源网荷储关键技术及产品介绍（分享版）

源网荷储关键技术及产品介绍 报告人：王小杨 博士 /教授 北京理工大学（珠海） 邮箱： GridAI@163.com 2 01 02 技术 &产品 03 合作模式 目录页 CONTENTS PAGE 团队介绍 3 团队介绍 团队简介 工作简介 目录页 CONTENTS PAGE 4 专注新能源与电网行业，提供人工智能模 型服 务 。 关注源网荷 储和虚拟电厂技术 ， 提升新能源系统的管 理和优化，为行业 客 户提供高效解决方案 。 研发新能源与电网行业的人工智能模型 ， 重 点攻克源网荷储及虚拟电厂技术难题 ， 在 电 力系统预测、调度和优化方面取得成 果 。 团队成员来自能源、电力、计算机、数学 及 金融等领域，具备深厚 的理论知识和实践经 验，通过协作和创新， 推动技术研发和产品 创新。 坚持技术创新和跨学 科合作，深耕新能源与电 网领域，拓展应用场景，加大智能电网和能源 互联网等前沿领域的投 入，推动行业进步。 团队由 中山大学和 北京理工大学的教授 、博士、硕士等组成 ， 专 注于大数据与人工智能模 型 的 研发， 致力于为新能源与电网行业提供先进的 技术 服务 。 01 团队介绍 5 目录页 CONTENTS PAGE 技术 &产品 产品展示研究内容 6 研究不足： 现有研究以经验为主的专家系 统 重要发现： 提出改进的无监督模型 ，对逆变器、 开关等设备的异 常进 行检测 实践意义： 某 电气 公司 ； 某运维公司 设备健康度诊断 ： 1、新能源场站设备数量多： 2、改进的 Transformer模型： 01 设备健康度诊断技术 7 设备健康度诊断（ demo展示 ）： 01 设备健康度诊断平台示例 8 一 复杂场景适应性不足 ： 现有研究 受地形及阴影等复杂多 变环境影响 ， 导致排布不合理 。 1、 高精度三维建模： 2、 智能绘制与排布 ： 光伏组件智能排布 ： 02 光伏组件智能排布技术 深度全景 表示网络 寻找最优解 重要发现 ： 提高模型对不同场景的适应性 是 关键，采用动态深度启发算法的 解决方案，以应对多样化的屋顶 和障碍物形状。 实践意义： 光伏电站设计公司 9 02 光伏组件智能排布平台展示 10 五 研究不足： 现有研究主要是利用国外公开数据集 重要发现： 基于国内实际的 交易数据 ， 多维度分析 实践意义： 与国内某电力交易公司合 作开发 电力交易辅 助决策系统 ， 辅助电力交易 、交易管理 1、电价预测多类模型： 电力交易策略： 03 电力交易辅助决策技术 2、考虑多影响因素的电力交易决策模型 ： 11 03 电力交易辅助决策平台展示 虚拟电厂 工具已在广东省交易平台使用 源网荷储 零碳园区 碳排放权交易等 12 关键特征分析和提取 无监督学习 实现系统自适应 、 自调节 晴、多云、阴、雨、其它 (梅雨，台风，雷暴 ) 气象预报准确度较低 2 一 气象因素是关键 ， 提出自适应 、 自调节的系统解决方案 ， 实际 电站运行效果显著 实践意义： 阳江 50MW地面电站；青海地面 电站；佛山赛博工业园屋顶电站； …… 光伏出力预测研究不足： 现有研究观点局限在静 态实验室 环境 重要发现： 1、发现真实电站运行 情况复杂： 、减少气象带来的偏差，提出无监督和自适应措施： 光伏出力预测： 04 光伏出力预测技术 13 、提出自监督和迁移学习的策略： 自监督过程 迁移学习结果 技 负荷预测 研究不足 ： 现有研究缺乏对先验经验不 足、小样本数据量限制 的相关研究 重要发现： 利用自监督学习 ， 