CN110880055A - 楼宇智能电表系统 - Google Patents

楼宇智能电表系统 Download PDF

Info

Publication number
CN110880055A
CN110880055A CN201911186076.7A CN201911186076A CN110880055A CN 110880055 A CN110880055 A CN 110880055A CN 201911186076 A CN201911186076 A CN 201911186076A CN 110880055 A CN110880055 A CN 110880055A
Authority
CN
China
Prior art keywords
data
power
utilization
electricity
building
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
Application number
CN201911186076.7A
Other languages
English (en)
Inventor
杨辉军
刘大和
欧远治
王泽龙
陈杰
华莹
赵国成
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.)
HUAIHUA JIANNAN ELECTRONIC TECHNOLOGY Co.,Ltd.
Hunan Zhongjing Intelligent Technology Co., Ltd
Original Assignee
HUAIHUA JIANNAN ELECTRONIC TECHNOLOGY Co 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
Application filed by HUAIHUA JIANNAN ELECTRONIC TECHNOLOGY Co Ltd filed Critical HUAIHUA JIANNAN ELECTRONIC TECHNOLOGY Co Ltd
Priority to CN201911186076.7A priority Critical patent/CN110880055A/zh
Publication of CN110880055A publication Critical patent/CN110880055A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
    • G01R22/06—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods
    • G01R22/061—Details of electronic electricity meters
    • G01R22/063—Details of electronic electricity meters related to remote communication
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • 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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/82—Energy audits or management systems therefor

Abstract

本发明公开了一种楼宇智能电表系统，包括：数据监测模块，用于通过城市片区内各楼宇的智能电表监测各楼宇的用电数据；能耗调节模块，用于根据用电数据得到用电分项反馈数据，并生成节能建议，以及将用电分项反馈数据和节能建议推送至对应的用户信息端；配电管理模块，其与城市智能电网系统通信连接，以获取城市智能电网系统的配电信息，其还用于根据历史用电数据进行用电分项预测，根据城市片区内的用电数据对新城市片区进行用电量预测，以及根据历史用电异常数据对系统进行可靠性分析，并根据预测结果、分析结果和配电信息进行配电管理。该系统可提高数据的利用率，有助于用户进行节能用电操作，可实现与城市智能电网系统的信息交互。

