Peak Forecasting for Battery-based Energy Optimizations in Campus Microgrids
Peak Forecasting for Battery-based Energy Optimizations in Campus Microgrids
复制标题
校园微电网中基于电池的能源优化的峰值预测
DOI：
10.1145/3396851.3397751
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
Shenoy, Prashant
中科院分区：
文献类型：
--
作者：
Soman, Akhil;Trivedi, Amee;Irwin, David;Kosanovic, Beka;McDaniel, Benjamin;Shenoy, Prashant
基于电池的储能技术已经成为各种电网能源优化的使能技术，例如调峰和成本套利。电池驱动的调峰优化的一个关键组成部分是峰值预测，它预测一天中需求最大的时间。虽然在负荷预测方面已经有大量的前期工作，但我们认为，预测个体消费者或微电网的需求高峰时期的问题比预测电网规模的负荷更具挑战性。我们提出了一个基于深度学习的高峰预测新模型，该模型可以预测每天需求最高和最低的k个小时。我们使用156座建筑物的真实微电网的两年跟踪来评估我们的方法，并表明它比适用于峰值预测的最先进的负荷预测技术高出11% -32%。当用于基于电池的调峰时，我们的模型为这种微电网每年节省496,320美元的4兆瓦时电池。
Battery-based energy storage has emerged as an enabling technology for a variety of grid energy optimizations, such as peak shaving and cost arbitrage. A key component of battery-driven peak shaving optimizations is peak forecasting, which predicts the hours of the day that see the greatest demand. While there has been significant prior work on load forecasting, we argue that the problem of predicting periods where the demand peaks for individual consumers or micro-grids is more challenging than forecasting load at a grid scale. We propose a new model for peak forecasting, based on deep learning, that predicts the k hours of each day with the highest and lowest demand. We evaluate our approach using a two year trace from a real micro-grid of 156 buildings and show that it outperforms the state of the art load forecasting techniques adapted for peak predictions by 11--32%. When used for battery-based peak shaving, our model yields annual savings of $496,320 for a 4 MWhr battery for this micro-grid.
登录
查看更多内容
影响因子：
5.2
作者：
Yunsun Kim;Heung-gu Son;Sahm Kim
通讯作者：
Yunsun Kim;Heung-gu Son;Sahm Kim
分析5CP安大略省高峰削减计划对大消费者的影响
DOI：
--
发表时间：
2016
期刊：
影响因子：
--
作者：
Y. Jiang;Ryan Levman;Lukasz Golab;J. Nathwani
通讯作者：
J. Nathwani
通过增强依赖图来削减峰值
DOI：
--
发表时间：
2019
期刊：
Energy-Efficient Computing and Networking
影响因子：
--
作者：
L. Barth;D. Wagner
通讯作者：
D. Wagner
GridPeaks：采用分布式储能来降低电网峰值
DOI：
10.1109/igsc48788.2019.8957184
发表时间：
2019
期刊：
2019 Tenth International Green and Sustainable Computing Conference (IGSC)
影响因子：
--
作者：
Yasra Chandio;A. Mishra;A. Seetharam
通讯作者：
A. Seetharam