一种基于数据血缘分析的发电侧碳排放计量方法

    公开(公告)号:CN115310877A

    公开(公告)日:2022-11-08

    申请号:CN202211237762.4

    申请日:2022-10-11

    Abstract: 本申请涉及一种基于数据血缘分析的发电侧碳排放计量方法。方法包括:根据碳排放核算理论以及电网数据,构建碳排放确定模型;根据碳排放确定模型中的核算数据关系网络,至少一种数据血缘关系以及碳排放核算多源数据,得到多源数据溯源模型;构建网对网碳排放核算模型和点对网碳排放核算模型,根据多源数据溯源模型、网对网碳排放核算模型以及点对网碳排放核算模型,得到单位用电量碳排放确定模型;构建区域与发电碳排放关系恒等式,根据单位用电量碳排放确定模型以及发电碳排放关系恒等式,得到碳排放因子修正模型;基于碳排放因子修正模型对碳排放确定模型进行修正,得到目标碳排放计量模型。采用本方法能够提高碳排放总量的计算准确率和效率。

    海上风电机组机械-电气联合硬件在环高精度仿真方法

    公开(公告)号:CN115202238A

    公开(公告)日:2022-10-18

    申请号:CN202211125280.X

    申请日:2022-09-15

    Abstract: 本发明提供一种海上风电机组机械‑电气联合硬件在环高精度仿真方法,具体包括:建立基于人工智能算法的海上风机台风期间风、雨、浪一体化数字仿真模型;建立包含变桨系统和偏航系统实物模拟装置、主控系统、变流器控制器、变桨控制器及偏航控制器实物装置、现有GH Bladed仿真模块和RT‑LAB半实物仿真平台的海上风机硬件在环高精度仿真系统;基于现有的环境模拟箱技术,建立海上风电机组运行环境模拟箱,对海上风电机组关键物理装置的实际运行环境进行模拟。所述方法可以实现海上风电机组的硬件在环的高精度仿真,并可以对台风期间风、雨、浪共同作用条件下的海上风电机组运行状况进行仿真分析。

    基于高空风资源影响的云层迁移分钟级光伏功率预测方法

    公开(公告)号:CN114462723B

    公开(公告)日:2022-07-29

    申请号:CN202210378247.1

    申请日:2022-04-12

    Abstract: 本申请涉及一种基于高空风资源影响的云层迁移分钟级光伏功率预测方法、装置、计算机设备。所述方法包括:获取待预测光伏场站在第一时间点的第一云量图谱;获取待预测光伏场站在第二时间点的第二云量图谱;第二云量图谱对应的区域范围由待预测光伏场站的所处位置的高空风资源信息和预设时间间隔所确定;根据目标云层区块与迁移后云层区块的相对位置差异,确定待预测光伏场站的所处位置的云层迁移数据;根据云层迁移数据,生成包含云量信息的预设时间精度级天气数据,并采用预设时间精度级天气数据进行光伏功率预测,得到待预测光伏场站的预设时间精度级光伏功率预测结果。采用本方法能够预测出光伏出力的高频波动成分,提升了预测准确度。

    新能源发电功率轻量化高精度云预测系统、方法和装置

    公开(公告)号:CN114462722A

    公开(公告)日:2022-05-10

    申请号:CN202210377783.X

    申请日:2022-04-12

    Abstract: 本申请涉及一种新能源发电功率轻量化高精度云预测系统、方法、装置、计算机设备和存储介质。所述系统包括:云平台,以及与云平台通信连接的多个场站数据采集系统;其中,多个场站数据采集系统,分别用于采集各个新能源场站的发电功率数据;云平台,用于确定与预测请求相适应的数值天气预报数据;获取与预测请求对应的发电功率预测模型,将数值天气预报数据,以及发电功率预测模型返回至对应的场站数据采集系统;场站数据采集系统,还用于在接收到发电功率预测模型,以及数值天气预报数据的情况下,将数值天气预报数据输入发电功率预测模型,通过发电功率预测模型得到对应的发电功率预测数据。采用本系统能够减少新能源发电功率预测的预测成本。

    一种混合驱动的微电网能量管理方法、系统及装置

    公开(公告)号:CN112491094A

    公开(公告)日:2021-03-12

    申请号:CN202011301037.X

    申请日:2020-11-19

    Abstract: 本发明公开一种混合驱动的微电网能量管理方法、系统及装置,所述混合驱动的微电网能量管理方法包括:获取历史运行数据和决策信息,得到样本数据;根据所述样本数据对门控循环单元GRU神经网络进行训练,得到运行‑决策映射模型;基于所述运行‑决策映射模型,根据日前24时段的运行数据,得到初始决策信息;根据微电网能量管理物理模型及日前24时段的运行数据,采用粒子群算法对所述初始决策信息进行迭代处理,得到最终决策结果。本发明结合模型驱动方法在因果关系处理中的优势和数据驱动方法计算效率的优势,有效提升了决策结果的准确性及高效性并提高了微电网优化运行的鲁棒性。

    一种基于深度学习的微电网全自动导航方法、系统与装置

    公开(公告)号:CN112134304A

    公开(公告)日:2020-12-25

    申请号:CN202011000664.X

    申请日:2020-09-22

    Abstract: 本发明涉及一种基于深度学习的微电网全自动导航方法、系统与装置。该方法包括:获取微电网系统日前24时段的系统净负荷;将系统净负荷输入微电网日前优化调度模型,输出微电网系统的日前优化调度策略;微电网日前优化调度模型为双层Bi‑LSTM神经网络模型;根据可控机组的最小技术出力、出力上限值、爬坡约束和运行时间约束,对微电网系统的日前优化调度策略的可控机组出力进行调整;根据储能充放电功率上限值、容量约束和调度周期内储能平衡约束,对储能充放电功率进行调整;根据微电网与大电网联络线交换功率上限值和系统功率平衡约束对微电网与大电网联络线交换功率进行调整。本发明可以提高微电网日前优化调度的准确度和效率。

Patent Agency Ranking