共查询到18条相似文献,搜索用时 71 毫秒
1.
2.
阐述了发展分布式能源站的必要性;介绍了国内外分布式能源站的发展现状;分析了分布式能源站的优势、影响其发展的障碍以及市场前景。 相似文献
3.
4.
5.
6.
分布式能源站的机组容量取决于供能区域的能量需求,通过能源梯级利用,尽可能就地平衡能量来提高机组利用小时数,减少对外网的影响,提高项目经济性.本文以863课题佛山示范项目为例,提出了分布式能源站的机组选型原则建议. 相似文献
7.
分布式能源站的机组容量取决于供能区域的能量需求,通过能源梯级利用,尽可能就地平衡能量来提高机组利用小时数,减少对外网的影响,提高项目经济性。本文以863课题佛山示范项目为例,提出了分布式能源站的机组选型原则建议。 相似文献
8.
基于分布式可再生能源发电的能源互联网系统 总被引:2,自引:6,他引:2
以分布式可再生能源发电为基础,构建可以实现实时、高速、双向的电力数据读取和可再生能源接入的能源互联网系统.能源互联网系统由智能能量管理系统、分布式可再生能源、储能装置、变流装置和智能终端等组成.智能能量管理系统提供了一个可视化的操作平台,除了可以实现常规的能量管理,还可以实现可再生能源的即插即用,并根据系统需要,自主实现孤岛运行和并网之间的切换;储能装置在改善电能质量、提高系统稳定性、电源备用和提高经济效益方面具有重大的作用,是能源互联网系统不可缺少的组成部分;电力电子变压器的应用使可再生能源发电达到电网接入要求.最后确定了控制策略、电力电子变流技术和储能技术3个能源互联网的未来主要研究方向. 相似文献
9.
国家863计划课题"MWe燃气轮机分布式冷电联供技术集成与示范研究"以佛山供电局季华路大院三栋大楼为依托,建成一个具有代表性的高效天然气冷、电联供示范系统.本文通过对分布式能源站的系统集成与优化运行控制策略的研究,解决了分布式能源站如何在经济工况下高效运行问题. 相似文献
10.
国家863计划课题"MWe级燃气轮机分布式冷电联供技术集成与示范研究"以佛山供电局季华路大院三栋大楼为依托,建成一个具有代表性的高效天然气冷、电联供示范系统。本文通过对分布式能源站的系统集成与优化运行控制策略的研究,解决了分布式能源站如何在经济工况下高效运行问题。 相似文献
11.
随着能源互联网的发展,分布式储能以其优良的系统灵活性和电力一致性,对推动电力生产和利用方式变革具有重要战略意义。针对用户侧分布式储能,以并网型“分布式光伏+储能”为主要应用模式,以前置运行优化的用户侧分布式储能全寿命周期成本收益分析为基础,提出了基于双粒度储能优化运行策略的分布式储能价值评估模型。以中国某省一般工商业和大工业用户为案例,对负荷特性、电价政策、储能成本和储能技术特性对用户侧分布式储能价值的影响进行敏感性分析,研判用户侧分布式储能未来发展潜力和趋势。 相似文献
12.
加强电力信息安全的防护 总被引:2,自引:2,他引:2
从电力信息安全角度出发,针对南方电网目前的电力信息系统和信息网络在电力信息安全上存在的问题,提出了防护电力信息安全风险的技术措施和管理措施。 相似文献
13.
14.
15.
智慧车联网平台是新时代电力、交通与互联网融合的产物,也是泛在电力物联网的重要组成部分,在能源互联网背景下展现出巨大的发展潜力。通过有效利用车联网平台资源促进分布式能源消纳,既可以为车联网平台提供可行的盈利模式,也可以促进我国能源体系转型。文章首先对车联网平台内分布式能源交易架构进行分析。在此基础上针对车联网平台点对点(peer-to-peer,P2P)交易进行研究,提出了一种基于区块链智能合约的分布式能源交易体系。最后,设计了分布式能源交易模式下车联网平台运营模式,主要包括产消者模式、综合能源服务模式和数字化连接模式,可为车联网平台建设分布式能源交易体系提供参考。 相似文献
16.
17.
能源互联网是解决未来大规模分布式可再生能源接入和能源共享的重要基础设施。立足于建设能源互联网的根本目标,指出了能源互联网的特征,提出了一种基于能源路由器的能源互联网结构;提出了一种层次化功能结构的能源路由器,能够支持分布式电源、电动汽车和负荷的接入,详细介绍了能源路由器的各功能模块;提出了一种具有多电力接口模块化的能源路由器主回路结构;提出了一种基于能源路由器的能源交易模式,既能实现能源自由公平的交易,又能够自动实现分布式能源就地、就近消纳,并详细介绍了能源交易过程。 相似文献
18.
信息物理融合框架下的能源互联网需要处理的数据是海量的,要从中提取知识或分析数据之间的关联特征难度很大。在此背景下,基于互信息(mutual information,MI)理论,将信息融合理论中的"数据—特征—决策"三层结构应用到能源互联网的海量监测数据中,构建了一种基于多层模式的数据融合方案。互信息方法能够度量条件属性与决策属性间的相关性、消除冗余特征,从而提取规则、形成知识。首先,采用互信息方法发现海量监测数据间的关联度,并在数据预处理过程中筛选出关联特征。接着,采用多层前馈神经网络(multiple-layer feedforward neural network,MLFNN)对海量数据进行决策融合。之后,将该方法与在大规模数据集并行计算领域中发展起来的著名的MapReduce模型相结合,构造能够处理海量数据融合的"MutualInformation-Multiple-layer Feedforward Neural Network-MapReduce"(3M)方法框架。最后,以风电场功率预测问题为例来说明所提出的方法。计算结果表明,与传统的变量筛选方法相比,所提出的方法在预测精度和计算效率方面都有明显改善。 相似文献