• 可再生能源
  • 削减
  • AI.
  • 网格基础设施
  • 分布式能源管理
  • 分布式能源资源

使用AI来修复可再生能源的缩减问题

威廉休..
8月04日,2020年

hth下载指导洞察力

这个博客是合著者是迈克尔·凯利。

许多人考虑大规模,并网电池,成为将多余的能源生产的解决方案从在日光小时内创建的可再生生成,以便在晚上以后使用。常见情绪是可再生能力的缩减是不幸的,并且电网应该尽可能多地使用绿色功率。最近hth下载指南洞察文章探讨了这种做法,发现加利福尼亚州的太阳能发电机在2020年期间缩短了所使用总功率的近1%。

探索可再生能源的缩减问题

人们可能期望更有电网连接的电池容量应直接导致尽可能多的绿色电源。在这种情况下,遏制太阳能的唯一原因是电池已经满是全容量。然而,来自加利福尼亚独立系统运营商(CAISO)的数据表明,从太阳能发电源缩减的电力超过三分之一的功率同时发生,并将电池连接到电网。电池不仅有额外的存储容量,而且它们的使用也增加了缩减量。下图比较了加利福尼亚州夏季日期间的电网电池流量的电力量和方向。

缩减期间电池电池电量:2020年6月26日

缩减期间电池电池电量:2020年6月26日

(来源:指南洞察力hth下载和加州独立系统运营商

这张图显示的是电池在早上用可再生能源充电。然而,下午2点后,并网电池开始向电网供电,同时可再生能源正在减少。令人遗憾的结果是,可再生能源的份额没有达到应有的高水平。

这种情况并不罕见。下面的图表显示了与电网连接电池在2周内向网格的电量添加电源时发生缩减。当电池也在加利福尼亚州的电网增加电力时,发生了超过三分之一的缩减。

加利福尼亚州网格连接电池抵消的缩减百分比

加利福尼亚州网格连接电池抵消的缩减百分比

(来源:指南洞察力hth下载和加州独立系统运营商

加利福尼亚州是其使用可再生能源的领导者,并在网格连接的存储量中。有关电源流向或从电池的信息以15分钟为增量的信息在Caiso网站上查看。人们会期望在白天和黑暗之后积极的线是消极的。如果在加利福尼亚可能发生这种情况,则可以在其他地方进行类似的情况。

解决方案涉及AI

这种情况的解决方案涉及使用AI更好地预测网格需求以及将通过在运营中的可再生生成来源每天生成的电力量。负载预测不是用于公用事业的新功能,但传感器技术的扩散(例如,智能电表,智能逆变器)和AI和机器学习的进步是跨加载和太阳能预测平台的新功能:

  • 使用案例已经从简单的负载预测中演变为收入,资产管理和地点定价的更多动态应用。
  • 输入参数已扩展为包含越来越多的数据集,例如云覆盖,风预报和EV渗透。
  • 供应商正在将非传统技术集成到最终使用模式。
  • 正在进行的创新,正在发生预测算法,并模拟新技术动态曲线的生产和行为。

这些新兴的动态分析平台可以减轻其中一些缩减问题,同时避免了较大分布式能源管理系统项目的高成本和复杂性。有关实用程序如何解决分布式能源管理的更多信息,请参阅引导馆见解报告,hth下载Der管理技术。