AI 在EMS中的应用
作者：微信文章这里简单介绍工商储平台的3个智能特色场景：
动态电价下的的智能控制；
功率削峰场景下的智能控制；
光伏波动场景下的智能控制；
第一个场景是动态电价下的环境变量因子。通常系统端有PV 的输入功率变化，有Load 负载端输出功率变化，那么如何在动态电价下，系统做出正确的策略呢？
上图是我们系统能够根据采集到的电价，自动计算出当天的平均电价线， 通过实际电价与平均电价的比较，针对当天 24个小时自动划分出低Grid电价区域和高Grid 电价区。同时，根据电池实际SOC 的状态 以及光伏的功率信息，系统做出 充电、放电的指令，以满足收益最大化。
在第二个场景中，我们知道，目前的电费是根据年度最大的功率Peak 与功率Peak 费率r 与 实际电耗与电费的费率e 构成。合理的最大功率的设置，不仅仅可以节约功率费用，也可以满足电耗能费用的降低。 目前市场上大部分公司，采用的是固定最大功率设置方式，这么做虽然简单，但无法满足复杂计费模式下依然可以达到最佳的节约。
好的算法不仅仅可以采用了简单的Peak 功率设定，而且能够根据电网公司复杂的算法引入了AI来设计最佳的Peak 点， 进而动态配置最佳的最大功率设置点，来达到费用节约的目的。
第三个智能是白天日照光伏场景下，如何进行稳定的负载功率输出。正常PV 稳定的功率输入前提下，系统可以非常容易的做出判断：负载优先，然后再对电池进行充电。
但由于PV功率因为 云影快速变化（fast irradiance ramp）或者 光伏组串温度突变（风吹导致温度瞬降）、PV 侧电缆接触不良导致输入功率的波动。 高频波动会让 电池 在 “充电→放电” 之间快速切换：影响包括：
逆变器寿命缩短（继电器、IGBT 热冲击）
BMS 频繁切换状态机（不利于循环寿命）
充放电震荡
输出功率不平滑 → 输出功率抖动
无功补偿（Q）调节不及时 → 电能质量下降
目前AI 智慧算法中添加了PV稳定性预判算法。稳定性算法的机制是源于ESY sunhome 在PV数据库的场景判定结论，同时考虑了电池切换的合理时间。 当检测到PV 在频繁波动时候，AI 预判PV 为不稳定阶段，此时由电池完全接管负载放电，并设置合理的接管时间；当虚拟VSG 预判PV 处于稳定状态后，由PV 接管负载优先模式，电池则处于充电状态。 通过预判算法，避免了高频波动导致的电池 在 “充电→放电” 之间快速切换，也使得负载功率在白天得以稳定输出。
页:
[1]