机构名称：
¥ 1.0
基于电池的能源存储已成为各种电网能源优化（如调峰和成本套利）的有利技术。电池驱动的调峰优化的一个关键组成部分是峰值预测，即预测一天中需求最大的时段。虽然之前已经有大量关于负荷预测的研究，但我们认为，预测个人消费者或微电网需求高峰期的问题比预测电网规模的负荷更具挑战性。我们提出了一种基于深度学习的峰值预测新模型，该模型可以预测每天需求最高和最低的 k 个小时。我们使用来自 156 栋建筑的真实微电网的两年跟踪来评估我们的方法，并表明它比用于峰值预测的最先进的负荷预测技术高出 11-32%。当用于基于电池的调峰时，我们的模型每年可为该微电网的 4 MWhr 电池节省 496,320 美元。
校园微电网中基于电池的能源优化的峰值预测
主要关键词
相关文件推荐
