CN103793788A - 一种有序用电管理方法 - Google Patents
一种有序用电管理方法 Download PDFInfo
- Publication number
- CN103793788A CN103793788A CN201410037338.4A CN201410037338A CN103793788A CN 103793788 A CN103793788 A CN 103793788A CN 201410037338 A CN201410037338 A CN 201410037338A CN 103793788 A CN103793788 A CN 103793788A
- Authority
- CN
- China
- Prior art keywords
- load
- user
- characteristic curve
- data
- public
- 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.)
- Granted
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
本发明涉及一种有序用电管理方法,先基于海量电力负荷数据运用数据挖掘与分析的方法得出公变、专变、专线用户的负荷特征曲线,再计算负荷特征曲线同每一用户的负荷曲线的相关系数,并将该用户归入与之相关系数最高的负荷特征曲线类别中,然后计算各类型用户的移峰填谷潜力,最后选取具有较高移峰填谷潜力的用户并按照其不同类型研究相应的改善负荷特性曲线的经济措施和技术手段,产生具体措施和对应的用户清单,完成电网负荷特性分析。
Description
技术领域
本发明涉及一种基于负荷特征分析的有序用电管理方法,特别是一种在大数据背景下基于负荷特征分析的有序用电管理方法。
背景技术
在电力系统中,电网负荷特性分析作为研究、分析电力市场的基础性工作,关系到电网的建设、电力的供应规划,也是电力系统经济调度运行、制定调峰措施、缓解电力供应紧张局面的依据。近年来,随着经济的发展与社会生活水平的提高,各地市电力需求量持续高速增长,尤其是高峰时段尖峰负荷增长高于用电量增长,电网负荷峰谷差不断增大,这对电网的安全、可靠运行提出了严峻的挑战。在供应侧资源扩容面临众多瓶颈的情况下,电力公司迫切需要在电网规划中引入需求侧管理,探索基于用户用电信息采集系统的新型电网规划模式,缓解当前的电力供需矛盾。而准确、合理、充分地利用需求侧资源的重要前提就是要深入、细致地了解电网的负荷特性。
然而在现有分析方法中,电网负荷特性分析往往通过负荷特性指标体系,如:日负荷率、月负荷率、年平均月负荷率(月不均衡系数)、最大负荷利用小时数、日峰谷差率等,分行业开展研究工作。然而通过大数据背景下的数据挖掘与分析技术,发现同一行业中的不同企业在用电特征上往往也具有较大差异,所以基于行业分类的负荷特性分析不能准确地反映企业用户真正的用电习惯与特征,而采用笼统的负荷特性指标也无法准确地反映居民用户的用电习惯与特征,从而使得现有的负荷特性分析如“空中楼阁”,缺乏针对性,依据负荷特性分析制定的一系列政策也就缺乏指导性和可操作性,无法真正落实到具体用户之上。
发明内容
本发明针对上述现有技术存在的问题做出改进,本发明的目的在于根据现有有序用电管理方法的不足之处而提供一种在大数据背景下基于负荷特征分析的有序用电管理方法。
为了解决上述技术问题,本发明的技术方案是:一种有序用电管理方法,按以下步骤进行:
(1)收集电力用户用电信息采集系统及调度系统中可监测用户的日负荷数据,按照用户类别将其划分为公变用户数据、专变用户数据、专线(调度)用户数据;
(2)对采集的公变用户数据、专变用户数据、专线(调度)用户数据,采用数据修复技术将48个采集时点的负荷数据扩充为96个采集时点负荷数据,进行数据平滑处理和筛选处理;
(3)根据电力用户用电特性选择相应的聚类步骤和相似性度量算法,分别计算得出若干条公变用户负荷特征曲线、若干条专变用户负荷特征曲线、若干条专线用户的负荷特征曲线;
(4)选择典型日(如年负荷最高日)公变、专变、专线负荷数据,将(3)所述的公变用户负荷特征曲线、专变用户负荷特征曲线、专线用户的负荷特征曲线分别与公变、专变、专线负荷数据进行逐一对比,找出同该条特征曲线具有相同用电习惯和特征的用户;
(5)逐一分析a类公变用户、b类专变用户、c类专线用户的移峰填谷潜力;
(6)分别针对a类公变用户、b类专变用户、c类专线用户,按照移峰填谷潜力值由高到低进行排序;
(7)设定一个阀值,分别从公变、专变、专线用户中选取大于阀值的类型用户,制订对应的改善电网负荷特性的控制管理手段;
(8)将步骤(7)所述的改善电网负荷特性的控制管理手段运用在相应类型的用户上,实现移峰填谷的管理。
