CN102231196A - 一种用于基站的用电量估算方法 - Google Patents
一种用于基站的用电量估算方法 Download PDFInfo
- Publication number
- CN102231196A CN102231196A CN2011101513716A CN201110151371A CN102231196A CN 102231196 A CN102231196 A CN 102231196A CN 2011101513716 A CN2011101513716 A CN 2011101513716A CN 201110151371 A CN201110151371 A CN 201110151371A CN 102231196 A CN102231196 A CN 102231196A
- Authority
- CN
- China
- Prior art keywords
- base station
- power consumption
- station
- power
- independent variable
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种用于基站的用电量估算方法,其包括:对全网基站依据影响基站用电量的关键自变量对基站进行第一级分类;对所述进行了第一级分类后的每类主类基站依照所对应的N个关键自变量的数据取值规则进行第二级分类;对所述进行了第二级分类并归类的每类基类基站分别选出至少1个标杆站;在所述标杆站设置用电信息采集管理单元,采集所述标杆站用电信息;依据所述标杆站的关键自变量数据和采集的用电信息,采用能耗推算模型估算全网的用电量。本发明通过精确采集部分基站的用电信息,结合本发明提出的能耗推算模型,能较为准确的估算出全网的能耗。相比于目前现有技术中采用人工抄表和全网远程抄表来说,具有成本较低且易于实施的有益效果。
Description
技术领域
本发明涉及通讯基站领域,尤其涉及一种用于基站的用电量估算方法。
背景技术
随着目前无线通讯技术的不断发展,运营商已建立起越来越多的通讯基站,以适应社会公众对无线通讯服务日益苛刻的需求。另一方面,降低基站的能耗(用电量)对运营商而言,具有非常直接的经济及社会效益,因此,用电信息的采集和分析对于基站的运营和维护具有十分重要的意义。目前,基站用电量数据的采集大部分都是依靠人工抄表方式进行采集和统计的,无疑采用该种方式进行的用电量数据采集,其工作效率、准确性及后期数据操作性难以得到可靠的保障。
中国专利CN201020126976公开了一种基站用电信息采集及监控系统,其通过在每个基站安装用电信息采集管理单元,从而可以实现远程抄表,并对基站供电及用电情况进行实时监控。但该技术同样存在着以下缺点:其需要在每个基站均安装采集管理单元(例如智能电表),其不仅成本较大,而且不易实施。
发明内容
本发明实施例的目的在于提供一种能够采用较低成本即可较准确估算出全网基站用电量的用于基站的用电量估算方法。
本发明实施例的目的是通过以下技术方案实现的:
一种用于基站的用电量估算方法,其包括:
A、对全网基站依据影响基站用电量的关键自变量对基站进行第一级分类;
B、对所述进行了第一级分类后的每类主类基站依照所对应的N个关键自变量的数据取值规则进行第二级分类,其中,所述N≥1;
C、对所述进行了第二级分类并归类的每类基类基站分别选出至少1个标杆站;
D、在所述标杆站设置用电信息采集管理单元,采集所述标杆站用电信息;
E、依据所述标杆站的关键自变量数据和采集的用电信息,采用能耗推算模型估算全网的用电量。
优选地,在所述步骤A中,所述关键自变量为月度话务量、载频总功率、开关电源输出功率、空调制冷功率和基站使用面积。
优选地,在所述步骤A中,将全网基站进行第一级分类后分为室外基站以及室内基站,其中,影响所述室外基站用电量的关键自变量为月度话务量、载频总功率和开关电源输出功率,影响所述室内基站用电量的关键自变量为月度话务量、载频总功率、开关电源输出功率、空调制冷功率和基站使用面积。
优选地,所述步骤B中依照所述的关键自变量的数据取值规则进行第二级分类的步骤包括:
B1、分别得出所述N个关键自变量数值的上限值以及下限值;
B2、依据自定义的分类步长S和公式D=(上限值-下限值)/S,得到每个关键自变量的分段段数Dn;
B3、将所述基站共分成D1*D2*D3*...Dn类。
优选地,在所述步骤C中对所述进行了第二级分类并归类的每类基类基站分别选出至少N+1个标杆站,其中,所述基类基站的基站数量大于N。
