CN104517160A - 基于容量利用特征的新型电力市场预测系统和方法 - Google Patents
基于容量利用特征的新型电力市场预测系统和方法 Download PDFInfo
- Publication number
- CN104517160A CN104517160A CN201410800218.5A CN201410800218A CN104517160A CN 104517160 A CN104517160 A CN 104517160A CN 201410800218 A CN201410800218 A CN 201410800218A CN 104517160 A CN104517160 A CN 104517160A
- Authority
- CN
- China
- Prior art keywords
- capacity
- electricity
- power
- prediction
- hourage
- 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
- 230000005611 electricity Effects 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000011161 development Methods 0.000 claims abstract description 28
- 238000004458 analytical method Methods 0.000 claims abstract description 26
- 238000011156 evaluation Methods 0.000 claims abstract description 12
- 238000007726 management method Methods 0.000 claims abstract description 9
- 238000013523 data management Methods 0.000 claims abstract description 4
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims description 12
- 238000013178 mathematical model Methods 0.000 claims description 7
- 238000010219 correlation analysis Methods 0.000 abstract description 3
- 238000010205 computational analysis Methods 0.000 abstract 1
- 230000000750 progressive effect Effects 0.000 abstract 1
- 238000011160 research Methods 0.000 description 18
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000003321 amplification Effects 0.000 description 3
- 238000007418 data mining Methods 0.000 description 3
- 238000003199 nucleic acid amplification method Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000013213 extrapolation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000003869 coulometry Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 230000005612 types of electricity Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于容量利用特征的新型电力市场预测系统和方法，所述系统包括基础数据管理模块；容量利用小时数计算分析模块、容量利用小时数主导因素辨识模块；关键指标建模；以及预测结果后评估与模型校正模块；本发明利用容量利用特征的规律性解析，采用渐进式的相关性分析方法辨析各售电类别电量发展变化的主导因素，之后基于主导因素对容量利用特征发展规律建立量化预测模型，形成创新性的基于容量利用特征的新型电力市场预测系统和方法，有效提升冀北电网电量预测精度水平，提升电网精益化、规范化管理水平，促进电网安全、优质和经济运行，为电力工作人员准确预测地区电量水平提供技术保证。
Description
技术领域
本发明属于电力领域，具体是一种基于容量利用特征的新型电力市场预测系统和方法。
背景技术
电量分析预测是结合过去及现在已知的经济形势、社会发展和售电市场状况，通过对历史数据的分析研究，探索掌握各相关因素与售电市场的内在联系及发展变化规律，从而根据对规划期内经济形势和社会发展的预测来科学的预测未来的电量需求状况。