所述的选择典型日(如年负荷最高日)公变、专变、专线负荷数据,将步骤(3)所述的公变用户负荷特征曲线、专变用户负荷特征曲线、专线用户的负荷特征曲线分别与公变、专变、专线负荷数据进行逐一对比,找出同该条特征曲线具有相同用电习惯和特征的用户,寻找方法其特征在于:
选取若干组公变负荷数据,针对任一组公变负荷数据分别同若干条公变用户负荷特征曲线进行相似性计算得到相关系数,对于某一组公变负荷数据来说有共若干个相关系数,取其中的最大值,那么该公变用户的用电特征就满足公变用户负荷特征曲线,故若干个公变用户有若干个用电特征类别,每一类别中的若干公变用户就具有相同的用电习惯和特征;
同样地,选取若干组专变负荷数据,针对任一组专变负荷数据分别同专变用户负荷特征曲线进行相似性计算得到相关系数,对于某一组专变负荷数据来说有共若干个相关系数,取其中的最大值,那么该专变用户的用电特征就满足专变用户负荷特征曲线,故若干个专变用户有若干个用电特征类别,每一类别中的若干专变用户就具有相同的用电习惯和特征;
同样地,选取若干组专线负荷数据,针对任一组专线负荷数据分别同专线用户负荷特征曲线进行相似性计算得到相关系数,对于某一组专线负荷数据来说有共若干个相关系数,取其中的最大值,那么该专线用户的用电特征就满足专线用户负荷特征曲线,故若干个专线用户有若干个用电特征类别,每一类别中的若干专线用户就具有相同的用电习惯和特征。
所述的移峰填谷潜力的计算方法是对于任一类型用户计算其累计负荷数据,即该类型中所有用户96个采集时点的负荷计量值之和构成的一组数据,计算移峰填谷潜力的公式为:全网负荷最高值与全网负荷最低值的差再除以任一类型用户累计负荷曲线上在发生全网负荷最高值的时点对应的累计负荷值与任一类型用户累计负荷曲线上在发生全网负荷最低值的时点对应的累计负荷值的差。
综上所述,本发明的目的是为了合理、准确的对电网负荷特性进行分析,并能够针对不同用户群体提出有针对性的改善电网负荷特性的经济措施和技术手段,通过下述步骤展开分析:先按照用户类型不同将日负荷数据分为公变用户、专变用户、专线用户,再对原始数据进行数据修复、平滑、筛选工作后进行聚类分析分别获取公变、专变、专线用户负荷特征曲线,然后取每一用户的负荷数据同各特征曲线计算相关系数,并将该用户归入相关系数最大的一类特征曲线,逐一计算各类用户的移峰填谷潜力值,并选取值较大的类别研究相应的经济措施和技术手段。根据上述方法能够获得合理、准确的电网负荷特性分析结果,并针对不同用电特征的一类用户制定相对应的改善全网负荷特性曲线的方法,做到有的放矢、落实到户,提高电网负荷特性分析的准确性、指导性、可操作性。
与现有技术相比,本发明具有以下有益效果:本发明能够获得合理、准确的电网负荷特性分析结果,并针对不同用电特征的一类用户制定相对应的改善全网负荷特性曲线的方法,做到有的放矢、落实到户,提高电网负荷特性分析的准确性、指导性、可操作性。
下面结合附图和具体实施方式对本发明做进一步详细的说明。
附图说明
图1为本发明所述基于负荷特征分析的有序用电管理方法流程图。
具体实施方式
实施例一:一种有序用电管理方法,按以下步骤进行:
(1)收集电力用户用电信息采集系统及调度系统中可监测用户的日负荷数据,按照用户类别将其划分为公变用户数据、专变用户数据、专线(调度)用户数据;
(2)对采集的公变用户数据、专变用户数据、专线(调度)用户数据,采用数据修复技术将48个采集时点的负荷数据扩充为96个采集时点负荷数据,进行数据平滑处理和筛选处理;
(3)根据电力用户用电特性选择相应的聚类步骤和相似性度量算法,分别计算得出若干条公变用户负荷特征曲线、若干条专变用户负荷特征曲线、若干条专线用户的负荷特征曲线;
(4)选择典型日(如年负荷最高日)公变、专变、专线负荷数据,将(3)所述的公变用户负荷特征曲线、专变用户负荷特征曲线、专线用户的负荷特征曲线分别与公变、专变、专线负荷数据进行逐一对比,找出同该条特征曲线具有相同用电习惯和特征的用户;
(5)逐一分析a类公变用户、b类专变用户、c类专线用户的移峰填谷潜力;
(6)分别针对a类公变用户、b类专变用户、c类专线用户,按照移峰填谷潜力值由高到低进行排序;
(7)设定一个阀值,分别从公变、专变、专线用户中选取大于阀值的类型用户,制订对应的改善电网负荷特性的控制管理手段;
(8)将步骤(7)所述的改善电网负荷特性的控制管理手段运用在相应类型的用户上,实现移峰填谷的管理。
所述的选择典型日(如年负荷最高日)公变、专变、专线负荷数据,将b步骤(3)所述的公变用户负荷特征曲线、专变用户负荷特征曲线、专线用户的负荷特征曲线分别与公变、专变、专线负荷数据进行逐一对比,找出同该条特征曲线具有相同用电习惯和特征的用户,寻找方法其特征在于:
选取若干组公变负荷数据,针对任一组公变负荷数据分别同若干条公变用户负荷特征曲线进行相似性计算得到相关系数,对于某一组公变负荷数据来说有共若干个相关系数,取其中的最大值,那么该公变用户的用电特征就满足公变用户负荷特征曲线,故若干个公变用户有若干个用电特征类别,每一类别中的若干公变用户就具有相同的用电习惯和特征;
同样地,选取若干组专变负荷数据,针对任一组专变负荷数据分别同专变用户负荷特征曲线进行相似性计算得到相关系数,对于某一组专变负荷数据来说有共若干个相关系数,取其中的最大值,那么该专变用户的用电特征就满足专变用户负荷特征曲线,故若干个专变用户有若干个用电特征类别,每一类别中的若干专变用户就具有相同的用电习惯和特征;
同样地,选取若干组专线负荷数据,针对任一组专线负荷数据分别同专线用户负荷特征曲线进行相似性计算得到相关系数,对于某一组专线负荷数据来说有共若干个相关系数,取其中的最大值,那么该专线用户的用电特征就满足专线用户负荷特征曲线,故若干个专线用户有若干个用电特征类别,每一类别中的若干专线用户就具有相同的用电习惯和特征。
所述的移峰填谷潜力的计算方法是对于任一类型用户计算其累计负荷数据,即该类型中所有用户96个采集时点的负荷计量值之和构成的一组数据,计算移峰填谷潜力的公式为:全网负荷最高值与全网负荷最低值的差再除以任一类型用户累计负荷曲线上在发生全网负荷最高值的时点对应的累计负荷值与任一类型用户累计负荷曲线上在发生全网负荷最低值的时点对应的累计负荷值的差。
结合图1 ,利用数学表达式详细描述如下:
(1)获取电力用户用电信息采集系统及调度系统中可监测用户的日负荷数据,按照用户类别将其划分为公变用户数据、专变用户数据、专线(调度)用户数据;
(2)基于步骤(1)中获得的公变用户数据、专变用户数据、专线(调度)用户数据,采用数据修复技术将48个采集时点的负荷数据填充为96个采集时点负荷数据,进行必要的数据平滑处理和筛选处理,根据电力用户用电特性选择相应的聚类步骤和相似性度量算法,分别计算得出a条公变用户负荷特征曲线 、b条专变用户负荷特征曲线、c条专线用户的负荷特征曲线;
(3)选择典型日(如年负荷最高日)公变、专变、专线负荷数据,将特征曲线分别放入公变、专变、专线负荷数据中进行逐一对比,寻找同该条特征曲线具有相同用电习惯和特征的用户,具体寻找方法为(以公变用户为例,专变用户、专线用户类似):选取M组公变负荷数据,针对任一组公变负荷数据分别同a条公变用户负荷特征曲线进行相似性计算得到相关系数,对于公变负荷数据来说有共a个相关系数,取的最大值,不妨设为:,那么该公变用户的用电特征就满足公变用户负荷特征曲线,故M个公变用户可以分为个用电特征类别,每一类别中的若干公变用户就具有相同的用电习惯和特征;
(4)逐一分析a类公变用户、b类专变用户、c类专线用户的移峰填谷潜力,对于任一类型用户计算其累计负荷数据,即该类型中所有用户96个采集时点的负荷计量值之和构成的一组数据,并计算移峰填谷潜力,其中为全网负荷最高值、为全网负荷最低值、为任一类型用户累计负荷曲线上在发生全网负荷最高值的时点对应的累计负荷值、为任一类型用户累计负荷曲线上在发生全网负荷最低值的时点对应的累计负荷值,表示该类用户具有移峰填谷潜力,表示该类用户不具备移峰填谷潜力,值越大说明该类型用户移峰填谷潜力越大;
(5)分别针对a类公变用户、b类专变用户、c类专线用户,按照移峰填谷潜力值由高到低进行排序,那么排在前面的公变、专变、专线用户类别就具有较大的移峰填谷潜力;
(6)分别从公变、专变、专线用户中选取较大(阀值的设定需要视研究具体要求而定)的类型用户,由于每一种类型用户代表了一种用电习惯,对于公变用户来说不同类型反映出不同的生活用电习惯,对于专变和专线用户来说不同类型则代表了组织的生产方式和组织生产的班次不同,所以按照不同类型用户研究相对应的改善电网负荷特性的经济措施和技术手段;
(7)按照步骤(6)的方法,将改善电网负荷特性的经济措施和技术手段有针对性的运用在相应类型的用户之上,就可以做到移峰填谷的有的放矢,完成电网负荷特性分析。
根据上述方法能够获得合理、准确的电网负荷特性分析结果,并针对不同用电特征的一类用户制定相对应的改善全网负荷特性曲线的方法,做到有的放矢、落实到户,提高电网负荷特性分析的准确性、指导性、可操作性。
以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所做的均等变化与修饰,皆应属本发明的涵盖范围。
Claims (3)
1.一种有序用电管理方法,其特征在于,按以下步骤进行:
(1)收集电力用户用电信息采集系统及调度系统中可监测用户的日负荷数据,按照用户类别将其划分为公变用户数据、专变用户数据、专线(调度)用户数据;
(2)对采集的公变用户数据、专变用户数据、专线(调度)用户数据,采用数据修复技术将48个采集时点的负荷数据扩充为96个采集时点负荷数据,进行数据平滑处理和筛选处理;
