-
公开(公告)号：CN117200205A
公开(公告)日：2023-12-08
申请号：CN202311163277.1
申请日：2023-09-11
Applicant: 安徽立卓智能电网科技有限公司 , 国网安徽省电力有限公司马鞍山供电公司
Abstract: 本发明涉及新能源短期功率预测技术领域，公开了基于深度学习的区域新能源短期功率预测方法，包括以下步骤：S1场站数据采集与预处理：采集区域内所有集中式风电场站和集中式光伏场站的实测功率数据、实测气象数据、预测气象数据以及实时容量数据，并对采集的数据进行预处理；S2区域预测模型建模：分别构建区域光伏预测模型和区域风电预测模型，其中基于光伏的预测模型选择总辐射和温度建模，基于风电的预测模型选择风速、风向和温度来建模。本发明基于深度学习的区域新能源短期功率预测方法具有较高的准确性、灵活性和可拓展性，能够为新能源发电提供可靠的短期功率预测，从而为电力系统的稳定运行和能源调度提供有益支持。
-
公开(公告)号：CN117578425A
公开(公告)日：2024-02-20
申请号：CN202311561590.0
申请日：2023-11-22
Applicant: 安徽立卓智能电网科技有限公司 , 国网安徽省电力有限公司
Abstract: 本发明涉及功率预测技术领域，公开了一种极端天气情况下的区域功率预测修正方法，包括以下步骤：S1实测数据获取和筛选：采集发电站的功率实测数据、天气数据和功率预测数据，并对采集的数据进行筛选；S2实测数据预处理：将采集的电站的功率实测数据、天气数据和功率预测数据进行时间匹配，生成新的DataFrame；S3极端天气划分：对采集的天气数据内容按照天气类型进行条件判定，从而获得极端天气类型数据。本发明具有准确性、灵活性和实时性等优势；通过对极端天气进行分类和利用RF模型修正预测结果，可以提高新能源功率预测的准确性；这种方法对于电力系统的可靠运行、能源利用效率的提高以及电力市场的合理运行具有重要意义。
-
公开(公告)号：CN117454129A
公开(公告)日：2024-01-26
申请号：CN202311494484.5
申请日：2023-11-10
Applicant: 安徽立卓智能电网科技有限公司 , 国网安徽省电力有限公司
IPC: G06F18/21 , H02J3/00 , H02J3/06 , H02J3/38 , G06F18/15 , G06F18/22 , G06F18/23 , G06F17/18 , G06F17/16 , G06Q50/06
Abstract: 本发明涉及光伏电站的短期概率预测技术领域，公开了一种基于残差双聚类的光伏电站短期预测置信区间计算方法，包括以下步骤：S1获取历史短期预测数据和实测数据，并对获取的数据进行清洗和匹配；S2计算短期预测数据和实测数据的残差并将计算所得的残差作为原始矩阵；S3构造基于时间段和发电功率容量比的索引矩阵；S4获取残差数组按照索引矩阵的条件和基因双聚类，得出光伏电站不同运行工况下的双聚类的各个预测残差子矩阵；S5计算各残差子矩阵的均值和标准差。本发明能够合理调配电网资源，有益于光伏电站的调护和维修，提升光伏电站的总发电量和容量系数，提高光伏电站运行维护成本，提高光伏电站的输出功率利用率。
-
公开(公告)号：CN110829464A
公开(公告)日：2020-02-21
申请号：CN201911136164.6
申请日：2019-11-19
Applicant: 国网安徽省电力有限公司 , 安徽立卓智能电网科技有限公司
Abstract: 本发明提出的一种基于直流侧的光伏储能电池调频方法，包括：在光伏电站中，给每一个光伏逆变器配置一套储能电池，储能电池通过储能双向DC/DC变换器连接对应的光伏逆变器以及用于给对应的光伏逆变器充电的各光伏组件；在电网发生频率扰动时，优先通过调节对应的储能双向DC/DC变换器的充放电功率，以调整光伏逆变器有功出力。本发明中，通过储能电池充电，实现了在不丢弃光伏组件输出功率的情况下，降低光伏逆变器的有功出力；通过储能电池放电，实现了在不改变光伏逆变器最大功率点运行模式的情况下，提高光伏逆变器的有功出力。如此，可使得光伏逆变器尽可能处于最大功率点运行，以保证对光伏组件发电的充分利用。
-
公开(公告)号：CN119944838A
公开(公告)日：2025-05-06
申请号：CN202510003266.X
申请日：2025-01-02
Applicant: 安徽立卓智能电网科技有限公司
Abstract: 本发明公开了一种基于智能插座实现电网调频的系统及方法，涉及智能调频技术领域，解决了现有技术中由于发电机组与大型发电厂响应速度较慢，导致电网无法及时获取家用电器用电情况的准确数据，无法及时进行电网调频，从而影响电网稳定运行；本发明通过智能插座呈周期采集实时数据并上传至电网的调度中心；根据电压频率构建频率预测模型，通过频率预测模型获取下一采样周期内的电压频率偏差；通过电压频率偏差得到家用电器需要调节的功率；设定调频策略，判断是否完成电网调频；是，则结束判断；否，则根据调频策略重新生成调频指令进行电网调频；本发明及时捕捉到家用电器使用情况，及时对电网进行调频。
-
Patent Agency Ranking
公开(公告)号：CN110854879A
公开(公告)日：2020-02-28
申请号：CN201911136178.8
申请日：2019-11-19
Applicant: 国网安徽省电力有限公司 , 安徽立卓智能电网科技有限公司
Abstract: 本发明提出的一种应用于光伏直流侧的电网调频装置，包括：储能连接端子、低压直流总线、充电电路、放电电路、高压直流总线、充放电连接端子和控制器；储能连接端子用于连接储能电池，充放电控制单元用于并联连接光伏组件和光伏逆变器；充电电路和放电电路并联连接在低压直流总线和高压直流总线之间，储能连接端子与低压直流总线导电连接，充放电控制单元与高压直流总线连接；控制器分别连接充电电路和放电电路，用于控制充电电路和放电电路工作。本发明应用于光伏电网时，可提高光伏逆变器的调节上下限。且，本发明提出的一种应用于光伏直流侧的电网调频装置，应用于光伏直流侧，安装简单，成本低廉，便于现有光伏电网的改造。
-
公开(公告)号：CN118839273A
公开(公告)日：2024-10-25
申请号：CN202410874536.X
申请日：2024-07-02
Applicant: 安徽立卓智能电网科技有限公司
IPC: G06F18/2433 , G06N3/0464 , G06F18/214
Abstract: 本发明涉及风电功率预测技术领域，公开了基于数据驱动的场站端轮毂预测风速的修正方法，包括以下步骤：S1获取数据集：获取场站历史数据和场站信息数据；S2数据预处理：对获取的场站历史数据和场站信息数据分别进行异常值判断；S3制作样本数据集：将异常值判断后的场站历史数据和场站信息数据制作成样本数据集。本发明综合考虑了风场的地形和风场布局情况，基于数据驱动分别对每一个风电机组的轮毂处风速进行了预测修正；同时引进深度学习CNN模型，结合各类风电特征的空间和时间相关性，有效地捕捉到风电数据中的空间和时间特征，从而提高了预测模型的准确性和泛化能力。
-
公开(公告)号：CN119363493A
公开(公告)日：2025-01-24
申请号：CN202411458754.1
申请日：2024-10-18
Applicant: 安徽立卓智能电网科技有限公司
Abstract: 本发明涉及供电技术领域，公开了一种基于PoE接口为家庭能量管理器提供工作电源的方法，包括以下步骤：S1、构建PoE接口供电系统，实现PoE接口为家庭能量管理器提供工作电源的连接操作；S2、利用构建的PoE接口供电系统的PSE端检测PD端的共模阻抗，确定是否连接上PD端；S3、利用构建的PoE接口供电系统检测PD端的功率，PSE端施加的探测电压经网口电缆传输至PD端，PSE端通过测定PD端的分级电阻从而确定PD端的功率。本发明基于PoE接口，解决了家庭能量管理器供电、安装、连接智能家电以及连入互联网问题。
-
公开(公告)号：CN117494890A
公开(公告)日：2024-02-02
申请号：CN202311462631.0
申请日：2023-11-06
Applicant: 安徽立卓智能电网科技有限公司 , 国网安徽省电力有限公司滁州供电公司
Abstract: 本发明涉及电力功率预测技术领域，公开了一种ARIMA和DNN组合模型的区域超短期功率预测方法，包括以下步骤：S1收集电力系统历史功率数据和短期预测功率数据；S2对收集到的数据进行预处理；S3构建样本数据集并将预处理后的数据分为训练集和测试集；S4针对样本数据集，分别构建ARIMA和DNN模型；S5进行DNN模型训练和预测；S6计算预测时间点的合理权重；S7结合合理权重计算最终的超短期预测结果。本发明利用短期功率预测数据作为ARIMA的特征之一，进一步提升了ARIMA模型的稳定性和精度；提高了区域超短期功率预测的准确性和稳定性，能够更好地满足电力系统对功率预测的精度要求；有效解决了权重分配需要手动设置的弊端。
-
公开(公告)号：CN117150270A
公开(公告)日：2023-12-01
申请号：CN202311135962.3
申请日：2023-09-05
Applicant: 安徽立卓智能电网科技有限公司 , 国网安徽省电力有限公司滁州供电公司
Abstract: 本发明涉及环保技术领域，公开了基于小波变换的神经网络风电场超短期功率预测方法，包括以下步骤：S1数据采集和预处理：采集风电场的功率数据，并对采集的功率数据进行预处理，确保功率数据的准确性和一致性；S2对预处理后的功率数据进行小波变换：对预处理后的功率数据应用小波变换算法，将其转换为时域和频域的特征数据，从而得到低频数据和高频数据。本发明通过引入小波变换技术和神经网络模型，充分考虑了风电场功率的非线性和非平稳性特点，提高了预测的准确性，减少了误差；通过优化神经网络模型和算法，减少训练和预测时间的消耗，提高了模型的实时性，使预测结果更及时、更准确。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.072 seconds)
