CN104766245A - 一种基于气象信息和熵权理论的电缆负荷曲线估算方法 - Google Patents
一种基于气象信息和熵权理论的电缆负荷曲线估算方法 Download PDFInfo
- Publication number
- CN104766245A CN104766245A CN201510119577.9A CN201510119577A CN104766245A CN 104766245 A CN104766245 A CN 104766245A CN 201510119577 A CN201510119577 A CN 201510119577A CN 104766245 A CN104766245 A CN 104766245A
- Authority
- CN
- China
- Prior art keywords
- season
- day
- month
- load
- benchmark
- 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
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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明公开了一种基于气象信息和熵权理论的电缆负荷曲线估算方法,包括以下步骤:1)画出气象坐标图,确定基准负荷所对应的气象象限(简称为基准气象象限);2)确定位于基准气象象限中的代表日;3)基于熵权理论,确定一个季度中各个月份的负荷信息所占权重;4)求取一个季度的电缆基准日负荷曲线。本发明有利于了解各个电缆线路上的负荷波动情况,便于进一步对电缆上的负荷进行合理预测,有利于在现有电缆线路上对负荷进行合理调配,从而实现整个电网的利用率最优,以更经济的方式保证电网的安全稳定运行。
Description
技术领域
本发明涉及电力系统的技术领域,尤其是指一种基于气象信息和熵权理论的电缆负荷曲线估算方法。
背景技术
随着经济社会的快速发展,人民生活水平的日益提高,用电负荷的波动也越来越明显,了解各个电缆线路上的负荷波动情况,有利于在现有电缆线路上对负荷进行合理调配,从而实现整个电网的利用率最优,以更经济的方式保证电网的安全稳定运行。
电缆的负荷波动收到工作日与非工作日、时间段、天气情况等诸多因素的影响。由于工作日更有可能超过电缆负荷额定值,故对工作日的电缆负荷进行估算更具有实际意义。而目前常用的电缆负荷估算方法常常将各天的负荷情况不加筛选地进行数学上的简单拟合,与电缆负荷运行实际相差较远。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于气象信息和熵权理论的电缆负荷曲线估算方法,该方法能够充分利用各种气象信息,并通过引入熵权理论来确定一个季度中各个月的负荷信息在拟合复合曲线时所占权重,最终求得基准负荷曲线,使得负荷的估算更能体现电缆的运行实际,并具备相对严谨的理论基础。
为实现上述目的,本发明所提供的技术方案为:一种基于气象信息和熵权理论的电缆负荷曲线估算方法,包括以下步骤:
1)画出气象坐标图,确定基准负荷所对应的气象象限,简称为基准气象象限,由于电缆的负荷容易受到气象条件的影响,如果想确定电缆一个季度中具有代表性的负荷曲线,就必须要确定一个季度中具有代表性的气象条件,防止突发的天气状况所产生的电缆负荷波动影响基准负荷曲线的准确度,而确定基准气象条件的方法即构建基准气象象限,该基准气象象限能够考虑所有的气象因素;
2)确定位于基准气象象限中的代表工作日,将各个工作日的气象信息均标识到基准气象象限中,筛选得到在基准气象象限中的工作日即为代表工作日,进行负荷曲线估算,而在基准气象象限之外的工作日的负荷信息为不参与负荷曲线估算的非代表工作日;
3)基于熵权理论,确定一个季度中各个月份的负荷信息所占权重,其中,基准工作日的当日最大负荷与各气象因素之间的相关系数绝对值越小,则认为该日负荷亦越接近基准负荷,则该日负荷曲线在拟合基准负荷曲线时应占据较大权重,如果以月份为单位,即认为同一个月份之中的日负荷与天气的相关关系是相同的,基于这种考虑,采取以日最大负荷与各个气象因素的相关系数作为衡量所选取的代表日负荷对基准负荷曲线贡献程度的衡量指标,并且采用熵权法对此指标进行权重评定,求得各基准负荷日曲线对本季度基准负荷的贡献程度即权重,包括以下步骤:
3.1)各季节逐月的综合衡量指标计算
通过计算某季度的基准工作日的最大负荷与当日最高气温的相关系数,最大负荷与当日降雨量的相关系数,最大负荷与当日相对湿度的相关系数,采用这三个相关系数的绝对值之和作为衡量每个基准工作日对该季节代表日基准负荷曲线的贡献程度,前者越小,则该基准工作日对该季节代表日基准负荷曲线的贡献程度越大,如下:
