CN104978479B - 用于预测需水量的装置 - Google Patents

用于预测需水量的装置 Download PDF

Info

Publication number
CN104978479B
CN104978479B CN201510163409.XA CN201510163409A CN104978479B CN 104978479 B CN104978479 B CN 104978479B CN 201510163409 A CN201510163409 A CN 201510163409A CN 104978479 B CN104978479 B CN 104978479B
Authority
CN
China
Prior art keywords
water requirement
data
algorithm
unit
estimated
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.)
Expired - Fee Related
Application number
CN201510163409.XA
Other languages
English (en)
Other versions
CN104978479A (zh
Inventor
姜敏九
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.)
LS Electric Co Ltd
Original Assignee
LS Industrial Systems 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 LS Industrial Systems Co Ltd filed Critical LS Industrial Systems Co Ltd
Publication of CN104978479A publication Critical patent/CN104978479A/zh
Application granted granted Critical
Publication of CN104978479B publication Critical patent/CN104978479B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Fuzzy Systems (AREA)
  • Computational Linguistics (AREA)

Abstract

提供一种用于预测使用自动化系统的排废系统的需水量的装置。该用于估计需水量的装置包括：需水量估计设置单元，其被配置为收集用户输入数据；控制单元，其被配置为从SCADA系统收集记录数据及所述用户输入数据，在包括至少一种算法的多个算法组合组中的每一个算法组合组上执行学习过程以选定任一个算法组合组，并将记录数据和用户输入数据输入至选定的算法组合组以计算需水量估计数据；存储单元，其被配置为存储从SCADA系统收集到的记录数据，存储所述用户输入数据，并存储需水量估计数据；以及需水量估计输出单元，其被配置为输出计算出的需水量估计数据。

Description

用于预测需水量的装置
技术领域
本公开涉及一种用于预测使用自动化系统的排废系统的需水量的装置。
背景技术
精确地估计安装于配水箱(或配水池)、净水箱等中的水处理系统中的需水量是被认为在水量调控和管理中最重要的基本因素，并且根据估计结果建立水量管理方案。
在现有技术的水处理系统的需水量估计技术中，通过以时间序列的方式简单地线性化每日需水量来估计每日需水量。
图1是示出了根据现有技术的用于估计需水量的操作的流程图。
参照图1，在步骤S11中，现有技术的需水量估计装置访问主机服务器的数据库以收集用于估计水厂(或供水服务)的每日需水量的每日需水量的历史数据。
在步骤S12中，利用收集到的每日需水量的历史数据，需水量估计装置可以执行初始处理，在所述初始处理中，需水量估计装置可以搜索误差数据、遗失数据等，并校正搜索到的误差数据和遗失数据且将校正后的数据转换为每日需水量估计数据，使得误差数据和遗失数据能够再次用作先前的平均值。
在步骤S13中，需水量估计装置可以将初始处理后的每日需水量的历史数据应用至特定预设模型(神经网络模型、时间序列模型等)以执行学习数据处理。
在步骤S14中，需水量估计装置可以通过使用通过执行学习数据过程而获得的结果来实时估计每日需水量。
如上文所述，在现有技术的每日需水量估计中，在有关通过供水管网提供的需水量的估计的时间序列中的需水量不是线性的，并且很复杂，但是，由于通过使用诸如神经网络的人工智能方案或时间序列模块的统计方案的单位时间序列来估计每日需水量，每日需水量的预测的精确度低。
因此，由于未考虑实地特性及数据采集的各种问题来估计需水量，估计出的需水量可能与实际上的需水量显著不同。
发明内容
因此，详细说明的方案在于提供一种能够精确地估计出小时需水量以使需水量控制效率达到最大值的用于预测需水量的装置及其方法。
为了实现这些和其他优点，并根据本说明书的目的，正如在此具体实施和宽泛地描述的，一种用于估计需水量的装置可以包括：需水量估计设置单元，其被配置为收集用户输入数据；控制单元，其被配置为从SCADA系统收集记录数据及用户输入数据，在收集到的数据之中设置上限值和下限值，将一数值与上限值和下限值进行比较以提取存在于限值范围内的数值(正常数据)，将被提取的正常数据设置为需水量估计数据，在包括至少一种算法的多个算法组合组中的每一个算法组合组上执行学习过程以选定任一个算法组合组，并将记录数据和用户输入数据输入至选定的算法组合组以计算需水量估计数据；存储单元，其被配置为存储从SCADA系统收集到的记录数据，存储用户输入数据，并存储需水量估计数据；以及需水量估计输出单元，其被配置为输出计算出的需水量估计数据。
而且，所述控制单元可以包括：记录数据收集单元，其被配置为从SCADA系统收集记录数据；记录数据处理单元，其被配置为在收集到的数据之中设置上限值和下限值，将一数值与上限值和下限值进行比较以提取存在于限值范围内的数值(正常数据)，并通过记录数据收集单元将被提取的正常数据设置为需水量估计数据；算法组合单元，其被配置为生成多个包括至少一种算法的算法组合组并在所生成的算法组合组中选定任一个算法组合组；以及需水量估计结果计算单元，其被配置通过将记录数据和用户输入数据输入至选定的算法组合组来计算需水量估计数据。
而且，所述算法组合单元可以设置包括于至少一个算法组合组中的算法的数量，在包括根据所述数量组合的算法的每一个算法组合组上执行学习过程，并提取任一个算法组合组。
而且，所述算法组合单元可以根据在每一个组合的算法组上执行的学习过程而赋予每一种算法的加权值，并且相对于基准估计结果数据来提取具有最高加权值的算法组合或具有最小误差值的算法组合。
而且，所述控制单元可以进一步包括计算结果验证单元，其被配置为验证由需水量估计结果计算单元计算出的结果。
而且，所述控制单元可以进一步包括误差补偿单元，其被配置为向在由需水量估计结果计算单元计算出的需水量估计数据之中的在从当前时间起的阈值范围期间内的需水量估计数据赋予加权值，并且相对于每小时的估计结果数据来补偿误差。
而且，所述存储单元可以包括：记录存储单元，其被配置为存储从SCADA服务器收集到的记录数据；设置存储单元，其被配置为存储用户输入数据；以及估计数据存储单元，其被配置为存储在控制单元的控制下计算出的需水量估计数据。
而且，所述记录存储单元可以定期从SCADA服务器收集记录数据或定期将实时收集到的数据输出至控制单元。
根据符合本公开的示例性实施例的用于估计需水量的装置及方法，由于通过应用各种环境因数和时间因数按时间来估计需水量(或估计每小时的需水量)，所以可以有效地实现与需求对应的水量。
通过下面给出的详细描述，本申请进一步的适用范围将变得更加显而易见。然而，应该可以理解的是，由于在本发明的精神和范围内的各种变化和修改通过详细描述对本领域的技术人员来说将变得显而易见，所以仅仅通过说明的方式给出详细描述和具体示例，而详细描述和具体示例表示本发明的优选方案。
附图说明
所包括的附图提供了对本发明的进一步理解，其包含在本说明书中且构成本说明书的一部分，附图中示了示例性实施例，并且与说明书一起用于解释本发明的原理。
在附图中：
图1是示出了根据现有技术的估计需水量的操作的流程图。
图2是根据本发明的实施例的用于估计需水量的装置的结构图。
图3是示出了根据本发明的实施例的估计需水量的操作的流程图。
图4是示出了根据本发明的实施例的估计需水量的操作的详细的结构图。
具体实施方式
现在将参照附图给出示例性实施例的详细描述。为了简化参照附图的说明，相同或等同的部件将设置以相同的附图标记，并且将不再重复其说明。
图2是根据本发明的实施例的用于估计需水量的装置的结构图。
参照图2，根据本发明的实施例的用于估计需水量的装置可以包括通信单元11、输入单元12、控制单元13、存储单元14，和显示单元15。
通信单元11可以执行与主服务器(未显示)的通信以从设置于主服务器中的数据库接收每日需水量的历史数据。
输入单元12可以根据操作者的操作来接收操作命令。输入单元12可以是用于各种类型的用户输入的装置。
控制单元13可以控制通信单元11以根据通过输入单元12输入的用户的操作命令来执行通信，从而从设置于主服务器中的数据库接收每日需水量的历史数据。控制单元13可以用接收到的每日需水量的历史数据来估计每日需水量，并提供对输出估计的每日需水量的控制且提供对操作者的控制。
存储单元14可以存储控制单元13的操作程序或存储在控制单元13的控制下操作的操作数据。
显示单元15可以输出每日需水量的估计调控状态的结果数据和在控制单元13的控制下估计出的每日需水量的估计调控状态的结果数据。
将基于前述配置参照图3描述根据本发明的实施例估计需水量的操作。
图3是示出了根据本发明的实施例的估计需水量的操作的流程图。
参照图3，根据本发明的实施例的用于估计需水量的装置的控制单元13可以通过通信单元11执行与主服务器的通信以在步骤S302中收集存储于主服务器的数据库中的每日需水量历史数据。
控制单元13可以在步骤S304中执行关于所收集到的每日需水量历史数据的检查数据的操作。该数据检查可以是搜索关于所收集到的每日需水量历史数据的误差数据或遗失数据，并且校正搜索到的误差数据和遗失数据的操作。
当在每日需水量历史数据上的初始处理完成时，控制单元13可以在步骤S306中在每日需水量历史数据上执行周期划分过程。
在周期划分过程中，非线性且复杂的每日需水量历史数据可以被划分成预定的周期。例如，小波函数可以用作用于周期划分过程的函数的示例。
当在每日需水量历史数据上执行的周期划分操作完成时，控制单元13可以在步骤S308中执行所划分的每一个周期的需水量的估计。也就是，例如，控制单元13可以通过使用支持向量机(SVM)模型、非线性时间序列估计模型来实施每一个周期的需水量的估计。
当估计出每一个周期的需水量时，控制单元13在步骤S310中组合每一个周期的估计出的需水量的信号以在步骤S312中估计并输出最终每日需水量。
将基于在图4中示出的用于预测需水量的装置的详细配置详细地描述根据本发明的示例性实施例的估计每日需水量的操作。
图4是示出了根据本发明的实施例的估计需水量的操作的详细的结构图。
参照图4，根据本公开的示例性实施例的用于估计需水量的装置10可以包括需水量估计设置单元120，并且需水量估计设置单元120可以从操作者接收用于估计需水量的预设值。接收到的预设值可以存储于存储单元14的设置存储单元142中。
存储单元14可以包括记录(结果或执行)存储单元141、设置存储单元142，以及估计数据存储单元143。
记录存储单元141可以定期地存储从服务器接收到的估计所需的记录数据。记录数据可以被定期地收集，或实时收集的数据可以被暂时存储并可以在每一个预定周期存储于记录存储单元141中。
设置存储单元142可以存储通过需水量估计设置单元120输入的用户设置值。
估计数据存储单元143可以存储根据本公开的示例性实施例估计的数据。
控制单元13可以包括记录数据收集单元131、记录数据处理单元132、算法组合单元133、需水量估计结果计算单元134、计算结果验证单元135、误差补偿单元136，以及估计结果数据生成单元137。
记录数据收集单元131可以读取存储于记录存储单元141中的数据并将读取的数据输出至记录数据处理单元132。记录数据收集单元131可以根据记录数据的周期(每日、每小时)而在每一个预定的时间间隔动态地收集数据。
记录数据处理单元132可以基于由记录数据收集单元131收集到的数据而通过记录数据测量值的分析来计算上限值和下限值，并且对计算出的上限值和下限值进行寄存。而且，记录数据处理单元132可以将某数值与上限值和下限值进行比较并提取出在上限值和下限值之间的限值范围外的数值(差)(异常数据)和存在于上限值和下限值之间的限值范围内的数值(好)(正常数据)。在提取出的数值之中，仅存在于限值范围内的数值(好)可以用作用于估计需水量的数据。
算法组合单元133可以基于通过需水量估计设置单元120预先设置的数值，根据标志值是否被改变来执行或停止需水量估计。
算法组合单元133可以将用于估计需水量的算法配置为子模块，并且该子模块可以根据手动模式标志和自动模式标志来判定将使用的算法。在手动模式中，算法组合单元133可以根据用户选择选定一种需水量算法并执行所选定的需水量算法，而在自动模式中，算法组合单元133组合并执行1至N个需水量估计算法(集成算法)。关于算法的组合(集成算法)，可以提前确定算法组合的数量并且可以在每一种组合的情况下执行学习过程以产生结果。在此，可以生成最佳算法组合。
也就是，根据通过在每一个组合的算法组中执行的学习过程而产生的结果，向用于每一种组合的每一种算法赋予加权值，则可以生成具有高加权值的算法的组合或相对于基准估计结果数据具有较小误差的算法的组合作为最佳算法组合。
需水量估计结果计算单元134可以通过由算法组合单元133组合并计算的算法来计算需水量估计数据。需水量估计结果计算单元134可以将记录数据和用户数据输入至选定的算法组合以计算需水量估计数据。
计算结果验证单元135可以验证由需水量估计结果计算单元134计算的结果。可以通过单独的测试模块组或不同的算法组合再次计算验证后的需水量估计结果。
在实际的需水量估计中，误差补偿单元136可以执行每小时需水量估计，然而在此，由于当前时间和未来估计时间之间的时间差是显著的，因此可能增大估计误差。因而，等于或大于从当前时间开始的预定时间的数据的误差可以通过将每日量估计结果反映为时间量估计结果的加权值来被补偿。也就是，关于由需水量估计结果计算单元134计算的需水量估计数据，误差补偿单元135可以通过反映在阈值范围期间内的需水量估计数据中的加权值来补偿为时间量估计结果数据准备的误差。
估计结果数据生成单元137可以生成估计出的误差补偿后的需水量估计数据作为将输出的输出数据。
在基于前述配置的根据本公开的示例性实施例的用于估计需水量的方法中，可以基于通过需水量估计设置单元120输入的预设值和存在于定期地从SCADA系统收集到的记录数据的限值范围内的正常数据来估计需水量。算法组合单元133将用于需水量估计的算法配置为子单元，以及包括至少一种算法的一组算法组合，并利用在每一个算法组合组中作为输入值的数据来执行算法。可以通过使用根据执行结果与预设基准估计结果数据有较少差别的算法组合来生成每日需水量估计值。
前述实施例和优点仅为示例性的而不应当解释为限制本公开。本教导能够易于应用于其他类型的装置。本说明书旨在示例性的，而不是限制权利要求的范围。许多可选方案、改进和变型对于本领域技术人员来说将是显而易见的。这里说明的示例性实施例的特征、结构、方法和其它特性可以各种方式组合以获得另外的和/或可选的示例性实施例。
由于可以在不偏离其特点的情况下以多种形式来实施本特征，还应当理解的是，除非另外指出，上述实施例不受前述说明书的任一细节所限制，而是应当在如所附权利要求限定的范围内被宽泛地解释，因此落在权利要求的边界和界限或者这些边界和界限的等同布局内的全部改变和改进因而旨在被所附的权利要求所包含。

Claims (4)

1.一种用于通过利用从SCADA系统收集到的记录数据来估计需水量的装置，其特征在于，所述装置包括：
需水量估计设置单元，其被配置为收集用户输入数据；
控制单元，其被配置为从所述SCADA系统收集所述记录数据和所述用户输入数据，在包括至少一种算法的多个算法组合组中的每一个算法组合组上执行学习过程以选定任一个算法组合组，将所述记录数据及所述用户输入数据输入至所选定的算法组合组以计算需水量估计数据，且在记录数据上执行周期划分过程，执行所划分的每一个周期的需水量的估计，并且通过组合每一个周期的估计出的需水量的信号来估计最终需水量；
存储单元，其被配置为存储从所述SCADA系统收集到的所述记录数据，存储用户输入的设置值，并存储所述需水量估计数据；以及
需水量估计输出单元，其被配置为输出所计算出的需水量估计数据，
其中，所述控制单元包括：
记录数据收集单元，其被配置为从所述SCADA系统收集所述记录数据；
记录数据处理单元，其被配置为在由所述记录数据收集单元所收集到的数据之中设置上限值和下限值，将一数值与所述上限值及所述下限值进行比较以提取存在于限值范围内的数值；
算法组合单元，其被配置为基于通过所述需水量估计设置单元预先设置的数值，根据标志值是否被改变来执行或停止需水量估计，根据手动模式标志和自动模式标志来判定将使用的算法，生成包括至少一种算法的多个算法组合组并在所生成的算法组合组中选定任一个算法组合组；
需水量估计结果计算单元，其被配置为通过将所述记录数据及所述用户输入数据输入至所选定的算法组合组来计算需水量估计数据；以及
计算结果验证单元，其被配置为验证由所述需水量估计结果计算单元计算出的结果，
其中，在自动模式中，所述算法组合单元设置包括于至少一个算法组合组中的算法的数量，在包括根据所述数量组合的算法的每一个所述算法组合组上执行学习过程，并相对于基准估计结果数据来提取具有最小误差值的算法组合，并且
其中，在手动模式中，所述算法组合单元根据用户选择选定一种需水量算法。
2.根据权利要求1所述的装置，其中所述控制单元进一步包括：误差补偿单元，其被配置为向在由所述需水量估计结果计算单元计算出的所述需水量估计数据之中的在从当前时间起的阈值范围期间内的需水量估计数据赋予加权值，并且相对于每小时的估计结果数据来补偿误差。
3.根据权利要求1所述的装置，其中所述存储单元包括：
记录存储单元，其被配置为存储从所述SCADA服务器收集到的记录数据；
设置存储单元，其被配置为存储用户输入数据；以及
估计数据存储单元，其被配置为存储在所述控制单元的控制下计算出的需水量估计数据。
4.根据权利要求3所述的装置，其中所述记录存储单元定期从所述SCADA服务器收集记录数据或定期将实时收集到的数据输出至所述控制单元。
CN201510163409.XA 2014-04-08 2015-04-08 用于预测需水量的装置 Expired - Fee Related CN104978479B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020140041853A KR101660102B1 (ko) 2014-04-08 2014-04-08 용수량 수요 예측 장치
KR10-2014-0041853 2014-04-08

Publications (2)

Publication Number Publication Date
CN104978479A CN104978479A (zh) 2015-10-14
CN104978479B true CN104978479B (zh) 2018-12-14

Family

ID=54210069

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510163409.XA Expired - Fee Related CN104978479B (zh) 2014-04-08 2015-04-08 用于预测需水量的装置

Country Status (3)

Country Link
US (1) US9928467B2 (zh)
KR (1) KR101660102B1 (zh)
CN (1) CN104978479B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101660102B1 (ko) * 2014-04-08 2016-10-04 엘에스산전 주식회사 용수량 수요 예측 장치
JP2017082435A (ja) * 2015-10-26 2017-05-18 日本電気株式会社 水運用計画装置、水運用計画システム、水運用計画方法及びプログラム
US10983233B2 (en) 2019-03-12 2021-04-20 Saudi Arabian Oil Company Method for dynamic calibration and simultaneous closed-loop inversion of simulation models of fractured reservoirs
CN110941606B (zh) * 2019-11-21 2023-04-25 河北恒源水务科技有限公司 一种针对水资源监测数据计算出合理水量的计算方法
US20210272141A1 (en) * 2020-02-28 2021-09-02 Coupang Corp. Computer-implemented systems and methods for generating demand forecasting data by performing wavelet transform for generating accurate purchase orders
KR102290980B1 (ko) 2020-12-11 2021-08-23 (주)그린텍아이엔씨 인공지능을 이용한 물공급의 생산량 및 공급량 예측 시스템
CN112528574B (zh) * 2020-12-18 2021-10-22 中国水利水电科学研究院 一种湿地生态需水量计算方法及装置
CN113177656B (zh) * 2021-04-16 2021-12-14 水利部珠江水利委员会技术咨询(广州)有限公司 一种基于智能水务的多级别节水分析方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102592246A (zh) * 2010-11-30 2012-07-18 通用电气公司 用于估计供电系统中的需求响应的系统和方法

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005135287A (ja) * 2003-10-31 2005-05-26 National Agriculture & Bio-Oriented Research Organization 予測装置、予測方法および予測プログラム
KR100505318B1 (ko) * 2003-11-27 2005-08-03 엘에스산전 주식회사 용수 처리 시스템의 수요예측 장치 및 방법
US20150014236A1 (en) * 2006-11-06 2015-01-15 Wet-Tek, Llc Portable Water Treatment Device
KR101537590B1 (ko) * 2008-08-06 2015-07-22 엘지전자 주식회사 볼 밸런서 및 이를 구비한 세탁장치
KR101542376B1 (ko) * 2008-08-08 2015-08-06 엘지전자 주식회사 세탁기용 도어
KR101148031B1 (ko) * 2010-08-11 2012-05-24 고려대학교 산학협력단 내부식성 태양전지 모듈
KR101608733B1 (ko) * 2011-12-06 2016-04-04 에스케이이노베이션 주식회사 리튬이차전지용 양극 활물질의 제조방법
KR101384133B1 (ko) 2012-03-28 2014-04-14 주식회사 엘시스 센서 네트워크 환경에서의 오류 데이터 식별방법 및 이를 이용한 센서 네트워크 시스템
CN105764846B (zh) * 2013-11-26 2019-01-15 Sk新技术株式会社 锂复合磷酸盐类化合物及其制备方法
KR102201616B1 (ko) * 2014-02-23 2021-01-12 삼성전자주식회사 전자 장치 간의 장치 검색 방법
KR101544963B1 (ko) * 2014-03-17 2015-08-18 엘에스산전 주식회사 상수도관용 수차발전기 제어 시스템
KR101660102B1 (ko) * 2014-04-08 2016-10-04 엘에스산전 주식회사 용수량 수요 예측 장치
KR20160017954A (ko) * 2014-08-07 2016-02-17 삼성전자주식회사 전자장치 및 전자장치의 전송 제어 방법
KR101674260B1 (ko) * 2014-10-14 2016-11-08 엘에스산전 주식회사 상수관망 수운영 시스템 및 운영방법
KR101697006B1 (ko) * 2015-06-02 2017-01-23 엘에스산전 주식회사 용수 공급 방법
KR20170101052A (ko) * 2016-02-26 2017-09-05 삼성전자주식회사 전자 장치 및 전자 장치에서 사용자 입력을 처리하는 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102592246A (zh) * 2010-11-30 2012-07-18 通用电气公司 用于估计供电系统中的需求响应的系统和方法

Also Published As

Publication number Publication date
CN104978479A (zh) 2015-10-14
KR101660102B1 (ko) 2016-10-04
KR20150116966A (ko) 2015-10-19
US9928467B2 (en) 2018-03-27
US20150286950A1 (en) 2015-10-08

Similar Documents

Publication Publication Date Title
CN104978479B (zh) 用于预测需水量的装置
Keles et al. Extended forecast methods for day-ahead electricity spot prices applying artificial neural networks
Cole et al. The misspecification of expectations in New Keynesian models: a DSGE-VAR approach
Hargreaves et al. REFLEX: An adapted production simulation methodology for flexible capacity planning
JP6298214B2 (ja) ユーティリティグリッド内での信号注入テストパターンの予想効用を最大化するためのシステム及び方法
US20140365174A1 (en) Meter data management testing
US20130262190A1 (en) Apparatus and a method for determining a maintenance plan
JP2010020442A (ja) 取引対象物に関する将来需要の予測シナリオ作成方法およびその作成装置
CN106228460A (zh) 供水方法
Wrasse et al. Simulation of product-service-systems piloting with agent-based models (outlined revision)
EP3210181B1 (en) Systems and methods for identifying and adhering to normative operational constraints in utility grids
JP2016140230A (ja) サンプル抽出装置、サンプル抽出方法、及びサンプル抽出プログラム
Pappas et al. Adaptive load forecasting of the Hellenic electric grid
CN109961160A (zh) 一种基于潮流参数的电网未来运行趋势预估方法及系统
CN109544215A (zh) 房屋价值预测方法、装置、计算机设备和存储介质
Arruda et al. Disaggregated active and reactive demand forecasting using first difference measured data and neural networks
Mohajeryami An investigation of the impact of customer baseline (CBL) calculation on peak time rebate program
Sinitsyna et al. Some practical aspects of electric power consumption time series analysis
Asih et al. Cost-volume-profit analysis for uncertain capacity planning: A case study paper
KR102083143B1 (ko) 전력시장 가격의 산정 결과 검증 방법 및 장치
Bai et al. A multivariate time series forecast model for wind and storage integrated system operation
Obersteiner The influence of interconnection capacity on the market value of wind power
Schäfer Model-based approaches to demand side management of continuous industrial processes
Nguyen et al. On the impact of sensor maintenance policies on stochastic-based accuracy
Tan Performance-centred maintenance problem: modelling and heuristics

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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20181214

Termination date: 20210408