CN105160559A - 一种交互式智能用电控制方法和系统 - Google Patents
一种交互式智能用电控制方法和系统 Download PDFInfo
- Publication number
- CN105160559A CN105160559A CN201510636379.XA CN201510636379A CN105160559A CN 105160559 A CN105160559 A CN 105160559A CN 201510636379 A CN201510636379 A CN 201510636379A CN 105160559 A CN105160559 A CN 105160559A
- Authority
- CN
- China
- Prior art keywords
- data
- smart home
- electricity consumption
- power
- certificate
- 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
Abstract
本发明公开了一种交互式智能用电奖励方法和系统,属于电力网络技术领域。该系统包括:智能家居,云端服务器,配电网数据库,奖励券服务模块,以及大数据算法服务器;该方法包括将智能家电的用电信息传送到云端服务器;建立智能家居用电特征数据库;预测全网电力净负荷并据此发送奖励券要约;发送所述奖励券要约对应的奖励。通过采集智能家居的用电信息,建立智能家居用电特征数据库,从而为针对不同类型的用户提供相应的供电方案和利用奖励券调节用电的方案提供了依据。通过计算分配奖励券的方式,解决了供用电不匹配的难题。
Description
技术领域
本发明涉及一种交互式智能用电控制方法和系统,属于电力网络技术领域。
背景技术
随着人民生活水平的不断提高,全社会对高质量电力供应的要求越来越高。与此同时,随着电力系统的能源清洁化的发展和环境的压力,发电侧接入了越来越多的可再生清洁能源,其在总发电量所占比重也在不断提高。然而风能、太阳能、潮汐能等为首的可再生能源受自身条件制约,在一定时间周期内呈现比较大的波动性,同时居民用电受天气等因素的影响,这就为带来了电网的供需平衡带来了极大的挑战。随着智能家居的越来越广泛使用,售电服务商有可能可以通过调动用户的需求弹性来达到降低峰值负荷的目的。
例如,有的部门提出了通过记录用户的历史用电记录,制定动态的分时阶梯电价的技术方案,从而达到错开用电高峰,减少用户的电费支出,降低电网的压力的目的。然而这种方案缺乏灵活性,并没有考虑到发电端供电波动的影响;基于历史用电记录的电价调整,不能应对用电峰值的实时变化,难以应对突发性的供需不匹配;此外,电价的频繁变动也会影响用户的用电计划。因此可行性较低。
发明内容
针对现有技术效率低下,可行性低的问题,一种交互式智能用电控制方法和系统应运而生,根据本发明用户在缴纳传统固定电费的基础上,它利用完全自愿的激励方式(如红包)对用户在提前例如1-2小时进行通知,允许用户自行自愿选择是否接纳电力奖励券的要求和与之对应红包。如果用户选择接纳,则必须按照奖励券的要求,在规定时间(如1小时后)降低自己的空调或其他用电设备的用电量,例如短暂关闭15-30分钟或者使之运行在低功率模式。检测到用户完成要求后,将向用户发送红包等激励。此外,本发明还通过大数据分析的方式,统计出各智能家居用户的用电特征,为设计奖励券算法,引导智能家居用户合理用电提供了参考。
根据本发明的一个方面,提供了一种交互式智能用电控制方法,包括以下步骤:
步骤S10:每隔预设时间段将智能家居的用电信息和标识码传送到云端服务器;
步骤S20:将所述云端服务器接收到的各所述智能家居的用电信息发送大数据算法服务器,利用大数据用电分析的方法分析历史用电数据,建立智能家居用电特征数据库;
步骤S30:从配电网数据库提取当前供电信息、历史供电信息和供电商提供的当前配电服务信息,对未来多个所述预设时间段的全网电力净负荷预测,如果下一个预设时间段的全网电力净负荷预测值比前一个预设时间段的全网电力净负荷预测值的增长超过一阈值,则根据步骤S20中的所述智能家居用电特征数据库,选出发送奖励券的所述智能家居对应用户,并向其发送奖励券要约;
步骤S40:通过云端服务器监测所述各智能家居是否在规定时间内执行了奖励券要约,如果已执行,则向所述智能家居的用户发送所述奖励券要约对应的奖励。
优选地,在步骤S30和步骤S40之间,还包括:
步骤S31:所述智能家居收到步骤S30中所述奖励券要约,可根据预设或用户人机操作决定是否接受所述奖励券的要求及对应奖励,并将选择结果发送至所述云端服务器,如果接受所述奖励券要约,所述智能家居将根据所述奖励券的要求进入对应的工作模式,如果不接受所述奖励券要约,接到选择结果后所述云端服务器重新选择发送奖励券的智能家居对应的用户,并再次发送奖励券。
优选地,步骤S20中的大数据用电分析的方法,还包括以下子步骤:
步骤S201:采集和存储智能家居用电产生的当前用电数据和该智能家居对应的标识码,存入历史用电数据;
步骤S202:对历史用电数据实施数据处理及算法分析,得出主成分信息值,然后对主成分信息值进行映射处理并使用算法分为不同的用电种类;
步骤S203:根据分析得到的不同的用电种类信息和历史用电数据,分析得出用电特征数据,并存入智能家居用电特征数据库。
优选地,步骤S30中对未来多个所述预设时间段的全网电力净负荷预测的预测方法,还包括子步骤:
步骤S301:云端服务器从配电网数据库获取所述预设时间段内的全网电力净负荷;
步骤S302:云端服务器从配电网数据库获取过去的多个工作日在当前相同时段的全网电力净负荷及温度数据并发到奖励券服务模块;
步骤S303:奖励券服务模块对接收的全网电力净负荷及温度数据进行自回归计算,得出未来多个所述预设时间段的全网电力净负荷预测值。
优选地,步骤S30中所述奖励券要约的价格的计算方法,通过云端服务器从配电网数据库获提取未来多个所述预设时间段的供电成本曲线以计算出供电边际成本,然后通过该供电边际成本和当前居民用电价格的差值设置发送的奖励券的价格。
根据本发明的另一个方面,提供了一种交互式智能用电控制系统,包括:
智能家居,设有标识码,具有通信和检测自身用电数据的功能,能够将自身用电信息发送至所述云端服务器;
云端服务器,与所述智能家居、后述配电网数据库、后述奖励券服务模块、后述大数据算法服务器相连接,用于接收后述智能家居的用电数据和后述配电网数据库采集的配电网的配电信息;
配电网数据库,用于获取并存储配电网的配电信息;
奖励券服务模块,用于预测配电负荷,计算奖励券价格,以及向所述智能家居发送所述奖励券要约;
大数据算法服务器,用于接收所述云端服务器发送的数据,对各智能家居的历史用电数据实施数据处理及算法分析,得出主成分信息值,然后对主成分信息值进行映射处理并使用算法分为不同的用电种类,统计所述智能家居对应用户的用电特征,并能够将统计结果回送云端服务器。
优选地,上述一种交互式智能用电控制系统,还包括:
智能移动控制终端,设有数据接发模块,显示模块和输入模块;与对应的智能家居绑定,用于接收并显示所述奖励券服务模块发出的所述奖励券要约,控制对应的所述所述智能家居的工作状态。
优选地,所述智能家居包括:
用电检测模块,用于检测所述智能家居在预设时间段内的用电数据;
数据接发模块,用于将所述用电检测模块采集的用电信息发送至云端服务器;以及
工作模式选择模块,用于使所述智能家居的运行在不同功耗的运行模式,以满足所述电力奖励券的要求;
所述云端服务器设有数据输入模块,用于向所述智能家居提取历史用电数据和当前用电数据,还用于向所述配电网数据库提取供电信息和供电商提供的当前配电服务信息,用于接收所述算法服务器发送的用电数据分析结果;以及
配电网数据库设有
数据接发模块,用于接收当前供电信息和供电商提供的当前配电服务信息;
历史供电数据库,能够保存过去的供电数据和对应的时间及对应的天气信息。
优选地,所述奖励券服务模块包括:
传输子模块,用于触发智能家居设备每隔预设时间段将用电信息传送到云端服务器,触发云端服务器从配电网数据库获取所述预设时间段内的全网电力净负荷,触发云端服务器从配电网数据库获取过去的多个工作日在当前相同时段的全网电力净负荷及温度数据并发到奖励券服务模块;
负荷预测子模块,用于对接收的全网电力净负荷及温度数据进行自回归计算,得出未来多个所述预设时间段的全网电力净负荷预测值;
奖励券发送子模块,用于判断下一个预设时间段的全网电力净负荷预测值比前一个预设时间段的全网电力净负荷预测值的增长超过一阈值,如果超过,则向与所述智能家居设备关联的用户发送奖励券;
价格计算子模块,用于通过云端服务器从配电网数据库获提取未来多个所述预设时间段的供电成本曲线以计算出供电边际成本,然后通过该供电边际成本和当前居民用电价格的差值设置发送的奖励券的价格。
优选地,所述大数据算法服务器包括:
数据接发模块,用于接收所述的向量化历史用电数据和当前用电数据,所述向量化历史用电数据包括对应的所述智能家居的唯一标识符和固定时间间隔的历史用电用电量;
自相关矩阵生产模块,以向量化历史用电数据的智能家居的唯一标识符、历史用电数据的用电电量分别为行变量、列变量,生产自相关矩阵;
主成分分析模块,对所述自相关矩阵产生模块所产生的自相关矩阵进行特征值计算,所得特征计算结果包括特征向量、特征值,其中特征向量包括历史用电数据对应的智能家居唯一标志码、用电固定时间间隔及用电量,并对其进行主成分分析,得出对应主成分,以及主成分对应的信息值;
映射分析模块,将所述三个主成分映射到新的线性空间里,同时对新线性空间的历史用电数据进行K-means算法计算,得出不同的类别,并将接收的当前用电数据映射到不同的类别中,进而每一个新接收的当前用电数据都会分类到不同类别中。
根据本发明的第三个方面,提供了一种交互式智能用电控制系统,包括:
用电信息采集模块,用于每隔预设时间段采集智能家居用电信息和标识码传送到云端服务器;
特征数据库模块,用于将所述云端服务器接收到的各所述智能家居的用电信息发送到大数据算法服务器,利用大数据用电分析的方法分析历史用电数据,建立智能家居用电特征数据库;
奖励券发送模块,用于从配电网数据库提取当前供电信息、历史供电信息和供电商提供的当前配电服务信息,对未来多个所述预设时间段的全网电力净负荷预测,如果下一个预设时间段的全网电力净负荷预测值比前一个预设时间段的全网电力净负荷预测值的增长超过一阈值,则根据所述智能家居用电特征数据库,选出发送奖励券的所述智能家居对应用户,并向其发送奖励券要约;
奖励券发送模块,用于通过云端服务器监测所述各智能家居是否在规定时间内执行了奖励券要约,如果已执行,则向所述智能家居的用户发送所述奖励券要约对应的奖励。
本发明的有益效果为:通过大数据算法分析智能家居的历史用电数据,计算出智能家居对应用户的用电特征,为制定供电和节能策略提供了依据;通过对供电历史数据的分析,可以预测用电高峰的来临时间和规模,提前做到预防工作;通过对选定的智能家居对应用户发送奖励券的方式,操作灵活,利用完全自愿的形式,并且充分利用移动互联网和智能家居吸引了用户的需求弹性,并且达到错开用电高峰,减少用户的电费支出,降低电网的压力的目的;为用户提供实在的奖励;为供电服务商降低高峰时期供电成本;提高新能源吸纳比例;提高电网总体资本运作效率。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本发明进行详细描述,其中:
图1所示为根据本发明一种交互式智能用电控制系统的第一实施例的总体结构图;
图2所示为根据本发明一种交互式智能用电控制方法的第三实施例的步骤S20的流程图;
图3所示为根据本发明一种交互式智能用电控制方法的第三实施例的步骤S30和S40的流程图;
图4所示为根据本发明一种交互式智能用电控制系统的第二实施例的总体结构图。
具体实施方式
参照图1,根据本发明的系统的第一实施例,包括智能家居,云端服务器、配电网数据库和奖励券服务模块所组成的系统。其中智能家居可以是一款智能家电设备,如智能空调、智能插座、智能电表等,也可以是以家庭为单位具有多种不同类型的智能家电设备的总和(以下以智能空调为例)。智能家居用于采集每个空调实际用电量,由开发人员设计。所述的云端服务器用于存储预测所需的数据,包括空调历史用电,历史净负荷信息。配电网数据库与云端服务器相连,以便随时提取该用电户以及相关小区的历史用电信息。所述的奖励券服务模块为核心算法模块。大数据算法服务器与云端服务器相连,用于接收所述云端服务器发送的数据,对各智能家居的历史用电数据实施数据处理及算法分析,得出主成分信息值,然后对主成分信息值进行映射处理并使用算法分为不同的用电种类,统计所述智能家居对应用户的用电习惯,并能够将统计结果回送云端服务器。
本实施例的工作过程与后述本发明第三实施例基本相同,故在此省略。
参考图4,根据本发明的第二实施例,其特征在于还包括了智能移动控制终端,设有数据接发模块,显示模块和输入模块;与对应的智能家居绑定,用于接收并显示所述奖励券服务模块发出的所述奖励券要约,控制对应的所述所述智能家居的工作状态。
其他部分与图1所示的实施方式相同。此外,本实施例的工作过程与后述本发明第三实施例基本相同,故在此省略。
根据本发明一种交互式智能用电控制方法的第三实施例如下,包括步骤:
步骤S10,智能家居端每15分钟把用电信息和该智能家居的唯一的标识码传送到云端服务器。传送的用电信息是该15分钟内智能家居用电设备的总用电量,定义为D(单位:千瓦时)。
步骤S20,参考图2,云端服务器将收到的各智能家居的用电信息,所述智能家居对应标识码,所述用电信息对应的时间,所述智能家居的地理位置信息,以及天气信息(示例性的,天气信息包含温度和湿度)发送给大数据算法服务器。大数据算法服务器将上述信息存入历史用电数据,并对最近一个月的历史用电数据实施数据处理及算法分析,得出主成分信息值,然后对主成分信息值进行映射处理并使用算法分为不同的用电种类,数据处理及算法分析的具体实施步骤如下:
将历史用电数据通过一个低通滤波器,滤掉超过1/100Hz的高频分量。将步骤S10里的向量作为输入,通过这个低通滤波器。通过低通滤波器后,生成的向量作为输出,进入下一个步骤;
将智能家居标识码为行变量,经过滤之后的每十五分钟用电量作为列变量,生成家居用电历史数据的自相关矩阵(CovarianceMatrix)。对上个步骤输出的向量生成自相关矩阵。自相关矩阵的计算为:Cov=A(转置)*A;
对自相关矩阵进行主成分分析,得到主成分和每个主成分对应的信息值。主成分分析的方法是,对上个步骤的输出,生成Cov矩阵,进行特征值计算。特征值的计算结果包括,特征向量(从大到小排列),特征值(从大到小排列);
不停将新的记录数据从智能家居端提取到云端服务器;
对个体用电进行k-最近邻居(K-means)计算,得到7个不同的类别。对新的个体用电信息计算并映射到7个类别中的一个。在新的线性空间里,用最近邻居k-means对历史数据分类。分类后,每一个新进入的数据点,划归到其中一个里面;
继续下一个用电记录。
根据上述数据处理及算法分析获得的类别和对应的数据,建立智能家居用电特征数据库。智能家居用电特征数据库可以用来帮助供电商设计电价定价策略等。示例性的,智能家居用电特征数据库将各用电高峰时间段,智能家居的功耗是经滤波滤去小概率事件后同类型的各个智能家居的功耗的平均值的两倍及以上的上述智能家居对应用户定义并保存为高能耗用户,并将高能耗用户群组作为优先发送奖励券的对象。天气信息,例如温度,可以作为参考的要素,例如当温度低于零下5摄氏度或者高于35摄氏度时,则定义超过上述平均的2.5倍的用户为高能耗用户,从而使用户的用电分类更加合理。云端服务器可以通过连接用于提供天气预报的第一方或第三方的服务器获取天气信息。
步骤S30,参考图3,云端服务器从配电网数据库得到该15分钟时段的全网电力净负荷(总用电减去总的可再生能源发电)。其中传送的数据是该15分钟内,全市的总用电量,定义为Z(单位:千瓦时)。
云端服务器从配电网数据库得到历史上过去10个同样工作日同样时段的全网电力净负荷以及温度,发到奖励券服务模块。其中传输的数据是过去10个同样工作日(比如,如果今天是周三,就往回看10个周三),同样时间的十五分钟的全市总用电量,定义为L1,L2,…L10(单位:千瓦时)。对应每个时段的温度,定义为W1,W2,…W10(单位:摄氏度)。
奖励券服务模块根据上一步中的数据,进行自回归计算。计算出未来8个15分钟的全网电力净负荷预测。未来8个15分钟段,温度预测为T1,T2,…T8(单位:摄氏度)。未来8个15分钟段,全网电力净负荷为J1,J2,…J8,其中
J1=(L1/W1+L2/W2+L3/W3+…+L10/W10)*T1/10;
J2=(L2/W2+L3/W3+…+L10/W10+J1/T1)*T2/10;
J3=(L3/W3+L4/W4+…+L10/W10+J1/T1+J2/T2)*T3/10;
……以此类推。
如果未来8个15分钟时间段预测出来的全网电力净负荷相比较前一个15分钟增长超过一预设的比例阈值(优选为5%),则发送奖励券。
奖励券服务模块提取配电网数据库中未来8个15分钟时间段的供电成本曲线。将供电边际成本减去当前居民用电价格,作为奖励券的价格。
奖励券价格为Q=(供电边际成本-居民用电价格)*4(单位:元)。
将奖励券消息通过应用程序(比如手机APP)推送到用户。关于接收奖励券的用户的选择,可以根据步骤S20建立的智能家居用电特征数据库进行筛选。示例性的优先发送给这一时间段的高能耗用户群组。被发送奖励券的用户可以使用智能移动遥控终端接收(参考图4),或者是利用智能家居端直接接收(参考图1)。并且设置一响应时间,如果用户过期不操作或者点选取消,则表明不接受该奖励券。云端服务器可以统计不接受用户该奖励券的情况,再次筛选发送奖励券的对象,重现发送奖励券。如果接受所述奖励券要约,所述智能家居将根据所述奖励券的要求进入对应的工作模式,示例性的,工作模式可以包括低功耗模式(功耗低于1000W),待机模式(功耗低于1W)和关机模式(彻底切断电源),本实施方案示范性的以关机模式为例。
步骤40,用户响应后,云端服务器进行行为核实。如果用户行为的确是在给定时间段关闭了指定的用电设备,则进行红包(即奖励券对应的奖励)转移,对用户红包进行金融交割。
以上所述,只是本发明的较佳实施例而已,本发明并不局限于上述实施方式,只要其以相同的手段达到本发明的技术效果,都应属于本发明的保护范围。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。
Claims (11)
1.一种交互式智能用电控制方法,其特征在于,包括以下步骤:
步骤S10:每隔预设时间段将智能家居的用电信息和标识码传送到云端服务器;
步骤S20:将所述云端服务器接收到的各所述智能家居的用电信息发送到大数据算法服务器,利用大数据用电分析的方法分析历史用电数据,建立智能家居用电特征数据库;
步骤S30:从配电网数据库提取当前供电信息、历史供电信息和供电商提供的当前配电服务信息,对未来多个所述预设时间段的全网电力净负荷预测,如果下一个预设时间段的全网电力净负荷预测值比前一个预设时间段的全网电力净负荷预测值的增长超过一阈值,则根据步骤S20中的所述智能家居用电特征数据库,选出发送奖励券的所述智能家居对应用户,并向其发送奖励券要约;
步骤S40:通过云端服务器监测所述各智能家居是否在规定时间内执行了奖励券要约,如果已执行,则向所述智能家居的用户发送所述奖励券要约对应的奖励。
2.根据权利要求1所述的一种交互式智能用电控制方法,其特征在于,在步骤S30和步骤S40之间,还包括:
步骤S31:所述智能家居收到步骤S30中所述奖励券要约,根据预设或用户人机操作决定是否接受所述奖励券的要求及对应奖励,并将选择结果发送至所述云端服务器,如果接受所述奖励券要约,所述智能家居将根据所述奖励券的要求进入对应的工作模式,如果不接受所述奖励券要约,接到选择结果后所述云端服务器重新选择发送奖励券的智能家居对应的用户,并再次发送奖励券。
3.根据权利要求1或2所述的一种交互式智能用电控制方法,其特征在于,步骤S20中的大数据用电分析的方法,还包括以下子步骤:
步骤S201:采集和存储智能家居用电产生的当前用电数据和该智能家居对应的标识码,存入历史用电数据;
步骤S202:对历史用电数据实施数据处理及算法分析,得出主成分信息值,然后对主成分信息值进行映射处理并使用算法分为不同的用电种类;
步骤S203:根据分析得到的不同的用电种类信息和历史用电数据,分析得出用电特征数据,并存入智能家居用电特征数据库。
4.根据权利要求1所述的一种交互式智能用电控制方法,其特征在于,步骤S30中对未来多个所述预设时间段的全网电力净负荷预测的预测方法,还包括子步骤:
步骤S301:云端服务器从配电网数据库获取所述预设时间段内的全网电力净负荷;
步骤S302:云端服务器从配电网数据库获取过去的多个工作日在当前相同时段的全网电力净负荷及温度数据并发到奖励券服务模块;
步骤S303:奖励券服务模块对接收的全网电力净负荷及温度数据进行自回归计算,得出未来多个所述预设时间段的全网电力净负荷预测值。
5.根据权利要求1或4所述的一种交互式智能用电控制方法,其特征在于,步骤S30中所述奖励券要约的价格的计算方法,通过云端服务器从配电网数据库获提取未来多个所述预设时间段的供电成本曲线以计算出供电边际成本,然后通过该供电边际成本和当前居民用电价格的差值设置发送的奖励券的价格。
6.一种交互式智能用电控制系统,其特征在于,包括:
智能家居,设有标识码,具有通信和检测自身用电数据的功能,能够将自身用电信息发送至所述云端服务器;
云端服务器,与所述智能家居、后述配电网数据库、后述奖励券服务模块、后述大数据算法服务器相连接,用于接收后述智能家居的用电数据和后述配电网数据库采集的配电网的配电信息;
配电网数据库,用于获取并存储配电网的配电信息;
奖励券服务模块,用于预测配电负荷,计算奖励券价格,以及向所述智能家居发送所述奖励券要约;
大数据算法服务器,用于接收所述云端服务器发送的数据,对各智能家居的历史用电数据实施数据处理及算法分析,得出主成分信息值,然后对主成分信息值进行映射处理并使用算法分为不同的用电种类,统计所述智能家居对应用户的用电特征,并能够将统计结果回送云端服务器。
7.根据权利要求6所述的一种交互式智能用电控制系统,其特征在于,还包括:
智能移动控制终端,设有数据接发模块,显示模块和输入模块;与对应的智能家居绑定,用于接收并显示所述奖励券服务模块发出的所述奖励券要约,控制对应的所述所述智能家居的工作状态。
8.根据权利要求6或7所述的一种交互式智能用电控制系统,其特征在于,所述智能家居包括:
用电检测模块,用于检测所述智能家居在预设时间段内的用电数据;
数据接发模块,用于将所述用电检测模块采集的用电信息发送至云端服务器;以及
工作模式选择模块,用于使所述智能家居的运行在不同功耗的运行模式,以满足所述电力奖励券的要求;
所述云端服务器设有数据输入模块,用于向所述智能家居提取历史用电数据和当前用电数据,还用于向所述配电网数据库提取供电信息和供电商提供的当前配电服务信息,用于接收所述算法服务器发送的用电数据分析结果;以及
配电网数据库设有
数据接发模块,用于接收当前供电信息和供电商提供的当前配电服务信息;
历史供电数据库,能够保存过去的供电数据和对应的时间及对应的天气信息。
9.根据权利要求6或7所述的一种交互式智能用电控制系统,其特征在于,所述奖励券服务模块包括:
传输子模块,用于触发智能家居设备每隔预设时间段将用电信息传送到云端服务器,触发云端服务器从配电网数据库获取所述预设时间段内的全网电力净负荷,触发云端服务器从配电网数据库获取过去的多个工作日在当前相同时段的全网电力净负荷及温度数据并发到奖励券服务模块;
负荷预测子模块,用于对接收的全网电力净负荷及温度数据进行自回归计算,得出未来多个所述预设时间段的全网电力净负荷预测值;
奖励券发送子模块,用于判断下一个预设时间段的全网电力净负荷预测值比前一个预设时间段的全网电力净负荷预测值的增长超过一阈值,如果超过,则向与所述智能家居设备关联的用户发送奖励券;
价格计算子模块,用于通过云端服务器从配电网数据库获提取未来多个所述预设时间段的供电成本曲线以计算出供电边际成本,然后通过该供电边际成本和当前居民用电价格的差值设置发送的奖励券的价格。
10.根据权利要求6或7所述的一种交互式智能用电控制系统,其特征在于,所述大数据算法服务器包括:
数据接发模块,用于接收所述的向量化历史用电数据和当前用电数据,所述向量化历史用电数据包括对应的所述智能家居的唯一标识符和固定时间间隔的历史用电用电量;
自相关矩阵生产模块,以向量化历史用电数据的智能家居的唯一标识符、历史用电数据的用电电量分别为行变量、列变量,生产自相关矩阵;
主成分分析模块,对所述自相关矩阵产生模块所产生的自相关矩阵进行特征值计算,所得特征计算结果包括特征向量、特征值,其中特征向量包括历史用电数据对应的智能家居唯一标志码、用电固定时间间隔及用电量,并对其进行主成分分析,得出对应主成分,以及主成分对应的信息值;
映射分析模块,将所述三个主成分映射到新的线性空间里,同时对新线性空间的历史用电数据进行K-means算法计算,得出不同的类别,并将接收的当前用电数据映射到不同的类别中,进而每一个新接收的当前用电数据都会分类到不同类别中。
11.一种交互式智能用电控制系统,其特征在于,包括:
用电信息采集模块,用于每隔预设时间段采集智能家居用电信息和标识码传送到云端服务器;
特征数据库模块,用于将所述云端服务器接收到的各所述智能家居的用电信息发送到大数据算法服务器,利用大数据用电分析的方法分析历史用电数据,建立智能家居用电特征数据库;
奖励券发送模块,用于从配电网数据库提取当前供电信息、历史供电信息和供电商提供的当前配电服务信息,对未来多个所述预设时间段的全网电力净负荷预测,如果下一个预设时间段的全网电力净负荷预测值比前一个预设时间段的全网电力净负荷预测值的增长超过一阈值,则根据所述智能家居用电特征数据库,选出发送奖励券的所述智能家居对应用户,并向其发送奖励券要约;
奖励券发送模块,用于通过云端服务器监测所述各智能家居是否在规定时间内执行了奖励券要约,如果已执行,则向所述智能家居的用户发送所述奖励券要约对应的奖励。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510636379.XA CN105160559A (zh) | 2015-09-30 | 2015-09-30 | 一种交互式智能用电控制方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510636379.XA CN105160559A (zh) | 2015-09-30 | 2015-09-30 | 一种交互式智能用电控制方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105160559A true CN105160559A (zh) | 2015-12-16 |
Family
ID=54801408
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510636379.XA Pending CN105160559A (zh) | 2015-09-30 | 2015-09-30 | 一种交互式智能用电控制方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105160559A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107817685A (zh) * | 2017-12-05 | 2018-03-20 | 上海中信信息发展股份有限公司 | 智能温度监控方法、装置、系统及终端 |
TWI676330B (zh) * | 2017-12-08 | 2019-11-01 | 國立高雄科技大學 | 配電變壓器負荷舒緩之需量反應系統 |
CN110553356A (zh) * | 2018-06-01 | 2019-12-10 | 青岛海尔空调器有限总公司 | 空调控制的方法、装置、系统及计算机存储介质 |
CN112070301A (zh) * | 2020-09-07 | 2020-12-11 | 广东电网有限责任公司电力调度控制中心 | 一种用户用电量调整方法、系统及设备 |
CN113112144A (zh) * | 2021-04-08 | 2021-07-13 | 顶拓科技(武汉)有限公司 | 一种基于能源管理的虚拟对象分配方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011022902A (ja) * | 2009-07-17 | 2011-02-03 | Ritsumeikan | 電力取引管理システム、管理装置、電力取引方法、及び電力取引用コンピュータプログラム |
CN102684305A (zh) * | 2012-05-17 | 2012-09-19 | 云南电力试验研究院(集团)有限公司电力研究院 | 一种家庭侧智能用电策略实现方法和终端 |
CN102799162A (zh) * | 2012-08-13 | 2012-11-28 | 清华大学 | 一种基于激励机制的建筑节能方法 |
CN104778504A (zh) * | 2015-03-18 | 2015-07-15 | 南京邮电大学 | 一种家庭用户智能家电的用电安排优化方法 |
CN104868326A (zh) * | 2015-05-28 | 2015-08-26 | 深圳华淩科技有限公司 | 一种具有监测控制负载电器的智能插座系统及其控制方法 |
-
2015
- 2015-09-30 CN CN201510636379.XA patent/CN105160559A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011022902A (ja) * | 2009-07-17 | 2011-02-03 | Ritsumeikan | 電力取引管理システム、管理装置、電力取引方法、及び電力取引用コンピュータプログラム |
CN102684305A (zh) * | 2012-05-17 | 2012-09-19 | 云南电力试验研究院(集团)有限公司电力研究院 | 一种家庭侧智能用电策略实现方法和终端 |
CN102799162A (zh) * | 2012-08-13 | 2012-11-28 | 清华大学 | 一种基于激励机制的建筑节能方法 |
CN104778504A (zh) * | 2015-03-18 | 2015-07-15 | 南京邮电大学 | 一种家庭用户智能家电的用电安排优化方法 |
CN104868326A (zh) * | 2015-05-28 | 2015-08-26 | 深圳华淩科技有限公司 | 一种具有监测控制负载电器的智能插座系统及其控制方法 |
Non-Patent Citations (2)
Title |
---|
原媛: "电力负荷特性分析及中长期负荷预测方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
谢江宏 等: "一种智能小区用户用电模式的探索与研究", 《华东电力》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107817685A (zh) * | 2017-12-05 | 2018-03-20 | 上海中信信息发展股份有限公司 | 智能温度监控方法、装置、系统及终端 |
CN107817685B (zh) * | 2017-12-05 | 2020-12-11 | 上海信联信息发展股份有限公司 | 智能温度监控方法、装置、系统及终端 |
TWI676330B (zh) * | 2017-12-08 | 2019-11-01 | 國立高雄科技大學 | 配電變壓器負荷舒緩之需量反應系統 |
CN110553356A (zh) * | 2018-06-01 | 2019-12-10 | 青岛海尔空调器有限总公司 | 空调控制的方法、装置、系统及计算机存储介质 |
CN112070301A (zh) * | 2020-09-07 | 2020-12-11 | 广东电网有限责任公司电力调度控制中心 | 一种用户用电量调整方法、系统及设备 |
CN113112144A (zh) * | 2021-04-08 | 2021-07-13 | 顶拓科技(武汉)有限公司 | 一种基于能源管理的虚拟对象分配方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Smart households’ aggregated capacity forecasting for load aggregators under incentive-based demand response programs | |
Al-Turjman et al. | Energy monitoring in IoT-based ad hoc networks: An overview | |
Safdarian et al. | Distribution network reliability improvements in presence of demand response | |
CN105160559A (zh) | 一种交互式智能用电控制方法和系统 | |
Walker et al. | Design of structured control policy for shared energy storage in residential community: A stochastic optimization approach | |
Yang et al. | Quantifying the benefits to consumers for demand response with a statistical elasticity model | |
KR102438442B1 (ko) | 전력 수요 관리 기능을 갖는 시스템 | |
Oh et al. | Impact of demand and price uncertainties on customer-side energy storage system operation with peak load limitation | |
KR102438439B1 (ko) | 전력 수요 관리 기능을 갖는 서버, 통신 기기 및 서버, 및 그것의 전력 사용 관리 방법 | |
Xiang et al. | Smart Households' Available Aggregated Capacity Day-ahead Forecast Model for Load Aggregators under Incentive-based Demand Response Program | |
CN105260910A (zh) | 智能用电奖励管理系统和方法 | |
Oprea et al. | A measurement model for electricity Consumers’ awareness with covariance structure Analyses. A solid pillar for boosting demand response programs | |
Lork et al. | How many watts: A data driven approach to aggregated residential air-conditioning load forecasting | |
Moghaddam et al. | A comprehensive study on future smart grids: definitions, strategies and recommendations | |
Zhang et al. | The impact of renewable energy resources on demand response management in a smart grid | |
Georgievski et al. | Optimizing offices for the smart grid | |
Reinders et al. | Co-evolution of smart energy products and services: A novel approach towards smart grids | |
US11893487B2 (en) | Trained models for discovering target device presence | |
Xiang et al. | Day-ahead probabilistic forecasting of smart households’ demand response capacity under incentive-based demand response program | |
Yaseen et al. | Peak-to-average reduction by community-based DSM | |
Jabandžić et al. | Load management framework in smart grids: a meta-analysis and review | |
Filipowska et al. | Towards forecasting demand and production of electric energy in smart grids | |
Bu et al. | Distributed unit commitment scheduling in the future smart grid with intermittent renewable energy resources and stochastic power demands | |
CN105160024A (zh) | 一种大数据用电分析的系统和方法 | |
Patel et al. | Autonomous integration of distributed energy sources and home appliances coordination scheme in future smart grid networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20220125 |
|
AD01 | Patent right deemed abandoned |