智能制造网

6AV6371-1CB07-0AX0西门子衡水市总代理

6AV6371-1CB07-0AX0西门子衡水市总代理

节约成本的算法。为弥补输电损耗，Swissgrid不得不从瑞士电力现货市场额外购电，而这个过程每天都要提前16小时来完成，日复一日，年复一年。鉴于涉及的电量巨大，Swissgrid显然需要准确的预测。直到前不久，该公司还在依赖一种预测误差约为11%的算法疲于应付。但是据Mrosik介绍，现在借助西门子*研究院开发的一种基于神经网络的算法，Swissgrid有望将其预测误差降低十分之一，到10%左右。他说：“现在调控电力的用量减少，由于过高估计输电损耗而导致的过剩电能也得以降低，我们估计Swissgrid每年能节约大约20万欧元的成本。”另据Ralph Grothmann博士介绍，不同于同类其他算法的是，西门子*研究院研发的这款系统“从负荷（用电量）预测一步估算输电损耗，这两个功能不再像通常认为的那样互不相干。”Ralph Grothmann博士和Hans-Georg Zimmermann博士合作开发了这个算法。“这是一个集成模式，它不仅独辟蹊跷，而且在准确度上远远超过竞争产品。”凭借着研究者多年潜心钻研神经网络的经验，他们的负荷预测准确度一般能达到97%。这种准确度还源于另一个因素，那就是西门子*研究院的算法还考虑到历史数据以及诸如当前天气条件、人工蓄水系统的水位等变数。

新的混合算法一旦得到全面应用，欧盟电网的稳定性将得以提高。“就电网适应风能、太阳能和水电等可再生能源并网发电而言，系统的学习能力至关重要。”Mrosik如是道。

此外，该算法还可以用于预测其他因素，比如欧洲的电力流向及风电场和太阳能发电站的预期发电量。“西门子开展的试点项目显示，我们的神经网络可以预测未来72小时内来自可再生能源的电力供应量，其准确率达到90%。”Mrosik称，“这类数据能够真正帮助电网运营商平衡电力流动。”