Description

楼宇智能电表系统
技术领域
本发明涉及楼宇用电管理技术领域，尤其涉及一种楼宇智能电表系统。
背景技术
楼宇能耗智能管理系统旨在基于实际数据降低建筑能耗，针对楼宇用电情况，相关技术中提出了采用无线传输实现用户终端数据与后台服务器的信息交互、采用AI自主学习识别并检测用电数据是否异常，以及基于楼宇能耗计量数据提出管理评估系统及方法。
然而，上述技术中，针对楼宇能耗管理系统提出的评估方法考虑水、电、气等各类数据，能耗数据庞大、采集麻烦，并且大量的实时分项能耗数据对统一的数据处理中心的运行状态要求太高，导致数据利用程度不够；上述技术中，针对智能电表的设计大多关注传输方式的改进，缺乏一种针对工业、企业和家庭普遍适用的监测调节管理系统，不方便与城市片区内智能配电系统的信息交互。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的一个目的在于提出一种楼宇智能电表系统，以实现所采集用电数据的利用率，以及方便与城市片区内的智能配电系统的信息交互。
为达到上述目的，本发明提出了一种楼宇智能电表系统，包括：数据监测模块，用于通过城市片区内各楼宇的智能电表监测各楼宇的用电数据，其中，所述用电数据包括多种类型的用电数据，每种类型的用电数据均包括多种用电分项数据；能耗调节模块，用于根据所述用电数据得到用电分项反馈数据，并根据所述用电分项反馈数据中的能耗指标生成节能建议，以及将所述用电分项反馈数据和所述节能建议推送至对应的用户信息端；配电管理模块，所述配电管理模块与城市智能电网系统通信连接，以获取所述城市智能电网系统的配电信息，所述配电管理模块还用于根据历史用电数据进行用电分项预测，根据所述城市片区内的用电数据对新城市片区进行用电量预测，以及根据历史用电异常数据对系统进行可靠性分析，并根据预测结果、分析结果和所述配电信息进行配电管理。
本发明实施例的楼宇智能电表系统，可根据不同的用电类型和不同的用电分项，匹配相应的智能电表实时监测各楼宇的用电数据，有助于提高数据的利用率；通过能耗调节模块根据用电数据得到分项用电反馈数据和节能建议，并推送给用户，有助于用户进行节能用电操作；通过配电管理系统可实现与城市智能电网系统的信息交互，并通过对城市片区内的不同用电类型进行统计和预测，并给出用电系统可靠性指标，可实现对新城市片区的配电设施布置，以及实现对旧城市片区的配电的升级和优化。
其中，所述多种类型的用电数据包括居民生活用电、一般工商用电、大工业用电和农业生产用电，所述多种用电分项数据包括照明插座用电、空调用电、动力用电和特殊用电。
其中，所述用电分项反馈数据包括同类型用电的同种用电分项数据的平均值、最高值、最低值和能耗指标。
具体地，用电数据
Figure BDA0002292437040000021
的能耗指标C通过下式表示：
Figure BDA0002292437040000022
其中，x用电数据自变量，
Figure BDA0002292437040000023
服从对数正态分布
Figure BDA0002292437040000024
Figure BDA0002292437040000025
为对数期望值和
Figure BDA0002292437040000026
为对数标准差，k为用电类型编号，k＝1,2,…,n，i为用电类型编号，i＝1,2,3,4，j为用电类型编号，j＝1,2,3,4，
Figure BDA0002292437040000027
为对数正态分布的累积概率，C∈(0,1)。
具体地，所述配电管理模块通过如下公式进行用电预测；
hθ(Q)＝θ0+θ1Q，
其中，Q为历史用电数据，hθ(Q)为预测得到的用电数据，θ0、θ1为线性回归算法拟合得到的参数。
具体地，所述配电管理模块通过执行如下步骤对新城市片区进行用电预测：输入样本数据，并进行参数随机初始化，其中，所述样本数据包括所述城市片区内的用电数据，以及所述城市片区内的居民数量、工业用地面积、农业用地面积和商业建筑面积；利用正向传播方法计算所有的hθ(xi)，其中，hθ(xi)为对应于每一组特征输入值xi的预测值；计算代价函数J(θ)；利用反向传播方法计算偏导数
