基于风电和光伏预测的多堆电解槽功率分配方法及系统

AITNT
正文
推荐专利
基于风电和光伏预测的多堆电解槽功率分配方法及系统
申请号:CN202410907530
申请日期:2024-07-08
公开号:CN120675025A
公开日期:2025-09-19
类型:发明专利
摘要
本发明提供一种基于风电和光伏预测的多堆电解槽功率分配方法及系统,应用于能源与控制技术领域。方法包括:基于历史风力发电数据和风电功率预测模型进行风电功率预测,获得预测风电功率;风电功率预测模型为基于倒残差结构的多变量图神经网络;基于历史光伏发电数据和光伏功率预测模型进行光伏功率预测,获得预测光伏功率;基于预测风电功率和预测光伏功率,确定运行电解槽参考数量;基于预测风电功率和预测光伏功率,利用考虑系统成本的功率优化模型确定制氢总功率;基于电解槽运行状态、参考数量和制氢总功率进行功率分配。本发明解决了风氢系统由于风电出力的波动性导致的电解槽的频繁启停带来的电解槽使用寿命和制氢效率低的问题。
技术关键词
电解槽 风力发电数据 卷积模块 光伏发电数据 预测光伏发电功率 风电功率预测模型 功率优化 功率分配方法 序列 残差结构 子模块 功率分配策略 周期 预测发电功率 功率分配单元 输出模块
系统为您推荐了相关专利信息
1
一种基于深度学习的多模态自适应计步方法及其系统
多尺度融合网络 多模态特征 计步方法 融合特征 加权特征
2
一种基有YOLOv8的SAR图像船舶目标检测方法
多尺度特征提取 注意力机制 检测头 残差模块 动态
3
一种基于高效卷积与注意力机制的轻量化钢铁表面缺陷分割模型
注意力机制 特征提取网络 上采样 瓶颈 钢铁
4
一种基于AI多源信息融合的图像超分辨率重建系统
卷积模块 训练数据处理 融合特征 Winograd算法 特征提取模块
5
基于深度学习分支特征图融合的长尾图像识别方法
图像识别方法 卷积模块 特征提取网络 融合特征 逻辑
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号