至储能***204，以使储能***204向电力***202供电，直至电力***202的***频率等于预设频率停止供电。
当电力***202处于欠频状态，且预测用电量大于预测供电量，则需要根据电力***202的电力输入量与电力输出量的第一差值，预测用电量与预测供电量的第三差值确定储能***204的工作状态。当第一差值大于第三差值，则服务器201发送储电指令至储能***204，以使储能***204存储部分光伏发电***203的发电量。当第一差值等于第三差值，储能***204不工作。当第一差值小于第三差值，服务器201发送供电指令至储能***204，以使储能***204向电力***202供电，直至电力***202的***频率等于预设频率停止供电。
当电力***202处于欠频状态时，表明电力***202的电力输入量小于电力输出量。当光伏发电***203接入电力***202后，预测发电量小于或等于预测用电量。在这种情况下，通过发送供电指令给储能***204，储能***204可以向电力***202供应储存的电力，以填补电力缺口，从而使电力***202的频率逐渐趋于稳定。
通过采用上述技术方案，服务器201首先确定电力***202的异常频率状态，当电力***202处于过频状态，可以判定由于电力***202的电力输入量大于电力输出量导致。当光伏发电***203接入电力***202，且光伏发电***203的预测发电量大于电力***202的预测用电量，此时服务器201发送储电指令至储能***204，以使储能***204存储光伏发电***203的发电量，从而减小电力***202的电力输入量，进而使电力***202的***频率逐渐趋于稳定，达到维持电力***202的***频率的稳定性的效果。
本实施例还公开了光伏发电智能储能装置，装置为服务器201，参照图3，包括判断模块301、计算模块302以及发送模块303，其中：
判断模块301，用于判断电力***202的异常频率状态，频率状态包括过频状态和欠频状态。
计算模块302，用于确定光伏发电***203的预测发电量，光伏发电***203与电力***202连接。
计算模块302，还用于确定电力***202的预测用电量。
判断模块301，还用于若电力***202处于过频状态，判断预测发电量是否大于或等于预测用电量。
发送模块303，用于若预测发电量大于或等于预测用电量，则发送储电指令至储能***204，以使储能***204存储光伏发电***203的发电量，储能***204与光伏发电***203连接。
在一种可能的实施方式中，判断模块301，用于若电力***202处于欠频状态，判断预测发电量是否小于或等于预测发电量。
发送模块303，用于若预测发电量小于或等于预测用电量，则发送供电指令至储能***204，以使储能***204向电力***202供电，储能***204与电力***202连接。
在一种可能的实施方式中，装置还包括获取模块304。
获取模块304，用于获取电力***202的***频率。
判断模块301，用于判断***频率与预设频率的大小关系。
判断模块301，还用于若***频率小于预设频率，确定电力***202的异常频率状态为欠频状态。
判断模块301，还用于若***频率大于预设频率，确定电力***202的异常频率状态为过频状态。
在一种可能的实施方式中，获取模块304，用于获取预存的多个光伏发电影响参数。
获取模块304，还用于获取预存的各个光伏发电影响参数对应的发电功率数据。
计算模块302，用于对多个光伏发电影响参数和多个发电功率数据进行分析，得到光伏发电影响参数与发电功率数据之间的关系。
计算模块302，还用于基于光伏发电影响参数与发电功率数据之间的关系，建立预测模型。
获取模块304，还用于获取预设时间段的光伏发电影响参数的多个预测参数。
计算模块302，还用于根据多个预测参数，通过预测模型预测预设时间段内的预测发电量。
在一种可能的实施方式中，获取模块304，用于获取多个历史用电数据，用电数据为预存的用电负载205的用电数据，用电负载205与电力***202连接。
计算模块302，用于对多个历史用电数据进行拟合分析，确定用电负载205的用电规律。
获取模块304，还用于获取各个历史用电数据对应的用电量影响因素。
计算模块302，还用于根据预设用电波动范围，确定多个历史用电数据中，超出预设用电波动范围的目标用电数据。
计算模块302，还用于对目标用电数据对应的用电量影响因素进行分析，确定各个用电量影响因素的影响权重值。
在一种可能的实施方式中，获取模块304，用于基于用电规律，获取预设时间段内的用电负载205的基础用电量。
获取模块304，还用于获取预设时间段内的预测用电量影响因素。
计算模块302，用于基于影响权重值，确定预测用电量影响因素对应的用电量波动值。
计算模块302，还用于根据基础用电量和用电量波动值，确定预测用电量。
在一种可能的实施方式中，用电量影响因素包括人为影响因素和天气影响因素。
人为影响因素包括日期因素、天气因素、节假日因素以及社会事件因素。
天气影响因素包括气温因素、湿度因素、降雨因素以及风力因素。
需要说明的是：上述实施例提供的装置在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置和方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
本实施例还公开了一种电子设备，参照图4，电子设备可以包括：至少一个处理器401，至少一个通信总线402，用户接口403，网络接口404，至少一个存储器405。
其中，通信总线402用于实现这些组件之间的连接通信。
其中，用户接口403可以包括显示屏（Display）、摄像头（Camera），可选用户接口403还可以包括标准的有线接口、无线接口。
其中，网络接口404可选的可以包括标准的有线接口、无线接口（如WI-FI接口）。