(3)根据电力用户用电特性选择相应的聚类步骤和相似性度量算法,分别计算得出若干条公变用户负荷特征曲线、若干条专变用户负荷特征曲线、若干条专线用户的负荷特征曲线;
(4)选择典型日(如年负荷最高日)公变、专变、专线负荷数据,将(3)所述的公变用户负荷特征曲线、专变用户负荷特征曲线、专线用户的负荷特征曲线分别与公变、专变、专线负荷数据进行逐一对比,找出同该条特征曲线具有相同用电习惯和特征的用户;
(5)逐一分析a类公变用户、b类专变用户、c类专线用户的移峰填谷潜力;
(6)分别针对a类公变用户、b类专变用户、c类专线用户,按照移峰填谷潜力值由高到低进行排序;
(7)设定一个阀值,分别从公变、专变、专线用户中选取大于阀值的类型用户,制订对应的改善电网负荷特性的控制管理手段;
(8)将步骤(7)所述的改善电网负荷特性的控制管理手段运用在相应类型的用户上,实现移峰填谷的管理。
2.根据权利要求1所述的一种有序用电管理方法,选择典型日(如年负荷最高日)公变、专变、专线负荷数据,将步骤(3)所述的公变用户负荷特征曲线、专变用户负荷特征曲线、专线用户的负荷特征曲线分别与公变、专变、专线负荷数据进行逐一对比,找出同该条特征曲线具有相同用电习惯和特征的用户,寻找方法其特征在于: 选取若干组公变负荷数据,针对任一组公变负荷数据分别同若干条公变用户负荷特征曲线进行相似性计算得到相关系数,对于某一组公变负荷数据来说有共若干个相关系数,取其中的最大值,那么该公变用户的用电特征就满足公变用户负荷特征曲线,故若干个公变用户有若干个用电特征类别,每一类别中的若干公变用户就具有相同的用电习惯和特征;同样地,选取若干组专变负荷数据,针对任一组专变负荷数据分别同专变用户负荷特征曲线进行相似性计算得到相关系数,对于某一组专变负荷数据来说有共若干个相关系数,取其中的最大值,那么该专变用户的用电特征就满足专变用户负荷特征曲线,故若干个专变用户有若干个用电特征类别,每一类别中的若干专变用户就具有相同的用电习惯和特征;同样地,选取若干组专线负荷数据,针对任一组专线负荷数据分别同专线用户负荷特征曲线进行相似性计算得到相关系数,对于某一组专线负荷数据来说有共若干个相关系数,取其中的最大值,那么该专线用户的用电特征就满足专线用户负荷特征曲线,故若干个专线用户有若干个用电特征类别,每一类别中的若干专线用户就具有相同的用电习惯和特征。
3.根据权利要求1所述的一种有序用电管理方法,其特征在于:移峰填谷潜力的计算方法是对于任一类型用户计算其累计负荷数据,即该类型中所有用户96个采集时点的负荷计量值之和构成的一组数据,计算移峰填谷潜力的公式为:全网负荷最高值与全网负荷最低值的差再除以任一类型用户累计负荷曲线上在发生全网负荷最高值的时点对应的累计负荷值与任一类型用户累计负荷曲线上在发生全网负荷最低值的时点对应的累计负荷值的差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410037338.4A CN103793788B (zh) | 2014-01-27 | 2014-01-27 | 一种有序用电管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410037338.4A CN103793788B (zh) | 2014-01-27 | 2014-01-27 | 一种有序用电管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103793788A true CN103793788A (zh) | 2014-05-14 |
CN103793788B CN103793788B (zh) | 2017-03-01 |
Family
ID=50669427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410037338.4A Active CN103793788B (zh) | 2014-01-27 | 2014-01-27 | 一种有序用电管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103793788B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200275A (zh) * | 2014-06-24 | 2014-12-10 | 国家电网公司 | 基于用户行为特点的用电模式分类和控制方法 |
CN104240144A (zh) * | 2014-08-25 | 2014-12-24 | 河海大学 | 一种基于需求响应的电力负荷聚类方法 |