无论是传统的预测思路还是现代的方法，它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。可粗略地将预测思路分为趋势外推和相关预测两类。趋势外推法仅仅是根据预测对象本身的历史数据寻找其变化规律，而相关法则是研究预测对象与其它因素之间的相互关系，并将这种关系外推到未来，根据未来其它因素的变化，计算出预测对象的预测值。
提高电力系统电量预测的准确度，可以提高电网的安全性和经济性，并可以改善电能的质量。精确的预测是电力工作人员所期望的，但影响电量预测的因素也是复杂多样、规律各异的，因此众多的学者不遗余力地进行售电量预测的研究，其主要的出发点大都是以更为先进的理论提高预测的准确性，为电力系统运行的经济性和安全性提供有力的保证。
近年来，国内外学者对电力系统电量预测的方法进行了大量的研究，电量预测在国外亦是电力学科重要的研究与应用领域，如何提高电量预测精度一直是各国学者追求的目标。
国外在电量预测研究探索领域仍倾向于智能领域算法(人工神经网络、模糊预测法、小波分析预测法等)应用的研究，但重点不在于如何发展和改进各类智能算法，而在于研究各类模型组成的混合算法，即通过不同预测技术的融合，取长补短，提高预测思路的性能。同时，在算法融合过程中，也由从前主要关注预测模型本身的优越性，向更加重视摸索售电结构自身发展规律的方向发展。但目前该类研究仅处于研究阶段，鲜有实际应用。
从国内来看，目前所见到的售电量预测研究工作，主要集中于预测思路，其中包括灰色预测法、回归分析法、时间序列法、人工智能法等。为了提高预测精度，组合模型也是一个重要的方向。但是，这些研究比较忽视对售电结构自身的规律性的深层次分析，忽视售电结构内在规律性的深层次挖掘对预测精度提升的重要作用，缺乏体系化的售电量规律性数值化分析方法研究，缺乏适用于当地售电量发展规律性的预测算法择优机制。
虽然在过去的几十年间，专家对售电市场分析预测思路进行了大量的研究和探索，其中包括灰色预测法、回归分析法、时间序列法、人工智能法等。当然，电量预测的综合模型也是一个重要的方向。这些研究往往专注于算法的复杂性，比较忽视对售电市场自身的规律性的深层次分析。常规的基于自然增长率式的分析预测已经无法适应时代发展的要求，经济形势的变化迫切要求电力公司深入了解售电市场的内在发展变化机制，并探寻其影响因素和规律性，更加科学的预测市场未来走势。
电量预测的准确性关系到电网规划设计与建设，关系到电源开发、电网建设、社会安定、居民生活及电力公司本身的发展，所以新型电力市场预测思路研究及应用将给电力工作人员带来非常重要的实用价值和现实意义。
发明内容
本发明的目的在于提供一种基于容量利用特征的新型电力市场预测系统和方法，旨在从用电根源出发，提取销售市场不同成员的容量利用特征，应对当前变化复杂的经济形势，揭示售电市场电量发展变化内因与外在驱动因素，对未来售电市场发展走势提供科学的判断依据。
为实现上述目的，本发明提供如下技术方案：
一种基于容量利用特征的新型电力市场预测系统，包括以下模块：
(1)基础数据管理模块：用于对本系统所需的相关基础数据的收集、查询、统计分析和管理，包括各售电类型和主要行业月电量、月运行容量、业扩容量、业扩发生时间、相关外在影响因素；
(2)容量利用小时数计算分析模块：用于自动计算不同售电类别或行业的容量利用小时数，统计其发展变化规律；
(3)容量利用小时数主导因素辨识模块：用于自动计算各类影响因素与容量利用小时数的相关关系，确定各类影响因素中最具有相关关系的指标作为分析预测决策关键指标；
(4)关键指标建模：用于基于确定的关键指标，智能识别容量利用小时数变化的数学模型。
作为本发明进一步的方案：还包括预测结果后评估与模型校正模块，其用于对各类型预测结果的评价，对预测精度进行跟踪反馈，以帮助系统和研究人员不断调整模型参数，使预测效果向优化方向发展。
一种基于容量利用特征的新型电力市场预测方法，包括以下步骤：
(1)对本系统所需的相关基础数据的收集、查询、统计分析和管理，包括各售电类型和主要行业月电量、月运行容量、业扩容量、相关外在影响因素；
(2)自动计算不同售电类别或行业的容量利用小时数，统计其发展变化规律；
(3)计算各类影响因素与容量利用小时数的相关关系，确定各类影响因素中最具有相关关系的指标作为分析预测决策关键指标；
(4)基于确定的关键指标，确定容量利用小时数变化的数学模型；
(5)对各类型预测结果的评价，对预测精度进行跟踪反馈。
与现有技术相比，本发明的有益效果是：
本发明彻底剖析了冀北地区各售电类别和各重要行业的用电特点，在此基础上分析各售电类别容量与电量的关系，利用渐进式的相关性分析方法辨析各售电类别电量发展变化的主导因素，之后基于主导因素对容量利用特征发展规律建立量化预测模型，形成创新性的基于容量利用特征的新型电力市场预测系统和方法，有效提升冀北电网电量预测精度水平，提升电网精益化、规范化管理水平，促进电网安全、优质和经济运行，为电力工作人员准确预测地区电量水平提供技术保证。
本发明将为冀北电力公司发展策划工作人员开展预测工作提供技术保障和理论指导，该预测模型将有效提升冀北电力公司电量预测精度水平。其效益体现在以下几个方面：
(1)售电量预测是电力系统经济运行的前提和基础，预测的准确性对电力系统的安全经济运行和国民经济发展具有重要的意义。随着电力系统市场化改革的深入和电网商业化运营的发展，准确地预测出地区的月售电量水平，对于决策者合理地安排购电计划，不仅影响到电网安全可靠供电，而且影响到电网企业生产经营决策及经济效益。
(1.1)当预测值小于实际值、且实际负荷超过供电能力时，不能满足用电需求，可能造成拉路限电，给工农业生产及人们的生活用电带来不可估量的损失。
