CN104794535B - 一种基于主导行业的电力需求预测及预警的方法 - Google Patents
一种基于主导行业的电力需求预测及预警的方法 Download PDFInfo
- Publication number
- CN104794535B CN104794535B CN201510179753.8A CN201510179753A CN104794535B CN 104794535 B CN104794535 B CN 104794535B CN 201510179753 A CN201510179753 A CN 201510179753A CN 104794535 B CN104794535 B CN 104794535B
- Authority
- CN
- China
- Prior art keywords
- early warning
- industry
- electricity consumption
- dominant
- month
- 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
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
本发明涉及一种基于主导行业的电力需求预测及预警的方法,属于电力系统的电力需求分析领域。该方法包括:对行业用电量与全社会用电量序列进行时差相关性分析;基于历史用电量虚拟估计后续月份各个预警主导行业的用电量增长率;虚拟计算历史上各个预警主导行业的预警成功次数;计算各个预警主导行业的预警准确率与预警覆盖率;计算各个预警主导行业与社会用电量序列之间的互信息值,最终确定面向电力需求的预警主导行业集合;计算预警主导行业的电力需求增长率预警阈值;当其超出预警数值区间时,发出预警信号,对后续的电力需求预测进行滚动修正。本发明可提高电力需求预测的准确性,降低电网的供应风险与运行风险。
Description
技术领域
本发明属于电力系统电力需求分析领域,特别涉及一种基于主导行业的电力需求预测及预警的方法。
背景技术
电力需求预测是电力系统的一个重要业务环节,提高电力需求预测的准确性,以及在电力需求增长或下降等异常情况出现时进行准确地预警,对于科学安排电力系统的检修与发电计划,优化电网的购售电交易计划,在电力供需紧张时及时启动有序用电工作,降低电网的供应风险与运行风险等,都具有重要意义。
现有的电力需求预测方法,大多是基于历史数据的趋势外推,并考虑外部因素的相关性,对预测的结果进行修正。这类方法在正常情况下是比较奏效的,预测精度也比较高。然而,当发生重大的社会事件,或者经济形势出现“拐点”时,将难以通过趋势外推的方式进行准确的预测,而面对大量复杂的外部相关因素,也难以从中提炼出真正有意义的预警信号;因此,在此情况下,传统的方法在进行电力需求预测、预警时将面临着较大的困难。
事实上,全社会的电力需求是各行业电力需求的总和,全社会电力需求的发展更是以行业电力需求的发展为支撑的。在国民经济各行业中,存在着一些行业,它们对当前的全社会电力需求具有决定性作用而且能够引导未来全社会电力需求的发展和变化,这些行业就是电力需求的预警主导行业。电力需求预警主导行业中隐含着大量的预警信息,它们可以清楚地描述全社会电力需求的发展走向甚至可以准确地预测电力负荷的大小。因此,研究如何从国民经济各行业中辨识出电力需求的预警主导行业,并从这些主导行业中挖掘出对于全社会用电有效的预警信息具有重要的意义,也能够有效提高电力需求预测的精度与预警的及时性、准确性。
本质上,电力需求的主导行业具有两个作用,其一是对当前的全社会需求具有决定性作用,即“主导”中“主要、关键”的概念,这体现在主导行业用电量的数值特征与同期的全社会用电量的数值特征有明显的相关关系;其二是对未来的全社会需求有引导性作用,即“主导”中“导向和引导”的概念,这体现在行业用电量的某些信息可以应用于全社会用电量的预警和预测。从概念上来看,预警主导行业必须同时具备以上两个条件,两者缺一不可。
发明内容
本发明的目的是为解决传统电力需求预测、预警面临的困难,提出一种基于主导行业的电力需求预警的方法,本发明利用历史用电量数据分析来确定电力需求主导行业,从而提高对电力需求预测的科学性,以及对于电力需求增长或下降异常情况辨识、预警的准确性。本发明内容技术方案步骤如下:
1)对行业用电量与全社会用电量序列进行时差相关性分析,初步框定预警主导行业集合;
2)基于历史用电量虚拟估计后续月份各个预警主导行业的用电量增长率;
