2、能源互联网中的大数据重点应用
2.1.能源互联网的优化规划
包括:
(1)电动汽车充放电设施建设和运行管理。研究电动汽车充电设施的空间优化规划, 根据道路交通信息及配网现状将快速充电站、充电桩规划在合理位置;
(2)能源系统规划调度运行辅助决策。通过区域能源地图, 能以更优的可视化效果反映区域经济状况及各群体的行为习惯, 为区域能源网络规划决策、基础设施改造提供直观依据支撑;
(3)储能系统在能源互联网中的优化配置。储能系统的优化配置必须以分布式能源的出力预测为前提, 在了解分布式能源的出力特性后, 采取合理的方式对其容量和控制策略进行优化;
(4)风资源评估及风机选址优化。风力发电机的安装位置选择直接关系到发电能力和投资回报,
因此, 安装位置的选择要综合考虑温度、风向、风力和湿度等多种因素。基于大数据的数据实时处理平台, 可广泛收集环境信息, 优化风力涡轮机配置方案, 实现高效的能量输出。
2.2.能源互联网的运行管理
包括:
(1)用能预测和协同调度。基于能源生产和用能预测结果, 通过错峰资源聚类分析和错峰影响要素关联度分析, 量化评估可调度资源错峰潜力, 探究不同类型能源和用能负荷的优化组合原则及方法, 实现错峰资源的分层优化及自动分配, 完成能源生产与用能的协同调度;
(2)混合可再生能源预测。结合大数据分析和天气建模技术, 可进行混合可再生能源预测。混合可再生能源预测使能源电力公司更好地管理风能和太阳能的多变特性, 更准确地预测发电量;
(3)储能系统的智能控制。基于大数据支撑的储能系统智能管理, 不仅对单个客户带来较好的收益, 还可利用储能系统调节地区能源供求。虽然每处设置的储能系统容量较小, 但在太阳能发电及风力发电等可再生能源进一步发展的情况下, 通过统一控制多个储能系统的运行, 可稳定整个地区的能源供求。
2.3.检修计划安排与事故处理
包括: (1)灾害预警。利用大数据技术对能源互联网运行的风险源进行全面持续的量化评价, 通过薄弱区域识别、薄弱区域原因分析, 联合评价指标库, 给出综合预警结果, 最终达到灾难有效预警的目标; (2)状态检修管理。利用并行计算等技术实现检修策略优化, 能够克服传统阈值判定方法难以准确检测设备的状态异常的局限性, 有效提高设备异常检测的准确性和状态评价的正确率, 为解决现有状态检修问题提供有效的技术支撑; (3)智能微网云调度管理平台应用。未来千千万万个智能微网的互联互通, 将构建成真正意义上的能源互联网, 智能微网云调度管理平台支持并协同调度人员统观全局, 有效管理分布式微网安全、稳定和经济运行。
