低碳背景下“光储直柔”关键技术研究现状与应用展望

我国建筑运行阶段碳排放占全社会总碳排放的比例约为1/3,建筑部门的节能减碳工作对我国“3060”双碳战略目标的实现至关重要。“光储直柔”建筑新型能源系统是面向碳中和目标实现建筑能源系统革新的重要技术路径。该文对“光储直柔”四个关键技术内涵进行了综述梳理,然后聚焦“光储直柔”配电系统中的四项关键技术现状进行讨论,并对未来需开展的研究进行了展望。同时,结合案例,初步分析了光储直柔的节碳效益及前景,以期为“光储直柔”的进一步深入研究、探索提供参考。     

碳中和背景下农村光储直柔系统建设分析——以山西省芮城县东夭村为例

在碳达峰、碳中和"3060目标"背景下,新能源在未来电力系统的比重将逐步增加.随之而来的电网调度、电能质量等一系列问题却不容忽视,如何实现新能源的高效消纳将成为未来电力领域的一个重要议题.本文以山西省芮城县东夭村"光储直柔"系统建设为例,介绍了光储直柔技术和实践应用效果,分析了农村地区实施"光储直柔"系统建设的经济和社会效益,并对商业模式进行了初步探讨.     

光储直柔在整县光伏开发中的应用分析

整县屋顶分布式光伏开发试点过程中面临着光伏项目并网困难、就地消纳能力不足等技术难题。介绍光储直柔新型电力系统技术,分析在整县光伏推进工作中采用光、储、直、柔等技术解决以上两个难题面临的机遇与挑战,并给出相应的建议。分析山西芮城县东夭村国内首个农村“光储直柔”低压直流系统在新能源消纳、安全性和可靠性等方面的优势和经济效益。分析国家能源集团BIPV中心采用“光储直柔”技术,利用建筑的立面和屋顶实现较大规模的光伏装机量,实现光伏发电就地消纳和柔性供用能。推广光储直柔技术是解决整县分布式光伏大规模开发中并网难和就地消纳不足等技术难点的有效途径之一。     

电力负荷预测神经网络模型的设计

为提高电力负荷预测精度,本文采用Elman神经网络建立模型,提出了一种基于Elman神经网络的电力负荷预测方法 ,采用自适应学习速率动量梯度下降反向传播算法进行网络训练,对乌鲁木齐电网的实际历史数据进行了仿真,仿真结果表明,Elman神经网络对电力负荷进行预测具有收敛速度快,预测精度高的优点。     

基于时间序列和灰色模型的短期电力负荷预测

针对短期电力负荷预测,从不同研究角度出发,分别构建了时间序列ARIMA模型和基于相似日的灰色预测GM(1,1)模型,使用SPSS、MATLAB等软件编程,得出不同模型下所研究地区未来七天内各个时点的电力负荷预测值,并对其精度进行了检验。结果表明两种模型下的预测结果精度较高且各具优点,在实际应用中,可根据短期电力负荷的具体特征和预测要求,灵活的选择模型加以应用。     

基于PSO-SVM模型的短期电力负荷预测研究

文章分析了影响电力负荷的因素,对现存的短期电力负荷预测方法进行了研究,采用粒子群算法对支持向量机进行参数寻优,建立了基于粒子群优化的预测模型,并对短期电力负荷进行预测仿真,为精准且快速地预测短期电力负荷提供了有效的方法。通过实例分析验证了该模型在电力负荷中的预测精度,结果显示其精度值较高。     

虹桥机场空调负荷模型研究

通过虹桥机场能源中心供冷运行数据的收集,采取数学方式建立供冷量、温度、湿度三者之间的关系模式,对负荷预测进行初步探讨,通过供冷量的预估可以指导日后的每日的开机策略,优化管理和运行模式,从而实现节能的目标。     

对城市电力空间负荷密度的研究

城市新城区配电网的规划、设计、建设与城市电力空间负荷密度息息相关,其值的大小直接影响变电站的选址定容、整个电力系统的布局、电力与电子设备的选型等。本文通过对射阳县新城区典型区块分类负荷的实测、统计、分析,进一步分析射阳县电力空间负荷密度分布规律,以此为射阳县电力系统的规划与建设提供借鉴。     

“光储直柔”建筑电气设计探究

针对“光储直柔”建筑建成案例较少,“光储直柔”建筑电气系统与传统建筑电气系统有较大差异,本文从“光储直柔”建筑的光伏发电系统、储能系统、低压直流系统和柔性控制平台这四个方面对系统设计进行分析,并以某办公楼为案例,提出其光伏组件选择要点、自消纳分析方法、低压直流系统接线及主要设备选择要点等,供同行在进行类似系统设计时借鉴、参考。     

大同能源馆“光储直柔”系统应用与实践研究

大同能源馆作为2019年竣工的集光伏发电、储能、直流配电、柔性用电于一体的“光储直柔”建筑,其设计理念兼具创新性与实用性。通过重点解析该建筑中储能技术的应用及柔性配电技术应用,为“光储直柔”建筑设计及实践提供思路。     

福州地区大学城电力负荷预测的研究

电力负荷预测是电力系统规划和电网运行的一项非常重要的基础性工作。本文在对目前电力系统中众多负荷预测方法进行研究的基础上,结合福州大学城区近年的用电和经济发展情况,采用其中几种比较合适的方法对未来几年该地区的负荷情况进行了预测分析,通过理论分析和算例仿真结果表明,以上方法适合对本地区的电力负荷进行长期预测．能为电力系统规划和电网运行提供有价值的参考。     

基于GM(2,1)模型的短期电力负荷预测

传统的灰色系统GM(1,1)模型只适用于呈近似指数增长趋势的原始数列,而GM(2,1)模型适用范围更广,被广泛应用于各个行业。但由于计算复杂,以及模型自身存在的问题,在电力负荷预测上鲜有人研究。现将GM(2,1)模型运用于短期的电力负荷预测中,详细列出参数的计算过程,并与传统的GM(1,1)模型进行对比,结果表明,GM(2,1)模型比GM(1,1)模型预测精度更高,并且G M(2,1)模型预测的精度基本不受数据的影响,使用范围更广。     

以节能研究为先导的夏热冬冷地区近零能耗建筑设计探析

夏热冬冷地区近零能耗建筑的设计,应该充分利用在地气候条件,综合平衡被动式设计、主动式策略和可再生资源之间的关系,结合工业化技术手段和新型材料,实现“研究—设计—研发”全技术链条的贯通。设计的关键点在于以节能基础研究为先导,指导建筑从方案、初步设计到施工图的全过程设计及后续相关流程。本文结合中建滨湖设计总部项目实践案例,论述了以节能研究为先导的近零能耗建筑设计方法。     

室内长波辐射换热模型对房间负荷影响的研究

本文采用两个长波辐射换热模型不同的能耗模拟软件对同一建筑模型进行了采暖和空调负荷的模拟计算,并对计算结果进行了定量的对比分析,说明了长波辐射换热模型对房间采暖空调负荷计算结果的重要影响.     

基于灰色理论的电力负荷预测模型改进及仿真研究

本文简要地介绍了电力系统负荷预测的意义,通过对灰色理论预测方法的研究,找出了灰色建模的局限性并提出了改进的方法。通过对负荷原始数据序列的预处理及优化,增强了灰色预测对波动负荷数据序列的处理能力,大大提高了灰色预测方法的适用范围和预测精度;利用等维新息递推GM (1,1)模型进行预测,保证了预测能够较为充分地利用新信息,能够满足中长期负荷预测的要求。此外,本论文还以matlab为平台,完成了基于灰色系统理论的电力负荷预测仿真系统的设计与实现。通过实例将改进模型与普通GM (1,1)模型进行比较,证明改进模型具有比普通GM(1,1)模型误差小、精度高的优点。     

居民单相非线性负荷谐波诺顿模型研究

谐波诺顿模型是一种非线性负荷模型,使用可编程交流电源构造不同电压类型(平坦波和尖顶波),且电压畸变率为5%获得PCC处电压和电流的波动量(两种不同运行状态下得到的谐波电压和谐波电流)。结果表明:居民单相非线性负荷诺顿模型参数不是恒定的,不同构造电压下获得的参数变化较大,且模型只在相同电压类型(平坦波或尖顶波)下才稳定些,大量实验及测试数据计算结果验证了这一结论。实验还表明:低压配电系统的电压波形是平坦波,这为构造居民单相非线性负荷诺顿模型提供了有利条件。     

绿色低碳建筑用能碳排放指标精细化估算方法研究

“双碳”目标对我国现有产业结构和能源结构提出了更高要求,建筑碳排放具有巨大的降低空间,传统建筑能耗计量已无法满足节能降碳需求;提出一种含光储直柔的建筑运行过程中用能碳排放指标精细化估算方法,考虑建筑光储系统出力与电网单位电能碳排放量时变性,通过计算建筑内各负荷的间接碳排放量及直接碳排放量获取一天实时分项碳排放模型;该估算方法为设计阶段进行低碳建筑减碳方案对比与确认提供有效技术支持,为低碳建筑“光储直柔”一体化设计配置与调控提供关键数据支撑。     

基于负荷预测的区域供暖系统控制模型研究

针对当前我国北方城镇供暖季过量供热的突出问题,基于MATLAB/Simulink软件建立区域供暖系统仿真模型用于研究其动态特性.为抵消供暖过程中的滞后与延迟,引入短期负荷预测方式指导系统进行集中调节,观察建筑室内温度的动态响应与运行能耗情况,并与定供水温度和室外温度补偿方法作对比,结果表明基于负荷预测的区域供暖系统集中...     

基于Transformer模型的电力隧道开挖工法预测研究

在电力资源供应不足与绿色城市建设的双重影响下,电力隧道已经成为城镇化建设的必要选择,而根据已有工程条件确定电力隧道开挖工法更是施工稳定与取得经济效益的关键。以我国多个省份提供的电力隧道开挖工法应用情况为基础构建了数据集,应用Transformer模型对数据集之间的因果序列关系进行了学习与预测研究。研究结果表明,与传统机器学习模型相比,Transformer模型做到了不定项预测,同时在电力隧道开挖工法的最优项预测方面也取得了较好的结果,其准确率、精确率、召回率和F1值分别为98.25%、98.53%、98.45%和98.47%。Transformer模型在北京市某些已有工程实例中也得到了进一步的验证,具有极大的发展潜力。相关结论可为类似研究提供参考。