3)虚拟计算历史上各个预警主导行业的预警成功次数;
4)计算各个预警主导行业的预警准确率与预警覆盖率,舍弃预警准确率和预警覆盖率较低的行业,修正预警主导行业集合;
5)计算新的预警主导行业集合中各个预警主导行业与社会用电量序列之间的互信息值;
6)结合互信息值,确定面向电力需求的最终预警主导行业集合;
7)计算预警主导行业的电力需求增长率预警阈值;
8)检测预警主导行业电力需求增长率的实际数值,当其超出预警数值区间时,发出预警信号,对后续的电力需求预测进行滚动修正,以达到更为精确的预测结果信息值。
本发明的技术特点及有益效果:
本发明通过相关性分析确定可能的预警主导行业,通过对行业用电量数据的增长率、衰减率进行比较分析,将相关事件视为随机变量,用统计频率代替事件概率,确定随机变量的概率分布;计算行业用电量与全社会用电量的互信息量,比较互信息量的大小,以完成面向电量需求预警的主导行业辨识功能;基于主导行业所产生的预警信号,可对后续的电力需求预测进行滚动修正,从而提高电力需求预测的准确性,以及对于电力需求增长或下降异常情况辨识的准确性;这对于科学安排电力系统的检修与发电计划,优化电网的购售电交易计划,在电力供需紧张时及时启动有序用电工作,降低电网的供应风险与运行风险等,都具有重要意义。
附图说明
图1是本发明的方法实施流程框图。
具体实施方式
下面结合附图1和实施方式对本发明作进一步详细的说明。应当理解,此处所描述的具体实施方式可用以解释本发明,但并不限定本发明。
本发明提供的一种基于主导行业的电力需求预测及预警的方法,包括以下步骤:
1)对行业用电量与全社会用电量序列进行时差相关性分析,初步框定预警主导行业集合:
该步骤的具体实施方式为:对任意一个行业的月用电量数据序列ei(j)与全社会的月用电量数据序列e0(j)进行先行/滞后时差相关性分析,其中i代表行业序号,i=1,2,...,n,共n个待分析行业;j代表月份,j=1,2,...,N,行业i(月)用电量领先全社会(月)用电量u期(一个月份对应为一期,即分析ei(j+u)与e0(j)的相关性,n,N,u均为正整数)的先行时差相关系数如式(1)所示:
其中,用电量数据序列e0(j),ei(j)为经季节调整后的去季节分量(所谓季节调整,就是一个从时间序列中估计和剔除季节影响的过程,目的是更好地揭示季度或月度序列的特征或基本趋势。目前,已开发出X-11-ARIMA、X-12-ARIMA和TRAMO/SEATS这3种比较成熟的模型用于季节调整);
找出时差相关系数大于0.9的行业,形成初步框定预警行业集合Q0,并将上述时差相关系数数值最大的u的数值作为各行业对全社会用电量的偏差期数ui(计算时给定u的范围,即认为偏差期数较大时,用电量序列之间不具有相关性);
2)基于历史用电量虚拟估计后续月份各个初步框定预警主导行业的用电量增长率:
该步骤的具体实施方式为:利用历史月份k-m,k-m+1,...,k-1的增长率虚拟估计求得行业i增长率估计值;记行业i的用电量数据序列为ei(j),给定估计区间长度m,m为正整数,可以在12至数据序列总月份数之间取值,则对任意月份k,k>m,对序列ei(j),j=k-m,k-m+1,...k-1建立变形的指数回归模型如式(2)所示:
ln[ei(j)]=ai+bi·j+εji (2)
其中ai,bi分别为常数项和斜率。利用最小二乘法可求得使得最小的一组作
为该模型的回归系数。则对行业i月份k用电量的虚拟增长率估计值如式(3)所示:
又有行业集合Q0中行业i月份k的实际用电量增长率如式(4):
定义行业i月份k的增长率预警值该数值将用于后续的行业预警成功次数统计;
3)虚拟计算历史上各个预警主导行业的预警成功次数:
该步骤的具体实施方式为:设置历史上全社会月用电量的平均增长率加上5%作为行业用电量异常增长预警阈值lup(i),历史上全社会用电量的平均增长率减去5%作为行业用电量异常衰减报警阈值ldown(i),二者作为增长率预警上下阈值。比较行业增长率预警值与增长率预警阈值:当Δdi(k)>lup(i)时,行业i在月份k增长报警,记为一次异常增长;当Δdi(k)<ldown(i)时,行业i在月份k衰减报警,记为一次异常衰减;
结合步骤1)中已经计算出该行业的偏差期数ui,如果有Δdi(k)>lup(i)且Δd0(k+ui)>lup(0),则该行业成功预警了一次全社会用电量的异常增长;如果Δdi(k)<ldown(i)且Δd0(k+ui)<ldown(0),则该行业成功预警了一次全社会用电量的异常衰减。成功预警异常增长或异常衰减,都称作行业i在月份k成功报警了一次全社会用电量的异常波动。统计行业i成功报警全社会用电量异常增长波动的次数作为mup(i),行业i成功报警全社会用电量异常衰减波动的次数作为mdown(i);行业i增长报警的总次数为nup(i),行业i衰减报警的总次数为ndown(i)。
4)计算各个预警主导行业的预警准确率与预警覆盖率,修正预警主导行业集合:具体实施方式为:定义增长(衰减)预警准确率如式(5)、(6):
记全社会用电量增长(衰减)报警的总次数为nup(0)(ndown(0)),定义增长(衰减)预警覆盖率如式(7)、(8):
给定预警准确率阈值Tac=0.95和预警覆盖率阈值Tco=0.95,剔除预警准确率小于Tac或预警覆盖率小于Tco的行业,修正得到新的预警主导行业集合Q1;
5)计算各个新的预警主导行业集合中预警主导行业与社会用电量序列之间的互信息值:
该步骤的具体实施方式为:首先定义行业预警随机变量Vi,i=0,1,2,...,N,i=0表示全社会这一特殊行业;当行业i某月份用电量衰减报警时,Vi=-1;当行业i某月用电量增长报警时,Vi=1;除此之外,Vi=0(这样将行业每个月的用电量是否报警转化为随机变量Vi取值的一次实验:由于行业用电量报警(异常波动)频度取决于实际的生产规律,在一定的时期内这一规律是基本保持不变的,因此随机变量Vi的各个取值都是客观存在的,且在一定的时期内是保持不变的。依据大数定律,当试验次数足够多时,随机变量取值的实验频率逼近其概率);因此根据历史统计结果,用行业预警随机变量Vi的实验频率分布来近似其概率分布;用频率代替概率,得到Vi的概率分布如式(9)所示:
其中历史统计月份总数为nstat(i),行业i未出现异常波动的月份数为nnorm(i),增长报警月份数为nup(i),衰减报警月份数为ndown(i)。
需要说明的是,在实际的分析计算中,随机变量Vi的取值可以取成任意奇数个,即将行业i的用电量设置多级预警阈值,Vi的每个非零数值是比较多级预警指标得到的结果,分别表示行业i不同程度的增长或衰减波动。Vi取值的个数越多,则I(Vi;V0)的数值越大,对预警越有利,这是因为行业通过设置多级预警阈值提供了更详尽的预警信息;但是,受数据长度的限制Vi取值的个数不宜过多,否则大数定律的实验条件得不到保证,概率公式则不成立,此时尽管I(Vi;V0)的数值更大,但是其中含有相当部分的错误信息。
假设行业预警全社会用电量波动情况失败的次数为mx-y,其中x和y分别表示行业用电量和全社会用电量的实际波动情况,x,y∈{-1,0,1},用-1表示异常衰减,用1表示异常增长,用0表示正常情况,p(Vi,V0)为Vi和V0的联合概率分布,为Vi和V0的联合实验频率分布,令nstat(i)=nstat(0)=nstat,则有式(10):
根据Shannon信息论,随机变量Vi和V0的互信息值如式(11):
6)结合互信息值,确定面向电力需求的最终预警主导行业集合:
该步骤的具体实施方式为:选取某一个与全社会用电量相关性较强的行业,如重工业,计算该行业与全社会用电量的互信息量I,作为互信息参考值。在集合Q1中找出I(Vi;V0)>I的行业,这些行业成为最终预警主导行业;
7)计算预警主导行业的电力需求增长率预警阈值;
该步骤的具体实施方式为:根据历史数据,计算各预警主导行业用电量成功预测全社会用电量异常衰减时的行业用电量增长率的平均值,作为该主导行业衰减预警阈值Tdown。
8)计算当前月份的预警主导行业的用电量增长率,当其超出预警阈值区间[Tdown,Tup]时,发出预警信号,并结合其它需求预测方法对后续的电力需求预警进行滚动修正,以达到更为精确的预测结果信息值。
至此,本发明所提方法实施完毕。
Claims (7)
1.一种基于主导行业的电力需求预测及预警的方法,其特征在于,该方法包括以下步骤:
1)对行业用电量与全社会用电量序列进行时差相关性分析,初步框定预警主导行业集合Q0;
2)基于历史用电量虚拟估计后续月份各个预警主导行业的用电量增长率;
3)虚拟计算历史上各个预警主导行业的预警成功次数;
4)计算各个预警主导行业的预警准确率与预警覆盖率,舍弃预警准确率和预警覆盖率较低的行业,修正预警主导行业集合;
5)计算新的预警主导行业集合中各个预警主导行业与社会用电量序列之间的互信息值;
6)结合互信息值,确定面向电力需求的最终预警主导行业集合;
7)计算预警主导行业的电力需求增长率预警阈值区间[Tdown,Tup];
8)检测预警主导行业电力需求增长率的实际数值,当其超出预警数值区间[Tdown,Tup]时,发出预警信号,对后续的电力需求预测进行滚动修正,以达到更为精确的预测结果信息值;
所述步骤2)具体实施方式为:利用历史月份k-m,k-m+1,...,k-1的增长率虚拟估计求得行业i增长率估计值;记行业i的用电量数据序列为ei(j),给定估计区间长度m,m为正整数,在12至数据序列总月份数之间取值,则对任意月份k,k>m,对序列ei(j),j=k-m,k-m+1,...k-1建立变形的指数回归模型如式(2)所示:
其中ai,bi分别为常数项和斜率;利用最小二乘法求得使得最小的一组作为该模型的回归系数;则对行业i月份k用电量的虚拟增长率估计值如式(3)所示:
又有预警主导行业集合Q0中行业i月份k的实际用电量增长率如式(4):
定义行业i月份k的增长率预警值该增长率预警值将用于后续的行业预警成功次数统计。
2.如权利要求1所述方法,其特征在于,所述步骤1)实施过程为:
对任意一个行业的月用电量数据序列ei(j′)与全社会的月用电量数据序列e0(j′)进行先行/滞后时差相关性分析,其中i代表行业序号,i=1,2,...,n,共n个待分析行业;j′代表月份,j′=1,2,...,N,行业i月用电量领先全社会月用电量u期的先行时差相关系数如式(1)所示:
其中,用电量数据序列e0(j′)、ei(j′)为经季节调整后的去季节分量;一个月份对应为一期,即分析ei(j′+u)与e0(j′)的相关性,n、N、u均为正整数;
找出时差相关系数大于0.9的行业,形成初步框定预警行业集合Q0,并将上述时差相关系数数值最大的u的数值作为各行业对全社会用电量的偏差期数ui。
3.如权利要求2所述方法,其特征在于,所述步骤3)实施方式为:设置历史上全社会月用电量的平均增长率加上5%作为行业用电量异常增长预警阈值lup(i),历史上全社会用电量的平均增长率减去5%作为行业用电量异常衰减报警阈值ldown(i),二者作为增长率预警上下阈值;比较行业增长率预警值与增长率预警阈值:当Δdi(k)>lup(i)时,行业i在月份k增长报警,记为一次异常增长;当Δdi(k)<ldown(i)时,行业i在月份k衰减报警,记为一次异常衰减;
结合步骤1)中已经计算出该行业的偏差期数ui,如果有Δdi(k)>lup(i)且Δd0(k+ui)>lup(0),则该行业成功预警了一次全社会用电量的异常增长;如果Δdi(k)<ldown(i)且Δd0(k+ui)<ldown(0),则该行业成功预警了一次全社会用电量的异常衰减;统计行业i成功报警全社会用电量异常增长波动的次数作为mup(i),行业i成功报警全社会用电量异常衰减波动的次数作为mdown(i);行业i增长报警的总次数为nup(i),行业i衰减报警的总次数为ndown(i)。
4.如权利要求3所述方法,其特征在于,所述步骤4)具体实施方式为:定义增长、衰减预警准确率如式(5)、(6):
记全社会用电量增长报警的总次数为nup(0),定义增长预警覆盖率如式(7);记全社会用电衰减报警的总次数为ndown(0),定义衰减预警覆盖率如式(8):
给定预警准确率阈值Tac=0.95和预警覆盖率阈值Tco=0.95,剔除预警准确率小于Tac或预警覆盖率小于Tco的行业,修正得到新的预警主导行业集合Q1。
5.如权利要求1所述方法,其特征在于,所述步骤5)具体实施方式为:首先定义行业预警随机变量Vi,i=0,1,2,...,n,i=0表示全社会这一特殊行业;当行业i某月份用电量衰减报警时,Vi=-1;当行业i某月用电量增长报警时,Vi=1;除此之外,Vi=0;根据历史统计结果,用行业预警随机变量Vi的实验频率分布来近似其概率分布;用频率代替概率,得到Vi的概率分布如式(9)所示:
其中历史统计月份总数为nstat(i),行业i未出现异常波动的月份数为nnorm(i),增长报警月份数为nup(i),衰减报警月份数为ndown(i);
假设行业i预警全社会用电量波动情况失败的次数为mx~y(i),其中x和y分别表示行业用电量和全社会用电量的实际波动情况,x,y∈{-1,0,1},用-1表示异常衰减,用1表示异常增长,用0表示正常情况,p(Vi,V0)为Vi和V0的联合概率分布,为Vi和V0的联合实验频率分布,令nstat(i)=nstat(0)=nstat,则有式(10):
根据Shannon信息论,随机变量Vi和V0的互信息值如式(11):
6.如权利要求4所述方法,其特征在于,所述步骤6)具体实施方式为:选取某一个与全社会用电量相关性较强的行业,计算该行业与全社会用电量的互信息量I,作为互信息参考值;在集合Q1中找出I(Vi;V0)>I的行业,这些行业成为最终预警主导行业。
7.如权利要求1所述方法,其特征在于,所述步骤7)的具体实施方式为:根据历史数据,计算各预警主导行业用电量成功预测全社会用电量异常衰减时的行业用电量增长率的平均值,作为该主导行业衰减预警阈值Tdown。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510179753.8A CN104794535B (zh) | 2015-04-16 | 2015-04-16 | 一种基于主导行业的电力需求预测及预警的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510179753.8A CN104794535B (zh) | 2015-04-16 | 2015-04-16 | 一种基于主导行业的电力需求预测及预警的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104794535A CN104794535A (zh) | 2015-07-22 |
CN104794535B true CN104794535B (zh) | 2018-07-06 |
Family
ID=53559321
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510179753.8A Active CN104794535B (zh) | 2015-04-16 | 2015-04-16 | 一种基于主导行业的电力需求预测及预警的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104794535B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106203103B (zh) * | 2016-06-23 | 2020-06-30 | 百度在线网络技术(北京)有限公司 | 文件的病毒检测方法及装置 |
CN107357673A (zh) * | 2017-06-28 | 2017-11-17 | 深圳市金立通信设备有限公司 | 一种检测异常耗电的方法、终端以及计算机可读存储介质 |
CN107704944B (zh) * | 2017-08-15 | 2021-05-04 | 浙江大学 | 一种基于信息论学习的股市波动区间预测模型的构建方法 |
CN108038727A (zh) * | 2017-12-11 | 2018-05-15 | 囯网河北省电力有限公司电力科学研究院 | 一种提供差异化服务的方法、系统及终端设备 |
CN109212994A (zh) * | 2018-10-29 | 2019-01-15 | 珠海格力电器股份有限公司 | 一种安全用电管理方法及其管理系统 |
CN109635345B (zh) * | 2018-11-14 | 2023-04-07 | 重庆城市管理职业学院 | 一种基于云计算的照明设备预警方法 |
CN110363442B (zh) * | 2019-07-19 | 2021-09-10 | 中国农业大学 | 获取省域耕地自然等指数的方法及装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103729689A (zh) * | 2013-12-20 | 2014-04-16 | 华南理工大学 | 一种基于行业分类与主导行业数据的电网电量预测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009303411A (ja) * | 2008-06-16 | 2009-12-24 | Mitsubishi Electric Corp | 発電計画作成装置及び電力マネージメントシステム |
-
2015
- 2015-04-16 CN CN201510179753.8A patent/CN104794535B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103729689A (zh) * | 2013-12-20 | 2014-04-16 | 华南理工大学 | 一种基于行业分类与主导行业数据的电网电量预测方法 |
Non-Patent Citations (1)
Title |
---|
用电市场景气状况分析方法的研究;杨槿梅;《中国优秀博硕士学位论文全文数据库 (硕士)社会科学Ⅰ辑(经济政治与法律)》;20050715(第3期);第8-47页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104794535A (zh) | 2015-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104794535B (zh) | 一种基于主导行业的电力需求预测及预警的方法 | |
CN105404935A (zh) | 一种考虑业扩增量的电力系统月度负荷预测方法 | |
US11120350B2 (en) | Multilevel pattern monitoring method for industry processes | |
CN106682159A (zh) | 一种阈值配置方法 | |
CN106600076B (zh) | 一种转塔式rto废气处理设备的监控数据分析与预警方法 | |
Jiang et al. | Electrical-STGCN: An electrical spatio-temporal graph convolutional network for intelligent predictive maintenance | |
CN104463445A (zh) | 一种基于经验日局部校正多点外推算法的负荷预测方法 | |
Ak et al. | Data analytics and uncertainty quantification for energy prediction in manufacturing | |
CN104517041A (zh) | 一种基于最大信息熵的化工数据流实时异常检测方法 | |
CN112861350A (zh) | 一种水冷式汽轮发电机定子绕组温度过热缺陷预警方法 | |
CN112417627A (zh) | 一种基于四维指标体系配电网运行可靠性分析方法 | |
CN111177128A (zh) | 基于改进的离群点检测算法的计量大数据批量处理方法及系统 | |
Jafarian-Namin et al. | An integrated model for optimal selection of quality, maintenance, and production parameters with auto correlated data | |
CN110264056B (zh) | 一种电量消耗的分析方法及系统 | |
Eltohamy et al. | Technical investigation for power system flexibility | |
CN113632025A (zh) | 用于评估工业环境中的能量消耗的方法、系统和计算机程序产品 | |
CN110390439A (zh) | 基于大数据粗糙集理论的油田预警模型系统 | |
Pandit et al. | Comparison of binned and Gaussian Process based wind turbine power curves for condition monitoring purposes | |
CN115935285A (zh) | 基于掩码图神经网络模型的多元时间序列异常检测方法和系统 | |
CN112700050B (zh) | 一种光伏电站超短期第1点功率预测方法及系统 | |
CN114282756A (zh) | 一种用户侧可调负荷紧急控制潜力评估方法及系统 | |
CN114580968A (zh) | 一种用电管理方法、装置、设备和存储介质 | |
CN108123436B (zh) | 基于主成分分析和多元回归算法的电压越限预测模型 | |
Ma et al. | A model-free Shewhart individuals control chart for autocorrelated data | |
CN105468871B (zh) | 一种动量轮成功包络分析与应用方法 |
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 |