CN104376402A (zh) * | 2014-10-31 | 2015-02-25 | 国家电网公司 | 一种基于频域指标的负荷特性分类与综合方法 |
CN106532947A (zh) * | 2016-11-30 | 2017-03-22 | 国网山东省电力公司鄄城县供电公司 | 用电管理系统和方法 |
CN109165826A (zh) * | 2018-08-09 | 2019-01-08 | 广东电网有限责任公司 | 负荷特性分析方法、装置、电子设备及存储介质 |
FR3069721A1 (fr) * | 2017-07-31 | 2019-02-01 | Voltalis | Lissage d'une courbe de charge comprenant une agregation de courbes de charges elementaires |
CN111667135A (zh) * | 2020-03-25 | 2020-09-15 | 国网天津市电力公司 | 一种基于典型特征提取的负荷结构解析方法 |
CN113033870A (zh) * | 2021-02-25 | 2021-06-25 | 国网河北省电力有限公司营销服务中心 | 电力专变客户柔性负荷调度方法及终端设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102426676A (zh) * | 2011-11-06 | 2012-04-25 | 中国科学院电工研究所 | 一种智能用电策略的特征提取方法 |
-
2014
- 2014-01-27 CN CN201410037338.4A patent/CN103793788B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102426676A (zh) * | 2011-11-06 | 2012-04-25 | 中国科学院电工研究所 | 一种智能用电策略的特征提取方法 |
Non-Patent Citations (2)
Title |
---|
刘莉等: "k-means聚类算法在负荷曲线分类中的应用", 《电力系统保护与控制》 * |
蒋雯倩: "面向负荷建模的变电站日负荷曲线在线分类方法及应用", 《中国优秀硕士论文全文数据库工程科技辑》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200275A (zh) * | 2014-06-24 | 2014-12-10 | 国家电网公司 | 基于用户行为特点的用电模式分类和控制方法 |
CN104240144A (zh) * | 2014-08-25 | 2014-12-24 | 河海大学 | 一种基于需求响应的电力负荷聚类方法 |
CN104240144B (zh) * | 2014-08-25 | 2017-12-22 | 河海大学 | 一种基于需求响应的电力负荷聚类方法 |
CN104376402A (zh) * | 2014-10-31 | 2015-02-25 | 国家电网公司 | 一种基于频域指标的负荷特性分类与综合方法 |
CN104376402B (zh) * | 2014-10-31 | 2017-06-13 | 国家电网公司 | 一种基于频域指标的负荷特性分类与综合方法 |
CN106532947A (zh) * | 2016-11-30 | 2017-03-22 | 国网山东省电力公司鄄城县供电公司 | 用电管理系统和方法 |
CN111264010A (zh) * | 2017-07-31 | 2020-06-09 | 沃尔塔利斯公司 | 对包括基本负载曲线的聚合的负载曲线进行平滑 |
FR3069721A1 (fr) * | 2017-07-31 | 2019-02-01 | Voltalis | Lissage d'une courbe de charge comprenant une agregation de courbes de charges elementaires |
WO2019025673A1 (fr) * | 2017-07-31 | 2019-02-07 | Voltalis | Lissage d'une courbe de charge comprenant une agrégation de courbes de charges élémentaires |
US11183873B2 (en) | 2017-07-31 | 2021-11-23 | Voltalis | Smoothing of a load curve comprising aggregation of elementary load curves |
