跳至內容

變更

View changes from to


On 2024年9月27日 下午4:37:31 [+0800], Gravatar lab621638:
  • Updated description of 電能管理模型 from

    導入AI智能監控系統,能夠即時預測農場的用電需求,並完成數據化運作的監測,確保系統能穩定運行,並展示零碳排放的氫能發電。該系統已建置10千瓦的氫能燃料電池發電系統。利用白天太陽能所發電的高峰期,我們將多餘的電能通過產氫儲能設備轉化為氫氣儲存起來,當農場在高峰時段需要用電時,AI系統會提前預測並提供用電警訊,將儲存的氫氣轉化為電力供應農場使用,從而實現「削峰填谷」的目標,使電力負載曲線更平穩。
    to
    電能管理模型資料收集自畜牧場能源管理系統 (SSNARC Stock Farm Energy Manage System) 的過去耗電量與發電量,透過CNN架構提取特徵可準確預測未來用電量,且精度提升至每分鐘更新,誤差縮小至1%以下。此外,完成數據化運作的監測能夠即時預測溪心壩畜牧試驗場每分鐘的耗電量與發電量,當預測模型發現電力不足時(耗電量超過發電量),模型能提早透過系統示警提醒氫能系統發電(將儲能氫氣轉化為電力),避免畜牧試驗場因電力不足而導致產能下降。透過此模型的開發,能讓10kW氫能發電系統穩定運行,並最終達成零碳排放的氫能發電之展示。


  • Changed value of field nchu_texarea_dataset_value to 利用白天太陽能多發的餘電,在用AI預測出用電高峰將多餘電產氫儲能發電,達成削峰填谷作用,每年可減少約13.2噸碳排放,提供2.4萬度綠電。 in 電能管理模型


  • Changed value of field nchu_text_dataset_verify_result to MAE = 0.10745, MAPE = 0.07085, MSE = 0.01476 in 電能管理模型


  • Changed value of field nchu_text_dataset_training_result to MAE = 0.09109, MAPE = 0.06564, MSE = 0.016789 in 電能管理模型


  • Changed value of field nchu_texarea_dataset_usage to 當預測模型發現電力不足時(耗電量超過發電量),模型能提早透過系統示警提醒氫能系統發電(將儲能氫氣轉化為電力),避免畜牧試驗場因電力不足而導致產能下降。 in 電能管理模型


  • Changed value of field nchu_text_dataset_name_org_eng_shortname to 09 in 電能管理模型