CN103606022A - 一种短期负荷预测方法 - Google Patents
一种短期负荷预测方法 Download PDFInfo
- Publication number
- CN103606022A CN103606022A CN201310653027.6A CN201310653027A CN103606022A CN 103606022 A CN103606022 A CN 103606022A CN 201310653027 A CN201310653027 A CN 201310653027A CN 103606022 A CN103606022 A CN 103606022A
- Authority
- CN
- China
- Prior art keywords
- value
- meteorological
- short
- day
- historical
- 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
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本发明提供一种短期负荷预测方法,包括:获取待预测日的预报气象因子的值和若干个历史日的气象因子的值;按照预设累积效应公式,对待预测日的预报气象因子的值和实际气象因子的值进行修正;获取若干个历史日的电网负荷值和短期负荷预测数据,进行对比,并求取其误差;对经过修正后的若干个历史日的实际气象因子的值与电网负荷值进行拟合,得到两者之间的关系模型;利用电网负荷值与短期负荷预测数据之间的误差对所述关系模型进行矫正;根据矫正后的关系模型,对待预测日的电网负荷进行预测。由于上述方法中考虑了气象因子的累积效应,以及历史短期负荷预测数据与实际电网负荷数据之间的误差,从而进一步提高了电网负荷预测的精度。
Description
技术领域
本发明涉及电力系统负荷预测技术领域,更具体的说是涉及一种短期负荷预测方法。
背景技术
电力系统短期负荷预测是负荷预测的重要组成部分,是实现电力系统安全、经济运行的基础,特别是在电力市场交易中有着重要的意义。负荷预测的精度越高,越有利于提高发电设备的利用率和经济调度的有效性;反之,负荷预测误差较大时,不仅会造成大量运行成本和利润损失,甚至会影响电力系统运行的可靠性和电力市场的供需平衡。
无论是传统的预测方法还是现代的方法,他们都是在获得预测对象的历史变化规律后,将这种规律延伸以预测未来。理论上讲,负荷预测的数学理论的核心是如何获得预测对象的历史变化规律及其受某些因素影响的关系。预测模型实际上是表述这种变化规律的数学函数,建立良好的数学模型,减小负荷预测误差、提高预测精度,是预测的核心问题。传统的预测方法比较成熟,预测结果具有一定的参考价值,但要进一步提高预测精度,就需要对传统的方法进行一些改进。
发明内容
有鉴于此,本发明提供一种短期负荷预测方法,以进一步提高短期负荷预测的精度。
为实现上述目的,本发明提供如下技术方案:
一种短期负荷预测方法,包括:
获取待预测日的预报气象因子的值和若干个历史日的实际气象因子的值;
按照预设累积效应公式,对所述待预测日的预报气象因子的值和若干个历史日的实际气象因子的值进行修正;
获取所述若干个历史日的电网负荷值和所述若干历史日的短期负荷预测数据,进行对比,并求取其误差;
对经过修正后的所述若干个历史日的实际气象因子的值与所述电网负荷值进行拟合,得到实际气象因子的值与所述电网负荷值的关系模型;
利用所述电网负荷值与所述短期负荷预测数据之间的误差对所述关系模型进行矫正;
根据矫正后的关系模型,对所述待预测日的电网负荷进行预测。
优选地,所述气象因子包括气温、降水量、温度和相对湿度。
优选地,所述获取待预测日的预报气象因子值的具体过程为:
建立气象专栏,形成历史气象数据库和历史气象预测数据库;
获取历史气象数据库和历史气象预测数据库的查询关口;
通过所述查询关口,获取需要的气象因子的值。
优选地,所述气象专栏中的信息与气象部门气象信息共享。
优选地,所述气象专栏与所述气象部门之间气象信息共享通过传真、电话、网络的方式传递。
优选地,采用一次回归方程或者多次回归方程对经过修正后的所述若干个历史日的实际气象因子的值与所述电网负荷值进行拟合,得到实际气象因子值与所述电网负荷值的关系模型。
优选地,对经过修正后的所述若干个历史日的实际气象因子的值与所述电网负荷值进行拟合采用的是二次回归方程。
优选地,当所述气象因子为气温时,所述二次回归方程为:
L=at2+bt+c,其中,L为电网负荷,t为实际气温,a、b、c为待定系数。
优选地,若所述待预测日为双休日,则将所述电网负荷预测值乘以预设的折算系数,作为所述待预测日的电力负荷预测值。
优选地,所述折算系数为上一个双休日负荷与工作日负荷的比值。
经由上述的技术方案可知,本发明提供的短期负荷预测方法,考虑了气象因子的累积效应,以及历史短期负荷预测数据与实际电网负荷数据之间的误差,即先对待预测日的气象因子值进行修正,提高负荷对气象指数的敏感性,同时,将历史电网负荷值与历史短期负荷预测数据进行对比,得到误差,将其应用在实际气象因子的值与所述电网负荷值的关系模型中,对所述关系模型进行矫正,从而进一步提高了电网负荷预测的精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种短期负荷预测方法流程图。
