CN102663517A - 基于工询业扩和温度还原模型的年最大负荷预测方法 - Google Patents
基于工询业扩和温度还原模型的年最大负荷预测方法 Download PDFInfo
- Publication number
- CN102663517A CN102663517A CN2012100930232A CN201210093023A CN102663517A CN 102663517 A CN102663517 A CN 102663517A CN 2012100930232 A CN2012100930232 A CN 2012100930232A CN 201210093023 A CN201210093023 A CN 201210093023A CN 102663517 A CN102663517 A CN 102663517A
- Authority
- CN
- China
- Prior art keywords
- annual
- temperature
- maximum load
- year
- maximum
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012937 correction Methods 0.000 claims abstract description 17
- 238000013213 extrapolation Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims abstract description 5
- 230000035945 sensitivity Effects 0.000 claims description 11
- 230000001186 cumulative effect Effects 0.000 claims description 7
- 238000009825 accumulation Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 description 6
- 230000002277 temperature effect Effects 0.000 description 4
- 238000012888 cubic function Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种用于电网控制的领域的基于工询业扩和温度还原模型的年最大负荷预测方法，包括下列步骤：历史数据处理步骤，包括：求取历史各年度的年最大负荷及最大负荷日最高温度工序；对历史各年度的年最大负荷日最高温度进行积温修正工序；求取历史各年度的年基础负荷工序；求取各温度下的温度敏感系数工序；负荷还原步骤，包括：确定最高基准温度工序；求解调整系数工序；求取历史各年度的年还原最大负荷工序；负荷外推预测和结果调整步骤，包括：建立工询业扩和温度还原的回归模型，外推预测目标年的年还原最大负荷工序：确定目标年的年最高温度的预测区间工序：根据目标年的年最高温度的预测区间，确定目标年的年最大负荷预测区间工序。
Description
技术领域
本发明涉及一种用于电网控制领域的基于工询业扩和温度还原模型的年最大负荷预测方法。
背景技术
讨论分析及某一地区的负荷预测实践工作表明，对于地区负荷而言，由于一般难以有对口的经济数据统计口径，因此往往不具备采用自上而下的预测方法的条件。地区电网规划中往往仅涉及一个地域如开发区等或一些用户，其自身的负荷特点以及其预测要求与用于电力电量平衡的负荷总量预测区别显著，所以常见的宏观方法，整体预测、大地域等一些方法，从负荷的特性以及数据搜集等角度出发都并不完全适用。而结合地区负荷的特点，基于工询业扩，即新接电容量与气象因素相结合，来预测目标年的最大负荷的方法到目前为止还未见有报道过。但是，这个问题对于整个电网建设和规划具有非常重要的意义。这里所述的工询业扩模型是一种基于新接入用电用户，主要是新接电容量对于电网年还原最大负荷的影响的数学模型。
发明内容
本发明的目的是为了克服现有技术的不足，提供一种基于工询业扩和温度还原模型的年最大负荷预测方法，其能够对目标年的年最大负荷做出准确有效的预测，为电力在电网中的调控提供依据，保障电网的运行安全。
实现上述目的的一种技术方案是：基于工询业扩和温度还原模型的年最大负荷预测方法，包括下列步骤：
S1历史数据处理步骤，包括：
S11求取历史各年度的年最大负荷及最大负荷日最高温度工序；S12对历史各年度的年最大负荷日最高温度进行积温修正，求取历史各年度的年最大负荷日修正最高温度工序；S13求取历史各年度的年基础负荷工序；S14求取各温度下的温度敏感系数工序；
S2负荷还原步骤，包括：
S21确定最高基准温度工序；S22求解调整系数工序；S23求取历史各年度的年还原最大负荷工序；
S3：负荷外推预测和结果调整步骤，包括：
S31：建立工询业扩和温度还原的回归模型，外推预测目标年的年还原最大负荷工序；S32：预测目标年的年最高温度，确定目标年的年最高温度的预测区间工序；S33：根据目标年的年最高温度的预测区间，确定目标年的年最大负荷预测区间工序。
进一步的，所述S12工序中，所述年最大负荷日修正最高温度的求解公式为：
其中，T′0为年最大负荷日修正最高温度，T0为年最大负荷日最高温度，Ti为年最大负荷日i天前最高温度；α为累积效应系数；
n为日最高温度连续高于28℃的天数，p为统计天数。
再进一步的，所述S13工序的方法为：所使用HP滤波器对历史各年度的全年的日最大负荷进行HP滤波，得到历史各年度的日最大负荷的趋势分量和周期分量；求取历史各年度六月至九月的日最大负荷的趋势分量，求取所述趋势分量的平均值，以此作为历史各年度的年基础负荷。
更进一步的，所述S14工序的方法为：读取历史各年度的年最大负荷日修正最高温度，并计算历史各年度的年最大负荷日修正最高温度的算术平均值和均方根值，将所述算术平均值和所述均方根值的平均值作为所述最高基准温度。
还要进一步的，所述S22工序的方法为：读取各温度下的温度敏感系数，并根据根温度下的所述温度敏感系数，建立最优化约束问题方程，分别确定在28℃到所述最高基准温度内的调整系数K1和所述最高基准温度到40℃的调整系数K2。
还要再进一步的，所述S23工序中，求取所述年还原最大负荷的公式为：
其中，Pref为年还原最大负荷，Tref最高基准温度，P0为年最大负荷，T′0为年最大负荷日修正最高温度。
还要更进一步的，所述S31工序的方法为：读取历史各年度的年还原最大负荷增量以及历史各年度的新接电容量；以历史各年度温度还原增量对数
为应变量，历史各年度的新接电容量对数R为自变量，进行曲线拟合，得到曲线方程；再将目标年的新接电容量对数R代入所述曲线方程，求得目标年的年还原最大负荷增量，进而求得目标年的年还原最大负荷。
再要更进一步的，所述S33工序中，计算目标年的年最大负荷预测区间的公式为：
其中，Pref为年还原最大负荷，Tref最高基准温度，Pmax1为目标年的年最大负荷预测区间的上限或者下限，T′max1为目标年年最高温度预测区间的上限或者下限。
采用了本发明的基于工询业扩和温度还原模型的年最大负荷预测方法的技术方案，即历史数据处理步骤、负荷还原步骤和负荷外推预测及结果调整步骤得到目标年的年最大负荷的预测值。其技术效果是：充分考虑了工询业扩对于目标年和各水平年的年最大负荷的影响，将工询业扩模型和温度还原模型结合，提高了目标年的年最大负荷预测的准确性，为电力在电网中的调控提供依据，保障电网的运行安全。
附图说明
图1为本发明的基于工询业扩和温度还原模型的年最大负荷预测方法的流程图。
图2为本发明的基于工询业扩和温度还原模型的年最大负荷预测方法的温度还原模型原理图。
具体实施方式
请参阅图1和图2，为了能更好地对本发明的技术方案进行理解，下面通过具体地实施例，并结合附图进行详细地说明：
基于工询业扩和温度还原模型的年最大负荷预测方法，包括下列步骤：
S1历史数据处理步骤，包括：
S11求取历史各年度的年最大负荷及最大负荷日最高温度工序；S12对历史各年度的年最大负荷日最高温度进行积温修正，求取历史各年度的年最大负荷日修正最高温度工序；S13求取历史各年度的年基础负荷工序；S14求取各温度下的温度敏感系数工序；
S2负荷还原步骤，包括：
S21确定最高基准温度工序；S22求解调整系数工序；S23求取历史各年度的年还原最大负荷工序；
S3：负荷外推预测和结果调整步骤，包括：
S31：建立工询业扩和温度还原的回归模型，外推预测目标年的年还原最大负荷工序；S32：预测目标年的年最高温度，确定目标年的年最高温度的预测区间工序；S33：根据目标年的年最高温度的预测区间，确定目标年的年最大负荷预测区间工序。
S1步骤中，所述S12工序的目的是：修正积温效应对最大负荷的影响，所述积温效应的是指日最大负荷变化以日为单位滞后于日最高温度变化的现象，积温效应的对负荷影响的变化规律可总结如下：
即只有当日最高温度处于28℃～38℃之间时，积温效应对于负荷的影响才是明显，在33℃～34℃之间时，积温效应对于负荷的影响最为明显。
只有在日最高温度连续0-3天高于28℃时，积温效应的影响才是明显的。
基于以上分析，可采用以下两个公式中的一个对当日最高温度进行积温修正：
式中：T′0为修正最高温度，T0实际最高温度，Ti为i天前的实际最高温度；
为
天前的实际最高温度，α为累积效应系数；
n为日最高温度连续高于28℃的天数，p为统计积温效应的天数，即统计天数。
关于累积效应系数α的取值，需要根据28-40℃区间内的不同温度区间取不同的值。而每个温度区间α的具体取值，理论上需要对历史数据进行曲线拟合，本实施例中所述累积效应系数α可根据表1进行选取：
表1累积效应系数α在不同温度T取值
| 温度区间T/℃ | 累积效应系数α |
| ＞38 | 0 |
| (37，38] | 0.10 |
| (36，37] | 0.30 |
| (35，36] | 0.45 |
| (34，35] | 0.65 |
| (33，34] | 0.50 |
| (31，33] | 0.35 |
| (30，31] | 0.20 |
| (28，30] | 0.10 |
传统上，S13工序所采取的方法为：选取历史各年度的四月五月两个月间日最大负荷的最大值，十月单月的日最大负荷的最大值，把将它们取平均值，作为历史各年度的年基础负荷。但是本发明中采用了更为科学的方法。这种方法是读取历史各年度的年最大负荷日修正最高温度，并计算历史各年度的年最大负荷日修正最高温度的算术平均值和均方根值，将所述算术平均值和所述均方根值的平均值作为所述最高基准温度。其中HP滤波器所采用的HP滤波方法是Hodrick和Prescott提出的一种滤波方法。
所述S14工序中，所述温度敏感系数k是指各温度下单位温度变化所引起的日最大负荷增量与所述基础负荷的比值：历史上某一年度的所述温度敏感系数的求解方法为：以历史上某一年度的日最高温度为自变量，以该年度的日最大负荷为应变量，进行三次函数拟合，求解所述三次函数在各个日最高温度下的斜率，再将所述斜率除以该年度的所述基础负荷，即为该年度的所述温度敏感系数。本实施例中，所述的温度敏感系数k为近五年各年度的温度敏感系数的平均值，所述温度敏感系数k对应的温度取值范围在28℃～40℃之间。
表2，温度敏感系数k取值列表
还原模型如图2所述，表示年修正最高温度相对于基准最高温度的变化量；
表示相对于所述基准最高温度下的年最大负荷，即年还原最大负荷的变化量；
轴与
轴交点处的Tref表示基准最高温度，简称最高基准温度；K1、K2表示：年最高修正温度在低于或高于所述最高基准温度时，年修正最高温度每下降或上升1℃，所述年最大负荷的变化量占年还原最大负荷的比例，即年最高温度在高于或低于所述最高基准温度时的调整系数。成立下述关系式：
上式中，Pmax为年实际年最大负荷；Pref为最高基准温度下年还原最大负荷，对应于所述最高基准温度下的年最大负荷值；Tmax表示年修正最高温度，当T′0低于Tref时，K为调整系数，当T′0低于Tref时，K＝K1；当T′0高于Tref时，K＝K2。
因此，所述求解年还原最大负荷的公式为：
S2步骤中，S21工序的方法为：读取历史各年度的年最大负荷当日的修正最高温度，并计算历史各年度的年最大负荷日修正最高温度的算术平均值和历史各年度的年最大负荷日修正最高温度的均方根值，将所述算术平均值和所述均方根值的平均值作为所述最高基准温度。
本实施例中选取了近五年的年最大负荷日修正最高温度，分别为：36.72℃、37.57℃、37.63℃、38.17℃和39.50℃，年最大负荷日修正最高温度的算术平均值为37.9169℃，年最大负荷日修正最高温度的均方根值为37.9280℃。取两者的平均值37.92℃，作为所述最高基准温度。
S22工序的中，求取所述负荷调整系数K是以历史各年度的年最大负荷、年最大负荷日修正最高温度、年还原最大负荷和基础负荷值为基础的，如表3所示。
表3历史各年度年还原最大负荷及基础负荷值列表
这是所述年还原最大负荷与所述基础负荷相关性最大的最优化问题，限定K1的约束范围的上限和下限分别为28℃到所述最高基准温度之间的所述温度敏感系数k的最大值和最小值，限定K2的约束范围的上限和下限分别是所述最高基准温度到40℃之间的所述温度敏感系数k的最大值和最小值，如果所述温度敏感系数k出现负值，则以0.001代替。并以这两个限定条件求解最优化问题的约束方程。
根据表2，本实施例中，K1的约束范围为[0.0062，0.0524]，K2的约束范围为[0.001，0.0062]，解得K1＝0.0396，K2＝0.0062。此时，年还原最大负荷与年基础负荷两个序列的相关系数R＝0.9494，相关性非常高。
根据S23工序，根据年还原最大负荷的求取公式，得到近五个年度的年最大负荷如表4所示：
表4历史各年度的年最大负荷和年还原最大负荷列表
下面说明S31工序中，按照下面的方法建立工询业扩和温度还原模型。申请人所在地区的年新接电容量数据及年还原最大负荷序列如表5所示：
表5近五年年还原最大负荷与工询业扩信息
本发明中，所述S3步骤中的所述S31工序对年还原最大负荷增量和新接电容量取对数是为了消除异方差，减少数据的波动。通过统计分析，本实施例中所选用的对数是10的对数lg，选用三次函数对新接电容量取对数与年还原最大负荷增量对数进的行回归拟合，拟合的回归方程为：
其中，
表示年还原最大负荷值增量对数；R表示目标年的新接电容量对数值。
当然，选用其他对数，如ln也是可以的。
根据线性回归方程，由于本年度的新接电容量对数R的值为2.52071，对应的本年度的新接电容量为331.673KVA。所以预测下一年度，即所述目标年度的年还原最大负荷为：3283.406+331.673＝3615.079。
S32工序中，从气象部门获得的目标年的年最高温度的预测值为40℃，目标年的年最高温度预测区间的上限或者下限分别是39.5℃-40.5℃。
那么，S33工序中，计算目标年的年最大负荷预测区间的上限和下限。
目标年的年最大负荷预测区间的上限为：
＝年还原最大负荷预测值×[1+0.0062×(39.5-37.92)]
＝3615.079×(1+0.0062×1.58)＝3651.128MW。
目标年的年最大负荷预测区间的上限为：
＝目标年还原最大负荷结果×[1+0.0062×(39.5-37.92)]
＝3615.079×(1+0.0062×2.58)＝3673.546MW。
实际上，工询数据，即新接电容量和年还原最大负荷增量之间的相关性较高，显著性分析的结果也显示了接电容量对负荷的影响力。如果历史数据足够充足，回归和预测效果将得到进一步的改善，必然可以对基础负荷及年还原最大负荷的预测起到很好的补充，年最大负荷预测的准确性。
本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明，而并非用作为对本发明的限定，只要在本发明的实质精神范围内，对以上所述实施例的变化、变型都将落在本发明的权利要求书范围内。
Claims (8)
1.基于工询业扩和温度还原模型的年最大负荷预测方法，对目标年的年最大负荷进行预测，包括下列步骤：
S1历史数据处理步骤，包括：
S11求取历史各年度的年最大负荷及最大负荷日最高温度工序；S12对历史各年度的年最大负荷日最高温度进行积温修正，求取历史各年度的年最大负荷日修正最高温度工序；S13求取历史各年度的年基础负荷工序；S14求取各温度下的温度敏感系数工序；
S2负荷还原步骤，包括：
S21确定最高基准温度工序；S22求解调整系数工序；S23求取历史各年度的年还原最大负荷工序；
S3：负荷外推预测和结果调整步骤，包括：
S31：建立工询业扩和温度还原的回归模型，外推预测目标年的年还原最大负荷工序；S32：预测目标年的年最高温度，确定目标年的年最高温度的预测区间工序；S33：根据目标年的年最高温度的预测区间，确定目标年的年最大负荷预测区间工序。
2.根据权利要求1所述的年最大负荷预测方法，其特征在于：所述S12工序中，所述年最大负荷日修正最高温度的求解公式为：
其中，T′0为年最大负荷日修正最高温度，T0为年最大负荷日最高温度，Ti为年最大负荷日i天前最高温度；α为累积效应系数；n为日最高温度连续高于28℃的天数，p为统计天数。
3.根据权利要求2所述的年最大负荷预测方法，其特征在于：所述S13工序的方法为：使用HP滤波器对历史各年度的全年的日最大负荷进行HP滤波，得到历史各年度的日最大负荷的趋势分量和周期分量；求取历史各年度六月至九月的日最大负荷的趋势分量，求取所述趋势分量的平均值，以此作为历史各年度的年基础负荷。
4.根据权利要求3所述的年最大负荷预测方法，其特征在于：所述S12工序的方法为：读取历史各年度的年最大负荷日修正最高温度，并计算历史各年度的年最大负荷日修正最高温度的算术平均值和均方根值，将所述算术平均值和所述均方根值的平均值作为所述最高基准温度。
5.根据权利要求4所述的年最大负荷预测方法，其特征在于：所述S22工序的方法为：读取各温度下的温度敏感系数，并根据根温度下的所述温度敏感系数，建立最优化约束问题方程，分别确定在28℃到所述最高基准温度内的调整系数K1和所述最高基准温度到40℃的调整系数K2。
6.根据权利要求5所述的年最大负荷预测方法，其特征在于：所述S23工序中，求取所述年还原最大负荷的公式为：
其中，Pref为年还原最大负荷，Tref最高基准温度，P0为年最大负荷，T′0为年最大负荷日修正最高温度。
7.根据权利要求6所述的年最大负荷预测方法，其特征在于：所述S31工序的方法为：读取历史各年度的年还原最大负荷增量以及历史各年度的新接电容量；以历史各年度温度还原增量对数
为应变量，历史各年度的新接电容量对数R为自变量，进行曲线拟合，得到曲线方程；再将目标年的新接电容量对数R代入所述曲线方程，求得目标年的年还原最大负荷增量，进而求得目标年的年还原最大负荷。
8.根据权利要求5所述的年最大负荷预测方法，其特征在于：所述S 33工序中，计算目标年的年最大负荷预测区间的公式为：
其中，Pref为年还原最大负荷，Tref最高基准温度，Pmax1为目标年的年最大负荷预测区间的上限或者下限，T′max1为目标年年最高温度预测区间的上限或者下限。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2012100930232A CN102663517A (zh) | 2012-03-31 | 2012-03-31 | 基于工询业扩和温度还原模型的年最大负荷预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2012100930232A CN102663517A (zh) | 2012-03-31 | 2012-03-31 | 基于工询业扩和温度还原模型的年最大负荷预测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN102663517A true CN102663517A (zh) | 2012-09-12 |
Family
ID=46772998
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2012100930232A Pending CN102663517A (zh) | 2012-03-31 | 2012-03-31 | 基于工询业扩和温度还原模型的年最大负荷预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102663517A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102930356A (zh) * | 2012-11-16 | 2013-02-13 | 广东电网公司电力调度控制中心 | 基于气象因素敏感度的短期负荷预测方法 |
| CN103310284A (zh) * | 2013-06-08 | 2013-09-18 | 深圳供电局有限公司 | 经济负荷和降温负荷的确定方法及负荷确定装置 |
| CN104166885A (zh) * | 2014-08-14 | 2014-11-26 | 天津大学 | 一种基于s型曲线的地区近期负荷预测方法 |
| CN106875058A (zh) * | 2017-02-17 | 2017-06-20 | 江苏方天电力技术有限公司 | 一种电力业扩可开放容量智能判断方法 |
| CN107909186A (zh) * | 2017-10-13 | 2018-04-13 | 深圳供电局有限公司 | 一种目标年负荷预测方法 |
| CN112615374A (zh) * | 2020-12-25 | 2021-04-06 | 国网北京市电力公司 | 一种煤改电负荷还原计算方法、系统、装置及存储介质 |
-
2012
- 2012-03-31 CN CN2012100930232A patent/CN102663517A/zh active Pending
Non-Patent Citations (2)
| Title |
|---|
| 储琳琳: "市南地区电力负荷预测实用方法研究", 《上海交通大学》 * |
| 罗凤章等: "计及气温因素的年度负荷预测修正方法", 《电力系统及其自动化学报》 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102930356A (zh) * | 2012-11-16 | 2013-02-13 | 广东电网公司电力调度控制中心 | 基于气象因素敏感度的短期负荷预测方法 |
| CN102930356B (zh) * | 2012-11-16 | 2016-06-22 | 广东电网公司电力调度控制中心 | 基于气象因素敏感度的短期负荷预测方法 |
| CN103310284A (zh) * | 2013-06-08 | 2013-09-18 | 深圳供电局有限公司 | 经济负荷和降温负荷的确定方法及负荷确定装置 |
| CN103310284B (zh) * | 2013-06-08 | 2016-08-10 | 深圳供电局有限公司 | 经济负荷和降温负荷的确定方法及负荷确定装置 |
| CN104166885A (zh) * | 2014-08-14 | 2014-11-26 | 天津大学 | 一种基于s型曲线的地区近期负荷预测方法 |
| CN104166885B (zh) * | 2014-08-14 | 2017-04-12 | 天津大学 | 一种基于s型曲线的地区近期电网负荷预测方法 |
| CN106875058A (zh) * | 2017-02-17 | 2017-06-20 | 江苏方天电力技术有限公司 | 一种电力业扩可开放容量智能判断方法 |
| CN106875058B (zh) * | 2017-02-17 | 2020-12-15 | 江苏方天电力技术有限公司 | 一种电力业扩可开放容量智能判断方法 |
| CN107909186A (zh) * | 2017-10-13 | 2018-04-13 | 深圳供电局有限公司 | 一种目标年负荷预测方法 |
| CN112615374A (zh) * | 2020-12-25 | 2021-04-06 | 国网北京市电力公司 | 一种煤改电负荷还原计算方法、系统、装置及存储介质 |
| CN112615374B (zh) * | 2020-12-25 | 2022-07-19 | 国网北京市电力公司 | 一种煤改电负荷还原计算方法、系统、装置及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102663517A (zh) | 基于工询业扩和温度还原模型的年最大负荷预测方法 | |
| US9524529B2 (en) | Interval analysis tool for energy consumption | |
| US7451017B2 (en) | Energy and cost savings calculation system | |
| CN103268524B (zh) | 一种提高电网短期负荷预测准确度的方法 | |
| CN109726872B (zh) | 一种能耗预测方法、装置、存储介质及电子设备 | |
| WO2015075794A1 (ja) | 電力需要予測システム、電力需要予測方法、需要家プロファイリングシステム、及び需要家プロファイリング方法 | |
| US10746425B1 (en) | Thermal modeling technology | |
| Desroches et al. | Incorporating experience curves in appliance standards analysis | |
| KR20150013670A (ko) | 에너지 사용량 기준치의 시간 비용 및 정확도 개선 방법 및 시스템 | |
| US10680455B2 (en) | Demand charge minimization in behind-the-meter energy management systems | |
| CN105243449A (zh) | 售电量预测结果修正方法及装置 | |
| CN113031670B (zh) | 一种基于大数据的仓库湿度自动控制系统 | |
| Ratha et al. | Value of Lost Load: How much is supply security worth? | |
| JP2014180134A (ja) | 電力管理システム、電力管理方法 | |
| JP5710324B2 (ja) | 環境情報管理装置、環境情報管理方法、及び環境情報管理プログラム | |
| JP2016018483A (ja) | エネルギーマネジメントシステム、方法及びプログラム | |
| JP6046530B2 (ja) | 最大発電量予測システム | |
| JP6146126B2 (ja) | 消費エネルギーを管理する装置およびプログラム | |
| CN111160601A (zh) | 一种针对用户电力消费数据的电器需求响应潜力预测方法 | |
| CN112686397B (zh) | 空调器故障率计算方法、装置、计算机设备及存储介质 | |
| WO2015178256A1 (ja) | 電力需給ガイダンス装置および電力需給ガイダンス方法 | |
| CN112100867B (zh) | 电网负荷预测方法 | |
| JP2012099049A (ja) | 配水量計画予測システム、その予測方法およびそのプログラム | |
| CN115496522A (zh) | 一种基于滑动平均的市场化交易电量预测方法及系统 | |
| JP2015050849A (ja) | エネルギ管理システムおよびその方法、ならびにプログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| ASS | Succession or assignment of patent right |
Owner name: STATE GRID CORPORATION OF CHINA Effective date: 20121107 |
|
| C41 | Transfer of patent application or patent right or utility model | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20121107 Address after: 200122 Shanghai City, Pudong New Area source deep road, No. 1122 Applicant after: Shanghai Electric Power Corporation Applicant after: State Grid Corporation of China Address before: 200122 Shanghai City, Pudong New Area source deep road, No. 1122 Applicant before: Shanghai Electric Power Corporation |
|
| C05 | Deemed withdrawal (patent law before 1993) | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120912 |