更为优选地,当归类入每类基类基站的基站数量大于100时,所述标杆站的数量为所述基站数量的10%;当归类入每类基类基站的基站数量大于10而小于100时,所述标杆站的数量为10;当归类入每类基类基站的基站数量小于或等于10时,所述标杆站的数量等于所述基站数量。
优选地,在所述步骤D中,所述用电信息采集管理单元为智能电表。
优选地,在所述步骤D中,标杆站的用电信息采集通过动环监控系统、GPRS远程抄表系统或短信远程抄表系统中的一种或几种进行。
优选地,所述步骤E包括:
E1、对标杆站采集的用电信息数据过滤,得到有效的用电信息数据;
E2、对所述每类基类基站依据多元线性回归模型Y=C0X0+C1X1+C2X2+...+CNXN+C以及所述有效的用电信息数据,分别得到所述C0、C1、C2...CN、C,进而得到核准的多元线性回归模型,其中,所述X0、X1、X2...XN分别代表所述N个关键自变量数值,所述C0、C1、C2...CN为分别与所述N个关键自变量数值X0、X1、X2...XN对应的权重系数,所述C为修正常数;
E3、将每类基类基站中的每个非标杆站的关键自变量数值代入上述多元线性回归模型,汇总后得到全网基站的用电量。
更为优选地,所述用于基站的用电量估算方法的估算周期以月、季度或年为单位。
由上述本发明实施例的技术方案可以看出,本发明通过精确采集部分基站的用电信息,结合本发明提出的能耗推算模型,能较为准确的估算出全网的能耗。相比于目前现有技术中采用人工抄表和全网远程抄表来说,具有成本较低且易于实施的有益效果。
附图说明
图1是本发明实施例提供的用于基站的用电量估算方法的方法流程图;
图2是本发明实施例提供的采用能耗推算模型估算全网的用电量的流程图。
本发明目的的实现、功能特点及优异效果,下面将结合具体实施例以及附图做进一步的说明。
具体实施方式
下面结合附图和具体实施例对本发明所述技术方案作进一步的详细描述,以使本领域的技术人员可以更好的理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
依照本发明的一实施例,如图1所示,该用于基站的用电量估算方法,包括如下具体实施步骤:
A、对全网基站依据影响基站用电量的关键自变量对基站进行第一级分类;
B、对所述进行了第一级分类后的每类主类基站依照所对应的N个关键自变量的数据取值规则进行第二级分类,其中,所述N≥1;
C、对所述进行了第二级分类并归类的每类基类基站分别选出至少1个标杆站;
D、在所述标杆站设置用电信息采集管理单元,采集所述标杆站用电信息;
E、依据所述标杆站的关键自变量数据和采集的用电信息,采用能耗推算模型估算全网的用电量。
首先确定可能影响基站用电量的自变量,如表1所示。
表1 影响基站用电量的自变量
对全部自变量进行分析,排除与基站用电量相关性较差的,进而确定影响基站用电量的关键自变量,确定所述关键自变量的方法如下:
1.与基站用电量不具备逻辑线性关系的自变量,如楼层、照明功率、载频数、BTS机架数、电源模块数和空调台数。
2.可选值较少的自变量,如阳光直射墙体、配套设备功耗和墙体结构。
3.实际数值较为固定的自变量,如单载频额定功率和单模块额定功率。
4.取值随时间推移而变化的自变量,如月度平均温度。
经过上述筛选,依照本发明的该实施例,可确定月度话务量、载频总功率、开关电源输出功率、空调制冷功率和基站使用面积五个关键自变量,从而可以依照该五个关键自变量对基站进行第一级分类,并得到主类基站。在本发明的该实施例中,依照关键自变量进行第一级分类后得到的主类基站为室内基站和室外基站,室内基站的用电量主要受月度话务量、载频总功率、开关电源输出功率、空调制冷功率和基站使用面积五个关键自变量的影响,而室外基站一般比较简陋,没有空调,也无需考虑使用面积,因此,室外基站用电量主要与月度话务量、载频总功率和开关电源输出功率三个关键自变量相关。
按照关键自变量完成了全网基站的第一级分类后,下一步就是按照关键自变量数据取值规则对各个主类基站进行第二级分类。由于本发明实施例提供的能耗推算建模分析即本文即将阐述的能耗推算模型的一个重要前提就是取出标杆站,即关键自变量的取值相近的基站,其用电量也应相差不大。因此,需要将各个关键自变量的数值划分为多个范围段,将各个基站的关键自变量的数值位于同一范围段的基站作为一类基类基站。最直接有效的分段方式就是根据关键自变量的上限值、下限值和分段段数来进行线性划分。
下面将简单介绍本发明一实施例如何建立关键自变量的数据取值规则,如表2所示。
表2 关键自变量数据取值规则
