CN109064079A - 基于负荷分类的电力需求响应基线计算方法的选取方法 - Google Patents
基于负荷分类的电力需求响应基线计算方法的选取方法 Download PDFInfo
- Publication number
- CN109064079A CN109064079A CN201811279934.8A CN201811279934A CN109064079A CN 109064079 A CN109064079 A CN 109064079A CN 201811279934 A CN201811279934 A CN 201811279934A CN 109064079 A CN109064079 A CN 109064079A
- Authority
- CN
- China
- Prior art keywords
- load
- user
- monthly
- net
- calculation method
- 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
- 230000004044 response Effects 0.000 title claims abstract description 55
- 238000004364 calculation method Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000005611 electricity Effects 0.000 title claims abstract description 47
- 230000003068 static effect Effects 0.000 claims abstract description 38
- 230000008569 process Effects 0.000 claims abstract description 18
- 238000009499 grossing Methods 0.000 claims description 15
- 239000002184 metal Substances 0.000 claims description 9
- 241001269238 Data Species 0.000 claims description 6
- CWYNVVGOOAEACU-UHFFFAOYSA-N Fe2+ Chemical compound [Fe+2] CWYNVVGOOAEACU-UHFFFAOYSA-N 0.000 claims description 6
- 238000007418 data mining Methods 0.000 claims description 6
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 235000002637 Nicotiana tabacum Nutrition 0.000 claims description 3
- 239000003245 coal Substances 0.000 claims description 3
- 235000013305 food Nutrition 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 241000208125 Nicotiana Species 0.000 claims 1
- 230000000694 effects Effects 0.000 description 7
- 240000002853 Nelumbo nucifera Species 0.000 description 6
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 6
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 244000061176 Nicotiana tabacum Species 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000007115 recruitment Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000013277 forecasting method Methods 0.000 description 1
- 238000012423 maintenance 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
- 230000036316 preload Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research 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
- G06Q10/0631—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