其中，处理器401可以包括一个或者多个处理核心。处理器401利用各种接口和线路连接整个服务器201内的各个部分，通过运行或执行存储在存储器405内的指令、程序、代码集或指令集，以及调用存储在存储器405内的数据，执行服务器201的各种功能和处理数据。可选的，处理器401可以采用数字信号处理（Digital Signal Processing，DSP）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）、可编程逻辑阵列（ProgrammableLogic Array，PLA）中的至少一种硬件形式来实现。处理器401可集成中央处理器401（Central Processing Unit，CPU）、图像处理器401（Graphics Processing Unit，GPU）和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作***、用户界面和应用程序等；GPU用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器401中，单独通过一块芯片进行实现。
其中，存储器405可以包括随机存储器405（Random Access Memory，RAM），也可以包括只读存储器405（Read-Only Memory）。可选的，该存储器405包括非瞬时性计算机可读介质（non-transitory computer-readable storage medium）。存储器405可用于存储指令、程序、代码、代码集或指令集。存储器405可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作***的指令、用于至少一个功能的指令（比如触控功能、声音播放功能、图像播放功能等）、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及的数据等。存储器405可选的还可以是至少一个位于远离前述处理器401的存储装置。如图所示，作为一种计算机存储介质的存储器405中可以包括操作***、网络通信模块、用户接口403模块以及光伏发电智能储能方法的应用程序。
在图4所示的电子设备中，用户接口403主要用于为用户提供输入的接口，获取用户输入的数据；而处理器401可以用于调用存储器405中存储光伏发电智能储能方法的应用程序，当由一个或多个处理器401执行时，使得电子设备执行如上述实施例中一个或多个的方法。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必需的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所披露的装置，可通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些服务接口，装置或单元的间接耦合或通信连接，可以是电性或其他的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器405中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器405中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器201或者网络设备等）执行本申请各个实施例方法的全部或部分步骤。而前述的存储器405包括：U盘、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述者，仅为本公开的示例性实施例，不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰，皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践真理的公开后，将容易想到本公开的其他实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的范围和精神由权利要求限定。
Claims (10)
1.光伏发电智能储能方法，其特征在于，所述方法应用于服务器(201)，包括：
判断电力***(202)的异常频率状态，所述频率状态包括过频状态和欠频状态；
确定光伏发电***(203)的预测发电量，所述光伏发电***(203)与所述电力***(202)连接；
确定所述电力***(202)的预测用电量；
若所述电力***(202)处于过频状态，判断所述预测发电量是否大于或等于所述预测用电量；
若所述预测发电量大于或等于所述预测用电量，则发送储电指令至储能***(204)，以使所述储能***(204)存储所述光伏发电***(203)的发电量，所述所述储能***(204)与所述光伏发电***(203)连接。
2.根据权利要求1所述的光伏发电智能储能方法，其特征在于，在所述判断电力***(202)的异常频率状态之后，所述方法还包括：
若所述电力***(202)处于欠频状态，判断所述预测发电量是否小于或等于所述预测发电量；
若所述预测发电量小于或等于所述预测用电量，则发送供电指令至所述储能***(204)，以使所述储能***(204)向所述电力***(202)供电，所述储能***(204)与所述电力***(202)连接。
3.根据权利要求1所述的光伏发电智能储能方法，其特征在于，所述判断电力***(202)的异常频率状态，具体包括：
获取所述电力***(202)的***频率；
判断所述***频率与预设频率的大小关系；
若所述***频率小于所述预设频率，确定所述电力***(202)的异常频率状态为欠频状态；
若所述***频率大于所述预设频率，确定所述电力***(202)的异常频率状态为过频状态。
4.根据权利要求1所述的光伏发电智能储能方法，其特征在于，所述确定光伏发电***(203)的预测发电量，具体包括：
获取预存的多个光伏发电影响参数；
获取预存的各个所述光伏发电影响参数对应的发电功率数据；
对多个所述光伏发电影响参数和多个所述发电功率数据进行分析，得到所述光伏发电影响参数与所述发电功率数据之间的关系；
基于所述光伏发电影响参数与所述发电功率数据之间的关系，建立预测模型；
获取预设时间段的光伏发电影响参数的多个预测参数；
根据多个所述预测参数，通过所述预测模型预测所述预设时间段内的所述预测发电量。
5.根据权利要求1所述的光伏发电智能储能方法，其特征在于，在所述确定所述电力***(202)的预测用电量之前，所述方法还包括：