在本实施例中,采用室内基站作为范例进行详细解释,参照表2,室内基站对应有5个关键自变量,关键自变量的数值上限值分别为u1、u2、u3、u4和u5,下限值分别为l1、l2、l3、l4和l5,段位数分别为d1、d2、d3、d4和d5,则分段步长分别为s1=(u1-l1)/d1、s2=(u2-l2)/d2、s3=(u3-l3)/d3、s4=(u4-l4)/d4和s5=(u5-l5)/d5,相反,如果已知自定义的分类步长S,则可根据公式D=(上限值-下限值)/S,得到每个关键自变量的分段段数D,则可将所述室内基站再细分为d1*d2*d3*d4*d5个基类基站。每类基类基站都将对应一组关键自变量的取值约束,比如某一类及累计占的取值约束为:月度话务量的关键自变量的取值为l1~l1+s1、载频总功率的关键自变量的取值为l2~l2+s2、开关电源输出功率的关键自变量的取值为l3~l3+s3、空调制冷功率的关键自变量的取值为l4~l4+s4和基站使用面积的关键自变量的取值为l5~l5+s5,从而完成根据主类基站的关键自变量的数据取值规则对主类基站进行第二级分类的过程,进而得到一系列更加细分的基类基站分类,之后可以采取措施将全网中的所有基站都一一进行归类,统计和归类方法这里不做过多赘述。
根据基站的第二级分类方案,在将主类基站细分为基类基站并正式将所有的基站对号入座后,对于每一基类基站中选择部分基站(下称标杆站)用于用电信息的数据采集和分析,这里,标杆站的选择遵循以下规则:
为了后续能够准确适用能耗推算模型,从每类基类基站中选出的标杆站的数量应不低于其对应的关键自变量的数目加1,当关键自变量的数量为N时,那相应的标杆站的数量为N+1或更多,标杆站选取的越多,利用后续的能耗推算模型推算该类基类基站中其它非标杆站的用电量的准确度就越高。具体实施时,所述标杆站的数量取该基类基站中基站总数的10%左右,或者,更为优选的,某一基类基站中基站的数目为m个,选取的标杆站的数目为n个,若m>100时,取n=m*10%(向上取整);若10<m≤100时,取n=10;若m≤10时,取n=m。
标杆站的选取应具有代表性,其相应的关键自变量的数值应当相对稳定、不会容易出现数据突变,其中每一个关键自变量的数值均应位于该基类基站关键自变量上限值与下限值范围的中间值附近。如某A类基类基站的月度话务量这个关键自变量的数值范围为0~6250,则选取A类基类基站的标杆站的月度话务量这个关键自变量的数值应在3125左右。具体实施时,对于某一特定的A类基类基站,计算该类基站中每个基站的各个关键自变量的数值与每个关键自变量中间值之差的绝对值,再按该绝对值从小到大对所有基站进行排序。则该A类基类基站中每个基站对应每个关键自变量都有一个序号,序号的大小反映了其相应的关键自变量的取值与每个关键自变量中间值的接近程度,序号越小,越接近中间值,从而越接近标杆站的标准和要求。
完成标杆站的选取后,需要在每个标杆站上安装用电信息采集管理单元,例如本发明实施例采用的是智能电表,用以精确采集各个标杆站的用电信息。目前,用电信息的采集主要有以下五种方式:利用动环监控系统、GPRS远程抄表系统、短信远程抄表系统、监控中心后台计算和人工定时抄表。而对于本发明来说,对于标杆站的用电信息的采集可通过动环监控系统、GPRS远程抄表系统或短信远程抄表系统方式获取。
进一步的,将根据标杆站的用电信息,建立能耗推算模型,估算全网的用电量。在本发明实施例中,基站的关键自变量与用电量是近似为线性相关且相互独立的,那么所述能耗推算模型可以为多元线性回归模型,进而利用其分析和计算全网的用电量,具体实现方式如下。
如图2所示,其包括如下步骤:
1、获取标杆站的关键自变量和用电信息;
2、检查用电信息的完整性和有效性,过滤无效数据;
3、按照关键自变量分类以及年月将基站数据分类;
4、分别计算每一类的多元线性回归模型;
5、根据多元线性回归模型和非标杆站的关键自变量数据计算非标杆站的用电量;
6、汇总得到全网基站用电量,并保存以供报表查询。
能耗推算模型采用多元线性回归模型,数学表达式为:Y=C0X0+C1X1+C2X2+...+CNXN+C以及所述有效的用电信息数据,分别得到所述C0、C1、C2...CN、C,进而得到核准的多元线性回归模型,其中,所述X0、X1、X2...XN分别代表所述N个关键自变量数值,所述C0、C1、C2...CN为分别与所述N个关键自变量数值X0、X1、X2...XN对应的权重系数,所述C为修正常数。在本实施例中,对于室内基站,其对应的多元线性回归模型的数学表达式为y=c0x0+c1x1+c2x2+c3x3+c4x4+c5,其中y代表用电量,x0,x1,...x4分别代表月度话务量、载频总功率、开关电源输出功率、空调制冷功率和基站使用面积五个关键自变量,c0,c1,...c4分别表示对应关键自变量的权重系数,c5是修正常数。