- 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)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于负荷分类的电力需求响应基线计算方法的选取方法,首先采集省网和参与电力需求响应用户统调的用电8760负荷数据;之后分别计算省网用电负荷和参与电力需求响应的各用户的用电负荷特性,包括年负荷静态下降系数K和月负荷率年平均值σ;之后以月负荷率年平均值σ为横坐标,年负荷静态下降系数K为纵坐标,以省网负荷特性指标K和σ为象限交叉点,用户可分为三类:位于第一象限的高负荷率小波动类型、位于第二象限的中负荷率中波动类型和位于第三象限的低负荷率大波动类型;之后根据用户分类的不同选取相适应的基线计算方法;本发明基于用户用电行为的差异,可有效提高基线负荷计算的精度,有助于公平合理测算用户需求响应规模。
Description
技术领域
本发明属于电力需求响应基线计算技术领域,尤其是涉及一种基于负荷分类的电力需求响应基线计算方法的选取方法。
背景技术
电力需求响应通过价格信号和激励机制,引导用户在特定的时段减少(增加)用电,从而促进电力供需平衡,维护系统可靠性和提高系统运行效率。基线负荷是指用户在不实施电力需求响应的情况下可能的用电负荷,是对未发生情况的一个估计值。而负荷响应量是由响应时段的实际用电负荷减去基线负荷计算出来的,因此基线负荷的计算是用户需求响应性能评价的基础,是用户补偿结算的重要前提。基线负荷的计算本质上是一种短期负荷预测方法,在具体实践过程中由于要求简便、透明、易于理解,往往采用平均值法或回归分析法等某一种确定的方法,对不同类别用户的准确性差别相当的明显。由于生产工艺和流程的差异,工业企业负荷特性不一样,响应能力不同,基线负荷的计算方法也应有所区别。因此,基于用电行为特性对用户进行分类,选择差异化的基线负荷计算方法是必要的。因此提出一种基于负荷分类的电力需求响应基线负荷的计算方法。
公开号为CN106372739A的发明申请公开了一种基于需求响应基线的需求响应效果评估方法,根据实施需求响应的基线和实施需求响应的负荷曲线确定需求响应量,并对需求响应量进行评估,得到需求响应效果评估因数,需求响应效果评估因数反映需求响应效果。该发明基于参数识别确定需求响应基线,既保证了预测速度,又将天气等影响因素纳入了考虑范围,获得了较为精确的需求响应基线确定方法,未计算需求响应削减量提供新思路。研究需求响应基线新的计算方法有助于挖掘参与需求响应项目用户的潜力,评估其项目效果,提高其参与需求响应积极性;也有利于电力公司制定更加有效的电网调度方案,实现用电资源的合理的分配,提高电网效率。然而,该发明没有考虑到由于生产工艺和流程的差异,工业企业负荷特性不一样,响应能力不同,基线负荷的计算方法单一会带影响准确性。
发明内容
有鉴于此,本发明的目的是针对现有技术的不足,提供一种基于负荷分类的电力需求响应基线计算方法的选取方法,其基于用户用电行为的差异,可有效提高基线负荷计算的精度,有助于公平合理测算用户需求响应规模。
为达到上述目的,本发明采用以下技术方案:
基于负荷分类的电力需求响应基线计算方法的选取方法,包括以下步骤:
(1)采集基础数据:包括省网用电8760负荷数据和参与电力需求响应用户统调用电8760负荷数据;
(2)计算用电负荷特性:分别计算省网用电负荷和参与电力需求响应的各个电力用户的用电负荷特性,所述用户负荷特性指标包括年负荷静态下降系数K和月负荷率年平均值σ;
(3)用户分类:以月负荷率年平均值σ为横坐标,年负荷静态下降系数K为纵坐标,以省网负荷特性指标K和σ为象限交叉点,用户可分为三类:位于第一象限的高负荷率小波动类型、位于第二象限的中负荷率中波动类型和位于第三象限的低负荷率大波动类型;
(4)基线计算方法的选取:高负荷率小波动类型的用户采取基于数据挖掘聚类的基线负荷计算方法、中负荷率中波动类型的用户采用二次指数平滑法对历史统计序列逐层平滑计算、低负荷率大波动类型的用户采取前20个工作日负荷的加权平均来计算基线负荷。
在所述步骤(1)中,基础数据的采集周期为1小时,时间维度为1年。
在所述步骤(2)中,年负荷静态下降系数K的计算公式如下:
K=P′n.max/Pn.max
式中,P′n.max为静态最小负荷月的最大负荷;Pn.max为静态年最大负荷,也即最大负荷月的最大负荷。
在所述步骤(2)中,月负荷率年平均值σ的计算公式如下:
式中,为月平均负荷;为各月最大负荷日平均负荷。
在所述步骤(3)中,高负荷率小波动类型的用户包括有色金属行业、煤炭工业、交通运输业;该类用户负荷月负荷率年平均值均大于省网负荷月负荷率年平均值,该类用户年负荷静态下降系数均大于省网年负荷静态下降系数,月负荷率较高且负荷波动小。
在所述步骤(3)中,中负荷率中波动类型的用户包括黑色金属行业、化学工业、食品烟草业;该类用户负荷月负荷率平均值均小于省网负荷月负荷率年平均值,该类用户年负荷静态下降系数均大于省网年负荷静态下降系数,月负荷率一般且负荷波动不大。
在所述步骤(3)中,低负荷率大波动类型的用户包括非金属矿物制品业、工艺品制造业、批发零售业和金属制品业;该类用户负荷月负荷率平均值均小于省网负荷月负荷率年平均值,该类用户年负荷静态下降系数均小于省网年负荷静态下降系数,月负荷率较低且负荷波动较大。本发明的有益效果是:
本发明针对目前由于生产工艺和流程的差异,工业企业负荷特性不一样,响应能力不同,统一的基线负荷的计算方法对于不同类别用户的准确性差别相当的明显的问题,提供一种基于负荷分类的电力需求响应基线计算方法,首先,采集省网用电8760负荷数据和参与电力需求响应用户统调用电8760负荷数据;之后,分别计算省网用电负荷和参与电力需求响应的各个电力用户的用电负荷特性,用户负荷特性指标包括年负荷静态下降系数K和月负荷率年平均值σ;之后,以月负荷率年平均值σ为横坐标,年负荷静态下降系数K为纵坐标,以省网负荷特性指标K和σ为象限交叉点,用户可分为三类:位于第一象限的高负荷率小波动类型、位于第二象限的中负荷率中波动类型和位于第三象限的低负荷率大波动类型;
之后,根据用户分类的不同选取相适应的基线计算方法:其中,高负荷率小波动类型的用户,由于其用电行为往往具有相似性,通过聚类法能有效挖掘用户用电行为的规律,因此对该类用户采取基于数据挖掘聚类的基线负荷计算方法;中负荷率中波动类型的用户采用二次指数平滑法对历史统计序列逐层平滑计算,能够消除随机因素造成的影响,能较好拟合用电负荷变化趋势;低负荷率大波动类型的用户采取前20个工作日负荷的加权平均来计算基线负荷,能够尽可能的抵消其随机性带来的不利影响。
在步骤(4)中,基线负荷计算方法选择原因陈述:
对于高负荷率小波动类型的用户,用电行为稳定、规律性明显,通过聚类法能够有效挖掘此类用户用电行为的规律性,基于大量的历史数据分析能取得更为准确的结果。
对于中负荷率中波动类型的用户,用电行为有一定的趋势,二次指数平滑法通过对历史数据的逐层平滑计算,消除随机因素造成的影响,能够较好拟合用电负荷的基本变化趋势,算法简单、预测精度较高。
低负荷率大波动类型的用户,用电波动性大且没有明显的趋势,利用前20个工作日负荷的加权平均,适当扩大近期负荷对响应日基线负荷预测的影响,可尽可能地抵消其随机性。
基线负荷计算方法步骤描述:
基于数据挖掘聚类的负荷计算方法步骤如下:1)选取响应日前2个月的历史负荷数据进行K-Means聚类,根据聚类中心与所有历史负荷距离平均值的变化,得到最合适的聚类个数N,将历史负荷数据聚为N类。2)计算响应日约定响应时段前负荷数据与各个聚类中心的欧氏距离,距离最小者即为所属的类别n。3)将响应日前5天响应时段的历史负荷与类别n对应时段的历史负荷数据求平均,即为所求的基线负荷。
二次指数平滑法的预测模型如下:其中,为t+T期的预测值,平滑系数第t期的一次指数平滑值为第t期的二次指数平滑值为a为加权系数,当负荷波动不大,在0.05~0.2之间取值,当波动较大时,在0.3~0.7之间取值,Yt为第t期的实际值。
加权平均法的预测模型如下:y=∑(xi×ωi)÷∑(ωi);其中,xi为前20个工作日响应时段历史用电负荷,ωi为各历史用电负荷对应权数,且近期的权重应适当加大。
本发明基于用户用电行为的差异,提出基于负荷分类的基线负荷计算方法,可有效提高基线负荷计算的精度,有助于公平合理测算用户需求响应规模。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
图1为本发明的流程图;
图2为本发明中电力需求响应用户用电负荷分类散点示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例的附图1和附图2,对本发明实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
参阅图1和图2,基于负荷分类的电力需求响应基线计算方法的选取方法,包括以下步骤:
(1)采集基础数据:包括省网用电8760负荷数据和参与电力需求响应用户统调用电8760负荷数据;
(2)计算用电负荷特性:分别计算省网用电负荷和参与电力需求响应的各个电力用户的用电负荷特性,所述用户负荷特性指标包括年负荷静态下降系数K和月负荷率年平均值σ;
(3)用户分类:以月负荷率年平均值σ为横坐标,年负荷静态下降系数K为纵坐标,以省网负荷特性指标K和σ为象限交叉点,用户可分为三类:位于第一象限的高负荷率小波动类型、位于第二象限的中负荷率中波动类型和位于第三象限的低负荷率大波动类型;
如表1所示,为某省典型行业与省网符合特性指标汇总表,图2为本实施例中根据表1的数据绘制的电力需求响应用户用电负荷分类散点示意图。
(4)基线计算方法的选取:高负荷率小波动类型的用户采取基于数据挖掘聚类的基线负荷计算方法、中负荷率中波动类型的用户采用二次指数平滑法对历史统计序列逐层平滑计算、低负荷率大波动类型的用户采取前20个工作日负荷的加权平均来计算基线负荷。
在所述步骤(1)中,基础数据的采集周期为1小时,时间维度为1年。
在所述步骤(2)中,年负荷静态下降系数K的计算公式如下:
K=P′n.max/Pn.max
式中,P′n.max为静态最小负荷月的最大负荷;Pn.max为静态年最大负荷,也即最大负荷月的最大负荷。
在所述步骤(2)中,月负荷率年平均值σ的计算公式如下:
式中,为月平均负荷;为各月最大负荷日平均负荷。
在所述步骤(3)中,高负荷率小波动类型的用户包括有色金属行业、煤炭工业、交通运输业;该类用户负荷月负荷率年平均值均大于省网负荷月负荷率年平均值,该类用户年负荷静态下降系数均大于省网年负荷静态下降系数,月负荷率较高且负荷波动小。
在所述步骤(3)中,中负荷率中波动类型的用户包括黑色金属行业、化学工业、食品烟草业;该类用户负荷月负荷率平均值均小于省网负荷月负荷率年平均值,该类用户年负荷静态下降系数均大于省网年负荷静态下降系数,月负荷率一般且负荷波动不大。
在所述步骤(3)中,低负荷率大波动类型的用户包括非金属矿物制品业、工艺品制造业、批发零售业和金属制品业;该类用户负荷月负荷率平均值均小于省网负荷月负荷率年平均值,该类用户年负荷静态下降系数均小于省网年负荷静态下降系数,月负荷率较低且负荷波动较大。
本发明提供一种基于负荷分类的电力需求响应基线计算方法,首先,采集省网用电8760负荷数据和参与电力需求响应用户统调用电8760负荷数据;之后,分别计算省网用电负荷和参与电力需求响应的各个电力用户的用电负荷特性,用户负荷特性指标包括年负荷静态下降系数K和月负荷率年平均值σ;之后,以月负荷率年平均值σ为横坐标,年负荷静态下降系数K为纵坐标,以省网负荷特性指标K和σ为象限交叉点,用户可分为三类:位于第一象限的高负荷率小波动类型、位于第二象限的中负荷率中波动类型和位于第三象限的低负荷率大波动类型;之后,根据用户分类的不同选取相适应的基线计算方法:其中,高负荷率小波动类型的用户,由于其用电行为往往具有相似性,通过聚类法能有效挖掘用户用电行为的规律,因此对该类用户采取基于数据挖掘聚类的基线负荷计算方法;中负荷率中波动类型的用户采用二次指数平滑法对历史统计序列逐层平滑计算,能够消除随机因素造成的影响,能较好拟合用电负荷变化趋势;低负荷率大波动类型的用户采取前20个工作日负荷的加权平均来计算基线负荷,能够尽可能的抵消其随机性带来的不利影响。
本发明基于用户用电行为的差异,提出基于负荷分类的基线负荷计算方法,可有效提高基线负荷计算的精度,有助于公平合理测算用户需求响应规模。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,本领域普通技术人员对本发明的技术方案所做的其他修改或者等同替换,只要不脱离本发明技术方案的精神和范围,均应涵盖在本发明的权利要求范围当中。
Claims (7)
1.基于负荷分类的电力需求响应基线计算方法的选取方法,其特征在于,包括以下步骤:
(1)采集基础数据:包括省网用电8760负荷数据和参与电力需求响应用户统调用电8760负荷数据;
(2)计算用电负荷特性:分别计算省网用电负荷和参与电力需求响应的各个电力用户的用电负荷特性,所述用户负荷特性指标包括年负荷静态下降系数K和月负荷率年平均值σ;
(3)用户分类:以月负荷率年平均值σ为横坐标,年负荷静态下降系数K为纵坐标,以省网负荷特性指标K和σ为象限交叉点,用户可分为三类:位于第一象限的高负荷率小波动类型、位于第二象限的中负荷率中波动类型和位于第三象限的低负荷率大波动类型;
(4)基线计算方法的选取:高负荷率小波动类型的用户采取基于数据挖掘聚类的基线负荷计算方法、中负荷率中波动类型的用户采用二次指数平滑法对历史统计序列逐层平滑计算、低负荷率大波动类型的用户采取前20个工作日负荷的加权平均来计算基线负荷。
2.根据权利要求1所述的基于负荷分类的电力需求响应基线计算方法的选取方法,其特征在于:在所述步骤(1)中,基础数据的采集周期为1小时,时间维度为1年。
3.根据权利要求2所述的基于负荷分类的电力需求响应基线计算方法的选取方法,其特征在于:在所述步骤(2)中,年负荷静态下降系数K的计算公式如下:
K=P′n.max/Pn.max
式中,P′n.max为静态最小负荷月的最大负荷;Pn.max为静态年最大负荷,也即最大负荷月的最大负荷。
4.根据权利要求3所述的基于负荷分类的电力需求响应基线计算方法的选取方法,其特征在于:在所述步骤(2)中,月负荷率年平均值σ的计算公式如下:
式中,为月平均负荷;为各月最大负荷日平均负荷。
5.根据权利要求4所述的基于负荷分类的电力需求响应基线计算方法的选取方法,其特征在于:在所述步骤(3)中,高负荷率小波动类型的用户包括有色金属行业、煤炭工业、交通运输业;该类用户负荷月负荷率年平均值均大于省网负荷月负荷率年平均值,该类用户年负荷静态下降系数均大于省网年负荷静态下降系数,月负荷率较高且负荷波动小。
6.根据权利要求5所述的基于负荷分类的电力需求响应基线计算方法的选取方法,其特征在于:在所述步骤(3)中,中负荷率中波动类型的用户包括黑色金属行业、化学工业、食品烟草业;该类用户负荷月负荷率平均值均小于省网负荷月负荷率年平均值,该类用户年负荷静态下降系数均大于省网年负荷静态下降系数,月负荷率一般且负荷波动不大。
7.根据权利要求6所述的基于负荷分类的电力需求响应基线计算方法的选取方法,其特征在于:在所述步骤(3)中,低负荷率大波动类型的用户包括非金属矿物制品业、工艺品制造业、批发零售业和金属制品业;该类用户负荷月负荷率平均值均小于省网负荷月负荷率年平均值,该类用户年负荷静态下降系数均小于省网年负荷静态下降系数,月负荷率较低且负荷波动较大。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811279934.8A CN109064079A (zh) | 2018-10-30 | 2018-10-30 | 基于负荷分类的电力需求响应基线计算方法的选取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811279934.8A CN109064079A (zh) | 2018-10-30 | 2018-10-30 | 基于负荷分类的电力需求响应基线计算方法的选取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109064079A true CN109064079A (zh) | 2018-12-21 |
Family
ID=64768017
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811279934.8A Pending CN109064079A (zh) | 2018-10-30 | 2018-10-30 | 基于负荷分类的电力需求响应基线计算方法的选取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109064079A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110796358A (zh) * | 2019-10-23 | 2020-02-14 | 四川万益能源科技有限公司 | 基于平均分解的有序用电降负荷需求分解方法 |
CN111969598A (zh) * | 2020-08-04 | 2020-11-20 | 广西电网有限责任公司电力科学研究院 | 一种考虑激励型需求侧响应的用户侧储能优化方法及系统 |
CN112347081A (zh) * | 2020-11-11 | 2021-02-09 | 北京新数科技有限公司 | 一种数据库基线生成方法、系统、设备及可读存储介质 |
CN116166940A (zh) * | 2023-04-24 | 2023-05-26 | 施维智能计量系统服务(长沙)有限公司 | 一种基于热力图的用户电力负荷时间特性分类识别方法 |
CN117154722A (zh) * | 2023-10-30 | 2023-12-01 | 国网湖北省电力有限公司营销服务中心(计量中心) | 一种电力需求响应潜力评估方法和系统 |
Citations (6)
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 |
CN104809332A (zh) * | 2015-03-24 | 2015-07-29 | 国家电网公司 | 一种基于负荷率的电力系统海量用户分类方法 |
CN105678426A (zh) * | 2016-02-01 | 2016-06-15 | 江苏省电力公司电力科学研究院 | 一种基线预测中相似日最优天数组合的选取方法 |
CN106372739A (zh) * | 2015-07-24 | 2017-02-01 | 中国电力科学研究院 | 一种基于需求响应基线的需求响应效果评估方法 |
CN106570783A (zh) * | 2016-10-27 | 2017-04-19 | 国网江苏省电力公司 | 一种基于大数据思维的客户用电行为分析模型 |
CN107798475A (zh) * | 2017-10-25 | 2018-03-13 | 云南电网有限责任公司电力科学研究院 | 一种需求侧负荷调整方案的制定方法及装置 |
-
2018
- 2018-10-30 CN CN201811279934.8A patent/CN109064079A/zh active Pending
Patent Citations (6)
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 |
CN104809332A (zh) * | 2015-03-24 | 2015-07-29 | 国家电网公司 | 一种基于负荷率的电力系统海量用户分类方法 |
CN106372739A (zh) * | 2015-07-24 | 2017-02-01 | 中国电力科学研究院 | 一种基于需求响应基线的需求响应效果评估方法 |
CN105678426A (zh) * | 2016-02-01 | 2016-06-15 | 江苏省电力公司电力科学研究院 | 一种基线预测中相似日最优天数组合的选取方法 |
CN106570783A (zh) * | 2016-10-27 | 2017-04-19 | 国网江苏省电力公司 | 一种基于大数据思维的客户用电行为分析模型 |
CN107798475A (zh) * | 2017-10-25 | 2018-03-13 | 云南电网有限责任公司电力科学研究院 | 一种需求侧负荷调整方案的制定方法及装置 |
Non-Patent Citations (3)
Title |
---|
WI Y M: "Customer baseline load( cbl) calculation using exponential smoothing model with weather adjustment", 《TRANSMISSION& DISTRIBUTION CONFERENCE & EXPOSITION: ASIA AND PACIFIC 》 * |
刘顺桂等: "考虑用户用电特性的基线负荷计算方法", 《电力需求侧管理》 * |
尹玉芬: "地区电力系统负荷特性分析与需求侧管理研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110796358A (zh) * | 2019-10-23 | 2020-02-14 | 四川万益能源科技有限公司 | 基于平均分解的有序用电降负荷需求分解方法 |
CN111969598A (zh) * | 2020-08-04 | 2020-11-20 | 广西电网有限责任公司电力科学研究院 | 一种考虑激励型需求侧响应的用户侧储能优化方法及系统 |
CN111969598B (zh) * | 2020-08-04 | 2023-07-07 | 广西电网有限责任公司电力科学研究院 | 一种考虑激励型需求侧响应的用户侧储能优化方法及系统 |
CN112347081A (zh) * | 2020-11-11 | 2021-02-09 | 北京新数科技有限公司 | 一种数据库基线生成方法、系统、设备及可读存储介质 |
CN112347081B (zh) * | 2020-11-11 | 2024-01-05 | 北京新数科技有限公司 | 一种数据库基线生成方法、系统、设备及可读存储介质 |
CN116166940A (zh) * | 2023-04-24 | 2023-05-26 | 施维智能计量系统服务(长沙)有限公司 | 一种基于热力图的用户电力负荷时间特性分类识别方法 |
CN117154722A (zh) * | 2023-10-30 | 2023-12-01 | 国网湖北省电力有限公司营销服务中心(计量中心) | 一种电力需求响应潜力评估方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109064079A (zh) | 基于负荷分类的电力需求响应基线计算方法的选取方法 | |
CN102521652B (zh) | 一种电网运营效率评价决策方法 | |
CN102999791A (zh) | 一种电力行业中基于客户分群的电力负荷预测方法 | |
CN109685581A (zh) | 一种基于标签聚类技术的电力大客户用电行为分析方法 | |
CN110247411B (zh) | 一种用户侧物联化智能光储设备能量动态分配方法 | |
CN105069527A (zh) | 一种基于数据挖掘技术的台区合理线损预测方法 | |
CN106570783A (zh) | 一种基于大数据思维的客户用电行为分析模型 | |
Lin et al. | A hybrid economic indices based short-term load forecasting system | |
CN109118128A (zh) | 一种本地区工业企业电力需求响应潜力评估方法 | |
CN109389437A (zh) | 电价的定价方法、定价装置及终端 | |
CN110011358A (zh) | 一种配电网负荷状态调节控制器 | |
CN116362584A (zh) | 一种基于用户侧储能容量配置的经济性分析方法 | |
CN114676896A (zh) | 基于时间分解改进算法的电力运行监测方法及系统 | |
CN110310035A (zh) | 主动配电网综合评价方法、装置及存储介质 | |
CN112288496A (zh) | 电力行业负荷分类计算方法及其跟踪分析方法 | |
CN111080135A (zh) | 一种动态增量能耗数据的处理方法、设备及可读存储介质 | |
CN104680400A (zh) | 基于灰色关联的企业售电量变化的短期和长期预测方法 | |
CN109378844A (zh) | 一种分布式储能系统的优化配置方法 | |
CN106530138A (zh) | 用电避峰调度方法和装置 | |
CN104158175A (zh) | 一种电力系统配变终端实时用电分类负荷的计算方法 | |
Meng et al. | Appliance level demand modeling and pricing optimization for demand response management in smart grid | |
CN114169802A (zh) | 电网用户需求响应潜力分析方法、系统及存储介质 | |
Priolkar et al. | Clustering based consumer baseline estimation for demand response implementation | |
Bell et al. | Why growth rates do differ | |
Xu et al. | Urbanization level, changes of housing price and residential sales |
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: 20181221 |