会员中心
搜索
登录
注册

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文

许丹莉：端对端交易-云储能市场的非合作联合博弈出清模型

在“碳达峰，碳中和”的背景下，分布式可再生能源的进一步推广是电力系统低碳化的重要路径之一。为了消纳用户侧大量的分布式可再生能源，提出了端对端交易-云储能联合市场以最大化能源卖家的市场收益、最小化能源买家的用电成本。首先将能源买卖双方建模为非合作博弈的关系；其次，在考虑云储能总容量限制的情况下，求解出能源卖家的Nash均衡和能源买家的广义Nash均衡点；然后基于核求解出云储能的合作剩余的最优分配方案；最后使用爱尔兰的社区级微电网作为算例，验证了提出的端对端交易-云储能联合市场的优越性。所提出的联合市场模型能够最大化买卖双方的市场收益，实现了市场参与者效益的帕累托改进，而对比实验中的端对端交易的参与者相较于传统现货市场的参与者而言，购电成本下降了39.68%，云储能市场使得传统市场参与者的总成本降低了27.4%，因此将端对端用能交易与云储能市场耦合起来可以极大地降低用户的发电和购电成本，具有较强的实际应用价值。

  • 2024-11-01
  • 阅读216

陈政教高：面向碳达峰碳中和的电网碳排放因子改进计算方法

精准、客观、有效的碳排放核算方法是服务碳达峰碳中和、支撑科学碳减排决策的迫切需要。当前电力用户的间接碳排放被纳入多个省级碳排放试点市场，同时也是各级行政机构进行碳排放统计核算的重要来源，因此电网碳排放因子事关国家碳减排工作大局，根据新形势需要及时完善电网碳排放因子计算方法意义重大。首先论述了电网碳排放因子概念和应用范围，随后梳理了国际典型电网碳排放因子发展现状，基于目前国内常用电网碳排放因子计算方法，从核算周期、核算范围等方面提出了优化建议，重点从有效衔接绿色电力消费的角度，设计了考虑绿色电力消费影响的电网碳排放因子改进算法。算例分析表明，所提改进算法能够更准确反映用户用电行为产生的间接碳排放水平，也能更有效促进绿色电力消纳发展。

  • 2024-11-01
  • 阅读358

中国数字孪生行业研究报告

本报告为行业图谱研究之计算机科学系列中的课题：中国数字孪生行业研究报告。数字孪生技术，作为一种前沿技术，实现了将物理实体在虚拟空间中的精确映射，形成了一种被称为“数字双胞胎”的存在。这一技术利用物联网技术，实现了数据的实时双向交换，使得虚拟实体能够全面反映其对应物理实体的生命周期，从而在集成底层数据信息的基础上，支持仿真预测和优化决策。数字孪生技术起源于美国航天与军事领域，后被通用电气首次应用于工业生产。在西门子、达索等巨头的推动下，该技术从美国扩散到欧洲。随着人工智能、物联网、虚拟现实等技术进步和元宇宙概念兴起，数字孪生技术不断完善，在城市管理、智慧工业、自动驾驶测试及医疗等领域展现出巨大应用潜力，成为推动各行业数字化转型与升级的重要支撑技术。

  • 2024-10-31
  • 阅读246

考虑信息不对称的综合能源系统运营商鲁棒定价策略

1)本文引入信息间隙决策理论和鲁棒博弈方法构建信息不对称下基于主从博弈与需求弹性的综合能源系统运营商(integrated energy operator，lE0)与能源用户(energy user,EU)的动态博弈模型，并建立信息不对称程度对IE0最优定价策略的定量分析框架。2)本文所提考虑信息不对称度的IE0鲁棒定价策略揭示了IE0可以利用信息优势谋取过高定价，政府监管部门应提高对IE0的信息公开和信息披露要求，增加市场的透明度，提升EU对能源价格和能源成本的认知。

  • 2024-11-05
  • 阅读244

IDC云数据中心机房运维服务解决方案

自由浏览+直觉化交互 真正的全三维仿真场景，提供自由的镜头变化功能;全鼠标控制，通过直观的交互操作高效获取运维管理信息。

  • 2024-11-05
  • 阅读172

基于负荷转移的售电公司分时电价优化策略

1)在分析高能耗工业用户用电特性的基础上，综合考虑了售电公司、工业用户成本及收益，构建了分时电价双层优化模型，该模型极大优化了售电公司的分时电价定价方法。2)运用KKT最优条件法求解最优电价、用电量，该方法简化了寻优问题的求解过程，拥有更小的误差以及更快的计算速度。

  • 2024-10-28
  • 阅读207

王小聪：基于DRSN-CW-LSTM网络的锂电池荷电状态预测

由于电池荷电状态（state of charge，SOC）无法直接测量，且传统的SOC估算方法精度低。为了提升锂离子电池SOC估算精度，对比了不同深度学习网络模型应用于SOC估算的效果，并提出了一种基于DRSN-CW-LSTM网络的锂离子电池SOC估算方法。该方法基于长短期记忆网络（long-short-term memory，LSTM）和逐通道不同阈值的深度残差收缩网络（deep residual shrinkage networks with channel-wise thresholds，DRSN-CW），利用锂离子电池电压、电流、温度、容量等数据信息在深度残差收缩网路中进行特征提取，通过LSTM进一步拟合时间序列数据趋势，实现锂离子电池在使用周期内SOC的预测。在DRSN-CW网络的残差收缩模块中可以实现自适应噪声数据处理功能，消除锂离子电池数据流质量对SOC预测的负面影响。利用锂电池公共数据集训练所提出的网络，对比了3种神经网络模型在该两组数据集上的预测效果。实验结果表明，所提出的深度学习模型在两组公开数据集上的MAE和RMSE均值都控制在5%以内，相比其他3种深度学习模型有更好的抗噪性能和预测性能，且估算精度高。

  • 2024-10-28
  • 阅读364

2024年全球人工智能现状报告

人工智能(AI)是一个科学和工程的多学科领域，其目标是创造智能机器。我们相信，在我们日益数字化、数据驱动的世界中，人工智能将成为技术进步的力量倍增器。这是因为今天我们周围的一切，从文化到消费品，都是智慧的产物。

  • 2024-10-28
  • 阅读202