计算推算模型表达式前应先检查标杆站数据的完整性和有效性,对无效数据进行过滤。根据多元线性回归模型的数学表达式推算非标杆站用电量时也应检查自变量相关数据的完整性和有效性。数据的完整性是指标杆站的关键自变量的数值必须要有真实的数据,若某标杆站无法获得某项关键自变量的数据,则其采集的用电信息的数据不完整。数据的有效性是指标杆站的关键自变量的数据应满足取值规则上下限条件,若不满足,则为无效数据。采用多元线性回归模型进行计算前尽量保证数据的完整性和有效性,否则影响建模和分析。
多元线性回归模型的参数计算采用开源的数值分析算法库ALGLIB实现,例如,将至少6个室内标杆站的关键自变量和用电信息数据以数组的形式输入其对应的多元线性回归模型的函数,即可返回相应的模型系数c0,c1,...c5,从而得到室内基站的推算表达式y=c0x0+c1x1+c2x2+c3x3+c4x4+c5,室外基站的计算与此类似。若标杆站个数小于10,根据标杆站的选取依据可知,该类基类基站中的所有基站均为标杆站,从而可以更为精确的采集其用电量。
根据多元线性回归模型的推算表达式y=c0x0+c1x1+c2x2+c3x3+c4x4+c5,其中系数c0,c1,...c5已知,将室内非标杆站的关键自变量数据代入该表达式,即可求得对应的用电量y值,汇总后即可估算得到全网所有基站的用电量。同样的,室外非标杆站的计算与此类似。上述全网基站用电量的汇总计算方法为简单的数学加法,由于上述步骤详细给出了如何得到每类基类基站中非标杆站的用电量的计算方法,对于每类基类基站的用电量等于标杆站的用电量加上非标杆站的用电量,而全网基站的用电量等于所有主类基站下的所有基类基站的用电量总和,这里不再做更进一步的描述。
更为优选地,所述用于基站的用电量估算方法的估算周期以月、季度或年为单位。基站的月度用电量与月度话务量相关,且各个月度基站的用电量不尽相同,因此在具体实施的过程中,对于所述各类基类基站的多元线性回归模型应按月分别进行推算并保存。同样的,当各个季度的用电量变化加大时,还需要按照季度的时间周期计算所述多元线性回归模型并保存,同样的,以年为估算周期也同样适用。对于所述保存了的多元线性回归模型,后台可以按照人工的要求也可自动的计算全网的用电量信息。
本发明的一种优选实施例,在后台可建立能耗推算记录表和用电量推算表,其中能耗推算记录表保存某年月/某主类基站下的某基类基站的能耗推算即用电量推算是否成功,若成功,将记录该相应的能耗推算模型的表达式,不成功时,记录失败的原因以及推算的时间等。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种用于基站的用电量估算方法,其特征在于,包括:
A、对全网基站依据影响基站用电量的关键自变量对基站进行第一级分类;
B、对所述进行了第一级分类后的每类主类基站依照所对应的N个关键自变量的数据取值规则进行第二级分类,其中,所述N≥1;
C、对所述进行了第二级分类并归类的每类基类基站分别选出至少1个标杆站;
D、在所述标杆站设置用电信息采集管理单元,采集所述标杆站用电信息;
E、依据所述标杆站的关键自变量数据和采集的用电信息,采用能耗推算模型估算全网的用电量。
2.如权利要求1所述的用于基站的用电量估算方法,其特征在于,在所述步骤A中,所述关键自变量为月度话务量、载频总功率、开关电源输出功率、空调制冷功率和基站使用面积。
3.如权利要求2所述的用于基站的用电量估算方法,其特征在于,在所述步骤A中,将全网基站进行第一级分类后分为室外基站以及室内基站,其中,影响所述室外基站用电量的关键自变量为月度话务量、载频总功率和开关电源输出功率,影响所述室内基站用电量的关键自变量为月度话务量、载频总功率、开关电源输出功率、空调制冷功率和基站使用面积。
4.如权利要求1所述的用于基站的用电量估算方法,其特征在于,所述步骤B中依照所述的关键自变量的数据取值规则进行第二级分类的步骤包括:
B1、分别得出所述N个关键自变量数值的上限值以及下限值;
B2、依据自定义的分类步长S和公式D=(上限值-下限值)/S,得到每个关键自变量的分段段数Dn;
B3、将所述基站共分成D1*D2*D3*...Dn类。
5.如权利要求1所述的用于基站的用电量估算方法,其特征在于,在所述步骤C中对所述进行了第二级分类并归类的每类基类基站分别选出至少N+1个标杆站,其中,所述基类基站的基站数量大于N。
6.如权利要求5所述的用于基站的用电量估算方法,其特征在于,当归类入每类基类基站的基站数量大于100时,所述标杆站的数量为所述基站数量的10%;当归类入每类基类基站的基站数量大于10而小于100时,所述标杆站的数量为10;当归类入每类基类基站的基站数量小于或等于10时,所述标杆站的数量等于所述基站数量。
7.如权利要求1所述的用于基站的用电量估算方法,其特征在于,在所述步骤D中,所述用电信息采集管理单元为智能电表。
8.如权利要求1所述的用于基站的用电量估算方法,其特征在于,在所述步骤D中,标杆站的用电信息采集通过动环监控系统、GPRS远程抄表系统或短信远程抄表系统中的一种或几种进行。
9.如权利要求1所述的用于基站的用电量估算方法,其特征在于,所述步骤E包括:
E1、对标杆站采集的用电信息数据过滤,得到有效的用电信息数据;
E2、对所述每类基类基站依据多元线性回归模型Y=C0X0+C1X1+C2X2+...+CNXN+C以及所述有效的用电信息数据,分别得到所述C0、C1、C2...CN、C,进而得到核准的多元线性回归模型,其中,所述X0、X1、X2...XN分别代表所述N个关键自变量数值,所述C0、C1、C2...CN为分别与所述N个关键自变量数值X0、X1、X2...XN对应的权重系数,所述C为修正常数;
E3、将每类基类基站中的每个非标杆站的关键自变量数值代入上述多元线性回归模型,汇总后得到全网基站的用电量。
10.如权利要求9所述的用于基站的用电量估算方法,其特征在于,所述用于基站的用电量估算方法的估算周期以月、季度或年为单位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011101513716A CN102231196A (zh) | 2011-06-07 | 2011-06-07 | 一种用于基站的用电量估算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011101513716A CN102231196A (zh) | 2011-06-07 | 2011-06-07 | 一种用于基站的用电量估算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102231196A true CN102231196A (zh) | 2011-11-02 |
Family
ID=44843758
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011101513716A Pending CN102231196A (zh) | 2011-06-07 | 2011-06-07 | 一种用于基站的用电量估算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102231196A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102960032A (zh) * | 2011-05-20 | 2013-03-06 | 华为技术有限公司 | 一种基站功耗的监测方法及装置 |
CN104809337A (zh) * | 2015-04-15 | 2015-07-29 | 华南理工大学 | 一种变电站主要站用负荷用电实用模型建模方法 |
CN106357414A (zh) * | 2016-08-23 | 2017-01-25 | 北京创智信科科技股份有限公司 | 用于基站发电管理的信息交互方法和系统 |
WO2018119777A1 (zh) * | 2016-12-28 | 2018-07-05 | 深圳中兴力维技术有限公司 | 一种集中制冷能耗分摊方法及装置 |
-
2011
- 2011-06-07 CN CN2011101513716A patent/CN102231196A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102960032A (zh) * | 2011-05-20 | 2013-03-06 | 华为技术有限公司 | 一种基站功耗的监测方法及装置 |
CN102960032B (zh) * | 2011-05-20 | 2015-11-25 | 华为技术有限公司 | 一种基站功耗的监测方法及装置 |
CN104809337A (zh) * | 2015-04-15 | 2015-07-29 | 华南理工大学 | 一种变电站主要站用负荷用电实用模型建模方法 |
CN104809337B (zh) * | 2015-04-15 | 2018-01-05 | 华南理工大学 | 一种变电站主要站用负荷用电实用模型建模方法 |
CN106357414A (zh) * | 2016-08-23 | 2017-01-25 | 北京创智信科科技股份有限公司 | 用于基站发电管理的信息交互方法和系统 |
CN106357414B (zh) * | 2016-08-23 | 2019-05-17 | 北京创智信科科技股份有限公司 | 用于基站发电管理的信息交互方法和系统 |
WO2018119777A1 (zh) * | 2016-12-28 | 2018-07-05 | 深圳中兴力维技术有限公司 | 一种集中制冷能耗分摊方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lew et al. | Value of wind power forecasting | |
CN105513351A (zh) | 一种基于大数据的交通出行特征数据提取方法 | |
CN110097220B (zh) | 一种风力发电月度电量预测方法 | |
CN110175782A (zh) | 一种处于运行阶段的公共建筑碳排放量核定方法 | |
CN102004859A (zh) | 建筑异常能耗支路在线诊断方法 | |
CN106446345A (zh) | 基于细分地理区域的配网运行指标处理方法 | |
CN109003128A (zh) | 基于改进的随机森林公共自行车站点需求量预测方法 | |
CN104376373A (zh) | 基于时序特性和环境效益的分布式电源规划方法 | |
CN102231196A (zh) | 一种用于基站的用电量估算方法 | |
Mullen et al. | Green roof adoption in Atlanta, Georgia: the effects of building characteristics and subsidies on net private, public, and social benefits | |
CN114742465A (zh) | 一种基于大数据的土地勘测智能管理系统 | |
CN103120113A (zh) | 一种基于ZigBee的小型区域灌溉系统 | |
CN104598687B (zh) | 水质监测用小型浮标动力源之光伏蓄电池供电系统的优化构建方法 | |
Bastiaanssen et al. | Managing scarce water resources in Asia: The nature of the problem and can remote sensing help? | |
CN116502805B (zh) | 基于围区水网提升量化评价模型的调度方案快速筛选方法 | |
CN111861246A (zh) | 一种基于时空大数据的轨道交通节能评估方法及系统 | |
CN116245246A (zh) | 基于物联网的智慧城市供电管理方法、系统及存储介质 | |
Inglesi-Lotz et al. | Estimating the opportunity cost of water for the Kusile and Medupi coal-fired electricity power plants in South Africa | |
KR102033008B1 (ko) | 에너지 데이터를 블록화하여 제공하는 지리 정보 시스템 및 이를 이용한 분석결과 제공 방법 | |
Ren et al. | Economic analysis of rooftop photovoltaics system under different shadowing conditions for 20 cities in China | |
CN115659703A (zh) | 一种基于城市特征数据的数字孪生气象预警模拟方法 | |
Selvarajoo et al. | Urban electric load forecasting with mobile phone location data | |
Ya'acob et al. | GIS Mapping for Rainwater Harvesting in Ground-mounted Large Scale Solar PV Farms | |
Liu et al. | Economic Benefit Evaluation and Analysis Based on Intelligent Agriculture Internet of Things | |
Taneja | Growth in renewable generation and its effect on demand-side management |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20111102 |