克服了辅助数据集对 标签依赖的限制； 利用深度迁移学习 ， 克服了目标 任务对样本量依赖的限制 ，实现降本增效 2 实践意义： 湖南省院负荷预测； 上海某建筑负荷预测 ； 需求侧响应： 负 荷 分 析 过 程 05 负荷预测技术 14 2、考虑能源管理的经济可行性，提出动态规划策略： 能源流动 系统经济性影响变量 研究不足： 现有研究缺乏真实经济可行性的考虑 重要发现： 提出技术 -经济性全面结合的源网荷储多元协同调度策略 ， 动态规划 ， 实现微电 网智能化运行 光储充协同调度： 实践意义： 北方某园区光储充调度 1、典型的微电网： 06 智能调控技术 1507 技术壁垒 10多年的研发经历 ， 近百个 AI模型 产品已在多家企业使用 取得多项知识产权 ， 已形成高门槛技术壁垒 精度达到 90%以上 ， 预测精度和决策效率不 断优化提高中 理论已结合实际 ， 并在实际中得到验证 创始团队自 2017年 便开始对源网荷储关键技术进行全面的研发，自研开发了 大量可复现的核心技术，并在国际顶级期刊发表 16 08 应用场景 目标客户 应用场景 具体描述 售电 公司 市场交易决策支持 基于 AI算法，分析市场供需、价格波动趋势，为售电公司制定中长期和现货交易策略。 用户需求预测与管理 利用 AI预测终端用户的用电需求，优化售电套餐，提升用户满意度。 绿电交易服务 协助售电公司代理用户购买绿电，优化绿电交易策略，降低交易成本。 交易风险评估与管理 通过大数据分析和 AI模型，评估交易风险，提供风险预警和应对策略。 智能报价与竞价 根据市场动态和用户需求，自动生成最优报价方案，提高交易成功率。 发电 企业 新能源发电功率预测 利用 AI技术预测新能源发电功率，优化发电计划，提高电网接入稳定性。 交易策略优化 为发电企业提供中长期和现货市场的交易策略，最大化发电收益。 成本与收益分析 自动分析发电成本，预测收益，为发电企业决策提供数据支持。 绿电与绿证交易管理 支持绿电和绿证交易，帮助发电企业获取额外收益，提升市场竞争力。 智能运维与调度 基于 AI的智能运维系统，优化发电设备运行，减少停机时间。 17 08 应用场景 目标客户 应用场景 具体描述 储能 企业 现货及辅助服务交易 储能参与现货及辅助服务交易 ， 时效性短且相对高频 ， AI技术可实现自动控制闭环 ， 快速适应市场规则 。 电池安全与管理 利用 AI技术进行电池安全管理 ， 提升储能系统的安全性和可靠性 。 虚拟 电厂 负荷预测与管理 AI技术预测未来负荷需求 ， 为虚拟电厂调度提供决策支持 ， 避免负荷不足或超负荷情况 。 分布式能源交易 支持分布式能源的高频交易 ， 通过区块链和 AI技术确保交易的有效性和不可变性 。 电网 企业 智能监测与巡检 利用 AI技术进行输配电智能监测和无人化巡检 ， 实现异常检测和故障定位 。 电网智能调控 AI技术辅助电网调控 ， 优化电网运行 ， 提升电网的稳定性和可靠性 。 18 目录页 CONTENTS PAGE 合作模式 19 合作模式 AI为核心 根据企业的具体需求 ， 对软件的功能 、 性能 、 界面等进行定制开发 ， 使软件更好地适应企 业的业务流程 。 定制开发 产学研合作 建立产学研合作机制 ， 大学与企业共同开展 技术研发 、 人才培养 和项目合作 。 战略合作联盟 与企业建立长期的战 略合作关系 ， 共同开 展市场推广 、 品牌建 设 、 技术研发等活动 。 关键工作 数据采集与处理 、 AI 模型训练与优化 、 策 略生成 、 客户服务 。 新能源时代的“智能大脑”