CN107403276A - 分析用电需求的方法和装置 - Google Patents
分析用电需求的方法和装置 Download PDFInfo
- Publication number
- CN107403276A CN107403276A CN201710646208.4A CN201710646208A CN107403276A CN 107403276 A CN107403276 A CN 107403276A CN 201710646208 A CN201710646208 A CN 201710646208A CN 107403276 A CN107403276 A CN 107403276A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- function
- munderover
- power demand
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000005611 electricity Effects 0.000 claims abstract description 77
- 238000004458 analytical method Methods 0.000 claims description 31
- 238000005070 sampling Methods 0.000 claims description 27
- 238000003860 storage Methods 0.000 claims description 10
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims description 3
- 230000006870 function Effects 0.000 description 63
- 238000002474 experimental method Methods 0.000 description 31
- 238000010586 diagram Methods 0.000 description 12
- 238000012360 testing method Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000002354 daily effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 240000002853 Nelumbo nucifera Species 0.000 description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 2
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000002860 competitive effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000013400 design of experiment Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- APCLRHPWFCQIMG-UHFFFAOYSA-N 4-(5,6-dimethoxy-1-benzothiophen-2-yl)-4-oxobutanoic acid Chemical compound C1=C(OC)C(OC)=CC2=C1SC(C(=O)CCC(O)=O)=C2 APCLRHPWFCQIMG-UHFFFAOYSA-N 0.000 description 1
- 238000010207 Bayesian analysis Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 239000012080 ambient air Substances 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000009064 short-term regulation Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种分析用电需求的方法和装置。其中，该方法包括：根据预设区域内的电费支出构建电费支出函数以及根据预设区域内的回扣收益构建回扣收益函数，并根据电费支出函数和回扣收益函数以及预设区域内的平均温度构建用电需求模型，最后基于用电需求模型对用电数据进行处理，得到用电需求结果，其中，回扣收益为在用电过程中用户所得到的收益。本发明解决了由于目前仅针对用户电费支出情况对用电需求进行分析所造成的对用电需求分析不准确的技术问题。
Description
技术领域
本发明涉及电力领域，具体而言，涉及一种分析用电需求的方法和装置。
背景技术
在现有技术中，一般是通过销售电价来对用户的用电需求进行分析。例如，可以通过如下方法对用户的用电需求进行分析：采用协整理论，建立用电需求与销售电价的长期均衡关系模型，并以建立的长期均衡关系模型为基础，采用误差修正理论构建用电需求与销售电价间的短期调节关系模型，以便能够正确地分析销售电价调整对用电需求的影响。
此外，还可以采用如下方法对用户的用电需求进行分析：构建基于阶梯电价的需求函数，并对阶梯电价用电需求函数进行贝叶斯分析，分别从统计模型、似然函数、后验分布以及加速收敛四个方面分析，最后，对用户的用电数据进行估计，将影响因素带入模型得出各用户的用电需求。
在现有技术中，还可以采用基于模糊C均值聚类的方法对用户用电需求进行分类预测。首先通过模糊C均值聚类对某地区居民用电行为进行聚类分析、数据分类，然后再建立基于自组织模糊神经网络的用电需求预测模型。
由上述内容可知，现有技术中较多地考虑用户用电需求的长期变化，而并未考虑到在不同电价的情况下，用户用电需求的动态变化。另外，现有技术在考虑用电需求时都仅考虑了用户的电费支出，并未考虑用户可能获得的回扣收益以及环境气温对用户用电需求的影响。
针对上述由于目前仅针对用户电费支出情况对用电需求进行分析所造成的对用电需求分析不准确的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种分析用电需求的方法和装置，以至少解决由于目前仅针对用户电费支出情况对用电需求进行分析所造成的对用电需求分析不准确的技术问题。
根据本发明实施例的一个方面，提供了一种分析用电需求的方法，包括：根据预设区域内的电费支出构建电费支出函数；根据预设区域内的回扣收益构建回扣收益函数，其中，回扣收益为在用电过程中用户所得到的收益；根据电费支出函数和回扣收益函数以及预设区域内的平均温度构建用电需求模型；基于用电需求模型对用电数据进行处理，得到用电需求结果
根据本发明实施例的另一方面，还提供了一种分析用电需求的装置，包括：第一构建模块，用于根据预设区域内的电费支出构建电费支出函数；第二构建模块，用于根据预设区域内的回扣收益构建回扣收益函数，其中，回扣收益为在用电过程中所得到的收益；第三构建模块，用于根据电费支出函数和回扣收益函数以及预设区域内的平均温度构建用电需求模型；分析模块，用于基于用电需求模型对用电数据进行处理，得到用电需求结果。
根据本发明实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，其中，程序执行分析用电需求的方法。
根据本发明实施例的另一方面，还提供了一种处理器，该处理器用于运行程序，其中，程序运行时执行分析用电需求的方法。
在本发明实施例中，采用根据电费支出和回扣收益构建需求模型的方式，通过根据预设区域内的电费支出构建电费支出函数和根据预设区域内的回扣收益构建回扣收益函数，并根据电费支出函数和回扣收益函数以及预设区域内的平均温度构建用电需求模型，最后基于用电需求模型对用电数据进行分析，得到用电需求结果，达到了对用户的用电需求进行准确分析的目的，从而实现了根据用户的用电需求动态分配电量的技术效果，进而解决了由于目前仅针对用户电费支出情况对用电需求进行分析所造成的对用电需求分析不准确的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的一种分析用电需求的方法流程图；
图2是根据本发明实施例的一种可选的分析用电需求的方法流程图；
图3是根据本发明实施例的一种可选的平均日负荷的曲线示意图；
图4是根据本发明实施例的一种可选的实验组用户与对照组用户用电量均值差值的95％置信区间的曲线示意图；
图5是根据本发明实施例的一种可选的分析用电需求的方法流程图；以及
图6是根据本发明实施例的一种分析用电需求的装置结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例，提供了一种分析用电需求的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的分析用电需求的方法流程图，如图1所示，该方法包括如下步骤：
步骤S102，根据预设区域内的电费支出构建电费支出函数；
步骤S104，根据预设区域内的回扣收益构建回扣收益函数，其中，回扣收益为在用电过程中用户所得到的收益；
步骤S106，根据电费支出函数和回扣收益函数以及预设区域内的平均温度构建用电需求模型；
步骤S108，基于用电需求模型对用电数据进行处理，得到用电需求结果。
需要说明的是，上述电费支出函数用于表示预设区域内用户的总电费支出情况，回扣收益函数表示用户在用电时所得到的回扣收益，例如，用户通过降低用电量而获得的电费回扣收益。
此外，还需要说明的是，为精确建立用户的用电需求模型，进而对用户的用电需求进行准确的分析，在本申请中将预设区域内的用户分为两组，即分为实验组和对照组，并以非假日的100天为基准，将其分为实验日和非实验日，其中，实验组为收到一定激励作用的用户，而对照组为未收到激励作用的用户，实验日为用户可获得回扣收益的日期，而非实验日为用户不可获得回扣收益的日期，在非实验日中，用户只能以原价购买电量。具体的，激励作用可以为但不限于以下几种：
①预设区域内每月用电量基本电量电价机制，例如，每月用电240度以内，每度电以6.75分购买，而超过240度的部分以每度电11.02分购买；
②预先设定的用户用电负荷的参考水平，其中，该参考水平是根据实验组欧诺个户在非实验日峰荷时段的用电负荷来确定；
③在用户的实际用电水平低于用电参考水平的情况下，用户可得到电费回扣收益，在实验日的峰荷时段，用户超出用电参考水平的部分的用电量将与非实验日期间的用电量收费标准相同。其中，峰荷时段为一天中用电高峰的时段。
基于上述步骤S102至步骤S108所限定的方案，可以获知，通过根据预设区域内的电费支出构建电费支出函数和根据预设区域内的回扣收益构建回扣收益函数，并根据电费支出函数和回扣收益函数以及预设区域内的平均温度构建用电需求模型，最后基于用电需求模型对用电数据进行分析，得到用电需求结果。
容易注意到的是，本申请在对用电需求进行分析的过程中，不仅考虑到了电费支出对用户的用电需求的影响，还考虑到了用户在用电时所得到的回扣收益对用户的用电需求的影响。由于本申请是在电费支出和回扣收益两个因素的共同作用下，建立用电需求模型的，因此，使用本申请的用电需求模型可对用户的用电需求进行准确的分析。
本申请的上述实施例可以达到对用户的用电需求进行准确分析的目的，从而实现了根据用户的用电需求动态分配电量的技术效果，进而解决了由于目前仅针对用户电费支出情况对用电需求进行分析所造成的对用电需求分析不准确的技术问题。
在一种可选的实施例中，如图2所示的一种可选的分析用电需求的方法流程图，在构建电费支出函数和回扣收益函数之前，分析用电需求的方法还包括如下步骤：
步骤S202，根据预设区域内的至少一个用户所属的供电所，将至少一个用户划分为多个部分；
步骤S204，根据至少一个用户在每个部分中所处的位置，将每个区域内的至少一个用户划分为多个区域；
步骤S206，在多个区域的每个区域内，根据抽样比例确定每个区域内电费支出和回扣收益。
需要说明的是，根据随机化设计原则，实验研究的对象应随机抽取并随机分配到实验组和对照组内。由于预设区域内电力用户的数量庞大，居住分布不均匀，因此，采用简单的随机抽样的方法抽出的样本不具有代表性，缺乏统计效率。而本申请采用多阶段抽样与分层随机抽样相结合的方法对预设区域内的用户进行随机抽样，可有效地解决上述问题。
具体的，首先将所有用户按照所属不同的供电所进行划分，然后将每个供电所的电力用户再按照不同区域进行划分，最后在每个不同区域中抽取一定数量的电力用户，抽样比例由各区域内电力用户数量占该供电所全部电力用户数量的比例所决定，进行等比例抽样。例如，某供电所所在辖区按照用户居住环境的不同特征(例如，山区、城镇、郊区等)划分为三个不同区域，在每个区域中均按照一定比例随机抽取一定数量的电力用户。其中，三个区域的电力用户在样本中的比例分别与其在总体中的比例一致。所有的供电所均按照上述方法抽取样本，最后将抽取出的电力用户组合在一起构成实验样本。
在一种可选的实施例中，设Nh(h＝1，2，...L)为预设区域中供电所t(t＝1，2，...k)划分的L个区域中，每个区域包括的全部电力用户数据，nh为从预设区域中随机抽取的用户数目，为抽样的抽样比，yh为被抽取出来的用户的用电量，则分层抽样的组内方差为：
该供电所的抽样方差为：
如果预设区域内存在k个供电所，每个供电所的电力用户占全部用户的比例为：
ft＝Nh/N
其中，N为预设区域内的全部电力用户的数量，则本次抽样的抽样方差为：
需要说明的是，如果抽样的预设区域过大，在进行抽样后，电力用户的居住分布情况仍然有较大的差异，还可在预设区域中进行进一步的划分，然后在不同区域内进行再次抽样。
此外，还需要说明的是，由于是随机抽样调查，因此需要根据抽取到的电力用户的用电量情况对用户总体的用电量情况进行推断，绝对误差不超过5％，可靠性大于等于95％，根据多阶段分层抽样以及对推断的精度和信度的要求，进一步确定抽样样本的容量n：
其中，d为最大允许误差，Zα/2由可靠性决定。当总体方差未知时，采用样本方差s2代替总体方差。
在另一种可选的实施例中，在根据抽样比例确定每个区域内电费支出和回扣收益之前，分析用电需求的方法还包括：根据每个区域内的用户的数量与该区域所处供电所内用户的总数量的比值确定抽样比例。
在完成对预设区域内的电力用户的随机抽样之后，为保证抽样样本具有代表性，需要对抽样样本的随机性进行检验。具体的，YSidt为实验组中的用户i在d日的第t间隔(例如，每间隔15分钟)的用电量，YDjdt为对照组的用户j在d日的第t间隔的用电量，图3示出了平均日负荷的曲线示意图，示出了X年X月最后3天所有用户每隔15分钟的YSidt的平均值和YDjdt的平均值曲线。用ND(t)表示对照组用户第t个15分钟的间隔观察值的总数，NS(t)表示对实验组用户第t个15分钟间隔的观察值的总数，则对照组和实验组均值曲线上的每个值可以分别表示如下：
令C(t)＝μ(YS(t))-μ(YD(t))，表示对第t个15分钟的间隔，实验组用户用电量的平均值与对照组用户用电量的平均值的差值。其中，C(t)的标准差的一致性估计量为：
在上式中，
在一种可选的实施例中，图4示出了实验组用户与对照组用户用电量均值差值的95％置信区间的曲线示意图。但在实际应用中，对于所有的15分钟间隔，C(t)的期望值E(C(t))的95％置信区间均包括你0点。如果对于所有的96个时间间隔，E(C(t))都等于0，则对于96个时间间隔中的每一个时间间隔，包含0点的概率为95％，即只有大约0.05×96≈5个间隔的置信区间不包含0点。由图4可知，在不超过5个时间间隔的置信区间中，是不包含0点的。因此，在本申请中，可假设实验组用户的平均用电量等于对照组所有用户的平均用电量。
需要说明的是，可选取实验组用户在峰荷时段的三次最高用电量的平均值作为非实验日实验组用户峰荷时段的用电参考水平。其中，非峰荷用电负荷水平由每天除12时至下午6时的时段之外的所有其他时间的总用电量来确定。另外，对两个组的用户的用电收费都基于原来的价格机制，也就是每个月的240度的基本电量按照每度电6.75分的标准收费，其余的用电量按照每度电11.02分的标准收费。如果实验组的用户在所有的实验日里，每天中午12时到下午6时这段时间的平均用电量均低于用电量参考值，那么在实验结束之后，这些用户可以得到相应的电费回扣收益。
在一种可选的实施例中，根据如下公式构建电费支出函数：
其中，Ysm为第m月第s天的用电量，Yjsm为第m月第s天第j时的用电量，Y1sm表示非峰荷时段的用电量，Y2sm表示峰荷时段的用电量，(Ysm|s＝1...，Sm，m＝1，...，M)为峰荷时段用电量向量和非峰荷时段的用电量向量，Plb为实际用电量低于基本用电量的电价，Phb为实际用电量高于基本用电量的电价，Sm为第m月的总天数，M为总月数，TF为预设区域内的电费支出，J(X)为事件X的是指函数，或
根据如下公式构建回扣收益函数：
其中，时，表示第m月第s天对用电需求进行分析，时，表示第m月第s天未对用电需求进行分析，yref(y)表示最高用电负荷水平的平均值，Phk表示峰荷时段期间电费的回扣收益标准，表示事件的指示函数。
在一种可选的实施例中，如图5所示的一种可选的分析用电需求的方法流程图，在图5中，根据电费支出函数和回扣收益函数构建用电需求模型具体包括如下步骤：
步骤S502，根据电费支出函数和回扣收益函数建立效用函数；
步骤S504，根据效用函数和预设区域内的平均温度确定用电需求模型的目标函数和约束条件；
步骤S506，根据目标函数和约束条件构建用电需求模型。
需要说明的是，用电需求模型是一个动态非线性的分析模型，在该用电需求模型中，包含对实验组的激励作用。在构建用电需求模型之前，需要确定最高用电负荷水平的平均值yref(y)的数值，具体方法如下：
设非实验日的集合为A(NSY)，则A(NSY)可进行如下定义：
其中，表示第m月第s天是非实验日，表示第m月第s天是实验日，Y2(1)＝max(s，m)∈A(NSY)Y2sm，Y2(2)＝max(s，m)∈A(NSY)-(s(1)，m(1))Y2sm。
另外，(s(1)，m(1))是与Y2(1)相关的s和m的值，并进行如下定义：
在上式中，(s(2)，m(2))是与Y2(2)相关的s和m的值。Y2(k)，k＝1，2，3，表示在集合A(NSY)中的(s，m)配对上的三个最大的Y2sm的值。
因此，根据上述定义，用电负荷参考水平可进行如下定义：
由上述定义可知，用户总的电费支出TF以及用户的总的电费回扣收益TK，与实验期间的每一天的峰荷时段和非峰荷时段的用电负荷向量Y，以及整个试驾序列的指示变量之间的关系为非线性函数关系。
需要说明的是，由于存在上述非线性预算约束，因此，不能采用基于线性预算约束的电力需求函数进行分析，基于最优化问题可推导出标准需求函数如下：
目标函数为：
约束条件为：
其中，U(x)为电力用户的效用函数，pi为商品i的价格，xi为对商品i的消耗量，x＝(x1，x2，...，xN)，M为总支出，xi的最优值为价格向量p＝(p1，p2，..，PN)，总支出M的函数为即该用户对商品i的需求。
在另一种可选的实施例中，U(Y1sm，Y2sm，zsm，Tsm)为用户在第m月第s天非峰荷期间用电Y1sm度，在峰荷期间用电Y2sm度，并且当所有的其他商品组合是zsm个单位时，用户的效用函数。此外，用户用电的效用还取决于第m月第s天的平均温度Tsm。在样本中第m月的每一天，假设用户选择(Y1sm，Y2sm，zsm)以使得在实验期内的剩余时间的用电效用之和最大化，同时满足预算约束。其中，预算约束为，在样本内所消耗的电量和其他商品组合z低于或等于总支出M。根据上述假设，目标函数可表示为：
约束条件为：
在上式中，z的价格为1。
根据上述目标函数和约束条件建立如下用电需求模型：
在上式中，MUtm为在产生预算约束的第m月第t天期间总支出的边际效用的倒数，在第m月第t天选择非峰荷时段用电量和峰荷时段用电量的一阶条件为：
由此可知，和等于Plb或Phb，和的具体数值取决于第m月第t天的总的用电量。其中，如果第m月第t天为实验日，则如果第m月第t天为非实验日，则如果第m月第t天既非实验日，也不为非实验日，则当第t天为实验日时，用户每月用电量没有超过240度，并且用户将在实验结束后得到电费回扣收益的情形下，可得到以下三个一阶条件：
如果用户每月用电量在第m月第t天之前超过了240度，则将上式中的Plb替换为Phb，从而得到一组一阶条件。由于在一个非实验日中，当大于或等于0时，用户面对的是一个小于或等于Plb的更有竞争性的价格，因此，在实验价格机制的激励下，用户在峰荷时段会增加用电量。在实验日，用户同样会面对一个小于或等于Plb的更有竞争性的价格，但是如果能够收到回扣收益的话，则会激励其减少用电量。
为证明本申请的可行性，将实验结果的总离差平方和分解成各实验因子及各因子之间的交互作用的离差平方和，构造F统计量，对各因子是否对实验指标具有显著影响作F检验。只有实验因子对用电量的影响是显著的，讨论电力用户的用电量随其变化才有意义，否则用电量数据的不同很可能是由于实验随机误差所致。
记总离差平方和为ST，四个实验的总离差平方和可做如下分解：
各离差平方和的自由度也可做如下分解：
并从以下四个方面进行分析：
1)实验一：是否是峰荷时段、是否是实验日对用电量的影响；
2)实验二：是否是峰荷时段、是否是实验日前一日对用电量的影响；
3)实验三：是否是峰荷时段、是否是实验日后一日对用电量的影响；
4)实验四：是否是峰荷时段、实验日当天的气温对用电量的影响。
1)实验一方差分析
本次实验在实际进行时都是重复实验，实验组包括k个电力用户(本次实验中k＝72)，在实验因子的4个水平组合下，每个组合均进行了72次用电量的观测。将每个水平组合下的数据看成一个组，则共有4组数据。
实验的总离差平方和为：
其中，为全部4组用电量数据的均值。
各组内的离差平方和反映的是纯误差，记作组内平方和S内1。
其中，为4组用电量数据每组的平均值。
组间平方和反映了各个实验因子水平的不同所引起的用电量的波动，包括因子之间存在交互作用所引起的波动。组间平方和记作S间1。
并且，
各个因子的离差平方和为：
以上各个离差平方和之间存在如下关系：
其中，Se1＝S内1+Se1′，S内1为组内的纯随机误差，Se1′为组间的纯随机误差，则上式也可以写作：
于是误差平方和及其自由度为：
计算均方误差，因子A1的均方误差记为MSA1，计算公式为因子A2的均方误差记为MSA2，计算公式为因子A1与因子A1的交互效应的均方误差为MSA1A2，计算公式为随机误差的均方误差记为MSE1，计算公式为MSE1/fe1，构建F检验的检验统计量：
对于对照组的51名用户可以进行类似的分析，虽然对照组用户不参加电价回扣收益的实验，但是他们在不同的日期和时间上的用电量的变化情况可以为实验组的实验效应分析提供参照。分析思路是相同的，区别只在于重复实验的次数，实验组为72人，对照组为51人。
2)实验二方差分析
实验二的设计与实验一是类似的，区别在于进行分析的实验因子为A1与A3，而非A1与A2，A3与A2均为包括2个水平的是否变量。
同理，对于对照组的51名用户可以进行类似的分析。
3)实验三方差分析
实验三的设计与实验一和实验二也是类似的，进行分析的实验因子为A1与A4，A4也为包括2个水平的是否变量。
同理，对于对照组的51名用户可以进行类似的分析。
4)实验四方差分析
实验四的设计与前三个实验的主要区别在于，进行分析的实验因子A1与A5中，实验日的平均气温A5为包括12个水平的变量，与因子A1的2个水平一起形成了24个因子水平组合。
实验组包括72个电力用户，在实验因子的24个水平组合下，每个组合均进行了72次用电量的观测，共有24组数据。实验的总离差平方和为：
为全部24组用电量数据的均值。
组内平方和S内4为：
其中为24组用电量数据每组的平均值。
组间平方和S间4为：
各个因子的离差平方和为：
误差平方和及其自由度为：
其他分析过程与实验一、二、三的过程一致。进行分析的实验因子为A1与A5，A5也为包括12个水平的是否变量。
同理，对于对照组的51名用户可以进行类似的分析。虽然对照组用户不参加电价回扣收益的实验，但是他们在实验后一日和时间上的用电量的变化情况可以为实验组的实验效应分析提供参照。
根据计算结果显示，实验一中，以F统计量的数值大于显著性水平α上的F检验临界值F1-α，用户的用电量要比对照样本组中的用户的用电量平均减少12％，而实验二和实验三用户的用电量要比对照样本组中的用户的用电量减少水平在1％-2％之间，几乎没有影响，也就是说显著性水平不高。同时，当实验日的气温越高，与控制组用户用电量相比，实验组用户的用电量减少的更多，最多可达到21％。在实验日的峰荷期间，与控制组用户的用电量相比，实验组用户用电量的减少主要来自于用户在非实验日的一个较高水平上的用电量的减少。
实施例2
根据本发明实施例，还提供了一种分析用电需求的装置实施例。
图6是根据本发明实施例的分析用电需求的装置结构示意图，如图6所示，该装置包括：第一构建模块601、第二构建模块603、第三构建模块605以及分析模块607。
其中，第一构建模块601，用于根据预设区域内的电费支出构建电费支出函数；第二构建模块603，用于根据预设区域内的回扣收益构建回扣收益函数，其中，回扣收益为在用电过程中所得到的收益；第三构建模块605，用于根据电费支出函数和回扣收益函数以及预设区域内的平均温度构建用电需求模型；分析模块607，用于基于用电需求模型对用电数据进行处理，得到用电需求结果。
需要说明的是，上述第一构建模块601、第二构建模块603、第三构建模块605以及分析模块607对应于实施例1中的步骤S102至步骤S108，四个模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。
在一种可选的实施例中，分析用电需求的装置还包括：第一划分模块、第二划分模块以及确定模块。其中，第一划分模块，用于根据至少一个用户所属的供电所，将至少一个用户划分为多个部分；第二划分模块，用于根据至少一个用户在每个部分中所处的位置，将每个区域内的至少一个用户划分为多个区域；确定模块，用于在多个区域的每个区域内，根据抽样比例确定每个区域内电费支出和回扣收益。
需要说明的是，上述第一划分模块、第二划分模块以及确定模块对应于实施例1中的步骤S202至步骤S206，三个模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。
在一种可选的实施例中，分析用电需求的装置还包括：第一确定模块。其中，第一确定模块，用于根据每个区域内的用户的数量与该区域所处供电所内用户的总数量的比值确定抽样比例。
在一种可选的实施例中，根据如下公式构建电费支出函数：
其中，Ysm为第m月第s天的用电量，Yjsm为第m月第s天第j时的用电量，Y1sm表示非峰荷时段的用电量，Y2sm表示峰荷时段的用电量，(Ysm|s＝1...，Sm，m＝1，...，M)为峰荷时段用电量向量和非峰荷时段的用电量向量，Plb为实际用电量低于基本用电量的电价，Phb为实际用电量高于基本用电量的电价，Sm为第m月的总天数，M为总月数，TF为预设区域内的电费支出，J(X)为事件X的是指函数，或
在一种可选的实施例中，根据如下公式构建回扣收益函数：
其中，时，表示第m月第s天对用电需求进行分析，时，表示第m月第s天未对用电需求进行分析，yref(y)表示最高用电负荷水平的平均值，Phk表示峰荷时段期间电费的回扣收益标准，表示事件的指示函数。
在一种可选的实施例中，第三构建模块包括：第四构建模块、第二确定模块以及第五构建模块。其中，第四构建模块，用于根据电费支出函数和回扣收益函数建立效用函数；第二确定模块，用于根据效用函数和预设区域内的平均温度确定用电需求模型的目标函数和约束条件；第五构建模块，用于根据目标函数和约束条件构建用电需求模型。
需要说明的是，上述第四构建模块、第二确定模块以及第五构建模块对应于实施例1中的步骤S502至步骤S506，三个模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。
实施例3
根据本发明实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，其中，程序执行分析用电需求的方法。
实施例4
根据本发明实施例的另一方面，还提供了一种处理器，该处理器用于运行程序，其中，程序运行时执行分析用电需求的方法。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种分析用电需求的方法，其特征在于，包括：
根据预设区域内的电费支出构建电费支出函数；
根据所述预设区域内的回扣收益构建回扣收益函数，其中，所述回扣收益为在用电过程中用户所得到的收益；
根据所述电费支出函数和所述回扣收益函数以及所述预设区域内的平均温度构建用电需求模型；
基于所述用电需求模型对用电数据进行处理，得到用电需求结果。
2.根据权利要求1所述的方法，其特征在于，在构建所述电费支出函数和所述回扣收益函数之前，所述方法还包括：
根据所述预设区域内的至少一个用户所属的供电所，将所述至少一个用户划分为多个部分；
根据所述至少一个用户在每个部分中所处的位置，将每个区域内的至少一个用户划分为多个区域；
在所述多个区域的每个区域内，根据抽样比例确定所述每个区域内所述电费支出和所述回扣收益。
3.根据权利要求2所述的方法，其特征在于，在根据抽样比例确定所述每个区域内所述电费支出和所述回扣收益之前，所述方法还包括：
根据所述每个区域内的用户的数量与该区域所处供电所内用户的总数量的比值确定所述抽样比例。
4.根据权利要求1所述的方法，其特征在于，根据预设区域内的电费支出构建电费支出函数，包括：
根据如下公式构建所述电费支出函数：
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>T</mi>
<mi>F</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>Y</mi>
<mrow>
<mi>s</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>|</mo>
<mi>s</mi>
<mo>=</mo>
<mn>1...</mn>
<mo>,</mo>
<msub>
<mi>S</mi>
<mi>m</mi>
</msub>
<mo>,</mo>
<mi>m</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>M</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mn>240</mn>
<mo>-</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>2</mn>
</munderover>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>s</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>S</mi>
<mi>m</mi>
</msub>
</munderover>
<msub>
<mi>Y</mi>
<mrow>
<mi>j</mi>
<mi>s</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>&GreaterEqual;</mo>
<mn>0</mn>
<mo>)</mo>
</mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>l</mi>
<mi>b</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>2</mn>
</munderover>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>s</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>S</mi>
<mi>m</mi>
</msub>
</munderover>
<msub>
<mi>Y</mi>
<mrow>
<mi>j</mi>
<mi>s</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>+</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<mi>J</mi>
<mrow>
<mo>(</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>2</mn>
</munderover>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>s</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>S</mi>
<mi>m</mi>
</msub>
</munderover>
<msub>
<mi>Y</mi>
<mrow>
<mi>j</mi>
<mi>s</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>-</mo>
<mn>240</mn>
<mo>></mo>
<mn>0</mn>
<mo>)</mo>
</mrow>
<mo>&lsqb;</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>l</mi>
<mi>b</mi>
</mrow>
</msub>
<mo>*</mo>
<mn>240</mn>
<mo>+</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>h</mi>
<mi>b</mi>
</mrow>
</msub>
<mo>(</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>2</mn>
</munderover>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>s</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>S</mi>
<mi>m</mi>
</msub>
</munderover>
<msub>
<mi>Y</mi>
<mrow>
<mi>j</mi>
<mi>s</mi>
<mi>m</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<mn>240</mn>
<mo>)</mo>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中，Ysm为第m月第s天的用电量，Yjsm为第m月第s天第j时的用电量，Y1sm表示非峰荷时段的用电量，Y2sm表示峰荷时段的用电量，(Ysm|s＝1…,Sm,m＝1,…,M)为所述峰荷时段用电量向量和所述非峰荷时段的用电量向量，Plb为实际用电量低于基本用电量的电价，Phb为所述实际用电量高于所述基本用电量的电价，Sm为第m月的总天数，M为总月数，TF为所述预设区域内的电费支出，J(X)为事件X的是指函数，或
5.根据权利要求4所述的方法，其特征在于，根据所述预设区域内的回扣收益构建回扣收益函数，包括：
根据如下公式构建所述回扣收益函数：
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>T</mi>
<mi>K</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>Y</mi>
<mrow>
<mi>s</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>,</mo>
<msubsup>
<mi>J</mi>
<mrow>
<mi>s</mi>
<mi>m</mi>
</mrow>
<mrow>
<mi>S</mi>
<mi>Y</mi>
</mrow>
</msubsup>
<mo>|</mo>
<mi>s</mi>
<mo>=</mo>
<mn>1...</mn>
<mo>,</mo>
<msub>
<mi>S</mi>
<mi>m</mi>
</msub>
<mo>,</mo>
<mi>m</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>M</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<mi>J</mi>
<mo>(</mo>
<msub>
<mi>y</mi>
<mrow>
<mi>r</mi>
<mi>e</mi>
<mi>f</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</msubsup>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>s</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>S</mi>
<mi>m</mi>
</msub>
</msubsup>
<msubsup>
<mi>J</mi>
<mrow>
<mi>s</mi>
<mi>m</mi>
</mrow>
<mrow>
<mi>S</mi>
<mi>Y</mi>
</mrow>
</msubsup>
<msub>
<mi>Y</mi>
<mrow>
<mn>2</mn>
<mi>s</mi>
<mi>m</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</msubsup>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>s</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>S</mi>
<mi>m</mi>
</msub>
</msubsup>
<msubsup>
<mi>J</mi>
<mrow>
<mi>s</mi>
<mi>m</mi>
</mrow>
<mrow>
<mi>S</mi>
<mi>Y</mi>
</mrow>
</msubsup>
</mrow>
</mfrac>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>&GreaterEqual;</mo>
<mn>0</mn>
<mo>)</mo>
<mo>&lsqb;</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>s</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>S</mi>
<mi>m</mi>
</msub>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mrow>
<mi>r</mi>
<mi>e</mi>
<mi>f</mi>
</mrow>
</msub>
<mo>(</mo>
<mi>y</mi>
<mo>)</mo>
<mo>-</mo>
<msub>
<mi>Y</mi>
<mrow>
<mn>2</mn>
<mi>s</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<msubsup>
<mi>J</mi>
<mrow>
<mi>s</mi>
<mi>m</mi>
</mrow>
<mrow>
<mi>S</mi>
<mi>Y</mi>
</mrow>
</msubsup>
<msub>
<mi>P</mi>
<mrow>
<mi>h</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中，时，表示第m月第s天对所述用电需求进行分析，时，表示第m月第s天未对所述用电需求进行分析，yref(y)表示最高用电负荷水平的平均值，Phk表示所述峰荷时段期间电费的回扣收益标准， 表示事件的指示函数。
6.根据权利要求1所述的方法，其特征在于，根据所述电费支出函数和所述回扣收益函数构建以及所述预设区域内的平均温度构建用电需求模型，包括：
根据所述电费支出函数和所述回扣收益函数建立效用函数；
根据所述效用函数和所述预设区域内的平均温度确定所述用电需求模型的目标函数和约束条件；
根据所述目标函数和所述约束条件构建所述用电需求模型。
7.一种分析用电需求的装置，其特征在于，包括：
第一构建模块，用于根据预设区域内的电费支出构建电费支出函数；
第二构建模块，用于根据所述预设区域内的回扣收益构建回扣收益函数，其中，所述回扣收益为在用电过程中所得到的收益；
第三构建模块，用于根据所述电费支出函数和所述回扣收益函数以及所述预设区域内的平均温度构建用电需求模型；
分析模块，用于基于所述用电需求模型对用电数据进行处理，得到用电需求结果。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
第一划分模块，用于根据至少一个用户所属的供电所，将所述至少一个用户划分为多个部分；
第二划分模块，用于根据所述至少一个用户在每个部分中所处的位置，将每个区域内的至少一个用户划分为多个区域；
确定模块，用于在所述多个区域的每个区域内，根据抽样比例确定所述每个区域内所述电费支出和所述回扣收益。
9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序执行权利要求1至6中任意一项所述的分析用电需求的方法。
10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至6中任意一项所述的分析用电需求的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710646208.4A CN107403276A (zh) | 2017-07-31 | 2017-07-31 | 分析用电需求的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710646208.4A CN107403276A (zh) | 2017-07-31 | 2017-07-31 | 分析用电需求的方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107403276A true CN107403276A (zh) | 2017-11-28 |
Family
ID=60401811
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710646208.4A Pending CN107403276A (zh) | 2017-07-31 | 2017-07-31 | 分析用电需求的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107403276A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110009207A (zh) * | 2019-03-25 | 2019-07-12 | 深圳供电局有限公司 | 一种高受电比的城市电网风险评估方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100082172A1 (en) * | 2008-09-25 | 2010-04-01 | Korea Electric Power Corporation | Load forecasting analysis system for calculating customer baseline load |
| CN102930353A (zh) * | 2012-11-06 | 2013-02-13 | 北京国电通网络技术有限公司 | 一种小区用电负荷的预测方法及装置 |
| CN103679357A (zh) * | 2013-12-06 | 2014-03-26 | 国网山东省电力公司 | 基于价格和激励的电力需求响应的智能决策方法 |
| CN103971296A (zh) * | 2014-05-16 | 2014-08-06 | 国家电网公司 | 基于电负荷与气温的数学模型的购电方法 |
-
2017
- 2017-07-31 CN CN201710646208.4A patent/CN107403276A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100082172A1 (en) * | 2008-09-25 | 2010-04-01 | Korea Electric Power Corporation | Load forecasting analysis system for calculating customer baseline load |
| CN102930353A (zh) * | 2012-11-06 | 2013-02-13 | 北京国电通网络技术有限公司 | 一种小区用电负荷的预测方法及装置 |
| CN103679357A (zh) * | 2013-12-06 | 2014-03-26 | 国网山东省电力公司 | 基于价格和激励的电力需求响应的智能决策方法 |
| CN103971296A (zh) * | 2014-05-16 | 2014-08-06 | 国家电网公司 | 基于电负荷与气温的数学模型的购电方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110009207A (zh) * | 2019-03-25 | 2019-07-12 | 深圳供电局有限公司 | 一种高受电比的城市电网风险评估方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Khuong et al. | Analyzing drivers of renewable energy development in Southeast Asia countries with correlation and decomposition methods | |
| Jota et al. | Building load management using cluster and statistical analyses | |
| CN108491969A (zh) | 基于大数据的空间负荷预测模型构建方法 | |
| CN105260815A (zh) | 基于大数据的电力系统缴费渠道评价方法 | |
| CN111144468A (zh) | 电力用户信息标签化方法和装置、电子设备以及存储介质 | |
| Ahmad et al. | Smart energy forecasting strategy with four machine learning models for climate-sensitive and non-climate sensitive conditions | |
| Chang et al. | Control of battery charging based on reinforcement learning and long short-term memory networks | |
| CN107730059A (zh) | 基于机器学习的变电站电量趋势预测分析的方法 | |
| CN108629500A (zh) | 一种适用于新电改背景下电力客户综合价值评估方法 | |
| CN102750411A (zh) | 基于多智能体离散选择模型城市动态微观仿真方法 | |
| CN109816145A (zh) | 一种供电负荷管理用数据平台 | |
| Mahvi et al. | Optimal bidding strategy in a competitive electricity market based on agent-based approach and numerical sensitivity analysis | |
| Fallahpour et al. | An evolutionary-based predictive soft computing model for the prediction of electricity consumption using multi expression programming | |
| CN107818386A (zh) | 电网企业经营利润预测方法 | |
| CN112149890A (zh) | 基于用户用能标签的综合能源负荷预测方法及系统 | |
| Ribeiro et al. | Customized normalization clustering meth-odology for consumers with heterogeneous characteristics | |
| CN115545333A (zh) | 一种多负荷日类型配电网负荷曲线预测方法 | |
| Hopenhayn | Firm microstructure and aggregate productivity | |
| CN107704974A (zh) | 一种售电市场下的用户流失机率预测算法及系统 | |
| Wang et al. | A data-driven load forecasting method for incentive demand response | |
| Yang et al. | Multi-objective based demand response strategy optimization considering differential demand on reliability of power system | |
| CN114595861A (zh) | 基于mstl和lstm模型的中长期电力负荷预测方法 | |
| Meng et al. | Nonparametric multivariate probability density forecast in smart grids with deep learning | |
| CN113537578A (zh) | 一种电力用户行为预测方法 | |
| Haben et al. | Core Concepts and Methods in Load Forecasting: With Applications in Distribution Networks |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171128 |