令Pmax,d,m表示该季度m月的基准工作日d的最大负荷,td,m表示当日最高气温,rd,m表示当日降水量,sd,m表示当日相对湿度,则有:
式中,αt,m表示该季度m月基准工作日最大负荷相对日最高气温的相关系数;Dm代表m月的基准工作日天数;且||表示取绝对值;
同理,令αr,m表示该季节m月基准工作日最大负荷相对日降雨量的相关系数,则有:
式中,
同样,令αs,m表示该季节m月基准工作日最大负荷相对相对湿度的相关系数,则有:
式中,
因此,令βm,y作为衡量第y年该季度m月基准工作日对该季度代表日基准负荷曲线的贡献程度的指标,αt,m,αr,m和αs,m均省略了表示当年年份的下标y,因此有:
βm,y=αt,m+αr,m+αs,m;
3.2)指标的同度量化和坐标平移
由于各项指标βm,y的量纲单位相同,且非负,且均为低优指标,因此不需对指标进行同度量化和坐标平移;
3.3)计算指标βm,y的比率,即:
式中,表示在一定历史年份即Y年中相同季节的相同m月的已同度量化和坐标平移的指标βm,k值之和;
3.4)计算指标βm,y的熵值,即:
且有em,y∈[0,1];
3.5)计算指标βm,y的差异性系数,即:
θm,y=1-em,y
3.6)计算指标βm,y对应的熵权系数,即:
其中,由于每个季度有三个月份,故有三个指标,故i=1,2,3;
由此,就求得一个季度中三个月份各个月的负荷信息所占权重,显然,由于三个月份的基准负荷曲线构成一个季度的总的基准负荷曲线,故有:
4)求取一个季度的电缆基准日负荷曲线
由上述计算步骤,最终得到综合了气象因素以及该季度各月份各基准工作日的负荷曲线所得到的该季度电缆基准日负荷曲线为:
式中,py,A,m,d,h表示第y年A季第m月的基准工作日d的h时刻的负荷值,Py,A,h即为最终求得的该年A季基准负荷估算曲线。
在步骤1)中,以日最高气温为x坐标,该日降雨量为y坐标,该日相对湿度为z坐标,则代表月份中的每个工作日可用坐标来表示,其中,t,r,s分别表示工作日的日最高气温、降雨量和相对湿度,下标im=1,2,3...,Dm表示该季节三个月中第m月的第i个工作日,Dm表示该季节第m月的工作日天数;
将基准气象象限的划分原则规定如下:将日最高温度小于月平均温度即定义月平均温度为一个月中每天日最高温度的平均值、降水量小于月平均降水量、相对湿度小于月平均相对湿度的气象象限的部分定义为该月的月基准气象象限。
本发明与现有技术相比,具有如下优点与有益效果:
1、本发明提出了一种基于气象信息和熵权理论的电缆负荷曲线估算方法,这种估算更能体现电缆的运行实际,并具备相对严谨的理论基础;
2、本发明有利于了解各个电缆线路上的负荷波动情况,便于进一步对电缆上的负荷进行合理预测,有利于在现有电缆线路上对负荷进行合理调配,从而实现整个电网的利用率最优,以更经济的方式保证电网的安全稳定运行。
附图说明
图1为基准气象象限示意图。
图2为筛选代表工作日气象坐标图。
具体实施方式
下面结合具体实施例对本发明作进一步说明。
本实施例所述的基于气象信息和熵权理论的电缆负荷曲线估算方法,是以季度为单位,求取一个季度之中的每一个工作日都基本遵循的电缆基准日负荷曲线,充分利用了各种气象信息在工作日中筛选出具有代表性的代表工作日,并通过将气象信息与熵权理论相结合对每一个季度中各个月的负荷信息进行权重分配,最终求得该季度的电缆日负荷基准曲线。其具体情况如下:
1)画出气象坐标图,确定基准负荷所对应的气象象限(简称为基准气象象限),由于电缆的负荷容易受到温度、湿度、降水量等气象条件的影响,如果想确定电缆一个季度中具有代表性的负荷曲线,就必须要确定一个季度中具有代表性的气象条件,防止某些突发的天气状况所产生的电缆负荷波动影响基准负荷曲线的准确度。确定基准气象条件的方法即构建基准气象象限,该基准气象象限能够考虑所有的气象因素,如:气温、降雨量、相对湿度、风速、日照量等。
为论述的更清晰,以下以日最高气温、相对湿度、降雨量三项气象因素构建的月份气象坐标图为例来说明问题。其中,以日最高气温为x坐标,该日降雨量为y坐标,该日相对湿度为z坐标,则代表月份中的每个工作日可用坐标来表示,其中,t,r,s分别表示工作日的日最高气温、降雨量和相对湿度,下标im=1,2,3...,Dm表示该季节三个月中第m月的第i个工作日,Dm表示该季节第m月的工作日天数。
将基准气象象限的划分原则规定如下:将日最高温度小于月平均温度(定义月平均温度为一个月中每天日最高温度的平均值)、降水量小于月平均降水量、相对湿度小于月平均相对湿度的气象象限的部分定义为该月的月基准气象象限。
例如,某年夏季5月平均温度为30℃、平均降水量为大雨,平均相对湿度为60%,可得基准气象象限如图1所示。
而其它几个象限则为天气骤然变化的不具有代表性的负荷的气象象限。考虑的气象因素越多,则该气象坐标图维数越高,且更为复杂。
2)确定位于基准气象象限中的代表日