(1.2)当预测值大于实际值，将造成购电损失，或者在发电过程中产生弃水等问题。因此，提高预测精度，就是增加社会经济效益。
(2)低碳经济，节能环保将是未来我国的国策。准确的售电量预测是基础，它为购电机组的合理安排提供基本保障，降低电厂的生产成本从而达到低碳经济，节能环保。
具体实施方式
下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
任何电力客户的用电必须基于一定的容量，可以说容量是制约客户用电水平的重要因素。电力销售市场由两部分容量构成，一部分为存量容量，一部分为业扩增量，电力需求的变化由存量容量的增减变化和业扩增量的报装情况两部分共同构成。存量容量是电力销售市场的基础，其需求直接决定了销售市场的电量基值；而业扩增量是必将对未来电量产生绝对影响的基础。因此本发明提出了一种基于容量利用特征的新型电力市场预测系统和方法，旨在从用电根源出发，提取销售市场不同成员的容量利用特征和业扩报装特征，应对当前变化复杂的经济形势，揭示售电市场电量发展变化内因与外在驱动因素，对未来售电市场发展走势提供科学的判断依据。
本发明通过研究以下内容分布到各模块中，以实现系统智能化的结果展现。
(1)冀北地区电网电力销售市场分析
本发明首先对冀北地区整体经济、售电市场运行现状进行综合分析，彻底掌握该地区售电市场总体运行特征、冀北地区电力销售市场结构和重点分析预测对象。
(2)数据的调研与收资
本发明以容量、电量数据进行研究基础，对冀北地区各售电类别、主要行业近年来逐月运行容量、电量等数据进行数据收资。
(3)容量利用特征研究
本发明将分售电类别、分主要行业，研究分类别容量与分类别售电量之间的关系，求取各类别容量的年度利用小时数，并研究该利用小时数的发展变化规律性。
(4)各售电类别、主要行业外在影响因素研究
电力需求的变化受到众多外在因素的影响，本发明将研究气象因素、经济环境、主导行业发展产业链、上下游相关行业等影响冀北电力市场的外在相关因素，并进行大范围的外部数据收资，为容量利用特征建模服务。
(5)主导因素辨析与预测建模
本发明将根据各售电类别容量利用小时数的变化规律，并结合外部收资的影响因素及内在业扩容量的变化规律，构建影响不同行业和售电类别的主导因素辨析机制，并基于主导因素对不同售电类别、主要行业分别研究基于容量利用小时数的预测建模，形成基于容量利用特征的新型电力市场预测系统和方法，可适用于年度、月度预测。
(6)预测结果后评估
本发明将实现各类型预测结果的评价，对预测精度进行跟踪反馈，以帮助系统和研究人员不断调整模型参数，使预测效果向优化方向发展。
上述研究内容和思路，将可以实现对所有地区分别依据其不同的产业结构及重点售电类别，实现全流程的分析与预测，最终形成分别适用于所有地区的新型电力市场预测系统。
一种基于容量利用特征的新型电力市场预测系统，包括以下模块：
(1)基础数据管理模块：用于对本系统所需的相关基础数据的收集、查询、统计分析和管理，包括各售电类型和主要行业月电量、月运行容量、业扩容量、业扩发生时间、相关外在影响因素；
(2)容量利用小时数计算分析模块：用于自动计算不同售电类别或行业的容量利用小时数，统计其发展变化规律；
(3)容量利用小时数主导因素辨识模块：用于自动计算各类影响因素与容量利用小时数的相关关系，确定各类影响因素中最具有相关关系的指标作为分析预测决策关键指标；
(4)关键指标建模：用于基于确定的关键指标，智能识别容量利用小时数变化的数学模型。
(5)预测结果后评估与模型校正模块：用于对各类型预测结果的评价，对预测精度进行跟踪反馈，以帮助系统和研究人员不断调整模型参数，使预测效果向优化方向发展。
一种基于容量利用特征的新型电力市场预测方法，包括以下步骤：
(1)对本系统所需的相关基础数据的收集、查询、统计分析和管理，包括各售电类型和主要行业月电量、月运行容量、业扩容量、相关外在影响因素；
(2)自动计算不同售电类别或行业的容量利用小时数，统计其发展变化规律；
(3)计算各类影响因素与容量利用小时数的相关关系，确定各类影响因素中最具有相关关系的指标作为分析预测决策关键指标；
(4)基于确定的关键指标，确定容量利用小时数变化的数学模型；
(5)对各类型预测结果的评价，对预测精度进行跟踪反馈。以帮助系统和研究人员不断调整模型参数，使预测效果向优化方向发展。
本发明基于容量利用小时数变化数学模型和业扩容量变化情况，形成研究电力市场的预测，可实现容量产生电量预测，可改变外在输入条件，实现不同外在经济场景预测，使预测更具有市场依据。
本发明研究的理论依据包括售电量预测问题涵盖了电力系统分析理论、预测理论、统计学理论、数据挖掘技术、优化理论、信息技术等学科。
主要理论依据如下：
(1)电力系统分析理论
精细化的售电量预测需要从售电市场结构分析入手，确定预测的对象，从EMS中获取历史数据，这必须依赖于电力系统分析理论的支持，研究不同售电类别和不同行业影响售电量预测的业扩类型与不同业扩类型下的用电生长曲线，这必须依赖于扎实的电力系统分析基础。
(2)预测理论
预测，是一类科学问题的总称，是对尚未发生或目前还不明确的事物进行预先的估计和推测。科学的预测是正确决策的依据和保证。许多行业和领域，都会遇到预测问题。预测是在一定的理论指导下，以事物发展的历史和现状为出发点，以调查研究所取得的资料和统计数据为依据，在对事物发展过程进行深刻的定性分析和严密的定量计算的基础上，研究并认识事物的发展变化规律，进而对事物发展的未来变化预先做出科学的推测。
(3)数学优化方法
优化理论是预测的基础。售电量预测涉及到大规模非线性规划理论与方法，主要包括该问题的最优性判断的定理、非线性规划的对偶定理与方法、二次规划和各种非线性规划的计算方法。
(4)模式识别与数据挖掘技术
售电量历史规律分析的关键技术在于实现历史数据的数据挖掘、相关因素分析和聚类分析，因此模式识别技术对售电量预测有重要的理论价值。
(5)统计学理论
大量的售电量历史数据、业扩容量数据及众多影响因素，需要扎实的统计学理论基础，主要包括相关分析、回归分析、统计分布等等。
上面对本专利的较佳实施方式作了详细说明，但是本专利并不限于上述实施方式，在本领域的普通技术人员所具备的知识范围内，还可以在不脱离本专利宗旨的前提下做出各种变化。
Claims (3)
1.一种基于容量利用特征的新型电力市场预测系统，其特征在于，包括以下模块：
(1)基础数据管理模块：用于对本系统所需的相关基础数据的收集、查询、统计分析和管理，包括各售电类型和主要行业月电量、月运行容量、业扩容量、业扩发生时间、相关外在影响因素；
(2)容量利用小时数计算分析模块：用于自动计算不同售电类别或行业的容量利用小时数，统计其发展变化规律；
(3)容量利用小时数主导因素辨识模块：用于自动计算各类影响因素与容量利用小时数的相关关系，确定各类影响因素中最具有相关关系的指标作为分析预测决策关键指标；
(4)关键指标建模：用于基于确定的关键指标，智能识别容量利用小时数变化的数学模型。
2.根据权利要求1所述的基于容量利用特征的新型电力市场预测系统和方法，其特征在于，还包括预测结果后评估与模型校正模块，其用于对各类型预测结果的评价，对预测精度进行跟踪反馈。
3.一种基于容量利用特征的新型电力市场预测方法，其特征在于，包括以下步骤：
(1)对本系统所需的相关基础数据的收集、查询、统计分析和管理，包括各售电类型和主要行业月电量、月运行容量、业扩容量、相关外在影响因素；
(2)自动计算不同售电类别或行业的容量利用小时数，统计其发展变化规律；
(3)计算各类影响因素与容量利用小时数的相关关系，确定各类影响因素中最具有相关关系的指标作为分析预测决策关键指标；
(4)基于确定的关键指标，确定容量利用小时数变化的数学模型；
(5)对各类型预测结果的评价，对预测精度进行跟踪反馈。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410800218.5A CN104517160A (zh) | 2014-12-18 | 2014-12-18 | 基于容量利用特征的新型电力市场预测系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410800218.5A CN104517160A (zh) | 2014-12-18 | 2014-12-18 | 基于容量利用特征的新型电力市场预测系统和方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN104517160A true CN104517160A (zh) | 2015-04-15 |
Family
ID=52792420
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410800218.5A Pending CN104517160A (zh) | 2014-12-18 | 2014-12-18 | 基于容量利用特征的新型电力市场预测系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104517160A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107146015A (zh) * | 2017-05-02 | 2017-09-08 | 联想(北京)有限公司 | 多变量时间序列预测方法和系统 |
| CN110598994A (zh) * | 2019-08-19 | 2019-12-20 | 国网冀北电力有限公司 | 一种风电利用小时影响因素贡献度分析方法和装置 |
| CN110705806A (zh) * | 2019-10-16 | 2020-01-17 | 国家电网有限公司 | 一种基于容量利用小时数的电量预测方法 |
| CN114336609A (zh) * | 2021-12-30 | 2022-04-12 | 安徽蓝色未来数字科技有限公司 | 一种针对工业大用户业扩报装容量需求的预测方法 |
-
2014
- 2014-12-18 CN CN201410800218.5A patent/CN104517160A/zh active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107146015A (zh) * | 2017-05-02 | 2017-09-08 | 联想(北京)有限公司 | 多变量时间序列预测方法和系统 |
| CN110598994A (zh) * | 2019-08-19 | 2019-12-20 | 国网冀北电力有限公司 | 一种风电利用小时影响因素贡献度分析方法和装置 |
| CN110598994B (zh) * | 2019-08-19 | 2022-10-25 | 国网冀北电力有限公司 | 一种风电利用小时影响因素贡献度分析方法和装置 |
| CN110705806A (zh) * | 2019-10-16 | 2020-01-17 | 国家电网有限公司 | 一种基于容量利用小时数的电量预测方法 |
| CN110705806B (zh) * | 2019-10-16 | 2023-04-07 | 国家电网有限公司 | 一种基于容量利用小时数的电量预测方法 |
| CN114336609A (zh) * | 2021-12-30 | 2022-04-12 | 安徽蓝色未来数字科技有限公司 | 一种针对工业大用户业扩报装容量需求的预测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113962364B (zh) | 一种基于深度学习的多因素用电负荷预测方法 | |
| Fitiwi et al. | A new approach of clustering operational states for power network expansion planning problems dealing with RES (renewable energy source) generation operational variability and uncertainty | |
| CN111291963B (zh) | 一种协调经济性与可靠性的园区综合能源系统规划方法 | |
| CN109858843A (zh) | 一种配电网项目投资决策评价方法 | |
| CN104537433A (zh) | 基于存量容量与业扩报装特征的售电量预测方法 | |
| CN106779280B (zh) | 一种二次设备大修技改的决策确定方法及系统 | |
| CN104657788A (zh) | 基于行业景气指数的重点行业用电量预测方法 | |
| CN103745280A (zh) | 用电量预测方法、装置及处理器 | |
| CN104517160A (zh) | 基于容量利用特征的新型电力市场预测系统和方法 | |
| CN109636033B (zh) | 一种分布式光伏项目自发自用综合电价预测方法 | |
| CN104699890A (zh) | 一种城网配变重过载短期预警模型的建模方法 | |
| KR101874261B1 (ko) | 물-에너지-식량 연계 해석에 기초하여 자원정책 결정을 지원하는 시스템 및 방법 | |
| CN105701729A (zh) | 一种基于电力景气指数的电量预测方法 | |
| CN113570414A (zh) | 基于改进Adam算法优化深度神经网络的电价预测方法 | |
| Chen et al. | Post-evaluation on financial support highway traffic project based on BP neural network algorithm | |
| CN115905319B (zh) | 一种海量用户电费异常的自动识别方法及系统 | |
| Niu et al. | WPFSAD: Wind Power Forecasting System Integrating Dual-Stage Attention and Deep Learning | |
| Bai et al. | A spatial load forecasting method based on the theory of clustering analysis | |
| Chen et al. | Decoupling based monthly net electricity consumption prediction model considering high penetration of distributed solar PV systems | |
| Loktionov et al. | Seasonal decomposition application for the energy consumption analysis of cities | |
| Hongzhan et al. | Comprehensive evaluation for transmission network planning scheme based on entropy weight method and VIKOR method | |
| Li et al. | The Potential of Electrifying China's Energy Use: an Analysis Based on STIRPAT Model. | |
| Han et al. | Requirements analysis and application research of big data in power network dispatching and planning | |
| CN107730046A (zh) | 一种电力短期负荷预测系统及方法 | |
| Baskys et al. | Calculation of electrical energy balances of production systems based on probabilistic-statistical approach |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150415 |
|
| RJ01 | Rejection of invention patent application after publication |