获取多个历史用电数据，所述用电数据为预存的用电负载(205)的用电数据，所述用电负载(205)与所述电力***(202)连接；
对多个所述历史用电数据进行拟合分析，确定所述用电负载(205)的用电规律；
获取各个所述历史用电数据对应的用电量影响因素；
根据预设用电波动范围，确定多个所述历史用电数据中，超出所述预设用电波动范围的目标用电数据；
对所述目标用电数据对应的所述用电量影响因素进行分析，确定各个用电量影响因素的影响权重值。
6.根据权利要求5所述的光伏发电智能储能方法，其特征在于，所述所述确定所述电力***(202)的预测用电量，具体包括：
基于所述用电规律，获取预设时间段内的所述用电负载(205)的基础用电量；
获取所述预设时间段内的预测用电量影响因素；
基于所述影响权重值，确定所述预测用电量影响因素对应的用电量波动值；
根据所述基础用电量和所述用电量波动值，确定所述预测用电量。
7.根据权利要求5所述的光伏发电智能储能方法，其特征在于，所述用电量影响因素包括人为影响因素和天气影响因素；
所述人为影响因素包括日期因素、天气因素、节假日因素以及社会事件因素；
所述天气影响因素包括气温因素、湿度因素、降雨因素以及风力因素。
8.光伏发电智能储能装置，其特征在于，所述装置为服务器(201)，包括判断模块(301)、计算模块(302)以及发送模块(303)，其中：
判断模块(301)，用于判断电力***(202)的异常频率状态，所述频率状态包括过频状态和欠频状态；
计算模块(302)，用于确定光伏发电***(203)的预测发电量，所述光伏发电***(203)与所述电力***(202)连接；
计算模块(302)，用于确定所述电力***(202)的预测用电量；
判断模块(301)，用于若所述电力***(202)处于过频状态，判断所述预测发电量是否大于或等于所述预测用电量；
发送模块(303)，用于若所述预测发电量大于或等于所述预测用电量，则发送储电指令至储能***(204)，以使所述储能***(204)存储所述光伏发电***(203)的发电量，所述所述储能***(204)与所述光伏发电***(203)连接。
9.一种电子设备，其特征在于，包括处理器(401)、存储器(405)、用户接口(403)以及网络接口(404)，所述存储器(405)用于存储指令，所述用户接口(403)和所述网络接口(404)均用于与其他设备通信，所述处理器(401)用于执行所述存储器(405)中存储的指令，以使所述电子设备执行如权利要求1-7任意一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有指令，当所述指令被执行时，执行如权利要求1-7任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310930498.0A CN116937569A (zh) | 2023-07-26 | 2023-07-26 | 光伏发电智能储能方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310930498.0A CN116937569A (zh) | 2023-07-26 | 2023-07-26 | 光伏发电智能储能方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116937569A true CN116937569A (zh) | 2023-10-24 |
Family
ID=88375193
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310930498.0A Pending CN116937569A (zh) | 2023-07-26 | 2023-07-26 | 光伏发电智能储能方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116937569A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117590873A (zh) * | 2024-01-18 | 2024-02-23 | 广东永浩信息技术有限公司 | 基于人工智能及光伏供能的智能监控*** |
| CN117748622A (zh) * | 2024-02-19 | 2024-03-22 | 西安华海众和电力科技有限公司 | 一种微电网多态协调控制方法及*** |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102593872A (zh) * | 2012-01-31 | 2012-07-18 | 中国电力科学研究院 | 一种风光储联合发电***参与电力***频率的控制方法 |
| CN105260803A (zh) * | 2015-11-06 | 2016-01-20 | 国家电网公司 | 一种***用电量预测方法 |
| CN107332272A (zh) * | 2017-07-12 | 2017-11-07 | 广东工业大学 | 一种空气冷却光伏‑光热发电***输出功率计算方法 |
| CN107547047A (zh) * | 2017-10-19 | 2018-01-05 | 广东电网有限责任公司江门供电局 | 一种分布式光伏并网监测***及监测方法 |
| CN108446795A (zh) * | 2018-02-28 | 2018-08-24 | 广东电网有限责任公司电力调度控制中心 | 电力***负荷波动分析方法、装置及可读存储介质 |
| CN110601204A (zh) * | 2019-10-14 | 2019-12-20 | 国网辽宁省电力有限公司盘锦供电公司 | 基于随机变量状态时序模拟的光伏并网***概率潮流分析方法 |
-
2023
- 2023-07-26 CN CN202310930498.0A patent/CN116937569A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102593872A (zh) * | 2012-01-31 | 2012-07-18 | 中国电力科学研究院 | 一种风光储联合发电***参与电力***频率的控制方法 |
| CN105260803A (zh) * | 2015-11-06 | 2016-01-20 | 国家电网公司 | 一种***用电量预测方法 |
| CN107332272A (zh) * | 2017-07-12 | 2017-11-07 | 广东工业大学 | 一种空气冷却光伏‑光热发电***输出功率计算方法 |
| CN107547047A (zh) * | 2017-10-19 | 2018-01-05 | 广东电网有限责任公司江门供电局 | 一种分布式光伏并网监测***及监测方法 |
| CN108446795A (zh) * | 2018-02-28 | 2018-08-24 | 广东电网有限责任公司电力调度控制中心 | 电力***负荷波动分析方法、装置及可读存储介质 |
| CN110601204A (zh) * | 2019-10-14 | 2019-12-20 | 国网辽宁省电力有限公司盘锦供电公司 | 基于随机变量状态时序模拟的光伏并网***概率潮流分析方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117590873A (zh) * | 2024-01-18 | 2024-02-23 | 广东永浩信息技术有限公司 | 基于人工智能及光伏供能的智能监控*** |
| CN117590873B (zh) * | 2024-01-18 | 2024-04-19 | 广东永浩信息技术有限公司 | 基于人工智能及光伏供能的智能监控*** |
| CN117748622A (zh) * | 2024-02-19 | 2024-03-22 | 西安华海众和电力科技有限公司 | 一种微电网多态协调控制方法及*** |
| CN117748622B (zh) * | 2024-02-19 | 2024-05-10 | 西安华海众和电力科技有限公司 | 一种微电网多态协调控制方法及*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CA2964806C (en) | Forecasting net load in a distributed utility grid | |
| JP7051856B2 (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 | |
| CN116937569A (zh) | 光伏发电智能储能方法、装置及电子设备 | |
| US20170016430A1 (en) | Systems and methods for improved wind power generation | |
| US20160055507A1 (en) | Forecasting market prices for management of grid-scale energy storage systems | |
| US11070058B2 (en) | Forecasting net load in a distributed utility grid | |
| US20160084889A1 (en) | System and method for stability monitoring, analysis and control of electric power systems | |
| US10474177B2 (en) | System and method for stability monitoring, analysis and control of electric power systems | |
| CN103017290A (zh) | 空调电能控制装置及空调电能管理方法 | |
| KR20120112155A (ko) | 전기 부하를 예상하는 시스템 및 방법 | |
| CN102682197A (zh) | 对单设备能源消耗变化趋势实时预测的监测方法及装置 | |
| TW201834346A (zh) | 判定對電力網之惰性貢獻之特性 | |
| CN106849064B (zh) | 一种基于气象数据的区域电网负荷预测管理*** | |
| US10931107B2 (en) | System and method for management of an electricity distribution grid | |
| US11183876B2 (en) | Power analyzer and method for the use thereof | |
| CN117091242A (zh) | 空调温控负荷集群的评估方法、温度设定方法及*** | |
| JP7303707B2 (ja) | 代替ベースライン計算装置、学習済みモデル、機械学習装置、代替ベースライン計算方法およびプログラム | |
| CN116961061B (zh) | 一种储能设备的控制方法、装置及电子设备 | |
| US20150088327A1 (en) | Energy savings forecasting method and device | |
| US20210216934A1 (en) | Managing flexible grid resources | |
| CN117353349B (zh) | 储能***的供电状态控制方法、存储介质及电子设备 | |
| US20230261468A1 (en) | System and method for determining power production in an electrical power grid | |
| CN117906240A (zh) | 空调故障的检测方法、装置、电子设备及存储介质 | |
| CN118137676A (zh) | 光储***控制方法、光储***、计算机***及存储介质 | |
| JP2023022939A (ja) | エネルギー管理方法 |
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 |