西門子代理商 西門子6ES7952-1KS00-0AA0 西門子6ES7952-1KS00-0AA0

6ES7952-1KS00-0AA0

相似圖像

SIMATIC S7，存儲卡 針對 S7-400，長結構形式， 5V 閃存 EPROM，16 Mbyte

更多圖片

西門子能源面向可再生能源發電設施的監控解決方案，具備SENN發電預測功能。譬如在南非，有兩座發電容量均為5萬千瓦的太陽能電站，就使用了SENN預測軟件。利用這款軟件，發電企業可以根據電網運營商的需求預測，來決定向電網輸送多少電能。SENN可以預測太陽能電站在未來5天內的每小時日照發電量，偏差不超過7%。

目前正在規劃適用于太陽能電站的第二個模型。這個模型將就如何處理沾滿污垢的太陽能電池板向運營商提出建議?；覊m可令太陽能電池板的發電量降低最多15%，但其清潔成本亦不菲。Grothmann解釋道：“如果運營商事先知道將有充沛的雨量可以把灰塵洗刷干凈，則不必派遣清潔人員前去打掃。”新的軟件將通過利用干燥度、風速、風向和降雨等環境因素，來預測太陽能電池板上將覆蓋多少灰塵，從而解決這個問題。

預測需求。需求預測是SENN在電力市場上的第二大應用。借助這款軟件，用電大戶能夠以優惠的價格購買電能，或者在作業時間上避開用電高峰時段，以免繳納高昂的罰款。供電企業可以利用區域預測，來規劃電能采購和電廠運行事宜。譬如，因為要從德國或法國向意大利輸送大量電能，瑞士的電網運營商Swissgrid在利用SENN來規劃電能采購事宜時，則可將輸電損耗納入考慮。由于Swissgrid不得不彌補這樣的損耗，所以，它可以提前最多36小時在現貨市場采購電能，以盡量規避損失。Swissgrid每年的采購額，高達4800萬歐元左右。

預測軟件有助于提高效率

過去，Swissgrid總是根據日歷和天氣數據，以及鄰國的電網運營商提供的信息來預測需求。但SENN已助力Swissgrid將預測失誤率從11%降至10%，這每年能為Swissgrid節省數十萬法郎。

SENN生成的需求預測數據非常準確，失誤率僅為3%。在此基礎上，它能直接預測輸電損耗。為了做到這一點，它要監測輸電目的地的每小時需求變化趨勢。它還要分析當前電力潮流、可再生能源發電量、天氣預報和抽水蓄能電站的水庫水位等信息。

全盤化思維。單獨的預測是朝著未來電力市場邁出的*步——未來，生產、需求、價格和傳輸等幾乎所有因素都將處于不斷變化之中。在電力系統中，所有這些數量之間，都存在著相互依存的關系；因此，應當從全局的高度審視這些因素。譬如，如果風電設施提高了發電量，那么，傳統電站則應相應地降低發電量，這有可能降低電價。取決于需求狀況，風電既可能向北方傳輸，也可能向南方傳輸。這繼而會改變對用于抵消輸電損耗的補償電能的需求。Grothmann說：“對這些參數之間的交互作用的預測越準確，整個系統的效率就越高。”

這正是SENN神經網絡的用武之地。由于它并不使用分析關系，而是通過學習從所有參數的行為中識別出相互關系，因此，它的預測已經包含了彼此的依存關系。Grothmann說：“SENN的用途之一是，根據各式各樣相互作用的參數，如電價和其他原材料價格走勢、需求變化趨勢、二氧化碳排放權交易價格等，來確定電價。這是我們軟件的獨到之處。”

如今，擁有多家電廠的供電企業，已經可以使用SENN來以低廉的價格采購天然氣，以及根據關于二氧化碳排放權的交易價格和電價的預測來優化調節發電量。未來，電網運營商可以向供電企業提供關于需求的預測數據，以及預期的補償電能需求量。反過來，這些預測信息又依存于其他合作伙伴提供的生產和需求預測數據。所有這一切將有助于輕松管理瞬息萬變的電力市場，因為所有參與者都能根據會影響到其他市場參與者的發展趨勢，提前調整各自的活動。