Figure BDA0002292437040000028
利用梯度检验方法论证反向传播程序的正确性；利用优化算法fminunc最小化代价函数；结束训练，得到预测数据。
具体地，所述配电管理模块通过如下公式计算用电可靠度
Figure BDA0002292437040000029
Figure BDA00022924370400000210
其中，故障率
Figure BDA0002292437040000031
修复率μ＝1，N(t)为智能电表在时间区间(0,t]内的故障次数，Stotal为智能电表在时间区间(0,t]内的数据记录总次数。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
图1是本发明实施例的楼宇智能电表系统的结构框图；
图2是本发明一个示例的分项用电反馈机制数据可视化的示意图；
图3是本发明一个示例的用于预测新城市片区用电的神经网络结构图；
图4是本发明一个示例的智能电表系统与智能电网系统交互的示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的楼宇智能电表系统。
实施例1
图1是本发明实施例的楼宇智能电表系统的结构框图。
如图1所示，该楼宇智能电表系统100包括：数据监测模块10、能耗调节模块20和配电管理模块。
在该实施例中，数据监测模块10用于通过城市片区内各楼宇的智能电表监测各楼宇的用电数据，其中，用电数据包括多种类型的用电数据，每种类型的用电数据均包括多种用电分项数据。
具体地，参见图1，多种类型的用电数据包括居民生活用电、一般工商用电、大工业用电和农业生产用电，多种用电分项数据包括照明插座用电、空调用电、动力用电和特殊用电。在一个城市片区内可设置一个后台服务器，接入各个楼宇k(k＝1,2,…,n)的智能电表。对应一种用电类型i(i＝1,2,3,4)的用电分项j(j＝1,2,3,4)，监测到的用电数据为
Figure BDA0002292437040000032
在该实施例中，能耗调节模块20用于根据用电数据得到用电分项反馈数据，并根据用电分项反馈数据中的能耗指标生成节能建议，以及将用电分项反馈数据和节能建议推送至对应的用户信息端，以便用户进行节能用电操作。
其中，用电分项反馈数据包括同类型用电的同种用电分项数据的平均值、最高值、最低值和能耗指标。
具体地，为解决楼宇能耗精细化管理的问题，能耗调节模块20加强了系统后台服务器和用户端的信息交互。参见图1，后台服务器对四种类型的四种用电分项数据，进行存储、分析和可视化，并通过分项用电反馈机制推送给用户信息端。分项用电反馈机制包含同类型用电能耗的同种用电分项的平均值、最高值、最低值，并给出楼宇能耗指标。方便用户根据楼宇的能耗指标，了解自身在明插座用电、空调用电、动力用电、特殊用电四种用电分项的能耗水平，并给出针对性节能建议。
作为一个示例，用电数据
Figure BDA0002292437040000041
的能耗指标C通过下式(1)表示：
Figure BDA0002292437040000042
其中，x用电数据自变量，
Figure BDA0002292437040000043
服从对数正态分布
Figure BDA0002292437040000044
Figure BDA0002292437040000045
为对数期望值和
Figure BDA0002292437040000046
为对数标准差，k为用电类型编号，k＝1,2,…,n，i为用电类型编号，i＝1,2,3,4，j为用电类型编号，j＝1,2,3,4，
Figure BDA0002292437040000047
为对数正态分布的累积概率，C∈(0,1)。
具体地，对数期望值
Figure BDA0002292437040000048
和对数标准差
Figure BDA0002292437040000049
可由后台服务器中存储的用电数据计算得到。如图2所示，一台后台服务器涵盖的城市片区范围内，可以针对每种用电类型的每个用电分项生成数PDF(Probability Density Function，概率密度函)和CDF(CumulativeDistribution Function，累积分布函数)图像进行数据可视化，取对数正态分布的累计概率值作为能耗指标C。能耗指标C的值越小，表明楼宇该用电分项能耗处于城市片区的低位水平，节能情况较好；而能耗指标C的值越大，表明楼宇用电分项能耗处于城市片区的高位水平，节能情况较差，此时可以结合楼宇自身情况，对该用电分项进行排查，根据系统给出的节能建议，优化楼宇节能策略。
在该实施例中，配电管理模块30与城市智能电网系统通信连接，以获取城市智能电网系统的配电信息，配电管理模块30还用于根据历史用电数据进行用电分项预测，根据城市片区内的用电数据对新城市片区进行用电量预测，以及根据历史用电异常数据对系统进行可靠性分析，并根据预测结果、分析结果和配电信息进行配电管理。
作为一个示例，配电管理模块30可通过如下公式(2)进行用电预测；
hθ(Q)＝θ0+θ1Q (2)
其中，Q为历史用电数据，hθ(Q)为预测得到的用电数据，θ0、θ1为线性回归算法拟合得到的参数。
具体地，配电管理模块30可采用上式(2)所示的线性回归算法，基于历史用电数据对居民生活用电、一般工商业用电、大工业用电、农业生产用电进行用电量预测。
作为一个示例，配电管理模块30可通过执行如下步骤对新城市片区进行用电预测：
S1，输入样本数据，并进行参数随机初始化，其中，样本数据包括城市片区内的用电数据，以及城市片区内的居民数量、工业用地面积、农业用地面积和商业建筑面积；
S2，利用正向传播方法计算所有的hθ(xi)，其中，hθ(xi)为对应于每一组特征输入值xi的预测值；
S3，计算代价函数J(θ)；
S4，利用反向传播方法计算偏导数
Figure BDA0002292437040000051
S5，利用梯度检验方法论证反向传播程序的正确性；
S6，利用优化算法fminunc最小化代价函数；
S7，结束训练，得到预测数据。
具体地，配电管理模块30可采用上述步骤S1-S7中的神经网络算法，神经网络结构可如图3所示，以各后台服务器覆盖的城市片区内居民数量、工业用地面积、农业用地面积、商业建筑面积作为特征输入，预测新开发城市片区用电量，辅助配电设施布置。
作为一个示例，配电管理模块30可通过如下公式(3)计算用电可靠度
Figure BDA0002292437040000054
Figure BDA0002292437040000052
其中，故障率
Figure BDA0002292437040000053
修复率μ＝1，N(t)为智能电表在时间区间(0,t]内的故障次数，Stotal为智能电表在时间区间(0,t]内的数据记录总次数。
具体地，基于历史用电异常数据，可采用马尔科夫可靠性评估理论，得到楼宇用电可靠度。通过上述的用电预测和用电可靠性分析，有助于城市片区配电的集中管理，配电网、楼宇电网针对性升级，且节省成本。
具体而言，针对一种用电类型的分项用电数据，设定智能电表采集的历史用电异常数据作为故障数据，智能电表在时间区间(0,t]内的故障次数为N(t)，则N(t)为离散型随机变量，此时故障次数的分布为PK(t)＝P{N(t)＝K},K＝0,1,2,…。用服从(0-1)分布的随机变量I(t)来表示系统在t时刻所处的状态，即I(t)为两状态的随机过程：
Figure BDA0002292437040000061
系统可用一个具有两状态的齐次的马氏过程描述，可假定系统寿命服从指数分布。取故障率
Figure BDA0002292437040000062
修复率μ＝1，则系统在平稳状态下的可用度如上式(3)所示，作为可靠度指标衡量用电系统的稳定性。
如图4所示，根据上述的用电分项预测和新城市片区用电量预测，同时结合城市智能电网系统，有助于新城市片区设施布局；根据上述的用电分项预测和系统可靠性分析，同时结合城市智能电网系统，有助于旧城市片区供电的升级优化，
本发明实施例的楼宇智能电表系统，能够实现对楼宇用电数据的监测与调节，以及和城市配电系统间的管理交互；既可以帮助用户可视化能耗指标，又可以通过用电量预测和可靠性分析辅助城市配电系统的布置、升级和优化，做到电力系统上下游精细化管理，节省成本。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (7)

1.一种楼宇智能电表系统，其特征在于，包括：
数据监测模块，用于通过城市片区内各楼宇的智能电表监测各楼宇的用电数据，其中，所述用电数据包括多种类型的用电数据，每种类型的用电数据均包括多种用电分项数据；
能耗调节模块，用于根据所述用电数据得到用电分项反馈数据，并根据所述用电分项反馈数据中的能耗指标生成节能建议，以及将所述用电分项反馈数据和所述节能建议推送至对应的用户信息端；
配电管理模块，所述配电管理模块与城市智能电网系统通信连接，以获取所述城市智能电网系统的配电信息，所述配电管理模块还用于根据历史用电数据进行用电分项预测，根据所述城市片区内的用电数据对新城市片区进行用电量预测，以及根据历史用电异常数据对系统进行可靠性分析，并根据预测结果、分析结果和所述配电信息进行配电管理。
2.如权利要求1所述的楼宇智能电表系统，其特征在于，所述多种类型的用电数据包括居民生活用电、一般工商用电、大工业用电和农业生产用电，所述多种用电分项数据包括照明插座用电、空调用电、动力用电和特殊用电。
3.如权利要求1所述的楼宇智能电表系统，其特征在于，所述用电分项反馈数据包括同类型用电的同种用电分项数据的平均值、最高值、最低值和能耗指标。
4.如权利要求3所述的楼宇智能电表系统，其特征在于，用电数据
Figure FDA0002292437030000017
的能耗指标C通过下式表示：
Figure FDA0002292437030000011
其中，x为用电数据自变量，
Figure FDA0002292437030000012
服从对数正态分布
Figure FDA0002292437030000013
Figure FDA0002292437030000014
为对数期望值和
Figure FDA0002292437030000015
为对数标准差，k为用电类型编号，k＝1,2,…,n，i为用电类型编号，i＝1,2,3,4，j为用电类型编号，j＝1,2,3,4，
Figure FDA0002292437030000016
为对数正态分布的累积概率，C∈(0,1)。
5.如权利要求1所述的楼宇智能电表系统，其特征在于，所述配电管理模块通过如下公式进行用电预测；
hθ(Q)＝θ0+θ1Q，
其中，Q为历史用电数据，hθ(Q)为预测得到的用电数据，θ0、θ1为线性回归算法拟合得到的参数。
6.如权利要求1所述的楼宇智能电表系统，其特征在于，所述配电管理模块通过执行如下步骤对新城市片区进行用电预测：
输入样本数据，并进行参数随机初始化，其中，所述样本数据包括所述城市片区内的用电数据，以及所述城市片区内的居民数量、工业用地面积、农业用地面积和商业建筑面积；
利用正向传播方法计算所有的hθ(xi)，其中，hθ(xi)为对应于每一组特征输入值xi的预测值；
计算代价函数J(θ)；
利用反向传播方法计算偏导数
Figure FDA0002292437030000021
利用梯度检验方法论证反向传播程序的正确性；
利用优化算法fminunc最小化代价函数；
结束训练，得到预测数据。
7.如权利要求1所述的楼宇智能电表系统，其特征在于，所述配电管理模块通过如下公式计算用电可靠度
Figure FDA0002292437030000022
Figure FDA0002292437030000023
其中，故障率
Figure FDA0002292437030000024
修复率μ＝1，N(t)为智能电表在时间区间(0,t]内的故障次数，Stotal为智能电表在时间区间(0,t]内的数据记录总次数。
CN201911186076.7A 2019-11-28 2019-11-28 楼宇智能电表系统 Pending CN110880055A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911186076.7A CN110880055A (zh) 2019-11-28 2019-11-28 楼宇智能电表系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911186076.7A CN110880055A (zh) 2019-11-28 2019-11-28 楼宇智能电表系统

Publications (1)

Publication Number Publication Date
CN110880055A true CN110880055A (zh) 2020-03-13

Family

ID=69730376

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911186076.7A Pending CN110880055A (zh) 2019-11-28 2019-11-28 楼宇智能电表系统

Country Status (1)

Country Link
CN (1) CN110880055A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111638398A (zh) * 2020-05-08 2020-09-08 苏州华普物联科技有限公司 一种基于无线传感网的楼宇能耗计量系统及计量方法
CN112147939A (zh) * 2020-09-30 2020-12-29 中工铁建绿色建筑科技(海南自贸区)有限公司 一种绿色建筑的能源监测调节系统
CN112415963A (zh) * 2020-11-13 2021-02-26 珠海格力电器股份有限公司 楼宇级能源控制方法、控制装置、系统和一种处理器

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109213033A (zh) * 2018-08-23 2019-01-15 深圳供电局有限公司 一种楼宇智慧能源管理方法及系统
CN109934403A (zh) * 2019-03-12 2019-06-25 浙江大学 基于数学模型的电动汽车居民区域充电负荷分析预测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109213033A (zh) * 2018-08-23 2019-01-15 深圳供电局有限公司 一种楼宇智慧能源管理方法及系统
CN109934403A (zh) * 2019-03-12 2019-06-25 浙江大学 基于数学模型的电动汽车居民区域充电负荷分析预测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
崔然 等: "楼宇能源管理系统设计与实现", vol. 20, no. 20, pages 184 - 187 *
王家钺: "《基于R的语言学统计方法》", 外语教学与研究出版社, pages: 145 - 149 *
王硕;赵杰;刘国平;王聪;: "基于网格化的城市智能配电网规划研究", no. 04 *
马晓东;李珏;吴少雄;王军;: "基于SOA的用电采集数据分析与智能监测系统的设计与实现", no. 1, pages 129 - 132 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111638398A (zh) * 2020-05-08 2020-09-08 苏州华普物联科技有限公司 一种基于无线传感网的楼宇能耗计量系统及计量方法
CN112147939A (zh) * 2020-09-30 2020-12-29 中工铁建绿色建筑科技(海南自贸区)有限公司 一种绿色建筑的能源监测调节系统
CN112415963A (zh) * 2020-11-13 2021-02-26 珠海格力电器股份有限公司 楼宇级能源控制方法、控制装置、系统和一种处理器
CN112415963B (zh) * 2020-11-13 2022-02-08 珠海格力电器股份有限公司 楼宇级能源控制方法、控制装置、系统和一种处理器

Similar Documents

Publication Publication Date Title
CN108470233B (zh) 一种智能电网的需求响应能力评估方法和计算设备
US11824360B2 (en) Apparatus and method for optimizing carbon emissions in a power grid
CN106779129A (zh) 一种考虑气象因素的短期电力负荷预测方法
JP2020501491A (ja) 動的エネルギーストレージシステム制御のためのシステムおよび方法
CN110880055A (zh) 楼宇智能电表系统
Chen et al. Day-ahead prediction of hourly subentry energy consumption in the building sector using pattern recognition algorithms
WO2023083235A1 (zh) 一种分散式预测电网的优化方法及系统
Zhuang et al. A risk-based robust optimal chiller sequencing control strategy for energy-efficient operation considering measurement uncertainties
Huang et al. Real-time data and energy management in microgrids
Gao et al. An iterative optimization and learning-based IoT system for energy management of connected buildings
Nasiri et al. Data analytics and information technologies for smart energy storage systems: A state-of-the-art review
Wang et al. Data-driven assessment of room air conditioner efficiency for saving energy
CN113805138A (zh) 一种基于参数有向遍历的智能电表误差估计方法及装置
CN106548284A (zh) 一种面向运行调控的自适应模块化电网安全预警评价方法
CN113887809A (zh) 双碳目标下配电网供需平衡方法、系统、介质及计算设备
CN111144628A (zh) 一种分布式供能的冷热电负荷预测模型系统及方法
CN116070795A (zh) 一种基于物联网的智慧能源管控方法及系统
CN115513945A (zh) 一种基于物联网的分布式电源管理方法
Dong et al. Sensitivity‐based reliability coordination for power systems considering wind power reserve based on hybrid correlation control method for wind power forecast error
Kreider et al. Expert systems, neural networks and artificial intelligence applications in commercial building HVAC operations
Hou et al. A novel algorithm for multi-node load forecasting based on big data of distribution network
CN102130500A (zh) 变电站计算机监控系统使用寿命的延长方法
Frimpong et al. A model for predicting unregulated energy usage
Swide et al. Energy Demand Prediction Based on Deep Learning Techniques
Feng et al. Design of Comprehensive Energy System Considering Anomaly Detection of Multi-Energy Data

Legal Events

Date Code Title Description
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20201208

Address after: No. 1106, 11th floor, innovation and entrepreneurship building, hi tech Zone, Huaihua City, Hunan Province

Applicant after: Hunan Zhongjing Intelligent Technology Co., Ltd

Applicant after: HUAIHUA JIANNAN ELECTRONIC TECHNOLOGY Co.,Ltd.

Address before: No. 1, Jixiang Avenue, economic development zone, Huaihua City, Hunan Province

Applicant before: HUAIHUA JIANNAN ELECTRONIC TECHNOLOGY Co.,Ltd.

TA01 Transfer of patent application right