将各个工作日的气象信息均标识到气象象限中,筛选得到在基准气象象限中的工作日即为代表工作日,进行负荷曲线估算,而在基准气象象限之外的工作日的负荷信息为不参与负荷曲线估算的非代表工作日,如图2所示。
3)基于熵权理论,确定一个季度中各个月份的负荷信息所占权重
基准工作日的当日最大负荷与各气象因素之间的相关系数绝对值越小,则认为该日负荷亦越接近基准负荷,则该日负荷曲线在拟合基准负荷曲线时应占据较大权重。如果以月份为单位,即认为同一个月份之中的日负荷与天气的相关关系是相同的,基于这种考虑,采取以日最大负荷与各个气象因素的相关系数作为衡量所选取的代表日负荷对基准负荷曲线贡献程度的衡量指标,并且采用熵权法对此指标进行权重评定,求得各基准负荷日曲线对本季度基准负荷的贡献程度(即权重)。
所采用的熵权法是一种客观赋权法。这种方法避免了人为因素带来的偏差,且相对其他赋权法其计算也较为简单。具体步骤如下:
3.1)各季节逐月的综合衡量指标计算
通过计算某季度的基准工作日的最大负荷与当日最高气温的相关系数,最大负荷与当日降雨量的相关系数,最大负荷与当日相对湿度的相关系数,采用这三个相关系数的绝对值之和作为衡量每个基准工作日对该季节代表日基准负荷曲线的贡献程度,前者越小,则该基准工作日对该季节代表日基准负荷曲线的贡献程度越大,如下:
令Pmax,d,m表示该季度m月的基准工作日d的最大负荷,td,m表示当日最高气温,rd,m表示当日降水量,sd,m表示当日相对湿度,则有:
式中,αt,m表示该季度m月基准工作日最大负荷相对日最高气温的相关系数;Dm代表m月的基准工作日天数;且||表示取绝对值;
同理,令αr,m表示该季节m月基准工作日最大负荷相对日降雨量的相关系数,则有:
式中,
同样,令αs,m表示该季节m月基准工作日最大负荷相对相对湿度的相关系数,则有:
式中,
因此,令βm,y作为衡量第y年该季度m月基准工作日对该季度代表日基准负荷曲线的贡献程度的指标,αt,m,αr,m和αs,m均省略了表示当年年份的下标y,因此有:
βm,y=αt,m+αr,m+αs,m;
3.2)指标的同度量化和坐标平移
由于各项指标βm,y的量纲单位相同,且非负,且均为低优指标,因此不需对指标进行同度量化和坐标平移;
3.3)计算指标βm,y的比率,即:
式中,表示在一定历史年份(Y年)中相同季节的相同m月的指标βm,k(已同度量化和坐标平移)的值之和;
3.4)计算指标βm,y的熵值,即:
且有em,y∈[0,1];
3.5)计算指标βm,y的差异性系数,即:
θm,y=1-em,y
3.6)计算指标βm,y对应的熵权系数,即:
其中,由于每个季度有三个月份,故有三个指标,故i=1,2,3;
由此,就求得一个季度中三个月份各个月的负荷信息所占权重,显然,由于三个月份的基准负荷曲线构成一个季度的总的基准负荷曲线,故有:
4)求取一个季度的电缆基准日负荷曲线
由上述计算步骤,最终得到综合了气象因素以及该季度各月份各基准工作日的负荷曲线所得到的该季度电缆基准日负荷曲线为:
式中,py,A,m,d,h表示第y年A季第m月的基准工作日d的h时刻的负荷值,Py,A,h即为最终求得的该年A季基准负荷估算曲线。
以上所述之实施例子只为本发明之较佳实施例,并非以此限制本发明的实施范围,故凡依本发明之形状、原理所作的变化,均应涵盖在本发明的保护范围内。
Claims (2)
1.一种基于气象信息和熵权理论的电缆负荷曲线估算方法,其特征在于,包括以下步骤:
1)画出气象坐标图,确定基准负荷所对应的气象象限,简称为基准气象象限,由于电缆的负荷容易受到气象条件的影响,如果想确定电缆一个季度中具有代表性的负荷曲线,就必须要确定一个季度中具有代表性的气象条件,防止突发的天气状况所产生的电缆负荷波动影响基准负荷曲线的准确度,而确定基准气象条件的方法即构建基准气象象限,该基准气象象限能够考虑所有的气象因素;
2)确定位于基准气象象限中的代表工作日,将各个工作日的气象信息均标识到基准气象象限中,筛选得到在基准气象象限中的工作日即为代表工作日,进行负荷曲线估算,而在基准气象象限之外的工作日的负荷信息为不参与负荷曲线估算的非代表工作日;
3)基于熵权理论,确定一个季度中各个月份的负荷信息所占权重,其中,基准工作日的当日最大负荷与各气象因素之间的相关系数绝对值越小,则认为该日负荷亦越接近基准负荷,则该日负荷曲线在拟合基准负荷曲线时应占据较大权重,如果以月份为单位,即认为同一个月份之中的日负荷与天气的相关关系是相同的,基于这种考虑,采取以日最大负荷与各个气象因素的相关系数作为衡量所选取的代表日负荷对基准负荷曲线贡献程度的衡量指标,并且采用熵权法对此指标进行权重评定,求得各基准负荷日曲线对本季度基准负荷的贡献程度即权重,包括以下步骤:
3.1)各季节逐月的综合衡量指标计算
通过计算某季度的基准工作日的最大负荷与当日最高气温的相关系数,最大负荷与当日降雨量的相关系数,最大负荷与当日相对湿度的相关系数,采用这三个相关系数的绝对值之和作为衡量每个基准工作日对该季节代表日基准负荷曲线的贡献程度,前者越小,则该基准工作日对该季节代表日基准负荷曲线的贡献程度越大,如下:
令Pmax,d,m表示该季度m月的基准工作日d的最大负荷,td,m表示当日最高气温,rd,m表示当日降水量,sd,m表示当日相对湿度,则有:
式中,αt,m表示该季度m月基准工作日最大负荷相对日最高气温的相关系数;Dm代表m月的基准工作日天数;且 ||表示取绝对值;
同理,令αr,m表示该季节m月基准工作日最大负荷相对日降雨量的相关系数,则有:
式中,
同样,令αs,m表示该季节m月基准工作日最大负荷相对相对湿度的相关系数,则有:
式中,
因此,令βm,y作为衡量第y年该季度m月基准工作日对该季度代表日基准负荷曲线的贡献程度的指标,αt,m,αr,m和αs,m均省略了表示当年年份的下标y,因此有:
βm,y=αt,m+αr,m+αs,m;
3.2)指标的同度量化和坐标平移
由于各项指标βm,y的量纲单位相同,且非负,且均为低优指标,因此不需对指标进行同度量化和坐标平移;
3.3)计算指标βm,y的比率,即:
式中,表示在一定历史年份即Y年中相同季节的相同m月的已同度量化和坐标平移的指标βm,k值之和;
3.4)计算指标βm,y的熵值,即:
且有em,y∈[0,1];
3.5)计算指标βm,y的差异性系数,即:
θm,y=1-em,y
3.6)计算指标βm,y对应的熵权系数,即:
其中,由于每个季度有三个月份,故有三个指标,故i=1,2,3;
由此,就求得一个季度中三个月份各个月的负荷信息所占权重,显然,由于三个月份的基准负荷曲线构成一个季度的总的基准负荷曲线,故有:
4)求取一个季度的电缆基准日负荷曲线
由上述计算步骤,最终得到综合了气象因素以及该季度各月份各基准工作日的负荷曲线所得到的该季度电缆基准日负荷曲线为:
式中,py,A,m,d,h表示第y年A季第m月的基准工作日d的h时刻的负荷值,Py,A,h即为最终求得的该年A季基准负荷估算曲线。
2.根据权利要求1所述的一种基于气象信息和熵权理论的电缆负荷曲线估算方法,其特征在于:在步骤1)中,以日最高气温为x坐标,该日降雨量为y坐标,该日相对湿度为z坐标,则代表月份中的每个工作日可用坐标来表示,其中,t,r,s分别表示工作日的日最高气温、降雨量和相对湿度,下标im=1,2,3...,Dm表示该季节三个月中第m月的第i个工作日,Dm表示该季节第m月的工作日天数;
将基准气象象限的划分原则规定如下:将日最高温度小于月平均温度即定义月平均温度为一个月中每天日最高温度的平均值、降水量小于月平均降水量、相对湿度小于月平均相对湿度的气象象限的部分定义为该月的月基准气象象限。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510119577.9A CN104766245B (zh) | 2015-03-18 | 2015-03-18 | 一种基于气象信息和熵权理论的电缆负荷曲线估算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510119577.9A CN104766245B (zh) | 2015-03-18 | 2015-03-18 | 一种基于气象信息和熵权理论的电缆负荷曲线估算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104766245A true CN104766245A (zh) | 2015-07-08 |
CN104766245B CN104766245B (zh) | 2018-01-05 |
Family
ID=53648058
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510119577.9A Active CN104766245B (zh) | 2015-03-18 | 2015-03-18 | 一种基于气象信息和熵权理论的电缆负荷曲线估算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104766245B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105184041A (zh) * | 2015-07-09 | 2015-12-23 | 广西电网有限责任公司电力科学研究院 | 一种输电线路气象特征的样条插值分析方法 |
CN108205788A (zh) * | 2016-12-16 | 2018-06-26 | 国家电网公司 | 一种外源数据实时爬取的多指标电力负荷曲线分析系统 |
