-
公开(公告)号:CN113794200B
公开(公告)日:2024-04-12
申请号:CN202111009469.8
申请日:2021-08-31
Applicant: 国网上海市电力公司
IPC: H02J3/00
Abstract: 本发明涉及一种用于虚拟电厂的多类型负荷资源聚合方法,包括以下步骤:S1:获取虚拟电厂的功率数据,根据功率数据获取虚拟电厂的资源调控特性,根据资源调控特性对负荷侧资源进行聚合,获取资源调控聚合结果;S2:获取虚拟电厂的激励经济数据和价格经济数据,根据激励经济数据获取负荷侧资源的激励型聚合结果,根据价格经济数据获取负荷侧资源的价格型聚合结果;S3:比对S2、S3获取的聚合结果,获取多类型聚合结果。与现有技术相比,本发明具有综合考虑虚拟电厂负荷类型、聚合效果好等优点。
-
公开(公告)号:CN117565712A
公开(公告)日:2024-02-20
申请号:CN202311543229.5
申请日:2023-11-20
IPC: B60L53/31 , B60L53/302 , B60L53/16
Abstract: 本发明公开了用于能量优化调度的智能电动汽车充放电桩,涉及智能充放电桩技术领域,包括装置主体、翅片、充电头以及隔离杯,所述装置主体一侧表面安装有控制面板,所述装置主体底部安装有底座,所述装置主体一侧设有第二水箱,该充电桩采用封闭式结构能够有效避免外部水汽以及灰尘进入到装置主体内部,同时通过翅片对装置主体内部的热量进行吸收,吸收的热量传递至冷却管内部的冷却水,进而冷却水在水泵的作用下输送至地下的冷却管,进而通过翅片将冷却管内部的冷却水热量与地下温度进行换热,从而解决了现有充电桩由于采用封闭式外壳导致充电桩在进行使用时散发的热量并不能够有效排出,从而导致内部温度过高存在安全隐患。
-
公开(公告)号:CN113762622B
公开(公告)日:2023-09-19
申请号:CN202111056901.9
申请日:2021-09-09
IPC: G06F30/18 , G06F30/27 , G06N3/006 , H02J3/00 , G06F111/04 , G06F111/06 , G06F113/04 , G06F119/06
Abstract: 本发明公开一种虚拟电厂接入点及容量优化规划方法,包括对上层虚拟电厂接入点的规划、下层配电网多目标运行优化以及基于NBI方法的多目标转化为单目标优化求解方法。本发明通过以10kV及以上节点为虚拟发电机组,构建虚拟电厂接入点及容量双层优化规划模型,上层以配电网规划成本最小为目标,在满足规划年内变电站不扩容要求的前提下规划接入虚拟电厂的虚拟发电机组,下层模型依据上层的规划结果以配网网损最小和电压偏差最小目标,采用NBI方法将双目标转化为单目标进行优化计算,将结果反馈给上层,通过上下层交互迭代形成虚拟电厂接入点及容量优化规划方案。本发明实现资源的充分利用,降低网络损耗,提高设备的利用率。
-
公开(公告)号:CN115828098A
公开(公告)日:2023-03-21
申请号:CN202211517953.6
申请日:2022-11-30
Applicant: 国网上海市电力公司 , 国网智能电网研究院有限公司
IPC: G06F18/214 , G06F18/2135 , G06F18/22 , G06Q10/04 , G06Q50/06
Abstract: 本发明提供了一种基线负荷预测方法、装置、电子设备和存储介质,其中,该方法包括:获取历史负荷数据以及由指标确定的历史日数据和预测日数据;对由历史日数据构成的矩阵采用基于熵值法改进的主成分分析法确定指标中的主成分以及对应的主成分综合得分;根据由主成分综合得分划分后的指标对应的历史日数据和预测日数据计算预测日和历史日的气象相似度;根据气象相似度以及预测日和历史日的时间相似度确定与预测日相似的历史日集合;采用反向传播神经网络根据历史负荷数据、历史日集合、气象矩阵以及预测日数据得到预测日负荷数据。通过本发明,解决了相关技术中存在的基线负荷预测前的数据预处理得到的数据质量不高的问题。
-
公开(公告)号:CN115705608A
公开(公告)日:2023-02-17
申请号:CN202110881445.5
申请日:2021-08-02
Applicant: 国网上海市电力公司 , 中国电力科学研究院有限公司 , 国家电网有限公司
Abstract: 本发明涉及能源互联网技术领域,具体提供了一种虚拟电厂负荷感知方法及装置,旨在解决虚拟电厂的运行管理还缺乏完善各类负荷关联关系的分析和负荷感知准确性的评价研究的技术问题。包括:获取虚拟电厂中负荷影响其参与需求响应调度潜力的主要因素数据;将所述虚拟电厂中负荷影响其参与需求响应调度潜力的主要因素数据作为预先训练的RBF神经网络模型的输入数据,得到所述预先训练的RBF神经网络模型输出的所述虚拟电厂中负荷的预测曲线;该方案实现了负荷行为的精准预测,有效提升了负荷感知的准确性,为虚拟电厂参与电网公司业务提供了良好的基础。
-
公开(公告)号:CN115660717A
公开(公告)日:2023-01-31
申请号:CN202211313147.7