具体实施方式
正如背景技术部分所述,现有技术中的短期负荷预测精度有待进一步提高。
发明人发现,出现上述现象的原因是,传统的短期负荷预测方法考虑的因素较少,由于没有充分考虑气象因子的累积效应,只致力于数据的拟合,对规律的处理不足,造成现有的短期负荷预测方法的精度较低,还有待进一步的提高。
基于此,发明人经过研究发现,提供一种短期负荷预测方法,包括:
获取待预测日的预报气象因子的值和若干个历史日的实际气象因子的值;
按照预设累积效应公式,对所述待预测日的预报气象因子的值和若干个历史日的实际气象因子的值进行修正;
获取所述若干个历史日的电网负荷值和所述若干历史日的短期负荷预测数据,进行对比,并求取其误差;
对经过修正后的所述若干个历史日的实际气象因子的值与所述电网负荷值进行拟合,得到实际气象因子的值与所述电网负荷值的关系模型;
利用所述电网负荷值与所述短期负荷预测数据之间的误差对所述关系模型进行矫正;
根据矫正后的关系模型,对所述待预测日的电网负荷进行预测。
由上述的技术方案可知,本发明提供的短期负荷预测方法,考虑了气象因子的累积效应,以及历史短期负荷预测数据与实际电网负荷数据之间的误差,即先对待预测日的气象因子值进行修正,提高负荷对气象指数的敏感性,同时,将历史电网负荷值与历史短期负荷预测数据进行对比,得到误差,将其应用在实际气象因子的值与所述电网负荷值的关系模型中,对所述关系模型进行矫正,从而进一步提高了电网负荷预测的精度。
以上是本申请的核心思想,下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
下面通过具体实施例描述本发明中提供的短期负荷预测方法。
本发明实施例公开的一种短期负荷预测方法,包括:
步骤S101:获取待预测日的预报气象因子的值和若干个历史日的实际气象因子的值。
所述获取待预测日的预报气象因子值的具体过程为:建立气象专栏,形成历史气象数据库和历史气象预测数据库;获取历史气象数据库和历史气象预测数据库的查询关口;通过所述查询关口,获取需要的气象因子的值。
其中,所述气象因子包括气温、降水量、温度和相对湿度。本实施例中所述气象专栏为电网部门与气象部门沟通建立数据库,所述气象专栏中的信息与气象部门气象信息共享,实时分享和记录气象信息,包括气温、降水量、温度和相对湿度等信息,且所述电网部门能够通过查询关口对气象专栏中的气象信息读取或采集,从而使得电网部门能够第一时间对电网负荷做出气象因数干扰下的分析和计算。运方人员也能够随时调取历史气象信息与实际的气象信息进行对比分析,做出相对精确的短期负荷预测。
另外,对于重大的气象信息还能够第一时间共享给电网部门。所述气象专栏与所述气象部门之间气象信息共享方式包括传真、电话、网络的方式。所述重大气象信息的共享也可以通过传真、电话、网络等方式进行传递。本实施例中对所述共享方式不做限定,只要能够实现信息共享的方式,均可以适用于本实施中。
步骤S102:按照预设累积效应公式,对所述待预测日的预报气象因子的值和若干个历史日的实际气象因子的值进行修正;
作为其中一个实施例在对所述待预测日的预报气象因子的值和若干个历史日的实际气象因子的值进行修正之前,根据获取的待预测日的预报气象因子的值和若干个历史日的气象因子的值建立灰色模型,通过所述灰色模型对所述待预测日的气象因子值进行灰色生成。
步骤S103:获取所述若干个历史日的电网负荷值和所述若干历史日的短期负荷预测数据,进行对比,并求取其误差;
步骤S104:对经过修正后的所述若干个历史日的实际气象因子的值与所述电网负荷值进行拟合,得到实际气象因子的值与所述电网负荷值的关系模型;
本实施例中对经过修正后的所述若干个历史日的实际气象因子的值与所述电网负荷值进行拟合采用的方法为一次回归方程或者多次回归方程,优选为二次回归方程。
例如,对于所述气象因子为气温时,所述二次回归方程为:L=at2+bt+c,其中,L为电网负荷,t为实际气温,a、b、c为待定系数。
需要说明的是,对于气象因子为降水量、温度和相对湿度时,可以根据实际情况,采用不同的回归方程进行拟合。另外,不同的回归方程具有不同的效果,如一次回归方程需要的数据较少,方便计算,但是其计算得到的精度较差,对于没有重大气象变化的情况下,可以优选一次回归方程对经过修正后的所述若干个历史日的实际气象因子的值与所述电网负荷值进行拟合;当出现较大的气象变化,需要更加精确的对经过修正后的所述若干个历史日的实际气象因子的值与所述电网负荷值进行拟合时,则可以优选多次回归方程,本实施例中对此不做限定,视具体情况进行选择。
步骤S105:利用所述电网负荷值与所述短期负荷预测数据之间的误差对所述关系模型进行矫正;
现有技术中通常直接将预测关系模型直接拿来进行预测未来的电网负荷,本实施例中,通过对比若干个历史日的电网负荷值和所述若干个历史日的短期负荷预测数据,得到历史上两者之间存在的误差,并将其误差应用在本次短期负荷预测过程中,对所述关系模型进行矫正,从而提高所述实际气象因子的值与所述电网负荷值的关系模型的准确度,进而提高短期负荷预测的精度。
步骤S106:根据矫正后的关系模型,对所述待预测日的电网负荷进行预测。
需要说明的是,若所述待预测日为双休日,则将所述电网负荷预测值乘以预设的折算系数,作为所述待预测日的电力负荷预测值。其中,所述折算系数为上一个双休日负荷与工作日负荷的比值。
本实施例中提供的短期负荷预测方法,考虑了气象因子的累积效应,以及历史短期负荷预测数据与实际电网负荷数据之间的误差,即先对待预测日的气象因子值进行修正,提高负荷对气象指数的敏感性,同时,将历史电网负荷值与历史短期负荷预测数据进行对比,得到误差,将其应用在实际气象因子的值与所述电网负荷值的关系模型中,对所述关系模型进行矫正,从而进一步提高了电网负荷预测的精度。
本说明书中各个部分采用递进的方式描述,每个部分重点说明的都是与其他部分的不同之处,各个部分之间相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种短期负荷预测方法,其特征在于,包括:
获取待预测日的预报气象因子的值和若干个历史日的实际气象因子的值;
按照预设累积效应公式,对所述待预测日的预报气象因子的值和若干个历史日的实际气象因子的值进行修正;
获取所述若干个历史日的电网负荷值和所述若干历史日的短期负荷预测数据,进行对比,并求取其误差;
对经过修正后的所述若干个历史日的实际气象因子的值与所述电网负荷值进行拟合,得到实际气象因子的值与所述电网负荷值的关系模型;
利用所述电网负荷值与所述短期负荷预测数据之间的误差对所述关系模型进行矫正;
根据矫正后的关系模型,对所述待预测日的电网负荷进行预测。
2.根据权利要求1所述的短期负荷预测方法,其特征在于,所述气象因子包括气温、降水量、温度和相对湿度。
3.根据权利要求1所述的短期负荷预测方法,其特征在于,所述获取待预测日的预报气象因子值的具体过程为:
建立气象专栏,形成历史气象数据库和历史气象预测数据库;
获取历史气象数据库和历史气象预测数据库的查询关口;
通过所述查询关口,获取需要的气象因子的值。
4.根据权利要求3所述的短期负荷预测方法,其特征在于,所述气象专栏中的信息与气象部门气象信息共享。
5.根据权利要求4所述的短期负荷预测方法,其特征在于,所述气象专栏与所述气象部门之间气象信息共享通过传真、电话、网络的方式传递。
6.根据权利要求1所述的短期负荷预测方法,其特征在于,采用一次回归方程或者多次回归方程对经过修正后的所述若干个历史日的实际气象因子的值与所述电网负荷值进行拟合,得到实际气象因子值与所述电网负荷值的关系模型。
7.根据权利要求6所述的短期负荷预测方法,其特征在于,对经过修正后的所述若干个历史日的实际气象因子的值与所述电网负荷值进行拟合采用的是二次回归方程。
8.根据权利要求7所述的短期负荷预测方法,其特征在于,当所述气象因子为气温时,所述二次回归方程为:
L=at2+bt+c,其中,L为电网负荷,t为实际气温,a、b、c为待定系数。
9.根据权利要求1所述的短期负荷预测方法,其特征在于,若所述待预测日为双休日,则将所述电网负荷预测值乘以预设的折算系数,作为所述待预测日的电力负荷预测值。
10.根据权利要求9所述的短期负荷预测方法,其特征在于,所述折算系数为上一个双休日负荷与工作日负荷的比值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310653027.6A CN103606022A (zh) | 2013-12-05 | 2013-12-05 | 一种短期负荷预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310653027.6A CN103606022A (zh) | 2013-12-05 | 2013-12-05 | 一种短期负荷预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103606022A true CN103606022A (zh) | 2014-02-26 |
Family
ID=50124242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310653027.6A Pending CN103606022A (zh) | 2013-12-05 | 2013-12-05 | 一种短期负荷预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103606022A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103997065A (zh) * | 2014-06-09 | 2014-08-20 | 北京东润环能科技股份有限公司 | 一种负荷预测系统及方法 |
CN104134096A (zh) * | 2014-06-12 | 2014-11-05 | 国网安徽省电力公司 | 基于省地一体化智能负荷预测方法 |
CN104156786A (zh) * | 2014-08-18 | 2014-11-19 | 广西电网有限责任公司 | 一种考虑气象多因素影响的非工作日最大日负荷预测系统 |
CN104168142A (zh) * | 2014-08-18 | 2014-11-26 | 国家电网公司 | 一种超短期系统负荷预测实时在线考核分析方法 |
CN104537429A (zh) * | 2014-12-11 | 2015-04-22 | 国家电网公司 | 一种基于数据仓库与数据挖掘技术的短期负荷预测方法及装置 |
CN104616075A (zh) * | 2015-01-30 | 2015-05-13 | 广西大学 | 一种适合于台风天气下的短期负荷预测方法 |
CN105335601A (zh) * | 2014-08-08 | 2016-02-17 | 国家电网公司 | 用于短期负荷的数据处理方法和装置 |
CN105844342A (zh) * | 2016-03-15 | 2016-08-10 | 国网山东省电力公司济宁供电公司 | 一种短期电力市场预测系统及方法 |
CN106779129A (zh) * | 2015-11-19 | 2017-05-31 | 华北电力大学(保定) | 一种考虑气象因素的短期电力负荷预测方法 |
CN107067162A (zh) * | 2017-03-21 | 2017-08-18 | 浙江华立电力科技有限公司 | 基于时域及环境特征的自学习短期负荷预测算法 |
CN109164317A (zh) * | 2018-08-30 | 2019-01-08 | 杭州电力设备制造有限公司 | 一种变电站短期负荷监测方法、系统、介质及设备 |
CN109818351A (zh) * | 2019-03-26 | 2019-05-28 | 成都信息工程大学 | 一种气象电力数据综合管理方法及系统 |
CN110019329A (zh) * | 2017-07-31 | 2019-07-16 | 广州极飞科技有限公司 | 一种数据预测的方法及装置 |
CN112583008A (zh) * | 2020-12-09 | 2021-03-30 | 国家电网有限公司 | 一种基于历史年度天气规律的用电负荷预测方法 |
CN113632131A (zh) * | 2019-04-10 | 2021-11-09 | 三菱电机株式会社 | 电力管理装置 |
Citations (2)
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 |
CN103268526A (zh) * | 2013-06-08 | 2013-08-28 | 国家电网公司 | 基于区间泰勒模型的电力系统短期负荷预测系统及方法 |
-
2013
- 2013-12-05 CN CN201310653027.6A patent/CN103606022A/zh active Pending
Patent Citations (2)
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 |
CN103268526A (zh) * | 2013-06-08 | 2013-08-28 | 国家电网公司 | 基于区间泰勒模型的电力系统短期负荷预测系统及方法 |
Non-Patent Citations (1)
Title |
---|
"浅谈基于气象因素的电网短期负荷预测系统": ""浅谈基于气象因素的电网短期负荷预测系统"", 《能源与环境科学》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103997065A (zh) * | 2014-06-09 | 2014-08-20 | 北京东润环能科技股份有限公司 | 一种负荷预测系统及方法 |
CN104134096A (zh) * | 2014-06-12 | 2014-11-05 | 国网安徽省电力公司 | 基于省地一体化智能负荷预测方法 |
CN105335601A (zh) * | 2014-08-08 | 2016-02-17 | 国家电网公司 | 用于短期负荷的数据处理方法和装置 |
CN105335601B (zh) * | 2014-08-08 | 2018-04-06 | 国家电网公司 | 用于短期负荷的数据处理方法和装置 |
CN104156786B (zh) * | 2014-08-18 | 2017-09-26 | 广西电网有限责任公司 | 一种考虑气象多因素影响的非工作日最大日负荷预测系统 |
CN104156786A (zh) * | 2014-08-18 | 2014-11-19 | 广西电网有限责任公司 | 一种考虑气象多因素影响的非工作日最大日负荷预测系统 |
CN104168142A (zh) * | 2014-08-18 | 2014-11-26 | 国家电网公司 | 一种超短期系统负荷预测实时在线考核分析方法 |
CN104537429A (zh) * | 2014-12-11 | 2015-04-22 | 国家电网公司 | 一种基于数据仓库与数据挖掘技术的短期负荷预测方法及装置 |
CN104616075A (zh) * | 2015-01-30 | 2015-05-13 | 广西大学 | 一种适合于台风天气下的短期负荷预测方法 |
CN106779129A (zh) * | 2015-11-19 | 2017-05-31 | 华北电力大学(保定) | 一种考虑气象因素的短期电力负荷预测方法 |
CN105844342A (zh) * | 2016-03-15 | 2016-08-10 | 国网山东省电力公司济宁供电公司 | 一种短期电力市场预测系统及方法 |
CN107067162A (zh) * | 2017-03-21 | 2017-08-18 | 浙江华立电力科技有限公司 | 基于时域及环境特征的自学习短期负荷预测算法 |
CN107067162B (zh) * | 2017-03-21 | 2020-05-26 | 华立科技股份有限公司 | 基于时域及环境特征的自学习短期负荷预测方法 |
CN110019329A (zh) * | 2017-07-31 | 2019-07-16 | 广州极飞科技有限公司 | 一种数据预测的方法及装置 |
CN109164317A (zh) * | 2018-08-30 | 2019-01-08 | 杭州电力设备制造有限公司 | 一种变电站短期负荷监测方法、系统、介质及设备 |
CN109818351A (zh) * | 2019-03-26 | 2019-05-28 | 成都信息工程大学 | 一种气象电力数据综合管理方法及系统 |
CN113632131A (zh) * | 2019-04-10 | 2021-11-09 | 三菱电机株式会社 | 电力管理装置 |
CN112583008A (zh) * | 2020-12-09 | 2021-03-30 | 国家电网有限公司 | 一种基于历史年度天气规律的用电负荷预测方法 |
CN112583008B (zh) * | 2020-12-09 | 2022-06-24 | 国家电网有限公司 | 一种基于历史年度天气规律的用电负荷预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103606022A (zh) | 一种短期负荷预测方法 | |
Flath et al. | Cluster analysis of smart metering data: An implementation in practice | |
US10063052B2 (en) | Method and system for distributing and/or controlling an energy flow taking into account constraints relating to the electricity network | |
Kim | Modeling special-day effects for forecasting intraday electricity demand | |
WO2018176863A1 (zh) | 配电网可靠性投资经济效益分析方法及装置、存储介质 | |
AU2017364328A1 (en) | Method and apparatus for facilitating the operation of an on-site energy storage system to co-optimize battery dispatch | |
US8645239B2 (en) | Systems and methods for advanced metering infrastructure customer portal | |
CN102930356A (zh) | 基于气象因素敏感度的短期负荷预测方法 | |
CN102426674A (zh) | 一种基于马尔科夫链的电力系统负荷预测方法 | |
WO2020103048A1 (zh) | 储能管理及控制方法、系统、计算机设备、存储介质 | |
CN107748972A (zh) | 一种基于双能源指标预测全社会用电量的方法 | |
CN111680841B (zh) | 基于主成分分析的短期负荷预测方法、系统及终端设备 | |
CN102509173A (zh) | 一种基于马尔科夫链的电力系统负荷准确预测方法 | |
WO2023236478A1 (zh) | 基于区块链的企业碳排能耗数据管理运营系统及方法 | |
CN104638636A (zh) | 一种电力日负荷特性指标预测方法 | |
CN103268526B (zh) | 基于区间泰勒模型的电力系统短期负荷预测系统及方法 | |
CN104504619A (zh) | 两种考虑温度和经济增长因素的月度统调用电量预测方法 | |
Day et al. | Residential power load forecasting | |
CN108346009A (zh) | 一种基于用户模型自学习的电力生产配置方法和装置 | |
CN105243608A (zh) | 基于输变电工程造价设计要素的线路工程造价估算方法 | |
KR102028601B1 (ko) | 시설물의 에너지 사용량 예측 방법 및 장치 | |
CN104680400B (zh) | 基于灰色关联的企业售电量变化的短期和长期预测方法 | |
CN107292413A (zh) | 基于大数据和信息融合的电力负荷分析预测系统 | |
CN115238976A (zh) | 一种含温度敏感负荷的夏季负荷预测分层模型 | |
JP3754267B2 (ja) | 配水量予測システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140226 |
|
RJ01 | Rejection of invention patent application after publication |