CN109670670A (zh) * | 2018-11-13 | 2019-04-23 | 上海电器科学研究所(集团)有限公司 | 一种划分季节属性的电力负荷拆分方法 |
CN110109971A (zh) * | 2019-04-19 | 2019-08-09 | 国网天津市电力公司电力科学研究院 | 一种低压台区用户用电负荷特性分析方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102567814A (zh) * | 2012-01-31 | 2012-07-11 | 河南省电力公司南阳供电公司 | 一种区域电网降温负荷预测的计算方法 |
CN102819770A (zh) * | 2012-08-02 | 2012-12-12 | 积成电子股份有限公司 | 基于人体舒适度指数的配电网短期负荷预测方法 |
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 |
US20140056335A1 (en) * | 2012-08-22 | 2014-02-27 | Electronics And Telecommunications Research Institute | Adaptive coding and modulation apparatus and method for forward link in satellite communication |
US8752796B2 (en) * | 2011-09-02 | 2014-06-17 | Sikorsky Aircraft Corporation | Automatic jettison system for a rotorcraft |
US9053439B2 (en) * | 2012-09-28 | 2015-06-09 | Hewlett-Packard Development Company, L.P. | Predicting near-future photovoltaic generation |
-
2015
- 2015-03-18 CN CN201510119577.9A patent/CN104766245B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8752796B2 (en) * | 2011-09-02 | 2014-06-17 | Sikorsky Aircraft Corporation | Automatic jettison system for a rotorcraft |
CN102567814A (zh) * | 2012-01-31 | 2012-07-11 | 河南省电力公司南阳供电公司 | 一种区域电网降温负荷预测的计算方法 |
CN102819770A (zh) * | 2012-08-02 | 2012-12-12 | 积成电子股份有限公司 | 基于人体舒适度指数的配电网短期负荷预测方法 |
US20140056335A1 (en) * | 2012-08-22 | 2014-02-27 | Electronics And Telecommunications Research Institute | Adaptive coding and modulation apparatus and method for forward link in satellite communication |
US9053439B2 (en) * | 2012-09-28 | 2015-06-09 | Hewlett-Packard Development Company, L.P. | Predicting near-future photovoltaic generation |
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 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105184041A (zh) * | 2015-07-09 | 2015-12-23 | 广西电网有限责任公司电力科学研究院 | 一种输电线路气象特征的样条插值分析方法 |
CN108205788A (zh) * | 2016-12-16 | 2018-06-26 | 国家电网公司 | 一种外源数据实时爬取的多指标电力负荷曲线分析系统 |
CN108205788B (zh) * | 2016-12-16 | 2021-11-02 | 国家电网公司 | 一种外源数据实时爬取的多指标电力负荷曲线分析系统 |
CN109670670A (zh) * | 2018-11-13 | 2019-04-23 | 上海电器科学研究所(集团)有限公司 | 一种划分季节属性的电力负荷拆分方法 |