申请日:2022-10-25
IPC: G06Q30/0201 , G06Q10/0639 , G06Q50/06 , G06F18/23 , H02J3/00
Abstract: 本发明公开了一种面向用户侧不同行业的电化学储能经济特性动态分析方法,包括以下步骤:基于不同行业的用电负荷曲线,包括一般工商业和大工业用户,考虑荷储协同运行场景,对不同行业的用户侧电化学储能经济特性进行深入分析;获取电力用户基本数据,包括储能配置收益、储能成本和峰平谷电价;根据电网企业和用户所提供的数据,建立面向用户侧不同行业的电化学储能经济特性动态分析模型;通过求解模型,根据所设计的荷储协同场景,分析不同行业电化学储能投资回报特性。本发明提出了在荷储协同的场景下,采用动态回收期法和聚类法分析电化学储能的经济特性。
-
公开(公告)号:CN113078652A
公开(公告)日:2021-07-06
申请号:CN202110260835.0
申请日:2021-03-10
Applicant: 国网上海市电力公司 , 国电南瑞南京控制系统有限公司 , 国电南瑞科技股份有限公司 , 南瑞集团有限公司 , 国网电力科学研究院有限公司 , 北京国网普瑞特高压输电技术有限公司 , 国家电网有限公司
Abstract: 本发明公开了一种虚拟电厂负荷均衡管理方法、装置及系统,包括请求社区虚拟电厂和生产厂商启动第一轮日前电力调度,并接受二者反馈的第一反馈数据;当基于第一反馈数据判断出某社区虚拟电厂存在电力短缺,则依次请求产生额外电力的社区虚拟电厂和产生额外电力的生产厂商启动第二轮日前电力调度,并接受二者反馈的第二反馈数据;基于第二反馈数据,请求产生额外电力的社区虚拟电厂和生产厂商启动第三轮日前电力调度,使得生产厂商产生的额外电力被提供给电力短缺的社区虚拟电厂,并接受所有社区虚拟电厂和生产厂商反馈的第三反馈数据;当基于第三反馈数据仍判断某社区虚拟电厂存在电力短缺,则增加传统发电量。本发明采用层次结构降低控制复杂度,充分发挥需求侧负荷的电网调节能力,保障电网安全稳定。
-
公开(公告)号:CN119130180A
公开(公告)日:2024-12-13
申请号:CN202411176436.6
申请日:2024-08-26
IPC: G06Q10/0637 , G06Q50/06 , G06Q10/04 , G06Q10/067
Abstract: 本发明提出一种电氢制充注一体站与电‑氢‑路‑车协同规划的方法,首先建立时间‑流量模型分析交通道路的拓扑结构,并采用Dijkstra算法对新能源汽车行驶路径实时模拟,从而建立考虑车‑路‑网耦合的新能源汽车电氢需求预测模型;其次,分析制取、压缩和存储氢气的全过程,构建电氢制充注一体站运行架构和能量流动模型;然后,建立以投资、运行、网损等经济性成本最小为目标的区域电氢制充注一体站规划模型,计及路‑网耦合约束、配电网和电氢制充注一体站设备安全运行约束并利用二阶锥松弛技术求解最优规划方案;最后以某市城区部分干道的实际情况,得出该区域电氢制充注一体站的最优站址和设备容量规划结果,促进以站带车,推动新能源汽车的发展。
-
公开(公告)号:CN118825987A
公开(公告)日:2024-10-22
申请号:CN202410827165.X
申请日:2024-06-25
IPC: H02J3/00 , H02J13/00 , G06Q10/0631 , G06Q50/06
Abstract: 一种基于多层指令分解的云‑边协同虚拟电厂控制方法,通过构造云‑边‑端模式的三层虚拟电厂并接收来自上级调度机构根据区域电力调度结果发布的总调度指令后,边缘控制层采用蒙特卡洛采样近似夏普利值的方式下对总调度指令分解,云端平台层考虑各个灵活性资源聚合体自身外特性约束,进行最优分配并将调度中心出清的总功率指令输出至边缘控制层进行最优分解,基于分解结果执行指令。本发明在进行云端平台到边缘控制层的功率分配时考虑各个灵活性资源聚合体的贡献度和自身外特性限制,采用蒙特卡洛法逼近代替夏普利值公式计算方法,降低云端平台的计算压力。
-
公开(公告)号:CN118657613A
公开(公告)日:2024-09-17
申请号:CN202410790505.6
申请日:2024-06-19
IPC: G06Q40/04 , G06Q30/0283 , G06N3/092 , G06N3/126
Abstract: 本发明公开一种基于前景理论和强化学习的自动交易方法及系统,属于电力市场领域;方法包括:基于前景理论的价值函数对产消者的感知损失和收益进行建模,得到量化用户对收益和损失的感知模型;构建买家效用模型并采用差分进化算法进行求解;卖家建模为独立的学习代理,采用基于风险规避的Q‑learing算法进行卖家动态定价;依次迭代求解买家效用模型的算法和卖家动态定价的算法,得到各个交易时段的买卖双方交易信息与策略;采用价值函数量化不同买家的内在异质性的同时,最大限度地提高购买者个体效用,并基于Q‑learing算法动态决策卖家的最优销售价格,提高用户的经济效益和交易效率,最终实现海量产消者下用户的自动交易,为用户交易决策提供参考。
-
-
-
-
-
-
-
-
-