CN108700925A - 用于识别能量分布图并且估计能量消耗的基于云的方法以及基于云的能量分布图使用识别系统 - Google Patents

用于识别能量分布图并且估计能量消耗的基于云的方法以及基于云的能量分布图使用识别系统 Download PDF

Info

Publication number
CN108700925A
CN108700925A CN201680077391.4A CN201680077391A CN108700925A CN 108700925 A CN108700925 A CN 108700925A CN 201680077391 A CN201680077391 A CN 201680077391A CN 108700925 A CN108700925 A CN 108700925A
Authority
CN
China
Prior art keywords
energy
equivalent amount
energy profile
profile
detail list
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
Application number
CN201680077391.4A
Other languages
English (en)
Other versions
CN108700925B (zh
Inventor
义·兴·本杰明·李
何永法
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.)
Global Design Corp ltd
Original Assignee
Global Design Corp 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
Family has litigation
First worldwide family litigation filed litigation Critical https://patents.darts-ip.com/?family=58631305&utm_source=google_patent&utm_medium=platform_link&utm_campaign=public_patent_search&patent=CN108700925(A) "Global patent litigation dataset” by Darts-ip is licensed under a Creative Commons Attribution 4.0 International License.
Application filed by Global Design Corp ltd filed Critical Global Design Corp ltd
Publication of CN108700925A publication Critical patent/CN108700925A/zh
Application granted granted Critical
Publication of CN108700925B publication Critical patent/CN108700925B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q30/00—Commerce
    • G06Q30/04—Billing or invoicing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R21/00—Arrangements for measuring electric power or power factor
    • G01R21/133—Arrangements for measuring electric power or power factor by using digital technique
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/2866—Architectures; Arrangements
    • H04L67/30—Profiles
    • H04L67/306—User profiles
    • 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

Abstract

提供了用于识别能量分布图并且估计能量消耗的基于云的方法以及基于云的能量分布图使用识别系统。还提供了用于识别最终用户的能量分布图并且估计最终用户的能量消耗费用的基于云的方法。该方法包括：从最终用户的至少一个清单中获得包括针对至少一个先前周期的已消耗能量的总量和总等价量的信息，并且基于已消耗能量的总量来估计针对多个时隙的消耗分布图。该方法还包括：获得通过数据网络提供的多个费率明细表，每个明细表对应于由公共事业提供商提供的能量分布图；针对每个能量分布图，基于所估计的消耗分布图以及与每个能量分布图对应的明细表来计算估计的等价量；计算所获得的针对该周期的总等价量与所计算的针对每个能量分布图的估计的等价量中的每一个之间的误差；以及从多个能量分布图中选择与最小的所计算的误差对应的能量分布图，作为最有可能由最终用户使用的能量分布图。

Description

用于识别能量分布图并且估计能量消耗的基于云的方法以及 基于云的能量分布图使用识别系统
技术领域
本发明涉及能量分布图(energy profile)使用识别，并且具体涉及用于识别能量分布图并且估计能量消耗的基于云的方法以及基于云的能量分布图使用识别系统。
背景技术
根据2010年至2011年美国公共电力协会年度指南和统计报告，在美国，共有3,269家不同的电力公共事业提供商。每个公共事业提供商都有自己的定价策略，并且每个客户可能会基于被供电的应用或建筑物的类型而有不同的明细表结构。因此对于最终用户而言，越来越难以在最终用户接收到对应的电费账单之前推断出针对例如一个月的特定周期必须支付的金额。
估计在周期结束时要支付的金额的一种方法是假设针对每个周期的计费金额保持大致相同。然而，这样的假设通常是不正确的，因为所使用的能量的量基于诸如假期或天气条件等不同的外部因素而变化。估计要支付的金额的另一种方法是例如使用所谓的智能计量装置来监测当前能量消耗，然后基于该能量消耗来估计计费金额。然而，这种方法依赖于关于用于为客户计费的能量分布图的详细信息。通常情况下，此类能量分布图信息只能在最终用户的合同中以文本形式获得。然而，提取该信息以将所使用的能量的量转换成金钱形式的针对所使用的电力的待支付金额，对于用户来说是非常不友好并且不可靠的。
因此，需要用于识别最终用户的能量分布图并且估计最终用户的能量消耗费用的更好的方法和系统。
发明内容
根据本发明的第一方面，公开了一种用于识别最终用户的能量分布图的基于云的方法。该方法包括：从最终用户的至少一个清单中获得包括针对至少一个先前周期的已消耗能量的总量和总等价量的信息；并且基于已消耗能量的总量来估计针对多个时隙的消耗分布图。该方法还包括：获得通过数据网络提供的多个费率明细表。每个明细表对应于由公共事业提供商提供的能量分布图。该方法还包括：针对每个能量分布图，通过基于所估计的消耗分布图以及与相应能量分布图对应的明细表计算至少第一贡献，来计算估计的等价量；并且针对每个能量分布图，计算所获得的针对该周期的总等价量与包括至少第一贡献和第二贡献的各个所计算的估计的成本中的每一个之间的误差。从多个能量分布图中选择与最小的所计算的误差对应的能量分布图，作为最有可能由最终用户使用的能量分布图。
根据本发明的第二方面，公开了一种用于估计最终用户的能量消耗费用的基于云的方法。该基于云的方法包括：从最终用户的至少一个清单中获得包括针对至少一个先前周期的已消耗能量的总量和总等价量的信息；以及基于所获得的总等价量与基于多个费率明细表中的每一个计算的计算出的能量分布图等价量的比较，识别与多个费率明细表中的明细表对应的最终用户的能量分布图。该方法还包括：基于与所识别的能量分布图对应的明细表和最终用户的当前能量消耗来计算当前能量等价量。
根据本发明的第三方面，公开了一种基于云的能量分布图识别系统。该系统包括处理器，该处理器包括存储能够由计算机执行的程序模块的非暂态计算机可读介质。所述模块包括：计费数据模块，其被配置成从最终用户的至少一个清单中获得包括针对一个周期的已消耗能量的总量和总等价量的信息；消耗分布图估计模块，其被配置成基于已消耗能量的总量来估计针对多个时隙的消耗分布图；以及峰值负荷估计模块，其被配置成基于所估计的消耗分布图来估计针对给定周期的峰值负荷。所述模块还包括：能量分布图数据模块，其被配置成获得通过数据网络提供的多个费率明细表，每个明细表对应于由公共事业提供商提供的能量分布图；使用等价量计算模块，其被配置成针对每个能量分布图通过下述方法来计算计算出的等价量：基于所估计的消耗分布图以及与能量分布图对应的明细表来计算第一贡献；并且基于所估计的峰值负荷以及与能量分布图对应的明细表来计算第二贡献。基于云的能量分布图识别系统还包括：误差计算模块，其被配置成针对每个能量分布图计算所获得的针对该周期的总等价量与包括第一贡献和第二贡献的所计算的估计的等价量之间的误差；以及能量分布图输出模块，其被配置成输出下述参数，所述参数对应于多个能量分布图中的与最小的所计算的误差对应的能量分布图的明细表。
根据本发明的不同方面，基于云的服务器从用户的电费账单中提取容易得到的信息，特别是从用户的电费账单中提取针对该周期的已消耗能量的总量和总等价量。基于该信息，基于云的系统执行反向计算，以将用户的账单与多个不同的能量分布图中的一个相匹配，每个能量分布图由明细表表示。一旦识别出正确的能量分布图，就可以使用该信息、基于所识别的明细表和最终用户的当前能量消耗来计算当前能量等价量。
附图说明
下面将参照附图描述本发明的各种实施方式。在附图中，相同的附图标记用于不同实施方式的相同元件。
图1示出了根据本发明的实施方式的基于云的能量分布图识别系统的示意图。
图2示出了能量分布图识别算法考虑的数据的示意图。
图3示出了用于识别最终用户的能量分布图的方法的流程图。
图4A至图4D示出了从第三方网站可获得的电能分布图的明细表。
具体实施方式
本发明的实施方式涉及识别最终用户的能量分布图能量使用分布图以及基于所识别的能量分布图能量使用分布图来估计消耗的能量。在各种实施方式中，本发明涉及用于识别最终用户的能量分布图能量使用分布图的基于云的方法、用于估计最终用户的能量消耗的基于云的方法以及基于云的能量分布图能量使用分布图识别系统。
图1示出了根据本发明的实施方式的基于云的能量分布图识别系统100。能量分布图可以是费率表。基于云的能量分布图识别系统100包括计费数据模块102、消耗分布图估计模块104和峰值负荷估计模块106。此外，系统100包括能量分布图数据模块108、使用等价量计算模块110和误差计算模块112。使用等价量可以是使用成本。此外，系统100包括能量分布图输出模块114、当前消耗数据模块116和预测模块118。这些模块可以以硬件或软件或其组合来实现。例如，各个模块可以采取存储在非暂态存储装置上以供由诸如网络服务器计算机的处理器之类的通用处理装置执行的计算机代码的形式。
由系统100的各个模块使用或产生的数据可以被存储在内部数据库或外部数据库(未示出)中。数据可以由系统100通过设置成经由网关通往诸如因特网130的数据网络的网络服务接口120来接收。此外，由能量分布图识别系统100收集的数据也可以通过使用用户接口122来显示或修改。例如，可以为能量分布图识别系统100的授权用户提供基于网络的用户接口。
在操作中，能量分布图信息系统100从外部源获得各条信息。具体地，在所描述的实施方式中，安装在用户站点140处的计量装置142可以通过网关144、因特网130和网络服务接口120向当前消耗数据模块116提供最终用户的当前能量消耗。此外，用户站点140的管理员或公共事业提供商150的计费服务152可以将电子信息提供给计费数据模块102。该信息可以是计费信息。这种计费数据可以借助于公共事业提供商150的网关154直接提供，或者可以从公共事业提供商150提供给用户站点140，然后通过因特网130从用户站点140转发到计费数据模块102。
最后，在图1所示的实施方式中，第三方提供商160维护具有能量分布图信息的数据库162。具体地，在数据库162中存储有多个公共事业提供商150的各种公共事业能量分布图的多个费率明细表。这些信息可以由第三方平台160的雇主手动输入，可以由作为众包项目的一部分的志愿者提供，或者可以借助于对应接口从每个公共事业提供商150自动提供。数据库162可以通过网关164得到，使得存储在数据库162中的能量分布图数据可以由能量分布图识别系统100的能量分布图数据模块108查询。
能量分布图识别系统100可以用于自动识别由用户站点140的最终用户使用的能量分布图。替选地或附加地，能量分布图识别系统100还可以用于基于所识别的对应的最终用户的能量分布图来预测用户站点140的当前或未来的能量成本。
下面，关于图2详细描述由能量分布图识别系统100采用的数据模型。可以看出，能量分布图识别基于提供多个周期的总货币等价量，例如，对于给定月份，最终用户的每月费用为H1至HM美元。该周期可以是计费周期。此外，提供了对应的消耗值，例如以千瓦时(kWh)为单位的月消耗值K1至KM。该信息可以由公共事业提供商150例如通过电子账单——为电力客户获得对他们自己的详细电力数据的访问的平台例如NREL的绿色按钮网站——直接提供，或者可以由个人用户例如通过扫描纸质账单并且将所扫描的账单进行上传或者经由用户接口122手动输入对应的数据来提供。替选地，还可以经由网络服务界面120从计量装置142自动提供这样的数据。从不同的数据源例如第三方平台160的数据库162，提供了各种费率明细表S1至SN。
基于月j的已知费用Hj和每月消耗Kj以及费率明细表集Si，可以由系统100执行反向能量分布图识别，以识别最有可能被最终用户使用的能量分布图。这种识别可以例如通过考虑每个可能的能量分布图明细表Si的强力搜索(brute-force search)200来执行。明细表Si可以是费率明细表。
在所描述的实施方式中，提供附加参数集θμ、θσ和θρ以控制强力搜索200。这些参数集可以包括用于基于给定的每月消耗Kj来估计消耗分布图的优化参数。在图2所示的实施方式中，每个参数集包括三个参数μ、σ和ρ。
基于强力搜索200来识别一组参数μ*、σ*、ρ*以及明细表Si的索引i*，其最佳地匹配给定的每月费用H1至HM的集合和每月消耗值K1至KM。
图3更详细地示出了强力搜索200可以如何通过多次嵌套迭代来实现。在所描述的方法中，强力搜索200包括针对优化参数集θμ、θσ和θρ的每个优化参数μ、σ和ρ、针对每个提供的明细表Si、以及针对可用训练数据的信息Hj和Kj的每个集合的三个迭代310、320和330。
在最外面的迭代310中，可以例如基于对通常的用户站点的统计分析来提供一个或几个优化参数集θμ、θσ和θρ，以允许对用户站点140的对应的标准化消耗模式进行简单而有效的建模。根据所描述的实施方式，每个参数集包括三个参数μ、σ和ρ，其用于仅基于每月消耗Kj来生成针对每日消耗模式的小时分布图以及用户站点140的最大峰值负荷。具体地，在步骤312中，使用参数μ和σ来定义具有平均值μ和方差σ的高斯或正态分布。基于一组优化参数μ和σ，可以计算遵循高斯分布的代表相关的小时消耗模式的矢量
根据该准备，可以根据每月消耗Kj来计算消耗分布图c。例如，可以将总的每月消耗除以该周期中的天数，然后基于由参数μ和σ定义的正态分布分配到一天中的各小时，如下面关于步骤332所详细描述的那样。
为了针对异常值校正正态分布，基于附加优化参数ρ基于能量分布图的最大消耗乘以因数1+ρ来估计峰值负荷，如稍后所述。
在步骤322中，借助于下一次迭代320，从与给定的一组公共事业能量分布图对应的多个费率明细表S1至SN中选择每个明细表Si。例如，可以选择包含在数据库162中的所有费率明细表，或者仅选择其子集，例如在特定区域中操作的公共事业提供商。如图3所示，每个明细表包括定义能量分布图的不同分量的多个不同的参数。在所描述的示例中，提供了基于费率的分量S费率，基于需求的分量S需求和固定分量S固定。这些分量通常描述分段线性函数，详见下面的示例。
在最内的迭代330中，针对每组优化参数θμ、θσ和θρ、每个可用明细表Si和其中历史计费数据Kj和Hj可用的每个周期j计算估计的等价量。
在所描述的示例中，在第一步骤332中，基于由参数μ和σ定义的正态分布，通过将矢量c乘以每月消耗Kj并且将其除以该特定月份的天数来计算每日平均消耗分布图。
基于消耗模式c和计算出的峰值负荷，可以针对一组已知的费率明细表中的每个明细表Si计算对应的能量分布图成本。注意下述事实：一些能量分布图可能不一定包括所有考虑的能量分布图分量。例如，一些电能分布图包括消耗费用，但没有需求费用和/或固定费用。
在所描述的实施方式中，在步骤334中，基于估计的每日消耗分布图和明细表Si的对应的基于费率的等价量信息S费率来计算第一贡献F1。在步骤336中，基于估计的每日消耗分布图c、优化参数ρ和明细表Si的对应的基于需求的等价量信息S需求来计算第二贡献F2。在步骤338中，基于明细表Si的对应的固定等价量信息S固定来计算第三贡献F3。因此，在步骤340中，可以将针对给定的每月消耗和选定的能量分布图的估计的待支付总金额f总计算为F1、F2和F3这三个分量的总和。
通过比较计算出的总等价量f总与已知的每月费用Hj之间的差异，可以针对每个考虑的明细表Si估计误差。在所描述的示例中，在步骤324中，在所有可用计费周期上将该误差进行求和作为迭代320的一部分。例如，可以使用下式来计算误差：
在最后阶段，通过选择与可用训练数据最匹配的能量分布图来识别最可能被用户使用的能量分布图。在所描述的示例中，这是在最外面的迭代310中通过在步骤314中选择具有最小的所计算的误差的明细表来完成。例如，可以基于下式来确定最佳拟合参数：
σ*，μ*，ρ*，i*＝arg mini，σ，μ，ρ误差i（σ，μ，ρ)
下面提供了如何将给定的每月费用和消耗值与给定的明细表相匹配的具体示例。如上所述，在所描述的方法中，假设每日消耗模式遵循高斯分布。因此，在进行估计之前，需要定义一些参数以提供网格搜索的基础。在网格搜索的每个循环中，将基于具有变量σ的平均值μ的高斯分布来生成消耗模式。随后，使用每月消耗将消耗模式按比例调节，因此可以针对给定的明细表Si来计算消耗费用和需求费用。
对于下面讨论的示例，考虑泽西中央电力(Jersey Central Power)和新泽西有限公司(Lt.Co.of New Jersey)的明细表，所述明细表可以从URL http://en.openei.org/apps/USURDB/rate/view/539f6a62ec4f024411ec8e89处的所谓的OpenEI网站得到。为了便于参考，在本说明书所附的图4A至图4D中也再现了该明细表的费率信息。此外，为了对用户站点140的消耗分布图进行建模，使用以下优化参数：μ＝12、σ＝2以及ρ＝0.5。
基于由平均值μ＝12即午间和方差σ＝2描述的高斯分布，生成针对一天中的24个对应的小时时隙的24个不同消耗值的以下矢量
该矢量指示由基础参数集表征的一天的假设消耗模式。在计算估计的费用之前，需要按照总使用量对矢量进行加权并且除以天数。假设从用户站点140可以得到的电子计费数据中得知，对于给定月份例如6月的使用量是24,160kWh。由于6月有30个日历日，因此消耗模式的权重因数为24,160/30＝805.33kWh/天，并且加权消耗模式c变为：
c＝[0,0.0006,0.0069,0.0577,0.3765,1.9120,7.5622,23.2932,55.8776,104.3931,151.8910,172.1151,151.8910,104.3931,55.8776,23.2932,7.5622,1.9120,0.3765,0.0577,0.0069,0.0006,0,0]
根据可得到的明细表，我们知道总等价量Hj包括三个贡献，即基于消耗的贡献、基于需求的贡献和固定贡献。根据该明细表，我们知道基于消耗的贡献F1＝f消耗(c,S)可以通过下式计算：
其中，函数gb(ct)表示用于消耗分布图c的对应时隙ct的每日明细表的给定能量分布带b的能量费率。此外，参数nwd和nwe分别表示所考虑周期中的工作日数和周末数。通常，函数gb是以分段线性函数的形式基于明细表Si来定义的。
对于图4C中所示的能量分布图，六月份的两个相关的能量分布带被定义为如下：
g1(c1)＝c1x(0.0219+0.1088)并且g3(c3)＝0
根据图4C所示的加权消耗模式c和能量使用率，可以看出，在基于消耗模式遵循的假设下6月份的基于消耗的第一贡献F1可以计算为：
F1＝1.2969US$ x 22+112.7600US$ x 8＝929.9518US$
为了估计能量成本的基于需求的分量，考虑任何一个时隙中的最高电力消耗。然而，对于实际需求费用，仅考虑最高需求即总体峰值消耗。基于根据图4B的明细表S，可以看出，该贡献F2可以通过以下等式来计算：
其中，表示基于峰值需求修改参数ρ来建模的预测峰值消耗。该优化因素考虑了在计算消耗模式c期间使用的简化，假定每一天具有相同的平均消耗。实践中，工作日的平均能量消耗通常高于周末，导致预测的峰值功率被低估。这可以通过峰值需求修改参数ρ来校正。而且，函数
基于图4B中所示的费率信息。
如针对第一分量更详细说明的那样，通过将上述等式与消耗模式c相结合，我们可以计算基于需求的等价量F2＝1,722.3180US$。
最后，基于图4D所示的固定费用，可以计算每月能量等价量的第三分量。因此，使用参数μ＝12、σ＝2和ρ＝0.5以及图4A至图4D中所示的明细表对所考虑的月份6月的总估计能量分布图等价量是
f总＝929.9518US$+1,722.3180US$+1.1400US$＝2,653.4098US$
用于计算总估计能量分布图等价量的上述过程重复达可获得对应信息的月数。例如，该过程可以重复达半年，对应于六个月度计费周期。然后，将估计的等价量与实际成本之间的误差求平方并累加，以确定多个费率明细表中的哪一个最适合该可用数据。一旦处理了所有可用的预定义参数集、费率明细表和每月信息，将基于最小的所计算的误差来选择最佳参数集。然后系统100可以使用对应的明细表来进行当前和未来账单的能量分布图估计。
对当前和未来能量成本的估计基本上以与上述关于对能量账单的各种贡献的计算相同的方式工作。然而，在这种情况下，优化参数μ*、σ*、ρ*和i*已经从能量分布图识别中知悉。因此，基于给定的当前消耗值K，使用等价量计算模块110可以确定当前能量消耗的等价量。此外，通过采用消耗分布图估计模块104和峰值负荷估计模块106，预测模块118还可以例如通过线性外推来推断当前运行周期的预期量。
在本发明的一个实施方式中，在周期结束时，所收取的总金额将与由使用等价量计算模块110计算的预测金额进行交叉核对。优选地，准确度应该是不低于95％。如果没有达到这个期望的准确度，则系统将基于新的可用每月信息来重复上面详述的能量分布图识别方法，并且重新校准存储在数据库中的能量分布图等价量数据。
所描述的系统和方法允许基于通常在诸如由公共事业提供商提供的电子账单之类的公开接口上可用的非常有限的信息以及在诸如众包能量信息数据库OpenEI之类的比较网站上可用的能量分布图明细表信息来对当前和未来能量等价量进行快速计算预测和评估。
所描述的系统具有多个商业上的益处，包括站点的用户可以提前看到用户当前正在使用的电将被收费多少。通过这种方式，可用信息激励用户节省更多能量，并且容易地识别通过实施节能策略或解决方案可获得的节省。

Claims (20)

1.一种用于识别最终用户的能量分布图的基于云的方法，所述方法包括：
测量在所述最终用户的位置处消耗的能量的总量；
从所述最终用户的至少一个清单中获得包括针对至少一个先前周期的已消耗能量的总量和总等价量的信息；
基于所述已消耗能量的总量来估计针对多个时隙的消耗分布图；
获得通过数据网络提供的多个明细表，每个明细表对应于由公共事业提供商提供的能量分布图；
针对每个能量分布图，通过基于所估计的消耗分布图以及与相应能量分布图对应的明细表计算至少第一贡献，来计算估计的等价量；
针对每个能量分布图，计算所获得的针对所述周期的总等价量与包括至少所述第一贡献的各个所计算的估计的等价量中的每一个之间的误差；以及
从多个能量分布图中选择与最小的所计算的误差对应的能量分布图，作为最有可能由所述最终用户使用的能量分布图。
2.根据权利要求1所述的方法，还包括：基于所估计的消耗分布图来估计针对给定周期的峰值负荷；
其中，所述明细表包括至少一个需求费用明细表；并且
其中，在计算估计的等价量的步骤中，基于所估计的峰值负荷以及与相应能量分布图对应的需求费用明细表来计算第二贡献。
3.根据权利要求2所述的方法，其中，所述明细表包括针对给定周期内的峰值需求的费率，并且通过基于所估计的峰值负荷以及所述明细表中包括的费率计算对于所述峰值需求的峰值需求费用来计算所述第二贡献。
4.根据权利要求3所述的方法，其中，所述明细表包括针对能量需求的不同费率带，并且通过根据所估计的峰值能量消耗选择与费率带对应的费率来计算所述第二贡献。
5.根据权利要求4所述的方法，其中，基于下式来计算第二贡献：
其中，h1(x)对应于针对给定明细表S的峰值需求的费率，ci是针对时隙i的预测的消耗，并且ρ对应于峰值需求修改参数。
6.根据权利要求1所述的方法，其中，所述明细表包括针对每个周期的至少一个固定费用，并且其中，在所述计算估计的等价量的步骤中，基于所述明细表的所述至少一个固定费用来计算第三贡献。
7.根据权利要求1所述的方法，其中，所述周期由多个日历日组成，并且在估计所述消耗分布图的步骤中，将所获得的已消耗能量的总量除以所述周期的日历日数以获得平均每日能量消耗，并且针对所述消耗分布图的每个时隙的能量消耗基于所述平均每日能量消耗在所述多个时隙上的正态高斯分布。
8.根据权利要求1所述的方法，其中，在所述获得信息的步骤中，针对多个不同的计费周期获得已消耗能量的总量和总等价量，在所述估计消耗分布图的步骤中，针对每个周期计算所述估计的等价量和计算误差，并且在从所述多个能量分布图中选择能量分布图的步骤中，选择与在所有提供的计费周期上的最小的所计算的误差对应的能量分布图。
9.根据权利要求1所述的方法，其中，基于在多个参数集中的所选择的参数集中包括的至少一个优化参数来估计所述消耗分布图和峰值负荷中的至少一个，在所述估计消耗分布图的步骤中，针对所述多个参数集中的每一个计算所述估计的等价量和计算误差，并且在从所述多个能量分布图中选择能量分布图的步骤中，选择与在所有参数集上计算的最小的误差对应的能量分布图。
10.根据权利要求1所述的方法，其中，所述明细表包括针对在所述多个时隙中的给定时隙内消耗的能量的能量价格，并且通过基于所估计的消耗分布图以及所述明细表中包括的能量价格将针对每个时隙的已消耗能量的等价量进行求和，来计算所述第一贡献。
11.根据权利要求10所述的方法，其中，所述明细表包括针对一周中不同日子的不同能量价格，并且通过将针对所述一周中的每一天的已消耗能量的成本进行求和来计算所述第一贡献。
12.根据权利要求10所述的方法，其中，所述明细表包括针对每一天的不同能量分布带的不同能量价格，并且通过将针对每一天的每个能量分布带的已消耗能量的等价量进行求和来计算所述第一贡献。
13.一种用于估计最终用户的能量消耗的基于云的方法，所述方法包括：
从所述最终用户的至少一个清单中获得包括针对至少一个先前周期的已消耗能量的总量和总等价量的信息；
基于所获得的总等价量与基于多个费率明细表中的每一个计算的计算出的能量分布图等价量的比较，识别与所述多个费率明细表中的明细表对应的所述最终用户的能量分布图；以及
基于与所识别的能量分布图对应的明细表和所述最终用户的当前能量消耗来计算当前能量等价量。
14.根据权利要求13所述的方法，其中，在当前周期结束时，基于所识别的能量分布图，计算针对所述当前周期的估计的总能量等价量，并且将针对所述当前周期的估计的总能量等价量与由公共事业提供商提供的实际总能量等价量进行比较。
15.根据权利要求14所述的方法，其中，在所计算的针对所述当前周期的总能量等价量与所述实际总能量等价量相差多于预定的误差裕量的情况下，基于至少所述当前周期的信息来重复识别能量分布图的步骤。
16.根据权利要求13所述的方法，其中，基于所述当前能量消耗，基于线性外推来预测所述当前周期结束时的总能量等价量。
17.根据权利要求13所述的方法，其中，识别所述最终用户的能量分布图包括：
测量在所述最终用户的位置处消耗的能量的总量；
从所述最终用户的至少一个清单中获得包括针对至少一个先前周期的已消耗能量的总量和总等价量的信息；
基于所述已消耗能量的总量来估计针对多个时隙的消耗分布图；
获得通过数据网络提供的多个明细表，每个明细表对应于由公共事业提供商提供的能量分布图；
针对每个能量分布图，通过基于所估计的消耗分布图以及与相应能量分布图对应的明细表计算至少第一贡献，来计算估计的等价量；
针对每个能量分布图，计算所获得的针对所述周期的总等价量与包括至少所述第一贡献的各个所计算的估计的等价量中的每一个之间的误差；以及
从多个能量分布图中选择与最小的所计算的误差对应的能量分布图，作为最有可能由所述最终用户使用的能量分布图。
18.一种基于云的能量分布图识别系统，所述能量分布图识别系统包括处理器，所述处理器包括存储能够由计算机执行的程序模块的非暂态计算机可读介质，所述模块包括：
数据模块，其被配置成从最终用户的至少一个清单中获得包括针对一个周期的已消耗能量的总量和总等价量的信息；
消耗分布图估计模块，其被配置成基于所述已消耗能量的总量来估计针对多个时隙的消耗分布图；
峰值负荷估计模块，其被配置成基于所估计的消耗分布图来估计针对给定周期的峰值负荷；
能量分布图数据模块，其被配置成获得通过数据网络提供的多个费率明细表，每个明细表对应于由公共事业提供商提供的能量分布图；
使用等价量计算模块，其被配置成针对每个能量分布图通过下述方法来计算估计的等价量：基于所估计的消耗分布图以及与所述能量分布图对应的明细表来计算第一贡献；并且基于所估计的峰值负荷以及与所述能量分布图对应的明细表来计算第二贡献；
误差计算模块，其被配置成针对每个能量分布图计算所获得的针对所述周期的总等价量与包括所述第一贡献和所述第二贡献的所计算的估计的等价量之间的误差；以及
能量分布图输出模块，其被配置成输出下述参数，所述参数对应于多个能量分布图中的与最小的所计算的误差对应的能量分布图的明细表。
19.根据权利要求18所述的基于云的能量分布图识别系统，其中，所述模块还包括当前消耗数据模块，所述当前消耗数据模块被配置成获得针对所述最终用户的当前能量消耗数据，其中，所述使用等价量计算模块还被配置成基于与所识别的能量分布图对应的明细表和所获得的所述最终用户的当前能量消耗数据来计算当前能量等价量。
20.根据权利要求19所述的基于云的能量分布图识别系统，其中，所述模块还包括预测模块，所述预测模块被配置成基于所获得的当前能量消耗数据的线性外推来预测针对当前周期的剩余时间的能量消耗数据，其中，所述使用等价量计算模块还被配置成基于所预测的能量消耗数据来计算针对所述当前周期的总能量等价量。
CN201680077391.4A 2015-10-30 2016-10-27 识别能量分布图的方法和系统以及估计能量消耗的方法 Active CN108700925B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US14/928,894 2015-10-30
US14/928,894 US10387926B2 (en) 2015-10-30 2015-10-30 Cloud-based methods for identifying energy profile and estimating energy consumption and cloud-based energy profile usage identification system
PCT/CN2016/103533 WO2017071609A1 (en) 2015-10-30 2016-10-27 Cloud-based methods for identifying energy profile and estimating energy consumption and cloud-based energy profile usage identification system

Publications (2)

Publication Number Publication Date
CN108700925A true CN108700925A (zh) 2018-10-23
CN108700925B CN108700925B (zh) 2022-03-25

Family

ID=58631305

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680077391.4A Active CN108700925B (zh) 2015-10-30 2016-10-27 识别能量分布图的方法和系统以及估计能量消耗的方法

Country Status (5)

Country Link
US (1) US10387926B2 (zh)
CN (1) CN108700925B (zh)
DE (1) DE112016004942T8 (zh)
GB (1) GB2560836A (zh)
WO (1) WO2017071609A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110222943B (zh) * 2019-05-14 2023-06-20 国网浙江电动汽车服务有限公司 一种电动车能耗节约估算方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120290862A1 (en) * 2011-05-13 2012-11-15 International Business Machines Corporation Optimizing energy consumption utilized for workload processing in a networked computing environment
CN103155332A (zh) * 2010-07-16 2013-06-12 Atb自动化科技有限两合公司 用于规划和/或控制到消耗器的能量输出和/或到能量分配网中的能量馈入的方法
CN103823718A (zh) * 2014-02-24 2014-05-28 南京邮电大学 一种面向绿色云计算的资源配置方法
CN104683442A (zh) * 2015-01-22 2015-06-03 南京邮电大学 一种在无线云计算下的移动设备能量优化分配方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7230544B2 (en) * 2002-04-22 2007-06-12 Cellnet Innovations, Inc. Intelligent two-way telemetry
US20070203860A1 (en) * 2006-02-24 2007-08-30 Gridpoint, Inc. Energy budget manager
US8525692B2 (en) * 2008-06-13 2013-09-03 Elster Solutions, Llc Techniques for limiting demand from an electricity meter with an installed relay
DK200801782A (en) 2008-12-15 2010-06-16 Danfoss Ventures As Power saving system and method
US9417637B2 (en) * 2010-12-31 2016-08-16 Google Inc. Background schedule simulations in an intelligent, network-connected thermostat
US10345766B2 (en) 2012-12-11 2019-07-09 Kabushiki Kaisha Toshiba Energy management server, energy management method, and medium
JP6109555B2 (ja) 2012-12-11 2017-04-05 株式会社東芝 エネルギー管理サーバ、エネルギー管理方法およびプログラム
CA2846342C (en) * 2013-03-15 2022-08-02 Open Access Technology International, Inc. Use of demand response (dr) and distributed energy resources (der) to mitigate the impact of variable energy resources (ver) in power system operation
US20150057820A1 (en) * 2013-08-21 2015-02-26 Fujitsu Limited Building energy management optimization
JP6342131B2 (ja) 2013-09-13 2018-06-13 株式会社東芝 受給エネルギー削減情報算出装置、受給エネルギー削減情報算出方法およびプログラム
US20160371363A1 (en) * 2014-03-26 2016-12-22 Hitachi, Ltd. Time series data management method and time series data management system
US20160063626A1 (en) * 2014-09-02 2016-03-03 Nextility, Inc. Automated energy brokering

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103155332A (zh) * 2010-07-16 2013-06-12 Atb自动化科技有限两合公司 用于规划和/或控制到消耗器的能量输出和/或到能量分配网中的能量馈入的方法
US20120290862A1 (en) * 2011-05-13 2012-11-15 International Business Machines Corporation Optimizing energy consumption utilized for workload processing in a networked computing environment
CN103823718A (zh) * 2014-02-24 2014-05-28 南京邮电大学 一种面向绿色云计算的资源配置方法
CN104683442A (zh) * 2015-01-22 2015-06-03 南京邮电大学 一种在无线云计算下的移动设备能量优化分配方法

Also Published As

Publication number Publication date
US10387926B2 (en) 2019-08-20
DE112016004942T5 (de) 2018-07-26
GB2560836A (en) 2018-09-26
GB201808015D0 (en) 2018-07-04
DE112016004942T8 (de) 2018-08-23
US20170124609A1 (en) 2017-05-04
WO2017071609A1 (en) 2017-05-04
CN108700925B (zh) 2022-03-25

Similar Documents

Publication Publication Date Title
Hansen et al. A partially observable markov decision process approach to residential home energy management
Johnson et al. Peak shifting and cross-class subsidization: The impacts of solar PV on changes in electricity costs
US20040215529A1 (en) System and method for energy price forecasting automation
US20120150707A1 (en) Systems and methods for providing energy efficient building equipment and services
Hale et al. Capturing the impact of storage and other flexible technologies on electric system planning
Weng et al. Probabilistic baseline estimation based on load patterns for better residential customer rewards
US10282794B2 (en) System and method for determining energy and greenhouse gas (GHG) apportionment
US20100274695A1 (en) Utility tariff engine
KR20160043240A (ko) 부하 시간대별 전력량 분석 시스템 및 이를 이용한 최적 전력 요금제 추천 시스템
Gagnon et al. Estimating the value of improved distributed photovoltaic adoption forecasts for utility resource planning
Munoz-Alvarez et al. On the efficiency of connection charges—part II: Integration of distributed energy resources
CN108700925A (zh) 用于识别能量分布图并且估计能量消耗的基于云的方法以及基于云的能量分布图使用识别系统
Breitschopf et al. Guidelines for assessing costs and benefits of RET deployment
JP2003296410A (ja) 提供サービス評価方法およびシステム
CA3051135A1 (en) Systems and methods for disaggregating appliance loads
Munoz-Alvarez et al. On the efficiency of connection charges—part I: A stochastic framework
Vašak et al. Dynamic day-ahead water pricing based on smart metering and demand prediction
US20150262203A1 (en) Method and system for automatic selection of energy supplier
WO2017035571A1 (en) Analysing smart meter data for solar or storage recommendation
Keles et al. Evaluation of photovoltaic storage systems on energy markets under uncertainty using stochastic dynamic programming
J Fennell et al. Exploring the commercial implications of measurement and verification choices in energy performance contracting using stochastic building simulation
Haghdadi et al. An open source tool for analyzing the impact of electricity network and retail tariffs on consumers
Masdzarif et al. An efficient method for estimating energy losses in distribution's feeder
Cech Panel regression analysis of electricity prices and renewable energy in the European Union
Dannecker et al. Efficient forecasting for hierarchical time series

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
GR01 Patent grant
GR01 Patent grant