CN109670670B (zh) * | 2018-11-13 | 2022-12-27 | 上海电器科学研究所(集团)有限公司 | 一种划分季节属性的电力负荷拆分方法 |
CN110109971A (zh) * | 2019-04-19 | 2019-08-09 | 国网天津市电力公司电力科学研究院 | 一种低压台区用户用电负荷特性分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104766245B (zh) | 2018-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hanna et al. | Energy dispatch schedule optimization for demand charge reduction using a photovoltaic-battery storage system with solar forecasting | |
US10339682B2 (en) | Method and apparatus for energy data visualization | |
CN104766245A (zh) | 一种基于气象信息和熵权理论的电缆负荷曲线估算方法 | |
CN103971169A (zh) | 一种基于云量模拟的光伏超短期发电功率的预测方法 | |
CN104217108B (zh) | 一种并网光伏逆变器转换效率综合评价方法 | |
CN107563554B (zh) | 一种统计降尺度模型预报因子的筛选方法 | |
US8553035B2 (en) | Method and apparatus for electrical power visualization | |
Ruf | Limitations for the feed-in power of residential photovoltaic systems in Germany–An overview of the regulatory framework | |
CN102254239A (zh) | 基于微地形风场分布及台风叠加效应的电网风灾预警系统 | |
EP2713321A2 (en) | Method and system for demand response management | |
CN102426674A (zh) | 一种基于马尔科夫链的电力系统负荷预测方法 | |
JP5989754B2 (ja) | 予測装置 | |
Stewart et al. | A realistic irradiance-based voltage flicker analysis of PV applied to Hawaii distribution feeders | |
CN109299814B (zh) | 一种气象影响电量分解预测方法 | |
CN111784030B (zh) | 一种基于空间相关性的分布式光伏功率预测方法及装置 | |
Reimuth et al. | Influence of different battery charging strategies on residual grid power flows and self-consumption rates at regional scale | |
Şahin | A new formulation for solar irradiation and sunshine duration estimation | |
CN107316109B (zh) | 架空线路冬季近地面风速预测方法、系统及装置 | |
CN104598982A (zh) | 年最大降温负荷的获取方法及系统 | |
CN103870886A (zh) | 企业用电月最大需量的预测方法 | |
CN113112094B (zh) | 量化风况影响的热负荷预测方法、系统、装置及存储介质 | |
CN112949928A (zh) | 一种冬季气温对区域电网用电负荷影响的分析方法及装置 | |
CN110674986B (zh) | 外购售电年度分解方案的调峰影响力评估方法及相关设备 | |
WO2023248390A1 (ja) | 全天日射量推定装置、全天日射量学習装置、全天日射量推定方法、及び全天日射量推定プログラム | |
Haghdadi et al. | Impact of distributed PV on peak demand in the Australian national electricity market |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |