CN108062627A - 一种基于非侵入式用电数据的需求响应分析方法 - Google Patents
一种基于非侵入式用电数据的需求响应分析方法 Download PDFInfo
- Publication number
- CN108062627A CN108062627A CN201711355559.6A CN201711355559A CN108062627A CN 108062627 A CN108062627 A CN 108062627A CN 201711355559 A CN201711355559 A CN 201711355559A CN 108062627 A CN108062627 A CN 108062627A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- load
- msubsup
- electricity
- 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.)
- Granted
Links
- 230000005611 electricity Effects 0.000 title claims abstract description 76
- 230000004044 response Effects 0.000 title claims abstract description 41
- 238000004458 analytical method Methods 0.000 title claims abstract description 35
- 238000012544 monitoring process Methods 0.000 claims abstract description 36
- 238000000034 method Methods 0.000 claims description 39
- 230000008859 change Effects 0.000 claims description 24
- 238000000605 extraction Methods 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 7
- 238000012546 transfer Methods 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 5
- 238000013519 translation Methods 0.000 claims description 5
- 238000005265 energy consumption Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 9
- 238000007726 management method Methods 0.000 abstract description 5
- 230000036651 mood Effects 0.000 abstract 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 9
- 238000000354 decomposition reaction Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000005406 washing Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003287 bathing Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000005612 types of electricity Effects 0.000 description 1
- 238000012795 verification Methods 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于非侵入式用电数据的需求响应分析方法，涉及电力系统配用电管理技术领域。所述基于非侵入式用电数据的需求响应分析方法，仅通过采集总端的电气参数，分析得到系统内各类负荷的含量和状态，利用非侵入负荷监测技术获得用户负荷的需求响应特性；相对侵入式技术，本发明无需针对系统内的每类负荷都进行单独监测，避免采购大量的硬件设备，节省了在采购、安装、维护时的量成本。
Description
技术领域
本发明属于电力系统配用电管理技术领域，尤其涉及一种基于非侵入式用电数据的需求响应分析方法。
背景技术
由于电网安全运行控制，以及需求侧管理政策的制定，电网公司对于用户负荷特性的需求越发迫切。传统方法采用侵入式设计，在用电设备上安装传感器等用电信息采集设备，以获取用电设备的相关信息。当用电设备较多时，需要大量的采集装置，安装不便且成本高。随着负荷监测需求的日益增加，非侵入负荷监测(non-intrusive loadmonitoring，NILM)相对于传统侵入方式而提出并得到广泛关注，其基本思想是不需要在负荷内部安装采集设备，只需在用户电力入口处对电流、功率等用电信息进行整体采集，便可分析得到监测区域各用电设备的用电情况，简化了硬件结构与经济成本。
国内外已有较多相关文献对用户用电负荷特性开展的研究。刘博提出的非侵入式电力负荷监测与分解技术，归纳了其基本原理与典型框架和非侵入式负荷监测与分解的性能评价指标，并探究了非侵入式负荷监测与分解在用户层与变电站层的应用。牛卢璐、贾宏杰提出的一种适用于非侵入式负荷监测的暂态事件检测算法，提取每个用电设备平稳状态下的负荷特征，并基于多种不同算法得到的分解与辨识结果，提出了一种非侵入式电力负荷分解与辨识决策融合方法。程祥，李林芝等提出的非侵入式负荷监测与分解研究综述，对不同类型电力负荷进行分析，构建反映负荷用电特性的用户负荷特征量，进而获得实施分时电价后用户的需求响应负荷曲线。王晓换，李如意等提出的基于决策融合的非侵入式电力负荷辨识方法及应用，提出了考虑电价情况下的用户真实响应度曲线的获取方法，并给出了峰谷分时电价下用户响应行为的实时仿真流程。孔祥玉，杨群等提出的分时电价环境下用户负荷需求响应分析方法，阮文骏,王蓓蓓等提出的峰谷分时电价下的用户响应行为研究，对电力系统运行特性及供电成本展开分析，在电力系统最优规划与运行的假设条件下，建立了电力系统及负荷率分档用户的边际容量成本和边际电量成本模型，并用边际成本与两部制定价理论，计及电压等级价差获得负荷率分档的峰谷分时电价模型。但上述方法主要是基于用户整体特性，并未深入到用户内容设备的层面。
在非侵入式负荷监测模式下，通过负荷分解技术获得反映各负荷的运行状态，进而配合电网公司的需求侧管理信息，通过分析技术，获得用户对实行基于电价或激励等措施的需求响应特性。
发明内容
针对现有技术的不足，本发明提供一种基于非侵入式用电数据的需求响应分析方法。
本发明是通过如下的技术方案来解决上述技术问题的：一种基于非侵入式用电数据的需求响应分析方法，包括以下几个步骤：
(1)应用非侵入负荷监测法进行主要电气量的采集；
(2)根据所述步骤(1)采集的电气量进行用户主要用电设备的负荷辨识；
(3)对所述步骤(2)辨识的负荷类型进行划分，并采用聚类方法进行用户用电负荷的归类；
(4)设定用电设备统计的监测周期和采样量要求；
(5)应用非侵入负荷监测法提取电价变化前后的用电设备启停及用电量变化情况；
(6)应用非侵入负荷监测法提取除电价以外的其他激励措施变化前后的用电设备启停及用电量变化情况；
(7)判断是否满足所述步骤(4)的采样量要求，如不满足，重复步骤(5)和(6)；如满足，则转步骤(8)；
(8)基于获得的需求响应分析样本，通过统计分析，形成用户用电负荷需求响应特性。
进一步的，所述步骤(3)采用聚类法将用户用电负荷归为三类，即不可控负荷、可迁移负荷和温控型负荷。
进一步的，所述不可控负荷数据是基于用户用电历史数据，通过预测算法对未来一日用电特性的预测。
进一步的，所述可迁移负荷的模型描述为：
其中，S表示可迁移负荷a的集合(a∈S)；表示用电曲线序列，在一个优化时段内设备用电功率为定值，取值为可迁移负荷a在该时段的平均用电功率；表示可迁移负荷a的用电区间，αa与βa分别为可迁移负荷a允许工作时间的下限和上限；qa,k∈{0,1}，表示该可迁移负荷a在k时刻是否经历启动状态，0表示未经历启动状态，1表示经历启动状态；Ma表示可迁移负荷a工作周期时长；表示可迁移负荷a在k时刻消耗的功率。
进一步的，所述温控型负荷是受天气温度影响的负荷，天气温度与用电设备消耗功率之间的数学关系描述为：
其中，与分别表示k时段末的室内温度与室外平均温度，室外温度通过天气预测得出；w1和w2分别表示室内和室外温度的惯性系数权重，且有w1+w2＝1；η表示用电设备的热传导效率，A表示热传导系数，表示用电设备消耗的电能，表示用电设备k时刻的平均功率，Δk表示用电设备的开启时长。
进一步的，所述步骤(5)和(6)应用非侵入负荷监测法提取用电设备启停及用电量变化情况是基于事件监测进行用电数据电气量的提取；具体包括：当检测到有事件发生时启动特性提取模块，若没有则继续监测直到有事件发生；特性提取是在已检测到有事件发生的条件下对采集到的电气量信息进行负荷特性的提取，如有功无功特性、谐波特性、电流电压特性等。
进一步的，所述负荷特性提取的内容包括低采集频率下时域的电流、电压、波形，以及由稳态数据解析的谐波频谱等频域特征值；低采集频率下用电设备状态发生改变(如设备的开启与关断等)的时间及功率变化量。
进一步的，所述步骤(8)用户用电负荷需求响应特性的求取分类及求取过程为：
(8.1)将温控型负荷和可迁移负荷的变化量分为削减负荷特征量和平移负荷特征量，第一类负荷(温控型负荷)为实际的负荷节约，第二类负荷(可迁移负荷)为高峰时段用电量的减少而产生的其他时段负荷的增加；
(8.2)对于第一类负荷，在高峰时段通过提高温度设定值来减少电能消耗，或直接关闭用电设备，等平时段或低谷时段再开启用电设备；用λfsave描述用户在高峰时段减少的电量dfsave与实行分时电价前高峰时段用电量dfNON的比值，有：
(8.3)对于第二类负荷，用户在高峰时段转移到平时段和低谷时段的电量分别用Δdfp和Δdfg表示，则有：
Δdftrans＝Δdfp+Δdfg
则用户在高峰时段转移到其他时段用电量的比值λftrans，即为：
其中，λfp和λfg分别表示高峰时段用户负荷平移电量到平时段和低谷时段的比例；通过不同类别负荷分析获得反映某一类型负荷的用电特性，进而获得实行分时电价后用户的需求响应特性曲线。
与现有技术相比，本发明所提供的基于非侵入式用电数据的需求响应分析方法，仅通过采集总端的电气参数，分析得到系统内各类负荷的含量和状态，利用非侵入负荷监测技术获得用户负荷的需求响应特性；相对侵入式技术，本发明无需针对系统内的每类负荷都进行单独监测，避免采购大量的硬件设备，节省了在采购、安装、维护时的量成本；
本发明将用户用电负荷分为不可控负荷、可迁移负荷和温控型负荷，解决了传统方法因为每个检测设备都是一个数据源，在负荷较多时，数据处理和分析变得比较困难的问题；有助于用户了解居住环境内不同时段各电器设备消耗电能的情况，制定合理的节能计划，有针对性的选购节能设备，从而降低能源消耗，减少电费开支。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一个实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一种基于非侵入式用电数据的需求响应分析方法的流程意图；
图2是本发明实施例非侵入负荷监测系统的功能架构；
图3是本发明实施例非侵入负荷监测系统的输入输出模型；
图4是本发明示范例家庭部分负荷单独运行时的电流信号时域波形；
图5是本发明实施例分时电价前后总的负荷变化曲线图。
具体实施方式
下面结合本发明实施例中的附图，对本发明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作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明所提供的一种基于非侵入式用电数据的需求响应分析方法，包括以下几个步骤：
(1)应用非侵入负荷监测法进行主要电气量的采集。
(2)根据步骤(1)采集的电气量进行用户主要用电设备的负荷辨识。
在实施过程中，用户负荷个数的数量不同，少的包括几个用电设备，多的包括数十个用电设备，只要不同负荷的电流信号满足彼此间统计独立。随着负荷数量的增加，非侵入式负荷分解和影响分析运行所需时间会略有增加，但总体所需时间仍然较短。为完成用户负荷的需求响应分析，非侵入负荷监测系统包括但不限于数据采集模块、数据处理模块、事件检测模块、特性提取模块、负荷辨识模块、结果应用模块等部分，如图2所示。其中，数据采集模块用于采集非侵入式数据的电气量；数据处理模块对所采集的电气量进行加工，通过滤波等技术去除扰动信息；事件检测模块对由于家庭用电设备启停而导致电气量变化的检测；特征提取模块进行相应用电设备电气量特征的提取；负荷辨识模块则应用非侵入式负荷分解方法进行用电设备的辨识。
非侵入负荷监测系统的输入输出模型如图3所示。根据系统输入输出关系进行分析，每种负荷均可看作独立的系统，将其时域表征记作hi(t)；电网侧电压U(t)是输入激励信号；当负荷单独运行时所产生的电流信号Ii(t)为输出信号。各用户负荷独立运行时产生的电流信号Ii(t)，i＝1,2,…,n为算法的源信号，n为用电负荷的个数。电流信号Ii(t)的频域表示为下式：
式中，Ii(jω)为负荷独立运行时电流信号的频谱。避免电流信号量纲带来的影响，对其进行归一化处理，得到归一化频谱记作Ii-norm(jω)，求解公式为：
根据实际运行模型，非侵入负荷监测下所采集的混合电流信号为不同负荷独立运行时电流信号的线性叠加，将混合电流记作观测信号I(t)，即
式中，λi为各负荷支路的线性加权系数。考虑到实际中线路损耗及噪声对各支路的影响程度不同，加权系数应选择(0,1)之间的随机数。
(3)对步骤(2)辨识的负荷类型进行划分，并采用聚类方法进行用户用电负荷的归类，即归为三类：不可控负荷、可迁移负荷和温控型负荷；
不可控负荷采用表示其表示在k时刻所有不可控负荷的用电功率，该不可控负荷数据主要基于用户用电历史数据，通过预测算法对未来一日用电特性的预测。
可迁移负荷的模型描述为：
其中，S表示可迁移负荷a的集合(a∈S)，如洗衣机、充电汽车等；表示用电曲线序列，在一个优化时段内设备用电功率为定值，取值为可迁移负荷a在该时段的平均用电功率；表示可迁移负荷a的用电区间，αa与βa分别为可迁移负荷a允许工作时间的下限和上限；qa,k∈{0,1}，表示该可迁移负荷a在k时刻是否经历启动状态，0表示未经历启动状态，1表示经历启动状态；Ma表示可迁移负荷a工作周期时长；表示可迁移负荷a在k时刻消耗的功率。
温控型负荷是受天气温度等影响的负荷，如空调等，天气温度与用电设备消耗功率之间的数学关系描述为：
其中，与分别表示k时段末的室内温度与室外平均温度，室外温度通过天气预测得出；w1和w2分别表示室内和室外温度的惯性系数权重，且有w1+w2＝1；η表示用电设备(如空调)的热传导效率，A表示热传导系数，表示用电设备(如空调)消耗的电能，表示用电设备k时刻的平均功率，Δk表示用电设备(如空调)的开启时长。
(4)考虑季节、节假日等因素的影响，设定用电设备统计的监测周期和采样量要求。在实施过程中，采样量包括电压和电流等电气量信息，监测周期可选择1周，可考虑季节、节假日等因素进行调整。
(5)结合电网公司营销运行信息，应用非侵入负荷监测法提取电价变化前后的用电设备启停及用电量变化情况；
(6)结合电网公司营销运行信息，应用非侵入负荷监测法提取除电价以外的其他激励措施变化前后的用电设备启停及用电量变化情况；
应用非侵入负荷监测法提取用电设备启停及用电量变化情况是基于事件监测进行用电数据电气量的提取，具体包括：当检测到有事件发生时启动特性提取模块，若没有则继续监测直到有事件发生；特性提取是在已检测到有事件发生的条件下对采集到的电气量信息进行负荷特性的提取，如有功无功特性、谐波特性、电流电压特性等。
负荷特性提取的内容包括低采集频率下时域的电流、电压、波形，以及由稳态数据解析的谐波频谱等频域特征值；低采集频率下用电设备状态发生改变(如设备的开启与关断等)的时间及功率变化量。
(7)判断是否满足步骤(4)的采样量要求，如不满足，重复步骤(5)和(6)；如满足，则转步骤(8)；
(8)基于获得的需求响应分析样本，通过统计分析，形成用户用电负荷需求响应特性。
用户用电负荷需求响应特性的求取分类及求取过程为：
(8.1)将温控型负荷和可迁移负荷的变化量分为削减负荷特征量和平移负荷特征量，第一类负荷(温控型负荷)为实际的负荷节约，第二类负荷(可迁移负荷)为高峰时段用电量的减少而产生的其他时段负荷的增加。本实施例采用机制分时电价(time-of-userate，TOU)，但其他类型电价，如尖峰电价折扣(peak time rebate，PTR)，固定尖峰电价(fixed critical peak pricing，CPP-F)，浮动尖峰电价(variable critical peakpricing，CPP-V)，以及实时电价(real time pricing，RTP)可以采用相同方法进行分析。
(8.2)对于第一类负荷，在高峰时段通过提高温度设定值来减少电能消耗，或直接关闭用电设备，等平时段或低谷时段再开启用电设备；用λfsave描述用户在高峰时段减少的电量dfsave与实行分时电价前高峰时段用电量dfNON的比值，有：
(8.3)对于第二类负荷，用户在高峰时段转移到平时段和低谷时段的电量分别用Δdfp和Δdfg表示，则有：
Δdftrans＝Δdfp+Δdfg (11)
则用户在高峰时段转移到其他时段用电量的比值λftrans，即为：
其中，λfp和λfg分别表示高峰时段用户负荷平移电量到平时段和低谷时段的比例；第一类负荷为第二类负荷的特殊情况，其λfp和λfg值为0，通过不同类别负荷分析获得反映某一类型负荷的用电特性，进而获得实行分时电价后用户的需求响应特性曲线。
实例分析
为了说明本发明的需求响应分析方法在用户用电负荷非侵入式负荷分解中的应用效果，选取了典型家庭作为研究对象，通过非侵入采集模式下获取的用户负荷实测数据进行负荷需求响应特性分析验证。
选取典型居民负荷，且种类全面，覆盖了电阻型、电机型及开关电源型等多种类型。由于家庭当中，负荷在开启与关闭之间切换，因此需要进行分解的负荷数量会发生变化。图4给出了家庭部分负荷单独运行时的电流信号时域波形，从图4中可以看出，所选负荷电流信号波形彼此相差较大，包括实施用电管理对用户舒适度影响较大的电视机、电吹风等；可以通过时间平移实现用电优化的加热器、洗衣机、电饭煲负荷，以及通过调整档位实现功率变化的微波炉、空调等。电动汽车可以在使用前任意时段进行充电，通常选择电价较低的时刻进行充电，甚至可以在电价较高的时刻进行放电，并不会影响用户的舒适度。
基于非侵入式技术，可以将不同分时电价时刻情况下，不同类型的负荷基于电流信号分解出来。通过长时间的分析判断，可以获得电价变化情况下用户的负荷类型成分及用电特性。考虑不同的用电场景，除了用户会有不同的用电习惯以及对于各种用电设备的运行参数设定不同之外，不同的用电设备扮演的角色也不同。如电动汽车，在工作日，由于第二天需要使用，因此必须要在早上出门前完成充电任务，此时电动汽车作为一个用电设备参与家庭负荷规划；在周末，电动汽车没有第二天出行的任务，可以作为储能参与家庭负荷规划。例如热水器，在工作日，由于用户上班期间，没有热水使用的需求，仅需要在用户晚上睡前洗澡之前将热水加热到指定温度即可，可以看成是用电设备，无需考虑其指标连续的特性；在周末，由于用户需要不定时的使用热水，因此需要对用户的热水使用量进行估计，并且考虑到冷水进入热水器以及自然冷却的影响，此时就需要考虑指标连续特性了。
分时电价前后总的负荷变化曲线如图5所示，从图5中可以看出，总负荷在电价高峰时间有所减少，且减少的多为洗衣机、空调等类型负荷；而在用电低谷时刻，电动汽车及热水器的用电比例有所增加，具有一定的规律性。由于用户主动的进行需求响应，也平滑了负荷曲线，减少了高峰时刻电网公司发电备用的压力。
以上所揭露的仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或变型，都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种基于非侵入式用电数据的需求响应分析方法，其特征在于，包括以下几个步骤：
(1)应用非侵入负荷监测法进行主要电气量的采集；
(2)根据所述步骤(1)采集的电气量进行用户主要用电设备的负荷辨识；
(3)对所述步骤(2)辨识的负荷类型进行划分，并采用聚类方法进行用户用电负荷的归类；
(4)设定用电设备统计的监测周期和采样量要求；
(5)应用非侵入负荷监测法提取电价变化前后的用电设备启停及用电量变化情况；
(6)应用非侵入负荷监测法提取除电价以外的其他激励措施变化前后的用电设备启停及用电量变化情况；
(7)判断是否满足所述步骤(4)的采样量要求，如不满足，重复步骤(5)和(6)；如满足，则转步骤(8)；
(8)基于获得的需求响应分析样本，通过统计分析，形成用户用电负荷需求响应特性。
2.如权利要求1所述的基于非侵入式用电数据的需求响应分析方法，其特征在于，所述步骤(3)采用聚类法将用户用电负荷归为三类，即不可控负荷、可迁移负荷和温控型负荷。
3.如权利要求2所述的基于非侵入式用电数据的需求响应分析方法，其特征在于，所述不可控负荷数据是基于用户用电历史数据，通过预测算法对未来一日用电特性的预测。
4.如权利要求2所述的基于非侵入式用电数据的需求响应分析方法，其特征在于，所述可迁移负荷的模型描述为：
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<msub>
<mi>&alpha;</mi>
<mi>a</mi>
</msub>
</mrow>
<mrow>
<msub>
<mi>&beta;</mi>
<mi>a</mi>
</msub>
<mo>-</mo>
<msub>
<mi>M</mi>
<mi>a</mi>
</msub>
<mo>+</mo>
<mn>1</mn>
</mrow>
</munderover>
<msub>
<mi>q</mi>
<mrow>
<mi>a</mi>
<mo>,</mo>
<mi>k</mi>
</mrow>
</msub>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<msub>
<mi>q</mi>
<mrow>
<mi>a</mi>
<mo>,</mo>
<mi>k</mi>
</mrow>
</msub>
<mo>=</mo>
<mn>0</mn>
<mo>,</mo>
<mi>k</mi>
<mo>&NotElement;</mo>
<mo>&lsqb;</mo>
<msub>
<mi>&alpha;</mi>
<mi>a</mi>
</msub>
<mo>,</mo>
<msub>
<mi>&beta;</mi>
<mi>a</mi>
</msub>
<mo>-</mo>
<msub>
<mi>M</mi>
<mi>a</mi>
</msub>
<mo>+</mo>
<mn>1</mn>
<mo>&rsqb;</mo>
</mrow>
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>P</mi>
<mrow>
<mi>a</mi>
<mo>,</mo>
<mi>k</mi>
</mrow>
<mi>S</mi>
</msubsup>
<mo>=</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mi>max</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>k</mi>
<mo>-</mo>
<msub>
<mi>M</mi>
<mi>a</mi>
</msub>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<msub>
<mi>&alpha;</mi>
<mi>a</mi>
</msub>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mi>max</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>k</mi>
<mo>-</mo>
<msub>
<mi>&beta;</mi>
<mi>a</mi>
</msub>
<mo>+</mo>
<msub>
<mi>M</mi>
<mi>a</mi>
</msub>
<mo>-</mo>
<mn>1</mn>
<mo>,</mo>
<mn>0</mn>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</munderover>
<msubsup>
<mi>P</mi>
<mi>a</mi>
<mi>S</mi>
</msubsup>
<mo>&lsqb;</mo>
<mi>k</mi>
<mo>-</mo>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
<mo>&rsqb;</mo>
<mo>&CenterDot;</mo>
<msub>
<mi>q</mi>
<mrow>
<mi>a</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>,</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>k</mi>
<mo>&Element;</mo>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msub>
<mi>&alpha;</mi>
<mi>a</mi>
</msub>
<mo>,</mo>
<msub>
<mi>&beta;</mi>
<mi>a</mi>
</msub>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mrow>
<msubsup>
<mi>P</mi>
<mrow>
<mi>a</mi>
<mo>,</mo>
<mi>k</mi>
</mrow>
<mi>S</mi>
</msubsup>
<mo>=</mo>
<mn>0</mn>
<mo>,</mo>
<mi>k</mi>
<mo>&NotElement;</mo>
<mo>&lsqb;</mo>
<msub>
<mi>&alpha;</mi>
<mi>a</mi>
</msub>
<mo>,</mo>
<msub>
<mi>&beta;</mi>
<mi>a</mi>
</msub>
<mo>&rsqb;</mo>
</mrow>
其中，S表示可迁移负荷a的集合，a∈S；表示用电曲线序列，在一个优化时段内设备用电功率为定值，取值为可迁移负荷a在该时段的平均用电功率；表示可迁移负荷a的用电区间，αa与βa分别为可迁移负荷a允许工作时间的下限和上限；qa,k∈{0,1}，表示该可迁移负荷a在k时刻是否经历启动状态，0表示未经历启动状态，1表示经历启动状态；Ma表示可迁移负荷a工作周期时长；表示可迁移负荷a在k时刻消耗的功率。
5.如权利要求2所述的基于非侵入式用电数据的需求响应分析方法，其特征在于，所述温控型负荷是受天气温度影响的负荷，天气温度与用电设备消耗功率之间的数学关系描述为：
<mrow>
<msubsup>
<mi>T</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msubsup>
<mo>=</mo>
<msub>
<mi>w</mi>
<mn>1</mn>
</msub>
<mo>&CenterDot;</mo>
<msubsup>
<mi>T</mi>
<mi>k</mi>
<mrow>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msubsup>
<mo>+</mo>
<msub>
<mi>w</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<msubsup>
<mi>T</mi>
<mi>k</mi>
<mrow>
<mi>o</mi>
<mi>u</mi>
<mi>t</mi>
</mrow>
</msubsup>
<mo>+</mo>
<mi>&eta;</mi>
<mo>&CenterDot;</mo>
<mfrac>
<msubsup>
<mi>Q</mi>
<mi>k</mi>
<mrow>
<mi>H</mi>
<mi>V</mi>
<mi>A</mi>
<mi>C</mi>
</mrow>
</msubsup>
<mi>A</mi>
</mfrac>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>Q</mi>
<mi>k</mi>
<mrow>
<mi>H</mi>
<mi>V</mi>
<mi>A</mi>
<mi>C</mi>
</mrow>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>P</mi>
<mi>k</mi>
<mrow>
<mi>H</mi>
<mi>V</mi>
<mi>A</mi>
<mi>C</mi>
</mrow>
</msubsup>
<mo>&CenterDot;</mo>
<mi>&Delta;</mi>
<mi>k</mi>
</mrow>
其中，与分别表示k时段末的室内温度与室外平均温度，室外温度通过天气预测得出；w1和w2分别表示室内和室外温度的惯性系数权重，且有w1+w2＝1；η表示用电设备的热传导效率，A表示热传导系数，表示用电设备消耗的电能，表示用电设备k时刻的平均功率，Δk表示用电设备的开启时长。
6.如权利要求1所述的基于非侵入式用电数据的需求响应分析方法，其特征在于，所述步骤(5)和(6)应用非侵入负荷监测法提取用电设备启停及用电量变化情况是基于事件监测进行用电数据电气量的提取；具体包括：当检测到有事件发生时启动特性提取模块，若没有则继续监测直到有事件发生；特性提取是在已检测到有事件发生的条件下对采集到的电气量信息进行负荷特性的提取。
7.如权利要求1所述的基于非侵入式用电数据的需求响应分析方法，其特征在于，所述负荷特性提取的内容包括低采集频率下时域的电流、电压、波形，以及由稳态数据解析的谐波频谱；低采集频率下用电设备状态发生改变的时间及功率变化量。
8.如权利要求1所述的基于非侵入式用电数据的需求响应分析方法，其特征在于，所述步骤(8)用户用电负荷需求响应特性的求取分类及求取过程为：
(8.1)将温控型负荷和可迁移负荷的变化量分为削减负荷特征量和平移负荷特征量，第一类负荷为实际的负荷节约，第二类负荷为高峰时段用电量的减少而产生的其他时段负荷的增加；
(8.2)对于第一类负荷，在高峰时段通过提高温度设定值来减少电能消耗，或直接关闭用电设备，等平时段或低谷时段再开启用电设备；用λfsave描述用户在高峰时段减少的电量dfsave与实行分时电价前高峰时段用电量dfNON的比值，有：
<mrow>
<msub>
<mi>&lambda;</mi>
<mrow>
<mi>f</mi>
<mi>s</mi>
<mi>a</mi>
<mi>v</mi>
<mi>e</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>d</mi>
<mrow>
<mi>f</mi>
<mi>s</mi>
<mi>a</mi>
<mi>v</mi>
<mi>e</mi>
</mrow>
</msub>
<msub>
<mi>d</mi>
<mrow>
<mi>f</mi>
<mi>N</mi>
<mi>O</mi>
<mi>N</mi>
</mrow>
</msub>
</mfrac>
</mrow>
(8.3)对于第二类负荷，用户在高峰时段转移到平时段和低谷时段的电量分别用Δdfp和Δdfg表示，则有：
Δdftrans＝Δdfp+Δdfg
则用户在高峰时段转移到其他时段用电量的比值λftrans，即为：
<mrow>
<msub>
<mi>&lambda;</mi>
<mrow>
<mi>f</mi>
<mi>t</mi>
<mi>r</mi>
<mi>a</mi>
<mi>n</mi>
<mi>s</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>&lambda;</mi>
<mrow>
<mi>f</mi>
<mi>p</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>&lambda;</mi>
<mrow>
<mi>f</mi>
<mi>g</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>&Delta;d</mi>
<mrow>
<mi>f</mi>
<mi>p</mi>
</mrow>
</msub>
</mrow>
<msub>
<mi>d</mi>
<mrow>
<mi>f</mi>
<mi>N</mi>
<mi>O</mi>
<mi>N</mi>
</mrow>
</msub>
</mfrac>
<mo>+</mo>
<mfrac>
<mrow>
<msub>
<mi>&Delta;d</mi>
<mrow>
<mi>f</mi>
<mi>g</mi>
</mrow>
</msub>
</mrow>
<msub>
<mi>d</mi>
<mrow>
<mi>f</mi>
<mi>N</mi>
<mi>O</mi>
<mi>N</mi>
</mrow>
</msub>
</mfrac>
</mrow>
其中，λfp和λfg分别表示高峰时段用户负荷平移电量到平时段和低谷时段的比例；通过不同类别负荷分析获得反映某一类型负荷的用电特性，进而获得实行分时电价后用户的需求响应特性曲线。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711355559.6A CN108062627B (zh) | 2017-12-16 | 2017-12-16 | 一种基于非侵入式用电数据的需求响应分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711355559.6A CN108062627B (zh) | 2017-12-16 | 2017-12-16 | 一种基于非侵入式用电数据的需求响应分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108062627A true CN108062627A (zh) | 2018-05-22 |
| CN108062627B CN108062627B (zh) | 2022-01-07 |
Family
ID=62138806
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711355559.6A Active CN108062627B (zh) | 2017-12-16 | 2017-12-16 | 一种基于非侵入式用电数据的需求响应分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108062627B (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108960586A (zh) * | 2018-06-14 | 2018-12-07 | 华中科技大学 | 一种适应场景变化的非入侵式负荷识别方法 |
| CN109001528A (zh) * | 2018-06-14 | 2018-12-14 | 国网江苏省电力有限公司电力科学研究院 | 一种非侵入式分项计量采集系统 |
| CN109193630A (zh) * | 2018-09-21 | 2019-01-11 | 武汉大学 | 一种柔性负荷可调区间预测方法及装置 |
| CN109685552A (zh) * | 2018-12-06 | 2019-04-26 | 国网山东省电力公司青岛供电公司 | 非侵入式居民用电能效的分析及服务方法 |
| CN110942262A (zh) * | 2019-12-14 | 2020-03-31 | 广西电网有限责任公司电力科学研究院 | 一种面向增量配电园区内空调需求响应的分区域调控方法 |
| CN110954744A (zh) * | 2019-11-18 | 2020-04-03 | 浙江工业大学 | 一种基于事件检测的非侵入式负荷监测方法 |
| CN111126780A (zh) * | 2019-10-31 | 2020-05-08 | 内蒙古电力(集团)有限责任公司包头供电局 | 一种非侵入式负荷监测方法及存储介质 |
| CN111242423A (zh) * | 2019-12-31 | 2020-06-05 | 深圳能源售电有限公司 | 主动需求响应潜力分析方法、装置、设备以及存储介质 |
| CN112286063A (zh) * | 2020-09-30 | 2021-01-29 | 国网天津市电力公司 | 一种基于非侵入量测的区域能耗监测系统及方法 |
| CN113449894A (zh) * | 2020-03-25 | 2021-09-28 | 中关村海华信息技术前沿研究院 | 用能设备的开关状态分析方法、系统、设备及存储介质 |
| CN113514717A (zh) * | 2021-04-22 | 2021-10-19 | 微企（天津）信息技术有限公司 | 一种非侵入式电力负荷监测系统 |
| CN113673830A (zh) * | 2021-07-23 | 2021-11-19 | 华南理工大学 | 基于非侵入式负荷监测技术的自适应家庭能量管理方法 |
| CN115859160A (zh) * | 2023-02-20 | 2023-03-28 | 中建安装集团有限公司 | 建筑工程用电设备分类识别及节能减碳控制系统及方法 |
| CN116523273A (zh) * | 2023-07-04 | 2023-08-01 | 广东电网有限责任公司广州供电局 | 一种面向工业用户的需求响应特性分析方法 |
| CN117874470A (zh) * | 2024-03-11 | 2024-04-12 | 中电装备山东电子有限公司 | 一种专变采集终端监测数据分析处理方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8560134B1 (en) * | 2010-09-10 | 2013-10-15 | Kwangduk Douglas Lee | System and method for electric load recognition from centrally monitored power signal and its application to home energy management |
| CN105186693A (zh) * | 2015-09-28 | 2015-12-23 | 南方电网科学研究院有限责任公司 | 一种非侵入式用电负荷辨识系统及方法 |
| CN106096726A (zh) * | 2016-05-31 | 2016-11-09 | 华北电力大学 | 一种非侵入式负荷监测方法及装置 |
| CN106548199A (zh) * | 2016-10-24 | 2017-03-29 | 河海大学 | 一种基于需求响应的大用户负荷聚类方法 |
| CN106655160A (zh) * | 2016-10-27 | 2017-05-10 | 国家电网公司 | 一种非侵入式电力负荷分解的辨识决策方法及系统 |
| CN106936129A (zh) * | 2017-03-23 | 2017-07-07 | 东北大学 | 基于多特征融合的电力负荷辨识方法及系统 |
-
2017
- 2017-12-16 CN CN201711355559.6A patent/CN108062627B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8560134B1 (en) * | 2010-09-10 | 2013-10-15 | Kwangduk Douglas Lee | System and method for electric load recognition from centrally monitored power signal and its application to home energy management |
| CN105186693A (zh) * | 2015-09-28 | 2015-12-23 | 南方电网科学研究院有限责任公司 | 一种非侵入式用电负荷辨识系统及方法 |
| CN106096726A (zh) * | 2016-05-31 | 2016-11-09 | 华北电力大学 | 一种非侵入式负荷监测方法及装置 |
| CN106548199A (zh) * | 2016-10-24 | 2017-03-29 | 河海大学 | 一种基于需求响应的大用户负荷聚类方法 |
| CN106655160A (zh) * | 2016-10-27 | 2017-05-10 | 国家电网公司 | 一种非侵入式电力负荷分解的辨识决策方法及系统 |
| CN106936129A (zh) * | 2017-03-23 | 2017-07-07 | 东北大学 | 基于多特征融合的电力负荷辨识方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| DAWEI HE 等: "Incorporating non-intrusive load monitoring into building level demand response", 《IEEE TRANSACTIONS ON SMART GRID》 * |
| 崔灿: "面向智能用电的非侵入式居民负荷监测关键技术研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
| 程祥 等: "非侵入式负荷监测与分解研究综述", 《电网技术》 * |
Cited By (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109001528B (zh) * | 2018-06-14 | 2020-10-16 | 国网江苏省电力有限公司电力科学研究院 | 一种非侵入式分项计量采集系统 |
| CN109001528A (zh) * | 2018-06-14 | 2018-12-14 | 国网江苏省电力有限公司电力科学研究院 | 一种非侵入式分项计量采集系统 |
| CN108960586A (zh) * | 2018-06-14 | 2018-12-07 | 华中科技大学 | 一种适应场景变化的非入侵式负荷识别方法 |
| CN108960586B (zh) * | 2018-06-14 | 2021-06-11 | 华中科技大学 | 一种适应场景变化的非入侵式负荷识别方法 |
| CN109193630A (zh) * | 2018-09-21 | 2019-01-11 | 武汉大学 | 一种柔性负荷可调区间预测方法及装置 |
| CN109193630B (zh) * | 2018-09-21 | 2021-06-15 | 武汉大学 | 一种柔性负荷可调区间预测方法及装置 |
| CN109685552A (zh) * | 2018-12-06 | 2019-04-26 | 国网山东省电力公司青岛供电公司 | 非侵入式居民用电能效的分析及服务方法 |
| CN111126780B (zh) * | 2019-10-31 | 2023-04-07 | 内蒙古电力(集团)有限责任公司包头供电局 | 一种非侵入式负荷监测方法及存储介质 |
| CN111126780A (zh) * | 2019-10-31 | 2020-05-08 | 内蒙古电力(集团)有限责任公司包头供电局 | 一种非侵入式负荷监测方法及存储介质 |
| CN110954744A (zh) * | 2019-11-18 | 2020-04-03 | 浙江工业大学 | 一种基于事件检测的非侵入式负荷监测方法 |
| CN110942262B (zh) * | 2019-12-14 | 2022-05-03 | 广西电网有限责任公司电力科学研究院 | 一种面向增量配电园区内空调需求响应的分区域调控方法 |
| CN110942262A (zh) * | 2019-12-14 | 2020-03-31 | 广西电网有限责任公司电力科学研究院 | 一种面向增量配电园区内空调需求响应的分区域调控方法 |
| CN111242423A (zh) * | 2019-12-31 | 2020-06-05 | 深圳能源售电有限公司 | 主动需求响应潜力分析方法、装置、设备以及存储介质 |
| CN111242423B (zh) * | 2019-12-31 | 2022-07-12 | 深圳能源售电有限公司 | 主动需求响应潜力分析方法、装置、设备以及存储介质 |
| CN113449894A (zh) * | 2020-03-25 | 2021-09-28 | 中关村海华信息技术前沿研究院 | 用能设备的开关状态分析方法、系统、设备及存储介质 |
| CN112286063A (zh) * | 2020-09-30 | 2021-01-29 | 国网天津市电力公司 | 一种基于非侵入量测的区域能耗监测系统及方法 |
| CN113514717A (zh) * | 2021-04-22 | 2021-10-19 | 微企（天津）信息技术有限公司 | 一种非侵入式电力负荷监测系统 |
| CN113673830A (zh) * | 2021-07-23 | 2021-11-19 | 华南理工大学 | 基于非侵入式负荷监测技术的自适应家庭能量管理方法 |
| CN113673830B (zh) * | 2021-07-23 | 2024-03-05 | 华南理工大学 | 基于非侵入式负荷监测技术的自适应家庭能量管理方法 |
| CN115859160A (zh) * | 2023-02-20 | 2023-03-28 | 中建安装集团有限公司 | 建筑工程用电设备分类识别及节能减碳控制系统及方法 |
| CN116523273A (zh) * | 2023-07-04 | 2023-08-01 | 广东电网有限责任公司广州供电局 | 一种面向工业用户的需求响应特性分析方法 |
| CN116523273B (zh) * | 2023-07-04 | 2023-09-22 | 广东电网有限责任公司广州供电局 | 一种面向工业用户的需求响应特性分析方法 |
| CN117874470A (zh) * | 2024-03-11 | 2024-04-12 | 中电装备山东电子有限公司 | 一种专变采集终端监测数据分析处理方法 |
| CN117874470B (zh) * | 2024-03-11 | 2024-06-07 | 中电装备山东电子有限公司 | 一种专变采集终端监测数据分析处理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108062627B (zh) | 2022-01-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108062627B (zh) | 一种基于非侵入式用电数据的需求响应分析方法 | |
| Kanakadhurga et al. | Demand side management in microgrid: A critical review of key issues and recent trends | |
| CN109345409B (zh) | 一种基于宽带载波的居民用户综合能效管理方法 | |
| Ma et al. | The role of data analysis in the development of intelligent energy networks | |
| CN107017630A (zh) | 一种多时间尺度的电力需求侧响应方法 | |
| WO2022193794A1 (zh) | 考虑退役电池的智能社区微网超多目标能量管理方法 | |
| CN103017290A (zh) | 空调电能控制装置及空调电能管理方法 | |
| Song et al. | Energy consumption analysis of residential swimming pools for peak load shaving | |
| Iyengar et al. | Analyzing energy usage on a city-scale using utility smart meters | |
| CN112366699A (zh) | 一种实现电网侧和用户侧交互的家庭能量双层优化方法 | |
| Abdalla et al. | Double-layer home energy management strategy for increasing PV self-consumption and cost reduction through appliances scheduling, EV, and storage | |
| CN112633924A (zh) | 一种基于负荷分解的小区电能替代需求分析方法 | |
| Bandyopadhyay et al. | As one falls, another rises? Residential peak load reduction through electricity rate structures | |
| Lin et al. | An energy performance assessment method for district heating substations based on energy disaggregation | |
| Liu et al. | Analysis of flexible energy use behavior of rural residents based on two-stage questionnaire: A case study in Xi’an, China | |
| CN111026791A (zh) | 一种基于居民细粒度用电数据的用户类型判定方法 | |
| He et al. | Load profile analysis for commercial buildings microgrids under demand response | |
| Elkholy et al. | Impact of time resolution averaging analysis on integrated photovoltaic with office buildings and grid interaction metrics: Case study | |
| Xiong et al. | A home energy management approach using decoupling value and policy in reinforcement learning | |
| Li et al. | Non-intrusive Load Monitoring in Industry Based on Gradient Boosting Algorithm | |
| CN111028098A (zh) | 一种基于细粒度用电行为的用户可调潜力确定方法 | |
| Yu et al. | Research of NILM in offshore oil platform power system | |
| Grover-Silva et al. | Electric load profile non-intrusive analysis to guide energy efficient behavior for residential clients | |
| Wang et al. | Study on the economic dispatch of regional integrated energy system based on master-slave game | |
| Jiang et al. | Resident load influence analysis method for price based on non-intrusive load monitoring and decomposition data |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |