您好, 歡迎來到化工儀器網(wǎng)
產(chǎn)品分類品牌分類
-
西門子可編程序控制器 西門子模擬量輸出輸入模塊 西門子數(shù)字量輸出輸入模塊 西門子通訊處理器模塊 西門子S7-1500 西門子SMART200 西門子S7-1200 西門子S7-400 西門子S7-300 西門子S7-200 西門子ET200S 6ES7153-1AA03-0XB0 6ES7307-1BA01-0AA0 6ES7307-1EA01-0AA0 6ES7307-1KA02-0AA0 6ES7952-0BA12-0XA0 6ES7972-0BA42-0XA0 6ES7972-0BB12-0XA0 6ES7972-0BA52-0XA0 6ES7972-0BB52-0XA0 6XV1830-0EH10 6XV1840-2AH10 6XV1830-3EH10
產(chǎn)品簡介
詳細介紹
西門子代理商 哈爾濱西門子一級代理商 哈爾濱西門子一級代理商
西門子全新研制的一個機器學習解決方案,，正在幫助瑞士國家電網(wǎng)公司準確預測跨境輸電的損耗,，它不僅顯著降低了成本，而且提高了整個歐洲的電網(wǎng)穩(wěn)定性,。
自詡“歐洲中心”的地方不在少數(shù),。但若要說到輸配電系統(tǒng)，只有一個地方當?shù)闷疬@個美稱：人口只有3207人的瑞士勞芬堡（Laufenburg）,。萊茵河畔這座風景如畫的小鎮(zhèn)曾是羅馬大軍和拿破侖雄獅的交鋒之地,，而現(xiàn)如今成為截然不同的另一種力量的的聚集之地：連通法國、德國,、奧地利,、意大利，當然還有瑞士本國的電力線路,。此外,，用于同步和設置電網(wǎng)頻率（有人稱“心跳”）的原子鐘也安裝在這里，它管轄著整個歐盟以及土耳其的電網(wǎng),。
勞芬堡還是瑞士國家電網(wǎng)公司（Swissgrid）的總部所在地,。由于其戰(zhàn)略位置，Swissgrid在確?？缭蕉鄧陌l(fā)電和用電始終保持平衡方面發(fā)揮著關鍵作用,。
然而，實現(xiàn)上述目標,，維持50赫茲的穩(wěn)定頻率,，在很大程度上取決于準確的預測。在發(fā)電方面,，這愈發(fā)困難,，因為可再生資源發(fā)電比例不斷增加,。預測用電量同樣是件棘手的事情，因為寒流突襲或熱浪過境等諸多不確定因素都可能會造成電力需求的巨大浮動,。
除這些變數(shù)外,，還要預測所謂的“輸送損耗”問題。這種損耗是指電能在從一個國家傳輸?shù)搅硪粋€國家的過程中由于線路電阻而損失掉的電量,。以意大利為例,，該國從北歐購買電能，途徑瑞士,。此類損耗還受一系列變數(shù)的影響,，諸如當?shù)貧夂驐l件和在某個特定時間點輸送的電量，這種損耗“平均達到瑞士電網(wǎng)總負荷的1.6%左右,，總損耗約達100兆瓦,。”西門子基礎設施與城市業(yè)務領域智能電網(wǎng)集團*執(zhí)行官Jan Mrosik博士稱。“按照每度0.055歐元的現(xiàn)價計算,，這些損耗折合成資金相當于每小時5500歐元,，也就是每年4818萬歐元。”
節(jié)約成本的算法,。為彌補輸電損耗,，Swissgrid不得不從瑞士電力現(xiàn)貨市場額外購電，而這個過程每天都要提前16小時來完成,，日復一日,，年復一年。鑒于涉及的電量巨大,，Swissgrid顯然需要最準確的預測,。直到前不久，該公司還在依賴一種預測誤差約為11%的算法疲于應付,。但是據(jù)Mrosik介紹,，現(xiàn)在借助西門子中央研究院開發(fā)的一種基于神經(jīng)網(wǎng)絡的算法，Swissgrid有望將其預測誤差降低十分之一,，到10%左右,。他說：“現(xiàn)在調控電力的用量減少，由于過高估計輸電損耗而導致的過剩電能也得以降低,，我們估計Swissgrid每年能節(jié)約大約20萬歐元的成本,。”另據(jù)Ralph Grothmann博士介紹，不同于同類其他算法的是,，西門子中央研究院研發(fā)的這款系統(tǒng)“從負荷（用電量）預測一步估算輸電損耗,，這兩個功能不再像通常認為的那樣互不相干。”Ralph Grothmann博士和Hans-Georg Zimmermann博士合作開發(fā)了這個算法,。“這是一個集成模式,，它不僅獨辟蹊蹺,，而且在準確度上遠遠超過競爭產(chǎn)品。”憑借著研究者多年潛心鉆研神經(jīng)網(wǎng)絡的經(jīng)驗,，他們的負荷預測準確度一般能達到97%,。這種準確度還源于另一個因素，那就是西門子中央研究院的算法還考慮到歷史數(shù)據(jù)以及諸如當前天氣條件,、人工蓄水系統(tǒng)的水位等變數(shù),。
新的混合算法一旦得到全面應用，歐盟電網(wǎng)的穩(wěn)定性將得以提高,。“就電網(wǎng)適應風能,、太陽能和水電等可再生能源并網(wǎng)發(fā)電而言，系統(tǒng)的學習能力至關重要,。”Mrosik如是道,。
此外,，該算法還可以用于預測其他因素,，比如歐洲的電力流向及風電場和太陽能發(fā)電站的預期發(fā)電量。“西門子開展的試點項目顯示,，我們的神經(jīng)網(wǎng)絡可以預測未來72小時內(nèi)來自可再生能源的電力供應量,，其準確率達到90%。”Mrosik稱,，“這類數(shù)據(jù)能夠真正幫助電網(wǎng)運營商平衡電力流動,。”
其他推薦產(chǎn)品
更多產(chǎn)品-
面議
-
面議
-
面議
-
面議 -
面議