CN103793788B - 一种有序用电管理方法 - Google Patents

一种有序用电管理方法 Download PDF

Info

Publication number
CN103793788B
CN103793788B CN201410037338.4A CN201410037338A CN103793788B CN 103793788 B CN103793788 B CN 103793788B CN 201410037338 A CN201410037338 A CN 201410037338A CN 103793788 B CN103793788 B CN 103793788B
Authority
CN
China
Prior art keywords
load
user
data
public
characteristic curve
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.)
Active
Application number
CN201410037338.4A
Other languages
English (en)
Other versions
CN103793788A (zh
Inventor
张磊
黄惠英
熊益红
李学永
钟小强
高琛
董雨
孙广中
李春生
陈程
魏宏俊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Science and Technology of China USTC
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Fujian Electric Power Co Ltd
State Grid Fujian Electric Power Co Ltd
Original Assignee
University of Science and Technology of China USTC
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Fujian Electric Power Co Ltd
State Grid Fujian Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Science and Technology of China USTC, State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Fujian Electric Power Co Ltd, State Grid Fujian Electric Power Co Ltd filed Critical University of Science and Technology of China USTC
Priority to CN201410037338.4A priority Critical patent/CN103793788B/zh
Publication of CN103793788A publication Critical patent/CN103793788A/zh
Application granted granted Critical
Publication of CN103793788B publication Critical patent/CN103793788B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

一种有序用电管理方法
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Xi(i＝1，2，3…a)、b条专变用户负荷特征曲线Yj(j＝1，2，3…b)、c条专线用户的负荷特征曲线Zk(k＝1，2，3…c)；
(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Xi、Yj、Zk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An(n＝1，2，3…M)分别同a条公变用户负荷特征曲线Xi(i＝1，2，3…a)进行相似性计算得到相关系数ρni(n＝1，2，3…M；i＝1，2，3…a)，对于公变负荷数据A1来说有ρ1i(i＝1，2，3…a)共a个相关系数，取ρ1i(i＝1，2，3…a)的最大值，不妨设为：ρ1，2，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X2，故M个公变用户可以分为Xi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yk为全网负荷最高值、yl为全网负荷最低值、xh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、xl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，σ＞0表示该类用户具有移峰填谷潜力，σ≤0表示该类用户不具备移峰填谷潜力，σ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 (1)

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；
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，寻找方法为： 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；
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。
CN201410037338.4A 2014-01-27 2014-01-27 一种有序用电管理方法 Active CN103793788B (zh)

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 CN103793788A (zh) 2014-05-14
CN103793788B true 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)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104200275B (zh) * 2014-06-24 2015-05-27 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
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
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
FR3069721B1 (fr) * 2017-07-31 2019-08-02 Voltalis Lissage d'une courbe de charge comprenant une agregation de courbes de charges elementaires
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
CN111667135B (zh) * 2020-03-25 2023-07-28 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
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

Citations (1)

* Cited by examiner, † Cited by third party
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

Patent Citations (1)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
Title
k-means聚类算法在负荷曲线分类中的应用;刘莉等;《电力系统保护与控制》;20111201;第39卷(第23期);全文 *
面向负荷建模的变电站日负荷曲线在线分类方法及应用;蒋雯倩;《中国优秀硕士论文全文数据库工程科技辑》;20110315(第3期);第12-18、30、31、33、34页，2.2.1、2.2.2.2、2.3.1、3.1、3.3.1、3.2节 *

Also Published As

Publication number Publication date
CN103793788A (zh) 2014-05-14

Similar Documents

Publication Publication Date Title
CN103793788B (zh) 一种有序用电管理方法
CN104992239B (zh) 一种基于相关系数的行业用电量规律预测方法
CN104657788B (zh) 基于行业景气指数的重点行业用电量预测方法
CN105023066B (zh) 一种基于季节调整的业扩报装分析预测系统及方法
CN106991524A (zh) 一种台区线损率预估方法
CN110109971A (zh) 一种低压台区用户用电负荷特性分析方法
CN111027872A (zh) 一种区域用户的用电成熟度确定方法及系统
CN104123600A (zh) 一种面向典型行业大数据的电力经理指数趋势预测方法
CN103020459A (zh) 一种多维度用电行为的感知方法及系统
CN107437135B (zh) 一种新型储能选型方法
CN104537433A (zh) 基于存量容量与业扩报装特征的售电量预测方法
CN111401732B (zh) 一种水资源供需形势分层次识别方法
CN103942606A (zh) 基于果蝇智能优化算法的居民用电客户细分方法
CN103559303A (zh) 一种对数据挖掘算法的评估与选择方法
CN106355285A (zh) 一种基于参数修正的用电负荷预测方法
CN103853939A (zh) 一种基于社会经济因素影响的电力系统月度负荷的组合预测方法
CN108256724B (zh) 一种基于动态行业系数的配电网可开放容量规划方法
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
CN104092215B (zh) 配电变压器容量控制方法与系统
CN113962477A (zh) 一种产业电量关联聚集预测方法、装置、设备及存储介质
Mazlan et al. A smart building energy management using internet of things (IoT) and machine learning
CN106096774A (zh) 一种基于网格法的大面积区域全社会用电量预测方法
CN104091227B (zh) 一种城市用电用户的负荷密度分析方法
CN104252647B (zh) 基于反距离权重插值法的用电负荷预测方法
CN105005623A (zh) 基于关键词检索指数相关性分析的用电需求预测方法

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