一种用于移动智能充电的方法及系统

    公开(公告)号:CN113949085A

    公开(公告)日:2022-01-18

    申请号:CN202111026825.7

    申请日:2021-09-02

    IPC分类号: H02J3/32 H02J3/42 H02J3/38

    摘要: 本发明公开了一种用于移动智能充电的方法及系统,其中方法包括:生成移动电源和智能充电装备;所述移动电源包括:储能系统和DC/AC变流器;所述智能充电装备包括能量路由器;所述储能系统与电网连接进行充电时,所述DC/AC变流器采用负荷虚拟同步机控制策略;所述储能系统与电网或负荷连接进行放电时,所述DC/AC变流器采用虚拟同步发电机控制策略,当电网断电后,所述储能系统由与电网并网状态向与电网离网状态进行切换,为所述负荷持续供电;所述DC/AC变流器的交流输出接口与所述能量路由器的交流输入接口相连接,所述能量路由器包括多个交流端口和多个直流端口,所述能量路由器通过控制算法对交流端口和直流端口的电压进行控制,实现对不同负荷进行充电。

    一种用户侧综合能源舱
    32.
    发明公开

    公开(公告)号:CN113919603A

    公开(公告)日:2022-01-11

    申请号:CN202111513760.9

    申请日:2021-12-13

    摘要: 本发明提供了一种用户侧综合能源舱,该装置包括:外舱体、供电配电设备、控制柜和多个冷热设备;其中,外舱体的内部分割为两个独立的区域,分别为电能设备区及冷热设备区;多个冷热设备至少部分集成设置在冷热设备区内;供电配电设备和控制柜集成设置在电能设备区内。本发明采用模块化预制式结构设计,外舱体分割为电能设备区及冷热设备区,多个冷热设备至少部分集成设置在冷热设备区内,便于多个冷热设备之间连接和后续集中维护和调控,供电配电设备和控制柜亦可集中处理调整,可满足用户冷、热、电及生活热水等终端用能需求,融合冷、热、电、气为一体,提升能源利用效率,减少用户的用能成本,降低系统的碳排放量。

    基于台区智能融合终端的有序充放电的控制方法及系统

    公开(公告)号:CN113765126A

    公开(公告)日:2021-12-07

    申请号:CN202110812376.2

    申请日:2021-07-19

    IPC分类号: H02J3/32 H02J3/00 H02J3/14

    摘要: 本发明公开了一种基于台区智能融合终端的有序充放电的控制方法及系统,属于充电桩有序充放电互动控制技术领域。本发明方法,包括:通过台区智能融合终端采集的配电台区充放电负荷和其他负荷的历史运行数据,根据对历史运行数据的分析生成台区日前充放电负荷规划;针对台区日前充放电负荷规划,根据配电台区充放电负荷非实时优化策略,确定台区日内充放电负荷规划,从而形成配电主站的充放电负荷调度策略;跟据配电主站的充放电负荷调控策略结合台区内实时充放电负荷优化策略形成实际下发充电桩执行的有序充放电控制。本发明提高了配电自动化终端对电动汽车充放电设施调节和控制的精细化水平。

    一种基于罗氏线圈与LPCT组合的保护装置采样单元

    公开(公告)号:CN113295917A

    公开(公告)日:2021-08-24

    申请号:CN202110378960.1

    申请日:2021-04-08

    IPC分类号: G01R19/25 G01R15/18

    摘要: 本发明公开了一种基于罗氏线圈与LPCT组合的保护装置采样单元,由罗氏线圈与LPCT组合电流传感器输入模块、信号调理电路、A/D转换电路、CPU芯片电路、后置处理电路、电流输出模块、电源模块、通信模块构成;所述罗氏线圈与LPCT组合电流传感器输入模块与信号调理电路相连;所述信号调理电路与A/D转换电路相连;所述A/D转换电路、电源模块、通信模块与CPU芯片电路相连;所述CPU芯片电路与后置处理电路相连;所述后置处理电路与电流输出模块相连。满足512点/周波的采样需求,采样准确度达到0.1级,采用电路数据处理和传输过程中无信息丢包,能够完整的获取信息,满足保护装置数字化和边缘计算功能,解决现有技术采样输出的信号精度、准确度、稳定性不足。

    基于数据驱动的电动汽车充电需求预测方法、设备及介质

    公开(公告)号:CN117474156A

    公开(公告)日:2024-01-30

    申请号:CN202311425094.2

    申请日:2023-10-31

    摘要: 本发明涉及一种基于数据驱动的电动汽车充电需求预测方法、设备及介质,其中,方法包括:获取电动汽车充电数据,并对所述电动汽车充电数据进行预处理,将预处理后的电动汽车充电数据转化为特征数据;将所述特征数据、天气因素以及前一日的原始充电需求时滞数据输入训练好的数据驱动模型,得到电动汽车充电需求预测结果;其中,所述训练好的数据驱动模型通过以下方式得到:确定初始模型,利用历史特征数据训练初始模型,通过模型评估与参数调整,获得数据驱动模型;确定数据驱动模型的输入,采用Stacking的集成学习策略对所述数据驱动模型的全连接神经网络层进行训练,得到训练好的数据驱动模型。本发明能够进行个体用户充电行为的精细化预测。