CN111264010B (zh) * | 2017-07-31 | 2023-08-04 | 沃尔塔利斯公司 | 一种用于平滑总负载曲线的方法和系统 |
CN109165826A (zh) * | 2018-08-09 | 2019-01-08 | 广东电网有限责任公司 | 负荷特性分析方法、装置、电子设备及存储介质 |
CN111667135A (zh) * | 2020-03-25 | 2020-09-15 | 国网天津市电力公司 | 一种基于典型特征提取的负荷结构解析方法 |
CN113033870A (zh) * | 2021-02-25 | 2021-06-25 | 国网河北省电力有限公司营销服务中心 | 电力专变客户柔性负荷调度方法及终端设备 |
CN113033870B (zh) * | 2021-02-25 | 2022-04-26 | 国网河北省电力有限公司营销服务中心 | 电力专变客户柔性负荷调度方法及终端设备 |
Also Published As
Publication number | Publication date |
---|---|
CN103793788B (zh) | 2017-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103793788A (zh) | 一种有序用电管理方法 | |
CN116646933B (zh) | 一种基于大数据的电力负荷调度方法及系统 | |
CN111027872B (zh) | 一种区域用户的用电成熟度确定方法及系统 | |
CN101976841B (zh) | 电力系统各级负荷预测指标的均衡匹配方法 | |
CN109492950B (zh) | 一种基于gis技术可满足大区域范围空间饱和负荷预测方法 | |
CN107038167A (zh) | 基于模型评估的大数据挖掘分析系统及其分析方法 | |
CN103413188B (zh) | 一种基于工业业扩报装的月度工业用电量预测方法 | |
CN110175167A (zh) | 一种适用于低压台区用电数据的数据清洗方法及系统 | |
CN104376371B (zh) | 一种基于拓扑的配网分层负荷预测方法 | |
CN111210170B (zh) | 基于90%用电分布特征指标的环保管控监测及评价方法 | |
CN110490409B (zh) | 一种基于dnn的低压台区线损率标杆值设定方法 | |
CN104680261A (zh) | 基于重点大客户负荷曲线聚类的电力负荷运行控制方法 | |
CN110109971A (zh) | 一种低压台区用户用电负荷特性分析方法 | |
CN107909208A (zh) | 一种台区配网降损方法 | |
CN103325071A (zh) | 一种基于密度聚类的用户典型负荷曲线的构建方法 | |
Vakulenko et al. | A systematic literature review of smart grids | |
CN103632306A (zh) | 一种基于聚类分析的配电网供电区域划分方法 | |
Shin et al. | Spatiotemporal load-analysis model for electric power distribution facilities using consumer meter-reading data | |
CN104638636A (zh) | 一种电力日负荷特性指标预测方法 | |
CN115907822A (zh) | 一种考虑区域及经济影响的负荷特征指标关联性挖掘方法 | |
Kim et al. | Extracting baseline electricity usage using gradient tree boosting | |
CN109460849A (zh) | 一种基于智能算法的用户用电偏差分析方法 | |
Fonseca et al. | Unsupervised load shape clustering for urban building performance assessment | |
Heydari et al. | Mid-term load power forecasting considering environment emission using a hybrid intelligent approach | |
CN110837965A (zh) | 一种快速区分台区户变关系的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |