CN105761163A - 一种基于相关性分析和气象因子聚类的调温负荷定量方法 - Google Patents
一种基于相关性分析和气象因子聚类的调温负荷定量方法 Download PDFInfo
- Publication number
- CN105761163A CN105761163A CN201610095077.0A CN201610095077A CN105761163A CN 105761163 A CN105761163 A CN 105761163A CN 201610095077 A CN201610095077 A CN 201610095077A CN 105761163 A CN105761163 A CN 105761163A
- Authority
- CN
- China
- Prior art keywords
- load
- day
- homoiothermic
- meteorological
- meteorological factor
- 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
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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Landscapes
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于相关性分析和气象因子聚类的调温负荷定量方法,本发明通过日最大负荷与气象因子的相关性分析得到调温负荷的气象因子。得到气象因子后,基于气象因子聚类的日最大负荷数据子集的方差变化,确定调温负荷和基准负荷的气象因子区间。分别确定各调温负荷和基准负荷的气象因子区间后,得到对应的调温负荷日和基准负荷日,进一步得到其分别对应的负荷统计情况,通过基准负荷日中各负荷统计数值的平均得到基准日负荷曲线,调温负荷日的日负荷数据与基准日负荷曲线作差即得到当日的调温负荷曲线。在各日调温负荷曲线基础上,通过数据处理得到夏季降温负荷和冬季取暖负荷的日、周、月、季、年等时间区间上的数值情况。
Description
技术领域
本发明涉及一种调温负荷定量方法。特别是涉及一种基于相关性分析和气象因子聚类的调温负荷定量方法。
背景技术
随着国民经济的迅速发展与电力市场的不断完善,负荷特性分析逐步成为电力企业经营与规划不可或缺的一环,对于整个电力系统及电网运行的安全性、稳定性、经济性、合理性具有重要的理论指导作用和实践应用价值。掌握负荷的变化特性和发展规律,不仅可以提高电力企业负荷预测的准确性,有利于电力系统安全稳定地运行,还可以提高用户的供电质量,使电力企业获得更好的经济效益。负荷特性分析是通过对负荷变化、气候变化、不同行业用电习惯密切有效地观察,深入了解各行业、各个地区的负荷现状,把握该行业及地区负荷变化的规律和发展趋势的过程,根据特定的负荷特性曲线及负荷特性指标数据,关注用户的负荷特性,为电力企业的经营和发展提供支持。电力负荷根据行业不同可大体分为工业负荷、农业负荷、商业负荷、居民住宅负荷及其他负荷五大类。影响电力负荷特性的因素众多,包括气象变化、电价政策、经济水平、生活习惯、日类型等,其中气象因素又分为气温、湿度、风力、降雨量等。一般电力负荷特性具有很强的季节性、周期性、时间性规律,在日区间、月区间、季区间、年区间内负荷曲线及负荷特性指标均有所差异。
电力总负荷可以分为基准负荷和调温负荷两部分,调温负荷包括夏季降温负荷和冬季取暖负荷,主要是由于空调、电扇、电暖气等调温设备的使用而产生。随着人们生活水平的提高,电网负荷逐步增长,其中基准负荷相对比较稳定,而调温负荷所占比重不断增加,是夏冬季负荷屡创新高的主要原因。在我国大部分城市之中,夏季降温负荷占最大负荷的比例越来越高,对电网的安全稳定运行形成了巨大威胁,在具备集中供暖系统的地区冬季取暖负荷的影响会得到较大的缓解,而在单纯依靠电类设备取暖的地区,取暖负荷的影响同样不容小觑。因此,调温负荷的分析、预测及控制是电网安全稳定运行的重要保证。然而,当前电网中缺乏专门的调温负荷统计,如果通过电网建立专门的调温负荷统计体系需要花费大量的人力、物力及财力,并且由于调温设备的分散性及多样性,做到统计的准确性比较困难。因此,通过负荷特性的分析及影响因素的研究,利用调温负荷的有效算法将调温负荷从电力总负荷中分离出来成为最常用且最经济的方式。
目前,降温负荷计算方法主要最大负荷比较法和基准负荷比较法两种。最大负荷比较法通过夏季最大负荷与基本无降温负荷的春秋季节最大负荷进行比较计算,从而确定最大降温负荷;基准负荷比较法通过夏季日负荷曲线与春秋季日负荷曲线的平均值作差,确定降温负荷曲线。两种算法具有一定的缺陷:1)各气象因子(气温、湿度、风力、降雨量等)在气候条件不同的地区对降温负荷的影响权重与主导因子不同,且最高权重因子相关性系数也不尽相同,传统方法只适用于降温负荷高权重影响因子单一且严格地按季节性变化的情况,具有局限性;2)单纯的将夏季负荷与降温负荷的产生时段等同,将春秋负荷与无降温负荷的时段等同,没有考虑春夏秋负荷中特殊天气时降温负荷的变化问题,即在天气比较凉爽的夏季某天可能无降温负荷,而春秋季节中特殊天气情况下某天可能有降温负荷;3)计算过程中不定因素较多,不同的数据选取标准得到的结果差异较大,导致误差较大。
发明内容
本发明需要解决的技术问题是提供一种能够更加准确且实用地计算出调温负荷的基于相关性分析和气象因子聚类的调温负荷定量方法。
为解决上述技术问题,本发明所采用的技术方案是:
由于采用了上述技术方案,本发明取得的技术进步是:
1、总负荷可以分为调温负荷和基准负荷两部分。基准负荷相对比较平稳,随时间的变化较小,且在各时间段的增长量、增长率等规律相对容易掌握,在负荷预测及电网规划过程中比较容易处理;调温负荷包括夏季降温负荷与冬季取暖负荷,是引起电网总负荷波动的主要部分,也是引起夏冬季负荷高峰的主要原因。本发明的方法解决了调温负荷的定量计算问题,根据电力企业监测的总负荷值和当地气象因素,可以准确且全面地得到对应的夏季降温负荷和冬季取暖负荷数据,从而为进一步地调温负荷研究奠定基础。
2、气象条件是影响调温负荷的主要因素,在不同的地区由于气象因素的差异,调温负荷的影响因子、数值大小、出现时段、变化特征会有较大区别。由于调温负荷是气象因素引起总负荷波动的部分,本发明的方法通过总负荷与各气象因子相关性分析,得到与总负荷相关性最高的气象因子,也是与调温负荷相关性最高的气象因子。因此,相关性分析是本发明的方法的基础,通过相关性分析可得到调温负荷的气象因子,从而得到计算调温负荷的主线。因此,本发明的方法可以进行不同气象条件下、不同地区的调温负荷计算,在相关性分析确定气象因子后,以气象因子为主线可以消除不同地区气象差异和同一地区气象不规律性所引起的调温负荷计算偏差,在具有普遍性的同时提高可调温负荷计算的准确性。
3、在确定气象因子之后,调温负荷和基准负荷对应的气象因子区间的划分是另一关键点。本发明的方法基于气象因子聚类的日最大负荷数据子集的方差变化,确定调温负荷和基准负荷的气象因子区间,可以简单准确地找到各临界气象因子值。
5、本发明的方法具有普遍适用性,适用于地区电网、区域电网或部分电网的调温负荷计算,同时也适用于分行业、分类型负荷研究中的调温负荷计算,根据本发明的方法可以分别得到夏季降温负荷与冬取暖温负荷,实现两种特殊负荷的实时分析计算。
6、通过本发明的方法得到的调温负荷数据与电力企业监测得到的总负荷数据在时间间隔、类型及适用程度上都是一一对应的,先前的负荷特性分析经验及负荷特性指标体系经过简单的变化都可以应用到调温负荷的分析中,拓展负荷特性分析的内容。
7、本发明的方法可以准确地进行调温负荷的计算,同时具有普遍性与实用性。以本发明的方法为基础,可以搭建调温负荷分析平台,在得到各时间间隔的调温负荷数据基础上,进行各时间区间最大调温负荷统计分析、调温负荷所占比例统计分析、调温负荷敏感性统计分析、调温负荷相关性统计分析等一系列研究,为准确地负荷预测和电力规划提供支持,在具有理论研究价值和应用实践意义的同时可以带来显著地经济与社会效益,具备很高的实用性。
8、有无调温负荷的时间段并不是依照时间顺序排列的,也不是严格按照春夏秋冬四季分布的,调温负荷根据其气象因子的变化而变化。本发明的方法以本地最大负荷数据的最高权重影响因子为主线,使原有的按时间顺序排列的负荷数据依据气象因子分布,可以准确且不失简便性地得到调温负荷。
附图说明
图1是本发明基于相关性分析和气象因子聚类的调温负荷定量方法的流程图。
具体实施方式
下面结合实施例对本发明做进一步详细说明:
为了更加准确且实用地计算出调温负荷,本发明提出一种基于相关性分析和气象因子聚类的调温负荷定量方法。即,通过日最大负荷与气象因子的相关性分析得到调温负荷的气象因子,相关性分析可以借助斯皮尔曼相关系数法、皮尔逊相关系数法、肯德尔相关系数法,在数据量较少时可以根据相关性公式直接计算,在数据量较大时则可以借助matlab、spss、或excel等软件进行计算,根据结果得到的相关性最高的影响因子即气象因子,气象因子是调温负荷计算的主线。得到气象因子后,基于气象因子聚类的日最大负荷数据子集的方差变化,确定调温负荷和基准负荷的气象因子区间。在出现调温负荷的时期,气象因子是通过影响调温负荷的变化从而引起最大负荷的波动,而没有调温负荷的时期,最大负荷相对稳定。同时,由于累积效应的存在,在出现调温负荷的时期,同一气象因子对应的最大负荷数值波动较大,因此基于气象因子聚类的日最大负荷方差由小变大的明显过渡点即为调温负荷的临界气象因子。分别确定各调温负荷和基准负荷的气象因子区间后,得到对应的调温负荷日和基准负荷日,进一步得到其分别对应的负荷统计情况,通过基准负荷日中各负荷统计数值的平均得到基准日负荷曲线,调温负荷日的日负荷数据与基准日负荷曲线作差即得到当日的调温负荷曲线。在各日调温负荷曲线基础上,通过简单的计算及数据的处理便可得到夏季降温负荷和冬季取暖负荷的日、周、月、季、年等时间区间上的数值情况,从而进行进一步地降温负荷或取暖负荷的研究。
如图1所示,本发明的一种基于相关性分析和气象因子聚类的调温负荷定量方法,包括如下步骤:
1)收集与整理计算过程中需要的各日负荷数据与气象数据,负荷数据是以一定的时间间隔统计得到的数值,由这些数据可以方便地计算日最大负荷等,气象数据包括下述各气象因子:日最高气温、日最低气温、日平均气温、日气温差、日风力大小、日降雨量、日湿度变化,负荷数据的统计时间间隔决定了计算得到的调温负荷数据间隔,并将周六、周日、节假日的负荷数据和气象数据与普通日期的负荷数据与气象数据分开;
2)分别根据周六、周日、节假日的负荷数据和气象数据进行相关性分析,确定气象因子,以及根据普通日期的负荷数据和气象数据进行相关性分析,确定气象因子,均包括:
(1)通过斯皮尔曼相关系数法或皮尔逊相关系数法或肯德尔相关系数法获得不同的相关系数;在数据量较少时可以根据相关性公式直接计算,在数据量较大时则可以借助matlab或spss或excel等件进行计算。不同地区最大负荷的影响因子权重不同,因此相关性分析是必需的环节,是计算调温负荷的基础,是算法具备通用性必备环节。斯皮尔曼相关系数法是比较常用的方法,其计算公式为:
式中:x、y为经过编秩的随机变量,r为相关系数,当r的绝对值为0.8-1.0为极强相关,0.6-0.8为强相关,0.4-0.6为中等程度相关,0.2-0.4为弱相关,0-0.2为不相关。
在相关性分析的计算过程中,当计算降温负荷时,输入夏季日最大负荷数据,计算取暖负荷时,输入冬季日最大负荷数据。
(2)对相关性分析得到的相关系数取绝对值,其中绝对值最大的相关系数所对应的每一天的气象数据中的一个因子即为气象因子。
3)将负荷数据重新按照各气象因子进行聚类,即将相同数值的气象因子归为一类,得到各气象因子数值对应的日最大负荷数据子集,通过excel软件计算出每个日最大负荷数据子集的方差,由于方差数值大小可以代表数据的波动情况,因此日最大负荷数据子集的方差由小变大的两个过渡点对应为降温负荷和取暖负荷的临界气象因子。
4)基于调温负荷的临界气象因子,确定降温负荷、取暖负荷和基准负荷的气象因子区间,降温负荷的临界气象因子和取暖负荷的临界气象因子之间的气象因子,即为基准负荷的气象因子区间,降温负荷的临界气象因子以上的气象因子,即为降温负荷的气象因子区间,取暖负荷的临界气象因子以下的气象因子,即为取暖负荷的气象因子区间;
在出现调温负荷的时期,气象因子是通过影响调温负荷的变化从而引起最大负荷的波动,而没有调温负荷的时期,最大负荷相对稳定。同时,由于累积效应的存在,在出现调温负荷的时期,同一气象因子对应的最大负荷数值波动较大。在得到各气象因子对应的数据子集方差后,一般可以通过观察数值变化得到临界点,或者计算各方差的变化率,还可以借助数据散点图来观察方差变化。根据气象因子临界点可以分别得到基准负荷、降温负荷、取暖负荷的气象因子区间。
5)确定调温负荷曲线,在各气象因子区间上,得到对应的调温负荷日和基准负荷日,进一步得到调温负荷日和基准负荷日分别对应的日最大负荷数据,通过基准负荷日中每一日不同时间的负荷数据的平均值得到基准日负荷曲线,由调温负荷日的日负荷数据得到调温负荷日的日负荷曲线,将调温负荷日的日负荷曲线与基准日负荷曲线作差即得到当日的调温负荷曲线,通过各日的调温负荷曲线得到年或月最大调温负荷数据。其中,
调温负荷曲线计算公式为:
式中P基(h)为基准日负荷曲线,P基(d,h)为基准负荷日中第d天h时的负荷数据,n为基准负荷日的总天数;
P调(h)=P总(h)-P基(h)
式中P调(h)为某日的调温负荷曲线,P总(h)为某调温负荷日的日负荷曲线。
Claims (3)
1.一种基于相关性分析和气象因子聚类的调温负荷定量方法,其特征在于:包括如下步骤:
1)收集与整理计算过程中需要的各日负荷数据与气象数据,负荷数据是以一定的时间间隔统计得到的数值,气象数据包括下述各气象因子:日最高气温、日最低气温、日平均气温、日气温差、日风力大小、日降雨量、日湿度变化,并将周六、周日、节假日的负荷数据和气象数据与普通日期的负荷数据与气象数据分开;
2)分别根据周六、周日、节假日的负荷数据和气象数据进行相关性分析,确定气象因子,以及根据普通日期的负荷数据和气象数据进行相关性分析,确定气象因子,均包括:
(1)通过斯皮尔曼相关系数法或皮尔逊相关系数法或肯德尔相关系数法获得不同的相关系数;
(2)对相关性分析得到的相关系数取绝对值,其中绝对值最大的相关系数所对应的每一天的气象数据中的一个因子即为气象因子;
3)将负荷数据重新按照各气象因子进行聚类,即将相同数值的气象因子归为一类,得到各气象因子数值对应的日最大负荷数据子集,计算出每个日最大负荷数据子集的方差,日最大负荷数据子集的方差由小变大的两个过渡点对应为降温负荷和取暖负荷的临界气象因子;
4)基于调温负荷的临界气象因子,确定降温负荷、取暖负荷和基准负荷的气象因子区间,降温负荷的临界气象因子和取暖负荷的临界气象因子之间的气象因子,即为基准负荷的气象因子区间,降温负荷的临界气象因子以上的气象因子,即为降温负荷的气象因子区间,取暖负荷的临界气象因子以下的气象因子,即为取暖负荷的气象因子区间;
5)确定调温负荷曲线,在各气象因子区间上,得到对应的调温负荷日和基准负荷日,进一步得到调温负荷日和基准负荷日分别对应的日最大负荷数据,通过基准负荷日中每一日不同时间的负荷数据的平均值得到基准日负荷曲线,由调温负荷日的日负荷数据得到调温负荷日的日负荷曲线,将调温负荷日的日负荷曲线与基准日负荷曲线作差即得到当日的调温负荷曲线,通过各日的调温负荷曲线得到年或月最大调温负荷数据。
2.根据权利要求1所述的一种基于相关性分析和气象因子聚类的调温负荷定量方法,其特征在于:在步骤2)的相关性分析的计算过程中,当计算降温负荷时,输入夏季日最大负荷数据,计算取暖负荷时,输入冬季日最大负荷数据。
3.根据权利要求1所述的一种基于相关性分析和气象因子聚类的调温负荷定量方法,其特征在于:在步骤5)中,调温负荷曲线计算公式为:
式中P基(h)为基准日负荷曲线,p基(d,h)为基准负荷日中第d天h时的负荷数据,n为基准负荷日的总天数;
P调(h)=P总(h)-P基(h)
式中P调(h)为某日的调温负荷曲线,P总(h)为某调温负荷日的日负荷曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610095077.0A CN105761163A (zh) | 2016-02-22 | 2016-02-22 | 一种基于相关性分析和气象因子聚类的调温负荷定量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610095077.0A CN105761163A (zh) | 2016-02-22 | 2016-02-22 | 一种基于相关性分析和气象因子聚类的调温负荷定量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105761163A true CN105761163A (zh) | 2016-07-13 |
Family
ID=56329809
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610095077.0A Pending CN105761163A (zh) | 2016-02-22 | 2016-02-22 | 一种基于相关性分析和气象因子聚类的调温负荷定量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105761163A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106779346A (zh) * | 2016-12-01 | 2017-05-31 | 国家电网公司 | 一种月度用电量的预测方法 |
CN109871997A (zh) * | 2019-02-14 | 2019-06-11 | 国网宁夏电力有限公司经济技术研究院 | 一种适应复杂环境的降温负荷组合测算系统 |
CN110458340A (zh) * | 2019-07-25 | 2019-11-15 | 天津大学 | 基于模式分类的建筑空调冷负荷自回归预测方法 |
CN110909916A (zh) * | 2019-10-24 | 2020-03-24 | 国网辽宁省电力有限公司 | 一种基于熵权法的风力发电月度电量区间预测方法 |
CN112016816A (zh) * | 2020-08-13 | 2020-12-01 | 国网江苏省电力有限公司无锡供电分公司 | 一种考虑时间特性与数值特性的负荷状态评估方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104598982A (zh) * | 2014-10-30 | 2015-05-06 | 广东电网有限责任公司电力调度控制中心 | 年最大降温负荷的获取方法及系统 |
CN105069525A (zh) * | 2015-07-30 | 2015-11-18 | 广西大学 | 全天候96点日负荷曲线预测及优化修正系统 |
-
2016
- 2016-02-22 CN CN201610095077.0A patent/CN105761163A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104598982A (zh) * | 2014-10-30 | 2015-05-06 | 广东电网有限责任公司电力调度控制中心 | 年最大降温负荷的获取方法及系统 |
CN105069525A (zh) * | 2015-07-30 | 2015-11-18 | 广西大学 | 全天候96点日负荷曲线预测及优化修正系统 |
Non-Patent Citations (1)
Title |
---|
任志超等: "调温负荷的估算方法及影响因素研究", 《现代电力》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106779346A (zh) * | 2016-12-01 | 2017-05-31 | 国家电网公司 | 一种月度用电量的预测方法 |
CN109871997A (zh) * | 2019-02-14 | 2019-06-11 | 国网宁夏电力有限公司经济技术研究院 | 一种适应复杂环境的降温负荷组合测算系统 |
CN110458340A (zh) * | 2019-07-25 | 2019-11-15 | 天津大学 | 基于模式分类的建筑空调冷负荷自回归预测方法 |
CN110909916A (zh) * | 2019-10-24 | 2020-03-24 | 国网辽宁省电力有限公司 | 一种基于熵权法的风力发电月度电量区间预测方法 |
CN110909916B (zh) * | 2019-10-24 | 2023-06-13 | 国网辽宁省电力有限公司 | 一种基于熵权法的风力发电月度电量区间预测方法 |
CN112016816A (zh) * | 2020-08-13 | 2020-12-01 | 国网江苏省电力有限公司无锡供电分公司 | 一种考虑时间特性与数值特性的负荷状态评估方法及系统 |
CN112016816B (zh) * | 2020-08-13 | 2022-07-22 | 国网江苏省电力有限公司无锡供电分公司 | 一种考虑时间特性与数值特性的负荷状态评估方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhai et al. | Implications of climate changes to building energy and design | |
CN105761163A (zh) | 一种基于相关性分析和气象因子聚类的调温负荷定量方法 | |
Wang et al. | China's natural gas consumption and subsidies—From a sector perspective | |
Ozawa et al. | Determining the relationship between a household’s lifestyle and its electricity consumption in Japan by analyzing measured electric load profiles | |
Williams et al. | Predicting future monthly residential energy consumption using building characteristics and climate data: A statistical learning approach | |
CN104156786B (zh) | 一种考虑气象多因素影响的非工作日最大日负荷预测系统 | |
Wang et al. | Analysis of spatio-temporal evolution of droughts in Luanhe River Basin using different drought indices | |
CN102999791A (zh) | 一种电力行业中基于客户分群的电力负荷预测方法 | |
CN104239968A (zh) | 一种快速模糊粗糙集短期负荷预测方法 | |
Gastli et al. | Correlation between climate data and maximum electricity demand in Qatar | |
Fan et al. | Impact of climatic factors on monthly electricity consumption of China’s sectors | |
CN110033134A (zh) | 一种考虑气象因素的逐日分段短期负荷预测算法 | |
CN112465403B (zh) | 一种区域电力需求侧响应潜力评估方法 | |
CN107423836A (zh) | 基于体感温度的短期负荷预测方法 | |
Shi et al. | Streamflow decline threatens water security in the upper Yangtze river | |
Wu et al. | Regional response of runoff in CMIP5 multi-model climate projections of Jiangsu Province, China | |
Tian et al. | Using the IPAT identity and decoupling analysis to estimate water footprint variations for five major food crops in China from 1978 to 2010 | |
Liu et al. | Spatial pattern analysis of regional water use profile based on the Gini coefficient and location quotient | |
CN115411730A (zh) | 空调负荷多时段可调节潜力评估方法及相关装置 | |
Pei et al. | A drought index for rainfed agriculture: the standardized precipitation crop evapotranspiration Index (SPCEI) | |
CN104850612B (zh) | 一种基于增强凝聚层次聚类的配网用户负荷特征分类方法 | |
Auffhammer et al. | Hotspots of climate-driven increases in residential electricity demand: A simulation exercise based on household level billing data for California | |
Lu et al. | Simulation-based inexact rough-interval programming for agricultural irrigation management: a case study in the Yongxin County, China | |
Hu et al. | Spatial-temporal variations in green, blue and gray water footprints of crops: how do socioeconomic drivers influence? | |
Liu et al. | Estimation of regional farmland irrigation water requirements and water balance in Northeast China |
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: 20160713 |
|
RJ01 | Rejection of invention patent application after publication |